鹿 婷，賈繼超，彭曉濤

(1.中國艦船研究設計中心, 湖北 武漢 430064；2.武漢大學電氣與自動化學院，湖北 武漢 430072)

0 引言

隨著風電技術(shù)發(fā)展和風機并網(wǎng)發(fā)電成本的日趨合理，大規(guī)模風電并網(wǎng)的消納受到關注[1]。由于風功率具備間歇性與波動性[2-4]，并且風功率預測相對負荷預測水平較低, 文獻[5-7]指出風電場出力1 h前預測的誤差可達10%～15%，因此風電并網(wǎng)的隨機不確定性所導致的系統(tǒng)有功供需的不平衡已成為制約其大規(guī)模并網(wǎng)運行的主要問題。目前針對此問題，大都仍采用火電機組預留調(diào)峰容量進行補償。由于火電機組具有響應時滯長、機組爬坡速率低等不足，不能夠快速地進行功率調(diào)整[8]，因此，隨著系統(tǒng)中風電滲透率的增加，不僅系統(tǒng)的運行不確定性增強，而且隨著火電機組占比的下降，僅靠火電機組來調(diào)節(jié)頻率顯然會遇到瓶頸?；诖耍墨I[9-11]認為儲能技術(shù)有望解決風電并網(wǎng)的風功率波動問題，并有益于提高系統(tǒng)的風電并網(wǎng)比例。近年來，許多學者在風光儲領域進行了廣泛研究，取得了很多研究成果[12-16]，并建立了一批示范工程，進一步推廣了新能源的并網(wǎng)應用[17-18]。

目前的儲能研究大都側(cè)重在提升蓄電池或超級電容的使用效率或使用壽命上。文獻[12]采用模糊控制分配功率偏差，提升儲能的使用效率，保證儲能電站有足夠的可用容量和可用功率，并通過仿真結(jié)果看出儲能系統(tǒng)在一定程度上達到了平抑風功率的效果。文獻[13]在風功率分鐘級波動上做了大量研究，對風功率的波動概率特性做了詳細說明，為本文的撰寫提供了大量的參考數(shù)據(jù);并提出了一種新的儲能工作策略，將儲能的充電與放電工作相分離，提高儲能系統(tǒng)的能量管理效率，并增長了蓄電池的使用壽命。文獻[14]則提出了一種蓄電池充放電的最優(yōu)控制策略，使得儲能系統(tǒng)運行更加平滑。文獻[15]基于蓄電池和超級電容器復合儲能，研究了儲能面向風光互補微電網(wǎng)的控制策略。文獻[16]以含儲能風電場為研究對像，研究了用于系統(tǒng)中火電機組黑啟動的協(xié)調(diào)控制策略。以上文獻解決了儲能系統(tǒng)使用性能不足的問題，但所討論的是將儲能用于平抑風功率分鐘或小時級波動，利用儲能平抑風功率的精確性及快速性都有所欠缺，使平抑后的風電場輸出功率與目標值還存在一定誤差。在風電占比較大的系統(tǒng)中或者在大型的風場中，由于風功率的滲透率增加，儲能功率較小的誤差也可能會對系統(tǒng)頻率造成一定的影響。

本文在分析以上文獻的基礎上，在大規(guī)模風電接入電網(wǎng)的背景下，建立配置混合儲能系統(tǒng)的風電場結(jié)構(gòu)模型。通過研究風功率波動的概率特征，設計出儲能的額定功率，并提出一種儲能分組與調(diào)度中心配合的控制策略，解決了儲能的容量配置問題。考慮到要實現(xiàn)風功率的實時控制，需要儲能系統(tǒng)平抑秒級的風功率波動，本文在研究超短期風功率預測理論的基礎上，基于前饋(back propagation,BP)神經(jīng)網(wǎng)絡理論，提出一種基于自適應神經(jīng)網(wǎng)絡的控制器；用該控制器控制儲能系統(tǒng)的功率輸出，并根據(jù)誤差進行在線調(diào)整。最后仿真結(jié)果表明，基于自適應神經(jīng)網(wǎng)絡的混合儲能功率控制器，不僅能根據(jù)歷史風功率進行提前控制，并且具有較好的非線性映射能力，相比傳統(tǒng)的比例-積分-微分(proportion-integral-differential,PID)控制器具有良好的動態(tài)特性和魯棒性。驗證了本文提出的儲能配置策略，在風功率預測誤差較大的情況下，也能使風電場的有功輸出跟蹤上根據(jù)風功率預測曲線設定的經(jīng)濟調(diào)度指令，具有良好的適應能力。

