《基于储能电池的光伏功率波动平抑策略-章竹耀.pdf》由会员分享，可在线阅读，更多相关《基于储能电池的光伏功率波动平抑策略-章竹耀.pdf（6页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、笫37卷第8期2016年8月电 力 建 设Electric Power ConstructionV0137。No8Aug，2016基于储能电池的光伏 功率波动平抑策略章竹耀，肖欣，郭晓丽，姜亚海，顾磊，陈伟峰(南通大学电气工程学院，江苏省南通市226019)摘要：为了平抑光伏发电功率波动，并优化光伏出力特性，在运用小波包分解光伏波动频率特性的基础上，提出了基于2组电池组拓扑结构的电池储能系统(battery energy storage system，BESS)在线运行策略和双BESS的最优容量确定方法。模型中2组BESS工作状态分别为充电和放电状态，当某一电池组电能状态达到满充或满放时，则2
2、组电池同时切换当前的工作状态。基于光伏发电厂实测数据，对所提方案进行了验证，结果表明所提方案不仅在光伏出力特性上取得了较好的平抑效果，而且在电池特性上，由于采用双BESS，很大程度上降低了BESS充放电次数，提高了储能系统利用效率。关键词：光伏发电；光伏功率波动；电池储能系统；最优容量；光伏出力预测Restraining Strategy of Photovoltaic Power Fluctuation Based onEnergy Storage BatteryZHANG Zhuyao，XIAO Xin，GUO Xiaoli，JIANG Yahai，GU Lei，CHEN Weifeng(
3、School of Electrical Engineering，Nantong University，Nantong 2260 1 9，Jiangsu Province，China)ABSTRACT：To restrain the photovoltaic(PV)power fluctuation and optimize the output characteristics of PV power，thispaper proposes an online operation strategy for the battery energy storage system(BESS)based
4、on 2 groups of batterytopology and the optimal capacity determination method for double BESSs，based on the wavelet packet decomposition of PVpower fluctuation frequency characteristicsIn the model2 sets of BESS working states are charging and discharging statesrespectivelyWhen any BESS arrives at th
5、eir status of adequate charging or discharging，double BESSs switch their states atthe same timeBased on the measured data of PV power plant，we verify the proposed schemeThe results show that theproposed scheme not only can have good restraining effect in PV power output characteristics，but also redu
6、ce battery chargeand discharge times of BESS in the battery characteristics and improve the utilization efficiency of energy storage systembecause of using double BESSsKEYWORDS：photovoltaic power generation；photovoltaic power fluctuation；battery energy storage system；optimalcapacity；photovoltaic pow
7、er forecast中图分类号：TM 615 文献标志码：A 文章编号：10007229(2016)08-0090-06DOI 1 103969jissn。100072292016080140 引 言近年来光伏发电在全球迅速发展。截至2015年底全球光伏发电累积装机容量为227 GW，当年新增装机容量50 CW，其中，我国累积光伏发电装机容量为43 GW，当年新增装机容量15 GW。南此可见我围光伏发电行业正处于飞速发展状态。然而随着光伏发电在电网中的渗透率不断增加，光伏功率的随机波动特性对电网调度、运行的负面影基金项目：旧家自然科学基金项f1(51407097)；江苏省“六大人才高峰”汁划
