风储联合发电系统研究进展

严干贵，冯 爽，李军徽

（东北电力大学电气工程学院，吉林 吉林 132012）

随着经济与社会的高效迅猛发展，能源消耗与环境污染愈发严重，并成为制约人类可持续发展的突出问题[1]。风能作为可再生、无污染且蕴含量丰富的清洁能源，被世界各国大规模开发与利用。我国也对风电的发展高度关注，出台相关政策规划其发展，并逐步成为风电大国。截至2012年底，我国风电装机总容量为75.32 GW，其中并网总容量达到 62.66 GW，占电力系统总容量的5.47%，风电场总数达到1445个[2]。

大规模风电的有效利用途径是实现其并网运行控制，但是风能本身的间歇性与无规律性使得对应的风电输出随机性和波动性明显，且由于季节变化和恶劣天气影响，风电场可能会发生短时间的大幅度波动[3-4]。随着风电发展规模的不断扩大，其在电网电源中所占比例不断增加，对整个电力系统的安全稳定运行造成了不利的影响，且愈发严重[5]。

储能系统由于能够实现电能的时空平移，响应速度快且具备形成大规模的可能，因此被认为是改善间歇式电源可控性、提高其并网能力的有效手 段[6-7]。储能技术的应用可从多方面支持风电发展。如通过平抑风电功率波动，稳定其功率输出，有助于提高风电并网可靠性；跟踪风电功率预测值，实现电网对风电的可调度性；增强风电机组的低电压穿越能力等。因此，构建大规模风储联合发电系统，合理地配置储能系统，并制订优化的控制策略成为目前研究的重点[8-9]。

本文简单介绍了风电并网对电力系统的影响及电池储能技术的发展现状，给出包含电池储能单元的风储联合发电系统的主要运行方式，阐述了风储联合发电系统控制策略和容量配置研究现状，并对进一步开展风储联合发电系统的研究进行了 展望。

1 风电并网对电力系统的影响

1.1 对电能质量的影响

风电并网对电力系统局部影响主要是电能质量的问题，包括对电压和电流质量的影响。其中，对电压质量的影响主要包括电压的波动及闪变，而对电流质量影响主要指谐波问题。

当风电大规模远距离输送时，输电线路的电压降落大，无功损耗较大，且无功补偿装置的输出减小，此时将会引起并网点电压的波动；另一方面，由于风机本身固有特性，当出现塔影效应或多台风机欠载、过载退出运行时，都可能导致电压波动及闪变问题。

1.2 对电压稳定的影响

由于国内风电技术水平还不是很高，许多风电机组无功调节能力很差，其自身具备的无功补偿容量低，一旦电网电压出现下降的情况，风电场的无功需求量增加，如果并网点调节能力差，则可能会增大电压的下降幅度，更严重的可能导致故障发生，从而引发系统崩溃。

随着风电渗透率的增大，由于短期大波动引发的输出功率骤变，也有可能对电压产生冲击，从而对稳定性产生影响。另外，风功率的波动性也导致电压的安全稳定范围难以预知。

1.3 对调峰调频的影响

由于风电本身的波动性大、预测精度低等特点，使其出力特性与常规电源大不相同，风电接入电网给正常的调峰调频带来很大影响，且随着风电装机容量的增大，系统调峰调频的备用容量比例下降，影响将更加严重。通过观察日风电输出曲线可以发现，风电的输出与负荷需求呈不匹配关系，即负荷高峰期输出少，低谷期输出多，这与常规的调峰策略相反，增大了负荷的峰谷差，因此给调峰增加了困难。

1.4 对系统调度的影响

与其它常规电源稳定可控的出力特性不同，由于风电预测精度较低，误差范围大，使得考虑风电的电力系统调度变得困难，频繁地修改调度计划也给操作人员带来很多不便。同时，由于风电无法与火电等其它电源进行优化组合，也给系统调度的经济性保证增加了困难。

2 电池储能系统发展现状

根据储能方式的不同，储能技术主要包括电池储能、抽水蓄能、压缩空气储能等，其中电池储能技术是目前发展最快、应用最广泛的技术之一。应用较多的有铅酸电池、液流电池、锂电池等。

铅酸电池是发展历史最久远的电池，我国的铅酸电池生产技术与世界先进水平差距较小，且是世界主要生产国之一。铅酸电池具有制造水平较高、无记忆性、温度变化适应性强、效率高等特点。

