利用储能平抑风电波动实现并网功率陡坡率提高

利用储能平抑风电波动实现并网功率陡坡率提高

0储能系统风储联合优化控制方法水电等可支配能源的功率变化给电网的控制带来了巨大压力。传统机组的爬坡率(ramprate)往往难以平衡可再生能源带来的大幅度短时间功率波动,世界上许多国家的输电公司和电力部门都对风电场的有功功率爬坡率提出了明确的要求,详见附录A。中国从2012年6月开始执行新的风电并网相关标准,对有功功率变化同样提出了明确要求。例如:装机容量在30~150MW的风电场,其10min有功功率变化最大值不得高于装机容量的1/3,1min有功功率变化最大值不得高于装机容量的1/10。风电爬坡率控制,如果仅依靠风电本身进行,受风能捕获极值限制,风力发电机只适合执行大发减荷;如考虑增发,则需始终运行在降额发电状态,经济性较差。随着大规模储能技术的不断成熟,利用储能系统平抑可再生能源的功率波动能够有效缓解电网调频调峰压力。在利用储能平抑风电波动时,如何确定平抑的波动范围、设置合理的平抑参数,是解决该问题的关键。在大惯性电网中,平抑高频小幅度波动意义不大,过度平抑波动没有必要;剧烈大幅波动应当成为平抑的主要目标,但其出现频率较低,周期性和统计规律性差。针对如何确定储能平抑目标的问题,国内外进行了深入研究。文献[4-11]从频域分解的角度,以平抑特定频段的波动为目标:低通滤波能够有效平抑风电波动中的高频分量,广泛应用于学术与工程应用中;文献提出带阻滤波,并以风电0.01~1Hz的波动频段为平抑目标;文献提出变时间常数滤波,同时考虑了储能的运行状态。然而,不同地区风电场波动特征不同,文献比较了滤波常数同样为60s时10个实际风电场的平抑效果,发现同样的滤波参数对于不同风电场风况平抑效果差别很大,因此,文献提出采用小波变换确定具体风电场的滤波范围,并结合自适应控制方法调节参数。文献[12-17]从波动幅值的角度,以幅值特征满足指定条件为目标:文献依据BPA对风电跟踪小时前功率预测曲线的要求(幅值±4%,准确率90%),建立了以惩罚价格最小为目标的优化模型,并采用人工神经网络等4种方法求解;文献[13-14]从数学角度分析,认为方差在数学上可以反映变量偏离其平均值的程度,采用最小化并网功率曲线方差为优化目标;文献则采用最小化相邻点之差的平方和为优化目标。本文认为,在利用储能平抑风电波动时,必须按照各国风电并网标准(GridCode)要求,将风功率爬坡率控制在规定范围内。目前,国内外已经有一些学者在风储联合控制中考虑到了风电爬坡率标准。但是,文献[12,15-16]仅考虑了这一因素,却无法保证并网有功爬坡率能够满足国家标准要求;文献[17-18]为了保证风电在任何波动下都能满足爬坡率标准,滤波参数只能采取保守设置,对储能容量需求相当大。此外,上述文献均未考虑到弃风这一合理的控制手段,从而完全依赖储能,大大增加了储能的容量需求和投资成本。本文提出的风储联合优化控制方法,能够抑制风电爬坡率,保证并网功率满足国家风电并网标准对风电有功功率变化的要求。并且,该方法对储能实现了精细化控制,同时配合弃风控制,大大减小了储能的容量需求。1风功率斜坡率计算方法传统的电力系统机组组合与经济调度中,爬坡率是指单位时间段的功率变化差,在优化模型中该项受最值条件约束。风电与常规机组不同,其功率变化受自然环境控制,变化曲线不是单调的,变化速率也不是恒定的,因此,传统的单位时间段功率变化差的方法并不完全适用。目前,在国内外学术研究和工程实际中,风电爬坡率的计算方法有很多,本文按照国家标准中对爬坡率(有功功率变化)的文字说明,定义了新的爬坡率数学表达。下文将以图1为例,说明各类爬坡率定义的含义和区别。其中,横坐标每个采样点代表10s,则120点对应1200s,即20min。1)|dP(t)/dt|:该式适用于连续模型。时段K内最大爬坡率为max{|dP(t)/dt|},t∈[t0,tK]。以图1为例,计算时段13至73这10min内最大爬坡率时,max{|dP(t)/dt|},t∈对应曲线(1)处。2)|P(t+τ)-P(t)|:该式为|dP(t)/dt|的差分形式,间隔时间为单位采样时间τ,时段K内最大爬坡率对应max{|P(t+τ)-P(t)|},t=1,2,…,K。