8、第】2批资助项目(2015一ZNDW一009)Project supported by National Natural Science Foundation of China(51407097)响日益显著，尤其当光伏发电大量并网时，将严重危害电网的安全性和稳定性。因此，有必要采取技术措施改善光伏发电功率的随机波动特性。电池储能技术的快速发展为彻底解决光伏发电功率的随机波动提供了一种全新的技术选择，目前，采用电池储能系统(battery energy storage system，BESS)平抑光伏功率的随机波动成为电气工程领域的研究热点之一。文献13提出了以储能电池荷电状态为约束条件的控制策
9、略，并应用于平抑功率波动。该方案优点在于储能电池的荷电状态始终在50上下波动，备用容量充足。文献4石在伪时序状态转移抽样法的基础上。对其时序信息进行了改进结果显示，改进算法在提高系统短期可靠性上更万方数据为有效。然而上述文献提出的将不同类型的BESS进行优化组合。以得到优势互补的混合储能系统，虽然能够有效地平抑光伏发电功率输出波动，但是BESS的投资成本十分昂贵，而且BESS的充分放电次数很高，严重削减了储能电池的使用寿命，进而增加了BESS成本。鉴于此。本文在运用小波包分解光伏波动频率特性的基础上，提出了基于双BESS组合的光储混合电站在线运行策略并基于光伏发电厂实测数据选择最优储能容量。最
10、后，通过算例分析验证本文所提方案的运行效果。1 光伏出力频谱分析及储能系统结构模型11光伏出力频谱分析对光伏出力的频率进行分析。分解不同波动频率特性下对应波动的大小观察不同频率的波动曲线对应的幅值和能量变化，能进一步了解光伏出力波动成分以及如何选择合适的储能系统。对于非平稳突变信号用小波处理非常合适，而小波包更适用于处理渐变信号。小波包分解是基于小波变换而发展的。因此，小波包不仅能够分解信号的高频和低频部分，还能将高频部分更加细微的特点表示出来。三层小波包分解结构如图1所示。图1小波包分解树状图Fig1 Dendrogram of wavelet packet decomposition由图1
11、可知，小波包分解是在小波分解的基础上对其高频部分进一步分解，其分解结果是将原信号映射到2j(7为分解的层数)个小波包子空间中，在结构上形成一个系统的树状结构7。其分解算法和重构算法相关表达式如式(1)、(2)。分解算法：I谚2“=艺hk-2l筇L“ (1)旧2”1=gk-2l砑L4、 k式中：谚卫”、识2”1是基于小波包的分解系数；h。、g，分别为小波包分解的低通和高通滤波器组参数。重构算法：彰。1n=(让磁28+gt-2k兹2”) (2)式中：五m。、言M。分别为小波包重构的低通和高通滤波器组参数。采用db9小波对光伏发电输出功率信号进行5层分解，得到其低频信号和高频信号的功率曲线如图2所示
12、。因为经过小波包分解后的功率信号共有25个，所以不能全部显示出来。故只列出其中具有代表性的3种高频信号来凸显其特征。由图2可知，低频部分是原始光伏发电功率曲线的主要成分，因其幅度和原始功率大小相似。所以可描述光伏出力曲线的概貌。而光伏出力曲线的高频部分都在零值上下波动，其能量与低频部分的相比几乎可忽略不计。因此，光伏出力主要取决于其低频部分。文献8采用低通滤波器滤除光伏出力的高频部分，然后计算滤波前后的光伏总出力经计算比较发现，光伏出力的956全部来自于其低频部分，所以采用储能电池平抑光伏出力波动是可行的。12储能系统结构模型由11节结论可知光伏出力绝大多数来源于其低频部分，因此只采用储能电池
13、平抑其波动完全可行。传统工程实践中只采用单BESS，导致储能电池充放电次数极为频繁，迅速降低储能电池寿命。文献9所提方案中储能电池1天充放电次数达到150多次，储能利用效率极低。为了克服上述缺点，本文在单BESS的基础上提出了基于双BESS拓扑结构的光储联合系统。需要说明的是储能电池工作状态只有2种即充电和放电状态。选择2组电池组的依据是电池工作状态，即本文中。一组电池组处于充电状态，则另一组处于放电状态。当任一电池组满充或满放后，2组电池组同时切换工作状态。从而最大限度减少了电池充放电次数。所以电池组选择2组以上没有任何意义，因为电池工作状态只有2种。http：wwwcepcCOBca皿万方
14、数据l翟留冒匿冒团圆- 竺2兰兰 兰!竺兰兰竺lls(a)原始信号主斟霄蒌料雷tlsm)低频信号一ILIIo LJ。 III山一。”7f厂T。r”1邢 呷呵啊ts(c)高频信号“U儿_L 忆一IU山“u山7 1111P r下唧胛仰ltls(d)高频信号2hJI。h。山。IIIL。山。【J丌7r1。”叩叩1ts(e)高频信号3图2小波包分解的光伏功率曲线Fig2 PV power curves of wavelet packet decomposition图3中，P。为光伏发电站出力；P。为BESSl的充放电功率；尸砬为BESS2的充放电功率；P。为光储联合输出功率。其中：P，=P，+Phl+P
15、h2 (3)P。与P砣取值为正表示BESS处于放电状态，取值为负表示BESS处于充电状态。通过制定BESS运行策略，使其与光伏发电站协调运行，将P。控制在一定的波动范围内，尽量减小光伏发电功率随机波动对电网的不利影响。2储能系统运行策略及容量选择21 储能电池技术特性BESS主要由变流器和电池组构成，其中，电池实现电能和化学能间的转换主要是通过其内部活性物质的氧化还原反应进行的这在一定程度上也决定了BESS的性能_l 0。11 J。电池容量衰减是其主要失效模式其和电池充放电次数、环境温度以及电池的最大放电深度有关121 3I。一般而言，电池的使用寿命与其最大放电深度成反比。例如文献141中采用
