近年來,風力發電在世界范圍內得到了快速發展。隨著風電滲透率不斷增大,風力發電在為電網輸送大量清潔電能的同時,對電力系統可靠性、穩定性等方面的影響愈發顯著。究其原因,主要在于風速的波動性、間歇性及隨機性引起風電功率波動,并且難以準確預測。因此,研究平滑風電出力,實現穩定可靠的風電輸出具有重要意義。

為減小風電功率波動對電力系統的不利影響,不同國家根據自身電力系統的特點對風電場設置了不同的風電波動限制指標。例如：美國ERCOT電力公司與德國E.ON電力公司的風電波動限制指標均為每1 min最大波動量不超過風電場裝機容量的10%;中國根據風電場裝機容量,分別在1 min、10 min兩個時間尺度對最大波動量進行限制。基于此,本文中平滑風電出力是指在風電場內部或端口采取措施,減小風電場分鐘級功率波動,使其滿足風電波動限制指標要求。

目前,平滑風電出力主要包括風電機組改進控制與儲能系統輔助控制兩類方法。文獻[5]提出了一種結合風力機變槳控制和發電機變速控制的發電機有功功率平滑控制策略,該策略可降低直驅永磁同步風力發電機輸出有功功率的波動,控制發電機轉速運行范圍。然而,風電機組改進控制多以犧牲風能捕獲效率為代價,影響了風電機組的運行經濟性。在能源互聯網的推動下,以大規模電池儲能為代表的新型儲能技術得以快速發展,在風電場端口集成儲能系統以平滑風電出力正逐漸成為理論研究與工程示范的熱點。在理論研究領域,研究主要集中在儲能系統的風電平滑策略、功率容量配置方法等關鍵技術;在工程示范領域,世界上已有多個可用于平滑風電出力的儲能示范項目,例如美國Kahuku風電場儲能示范項目、中國張北風光儲輸示范項目等。

綜上,本文首先總結了新型儲能技術示范項目的建設成果,其次梳理了儲能系統的類型選取,再次論述了儲能系統的風電平滑策略、功率容量配置方法等關鍵技術。最后,探討了未來待研究的關鍵科學問題,以期為儲能系統平滑風電出力的研究與應用提供一定借鑒。

1 新型儲能技術示范項目的建設成果

首先總結了新型儲能技術示范項目的建設成果,隨后列舉了國內外典型的可用于平滑風電出力的儲能示范項目,最后選取一個典型項目進行介紹。

1.1 建設成果

根據美國能源部信息中心項目庫的不完全統計,截至2016年8月,全球新型儲能技術示范項目高達1000余項,其中已運行儲能項目約900項,已宣布與在建項目約100項。已運行或在建的儲能示范項目國家分布如圖1所示。

美國在儲能裝機規模與示范項目數量上都處于領先地位,項目數量占全球總數量的48%,主要為太陽能熱發電熔融鹽儲能;我國次之,項目數量占全球總數量的7%,主要為電化學儲能;韓國占6%,全部為電化學儲能;西班牙占5%,主要為太陽能熱發電熔融鹽儲能。

上述示范項目的應用模式主要包括：促進集中式風電、光伏接入電網,提高輸配電及用電側可靠性,提升分布式發電或微電網運行能力,以及提供電網輔助服務。表1列出了國內外典型的可用于平滑風電出力的儲能示范項目。由表1可知,示范項目的儲能系統多為電池儲能。這主要由于,電池儲能布點靈活且具有較快的響應速度及較高的能量密度,既可平滑風電出力,也可實現緩解棄風、參與調峰、提供備用等功能。

1.2 中國遼寧臥牛石風電場

中國遼寧臥牛石風電場安裝有33臺1.5 MW風力發電機組,總裝機容量49.5 MW。風電場經66 kV母線接入遼寧電網。儲能系統選用全釩液流電池(5MW/10 MW•h),采用模塊化設計,單元儲能系統輸出功率為352 kW,整套儲能系統由15套可獨立調控的352 kW單元儲能系統構成。在能量管理系統的統一調度下,儲能系統包含平滑風電出力、跟蹤計劃出力、緩解棄風、暫態有功出力緊急響應及暫態電壓緊急支撐等功能。

