區(qū)域風(fēng)電場群儲能電站的優(yōu)化配置及運行策略

張　峰　張　熙　張　利　苗驍健　楊立濱　梁　軍

（1. 山東大學(xué)電網(wǎng)智能化調(diào)度與控制教育部重點實驗室　濟南　250061 2. 山東大學(xué)山東省電動汽車工程實驗室　濟南　250061 3. 國網(wǎng)青海省電力公司電力科學(xué)研究院　西寧　810003 4. 青海省光伏發(fā)電并網(wǎng)技術(shù)重點實驗室　西寧　810003）

區(qū)域風(fēng)電場群儲能電站的優(yōu)化配置及運行策略

張峰1，2張熙1張利1苗驍健1楊立濱3，4梁軍1

（1. 山東大學(xué)電網(wǎng)智能化調(diào)度與控制教育部重點實驗室濟南250061 2. 山東大學(xué)山東省電動汽車工程實驗室濟南250061 3. 國網(wǎng)青海省電力公司電力科學(xué)研究院西寧810003 4. 青海省光伏發(fā)電并網(wǎng)技術(shù)重點實驗室西寧810003）

風(fēng)電場群的空間規(guī)模效應(yīng)使其自身具備波動平滑調(diào)節(jié)能力，由此使得區(qū)域風(fēng)電場群中配置電池儲能電站（BESS）具備理論可行性?；诖耍治隽藚^(qū)域風(fēng)電場群配置BESS的運行形態(tài)和工作模式，指出當(dāng)前規(guī)模的 BESS可參與功率波動平抑和適度的電網(wǎng)調(diào)峰?；跇?gòu)建 BESS充放電策略，提出了以運營成本最小為目標(biāo)的成本優(yōu)化模型，由此確定風(fēng)電場群最佳BESS容量配比。同時，利用風(fēng)功率出力波動的季節(jié)性規(guī)律差異，探討B(tài)ESS在低風(fēng)電出力季節(jié)參與電網(wǎng)調(diào)峰的可行性，提出了以實時運行效益最大為目標(biāo)的BESS運行策略，使其在該目標(biāo)下根據(jù)風(fēng)電出力季節(jié)性差異調(diào)整運行模式。利用風(fēng)電場實際運行數(shù)據(jù)驗證該方法，計算結(jié)果表明所提BESS優(yōu)化運行策略的有效性和可行性。

風(fēng)電場群電池儲能電站優(yōu)化容量運行

0　引言

間歇性電源滲透率的持續(xù)提升，使得電網(wǎng)能量平衡體系中的不確定因素不斷增加，當(dāng)前電網(wǎng)調(diào)控面臨巨大壓力。儲能系統(tǒng)作為傳統(tǒng)能量流傳遞鏈中的新環(huán)節(jié)應(yīng)運而生，并成為提升間歇性電源可控性和利用效率的重要可行方式［1］。

目前國內(nèi)外對于風(fēng)電場分散儲能及電池儲能電站（Battery Energy Storage Station， BESS）均展開了相關(guān)研究，其中分散儲能研究主要集中在儲能系統(tǒng)最優(yōu)容量的計算［2-4］及系統(tǒng)控制策略的優(yōu)化［5-7］，其功能主要定位于風(fēng)電場功率波動的平抑。其中，容量計算屬于規(guī)劃問題，在于利用典型歷史運行數(shù)據(jù)，依據(jù)影響儲能運行的主導(dǎo)因素構(gòu)建優(yōu)化目標(biāo)函數(shù)，確定實現(xiàn)風(fēng)電場期望功率輸出所需的最優(yōu)儲能容量。而后者在于實現(xiàn)對實際儲能運行系統(tǒng)的控制和調(diào)整，其目標(biāo)一般為儲能系統(tǒng)的運行經(jīng)濟性或者波動平滑的有效性。

