风电储能系统能量调度策略研究

陶学军，陈娜娜，岳红轩

（1.许继电气股份有限公司 河南 许昌 461000；2.河南工业大学 河南 郑州 450007）

由于环境污染和传统能源短缺问题日益严重，风能、太阳能、地热能等绿色可再生能源的开发利用已成为全世界关注的焦点。而今，风能作为主要的可再生能源，风力发电技术在全球范围内迅速发展。目前很多大中型风电场一般直接接入电网，但风能的随机性和间歇性导致风电电能波动从而影响电网电能质量，如果这些问题处理不当，不仅危害电网负载，给生产生活带来巨大损失，同时也会影响风电的发展[1]。

针对风电并网出现的问题，本文提出基于铅酸蓄电池储能系统、结合负荷用电预测信息，利用模糊理论“最大—最小”合成理论[2]，合理调度储能系统充放电的电量，改善并网后的电网品质。本文基于MATLAB/SIMULINK建立了风电储能系统能量调度策略的整体数学模型[3]，设计了基于“最大—最小”算法的能量调度控制器，仿真结果验证了风电储能系统能量调度策略的正确性及控制器的有效性。

1 系统的整体结构

风电储能系统能量调度主要包括：电网负载用电量的预测、储能系统（铅酸蓄电池组成）、风力发电机组（不做详细介绍）和调度控系统制器4大部分，其总体结构框图如图1所示。

图1 风电储能调动系统结构框图Fig.1 Wind energy storage scheduling system structure diagram

2 系统主要部分的模型和仿真结果

2.1 铅酸蓄电池的数学模型

要对能量调度进行较为精确的充放电控制，就要求组成储能系统的铅酸蓄电池模型能够较为准确的反映出各个物理化学参数的变化对蓄电池剩余容量的影响。文中蓄电池的模型[7]，考虑温度变化对电池的极化反应的影响，并以25℃时的特性作为参考标准，分别对极化效应和电阻进行温度补偿，对极化效应的温度补偿因子为：Ct（Tb－25）；对电阻的温度补偿因子为：1－0.025×（Tb－25）， 其中：Ct为温度系数；Tb为电池的温度。

设Q为蓄电池充满状态时的额定容量，Eb为蓄电池的充放电时的端电压，E为受控电压源，R为电池内阻，Eo为蓄电池初始电压，K为极化常数，En为标称电压，A为试验系数，B为试验指数，η为充放电效率，充放电过程中的电流为i（t），充电时 i（t）＜0，放电时 i（t）＞0。

蓄电池的剩余电量SOC则为：

蓄电池的充放电的电压：

根据公式（1）～（4）在Matlab/Simulink环境中搭建铅酸蓄电池模型如图2所示。

图2中电流信号是由函数发生器输出幅值为100的方波代替，其输出的电压V、功率P、电流A和蓄电池的剩余电量SOC的波形如图3所示，各变量的输出波形达到理想标准。

图2 铅酸蓄电池模型Fig.2 Lead－acid battery model

图3 铅酸蓄电池仿真波形Fig.3 Lead－acid battery simulation waveform

2.2 负荷用电量的估计

为对储能系统作出较为精确的充放电控制，因此对风电场的发电量和负荷用电量做较为准确的估计非常必要，根据国家电网公司文件关于《风电调度运行管理规范》中的规定：风电场应配备风电功率预测系统，可向调度机构提前交日前和超短期（未来15分钟至4小时）预测结果。根据气象条件与用电负荷的关系，把用电负荷分为以下3类[6]：1）照明、普通家电、电炊具等这类负荷主要集中在三餐时间和晚上 （尤其是7、8月份）用电较多；2）工业负荷受气温和季节影响较小用电量相对来说比较稳定；3）商场、餐饮业等负荷主要影响晚高峰且随季节变化较大。

根据电力部门对用电负荷短期预测规定：对1－7日的用电负荷预测，主要预测指标为24点或96点的日用电负荷。调度系统参考预测信息进行电网合理供电。根据某地区一年的负荷用电量数据统计，仿真出的负荷用电量结果如图4所示[8]。

图4 某地区负荷用电量曲线Fig.4 Curve of load power consumption

3 调度控制器的数学模型

调度控制器采用模糊“最大—最小”算法，主要功能是平抑风电并网后的电能波动，确保向电网健康供电。令PL是负载需要的功率，PW是风机发出的功率，PB是蓄电池充放电的功率[4]，△P=PL－PW。

3.1 确定控制器的输入输出量

该控制器的输入量为误差e=△P－PB，误差变化率ec=è；输出量为蓄电池的充放电电流i。误差e、误差变化率ec、控制量 i的实际范围，即它们的基本论域为[-emax，emax]、[-ecmax，ecmax]和[-imax，imax]。设e、ec、和i语言变量所取的模糊集合的论域分别为 X=Y=Z{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}。

3.2 确定量化因子和比例因子

误差、误差变化率和控制量的量化因子分别用下面3式确定：ke=6/emax；kec=6/ecmax；ki=imax/6

误差和控制量的语言值选 7 个{PL，PM，PS，ZE，NS，NM，NL}， 误差变化率的语言值选用 8 个{PL，PM，PS，PZ，NZ，NS，NM，NL}，而 3 者的量化等级都为 13 个 X=Y=Z{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}， 图 5 只给出了输入 e 和输出 i的隶属函数图：