實際運行數據表明,儲能平滑風電出力后,風電場1 min最大波動量大幅減小,可以實現其小于GB/T 19963—2011《風電場接入電力系統技術規定》中最大波動量限值4.95 MW的控制目標。

2 儲能系統的類型選取

儲能系統的類型選取是儲能風電平滑策略及功率容量配置方法的前提,而風電波動限制指標及儲能系統功率特性是影響儲能系統類型選取的關鍵因素。為此,本節根據風電波動限制指標及儲能系統功率特性,給出了平抑不同時間尺度風電功率波動的儲能系統參考類型。

為定量描述風電功率波動,現有研究提出了給定時間尺度風電功率最大波動量、相鄰采樣時刻風電功率波動量及歸一化標準差等評價指標。給定時間尺度風電功率最大波動量,從時間尺度、波動幅值兩個維度對風電功率波動進行描述。相鄰采樣時刻風電功率波動量,多反映風電功率的爬坡速率。歸一化標準差本質為標準差的標幺值,基準值為風電場裝機容量。該指標越大,風電波動越明顯,反之亦然。

目前,不同國家多采用給定時間尺度風電功率最大波動量,作為風電波動限制指標。該指標的時間尺度和波動幅值分別對儲能系統的功率特性和存儲容量提出了要求。因此,儲能系統的類型選取應重點關注儲能系統的功率特性。表2給出了主要儲能系統的功率特性指標。

當平抑短時間尺度(1 min以下)風電功率波動時,對儲能系統的響應時間、循環次數提出了較高要求,多采用超級電容儲能、飛輪儲能及超導磁儲能;當平抑較長時間尺度(數min到數10 min)風電功率波動時,對儲能系統的能量密度提出了較高要求,多采用鋰電池、鉛酸電池及液流電池等電池儲能;壓縮空氣儲能、抽水蓄能雖然技術成熟,但由于其對地理環境的特殊要求以及其典型放電時間與平滑風電出力時間尺度的不匹配,兩者不適合配置在風電場端口平滑風電出力。此外,當需平抑多個時間尺度的風電功率波動時,多采用混合儲能系統,例如超級電容與電池混合儲能系統。

綜上,雖然根據風電波動限制指標及儲能系統功率特性,可得到平抑不同時間尺度風電功率波動的儲能系統參考類型,但儲能系統最終類型的確定還需結合儲能系統的風電平滑策略及功率容量配置方法進行綜合分析。

3 儲能系統的風電平滑策略

圖2給出了儲能系統平滑風電出力的基本流程。首先獲取風電目標出力,隨后綜合風電功率及風電目標出力確定儲能初始功率計劃,并通過能量狀態反饋控制予以修正,最終在儲能內部單元間進行功率分配,確定各單元充放電功率指令。其中,獲取風電目標出力、能量狀態反饋控制是風電平滑策略的核心。

3.1 獲取風電目標出力

風電目標出力是指經儲能系統平滑后期望得到的風電功率。風電目標出力的獲取方法與儲能系統的風電平滑策略密切相關。目前,風電平滑策略可分為兩類：直接平滑策略與間接平滑策略。兩者區別在于平滑后能否實現風電調度,其中風電調度是指風電功率在給定時間窗口內為一定值。由于前者僅需滿足風電波動限制指標要求,所需儲能功率容量較小,而后者需實現風電調度,所需儲能功率容量較大。基于此,風電目標出力的獲取方法也相應分為兩類：直接平滑策略的風電目標出力獲取方法與間接平滑策略的風電目標出力獲取方法。

