储能系统：风电友好并网的新引擎

近年来,风力发电在世界范围内得到了快速发展。随着风电渗透率不断增大,风力发电在为电网输送大量清洁电能的同时,对电力系统可靠性、稳定性等方面的影响愈发显著。究其原因,主要在于风速的波动性、间歇性及随机性引起风电功率波动,并且难以准确预测。因此,研究平滑风电出力,实现稳定可靠的风电输出具有重要意义。

为减小风电功率波动对电力系统的不利影响,不同国家根据自身电力系统的特点对风电场设置了不同的风电波动限制指标。例如：美国ERCOT电力公司与德国E.ON电力公司的风电波动限制指标均为每1 min最大波动量不超过风电场装机容量的10%;中国根据风电场装机容量,分别在1 min、10 min两个时间尺度对最大波动量进行限制。基于此,本文中平滑风电出力是指在风电场内部或端口采取措施,减小风电场分钟级功率波动,使其满足风电波动限制指标要求。

目前,平滑风电出力主要包括风电机组改进控制与储能系统辅助控制两类方法。文献[5]提出了一种结合风力机变桨控制和发电机变速控制的发电机有功功率平滑控制策略,该策略可降低直驱永磁同步风力发电机输出有功功率的波动,控制发电机转速运行范围。然而,风电机组改进控制多以牺牲风能捕获效率为代价,影响了风电机组的运行经济性。在能源互联网的推动下,以大规模电池储能为代表的新型储能技术得以快速发展,在风电场端口集成储能系统以平滑风电出力正逐渐成为理论研究与工程示范的热点。在理论研究领域,研究主要集中在储能系统的风电平滑策略、功率容量配置方法等关键技术;在工程示范领域,世界上已有多个可用于平滑风电出力的储能示范项目,例如美国Kahuku风电场储能示范项目、中国张北风光储输示范项目等。

综上,本文首先总结了新型储能技术示范项目的建设成果,其次梳理了储能系统的类型选取,再次论述了储能系统的风电平滑策略、功率容量配置方法等关键技术。最后,探讨了未来待研究的关键科学问题,以期为储能系统平滑风电出力的研究与应用提供一定借鉴。

1 新型储能技术示范项目的建设成果

首先总结了新型储能技术示范项目的建设成果,随后列举了国内外典型的可用于平滑风电出力的储能示范项目,最后选取一个典型项目进行介绍。

1.1 建设成果

根据美国能源部信息中心项目库的不完全统计,截至2016年8月,全球新型储能技术示范项目高达1000余项,其中已运行储能项目约900项,已宣布与在建项目约100项。已运行或在建的储能示范项目国家分布如图1所示。

美国在储能装机规模与示范项目数量上都处于领先地位,项目数量占全球总数量的48%,主要为太阳能热发电熔融盐储能;我国次之,项目数量占全球总数量的7%,主要为电化学储能;韩国占6%,全部为电化学储能;西班牙占5%,主要为太阳能热发电熔融盐储能。

上述示范项目的应用模式主要包括：促进集中式风电、光伏接入电网,提高输配电及用电侧可靠性,提升分布式发电或微电网运行能力,以及提供电网辅助服务。表1列出了国内外典型的可用于平滑风电出力的储能示范项目。由表1可知,示范项目的储能系统多为电池储能。这主要由于,电池储能布点灵活且具有较快的响应速度及较高的能量密度,既可平滑风电出力,也可实现缓解弃风、参与调峰、提供备用等功能。

1.2 中国辽宁卧牛石风电场

中国辽宁卧牛石风电场安装有33台1.5 MW风力发电机组,总装机容量49.5 MW。风电场经66 kV母线接入辽宁电网。储能系统选用全钒液流电池(5MW/10 MW•h),采用模块化设计,单元储能系统输出功率为352 kW,整套储能系统由15套可独立调控的352 kW单元储能系统构成。在能量管理系统的统一调度下,储能系统包含平滑风电出力、跟踪计划出力、缓解弃风、暂态有功出力紧急响应及暂态电压紧急支撑等功能。

实际运行数据表明,储能平滑风电出力后,风电场1 min最大波动量大幅减小,可以实现其小于GB/T 19963—2011《风电场接入电力系统技术规定》中最大波动量限值4.95 MW的控制目标。

2 储能系统的类型选取

储能系统的类型选取是储能风电平滑策略及功率容量配置方法的前提,而风电波动限制指标及储能系统功率特性是影响储能系统类型选取的关键因素。为此,本节根据风电波动限制指标及储能系统功率特性,给出了平抑不同时间尺度风电功率波动的储能系统参考类型。

为定量描述风电功率波动,现有研究提出了给定时间尺度风电功率最大波动量、相邻采样时刻风电功率波动量及归一化标准差等评价指标。给定时间尺度风电功率最大波动量,从时间尺度、波动幅值两个维度对风电功率波动进行描述。相邻采样时刻风电功率波动量,多反映风电功率的爬坡速率。归一化标准差本质为标准差的标幺值,基准值为风电场装机容量。该指标越大,风电波动越明显,反之亦然。

目前,不同国家多采用给定时间尺度风电功率最大波动量,作为风电波动限制指标。该指标的时间尺度和波动幅值分别对储能系统的功率特性和存储容量提出了要求。因此,储能系统的类型选取应重点关注储能系统的功率特性。表2给出了主要储能系统的功率特性指标。

