嚴干貴，馮凱翔，劉 嘉，李軍徽，王 月，孫兆鍵，李鴻博

（1東北電力大學(xué)，吉林 吉林 132012； 2廣西電網(wǎng)有限責(zé)任公司，廣西 南寧 530029； 3國網(wǎng)煙臺供電公司，山東 煙臺 264000； 4國網(wǎng)吉林省電力有限公司培訓(xùn)中心，吉林 長春 130022）

風(fēng)能作為當前最具發(fā)展?jié)摿Φ姆撬芸稍偕茉?，在世界范圍?nèi)得到快速的發(fā)展，對比傳統(tǒng)的化石類能源，具有安全、可靠、無污染的良好特性，并且逐步發(fā)展為一種新興主導(dǎo)能源。然而，由于風(fēng)速具有較強的隨機波動性，且風(fēng)速預(yù)測也存在一定的誤差[1-2]，風(fēng)電場的輸出功率隨之具有波動性和不確定性。為保證電網(wǎng)的安全運行，電網(wǎng)調(diào)度人員通 常按歷史最大預(yù)測誤差預(yù)留電網(wǎng)空間，這將限制聯(lián)網(wǎng)風(fēng)電機組的入網(wǎng)容量。儲能系統(tǒng)在響應(yīng)速度、調(diào)節(jié)精度上明顯優(yōu)于傳統(tǒng)火電機組[3]，與風(fēng)力發(fā)電系統(tǒng)聯(lián)合運行已成為解決大規(guī)模風(fēng)電并網(wǎng)受限問題的有效手段。風(fēng)電場的儲能裝置用于應(yīng)對風(fēng)電功率的隨機波動，能有效彌補風(fēng)電功率預(yù)測的風(fēng)電調(diào)度風(fēng)險，保障電網(wǎng)的安全運行。但是，利用儲能系統(tǒng)提高風(fēng)電功率確定性及其策略評估的研究還比較少。

文獻[4]指出儲能能夠提高風(fēng)電對其并網(wǎng)系統(tǒng)的友好性，并設(shè)計了一種儲能平抑風(fēng)電出力波動的策略。文獻[5]考慮未來風(fēng)電出力波動對儲能裝置當前充放電行為的影響，提出了一種新的電池儲能平抑風(fēng)電場出力短期波動的運行控制策略。文獻[6]為了更好利用儲能系統(tǒng)平抑大容量風(fēng)電場功率波動，提出采用多級全釩液流電池（vanadium redox flow battery，VRB）儲能的功率優(yōu)化分配控制策略。文獻[7]為提高風(fēng)電功率的可控性，依據(jù)國家電網(wǎng)公司關(guān)于風(fēng)電場并網(wǎng)的技術(shù)規(guī)定，提出了一種基于新型混合儲能系統(tǒng)平抑風(fēng)電波動功率的方法。文獻[8]為縮小0～24 h時間尺度內(nèi)的風(fēng)電功率波動幅度，抑制風(fēng)電輸出較大峰谷差，提高風(fēng)電可靠性，改善電網(wǎng)調(diào)峰能力，基于風(fēng)電功率短期預(yù)測技術(shù)，提出了平抑風(fēng)電功率波動的全釩電池儲能系統(tǒng)（vanadium redox flow battery energy storage system，VRB-ESS）運行控制策略。文獻[9]提出了一種基于模型預(yù)測控制（MPC）的實時平抑風(fēng)電場功率波動的電池儲能系統(tǒng)（BESS）優(yōu)化控制方法。文獻[10]指出大規(guī)模電池儲能系統(tǒng)是平抑風(fēng)電出力波動的有效途徑，介紹了一種鉛酸蓄電池的三階動態(tài)模型，驗證了仿真模型的準確性及有效性。