16、的某种类型电池，若最大放电深度为20，其使用寿命为3 800次，若最大放电深度为80。其使用寿命减少至2 300次若最大放电深度为100其使用寿命仅为1 000次。所以综合考虑储能电池容量成本和其使用寿命，本文中储能电池最大放电深度选择为80。22光储在线运行策略BESS在线运行策略的核心基础是根据光伏出力历史数据和超短期预测数据，估算光伏出力当前时刻的波动，在此基础上利用储能系统状态监测模块提供的状态信息计算BESS冲放电功率，并向变流器输入控制信号，如图4所示。茹攀糕慧；簇鬻鍪霜网 鹰过变流器接人并网连接点，构成光储联合系统，结构 I娄堡童垄I l堡9绣篓鉴如图3所示。L厂J L厂无穷大图
17、3光储混合电站Fig3 PV-storage power station圜http：www cepcCODCfi鞴H计纂动H器H变流器其他预测l I光伏实时所需信息l 出力图4 BESS在线运行策略Fig4 On-line running strategy of BESS图中光伏出力超短期预测模块采用小波一神经网络算法。该算法满足以下要求15删：(1)小波函数万方数据要兰：至要兰竺 三!竺：主!兰二竺!竺竺型兰竺竺兰竺竺：竺三竺豳j翟l譬重勘二蓄国凹_-_l-_I_l_-l_-_l_-_-_-。一一能体现信号的时域特征，仅在有限的时间间隔内不为0，紧支撑性较好；(2)小波系数重构拥有较好的稳定
18、性小波函数正则性较好。为满足以上要求。采用db4小波函数分析原始数据。即原始光伏出力经过小波分解重构后的子序列用神经网络算法预测，再把各序列预测的结果进行叠加得到光伏出力预测值。本文时间序列采用单隐含层BP(back propagation)神经网络预测，正切函数tansing作为隐含层传递函数，线性函数purelin作为输出层传递函数。由于BP神经网络采用的梯度下降法收敛速度慢。为了提高算法的精度和收敛速度，采用最小二乘法(1east squares，LM)优化BP神经网络。光储混合系统运行时为叙述方便，假设BESSl处于充电状态，令其平抑光伏出力的正向波动；BESS2处于放电状态。令其平抑
19、光伏出力的负向波动。其中BESSl的充电功率计算如式(4)所示： P。：一minPm，堕生业，D，+AP()jIl(4)式中：P。为BESSl额定充放电功率；E。为BESSl额定容量；7为BESSl充放电效率；S。hI是BESSl t时刻前一时刻的电池电量；AP(t)是光伏电站任意t时刻与tAt时刻的功率之差；D，为光伏出力波动允许并网的上下限即允许波动率。式中首项规定BESSl充电功率不能超过其额定功率；第二项则防止其过充。BESS2的放电功率计算如式(5)所示：Pb2=minP。，60*(S。2。11+08)E。，D，一P(t) (5)式中s。，川是BESS2 t时刻前一时刻的电池电量。系
20、统运行时，当储能系统监测模块监测到任一电池组满充或最大放电深度达到80时。则同时切换2组电池组的工作状态。需要说明的是，为有效平抑光伏出力波动，2组电池在任意时刻应处于不同充放电状态。因此，当BESSl状态改变时，BESS2状态应同步切换。23储能电池容量选择考虑工程实施可行性和经济性，不仅要有合适的在线运行策略，还要选择合理的储能电池容量。本文根据光伏电站实测数据选择最优储能系统容量。选取的光伏电站位于中国新疆维吾尔自治区容量为500 MW。以500 MW为基准值进行标幺值计算。因允许波动率受系统调频能力限制所以允许波动率D取值须根据具体系统调整。因光伏出力波动的平抑效果受BESS额定容量P
21、。和其昂贵价格制约，所以为了选取合适的储能容量，BESS额定功率分别取标幺值000，005，01，015，02以电池在额定功率下持续放电1 h计算额定容量，根据其在2个典型日的计算结果选取最佳标幺值。本文列出了2个评价指标：光储联合电站光伏出力波动越限幅值总和AW和波动越限概率PD。AW、PD越小表明波动平抑效果越好。其中AW是相邻时刻在整个系统运行周期内光伏出力波动与允许波动率的差值之和。表达式如下：壬一tAW=以I Ap。(+kAt)卜D。) (6)川=髓三吕 PD是整个周期丁内相邻时刻光伏出力超过允许波动率的时间与总时间的比值，表达式如下：壬一1s(I AP。(t+kAt)|-D。)PD
22、=生L1-一(8)五5=比三： 表1给出了不同储能系统容量在典型日A和B的平抑效果。其中，典型日A属于波动较为严重的日子，典型13 B属于波动相对轻微的日子。表1不同容量BESS的光伏出力平抑效果Table 1 Restraining effect of PV output withdifferent BESS capabilities由表1可知。风功率波动平抑效果随BESS额定容量增加而变好，但P。为010时，AW和P。数值已相当小，继续增大P。对波动平抑效果已不再显著。所以最佳标幺值选取010既能满足波动平抑需求又能满足经济要求。需要说明的是P。超过010后，对于典型日A而言，AW和P。均
23、未改变，原因是典型日A功率波动很大，要完全平抑需要巨大的储能容量，只增加少量容量不但达不到平抑效果还增加成本。而对于典型日B而言，功率波动较小没有显著的瞬时大功率波动，因此不断增加储能容量，平抑效果会越来越好，但综合考虑经济因素大量成本换来微乎其微的效果没http：wwwcepccomcn圜万方数据万方数据5 参考文献1李晓东，刘广一，贾宏杰，等基于电压调节的分布式可再生能源发电功率波动平抑策略f J电工技术学报，2015，30(23)：76-82LI Xiaodong，LIU Guangyi，JIA Hongjie，et a1Mitigation ofoutDut power fluctua
