风场储能系统的设计及控制综述

任 惠，范雯惠，米增强

（华北电力大学，河北 保定 071003）

风能是当前世界上最具大规模商业化开发潜力的可再生能源。大规模开发利用风能发电已经成为世界各国解决能源和环境问题、改善能源结构、保证国民经济可持续发展的有效措施之一。我国风能资源丰富，可开发的风能潜力巨大，陆上加海上总的风能开发量有1000～1500 GW，风电具有成为我国未来能源结构中重要组成部分的潜力。然而风电具有高随机性的特点，大规模接入电力系统将会给系统运行及规划带来问题。即使风场具有风功率预测功能且风功率预测性能也在不断提高，但是仍然存在很大的不确定性。如12 h预测的归一化NMAE（绝对差均值）仍有10%（平原）～22%（复杂地势）的误差[1]。从系统角度而言，尤其在大规模风电入网情况下，必须提高系统调峰容量，以消纳风电的随机波动，从而保证运行可靠性。从风场主和投资者的角度而言，风电的波动性也是阻碍其参与日前及实时（小时）电力市场的主要因素。因为与计划偏差超过一定程度的输出风功率将会受到惩罚，为风场主带来显著的经济损失。因此，在风功率预测基础上，配备专门的控制设备能够对风场输出的功率和电压进行控制，既是电网对风场提出的要求，也符合风场主和投资者的需求。

采用储能系统，在一定程度上控制风场的输出功率，实现风电功率波动平抑，改善低电压穿越能力，甚至为系统提供辅助服务，是从风场侧提高系统对风电接纳能力的可行解决方案之一。

目前，国内外学者及工程技术人员已就储能系统在风场、微网等的应用进行了大量的研究及工程实践尝试。文献[2-4]就储能系统的特点及作用进行了综述。文献[5]详细介绍了世界各地储能系统的应用实例。

本文在前述研究基础之上，重点针对储能型风场内蓄电池储能系统的系统设计方案、容量优化及控制策略的研究现状及关键问题进行综述及探讨。

1 风电场运行面临的主要问题

由于受日照的影响，中国内陆自然风在30 m以上的高度，其日变化特性往往呈现出夜间风大而白天风小的特征，中午前后是自然风的低谷阶段，而夜间至凌晨是自然风的高峰阶段，因此，其日出力特性往往呈现出相应的反调峰特性。且由于风电预测系统仍然存在较大的误差，因此，从系统的层面看，大容量风场接入会给系统运行带来很多技术和经济层面的问题。技术层面主要是电压和频率波动，而这一问题反过来限制了风电接入的容量；经济层面则可能由于风场的风功率预测误差导致不能保证发电竞价而遭受系统的惩罚。风场能够在调度命令下进行有功功率调整，为系统提供旋转备用，许多储能系统具备此能力，其中技术层面的问题主要表现在以下几方面。

（1）随着接入容量的增加，大容量风场或风电场群有功功率输出随风速波动所引起的调频问题将不容忽视。在极端情况下，风电出力可能在 0～100%范围内变化。风电出力有时与电网负荷呈现明显的反调节特性，给调频增加难度。

（2）由于风电具有随机性、间歇性、反调节性及波动大的特点，所以对系统调峰的影响主要表现在：①大规模风电接入导致电网等效负荷峰谷差变大，客观上需要增大调峰容量；②风电的反调节特性进一步加大了对系统调峰容量的需求。

（3）风机及风场输出的快速波动（分钟级以下）会给系统带来频率及电压扰动，从而影响电能质量。在外部电网发生电压跌落时，需要在风场入网点对风场实施电压控制，以防止由于风场脱网而导致的电压崩溃。因此，入网规定要求风场具有低电压穿越能力。

（4）大容量风电接入后，导致系统在扰动后维持稳定的能力被削弱。未来风场可能会要求通过控制，参与扰动后系统同步的维持。因此，会要求风场通过吸收或者额外注入有功功率，参与平抑系统功率波动。