液流电池最大的特点是其用于阳极和阴极反应的化学物质以液态形式存在于电解质中，通过离子交换膜进行化学反应。液流电池能够实现深充深放、循环使用次数高、环境污染小、容量和功率可根据需要单独配置、更换方便、且易于根据实际需求设计和存储，但其占地面积较大。

锂离子电池的电解液采用锂盐，并溶解于有机碳酸盐中，阳极和阴极分别为含锂的金属氧化物和石墨。锂电池的主要优点是能量密度大、转换效率高和循环寿命长等。但是锂电池也有许多限制其发展的不利因素，如生产所需的成本高、安全系数低等。在规模较小、建设周期较短的储能系统中，锂电池有很大优势，且随着技术不断提高，这些阻碍因素将会被逐渐改善，锂电池在储能方面的应用也将进一步扩大。

3 风储联合发电系统研究现状

随着大规模储能技术的开发与利用，世界各国对储能改善风电等新能源的随机性、波动性，提高可再生能源运行稳定性的研究也高度重视，相继建立了许多示范工程，进行了成功地应用。表1给出 了我国和美国利用电池储能构建风储联合发电系统的部分示范工程。

表1 风储联合发电系统示范工程 Table 1 Demonstration project of wind power and energy storage combined system

3.1 系统运行方式

风储联合发电系统可从多方面提高风电运行性能，减小风电并网对电网的影响。选取不同的上层控制目标，系统的运行方式不同，控制策略也不同。主要包括平滑风电功率波动、跟踪计划出力曲线、削峰填谷3种方式。

（1）平滑风电功率波动 风电功率波动根据波动特性可分为短期波动和长期波动，短期波动通常指秒级或分钟级波动，而长期波动为小时级波动。利用储能系统平滑短期波动，波动的幅值小、时间短、储能的容量相对小，平滑后的风电出力趋势大致相同；而平滑长期波动，波动幅值较大，所需的储能容量大，但风电的出力变化范围小，更加稳定。当运行于平滑功率方式下，风储联合发电系统根据风电日出力曲线，对储能系统进行充放电，运行的主要依据为：当风电的总出力比较大时，电池储能系统工作于充电状态；当风电的总出力比较小时，电池储能系统工作于放电状态；在保证出力曲线较平稳的基础上，为提高电池寿命，应尽量减少频繁充放电次数，此时需根据储能系统自身性能参数和预测值，选取合理的电池工作区间；当风电功率波动在较小范围内而储能系统剩余容量较大时，可将此部分容量用于负荷削峰填谷。

（2）跟踪计划出力曲线 通过控制电池储能系统充放电，使风储联合输出跟踪计划出力曲线，减小两者误差，从而提高风电的输出可靠性。通常计划出力曲线是基于预测风速和历史数据结合得到的风电功率预测曲线，或基于负荷特性得到的预测曲线。当运行于跟踪计划出力方式下，风储联合发电系统运行的主要依据为：当风电输出恰好满足负荷供电需求时，储能系统不工作，只有风电功率充足时，对电池充电，存储一部分能量；当风电输出低于负荷需求时，利用电池放电，使得联合输出满足功率需求；当联合发电系统的输出功率无法实时跟踪计划曲线时，从保护储能装置角度出发，应避免过充过放，延长使用寿命，因此只需尽力满足计划出力，容许一定的误差范围。

（3）削峰填谷 风储联合发电系统运行于削峰填谷方式下，根据风电的日输出特性，利用储能系统实现峰谷转换。

通常风电的高发期在夜间，输出达到峰值，对储能系统进行充电，将充足的能量进行存储；当白天风力较小时，会出现功率的低谷时段，此时储能系统工作于放电状态，释放在夜间存储的能量；在实现削峰填谷的同时，必须保证风电输出的稳 定性。

3.2 控制策略研究

通过对储能系统进行合理控制，使其能够有效地从各方面提高电网对风电的接纳能力，已有大量文献对风储联合发电系统中储能单元的控制策略进行研究。

文献[10-13]针对不同控制目标下储能系统的控制策略进行了研究，对风储联合发电系统的应用场景进行了探索。其中文献[10]为提高风电机组的低电压穿越能力提出了一种基于电池储能和Crowbar协调控制的策略。文献[11]以风储联合运行的效益最大化为目标，提出了抑制风电爬坡率的风储联合优化控制方法。文献[12]对利用钒液流电池储能系统实现风电场的频率控制进行了研究。文献[13]介绍了风储联合运行实现有功控制、无功支撑等多种协调功能的结构和控制方法。然而，在储能系统的控制中还需要考虑电池的实际运行情况，以避免因过充过放而影响电池储能装置的寿命，进而影响系统的运行性能。