1 風電場的混合儲能系統(tǒng)

儲能系統(tǒng)作為平抑風功率波動的有效技術(shù)措施，正逐漸被考慮應用于風電并網(wǎng)電力系統(tǒng)。由于風電場并網(wǎng)功率的波動存在多種頻率分量，而儲能裝置因各自在儲能能量密度、功率密度和循環(huán)使用壽命等運行特點上存在區(qū)別，例如，蓄電池儲能具有能量密度高、功率密度和循環(huán)使用壽命低的特點，而超級電容器則具有儲能密度低、功率密度和循環(huán)使用壽命高的特點，因此僅靠1種儲能裝置難以滿足長時間平抑風功率波動的需求。為此，可利用超級電容與蓄電池構(gòu)建圖1所示風電場混合儲能系統(tǒng)[19]。如圖1所示，各構(gòu)成儲能裝置通過各自的DC/DC變換器與統(tǒng)一的DC/AC變流器直流側(cè)連接，并利用統(tǒng)一的變流器進行并網(wǎng)運行。由于風力發(fā)電系統(tǒng)直接與電網(wǎng)相連，因此采用該混合儲能系統(tǒng)結(jié)構(gòu)，不僅可提高混合儲能系統(tǒng)的運行經(jīng)濟性，而且通過將整個風電場分為儲能系統(tǒng)和風電系統(tǒng)兩部分，在降低系統(tǒng)復雜性的同時，便于在已建成運行風電場進行儲能系統(tǒng)的靈活擴展，從而實現(xiàn)利用混合儲能系統(tǒng)對風電場輸出功率波動的動態(tài)平抑，提高系統(tǒng)自動發(fā)電控制機組出力基準點和參與因子基于經(jīng)濟調(diào)度滾動優(yōu)化分配的準確性。

圖1 含混合儲能系統(tǒng)的風電場Fig.1 Wind power plant with hybrid energy storage system

圖1中超級電容器和電池組的功率調(diào)節(jié)指令Psc_ref和Pbat_ref可由圖2所示混合儲能系統(tǒng)的平滑控制策略來確定[20-21]。由圖2可知，平滑控制策略通過對統(tǒng)一變流器直流電壓Udc不同頻率波動分量的濾波，確定超級電容儲能和蓄電池儲能的功率調(diào)節(jié)指令，在維持直流母線電壓恒定的同時，保證風電場并網(wǎng)有功功率的穩(wěn)定輸出。該控制策略不僅實現(xiàn)了兩種儲能裝置動態(tài)響應特性的互補，而且有利于提高混合儲能系統(tǒng)的使用效率。

圖2 混合儲能系統(tǒng)的平滑控制Fig.2 Smoothing control of hybrid energy storage system

2 基于分組輪換的儲能系統(tǒng)容量設計與控制

圖3 風場2 h內(nèi)波動功率Fig.3 Fluctuating wind power over two hours

風電并網(wǎng)電力系統(tǒng)中自動發(fā)電機組的出力基準點，通常由調(diào)度中心基于超短期負荷及風電預測信息通過每15 min 做一次滾動優(yōu)化，進行各機組出力基準點和參與因子的優(yōu)化分配，并在該時段內(nèi)保持不變[3,5]。然而，由文獻[13]描述的美國某575 MW風電場2 h內(nèi)分鐘級功率波動特性可知:如圖3所示，風功率在短時間尺度內(nèi)正向或負向波動持續(xù)時間的隨機性較強。若風電場輸出在15 min內(nèi)偏離預測值較大，且具有單向持續(xù)爬坡特性，不僅可能導致自動發(fā)電機組機組計劃總出力與凈負荷之間存在較大的功率不平衡偏差，而且若基準點定值不及時做出相應調(diào)整，將增加自動發(fā)電機組的快速調(diào)節(jié)壓力及運行成本[5,22-24]。因此，利用混合儲能系統(tǒng)進行風電場輸出功率波動的平抑，對于改善高比例風電并網(wǎng)系統(tǒng)的經(jīng)濟調(diào)度具有重要作用。