当平抑短时间尺度(1 min以下)风电功率波动时,对储能系统的响应时间、循环次数提出了较高要求,多采用超级电容储能、飞轮储能及超导磁储能;当平抑较长时间尺度(数min到数10 min)风电功率波动时,对储能系统的能量密度提出了较高要求,多采用锂电池、铅酸电池及液流电池等电池储能;压缩空气储能、抽水蓄能虽然技术成熟,但由于其对地理环境的特殊要求以及其典型放电时间与平滑风电出力时间尺度的不匹配,两者不适合配置在风电场端口平滑风电出力。此外,当需平抑多个时间尺度的风电功率波动时,多采用混合储能系统,例如超级电容与电池混合储能系统。

综上,虽然根据风电波动限制指标及储能系统功率特性,可得到平抑不同时间尺度风电功率波动的储能系统参考类型,但储能系统最终类型的确定还需结合储能系统的风电平滑策略及功率容量配置方法进行综合分析。

3 储能系统的风电平滑策略

图2给出了储能系统平滑风电出力的基本流程。首先获取风电目标出力,随后综合风电功率及风电目标出力确定储能初始功率计划,并通过能量状态反馈控制予以修正,最终在储能内部单元间进行功率分配,确定各单元充放电功率指令。其中,获取风电目标出力、能量状态反馈控制是风电平滑策略的核心。

3.1 获取风电目标出力

风电目标出力是指经储能系统平滑后期望得到的风电功率。风电目标出力的获取方法与储能系统的风电平滑策略密切相关。目前,风电平滑策略可分为两类：直接平滑策略与间接平滑策略。两者区别在于平滑后能否实现风电调度,其中风电调度是指风电功率在给定时间窗口内为一定值。由于前者仅需满足风电波动限制指标要求,所需储能功率容量较小,而后者需实现风电调度,所需储能功率容量较大。基于此,风电目标出力的获取方法也相应分为两类：直接平滑策略的风电目标出力获取方法与间接平滑策略的风电目标出力获取方法。

3.1.1 直接平滑策略的风电目标出力获取方法

风电目标出力获取方法主要包括以下几种：一阶滤波、卡尔曼滤波及小波滤波等滤波控制算法,滑动平均、加权移动平均及模型预测控制等其他控制算法。

1)滤波控制算法。

一阶滤波算法的关键控制参数为滤波时间常数,滤波时间常数越大,风电目标出力越平滑,需要的储能功率容量越大,反之亦然。文献[12]通过一阶滤波算法获取风电目标出力,分析了不同滤波时间常数下的风电平滑效果。文献[14]采用一阶滤波算法得到风电场侧、电网侧储能的风电目标出力,并通过神经网络拟合储能配置容量、滤波时间常数与风电波动评价指标的关系,最终得到储能最佳配置容量与最佳滤波时间常数。上述文献均通过定时间常数一阶滤波算法获取风电目标出力,但由于风电功率的不确定性,定时间常数一阶滤波算法易引起过补偿,增大储能配置容量。

针对上述不足,已有学者开展了利用变时间常数一阶滤波算法获取风电目标出力的研究。文献[15]根据实测波动率调整滤波时间常数,减小了储能出力与荷电状态的变化。文献[16]提出了一种通过优化模型调整滤波时间常数的新思路,首先将多时间尺度的风电波动限制指标转化为不等式约束,随后滚动求解优化模型调整滤波时间常数,提高了风电平滑效果。

卡尔曼滤波算法已在短期负荷预测、动态状态估计等方面得到了广泛应用。文献[17]提出了一种模糊自适应卡尔曼滤波控制策略,在平滑风电出力的条件下,有效管理储能荷电状态。文献[18]根据风电功率波动量,调整卡尔曼滤波的过程噪声和量测噪声协方差,减小了储能配置容量。

小波变换具有处理非平稳信号序列的强大能力,在处理风电波动特性方面具有显著的优势。文献[19]通过Meyer小波获取风电目标出力,利用超级电容储能平抑风电功率波动的高频分量,双电池储能平抑风电功率波动的低频分量,并根据电池容量与荷电状态的乘积在双电池储能间分配功率。文献[20]提出了一种混合储能协调控制策略：首先通过小波滤波获取满足风电波动限制指标要求的混合储能综合出力,随后根据超级电容储能与电池储能的最佳匹配频带分配功率。

2)其他控制算法。

滑动平均算法的关键控制参数为滑动平均时段长度M：若M选择过大,风电功率随时间变化的长期趋势会反映在分钟级波动分量上;若M选择过小,风电功率的短时波动会反映在持续分量上。文献[21]将M取为30 min,选择风电功率持续分量作为风电目标出力,并设计了一种储能在线运行策略,避免了储能在充放电状态间频繁转换。

加权移动平均算法的两个重要参数分别为权重与移动平均项数N。前者反映对各时刻风电功率的重视程度,后者与滤波效果紧密相关：N越大,通带越窄,滤波后风电出力越平滑,反之亦然。文献[22]根据前一时刻充放电平衡度指标调整N,并将前N-1时刻的风电功率加权平均值作为当前时刻的风电目标出力,克服了普通方法在风电功率骤变时平滑效果变差的不足。

模型预测控制算法是一种基于过程预测模型,采用回退视界策略,综合考虑系统动态性能、控制目标及约束条件的在线优化控制方法。文献[23]构建了以控制时域内储能出力与储能存储能量偏差平方和最小为目标,考虑风电爬坡速率等约束的优化模型,采用二次规划算法求解。