2 大规模储能技术

电力系统应用可以采用多种储能技术。其适用性要根据投资、寿命、可靠性、容量、尺寸和环境影响等因素进行综合考虑。储能技术大致可以分为：机械储能、电化学储能和电磁储能，如图1所示。

机械储能包括抽水蓄能、压缩空气储能和飞轮储能；电化学储能包括各种类型的蓄电池和氢气储能；电磁储能包括超级电容器和超导储能；另外还包括储热和深冷储能。

图1 储能技术的分类Fig.1 Classification of energy storage technologies

所有的储能技术中，蓄电池具有易于安装、不受安装地点限制、能有效实现能量压缩存储的优点[6]。

蓄电池作为目前最有投资/成本效益的储能技术之一，具有模块化、响应快、商业化程度高的特点。随着技术革新和新型电池研制成功，蓄电池的效率、功率、能量和循环寿命均得到了显著提高。电池储能系统安装灵活，建设周期短，已在电力系统中有许多成功的应用。如美国AESS公司安装了12 MW的锂离子电池储能系统，用于提供旋转备用、调频等辅助服务。中国国家电网公司和南方电网公司均建立了兆瓦级的锂离子电池储能电站，开展相关示范研究[3]。锂铁电池的一个主要特点是其快速充放电能力。时间常数（即达到90%额定功率的时间）约为200 ms，3500次充放电循环内，效率约为78%[7]。而且锂铁电池比较适用于短时的应用，原因是其相对较高的自放电率（1%～5%）[7]。

由于锂铁电池的寿命与其放电深度有直接的关系，在实际应用中，锂铁蓄电池不适宜作为备用电池，因为需要使用时，可能已经达到其放电极限。所以需要专门的保护电路对其运行电压和温度进行监控[7]。此外，初始投资高也是影响锂离子电池在电网储能领域广泛应用的重要因素之一。在充放电随机性较大和充电频繁的应用场合，循环寿命仍然制约着锂离子电池的应用。锂离子电池在过充、内部短路等情况下会升温，存在一定的安全风险[3]。

钠硫电池储能电站在全世界安装数量已有 200多座。日本Futamata风电场安装了34 MW的钠硫电池储能系统，用于平滑风电输出功率波动。钠硫电池高温运行，需要进行严格的温度控制，电极活性物质处于熔融状态，电解质制备及稳定性要求苛刻，存在较高的安全风险[3]。

全钒液流电池几乎无自放电，循环寿命长，功率和容量可独立设计，容量可扩展性强，适用于大容量储能应用。全钒液流电池研究始于澳大利亚，加拿大、日本等在其商业化方面开展了大量工作。日本 Hokkaido 30.6 MW 的风电场安装了 6 MW/6 MW·h的全钒液流电池系统。爱尔兰SorneHill风电场安装了2 MW/2 MW·h的全钒液流电池系统，均用于平滑风电场输出功率波动。中国河北省张北县地区也安装了兆瓦级的全钒液流电池储能系统，用于配合风光并网发电[3]。

3 改善风场运行性能的储能系统配置及控制策略

3.1 系统设计

分钟级的快速功率波动会导致系统频率和电压波动，从而对电能质量产生不利的影响[8]。采用储能系统实现功率波动平抑，要求储能系统具有快速的爬坡率和较高的充放电循环能力，因此需要快速的功率调制和连续调控操作。电池（传统铅酸电池除外）、液流电池，特别是具有较短时间常数的储能技术（如超导、飞轮和SMES）也可应用于此。

双馈风机功率波动平抑的典型解决方案是在其背靠背逆变器的DC支路中增加ESS。储能装置配有控制器，能够与风机及其它控制器相交互，从而能够优化输送到外部电网的功率。典型设计如图 2所示[9]。

图2 储能型风电场联网示意图Fig.2 Schematic of the wind farm-BESS power station interconnected to gird