3.1.1 直接平滑策略的風電目標出力獲取方法

風電目標出力獲取方法主要包括以下幾種：一階濾波、卡爾曼濾波及小波濾波等濾波控制算法,滑動平均、加權移動平均及模型預測控制等其他控制算法。

1)濾波控制算法。

一階濾波算法的關鍵控制參數為濾波時間常數,濾波時間常數越大,風電目標出力越平滑,需要的儲能功率容量越大,反之亦然。文獻[12]通過一階濾波算法獲取風電目標出力,分析了不同濾波時間常數下的風電平滑效果。文獻[14]采用一階濾波算法得到風電場側、電網側儲能的風電目標出力,并通過神經網絡擬合儲能配置容量、濾波時間常數與風電波動評價指標的關系,最終得到儲能最佳配置容量與最佳濾波時間常數。上述文獻均通過定時間常數一階濾波算法獲取風電目標出力,但由于風電功率的不確定性,定時間常數一階濾波算法易引起過補償,增大儲能配置容量。

針對上述不足,已有學者開展了利用變時間常數一階濾波算法獲取風電目標出力的研究。文獻[15]根據實測波動率調整濾波時間常數,減小了儲能出力與荷電狀態的變化。文獻[16]提出了一種通過優化模型調整濾波時間常數的新思路,首先將多時間尺度的風電波動限制指標轉化為不等式約束,隨后滾動求解優化模型調整濾波時間常數,提高了風電平滑效果。

卡爾曼濾波算法已在短期負荷預測、動態狀態估計等方面得到了廣泛應用。文獻[17]提出了一種模糊自適應卡爾曼濾波控制策略,在平滑風電出力的條件下,有效管理儲能荷電狀態。文獻[18]根據風電功率波動量,調整卡爾曼濾波的過程噪聲和量測噪聲協方差,減小了儲能配置容量。

小波變換具有處理非平穩信號序列的強大能力,在處理風電波動特性方面具有顯著的優勢。文獻[19]通過Meyer小波獲取風電目標出力,利用超級電容儲能平抑風電功率波動的高頻分量,雙電池儲能平抑風電功率波動的低頻分量,并根據電池容量與荷電狀態的乘積在雙電池儲能間分配功率。文獻[20]提出了一種混合儲能協調控制策略：首先通過小波濾波獲取滿足風電波動限制指標要求的混合儲能綜合出力,隨后根據超級電容儲能與電池儲能的最佳匹配頻帶分配功率。

2)其他控制算法。

滑動平均算法的關鍵控制參數為滑動平均時段長度M：若M選擇過大,風電功率隨時間變化的長期趨勢會反映在分鐘級波動分量上;若M選擇過小,風電功率的短時波動會反映在持續分量上。文獻[21]將M取為30 min,選擇風電功率持續分量作為風電目標出力,并設計了一種儲能在線運行策略,避免了儲能在充放電狀態間頻繁轉換。

加權移動平均算法的兩個重要參數分別為權重與移動平均項數N。前者反映對各時刻風電功率的重視程度,后者與濾波效果緊密相關：N越大,通帶越窄,濾波后風電出力越平滑,反之亦然。文獻[22]根據前一時刻充放電平衡度指標調整N,并將前N-1時刻的風電功率加權平均值作為當前時刻的風電目標出力,克服了普通方法在風電功率驟變時平滑效果變差的不足。

模型預測控制算法是一種基于過程預測模型,采用回退視界策略,綜合考慮系統動態性能、控制目標及約束條件的在線優化控制方法。文獻[23]構建了以控制時域內儲能出力與儲能存儲能量偏差平方和最小為目標,考慮風電爬坡速率等約束的優化模型,采用二次規劃算法求解。

3.1.2 間接平滑策略的風電目標出力獲取方法

風電目標出力獲取方法主要包括：風電功率平均值法、恒定值法、最值法及優化模型法。

文獻[25-26]將未來1 h內風電預測功率平均值作為風電目標出力。文獻[25]構建了考慮儲能荷電狀態、充放電速率等約束的儲能控制策略。文獻[26]提出了基于規則的控制策略,由于不需要儲能細致模型,該策略可方便擴展到其他類型儲能系統。