3.1.2 间接平滑策略的风电目标出力获取方法

风电目标出力获取方法主要包括：风电功率平均值法、恒定值法、最值法及优化模型法。

文献[25-26]将未来1 h内风电预测功率平均值作为风电目标出力。文献[25]构建了考虑储能荷电状态、充放电速率等约束的储能控制策略。文献[26]提出了基于规则的控制策略,由于不需要储能细致模型,该策略可方便扩展到其他类型储能系统。

文献[27]构建了一种包含专家信息库的双层控制模型,并将风电功率恒定值作为风电目标出力,通过实时检索专家信息库,控制储能充放电,可有效平滑风电出力。

文献[28]提出了一种储能全充-全放状态交替运行策略,在储能充放电区间分别设置风电目标出力：在充电区间,将风电预测功率的最小值作为风电目标出力;在放电区间,将风电预测功率的最大值作为风电目标出力。文献[29]通过风电概率区间预测得到风电预测功率的悲观、正常及乐观方案,根据储能荷电状态使风电目标出力在悲观、乐观方案间切换,减小了储能循环次数,延长了储能寿命。

文献[30]构建了用于确定风电目标出力的功率偏移量方差最小模型,并提出了一种混合储能协调控制策略,通过适当增大铅酸电池储能的输出功率及减小其充放电转换次数,减小了液流电池储能的配置容量与铅酸电池储能的寿命损耗。

不同风电平滑策略下风电目标出力获取方法的优势与不足,如表3所示。

3.2 能量状态反馈控制

当风电功率大于风电目标出力时,储能充电,反之放电。若严格执行该运行策略,需增大储能配置容量以避免储能过充过放,但这会显著增加储能投资成本,目前多通过引入能量状态反馈控制予以解决。能量状态反馈控制主要包括：传递函数法[31]、模糊控制法[32-34]、预先控制法[35]及动态优化法[17]。

文献[31]推导得出了荷电状态反馈控制传递函数,避免了储能过充过放。文献[32]采用模糊控制修正储能初始功率计划,虽可保证荷电状态处于合理范围,但削弱了风电平滑效果。文献[33]通过双层模糊控制,减小了单层模糊控制对风电平滑效果的不利影响。文献[34]通过优化模型确定储能最佳荷电状态范围,并采用模糊控制调整滤波时间常数,使其处于最佳荷电状态范围。文献[35]利用预

先控制调整超级电容储能、电池储能的输出功率,降低了超级电容储能端电压到达上下限的概率,减小了风-储联合系统综合出力的波动峰值。文献[17]构建了包含储能荷电状态反馈控制的控制优化模型,根据储能荷电状态调整模型约束条件,使储能荷电状态处于合理范围。

综上,传递函数法依赖于数学推导,具有较强的理论基础,但推导难度大,不易实现。模糊控制法与预先控制法均不需要储能细致模型,可扩展性强,但其控制参数多根据设计者的主观经验确定,存在一定局限性。动态优化法将能量状态反馈控制转化为数学优化问题,通过求解优化模型滚动更新储能功率计划。该方法控制精细,为能量状态反馈控制提供了一种重要思路。

3.3 储能内部单元功率分配

储能内部单元功率分配主要针对的是电池储能[36-37]。这是因为电池储能由储能单元经串并联构成,考虑到储能单元在充放电效率等方面的差异,各单元荷电状态的一致性难以仅通过平均分配功率的方法保证。

文献[36]依据储能内部单元荷电状态占比分配功率,并根据各单元初始荷电状态修正分配功率,减小了储能内部单元荷电状态的差异,但该分配策略仅计及了储能输出功率约束。文献[37]构建了以储能内部单元荷电状态差异最小为目标,考虑储能输出功率、充放电状态转换约束的功率分配模型。所提分配策略在保证储能内部单元荷电状态一致性的条件下,减小了储能内部单元的充放电转换次数,延长了储能寿命。

综上,快速准确估计储能内部单元的荷电状态是储能内部单元功率分配的关键。但是,电池容量会随温度漂移,随循环次数增加而减少,导致荷电状态估计产生较大误差,影响功率分配策略的控制效果。因此,构建考虑电池容量变化的荷电状态鲁棒估计方法显得尤为重要。

4 储能系统的功率容量配置方法

储能系统功率容量配置的目标为在满足风电波动限制指标要求的前提下,实现配置评价指标的最优化。目前,储能系统的功率容量配置方法主要包括：理论分析法、仿真分析法及优化模型法。需注意的是,上述方法均适用于不同规模风电场的储能规划。

4.1 理论分析法

理论分析法一般首先对历史数据进行分析与特征量提取,随后依托不同分析方法,例如一阶滤波、概率分析等时域分析方法,以及傅里叶变换等频域分析法,确定储能配置功率容量。

文献[38]基于一阶滤波传递函数,推导得出储能系统的最小配置容量,但无法保证平滑后的风电出力满足风电波动限制指标要求。文献[39]通过对比不同滤波时间常数下的风电平滑效果,确定最佳滤波时间常数,随后根据3σ原理确定储能配置功率。文献[40]对混合储能输出功率的绝对值进行概率分析,在得到其累计概率分布后,将给定置信水平的输出功率绝对值作为电池储能的配置功率,将输出功率绝对值的最大值与电池储能配置功率之差作为超级电容储能的配置功率。文献[41]采用试差法由高频段向低频段延伸,确定满足风电波动限制指标要求的最小补偿频段,将储能最大输出功率作为其配置功率,储能最大能量差与荷电状态允许范围之比作为其配置容量。文献[42]通过傅里叶变换得到风电功率频谱密度,利用储能平抑指定频段的风电功率波动,将储能最大输出功率作为其配置功率,储能最大能量差与荷电状态允许范围之比作为其配置容量。

