減少棄風損失的儲能容量和布局優化研究

吳俊玲，張彥濤，秦曉輝，梁才浩

(中國電力科學研究院，北京市 100192)

減少棄風損失的儲能容量和布局優化研究

吳俊玲，張彥濤，秦曉輝，梁才浩

(中國電力科學研究院，北京市 100192)

針對我國大規模風電接入地區因系統調峰能力不足引起的大量棄風問題，提出采用大容量儲能電池提高系統調峰能力、減少棄風損失的儲能充放電策略。基于所提出的儲能恒功率充放電策略，建立儲能電站容量和布點優化的數學模型，并采用遺傳算法進行求解。該模型以儲能電站的投資和運行成本、網絡損耗、調峰不足棄風及風電送出通道阻塞棄風損失之和最小為優化目標，考慮了儲能電站的峰谷電價收益、計及了風力發電的碳減排效益，并滿足電網的安全運行約束。最后，利用IEEE RTS79系統進行儲能布局優化分析，驗證了方法的有效性。應用該方法能夠為解決大規模風電并網地區的棄風問題提供技術解決方案。

棄風；電池儲能；優化；遺傳算法

0 引 言

風電出力具有波動性和不確定性，往往與負荷曲線不一致。我國風電集中的地區風電出現反調峰的概率較大[1]。

我國以煤為主的能源資源特點決定了以煤電為主的電源結構，而在煤電裝機中供熱機組又占有較大比重，冬季供熱機組基本沒有調峰能力，因此，在夜間低谷負荷時段系統接納風電的能力往往受到常規發電機組最低技術出力的限制。尤其在燃煤火電和供熱機組裝機比例較高的地區，調峰不足成為制約風電消納能力的主要因素。在我國東北、西北等大型風電基地，已經暴露出了由于系統調峰能力不足而引起大量棄風的問題[2]。另外，在風電基地開發初期，風電場匯集站的變電容量和風電基地送出通道的輸電能力不足，也是造成風電大發時段棄風的重要因素[3]。

電池儲能的能量密度高，響應迅速，具有雙向的功率吞吐能力，因此大容量電池儲能裝置的應用是提高系統調峰能力的有效手段。隨著儲能技術的飛速發展，除傳統的抽水蓄能電站外，國內外已有多個大容量電池儲能電站參與系統調峰的示范應用工程[4-5]。與抽水蓄能電站相比，電池儲能電站的建設地點和運行方式更為靈活，通過在負荷低谷時段和風電送出通道輸電能力不足時段吸收多余風電，在高峰負荷時段和風電出力較小時段放電，能夠有效地減少棄風損失。

現階段儲能系統的高成本仍然是限制其大規模應用的關鍵因素，為了衡量儲能減少棄風損失的經濟性，有必要研究儲能的容量配置問題，進而評估儲能運營的經濟性。在儲能優化配置方面，國內外已有大量學者進行了相關的研究工作[6-12]。文[6]針對儲能技術在電網側、用戶側和新能源發電3個不同的主要應用場合，對其應用規劃和效益評估方法進行研究和歸納。文[7]從儲能應對風電短時間尺度功率波動的角度分析了儲能的作用并研究了儲能容量優化的方法。文[8-11]從跟蹤負荷和風電長時間尺度調功率變化的角度分析了儲能在“削峰填谷”方面的作用并進行容量的優化，但未對儲能電站的優化布局進行研究。文[12]從配電網參與功率調節的角度對含風電、光伏的配電系統的分布式儲能進行了優化配置。

本文針對我國大規模風電接入地區因系統調峰能力不足引起的大量棄風問題，研究電池儲能容量和布點的優化。首先提出3種實用的提高系統調峰能力減少棄風損失的儲能充放電策略，定性比較不同充放電策略對于減少棄風的效果。然后，基于儲能的恒功率充放電策略提出儲能電站容量和布點的優化方法，并采用遺傳算法對該優化問題進行求解。最后，利用IEEE RTS79系統對所提優化模型和求解方法進行驗證。

1 減少棄風損失的儲能充放電策略

電池儲能系統的雙向電力電子變流器可以在容量和功率限值內按照指令控制儲能的充放電[13]。為充分發揮儲能的容量效益并方便對儲能進行控制，需要確定合理的儲能充放電策略，即每個時刻電池是否充放電，以及充放電功率的大小[14]。

為緩解系統調峰不足而引起的棄風問題，提出了3種實用的儲能充電策略，示意圖如圖1所示。圖中橫坐標為時間，縱坐標Pps為系統的調峰需求，Pps可由下式求取

Pps=Ps,min-(PLoad-PWind)

