王境彪，李 江，胡立強(qiáng)，晁 勤，饒成誠(chéng)，李澤燃，殷志敏，楊 揚(yáng)，任 娟

(1.新疆大學(xué)電氣工程學(xué)院，新疆 烏魯木齊 830047；2.國(guó)網(wǎng)湖南省電力公司衡陽(yáng)供電分公司，湖南 衡陽(yáng) 421001；3.國(guó)網(wǎng)新疆電力公司昌吉供電公司，新疆 昌吉 831100；4.新疆軍區(qū)工程環(huán)境質(zhì)量監(jiān)督站，新疆 烏魯木齊 830002；5.國(guó)網(wǎng)湖南省電力公司檢修公司，湖南 長(zhǎng)沙 410004；6.國(guó)網(wǎng)遼寧省電力有限公司盤錦供電公司，遼寧 盤錦 124010；7.國(guó)網(wǎng)浙江省電力公司湖州供電公司，浙江 湖州 313000；8.國(guó)網(wǎng)新疆電力公司經(jīng)濟(jì)技術(shù)研究院，新疆 烏魯木齊 830000)

基于雙目標(biāo)時(shí)變交集的電池儲(chǔ)能改善風(fēng)電場(chǎng)出力控制

王境彪1,2，李 江3，胡立強(qiáng)4，晁 勤1，饒成誠(chéng)5，李澤燃6，殷志敏7，楊 揚(yáng)7，任 娟8

(1.新疆大學(xué)電氣工程學(xué)院，新疆 烏魯木齊 830047；2.國(guó)網(wǎng)湖南省電力公司衡陽(yáng)供電分公司，湖南 衡陽(yáng) 421001；3.國(guó)網(wǎng)新疆電力公司昌吉供電公司，新疆 昌吉 831100；4.新疆軍區(qū)工程環(huán)境質(zhì)量監(jiān)督站，新疆 烏魯木齊 830002；5.國(guó)網(wǎng)湖南省電力公司檢修公司，湖南 長(zhǎng)沙 410004；6.國(guó)網(wǎng)遼寧省電力有限公司盤錦供電公司，遼寧 盤錦 124010；7.國(guó)網(wǎng)浙江省電力公司湖州供電公司，浙江 湖州 313000；8.國(guó)網(wǎng)新疆電力公司經(jīng)濟(jì)技術(shù)研究院，新疆 烏魯木齊 830000)

為了抑制風(fēng)電隨機(jī)波動(dòng)和提高風(fēng)電超短期預(yù)測(cè)精度，提出了一種基于此雙目標(biāo)時(shí)變交集的電池儲(chǔ)能控制方法。首先，分別制定了抑制風(fēng)電波動(dòng)、提高風(fēng)電預(yù)測(cè)精度的單一控制域及此雙目標(biāo)的交集聯(lián)合控制域，并在考慮兩種單一控制目標(biāo)的時(shí)間尺度不同后，制定了隨時(shí)間變化的雙目標(biāo)交集聯(lián)合控制域。在此基礎(chǔ)之上，結(jié)合儲(chǔ)能運(yùn)行約束條件確定了最終的電池儲(chǔ)能改善風(fēng)電場(chǎng)出力控制策略。其次，首次建立了基于越限比和越限相對(duì)均值的波動(dòng)與預(yù)測(cè)精度評(píng)估指標(biāo)并形成了雙目標(biāo)綜合評(píng)估體系。最后，應(yīng)用某風(fēng)電場(chǎng)實(shí)際出力數(shù)據(jù)，分別在采用神經(jīng)網(wǎng)絡(luò)時(shí)間序列和差分自回歸滑動(dòng)平均(ARIMA)兩種預(yù)測(cè)模型的前提下，考慮電網(wǎng)對(duì)風(fēng)電波動(dòng)忍受度和超短期預(yù)測(cè)誤差忍受度的三種大小關(guān)系，通過(guò)計(jì)算波動(dòng)量總和與均方根誤差驗(yàn)證了所建立評(píng)估指標(biāo)的有效性，同時(shí)證實(shí)了應(yīng)用該控制策略的電池儲(chǔ)能系統(tǒng)能夠同時(shí)達(dá)到抑制風(fēng)電隨機(jī)波動(dòng)和提高風(fēng)電超短期預(yù)測(cè)精度兩個(gè)目標(biāo)。

雙目標(biāo)時(shí)變交集；抑制波動(dòng)；超短期預(yù)測(cè)；電池儲(chǔ)能；越限比和越限相對(duì)均值

0 引言

風(fēng)力發(fā)電作為最成熟的可再生能源發(fā)電技術(shù)之一，具有無(wú)污染、投資周期短等優(yōu)點(diǎn)，近年來(lái)發(fā)展迅猛[1-3]。然而，高滲透率的風(fēng)電接入電網(wǎng)時(shí)，風(fēng)電的隨機(jī)波動(dòng)性與預(yù)測(cè)的不確定性將惡化電網(wǎng)調(diào)頻環(huán)境，加劇系統(tǒng)峰谷差，迫使系統(tǒng)增加備用容量和調(diào)頻調(diào)峰容量，給電網(wǎng)電壓頻率帶來(lái)巨大沖擊。受制于目前電網(wǎng)的強(qiáng)壯能力，為保證系統(tǒng)的穩(wěn)定與安全，調(diào)度部門不得不常常決策風(fēng)電場(chǎng)棄風(fēng)運(yùn)行，極端情況下甚至切除風(fēng)電場(chǎng)[4-9]。

