一种基于能量缺失率的并网风电场储能容量优化新方法

作者：郑晓敏

  储能装置可以有效改善风电波动性和间歇性对电网带来的影响，实现输出功率的有效控制，提高系统稳定性。通过合理配置储能容量，可以提高风电场中发电机组的低电压穿越水平，改善系统的经济性和供电可靠性。因此，储能装置在风电场的应用是改善风电机组输出电能质量的有效途径。文献[8]基于风电功率中min级分量的特性提出了储能系统容量的计算方法，而该方法对数据分析要求较高，计算复杂；文献[9]给出了大型风场储能系统容量配置的思路，但该方法较为依靠经验且并未给出具体计算过程。文献[10]提出一种考虑风电控制策略的储能优化设计方法，但该文献只针对离网系统且未考虑系统能量缺失。

    综上，本文以优化储能容量为目标，研究储能装置在风电并网系统中的容量配置方法，建立基于蓄电池储能的储能装置模型：以系统能量缺失率为指标，详述风电场侧储能装置的4种运行工况，并求解每种工况下系统能量缺失的计算方法：在考虑到储能装置整个运行过程中的成本，并以此为优化目标建立优化模型，并基于粒子群算法进行优化求解；最终通过实际算例，求解得到使风电场侧储能装置全寿命周期成本最小的储能容量，验证本文所提方法的正确性。

1储能装置及其数学模型

    蓄电池具有安全、稳定、可靠等优点，是目前电力系统中应用最多的一种储能装置。本文以蓄电池作为研究对象，建立储能装置的数学模型。当风电场输出功率大于额定参考功率时，蓄电池将多余能量储存起来，处于充电状态，若某时刻蓄电池容量已达极限最大值，则下一时刻不再充电，多余能量通过卸荷器释放：当风电场输出功率小于额定参考功率时，蓄电池需要对输出功率进行补偿，处于放电状态，若某时刻蓄电池容量已达极限最小值，则下一时刻蓄电池不再放电。

    根据上述原则，可以根据两类功率的相对大小确定蓄电池的充放电状态；以蓄电池的容量剩余状态确定蓄电池的充放电过程是否结束。本文引入两个状态参数：①蓄电池荷电状态标志(SOC)，表示蓄电池的结余容量与其本身总容量的比值，SOC=1表示蓄电池处于满负荷状态：SOC=O表示蓄电池处于空负荷状态。②蓄电池充放电控制标志c(t)和f(t)，c(t)和f(t)表示第t时刻，蓄电池处于充电或者放电状态，取值只有0，1两种。c(t)=1且f（t）=0时蓄电池处于充电状态；c(t)=0且／c (t)=1时蓄电池处于放电状态；c(f)=0且f(t)=0时蓄电池处于浮充电状态；c(t)和f(t)不同时为1。

蓄电池的数学模型为

2.2目标函数

储能容量优化过程的主要目标：在基本满足电网调度需求的前提下，搜寻能使储能装置总成本最低的储能容量值。通常情况下，储能装置的成本主要包括：一次购置成本(Civ)、运行维护成本(Com)、置换成本(Cde)。为简化计算过程，本文建立储能装置全寿命总成本目标，具体的目标函数表达式为

式中：Csu为蓄电池的单价；n为所使用的蓄电池的个数，n=np（所用蓄电池组数量）×每组中蓄电池的个数(k);考虑到蓄电池在其使用寿命内可能发生故障，必须在留有一定备用，a为备用系数，本文中取a=5%；Comd为单个蓄电池的运维成本；t。为风力发电系统的设计运行年限；Cr为单个蓄电池的置换成本；t。为蓄电池的预计使用寿命。