(1)

式中PLoad為系統負荷；PWind為風電出力；Ps,min為系統常規發電機組的最低技術出力。Pps>0表示調峰能

力不足，需要儲能充電來減少棄風電量。

圖1中粗實線表示儲能各時刻的充電功率，Ps為額定充電功率，充電功率曲線與橫坐標所圍面積即為儲能的額定存儲電量Ws，陰影部分的面積即為儲能充電后減少的棄風電量。

1.1 跟蹤調峰需求的充電策略

根據預測得到的次日系統調峰需求曲線Pps確定每一時刻儲能的充電功率。如圖1(a)所示，從t1時刻開始，Pps>0，儲能開始充電。當調峰需求Pps小于儲能的最大充電功率Ps時，儲能充電功率變化曲線與調峰需求曲線一致；當調峰需求大于儲能最大充電功率時，儲能以額定充電功率Ps充電，直到t2時刻儲能電量充滿至Ws。

圖1 電池儲能充電策略示意圖Fig.1 Battery energy storage and charging strategy

1.2 恒功率充電策略1

該策略從Pps>0的起始點t1開始，儲能以額定充電功率Ps進行充電，直到t2時刻儲能電量充滿。圖1(b)所示，儲能的充電時長為額定功率充電時間Ts=t2-t1=Ws/Ps。

1.3 恒功率充電策略2

該策略儲能仍以額定充電功率Ps進行充電，充電時長亦為額定功率充電時間。但充電的起止時刻不同，其確定方法為：用一條水平線從Pps的最大值開始向下移動，直到水平線與Pps相交得到的時間(t2-t1)恰好等于儲能的額定功率充電時間Ts。

同理，可以利用預測得到的次日發電功率不足曲線確定儲能的放電策略。如果存在發電功率不足，則可以依照上述方法確定3種不同的儲能充電策略。若不存在發電功率不足，則可以利用上述策略1.3的方法在凈負荷曲線的高峰時段確定儲能放電的起始和結束時間。

1.4 3種充電策略的定性比較

采用跟蹤調峰需求的充電策略，儲能的功率和容量能夠得到最充分的發揮，儲能設備在額定充放電功率和存儲容量相同的情況下，減小棄風的效果最好。但采用該策略，需要在每一時刻重新確定儲能的充電功率，給儲能系統的運行控制增加了難度。

采用恒功率充電策略1，能夠較容易地確定充電的起始和終止時刻，便于儲能的運行控制，但儲能的容量不能得到充分發揮，減少棄風的效果不佳。

采用恒功率充電策略2，儲能的運行控制也較為簡單。從圖1的示意圖可以看出，其減少棄風電量的效果較恒功率充電策略1更好。

2 儲能容量和布點優化模型

從系統層面利用儲能裝置提高調峰能力，減少棄風損失，關注的是儲能在整個電力平衡中發揮的作用。定性來說，在儲能類型和容量相同的條件下，集中布放要比分散布放更節省投資。但儲能布放位置和容量不同，會對網絡損耗產生一定的影響。另外，當系統存在網絡阻塞引起的棄風問題時，儲能的布放位置對棄風的影響就更為顯著。

2.1 目標函數

優化的目標為儲能的投資和運行成本、網絡損耗以及棄風損失之和：

minC=fcrCinv.s+Cope.s+Closs.net+ Closs.w-Cprice,s

(2)

式中：Cinv,s為儲能的投資成本；fcrCinv,s表示儲能的投資年值；Cope,s為儲能的運行成本，主要包括儲能的運行維護費用和充放電損耗；Closs,net為網絡損耗；Closs,w為棄風損失，包括因系統調峰能力不足和風電送出通道阻塞引起的棄風損失；Cprice,s是儲能充電和放電時段的電價之差帶來的收益，因此儲能放電時電價為正，充電時電價為負。

2.1.1 儲能電站投資和運行成本

包括固定成本Cfix,s和可變成本Cvar,s兩部分

Cinv,s=Cfix,s+Cvar,s

(3)

式中固定成本是指與儲能規模基本無關部分的投資費用，主要包括儲能電站的通信和控制等輔助設施的投資費用。可變成本是指與儲能功率或容量直接相關的部分成本，由功率成本和容量成本構成，主要包括變流器和電池本體的投資費用。

為了簡化起見，研究中可變成本只考慮與儲能功率或容量呈線性關系的部分，表示為

Cvar.s=Cp.sPs+Cw.sWs

(4)