與風(fēng)電場分散儲能相比，電池儲能電站功能定位具有更強的可擴展性，其具有備用電源、間歇性電源平抑、調(diào)峰、調(diào)頻、暫態(tài)有功緊急響應(yīng)以及暫態(tài)電壓緊急支撐等多重功能［8-10］。目前對于 BESS的研究主要集中在BESS性能對比、動靜態(tài)功能分析以及系統(tǒng)監(jiān)控等領(lǐng)域。文獻(xiàn)［11］對以鋰電池、鈉硫電池以及液流電池為儲能介質(zhì)的BESS建立了綜合兼容性模型，并對性能、應(yīng)用效果及經(jīng)濟指標(biāo)等進行了對比分析。文獻(xiàn)［12］根據(jù)微網(wǎng)系統(tǒng)運行特點，提出了一種分布式發(fā)電單元和蓄電池儲能單元間的協(xié)同控制能量管理策略。對于國內(nèi)已建成的 BESS示范工程，文獻(xiàn)［13，14］分別介紹了國家風(fēng)光儲輸示范工程和深圳寶清BESS的關(guān)鍵技術(shù)和運行模式。文獻(xiàn)［15］建立了 BESS與發(fā)電側(cè)、供電側(cè)及用戶響應(yīng)的實時電價動態(tài)博弈聯(lián)動模型，并對其市場環(huán)境下的效益進行了分析。上述文獻(xiàn)對于推進BESS的相關(guān)研究具有積極意義，但對于功能定位靈活、運行適應(yīng)度高的 BESS系統(tǒng)，其具體運行形態(tài)、復(fù)合功能模式及策略等領(lǐng)域仍未見相關(guān)較明確的報道。

基于此，本文對BESS可行的運行形態(tài)進行了對比分析，指出了適合當(dāng)前BESS規(guī)模的復(fù)合功能定位和工作模式，提出了以BESS運營成本最小為目標(biāo)的容量優(yōu)化計算模型。而在實際運行策略中，根據(jù)風(fēng)電出力的季節(jié)差異性［16］，提出了考慮風(fēng)電場群功率波動平抑和適度電網(wǎng)調(diào)峰的BESS復(fù)合功能充放電模式。利用風(fēng)功率預(yù)測信息，以 BESS同步參與功率波動平抑和電網(wǎng)調(diào)峰時的收益最大為目標(biāo)構(gòu)建實時優(yōu)化運行模型。本文以區(qū)域風(fēng)電場群波動平抑為前提優(yōu)化BESS規(guī)劃容量，其時間尺度一般依據(jù)風(fēng)電出力的年度周期性。實際運行中考慮風(fēng)電季節(jié)性差異引入適度電網(wǎng)調(diào)峰功能，并在運行效益最大的目標(biāo)函數(shù)下提出了均衡運行模式以增加與整體成本提升間制約關(guān)系的優(yōu)化方法。由此，該優(yōu)化目標(biāo)下，以天為時間尺度，使BESS在風(fēng)電出力偏弱季節(jié)可利用閑置容量參與調(diào)峰且創(chuàng)造價值，而在風(fēng)電出力較強季節(jié)則不參與或在優(yōu)化目標(biāo)下適度參與調(diào)峰。

1　理論分析

1.1區(qū)域風(fēng)電場群平滑效應(yīng)

理論分析和實際運行數(shù)據(jù)表明，風(fēng)電場群出力呈現(xiàn)空間規(guī)模效應(yīng)，即平滑效應(yīng)，其機理在于風(fēng)能在時間上的延遲效應(yīng)和過濾效應(yīng)，以及空間上的分布效應(yīng)［17］。該現(xiàn)象可致使區(qū)域風(fēng)電場群的匯集功率在各時間尺度下均呈現(xiàn)平滑效果，波動性有效減弱。由此，區(qū)域風(fēng)電場群配置 BESS將比各風(fēng)場分散儲能在規(guī)劃容量、平抑效果、功用拓展等方面均具有優(yōu)勢。

1.2BESS運行形態(tài)

BESS規(guī)模必然伴隨從微型到超大型的發(fā)展歷程，同時其運行形態(tài)也會在電力市場的推動下不斷分化和完善。為提升供電的可靠性或經(jīng)濟性，微小型 BESS更多配置于微電網(wǎng)以及分布式電源［8］，運行形態(tài)融合于微電網(wǎng)或分布式電源綜合供電系統(tǒng)。大中型BESS目前較多與大規(guī)模間歇性電源配合［2-7］，解決功率出力的波動平抑問題，同時具備參與調(diào)頻、調(diào)峰、緊急備用等的規(guī)模能力。超大型BESS在儲能成本大幅降低前提下在未來智能電網(wǎng)中有望出現(xiàn)，其規(guī)模水平可能在源網(wǎng)荷平衡的可控性和經(jīng)濟性方面發(fā)揮革命性作用。

當(dāng)前BESS理論研究及應(yīng)用均主要集中于微小和大中型規(guī)模。BESS的運行形態(tài)依賴于能量存儲和釋放過程中的效益產(chǎn)出，由此當(dāng)前BESS可能出現(xiàn)的歸屬形式主要有電力公司、發(fā)電企業(yè)、大負(fù)荷用戶或電力市場下的其他企業(yè)（如供電零售商）。