文献[10-13]应用SMES实现波动平抑，但储能装置安装在风场和电网的PCC连接处。采用这种结构，储能系统的容量能达到几个兆瓦。文献[12]采用15 MW·h/60 s储能以实现100 MW风场的功率平抑。此例中，风场通过一个背对背DC环与外部电网相连。此外，通过控制SMES的充电率和放电率，风场的功率逆变器容量减小了60%。但是需要考虑SMES的投资和由于位置低温运行以及漏磁的功率损失。

文献[13]设计了双蓄电池系统的储能型风场方案，采用两组蓄电池，一组备用，由风机向蓄电池充电；另外一组向电网放电，如图3所示。

还可以综合考虑不同储能技术，实现混合储能系统，例如采用蓄电池与其它快速响应储能技术相结合[14]，利用不同储能技术的响应速率不同，实现不同时间尺度的波动信号的平抑，如图4所示。

图3 双蓄电池系统的储能型风场示意图Fig.3 Schematic of the wind farm-double-BESS power station interconnected to gird

图4 HESS平抑风功率波动过程Fig.4 Smoothing process of wind power fluctuations by HESS

文献[15]比较了单电池储能和电池储能结合超导储能的风功率波动平抑效果。

风场与外部电网相连的PCC电压控制是风场运行控制的另外一个研究重点，用以防止外部电压跌落时风机脱网从而导致网络的电压崩溃。因此，风电入网规定中要求风场能够承受额定电压跌至0，且能够在一定时间内保持连网，这些规定称为低电压穿越规定。由于许多风力发电技术都需要使用功率逆变器，因此可以在这些情况下调整注入电网的无功功率[16-18]。在这些运行情况下，并不一定需要安装储能装置，但储能装置可以防止逆变器的直流环由于过电压而被损害。

文献[19]在双馈风机背对背逆变器的直流环上接入了超导。大量仿真结果表明配置储能装置后，提高了系统的低电压穿越能力。建议采用模糊控制实现超导的C-PCS控制和风机逆变器控制之间的交互，从而减小扰动过程中DC环的电压波动。

文献[20]将超导连接到分离发电机的直流环上，并设计了2级控制，高一级（即风场监控器）用于设定各风机的整定值，低一级采用向量控制器控制风机的逆变器。每一台储能装置的C-PCS控制器接受高级控制器所设定的整定值，同时通过计算风机输出有功和整定值之间的差值，控制储能装置释放或储能。更加详细的比较见文献[21]。

3.2 蓄电池运行约束

从蓄电池实时运行控制角度而言，蓄电池系统的关键控制参数及约束包括荷电状态、充放电功率约束等。

（1）荷电状态[22]假设Cs为储能系统能量下限，Cs为储能系统容量上限，SOC(th)为蓄电池在th时刻的荷电状态，cη为充电效率，Δt为控制步长，Pa(th)为th时刻需要蓄电池提供的功率，Pe(th)表示第th时刻蓄电池实际提供的功率，充电时，该功率为

其中，φ(th)代表将在th时刻蓄电池储存电的能量，由式(2)

则（th+1）时刻的荷电状态为

在放电时，Pe(th)为

其中，dη为放电效率，ψ(th)代表将在th时刻蓄电池释放的能量，由式(5)

则（th+1）时刻的荷电状态为

（2）充放电功率约束 文献[23]提出一种概率方法，定义缺供电量的函数为

式中，Eu是ESS未能提供的供电量，kW·h；Et是该时段总的风电，kW·h。该公式建立了缺供电量和蓄电池容量之间的关系。

在已知风功率预测误差分布的前提下[24]，缺供电功率eup可以直接从预测误差的分布计算得到。

随着蓄电池额定容量的下降，假设f()ε为预测误差的概率分布，PESS为归一化的ESS额定功率，则缺供电功率eup可以按式(8)计算

其中，ε是预测误差。为了得到损失能量占全部发电量的百分比，式中除以了P是年平均功率，Pinst为风场的装机和容量。100%波动平抑效果下蓄电池吞吐率为

蓄电池未补偿容量为[22]