文獻[27]構建了一種包含專家信息庫的雙層控制模型,并將風電功率恒定值作為風電目標出力,通過實時檢索專家信息庫,控制儲能充放電,可有效平滑風電出力。

文獻[28]提出了一種儲能全充-全放狀態交替運行策略,在儲能充放電區間分別設置風電目標出力：在充電區間,將風電預測功率的最小值作為風電目標出力;在放電區間,將風電預測功率的最大值作為風電目標出力。文獻[29]通過風電概率區間預測得到風電預測功率的悲觀、正常及樂觀方案,根據儲能荷電狀態使風電目標出力在悲觀、樂觀方案間切換,減小了儲能循環次數,延長了儲能壽命。

文獻[30]構建了用于確定風電目標出力的功率偏移量方差最小模型,并提出了一種混合儲能協調控制策略,通過適當增大鉛酸電池儲能的輸出功率及減小其充放電轉換次數,減小了液流電池儲能的配置容量與鉛酸電池儲能的壽命損耗。

不同風電平滑策略下風電目標出力獲取方法的優勢與不足,如表3所示。

3.2 能量狀態反饋控制

當風電功率大于風電目標出力時,儲能充電,反之放電。若嚴格執行該運行策略,需增大儲能配置容量以避免儲能過充過放,但這會顯著增加儲能投資成本,目前多通過引入能量狀態反饋控制予以解決。能量狀態反饋控制主要包括：傳遞函數法[31]、模糊控制法[32-34]、預先控制法[35]及動態優化法[17]。

文獻[31]推導得出了荷電狀態反饋控制傳遞函數,避免了儲能過充過放。文獻[32]采用模糊控制修正儲能初始功率計劃,雖可保證荷電狀態處于合理范圍,但削弱了風電平滑效果。文獻[33]通過雙層模糊控制,減小了單層模糊控制對風電平滑效果的不利影響。文獻[34]通過優化模型確定儲能最佳荷電狀態范圍,并采用模糊控制調整濾波時間常數,使其處于最佳荷電狀態范圍。文獻[35]利用預

先控制調整超級電容儲能、電池儲能的輸出功率,降低了超級電容儲能端電壓到達上下限的概率,減小了風-儲聯合系統綜合出力的波動峰值。文獻[17]構建了包含儲能荷電狀態反饋控制的控制優化模型,根據儲能荷電狀態調整模型約束條件,使儲能荷電狀態處于合理范圍。

綜上,傳遞函數法依賴于數學推導,具有較強的理論基礎,但推導難度大,不易實現。模糊控制法與預先控制法均不需要儲能細致模型,可擴展性強,但其控制參數多根據設計者的主觀經驗確定,存在一定局限性。動態優化法將能量狀態反饋控制轉化為數學優化問題,通過求解優化模型滾動更新儲能功率計劃。該方法控制精細,為能量狀態反饋控制提供了一種重要思路。

3.3 儲能內部單元功率分配

儲能內部單元功率分配主要針對的是電池儲能[36-37]。這是因為電池儲能由儲能單元經串并聯構成,考慮到儲能單元在充放電效率等方面的差異,各單元荷電狀態的一致性難以僅通過平均分配功率的方法保證。

文獻[36]依據儲能內部單元荷電狀態占比分配功率,并根據各單元初始荷電狀態修正分配功率,減小了儲能內部單元荷電狀態的差異,但該分配策略僅計及了儲能輸出功率約束。文獻[37]構建了以儲能內部單元荷電狀態差異最小為目標,考慮儲能輸出功率、充放電狀態轉換約束的功率分配模型。所提分配策略在保證儲能內部單元荷電狀態一致性的條件下,減小了儲能內部單元的充放電轉換次數,延長了儲能壽命。

綜上,快速準確估計儲能內部單元的荷電狀態是儲能內部單元功率分配的關鍵。但是,電池容量會隨溫度漂移,隨循環次數增加而減少,導致荷電狀態估計產生較大誤差,影響功率分配策略的控制效果。因此,構建考慮電池容量變化的荷電狀態魯棒估計方法顯得尤為重要。

