含大规模风力发电的电力系统储能优化配置

张保贵 王德志

摘要：能源问题一直是世界重点关注的问题，且人们正面临着化石能源不断枯竭以及环境恶化等问题，因此，改变能源结构势在必行。为提高风电预测的准确性，文章提出了一种基于改进的广义误差分布模型推测风电预测的可能性分配方法。该模型先采用人工蜂群算法对储能模型进行求解，再通过算例来验证风电预测误差法是否具有最优性。

关键词：大规模风电；储能系统；优化配置；风电功率波动

中图分类号：TM73  文献标志码：A

0 引言

风力发电的可变性和随机性会导致供电网络出现问题（与调峰、调压、调频等均有关），增加了电网的安全风险等级。因此，为了满足生产和发展的需要，降低发电厂的投资成本，保证可再生能源的稳定供应，有必要大规模开发高质量的能源和储能技术［1-2］。

1 储能优化配置研究

1.1 风电功率波动

1.1.1 风储联合发电系统

混合储能可以充分发挥不同类型储能的互补优势，抑制因风能波动带来的损失，降低储能系统的投资成本和风电容量波动［3］。风储联合发电系统的结构，如图1所示。

为了确保变分模态分解方法的最优性，可比较在变分模态分解与经验模态分解下的优化配置结果。与经验模态分解方法相比，变分模态分解方法可以产生更好的混合储能能量。变分模态分解方法的年均总成本比经验模态分解方法的年均总成本降低了约3.78%，具有較好的经济性。

用来描述曲面模型拟合的优度R2的计算公式为：

R2=1－∑（yi-yf，i）2∑（yi-y）2（13）

不同风电渗透率下储能优化配置结果，如表2所示。

由表2可知，系统总成本是呈U形曲线分布的，但最后会趋于平稳。从表2中可以看出，消纳适当的风电能够提高系统的经济性。

4 结语

风能整合储能技术是解决风能资源浪费的重要技术之一，可基于储能系统来改善风能波动和其对电网的影响。本文着重探索风电电力系统储能优化配置的方法及条件，通过以上调查，可以得出以下结论：

（1）为了抑制风能的波动，可用移动平均滤波器确定电网的预期流量和待测风能的波动抑制。储能系统要考虑由于风能波动以及弃风所带来的损失，以经济优化为目标，建立混合储能优化配置模型。该模型能够综合各方优势，提高风能输出，使得系统的年均成本降到最低。

（2）基于风能的不稳定性，可利用混合储能系统来提高风能输出，避免造成资源浪费，提高系统的经济性。

参考文献

［1］王守相，王凯，赵歌.平抑有源配电网功率波动的储能配置与控制方法研究综述［J］.储能科学与技术，2017（6）：1188-1195.

［2］靳雯皓，刘继春.平滑风电功率波动的混合储能系统容量优化配置［J］.分布式能源，2018（2）：32-38.

［3］袁小明，程时杰，文劲宇.储能技术在解决大规模风电并网问题中的应用前景分析［J］.电力系统自动化，2013（1）：14-18.

［4］于芃，周玮，孙辉，等.用于风电功率平抑的混合储能系统及其控制系统设计［J］.中国电机工程学报，2011（17）：127-133.

［5］迟永宁，梁伟，张占奎，等.大规模海上风电输电与并网关键技术研究综述［J］.中国电机工程学报，2016（14）：3758-3770.

（编辑 姚 鑫编辑）

Optimization configuration of energy storage in large-scale wind power systems

Zhang  Baogui， Wang  Dezhi

（China Energy Construction Group Northeast Electric Power First Engineering Co.， Ltd.， Shenyang 110179， China）

Abstract：  The energy issue has always been a key concern of the world， and people are facing problems such as the continuous depletion of fossil fuels and environmental degradation. Therefore， changing the energy structure has become imperative. Therefore， in order to improve the accuracy of wind power prediction， this article proposes an improved generalized error distribution model to infer the possibility allocation of wind power prediction. This model uses artificial bee colony algorithm to solve the energy storage model， and finally， examples can be used to verify whether the wind power prediction error method is optimal.

Key words： large-scale wind power; energy storage system; optimize configuration; wind power fluctuations