新能源風力發電系統中儲能技術的應用探索

摘 要：【目的】針對風力發電系統中風電出力的波動性和間歇性給電網調度運行帶來的挑戰，探索儲能技術與風電系統相結合的解決方案，以提高風電的消納水平和經濟性。【方法】在分析風力發電和儲能技術特點的基礎上，重點研究儲能在風電系統中的應用與集成優化，包括儲能系統的集成設計原則、功率管理與能量調度策略及儲能控制和優化算法。【結果】通過合理配置儲能系統，優化其控制和調度策略，能有效平滑風電出力波動，提高風電的利用效率，減少棄風限電，增強電網對風電的消納能力。【結論】將儲能技術與風力發電系統進行深度融合，對促進風電的大規模發展應用、提高其經濟性和供電可靠性具有重要意義。該研究為風電場的規劃設計和運行優化提供有益參考。

關鍵詞：風力發電；儲能技術；波動性；系統集成；消納能力

中圖分類號：TK82" " " 文獻標志碼：A" " 文章編號：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

化石能源的大量開采和利用已影響到人類的生存環境，可再生清潔能源的開發利用已成為應對能源危機和解決環境污染的關鍵舉措。風力發電作為可再生能源的重要組成部分，近年來實現快速發展，但風能資源的間歇性和波動性給風電并網和消納帶來了挑戰，嚴重影響電網調度運行和電能質量［1］。為了克服這些問題，學術界和工業界關注儲能技術在風電系統中的應用。通過引入儲能單元，能平滑風電出力，提高電能質量，增強系統的靈活性和可靠性，緩解風電并網對電網的沖擊，實現風電能量的優化配置，提高風電利用效率和經濟性。因此，研究儲能技術在風力發電系統中的實踐應用，對促進風電規模化發展具有重要意義。

1 風力發電與儲能技術基礎

1.1 風力發電原理與關鍵組件

風力發電通過風輪葉片捕獲風能，并將其轉化為機械能，再由發電機將機械能轉換為電能。風電系統由風輪、傳動系統、發電機和控制系統等關鍵部件組成。其中，風輪負責高效捕獲風能，傳動系統通過增速齒輪箱來實現轉速和轉矩的變換，控制系統則實時監測和調節風電機組的運行狀態，確保其能安全、穩定、高效運行。

1.2 儲能技術的分類與特性

儲能技術在風電系統中發揮著重要作用，能緩解風電出力波動，提高并網性能和電能質量。不同儲能技術在技術原理、性能特征和適用場景等方面存在差異［2］。機械儲能（如抽水蓄能）容量大、壽命長、成本低，但響應慢；電化學儲能（如鋰離子電池）能量密度高、響應快，但成本高、安全性有待提升；化學儲能（如氫儲能）可長時間、大容量儲能，但轉化效率低；電磁儲能（如超導磁儲能）功率密度和響應速度超高，但容量和成本限制其大規模應用。

1.3 風電儲能系統的配置與優化

風電儲能系統的優化設計要從技術、經濟和環境等多維度綜合考量。儲能系統的功率和容量要與風電場規模和負荷特性匹配，并兼顧平滑風電波動和成本效益平衡［3］。此外，儲能系統的響應特性、充放電效率和環境影響也是關鍵因素。為滿足風電系統的多元化需求，以多種儲能技術互補組合的混合儲能系統逐漸成為主流，如抽水蓄能與電池儲能、飛輪與超級電容器的組合等，在風電并網中提供更可靠的功率支撐和頻率調節能力。

2 儲能技術在風力發電系統中的應用與集成

2.1 儲能系統集成設計原則與方法

儲能系統集成設計應遵循安全可靠、經濟高效、靈活可控的原則。要確保儲能系統能安全穩定運行，盡可能避免故障和事故的發生；要合理配置儲能容量、降低投資和運維成本，提高經濟效益；要具備靈活的控制能力，以適應風電場的特點和需求。在設計方法上，可采用集中式或分布式。集中式儲能通過配置大容量集中儲能裝置，實現集中控制和規模效應，但投資大、故障風險高；分布式儲能是在每臺或每組風電機組中配置小容量儲能單元，通過分散控制就地平衡調節風電出力，提高可靠性和靈活性，但投資和維護成本較高。此外，還要考慮儲能裝置與風電機組及電網之間的接口和控制方式，采用分層協調控制的方式，在風電機組控制基礎上，增加儲能功率控制和能量管理策略，實現風電出力平滑調節和能量優化配置。