24、tions for distributed renewable energy generationbased on voltage regulationJTransactions of ChinaElectrotechnical Society，2015，30(23)：76-822丁明，林根德，陈自年，等一种适用于混合储能系统的控制策略J中国电机工程学报，2012，32(7)：1-6，184DING Ming，LIN Gengde，CHENG Zinian，et a1A controlstrategy for hybrid energy storage systemsJProceedings
25、of theCSEE，2012，32(7)：l-6，1843王成山，于波，肖峻，等平滑可再生能源发电系统输出波动的储能系统容量优化方法J中国电机工程学报，2012，32(16)：l_8WANG Chengshan，YU Bo，XIAO Jun，et a1Sizing of energystorage systems for ontput smoothing of renewable energy systemsJProceedings ofthe CSEE，2012，32(16)：1-84张坤，毛承雄，谢俊文，等风电场复合储能系统容量配置的优化设计J中国电机工程学报，2012，32(25)：7
26、9-87，13ZHANG Kun，MAO Chengxiong，X1E Junwen，et a1Optimaldesign of hybrid energy storage system capacity for wind farmsJProceedings ofthe CSEE，2012，32(25)：79-87，135吴振威，蒋小平，马会萌，等用于混合储能平抑光伏波动的小波包一模糊控制J中国电机工程学报，2014，34(3)：317-324WU Zhengwei，JIANG Xiaoping，MA Huimeng，et a1Waveletpacketfuzzy control of hyb
27、rid energy storage systems for PV powersmoothingJProceedings ofthe CSEE，2014，34(3)：317-3246程林，常壶，刘满君，等基于伪时序状态转移抽样法评估含储能电力系统可靠性J电力系统自动化，2014，38(7)：53-59CHEN Lin，CHANG Yao，LIU Man jun，et a1Reliabilityevaluation of energy storage integrated power system based onpseudosequential state transition samplin
28、g agorithmJAutomationof Electric Power Systems，2014，38(7)：53-597娄素华，易林，吴耀武，等基于可变寿命模型的电池储能容量优化配置J电工技术学报，2015，30(4)：265-271LOU Suhna，YI Lin，WU Yaowu，et a1Optimizing deployment ofbattery energy storage based on lifetime predicationJTransactionsofChina Electrotechnical Society，2015，30(4)：265-2718殷桂梁，李相男
29、，郭磊，等混合储能系统在风光互补微电网中的应用J电力系统及其自动化学报，2015，27(1)：49-53，59YIN Guiliang，LI Xiangnan，GUO Lei，et a1Application of hybridenergy storage system on windsolar hybrid microgridJProceedings of the CSU-EPSA，2015，27(1)：49-53，599田中大，李树江，王艳红，等基于小波变换的风电场短期风速组合预测J电工技术学报，2015，30(9)：112120TIAN Zhongda，LI Shujiang，WANG
30、Yanhong，et a1Short-termwind speed combined prediction for wind farms based on wavelettransformJTransactions ofChina Electrotechnieal Society，201530(9)：11212010吴俊玲，张彦涛，秦晓辉，等减少弃风损失的储能容量和布局优化研究J电力建设，2016，37(6)：24-30WU Junling，ZHANG Yantao，QIN Xiaohui，et a1Study onenergy storage capacity and layout opti
31、mization by reducing windpower curtailmentlossJElectric Power Construction，2016，37(6)：24-3011BORTOLINI M，GAMBERI M，GRAZIANI ATechnical andeconomic design of photovoltaic and battery energy storage systemJEnergy Conversion and Management，2014，86(2)：81-9212HAN X J，CHEN F，CUI X W，et a1A power smoothing