综上,理论分析法逻辑清晰,求解速度快,但推导分析增大了实现难度。另外,该方法仅从技术层面给出储能配置方案,无法考虑储能系统的运行效益,影响了配置方案的合理性。

4.2 仿真分析法

仿真分析法通过调用风电平滑策略对储能待选方案进行仿真分析,确定满足风电波动限制指标要求的储能最小功率容量。

文献[17]提出了一种考虑双时间尺度风电波动限制指标的风电平滑策略,并对不同功率容量的储能系统进行仿真分析,得到了满足风电波动限制指标要求的储能最小功率容量。文献[43]提出了一种基于模型预测控制的风电平滑策略,并通过仿真分析确定了储能最佳配置方案。文献[44]根据不同风电场和储能系统的容量配比关系进行仿真分析,提出了一种配置大规模储能系统的方案。文献[45]提出了两种储能电站动态调度模型,通过仿真分析确定了两种场景下的储能最佳配置方案。

综上,仿真分析法原理简单,易于实现,但储能最终方案的优劣与待选方案的数量密切相关：若待选方案过少,难以保证最终方案的最优性;待选方案过多,仿真时间会显著增加。另外,该方法也仅从技术层面给出储能配置方案,未对储能进行全面的效益评价。

4.3 优化模型法

优化模型法首先分析储能系统的效益和成本构成,随后构建优化模型,最终求解确定储能配置功率容量。

不同的研究偏重于不同的方面进行规划,所以目标函数各异,文献[46-50]以储能总成本最小为目标函数：

文献[46]采用经验模态分解技术获取超级电容储能、电池储能的输出功率,随后考虑储能投资成本与弃风惩罚成本,建立了储能总成本最小模型。文献[47]在计及储能投资成本、弃风惩罚成本、缺电惩罚成本、维护成本、越限成本及更新成本的条件下,以储能总成本最小为目标,建立了储能容量规划模型,利用粒子群算法求解。文献[48]在考虑储能投资成本、弃风惩罚成本、缺电惩罚成本及越限成本的情况下,构建了储能总成本最小模型,并探讨了储能在低风电出力季节参与电网调峰的可行性。文献[49]提出了超级电容储能优先充放电的混合储能协调运行策略,构建了以混合储能总投资成本最小为目标的容量优化模型,采用量子遗传算法求解。文献[50]通过电池累计损伤模型计及储能寿命,提出了储能分期偿还投资成本最小模型,采用曲线拟合与遗传算法相结合的方法求解。

有的文献以储能性能指标、寿命成本评价指标及收益指标为目标进行规划。文献[28]基于储能全充-全放状态交替运行策略,提出了计及储能投资成本与寿命的储能性能指标,构建了储能性能指标最大模型。文献[51]引入了寿命成本评价指标,提出了以评价指标最小为目标的储能规划模型,采用线性搜索方法求解。该文也提出了一种储能全充-全放状态交替运行策略,重点分析了相邻调度时段的暂态过渡问题。文献[29]采用平均等效循环法计算储能寿命,并在考虑风电售电效益、储能残值效益以及储能投资成本、维护成本、更新成本的情况下,构建了以风-储联合系统净收益最大为目标的储能规划模型。文献[52]计及风电售电效益与储能投资成本,构建了风-储联合系统净收益最大模型,采用迭代方法求解。

综上,优化模型法可对储能系统进行细致的效益评价,但现有方法多基于确定性的风电历史数据,忽略了风电不确定性对储能效益评价的影响,存在效益评价风险。

综合储能系统的类型选取、风电平滑策略及功率容量配置方法,本文提出一种确定储能最佳配置方案的方法,如图3所示。

由图3可知,首先根据风电波动限制指标确定储能参考类型,然后针对任一参考类型,依次选择风电平滑策略及功率容量配置方法,确定储能配置方案,并进行检验：若不满足风电波动限制指标要求,更换风电平滑策略,再次求解储能配置方案;若满足要求,更换储能类型再次求解储能配置方案,直至完成所有储能参考类型配置方案的求解。随后,对所有配置方案进行经济性与技术性评估。最后,输出储能最佳配置方案。

5 研究展望

目前,虽然针对储能系统的风电平滑策略与功率容量配置方法研究取得了若干成果,但仍存在许多不足。综上所述,凝练出关键科学问题如下：

1)在满足风电波动限制指标要求的前提下,延长储能寿命是未来研究的重点。储能全充-全放状态交替运行策略为延长储能寿命提供了一种重要思路,该策略多通过风电概率区间预测计及风电不确定性。但是,现有研究均未给出最优风电置信度的确定方法,影响了上述策略的应用效果。因此,量化风电置信度对风电平滑效果及储能寿命的影响,提出最优风电置信度的确定方法是未来需关注的内容。

