风储系统最优运行策略研究

文 | 刘兵，银磊，张新宇，王禹力

大规模风电消纳一直是世界性难题，“三北”地区在此方面问题更加突出。由消纳产生的弃风限电大量浪费了风能资源，造成了惨重的经济损失，而损失主要由风电企业承担，严重影响产业的研发及长远发展。

提高风电的可控性是减少弃风限电的有效应对措施。在风电场安装储能系统可以显著提高风电场的并网性能。目前，在国内已经有多个示范项目以及相关的研究成果。已有的研究中，存在关于抽水蓄能、风电制热、风电制氢、电池储能等多种实现方案。其中，电池储能不受环境因素限制，建设地点和运行方式灵活，且经济性高，是目前广为采纳的储能类型。然而，在已有的通过储能缓解弃风限电的控制策略中，多数停留在策略的有效性上，没有考虑到储能系统本身的充放电特性；控制策略中考虑的时间尺度较短，多数是以自然日为单位进行储能系统的充放电控制；且经济性不高，不具备大范围推广的可行性。

本文以大庆中丹风电场为例，分析风电场一年的历史数据，从季度、月份、昼夜的角度出发分析限电的规律并提取限电开始时刻、限电时长等特征参数。结合储能系统的运行特性，提出基于调度预测的风储优化控制算法，使得储能系统的利用效率达到最优。通过对大庆中丹风储微电网项目实际运行数据进行建模及仿真计算验证了该方法的可行性。

系统特征参数分析

一、弃风限电特征参数

风电场限电状态的判断方法如下：当全场理论发电功率大于全场目标功率时则认为全场处于限电状态。用公式可表示为：

式中，Pfarm为全场理论功率，Pset为电网调度下发的全场目标功率。

根据风电场限电状态的判断方法，统计一年内风电场的出力规律、限电规律。结合全年发电数据对风电场限电规律进行具体分析，统计全年的限电规律，结合全年限电整体特征规律，整理月度、日度限电规律。

二、储能系统特性

从实时功率和可用容量的角度可将储能分为功率型储能和能量型储能，功率型储能可实现较短时间内大功率充放电，能量型储能可实现较长时间内小功率充放电。针对不同的应用场景，需要选用不同的储能系统。对于弃风限电的场景，储能系统需要在较长时间内持续吸收或释放能量，此时，需要选用较高容量密度、较长额定功率充放电时间的能量型储能系统，比如锂电池、铅酸电池、铅炭电池、抽水蓄能等。相比其他几种类型的储能系统，由于铅炭电池循环次数较高、度电成本低、安全性高，因此，在工程实践中被广泛采用。

目前，在制定控制策略时，极少会充分考虑储能系统本身的充放电特性。部分文献采用的是储能电池恒功率充放电控制方法，没有考虑到储能系统的充放电和容量特征，从而造成储能电池利用率的损失。

表1 风电场限电特征参数

本文基于电池储能系统的特征，对其经济利用率的最佳特征点进行分析。

算例分析

结合风电场弃风限电的规律以及电池自身特性制定合理的控制策略，在风电场限电时将能量存入储能系统，在不限电时让储能系统释放能量；同时结合电池的循环深度与寿命的关系、充放电倍率与放电容量的关系，在电池全生命周期内充分利用储能系统创造经济效益。

风电场的限电规律也影响着风储系统控制策略的制定。下面就大庆中丹风电场进行特征分析。调取了该风电场2015年11月至2016年10月的一整年实际运行数据。

该风电场共有132台1.5MW风电机组，根据一年内的运行数据分析风电场风能资源、运行调度及弃风限电规律。所收集的数据为该风电场每间隔十分钟的全场目标有功、全场实际发电功率、全场平均风速，以及全场运行风电机组台数。

现统计该风电场一年风速变化规律、限电规律。如图1所示，最大风速主要集中在3至5月，限电损失也主要集中在这几个月。3月的限电损失达到全年峰值，接近3000万千瓦时，4月的限电损失近2694万千瓦时。12月到2月的理论发电量虽然相对较少，但是也有超过一半的电量被限掉，1月限电达1576万千瓦时，2月也超过1100万千瓦时，其他月份的限电电量在271万至976万千瓦时之间。对整体数据进行统计，全年限电达12112.5万千瓦时，占理论发电量的31%。

结合全年发电数据统计表具体分析风电场限电规律，全年一共限电644次，限电时间共约1993小时，占其运行时间的25%，平均每次限电时长3.1小时，其中最长限电时间超过69小时。在所有限电数据中，限电超过1小时以上占49%，限电半小时以上占62%。统计全年限电数据如表2。

