張　晴　李欣然　楊　明　曹一家　李培強(qiáng)

（湖南大學(xué)電氣與信息工程學(xué)院　長(zhǎng)沙　410082）

凈效益最大的平抑風(fēng)電功率波動(dòng)的混合儲(chǔ)能容量配置方法

張晴李欣然楊明曹一家李培強(qiáng)

（湖南大學(xué)電氣與信息工程學(xué)院長(zhǎng)沙410082）

通過分析不同功率分配方法對(duì)儲(chǔ)能容量配置的影響，提出了一種利用滑動(dòng)平均和經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）獲得儲(chǔ)能參考功率的混合儲(chǔ)能（HESS）功率和容量配置方法，并基于全壽命周期成本（LCC），考慮減少風(fēng)電場(chǎng)旋轉(zhuǎn)備用和緩建并網(wǎng)通道容量效益，以凈效益最高為目標(biāo)實(shí)時(shí)平抑風(fēng)電功率波動(dòng)。該方法首先利用滑動(dòng)平均法得到HESS參考功率，采用EMD將其分解成一系列本征模態(tài)函數(shù)（IMF）。根據(jù)功率型和能量型儲(chǔ)能的特性，以瞬時(shí)頻率-時(shí)間曲線混疊最少為原則選擇分界頻率，將分解后的子分量重構(gòu)成高、低頻信號(hào)，分別作為功率型儲(chǔ)能和能量型儲(chǔ)能的參考功率。然后，考慮儲(chǔ)能系統(tǒng)的充放電效率和荷電狀態(tài)（SOC），配置不同儲(chǔ)能組合方案下各儲(chǔ)能的功率和容量，并與其他功率分配方法下的配置結(jié)果進(jìn)行對(duì)比分析。最后，構(gòu)建HESS的成本-效益模型，比較不同方案的凈效益，得出經(jīng)濟(jì)最優(yōu)的配置方案。

平抑風(fēng)電功率波動(dòng)混合儲(chǔ)能系統(tǒng)經(jīng)驗(yàn)?zāi)B(tài)分解容量配置經(jīng)濟(jì)評(píng)估凈效益

0　引言

由于風(fēng)電場(chǎng)的輸出功率具有隨機(jī)性和波動(dòng)性，大規(guī)模風(fēng)電并網(wǎng)，會(huì)對(duì)電網(wǎng)造成沖擊，影響系統(tǒng)安全可靠運(yùn)行［1］，系統(tǒng)需增加額外旋轉(zhuǎn)備用來平抑風(fēng)電波動(dòng)。因此，許多國(guó)家制定了間歇式電源并網(wǎng)標(biāo)準(zhǔn)［2］，中國(guó)也出臺(tái)了相關(guān)規(guī)定，嚴(yán)格限制并網(wǎng)風(fēng)電功率的波動(dòng)范圍［3］。

儲(chǔ)能系統(tǒng)能夠?qū)崿F(xiàn)電能的時(shí)空平移，在發(fā)電側(cè)配置儲(chǔ)能系統(tǒng)能夠平抑風(fēng)電功率波動(dòng)，減少系統(tǒng)旋轉(zhuǎn)備用容量，提高電網(wǎng)接納風(fēng)電能力［4，5］。儲(chǔ)能介質(zhì)有能量型和功率型兩類［6，7］。能量型以蓄電池為代表，其能量密度較大，但功率密度較小且響應(yīng)時(shí)間較長(zhǎng)，適合處理能量高的低頻波動(dòng)功率。功率型以超級(jí)電容、飛輪和超導(dǎo)磁儲(chǔ)能為代表，其功率密度大，響應(yīng)時(shí)間短，可頻繁充放電，但能量密度較低，適合處理能量低的高頻波動(dòng)功率［8］。為了同時(shí)具備兩種儲(chǔ)能介質(zhì)的優(yōu)點(diǎn)，本文使用由能量型儲(chǔ)能和功率型儲(chǔ)能組合的混合儲(chǔ)能系統(tǒng)（Hybrid Energy Storage System，HESS）來平抑風(fēng)電功率波動(dòng)。