4 儲能系統的功率容量配置方法

儲能系統功率容量配置的目標為在滿足風電波動限制指標要求的前提下,實現配置評價指標的最優化。目前,儲能系統的功率容量配置方法主要包括：理論分析法、仿真分析法及優化模型法。需注意的是,上述方法均適用于不同規模風電場的儲能規劃。

4.1 理論分析法

理論分析法一般首先對歷史數據進行分析與特征量提取,隨后依托不同分析方法,例如一階濾波、概率分析等時域分析方法,以及傅里葉變換等頻域分析法,確定儲能配置功率容量。

文獻[38]基于一階濾波傳遞函數,推導得出儲能系統的最小配置容量,但無法保證平滑后的風電出力滿足風電波動限制指標要求。文獻[39]通過對比不同濾波時間常數下的風電平滑效果,確定最佳濾波時間常數,隨后根據3σ原理確定儲能配置功率。文獻[40]對混合儲能輸出功率的絕對值進行概率分析,在得到其累計概率分布后,將給定置信水平的輸出功率絕對值作為電池儲能的配置功率,將輸出功率絕對值的最大值與電池儲能配置功率之差作為超級電容儲能的配置功率。文獻[41]采用試差法由高頻段向低頻段延伸,確定滿足風電波動限制指標要求的最小補償頻段,將儲能最大輸出功率作為其配置功率,儲能最大能量差與荷電狀態允許范圍之比作為其配置容量。文獻[42]通過傅里葉變換得到風電功率頻譜密度,利用儲能平抑指定頻段的風電功率波動,將儲能最大輸出功率作為其配置功率,儲能最大能量差與荷電狀態允許范圍之比作為其配置容量。

綜上,理論分析法邏輯清晰,求解速度快,但推導分析增大了實現難度。另外,該方法僅從技術層面給出儲能配置方案,無法考慮儲能系統的運行效益,影響了配置方案的合理性。

4.2 仿真分析法

仿真分析法通過調用風電平滑策略對儲能待選方案進行仿真分析,確定滿足風電波動限制指標要求的儲能最小功率容量。

文獻[17]提出了一種考慮雙時間尺度風電波動限制指標的風電平滑策略,并對不同功率容量的儲能系統進行仿真分析,得到了滿足風電波動限制指標要求的儲能最小功率容量。文獻[43]提出了一種基于模型預測控制的風電平滑策略,并通過仿真分析確定了儲能最佳配置方案。文獻[44]根據不同風電場和儲能系統的容量配比關系進行仿真分析,提出了一種配置大規模儲能系統的方案。文獻[45]提出了兩種儲能電站動態調度模型,通過仿真分析確定了兩種場景下的儲能最佳配置方案。

綜上,仿真分析法原理簡單,易于實現,但儲能最終方案的優劣與待選方案的數量密切相關：若待選方案過少,難以保證最終方案的最優性;待選方案過多,仿真時間會顯著增加。另外,該方法也僅從技術層面給出儲能配置方案,未對儲能進行全面的效益評價。

4.3 優化模型法

優化模型法首先分析儲能系統的效益和成本構成,隨后構建優化模型,最終求解確定儲能配置功率容量。

不同的研究偏重于不同的方面進行規劃,所以目標函數各異,文獻[46-50]以儲能總成本最小為目標函數：

文獻[46]采用經驗模態分解技術獲取超級電容儲能、電池儲能的輸出功率,隨后考慮儲能投資成本與棄風懲罰成本,建立了儲能總成本最小模型。文獻[47]在計及儲能投資成本、棄風懲罰成本、缺電懲罰成本、維護成本、越限成本及更新成本的條件下,以儲能總成本最小為目標,建立了儲能容量規劃模型,利用粒子群算法求解。文獻[48]在考慮儲能投資成本、棄風懲罰成本、缺電懲罰成本及越限成本的情況下,構建了儲能總成本最小模型,并探討了儲能在低風電出力季節參與電網調峰的可行性。文獻[49]提出了超級電容儲能優先充放電的混合儲能協調運行策略,構建了以混合儲能總投資成本最小為目標的容量優化模型,采用量子遺傳算法求解。文獻[50]通過電池累計損傷模型計及儲能壽命,提出了儲能分期償還投資成本最小模型,采用曲線擬合與遺傳算法相結合的方法求解。

