0 引言

    以風力發(fā)電為代表的可再生能源^[1]具有間歇和隨機性的固有屬性，隨著風力發(fā)電滲透率的持續(xù)提升，亟需增強當前電網(wǎng)對風電波動性的應對能力。儲能電站能夠?qū)崿F(xiàn)能量的存儲和釋放，成為目前可能解決風電波動問題的重要方式之一^[2]。當前理論研究和示范工程中^[3]，通過配置一定容量比重^[4]的儲能平抑其波動性^[5]，可平滑風功率輸出。儲能電站成為提升大規(guī)模風電可調(diào)控能力的重要途徑^[6]。

    國內(nèi)外學者指出儲能電站目前尚未有特性突出、綜合能力顯著的儲能介質(zhì)^[7]，優(yōu)勢特性互補的復合儲能^[8]是儲能技術(shù)未來重要的發(fā)展方向^[9]。復合儲能可彌補單一介質(zhì)的不足，有利于提升儲能電站的適應能力和運行可靠性^[10]，為儲能電站基于未來信息構(gòu)建動態(tài)優(yōu)化控制提供了可能?；诖?，本文提出了考慮超短期功率預測的儲能電站動態(tài)優(yōu)化控制方法，采用現(xiàn)場風功率運行數(shù)據(jù)進行了驗證分析，結(jié)果表明了該方法的有效性和可行性。

1 儲能電站充放電策略

1.1 儲能介質(zhì)特性分析

    以鉛酸蓄電池和LiB為代表的能量型儲能在當前諸多示范工程中獲得應用，該類型儲能能量密度大，儲能時間長，應嚴格限制其充放電狀態(tài)轉(zhuǎn)換次數(shù)；功率型儲能VRB具備頻繁充放電切換響應能力，可充放電次數(shù)高，適用于呈現(xiàn)頻繁快速變化特性的隨機分量的波動平抑。

1.2 充放電模型

    考慮到風能分布具有明顯的時間周期性，本文選取采樣步長為5 min，根據(jù)平抑目標確定儲能電站所需平抑的功率波動如圖1所示。以充放各一次的時長Δt為統(tǒng)計量，可得Δt在采樣點區(qū)間(1，14]的對應概率和達到85%，為Δt主要聚集區(qū)域。由此本文選定兩個充放區(qū)間作為遞進控制步長，得到遞進控制步長將以[35，155]min為主要聚集區(qū)間。

    根據(jù)儲能電站介質(zhì)的運行特性構(gòu)建主輔兩層控制策略，具體充放電模型為：

    (1)VRB優(yōu)先動作，LiB輔助平抑。遞進控制步長內(nèi)的單次充或放區(qū)間能量低于限值E_min，VRB優(yōu)先動作并在其SOC不越限、充放功率在限值范圍的前提下獨立平抑波動。核心目標在于發(fā)揮VRB的SOC大范圍變化特性，嚴格控制LiB充放電切換次數(shù)。該充放電模型對應具體運行模式為：

式中Δt為采樣步長。P(t)為平抑目標功率偏移量，P(t)>0對應HESS的充電，其數(shù)值對應充電功率；反之對應放電狀態(tài)，其數(shù)值為放點功率。Ei（i=1，2，3，4）為遞進控制步長對應的兩個充放區(qū)間的能量，且E_i=為各充放區(qū)間的始末時刻；同理E_i>0則代表HESS吸收能量，反之為釋放能量。[E_min-discha，E_min-cha]為VRB優(yōu)先啟動對應的充放能量區(qū)間。SOC_VRB(t)為VRB的SOC瞬時值，SOC_max-VRB、SOC_min-VRB分別為VRB的SOC運行上下限值。當滿足P_{max-discha-VRB}<P(t)<P_max-cha-VRB時，其中P_max-cha-VRB、P_{max-discha-VRB}分別為VRB的最大充、放電功率，本控制步長內(nèi)VRB獨立完成功率平抑；反之，則LiB輔助啟動協(xié)調(diào)平抑。

    (2)LiB主要動作，VRB輔助平抑。對于非VRB優(yōu)先動作狀況，發(fā)揮LiB能量密度高的優(yōu)勢，由其啟動并承擔主要平抑任務；對于VRB的啟動，取決于LiB充放電功率的變化速率及其SOC，其目標在于輔助LiB平抑目標或調(diào)整自身SOC以處于較優(yōu)運行狀態(tài)。VRB輔助啟動條件為：

