基于电池特性的风电场综合储能优化配置

基于电池特性的风电场综合储能优化配置

琚振兴

身份证号：360702198402200638

摘要：如今能源系统向新兴洁净电源推进，风能等洁净能源也会逐渐替代常规化石燃料在供电系统中的作用。但是这种能源随机性和波动性都很大，也会给电网调度工作造成影响很大挑战。提高电网对风能等新型再生能源的消纳率是确保电网长期平稳运转的基础。储能是一项新型科技，其大规模使用能给了电网一个新型提升新能源吸引到率的方式。所以，适当的做好储能匹配是未来储能大规模使用的关键所在。

关键词：电池特性；风电场综合储能；优化配置

一、引言

对于风电场综合储能现在已经展开了较详细的研究，主要是侧重于可靠性以及经济性领域。对于经济领域来说，现在国内所采用的是信息间隙决策技术能够有效的提高储能分配，并且能够对于负荷聚合商形成最小化模式，针对于现在配置已经提出了具体的分配方法。就电网调度方式以及其他协作方式分析来说，为了能够对于存储选择以及定的问题进行综合的考虑，所采取的是最佳型的配置经济模式，将环境成本变量融入到计算方式中，并提出了储能优化配置；综合考察了风电储能装置的调控功能，利用储能能量实现了风能的预期误差，进而使其效益最低。

对于可靠性方面，完全兼顾了存储器件的设计优势和供电可能性影响(loss of supplyprobability，LSP)，以避免因为权重要素的改变，而得到存储设备最佳值；分析结果提出负荷可能性，通过卷差法处理确定所要求的存储设备；根据风光能效果，确定抽水蓄能的存储体系，并确定其存储设备。

二、电池型储能系统模型

电池储能装置和风电场的联合设计模型，如图一。

图1

图1中:PB(t)为电池储能体系的充放电功率；Pwind(t)为风电场的总产生能量；Pref值(t)即是风储联合装置的预期输出功率。由图一可知，它们间的联系如下:Pref(t) = PB(t)+ Pwind(t)

三、储能配置优化模型

（一）功率平抑有效性

配置之前需要对于风电厂具体资料进行了解分析，之后考虑分功能短期平均数值，将其作为功率补偿之后的预期数据。短期期望数值所取的时间间隔t为1800s，也就是30秒，功率的取样点为1s，取样个数为M，则该时段的功率期望Pref-P(T)为如下:

T=M ·∆t

依据所得系统的期望出力数值，可以测算电池对储能体系的补偿能力。然而对真实风电场进行完全补贴使之与预期出力输出相同，在许多地方可能导致电池陷入短缺局面，导致资金损失。故通过能量压抑有效性来评估能量补贴的有效性，如果这些数据达到某个数字，则能够确定电量补偿满足要求。

（二）储能容量平抑功率上下界

经过了输入输出功率平抑后，此时控制出力将与期望测量数据基础保持一致，但是由于以上的测量过程仍有局限性，控制输入输出功率在一天内仍然有较大波动性，因此这时应当设定该控制输入输出功率浮动的上底线，如果大于限制时采用削峰，低于下界时采用填谷，使出力与输出电量之间比较均衡，进而提高控制出力。此指标属于前置条件，对后期工作十分重要。

四、下层模型目标函数

下层模型目标函数设定时，要在上层控制系统设置完成之后，能够对于出口功率动力电池以及容量行液流电池配置进行设置，能够确保方案效果达到最佳。考虑到动力电池在出口能量上所占的比重较大，所能够实现的控制系统屏蔽效果将会提升。如果液流电池在容量上占比较大的话，针对于整个控制来说，风调运行能力会强化出口能量，是无法单独进行配置的。当锂动力电池的出口能量提高至一定规模，容量也就必然增加，对于液流电池来说也是这样，而镍氢动力电池在容量储备上与液流电池在出口能量调节上均有问题，会使得总体成本增加。本小节将根据大功率型锂电池在电量调节上的灵敏度，和容积式液流电池在大容量储存上的易规模化性，提供高下层经济配置模式，以实现整体经济的最优效果。

初始投资成本是指在储能工程投建初期一次性投资的固定资金，一般用于主要装置的购买等，在考虑投资的时间价值(等值年系数)，以及镍氢电池和液流电池等参数特性后的计算公式为：

五、模型求解算法

所得的最终分配方法需要在上下层建模中反复迭代，由于上下层建模计及变数以及制约要求都较为繁杂，故通过免疫计算来解决该储能分配模式提问。在上层建模中，以最终计及多个影响因素的综合可靠性指标函数为主要目标(即抗原)。抗体是电池或储能系统中所应配备的最大功率和容量物质。其抗体对抗原的亲和度以及抗体的含量函数为式：

具体求解步骤如下：

1)模型初始化。将建模中所要求的具体原始参输入，包括风电场运动功率，配网运动参量等，通过设定免疫计算的迭代频次，以计划产生抗体的空间。

2）上层模块初始化状态。将上层模块中的抗体进行有效的清除，能够在记忆细胞中针对其优质的抗体进行重置以及存储。各部分初始化数值设置为零，这样会出现较多的初始。

3)更新上层抗体。采用二进制的公式对于体积功率展开计算，能够对其进行评估以及统计，就现在抗体亲和度以及含量时间是否达到标准进行测试。如果抗体亲和度以及含量已经高出了设定的标准，记忆细胞对于抗体会展开存储，剩余的将会被消除。

4)为下层模块初始化。和最上面的初始化步骤一样，通过随机设置病毒和抗体的地址，对记忆细胞完成了重置。

5)更新下层抗体。对于下层抗体更新的步骤如3)所示，抗体的亲和性含量要展开测定，能够按照所设定的标准完成更新。

6)对下层模型迭代的判断。确定此时的迭代时间是不是已经满足设定的，如果满足则转至步骤7)，如果不满意则跳回到5)然后继续进行迭代。

7)根据上层目标参数的更新，按照下层所提供的结果抗体求上层目标函数的正确取值，并对其中参数进行了适当调整。

8)对上层模型迭代的评估。确定此时的叠代数量能否达到设计值，若达到则统计最后抗体值，若不达到则跳回一步3)然后继续进行叠代。

六、具体分析

按照某风电场具体运行状况对于电池储能配置方案展开分析，电池具体参数如下：

表1电池具体参数

表2所表示的是对比混合配制方式在不同算法数值。

表2三种算法中混合配制方式

采用免疫算法对于功率补偿计算之后，下图所表示的是风电场出力改善状况。

图2

通过电能储备系统对于风电场出力削峰填谷之后，可以发现现在处理曲线得到了很大的改善，能够形成有效的平抑，风场出力实现光滑操作。

参考文献：

[1]胡洋,马溪原，雷博，等.储能促进南方电网地区新能源消纳的可行性研究[J].南方电网技术，2018，12（9）:53−61.

[2]孙波,吴旭东,谢敬东,等.基于信息间隙决策理论的综合负荷聚合商储能优化配置模型[J].现代电力,2021,38(2):15.

[3]徐国栋,程浩忠,马紫峰,等.用于平滑风电出力的储能系统 运 行 与 配 置综述[J].电网技术, 2017, 41（11）:3471−3477.