圖4 儲能系統(tǒng)的三分組輪換控制原理Fig.4 Rotation control principle for three groups of energy storage systems

但是，當風功率在一段時間內(nèi)一直大于或小于預測值，若儲能容量太小，則可能因儲能調(diào)整空間耗盡較快而無法滿足功率波動平抑的需求；若儲能容量較大，雖然可滿足單向持續(xù)爬坡情況下的功率波動平抑，但也大大增加了儲能的建設投資。為此，本文考慮將儲能系統(tǒng)進行三分組，通過控制各分組儲能在經(jīng)濟調(diào)度滾動優(yōu)化周期進行運行、緩沖和恢復3種工作模式的輪換，提出了圖4所示的一種儲能系統(tǒng)基于分組輪換控制的能量管理策略。如圖4所示，當#1混合儲能組完成風功率波動平抑任務后，#2儲能組將在第1個滾動優(yōu)化周期被切換為運行模式，以承擔平抑風功率波動的任務； #1儲能組則在此滾動優(yōu)化周期轉(zhuǎn)變?yōu)榫彌_模式，并根據(jù)當前荷電狀態(tài)，向調(diào)度中心傳送其在預計時間內(nèi)恢復期望荷電狀態(tài)所需的恒定調(diào)節(jié)功率。調(diào)度中心則在第2個滾動優(yōu)化周期基于此信息并結(jié)合超短期負荷和風功率預測，進行各自動發(fā)電機組的出力基準點和參與因子的滾動優(yōu)化。在第2個滾動周期，#3儲能組將轉(zhuǎn)換為運行模式，進行風功率波動平抑；#1儲能組將按照所確定恒定調(diào)節(jié)功率進行期望荷電狀態(tài)的恢復；#2儲能組在由運行模式轉(zhuǎn)換為緩沖模式后，向調(diào)度中心傳送其恢復期望荷電狀態(tài)的調(diào)節(jié)功率。同理，在第3個滾動優(yōu)化周期，#1儲能組在恢復荷電狀態(tài)后，由恢復模式轉(zhuǎn)換為運行模式，進行風功率波動平抑；#3儲能組轉(zhuǎn)換為緩沖模式；#2儲能組則進行期望荷電狀態(tài)的恢復。

圖中，工作于緩沖模式的儲能組基于下式確定其恢復期望荷電狀態(tài)的調(diào)節(jié)功率：

(1)

由圖4可知，由于調(diào)度中心可提前一個經(jīng)濟調(diào)度周期得到緩沖模式儲能組在恢復模式下所需的恢復功率，并利用它參與自動發(fā)電機組出力基點和參與因子的滾動優(yōu)化，并在隨后的經(jīng)濟調(diào)度周期將恢復功率發(fā)送給儲能系統(tǒng)，使恢復模式儲能組進行荷電初始狀態(tài)的恢復，這樣就保證了運行儲能組一直工作在理想荷電狀態(tài)。不僅可實現(xiàn)風電場輸出功率對預測值波動的動態(tài)補償，而且可保證混合儲能系統(tǒng)的容量調(diào)節(jié)裕度，提高儲能系統(tǒng)的運行穩(wěn)定性。由此可得風電場的總輸出功率：

Pwf=Pw+Pess+Pr

(2)

