结合风功率预测的电池参与调峰控制策略

郭园园，潘文霞，冯博

（河海大学可再生能源发电技术教育部工程研究中心，南京 210098）

结合风功率预测的电池参与调峰控制策略

郭园园，潘文霞，冯博

（河海大学可再生能源发电技术教育部工程研究中心，南京 210098）

大规模风电并网给电力系统的安全稳定运行造成影响。电池可以配合风电平滑其输出功率波动，将间歇式能源变成可调度能源，实现计划发电。针对电池参与调峰问题，通过对日前风功率预测和负荷预测情况进行分析，对全天24 h进行时段划分。在负荷低谷风电高峰期时，修正功率预测值，让电池尽可能充满，使得电池能够在负荷高峰风电低谷期响应调峰需求，达到削峰填谷的作用。仿真结果表明，修正预测功率值控制电池充放电，电池有较好的调峰效果。

风电；功率波动；功率预测；电池；调峰

风能作为一种清洁的可再生能源，是不可控的，具有随机性、间歇性等特点[1]。风力发电是风能利用的主要形式，其输出功率的不确定性对电力系统的安全稳定运行产生影响，调峰问题就是其中要考虑的一个重要方面[2]。

文献[3]运用成本分析法，考虑技术和经济约束下的风电并网调峰问题；文献[4]提出风电与抽水蓄能电站联合运行的优化运行策略，利用抽水蓄能电站的储能能力，平滑风电的日内峰谷波动性，从而使风电场获得最大的运行效益；文献[5]提出了在冬季枯水期水电-风电系统日间联合调峰运行策略，利用水电的储能能力来平滑风电出力在负荷高峰时段的日间波动性；以月为决策单位、以周为时间间隔进行滚动决策，确定水电-风电系统的有效调峰容量；文献[6]中电池储能系统被安装在负荷侧，用以响应调峰需求，并且以获得最优的经济效益为目标，采用动态规划得到电池最优容量。

本文通过日前风功率预测和负荷预测，将全天24 h分时段控制：在负荷低谷风电高峰期时，通过计算得到的功率参考值控制电池尽可能多充电，这样在电池负荷高峰放电，达到削峰填谷的作用。在其他时段结合风电功率超短期预测控制储能电池充放电，平抑风功率波动。利用实际风场输出数据及PSCAD软件进行仿真，验证该方法的可行性及有效性。

1 基于指数平滑法的风电功率预测

1.1 指数平滑法的原理

指数平滑法是一种时间序列分析预测法，它是通过计算指数平滑值，配合一定的时间序列预测模型对现象的未来进行预测。其原理是任一期的指数平滑值都是本期实际观察值与前一期指数平滑值的加权平均。其中一次指数平滑法的预测模型为

式中：P（t）为某时刻的实际值；S（t）为某时刻的预测值；S（t+1）为下一时刻预测值；α为平滑系数。

本文中预测周期T=1 h，风电场每隔10min测量一次有功功率，则每个周期有6个采样值。在仿真过程中，以每个周期的第1个采样点的预测值作为该周期的风电功率预测值。例如，在测量到第n个周期的第6个采样值之后，得到下一个周期的第1个采样点的预测值，以该值作为n+1个周期的风功率预测值。并且假设第1周期的实际采样值已知，预测初始值S（0）为第1周期内实测功率的平均值，即

式中：i为采样点数；Pi为第i个采样点的有功功率。

1.2 平滑系数的选择

通常，当指数平滑法用于预测时，若原数列趋势比较平稳时，α取得小一些，一般在0.1～0.3之间；当原数列有较大波动时，α选择适中的数值，一般在0.3～0.5之间；当原数列波动很大并且趋势较为明显时，α应该取得大一些，一般在0.6～0.8之间[7]。但是由于风速变化具有随机性，若采用固定的平滑系数，不能相应地反映风功率的变化，可能造成预测累计误差增大[8]。因此采用可变指数平滑法对风功率进行预测，其经验公式为

式中，当α大于1时取为1。图1所示为基于变指数平滑预测法的风电有功功率预测流程。

图1 基于变指数平滑法的功率预测流程Fig.1 Flow chartof power forecasting based on variable exponentialsmoothing algorithm