1.3當(dāng)前規(guī)模BESS的工作模式

考慮到當(dāng)前規(guī)模 BESS的直接收益形式，若BESS參與調(diào)頻不僅對其備用容量要求較高，而且調(diào)頻和功率波動平抑的實時同步控制可能存在一定難度，同時受制于電網(wǎng)狀態(tài)的不確定調(diào)頻容量，BESS容量的動態(tài)經(jīng)濟分配也存在一定問題。相對而言，電網(wǎng)調(diào)峰對容量需求具有較高的確定性和規(guī)律性，同時差異化的風(fēng)電場群季節(jié)性出力為 BESS參與調(diào)峰提供了可能，因此當(dāng)前BESS工作模式較適于風(fēng)電功率波動平抑和可控性較高的電網(wǎng)調(diào)峰。

2　區(qū)域風(fēng)電場群BESS優(yōu)化配置

2.1BESS充放電策略

風(fēng)電場群BESS平抑功率波動過程中，當(dāng)風(fēng)電場群功率 P（t）＞Pref（t）時，BESS系統(tǒng)充電；P（t）＜Pref（t）時，BESS系統(tǒng)放電，其中，Pref（t）為期望輸出功率。當(dāng)充電功率、荷電狀態(tài)（State Of Charge， SOC）或充電功率變化率大于BESS限值，即如式（1）～式（3）所示時，則會出現(xiàn)棄風(fēng)。

式中，Pmax-cha為BESS的最大充電功率；σcha為BESS充電效率，本文取σcha=0.85；SOCmax為SOC上行限值，本文取SOCmax=1.0；ΔPcha（t）為充電功率變化率，ΔPcha（t）=P（t） -P（t-1）；ΔPmax-cha為BESS的充電功率變化率極大值。

同理，當(dāng)放電功率及其變化率大于BESS限值，或SOC低于下行限值時，如式（4）～式（6）所示，則會因平抑功率不足而出現(xiàn)平抑不充分。

式中，Pmax-discha為BESS的最大放電功率，Pmax-discha＞0；σdischa為BESS放電效率，本文取σdischa=0.9；SOCmin為 SOC下行限值，本文取 SOCmin=0.1；ΔPdischa（t）為放電功率變化率；ΔPmax-discha為BESS的放電功率變化率極大值。

2.2BESS容量規(guī)劃優(yōu)化模型

建立考慮運營成本的容量規(guī)劃模型需計及BESS建設(shè)投入到運行的各項支出，以其總體成本費用最小為目標(biāo)函數(shù)。運營成本主要包含建設(shè)成本Ccons和運行成本Crun，其中Crun將在式（1）～式（3）所示行為引起棄風(fēng)、式（4）～式（6）所示而引發(fā)波動平抑不足或 SOC過度充放而導(dǎo)致越限運行影響B(tài)ESS壽命時產(chǎn)生。因此Crun包含棄風(fēng)成本Caba、SOC 越限懲罰成本 Coutline和期望輸出懲罰成本Clack?？傮w而言，Ccons與Crun相互制衡，顯然BESS的容量V將是影響Ccons與Crun平衡性及總體成本的關(guān)鍵因素。具體計算模型如式（7）～式（10）所示。

式中，γ 為單位容量電池儲能基礎(chǔ)成本；ε 為BESS安裝成本；k為BESS運行壽命折合年數(shù)；inc為考慮資本投入時間價值引入的年利率；T為所提取運行數(shù)據(jù)的時窗長度；β為單位容量的棄風(fēng)成本；α為平抑功率不足導(dǎo)致所缺容量的單位懲罰成本；η 為SOC越限運行時的單位容量懲罰成本；SOC（t-1）為對應(yīng)前一時刻SOC取值；Δt為采樣間隔；SOCHline、SOCLline分別為SOC正常運行上、下限值，當(dāng)SOC（t）＞SOCHline時，BESS仍可充電至SOCmax，但其越限運行容量將產(chǎn)生越限懲罰成本，本文取 SOCHline=0.85，SOCLline=0.20；同理，SOCmin＜SOC（t）＜SOCLline時將產(chǎn)生下行越限懲罰成本。Faba（t）、Flack（t）、Foutline（t）分別為棄風(fēng)、平抑不足或越限運行狀態(tài)布爾量，其表達(dá)式如（11）～式（13）所示。