儲(chǔ)能技術(shù)的發(fā)展給風(fēng)能利用的這些問(wèn)題提供了一種革命性的解決方案。電池儲(chǔ)能系統(tǒng)具有容量大、響應(yīng)速度快、安裝靈活等優(yōu)點(diǎn)，在電力系統(tǒng)中具有廣闊的應(yīng)用前景[9-10]。對(duì)此，很多專家學(xué)者提出，利用儲(chǔ)能的充放電特征，對(duì)風(fēng)電進(jìn)行“削峰填谷”以抑制其隨機(jī)波動(dòng)，或減小風(fēng)電的預(yù)測(cè)誤差以提高預(yù)測(cè)精度。文獻(xiàn)[11-13]采用了各種方法、策略、模型對(duì)儲(chǔ)能進(jìn)行控制以達(dá)到平抑風(fēng)電等可再生能源波動(dòng)的目標(biāo)，如利用雙層控制模型檢索專家信息庫(kù)、有源并聯(lián)式混合儲(chǔ)能系統(tǒng)(APHESS)、小波分解等；文獻(xiàn)[14]論證了利用儲(chǔ)能裝置提高風(fēng)電出力預(yù)測(cè)精度的可行性。文獻(xiàn)[15]通過(guò)高通濾波器結(jié)合模糊控制規(guī)則優(yōu)化混合儲(chǔ)能SOC達(dá)到提高風(fēng)出力預(yù)測(cè)精度的目的，文獻(xiàn)[16]研究當(dāng)利用儲(chǔ)能提高風(fēng)出力預(yù)測(cè)精度時(shí)，通過(guò)SOC控制優(yōu)化其充放電行為，達(dá)到合理配置儲(chǔ)能容量的目的。但是以上研究都僅限于對(duì)儲(chǔ)能系統(tǒng)用于抑制波動(dòng)和提高精度的單目標(biāo)控制，且缺乏有效直觀的評(píng)估指標(biāo)。然而，現(xiàn)階段風(fēng)電并網(wǎng)所面臨的問(wèn)題卻表現(xiàn)出多樣性與復(fù)雜性。

為了抑制風(fēng)電隨機(jī)波動(dòng)和提高風(fēng)電超短期預(yù)測(cè)精度，提出了一種基于此雙目標(biāo)時(shí)變交集的電池儲(chǔ)能控制方法。通過(guò)制定雙目標(biāo)時(shí)變交集聯(lián)合控制域并結(jié)合儲(chǔ)能運(yùn)行約束條件確定了電池儲(chǔ)能改善風(fēng)電場(chǎng)出力的控制策略，建立了基于越限比和越限相對(duì)均值的波動(dòng)與預(yù)測(cè)精度評(píng)估指標(biāo)并形成了雙目標(biāo)綜合評(píng)估體系。應(yīng)用某風(fēng)電場(chǎng)實(shí)際出力數(shù)據(jù)，分別在采用神經(jīng)網(wǎng)絡(luò)時(shí)間序列和差分自回歸滑動(dòng)平均(ARIMA)兩種預(yù)測(cè)模型的前提下，考慮電網(wǎng)對(duì)風(fēng)電波動(dòng)忍受度和超短期預(yù)測(cè)誤差忍受度的三種大小關(guān)系，驗(yàn)證了所建立評(píng)估體系的有效性，同時(shí)證實(shí)：采用了該控制策略的電池儲(chǔ)能系統(tǒng)確實(shí)能夠同時(shí)達(dá)到抑制風(fēng)電隨機(jī)波動(dòng)和提高風(fēng)電超短期預(yù)測(cè)精度兩個(gè)控制目標(biāo)。

1 改善風(fēng)電場(chǎng)出力的雙目標(biāo)單一及其交集聯(lián)合控制域制定

當(dāng)前風(fēng)電并網(wǎng)所面臨的問(wèn)題表現(xiàn)出多樣性與復(fù)雜性，其中如何抑制風(fēng)電波動(dòng)與提高風(fēng)電預(yù)測(cè)精度引起了極大的研究熱度。本文所提出的雙目標(biāo)即是抑制風(fēng)電波動(dòng)與提高風(fēng)電超短期預(yù)測(cè)誤差。

1.1 抑制風(fēng)電隨機(jī)波動(dòng)和提高風(fēng)電超短期預(yù)測(cè)精度的單一控制域制定

1.1.1 抑制風(fēng)電隨機(jī)波動(dòng)的單一控制域制定

受制于電網(wǎng)的穩(wěn)定裕度，并網(wǎng)運(yùn)行風(fēng)電場(chǎng)輸出功率波動(dòng)(Fluctuation)需滿足式(1)。

由波動(dòng)允許上下限構(gòu)成了一條波動(dòng)允許功率帶(波動(dòng)帶)，其帶寬恒為

當(dāng)風(fēng)電場(chǎng)出力不滿足式(1)時(shí)，若風(fēng)電實(shí)際出力在波動(dòng)帶以內(nèi)往上越過(guò)波動(dòng)上限，儲(chǔ)能充電，多余的電能存入儲(chǔ)能設(shè)備；若其實(shí)際出力在波動(dòng)帶以內(nèi)往下越過(guò)波動(dòng)下限，儲(chǔ)能放電，等效增大風(fēng)電出力，保證風(fēng)儲(chǔ)合成出力位于波動(dòng)允許上下限內(nèi)，達(dá)到利用儲(chǔ)能的充放電特征對(duì)風(fēng)功率進(jìn)行“削峰填谷”，抑制風(fēng)電波動(dòng)的目的，如圖1所示。

圖1 風(fēng)電隨機(jī)波動(dòng)示意圖Fig. 1 Schematic diagram of wind power fluctuation

因此，本文認(rèn)為儲(chǔ)能用于抑制風(fēng)電波動(dòng)時(shí)，用波動(dòng)帶作為儲(chǔ)能的控制目標(biāo)域，即

1.1.2 提高風(fēng)電短期預(yù)測(cè)精度單一控制域制定

與抑制風(fēng)功率波動(dòng)類似，風(fēng)電場(chǎng)出力應(yīng)位于短期預(yù)測(cè)誤差(Prediction)允許的范圍內(nèi)，如式(2)。

當(dāng)風(fēng)電場(chǎng)出力不滿足式(2)時(shí)，若風(fēng)電實(shí)際出力從誤差帶內(nèi)往上越過(guò)風(fēng)誤差上限，儲(chǔ)能充電，反之，若風(fēng)電實(shí)際出力從誤差帶內(nèi)往下越過(guò)風(fēng)誤差下限，儲(chǔ)能放電。兩種情況下，儲(chǔ)能都是通過(guò)自身的功率吞吐，調(diào)整風(fēng)儲(chǔ)合成出力曲線逼近風(fēng)電超短期預(yù)測(cè)曲線，達(dá)到減小預(yù)測(cè)誤差，提高預(yù)測(cè)精度的作用，如圖2所示。

