大型并网风电场储能容量优化方案

21ic智能电网：为减少大型并网风电场输出功率不稳定给系统频率造成的较大影响，在Matlab平台中仿真了风电机组输出功率随风速变化的规律，以风电机组输出功率特性函数和风电场风速概率分布函数为基础，提出了一种计算大型风电系统长时间稳定输出所需储能容量的方法，并用实际风电场数据验证了该方法的有效性，以期为风电场设计提供决策参考。

0 引言

风能是一种清洁的可再生能源，风力发电是风能利用的主要形式。风力发电作为一种特殊的电力，其原动力是风。自然界风的变化是很难预测的，风速和风向的变化影响着风力发电机的出力。风力发电机输出功率的不稳定性使风力发电具有许多不同于常规能源发电的特点。大规模风电场并网对系统稳定性[1-2]、电能质量[3-6]的影响不容忽视，如果这些问题得不到适当的处理，不仅会危及负荷端用电，甚至可能导致整个电网崩溃，而且会制约风能的利用，限制风电场的规模。

我国《可再生能源发展“十一五”规划》[7]指出，在“十一五”期间全国将重点建设约30个10万kW以上的大型发电场和5个百万kW 级风电基地。大型风电并网将对电网运行的稳态频率产生一定影响。风电场优化输出[8]是保证电网频率稳定的重要技术问题。

文献[9]用飞轮储能系统来实现风电机输出功率补偿，具有储能密度大、充放电速度快且无环境污染的优点。

文献[10]仿真研究了串并联型超级电容器储能系统对平滑风力发电系统输出功率的影响，具有高功率密度、高充放电速度、控制简单、转换效率高、无污染等特点。

文献[11]研究了电池储能系统(battery energy storage system，BESS)在改善并网风电场电能质量方面的应用情况，具有快速的功率吞吐率和灵活的4 象限调节能力。

文献[12-14]对超导储能装置(superconducting magnetic energy storage，SMES)在并网型风力发电系统中的应用作了深入研究，发现超导储能系统具有良好的动态特性、4 象限运行能力和无损储能等优势。

储能技术在并网风电场中的应用已被广泛研究，相关学者正努力攻克大容量储能技术，并不断降低单位储能成本。目前，容量为5GW.h 的SMES已通过可行性分析和技术论证[15]。不过，按现有的储能方式，即风力发电机始终以最大功率点跟踪(maximum power point tracking，MPPT)方式运行，当负荷较轻(如夜间)时，部分电能被储存，当负荷重且遇到弱风时，储能设备中的能力被转换成电能进行补偿，这时因为电网负荷的波动特性往往并不与风电功率的波动特性一致，仍存在如何合理选取储能容量大小的问题。另一种办法是降额发电，即在正常情况下，风电场不按照最大功率点跟踪的方式运行，而是按最大功率的一定百分比发电，当风力下降或上升时，相应地提升或降低发电能力，以减缓发电量的随机波动。这种方法直接影响了风能利用的效率，大大降低了运营利润，且调节能力有限。

本文将以实际风电场风速概率密度曲线为基础，研究大型风电场要达到长期有功功率稳定输出所需储能能量的计算方法，合理选取储能容量使风电场输出功率均匀，风能利用率最大。

1 风电场输出功率随风速的变化情况

电力系统频率波动的直接原因是发电机输入功率和输出功率之间不平衡。在传统的水电、火电发电机组并联运行的电力系统中，原动机功率是恒定不变的，这取决于本台发电机的原动机和调速器的特性，是相对容易控制的因素;发电机电磁功率的变化不仅与本台发电机的电磁特性有关，更取决于电力系统的负荷特性，是难以控制的因素，也是引起电力系统频率波动的主要原因[16]。然而在含有大型风电场的电力系统中，原动机功率波动频繁，难以预测，为便于研究，需要将负荷设为恒定值(或认为其波动由传统机组平衡)，来探讨风电场因风速波动给系统频率稳定带来的影响。

本文在Matlab7.6 的Simulink 平台中搭建了图1 所示的含大型风电场简化系统模型。该系统模拟由50台容量为1.5MW 双馈风电机组组成的风电场，每台风电机并联电容补偿容量为150kvar，这些发电机通过690V/10kV变压器升压后再经10kV/220kV升压变压器接入系统。本文采用Matlab7.6/Simulink7.1中双馈异步发电机的平均模型。该模型用程控电压源代替绝缘栅双极型晶体管(insulated gate bipolar transistor，IGBT)电压源换流器，它不产生谐波，仿真时间更长，有利于研究风速变化后风电机组出力的变化规律。

当t=15s时，用这个模型对风速分别从11m/s降至9m/s 和3m/s 的过程进行仿真，风电场出力的变化情况如图2 所示。

从图2 可以看出：当风速下降幅度不大(11m/s降至9m/s)时，风电机组有功输出非线性下降，约15s后稳定;如果下降到启动风速以下，则有一个输出功率快速减少的过程，输出功率下降更快(历时约8s)。在实际风电场中，风速不可能只是呈现单一的减小变化，而是经常上下波动，这就使风电场输出功率波动频繁，从而使电力系统频率波动频繁。