文献[14-16]考虑控制电池的荷电状态（SOC），对利用电池储能系统平滑风电功率波动进行了研究，在满足控制目标的同时，保证电池储能系统在安全范围内运行，提高了电池的寿命。其中，文献[14]设计了能够根据 SOC情况实时自动调节储能系统目标功率的控制策略。文献[15]提出一种基于SOC的变平滑时间常数优化控制方法，通过实时调整平滑时间常数来实现对电池储能系统的保护。文献[16]通过引入SOC反馈控制，基于波动率对平滑时间常数进行智能化分段控制，兼顾了平滑度，且充分利用了电池的安全区域。虽然通过考虑 SOC的控制可以在一定程度上提高储能装置的寿命，但未直接对风储联合发电运行场景下电池的寿命特性进行分析与评价。综合考虑寿命影响因素，计算电池的寿命，并据此设计储能系统优化控制策略，仍需进一步研究。

3.3 容量配置研究

储能系统的成本和运行维护的费用较高，在尽量满足控制目标的基础上，优化风电场储能系统的容量配置研究至关重要，国内外已有文献对此进行研究。

文献[17-21]对应用于不同场景下储能系统的容量配置进行研究。其中，文献[17]针对风电调峰问题，提出一种用于松弛调峰瓶颈的大规模储能系统容量优化配置方法。综合考虑储能负荷特性、投资成本、经济效益等因素，以整体效益最大为目标，得到最优容量值。文献[18]通过建立置信区间，根据置信度水平设计储能系统的容量，在提高风电预测性的同时，减少了用于负荷跟踪和系统控制备用的常规容量。文献[19]主要针对风电功率短期预测的不准确性，考虑储能的充放电状态，建立预测误差的统计区间，基于概率法，计算不同预测无误差时储能的功率及容量。文献[20]利用储能平滑可再生能源波动，基于频谱分析法对波动特性进行分析，考虑波动量、剩余电量等约束给出容量确定方法。文献[21]从提高风电可调度性角度对储能容量进行规划，折中考虑投资成本与运行成本，构建目标函数，对不同调度计划运行方式下最优容量值进行求解。

当储能系统应用于不同场景时，采取的控制策略不同，所需储能容量配置值也大不相同，但两者之间关系密切。针对大规模风电并网引起备用容量大量增加以及考虑降低备用成本的储能容量配置问题所提出的解决方案较少。在构建储能最优容量的目标函数时，可从取得的综合效益与总投资成本两个不同的角度考虑，而大规模储能装置费用昂贵，因此在容量配置中必须考虑实际运行中电池的使用寿命。由于未来储能设备价格、风储上网电价等因素的变动，储能容量的最优配置值也将改变，因此在求解中应考虑价格变动的影响。

4 结 语

面对可再生能源的随机性、间歇性和波动性在并网运行时带来的不利影响，采用大规模电池储能装置构建风储联合发电运行系统作为提高风电并网能力的一种有效手段备受关注。

本文介绍了风电并网对电力系统的影响及电池储能技术发展现状，叙述了包含电池储能单元的风储联合发电系统的主要运行方式，阐述了目前风储联合发电系统的控制策略和容量配置研究现状。

构建风储联合发电系统对解决风电的源网协调发展矛盾、改善电力系统能源结构问题等都具有重要的理论与现实意义。然而，经济性仍然是制约储能技术在风电并网中应用的关键问题之一，如何配置合理的储能容量及制订优化的控制策略，从而提高包含储能单元的风储联合发电系统的经济性是今后的研究重点。

[1] Xu Yuntao（徐云涛）.Energy development and environmental issues[J].Energy Environmental Protection（能源环境保护），2007，21（4）：9-11.

[2] Lü Qiangqiang（吕强强），Guo Dan（郭丹）.Review of current development of wind power[J].Electric Age（电气时代），2013，18（4）：39-40.