圖2 風(fēng)電預(yù)測(cè)誤差波動(dòng)示意圖Fig. 2 Schematic diagram of prediction error of wind power

因此，本文認(rèn)為儲(chǔ)能用于提高風(fēng)電超短期預(yù)測(cè)精度時(shí)，由預(yù)測(cè)帶作為儲(chǔ)能的控制目標(biāo)域，即

1.2 抑制風(fēng)電隨機(jī)波動(dòng)與提高風(fēng)電超短期預(yù)測(cè)精度的交集聯(lián)合控制域制定

當(dāng)儲(chǔ)能工作以同時(shí)達(dá)到抑制風(fēng)電隨機(jī)波動(dòng)與提高風(fēng)電超短期預(yù)測(cè)精度兩個(gè)控制目標(biāo)時(shí)，需考慮1.1.1 節(jié)中的波動(dòng)帶和 1.1.2 節(jié)中的預(yù)測(cè)帶之間的關(guān)系。本文將這種關(guān)系歸納總結(jié)為兩者是否存在交集，通過(guò)對(duì)兩者交集的分析獲得雙目標(biāo)交集聯(lián)合上下限(Dual Targets Intersection Combined Upper-lower limit，DTICULL)，最終制定了儲(chǔ)能的雙目標(biāo)交集聯(lián)合控制域

1.2.1 波動(dòng)帶和預(yù)測(cè)帶存在交集

波動(dòng)帶和預(yù)測(cè)帶存在交集時(shí)，可分為兩種情況：波動(dòng)帶和預(yù)測(cè)帶有無(wú)包含關(guān)系。

(1) 有包含關(guān)系

(2) 無(wú)包含關(guān)系

圖3 波動(dòng)帶與預(yù)測(cè)帶存在交集示意圖Fig. 3 Schematic diagram of intersection between fluctuation band and prediction band

1.2.2 波動(dòng)帶和預(yù)測(cè)帶不存在交集

由 1.1.1 節(jié)分析可知，風(fēng)電場(chǎng)出力在某一個(gè)時(shí)刻的允許波動(dòng)范圍是與前一時(shí)刻有關(guān)的，而風(fēng)電預(yù)測(cè)值由于預(yù)測(cè)手段不同，可能造成在在某一個(gè)時(shí)刻，風(fēng)電的預(yù)測(cè)誤差很大，造成風(fēng)電波動(dòng)帶和預(yù)測(cè)帶沒(méi)有實(shí)際交集，如圖4所示。當(dāng)風(fēng)電實(shí)際出力位于：1) ①/⑤/⑥/⑩區(qū)域時(shí)，式(1)、式(2)均無(wú)法滿足，儲(chǔ)能應(yīng)該充/放/充/放電；2) ③或⑧區(qū)域時(shí)，儲(chǔ)能若動(dòng)作，將處于“顧頭不顧尾”的狀態(tài)；3) ②/④/⑦/⑨區(qū)域時(shí)，即只滿足式(2)/(1)/(1)/(2)，儲(chǔ)能若嘗試動(dòng)作去滿足另一控制目標(biāo)，則可能造成風(fēng)電已滿足目標(biāo)瀕臨破產(chǎn)。本文認(rèn)為，為在較大程度上利用儲(chǔ)能，應(yīng)當(dāng)在保證已滿足控制目標(biāo)不破產(chǎn)的前提下盡可能去迎合另一個(gè)控制目標(biāo)。統(tǒng)計(jì)大量風(fēng)電場(chǎng)出力數(shù)據(jù)表明，風(fēng)電出力只滿足式(2)/(1)/(1)/(2)情況不多見(jiàn)，從簡(jiǎn)單起見(jiàn)，本文引入一個(gè)權(quán)重系數(shù) σ(0<σ<1)，用于調(diào)和兩種控制目標(biāo)不同時(shí)滿足的矛盾。此時(shí)：當(dāng)時(shí) ，

圖4 波動(dòng)帶與預(yù)測(cè)帶存在交集示意圖Fig. 4 Schematic diagram of no intersection between fluctuation band and prediction band

1.3 抑制風(fēng)電隨機(jī)波動(dòng)與提高風(fēng)電超短期預(yù)測(cè)精度的雙目標(biāo)時(shí)變交集聯(lián)合控制域制定

當(dāng)儲(chǔ)能在獨(dú)立執(zhí)行抑制風(fēng)電隨機(jī)波動(dòng)與提高風(fēng)電超短期預(yù)測(cè)精度兩個(gè)單一控制任務(wù)時(shí)，其工作的時(shí)間分辨率可能不一樣。國(guó)網(wǎng)公司已經(jīng)規(guī)定了風(fēng)電場(chǎng)在任意 10 min 內(nèi)的波動(dòng)量和風(fēng)電場(chǎng)應(yīng)每 15 min自動(dòng)向電網(wǎng)調(diào)度機(jī)構(gòu)滾動(dòng)申報(bào)超短期功率預(yù)測(cè)曲線，這就要求風(fēng)電場(chǎng)上報(bào)的后的風(fēng)電功率預(yù)測(cè)值與后的實(shí)際值之間的誤差不能過(guò)大。為同時(shí)達(dá)到兩個(gè)控制目標(biāo)，本文取兩個(gè)單一目標(biāo)時(shí)間分辨率的最大公約數(shù)作為儲(chǔ)能的工作時(shí)間間隔，以起始時(shí)刻，在滾動(dòng)預(yù)測(cè)時(shí)刻的風(fēng)電出力并根據(jù)式(2)計(jì)算預(yù)測(cè)精度的單一控制域，在時(shí)刻(j=0, 1, 2,L )滾動(dòng)計(jì)算時(shí)刻風(fēng)電波動(dòng)的單一控制域。于是獲得了雙目標(biāo)時(shí)變交集聯(lián)合控制域，其中：

2 電池儲(chǔ)能改善風(fēng)電場(chǎng)出力控制策略提出

2.1 風(fēng)-儲(chǔ)聯(lián)合運(yùn)行系統(tǒng)