由此，以總體運營成本最小為目標(biāo)構(gòu)建優(yōu)化模型為

式中，kT為成本計算所取區(qū)間時長T的折合年數(shù)。由此可確定該目標(biāo)函數(shù)下的 BESS最優(yōu)容量 V。BESS容量規(guī)劃依據(jù)風(fēng)電出力的年度周期性，利用年度歷史運行數(shù)據(jù)進行優(yōu)化計算。

3　區(qū)域風(fēng)電場群BESS優(yōu)化運行

3.1實時運行優(yōu)化策略

BESS具備引入調(diào)峰功能的可行性，原因在于：①考慮風(fēng)電場功率輸出的年度周期性，一般取kT=1；②理論研究表明，風(fēng)電場出力具有明顯季節(jié)性差異［16］，作者進一步實地走訪山東諸城、威海等多個風(fēng)電場，現(xiàn)場數(shù)據(jù)表明各風(fēng)電場均具備該特征。由此可得，V作為保障全年平抑效果的平均容量取值，而全年各季節(jié)風(fēng)電出力及其波動并不均衡。由此，在某季節(jié)風(fēng)電出力大、波動幅度大的季節(jié)，V將主要用于保證波動平抑效果。而在風(fēng)電出力小或出力平緩的季節(jié)，V將具備參與調(diào)峰行為的容量空間。

本文實時運行效益優(yōu)化的思想在于，以市場化的價格引導(dǎo)為手段，利用風(fēng)電出力季節(jié)差異性特征和峰谷期間上網(wǎng)電價差額，參照短期功率預(yù)測數(shù)據(jù)，充分均衡利用BESS容量，使其具備同時參與波動平抑和電網(wǎng)調(diào)峰的可行性，并實現(xiàn)其總體效益的最大化?？梢?，BESS參與調(diào)峰可實現(xiàn)谷荷期風(fēng)能的存儲，既有利于降低火電深度調(diào)峰的壓力，又可為峰荷提供電源供給，同時為BESS空閑容量提供收益運行模式。

3.2BESS優(yōu)化運行模型

BESS參與電網(wǎng)調(diào)峰，一方面產(chǎn)生效益，另一方面因其對容量的占用，必然在風(fēng)功率波動平抑時提升部分充放區(qū)間棄風(fēng)或平抑功率不足的風(fēng)險，引起B(yǎng)ESS運行成本的上升。因此，協(xié)調(diào)優(yōu)化成本上升與調(diào)峰收益間的關(guān)系，實現(xiàn)總體效益最大化將是本文優(yōu)化運行模型的構(gòu)建目標(biāo)。

設(shè)定參與調(diào)峰的充放電行為將依據(jù)BESS在谷荷和峰荷期間的可充放能量，在對應(yīng)時間區(qū)間內(nèi)恒功率存儲或釋放，則有

式中，Echa、Pv（t）分別為谷荷期間的充電能量和功率；Edischa、Pp（t）分別為峰荷期間的的放電能量和功率；Δtcha、Δtdischa分別為充、放電持續(xù)時間。

以日為實時運行優(yōu)化時間尺度，市場行為引導(dǎo)下確定地區(qū)尖峰負(fù)荷和低谷負(fù)荷時間范圍［tpi， tpl］、［tvi， tvl］，以及其對應(yīng)電價rp、rv，設(shè)Δt為t的遞進步長，即采樣間隔，則 BESS峰谷荷能量對應(yīng)價值差額為式中，前半部分為峰荷期間放電產(chǎn)生的收益；后半部分為谷荷期間充電能量所需成本。

考慮峰谷荷時期的充放電行為，各時段充放電及運行模型如下。

tpi≤t≤tpl時

式中，SOCst1（t）為tpi≤t≤tpl區(qū)間的SOC變量表達(dá)式；SOC（tpi）為該區(qū)間的初始SOC數(shù)值，對應(yīng)為tpi時刻的數(shù)值；Ps（t）為該區(qū)間功率波動平抑充放電功率；Cst1為該區(qū)間運行成本，根據(jù)式（8）～式（10）可得，對于BESS充放電特征參數(shù)如Pmax-cha、SOCmax等確定的前提下，該區(qū)間成本計算式均為SOC變量的函數(shù)。該區(qū)間 BESS具有峰荷放電調(diào)峰以及功率波動平抑的雙重運行功能。

tpl＜t＜tvi時

式中，SOCst2（t）為該時間區(qū)間的SOC變量表達(dá)式；SOC（tpl）為該區(qū)間的初始SOC數(shù)值；Cst2為該區(qū)間運行成本。該區(qū)間以功率波動平抑為BESS主要運行行為。

tvi≤t≤tvl時

式中，SOCst3（t）為該時間區(qū)間的SOC變量表達(dá)式；SOC（tvi）為該區(qū)間的初始SOC數(shù)值；Cst3為該區(qū)間運行成本。該區(qū)間BESS具有谷荷期充電以及功率波動平抑的雙重運行行為。

tvl＜t＜tpi時

式中，SOCst4（t）為該時間區(qū)間的SOC變量表達(dá)式；SOC（tvl）為該區(qū)間的初始SOC數(shù)值；Cst4為該區(qū)間運行成本。該區(qū)間以功率波動平抑為BESS主要運行行為。