储能性能指标定义为[22]：计算每小时风场向系统所提供的能量占计划的比例

3.3 容量最优配置

研究表明，如果需要风场的有功功率输出与24 h风功率预测输出达到零误差，则1 MW风机需要配备24 MW·h的储能系统[23]。对于风场主而言意味着巨大的投资，且不现实。但是，当风场输出与预测输出之间允许存在一定的误差时，所需ESS容量将显著下降[23]。风功率预测的时间尺度不同，风场所在位置的风功率波动情况不同，控制目标不同，均会影响所需蓄电池储能系统的容量。需要根据具体风场的风功率波动情况以及需要达到的控制目标具体研究其最优配置，而不是简单地按照风场装机容量的某一个比例配置。在此方面已经有一些研究。如文献[25]考虑了9种可能的ESS容量，实际的ESS容量基于简单的实验和误差确定。文献[26]采用的是相似的方法。也有针对风功率随机特性的研究，采用概率方法确定ESS的最优配置容量。文献[23]通过概率方法，生成不同时间尺度的风功率预测时间序列数据，计算出不同预测精度下，每一步控制下蓄电池的荷电状态SOC，从而得到归一化蓄电池荷电状态NSOC（荷电状态与风电装机容量的比值）的累计概率分布。根据累计概率分布，可以得到小于等于给定荷电状态出现的频度，即小于等于该荷电状态运行时间的比例。通过对该累计概率分布进行逆变化，可以由指定的频度确定所需的最小蓄电池容量。

蓄电池储能系统对风场输出功率的平抑效果不仅取决于风功率波动的最大范围，还取决于风功率输出的波动模式。文献[27]针对可能的波动模式，根据运行能够承受的风险，确定所需的最优储能系统容量。文献[27]采用概率的方法，根据实测数据，得到分辨率为分钟的小时风功率数据的均值及其波动的上限和下限。通过概率方法，产生若干具有相同均值、相同波动上限和下限，但具有不同趋势的随机时间序列。针对几组随机风电输出波动序列，通过仿真，得到所需储能容量的时间序列，作为样本序列。针对该样本序列的样本分位点，选择ESS的容量为该样本序列的第pth样本分位点。这一容量pth意味着，采用此容量的ESS不能平抑小时级风电波动的风险是（1–p）%。通过此方法，在储能系统容量和不能平抑波动的风险之间建立了联系。

初始投资高是影响锂离子电池在电网储能领域广泛应用的重要因素之一。在充放电随机性较大和充电频繁的应用场合，循环寿命仍然制约着锂离子电池的应用。文献[28]研究了如何根据蓄电池寿命及其投资之间的权衡确定蓄电池的容量，文献[28]提出了一个指标 f，表征蓄电池投资与其性能之间的关系，即

其中，g(Er)代表蓄电池的寿命，文献[28]将其表示为蓄电池容量的函数。式(12)中，蓄电池的投资表示为一次投资和与其容量成正比的分量之和，可通过选择容量，使性能f最大化。

对于锂电池，蓄电池的寿命可以等效为一定的完全充放电循环次数。然而，蓄电池容量、控制策略及所安装位置的风场输出波动情况均会影响蓄电池等效充放电循环的频率。因此，很难得到 g(Er)的解析表达式。文献[28]采用仿真的方法，针对具体的风场，通过控制蓄电池充放电功率，以蓄电池进行完全充放电循环为目标，研究了蓄电池容量与其寿命（可以等效为完全充放电次数）之间的近似关系，并进行灵敏度分析，以确定最经济的蓄电池容量。蓄电池受控充放电的行为如图5所示。