32、 controlstrategy and optimized allocation of baRery capacity based on hybridstorage energy technologyJEnergies，2012，5(5)：1593161213TRAN T T，AHN S，CHOI J，et a1Realtime wavelet-basedcoordinated control of hybrid energy storage systems for denoisingand flattening wind power outputJEnergies，2014，7(10)：6
33、620-6644f14张蕴昕，孙运全混合储能在风光互补微网中的控制策略J电力系统保护与控制2015，43(21)：93-98ZHANG Yunxin，SUN YunquanControl strategy of a hybridenergy storage in windsolar hybrid generation microgridJPower System Protection and Contr012015，43(21)：93-9815刘舒，李正力，王翼，等含分布式发电的微电网中储能装置容量优化配置J电力系统保护与控制，2016，44(3)：17LIU Shu，LI Zhengli，W
34、ANG Yi，et a1Optimal capacityallocation of energy storage in microgrid with distributed generationJPower System Protection and Control，2016，44(3)：1-716唐西胜，苗福丰，齐智平，等风力发电的调频技术研究综述J中国电机工程学报，2014，34(25)：4304-4314TANG Xisheng，MIAO Fufeng，QI Zbiping，et a1Survey onfrequency control of wind powerJProceedings
35、 of the CSEE，2014，34(25)：4304431417刘璐，李相俊，贾学翠，等梯次利用储能电池管理技术与试验应用J电力建设，2016，37(1)：77-83LIU Lu，LI Xian由un，JIA Xuecui，et a1Research and experimentapplication of echelon-use energy storage bauery managementtechnologyJElectric Power Construction，2016，37(1)：778318唐文左，梁文举，崔荣，等配电网中分布式储能系统的优化配置方法J电力建设，2015，3
36、6(4)：3845TANG Wenzuo，LIANG Wenju，CUI Rong，et a1Optionalallocation method of distributed energy storage system in distributionnetworkJElectric Power Construction，2015，36(4)：384519JIANG Q，HONG HWaveletbased capacity configuration andcoordinated control of hybrid energy storage system for smoothingout
37、wind power fluctuationsJIEEE Transactions on PowerSystems，2013，28(2)：13631372加HODGE B M，ELA E G，MILLIGAN MCharactedzing andModeling wind power forecast errors from operational systems foruse in wind integration planning studiesJWind Engineering，2013，36(5)：509-52421KHOSRAVI A，NAHAVANDI SAn optimized
38、mean varianceestimation method for uncertainty quantificmion of wind powerforecastsJInternational Journal of Electrical PowerEnergySystems，2014，61(5)：446454收稿日期：2016-0411作者简介：章竹耀(1991)，男，硕士研究生，研究方向为新能源发电技术；肖欣(1990)，女，硕士研究生，研究方向为微网与电力系统分析；郭晓丽(1971)，女，硕士，副教授，硕士生导师，研究方向为新能源发电技术、智能电网与微网、电力系统规划运行等：姜亚海(1990)，男，硕士研究生，研究方向为智能控制；顾磊(1991)，男，硕士研究生，研究方向为嵌入式技术应用、智能控制、新能源：陈伟峰(1990)，男，硕士研究生，研究方向为嵌入式系统、智能控制、新能源。(编辑张小飞)http：wwwcepctomcn困万方数据