考虑蓄电池极化效应的储能容量配置方案研究

刘 青, 樊世通

(华北电力大学 新能源电力系统国家重点实验室，河北保定071003)

考虑蓄电池极化效应的储能容量配置方案研究

刘 青, 樊世通

(华北电力大学 新能源电力系统国家重点实验室，河北保定071003)

配置合理的储能系统对孤立微电网的稳定与经济运行具有重要的意义。在含风电、蓄电池与超级电容器混合储能的孤立微电网基础上，充分考虑实际系统中蓄电池极化效应的影响，以平抑低频风电功率波动为目的配置蓄电池容量，同时以平抑高频风电功率波动为目的配置超级电容器容量，并建立了平抑一定概率下功率波动的储能容量配置模型，从而保证储能系统有足够容量维持孤立微电网稳定运行。结合具体微电网实例对混合储能配置方法进行说明，分析给定数据下的风电功率波动，计算得到满足设定概率的功率波动的储能配置容量，并通过实时仿真进行验证，结果表明储能系统可平抑风电功率波动、维持负荷稳定运行，且蓄电池与超级电容器SOC均运行于合理范围。该方法对实际微电网中储能的容量配置具有一定的指导意义。

微电网；蓄电池；超级电容器；容量配置；极化效应

0 引言

随着世界能源危机的日益严重，以风电、光伏为代表的新能源发电成为了重要的战略新兴产业[1,2]。经过近年来的高速发展，中国风电并网装机容量超越美国成为世界第一。但由于风资源丰富的地区多为偏远的海岛地区，并网投资较大，建立孤立的微电网系统，是解决风力资源利用问题的有效途径[3～5]。

由于风力发电的波动性，孤立微电网的稳定运行离不开储能系统的调控[6～8]。同时，由于储能系统投资较高，综合考虑供电可靠性与经济性，需合理配置储能系统的容量[9～11]。目前，针对微电网容量配置问题已进行了一定研究，文献[12]在考虑风电功率间歇性、波动性的基础上，以平抑风电功率波动为目的，提出了一种配置大规模储能系统的方案，并初步优化了储能系统容量。文献[13,14]在进行负荷分析的基础上，根据全年用电情况，对风、光、储容量进行了优化配置。文献[15]分别以极小化系统投资成本和极大化可再生能源在系统能量供给中的比例为目标，建立了微电网多目标容量优化配置模型并求解。文献[16]以海岛孤立微电网为对象，提出了考虑系统投资运行成本、供电可靠性和可再生能源浪费率的多目标优化配置模型。但上述文献中，对于储能系统特性考虑不全面，未考虑某些时刻储能系统有剩余容量却无法继续吸收或输出功率。

本文在含风电、蓄电池和超级电容器混合储能的基础上，以平抑风电功率波动为目的，考虑蓄电池极化效应的影响，提出了一种超级电容器、蓄电池混合储能容量优化配置方法。

1 孤立微电网结构及控制模式

图1为本文建立的孤立微电网拓扑结构图，包括双馈风电机组(DFIG)、蓄电池组、超级电容器、可控负荷、卸荷电路及日常负荷。

图1 孤立微电网拓扑结构图

系统的控制模式为：

(1)DFIG采用传统最大功率点跟踪控制，长期处于捕获最大风能状态、最大化利用风力资源。

(2)储能系统中，能量密度较大的蓄电池组用于平抑低频风电功率波动。采用PQ控制，以TB时间为周期根据风电功率与负荷功率差值改变功率参考值；功率密度较大的超级电容器用于平抑高频风电功率波动，采用V/f控制，时刻维持系统电压、频率稳定。当达到蓄电池功率给定周期TB时，蓄电池改变功率值补偿系统功率差额，协助超级电容器维持微电网稳定运行。

(3)可控负荷由于其具有可控性，可根据风电功率变化调节负荷功率值，故以TL为周期改变可控负荷功率，同时，可控负荷功率可在其额定功率附近小范围波动，在产生经济效益的同时辅助储能系统对系统功率进行调节。

2 混合储能容量配置方案

2.1 蓄电池

本文蓄电池以铅酸蓄电池为例。现有的蓄电池充电方式一般采用三阶段充电，即恒流充电、恒压充电和浮充充电。在恒流充电阶段，可根据电网侧功率需求调整蓄电池充放电电流，达到平抑风电功率波动的目的。当蓄电池端压随着恒流充电上升至安全电压上限时，由恒流阶段转为恒压阶段，在维持蓄电池端压不变的前提下，对蓄电池进行小电流充电。当蓄电池进入恒压充电阶段时，其输出功率不可控。因此，在孤立微电网稳定运行时，蓄电池应尽可能地运行于恒流阶段，保证蓄电池具有平抑风电功率波动的能力。

当蓄电池充电时，由于电池中有电流通过导致电池的电动势偏离平衡值，这种相对于平衡电动势的偏移称为电池的极化，并产生过电势，使蓄电池端压升高，放慢了电化学反应，阻碍充电电流。此外，充电电流越大，则极化现象越严重。因此，在制定蓄电池SOC(State of Charge, SOC)约束时，考虑极化效应带来的影响。蓄电池SOC(HS)约束如式(1)所示：