2 风电机组输出功率特性函数

风力发电机空气动力数学模型为：

式中：PM为风电机额定功率;ρ为空气密度;Cp为风能转换效率系数;R为风力机叶轮半径;Vω为注入风速;λ为叶尖速比;β为桨距角。

风电场中上百台风力机布置在一起，一些风力机将处于其它风力机的尾流中，风力机的性能会受到影响，这会影响整个风电场总的有功功率输出[17]。受尾流效应的影响，风电场的输出功率与风速、风向有关，风电场的输出功率呈现出方向性。因此合理布置风力机，可以尽量减小风力机尾流的影响，提高风电场效率，使风电场的经济性达到最佳。相关研究结果[17]表明：在平坦地形的风电场中布置风力机时，可沿顺行方向菱形排列风力机，前后排风力机错开布置，间距可取风力机直径的8~10 倍，风力机左右间距可取风力机直径的2~3 倍，这样可以很好地减小风力机尾流效应的影响。

另外，风电场一般占地上百平方公里，在这样大的面积中，各台风机受风不可能一样，这也会影响风电场出力。不过，目前采用的数学模型基本上是假设风电场内所有风电机组的风速相同，把所有风电机组的输出功率相加作为风电场的输出功率，同时不考虑风电场内风速的变化。

本文不考虑尾流效应和风电场内部风机受风不均的影响，采用Matlab7.6/Simulink7.1 模型库中的风力机模型，该风力机模型的功率特性如图3所示。

图中桨距角为0°，风速基值为11m/s时，风电机组风速–功率特性曲线为：

f (v) =−0.49v10−10.16v9+91.26v8−300.68v7+518.45v6 −506.49v5+273.98v4-73.71v3+9.16v2−0.32v+0.0043

3 风电场风速的概率分布

目前，已有许多学者采用不同的数学算法对风速进行预测，发现风速预测越精确，越有利于对含并网风电场系统进行调度。但实际上对幅值波动和时间间隔较小的风进行精确预测是很困难的，可以根据气象信息推断某个时间段(数h)内风电场有风还是无风。从常年的风速统计数据来看，风电场风速变化符合统计规律。图4给出了某风电场2006年全年风速概率分布柱状图，根据图4拟合出的8阶曲线概率分布曲线如下：

q(v) = −1.75e−11v8 −9.88e−11v7 +1.44e−7v6−8.44e−6v5+2.13e−4v4 −0.0026v3 +0.0126v2-0.004v+0.0114

4 风电场储能容量优化方案

充分利用风能，以最大限度地发挥设备的效能、减少传统能源的消耗成为风电厂建成后的首要目标。然而，从上述仿真分析可以看出，风速的变化给风电机组的出力带来了很大影响，但电网必须按照发、供、用同时完成的客观规律，连续、安全、可靠、稳定地向用户提供电压、频率合格的优质电力。要达到保证系统安全稳定运行且最大化利用风能这个目标，必须运用储能装置。目前，大容量储能技术已不存在技术瓶颈，只是储能成本过高，研究如何用最小的储能装置实现风电场长时间稳定输出是一个有意义的课题，具体步骤如下：

1)根据风速概率密度曲线计算风电场输出功率的数学期望，其计算公式为：

式中：f(v)为风电机组输出功率特性函数;q(v)为风电场风速概率密度函数;vin、vn 和vout分别为切入、额定和切出风速。

2)将上述计算得到的输出功率期望值设定为风电场平均功率水平。

3)找出与平均功率水平对应的风速值V1，该值比风电机额定风速小。

4)以风速V1为基准值，如果风速大于V1，则风电场按V1对应的有功功率输出，将超出的部分能量用储能设备储存起来;如果风速小于V1，则风电场仍按V1对应的有功功率输出，不足的能量由储能设备补足。

5)用S=EH计算储能设备容量，其中H为启动风速以下期望风电场持续输出的小时数。对储能设备容量进行取值时需考虑多方面的因素，主要有气象部门能提供的较准确的持续大风或无风小时数(本文认为气象部门预报数h内无风的准确度远大于预报风速的实时变化)、建设风电场需承担的储能设备成本、风电场在电网中的比重及电网调频能力。

6)风速长时间低于启动风速时，调度部门应提前做好准备，应对风电场无输出功率的情况。

7)实现多个风电场配合互补可以在上述基础上进一步减少储能容量。

5 储能容量优化方案的可行性分析与讨论

按式(2)计算得E=0.59pu，这表明1个100MW风电场经计算后得出的期望值为59MW，调度中心可将此风电场看成是一个装机容量为59MW的发电厂。

H的选择主要由气象部门预测无风(启动风速以下)的准确度决定，如果风电在系统中的比重不大、系统调频能力较强或风电建设成本不允许，则H可取一个较小的值，否则要取大一些，以保证风电场有持续稳定输出的能力。H可在风电场规划期由设计单位综合考虑。如H 取5h时，一个10万kW级风电场应装设的储能容量为59 MW×5h=295MW.h。