式中：Pwf為風電場輸出的有功功率；Pr為儲能系統(tǒng)的恢復功率，由調(diào)度中心給定；Pess為混合儲能系統(tǒng)的輸出功率；Pw為風電系統(tǒng)的輸出功率。由式(2)可知，當混合儲能系統(tǒng)具有理想的調(diào)節(jié)容量和功率調(diào)節(jié)能力時，就能利用Pess與Pw之和動態(tài)跟蹤風電場的風功率預測值。

文獻[13]對美國某575 MW風電場的9個月風功率統(tǒng)計數(shù)據(jù)表明，雖然最大功率波動值為210 MW，但僅有1.34%的功率波動幅值大于40 MW，且幅值大于45 MW的概率極小。因此綜合上述研究，從節(jié)約風電場混合儲能系統(tǒng)建設投資的角度出發(fā)，對混合儲能系統(tǒng)的容量和最大調(diào)節(jié)功率能力的設計僅需考慮滿足大部分功率波動平抑的需求即可。例如在上述風電場中，由于功率波動值大于45 MW的概率較小，所以可設定混合儲能系統(tǒng)功率調(diào)節(jié)范圍為風電場額定功率的[-8%,8%]，各儲能組容量能保證儲能在最大調(diào)節(jié)功率狀態(tài)下持續(xù)運行一個經(jīng)濟調(diào)度周期?；诖丝傻没旌蟽δ芟到y(tǒng)的容量及最大調(diào)節(jié)功率：

(3)

式中：Pess_min、Pess_max為混合儲能系統(tǒng)的最大充電和放電功率；ru、rd分別為風電場風功率波動的上限和下限閾值；ηC、ηD分別為混合儲能系統(tǒng)的充電和放電效率；ΔEess_max為儲能系統(tǒng)的調(diào)節(jié)容量，即容量變化的上限與下限之差；Tn為單組混合儲能最大功率持續(xù)時間，可根據(jù)經(jīng)濟調(diào)度控制周期確定。

由式(3)可知，采用本文所提能量管理策略進行混合儲能系統(tǒng)的最大功率和額定容量設計，若考慮15 min的滾動優(yōu)化周期，需要配置的總儲能容量為額定功率乘以大約1.5 h。而文獻[12]指出儲能容量可按Em=nPm進行配置，其中參數(shù)n一般按4～6選取，表示按額定功率乘以4～6 h進行容量大小設計。文獻[25]則指出目前儲能價格還比較昂貴，單位容量造價高達50～100歐元/(kW·h)。因此，本文所提的能量管理策略不僅可有效減少儲能系統(tǒng)的投資，而且可實現(xiàn)混合儲能系統(tǒng)對絕大多數(shù)風功率波動的補償，使風電場在保持當前運行狀態(tài)下，其風電場出力能動態(tài)跟蹤風功率預測值。

3 儲能系統(tǒng)平抑風功率波動的神經(jīng)網(wǎng)絡控制

3.1 儲能平抑風功率波動的控制方案

在設計風電場混合儲能系統(tǒng)面向經(jīng)濟調(diào)度的容量管理和功率調(diào)節(jié)能力的基礎上，進一步利用人工神經(jīng)網(wǎng)絡(artificial neural network,ANN)設計了圖5所示儲能平抑風電場短期風功率波動的控制器。

圖5 儲能系統(tǒng)平抑風電功率波動的控制系統(tǒng)Fig.5 Control system for energy storage system smoothing wind power fluctuation

圖中:Pw,pre(t)為t時刻的風電功率預測均值，在短時間內(nèi)保持恒定；Pess,ref(t)為混合儲能系統(tǒng)的控制指令；Pess(t)為儲能的實際調(diào)節(jié)功率；Pw(t)為風電場實時功率，Pw(t-1)、Pw(t-2)則分別表示前兩次風電場實時功率采樣值。ANN控制器的控制規(guī)律可表示為

Pess_ref=fA(ΔPw(t),Pess(t))

(4)

(5)

將其帶入式(4)可得ANN控制器的控制規(guī)律：

(6)

為簡化ANN控制器結(jié)構(gòu)，對式(6)進行簡化，確定t、t-1、t-2時刻的風電功率及t時刻的儲能系統(tǒng)調(diào)節(jié)功率，將其作為ANN控制器的輸入，即有