綜合上述分析，日時間級實時運行效益計算可表達(dá)為

式中，Qd為日級實時運行效益為 BESS僅參與風(fēng)功率波動平抑時的運行成本，其計算式為其中 SOC（t）為僅參與功率平抑時的 SOC變化量。運行效益優(yōu)化以 Qd的最大化為目標(biāo)和Ps（t）是該目標(biāo)下的優(yōu)化變量。當(dāng)Qd＞0時表明參與電網(wǎng)行為具有收益，且Qd越大則收益越可觀。而當(dāng)電網(wǎng)調(diào)峰收益與成本增加值相當(dāng)甚至不足以平衡時，Qd將逐漸降低直至為零，Qd=0時表明BESS未參與電網(wǎng)調(diào)峰。

本文實時運行效益優(yōu)化策略實現(xiàn)過程中部分問題解決方案如下。

（2）柴油發(fā)電機等備用電源將成為彌補風(fēng)功率預(yù)測偏差的重要方式，因此本文所參考風(fēng)功率預(yù)測認(rèn)為其誤差可得到風(fēng)電場自備電源一定程度的彌補消化。同時誤差相對更小的超短期風(fēng)功率預(yù)測可進一步引入實時運行效益優(yōu)化過程中，輔助在線計算的調(diào)整優(yōu)化。

4　算例驗證

選取山東某區(qū)域風(fēng)場，包含3個地理位置毗鄰的風(fēng)電場，其裝機容量分別為 45MW、40MW和65MW，并網(wǎng)功率采樣間隔為 10min，本文選用技術(shù)成熟化的改性鉛酸電池，參數(shù)取值見表1。表1中參數(shù)在數(shù)值上為以單位儲能容量（MW·h）基礎(chǔ)成本為基準(zhǔn)值的標(biāo)幺值。文中成本基準(zhǔn)值取6×105＄［18］。

表1　參數(shù)取值Tab.1　Calculation parameters

4.1BESS容量規(guī)劃

選取某年度各風(fēng)場并網(wǎng)功率數(shù)據(jù)，按照全年風(fēng)功率利用率最高為目標(biāo)確定區(qū)域風(fēng)場和各分散風(fēng)場的平抑目標(biāo)數(shù)值，基于文中儲能容量規(guī)劃方法確定區(qū)域風(fēng)場BESS及分散BESS容量計算結(jié)果見表2。

表2　容量計算結(jié)果Tab.2　Calculation results

由表2可以看出，相比三塊分散風(fēng)場總體儲能投入，區(qū)域風(fēng)場 BESS容量需求大幅降低 30.5%，區(qū)域風(fēng)場的空間平滑效應(yīng)有效地降低了儲能所需配置容量。進一步分析區(qū)域風(fēng)場 BESS平抑效果和運行狀態(tài)，分別選取1月份和7月份的典型日風(fēng)功率曲線，平抑效果與SOC分別在1月份和7月份典型日運行狀態(tài)如圖1和圖2所示。

可以看出，1月份山東地區(qū)風(fēng)場大部分風(fēng)資源充足，風(fēng)電功率數(shù)值較大，同時伴隨較大幅度波動。由圖1a可以看出，本文確定的儲能容量基本可實現(xiàn)1月份期望功率的輸出，同時SOC大幅波動，并伴有越限過程。原因在于容量規(guī)劃選取年度樣本數(shù)據(jù)，由此獲取的BESS容量為保障全年平抑效果的優(yōu)化容量。而對于全年風(fēng)功率波動程度不同的各季節(jié)，其平抑效果也將有差別。