图5 蓄电池受控充放电行为Fig.5 The behavior of charging/discharging of BESS

图5中，黑色实线是输出Pd，曲线是风机有功输出曲线Pw，浅灰色阴影部分为蓄电池所充电能（在这一时段，Pw输出大于Pd），黑色阴影部分为蓄电池放电电能，放电电能和风机输出功率Pw叠加在一起得到Pd，即储能型风场输出的功率。

蓄电池在此种控制策略下的荷电状态曲线如图6所示。

图6 蓄电池荷电状态Fig.6 The SOC of battery

蓄电池容量还受其它因素影响。文献[29]研究了一阶低通滤波器（first-order low-pass filter，FLF）时间常数对蓄电池容量的影响。

3.4 储能系统的控制策略

如图7所示，计算所需蓄电池充放电的功率PB时，通常首先采用一阶低通滤波，滤除风电功率Pw中的高频波动信号，然后结合风功率预测信号Py根据滤波之后的信号进行计算。蓄电池充放电功率PB和Pw相叠加，得到风场输出功率Pd。

图7 基于一阶滤波的BESS的优化控制示意图Fig.7 BESS control diagram based on first order low-pass filter

一阶低通滤波方法计算速度快，适用于实时控制，典型的一阶低通滤波可以表示为[14]

根据风功率输出的波动特性，如果想要实现很好的平抑效果，需要FLF控制器具有很大的时间常数（即波动比较快，只有时间常数大，才能保持输出恒定）。然而，当波动很小时，这一很大的时间常数所导致的过补偿使得BESS的容量需要配置得很高[14]。文献[30-31]提出利用两级电容和redox液流电池组成的混杂ESS系统，并采用具有不同时间常数的两级低通滤波控制，实现不同时间尺度下风功率平滑控制。文献[32-33]在一阶低通滤波的基础上，利用蓄电池的荷电状态构成负反馈，控制蓄电池的荷电状态保持在适当的范围之内。文献[34]在 FLF上增加了一个速率限制，使得任意20 min内的最大风电波动不超过风场装机容量的10%。

蓄电池控制应该考虑如何防止风功率波动中的高频分量导致的蓄电池频繁充放电。文献[14]采用滞环控制，当风电功率波动量 ΔPwind小于给定的滞环带宽ΔPε时，令蓄电池的输出功率为0，反之，控制蓄电池使 Δ Pwind小于给定的ΔPε。其中，ΔPε按式(14)选择

式中，0 ≤ t'≤ t -Δt ； ΔPw′ind(t')为平抑后的风电功率波动量，按式(15)计算

式中，ΔPε为可设定的风场输出波动的最大允许值，由此将风电功率波动限制在ΔPε内，避免蓄电池频繁充放电。

不同时间尺度下风功率波动不同，满足一定波动限制所需的蓄电池容量也不同。可以结合不同时间尺度进行协调控制，以达到经济性及储能型风场运行特性最优，而如何实现不同时间尺度之间的反馈及协调是控制的关键。

文献[29]中实现了两种不同时间尺度下的蓄电池协调控制。文献在1 min和30 min两个不同的时间尺度下，控制风场输出的波动满足不同的指标，例如针对任意1 min时间窗，最大风电波动必须保持小于1min；任意30 min的时间窗内，风功率波动必须小于。γ30min。1 min时间尺度下的优化控制目标为多目标优化，即实现以下三个目标之间的组合优化：① 平抑波动所需蓄电池容量最小；② 1 min内输出风电的波动不越限；③ BESS的充放电功率不越限。通过1 min优化，一阶滤波时间参数，必要的时候会放宽1 min内输出风电的波动量阈值。30 min时间尺度信号用于实现反馈控制。根据前30 min波动情况，控制1 min波动限值的设定。当前30 min波动量超过30 min波动限值时，则减小1 min波动允许值。