式中Cp,s為儲能系統的單位功率成本，包括變流器和液流電池電極的單位功率成本；Cw,s為儲能系統單位容量成本，主要包括液流電池電解液或鋰電池的單位容量成本。

儲能系統使用壽命為

(5)

式中：Tlife為對應充放電深度下儲能系統的循環壽命；Lcyc_year為年充放電循環次數，在恒功率充放電策略下，也就是儲能1年中投入運行的次數。

不考慮儲能系統正常使用期內的設備更換成本，根據儲能系統的使用壽命和基準收益率，將儲能系統的總投資成本在壽命期內進行成本分攤，得到儲能系統的投資年值：

(6)

儲能運行費用主要包括年運行維護成本COM,s和充放電量損耗CLoss,s，即

Cope.s=COM.s+CLoss.s

(7)

正常的儲能年運行維護成本是指為了維持儲能電站處于良好的待機狀態所需要的費用，一般用固定資產原值和運行維護費率的乘積計算，這里用儲能電站的投資費用近似代替固定資產原值，表示為

COM.s=Cinv.sfOM.s

(8)

式中fOM,s為儲能的年運行維護費率，通常可取2%。

儲能的充放電量損耗表示為

CLoss.s=e(1-ηs)Lcyc_yearWs

(9)

式中：e為電價；ηs表示儲能電站充放電循環1次的效率。通常充放電1次，變流器的效率大約為95%，電池的效率大約為90%，整體的充放電效率一般不超過82%～85%。

2.1.2 網絡損耗成本

儲能在充電和放電時功率流向不同，由此而產生的網絡損耗也不同，網絡損耗成本的計算如式(10)所示。

(10)

式中Ploss,net,t為典型日各時刻電網的功率損耗，可由潮流計算得到；et為各時刻電價；floss為網損修正系數。

通常，用于輸電網分析的潮流計算模型中會將負荷等值到變電站的110 kV側，因此潮流計算所得的網損不能完全反映電網全部的技術線損情況。為了更準確地反映儲能布放位置不同對充電和放電時網絡損耗的影響，需要修正這種因網絡等值而產生的網損計算結果的偏差。對于沒有詳細模擬110 kV及以下電壓等級的輸電網模型來說，修正系數floss表示為

(11)

式中Ploss.110 kV_表示110 kV及以下電壓等級技術線損在總技術線損中所占的比例。

2.1.3 棄風成本

棄風成本Closs,w包括兩部分，一部分是由于系統調峰能力不足引起的棄風，另一部分是因風電送出通道的阻塞引起的棄風：

(12)

式中：CQF為單位棄風電量成本；PTQF,t為t時刻受調峰約束的棄風功率；PNQF,t為t時刻受網絡阻塞約束的棄風功率。

2.2 約束條件

2.2.1 運行約束

主要包括功率平衡約束、節點電壓約束、線路功率約束和機組出力約束。

(1)功率平衡約束。

儲能放電時的功率平衡約束

(13)

儲能充電時的功率平衡約束

(14)

式中：PGi和QGi分別為節點i處電源(含風電機組)的有功和無功出力；Psi為節點i處儲能充放電功率；PLi和QLi分別為節點i的有功負荷和無功負荷；Ui為節點i的電壓；Gij、Bij和θij分別為節點i和j之間的電導、電納和相角差。

(2)節點電壓約束

Ui,min≤Ui≤Ui,max

(15)

式中Ui,min、Ui,max分別為節點i的電壓上下限。

(3)線路輸送容量約束

Pi-j≤Pi-j,max

(16)

式中Pi-j、Pi-j,max分別表示節點i和節點j之間線路的功率及其上限。

(4)機組出力約束

PGi,min≤PGi≤PGi,max

(17)

式中PGi,min和PGi,max表示第i臺發電機組的最小和最大技術出力。

2.2.2 儲能裝置約束

(1)充放電量平衡。研究中采用上一節提出的恒功率充放電策略2，即認為儲能按照調度指令以日為周期進行充放電，并以相同的功率在低谷時段充電和在高峰時段放電，充放電的時間是相同的。在這種假設條件下，儲能的充放電電量平衡約束是自然滿足的。

(2)布點數量和單點容量上下限約束。考慮系統中適合安裝儲能裝置的地點有限，且儲能電站容量不宜過小和過大。因此儲能的布點數量和單個儲能裝置的容量應滿足一定的約束：

Ns·min≤Ns≤Ns·max

(18)

