風儲系統最優運行策略研究

文 | 劉兵，銀磊，張新宇，王禹力

大規模風電消納一直是世界性難題，“三北”地區在此方面問題更加突出。由消納產生的棄風限電大量浪費了風能資源，造成了慘重的經濟損失，而損失主要由風電企業承擔，嚴重影響產業的研發及長遠發展。

提高風電的可控性是減少棄風限電的有效應對措施。在風電場安裝儲能系統可以顯著提高風電場的并網性能。目前，在國內已經有多個示范項目以及相關的研究成果。已有的研究中，存在關于抽水蓄能、風電制熱、風電制氫、電池儲能等多種實現方案。其中，電池儲能不受環境因素限制，建設地點和運行方式靈活，且經濟性高，是目前廣為采納的儲能類型。然而，在已有的通過儲能緩解棄風限電的控制策略中，多數停留在策略的有效性上，沒有考慮到儲能系統本身的充放電特性；控制策略中考慮的時間尺度較短，多數是以自然日為單位進行儲能系統的充放電控制；且經濟性不高，不具備大范圍推廣的可行性。

本文以大慶中丹風電場為例，分析風電場一年的歷史數據，從季度、月份、晝夜的角度出發分析限電的規律并提取限電開始時刻、限電時長等特征參數。結合儲能系統的運行特性，提出基于調度預測的風儲優化控制算法，使得儲能系統的利用效率達到最優。通過對大慶中丹風儲微電網項目實際運行數據進行建模及仿真計算驗證了該方法的可行性。

系統特征參數分析

一、棄風限電特征參數

風電場限電狀態的判斷方法如下：當全場理論發電功率大于全場目標功率時則認為全場處于限電狀態。用公式可表示為：

式中，Pfarm為全場理論功率，Pset為電網調度下發的全場目標功率。

根據風電場限電狀態的判斷方法，統計一年內風電場的出力規律、限電規律。結合全年發電數據對風電場限電規律進行具體分析，統計全年的限電規律，結合全年限電整體特征規律，整理月度、日度限電規律。

二、儲能系統特性

從實時功率和可用容量的角度可將儲能分為功率型儲能和能量型儲能，功率型儲能可實現較短時間內大功率充放電，能量型儲能可實現較長時間內小功率充放電。針對不同的應用場景，需要選用不同的儲能系統。對于棄風限電的場景，儲能系統需要在較長時間內持續吸收或釋放能量，此時，需要選用較高容量密度、較長額定功率充放電時間的能量型儲能系統，比如鋰電池、鉛酸電池、鉛炭電池、抽水蓄能等。相比其他幾種類型的儲能系統，由于鉛炭電池循環次數較高、度電成本低、安全性高，因此，在工程實踐中被廣泛采用。

目前，在制定控制策略時，極少會充分考慮儲能系統本身的充放電特性。部分文獻采用的是儲能電池恒功率充放電控制方法，沒有考慮到儲能系統的充放電和容量特征，從而造成儲能電池利用率的損失。

表1 風電場限電特征參數

本文基于電池儲能系統的特征，對其經濟利用率的最佳特征點進行分析。

算例分析

結合風電場棄風限電的規律以及電池自身特性制定合理的控制策略，在風電場限電時將能量存入儲能系統，在不限電時讓儲能系統釋放能量；同時結合電池的循環深度與壽命的關系、充放電倍率與放電容量的關系，在電池全生命周期內充分利用儲能系統創造經濟效益。

風電場的限電規律也影響著風儲系統控制策略的制定。下面就大慶中丹風電場進行特征分析。調取了該風電場2015年11月至2016年10月的一整年實際運行數據。

該風電場共有132臺1.5MW風電機組，根據一年內的運行數據分析風電場風能資源、運行調度及棄風限電規律。所收集的數據為該風電場每間隔十分鐘的全場目標有功、全場實際發電功率、全場平均風速，以及全場運行風電機組臺數。

現統計該風電場一年風速變化規律、限電規律。如圖1所示，最大風速主要集中在3至5月，限電損失也主要集中在這幾個月。3月的限電損失達到全年峰值，接近3000萬千瓦時，4月的限電損失近2694萬千瓦時。12月到2月的理論發電量雖然相對較少，但是也有超過一半的電量被限掉，1月限電達1576萬千瓦時，2月也超過1100萬千瓦時，其他月份的限電電量在271萬至976萬千瓦時之間。對整體數據進行統計，全年限電達12112.5萬千瓦時，占理論發電量的31%。

結合全年發電數據統計表具體分析風電場限電規律，全年一共限電644次，限電時間共約1993小時，占其運行時間的25%，平均每次限電時長3.1小時，其中最長限電時間超過69小時。在所有限電數據中，限電超過1小時以上占49%，限電半小時以上占62%。統計全年限電數據如表2。

