风电友好并网的新引擎-储能系统

发布日期：2018-01-29 来源：北极星电力 浏览次数：594

近年来,风力发电在世界范围内得到了快速发展。随着风电渗透率不断增大,风力发电在为电网输送大量清洁电能的同时,对电力系统可靠性、稳定性等方面的影响愈发显著。究其原因,主要在于风速的波动性、间歇性及随机性引起风电功率波动,并且难以准确预测。因此,研究平滑风电出力,实现稳定可靠的风电输出具有重要意义。

为减小风电功率波动对电力系统的不利影响,不同国家根据自身电力系统的特点对风电场设置了不同的风电波动限制指标。例如：美国ERCOT电力公司与德国E.ON电力公司的风电波动限制指标均为每1 min最大波动量不超过风电场装机容量的10%;中国根据风电场装机容量,分别在1 min、10 min两个时间尺度对最大波动量进行限制。基于此,本文中平滑风电出力是指在风电场内部或端口采取措施,减小风电场分钟级功率波动,使其满足风电波动限制指标要求。

目前,平滑风电出力主要包括风电机组改进控制与储能系统辅助控制两类方法。文献[5]提出了一种结合风力机变桨控制和发电机变速控制的发电机有功功率平滑控制策略,该策略可降低直驱永磁同步风力发电机输出有功功率的波动,控制发电机转速运行范围。然而,风电机组改进控制多以牺牲风能捕获效率为代价,影响了风电机组的运行经济性。在能源互联网的推动下,以大规模电池储能为代表的新型储能技术得以快速发展,在风电场端口集成储能系统以平滑风电出力正逐渐成为理论研究与工程示范的热点。在理论研究领域,研究主要集中在储能系统的风电平滑策略、功率容量配置方法等关键技术;在工程示范领域,世界上已有多个可用于平滑风电出力的储能示范项目,例如美国Kahuku风电场储能示范项目、中国张北风光储输示范项目等。

综上,本文首先总结了新型储能技术示范项目的建设成果,其次梳理了储能系统的类型选取,再次论述了储能系统的风电平滑策略、功率容量配置方法等关键技术。最后,探讨了未来待研究的关键科学问题,以期为储能系统平滑风电出力的研究与应用提供一定借鉴。

1 新型储能技术示范项目的建设成果

首先总结了新型储能技术示范项目的建设成果,随后列举了国内外典型的可用于平滑风电出力的储能示范项目,最后选取一个典型项目进行介绍。

1.1 建设成果

根据美国能源部信息中心项目库的不完全统计,截至2016年8月,全球新型储能技术示范项目高达1000余项,其中已运行储能项目约900项,已宣布与在建项目约100项。已运行或在建的储能示范项目国家分布如图1所示。

美国在储能装机规模与示范项目数量上都处于领先地位,项目数量占全球总数量的48%,主要为太阳能热发电熔融盐储能;我国次之,项目数量占全球总数量的7%,主要为电化学储能;韩国占6%,全部为电化学储能;西班牙占5%,主要为太阳能热发电熔融盐储能。

上述示范项目的应用模式主要包括：促进集中式风电、光伏接入电网,提高输配电及用电侧可靠性,提升分布式发电或微电网运行能力,以及提供电网辅助服务。表1列出了国内外典型的可用于平滑风电出力的储能示范项目。由表1可知,示范项目的储能系统多为电池储能。这主要由于,电池储能布点灵活且具有较快的响应速度及较高的能量密度,既可平滑风电出力,也可实现缓解弃风、参与调峰、提供备用等功能。

1.2 中国辽宁卧牛石风电场

中国辽宁卧牛石风电场安装有33台1.5 MW风力发电机组,总装机容量49.5 MW。风电场经66 kV母线接入辽宁电网。储能系统选用全钒液流电池(5MW/10 MW•h),采用模块化设计,单元储能系统输出功率为352 kW,整套储能系统由15套可独立调控的352 kW单元储能系统构成。在能量管理系统的统一调度下,储能系统包含平滑风电出力、跟踪计划出力、缓解弃风、暂态有功出力紧急响应及暂态电压紧急支撑等功能。

实际运行数据表明,储能平滑风电出力后,风电场1 min最大波动量大幅减小,可以实现其小于GB/T 19963—2011《风电场接入电力系统技术规定》中最大波动量限值4.95 MW的控制目标。

2 储能系统的类型选取

储能系统的类型选取是储能风电平滑策略及功率容量配置方法的前提,而风电波动限制指标及储能系统功率特性是影响储能系统类型选取的关键因素。为此,本节根据风电波动限制指标及储能系统功率特性,给出了平抑不同时间尺度风电功率波动的储能系统参考类型。

为定量描述风电功率波动,现有研究提出了给定时间尺度风电功率最大波动量、相邻采样时刻风电功率波动量及归一化标准差等评价指标。给定时间尺度风电功率最大波动量,从时间尺度、波动幅值两个维度对风电功率波动进行描述。相邻采样时刻风电功率波动量,多反映风电功率的爬坡速率。归一化标准差本质为标准差的标幺值,基准值为风电场装机容量。该指标越大,风电波动越明显,反之亦然。

目前,不同国家多采用给定时间尺度风电功率最大波动量,作为风电波动限制指标。该指标的时间尺度和波动幅值分别对储能系统的功率特性和存储容量提出了要求。因此,储能系统的类型选取应重点关注储能系统的功率特性。表2给出了主要储能系统的功率特性指标。

