飞轮储能在风电功率预测系统中的应用探究

张雪洋，齐鸣

（中国民航大学工程技术训练中心，天津 300300）

飞轮储能在风电功率预测系统中的应用探究

张雪洋，齐鸣

（中国民航大学工程技术训练中心，天津 300300）

风能是一种间歇性能源，风电功率经常处于波动之中，风电功率的预测对风力发电系统并网的安全性和稳定性具有重要的意义．天气预报提供的气象数据有一定误差，机组调度需要计及风电功率预测高估和低估所带来的代价．本文以风电功率预测的传统方法为基础，用飞轮储能对预测出来的风功率进行适时调节，从而优化了风电质量，最终使用Matlab/GUI开发了风电功率预测系统．该系统提高了风电功率的预测精度，可为风电功率预测提供参考．

风电功率预测；模型构造；GUI；飞轮储能

当前，人类所依靠的石化资源正在逐步枯竭，开发利用可持续发展的新能源已经被世界各国当作能源战略的重点．在各种发电技术中，风能作为环境友好的清洁可替代能源，受到了各国的青睐．随着能源技术的不断进步，风力发电已经成为目前各种新能源发电技术中相对最成熟、开发规模最大、商业发展最好的发电方式之一．

电力系统是一个动态平衡的系统，发电、输电和配电必须保持时刻的动态平衡．风能是一种间歇性的能源，风速是随机的，具有很强的不稳定性，有时还会出现湍流和极端的情况，从而导致风电机组输出功率经常处于波动状态，若将其直接并网将会引起电能质量下降甚至危及电网的正常运行．随着越来越多的大容量风电机组接入电网，风电的波动性对电力系统的电能质量、稳定性和安全运行都造成不可忽略的影响．因此研究风电功率的预测技术和风电场并网运行的稳定性是风力发电技术的重要问题．

1 风电功率预测技术

1.1 风电功率预测技术发展现状

近年来，随着国内外风电场并网运行的规模逐步增大，相应的各种课题的研究也越来越深入[1]，但关于风电场风电功率预测技术的研究还不太成熟．由于风电随机性、波动性和间歇性的特点，我国单个风电场日前预测均方根误差在10%～20%之间，这与德国6%的误差相比还存在一定的差距，表1列出了我国部分地区的风电功率预测误差[2]．

提高风电功率预测的精度对风力发电系统并网运行的稳定性、安全性和风电机组的优化使用具有重要的研究价值[3]．如能对风电功率进行准确的预测，电力系统调度部门就可以及时调整调度计划，减少电力系统运行成本和旋转备用，有效的减轻风电场对接入电网的影响，提高风电穿透功率极限，同时也为风电场参与发电竞价奠定基础．另外，准确的风力发电功率预测便于安排机组维护和检修，从而提高风电场的容量系数[4]．

2011年6 月，国家能源局颁布了《风电厂功率预测预报管理暂行方法》．按照该《办法》，自2012年起，我国所有已并网运行的风电厂必须建立起风电预测预报体系和发电计划申报工作机制，而未按要求报送风电预测预报结果的风电厂不得运行并网，风电场对风电预测如果精度不够也会受到相应的处罚．

电网调度部门对风电功率预测的要求有两个：一个是短期预测，即当天预测次日00:00时起72h的风电输出功率，时间分辨率为15m in，用于系统发电计划安排；另一个是短期预测，即实现提前量为0～4 h的滚动预测，用于电力系统的实时调度[5]．

1.2 风电功率预测的主要方法

风电功率预测方法主要分为统计方法和物理方法[6-9]．统计方法是指不考虑风速变化的物理过程，而根据历史统计数据找到天气状况与风电场出力的关系，然后根据实测数据和数值天气预报数据对风电场输出功率进行预测，常用的预测模型有时间序列、神经网络、支持向量机等．物理方法是根据数值天气预报模式的风速、风向、气压、气温等气象要素预报值以及风电场周围等高线、粗糙度、障碍物等信息，采用微观气象学理论或计算流体力学的方法，计算得到风电机组轮毂高度的风速、风向、气温、气压等信息．

近年来，为了提高预测精度，国内外研究机构都在尝试各种新的预测方法，一般是把上述算法的某些步骤加以改进，或将若干算法结合进行预测．

1.3 我国风电功率预测的问题

数值天气预报是风电功率物理预测方法的基础，由于我国尚未建立风电功率预测的数值天气预报模式，风电预测系统还需依赖国外的数值天气预报数据．相对而言，目前我国的风电预测系统误差较大，预测的时间尺度还不能满足电网调度运行的要求，如果按照风电预测曲线安排发电计划将面临较大的风险．