2.2 儲能技術在風力發電中的功率管理與能量調度

儲能技術可通過功率管理和能量調度策略來平滑風電功率波動，提高風電出力的可預測性和可控性，增強電網對風電的友好接納能力［4］。儲能功率管理包括功率變換器控制和儲能充放電管理。功率變換器采用雙向DC/AC變流器拓撲，可實現儲能與風電機組或電網之間雙向功率流動；變流器控制采用矢量控制或雙閉環控制，即內環電流控制、外環直流電壓或有功/無功功率控制，實現儲能有功/無功獨立調節，維持直流母線電壓穩定。儲能充放電管理根據風電出力、儲能SOC和電網調度指令等，優化儲能充放電功率，吸收風電剩余功率，避免儲能過充過放。儲能系統的能量調度是在更長的時間尺度上優化儲能 充放電策略，平衡風電出力的波動，跟蹤電網調度曲線，從而最大化風電消納和經濟收益。設風電場某時段內的預測出力為[Pwt]、電網調度曲線為[Pdt]、儲能系統的充放電功率為Ps（t）、輸出功率為Po（t），則儲能系統的能量平衡方程為式（1）、式（2）。

[Et=Et?1+ηc·Pst·Δt]

當[Ps]gt;0時 （充電） （1）

[Et=Et?1?Pst/ηd·Δt]

當[Ps]lt;0時（放電）" （2）

式中：[Pst] =[Pwt] -[Pdt]，表示儲能系統在t時刻的充放電功率。當[Pwt]gt;[Pdt]時，[Pst]gt;0，儲能系統充電；當[Pwt]lt;[Pdt]時，[Pst]lt;0，儲能系統放電。同時，風電場的實際輸出功率[Pot]的表示見式（3）。

[Pot] = [Pwt]- [Pst]" "（3）

式中：[Et]為儲能系統[t]時刻的剩余電量；[ηc]和[ηd]分別為儲能充電和放電效率；[Δt]為時間步長。同時，還要滿足儲能容量和功率的約束條件，見式（4）。

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

式中：Emin和Emax分別為儲能系統允許的最小和最大剩余電量；Pmax為儲能變流器額定功率。

在實際應用中，儲能系統的能量調度通常采用基于預測的滾動優化策略，即根據未來一段時間內風速和負荷的預測值，提前優化儲能的充放電計劃，并根據實際運行情況進行實時校正［5］。優化目標可以是最小化風電削減量、最大化風電收益或最小化運行成本等，同時考慮電價等外部因素的影響。此外，還可引入模糊控制、神經網絡、強化學習等智能算法，自適應調整儲能充放電策略，進一步提高風電消納和運行效益。

2.3 儲能系統的控制策略與優化算法

儲能系統在風電場中的優化控制是一個涉及多時間尺度、多約束條件的復雜問題。為了最大限度發揮儲能系統在平滑風電波動、跟蹤調度曲線、提高風電消納等中的作用，針對不同的應用場景和需求，設計出合理的控制策略和優化算法。

在儲能變流器的控制方面，常用的控制方法有雙閉環控制和模型預測控制（Model Predictive Control， MPC）。雙閉環控制采用內環電流控制和外環電壓/功率控制的級聯結構，通過PI調節器來實現儲能變流器的解耦控制。其控制律見式（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]分別為變流器輸出電壓的d、q軸分量；[id]和[iq]分別為電感電流的d、q軸分量；[i?d]和[i?q]分別為 d 軸和 q 軸的參考電流指令；[kp]和[ki]均為PI調節器參數；[Lf]為濾波電感；ω為電網角頻率。

MPC是一種基于系統模型和滾動優化的控制方法，通過在每個采樣時刻預測未來一段時間內系統的動態響應，并求解優化問題來確定當前時刻的最優控制量，具有響應快、魯棒性強等優點。以儲能變流器的有功功率控制為例，其狀態空間模型見式（7）、式（8）。