以上文獻主要研究平抑風(fēng)電場輸出功率及其控制策略設(shè)計。本文針對傳統(tǒng)風(fēng)電調(diào)度方法導(dǎo)致風(fēng)電大量棄風(fēng)的問題，基于時間序列自回歸模型預(yù)測風(fēng)電功率，提出利用儲能系統(tǒng)應(yīng)對風(fēng)電調(diào)度風(fēng)險、提高風(fēng)電調(diào)度入網(wǎng)規(guī)模的控制策略；分析風(fēng)電歷史數(shù)據(jù)，選擇適當?shù)母怕暑A(yù)測區(qū)間作為儲能系統(tǒng)動作的閾值，從風(fēng)電調(diào)度入網(wǎng)規(guī)模、風(fēng)電發(fā)電量、電網(wǎng)空間利用率等方面，評估了利用儲能系統(tǒng)提高風(fēng)電接納規(guī)模以及容量配置，為提高風(fēng)電調(diào)度入網(wǎng)容量提供了決策依據(jù)。

1 風(fēng)電調(diào)度原理及調(diào)度策略評價指標

1.1 風(fēng)電調(diào)度的基本原理

風(fēng)電調(diào)度的基本原則是在不危及電網(wǎng)安全的前提下，最大限度利用電網(wǎng)可利用空間。以一定裝機容量的歷史運行數(shù)據(jù)作為風(fēng)電基準值，滾動預(yù)測未來調(diào)度時段的風(fēng)電最大出力值。根據(jù)該預(yù)測值對電網(wǎng)可利用空間的占比，確定各時段安排多大基準裝機容量能夠?qū)崿F(xiàn)全額利用電網(wǎng)空間。相應(yīng)時段的風(fēng)電調(diào)度入網(wǎng)容量計算公式[11]見式(1)

由式(1)可知，風(fēng)電功率預(yù)測最大值越大，為了使調(diào)度入網(wǎng)規(guī)模不超過電網(wǎng)的接納極限，單位時段風(fēng)電調(diào)度入網(wǎng)容量必須相應(yīng)減小。

1.2 調(diào)度策略評價指標

為了驗證本工作提出策略的有效性，提出三個評價指標：電網(wǎng)空間利用率、平均入網(wǎng)容量及風(fēng)電總發(fā)電量[12]。

電網(wǎng)空間利用率，從“網(wǎng)”的角度評價調(diào)度策略。以調(diào)度日某時段最大風(fēng)電功率占該時段電網(wǎng)空間的百分比作為評價指標。即k時段電網(wǎng)空間最大利用率

式中，ηgrid，max∈（0,1），該值越大，表明電網(wǎng)空間得到的利用越充分。

平均入網(wǎng)容量和風(fēng)電總發(fā)電量，從“源”的角度評價調(diào)度策略。風(fēng)電的平均調(diào)度入網(wǎng)容量以調(diào)度日各調(diào)度時段入網(wǎng)容量和的平均值作為評價指標。計算式見式(3)

式中，kC表示調(diào)度時段k的風(fēng)電調(diào)度入網(wǎng)容量，N表示總的風(fēng)電調(diào)度時段。風(fēng)電的總發(fā)電量以調(diào)度日單位時段風(fēng)電實際出力的積分和作為評價指標，算式見式(4)

2 基于概率區(qū)間預(yù)測的風(fēng)電調(diào)度策略研究

2.1 基于時間序列法的風(fēng)電功率預(yù)測模型

風(fēng)電功率預(yù)測精度對于解決風(fēng)電合理調(diào)度具有重要意義。時間序列法的自回歸模型所需資料不多，可用自變量數(shù)列來進行預(yù)測。因此這種方法廣泛適用于某些具有時間序列趨勢相關(guān)的經(jīng)濟自然現(xiàn)象，即受歷史因素影響較大的經(jīng)濟自然現(xiàn)象，如各種開采量，各種自然產(chǎn)量等。