Ps·min≤Ps·n≤Ps·minn=1，2，3，…Ns

(19)

式中：Ns表示儲能布點的數量；Ps.n為第n個節點布置的儲能電站容量。

3 模型的求解

采用遺傳算法對儲能容量和布點優化問題進行求解。流程如圖2所示，主要步驟如下。

3.1 設定儲能電站備選站點

在電網中選擇m個儲能電站備選點，儲能電站的單組容量為Ps0，最大組數為k。則儲能電站的容量和布點方案可用變量X表示，X={x1,x2,……,xm}，xi=0表示該點沒有儲能設備，xi=1表示該點裝設1組儲能設備，以此類推。

3.2 數據輸入

(1)輸入儲能站的建設成本、運行成本等參數；(2)輸入典型日/周/年風電出力曲線、外送功率曲線、負荷曲線以及常規機組出力安排基本計劃；(3)輸入網架數據，包括線路、變壓器等；(4)輸入網絡中關鍵斷面的定義及其功率限額；(5)設定遺傳算法最大進化代數。

3.3 構建方案評價子函數

構建儲能方案的評價子函數C=F(X)，該評價函數即為優化問題的目標函數，X表示儲能的容量和布點方案。步驟如下：

(1)由輸入儲能方案及其他負荷、發電數據，構建各個時刻的直流潮流計算數據；

(2)執行近似考慮網絡損耗的直流潮流計算(將損耗分攤在支路兩端節點上)；

(3)如果平衡機出力越限，則將其越限功率差額在指定機群內進行分擔，若其機組已無調整空間，則將越限功率偏差認定為調峰不足功率；

(4)如果風電外送斷面功率超過限值，則在指定風電場采取棄風措施；

(5)重復進行(2)、(3)、(4)，直至直流潮流收斂；

(6)記錄該儲能方案下各個時刻的調峰不足棄風功率以及由于網絡阻塞產生的棄風功率；

(7)由式(2)計算評價函數C=F(X)。

3.4 采用遺傳算法求解該優化問題

主要步驟為：

(1)隨機生成第1代個體，對每個個體計算其評價函數C=F(X)；

(2)對個體進行隨機排序；

(3)相鄰個體兩兩進行交叉，形成新個體，并對新個體計算評價函數值；

(4)對隨機選擇個體進行隨機染色體位置隨機變異，新個體計算評價函數值；

(5)在新的個體與原父輩個體組成的集合中進行篩選，刪除劣質個體，保持每一代個體總數不變；

(6)重復執行(2)、(3)、(4)、(5)，直至達到最大進化代數。

圖2 儲能容量和布點優化模型求解流程圖Fig.2 Solution process of energy storage and location optimization model

4 算例分析

以IEEE RTS79系統為例對上述模型和求解方法進行驗證。為使算例系統更符合研究場景，在算例系統中接入了400 MW的風電場，其中節點17和節點18各接入200 MW風電。為驗證所提方法對解決風電送出通道網絡阻塞問題的有效性，假設節點17處風電場匯集站容量為135 MVA。網絡接線圖及風電場接入位置見圖3，機組類型及其出力限值如表1所示。

IEEE RTS79算例系統提供了年負荷特性，風電出力特性參考我國甘肅某風電場2013年實測出力數據。系統調峰壓力最大日的等效負荷曲線如圖4所示。

圖3 IEEE-RTS79系統結構圖Fig.3 Structure of IEEE RTS79 system表1 常規發電機組出力限值Table 1 Output limit of conventional generators

MW

選擇風電場送出端(節點17、18)以及負荷集中的樞紐變電站(節點9、10、19)為儲能電站備選點，設定儲能裝置單組容量為10 MW，最大組數為4組，采用本文所提出的恒功率充電策略2，恒功率持續運行時間為3 h。充電策略如圖5所示。

圖4 調峰壓力最大日負荷曲線Fig.4 Daily load curve with the maximum peak regulation pressure

圖5 儲能充放電策略Fig.5 Charging and discharging strategy of energy storage

利用所提優化模型對儲能的容量和布局進行優化計算。對算例系統而言，若按風電平均上網電價0.56元/( kW·h)計算棄風電量損失，則安裝儲能以減少棄風是不經濟的。考慮到風力發電過程可近似認為沒有碳排放，因此考慮風電的碳減排效益后棄風損失約為0.65元/( kW·h)[15]，對儲能容量和布點進行優化計算。篩選最優的3個方案如表2所示。