[xk+1=Axk+Buk]" （7）

[yk=Cxk]" （8）

式中：k為時間步長或離散時刻；x為系統狀態變量（如電感電流、直流電壓等）；u為控制變量（如調制波占空比）；y為輸出變量（如有功功率）；A、B、C為系統矩陣。

MPC的優化控制問題的描述見式（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為目標函數；[yref]為參考軌跡；[Δu]為控制增量；N為預測時域；[umin]、[umax]、[Δumin]和[Δumax]分別為控制量和控制增量的約束。

求解該優化問題，可得到未來N步的最優控制序列，每次只執行第一步控制，然后移動優化時域，重復求解。

在儲能系統能量管理方面，常用的優化算法有動態規劃（Dynamic Programming，DP）、混合整數規劃（Mixed Integer Programming，MIP）等。DP將多階段決策問題分解為一系列單階段決策問題，遞歸求解每個階段的最優值函數，得到全局最優解。設第k時段的系統狀態為SOC（k），控制變量為P（k），狀態轉移方程為式（14）、式（15）。

[SOCk+1=SOCk+ηc·Pk·Δt/Emax]

當[Pk]≥0時 （充電） （14）

[SOCk+1=SOCk?Pk·Δt/ηd·Emax]

當P（k）lt;0時 （放電）" （15）

式中：[ηc]和[ηd]分別為儲能充放電效率；Emax為儲能額定容量；[Δt]為時段長度。

每個階段的目標函數可描述為式（16）。

J[kSOCk，Pk=ck·Pk·Δt+]

[J?k+1SOCk+1] （16）

式中：[ck]為第k時段的電價；[J?k+1]為下一階段的最優值函數。

DP的求解過程為式（17）、式（18）。

[JSOCKK=mincK·PK·Δt]" （17）

[JSOCkk][=minck·Pk·Δt+J?k+1SOCk+1]

[k=K?1，…，1]" （18）

MIP適用于含有連續變量和離散變量的混合優化問題，通過引入0-1變量來描述儲能的運行狀態（充電、放電、閑置），將能量管理問題建模為混合整數線性規劃（Mixed Integer Linear Programming，MILP）問題，具體見式（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]分別為表示儲能在第[k]時段充電和放電狀態的0-1變量；[SOCmin]和[SOCmax]均為荷電狀態約束；[Pmax]為儲能額定功率。

該MILP問題可用單純形法、分支定界法、切平面法等方法進行求解。在實際應用中，可結合風速和負荷預測、電價信息等，采用啟發式算法、智能算法等，提高儲能系統能量管理的經濟性和魯棒性。綜上所述，儲能系統在風電并網中的優化控制涉及變流器控制和能量管理這兩個層面，可分別采用基于反饋或預測的控制策略和基于模型或數據驅動的優化算法。合理的儲能控制能有效抑制風電波動，提高風電出力質量，減少棄風限電，為風電的大規模消納和高效利用提供技術支撐。

3 結語

本研究通過深入分析儲能技術與風力發電系統的融合應用，系統地闡述了儲能在風電系統中的集成設計原則和方法，重點探討了儲能系統的功率調節和能量優化調度策略。研究表明，合理設計儲能系統的容量配置和拓撲結構、優化儲能變流器控制和能量管理策略，能顯著提升風電場的出力品質，增強電網對風電的友好承載能力。希望本研究的成果能為儲能技術在風電系統中的進一步應用提供參考和借鑒，推動風電與儲能的規模化發展，為構建清潔低碳、安全高效的新型電力系統貢獻力量。

參考文獻：

［1］許嘉雯.新能源風力發電系統中儲能技術的實踐應用［J］.應用能源技術，2023（11）：43-47.

［2］高福偉.儲能技術在風力發電系統中的應用研究［J］.電子制作，2022，30（4）：95-97.

［3］丁志康，王維俊，米紅菊，等.新能源發電系統中儲能技術現狀與分析［J］.當代化工，2020，49（7）：1519-1522.

［4］劉益廷.新能源開發中的電氣自動化環保技術分析［J］.集成電路應用，2023，40（11）：70-72.

［5］宋智勇.風力發電系統中儲能技術的應用分析［J］.電氣時代，2023（8）：44-46.