自回歸模型具體形式為：

式中，tx代表隨機變量；p代表模型的階數(shù)；0φ為常數(shù)項；φ1，φ2…，φ p為自回歸系數(shù)，εt為隨機干擾量。

以一定裝機容量的Q天歷史運行數(shù)據(jù)作為風(fēng)電功率預(yù)測的歷史數(shù)據(jù)樣本，計算出特定裝機容量風(fēng)電機組歷史數(shù)據(jù)集上k時段風(fēng)電功率的最大值?；跉v史各調(diào)度時段的最大風(fēng)電功率計算未來調(diào)度日各時段風(fēng)電功率預(yù)測最大值，見式(6)

已知的k時段電網(wǎng)傳輸空間spacekP，由式(1)就可以算出對應(yīng)的k時段初步風(fēng)電調(diào)度入網(wǎng)容量。

2.2 考慮概率預(yù)測區(qū)間的風(fēng)電功率預(yù)測模型

出于對電網(wǎng)安全的考慮，通過考慮歷史最大預(yù)測誤差值maxε來安排風(fēng)電調(diào)度方案

由式(7)可知，這種調(diào)度方法會犧牲一定量的風(fēng)電調(diào)度入網(wǎng)容量，來顧全系統(tǒng)運行的安全性。然而有關(guān)研究表明，風(fēng)電功率的預(yù)測誤差呈現(xiàn)正態(tài)分布[13]，針對其“大幅值小概率、小幅值大概率”的特點，提出了基于風(fēng)電概率區(qū)間預(yù)測的儲能系統(tǒng)調(diào)度方法。風(fēng)電功率的概率預(yù)測區(qū)間可以由經(jīng)驗分布函數(shù)(ξ)獲得，假設(shè)(q) 為(ξ)的反函數(shù)，則基于α概率區(qū)間的風(fēng)電調(diào)度入網(wǎng)容量計算式見式(8)

式中，2α為風(fēng)電功率概率區(qū)間的上限值，單位時段風(fēng)電調(diào)度入網(wǎng)容量應(yīng)大于對應(yīng)時段的電網(wǎng)可利用空間，小于系統(tǒng)內(nèi)的總風(fēng)電裝機容量。

3 儲能系統(tǒng)控制策略及容量配置

3.1 儲能系統(tǒng)運行控制策略研究

就目前的經(jīng)濟技術(shù)水平，儲能系統(tǒng)的造價昂貴。因此，如何設(shè)計儲能系統(tǒng)運行控制策略及其控制目標成為提高儲能系統(tǒng)經(jīng)濟性的重要研究。利用儲能系統(tǒng)平抑“大幅值、小概率”的預(yù)測誤差功率，既能夠有效防止電網(wǎng)按歷史最大預(yù)測誤差預(yù)留電網(wǎng)寶貴空間，又能防止儲能系統(tǒng)進行頻繁充放電。本文構(gòu)建了提高風(fēng)電調(diào)度入網(wǎng)規(guī)模的儲能系統(tǒng)運行控制策略，以合理的預(yù)測誤差區(qū)間作為儲能系統(tǒng)的動作區(qū)間閾值，當風(fēng)電功率預(yù)測誤差幅度超過該閾值時儲能系統(tǒng)動作，反之儲能系統(tǒng)不動作。

圖1 風(fēng)電功率的預(yù)測誤差區(qū)間示意圖Fig.1 The schematic diagram of wind power prediction error interval

由圖1可知，對于2、4、7、10這4個調(diào)度時段，風(fēng)電功率實際幅值超出了允許的預(yù)測誤差區(qū)間，需要利用儲能系統(tǒng)進行充放電控制以保障電網(wǎng)安全運行。其它調(diào)度時段，由于允許的預(yù)測誤差區(qū)間能夠覆蓋風(fēng)電功率實際值，外加系統(tǒng)本身具有一定的調(diào)控能力，所以儲能系統(tǒng)不必動作。

3.2 儲能系統(tǒng)容量計算方法

已知風(fēng)電功率預(yù)測誤差曲線和對應(yīng)的允許誤差范圍，假設(shè)儲能系統(tǒng)充放電效率分別為ηcharge、ηdischarge，即可計算出各個時段儲能系統(tǒng)的充放電能量Ek，見式(9)