在風(fēng)電場(chǎng)升壓站低壓匯流母線并聯(lián)接入電池儲(chǔ)能設(shè)備，構(gòu)成風(fēng)-儲(chǔ)聯(lián)合運(yùn)行系統(tǒng)，如圖5。

圖5 風(fēng)-儲(chǔ)聯(lián)合系統(tǒng)運(yùn)行示意圖Fig. 5 Schematic diagram of power system containing wind power and BESS

2.2 電池儲(chǔ)能控制策略提出

電池儲(chǔ)能的充放電深度與功率是影響其壽命的重要因素。為保證風(fēng)電場(chǎng)運(yùn)行的經(jīng)濟(jì)性，BESS的運(yùn)行應(yīng)該受到其額定容量和功率的運(yùn)行約束。

為利用儲(chǔ)能達(dá)到抑制風(fēng)電波動(dòng)與提高風(fēng)電超短期預(yù)測(cè)精度的目標(biāo)，本文提出了以儲(chǔ)能自身運(yùn)行條件為約束，以風(fēng)電出力是否越出雙目標(biāo)時(shí)變交集聯(lián)合控制域?yàn)閮?chǔ)能工作判據(jù)制定了充放電控制策略如下：

在風(fēng)—儲(chǔ)系統(tǒng)聯(lián)合運(yùn)行時(shí)，采用滾動(dòng)規(guī)劃法，向前滾動(dòng)執(zhí)行該控制策略。取雙目標(biāo)時(shí)間分辨率的最大公約數(shù)(Δt=5 min)作為儲(chǔ)能工作的滾動(dòng)周期。如圖6。

3 雙目標(biāo)綜合評(píng)估體系建立

對(duì)于風(fēng)電場(chǎng)來(lái)說(shuō)，短期內(nèi)要想將風(fēng)功率的隨機(jī)波動(dòng)完全消除，精確預(yù)測(cè)風(fēng)電功率是不可能的。所以將風(fēng)電波動(dòng)與預(yù)測(cè)的誤差限制在一定范圍內(nèi)，使電網(wǎng)有足夠的能力抵抗風(fēng)電場(chǎng)出力給自身帶來(lái)的不確定風(fēng)險(xiǎn)具有重大現(xiàn)實(shí)意義

為了評(píng)估風(fēng)功率隨機(jī)波動(dòng)與預(yù)測(cè)誤差越出某一范圍的狀況，本文針對(duì)不同容量風(fēng)電場(chǎng)的出力數(shù)據(jù)在樣本長(zhǎng)度不同時(shí)的情況，基于越限比與越限相對(duì)均值分別建立了隨機(jī)波動(dòng)與預(yù)測(cè)精度評(píng)估指標(biāo)，同時(shí)引入了波動(dòng)量總和(Sum of Fluctuation, SF)均方根誤差(RMSE)作為預(yù)測(cè)精度評(píng)估指標(biāo)的校驗(yàn)指標(biāo)，形成了雙目標(biāo)綜合評(píng)估體系。

圖6 電池儲(chǔ)能控制策略流程圖Fig. 6 Flow chart of BESS control strategy

3.1 隨機(jī)波動(dòng)評(píng)估指標(biāo)

整個(gè)運(yùn)行期內(nèi)，采樣點(diǎn)時(shí)刻風(fēng)電功率越過(guò)波動(dòng)允許上下限的頻次占所有采樣時(shí)刻的比例。定義為

式中：

整個(gè)運(yùn)行周期T內(nèi)，采樣點(diǎn)時(shí)刻風(fēng)電功率越過(guò)波動(dòng)允許上下限幅值總和的相對(duì)平均。定義為

3.2 預(yù)測(cè)誤差評(píng)估指標(biāo)

整個(gè)運(yùn)行期內(nèi) T，采樣點(diǎn)時(shí)刻風(fēng)電功率越過(guò)預(yù)測(cè)誤差允許上下限的頻次占所有采樣時(shí)刻的比例。定義為

整個(gè)運(yùn)行周期T內(nèi)，采樣點(diǎn)時(shí)刻風(fēng)電功率越過(guò)預(yù)測(cè)誤差允許上下限幅值總和的相對(duì)平均。定義為

4 仿真驗(yàn)證

本文以圖5所示的風(fēng)儲(chǔ)聯(lián)合系統(tǒng)為模型，驗(yàn)證應(yīng)用了上述控制策略的電池儲(chǔ)能平抑風(fēng)電隨機(jī)波動(dòng)和提高風(fēng)電超短期預(yù)測(cè)精度的效果。以某容量為148.5 MW 的風(fēng)電場(chǎng)在 2012 年 10 月 15 日 00:00 至10 月 24 日 23:55 之間 10 天的實(shí)際出力數(shù)據(jù)(采樣間隔為 Δt=5 min，一共 2 880 個(gè)采樣點(diǎn))為分析樣本，為獲得實(shí)時(shí)預(yù)測(cè)數(shù)值，從第一個(gè)點(diǎn)開(kāi)始，對(duì)樣本數(shù)據(jù)等間距(3Δt)采樣獲得間隔為 15 min 的風(fēng)電實(shí)際出力數(shù)據(jù)，共 960 個(gè)采樣點(diǎn)，進(jìn)而對(duì)該時(shí)間段內(nèi)風(fēng)電出力進(jìn)行預(yù)測(cè)，預(yù)測(cè)周期也為 15 min，獲得 960個(gè)超短期風(fēng)電功率預(yù)測(cè)值。以第一個(gè)采樣點(diǎn)作為預(yù)測(cè)和波動(dòng)計(jì)算的的公共起始點(diǎn)，則由 1.3 節(jié)可知，對(duì)于分析樣本的第 y 個(gè)采樣點(diǎn)，若，則需要按照 1.1.2 節(jié)中與計(jì)算雙目標(biāo)交集聯(lián)合控制域，否則以 1.1.1 節(jié)波動(dòng)單一控制域作為雙目標(biāo)交集聯(lián)合控制域。

