新能源风力发电系统中储能技术的应用探索

摘 要：【目的】针对风力发电系统中风电出力的波动性和间歇性给电网调度运行带来的挑战，探索储能技术与风电系统相结合的解决方案，以提高风电的消纳水平和经济性。【方法】在分析风力发电和储能技术特点的基础上，重点研究储能在风电系统中的应用与集成优化，包括储能系统的集成设计原则、功率管理与能量调度策略及储能控制和优化算法。【结果】通过合理配置储能系统，优化其控制和调度策略，能有效平滑风电出力波动，提高风电的利用效率，减少弃风限电，增强电网对风电的消纳能力。【结论】将储能技术与风力发电系统进行深度融合，对促进风电的大规模发展应用、提高其经济性和供电可靠性具有重要意义。该研究为风电场的规划设计和运行优化提供有益参考。

关键词：风力发电；储能技术；波动性；系统集成；消纳能力

中图分类号：TK82" " " 文献标志码：A" " 文章编号：1003-5168（2024）22-0012-04

DOI：10.19968/j.cnki.hnkj.1003-5168.2024.22.003

Exploration of Practical Applications of Energy Storage Technology in New Energy Wind Power Generation Systems

Abstract： [Purposes] In response to the challenges posed by the fluctuation and intermittency of wind power output to the dispatch and operation of power grid in wind power generation systems， this paper explores the solution of integrating energy storage technology with wind power systems to improve the level of wind power consumption and its economic efficiency. [Methods] Based on the analysis of the characteristics of wind power generation and energy storage technology， this study focuses on the application and integration optimization of energy storage in wind power systems， including the principles of energy storage system integration design， power management and energy scheduling strategies， as well as energy storage control and optimization algorithms. [Findings] By rationally configuring energy storage systems and optimizing their control and scheduling strategies， wind power output fluctuations can be effectively smoothed， wind power utilization efficiency can be improved， wind abandonment and power curtailment can be reduced， and the grid's capacity to absorb wind power can be enhanced. [Conclusions] The deep integration of energy storage technology with wind power generation systems is of great significance for promoting the large-scale development of wind power， improving its economic efficiency and power supply reliability. This study provides useful references for the planning， design， and operation optimization of wind farms.

Keywords： wind power generation; energy storage technology; fluctuation; system integration; absorptive capacity

0 引言

化石能源的大量开采和利用已影响到人类的生存环境，可再生清洁能源的开发利用已成为应对能源危机和解决环境污染的关键举措。风力发电作为可再生能源的重要组成部分，近年来实现快速发展，但风能资源的间歇性和波动性给风电并网和消纳带来了挑战，严重影响电网调度运行和电能质量［1］。为了克服这些问题，学术界和工业界关注储能技术在风电系统中的应用。通过引入储能单元，能平滑风电出力，提高电能质量，增强系统的灵活性和可靠性，缓解风电并网对电网的冲击，实现风电能量的优化配置，提高风电利用效率和经济性。因此，研究储能技术在风力发电系统中的实践应用，对促进风电规模化发展具有重要意义。

1 风力发电与储能技术基础

1.1 风力发电原理与关键组件

风力发电通过风轮叶片捕获风能，并将其转化为机械能，再由发电机将机械能转换为电能。风电系统由风轮、传动系统、发电机和控制系统等关键部件组成。其中，风轮负责高效捕获风能，传动系统通过增速齿轮箱来实现转速和转矩的变换，控制系统则实时监测和调节风电机组的运行状态，确保其能安全、稳定、高效运行。

1.2 储能技术的分类与特性

储能技术在风电系统中发挥着重要作用，能缓解风电出力波动，提高并网性能和电能质量。不同储能技术在技术原理、性能特征和适用场景等方面存在差异［2］。机械储能（如抽水蓄能）容量大、寿命长、成本低，但响应慢；电化学储能（如锂离子电池）能量密度高、响应快，但成本高、安全性有待提升；化学储能（如氢储能）可长时间、大容量储能，但转化效率低；电磁储能（如超导磁储能）功率密度和响应速度超高，但容量和成本限制其大规模应用。

1.3 风电储能系统的配置与优化

风电储能系统的优化设计要从技术、经济和环境等多维度综合考量。储能系统的功率和容量要与风电场规模和负荷特性匹配，并兼顾平滑风电波动和成本效益平衡［3］。此外，储能系统的响应特性、充放电效率和环境影响也是关键因素。为满足风电系统的多元化需求，以多种储能技术互补组合的混合储能系统逐渐成为主流，如抽水蓄能与电池储能、飞轮与超级电容器的组合等，在风电并网中提供更可靠的功率支撑和频率调节能力。