该方法计算结果与采样时间长度有关:在图1中,如果采样时间τ为1格,结果同方法1),max{|P(t+τ)-P(t)|}对应曲线(1)处;如果采样时间τ为10格,max{|P(t+τ)-P(t)|}对应曲线(2)处。3)|P(t+K)-P(t)|:该式表示间隔时段K风电爬坡率,该方法与传统机组爬坡率的计算方法相同,常被用于学术研究和工程实际中。计算时段13至73这10min内爬坡率时(t=73,K=60),|P(t+K)-P(t)|对应曲线(4)处。4)|Pmean(t+K)-Pmean(t)|:该式是方法3)的改进方法,其中Pmean(t)表示功率平均值。对于风电爬坡率(国内标准中称之为有功功率变化),相关国家标准中的文字说明为:一定时间间隔内,风电场有功功率最大值与最小值之差。以上各式在风功率爬坡率计算中,与国家标准含义均有偏差。由图1可知,国家标准含义中的10min最大功率变化应为曲线(3)所示。因此,以上方法均不能表达国家标准定义的风功率爬坡率。根据国家标准中对有功功率变化的定义,风功率爬坡率数学表达为:式中:i=t-K,t-K+1,…,t。分析式(1)可知,ΔPmax(t)只与[t-K,t]期间的最大和最小值有关,如果时刻t功率不是[t-K,t]中的最值,则ΔPmax(t)取值恒定,与时刻t控制结果无关。在静态优化中,只要反复寻优,该问题不会影响最终结果;但在滚动优化控制中,本轮优化过程需要用到上一轮控制结果。因此,如果由于风电预测误差或控制失误等原因,上一轮控制结果出现爬坡率越限,则本轮的部分时段控制也会受到影响,引起控制失效,甚至导致越限事故延续,关于该问题的详细说明见附录B。为此,本文提出了新的爬坡率数学表达式为:式中:ΔPmax+(t)为时刻t与时段[t-K,t]内的最小值之差;ΔPmax-(t)为时刻t与时段[t-K,t]内的最大值之差。式(2)和式(3)共同构成了新的爬坡率数学表达。与式(1)的区别在于,式(2)和式(3)在计算中引入了时刻t的并网功率值,则时刻t的控制变量(储能、弃风)的控制效果能够直接反映在ΔPmax+(t)和ΔPmax-(t)中。其中,式(2)与式(1)含义相同,与国家标准定义完全一致,同样可用于静态优化控制计算。式(3)则能够避免上文提到的控制失效问题,适用于滚动优化控制,相关说明详见附录B。需要说明的是,式(3)与国家标准定义的含义有所区别,但由于在整个滚动周期内,每一个时刻t与[t-K,t]内的最大(小)值之差都被逐个计算过,因此,不会存在最大爬坡率超过国家并网标准却被计算遗漏的情况,因此,其最终控制效果完全符合国家并网标准要求,相关解释详见附录B。2风储联合开采优化模型2.1优化控制指令时间及模型假设风电预测精度随时间推移逐级降低,根据滚动刷新的风电预测值不断修正储能出力能够提高控制精度,从而满足分钟级的爬坡率要求。世界各国风电并网标准中,爬坡率要求大多为1min和10min时间尺度,中国也不例外。本文以国内风电并网标准为例,说明该方法的控制思路。目前最快的超短期风功率预测区间为15min,步长为1min。因此,该优化方法每15min滚动刷新一次。考虑到优化程序计算和控制指令下达需要一定的时间,本文以20min作为优化时段。同时,为与某实际风电场风功率监测系统采样时间保持一致,储能控制周期设置为10s,优化时段20min,对应120个时间段。模型中的优化变量为时段i内储能系统的充放电功率Pbess(i)及风电的弃风功率Pcurtail(i),i=1,2,…,n。定义储能的放电功率为正,充电功率为负。考虑到储能电池和弃风操作速率相对较快,本文提出以下两点假设:(1)忽略储能的爬坡速率约束;(2)忽略弃风操作本身的爬坡率限制。同时,由于本文在模型中考虑了储能的运营成本,储能的内部损耗和自放电损耗不再单独考虑。2.2储能运行成本以储能平抑风电波动后的风储整体效益最大化为目标,考虑储能系统的运营成本;同时,由于弃风本身并不被鼓励,因此考虑弃风操作成本,从而实现合理弃风。目标函数为:其中式中:i=1,2,…,n,为时间序列;πgrid为上网电价;Pgrid(i)为时段i的风储联合系统并网功率;Pwind(i)为时段i风功率预测值;Cbess(i)为储能运行成本;πbess为储能单位功率的运营成本;Ccurtail(i)为弃风操作成本;πcurtail为单位弃风功率的操作成本;Cpunish(i)为在风储系统无法达到并网要求时的惩罚项;M为惩罚系数,其足够大时,能够保证风储并网功率不会超过国家标准要求的范围;Pstad为国家标准中的限制值;sign(x)为符号函数,当x≥0时,sign(x)=1,x<0时,sign(x)=-1。