(7)

3.2 自適應ANN控制器

ANN的目的是找到控制輸入和輸出間的非映射關系?；诖耍疚牟捎脠D6所示3層前饋(back propagation,BP)ANN對式(7)所示控制規(guī)律進行設計。如圖6所示，該控制器包括4個輸入和1個輸出神經(jīng)元，同時基于試錯法確定3個中間隱含層神經(jīng)元。

圖6 ANN控制器結(jié)構(gòu)圖Fig.6 Controller structure of ANN

ANN各輸入分量在輸入時需按下式進行歸一化處理：

(8)

式中：P為輸入功率；Pmin和Pmax分別為輸入功率的最大值和最小值；P*為歸一化處理后的輸入分量。

同理，控制器輸出量Pess,ref(t)也需按下式進行反歸一化處理：

(9)

圖6中w1—w16表示輸入層與隱含層、隱含層到輸出層的權(quán)值；b1—b5表示輸入層與輸出層的閥值，隱含層的閥值設為0，若BP ANN的輸入全為0時輸出也為0，則輸入層和輸出層的閥值也可設為0。輸入層和隱含層的神經(jīng)元的變換函數(shù)選擇為正切函數(shù)fh，輸出層神經(jīng)元的變換函數(shù)選擇為線性函數(shù)f0，具體為

(10)

基于所確定的ANN結(jié)構(gòu)，為適應風電功率波動的隨機變化，網(wǎng)絡的權(quán)值在每次控制中都依據(jù)下式進行在線調(diào)整[27]：

(11)

(14)

式中Er為經(jīng)歸一化處理的ANN控制器的控制偏差。

由于ANN各神經(jīng)元權(quán)值采用在線訓練進行調(diào)整，當儲能系統(tǒng)調(diào)節(jié)功率達到最大值或最小值時，雖然儲能系統(tǒng)的調(diào)節(jié)功率不會繼續(xù)變化，但Er仍將繼續(xù)影響各神經(jīng)元的權(quán)值，因此將可能導致儲能系統(tǒng)調(diào)節(jié)功率的振蕩。為此，本文在圖6所示ANN控制器附加了控制偏差閉鎖器的設計，在儲能調(diào)節(jié)功率達到最大或最小值時，閉鎖控制器的控制偏差信號反饋，通過令Er為0，暫時停止各神經(jīng)元權(quán)值的在線調(diào)整。待儲能系統(tǒng)調(diào)節(jié)功率恢復到調(diào)節(jié)范圍內(nèi)，再次恢復各神經(jīng)元權(quán)值的在線調(diào)整。

4 仿真研究

4.1 儲能對風電系統(tǒng)功率波動的平抑作用

利用Matlab/Simulink建立圖7所示4機11節(jié)點風電系統(tǒng)模型進行所研究儲能系統(tǒng)控制策略的可行性仿真驗證。仿真系統(tǒng)中風電場包含裝機容量為200 MW的雙饋風電機組(doubly-fed induction generator，DFIG)，風電機組的滿載風速為14 m/s。仿真系統(tǒng)中DFIG機組的參數(shù)選自Matlab/Simulink的Wind Farm-DFIG Average Model參數(shù)組，與DFIG機組的風機參數(shù)相同。G1—G3采用3階同步發(fā)電機模型，其中bus1設置為平衡節(jié)點，選取G1發(fā)電機轉(zhuǎn)子角速度作為系統(tǒng)參考頻率，bus2和bus3設為PV節(jié)點，有功功率分別為40、30 MW。負荷L7和L9的大小分別為(120+j20)和(130+j30) MV·A。