在風(fēng)電的超短期預(yù)測(cè)中，常用的預(yù)測(cè)模型總體分為兩類，學(xué)習(xí)模型和統(tǒng)計(jì)模型。本文采用學(xué)習(xí)模型中的神經(jīng)網(wǎng)絡(luò)時(shí)間序列模型(Neural Net Time Series，NNTS)和統(tǒng)計(jì)模型中的差分自回歸滑動(dòng)平均(ARIMA)模型進(jìn)行風(fēng)功率超短期預(yù)測(cè)。神經(jīng)網(wǎng)絡(luò)時(shí)間序列模型兩種預(yù)測(cè)模型已較為成熟，在此不再贅述。其中神經(jīng)網(wǎng)絡(luò)時(shí)間序列預(yù)測(cè)是基于 Matlab2012b中 ntstool工具箱的非線性自回歸(NAR)模型完成。圖7示出了風(fēng)電實(shí)際與預(yù)測(cè)出力值。表示出了兩種預(yù)測(cè)模型的預(yù)測(cè)效果。從表1可以看出，NNTS預(yù)測(cè)效果要優(yōu)于 ARIMA。

圖7 NNTS 與 ARIMA 預(yù)測(cè)值Fig. 7 Prediction value by applying NNTS or ARIMA

表1 NNTS 與 ARIMA 預(yù)測(cè)效果Table 1 Prediction effect by applying NNTS or ARIMA

4.1 風(fēng)電波動(dòng)忍受度大于預(yù)測(cè)誤差忍受度

從圖8(a)中放大圖可以看出，當(dāng)風(fēng)電波動(dòng)忍受度大于預(yù)測(cè)誤差忍受度且采用NNTS進(jìn)行預(yù)測(cè)時(shí)，i=1364, 1365, 1367, 1368, 1370, 1371, 1373, 1374, 1376, 1377 個(gè)采樣點(diǎn)， 由于(i-1)|3≠0，第 i 點(diǎn)對(duì)應(yīng)時(shí)刻的前 15 min 時(shí)刻，不需要向調(diào)度部門上報(bào)此時(shí)刻預(yù)測(cè)值，故 DTICULL 就是波動(dòng)上下限；在 j=1366, 1369, 1372, 1375, 1378 個(gè)采樣點(diǎn)，由于(j-1)|3= 0，故需要根據(jù)波動(dòng)帶和預(yù)測(cè)帶是否存在交集確定DTICULL：當(dāng) j=1366, 1372 時(shí)，波動(dòng)上下限與預(yù)測(cè)上 下 限 存 在 交 集 但 不 存 在 包 含 關(guān) 系 ，時(shí),且， 所 以時(shí)，且所 以。當(dāng) j=1369 時(shí)，波動(dòng)上下限與預(yù)測(cè)上下限存在交集，且存在包含關(guān)系，預(yù)測(cè)上下限包含于波動(dòng)控制域內(nèi)，且，所以，當(dāng)時(shí)，出現(xiàn)了波動(dòng)帶與預(yù)測(cè)帶不存在交集的極端情況 ，。此時(shí)，采用權(quán)重系數(shù)σ調(diào)和兩控制目標(biāo)的矛盾，雙目標(biāo)交集聯(lián)合上限向預(yù)測(cè)帶突入半個(gè)預(yù)測(cè)帶寬，雙目標(biāo)交集聯(lián)合下限向波動(dòng)帶突入半個(gè)波動(dòng)帶寬。

圖8 波動(dòng)忍受度較大時(shí)雙目標(biāo)時(shí)變交集聯(lián)合上下限Fig. 8 DTICULL when endurance of wind power fluctuation is bigger

采用與圖8(a)相同的方法分析圖8(b)可知，當(dāng)風(fēng)電波動(dòng)忍受度大于預(yù)測(cè)誤差忍受度且采用進(jìn)行預(yù)測(cè)時(shí)，在個(gè)采樣點(diǎn)，DTICULL 就是波動(dòng)上下限，而在 j=1918, 1921, 1924, 1927, 1930 個(gè)采樣點(diǎn)，則需要根據(jù)波動(dòng)帶和預(yù)測(cè)帶是否存在交集確定 DTICULL：當(dāng) j=1918, 1927 時(shí)，波動(dòng)上下限與預(yù)測(cè)上下限存在交集但不存在包含關(guān)系，；當(dāng)和 1930 時(shí)，波動(dòng)上下限與預(yù)測(cè)上下限存在交集且存在包含關(guān)系，預(yù)測(cè)上下限包含于波動(dòng)上下限，故統(tǒng)計(jì)全部數(shù)據(jù)表明，采用 ARIMA 模型進(jìn)行預(yù)測(cè)時(shí)，沒(méi)有出現(xiàn)波動(dòng)帶與預(yù)測(cè)帶不存在交集的極端情況，采用NNTS 模型預(yù)測(cè)時(shí)，出現(xiàn)共 15 次，占比 1.563%，印證了 1.2.2 節(jié)中這種極端情況出現(xiàn)概率很小的論斷。

當(dāng)雙目標(biāo)時(shí)變交集聯(lián)合控制域制定以后，應(yīng)用上述控制策略的改善風(fēng)電場(chǎng)出力效果如表2所示，儲(chǔ)能 SOC 變化情況如圖9。

表2 波動(dòng)忍受度更大時(shí)電池儲(chǔ)能工作效果Table 2 BESS work effect when endurance of wind power fluctuation is bigger

圖9 波動(dòng)忍受度更大時(shí)電池儲(chǔ)能 SOCFig. 9 SOC of BESS when endurance of wind power fluctuation is bigger