2)储能自适应风电平滑策略是未来研究的另一重点。由于风电功率具有显著的随机波动性,控制参数不变的风电平滑策略难以保证风电平滑效果,而自适应风电平滑策略可根据风电功率动态调整控制参数(一阶滤波算法时间常数,小波分解层数等),有效弥补了上述不足。目前,已有研究利用风电预测功率调整控制参数,使风电平滑策略具有一定的前瞻性。但是,上述研究鲜有计及风电预测不确定性,若风电实际出力与风电预测出力存在较大偏差,将会显著影响风电平滑效果。另外,风电预测不确定性的背景下,储能自适应风电平滑策略的风险分析与风险管控还有待研究。

3)储能平滑风电出力、参与调峰及提供备用的协调运行策略是未来研究的难点。在风电波动较小时段,利用储能闲置容量参与调峰及提供备用,可提高储能利用率,增加储能运行效益。现阶段,虽然已有研究提出了储能平滑风电出力与参与调峰的协调运行策略,但是部分问题仍有待深入研究,包括：储能调峰、备用效益的量化方式,储能备用激活后的运行调整策略,储能参与调峰、提供备用后的寿命估计等。

4)风火打捆外送下的储能与送端配套火电协调运行策略是未来研究的另一难点。风火打捆外送是提高输电系统经济性与安全稳定性的重要举措。规划设计风火打捆直流外送时,直流按照给定功率计划曲线运行,风电功率波动由送端配套火电和相联送端系统调节。但是由于风电功率波动显著,送端配套火电与相联送端系统的调频压力巨大。另外,火电进行调频时,可能出现机组反调、机组死区振荡等问题,影响了调频效果。配置在风电场端口的储能系统,凭借其快速充放电特性,一方面可以改善送端配套火电的调频效果,另一方面可以减小,送端配套火电因频繁改变出力造成的机组磨损,提高机组运行稳定性。然而,目前还未有风火打捆外送下储能与配套火电协调运行策略的研究。此背景下,兼顾风电波动限制指标要求与辅助配套火电调频的储能协调运行策略是未来待研究的重要内容。

5)调频市场下的储能风电平滑策略是未来重要的研究内容。在电力市场化较为发达的美国,已将储能等非传统电源纳入调频市场,并在2011年10月,美国FERC正式发布法案755“批发电力市场的调频服务补偿”,改进了调频市场的补偿机制,由原先的仅按调频容量补偿变为考虑调频容量与调频效果的综合补偿,促进了储能等高性能调频电源的建设[55]。相较美国,虽然中国也已经建立了调频辅助服务补偿机制,但目前的辅助服务管理办法中,把包括调频在内的辅助服务提供者限定为并网发电厂。随着中国电力体制改革的逐步推进,纳入储能系统的调频市场机制会逐步建立。此背景下,计及风电波动限制指标约束的储能调频运行策略是未来研究的重点。

6)储能寿命估计是储能功率容量配置的关键。现有研究多基于储能最大循环次数曲线估计储能寿命。需注意的是,储能最大循环次数是给定测试条件(环境温度,储能充放电速率等)下的实验值,但储能实际运行条件并非如此,因而带来了估计误差。另外,现有研究估计储能寿命时均未考虑储能容量损耗的影响。随着储能循环次数的增加,部分储能(铅酸电池储能,锂电池储能等)的最大存储容量逐渐减小,储能放电深度发生改变,也会带来估计误差[56]。因此,建立综合考虑环境温度、储能充放电速率、放电深度及容量损耗影响的储能寿命估计方法是未来待研究的重要内容。

7)能源互联网下的储能综合效益评价体系是未来研究的关键。能源互联网中,储能已成为大规模新能源发电接入和利用的重要支撑技术。配置在风电场端口的储能系统,不仅可以平滑风电出力,也可以减少弃风,改善风电场电压波动,提高风电场低电压穿越能力,提供电网调频、调峰、备用及黑启动等。当确定风电场端口储能系统的规划方案时,如果仅考虑储能平滑风电出力的效益,将会得出不具备经济性的结论,这不利于该项技术的商业化推广。因此,建立储能综合效益评价体系,对于全面评估储能价值,促进投资者获得国家政策的支持具有重要意义。

6 结论

在风电场端口集成储能系统以平滑风电出力,可缓解风电功率波动对电力系统可靠性、稳定性等方面的不利影响,促进风电友好接入电网。基于此,本文首先总结了新型储能技术示范项目的建设成果,其次梳理了储能系统的类型选取,再次论述了储能系统的风电平滑策略、功率容量配置方法等关键技术。最后,从储能风电平滑策略、寿命评估等方面,探讨了未来待研究的关键科学问题。

随着储能投资成本的下降及储能政策的进一步完善,利用储能系统促进风电接入电网将成为储能电网应用的一个必然趋势,而储能系统运行策略及功率容量配置方法研究的进步也必将推动储能系统的快速健康发展。

(徐国栋 程浩忠 马紫峰 方斯顿 马则良 张建平)

参考文献

[1] 薛禹胜,雷兴,薛峰,等.关于风电不确定性对电力系统影响的评述[J].中国电机工程学报,2014,34(29):5029-5040. Xue Yusheng,Lei Xing,Xue Feng,et al.A review on impacts of wind power uncertainties on power systems[J].Proceedings of the CSEE,2014,34(29):5029-5040(in Chinese).