式中，t1表示儲能系統(tǒng)的充放電起始時刻，t2表示儲能系統(tǒng)的充放電結(jié)束時刻，PEss.ref(t)表示儲能系統(tǒng)的充放電參考功率。假設(shè)儲能系統(tǒng)初始能量為E0，則充放電累積能量Wk計算式見式(10)

則所需配置的儲能系統(tǒng)容量C就是整個控制周期內(nèi)儲能系統(tǒng)充放電累積能量最大值maxW與最小值minW的差值。

圖2給出了儲能系統(tǒng)的容量配置計算示意圖，其物理意義可表述為：在利用大規(guī)模儲能平抑風(fēng)電功率預(yù)測誤差的過程中，在整個運行周期內(nèi)需要對儲能系統(tǒng)進行充放電控制，對其充放電能量進行累加即可得到對應(yīng)控制策略的儲能系統(tǒng)最大、最小能量需求。為滿足對應(yīng)控制目標，所需的儲能系統(tǒng)容量配置必須覆蓋最大、最小能量需求，因而取二者的差值。

圖2 儲能系統(tǒng)容量配置示意圖Fig.2 The schematic drawing of energy storage system capacity

4 算例分析

算例以某省級電網(wǎng)為研究對象，該省風(fēng)電主要集中在一片區(qū)域內(nèi)。風(fēng)電總裝機容量為3000 MW，電網(wǎng)的最大輸送能力為2500 MW。為了計算各個調(diào)度時段的風(fēng)電并網(wǎng)容量，本文選取特定裝機容量（=1000 MW）30天的歷史數(shù)據(jù)作為風(fēng)電功率預(yù)測啟動數(shù)據(jù)，計算自回歸預(yù)測模型的參數(shù)。以30天的預(yù)測數(shù)據(jù)作為分析風(fēng)電功率預(yù)測誤差的樣本，分析預(yù)測誤差，以計算調(diào)度日第一個調(diào)度時段的風(fēng)電概率預(yù)測區(qū)間值。未來調(diào)度日計劃出力為實測數(shù)據(jù)。

圖3給出了30天的風(fēng)電功率預(yù)測誤差曲線，圖4給出了其預(yù)測誤差概率分布直方圖。由圖3可以看出，風(fēng)電功率預(yù)測誤差幅值最大達到0.353 p.u.。傳統(tǒng)的風(fēng)電調(diào)度策略需要按0.353 p.u.的預(yù)測誤差預(yù)留電網(wǎng)空間，然而，由圖4可知，風(fēng)電功率預(yù)測誤差主要集中在±01p.u.以內(nèi)（94.03%），因此，使用最大預(yù)測誤差預(yù)留電網(wǎng)空間，絕大多數(shù)調(diào)度時段會極大浪費寶貴的電網(wǎng)空間，導(dǎo)致風(fēng)電調(diào)度入網(wǎng)容量受限。本文選取90%風(fēng)電功率概率預(yù)測區(qū)間，基于歷史預(yù)測誤差數(shù)據(jù)的經(jīng)驗概率分布特性，得到的 90%概率預(yù)測區(qū)間值約為[-68.41 MW, 93.1 MW]。因此利用儲能系統(tǒng)應(yīng)對10%的預(yù)測誤差風(fēng)險，僅需按0.09倍裝機容量預(yù)留電網(wǎng)空間，與傳統(tǒng)的考慮最大預(yù)測誤差的0.353倍裝機容量風(fēng)電調(diào)度方法進行比較。

圖3 歷史30個調(diào)度日風(fēng)電功率預(yù)測誤差曲線Fig.3 The curve of history 30 scheduling days wind power prediction error

圖4 歷史30個調(diào)度日風(fēng)電功率預(yù)測誤差概率分布直方圖Fig.4 History 30 scheduling days of wind power prediction error probability distribution histogram

以一個調(diào)度日為例，對比分析本工作方法與傳統(tǒng)計及最大預(yù)測誤差方法的優(yōu)劣。圖5為該調(diào)度日內(nèi)各調(diào)度時段的電網(wǎng)可利用空間。對歷史數(shù)據(jù)進行滾動預(yù)測，獲得24個調(diào)度時段的風(fēng)電功率預(yù)測值，預(yù)測結(jié)果如圖6所示。