圖1　1月份典型日運行狀態(tài)示意圖Fig.1　Fluctuation smoothing of a typical day in January

圖2　7月份典型日運行狀態(tài)示意圖Fig.2　Fluctuation smoothing of a typical day in July

進一步觀察圖2可以看出，由于7月份的山東地區(qū)風(fēng)力減弱，功率輸出明顯偏低且無大幅波動，此時利用本文規(guī)劃儲能將有效實現(xiàn)期望輸出，且SOC無越限狀況發(fā)生，并保持在0.5上下。由此不難得出，基于風(fēng)功率出力的季節(jié)差異性，在風(fēng)功率出力較弱的季節(jié)，BESS不僅可有效平抑風(fēng)電波動，同時具備較強的調(diào)峰可行性。

4.2實時運行優(yōu)化

根據(jù)本文實時運行效益優(yōu)化策略，可得1月份典型日風(fēng)功率出力若參與調(diào)峰，將進一步加劇SOC越限程度。且此時調(diào)峰收益不足以抵消BESS運營成本的增加，此類季節(jié)BESS全部參與功率波動平抑將是最優(yōu)運行狀態(tài)。對于參與調(diào)峰可行性較強的7月份，SOC的空閑將為調(diào)峰提供了容量空間。選取該季節(jié)典型日參與電網(wǎng)調(diào)峰，調(diào)峰收益計算結(jié)果見表3，參與調(diào)峰后的運行狀態(tài)如圖3所示。

表3　調(diào)峰收益計算結(jié)果Tab.3　Calculation results

由表3可得，7月份區(qū)域風(fēng)場BESS參與調(diào)峰可獲得可觀收入，其中Qd為標(biāo)幺值，其有名值單位為＄，同時各風(fēng)場按擔(dān)責(zé)與收益關(guān)系各自不同程度獲利。圖3a中SOC′為參與調(diào)峰的SOC變化曲線。通過比較可以看出，BESS在谷荷期間充入調(diào)峰能量，SOC處于高位運行，將增加 SOC上行越限的風(fēng)險。峰荷期間BESS調(diào)峰放電后，SOC處于低位運行，同理下行越限風(fēng)險增大。但本文優(yōu)化模型在調(diào)峰收益和運營成本增加間的相互制約下，可尋找到最優(yōu)可行解。圖3b為峰谷荷期間儲能參與調(diào)峰的充放電功率示意圖。

圖3　參與調(diào)峰后的運行狀態(tài)Fig.3　Operating state with peak regulation

進一步分析全年各月份收益見表 4，可見該結(jié)果符合風(fēng)功率出力的季節(jié)性差異，同時本文方法可實現(xiàn)區(qū)域風(fēng)場BESS的可觀額外運行收益。

表4　全年各月份收益統(tǒng)計Tab.4　Statistics of monthly benefits in one year

綜上可得，利用區(qū)域風(fēng)場的年度運行數(shù)據(jù)，可獲得區(qū)域風(fēng)場配置BESS的最優(yōu)規(guī)劃容量。在此容量基礎(chǔ)上，利用風(fēng)場出力的季節(jié)差異性，引入BESS調(diào)峰功能，實際數(shù)據(jù)表明該運行模式將為BESS帶來可觀的年度收益。

5　結(jié)論

1）利用風(fēng)電場群的平滑效應(yīng)，從運營成本和收益方面探討了集群風(fēng)場配置BESS的可行性?；诔浞烹姴呗詷?gòu)建，以運營成本最小為優(yōu)化目標(biāo)，確定BESS的最優(yōu)容量，算例表明集群風(fēng)場BESS在容量配置方面較各風(fēng)場分散儲能具有優(yōu)勢。

2）基于風(fēng)電場群出力的季節(jié)性差異，提出了BESS弱風(fēng)季節(jié)同時參與功率波動平抑和電網(wǎng)調(diào)峰的運行策略，并以實時運行效益最大為目標(biāo)建立優(yōu)化運行模型。驗證結(jié)果表明，該策略可顯著增加BESS的運行收益。

3）利用風(fēng)電場實際運行數(shù)據(jù)驗證本文方法，計算結(jié)果表明了本文所提BESS優(yōu)化運行策略具有有效性和可行性。

［1］Yoshimoto K， Nanahara T， Koshimizu G. New control method for regulating state-of-charge of a battery in hybrid wind power/battery storage system［C］// Power Systems Conference and Exposition， Atlanta， GA，2006： 1244-1251.

［2］馮江霞， 梁軍， 張峰， 等. 考慮調(diào)度計劃和運行經(jīng)濟性的風(fēng)電場儲能容量優(yōu)化計算［J］. 電力系統(tǒng)自動化， 2013， 37（1）： 90-95. Feng Jiangxia， Liang Jun， Zhang Feng， et al. A method for the optimization calculation of wind farm energy storage capacity［J］. Automation of Electric Power Systems， 2013， 37（1）： 90-95.