根據棄風限電規律可知，該風電場棄風限電呈現季節性變化以及晝夜性變化，圖3以及圖4為12個月的限電開始及結束時刻分析，以 20∶00 － 8∶00 為夜間，8∶00 － 20∶00為白天來進行時段的劃分，可以看出，夜間開始限電、夜間結束限電占大部分比例，在限電嚴重的冬季，白天限電次數也明顯多于夏季，但小于同期夜間次數。

圖1 2015年11月至2016年10月的平均風速

圖2 2015年11月至2016年10月的每月發電數據

表2 全年發電數據統計

此外，在棄風嚴重的冬季每日限電呈現一定的規律性，如圖5所示為比較典型的曲線。該曲線表示的是調度指令與理論功率的差值，如果值大于0則說明不限電，如果值小于0則說明限電。由圖5所示典型曲線可知，夜間出現長時間限電，日間長時間處于不限電狀態。

以某電池廠商提供的數據，對1.2MWh鉛炭電池循環次數與充放電深度以及電池可放電容量與放電倍率進行分析。

表4為鉛炭電池在滿充情況下采用不同的倍率恒流放電所能夠放出的容量。由圖可知，當電池放電倍率越小，電池可放電容量越大。

設電池單次放電能量為E0，放電倍率為P。從表4得到P越小，E0越大。

圖6為電池在恒定放電電流、不同溫度下循環次數N與充放電深度DoD之間的對應關系。假設電池以恒定溫度、恒定倍率、恒定充放電深度進行充放電，則其生命周期內可放電能量為：

現取其中30℃環境下放電深度與循環次數點對應關系進行分析，如表5所示。

由表5可知，在恒定溫度、恒定充放電倍率下，鉛炭電池在生命周期內所能夠釋放的總能量在放電深度為0.3～0.6時，其能夠釋放的總能量較多，在0.7以上則會迅速減少。這意味盡可能避免電池過度深充深放，同時也要避免過于頻繁地淺充淺放。

結合上述分析可知，為使儲能電池在生命周期內盡可能多地釋放電能，需要每次以小功率充放電，同時使放電深度控制在0.6以內。

圖3 12個月限電開始時刻的次數統計

圖4 12個月限電結束時刻的次數統計

圖5 日限電特性典型曲線（2015年11月4日）

表3 每月限電統計數據

表4 鉛炭電池的放電倍率與可用容量之間的關系

表5 30℃環境下鉛炭電池循環次數與總能量的關系

控制策略

結合儲能電池自身特性，為了每次充分利用其容量，需盡可能使用小功率充放電，因此，在限電高峰期，可在限電較長時段采用小功率進行循環充放電，以使儲能電池每次充放電能量都能達到最大。

根據以上分析，現提出以下基于調度預測及風功率預測的最優化儲能充放電策略：

算法流程圖如圖7所示，在每一個調度周期的起始時刻，通過歷史數據以及天氣預測信息預測未來T時間段內的調度功率曲線Pset及風功率曲線Pwind，根據調度功率與風功率相減可得到限電曲線Pcut＝Pwind－Pset，若Pcut＞0，表示處于限電狀態；若Pcut＜0，表示處于非限電狀態。設限電曲線中第一段持續限電或不限電的時間為?T。設儲能最大充電功率為Pcmax，最大放電功率為Pdmax（充電為正，放電為負）。設電池SOC范圍為SOCmin＜SOC＜SOCmax，電池容量為C，當前決策儲能充放電功率為Pbat。

若當前決策處于充電時段，則：

若當前決策處于放電時段，則：

仿真分析

該風電場系統拓撲圖如圖8所示，風電場配置1.2MWh儲能系統，根據其過去一年的運行數據，現采取兩種控制策略進行仿真分析，第一種不考慮以預測限電時長為依據設定充放電倍率，始終以允許最大充放電倍率對儲能系統充放電，第二種策略以預測限電時長調整充放電倍率。首先采用二次曲線擬合，根據可用容量與放電電流對應數據可擬合出電池可用容量與充放電功率之間的關系。

圖6 鉛炭電池在不同放電深度下的循環次數

圖7 控制策略流程圖

圖8 風儲系統拓撲圖

當電池充電時，電池可放出的容量BatC為：

當電池放電時，電池可放出的容量BatD為：

當采用第一種策略時，基于風電場一年的歷史數據，儲能系統一共釋放2.0274e+05kWh電量。

當采用第二種策略時，儲能系統一共釋放2.7280e+05kWh電量，說明后一種可以充分利用儲能容量與充放電倍率關系提升儲能放電電量，從而在項目生命周期內增加收益。

攝影：王寶義

結論

本文針對風電場運行規律和儲能系統特性開展研究，風電場的棄風限電呈現出一定的季節性和周期性，儲能系統的充放電容量與充放電倍率存在顯著的關系。基于分析結果，針對風儲系統運行和調度提出一種基于風功率預測和調度預測的儲能充放電控制方法，基于該方法可實現在風電場應用場景中充分地利用儲能系統，在儲能系統壽命周期內增加其充放電容量，從而提升系統經濟性。