上述仿真系統(tǒng)建模采用標么值，基準容量SB=100 MW，發(fā)電機，線路和節(jié)點輸入和負荷需求功率參數(shù)如表1—3所示。

圖7 改進3機11節(jié)點風電系統(tǒng)Fig.7 Improved 3-machine 11-bus wind power system

根據(jù)式(3)，設置混合儲能系統(tǒng)的3個儲能組的額定調(diào)節(jié)功率為±20 MW，容量為10 MW·h。各儲能組中的蓄電池額定容量選擇為8 MW·h，荷電狀態(tài)S的取值范圍為5%～95%，初始荷電狀態(tài)S0設置為50%，蓄電池充放電效率都為ηb-ch=ηb-dis=80%；超級電容器的額定容量為2 MW·h，荷電狀態(tài)S的取值范圍為2%～99%，初始荷電狀態(tài)S0設置為50%，超級電容的充放電效率都為ηsc-ch=ηsc-dis=95%。各神經(jīng)元的初始權(quán)值全部設為0.3，學習率η=0.03，輸入神經(jīng)元的閥值b1—b4設為1，輸出神經(jīng)元的閥值b5設為0。設置風電場預測功率為100 MW，風電場輸送無功功率0 Mvar，并網(wǎng)母線bus4設為PQ節(jié)點。

為驗證在系統(tǒng)中配置混合儲能系統(tǒng)平抑風功率波動的必要性，首先采用文獻[28]的方法，用自回歸移動平均模型產(chǎn)生風速序列，模擬出150 s的秒級風速波動分量，作為風電場的輸入風速；風速對應的平均風功率為98 MW，并保證風功率波動范圍在儲能調(diào)節(jié)范圍內(nèi)，風電系統(tǒng)的風功率如圖8所示。

考慮到雖然常規(guī)天氣下風功率波動不大，但研究風功率波動對系統(tǒng)穩(wěn)定性的影響需要考慮極端天氣下風功率的變化情況，故本文所設定風功率波動較為劇烈。其中最大波動為-19.3 MW，對應時刻為73 s。當風電場沒有配置儲能系統(tǒng)時，對于風功率波動只能依靠發(fā)電機輸出調(diào)節(jié)進行平抑。圖9給出利用G1進行風功率波動平抑的系統(tǒng)頻率響應特性。

表1 發(fā)電機參數(shù)Table 1 Generator parameters

表2 變壓器及線路參數(shù)Table 2 Parameters of transformer and transmission line

表3 節(jié)點功率和電壓Table 3 Power and voltage of each bus

圖8 風電場輸出的總功率曲線Fig.8 Total output power of wind power plant

圖9 無儲能時系統(tǒng)頻率對風功率波動的響應曲線Fig.9 Response curve of system frequency to wind power fluctuation without energy storage

由圖9可見，由于G1存在爬坡約束問題，不能快速調(diào)整發(fā)電機出力，勢必造成系統(tǒng)頻率的偏移。系統(tǒng)在圖8所示風功率作用下，最大頻率偏移發(fā)生在74.2 s時的-0.25 Hz?？梢娫诟弑壤L電接入系統(tǒng)中，由于火電機組并網(wǎng)比例下降，因此系統(tǒng)對風功率波動的平抑能力下降，容易導致系統(tǒng)頻率的大幅度變化，因此考慮配置儲能進行風功率波動的平抑是有必要的。

為驗證所設計自適應ANN控制器的動態(tài)特性，將圖5的ANN控制器改為PID控制進行對比仿真研究，PID控制器的參數(shù)為kp=2、ki=5、kd=1。儲能系統(tǒng)采用兩種控制器后，系統(tǒng)在圖8所示風功率作用下的風電場和G1輸出有功功率分別如圖10、11所示。

圖10 采用PID控制器后G1和風電的輸出功率Fig.10 Output power of G1 and wind power after using PID controller

圖11 采用自適應ANN控制后G1和風電的輸出功率Fig.11 Output power of G1 and wind power after using self-adaption ANN controller