现以该储能备用容量值代入风电场进行检验，除去风速持续小于风电机切入风速值5h以上的数据。图5给出了风电场在2006年3月份的储能容量和风电场输出功率。

由图5可以看出，装设储能设备后风电场能在相当长的时间内持续保持稳定输出，但仍有个别时间段不能实现稳定输出。这是因为当风电场持续低风速后，储能设备中的容量已经用完，而风况并没有好转，这时只能有多少风力发多少电。

按照上述方式储能，从系统侧看去，风电场处于“降额发电”状态(按最大功率的59%发电)，而实际上风电场内部风力发电机仍是全额发电，只是将59%的有功功率直接发出，将多出的部分储存起来。较理想的情况是储能容量数值在0到最大值间来回波动，这说明储能设备一直处在不断充电和放电的动态过程中。如果储能值持续为0或最大，则表示储能容量不够或是有风能浪费。图5中有一段时间储能值一直最大，这说明在2006年3月份有几天风速特别大，储能设备处于充满状态，不过这种情况的预知性较强，可调高风电场平均出力来避免造成风资源的浪费。

如果风电场所处地理位置的风具有季节性，可根据季度风速概率密度曲线调节风电场输出功率期望值。如果某风电场夏季强风持续时间长，则该季风电场应多出力。如果冬季风况不好，则要降低出力。

作为对比，图6给出了无储能容量时风电场输出的情况。

图7给出了储能容量分别为240MW.h和400MW.h时风电场的输出功率。从图7可以看出：若要求储能容量小，则要牺牲风电场输出功率的稳定性;若储能容量较大，则可实现风电场持续稳定输出，但对储能技术要求较高，成本会较高。

6 结论

1)本文给出了一种计算大型风电场长时稳定输出所需储能容量的方法，该方法可使风电场具有较稳定的输出且所需储能设备容量较小。

2)按照本文方法计算出的储能备用容量值就目前的技术和成本而言相对偏大，风电场建设设计阶段应充分权衡大容量储能备用的投资需求与风场输出稳定性的相互关系。

3)因多个风电场的风况在同一时间段内不可能相同，出现多个风电场同时无风的概率很小，故可用多个风电场形成互补动态平衡关系，进一步降低储能设备的容量值。具体能降低多少储能容量有待进一步研究。

参考文献

[1] 迟永宁，王伟胜，戴慧珠.改善基于双馈感应发电机的并网风电场暂态电压稳定性研究[J].中国电机工程学报，2007，27(25)：25-32.

[2] Wiik J，Gjerde J O，Gjengedal T，et al.Steady state power system issues when planning large wind farms[C].IEEE Power Engineering Society Winter Meeting，New York，USA，2002.

[3] 孙涛，王伟胜，戴慧珠，等.风力发电引起的电压波动和闪变[J].电网技术，2003，27(12)：62-67.

[4] Salman K，Anita L J.Windmill modeling consideration and factors influencing the stability of a grid-connected wind power-based generator[J].IEEE Trans on Power Systems，2003，18(2)：793-802.

[5] Senjyu T，Sueyoshi N.Stability analysis of wind power generating system[C].Proceedings of the Power Conversion Conference，Osaka，Japan，2002.

[6] Larsson A.Flicker emission of wind turbines during continuous operation[J].IEEE Trans on Energy Conversion，2002，17(1)：114-118.

[7] 国家发展和改革委员会.可再生能源发展“十一五”规划[R].北京：国家发展和改革委员会，2008.

[8] 陈星莺，刘孟觉，单渊达.风力发电系统优化输出技术的研究[J].电力自动化设备，2000，20(5)：7-10.

[9] 阮军鹏，张建成，汪娟华.飞轮储能系统改善并网风电场稳定性的研究[J].电力科学与工程，2008，24(3)：5-9.

[10] 张步涵，曾杰，毛承雄，等.串并联型超级电容器储能系统在风力发电中的应用[J].电力自动化设备，2008，28(4)：1-4.

[11] 张步涵，曾杰，毛承雄，等.电池储能系统在改善并网风电场电能质量和稳定性中的应用[J].电网技术，2006，30(15)：54-59.

[12] Nomura S，Ohata Y，Hagita T，et al.Wind farms linked by SMES systems[J].IEEE Trans on Power Systems，2005，15(2)：1951-1954.

[13] Simo J B K.Exploratary assessment of dynamic behavior of multimachine systems stabilized by a SMES unit[J].IEEE Trans on Power Systems，1995，10(3)：1567-1571.

[14] 崔林，文劲宇，程时杰.超导磁储能系统抑制风力发电功率波动的研究[J].电力科学与技术学报，2008，23(1)：24-30.

[15] 张文亮，丘明，来小康.储能技术在电力系统中的应用[J].电网技术，2008，32(7)：1-9.

[16] 刘维烈.电力系统调频与自动发电控制[M].北京：中国电力出版社，2006：28-32.

[17] 陈坤，贺德馨.风力机尾流数学模型及尾流对风力机性能的影响研究[J].流体力学实验与测量，2003，17(1)：84-87.

更多好文：21ic智能电网