质量技术奖案例 试验设计方法在风光储输工程优化设计中的应用

◆刘 波 王苏北 唐勇俊/ 文

在发展智能电网时，如何安全、可靠地接入各种可再生能源电源是当今面临的一大挑战。本文结合张北国家风光储一期工程项目，采用试验设计方法，利用风光互补特性配合储能装置对电能的存储和释放，对改善整个风光储发电系统功率曲线进行了研究。

1 试验设计方法在风光储输工程中的研究

1.1 试验设计基本原理

试验设计源于1920年统计与遗传学家费希尔的研究，后经田口玄一博士集其大成，试验设计在工业界得以普及和应用。DOE（Design of Experiment）试验设计是一种安排试验和分析试验数据的数理统计方法，通过有目的地改变一个系统的输入来观察输出的改变情况，以较小的试验规模(次数)、较短的试验周期和较低的试验成本，获得理想的试验结果以及得出科学的结论。

试验设计的目的可能包括：

（1）确定哪些参数对响应的影响最大；

（2）确定应把有影响的参数设定在什么水平，以使响应达到或尽可能靠近希望值；

（3）确定把有响应的参数设定在什么水平，以使响应的分散度（或方差）尽可能小；

（4）确定应把有响应的参数设定在什么水平，以使不可控参数（噪声参数）对响应的影响尽可能小。

因此，在生产、制造等过程的开发设计以及解决过程中出现的问题时均可采用试验设计，对试验进行合理安排。

DOE试验设计的基本方法可分为七个步骤。

（1）确定目标。对于运用试验设计解决的问题，首先要确定目标，分析问题带来的危害及运用试验设计的必要性。

（2）剖析流程。试验设计的展开是建立在流程的深层剖析基础之上的，尽可能详尽地列出可能的因素，确认其输入输出，理解问题的可能因素有助于确定解决问题的总方向。

（3）筛选因素。使用一些低解析度的两水平试验或者专门的筛选试验来筛选因素，以掌握影响指标的主要因素，从而避免因选错主要因素而造成的时间、经济成本浪费。

（4）快速接近。通过筛选因素，同时得到主要因素对指标的影响趋势，快速找到试验目的的可能区域。使用试验设计中的快速上升（下降）方法，根据筛选试验所得到的影响趋势来确定一些因子水平进行试验。

（5）析因试验。在快速接近的水平区间内选取因子水平进行试验，进一步度量因素的主效应、交互作用以及高阶效应。析因试验主要选择各因素构造的几何体的顶点以及中心点来完成，试验的最终通过方差分析来检定这些效应是否显著，同时对之前的筛选、快速接近试验也是一个验证。

（6）回归试验。考虑到功效问题，需要进一步安排一些试验来最终确定因素的最佳影响水平。

（7）稳健设计。试验设计的目的是通过设置可以调控的一些关键因素来达到控制指标的目的，试验设计只是提供达到这种目的的可能和途径，同时现实中还存在着很难通过人为控制来使其最优的因素，即噪声因素。此时，可采用稳健设计优化，即选择一些抗干扰的因素来缓解干扰因素的影响。

在本项目中，针对风光储系统的特殊性，为得到系统最佳出力功率曲线，上海电力设计院有限公司利用DOE试验设计对这个问题进行了详尽的分析研究。

1.2 风光储系统送出电力特点

风光储能系统是综合利用风光互补并配合储能系统的一种合理的电源系统。光伏发电系统的特点是白天发电、夜晚不发电，白天光伏电站作为电源送出电力（以下简称出力），随光照强度的变化而变化，输出功率不稳定，夜晚光伏电站不发电。风力发电的特点是风力发电机以风作为原动力，风的随机波动性和间歇性决定了风力发电机的输出特性也是波动和间歇的。

根据现状调查结果，风电的实际出力波动较大，太阳能发电出力相对稳定，两者叠加出力尽管可在一定程度上弥补风电场出力波动加大的情况，但总体叠加出力波动仍较大，不能满足电网出力平稳的稳定需求。可引入储能装置用于平滑风光叠加出力，使得风光输出功率的波动尽量平稳、波动性小。因此，需要运用试验设计方法确定最佳的风光储配比，并通过智能控制调度系统进行控制储能装置的补偿功能，以达到系统总出力功率尽量平稳的目的。

1.3 确定试验设计方案

为实现风光储系统总出力功率曲线最佳平滑，根据1.1节介绍的试验设计基本原理，通过1.2节的流程分析得知，风光储系统波动主要是由风力发电和光伏发电的出力特性决定的，主要受风的波动性、间歇性和光照强度的影响。影响风光发电的因素主要有风速、空气密度、风能利用系数和风机半径、光照强度、光伏组件的倾角和方位角、组件效率和温度、储能装置的平滑能力等。风速、空气密度、光照强度等因素受地理气候的影响，属于自然条件，是非可控因素。但是，可以通过选择风机、光伏组件，调整风机半径、光伏组件的倾角和方位角等措施，设定不同的风光容量配比，利用风光互补的特性来平滑风光出力。储能装置的平滑能力取决于其容量和功率的大小，通过不同容量和功率的试验比较，可以获得不同的系统总出力平滑能力。