4 结 语

储能系统的应用在探索解决大规模间歇性能源入网后提高电能的可靠性、稳定性及质量问题的道路上迈出了重要的一步。储能型风场可以采用多种储能技术。其适用性要根据投资、寿命、可靠性、容量、尺寸和环境影响等因素进行综合考虑。储能型风场储能系统的方案设计、容量配置及运行控制技术等方面的研究，对合理规划储能投资、平抑风场输出功率波动、减小风力发电的不确定性、提高电网对风电的接纳能力的基础做出了贡献。本文针对风场储能系统的方案设计、容量配置及运行控制技术等的研究现状进行综述，为进一步的研究提供了有益的参考。

[1] Kariniotakis G N，Martí I，Casas D，et al.What performance can be expected by short-term wind power prediction on site characteristics?[C]// EWEC04 Conference，2004：1-9.

[2] Jin Wentao（靳文涛），Li Bei（李蓓），Xie Zhijia（谢至佳）.An analysis for the need of a battery energy storage system in tracking wind power schedule output[J].Energy Storage Science and Technology（储能科学与技术），2013，2（3）：294-299.

[3] Ding Ming（丁明），Chen Zhong（陈忠），Su Jianhui （苏建徽），Chen Zhong（陈中），Wu Jianfeng（吴建锋），Zhu Chengzhi（朱承治）.An overview of battery energy storage system for renewable energy generation[J].Automation of Electric Power Systems，2013，37（1）：19-25.

[4] Pickard W F，Shen Q A，Hansing N J.Parking the power：strategies and physical limitations for bulk energy storage in supply-demand matching on a grid whose input power is provided by intermittent sources[J].Renewable and Sustainable Energy Reviews，2009，13（8）：1934-1945.

[5] Beaudin M，Zareipour H，Schellenberglabe A， Rosehart W.Energy storage for mitigating the variability of renewable electricity sources：An updated review[J].Energy for Sustainable Development，2010，14（4）：302-314.

[6] Li Shaojie（李韶杰）.Study on properties of ultracapacitor-battery hybrid power supply[J].Chinese Journal of Power Sources（电源技术），2010，17（6）：567-561.

[7] Fey Tingkuo（费定国），Lin Yiquan（林逸全）.A review on lithum iron phosphate cathode materials[J].Energy Storage Science and Technology（储能科学与技术），2013，2（2）：103-111.

[8] Muljadi E，Butterfield C P，Chacon J， Romanowitz H.Power quality aspects in a wind power plant[C]//2006 IEEE Power Engineering Society General Meeting，2006.

[9] Li Q，Chor S S，Yuan Y，Yao D L.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.

[10] Jung H Y，Kim A R，Kim J H，et al.A study on the operating characteristics of SMES for the dispersed power generation system[J].IEEE Transactions on Applied Superconductivity，2009，19（3）：2028-2031.

[11] Kim A R，Seo H R，Kim G H，et al.Operating characteristic analysis of HTS SMES for frequency stabilization of dispersed power generation system[J]. IEEE Transactions on Applied Superconductivity，2010，20（3）：1334-1338.

[12] Nomura S，Ohata Y，Hagita T，Tsutsui H，Tsuji I S，Shimada R.Wind farms linked by SMES systems[J].IEEE Transactions on Applied Super conductivity，2005，15（2）：1951-1954.

[13] Yao D L，Choi S S，Tseng K J，Lie T T.A statistical approach to the design of a dispatchable wind power-battery energy storage system[J].IEEE Transactions on Energy Conversion，2009，24（4）：916-925.

[14] Yan Ganggui（严干贵），Zhu Xingxu（朱星旭），Li Junhui（李军徽），Mu Gang（穆刚），Luo Weihua（罗卫华），Yang Kai（杨凯）.Control strategy design for hybrid energy storage system with intrinsic operation life measurement and calculation[J].Automation of Electric Power Systems，2013，37（1）：110-114.

[15] Jiang Ping（蒋平），Xiong Huachuan（熊华川）.A control scheme design for smoothing wind power fluctuation with Hybrid energy storage system[J].Automation of Electric Power Systems，2013，37（1）：122-127.