表1 中国风电功率预测误差Tab.1 Wind powerprediction errors

2 飞轮储能的调节作用

2.1 飞轮储能装置的结构和工作原理

飞轮储能是一种新型的机械储能电池，它主要由一个储存能量的飞轮、一台用于能量转换的电机、用于支撑飞轮的轴承系统以及其它一些电力转换装置构成，其结构如图1所示．当外设通过电力电子装置给电机供电时，电机做电动机运行，加速飞轮储存能量；当外设给飞轮施加制动转矩时，电机做发电机运行，向外输出能量．

与化学储能和电磁储能相比，飞轮储能在环境适用性和转换效率方面有许多优异的特性，但飞轮储能存在较大的静态消耗，每小时由于其自放电现象损失的能量能达到自身储存能量的20%[10]，故飞轮储能不适宜用作长期储能装置，却非常适合用于变化周期小的一次频率的控制．将飞轮储能电池并联到风力发电系统中，可以快速的响应电力系统的需要，吸收或发出有功和无功功率，实现对电压和频率的调节[11]．

图1 飞轮储能装置结构图Fig.1 Structure of flywheelenergy stroage system

2.2 飞轮储能对风电功率预测误差补偿

为了提高风电功率预测的精度，可以在传统风电功率预测的基础上，将飞轮储能装置并联到风力发电系统上，其连接方式方式如图2所示．

按照预测时间尺度，可以将风电功率分为中长期预测（大于72h）、短期（30m in～72h）预测和超短期（小于30 min）预测．根据飞轮储能装置的特性，较适用于调节风电功率超短期预测的误差补偿．风电预测系统随时根据当地实时风速对下一时刻风电超短期预测结果进行纠正．根据预测结果安排风电机组调度，当实时风速和预测结果出现偏差时，及时控制飞轮储能装置对预测误差进行补偿，从而避免或减小高估或低估风电功率安排机组调度所带来的影响．

为了平稳风电场的输出功率，飞轮转速需跟踪风电场功率的变化．因此，控制系统必须同时确定电机的期望转速和快速实现转速的调节．在风功率预测系统中应加入功率控制模块和飞轮储能所用电机的驱动模块．前者由风电场实际输出功率与期望输出功率的差值计算出飞轮的期望转速，后者则通过转速电流双闭环控制将电机拉至期望转速运行．

3 系统仿真

系统主要由飞轮、电机、电力电子装置及控制系统组成．电机应能在电力和发电两种状态下运行，且要求在转子转动惯量较大时可快速实现转速调节．无刷直流电机作为飞轮系统的驱动电机．电力电子装置分网端和机端换流器，实现机网的能量交换与控制．电机驱动模块采用双闭环控制：外环即速度环由PID调节器构成．内环即电流环由电流滞环调节器构成．

基于以上研究背景，本文在总结了以上传统风电功率预测方法的基础上，综合考虑风机使用优化和风电场经济效益等因素，基于人工神经网络法编制了风电预测程序，参照文献[12-13]搭建了基于无刷双馈电机的飞轮储能系统和风电场模型，最后利用Matlab/GUI工具开发了风能预测系统的用户交互界面．其界面如图3所示．

本系统分为风功率预测和飞轮储能调节两个模块．利用风速预测模块可以设置预测超短期预测的时间和预测方法，当预测曲线和实际风速相差较大时，可以在矫正按钮处设置矫正．在本系统中，飞轮储能有实时误差补偿、能量输出和能量储存3种运行方式，可根据实际情况在飞轮储能调节模块中设置．另外，飞轮储能调节模块中也可以实时显示出当前飞轮储能装置运行状态、飞轮转速和飞轮储能容量使用情况．用户也可使用本系统手动调节和停止飞轮储能装置运行．

用户可以使用本系统对风电功率进行预测，根据预测数据调度风电机组，保障风电场的经济运行，同时可以观测飞轮储能装置的运行情况．利用飞轮储能装置弥补风能预测的偏差，为电网调度提供必要的准备时间．该系统对提高风电预测的精度和风电的并网可靠率具有一定的参考作用．

图2 飞轮储能在电网中的应用Fig.2 Flywheelenergy stroage system parallel connection the powersystem