從表2中可以看出，投入儲(chǔ)能前后：波動(dòng)越限比 pF和波動(dòng)越限均值別減小了 2.436%和2.419 kW，波動(dòng)量總和 SF 減小了 684 MW；采用NNTS/ARIMA 模型進(jìn)行預(yù)測(cè)時(shí)，誤差越限比 pP和誤差越限相對(duì)均值 VP分別減小了和，均方根誤差減小了。以是否投入儲(chǔ)能進(jìn)行縱向比較可以發(fā)現(xiàn)，波動(dòng)越限比和波動(dòng)越限相對(duì)均值的變化趨勢(shì)與波動(dòng)量總和變化趨勢(shì)是一致的，誤差越限比和誤差越限相對(duì)均值兩個(gè)指標(biāo)的變化趨勢(shì)和均方根誤差的變化是一致的，投入儲(chǔ)能有助于減小風(fēng)功率超短期預(yù)測(cè)誤差。橫向比較采用 NNTS 和 ARIMA 模型兩種情況可以看出，未投儲(chǔ)能時(shí)，NNTS 模型預(yù)測(cè)效果更好，投入儲(chǔ)能時(shí)，雖然采用NNTS模型預(yù)測(cè)的誤差經(jīng)儲(chǔ)能修正后的效果仍然更好，但是觀察三個(gè)指標(biāo)在兩種情況下的差別，可以發(fā)現(xiàn)這種差別在減小，儲(chǔ)能對(duì)于 ARIMA 模型預(yù)測(cè)后的誤差修正程度要更大，這也可以從圖9中采用ARIMA預(yù)測(cè)時(shí)儲(chǔ)能SOC變化更劇烈得到驗(yàn)證。

從圖9 中可以看出，儲(chǔ)能 SOC 絕大部分位于[0.1, 0.9]范圍內(nèi)，有助于延長(zhǎng) SOC 的工作。采用NNTS 預(yù)測(cè)時(shí)，儲(chǔ)能的充放電功率較采用 ARIMA時(shí)起伏小，從另一角度也證明了未投儲(chǔ)能時(shí)風(fēng)電實(shí)際出力越出預(yù)測(cè)精度上下限的幅度小，預(yù)測(cè)精度更高。

4.2 風(fēng)電波動(dòng)忍受度小于預(yù)測(cè)誤差忍受度

圖10 波動(dòng)忍受度較小時(shí)雙目標(biāo)時(shí)變交集聯(lián)合上下限Fig. 10 DTICULL when endurance of wind power fluctuation is smaller

采用 4.1 節(jié)中的方法分析圖10 可知，當(dāng)電網(wǎng)的風(fēng)電波動(dòng)忍受度小于預(yù)測(cè)誤差忍受度時(shí)，由于波動(dòng)帶寬減小，除了之外的采樣點(diǎn)之外，采用NNTS 預(yù)測(cè)時(shí)的第 1366 和個(gè)采樣點(diǎn)和采用時(shí) 的個(gè) 采 樣 點(diǎn) ， 其DTICULL 都等于波動(dòng)上下限。采用 NNTS 時(shí)在 j = 1372，1375 和 1378 時(shí)的 DTICULL 上下限與 4.1 節(jié)中對(duì)應(yīng)點(diǎn)的情況相同。采用 ARIMA 時(shí)在 j=1918 和1927 時(shí)與 4.1 節(jié)中的情況也相同。采用兩種預(yù)測(cè)模型時(shí)，雙目標(biāo)帶不存在交集的極端情況分別出現(xiàn) 11次和 2 次，占比 1.146%和 0.208%。

應(yīng)用上述控制策略的電池儲(chǔ)能改善風(fēng)電場(chǎng)出力效果如表3 所示，儲(chǔ)能 SOC 變化情況如圖11。

表3 波動(dòng)忍受度更小時(shí)電池儲(chǔ)能工作效果Table 3 BESS work effect when endurance of wind power fluctuation is smaller

圖11 波動(dòng)忍受度更小時(shí)電池儲(chǔ)能 SOCFig. 11 SOC of BESS when endurance of wind power fluctuation is smaller

從圖11 可以看出，SOC 大部分都位于[0.1, 0.9]以內(nèi)。

4.3 風(fēng)電波動(dòng)忍受度等于預(yù)測(cè)誤差忍受度

圖12 雙目標(biāo)忍受度相同時(shí)其時(shí)變交集聯(lián)合上下限Fig. 12 DTICULL when endurance of dual targets is equal

采用 4.1 節(jié)的方法并與 4.1 節(jié)和 4.2 節(jié)對(duì)比分析圖12 可知，采用 NNTS 模型預(yù)測(cè)時(shí)，確定 DTICULL時(shí)與 4.1 節(jié)確定時(shí)情況完全一樣。采用 ARIMA 模型預(yù)測(cè)的 1918 和 1927 個(gè)采樣點(diǎn)和 4.1 節(jié)、4.2 節(jié)對(duì)應(yīng)采樣點(diǎn)的 DTICULL 確定情況是相同的，而 j= 1921, 1924 和 1930 時(shí)，與 4.1 節(jié)和 4.2 節(jié)中雙目標(biāo)帶存在包含關(guān)系而用單一目標(biāo)上下限就可以確定DTICULL 不同，雙目標(biāo)帶之間的關(guān)系是存在交集而不存在包含關(guān)系：在和 1930 采樣點(diǎn),； 在采 樣 點(diǎn) ，。在兩種預(yù)測(cè)模型下，雙目標(biāo)帶不存在交集的極端情況分別為30次和17次，占比為 3.125%和 1.771%。

從圖13 可以看出儲(chǔ)能 SOC 變化程度比圖9 和圖11都劇烈。不難推斷，這是因?yàn)殡娋W(wǎng)對(duì)雙目標(biāo)的忍受程度總體降低了。

表4 雙目標(biāo)忍受度相同時(shí)電池儲(chǔ)能工作效果Table 4 BESS work effect when endurance of dual targets is equal

圖13 雙目標(biāo)忍受度相等時(shí)電池儲(chǔ)能 SOCFig. 13 SOC of BESS when endurance of dual targets is equal

5 結(jié)論

本文提出了一種基于抑制風(fēng)電波動(dòng)與提高超短期預(yù)測(cè)精度雙目標(biāo)時(shí)變交集的電池儲(chǔ)能改善風(fēng)電場(chǎng)出力控制方法，研究總結(jié)如下所述。

1) 建立了抑制風(fēng)電波動(dòng)與提高超短期預(yù)測(cè)精度的各自單一控制域及其交集聯(lián)合控制域，并在考慮波動(dòng)時(shí)間尺度與預(yù)測(cè)時(shí)間尺度特性不同的情況下制定了雙目標(biāo)時(shí)變交集聯(lián)合控制域。

