混合电源及功率预测系统在风电并网中的应用

刘志其

（广东省能源集团贵州有限公司，贵州 贵阳 550081）

0 引 言

风电并网是将风力发电系统连接到电力网络中，使其成为电力系统的一部分，从而向电力网络供应产生的电能[1]。这表明风力发电站不再是孤立运行的独立系统，而是与其他发电站、输电线路和电力用户相连，共同构成一个整体的电力系统[2]。混合电源及功率预测系统是将不同类型的能源整合到一个系统中，并利用功率预测技术来提前了解系统中风电等可再生能源的预期功率输出，从而更有效地管理能源系统的运行。这种综合应用有助于提高能源的可再生比例，减少对传统能源的依赖，并提高整个电力系统的可靠性和效率[3]。随着风电在能源结构中的重要地位不断上升，风电并网系统的稳定性和经济性成为人们的关注焦点[4]。混合电源及功率预测系统的引入为解决风电波动性和不确定性提供了有效途径。本文通过分析风电场、储能系统以及混合电源系统中的关键设备，重点研究混合电源协同调度和功率预测在提高系统性能方面的应用。通过对比实际数据和优化后的数据，凸显了该系统在提高风电并网系统灵活性和效益方面的实际效果。

1 混合电源在风电并网中的应用

1.1 风电储能协同工作

风电的波动性可能导致不稳定的电力输出，而储能设备能够提供相对稳定的基础负荷，因此风电和储能设备具有互补性，二者协同工作可以保障电力系统的稳定供应[5]。设计风电厂时，需要充分考虑风电和储能设备的互补性，以及系统的经济性和可靠性。具体的风电储能协同工作电路设计如图1 所示。

图1 风电储能协同工作电路设计

风电机组应选择具有较高效率和适应性的型号，可以使用3 MW 系列双馈异步风力三相异步发电机，轮毂高度为100 m，额定风速为12 m/s，切入风速为3 m/s，切出风速为25 m/s。根据地形和气象条件，采用密集布局，避免相互遮挡。风电机组数量为20 台，总装机容量为60 MW。利用先进的协同调度算法，实现风电与储能设备的协同工作。安装风电机组实时监测设备，监测风速、转速、温度等参数[6]。此外，协同设计中需要添加实时监测系统，以便整个过程中的实时数据获取和监控。该监测系统能够监测风电机组的关键参数，如风速、转速、温度等，以确保风电机组在运行过程中始终处于最佳状态。储能系统采用锂离子电池，储能容量为20 MW·h，放电功率为10 MW。为了最大限度地利用可再生能源，系统依托先进的智能控制系统，通过精确的风电产能预测，智能决策何时进行储能和释能操作。

1.2 协同算法

在风电与储能协同工作中，协同调度算法旨在通过智能调度，合理分配两者的发电负荷，以达到经济高效、稳定可靠的电力供应。协同调度算法的主要目标是最小化总成本，包括风电成本和调度成本。通过合理分配各个发电单元的产能，以适应不断变化的风力情况，从而实现成本最小化。具体的协同计算过程如图2 所示。

图2 协同计算的具体流程

数据输入中，风电数据包括实时风速、风向、风电机组发电量等，电力系统需求包括电力负荷需求曲线等。获取风力发电的实时数据，包括风速、温度、机组负荷等。利用功率预测模型，对未来一段时间内的风电功率进行预测是一项关键的任务。基于当前和预测的数据，通过动态规划数学优化法，调整风力发电的产能分配，以最小化总成本。总成本Cz的计算公式为

式中：Ct为投资成本；Cw为运维与维护成本；Cf为风险成本；Cy为运行成本；d为调度成本。根据成本计算，生成最优的调度策略，包括各个发电单元的功率输出、机组启停时间等。通过基于成本计算的最优调度策略，风力发电单元在未来一段时间内的发电负荷分配将更为精准，在最小化总成的前提下满足电力需求，并为发电机组的启停、负荷调整等具体调度提供明确的指导。

2 功率预测系统在风电并网中的应用

功率预测系统在风电并网中的应用是为了提前了解未来风电功率的变化，以便更好地规划电力系统运行、优化发电调度，确保电网的稳定性。风速和风向的变化导致风力发电的输出具有不确定性，而通过预测功率有助于应对这种不确定性。风电功率预测使用数学模型，考虑气象数据（风速、温度）和地理特征，进行风电功率的预测。利用历史风速和功率数据，采用回归分析统计方法进行功率预测。在多元回归中，可以引入多个自变量，计算模型为

式中：Xn为自变量；βn为对应的斜率；ε为误差项。回归分析的目标是通过拟合模型找到最适合的参数值βn，从而使模型对观测值和实际值之间的误差最小化。在实际风电并网的应用中，使用最小二乘法来估计参数，目标是最小化残差平方和，即观测值与模型估计值之间差异的平方和。具体的估计公式为

3 应用实验

3.1 应用场景

在风电并网系统中，混合电源和功率预测系统用于优化电力系统运行，以提高风力发电效率并降低成本。选择WF-5000 型号风力发电机组，具备高效率和高可靠性。配备WS-2000 风速测量仪器，可准确测量风场中的风速。引入WP-3000 功率预测系统，结合气象和机组数据进行准确的功率预测。IC-1000 智能控制器用于实现对风力发电机组的精确控制和调度。

储能系统采用锂离子电池，储能容量为20 MW·h，放电功率达到10 MW。为了监测储能发电机组的运行状态，实验部署了MS-500 实时监测系统。SD-2000 智能调度系统用于实现对风力发电机组的灵活调度和协同工作。引入DT-500 数据采集与传输设备，以确保实时获取各个发电设备的运行数据。

为了实现对整个电力系统的智能监测和管理，实验引入EMS-8000 智能能源管理系统。通过这些设备的串联，风电场、储能设备和混合电源系统构成了一个完整的智能电力系统。该系统实现了风电与储能的协同工作和功率的精准预测，提高了电力系统的可靠性和经济性。

3.2 应用结果

实时监测电力系统运行情况，具体的应用结果如表1 所示。

表1 风电场实际发电与预测发电量比较

发电量差异百分比表示实际发电量相对于预测发电量的偏差百分比，正值表示实际发电量超过预测，负值表示实际发电量低于预测。在大多数情况下，实际发电量与预测发电量之间的差异较小，表明功率预测模型相对准确。在2023 年1 月4 日，实际发电量低于预测，这可能是由于突发的气象变化或设备故障引起的。这些数据有助于系统运营人员更好地了解功率预测的准确性，并采取必要的措施，以最大限度地利用风能。混合电源系统的综合性能指标如表2 所示。

表2 混合电源系统综合性能指标

通过这些数据，可以看到混合电源系统的应用带来了一系列积极的结果。风电场的功率预测准确，发电机组负载调整灵活，参与市场交易频次增加，整体电力系统的总成本降低，储能系统的高效性得到验证。一站式风电加储能系统综合了清洁能源和智能调度的优势，为电力系统的可靠性和经济性提供了有力的支持。

4 结 论

混合电源及功率预测系统的应用在风电并网中呈现出显著的优势，通过合理调度风力发电，有效平衡了电力系统的供需关系。通过功率预测系统的精准预测，提高了对未来风电功率变化的应对能力。最终的数据对比分析表明，该系统在经济性、可靠性和市场交易方面取得了显著成果。通过提高风电并网系统的可行性，混合电源及功率预测系统有望推动清洁能源在电力系统中的广泛应用，促进可再生能源的可持续发展。这些研究成果不仅为风电并网系统的运行管理提供了指导，还为推动清洁能源在电力系统中更广泛的应用提供了有益的启示。