由計算結果可以看出，典型日下，無儲能時系統總棄風率為4.72%，其中由于風電送出通道受阻引起的棄風率為2.5%，由于調峰能力不足引起的棄風率為2.21%。根據優化計算結果，需要裝設40 MW儲能設備，其中風電送出端的節點17和負荷中心的節點10各裝20 MW。在選定的儲能充放電策略下，算例系統的棄風率降至1.78%，減少了62.3%的棄風電量，其中網絡受阻引起的棄風率降至1.07%，調峰限制引起的棄風率降至0.71%。

表2 儲能優化配置方案

Table 2 Optimization configuration scheme of energy storage

由于考慮了通道輸電能力對風電送出的限制，在風電送出通道的送端加裝儲能設備，在風電出力高峰時充電，在風電出力較低時放電，通過對儲能位置的優化既能緩解系統調峰能力不足引起的棄風問題，又能兼顧風電送出通道的阻塞問題。

5 結 論

針對大規模風電并網地區調峰能力不足引起大量棄風問題，本文提出采用大容量電池儲能技術的“削峰填谷”功能提高系統調峰能力減少棄風損失的3種實用的充放電策略。基于所提出的儲能的恒功率充放電策略研究了儲能電站容量和布點的優化方法。該方法既考慮了系統調峰能力不足引起的棄風，又能兼顧風電送出通道阻塞引起的棄風損失。結合我國甘肅實際風電出力特性對IEEE RTS79系統進行儲能布局優化分析，驗證了方法的有效性。隨著大容量儲能技術的進一步完善，儲能電站投資費用將進一步降低，應用該方法能夠為解決大規模風電并網地區的棄風問題提供技術解決方案。

[1]李軍徽.抑制風電對電網影響的儲能系統優化配置及控制研究[D].北京：華北電力大學, 2012. LI Junhui. Research on the optimaland control of energy storage system to reduced the effect of wind power on the grid[D]. Beijing: North China Electric Power University, 2012.

[2]張寧，周天睿，段長剛，等.大規模風電接入對電力系統調峰的影響[J].電網技術，2010，34(1)：152-158. ZHANG Ning，ZHOU Tianrui，DUAN Changgang，et al.Impact of large-scale wind farm connecting with power grid on peak load regulation demand[J].Power System Technology，2010，34(1)：152-158.

[3]朱凌志，陳寧，韓華玲.風電消納關鍵問題及應對措施分析[J].電力系統自動化，2011，35(22)：29-34. ZHU Lingzhi，CHEN Ning，HAN Hualing.Key problems and solutions of wind power accommodation[J].Automation of Electric Power，2011，35(22)：29-34.

[4]胡娟，楊水麗，侯朝勇，等.規模化儲能技術典型示范應用的現狀分析與啟示.電網技術，2015，39(4)：879-885. HU Juan，YANG Shuili，HOU Chaoyong，et al.Present condition analysis on typical demonstration application of large-scale energy storage technology and its enlightenment[J].Power System Technology，2015，39(4)：879-885.

[5]許守平，李相俊，惠東.大規模電化學儲能系統發展現狀及示范應用綜述[J].電力建設，2013，34(7)：73-80. XU Shouping，LI Xiangjun，HUI Dong.A review of developent and demonstration application of large-scale electrochemical energy storage[J].Electric Power Construction，2013，34(7)：73-80.

[6]王承民，孫偉卿，衣濤，等.智能電網中儲能技術應用規劃及其效益評估方法綜述[J].中國電機工程學報，2013，33(7)：33-41. WANG Chengmin，SUN Weiqing，YI Tao，et al.Review on energy wtorage application planning and benefit evaluation methods in smart grid[J].Proceedings of the CSEE，2013，33(7)：33-41.

[7]王成山，于波，肖峻，等.平滑可再生能源發電系統輸出波動的儲能系統容量優化方法[J].中國電機工程學報，2012，32(16)：1-8. WANG Chengshan，YU Bo，XIAO Jun，et al.Sizing of Energy Storage Systems for Output Smoothing of Renewable Energy Systems[J].Proceedings of the CSEE，2012，32(16)：1-8.

[8]廖強強，陸宇東，周國定，等.基于削峰填谷的鈉硫電池儲能系統技術經濟分析[J].電力建設，2014，35(4)：111-115. LIAO Qiangqiang，LU Yudong，ZHOU Guoding，et al.Technical and economic analysis on NaS battery energy storage system based on peak shaving[J].Electric Power Construction，2014，35(4)：111-115.