(1)

式中：HS,min为防止蓄电池深度放电设置的安全运行最小值，HS,max=min(HS,max1，HS,max2),HS,max1为防止蓄电池过充设置的安全运行最高值，HS,max2为考虑极化效应的蓄电池恒流充电可充至的最高值。

蓄电池容量配置。考虑可控负荷调度周期为TL，蓄电池容量应满足在可控负荷调度周期内可补偿风电功率波动。周期TL内实际所需最大能量为：

(2)

式中：ΔPW为风电功率波动值。

由于实际系统中，风电以大功率波动概率较低，考虑系统经济性，无需以最大功率波动作为储能系统能量值进行计算，根据负荷对电能质量的要求不同，设置概率值Pb,pro，使储能系统满足设定概率下的风电功率波动。故周期TL内所需能量为：

(3)

式(3)表示，选择Pb,pro概率下的功率波动时周期TL内所需能量，即若储能系统可满足周期TL内所有功率波动，选择Pb,pro=1，Eb,pro=Eb,max，若储能系统可满足周期TL内90%的功率波动，选择Pb,pro=0.9，并对实际风电功率数据进行概率统计，得到概率为0.9时的风电功率波动能量值。由于风电以小功率波动的概率远大于以大功率波动概率，选择Pb,pro=1所得Eb,pro与Pb,pro=0.9所得Eb,pro相差较大，进而储能系统需配置容量具有很大差异，故应根据实际负荷需求选取Pb,pro，保证供电可靠性与系统的经济性。

考虑蓄电池SOC约束及充放电效率，同时考虑蓄电池处于HS,max与HS,min中间值，即蓄电池此时可充电亦可放电，蓄电池应具有的最小能量为：

(4)

式中：η为储能到负载的放电回路效率，一般取95%～98%。

根据蓄电池电压Ub，故蓄电池容量为：

(5)

2.2 超级电容器

考虑蓄电池调度周期为TB，超级电容器容量应满足在蓄电池调度周期内可补偿风电功率波动。周期TB内实际所需最大能量为：

(6)

满足设定概率Pc,pro时的所需能量为：

(7)

考虑超级电容器充放电特性，同时考虑超级电容器处于能量中间状态，即此时超级电容器可充电或放电，选择此状态为超级电容器额定电压与最小运行电压中值，故超级电容器所需容量为：

(8)

式中：U0为超级电容器额定电压；Ut为超级电容器允许运行的最低电压。

3 算例分析

3.1 风电功率波动分析

风速数据采用盐城射阳测风数据，高度70 m，采集时间为2012年3月17日18:00～2013年4月22日23:50，时间间隔为10 min。风速变化曲线如图2所示。

图2 70 m高度风速变化曲线

根据风速数据查阅风机风速-功率曲线，以华锐1.5 MW风电机组SL1500/82为例，得到风速对应的风电功率值，进一步计算得到风电功率波动数据。表1为相邻10 min风电功率突变值概率分布。

表1 相邻10 min风电功率突变值概率分布

根据10 min内风电功率最大、最小值与平均值差值的绝对值，得到10 min内风电功率突变值，其概率分布如表2所示。

表2 10 min内风电功率突变值概率分布

由表1、表2可知，风电场的输出功率在较大与较小的时间尺度下都存在很大的波动，为了满足国家标准GB/T 15945-2008对风电场输出有功功率单位时间内波动的规定[17]，为风电场添加储能系统平滑输出功率是很有必要的。

3.2 储能系统容量配置

(1)蓄电池。为确定蓄电池极化效应的影响，首先以10块25Ah的卷绕式铅酸蓄电池串联作为实验对象进行三阶段充电，得到考虑蓄电池极化效应的充电特性如表3所示。

表3 蓄电池充电特性

表3中，实验温度均为25℃，蓄电池以设定电流值进行恒流充电，当到达恒压阶段停止充电，得到最终SOC，初始SOC与最终SOC通过查询开路电压与SOC对应关系得到，开路电压为静置3～5 h后电池电压。

由表3可知，蓄电池在较低SOC与较高SOC分别以不同恒定电流进行充电，以大电流充电时最终SOC明显低于以小电流充电最终SOC，大电流充电极化现象更为严重。同时，小电流充电最终SOC最高仅为60.97%，在不采用任何去极化效应措施时，蓄电池约40%的容量难以利用。考虑大电流充电时的极化效应，HS,max取50%，同时HS,min取10%。

根据表1中相邻10 min风电功率突变值概率分布，选择满足99.61%的风电功率波动，即蓄电池可补偿500 kW以下的功率波动，TL取10分钟，蓄电池直流母线电压为600 V，故补偿500 kW风电功率波动所需能量为83.33 kW·h，蓄电池容量为438.58 kW·h，即730.96 Ah。

(2)超级电容器。根据表2选择满足92.36%的风电功率突变，即超级电容器可补偿800 kW以下的功率波动，TB取30 s，超级电容器额定电压取600 V，最大跌落电压取60 V，故补偿800 kW风电功率波动所需能量为2.16×107J，超级电容器电容值为1 297 F。