［3］韓濤， 盧繼平， 喬梁， 等. 大型并網(wǎng)風(fēng)電場儲能容量優(yōu)化方案［J］. 電網(wǎng)技術(shù)， 2010， 34（1）： 169-173. Han Tao， Lu Jiping， Qiao Liang， et al. Optimized scheme of energy storage capacity for grid-connected large-scale wind farm［J］. Power System Technology，2010， 34（1）： 169-173.

［4］Brekken T K A， Yokochi A， Von Jouanne A， et al. Optimal energy storage sizing and control for wind power application［J］. IEEE Transactions on Sustainable Energy， 2011， 2（1）： 69-77.

［5］戚永志， 劉玉田. 風(fēng)光儲聯(lián)合系統(tǒng)輸出功率滾動優(yōu)化與實時控制［J］. 電工技術(shù)學(xué)報， 2014， 29（8）：242-248. Qi Yongzhi， Liu Yutian. Output power rolling optimization and real-time control in wind-photovoltaicstorage hybrid system［J］. Transactions of China Electrotechnical Society， 2014， 29（8）： 242- 248.

［6］馬速良， 蔣小平， 馬會萌， 等. 平抑風(fēng)電波動的混合儲能系統(tǒng)的容量配置［J］. 電力系統(tǒng)保護與控制，2014， 42（8）： 108-114. Ma Suliang， Jiang Xiaoping， Ma Huimeng， et al. Capacity configuration of the hybrid energy storage system for wind power smoothing［J］. Power System Protection and Control， 2014， 42（8）： 108-114.

［7］張純江， 董杰， 劉君. 蓄電池與超級電容混合儲能系統(tǒng)的控制策略［J］.電工技術(shù)學(xué)報， 2014， 29（4）：334-340. Zhang Chunjiang， Dong Jie， Liu Jun. A control strategy for battery-ultracapacitor hybrid energy storage system［J］. Transactions of China Electrotechnical Society， 2014， 29（4）： 334-340.

［8］陳健， 王成山， 趙波. 考慮不同控制策略的獨立型微電網(wǎng)優(yōu)化配置［J］. 電力系統(tǒng)自動化， 2013， 37（11）：1-6. Chen Jian， Wang Chengshan， Zhao Bo. Optimal sizing for stand-alone microgrid considering different control strategies［J］. Automation of Electric Power Systems， 2013， 37（11）： 1-6.

［9］鮑冠南， 陸超， 袁志昌. 基于動態(tài)規(guī)劃的電池儲能系統(tǒng)削峰填谷實時優(yōu)化［J］. 電力系統(tǒng)自動化， 2012，36（12）： 11-16. Bao Guannan， Lu Chao， Yuan Zhichang. Load shift real-time optimization strategy of battery storage system based on dynamic programming［J］. Automation of Electric Power Systems， 2012， 36（12）：11-16.

［10］陳大宇， 張粒子， 王澍. 儲能在美國調(diào)頻市場中的發(fā)展及啟示［J］. 電力系統(tǒng)自動化， 2013， 37（11）：9-13. Chen Dayu， Zhang Lizi， Wang Shu. Development of energy storage in frequency regulation market of united states and its enlightenment［J］. Automation of Electric Power Systems， 2013， 37（11）： 9-13.

［11］丁明， 徐寧周， 畢銳， 等. 基于綜合建模的 3類電池儲能電站性能對比分析［J］. 電力系統(tǒng)自動化，2011， 35（15）： 34-39. Ding Ming， Xu Ningzhou， Bi Rui， et al. Modeling and comparative study on multiple battery energy storage system［J］. Automation of Electric Power Systems， 2011， 35（15）： 34-39.

［13］姜世公， 李琰， 王衛(wèi). 一種微網(wǎng)系統(tǒng)孤島運行條件下的能量管理策略［J］. 電工技術(shù)學(xué)報， 2014， 29（2）：130-135. Jiang Shigong， Li Yan， Wang Wei. A novel power management strategy for microgrid on islanding mode［J］. Transactions of China Electrotechnical Society， 2014， 29（2）： 130-135.

［13］李建林， 謝志佳， 惠東， 等. 國家風(fēng)光儲輸示范工程介紹及其典型運行模式分析［J］. 電力系統(tǒng)自動化， 2013， 37（1）： 59-64. Li Jianlin， Xie Zhijia， Hui Dong， et al. Presentationof national wind/photovoltaic/energy storage and trans- mission demonstration project and analysis of typical operation modes［J］. Automation of Electric Power Systems， 2013， 37（1）： 59-64.