式中，SOC_max-LiB、SOC_min-LiB分別為LiB的SOC運行上下限值，文中分別取0.9和0.2；P_max-cha-LiB、P_{max-discha-LiB}分別為LiB的最大充、放電功率；ΔP(t)為充放電功率的變化率，且ΔP(t)=P(t)-P(t-1)；ΔP_max-cha-LiB、ΔP_{max-discha-LiB}分別為LiB的最大充放電功率變化率；SOC_LiB(t)為LiB的SOC瞬時值。當LiB、Uc同時啟動時，當各自SOC或充放電功率同步越限時，將分別出現(xiàn)棄風和平抑功率不足的狀況。

2 儲能電站動態(tài)優(yōu)化控制模型

2.1 目標函數(shù)

    基于上述充放模型，構(gòu)建以儲能電站SOC運行狀態(tài)最優(yōu)為目標的優(yōu)化控制模型。已知遞進控制步長區(qū)間的各介質(zhì)初始SOC_int-LiB、SOC_int-Uc，基于充放電策略，使得本區(qū)間內(nèi)各介質(zhì)偏移最佳SOC的方差和最小，目標函數(shù)如式（3）所示。

    該目標函數(shù)主要解決本遞進控制步長區(qū)間內(nèi)充放能量在各介質(zhì)間的協(xié)調(diào)分配問題。其中，SOC_OLiB、SOC_OVRB分別為最佳運行SOC，本文分別取0.6和0.5；SOC_LiB(t)、SOC_VRB(t)分別為本區(qū)間各介質(zhì)的實時SOC數(shù)值，其數(shù)值基于充放電策略和風功率輸出確定。VRB優(yōu)先動作模式中，LiB僅針對充放電功率越限部分能量；而LiB主要動作模式下，在LiB啟動且其充放電功率及其變化率和SOC均滿足平抑條件時，將作為平抑能量主體。 

2.2 約束條件

    約束條件主要包括充放電功率約束、SOC約束。

    (1)充放電功率約束

2.3 求解算法

    本文采用魯棒性強、計算效率高的粒子群優(yōu)化算法（Particle Swarm Optimization，PSO）對算例進行求解，并對其進行適度改進，以克服動態(tài)邊界問題，同時遞進優(yōu)化的區(qū)間計算量相對較小，利于發(fā)揮PSO搜索精度高和收斂效果好的優(yōu)勢。具體模型求解步驟為：

    (1)根據(jù)遞進協(xié)調(diào)控制算法和本步長數(shù)據(jù)確定優(yōu)化目標函數(shù)；

    (2)設置粒子群維數(shù)D、最大迭代次數(shù)M_max、收斂精度σ_thresh，同時初始化粒子群位置x和速度v，并給定初始SOC_int-LiB、SOC_int-VRB數(shù)值；

    (3)根據(jù)既定充放電策略和目標函數(shù)計算各粒子適應度值M；

    (4)將各粒子適應度值與自身粒子極值及全局粒子極值比較，若適應度值較小，則更新各粒子個體極值e_best及全局例子適應度極值g_best；

    (5)判斷當前計算是否滿足收斂條件，若是，則提取當前P_LiB、P_VRB即為最優(yōu)充放電功率；若否，則更新各粒子位置x及速度v，并重復步驟(3)～(5)。

其中n為當前循環(huán)次數(shù)，c₁、c₂為粒子權(quán)重系數(shù)，w為慣性權(quán)重，r₁、r₂為（0，1）內(nèi)均勻分布隨機數(shù)，x_i、v_i為第i維粒子的位置與速度，g為約束因子。  

3 驗證分析

    為驗證本文方法有效性，基于風電場實際運行數(shù)據(jù)進行分析，該風場裝機容量75 MW，儲能電站中LiB額定容量配置為10 MWh，VRB為4.5 MWh，各采樣點間隔為5 min。運行參數(shù)中，LiB的SOC運行允許限值為[0.1，0.9]，而VRB的SOC運行限值為[0，0.95]；LiB的充放電功率限值均為13 MW，而VRB的充放電功率均為9 MW；經(jīng)統(tǒng)計該風場功率特征，E_min-discha取值為-1.1 MWh，而E_min-cha取值為1.0 MWh。

    (1)算例1：提取該風電場某年度5月份運行數(shù)據(jù)，基于本文所提方法，計算結(jié)果如表1所示。

    如表1所示，本文所提方法在相關(guān)評價指標上均有大幅改變，其中充放電啟動因采用VRB獨立承擔弱能量區(qū)間的充放電任務，LiB的啟動次數(shù)顯著降低，減少了77.9%；平抑效果方面，由于LiB和VRB的協(xié)調(diào)配合，使得平抑后的功率偏移量方差降低41.7%，保證了平抑效果；目標函數(shù)數(shù)值M降低46.9%。