3.3 仿真验证

根据本文配置的混合储能容量，对孤立微电网进行4 h实时仿真实验，仿真结果如图3所示。

图3 实时仿真实验结果

由图3可知，4 h内风电功率一直处于波动状态，蓄电池与超级电容器频繁改变功率输出值，平抑风电功率波动，维持系统负荷稳定运行，且4 h内蓄电池与超级电容器SOC均处于合理范围内，验证了本文所提容量配置方案的可行性。

4 结论

文章在含风电、蓄电池与超级电容器混合储能的孤立微电网基础上，充分考虑实际系统中提出的蓄电池与超级电容器的容量配置方案，在给定风速数据的基础上，以满足99.61%概率的风电功率波动配置蓄电池容量，满足92.36%概率的风电功率波动配置超级电容器容量，并应用于微电网中。蓄电池和超级电容器均可在合理的SOC范围内以不同的时间尺度平抑风电功率波动，从而验证了所得结果的正确性与可行性。该方法对微电网储能系统的容量配置具有一定的指导意义。

[1]李铭，刘贵利，孙心亮.中国大规模非并网风电与海水淡化制氢基地的链合布局[J].资源科学，2008，30(11)：1632-1639.

[2]张丽英，叶廷路，辛耀中，等.大规模风电接入电网的相关问题及措施[J].中国电机工程学报，2010，30(25)：1-9.

[3]杨新法，苏剑，吕志鹏，等.微电网技术综述[J].中国电机工程学报，2014，34(1)：57-70.

[4]李涵，王毅，张丽荣，等.孤岛模式下的微电网频率的协调控制研究[J].电力科学与工程，2012，28(12)：56-62.

[5]郭振华，刘桂英，张睆曦，等.微网并网向孤岛运行模式的平滑切换控制方法研究[J].电力科学与工程，2014，30(7)：60-64.

[6]杨湛晔，马红伟，毛建容.海岛微电网组网优化研究[J].电力建设，2014，35(6)：63-68.

[7]王成山，焦冰琦，郭力，等.微电网规划设计方法综述[J].电力建设，2015，36(1)：38-45.

[8]赵贺，王坤，井天军.微电网自发自用运行的经济性分析[J].电力建设，2014，35(5)：113-117.

[9]Yoshihara T, Yokoyama A, Imanaka M, et al. A new method for securing regulating capacity for load frequency control using seawater desalination plant in small island power system[C]. 2010 International Conference on Power System Technology, Hangzhou, China, 24-28 October, 2010: 1-6.

[10]何勇琪，张建成，鲍雪娜.并网型风光储混合发电系统中储能系统容量优化研究[J].华北电力大学学报，2012，39(4)：1-5.

[11]吴晨曦，文福拴，李梅.计及储能系统充放电策略的风光混合发电系统容量优化[J].华北电力大学学报(自然科学版)，2014，41(4)：22-29.

[12]梁亮，李建林，惠东.大型风电场用储能装置容量的优化配置[J].高电压技术，2011，37(4)：930-936.

[13]杨万清，李春平，栾敬钊.基于负荷分析与优化控制的微网容量配置方案[J].电测与仪表，2014，51(19)：13-16.

[14]丁伯剑，郑秀玉，周逢权，等.微电网多能互补电源容量配置方法研究[J].电力系统保护与控制，2013，41(16)：144-148.

[15]张建华，于雷，刘念，等.含风/光/柴/蓄及海水淡化负荷的微电网容量优化配置[J].电工技术学报，2014，29(2)：102-112.

[16]肖锐，宋佳佳.海岛独立型微电网的多目标容量优化配置方法[J].嘉兴学院学报，2014，26(6)：85-92.

[17]GB/T 15945-2008，电能质量电力系统频率偏差(2008版)[S].

Energy Storage Capacity Configuration Scheme Considering Battery Polarization Effect

Liu Qing， Fan Shitong

(State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources, North China Electric Power University, Baoding 071003，China)

Configure renewable energy storage capacity is of great significance to the stable and economic operation of micro-grid. On the basis of isolated micro-grid with wind power, battery and super capacitor and different time scales power fluctuations, this paper analyzes energy storage capacity configuration to calm low frequency wind power fluctuations and super capacitor capacity configuration to calm high frequency wind power fluctuations considering polarization effect. As a result, energy storage capacity configuration model is constructed to satisfy a certain probability wind power fluctuations and ensure that energy storage has enough capacity to maintain micro-grid stable. Then it explains configuration method based on concrete micro-grid example and calculates energy storage capacity based on given wind speed data. Finally, real-time simulation shows battery and super capacity can maintain micro-grid stable operation within reasonable SOC scope. The results show that the method has a certain guiding significance in configuring micro-grid energy storage capacity.

micro-grid; battery; super capacitor; capacity configuration; polarization effect

2015-05-08。

国家能源应用技术研究项目(NY20110204-1)。

刘青(1974-)，女，副教授，研究方向为电力系统微机继电保护及新能源发电技术,liuqing0816@yahoo.com.cn。

TM73

A

10.3969/j.issn.1672-0792.2015.07.001