[9]鄭樂，胡偉，陸秋瑜，等.儲能系統用于提高風電接入的規劃和運行綜合優化模型[J].中國電機工程學報，2014，34(16)：2533-2543. ZHENG Le，HU Wei，LU Qiuyu，et al.Research on planning and operation model for energy storage system to optimize wind power integration[J].Proceedings of the CSEE，2014，34(16)：2533-2543.

[10]修曉青，李建林，惠東.用于電網削峰填谷的儲能系統容量配置及經濟性評估[J].電力建設，2013，34(2)：1-5. XIU Xiaoqing，LI Jianlin，HUI Dong.Capacity configuration and economic evaluation of energy storage system for grid peak load shifting[J].Electric Power Construction，2013，34(2)：1-5.

[11]嚴干貴，馮曉東，李軍徽，等.用于松弛調峰瓶頸的儲能系統容量配置方法[J].中國電機工程學報，2012，32(28)：27-35. YAN Gangui，FENG Xiaodong，LI Junhui，et al.Optimization of energy storage system capacity for relaxing peak load regulation bottlenecks[J].Proceedings of the CSEE，2012，32(28)：27-35.

[12]唐文左，梁文舉，崔榮，等.配電網中分布式儲能系統的優化配置方法[J].電力建設，2015，36(4)：38-45. TANG Wenzuo，LIANG Wenju，CUI Rong，et al.Optimal allocation method of distributed energy storage system in distribution network[J].Electric Power Construction，2015，36(4)：38-45.

[13]靳文濤，馬會萌，謝志佳.電池儲能系統平滑風電功率控制策略[J].電力建設，2012，33(7)：7-11. JIN Wentao，MA Huimeng，XIE Zhijia.Wind power smoothing control strategy of battery energy storage system[J].Electric Power Construction，2012，33(7)：7-11.

[14]陳滿，陸志剛，劉怡，等.電池儲能系統恒功率削峰填谷優化策略研究[J].電網技術，2012，36(9)：232-237. CHEN Man，LU Zhigang，LIU Yi，et al.Research on optimal peak load shifting strategy of battery energy storage system operated in constant power mode[J].Power System Technology，2012，36(9)：232-237.

[15]段建民，王志新，王承民，等.考慮碳減排效益的可再生電源規劃[J].電網技術，2015，39(1)：11-15. DUAN Jianmin, WANG Zhixin, WANG Chengmin，et al. Renewable power planning considering carbon emission reduction benefits[J].Power System Technology，2015，39(1)：11-15.

(編輯 劉文瑩 )

Study on Energy Storage Capacity and Layout Optimization by Reducing Wind Power Curtailment Loss

WU Junling, ZHANG Yantao, QIN Xiaohui, LIANG Caihao

(China Electric Power Research Institute, Beijing 100192, China)

According to the wind power curtailment problem caused by the shortage of peak regulation capacity of power system with large-scale wind power integration in China, this paper proposes the charging and discharging strategy of energy storage battery with large capacity to improve the peak regulation capacity and reduce the wind power curtailment loss. Based on the proposed energy storage constant power charging and discharging strategy, we establish a mathematical model for capacity and layout optimization of energy storage power plants, and adopt genetic algorithm to solve the model. This model takes the minimum total costs as optimization objectives including the investment and operation costs of energy storage power plant, network loss, and the sum of wind power curtailment caused by the shortage of peak regulation capacity and wind power channel blocking.It also considers the benefits resuled from the electricity price gap between peak and valley periods and the benefits of carbon emission reduction of wind power, and meets the security operation constraints of power grid as well. Finally, we use IEEE RTS79 system to analyze the layout optimization of energy storage and verify the effectiveness of the method. The application of this method can provide technical solution scheme for the wind power curtailment problem in the area of large-scale wind power integration.

wind power curtailment; battery energy storage; optimization; genetic algorithm

國家電網公司科技項目 (XT71-13-032)

TM 721

A

1000-7229(2016)06-0024-07

10.3969/j.issn.1000-7229.2016.06.004

2016-04-01

吳俊玲(1978)，女，碩士，高級工程師，主要研究方向為電網規劃、電力系統分析及新能源發展；

張彥濤(1980)，男，碩士，高級工程師，主要研究方向為電網規劃、電力系統分析及全球能源互聯網；

秦曉輝(1979)，男，博士，高級工程師，主要研究方向為電網規劃、電力系統分析、半波長輸電技術；

梁才浩(1978)，男，博士，高級工程師，主要研究方向為電網規劃、新能源發展及全球能源互聯網。