[2] 冯红霞,梁军,张峰,等.考虑调度计划和运行经济性的风电场储能容量优化计算[J].电力系统自动化,2013,37(1):90-95. Feng Hongxia,Liang Jun,Zhang Feng,et al.An optimization calculation method of wind farm energy storage capacity[J].Automation of Electric Power Systems,2013,37(1):90-95(in Chinese).

[3] 汪海蛟,江全元.应用于平抑风电功率波动的储能系统控制与配置综述[J].电力系统自动化,2014,38(19):126-135. Wang Haijiao,Jiang Quanyuan.An overview of control and configuration of energy storage system used for wind power fluctuation mitigation[J].Automation of Electric Power Systems,2014,38(19):126-135(in Chinese).

[4] 江全元,龚裕仲.储能技术辅助风电并网控制的应用综述[J].电网技术,2015,39(12):3360-3368. Jiang Quanyuan,Gu Yuzhong.Review of wind power integration control with energy storage technology[J].Power System Technology,2015,39(12):3360-3368(in Chinese).

[5] 廖勇,何金波,姚骏,等.基于变桨距和转矩动态控制的直驱永磁同步风力发电机功率平滑控制[J].中国电机工程学报,2009,29(18):71-77. Liao Yong,He Jinbo,YaoJun,et al.Power smoothing control strategy of direct-driven permanent magnet synonous generator for wind turbine with pitch angle control and torque dynamic control[J].Proceedings of the CSEE,2009,29(18):71-77(in Chinese).

[6] Office of Electricity Delivery & Energy Reliability.DOE global energy storage database projects[EB/OL].2016-08-16[2016-10-07]..

[7] Luo X,Wang J,Dooner M,et al.Overview of current development in electrical energy storage technologies and the application potential in power system operation[J].Applied Energy,2015(137):511-536.

[8] 胡娟,杨水丽,侯朝勇,等.规模化储能技术典型示范应用的现状分析与启示[J].电网技术,2015,39(4):879-885. Hu Juan,Yang Shuili,Hou Chaoyong,et al.Present condition analysis on typical demonstration application of large-scale energy storage technology and its enlightenment[J].Power System Technology,2015,39(4):879-885(in Chinese).

[9] 刘宗浩,张华民,高素军,等.风场配套用全球最大全钒液流电池储能系统[J].储能科学与技术,2014,3(1):71-77. Liu Zonghao,Zhang Huamin,Gao Sujun,et al.The world’s largest all-vanadium redox flow battery energy storage system for a wind farm[J].Energy Storage Science and Technology,2014,3(1):71-77(in Chinese).

[10] 中华人民共和国国家质量监督检验检疫总局.风电场接入电力系统技术规定:GB/T 19963-2011[S].北京:中国质检出版社,2011.

[11] 娄素华,吴耀武,崔艳昭,等.电池储能平抑短期风电功率波动运行策略[J].电力系统自动化,2014,38(2):17-22. Lou Suhua,Wu Yaowu,Cui Yanzhao,et al.Operation strategy of battery energy storage system for smoothing short-term wind power fluctuation[J].Automation of Electric Power Systems,2014,38(2):17-22(in Chinese).

[12] Paatero J V,Lund P D.Effect of energy storage on variations in wind power[J].Wind Energy,2005,8(4):421-441.

[13] Zhao H,Wu Q,Hu S,et al.Review of energy storage system for wind power integration support[J].Applied Energy,2015(137):545-553.

[14] 张坤,毛承雄,谢俊文,等.风电场复合储能系统容量配置的优化设计[J].中国电机工程学报,2012,32(25):79-87. Zhang Kun,Mao Chengxiong,Xie Junwen,et al.Optimal design of hybrid energy storage system capacity for wind farms[J].Proceedings of the CSEE,2012,32(25):79-87(in Chinese).

[15] 单茂华,李陈龙,梁廷婷,等.用于平滑可再生能源出力波动的电池储能系统优化控制策略[J].电网技术,2014,38(2):469-477. Shan Maohua,Li Chenlong,LiangTingting,et al.A real-time optimal control strategy for battery energy storage system to smooth active output fluctuation of renewable energy sources[J].Power System Technology,2014,38(2):469-477(in Chinese).

[16] Quanyuan J,Haijiao W.Two-time-scale coordination control for a battery energy storage system to mitigate wind power fluctuations[J].IEEE Transactions on Energy Conversion,2013,28(1):52-61.

[17] Li X.Fuzzy adaptive Kalman Filter for wind power output smoothing with battery energy storage system[J].IET Renewable Power Generation,2012,6(5):340-347.

[18] Hanchen X,Can W,Chao L,et al.An adaptive wind power smoothing method with energy storage system[C]//IEEE PES General Meeting.National Harbor,USA:IEEE,2014:1-5.

[19] Taekwon K,Hyeon-jin M,Do-hoon K,et al.A smoothing method for wind power fluctuation using hybrid energy storage[C]//IEEE Power and Energy Conference at Illinois.Champion,USA:IEEE,2015:1-6.

[20] Quanyuan J,Haisheng H.Wavelet-based capacity configuration and coordinated control of hybrid energy storage system for smoothing out wind power fluctuations[J].IEEE Transactions on Power Systems,2013,28(2):1363-1372.

[21] 张新松,顾菊萍,袁越,等.基于电池储能系统的风功率波平抑策略[J].中国电机工程学报,2014,34(28):4572-4760. Zhang Xinsong,Gu Juping,Yuan Yue,et al.Strategy of smoothing wind power fluctuation based on battery energy storage system[J].Proceedings of the CSEE,2014,34(29):4572-4760(in Chinese).