[3] Liu Dai（刘岱），Pang Songling（庞松岭）.System impacts analysis for interconnection of wind farm and power grid[J].Proceedings of the CSU-EPSA（电力系统及其自动化学报），2011，23（3）：156-160.

[4] Zhao Yangdong，Kit Powong，Ke Meng，et al.Wind power impact on system operations and planning[C]//Minneapolis：Power and Energy Society General Meeting，2010：1-5.

[5] Zhang Liying（张丽英），Ye Tinglu（叶廷路），Xin Yaozhong（辛耀中），et al.Problems and measures of power grid accommodating large scale wind power[J].Proceedings of the CSEE（中国电机工程学报），2010，30（25）：1-9.

[6] Qiu Ming（丘明），Zhu Jiahui（诸嘉慧），Wei Bin（魏斌），Zhang Hongjie（张宏杰）.Development and simulation of systematic of micro-SMES for operating at high-temperature regions[J].Energy Storage Science and Technology（储能科学与技术），2013，2（1）：1-11.

[7] Liu Shengyong（刘胜永），Zhang Xing（张兴）.Survey on energy storage battery in renewable energy distributed generation system[J].Chinese Journal of Power Sources（电源技术），2012，36（4）：601-605.

[8] Abdorreza Rabiee，Hossein Khorramdel，Jamshid Aghaei.A review of energy storage systems in microgrids with wind turbines[J].IEEE Renewable and Sustainable Energy Reviews，2013，18（2）：316-326.

[9] Ding Ming（丁明），Chen Zhong（陈忠），Su Jianhui（苏建徽），et al.An overeview of battery energy storage system for renewable energy generation[J].Automation of Electric Power Systems（电力系统自动化），2013，37（1）：19-25.

[10] Feng Bo（冯博），Pan Wenxia（潘文霞），Ke Lianjin（柯联锦），et al.Research on low voltage ride through capability of wind turbine based on battery storage system and crowbar circuit[J].Renewable Energy Resources（可再生能源），2013，31（4）：35-40.

[11] Wang Ying（王颖），Zhang Kaifeng（张凯锋），Fu Jiayu（付嘉渝），et al.Optimization control method of wind/storage system for suppressing wind power ramp rate[J].Automation of Electric Power Systems（电力系统自动化），2013，37（17）：18-23.

[12] Banham-Hall D D，Taylor G A，Smith C A，et al.Frequency control using vanadium redox flow batteries on wind farms[C]//San Diego：Power and Energy Society General Meeting，2011：1-8.

[13] Banham-Hall D D，Taylor G A，Smith C A.Flow batteries for enhancing wind power integration[J].IEEE Transaction on Power System，2012，27（3）：1690-1697.

[14] Ding Ming（丁明），Wu Jianfeng（吴建锋），Zhu Chengzhi（朱承治），et al.A real-time smoothing control strategy with SOC adjustment function of storage systems[J].Proceedings of the CSEE（中国电机工程学报），2013，33（1）：22-29.

[15] Xie Junwen（谢俊文），Lu Jiming（陆继明），Mao Chengxiong（毛承雄），et al.Optimal control of battery energy storage system based on variable smoothing time constant[J].Automation of Electric Power Systems（电力系统自动化），2013，37（1）：96-101.

[16] Shan Maolong（单茂龙），Li Chenlong（李陈龙），Liang Yanting（梁延婷），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（电网技术），2014，38（2）：469-477.

[17] Yan Gangui（严干贵），Feng Xiaodong（冯晓东），Li Junhui（李军徽），et al.Optimization of energy storage system capacity for relaxing peak load regulation bottlenecks[J].Proceedings of the CSEE（中国电机工程学报），2012，32（28）：27-35.

[18] 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.

[19] Abbey C，Joos G.A stochastic optimization approach to rating of energy storage systems in wind-diesel isolated grids[J].IEEE Transactions on Power Systems，2009，24（1）：418-426.

[20] Wang Chengshan（王成山），Yu Bo（于波），Xiao Jun（肖峻），et al.Sizing of energy storage systems for output smoothing of renewable energy systems[J].Proceedings of the CSEE（中国电机工程学报），2012，32（16）：1-7.

[21] Feng Jiangxia（冯江霞），Liang Jun（梁军），Zhang Feng（张峰），et al.An optimization calculation method of wind farm energy storage capacity[J].Automation of Electric Power Systems（电力系统自动化），2013，37（1）：90-95.