2 基于超短期风功率预测的电池充放电控制

2.1 电池的荷电状态

电池的荷电状态（state of charge）用来反映电池剩余容量。其数值上定义为电池剩余可放电容量和额定容量的比值，即

式中：Q为电池的可用剩余容量；Qb为额定容量。

一般地，为了防止电池过充过放，对电池荷电状态进行限制。设定电池荷电状态上下限分别为SOCUP、SOCLOW。

2.2 基于超短期风功率预测的电池控制

设功率预测值为Pt，给定裕度系数β=0.1。Pmax、Pmin为功率平滑上下限，其值分别为

图2为连续3个周期的风电输出功率示意。电池充放电控制步骤如下。

图2 电池充放电控制示意Fig.2 Sketchmap ofbattery chargeand discharge control

步骤1根据n周期的预测功率Pnt，通过式（5）计算出该周期功率平滑上下限Pnmax、Pnmin；判定n周期的实际输出功率P。当P＞Pnmax时，电池充电；当P＜Pnmin时，电池放电。

步骤2当SOC=SOCUP时，电池停止充电；当SOC=SOCLOW时，电池停止放电。

图3为功率平滑控制后，风/储系统向电网输送的有功功率曲线，与图2相比，功率的平滑度得到了提高。

图3 电池平滑后的风功率输出Fig.3 W ind power outputafter battery smoothing

经过仿真结果统计得到某台2MW风力发电机24 h内风电功率的实际变化情况：电池平滑控制前10min功率变化最大值为0.35MW，占额定功率的17.5%，60min功率变化最大值为1MW，占额定功率的50%；而平滑控制后，10min功率变化最大值为0.30MW，占额定功率的15%，60min功率变化最大值为0.61 MW，占额定功率的30.5%。可见，基于超短期功率预测的电池控制系统可以明显减小风电功率输出波动。

3 基于预测的电池参与调峰控制策略

3.1 基于日前预测的时段划分

一般情况下，如果风电高峰和负荷高峰出现在相同的时段，此时面临的调峰压力最小。而当负荷高峰风电低谷时，此时调峰面临较大的挑战。本文就此情况进行研究。根据浙江某风场提供的日前风功率预测及日前负荷预测数据通过PSCAD仿真得到的曲线如图4所示。从图4中可以看出20：00—22：00时段负荷处于高峰时段，而风场处于发电低谷。全天中对该时段的调峰要求最高。

根据风功率和负荷日前预测，将全天分为4个时段：1：00—6：00为风电高峰负荷低谷时段，称为反调峰时段；20：00—22：00为负荷高峰风电低谷时段，即调峰时段；6：00—9：00尽管负荷需求增加，但风电仍处于高峰时期；其余时间为第4个时段。

图4 日前风功率预测及日前负荷预测曲线Fig.4 Forecasting curvesofw ind power and load day-ahead

3.2 电池参与调峰控制策略

在1：00时刻，检测SOC，根据电池充电上限计算出电池单位周期的充电功率，计算公式为

式中：PS为电池充电功率；V为电池电压；t为风电高峰负荷低谷的持续时长为电池最大充电功率；γ（<1）为电池充电系数，防止电池过充。

利用电池充电功率，修正预测功率为

在6：00—9：00时段，手动改变平滑系数，降低超短期风功率预测值，使得电池在该时段尽量少放电，甚至充电。即判断之前周期最后一个采样点的实际值与预测值：若实际值大于预测值，令平滑系数α=0；反之，当实际值小于预测值时，令α=1。

在20：00—22：00需要电池放电参与调峰，为保证电池的循环利用，电池最大放电容量为

式中，SOC0为电池荷电状态初始值。

图5 电池参与调峰控制前后的系统输出功率Fig.5 Outputpower of system before and after peak regulation controlw ith battery

图5所示为电池控制前后的风/储系统输出功率。1：00—6：00系统输出功率远小于风电场单独输出，是对电池大功率充电的结果。而在负荷高峰时期，电池能够放出较大容量的电量，响应调峰需求，且有较好的调峰效果。