[22] 丁明,吴建锋,朱承治,等.具备荷电状态调节功能的储能系统实时平滑控制策略[J].中国电机工程学报,2013,33(1):22-29. Ding Ming,Wu Jianfeng,ZhuChengzhi,et al.A real-time smoothing control strategy with SOC adjustment function of storage systems[J].Proceedings of the CSEE,2013,33(1):22-29(in Chinese).

[23] Khalid M,Savkin A V.A model predictive control approach to the problem of wind power smoothing with controlled battery storage[J].Renewable Energy,2010,35(1):1520-1526.

[24] Tanabe T,Sato T,Tanikawa R,et al.Generation scheduling for wind power generation by storage battery system and meteorological fore[C]//IEEE PES General Meeting.Pittsburgh,USA:IEEE,2008:1-7.

[25] Teleke S,Baran M E,Huang A Q,et al.Control strategies for battery energy storage for wind farm dispatching[J].IEEE Transactions on Energy Conversion,2009,24(3):725-732.

[26] Teleke S,Baran M E,Bhattaya S,et al.Rule-based control of battery energy storage for dispatching intermittent renewable sources[J].IEEE Transactions on Sustainable Energy,2010,1(3):117-124.

[27] 于芃,周玮,孙辉,等.用于风电功率平抑的混合储能系统及其控制系统设计[J].中国电机工程学报,2011,31(17):127-133. Yu Peng,Zhou Wei,Sun Hui,et al.Hybrid energy storage system and control system design for wind power balancing[J].Proceedings of the CSEE,2011,31(17):127-133(in Chinese).

[28] Li Q,Choi S S,Yuan Y,et al.On the determination of battery energy storage capacity and short-term power dispatch of a wind farm[J].IEEE Transactions on Sustainable Energy,2011,2(2):148-158.

[29] Fengji L,Ke M,Zhaoyang D,et al.Coordinated operational planning for wind farm with battery energy storage system[J].IEEE Transactions on Sustainable Energy,2015,6(1):253-262.

[30] 张峰,董晓明,梁军,等.考虑目标分解及其互补平抑的风电场复合储能容量优化[J].电力系统自动化,2014,38(7):9-15. Zhang Feng,Dong Xiaoming,LiangJun,et al.Capacity optimization of hybrid system based on target decomposition and complementary fluctuations smoothing[J].Automation of Electric Power Systems,2014,38(7):9-15(in Chinese).

[31] Yoshimoto K,Nanahara T,Koshimizu G.New control method for regulating state-of-ge of a battery in hybrid wind power/battery energy storage system[C]//IEEE PES Power Systems Conference and Exposition.Atlanta,USA:IEEE,2006:1244-1251.

[32] 谢石骁,杨莉,李丽娜.基于机会约束规划的混合储能优化配置方法[J].电网技术,2012,36(5):79-84. Xie Shixiao,Yang Li,Li Lina.A chance constrained programming based optimal configuration method of hybrid energy storage system[J].Power System Technology,2012,36(5):79-84(in Chinese).

[33] 吕超贤,李欣然,户龙辉,等.基于小波分频与双层模糊控制的多类型储能系统平滑策略[J].电力系统自动化,2015,39(2):21-29. Lü Chaoxian,Li Xinran,HuLonghui,et al.A smoothing strategy for hybrid energy storage system based on wavelet frequency allocation and two-level fuzzy control[J].Automation of Electric Power Systems,2015,39(2):21-29(in Chinese).

[34] Jianxiao Z,Peng C,Jie S,et al.State-of-ge optimising control approach of battery energy storage system for wind farm[J].IET Renewable Power Generation,2015,9(6):647-652.

[35] 张野,郭力,贾宏杰,等.基于平滑控制的混合储能系统能量管理方法[J].电力系统自动化,2012,36(16):36-41. Zhang Ye,Guo Li,Jia Hongjie,et al.An energy management method of hybrid energy storage system based on smoothing control[J].Automation of Electric Power Systems,2012,36(16):36-41(in Chinese).

[36] Xiangjun L,Dong H,Xiaokang L.Battery energy storage station (BESS)-based smoothing control of photovoltaic (PV) and wind power generation fluctuations[J].IEEE Transactions on Sustainable Energy,2013,4(2):464-473.

[37] Quanyuan J,Yuzhong G,Haijiao W.A battery energy storage system dual-layer control strategy for mitigating wind farm fluctuations[J].IEEE Transactions on Power Systems,2013,28(3):3263-3273.

[38] Li W,Joos G,Abbey C.Wind power impact on system frequency deviation and an ESS based power filtering algorithm solution[C]//IEEE Power Systems Conference and Exposition.Atlanta,USA:IEEE,2006:2077-2084.

[39] Rion T,Junji T,Tomoyuki F,et al.A determination method of power rating of energy storage system for smoothing wind generator output[C]//International Conference on Electrical Machines andSystems.Tokyo,Japan:IEEE,2009:1-6.

[40] Wang X,Yue M,Muljadi E,et al.Probabilistic approach for power capacity specification of wind energy storage systems[J].IEEE Transactions on Industry Applications,2014,50(2):1215-1224.