［14］陸志剛， 王科， 劉怡. 深圳寶清鋰電池儲能電站關(guān)鍵技術(shù)及系統(tǒng)成套設(shè)計方法［J］. 電力系統(tǒng)自動化，2013， 37（1）： 65-69. Lu Zhigang， Wang Ke， Liu Yi. A control scheme design for smoothing wind power fluctuation with hybrid energy storage system［J］. Automation of Electric Power Systems， 2013， 37（1）： 65-69.

［15］崔強， 王秀麗， 劉祖永. 市場環(huán)境下計及儲能電站運行的聯(lián)動電價研究及其效益分析［J］. 中國電機工程學(xué)報， 2013， 33（13）： 62-68. Cui Qiang， Wang Xiuli， Liu Zuyong. Study on linkage electricity price and benefit analysis considering energy storage station operation in market enviroment［J］. Proceedings of the CSEE，2013， 33（13）： 62-68.

［16］于大洋， 韓學(xué)山， 梁軍. 基于 NASA地球觀測數(shù)據(jù)庫的區(qū)域風(fēng)電功率波動特性分析［J］. 電力系統(tǒng)自動化， 2011， 35（5）： 77-81. Yu Dayang， Han Xueshan， Liang Jun. Study on the profiling of China's regional wind power fluctuation using GEOS-5 data assimilation system of national aeronautics and space administration of america［J］. Automation of Electric Power Systems， 2011， 35（5）：77-81.

［17］劉燕華， 田茹， 張東英. 風(fēng)電出力平滑效應(yīng)的分析及應(yīng)用［J］. 電網(wǎng)技術(shù)， 2013， 37（4）： 987-991. Liu Yanhua， Tian Ru， Zhang Dongying. Analysis and application of wind farm output smoothing effect［J］. Power System Technology， 2013， 37（4）： 987-991.

［18］蔣凱， 李浩秒， 李威. 幾類面向電網(wǎng)的儲能電池介紹［J］. 電力系統(tǒng)自動化， 2013， 37（1）： 47-53. Jiang Kai， Li Haomiao， Li Wei. On several battery technologies for power grids［J］. Automation of Electric Power Systems， 2013， 37（1）： 47-53.

Size Optimization and Operating Strategies for Battery Energy Storage Station in Adjacent Wind Farms

Zhang Feng1，2Zhang Xi1Zhang Li1Miao Xiaojian1Yang Libin3，4Liang Jun1
（1. Key Laboratory of Power System Intelligent Dispatch and Control of Ministry of EducationShandong UniversityJinan250061China 2. Electric Vehicle Engineering Laboratory of Shandong ProvinceShandong University Jinan250061China 3. State Grid Qinghai Electric Power Research InstituteXining810003China 4. Qinghai Province Key Laboratory of Photovoltaic Grid Connected Power Generation Technology Xining810003China）

Due to the spatial scale effect， battery energy storage station （BESS） in adjacent wind farms has advantages in capacity and investment compared with the distributed energy storage systems. Besides， BESS has centralized supervisory control， which bears higher controllability when participating in dispatching and control. Therefore， this paper analyzes the operation pattern and working mode of BESS. It is shown that the current BESS scale can participate in the fluctuation smoothing and peak shaving in power grid. After that， the cost optimization mathematical model is set up based on charging and discharging strategy， to minimize the sum of operating cost. So the optimal BESS capacity can be determined. According to the seasonal differences of wind power outputs， theBESS operating strategy for fluctuation smoothing and peak shaving has been discussed. Taken the maximal benefit of real time operation as the target， the optimal operating model has been built. Thus BESS can adjust the operating mode in accordance with the wind power output differences. The actual wind power data show that this method can optimize the capacity and operating strategy of BESS， and has high feasibility.

Adjacent wind farms， battery energy storage station， optimization， capacity， operation

TM614

張峰男，1983年生，博士，副教授，研究方向為新能源發(fā)電并網(wǎng)的運行與控制。

E-mail： fengzhang@sdu.edu.cn（通信作者）

張熙男，1982年生，博士研究生，研究方向為電動汽車與新能源發(fā)電的協(xié)同運行與控制。

E-mail： kczx@sdu.edu.cn

國家自然科學(xué)基金（51307101、51177091）和山東省優(yōu)秀中青年科學(xué)家科研獎勵基金（BS2013NJ011）資助項目。

2014-09-15改稿日期 2015-03-20