文獻(xiàn)標(biāo)識(shí)碼: A
DOI:10.16157/j.issn.0258-7998.2015.07.034
中文引用格式: 袁弘,,李建祥,劉海波,,等. 考慮功率預(yù)測(cè)的儲(chǔ)能電站動(dòng)態(tài)優(yōu)化控制方法[J].電子技術(shù)應(yīng)用,,2015,41(7):121-124.
英文引用格式: Yuan Hong,,Li Jianxiang,,Liu Haibo,et al. A dynamic optimization control method of BESS considering wind power forecasting[J].Application of Electronic Technique,,2015,,41(7):121-124.
0 引言
以風(fēng)力發(fā)電為代表的可再生能源[1]具有間歇和隨機(jī)性的固有屬性,,隨著風(fēng)力發(fā)電滲透率的持續(xù)提升,亟需增強(qiáng)當(dāng)前電網(wǎng)對(duì)風(fēng)電波動(dòng)性的應(yīng)對(duì)能力,。儲(chǔ)能電站能夠?qū)崿F(xiàn)能量的存儲(chǔ)和釋放,,成為目前可能解決風(fēng)電波動(dòng)問題的重要方式之一[2]。當(dāng)前理論研究和示范工程中[3],,通過配置一定容量比重[4]的儲(chǔ)能平抑其波動(dòng)性[5],,可平滑風(fēng)功率輸出。儲(chǔ)能電站成為提升大規(guī)模風(fēng)電可調(diào)控能力的重要途徑[6],。
國(guó)內(nèi)外學(xué)者指出儲(chǔ)能電站目前尚未有特性突出,、綜合能力顯著的儲(chǔ)能介質(zhì)[7],優(yōu)勢(shì)特性互補(bǔ)的復(fù)合儲(chǔ)能[8]是儲(chǔ)能技術(shù)未來重要的發(fā)展方向[9],。復(fù)合儲(chǔ)能可彌補(bǔ)單一介質(zhì)的不足,,有利于提升儲(chǔ)能電站的適應(yīng)能力和運(yùn)行可靠性[10],為儲(chǔ)能電站基于未來信息構(gòu)建動(dòng)態(tài)優(yōu)化控制提供了可能,?;诖耍疚奶岢隽丝紤]超短期功率預(yù)測(cè)的儲(chǔ)能電站動(dòng)態(tài)優(yōu)化控制方法,,采用現(xiàn)場(chǎng)風(fēng)功率運(yùn)行數(shù)據(jù)進(jìn)行了驗(yàn)證分析,,結(jié)果表明了該方法的有效性和可行性。
1 儲(chǔ)能電站充放電策略
1.1 儲(chǔ)能介質(zhì)特性分析
以鉛酸蓄電池和LiB為代表的能量型儲(chǔ)能在當(dāng)前諸多示范工程中獲得應(yīng)用,,該類型儲(chǔ)能能量密度大,,儲(chǔ)能時(shí)間長(zhǎng),應(yīng)嚴(yán)格限制其充放電狀態(tài)轉(zhuǎn)換次數(shù),;功率型儲(chǔ)能VRB具備頻繁充放電切換響應(yīng)能力,,可充放電次數(shù)高,適用于呈現(xiàn)頻繁快速變化特性的隨機(jī)分量的波動(dòng)平抑,。
1.2 充放電模型
考慮到風(fēng)能分布具有明顯的時(shí)間周期性,,本文選取采樣步長(zhǎng)為5 min,根據(jù)平抑目標(biāo)確定儲(chǔ)能電站所需平抑的功率波動(dòng)如圖1所示,。以充放各一次的時(shí)長(zhǎng)Δt為統(tǒng)計(jì)量,,可得Δt在采樣點(diǎn)區(qū)間(1,,14]的對(duì)應(yīng)概率和達(dá)到85%,為Δt主要聚集區(qū)域,。由此本文選定兩個(gè)充放區(qū)間作為遞進(jìn)控制步長(zhǎng),,得到遞進(jìn)控制步長(zhǎng)將以[35,155]min為主要聚集區(qū)間,。
根據(jù)儲(chǔ)能電站介質(zhì)的運(yùn)行特性構(gòu)建主輔兩層控制策略,,具體充放電模型為:
(1)VRB優(yōu)先動(dòng)作,LiB輔助平抑,。遞進(jìn)控制步長(zhǎng)內(nèi)的單次充或放區(qū)間能量低于限值Emin,,VRB優(yōu)先動(dòng)作并在其SOC不越限、充放功率在限值范圍的前提下獨(dú)立平抑波動(dòng),。核心目標(biāo)在于發(fā)揮VRB的SOC大范圍變化特性,,嚴(yán)格控制LiB充放電切換次數(shù)。該充放電模型對(duì)應(yīng)具體運(yùn)行模式為:
式中Δt為采樣步長(zhǎng),。P(t)為平抑目標(biāo)功率偏移量,P(t)>0對(duì)應(yīng)HESS的充電,,其數(shù)值對(duì)應(yīng)充電功率,;反之對(duì)應(yīng)放電狀態(tài),其數(shù)值為放點(diǎn)功率,。Ei(i=1,,2,3,,4)為遞進(jìn)控制步長(zhǎng)對(duì)應(yīng)的兩個(gè)充放區(qū)間的能量,,且Ei=為各充放區(qū)間的始末時(shí)刻;同理Ei>0則代表HESS吸收能量,,反之為釋放能量,。[Emin-discha,Emin-cha]為VRB優(yōu)先啟動(dòng)對(duì)應(yīng)的充放能量區(qū)間,。SOCVRB(t)為VRB的SOC瞬時(shí)值,,SOCmax-VRB、SOCmin-VRB分別為VRB的SOC運(yùn)行上下限值,。當(dāng)滿足Pmax-discha-VRB<P(t)<Pmax-cha-VRB時(shí),,其中Pmax-cha-VRB、Pmax-discha-VRB分別為VRB的最大充,、放電功率,,本控制步長(zhǎng)內(nèi)VRB獨(dú)立完成功率平抑;反之,,則LiB輔助啟動(dòng)協(xié)調(diào)平抑,。
(2)LiB主要?jiǎng)幼?,VRB輔助平抑。對(duì)于非VRB優(yōu)先動(dòng)作狀況,,發(fā)揮LiB能量密度高的優(yōu)勢(shì),,由其啟動(dòng)并承擔(dān)主要平抑任務(wù);對(duì)于VRB的啟動(dòng),,取決于LiB充放電功率的變化速率及其SOC,,其目標(biāo)在于輔助LiB平抑目標(biāo)或調(diào)整自身SOC以處于較優(yōu)運(yùn)行狀態(tài)。VRB輔助啟動(dòng)條件為:
式中,,SOCmax-LiB,、SOCmin-LiB分別為L(zhǎng)iB的SOC運(yùn)行上下限值,文中分別取0.9和0.2,;Pmax-cha-LiB,、Pmax-discha-LiB分別為L(zhǎng)iB的最大充、放電功率,;ΔP(t)為充放電功率的變化率,,且ΔP(t)=P(t)-P(t-1);ΔPmax-cha-LiB,、ΔPmax-discha-LiB分別為L(zhǎng)iB的最大充放電功率變化率,;SOCLiB(t)為L(zhǎng)iB的SOC瞬時(shí)值。當(dāng)LiB,、Uc同時(shí)啟動(dòng)時(shí),,當(dāng)各自SOC或充放電功率同步越限時(shí),將分別出現(xiàn)棄風(fēng)和平抑功率不足的狀況,。
2 儲(chǔ)能電站動(dòng)態(tài)優(yōu)化控制模型
2.1 目標(biāo)函數(shù)
基于上述充放模型,,構(gòu)建以儲(chǔ)能電站SOC運(yùn)行狀態(tài)最優(yōu)為目標(biāo)的優(yōu)化控制模型。已知遞進(jìn)控制步長(zhǎng)區(qū)間的各介質(zhì)初始SOCint-LiB,、SOCint-Uc,,基于充放電策略,使得本區(qū)間內(nèi)各介質(zhì)偏移最佳SOC的方差和最小,,目標(biāo)函數(shù)如式(3)所示,。
該目標(biāo)函數(shù)主要解決本遞進(jìn)控制步長(zhǎng)區(qū)間內(nèi)充放能量在各介質(zhì)間的協(xié)調(diào)分配問題。其中,,SOCOLiB,、SOCOVRB分別為最佳運(yùn)行SOC,本文分別取0.6和0.5,;SOCLiB(t),、SOCVRB(t)分別為本區(qū)間各介質(zhì)的實(shí)時(shí)SOC數(shù)值,其數(shù)值基于充放電策略和風(fēng)功率輸出確定,。VRB優(yōu)先動(dòng)作模式中,,LiB僅針對(duì)充放電功率越限部分能量,;而LiB主要?jiǎng)幼髂J较拢贚iB啟動(dòng)且其充放電功率及其變化率和SOC均滿足平抑條件時(shí),,將作為平抑能量主體,。
2.2 約束條件
約束條件主要包括充放電功率約束、SOC約束,。
(1)充放電功率約束
2.3 求解算法
本文采用魯棒性強(qiáng),、計(jì)算效率高的粒子群優(yōu)化算法(Particle Swarm Optimization,PSO)對(duì)算例進(jìn)行求解,,并對(duì)其進(jìn)行適度改進(jìn),,以克服動(dòng)態(tài)邊界問題,同時(shí)遞進(jìn)優(yōu)化的區(qū)間計(jì)算量相對(duì)較小,,利于發(fā)揮PSO搜索精度高和收斂效果好的優(yōu)勢(shì),。具體模型求解步驟為:
(1)根據(jù)遞進(jìn)協(xié)調(diào)控制算法和本步長(zhǎng)數(shù)據(jù)確定優(yōu)化目標(biāo)函數(shù);
(2)設(shè)置粒子群維數(shù)D,、最大迭代次數(shù)Mmax,、收斂精度σthresh,同時(shí)初始化粒子群位置x和速度v,,并給定初始SOCint-LiB,、SOCint-VRB數(shù)值;
(3)根據(jù)既定充放電策略和目標(biāo)函數(shù)計(jì)算各粒子適應(yīng)度值M,;
(4)將各粒子適應(yīng)度值與自身粒子極值及全局粒子極值比較,若適應(yīng)度值較小,,則更新各粒子個(gè)體極值ebest及全局例子適應(yīng)度極值gbest,;
(5)判斷當(dāng)前計(jì)算是否滿足收斂條件,若是,,則提取當(dāng)前PLiB,、PVRB即為最優(yōu)充放電功率;若否,,則更新各粒子位置x及速度v,,并重復(fù)步驟(3)~(5)。
其中n為當(dāng)前循環(huán)次數(shù),,c1,、c2為粒子權(quán)重系數(shù),w為慣性權(quán)重,,r1,、r2為(0,1)內(nèi)均勻分布隨機(jī)數(shù),,xi,、vi為第i維粒子的位置與速度,,g為約束因子。
3 驗(yàn)證分析
為驗(yàn)證本文方法有效性,,基于風(fēng)電場(chǎng)實(shí)際運(yùn)行數(shù)據(jù)進(jìn)行分析,,該風(fēng)場(chǎng)裝機(jī)容量75 MW,儲(chǔ)能電站中LiB額定容量配置為10 MWh,,VRB為4.5 MWh,,各采樣點(diǎn)間隔為5 min。運(yùn)行參數(shù)中,,LiB的SOC運(yùn)行允許限值為[0.1,,0.9],而VRB的SOC運(yùn)行限值為[0,,0.95],;LiB的充放電功率限值均為13 MW,而VRB的充放電功率均為9 MW,;經(jīng)統(tǒng)計(jì)該風(fēng)場(chǎng)功率特征,,Emin-discha取值為-1.1 MWh,而Emin-cha取值為1.0 MWh,。
(1)算例1:提取該風(fēng)電場(chǎng)某年度5月份運(yùn)行數(shù)據(jù),,基于本文所提方法,計(jì)算結(jié)果如表1所示,。
如表1所示,,本文所提方法在相關(guān)評(píng)價(jià)指標(biāo)上均有大幅改變,其中充放電啟動(dòng)因采用VRB獨(dú)立承擔(dān)弱能量區(qū)間的充放電任務(wù),,LiB的啟動(dòng)次數(shù)顯著降低,,減少了77.9%;平抑效果方面,,由于LiB和VRB的協(xié)調(diào)配合,,使得平抑后的功率偏移量方差降低41.7%,保證了平抑效果,;目標(biāo)函數(shù)數(shù)值M降低46.9%,。
選取一定時(shí)間截面區(qū)間PLiB(t)、PVRB(t)顯示如圖2所示,,SOCLiB(t),、SOCVRB(t)如圖3所示。充放電功率方面,,可以看出,,PLiB(t)和PUc(t)的協(xié)調(diào)使得各自充放電功率越限次數(shù)降低,同時(shí)PUc(t)獨(dú)立承擔(dān)弱能量區(qū)間的充放電使PLiB(t)有效減少充放電啟動(dòng),,而在兩者同時(shí)充放啟動(dòng)的狀況下,,PLiB(t)可承擔(dān)更多的平抑任務(wù),;結(jié)合圖3中SOC可以看出,其SOCLiB變化較SOCVRB要小,,LiB適合于淺充淺放,,而VRB則可發(fā)揮其SOC可大范圍變化的優(yōu)勢(shì)。
(2)算例2:提取該風(fēng)電場(chǎng)某年度10月份運(yùn)行數(shù)據(jù),,計(jì)算結(jié)果如表2所示,。選取一定時(shí)間截面區(qū)間PLiB(t)、 PVRB(t),、SOCLiB(t),、SOCVRB(t)分別如圖4、圖5所示,。
表2中相關(guān)評(píng)價(jià)指標(biāo)同樣均有較大幅度優(yōu)化,,其中LiB的啟動(dòng)次數(shù)相比減少78.3%,而平抑后的功率偏移量方差降低43.5%,;同時(shí)本文目標(biāo)函數(shù)數(shù)值M降低50.8%,。總體而言達(dá)到了本文方法的目標(biāo),;在充放電功率和荷電狀態(tài)方面,,該算例同樣較好地實(shí)現(xiàn)了本文方法的優(yōu)化目標(biāo)。當(dāng)放電平抑任務(wù)較重,、需較大容量放電容量時(shí),,此時(shí)兩者同時(shí)啟動(dòng),LiB承擔(dān)較大放電容量,;但若其SOC接近下限,,此時(shí)VRB則承擔(dān)起了剩余放電功率。