有的文獻以儲能性能指標、壽命成本評價指標及收益指標為目標進行規劃。文獻[28]基于儲能全充-全放狀態交替運行策略,提出了計及儲能投資成本與壽命的儲能性能指標,構建了儲能性能指標最大模型。文獻[51]引入了壽命成本評價指標,提出了以評價指標最小為目標的儲能規劃模型,采用線性搜索方法求解。該文也提出了一種儲能全充-全放狀態交替運行策略,重點分析了相鄰調度時段的暫態過渡問題。文獻[29]采用平均等效循環法計算儲能壽命,并在考慮風電售電效益、儲能殘值效益以及儲能投資成本、維護成本、更新成本的情況下,構建了以風-儲聯合系統凈收益最大為目標的儲能規劃模型。文獻[52]計及風電售電效益與儲能投資成本,構建了風-儲聯合系統凈收益最大模型,采用迭代方法求解。

綜上,優化模型法可對儲能系統進行細致的效益評價,但現有方法多基于確定性的風電歷史數據,忽略了風電不確定性對儲能效益評價的影響,存在效益評價風險。

綜合儲能系統的類型選取、風電平滑策略及功率容量配置方法,本文提出一種確定儲能最佳配置方案的方法,如圖3所示。

由圖3可知,首先根據風電波動限制指標確定儲能參考類型,然后針對任一參考類型,依次選擇風電平滑策略及功率容量配置方法,確定儲能配置方案,并進行檢驗：若不滿足風電波動限制指標要求,更換風電平滑策略,再次求解儲能配置方案;若滿足要求,更換儲能類型再次求解儲能配置方案,直至完成所有儲能參考類型配置方案的求解。隨后,對所有配置方案進行經濟性與技術性評估。最后,輸出儲能最佳配置方案。

5 研究展望

目前,雖然針對儲能系統的風電平滑策略與功率容量配置方法研究取得了若干成果,但仍存在許多不足。綜上所述,凝練出關鍵科學問題如下：

1)在滿足風電波動限制指標要求的前提下,延長儲能壽命是未來研究的重點。儲能全充-全放狀態交替運行策略為延長儲能壽命提供了一種重要思路,該策略多通過風電概率區間預測計及風電不確定性。但是,現有研究均未給出最優風電置信度的確定方法,影響了上述策略的應用效果。因此,量化風電置信度對風電平滑效果及儲能壽命的影響,提出最優風電置信度的確定方法是未來需關注的內容。

2)儲能自適應風電平滑策略是未來研究的另一重點。由于風電功率具有顯著的隨機波動性,控制參數不變的風電平滑策略難以保證風電平滑效果,而自適應風電平滑策略可根據風電功率動態調整控制參數(一階濾波算法時間常數,小波分解層數等),有效彌補了上述不足。目前,已有研究利用風電預測功率調整控制參數,使風電平滑策略具有一定的前瞻性。但是,上述研究鮮有計及風電預測不確定性,若風電實際出力與風電預測出力存在較大偏差,將會顯著影響風電平滑效果。另外,風電預測不確定性的背景下,儲能自適應風電平滑策略的風險分析與風險管控還有待研究。

3)儲能平滑風電出力、參與調峰及提供備用的協調運行策略是未來研究的難點。在風電波動較小時段,利用儲能閑置容量參與調峰及提供備用,可提高儲能利用率,增加儲能運行效益。現階段,雖然已有研究提出了儲能平滑風電出力與參與調峰的協調運行策略,但是部分問題仍有待深入研究,包括：儲能調峰、備用效益的量化方式,儲能備用激活后的運行調整策略,儲能參與調峰、提供備用后的壽命估計等。