4 结语

电池储能系统可以平滑风电场输出，降低风电波动，同时结合风场有功功率预测，可以将风电转变为可调度能源。本文针对电池参与调峰问题，通过日前风功率预测和负荷预测，将全天划分为4个时段，不同时段对电池采用不同的控制手段：在负荷低谷风电高峰期时，通过功率参考值控制电池充电，而在负荷高峰风电低谷期电池放电，在平滑风电的同时达到削峰填谷的作用。最终的仿真结果表明所提出的方案具有可行性。

[1]黄德琥，陈继军，张岚（Huang Dehu，Chen Jijun，Zhang Lan）.大规模风电并网对电力系统的影响（Impactof large-scale wind power integration on power system）[J].广东电力（Guangdong Electric Power），2010，23（7）：27-30.

[2]袁越，周建华，余嘉彦（Yuan Yue，Zhou Jianhua，Yu Jiayan）.含风电场电力系统调峰对策综述（An overview of the peak-load regulation countermeasures for power systems containing wind farms）[J].电网与清洁能源（Power System and Clean Energy），2010，26（6）：1-4.

[3]尹明，王成山，葛旭波（Yin Ming，Wang Chengshan，Ge Xubo）.风电并网经济技术评价研究综述（Review ofeconomic-technical assessmentofwind power integration） [J].电力系统及其自动化学报（Proceedings of the CSUEPSA），2010，22（5）：102-108.

[4]Castronuovo ED，Lopes JA P.On the optimization of the daily operation of a wind-hydro power plant[J].IEEE Transon Power Systems，2004，19（3）：1599-1606.

[5]静铁岩，吕泉，郭琳，等（Jing Tieyan，LüQuan，Guo Lin，etal）.水电—风电系统日间联合调峰运行策略（An inter-day combined operation strategy of hydro and wind power system for regulating peak load）[J].电力系统自动化（Automation of Electric Power Systems），2011，35（22）：97-104.

[6]Oudalov A，Cherkaoui R，Beguin A.Sizing and optimal operation ofbattery energy storage system for peak shaving application[C]//Power Tech.Lausanne，Switzerland：2007.

[7]王长江（Wang Changjiang）.指数平滑法中平滑系数的选择研究（Selection ofsmoothing coefficientvia exponentialsmoothing algorithm）[J].中北大学学报：自然科学版（Journal of North University of China：Natural Science Edition），2006，27（6）：558-561.

[8]孙家和（Sun Jiahe）.可变指数平滑法（Variable smoothing coefficientof exponential smoothing algorithm）[J].预测（Forecasting），1986，6（1）：14-15.

Control Strategy of Peak Regulation by App lying Battery Combined w ith W ind Power Forecasting

GUOYuan-yuan，PANWen-xia，FENGBo
（Research Center forRenewable Energy Generation Engineering ofMinistry of Education，HohaiUniversity，Nanjing 210098，China）

The integration of large-scalewind powerhasa significant impacton the security and stability ofpower system.Battery can smooth fluctuation ofwind power outputand make intermittent energy become scheduling energy so that planned power generation can be achieved.This paper studied the peak regulation by applying battery combined with wind power forecasting.Time-interval based control strategy of 24 hourswas used by analyzing the day-ahead forecastofwind power and load.The battery needed to be charged asmuch as possible by correcting prediction value when the load was at valley hours when the wind power was at peak hours.In turn，the battery was discharged to achieve peak load shifting.Simulation results show that battery charging and discharging controlled by correcting the prediction value of the powerhasa good peak load shifting.

wind power；power fluctuation；power forecasting；battery；peak regulation

TK8

A

1003-8930（2013）05-0050-04

郭园园（1989—），女，硕士研究生，研究方向为电力系统及其自动化。Email：yuanyuanguo1989@163.com

2013-02-25；

2013-03-27

江苏高校优势学科建设工程资助项目（海岸带资源开发与安全）

潘文霞（1961—），女，博士，教授，研究方向为风力发电。E－mail：pwxhh@yahoo.com.cn

冯博（1988—），女，硕士研究生，研究方向为电力系统及其自动化。Email：fbcengjing@126.com