风电并网多目标混合储能系统优化配置

余全全，谢丽蓉

（新疆大学电气工程学院，新疆乌鲁木齐 830047）

近年来，我国政府致力于建设清洁、低碳的能源体系。风电作为清洁能源，在电力系统中占有的份额越来越高。随着风机装机容量逐年增加，其不平衡性和随机波动性对电网电能质量带来了一定的影响。储能技术能够把能源在时空尺度上进行平移，是改善新能源并网功率波动问题的有效手段[1-2]。混合储能为风电稳定并网运行和跟踪计划出力提供新的思路[3-4]。目前，国内外学者针对储能平抑风功率并网波动的容量配置优化问题取得了一系列的研究成果。文献[5]系统地分析了平抑风功率过程中影响储能容量配置的因素。文献[6]建立优化目标函数，通过改进的粒子群算法对储能系统容量进行配置，提高了系统发电的利用率。文献[7]对风电不平衡功率进行DFT 分解得到频域信息，建立利润最大目标模型函数，采用整合蒙特卡罗改进的遗传算法确定混合储能的容量配置。文献[8]提出双电池储能平抑风功率波动，兼顾风功率预测误差和储能寿命因素，降低了系统的运行成本。文献[9]建立混合储能系统的综合经济效益模型，结合MCMC 方法分析了不同场景下的经济性，提高了风电的市场竞争力。文献[10]对风电不平衡功率利用小波包分频技术进行分解，根据能量型与功率型储能器件的优势互补分配不同频段功率，实现储能系统优化配置。文献[11]通过云模型理论和K-means 聚类算法从运行曲线中聚类出具有典型性的充放电曲线，将其作为储能优化模型的输入，进而确定储能系统的配置。本文建立一种多目标混合储能系统优化配置模型，首先，通过WPD-EMD 分解对不平衡功率进行分频，高频部分作为超级电容配置参考功率，低频部分作为蓄电池参考功率，对储能系统进行初级分配，同时与EMD 的结果进行对比。然后，建立系统以年等值成本和不平衡功率波动率为目标的优化函数，采用NSGA-Ⅱ对其求解，得出在不同波动偏差下的各储能器件的容量配置，为风电场实际配置提供参考。

1 风电出力混合储能并网系统模型

在风电并网过程中，相对于单台风机，风电场风电机组具有集群效应，但是由于风速的不确定性，导致风电场的实际输出功率具有一定的不平衡波动性。在风电场侧引入混合储能系统能够有效地平抑风功率不平衡波动，使得风电功率达到并网要求。结合两种储能设备的优缺点，合理地配置混合储能系统中这两种储能设备的容量。风储系统模型结构如图1 所示。

图1 风储系统模型结构

2 风电场不平衡功率及其WPD-EMD 分解

2.1 风电场不平衡功率

风电场目标功率的选取是混合储能系统容量配置的基础，根据并网指令和风电场实际数据曲线设定目标功率参考值，确定风电场不平衡功率。

式中：Pun为不平衡功率；Pw为风电场输出功率；Pref为目标功率参考值。

2.2 WPD-EMD 分解

EMD 具有灵活的自适应分析能力，适用于风功率这种波动的时频分解。但是EMD 对信号分解时会出现模态混叠现象，故而对其进行优化，加入小波包以解决模态混叠问题。WPD-EMD 分解相对于集合经验模态分解（EEMD）消除模态混叠现象不需要加入白噪声，保证所要分解不平衡风功率信号的原本性。WPD-EMD将风电不平衡功率分解为若干个固有模态函数（IMF），将风电不平衡功率从高频到低频进行提取，进而分解得到高频和低频两个部分。

WPD-EMD 对风功率分解：

1）对不平衡功率s（t）进行EMD 分解，获得从高频到低频的IMF 分量和一个剩余分量。

2）对IMF 分量进行WPD 分解。

3）对IMF 分量WPD 分解后，求节点的能量值，并求其在该分量下能量的占比。

4）将能量大的节点进行重构。

5）将经过WPD 处理后的IMF 分量分解为n个分量，其中j作为高频、低频分段点。

式中：Pcap为高频功率；Pbat为低频功率；c′k(t)为第k个经过WPD 处理后的IMF 分量。根据储能设备的各种特点，将不平衡功率数据进行分解，依次分解为高频和低频两个部分。分段点选取流程如图2 所示。

图2 分段点选取流程

3 混合储能系统的优化配置

根据混合储能系统经济性以及平抑后并网的风电功率波动，建立混合储能多目标优化函数和约束条件，通过NSGA-Ⅱ算法求非劣解，配置混合储能系统容量。

3.1 混合储能优化数学模型

3.1.1 优化目标函数

考虑混合储能系统在建设以及运行过程中的经济性，建立系统容量配置模型。由于混合储能系统中不同类型的储能寿命不一，提出一种年等值成本对配置结果的经济性进行评估。

式中：C1为蓄电池年等值成本；kE_b为蓄电池储能容量成本系数；kP_b为蓄电池储能功率成本系数；kb为蓄电池年运行维护成本系数；r0为贴现率；Tb为蓄电池的运行年限；Pb为蓄电池的额定功率；Eb为蓄电池额定容量。