4)風火打捆外送下的儲能與送端配套火電協調運行策略是未來研究的另一難點。風火打捆外送是提高輸電系統經濟性與安全穩定性的重要舉措。規劃設計風火打捆直流外送時,直流按照給定功率計劃曲線運行,風電功率波動由送端配套火電和相聯送端系統調節。但是由于風電功率波動顯著,送端配套火電與相聯送端系統的調頻壓力巨大。另外,火電進行調頻時,可能出現機組反調、機組死區振蕩等問題,影響了調頻效果。配置在風電場端口的儲能系統,憑借其快速充放電特性,一方面可以改善送端配套火電的調頻效果,另一方面可以減小,送端配套火電因頻繁改變出力造成的機組磨損,提高機組運行穩定性。然而,目前還未有風火打捆外送下儲能與配套火電協調運行策略的研究。此背景下,兼顧風電波動限制指標要求與輔助配套火電調頻的儲能協調運行策略是未來待研究的重要內容。

5)調頻市場下的儲能風電平滑策略是未來重要的研究內容。在電力市場化較為發達的美國,已將儲能等非傳統電源納入調頻市場,并在2011年10月,美國FERC正式發布法案755“批發電力市場的調頻服務補償”,改進了調頻市場的補償機制,由原先的僅按調頻容量補償變為考慮調頻容量與調頻效果的綜合補償,促進了儲能等高性能調頻電源的建設[55]。相較美國,雖然中國也已經建立了調頻輔助服務補償機制,但目前的輔助服務管理辦法中,把包括調頻在內的輔助服務提供者限定為并網發電廠。隨著中國電力體制改革的逐步推進,納入儲能系統的調頻市場機制會逐步建立。此背景下,計及風電波動限制指標約束的儲能調頻運行策略是未來研究的重點。

6)儲能壽命估計是儲能功率容量配置的關鍵。現有研究多基于儲能最大循環次數曲線估計儲能壽命。需注意的是,儲能最大循環次數是給定測試條件(環境溫度,儲能充放電速率等)下的實驗值,但儲能實際運行條件并非如此,因而帶來了估計誤差。另外,現有研究估計儲能壽命時均未考慮儲能容量損耗的影響。隨著儲能循環次數的增加,部分儲能(鉛酸電池儲能,鋰電池儲能等)的最大存儲容量逐漸減小,儲能放電深度發生改變,也會帶來估計誤差[56]。因此,建立綜合考慮環境溫度、儲能充放電速率、放電深度及容量損耗影響的儲能壽命估計方法是未來待研究的重要內容。

7)能源互聯網下的儲能綜合效益評價體系是未來研究的關鍵。能源互聯網中,儲能已成為大規模新能源發電接入和利用的重要支撐技術。配置在風電場端口的儲能系統,不僅可以平滑風電出力,也可以減少棄風,改善風電場電壓波動,提高風電場低電壓穿越能力,提供電網調頻、調峰、備用及黑啟動等。當確定風電場端口儲能系統的規劃方案時,如果僅考慮儲能平滑風電出力的效益,將會得出不具備經濟性的結論,這不利于該項技術的商業化推廣。因此,建立儲能綜合效益評價體系,對于全面評估儲能價值,促進投資者獲得國家政策的支持具有重要意義。

6 結論

在風電場端口集成儲能系統以平滑風電出力,可緩解風電功率波動對電力系統可靠性、穩定性等方面的不利影響,促進風電友好接入電網。基于此,本文首先總結了新型儲能技術示范項目的建設成果,其次梳理了儲能系統的類型選取,再次論述了儲能系統的風電平滑策略、功率容量配置方法等關鍵技術。最后,從儲能風電平滑策略、壽命評估等方面,探討了未來待研究的關鍵科學問題。

隨著儲能投資成本的下降及儲能政策的進一步完善,利用儲能系統促進風電接入電網將成為儲能電網應用的一個必然趨勢,而儲能系統運行策略及功率容量配置方法研究的進步也必將推動儲能系統的快速健康發展。

(徐國棟 程浩忠 馬紫峰 方斯頓 馬則良 張建平)