[41] 王成山,于波,肖俊,等.平滑可再生能源发电系统输出波动的储能系统容量优化方法[J].中国电机工程学报,2012,32(16):1-8. Wang Chengshan,Yu Bo,XiaoJun,et al.Sizing of energy storage systems for output smoothing of renewable energy systems[J].Proceedings of the CSEE,2012,32(16):1-8(in Chinese).

[42] Yi L,Wenjuan D,Liye X,et al.A method for sizing energy storage system to increase wind penetration as limited by grid frequency deviations[J].IEEE Transactions on Power Systems,2016,31(1):729-737.

[43] 洪海生,江全元,严玉婷.实时平抑风电场功率波动的电池储能系统优化控制方法[J].电力系统自动化,2013,37(1):103-109. Hong Haisheng,Jiang Quanyuan,YanYuting.An optimization control method of battery energy storage system with wind power fluctuations smoothed in real time[J].Automation of Electric Power Systems,2013,37(1):103-109(in Chinese).

[44] 梁亮,李建林,惠东.大型风电场用储能装置容量的优化配置[J].高电压技术,2011,37(4):930-936. Liang Liang,Li Jianlin,Hui Dong.Optimization configuration for capacity of energy storage system in large-scale wind farm[J].High Voltage Engineering,2011,37(4):930-936(in Chinese).

[45] 丁明,徐宁舟,毕锐.用于平抑可再生能源功率波动的储能电站建模及评价[J].电力系统自动化,2011,35(2):66-72. Ding Ming,Xu Ningzhou,Bi Rui.Model of BESS for smoothing renewable energy output fluctuations[J].Automation of Electric Power Systems,2011,35(2):66-72(in Chinese).

[46] 孙承晨,袁越,Choi S S,等.用于能量调度的风-储混合系统运行策略及容量优化[J].电网技术,2015,39(8):2107-2114. Sun Chengchen,Yuan Yue,Choi S S,et al.Capacity optimization and operational strategy of the wind-energy storage hybrid systems for energy dispatching[J].Power System Technology,2015,39(8):2107-2114(in Chinese).

[47] 张熙,张峰,巩乃奇,等.基于荷电状态动态调整的储能电站容量规划[J].电力自动化设备,2015,35(11):20-24. Zhang Xi,Zhang Feng,Gong Naiqi,et al.BESS capacity planning based on dynamic SOC adjustment[J].Electric Power Automation Equipment,2015,35(11):20-24(in Chinese).

[48] 张峰,张熙,张利,等.区域风电场群储能电站的优化配置及运行策略[J].电工技术学报,2016,31(14):49-57. Zhang Feng,Zhang Xi,Zhang Li,et al.Size Optimization and operational strategies for battery energy storage station in adjacent wind farms[J].Transactions of China Electrotechnical Society,2016,31(14):49-57(in Chinese).

[49] 马速良,马会萌,蒋小平,等.基于Bloch球面的量子遗传算法的混合储能系统容量配置[J].中国电机工程学报,2015,35(3):592-599. Ma Suliang,MaHuimeng,Jiang Xiaoping,et al.Capacity con-figuration of the hybrid energy storage system based on block spherical quantum genetic algorithm[J].Proceedings of the CSEE,2015,35(3):592-599(in Chinese).

[50] 施琳,罗毅,涂光瑜,等.考虑风电场可调度性的储能容量配置方法[J].电工技术学报,2013,28(5):120-127. Shi Lin,Luo Yi,Tu Guangyu,et al.Energy storage sizing method considering dispatchability of wind farm[J].Transactions of China Electrotechnical Society,2013,28(5):120-127(in Chinese).

[51] Conglong N,Hong-hee L,Tae-won C.Cost-optimized battery capacity and short-term power dispatch control for wind farm[J].IEEE Transactions on Industry Applications,2015,51(1):595-606.

[52] Wang X Y,Vilathgamuwa M,Choi S S.Determination of battery storage capacity in energy buffer for wind farm[J].IEEE Transactions on Energy Conversion,2008,23(3):868-878.

[53] 徐国栋,程浩忠,马则良,等.考虑电网调峰能力限制的风储联合系统概论综合效益评估方法[J].电网技术,2015,39(10):2731-2738. Xu Guodong,ChengHaozhong,Ma Zeliang,et al.A method to evaluate probabilistic comprehensive benefits of joint wind power and storage system considering constraints of peak load regulation capacity[J].Power System Technology,2015,39(10):2731-2738(in Chinese).

[54] 牛阳,张峰,张辉,等.提升火电机组AGC性能的混合储能优化控制与容量规划[J].电力系统自动化,2016,40(10):38-45. Niu Yang,Zhang Feng,Zhang Hui,et al.Optimal control strategy and capacity planning of hybrid energy storage system for improving AGC performance of thermal power units[J].Automation of Electric Power Systems,2016,40(10):38-45(in Chinese).

[55] 陈大宇,张粒子,王澍,等.储能在美国调频市场中的发展及启示[J].电力系统自动化,2013,37(1):9-13. Chen Dayu,Zhang Lizi,Wang Shu,et al.Development of energy storage in frequency regulation market of united states and its enlightenment[J].Automation of Electric Power Systems,2013,37(1):9-13(in Chinese).

[56] Nguyen T A,Crow M L.Stochastic optimization of renewable-based microgrid operation incorporating battery operating cost[J].IEEE Transactions on Power Systems,2016,31(3):2289-2296.