2) 依據(jù)1)中建立的雙目標(biāo)時(shí)變交集聯(lián)合控制域并結(jié)合電池儲(chǔ)能的運(yùn)行約束條件制定了電池儲(chǔ)能的充放電控制策略。

3) 首次建立了基于越限比和越限相對(duì)均值的風(fēng)電波動(dòng)與預(yù)測(cè)精度的評(píng)估指標(biāo)，并以波動(dòng)量總和與均方根誤差作為所建立波動(dòng)指標(biāo)和預(yù)測(cè)指標(biāo)的校驗(yàn)指標(biāo)，形成了雙目標(biāo)綜合評(píng)估體系。

4) 分別在采用神經(jīng)網(wǎng)絡(luò)時(shí)間序列和差分自回歸滑動(dòng)平均(ARIMA)兩種預(yù)測(cè)模型的前提下，考慮電網(wǎng)對(duì)風(fēng)電波動(dòng)忍受度和超短期預(yù)測(cè)誤差忍受度的三種大小關(guān)系，驗(yàn)證了所建立的評(píng)估指標(biāo)的有效性，縱向比較可以發(fā)現(xiàn)，投入儲(chǔ)能有助于減小風(fēng)功率超短期預(yù)測(cè)誤差。橫向比較采用 NNTS 和 ARIMA 模型兩種情況可以看出，未投儲(chǔ)能時(shí)，NNTS 模型預(yù)測(cè)效果更好，投入儲(chǔ)能時(shí)，雖然采用NNTS模型預(yù)測(cè)的誤差經(jīng)儲(chǔ)能修正后的效果仍然更好，儲(chǔ)能對(duì)于ARIMA 模型預(yù)測(cè)后的誤差修正程度要更大。

[1]劉世林, 文勁宇, 孫海順, 等. 風(fēng)電并網(wǎng)中的儲(chǔ)能技術(shù)研 究 進(jìn) 展 [J]. 電 力 系 統(tǒng) 保 護(hù) 與 控 制 , 2013, 41(23): 145-153. LIU Shilin, WEN Jinyu, SUN Haishun, et al. Progress on applications of energy storage technology in wind power integrated to the grid[J]. Power System Protection and Control, 2013, 41(23): 145-153.

[2]HAO Zhenghang, LI Shaohua, ZHANG Ailing. The contribution of double-fed wind farms to transient voltage and damping of power grids[J]. Tehnicki Vjesnik, 2015, 22(1): 43-49.

[3]劉暢, 吳浩, 高長(zhǎng)征, 等. 風(fēng)電消納能力分析方法的研究[J]. 電力系統(tǒng)保護(hù)與控制, 2014, 42(4): 61-66. LIU Chang, WU Hao, GAO Changzheng, et al. Study on analysis method of accommodated capacity for wind power[J]. Power System Protection and Control, 2014, 42(4): 61-66.

[4]程世軍, 孟杰, 王曉暉, 等. 風(fēng)電-儲(chǔ)能聯(lián)合日運(yùn)行優(yōu)化調(diào)度模型[J]. 電網(wǎng)與清潔能源, 2014, 30(4): 68-72, 80. CHENG Shijun, MENG Jie, WANG Xiaohui, et al. A joint daily operational optimization model for wind power and energy storage devices[J]. Power System and Clean Energy, 2014, 30(4): 68-72, 80.

[5]王小紅, 周步祥, 張樂(lè), 等. 基于時(shí)變 Copula 函數(shù)的風(fēng)電 出 力 相 關(guān) 性 分 析 [J]. 電 力 系 統(tǒng) 及 其 自 動(dòng) 化 學(xué) 報(bào) , 2015, 27(1): 43-48. WANG Xiaohong, ZHOU Buxiang, ZHANG Le, et al. Wind power correlation analysis based on time-variant Copula function[J]. Proceedings of the CSU-EPSA, 2015, 27(1): 43-48.

[6]高玉潔, 張永凱, 李蓉蓉, 等. 計(jì)及風(fēng)電的電力系統(tǒng)檢修 備用 容量 評(píng)估 及應(yīng) 用 [J]. 高壓電 器, 2015, 51(6): 31-38. GAO Yujie, ZHANG Yongkai, LI Rongrong, et al.Maintenance reserve capacity evaluation and its application considering wind power and maintenance demand uncertainty[J]. High Voltage Apparatus, 2015, 51(6): 31-38.

[7]張寧, 周天睿, 段長(zhǎng)剛, 等. 大規(guī)模風(fēng)電場(chǎng)接入對(duì)電力系統(tǒng)調(diào)峰的影響[J]. 電網(wǎng)技術(shù), 2010, 34(1): 152-157. ZHANG Ning, ZHOU Tianrui, DUAN Changgang, et al. Impact of large-scale wind farm connecting with power grid on peak load regulation demand[J]. Power System Technology, 2010, 34(1): 152-157.

[8]孔飛飛, 晁勤, 袁鐵江, 等. 用于短期電網(wǎng)調(diào)度的風(fēng)電場(chǎng)儲(chǔ)能容量估算法[J]. 電力自動(dòng)化設(shè)備, 2012, 32(7): 21-24. KONG Feifei, CHAO Qin, YUAN Tiejiang, et al. Estimation of wind farm energy storage capacity for short-term power dispatch[J]. Electric Power Automation Equipment, 2012, 32(7): 21-24.

[9]丁明, 徐寧舟, 畢銳. 用于平抑可再生能源功率波動(dòng)的儲(chǔ)能電站 建模及評(píng)價(jià) [J]. 電力系統(tǒng) 自動(dòng)化, 2011, 35(2): 66-71. DING Ming, XU Ningzhou, BI Rui. Modelling of BESS for smoothing renewable energy output fluctuations[J]. Automation of Electric Power Systems, 2011, 35(2): 66-71.

[10]張文亮, 丘明, 來(lái)小康. 儲(chǔ)能技術(shù)在電力系統(tǒng)中的應(yīng)用[J]. 電網(wǎng)技術(shù), 2008, 32(7): 1-9. ZHANG Wenliang, QIU Ming, LAI Xiaokang. Application of energy storage technologies in power grids[J]. Power System Technology, 2008, 32(7): 1-9.