[16] Gomis B O，Junyent F A，Sumper A，Bergas J J.Ride-through control of a doubly fed induction generator under unbalanced voltage sags[J].IEEE Transactions on Energy Conversion，2008，23（4）：1036-1045.

[17] Gomis B O，Liang J，Ekanayake J，Jenkins N.Voltage-current characteristics of multiterminal HVDC-VSC for offshore wind farms[J].Electric Power Systems Research，2011，81（2）：440-450.

[18] Junyent F A，Gomis B O，Sumper A，Sala M，Mata M.Modeling and control of the doubly fed induction generator wind turbine[J].Simulation Modeling Practice and Theory，2010，18（9）：1365-1381.

[19] Abbey C，Joos G.Super capacitor energy storage for wind energy applications[J].IEEE Transactions on Industry Applications，2007，43（3）：769-776.

[20] Qu L，Qiao W.Constant power control of DFIG wind turbines with super capacitor energy storage[J].IEEE Transactions on Industry Applications，2011，47（1）：359-367.

[21] Francisco D G，Andreas S，Oriol G B，Roberto V R.A review of energy storage technologies for wind power applications[J].Renewable and Sustainable Energy Reviews，2012，16（4）：2154-2171.

[22] Maria D，Giuseppe F，Mariagiovanna P，Michele T.Planning and operating combined wind-storage system in electricity market[J].IEEE Transactions on Sustainable Energy，2012，3（2）：209-217.

[23] Hans B，Domínguez-Navarro J A.A probabilistic method for energy storage sizing based on wind power forecast uncertainty[J].IEEE Transactions on Power Systems，2011，26（3）：1651-1658.

[24] Domínguez-Navarro J A，Bludszuweit H，Llombart A.Statis-tical analysis of wind power forecast error[J].IEEE Trans.Power Syst.，2008，23（3）：983-991.

[25] Korpaas M，Holen A T，Hildrum R.Operation and sizing of energy storage for wind power plants in a market system[J].Int.J.Elect.Power Energy Syst.，2003，25，（8）：599-606.

[26] Bathurst G N，Strbac G.Value of combining energy storage and wind in short-term energy and balancing markets[J].Elect.Power Syst.Res.，2003，67（1）：1-8.

[27] Boutsika T，Santoso S.Sizing an energy storage system to minimize wind power imbalances from the hourly average[C]//2012 IEEE Power and Energy Society General Meeting，2012：1-8.

[28] Li Q，Choi S S，Yuan Y，Yao D L.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] Jiang Q Y，Wang H J.Two-time-scale coordination control for a battery energy storage system to mitigate wind power fluctuation[J].IEEE Transactions on Energy Conversion，2013，28（1）：52-61.

[30] Wei L，Joos G，Belanger J.Real-time simulation of a wind turbine generator coupled with a battery super capacitor energy storage system[J].IEEE Trans.Ind.Electron，2010，57（4）：1137-1145.

[31] Jia H，Fu Y，Zhang Y，He W.Design of hybrid energy storage control system for wind farms based on flow battery and electric double-layer capacitor[C]//2010 Asia-Pacific Power and Energy Engineering Conference，2010：1-6.

[32] Li X J，Hui D，Li W，Lai X K.Control strategy of battery state of charge for wind/battery hybrid power system[C]//2010 IEEE International Symposium on Industrial Electronics，2010：2723-2726.

[33] Yoshimoto K，Nanahara T，Koshimizu G.New control method for regulating state-of-charge of a battery in hybrid wind power/battery energy storage system[C]//2006 Power Systems Conference and Exposition，2006：1244-1251.

[34] Tanabe T，Sato T，Tanikawa R，Aoki I， Funabashi T，Yokoyama R.Generation scheduling for wind power generation by storage battery system and meteorological forecast[C]//2008 IEEE Power and Energy Society General Meeting-Conversion and Delivery of Electrical Energy in the 21st Century，2008：1-7.