綜上所述,,本文提出的考慮功率預(yù)測(cè)的儲(chǔ)能電站動(dòng)態(tài)充放電策略可有效實(shí)現(xiàn)遞進(jìn)控制區(qū)間的運(yùn)行最優(yōu)化。所提方法可保證各介質(zhì)SOC運(yùn)行狀態(tài)及平抑效果的前提下有效減小LiB的充放電轉(zhuǎn)換次數(shù),,充分發(fā)揮VRB的介質(zhì)特性,。
4 結(jié)論
本文考慮將超短期風(fēng)功率預(yù)測(cè)引入儲(chǔ)能電站的控制過程,同時(shí)提出VRB優(yōu)先動(dòng)作或LiB主要?jiǎng)幼鞯某浞烹姴呗?,目的是通過遞進(jìn)式的區(qū)間優(yōu)化實(shí)現(xiàn)儲(chǔ)能電站的動(dòng)態(tài)經(jīng)濟(jì)控制,;通過構(gòu)建遞進(jìn)區(qū)間控制的優(yōu)化目標(biāo)函數(shù),并考慮實(shí)際條件約束,,給出了基于粒子群算法的實(shí)現(xiàn)流程和求解步驟,。利用實(shí)際風(fēng)電場(chǎng)運(yùn)行數(shù)據(jù)進(jìn)行驗(yàn)證,根據(jù)平移后的功率偏移量,、SOC運(yùn)行區(qū)間等多個(gè)評(píng)價(jià)指標(biāo)的分析結(jié)果,,表明本文控制方法對(duì)儲(chǔ)能電站的充放電轉(zhuǎn)換次數(shù)及平抑效果等均具有顯著效果,。本文所提控制方法高效可靠,具有一定的理論價(jià)值和實(shí)際應(yīng)用價(jià)值,。
參考文獻(xiàn)
[1] 肖湘寧,,陳征,劉念.可再生能源與電動(dòng)汽車充放電設(shè)施在微電網(wǎng)中的集成模式與關(guān)鍵問題[J].電工技術(shù)學(xué)報(bào),,2013,,28(2):1-14.
[2] BARTON J,INFIELD D.Energy storage and its use with intermittent renewable energy[J].IEEE Trans.on Energy Conversion,,2004,,19(2):441-448.
[3] 高明杰,惠東,,高宗和,,等.國(guó)家風(fēng)光儲(chǔ)輸示范工程介紹及其典型運(yùn)行模式分析[J].電力系統(tǒng)自動(dòng)化,2013,,37(1):59-64.
[4] 施琳,,羅毅,涂光瑜,,等.考慮風(fēng)電場(chǎng)可調(diào)度性的儲(chǔ)能容量配置方法[J].電工技術(shù)學(xué)報(bào),,2013,28(5):120-127.
[5] 袁鐵江,,陳潔,,劉沛漢,等.儲(chǔ)能系統(tǒng)改善大規(guī)模風(fēng)電場(chǎng)出力波動(dòng)的策略[J].電力系統(tǒng)保護(hù)與控制,,2014,,42(4):47-53.
[6] TELEKE S,BARAN M E,,BHATTACHARYA S,,et al.Optimal control of battery energy storage for wind farm dispatching[J].IEEE Trans on Power Systems,2010,,25(3):787-794.
[7] 蔣凱,,李浩秒,李威,,等.幾類面向電網(wǎng)的儲(chǔ)能電池介紹[J].電力系統(tǒng)自動(dòng)化,,2013,37(1):47-53.
[8] 楊珺,,張建成,,周陽,等.針對(duì)獨(dú)立風(fēng)光發(fā)電中混合儲(chǔ)能容量?jī)?yōu)化配置研究[J].電力系統(tǒng)保護(hù)與控制,2013,,41(4):38-44.
[9] 張國(guó)駒,,唐西勝,齊智平.平抑間歇式電源功率波動(dòng)的混合儲(chǔ)能系統(tǒng)設(shè)計(jì)[J].電力系統(tǒng)自動(dòng)化,,2011,,35(20):24-28.
[10] 程時(shí)杰.大規(guī)模儲(chǔ)能技術(shù)在電力系統(tǒng)中的應(yīng)用前景分析[J].電力系統(tǒng)自動(dòng)化,2013,,37(1):3-8.