当平抑短时间尺度(1 min以下)风电功率波动时,对储能系统的响应时间、循环次数提出了较高要求,多采用超级电容储能、飞轮储能及超导磁储能;当平抑较长时间尺度(数min到数10 min)风电功率波动时,对储能系统的能量密度提出了较高要求,多采用锂电池、铅酸电池及液流电池等电池储能;压缩空气储能、抽水蓄能虽然技术成熟,但由于其对地理环境的特殊要求以及其典型放电时间与平滑风电出力时间尺度的不匹配,两者不适合配置在风电场端口平滑风电出力。此外,当需平抑多个时间尺度的风电功率波动时,多采用混合储能系统,例如超级电容与电池混合储能系统。

综上,虽然根据风电波动限制指标及储能系统功率特性,可得到平抑不同时间尺度风电功率波动的储能系统参考类型,但储能系统最终类型的确定还需结合储能系统的风电平滑策略及功率容量配置方法进行综合分析。

3 储能系统的风电平滑策略

图2给出了储能系统平滑风电出力的基本流程。首先获取风电目标出力,随后综合风电功率及风电目标出力确定储能初始功率计划,并通过能量状态反馈控制予以修正,最终在储能内部单元间进行功率分配,确定各单元充放电功率指令。其中,获取风电目标出力、能量状态反馈控制是风电平滑策略的核心。

3.1 获取风电目标出力

风电目标出力是指经储能系统平滑后期望得到的风电功率。风电目标出力的获取方法与储能系统的风电平滑策略密切相关。目前,风电平滑策略可分为两类：直接平滑策略与间接平滑策略。两者区别在于平滑后能否实现风电调度,其中风电调度是指风电功率在给定时间窗口内为一定值。由于前者仅需满足风电波动限制指标要求,所需储能功率容量较小,而后者需实现风电调度,所需储能功率容量较大。基于此,风电目标出力的获取方法也相应分为两类：直接平滑策略的风电目标出力获取方法与间接平滑策略的风电目标出力获取方法。

3.1.1 直接平滑策略的风电目标出力获取方法

风电目标出力获取方法主要包括以下几种：一阶滤波、卡尔曼滤波及小波滤波等滤波控制算法,滑动平均、加权移动平均及模型预测控制等其他控制算法。

1)滤波控制算法。

一阶滤波算法的关键控制参数为滤波时间常数,滤波时间常数越大,风电目标出力越平滑,需要的储能功率容量越大,反之亦然。文献[12]通过一阶滤波算法获取风电目标出力,分析了不同滤波时间常数下的风电平滑效果。文献[14]采用一阶滤波算法得到风电场侧、电网侧储能的风电目标出力,并通过神经网络拟合储能配置容量、滤波时间常数与风电波动评价指标的关系,最终得到储能最佳配置容量与最佳滤波时间常数。上述文献均通过定时间常数一阶滤波算法获取风电目标出力,但由于风电功率的不确定性,定时间常数一阶滤波算法易引起过补偿,增大储能配置容量。

针对上述不足,已有学者开展了利用变时间常数一阶滤波算法获取风电目标出力的研究。文献[15]根据实测波动率调整滤波时间常数,减小了储能出力与荷电状态的变化。文献[16]提出了一种通过优化模型调整滤波时间常数的新思路,首先将多时间尺度的风电波动限制指标转化为不等式约束,随后滚动求解优化模型调整滤波时间常数,提高了风电平滑效果。

卡尔曼滤波算法已在短期负荷预测、动态状态估计等方面得到了广泛应用。文献[17]提出了一种模糊自适应卡尔曼滤波控制策略,在平滑风电出力的条件下,有效管理储能荷电状态。文献[18]根据风电功率波动量,调整卡尔曼滤波的过程噪声和量测噪声协方差,减小了储能配置容量。

小波变换具有处理非平稳信号序列的强大能力,在处理风电波动特性方面具有显著的优势。文献[19]通过Meyer小波获取风电目标出力,利用超级电容储能平抑风电功率波动的高频分量,双电池储能平抑风电功率波动的低频分量,并根据电池容量与荷电状态的乘积在双电池储能间分配功率。文献[20]提出了一种混合储能协调控制策略：首先通过小波滤波获取满足风电波动限制指标要求的混合储能综合出力,随后根据超级电容储能与电池储能的最佳匹配频带分配功率。

2)其他控制算法。

滑动平均算法的关键控制参数为滑动平均时段长度M：若M选择过大,风电功率随时间变化的长期趋势会反映在分钟级波动分量上;若M选择过小,风电功率的短时波动会反映在持续分量上。文献[21]将M取为30 min,选择风电功率持续分量作为风电目标出力,并设计了一种储能在线运行策略,避免了储能在充放电状态间频繁转换。

加权移动平均算法的两个重要参数分别为权重与移动平均项数N。前者反映对各时刻风电功率的重视程度,后者与滤波效果紧密相关：N越大,通带越窄,滤波后风电出力越平滑,反之亦然。文献[22]根据前一时刻充放电平衡度指标调整N,并将前N-1时刻的风电功率加权平均值作为当前时刻的风电目标出力,克服了普通方法在风电功率骤变时平滑效果变差的不足。

模型预测控制算法是一种基于过程预测模型,采用回退视界策略,综合考虑系统动态性能、控制目标及约束条件的在线优化控制方法。文献[23]构建了以控制时域内储能出力与储能存储能量偏差平方和最小为目标,考虑风电爬坡速率等约束的优化模型,采用二次规划算法求解。

本文由中国电气网搜集整理，不代表中国电气网的立场，中国电气网承诺:我们不制造电气电力资讯，我们是电气电力资讯的搬运工。欢迎加入电气网。我们这里有你需要的电气信息。