[11]于芃, 趙瑜, 周瑋, 等. 基于混合儲(chǔ)能系統(tǒng)的平抑風(fēng)電波動(dòng)功率方法的研究[J]. 電力系統(tǒng)保護(hù)與控制, 2011, 39(24): 35-40. YU Peng, ZHAO Yu, ZHOU Wei, et al. Research on the method based on hybrid energy storage system for balancing fluctuant wind power[J]. Power System Protection and Control, 2011, 39(24): 35-40.

[12]于芃, 周瑋, 孫輝, 等. 用于風(fēng)電功率平抑的混合儲(chǔ)能系統(tǒng)及其控制系統(tǒng)設(shè)計(jì)[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2011, 31(17): 127-133. YU Peng, ZHOU Wei, SUN Hui, et al. Hybrid energy storage system and control system design for wind power balancing[J]. Proceedings of the CSEE, 2011, 31(17): 127-133.

[13]韓曉娟, 陳躍燕, 張浩, 等. 基于小波包分解的混合儲(chǔ)能技術(shù)在平抑風(fēng)電場(chǎng)功率波動(dòng)中的應(yīng)用[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2013, 33(19): 8-13, 24. HAN Xiaojuan, CHEN Yueyan, ZHANG Hao, et al. Application of hybrid energy storage technology based on wavelet packet decomposition in smoothing the fluctuation of wind power[J]. Proceedings of the CSEE, 2013, 33(19): 8-13, 24.

[14]張廣韜. 利用儲(chǔ)能裝置平抑風(fēng)電預(yù)測(cè)誤差的可行性研究[D]. 北京: 北京交通大學(xué), 2013. ZHANG Guangtao. The feasibility study of depressing wind power prediction error by energy storage device[D]. Beijing: Beijing Jiaotong University, 2013.

[15]阿麗努爾·阿木提, 晁勤, 羅建春. 提高風(fēng)出力預(yù)測(cè)精度的儲(chǔ)能系統(tǒng)模糊控制策略 [J]. 可再生能源 , 2014, 32(5): 624-629. ALINUER AMUTI, CHAO Qin, LUO Jianchun. Fuzzy control strategy for energy storage system to improve prediction accuracy of wind power output[J]. Renewable Energy Resources, 2014, 32(5): 624-629.

[16]胡續(xù)坤, 王筱, 晁勤. 提高風(fēng)電功率短期預(yù)報(bào)精度的儲(chǔ)能控制策略優(yōu)化及效益評(píng)估[J]. 可再生能源, 2014, 32(12): 1821-1827. HU Xukun, WANG Xiao, CHAO Qin. Strategy optimization of energy storage control to increase short-term forecast accuracy of wind power and its performance evaluation[J]. Renewable Energy Resources, 2014, 32(12): 1821-1827.

[17]GBT_19963-2011 風(fēng)電場(chǎng)接入電力系統(tǒng)技術(shù)規(guī)定[S].

[18]QBGDW432-2010 風(fēng)電調(diào)度運(yùn)行管理規(guī)范[S].

[19]婁素華, 吳耀武, 崔艷昭, 等. 電池儲(chǔ)能平抑短期風(fēng)電功率波動(dòng)運(yùn)行策略[J]. 電力系統(tǒng)自動(dòng)化, 2014, 38(2): 17- 22, 58. LOU Suhua, WU Yaowu, CUI Yanzhao, et al. Operation strategy of battery energy storage system for smoothing short-term wind power fluctuation[J]. Automation of Electric Power Systems, 2014, 38(2): 17- 22, 58.

A control of BESS to improve the wind farm output based on time-varying intersection of dual targets

WANG Jingbiao1,2, LI Jiang3, HU Liqiang4, CHAO Qin1, RAO Chengcheng5, LI Zeran6, YIN Zhimin7, YANG Yang7, REN Juan8
(1. School of Electrical Engineering, Xinjiang University, Urumqi 830047, China; 2. State Grid Hengyang Power Supply Company, Hengyang 421001, China; 3. State Grid Changji Power Supply Company, Changji 831100, China; 4. Project Environmental Quality Supervision Station of Xinjiang Military Area, Urumqi 830002, China; 5. Maintenance Company of State Grid Hunan Electric Power Corporation, Changsha 410004, China; 6. State Grid Panjin Power Supply Company, Panjin 124010, China; 7. State Grid Huzhou Power Supply Company, Huzhou 313000, China; 8. State Grid Xinjiang Institute of Economic Technology, Urumqi 830000, China)

A battery energy storage system (BESS) control method based on time-varying intersection of the dual targets is proposed to suppress the random fluctuation of wind power and improve the accuracy of ultra short-term prediction of wind power. Firstly, a respective single control limit, intersection combined control limit and further time-varying intersection combined control limit once different time-scale of the dual control targets is considered are established. On this basis, combined with the operating constraints of the energy storage, the final control strategy of battery energy storage to improve the wind farm output is arrived at. Secondly, valuation and forecast accuracy assessment metrics based on off-limit probability and off-limit relative mean value is set up and comprehensive evaluation system of the dual targets is developed. Finally, by applying the real output data of a wind farm, on the premise of using neural network time series model or ARIMA model, three size relations of tolerance of wind fluctuation and tolerance of ultra short-term prediction error is considered to verify the effectiveness of the control strategy by calculating the total variation and RMSE and meanwhile both suppress random fluctuation and improve the ultra short-term prediction accuracy of wind power.

This work is supported by National Natural Science Foundation of China (No. 51267020).

time-varying intersection of dual targets; suppress fluctuation; ultra short-term prediction; BESS; off-limit probability and off-limit relative mean value

10.7667/PSPC151561

：2015-11-13

王境彪(1992-)，男，碩士研究生，研究方向?yàn)楦咝？煽匡L(fēng)力發(fā)電技術(shù)。E-mail: yemai984872758@163.com

(編輯 周金梅)

國(guó)家自然科學(xué)基金資助(51267020)