由圖10、11的仿真結(jié)果可知，使用儲能平抑風功率波動后，風電場和G1輸出功率的波動范圍減小。儲能系統(tǒng)使用自適應ANN控制器后，風電場有功功率偏離預測值100 MW的最大偏離值為70.5 s時刻的-0.17 MW；而使用PID控制時，有功功率偏離預測值的最大偏離值為71.2 s時刻的 -2.27 MW，都遠遠小于無儲能時的-19.3 MW。仿真結(jié)果表明儲能系統(tǒng)起到了穩(wěn)定風電場功率輸出的效果。此外，對比圖10、11可見，由于自適應ANN控制器具有神經(jīng)元權(quán)值在線自適應調(diào)整的特點，特別是其對風功率預測誤差的超前控制，使儲能系統(tǒng)采用自適應ANN控制器對隨機波動擾動表現(xiàn)出更好的動態(tài)響應特性和魯棒適應性。兩種控制器作用下的系統(tǒng)頻率響應如圖12所示。由圖可見：儲能系統(tǒng)使用自適應ANN控制器后，系統(tǒng)頻率波動的最大值減小為71.7 s時刻的-0.005 Hz；使用PID控制器后，系統(tǒng)頻率波動的最大值減小為72.3 s時刻的-0.03 Hz。對比圖12、9可知，利用儲能平抑風功率波動對于改善風電系統(tǒng)的運行特性具有重要作用。

圖12 不同控制器作用下的系統(tǒng)頻率響應Fig.12 System frequency response under different controllers

4.2 儲能系統(tǒng)的容量設計和調(diào)節(jié)功率

將風電場系統(tǒng)與無窮大電網(wǎng)相連進行所提出儲能調(diào)節(jié)功率及容量設計的可行性仿真驗證。仿真模型中，風電系統(tǒng)及儲能的模型和參數(shù)不變，使用自回歸移動平均模型模擬15 min的風速變化曲線，在該風速作用下的風電系統(tǒng)有功輸出如圖13所示。

圖13 風電系統(tǒng)輸出功率曲線Fig.13 Output power of wind power system

圖曲線

圖15 風電場功率曲線Fig.15 Output power of wind power plant

由于本文所提儲能容量管理策略將儲能系統(tǒng)分為3組，每組在運行15 min后進行切換，且每組都能以額定功率運行15 min，因此儲能系統(tǒng)的容量配置也能應對風功率變化的所有情況。上述仿真中，運行組混合儲能中的超級電容器和電池的輸出功率如圖16所示，荷電狀態(tài)如圖17所示。

圖16 超級電容及蓄電池調(diào)節(jié)功率曲線Fig.16 Output power of super capacitor and battery

圖17 超級電容及蓄電池的荷電狀態(tài)曲線Fig.17 State of charge of super capacitor and battery

綜上可見，本文所提出的儲能系統(tǒng)基于三分組輪換運行的容量管理策略，能夠為儲能平抑風電場的功率波動提供充裕的調(diào)節(jié)能力，在風功率預測存在較大誤差的情況下也能維持風電場輸出功率的穩(wěn)定，具有較高的運行可靠性。

5 結(jié)論

風電場輸出功率的隨機波動性對風電高比例接入電力系統(tǒng)的區(qū)域跟蹤控制將產(chǎn)生影響，為此本文研究了利用混合儲能平抑風電場短期功率波動的控制方法。

首先從解決混合儲能的額定功率與容量大小的配置問題出發(fā)，提出了一種混合儲能面向經(jīng)濟調(diào)度的三分組輪換式容量管理策略；在此基礎上進一步研究了各混合儲能組的容量和功率調(diào)節(jié)能力的設計方法。利用所提儲能容量管理策略和容量設計方法對風功率預測誤差在[-30%,+30%]范圍內(nèi)時都能夠適用，具有較高的可靠性。在保證儲能系統(tǒng)的調(diào)節(jié)能力基礎上，降低了儲能的投資成本，然后進行了儲能系統(tǒng)平抑風電場短期風功率波動的控制系統(tǒng)設計，在此基礎上提出了控制器的自適應ANN控制策略。該控制策略能快速準確地控制儲能系統(tǒng)跟蹤風電場的功率波動，使風電場的功率輸出能動態(tài)跟蹤風功率預測值。對比結(jié)果同時表明，所提控制策略對風功率預測偏差的隨機波動性具有較好的動態(tài)響應特性和控制魯棒性。