图3 风电功率预测系统界面Fig.3 The intfaceofwind predicting system

4 结语

飞轮储能作为一种新型能源储备方式以其储能密度高、使用寿命长、能量转换效率高、充电时间短、对环境友好等优点受到了人们的广泛重视，成为了能源界的研究热点之一．随着新型特殊材料技术、磁悬浮轴承技术、现代电力电子技术等取得突破性进展，使得飞轮储能技术的优越性得以充分展现，这使得飞轮储能的应用范围越来越广，许多科技企业也加入到了飞轮储能的研发队伍之中．随着飞轮储能技术的不断发展，在不久的将来飞轮储能将会像蓄电池和燃料电池一样，作为独立能源向系统提供电力．

随着我国智能电网建设的深入，大规模风力发电集中接入电网，用户对电网运行的电能质量也越来越高．科学准确地预测出风电机组的输出功率，保障电力系统运行稳定性成为当前电网运行迫切需要解决的问题．本文将飞轮储能装置使用到风电功率预测系统之中，对风电功率预测精度不够的状况起到了一定的补偿作用，对解决风电并网的问题具有一定的参考价值．今后应尽快建立预测系统，不断深化预测技术的研究，促进风电与电网的和谐发展．

[1]迟永宁，刘燕华，王伟胜，等．风电接入对电力系统的影响[J]．电网技术，2007，31（3）：77-81．

[2]范高峰，裴哲义，辛耀中．风电功率预测的发展与展望[J]．中国电力，2011，44（6）：38-40．

[3]吴国旸，肖扬，陈树勇．风电场风速和发电功率的研究[J]．吉林电力，2005（6）：21-24．

[4]孟洋洋，卢继平，孙华利，等．基于相似日和人工神经网络的风电功率短期预测[J]．电网技术，2010，34（12）：163-167．

[5]风电功率预测功能规范[S]．北京：国家电网公司，2011．

[6]冯双磊，王伟胜，刘纯．风电场功率预测物理方法研究[J]．中国电机工程学报，2010，30（2）：1-6．

[7]MA Lei，LUANShiyan，JIANGChuanwen．A review on the forecastingofw ind speedand generated power[J]．RenewableandSustainable Energy Review s，2009，13（4）：915-920．

[8]蒋小亮，蒋传文，彭明鸿，等．基于时间连续性及季节周期性的风速短期组合预测方法［J］．电离系统自动化，2010，34（15）：75-78．

[9]赵凯，彭建春，石峰．基于模式识别技术的短期负荷预测[J]．湖南电力，2000，20（6）：1-3．

[10]Nayeem RahmatU llah，Torbjorn Thiringer，DanielKarlsson．Temporary primary frequeney controlsupportby variablespeedw ind turbinespotential and applicaiions[J]．IEEETranson PowerSystem s，2008，23（2）：601-612．

[11]程三海，韦忠朝，王雪帆．飞轮储能技术及其应用[J]．电机电器技术，2000，20（6）：31-33．

[12]梅柏杉，汤凌峰．级联式无刷双馈电机的模型与仿真研究[J]．华东电力，2008，36（11）：134-136．

[13]张小芳，王爱龙，田俊梅．风力机的MATLAB模型及其应用[J]．电力学报，2004，19（2）：114-115．

[责任编辑 代俊秋]

Research on prediction ofw ind powerusing flywheel energy storage system

ZHANG Xueyang，QIM ing

(College of Engineering and Technology,Civil Aviation University of China,Tianjin 300300,China)

Wind power isan interm ittentenergy,and itspoweralwaysfluctuates.Therefore,thepredictionofw ind power in significant for the security and stability of thegridw ind powersystem.Sincemeteorologicaldata provided by theweather forecasthave a certain amountof error,unitarrangementneeds to count theoverestimated or underestimated cost. Based on traditionalw ind powerprediction,thepaperproposes to ad justw ind power timely by using flywheelenergy storage and optim ize the quality of w ind power.Finally,w ind power prediction system is developed by M atlab/GUI.The system has improved the prediction accuracy ofw ind pow er and can provide reference forw ind power prediction.

w ind pow er prediction;structuralmodel;GUI;styling;flywheelenergy storage

TM 332

A

1007-2373(2015)02-0024-04

10.14081/j.cnki.hgdxb.2015.02.006

2014-12-23

国家自然科学基金（11304380）

张雪洋（1981-），男（汉族），助教．