经过分析，选定风光容量的配比、储能装置的容量和功率这3个可控因素作为此次DOE试验的3个因子。考虑到张北国家风光储一期工程规模的限制，每个因子选取2个水平，风光容量配比分别选取1：1和2：1的配比方式。根据风光储输一期工程最大出力规模需求，同时兼顾经济性的考虑，储能装置的容量分别选取-1和1两个因子，功率分别选取-1和1两个因子进行试验。

根据试验中所考察的因子水平数，进行全因子分析，运用Minitab设计计划表进行模拟试验控制，获取16个典型日在不同风光储配比条件下系统总出力功率曲线的标准差。

1.4 试验设计的试验结果

在每个试验中，通过不同的风光容量配比、储能装置容量和功率选取都会得到一组风光储能系统总出力功率数据。通过计算这组数据的标准差，标识不同风光储配比情况下的出力平滑效果，标准差越小，说明系统出力平滑的效果越好。

从风光储能系统出力标准差分析结果来看，风光配比、储能装置容量、储能装置功率、风光配比与储能功率的交互作用、储能容量和储能功率的交互作用的主效应在统计意义上是显著的，它们的P值均小于显著性水平0.05。其它因素的交互作用效应是不显著的，分别为0.082和0.966，大于0.05。

另外，在分析研究风光储能系统出力标准差的同时，还对风光储能系统出力标准差主效应图和交互作用进行了分析研究（参见图1）。其中风光储能系统出力标准差主效应图反映了风光配比、储能容量和储能功率对于风光储能系统出力功率平稳性的效应。从图中可以看出，当风光配比为高水平、储能容量为高水平、储能功率为高水平时，整个风光储能系统总出力功率平稳性好。

交互作用图显示了风光配比、储能容量、储能功率三个因子间的相互影响。从交互作用图可以看出，当风光配比为高水平、储能水平为高水平、储能功率为高水平时，风光储能系统总出力功率平稳性最好。

2 风光储能系统智能控制调度系统

通过试验设计方法确定了最优风光储配比的选取，但仅仅确定风光储能配比对于实现平滑系统出力是远远不够的。需要设计一套智能控制调度系统实时根据风光变化和调度曲线目标来控制储能装置的充放电过程，从而最大程度地补偿平滑出力。

图1 风光储能系统出力标准差主效应图和交互作用图

智能控制调度系统是整个风光储项目的控制核心。它根据电网下达的调度曲线、风能预测和光照预测，通过调节风、光、储三者的功率输出来平滑系统出力。国家风光储输示范工程的智能控制调度系统采用“一体化”的设计原则，在统一的通信平台上，配置一体化的计算机监控系统，实现对上述所有设备的监测和控制，并实现智能控制调度的目的。

智能控制调度系统功能包括SCADA（数据采集与监视控制）功能、储能监控功能、光伏监控功能、风机监控功能、环境监控功能等。在此基础上，另制定了风光储能系统能量调度策略、储能电池的能量调度策略以及风光储能系统的整个调度流程。通过智能控制系统的优化调度，可以实现储能装置的智能补偿，得到最优的系统出力功率曲线。张北国家风光储输一期工程的智能控制调度系统主要监控对象有：220kV大河智能变电站、光伏电站、储能、小东梁风电场和孟家梁风电场。智能控制调度系统布置在大河变电站内的集控中心内，通过该系统可以实现对风光储电站的远程监视和控制。

3 小结

本项目风光储能系统工程设计首次突破性地运用试验设计方法和智能控制调度系统，通过选取最优风光配比、储能容量和功率，提高了风光储能系统总体出力功率的平滑性和并网质量，为风光储新能源的应用奠定了理论基础。在整个试验方案的设计实施过程中，由于风光储示范工程的特殊性，无法对每个因子选取多个水平进行非常详尽的分析，因此如何选取合理恰当的因子水平成为解决问题的关键。为此，上海电力设计院根据以往风光储系统项目的历史运行数据并通过软件模拟仿真，结合张北国家风光储的规模等因素，选取了本次试验的因子水平，试验结果及后续的实际运行情况表明，最后得到的最优因子水平很好的满足了工程目的的实现。

该技术在张北国家风光储输一期工程中得到了很好的验证，取得了良好的经济效益和社会效益，对增强可再生能源发电产业的核心竞争力，促进国内风电、光电的产业化和规模化发展，推动我国风资源和光资源的开发利用，实现国家能源可持续发展的总体战略具有重要意义。张北国家风光储能系统总出力功率的平滑性能够满足电网调度的需求，提高了并网质量。

（略）