考虑风电出力不确定性的储能容量配置

李丽娜

摘要：储能装置能有效地补偿风电波动，实现风电平稳输出。考虑到风电出力的不确定性，本文提出一种基于机会约束规划的电池储能系统（BESS）容量配置方法。考虑风电利用率和储能装置荷电状态（SOC）约束，以储能成本最低为目标，采用模拟技术和遗传算法相结合的方法求解，得到风电输出波动不超过某一区间的置信度与储能最佳配置成本间的关系，从而为如何配置储能容量，在电能质量和经济性间取得适度的折中提供了定量的依据。此外，该方法在保证风电利用率的前提下考虑弃风，修正储能装置的充放电功率，提高储能配置的经济性，同时延长储能使用寿命。最后的仿真显示了本文方法的效果。

关键字：风电出力；不确定性；储能容量；机会约束规划

引言：

南方电网公司积极响应国家大力发展新能源的要求，全面推进智能、高效、可靠、绿色电网发展理念，计划到2020年实现非化石能源占一次能源消费比重达26.6%，实现减排二氧化碳5.5亿吨，对南方五省区实现碳排放下降40%～45%的目标做出积极贡献。因此，新能源在能源结构中的比重必将大幅提高。

作为新能源发电的主体，风力发电具有随机性和间歇性，若直接将其全部电力并网，会对电网安全、稳定、经济运行和电网的供电质量造成不利影响，其影响随着风电渗透率变大而加剧。针对以上问题，国内现采用的解决方案主要有两个，其一是通过风电和火电混和输送并网，但火电厂建设增加污染排放，不符合国家节能减排要求。其二是利用抽水蓄能电站，但抽水蓄能电站受地理条件和水源的影响，水电站建设受到限制[1]。最近几年日本、美国、欧洲及中东地区国家采用储能技术补偿风电场出力的波动性。因此，为风能等可再生能源配置合适容量的储能是实现风电可调度运行等问题的最有效途径。

风力发电机的输出功率具有随机性，通过储能装置使风电输出完全可控，其可实现性和经济性较差。本文将机会约束规划引入到储能装置优化配置问题上，通过将传统优化中完全满足的约束条件，软化为满足约束条件的概率高于某一置信水平，使得容量配置更具实用性。本文构建了以储能成本最小为目标，以储能电池充放电限制条件为硬约束条件，以及风电吸纳水平和平稳输出为机会约束条件的优化模型，采用模拟技术和遗传算法相结合的方法求解，并验证可行性。

一、基本介绍

风电和储能混合系统输出可以实现并网运行调度目标，也可以作为微电网运行来跟踪负荷。储能系统补偿风电输出功率的波动，其充放电功率受到额定功率和荷电状态的限制，荷电状态与储能设备充放电功率的关系如（1）所示。为避免储能设备枯竭或饱和，对储能装置的能量状态进行有效的管理，保证其运行在安全范围内。

二.储能系统容量优化配置模型

2.1基于机会约束规划的储能系统数学模型

在本文模型中，储能装置的有功补偿作用是将风电出力与制定的目标值差额限制在某一指定区间范围内。采用机会约束规划有两个好处。其一，通过小概率违反约束条件，减少风电出力恶劣且储能设备工况不利于充放电时，100%满足约束条件造成的高额经济成本。其二，为实现电网最大限度吸纳可再生能源，模型中引入切风量，通过机会约束条件实现大概率保证风能利用率。

2.3基于随机模拟的遗传算法

本文认为风电场出力符合多元联合正太分布 ，对于每一个时段 ， 代表该时段的风电预测值， 代表预测误差。本文的风电预测值和预测误差参考文献[5]，基于风电出力概率分布，应用随机模拟技术产生 个场景，每个场景的概率为 。在 种场景下检验机会约束条件，机会函数成立的次数设为 ，根据大数定律，若 则表示机会约束成立。

采用遗传算法求解式（2）～（6）所描述的机会约束储能规划模型，基本步骤如下：

1）初始化，输入遗传算法中染色体个数，以及交叉和变异概率。随机产生一组初始配置方案，作为遗传算法的初始种群。

2）利用随机模拟技术产生大量场景，依据储能电池的运行策略，确定每种场景下储能电池的充放电功率值。

3）检验种群中的每个染色体是否满足机会约束条件，如满足则进入下一步，如都不满足则进行变异运算形成新一代染色体种群，跳转步骤2）。

4）选取满足机会约束条件的染色体，计算其对应的目标函数值。

5）对种群中的染色体进行精英选择、变异和交叉操作，得到新一代染色体。

6）重复步骤2）—5），达到给定的最大迭代次数。

7）以求解过程中所发现的最好的染色体作为储能电池最优配置方案。

三、仿真研究

采用文献[5]风电场风电输出预测数据，风机装机容量为10MW，预测时间间隔为1小时。在Matlab中编程进行仿真寻优运算，随机模拟场景设置为1000，仿真时间选取为24小时，储能设备参数设置参数如表1，SOC初值均选为0.5。风电和储能混合系统输出波动范围设定为±2%，风电吸纳水平选为85%，其置信概率设定为90%。

四、结论

本文将机会约束方法用于储能系统容量配置问题，建立了相应的机会约束模型，采用基于随机模拟的遗传算法完成寻优计算。与传统的规划方法相比，本文方法可以适当处理风电出力不确定因素，在约束条件处理上更加灵活，将传统刚性约束柔化，得到的置信区间与储能成本关系曲线，使容量配置更具实用性。

参考文献：

[1] 张步涵，曾杰，毛承雄，等.電池储能系统在改善并网风电场电能质量和稳定性中的应用[J].电网技术，2006，30（15）：54-59.

[2] 韩涛，卢继平，乔梁，等.大型并网风电场储能容量的优化方案[J] .电网技术，2010，1（1）：169 -174.

[3] 吴云亮，孙元章，徐箭，等.基于饱和控制理论的储能装置容量配置方法[J].中国电机工程学报，2011，31（22）：32-39.