式中：C2为超级电容年等值成本；kE_c为超级电容储能容量成本系数；kP_c为超级电容储能功率成本系数；kc为超级电容年运行维护成本系数；Tc为超级电容的运行年限；Pc为超级电容的额定功率；Ec为超级电容额定容量。

储能系统年等值成本C为：

为衡量风电并网功率波动性，引入一个不平衡功率波动率V作为混合储能配置选配的另一个目标函数。

式中：Pout，i为第i时刻系统输出功率；Pref，i为第i时刻平抑目标功率；Pw，i为第i时刻风电功率；Pb，i为第i时刻蓄电池功率；Pc，i为第i时刻超级电容功率。混合储能系统的多目标函数为：

3.1.2 约束条件

1）储能设备荷电状态SOC 约束。过充过放会缩短储能设备寿命，通过设定上下限在一定程度延长系统储能设备更换次率。

式中：SOCci、SOCbi为超级电容、蓄电池的第i时刻的实时荷电状态；SOCcsh、SOCcsl为超级电容的上、下限；SOCbsh、SOCbsl为蓄电池的上、下限；SOCc（i-1）、SOCb（i-1）为超级电容、蓄电池的第i-1 时刻的荷电状态。

2）能量平衡约束。风电场实际出力Ew与各个储能设备Eb，Ec和风电场并网出力E能量平衡。

3.2 NSGA-Ⅱ算法

NSGA-Ⅱ算法是Deb K 等针对多目标优化问题在NSGA 算法基础上提出的。通过引用精英策略，将父代与子代合并产生2N个种群，然后对处在不同的非支配层级个体进行非支配性排序，处在同一非支配层级个体进行拥挤度计算，确保解集个体均匀分布在Pareto 前沿。其流程图如图3 所示。

图3 NSGA-Ⅱ算法流程

4 算例分析

本文以国内某50 MW 风电场为例，对其进行储能容量优化配置。选取该风电场的数据中某一典型日数据，采样时间1 min，对其进行仿真计算分析。典型日风功率数据及目标输出功率如图4 所示。

图4 典型日输出功率

对风电场数据分析，未加储能系统平抑之前，根据式（6）、式（7）对不平衡功率波动率进行统计分析，波动率如图5 所示，其波动率最大值为35.9%。

图5 不平衡功率波动率

依据本文所提的WPD-EMD 分解方法对风电不平衡功率进行分解，根据最佳分段点选取原则，选取分段点j=3。图6 为低频部分，该部分为蓄电池充放电序列。图7 为高频部分，该部分为超级电容充放电序列。

图6 蓄电池充放电功率

图7 超级电容充放电功率

本文所涉及的储能系统相关参数如表1 所示[12]，为了验证混合储能系统的较单一储能具有更好的经济性，考虑年等值成本单目标下，四种方案下的配置。

表1 系统相关参数

表2 为不考虑波动率目标函数下的混合储能容量优化配置结果。方案1：单一蓄电池储能；方案2：单一超级电容储能；方案3：EMD 分解情况下蓄电池+超级电容储能。方案4：WPD-EMD 分解情况下蓄电池+超级电容储能。其中：方案1、方案2 是直接针对不平衡功率进行平抑；方案3 是对不平衡功率进行EMD 分解处理后，由混合储能系统进行平抑；方案4 是对不平衡功率进行WPD-EMD 分解处理后，由混合储能系统进行平抑。从表2 数据可以得出，相同平抑效果条件下，混合储能年等值成本明显低于单一储能成本，且本文所提的WPDEMD 分解方法优于EMD 分解方法。

表2 储能系统优化配置结果

根据本文所建立的混合储能多目标优化模型，考虑允许风电波动率存在情况下，通过NSGA-Ⅱ求解多目标储能系统模型中超级电容和蓄电池的储能最优Pareto配置集，对方案4 进一步划分情景。选定5 个情景进行分析，其年等值成本与波动率之间关系如图8 所示。图8 中，混合储能系统能量配置减少，年等值成本会降低，但与此同时也直接导致风功率输出波动增大。

图8 优化目标函数Pareto 图

由于完全平抑风电功率波动所需要的储能成本较高，在额定容量不变的前提下，考虑5 个不同波动率的配置情景，如表3 所示。

表3 储能系统优化配置结果（考虑波动率因素）

在满足风电并网要求的前提下，随着波动率的增加，系统所需要配置的储能成本降低，这种配置方法具有较好的经济性。当波动率为2%时储能系统年等值成本较完全平抑的年等值成本下降5.79%；波动率为4%时储能年等值成本下降11.59%；波动率为6%时储能年等值成本下降16.79%；波动率为8%时储能年等值成本下降21.71%；波动率为10%时储能年等值成本下降26.02%。

5 结 语

在完成同一平抑风功率目标的前提下，混合储能基于分频技术，对不同频段功率进行分开平抑。通过与EMD 分解方法进行对比，得出本文所提的WPD-EMD 分解不平衡风功率方法具有更优的经济性，同时避免了EMD 分解产生的模态混叠现象。通过NSGA-Ⅱ对所建立的多目标函数求解，对该方案4 进行进一步优化，讨论在5 种不同波动率情况下的配置情景。在风电并网限制的允许下，为风电场混合储能的容量配置提供了参考。