圖5 各調(diào)度時段的電網(wǎng)可利用空間Fig.5 Grid scheduling periods of each available space

圖6 各調(diào)度時段的風(fēng)電功率預(yù)測值（=1000 MW）Fig.6 Wind power prediction value of each scheduling period (= 1000 MW)

給定1000 MW基準風(fēng)電裝機容量，兩種方法調(diào)度時段風(fēng)電功率的調(diào)度參考值（預(yù)測值+預(yù)測誤差）如圖7所示。

圖7 各調(diào)度時段風(fēng)電的調(diào)度參考值（=1000 MW）Fig.7 Each scheduling period scheduling of wind power reference value (= 1000 MW)

由式(1)可以計算出各調(diào)度時段下的風(fēng)電調(diào)度入網(wǎng)容量，計算結(jié)果如圖8所示。

圖8 各調(diào)度時段風(fēng)電的調(diào)度入網(wǎng)容量Fig.8 Each scheduling period network of wind power capacity

由圖8可知，利用儲能系統(tǒng)應(yīng)對10%風(fēng)險的風(fēng)電調(diào)度入網(wǎng)容量（平均入網(wǎng)容量2117 MW）要大于傳統(tǒng)計及最大預(yù)測誤差的調(diào)度方法（平均入網(wǎng)容量1444 MW）。圖9給出了各個調(diào)度時段下兩種調(diào)度方法電網(wǎng)空間最大利用率ηgrid.max，由圖9可知，傳統(tǒng)計及最大預(yù)測誤差的風(fēng)電調(diào)度方法在各個調(diào)度時段電網(wǎng)空間最大利用率遠小于本工作方法，導(dǎo)致風(fēng)電調(diào)度入網(wǎng)受限。

根據(jù)調(diào)度入網(wǎng)的風(fēng)電裝機容量以及調(diào)度日的標準化風(fēng)電出力值計算出各個調(diào)度時段的風(fēng)電發(fā)電量，如圖10所示。

圖9 各調(diào)度時段電網(wǎng)空間最大利用率Fig.9 Each scheduling period grid maximum utilization of space

圖10 各調(diào)度時段風(fēng)電發(fā)電量Fig.10 Each scheduling period the wind power generating capacity

由圖8～圖10可知，當利用儲能系統(tǒng)應(yīng)對10%的概率預(yù)測誤差風(fēng)險（風(fēng)電功率的概率預(yù)測區(qū)間為90%）時，所提出調(diào)度方案的入網(wǎng)裝機容量、風(fēng)電總發(fā)電量、電網(wǎng)空間最大利用率指標較傳統(tǒng)考慮最大預(yù)測誤差的調(diào)度方案均有所提高。即所提出的調(diào)度方案能夠在滿足電網(wǎng)運行安全的前提下提高風(fēng)電的開發(fā)利用規(guī)模，此時，僅需配置94 MW·h容量的儲能系統(tǒng)即可。

5 結(jié) 論

由于風(fēng)電功率預(yù)測誤差精度低，針對傳統(tǒng)計及最大預(yù)測誤差的風(fēng)電調(diào)度方法過度預(yù)留電網(wǎng)空間導(dǎo)致風(fēng)電入網(wǎng)容量被限的嚴峻問題，提出利用儲能系統(tǒng)提高風(fēng)電功率的確定性，松弛電網(wǎng)寶貴空間，提高風(fēng)電調(diào)度入網(wǎng)規(guī)模。設(shè)計了基于概率區(qū)間預(yù)測的風(fēng)電調(diào)度策略，利用儲能系統(tǒng)應(yīng)對風(fēng)電功率的預(yù)測誤差風(fēng)險以保障風(fēng)電并網(wǎng)的安全性。算例以90%概率預(yù)測區(qū)間為例，從風(fēng)電的調(diào)度入網(wǎng)容量、風(fēng)電的發(fā)電量、電網(wǎng)空間的利用率三個方面對比分析了所提出的調(diào)度方法與傳統(tǒng)方法的優(yōu)劣。算例計算結(jié)果顯示：配置94 MW·h的儲能系統(tǒng)能夠有效應(yīng)對10%的電網(wǎng)風(fēng)險，提高風(fēng)電調(diào)度入網(wǎng)規(guī)模，驗證了所提出的調(diào)度方案的有效性。