图5 语言变量e和i的隶属函数图Fig.5 Membership function diagram of language variable

根据各个模糊子集的隶属度赋值表和各参数模糊控制模型，利用模糊理论中“最大—最小”合成算法，得到一系列的模糊推理关系，在Matlab/Simulink环境中建立模糊控制器模型如图6所示。

4 系统整体模型及仿真结果

系统主要根据储能系统的剩余电量（SOC）和负荷用电量与机组发电量之差是对储能系统进行合理的充放电控制[7]，设PL是负载需要的功率，PW是风机发出的功率，PB是蓄电池充放电的功率，△P=PL-PW。由于铅酸电池的充放电电量在20%-80%之间，控制策略可分为以下4种情况：当△P<0，SOC<80%时，控制蓄电池充电；当△P>0，SOC>20%时，控制蓄电池放电；当△P>0，SOC<20% 时，此时负荷需求较大，而蓄电池剩余电量较小，要向负载发出有效地警告；当△P<0，SOC>80%时，此时负载用电量较小，而蓄电池的电量已经达到最大，需要根据负载的用电量来控制风机的发电功率。以上4种情况在整个系统运行过程中是相互转化的。

图6 模糊控制器Fig.6 Fuzzy controller

自适应PID模糊控制器依据上述控制策略，根据运行过程中不同的状态进行自动协调控制。在Matlab/Simulink环境中搭建的风电储能系统能量调度整体控制模型如图7所示 。

根据搭建的风电储能系统能量调度的整体控制器模型，可以仿真此控制器存在与否时，负荷用电量与风力发电机之间的矛盾与冲突，矛盾与冲突的程度影响电网质量[8-10]。

图7 系统整体控制模型Fig.7 System model

没有调度控制器系统的情况下，负荷用电量与风力机组发电量之差的仿真如图8，从图片可以看出，电网负荷用电量与风机组发电量差值比较大，这正说明负荷用电和风电机组发电量有明显的冲突和矛盾，这样并网后会影响电能质量和用电设备的健康，电网调度也比较困难。

图8 无控制器时负荷用电与机组发电量之差Fig.8 Difference of power consumption and generating capacity with no controller

加上合适容量的储能设备和储能调度系统后，仿真结果如图9所示，仿真曲线比较平缓，电网负荷用电量与风机组发电量差值明显减小，因此减小了电网负荷用电功率与风机组发电功率的冲突和矛盾，仿真结果有明显改善，保证电网供电质量。

图9 平抑后负荷用电与机组发电量之差Fig.9 Difference of power consumption and generating capacity with controller

调度系统通过对储能系统的充放电控制，能协调用电高峰和风机组发电之间的矛盾与冲突，并配合电网对用电负荷进行安全、健康供电。

5 结束语

文中设计了基于模糊理论“最大—最小”算法的调度系统控制器，并在Matlab/Simulink环境下建立模型，进行仿真。仿真结果显示：不添加调度系统控制器，风电并网影响电网电能质量，添加调度系统控制器能有效抑制电能波动，一定程度优化风电发电量。仿真结果表明，风电储能调度策略的正确性和控制器的有效性。该方案具有很好的应用前景。

[1]钟勇.风光互补发电系统中蓄电池充放电控制器的研究[D].合肥：合肥工业大学，2006.

[2]廉小亲.模糊控制技术[M].北京：中国电力出版社，2003.

[3]黄永安，马路.MATLAB7.0/Simulink6.0建模仿真开发与高级工程应用[M].北京:清华大学出版社，2005.

[4]Abbey C， Strunz K， G’eza Jo’os.A knowledge-based approach for control of two_level energy storage for wind energy systems[J].IEEE Transactions on Energy Conversion，2009，24（2）：539—547.

[5]Cherif A，Jraidi M，Dhouib A.A battery ageing model used in stand alone PV systems[J].Journal of Power Sources，2002 ，112（1）：49-53.

[6]张鹏，刘继春，吕林，基于风储协调的节能调度方法[J].电力系统保护与控制，2011，39（2）29-34

ZHANG Peng， LIU Ji-chun， LV Lin， The energy-saving dispatch based on the coordination between pumped storage hydro and wind energy[J].Power System Protecting and Control，2011，39（2）:29-34.

[7]吴铁洲，张永飞.蓄电池的建模与能量管理研究[J].华中科技大学学报，2010，38（4）：31-33.

WU Tie-zhou，ZHONG Yong-fei.Battery modeling and energy management[J].Huazhong Univ.of Sci.&Tech.2010，38（4）:31-33.

[8]刘韬文，李孝杰，考虑风力发电的电力系统经济调度[J].电力系统保护与控制，2007，35（S1）:276-279.

LIUTao-wen，LI Xiao-jie.Economic dispatchof powersystem incorporating wind power plant[J].Power System Protection and Control，2007，35（S1）:276-279.

[9]徐致远，罗先觉，牛涛.综合考虑电力市场与节能调度的火电机组组合方案[J].电力系统自动化，2009，33（22）：14-17.

XU Zhi-yuan， LUO Xian-jue， NIU Tao.Thermalunit commitmentscheme considering electricity marketand energy saving dispatch[J].Automation of Electric Power Systems，2009，33（22）：14-17.

[10]任博强，彭鸣鸿，蒋传文，等.计及风电成本的电力系统短期经济调度建模[J].电力系统保护与控制，2010，38（14）:67-72.

REN Bo-qiang，PENG Ming-hong，JIANG Chuan-wen，et al.Short-termeconomicdispatch of power systemmodeling consideringthe cost of wind power[J].PowerSystemProtection and Control，2010，38（14）:67-72.