根据弃风限电规律可知，该风电场弃风限电呈现季节性变化以及昼夜性变化，图3以及图4为12个月的限电开始及结束时刻分析，以 20∶00 － 8∶00 为夜间，8∶00 － 20∶00为白天来进行时段的划分，可以看出，夜间开始限电、夜间结束限电占大部分比例，在限电严重的冬季，白天限电次数也明显多于夏季，但小于同期夜间次数。

图1 2015年11月至2016年10月的平均风速

图2 2015年11月至2016年10月的每月发电数据

表2 全年发电数据统计

此外，在弃风严重的冬季每日限电呈现一定的规律性，如图5所示为比较典型的曲线。该曲线表示的是调度指令与理论功率的差值，如果值大于0则说明不限电，如果值小于0则说明限电。由图5所示典型曲线可知，夜间出现长时间限电，日间长时间处于不限电状态。

以某电池厂商提供的数据，对1.2MWh铅炭电池循环次数与充放电深度以及电池可放电容量与放电倍率进行分析。

表4为铅炭电池在满充情况下采用不同的倍率恒流放电所能够放出的容量。由图可知，当电池放电倍率越小，电池可放电容量越大。

设电池单次放电能量为E0，放电倍率为P。从表4得到P越小，E0越大。

图6为电池在恒定放电电流、不同温度下循环次数N与充放电深度DoD之间的对应关系。假设电池以恒定温度、恒定倍率、恒定充放电深度进行充放电，则其生命周期内可放电能量为：

现取其中30℃环境下放电深度与循环次数点对应关系进行分析，如表5所示。

由表5可知，在恒定温度、恒定充放电倍率下，铅炭电池在生命周期内所能够释放的总能量在放电深度为0.3～0.6时，其能够释放的总能量较多，在0.7以上则会迅速减少。这意味尽可能避免电池过度深充深放，同时也要避免过于频繁地浅充浅放。

结合上述分析可知，为使储能电池在生命周期内尽可能多地释放电能，需要每次以小功率充放电，同时使放电深度控制在0.6以内。

图3 12个月限电开始时刻的次数统计

图4 12个月限电结束时刻的次数统计

图5 日限电特性典型曲线（2015年11月4日）

表3 每月限电统计数据

表4 铅炭电池的放电倍率与可用容量之间的关系

表5 30℃环境下铅炭电池循环次数与总能量的关系

控制策略

结合储能电池自身特性，为了每次充分利用其容量，需尽可能使用小功率充放电，因此，在限电高峰期，可在限电较长时段采用小功率进行循环充放电，以使储能电池每次充放电能量都能达到最大。

根据以上分析，现提出以下基于调度预测及风功率预测的最优化储能充放电策略：

算法流程图如图7所示，在每一个调度周期的起始时刻，通过历史数据以及天气预测信息预测未来T时间段内的调度功率曲线Pset及风功率曲线Pwind，根据调度功率与风功率相减可得到限电曲线Pcut＝Pwind－Pset，若Pcut＞0，表示处于限电状态；若Pcut＜0，表示处于非限电状态。设限电曲线中第一段持续限电或不限电的时间为∆T。设储能最大充电功率为Pcmax，最大放电功率为Pdmax（充电为正，放电为负）。设电池SOC范围为SOCmin＜SOC＜SOCmax，电池容量为C，当前决策储能充放电功率为Pbat。

若当前决策处于充电时段，则：

若当前决策处于放电时段，则：

仿真分析

该风电场系统拓扑图如图8所示，风电场配置1.2MWh储能系统，根据其过去一年的运行数据，现采取两种控制策略进行仿真分析，第一种不考虑以预测限电时长为依据设定充放电倍率，始终以允许最大充放电倍率对储能系统充放电，第二种策略以预测限电时长调整充放电倍率。首先采用二次曲线拟合，根据可用容量与放电电流对应数据可拟合出电池可用容量与充放电功率之间的关系。

图6 铅炭电池在不同放电深度下的循环次数

图7 控制策略流程图

图8 风储系统拓扑图

当电池充电时，电池可放出的容量BatC为：

当电池放电时，电池可放出的容量BatD为：

当采用第一种策略时，基于风电场一年的历史数据，储能系统一共释放2.0274e+05kWh电量。

当采用第二种策略时，储能系统一共释放2.7280e+05kWh电量，说明后一种可以充分利用储能容量与充放电倍率关系提升储能放电电量，从而在项目生命周期内增加收益。

摄影：王宝义

结论

本文针对风电场运行规律和储能系统特性开展研究，风电场的弃风限电呈现出一定的季节性和周期性，储能系统的充放电容量与充放电倍率存在显著的关系。基于分析结果，针对风储系统运行和调度提出一种基于风功率预测和调度预测的储能充放电控制方法，基于该方法可实现在风电场应用场景中充分地利用储能系统，在储能系统寿命周期内增加其充放电容量，从而提升系统经济性。