2 储能技术在风力发电系统中的应用与集成

2.1 储能系统集成设计原则与方法

储能系统集成设计应遵循安全可靠、经济高效、灵活可控的原则。要确保储能系统能安全稳定运行，尽可能避免故障和事故的发生；要合理配置储能容量、降低投资和运维成本，提高经济效益；要具备灵活的控制能力，以适应风电场的特点和需求。在设计方法上，可采用集中式或分布式。集中式储能通过配置大容量集中储能装置，实现集中控制和规模效应，但投资大、故障风险高；分布式储能是在每台或每组风电机组中配置小容量储能单元，通过分散控制就地平衡调节风电出力，提高可靠性和灵活性，但投资和维护成本较高。此外，还要考虑储能装置与风电机组及电网之间的接口和控制方式，采用分层协调控制的方式，在风电机组控制基础上，增加储能功率控制和能量管理策略，实现风电出力平滑调节和能量优化配置。

2.2 储能技术在风力发电中的功率管理与能量调度

储能技术可通过功率管理和能量调度策略来平滑风电功率波动，提高风电出力的可预测性和可控性，增强电网对风电的友好接纳能力［4］。储能功率管理包括功率变换器控制和储能充放电管理。功率变换器采用双向DC/AC变流器拓扑，可实现储能与风电机组或电网之间双向功率流动；变流器控制采用矢量控制或双闭环控制，即内环电流控制、外环直流电压或有功/无功功率控制，实现储能有功/无功独立调节，维持直流母线电压稳定。储能充放电管理根据风电出力、储能SOC和电网调度指令等，优化储能充放电功率，吸收风电剩余功率，避免储能过充过放。储能系统的能量调度是在更长的时间尺度上优化储能 充放电策略，平衡风电出力的波动，跟踪电网调度曲线，从而最大化风电消纳和经济收益。设风电场某时段内的预测出力为[Pwt]、电网调度曲线为[Pdt]、储能系统的充放电功率为Ps（t）、输出功率为Po（t），则储能系统的能量平衡方程为式（1）、式（2）。

[Et=Et−1+ηc·Pst·Δt]

当[Ps]gt;0时 （充电） （1）

[Et=Et−1−Pst/ηd·Δt]

当[Ps]lt;0时（放电）" （2）

式中：[Pst] =[Pwt] -[Pdt]，表示储能系统在t时刻的充放电功率。当[Pwt]gt;[Pdt]时，[Pst]gt;0，储能系统充电；当[Pwt]lt;[Pdt]时，[Pst]lt;0，储能系统放电。同时，风电场的实际输出功率[Pot]的表示见式（3）。

[Pot] = [Pwt]- [Pst]" "（3）

式中：[Et]为储能系统[t]时刻的剩余电量；[ηc]和[ηd]分别为储能充电和放电效率；[Δt]为时间步长。同时，还要满足储能容量和功率的约束条件，见式（4）。

Emin≤E（t）≤ Emax ，Pmax≤Ps（t）≤Pmax" "（4）

式中：Emin和Emax分别为储能系统允许的最小和最大剩余电量；Pmax为储能变流器额定功率。

在实际应用中，储能系统的能量调度通常采用基于预测的滚动优化策略，即根据未来一段时间内风速和负荷的预测值，提前优化储能的充放电计划，并根据实际运行情况进行实时校正［5］。优化目标可以是最小化风电削减量、最大化风电收益或最小化运行成本等，同时考虑电价等外部因素的影响。此外，还可引入模糊控制、神经网络、强化学习等智能算法，自适应调整储能充放电策略，进一步提高风电消纳和运行效益。

2.3 储能系统的控制策略与优化算法

储能系统在风电场中的优化控制是一个涉及多时间尺度、多约束条件的复杂问题。为了最大限度发挥储能系统在平滑风电波动、跟踪调度曲线、提高风电消纳等中的作用，针对不同的应用场景和需求，设计出合理的控制策略和优化算法。

在储能变流器的控制方面，常用的控制方法有双闭环控制和模型预测控制（Model Predictive Control， MPC）。双闭环控制采用内环电流控制和外环电压/功率控制的级联结构，通过PI调节器来实现储能变流器的解耦控制。其控制律见式（5）、式（6）。

[ud=kp（i∗d−id）+ki∫（i∗d−id）dt−ωLfiq]" （5）

[uq=kp（i∗q−iq）+ki∫（i∗q−iq）dt+ωLfid]" （6）

式中：[ud]和[uq]分别为变流器输出电压的d、q轴分量；[id]和[iq]分别为电感电流的d、q轴分量；[i∗d]和[i∗q]分别为 d 轴和 q 轴的参考电流指令；[kp]和[ki]均为PI调节器参数；[Lf]为滤波电感；ω为电网角频率。

MPC是一种基于系统模型和滚动优化的控制方法，通过在每个采样时刻预测未来一段时间内系统的动态响应，并求解优化问题来确定当前时刻的最优控制量，具有响应快、鲁棒性强等优点。以储能变流器的有功功率控制为例，其状态空间模型见式（7）、式（8）。