參考文獻

[1] 薛禹勝,雷興,薛峰,等.關于風電不確定性對電力系統影響的評述[J].中國電機工程學報,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] 馮紅霞,梁軍,張峰,等.考慮調度計劃和運行經濟性的風電場儲能容量優化計算[J].電力系統自動化,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.應用于平抑風電功率波動的儲能系統控制與配置綜述[J].電力系統自動化,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,龔裕仲.儲能技術輔助風電并網控制的應用綜述[J].電網技術,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,姚駿,等.基于變槳距和轉矩動態控制的直驅永磁同步風力發電機功率平滑控制[J].中國電機工程學報,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,楊水麗,侯朝勇,等.規模化儲能技術典型示范應用的現狀分析與啟示[J].電網技術,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] 劉宗浩,張華民,高素軍,等.風場配套用全球最大全釩液流電池儲能系統[J].儲能科學與技術,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] 中華人民共和國國家質量監督檢驗檢疫總局.風電場接入電力系統技術規定:GB/T 19963-2011[S].北京:中國質檢出版社,2011.

[11] 婁素華,吳耀武,崔艷昭,等.電池儲能平抑短期風電功率波動運行策略[J].電力系統自動化,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] 張坤,毛承雄,謝俊文,等.風電場復合儲能系統容量配置的優化設計[J].中國電機工程學報,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] 單茂華,李陳龍,梁廷婷,等.用于平滑可再生能源出力波動的電池儲能系統優化控制策略[J].電網技術,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] 張新松,顧菊萍,袁越,等.基于電池儲能系統的風功率波平抑策略[J].中國電機工程學報,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,吳建鋒,朱承治,等.具備荷電狀態調節功能的儲能系統實時平滑控制策略[J].中國電機工程學報,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,周瑋,孫輝,等.用于風電功率平抑的混合儲能系統及其控制系統設計[J].中國電機工程學報,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] 張峰,董曉明,梁軍,等.考慮目標分解及其互補平抑的風電場復合儲能容量優化[J].電力系統自動化,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] 謝石驍,楊莉,李麗娜.基于機會約束規劃的混合儲能優化配置方法[J].電網技術,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] 呂超賢,李欣然,戶龍輝,等.基于小波分頻與雙層模糊控制的多類型儲能系統平滑策略[J].電力系統自動化,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] 張野,郭力,賈宏杰,等.基于平滑控制的混合儲能系統能量管理方法[J].電力系統自動化,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.平滑可再生能源發電系統輸出波動的儲能系統容量優化方法[J].中國電機工程學報,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,嚴玉婷.實時平抑風電場功率波動的電池儲能系統優化控制方法[J].電力系統自動化,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,惠東.大型風電場用儲能裝置容量的優化配置[J].高電壓技術,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,徐寧舟,畢銳.用于平抑可再生能源功率波動的儲能電站建模及評價[J].電力系統自動化,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] 孫承晨,袁越,Choi S S,等.用于能量調度的風-儲混合系統運行策略及容量優化[J].電網技術,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] 張熙,張峰,鞏乃奇,等.基于荷電狀態動態調整的儲能電站容量規劃[J].電力自動化設備,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] 張峰,張熙,張利,等.區域風電場群儲能電站的優化配置及運行策略[J].電工技術學報,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] 馬速良,馬會萌,蔣小平,等.基于Bloch球面的量子遺傳算法的混合儲能系統容量配置[J].中國電機工程學報,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,羅毅,涂光瑜,等.考慮風電場可調度性的儲能容量配置方法[J].電工技術學報,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] 徐國棟,程浩忠,馬則良,等.考慮電網調峰能力限制的風儲聯合系統概論綜合效益評估方法[J].電網技術,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] 牛陽,張峰,張輝,等.提升火電機組AGC性能的混合儲能優化控制與容量規劃[J].電力系統自動化,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] 陳大宇,張粒子,王澍,等.儲能在美國調頻市場中的發展及啟示[J].電力系統自動化,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.