[1]Fan Gaofeng（范高鋒），Wang Weisheng（王偉勝），Liu Chun（劉純），et al．Wind power prediction based on artificial neural network [J]．Proceedings of the CSEE（中國電機工程學(xué)報），2008，28（34）：118-123.

[2]Yang Xiuyuan（楊秀媛），Xiao Yang（肖洋），Chen Shuyong（陳樹勇），et al．Wind speed and generated power forecasting in wind farm[J]．Proceedings of the CSEE（中國電機工程學(xué)報），2005，25（11）：1-5.

[3]Yan Gangui（嚴干貴），F(xiàn)eng Xiaodong（馮曉東），Li Junhui（李軍徽），et al．Optimization of energy storage system capacity for relaxing peak load regulation bottlenecks[J]．Proceedings of the CSEE（中國電機工程學(xué)報），2012，32（28）：27-35.

[4]Yuan Tiejiang（袁鐵江），Chen Jie（陳潔），Liu Peihan（劉沛漢），et al．Strategy of improving large-scale wind farm output fluctuation based on energy storage system[J]．Power System Protection and Control（電力系統(tǒng)保護與控制），2014，42（4）：47-53.

[5]Lou Suhua（婁素華），Wu Yaowu（吳耀武），Cui Yanzhao（崔艷昭），et al．Operation strategy of battery energy storage system for smoothing short-term wind power fluctuation[J]．Automation of Electric Power Systems（電力系統(tǒng)自動化），2014，38（2）：17-22.

[6]Li Hui（李輝），F(xiàn)u Bo（付博），Yang Chao（楊超），et al．Power optimization distribution and control strategies of multistage vanadium redox flow battery energy sorage systems[J]．Proceedings of the CSEE（中國電機工程學(xué)報），2013，33（16）：70-77.

[7]Yu Peng（于芃），Zhao Yu（趙瑜），Zhou Wei（周瑋），et al．Research on the method based on hybrid energy storage system for balancing fluctuant wind power[J]．Power System Protection and Control（電力系統(tǒng)保護與控制），2011，39（24）：35-40.

[8]Li Bei（李蓓），Guo Jianbo（郭劍波）．A control strategy for battery energy storage system to level wind power output[J].Power System Technology（電網(wǎng)技術(shù)），2012，36（8）：38-43.

[9]Hong Haibo（洪海波），Jiang Quanyuan（江全元），Yan Yuting（嚴玉婷）．An optimization control method of battery energy storage system with wind power fluctuations smoothed in real time[J]．Automation of Electric Power Systems（電力系統(tǒng)自動化），2013，37（1）：103-109.

[10]Li Junhui（李軍徽），Jiao Jian（焦?。?，Yan Gangui（嚴干貴），et al．Simulation research of the third-order dynamic model of lead-acid battery[J]．Journal of Northeast Dianli University（東北電力大學(xué)學(xué)報），2013，33（1-2）：103-108.

[11]Mu Gang，Cui Yang，Liu Jia，et al．Source-grid coordinated dispatch method for transmission constrained grid with surplus wind generators[J]．Automation of Electric Power Systems，2013，37（6）：24-29.

[12]Liu Jia（劉嘉）．Study on the control strategies of energy storage system to improve the scheduling scale of wind power[D]．Jilin：Northeast Dianli University，2014.

[13]Bludszuweit H，Dominguez-Navarro J A，Liombart A.Statistical analysis of wind power forecast error[J].IEEE Trans.on Power Systems，2008，23（3）：983-991.