[xk+1=Axk+Buk]" （7）

[yk=Cxk]" （8）

式中：k为时间步长或离散时刻；x为系统状态变量（如电感电流、直流电压等）；u为控制变量（如调制波占空比）；y为输出变量（如有功功率）；A、B、C为系统矩阵。

MPC的优化控制问题的描述见式（9）至式（13）。

[minJ=∑yk+i−yrefk+i2+]

[∑Δuk+i−12] （9）

[s.t.xk+i+1=Axk+i+Buk+i]

[i=0，1，…，N−1] （10）

[yk+i=Cxk+i" "i=1，2，…， N]" （11）

[umin≤uk+i≤umax" "i=0，1，…， N−1]" （12）

[Δumin≤Δuk+i≤Δumax" "i=0，1，…， N−1]" （13）

式中：J为目标函数；[yref]为参考轨迹；[Δu]为控制增量；N为预测时域；[umin]、[umax]、[Δumin]和[Δumax]分别为控制量和控制增量的约束。

求解该优化问题，可得到未来N步的最优控制序列，每次只执行第一步控制，然后移动优化时域，重复求解。

在储能系统能量管理方面，常用的优化算法有动态规划（Dynamic Programming，DP）、混合整数规划（Mixed Integer Programming，MIP）等。DP将多阶段决策问题分解为一系列单阶段决策问题，递归求解每个阶段的最优值函数，得到全局最优解。设第k时段的系统状态为SOC（k），控制变量为P（k），状态转移方程为式（14）、式（15）。

[SOCk+1=SOCk+ηc·Pk·Δt/Emax]

当[Pk]≥0时 （充电） （14）

[SOCk+1=SOCk−Pk·Δt/ηd·Emax]

当P（k）lt;0时 （放电）" （15）

式中：[ηc]和[ηd]分别为储能充放电效率；Emax为储能额定容量；[Δt]为时段长度。

每个阶段的目标函数可描述为式（16）。

J[kSOCk，Pk=ck·Pk·Δt+]

[J∗k+1SOCk+1] （16）

式中：[ck]为第k时段的电价；[J∗k+1]为下一阶段的最优值函数。

DP的求解过程为式（17）、式（18）。

[JSOCKK=mincK·PK·Δt]" （17）

[JSOCkk][=minck·Pk·Δt+J∗k+1SOCk+1]

[k=K−1，…，1]" （18）

MIP适用于含有连续变量和离散变量的混合优化问题，通过引入0-1变量来描述储能的运行状态（充电、放电、闲置），将能量管理问题建模为混合整数线性规划（Mixed Integer Linear Programming，MILP）问题，具体见式（19）至式（25）。

[min∑ck·Pk·Δt]" （19）

[s.t.SOCk+1=SOCk+ηc·uck·Pk·Δt/Emax-]

[udk·Pk·Δt/ηd·Emax] （20）

[SOCmin≤SOCk≤SOCmax] （21）

[0≤Pk≤Pmax·uck]" （22）

[−Pmax·udk≤Pk≤0] （23）

[uck+udk≤1] （24）

[uck，udk∈0，1] （25）

式中：[uck]和[udk]分别为表示储能在第[k]时段充电和放电状态的0-1变量；[SOCmin]和[SOCmax]均为荷电状态约束；[Pmax]为储能额定功率。

该MILP问题可用单纯形法、分支定界法、切平面法等方法进行求解。在实际应用中，可结合风速和负荷预测、电价信息等，采用启发式算法、智能算法等，提高储能系统能量管理的经济性和鲁棒性。综上所述，储能系统在风电并网中的优化控制涉及变流器控制和能量管理这两个层面，可分别采用基于反馈或预测的控制策略和基于模型或数据驱动的优化算法。合理的储能控制能有效抑制风电波动，提高风电出力质量，减少弃风限电，为风电的大规模消纳和高效利用提供技术支撑。

3 结语

本研究通过深入分析储能技术与风力发电系统的融合应用，系统地阐述了储能在风电系统中的集成设计原则和方法，重点探讨了储能系统的功率调节和能量优化调度策略。研究表明，合理设计储能系统的容量配置和拓扑结构、优化储能变流器控制和能量管理策略，能显著提升风电场的出力品质，增强电网对风电的友好承载能力。希望本研究的成果能为储能技术在风电系统中的进一步应用提供参考和借鉴，推动风电与储能的规模化发展，为构建清洁低碳、安全高效的新型电力系统贡献力量。

参考文献：

［1］许嘉雯.新能源风力发电系统中储能技术的实践应用［J］.应用能源技术，2023（11）：43-47.

［2］高福伟.储能技术在风力发电系统中的应用研究［J］.电子制作，2022，30（4）：95-97.

［3］丁志康，王维俊，米红菊，等.新能源发电系统中储能技术现状与分析［J］.当代化工，2020，49（7）：1519-1522.

［4］刘益廷.新能源开发中的电气自动化环保技术分析［J］.集成电路应用，2023，40（11）：70-72.

［5］宋智勇.风力发电系统中储能技术的应用分析［J］.电气时代，2023（8）：44-46.