对于储能运行成本Cbess(i),本文从简考虑,认为储能运行成本与储能充放电功率绝对值成正比。弃风操作成本Ccurtail(i)是指风电场采取弃风操作后,除了电量损失以外的成本,包括风电机组操控以及其中产生的折耗等。考虑Ccurtail(i)是从尽量多接纳新能源的角度,鼓励风电场尽量少弃风,本文从简考虑,认为弃风操作成本与弃风功率成正比。Cpunish(i)可以认为是一个松弛约束,放在目标函数中用于防止在储能极限条件下出现没有可行解的情况。考虑风功率预测误差,本文设置了控制裕度系数h,可以控制风储联合发电功率满足国家标准对风电有功功率变化的要求,并具有一定的安全裕度,即式(10)可改写为式(11)的形式:2.3合同规定1储能系统总容量的确定式中:S(i)为时段i储能系统的荷电状态;Smax和Smin分别为储能系统荷电状态的最大允许值和最小允许值;Jbess为储能系统总容量;ΔT为单位时段t的时间间隔。22电源限制另外,在应用中如果确定了具体的储能电池类型,还可以考虑电池物理约束等。2.4智能优化算法在上述模型中,目标函数的前3项都是线性连续约束,第4项中,由于符号函数sign(x)不连续,无法采用基于连续模型的优化算法。智能优化算法能将嵌套的动态优化问题转化为全局静态优化问题,在处理带有复杂约束的优化问题上具有较大的优势。因此,本文选择遗传算法进行求解。3计算与分析3.1计算系统本文算例以中国某风光储示范工程的容量配比为参照,设置风电装机容量100MW,储能装机容量10MW,最大可持续时间1h。3.2参数选择和配置3.2.1储能系统及控制工况储能的充放电功率范围与储能类型有关。常见的化学电池,如钠硫电池(NaS),最大充电功率较最大放电功率小得多;一些新型储能系统,如飞轮储能、超导电容储能等,最大充放电功率基本接近。本文的储能系统并不针对某一具体类型,因而设计储能充放电最大功率均为10MW。在实际应用中,储能控制一般是设定充放电动作值固定,以供运行时选择。本文将充放动作限制条件离散化并编号定义为相应的状态,具体见表1。这里每个阶段的每个状态均有16个决策,控制策略即为优化时段所有可能的充放电组合。3.2.2储能运营价格国内的峰谷电价根据各地的发电成本、经济发展水平等因素综合确定。本文优化时段时间较短(20min),几乎不会受到峰谷电价的影响,设为0.5元/(kW·h)。储能运营价格主要用于表示储能在运营过程中的成本费用,也可以考虑折旧等因素。由于实际储能运营成本计算复杂,且与储能类型相关,考虑到本文仅用于说明该控制策略的有效性,因而对该问题从简考虑,定为0.6元/(kW·h)。弃风操作价格目前还没有实际的可参照价格,该项主要用于鼓励风电场尽量少弃风,因此,可以根据具体情况设定。本文设置为0.25元/(kW·h)。3.3结论分析3.3.1有储能配合且不采用弃风手段时的并网问题图2中,曲线表示风电场独立运行时的风功率并网功率;柱状图表示该优化时段对于国家标准爬坡率要求的满足情况,“1”表示违反了1min爬坡率标准,“2”表示违反了10min爬坡率标准,“3”表示同时违反了1min和10min爬坡率标准。如图2所示,一阵强阵风到来时,在没有储能配合且不采取弃风手段时,并网功率越限严重。图3所示为同时采用储能配合和弃风手段的优化结果。本结果中,各时段爬坡率均能满足国家标准要求,因此,没有标注国家标准越限柱状图(图4至图6及图8同此情况)。同时,在风电波峰到来前,储能系统运行在放电状态;在波峰到来时,储能系统运行在充电状态,同时配合一定量弃风;在波峰通过后,储能系统再次放电,以实现削峰填谷的效果。在图2采样点40至采样点60期间,出现了储能充电没有运行在最大状态,同时进行了弃风的情况。这是考虑了弃风操作成本和储能运行成本的综合优化结果,即当弃风操作成本相对储能运行成本较低时,尽量少地利用储能可以使总体收益更高。因此,用户可以根据不同的弃风期望(偏向于采用储能或偏向于尽量少的弃风)设置不同的弃风操作成本系数。例如:在同样的算例中,当弃风操作系数分别增大到0.5元/(kW·h)和1.0元/(kW·h)时,