2.3约束条件

    在考虑到风电场场地限制以及电力系统运行要求的条件下，本文建立满足风电场发电系统可靠安全运行的约束条件。

1. 电池的安装数量约束

式中：nb_max为风电场中允许安装蓄电池的最大数量，个。

②电池储能装置正常运行的基本约束

③系统能量缺失率的约束条件

3基于粒子群优化的容量配置求解

    风电场储能容量优化配置问题是多约束条件的整数非线性问题，由于粒子群算法具有实现简单、效率高、鲁棒性好、能大概率收敛至全局最优解等优点，且所需要的经验参数较少，故本文采用粒子群算法对所建立的优化配置模型进行计算求解。本文中，每一个粒子对应一种可能的蓄电池配置数量，由于x=M，故搜索空间维数为1。所以，本文假设一个有m个粒子所组成的种群在所有的蓄电池安装数量中进行搜索。

粒子i在第t次迭代时的位置为

式中：c1，c2为两个学习因子；r1，r2为两个分布在(0，1)间的随机数，其基本流程如图1所示。

4算例分析

    为了验证所提储能容量优化配置方法的可行性，利用Matlab对具体的算例进行验证。算例中，风电场风电机组的装机容量为250 MW，假设额

定电网调度功率为140 MW，储能系统的换流器T作效率为0.93，系统的能量缺失率约束值，最大安装数量，假设该风电场的设计运行年限为20 a。其中储能装置的单个蓄电池的具体参数：额定电压12 V、额定容量100 A-h、运维成本55元／a、放电效率0.8、充电效率0.9、置换成本400元／a、预使用寿命4a、单价450元。本文所提的单个蓄电池组是由80个蓄电池单体组成，储能装置系统由多组蓄电池组构成，蓄电池的正常运行容量为额定容量的5~75%。

    在本例中，按照经验，粒子群的粒子数取32,学习因子c．，c：都取2，随机数r，，r：由rand函数随机产生。算例需要考虑系统和储能装置本身安全稳定运行的约束条件，运用粒子群算法进行储能装置容量的优化计算，同时为提高计算效率设定最大迭代次数为60次。

由于粒子群算法中各个粒子的初始位置随机，每次的仿真波形略有不同，通过多次的仿真试验，得出相对较优的结果，如图2所示。

    由图2中可以看出，储能装置的年平均费用随迭代次数的增加而不断降低，最终趋于最小值，两张图的优化结果基本一致。当迭代次数越来越多时，储能装置的年均费用值趋于不变，说明该算法能够快速有效的搜寻最优解的位置。通过优化的程序计算可以得到当迭代次数达到49次左右以后，储能装置的年均费用在5 265万元上下。

同时由式(6)~(10)的目标函数、系统约束条件与蓄电池组数的函数关系，可以对应得到与该储能装置费用相对应的蓄电池组个数，进而得到储能装置的容量优化结果。在满足储能装置运行约束条件下，储能装置的容量优化结果见表1。

    由表1可知，该优化算法能够得出实际蓄电池组的使用个数(6 958)，并给出与之对应的年均最小总成本（5 265.42万元），同时也满足了约束条件对于最大安装数量、能量缺失率(0.0548<0.06)的约束要求。

    综上可知，本文所提出的储能容量优化算法能对风电场所需的储能容量进行有效的配置，满足能量缺失率等电网安全运行的约束条件，从而确保风电场接人电网后的电能质量，验证了该配置方案的可行性与有效性，可以为风电场发电入网提供借鉴。

5总结

风电场中引入储能装置，可以抑制风电功率的波动，提高风电接入量，是风电场发电入网的关键之一。本文以储能装置的全寿命周期成本为目标函数，以储能装置在风电接入运行的限制条件为约束，运用粒子群算法优化寻找较为合理的配置容量。本算法能够快速有效的寻找合理的储能容量配置，并确保风电接入后的电能质量。然而，本文仅针对蓄电池型的储能装置进行研究，且所使用的电网负荷较为简单，不能很好的反映电网实际负荷波动，这些方面还有待于进一步研究。

6摘要：为平滑风电场输出功率、减少系统振荡，在风电接入时引入储能装置是有效解决方案。文章建立蓄电池的数学模型，以储能装置的全寿命周期成本为目标函数，以风电场发电系统可靠安全运行的限制条件为约束，运用粒子群算法优化配置储能装置容量。最后，通过实际算例验证优化配置算法的有效性与经济性。