    選取一定時間截面區(qū)間P_LiB(t)、P_VRB(t)顯示如圖2所示，SOC_LiB(t)、SOC_VRB(t)如圖3所示。充放電功率方面，可以看出，P_LiB(t)和P_Uc(t)的協(xié)調(diào)使得各自充放電功率越限次數(shù)降低，同時P_Uc(t)獨立承擔弱能量區(qū)間的充放電使P_LiB(t)有效減少充放電啟動，而在兩者同時充放啟動的狀況下，P_LiB(t)可承擔更多的平抑任務；結(jié)合圖3中SOC可以看出，其SOC_LiB變化較SOC_VRB要小，LiB適合于淺充淺放，而VRB則可發(fā)揮其SOC可大范圍變化的優(yōu)勢。

    (2)算例2：提取該風電場某年度10月份運行數(shù)據(jù)，計算結(jié)果如表2所示。選取一定時間截面區(qū)間P_LiB(t)、 P_VRB(t)、SOC_LiB(t)、SOC_VRB(t)分別如圖4、圖5所示。

    表2中相關(guān)評價指標同樣均有較大幅度優(yōu)化，其中LiB的啟動次數(shù)相比減少78.3%，而平抑后的功率偏移量方差降低43.5%；同時本文目標函數(shù)數(shù)值M降低50.8%?？傮w而言達到了本文方法的目標；在充放電功率和荷電狀態(tài)方面，該算例同樣較好地實現(xiàn)了本文方法的優(yōu)化目標。當放電平抑任務較重、需較大容量放電容量時，此時兩者同時啟動，LiB承擔較大放電容量；但若其SOC接近下限，此時VRB則承擔起了剩余放電功率。

    綜上所述，本文提出的考慮功率預測的儲能電站動態(tài)充放電策略可有效實現(xiàn)遞進控制區(qū)間的運行最優(yōu)化。所提方法可保證各介質(zhì)SOC運行狀態(tài)及平抑效果的前提下有效減小LiB的充放電轉(zhuǎn)換次數(shù)，充分發(fā)揮VRB的介質(zhì)特性。

4 結(jié)論

    本文考慮將超短期風功率預測引入儲能電站的控制過程，同時提出VRB優(yōu)先動作或LiB主要動作的充放電策略，目的是通過遞進式的區(qū)間優(yōu)化實現(xiàn)儲能電站的動態(tài)經(jīng)濟控制；通過構(gòu)建遞進區(qū)間控制的優(yōu)化目標函數(shù)，并考慮實際條件約束，給出了基于粒子群算法的實現(xiàn)流程和求解步驟。利用實際風電場運行數(shù)據(jù)進行驗證，根據(jù)平移后的功率偏移量、SOC運行區(qū)間等多個評價指標的分析結(jié)果，表明本文控制方法對儲能電站的充放電轉(zhuǎn)換次數(shù)及平抑效果等均具有顯著效果。本文所提控制方法高效可靠，具有一定的理論價值和實際應用價值。

參考文獻

[1] 肖湘寧，陳征，劉念.可再生能源與電動汽車充放電設施在微電網(wǎng)中的集成模式與關(guān)鍵問題[J].電工技術(shù)學報，2013，28(2)：1-14.

[2] BARTON J，INFIELD D.Energy storage and its use with intermittent renewable energy[J].IEEE Trans.on Energy Conversion，2004，19(2)：441-448.

[3] 高明杰，惠東，高宗和，等.國家風光儲輸示范工程介紹及其典型運行模式分析[J].電力系統(tǒng)自動化，2013，37（1）：59-64.

[4] 施琳，羅毅，涂光瑜，等.考慮風電場可調(diào)度性的儲能容量配置方法[J].電工技術(shù)學報，2013，28(5)：120-127.

[5] 袁鐵江，陳潔，劉沛漢，等．儲能系統(tǒng)改善大規(guī)模風電場出力波動的策略[J]．電力系統(tǒng)保護與控制，2014，42(4)：47-53.

[6] TELEKE S，BARAN M E，BHATTACHARYA S，et al.Optimal control of battery energy storage for wind farm dispatching[J].IEEE Trans on Power Systems，2010，25(3)：787-794.

[7] 蔣凱，李浩秒，李威，等.幾類面向電網(wǎng)的儲能電池介紹[J].電力系統(tǒng)自動化，2013，37(1)：47-53.

[8] 楊珺，張建成，周陽，等.針對獨立風光發(fā)電中混合儲能容量優(yōu)化配置研究[J].電力系統(tǒng)保護與控制，2013，41(4)：38-44.

[9] 張國駒，唐西勝，齊智平.平抑間歇式電源功率波動的混合儲能系統(tǒng)設計[J].電力系統(tǒng)自動化，2011，35（20）：24-28.

[10] 程時杰.大規(guī)模儲能技術(shù)在電力系統(tǒng)中的應用前景分析[J].電力系統(tǒng)自動化，2013，37（1）：3-8.