采用HESS平抑風(fēng)電功率波動(dòng)的方法近年來多有報(bào)道。文獻(xiàn)［9］提出基于低通濾波原理的風(fēng)電功率波動(dòng)平抑控制策略及滿足平抑過程能量需求的儲(chǔ)能容量配置方法，研究了儲(chǔ)能系統(tǒng)平抑風(fēng)電功率波動(dòng)的有效性，但該方法缺少對(duì)儲(chǔ)能的約束條件，同時(shí)低通濾波分解存在頻譜混疊，難以精確提取其特征。文獻(xiàn)［10］提出基于小波包分解的混合儲(chǔ)能技術(shù)平抑風(fēng)電場(chǎng)輸出功率波動(dòng)的方法，但小波包分解結(jié)果與基波的選擇有關(guān)，其準(zhǔn)確度與原始信號(hào)波動(dòng)程度有關(guān)。文獻(xiàn)［11］先將原始風(fēng)電功率進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解（Empirical Mode Decomposition，EMD），分解后的低頻分量作為風(fēng)電并網(wǎng)功率，剩余分量作為儲(chǔ)能出力的參考功率。側(cè)重于給定額定功率和容量基礎(chǔ)上的功率分配方法，沒有進(jìn)行儲(chǔ)能容量配置，也沒有涉及經(jīng)濟(jì)性問題。文獻(xiàn)［12］將風(fēng)電功率分解后的余量作為并網(wǎng)功率，僅對(duì)容量進(jìn)行配置，未給出功率配置方法。文獻(xiàn)［13］設(shè)置參考調(diào)度功率作為風(fēng)電并網(wǎng)數(shù)據(jù)，以此計(jì)算儲(chǔ)能的動(dòng)作指令，在計(jì)算經(jīng)濟(jì)性時(shí)沒有考慮儲(chǔ)能的運(yùn)行效益。以上文獻(xiàn)得到的儲(chǔ)能出力參考功率偏高，導(dǎo)致配置的儲(chǔ)能容量較大，而且棄風(fēng)率也偏高。

目前，關(guān)于儲(chǔ)能系統(tǒng)的研究大多集中在控制策略和容量配置上，對(duì)于儲(chǔ)能成本和運(yùn)行效益的分析較少。文獻(xiàn)［14］從規(guī)模儲(chǔ)能裝置的性能指標(biāo)和運(yùn)行指標(biāo)出發(fā)，推導(dǎo)出了“規(guī)模儲(chǔ)能的經(jīng)濟(jì)效益指數(shù)”關(guān)系式，并未考慮特定領(lǐng)域中的經(jīng)濟(jì)效益指標(biāo)。文獻(xiàn)［15，16］提出了一種電力需求側(cè)儲(chǔ)能經(jīng)濟(jì)評(píng)估的方法，考慮政府補(bǔ)貼和峰谷差價(jià)等，建立儲(chǔ)能用于削峰填谷的經(jīng)濟(jì)收益模型。由于儲(chǔ)能的經(jīng)濟(jì)效益主要體現(xiàn)在削峰填谷應(yīng)用模式下，對(duì)其用于平抑功率波動(dòng)的效益研究較少。

本文對(duì)基于EMD的HESS功率分配方法進(jìn)行研究和改進(jìn)，分析不同功率分配方法對(duì)儲(chǔ)能容量配置的影響，提出了一種利用滑動(dòng)平均法獲得儲(chǔ)能參考功率，并在此基礎(chǔ)上對(duì) HESS全壽命周期成本（Life Cycle Cost， LCC）進(jìn)行建模，考慮運(yùn)行效益，提出一種以凈效益最高為目標(biāo)實(shí)時(shí)平抑風(fēng)電功率波動(dòng)的HESS功率和容量配置方法。首先，根據(jù)風(fēng)電并網(wǎng)波動(dòng)率約束，利用滑動(dòng)平均法獲得風(fēng)電并網(wǎng)參考功率，將原始風(fēng)電功率與并網(wǎng)參考功率之差作為HESS參考功率。采用EMD將HESS參考功率分解成不同頻段的子分量，選擇分界頻率，將其重構(gòu)成高、低頻信號(hào)，分別作為功率型儲(chǔ)能和能量型儲(chǔ)能的參考功率。同時(shí)對(duì)比分析了不同功率分配方法下的配置結(jié)果。然后，LCC考慮儲(chǔ)能減少風(fēng)電場(chǎng)旋轉(zhuǎn)備用效益和緩建并網(wǎng)通道建設(shè)容量效益，構(gòu)建儲(chǔ)能的成本-效益模型，以凈效益最高為目標(biāo)，選擇最優(yōu)的配置方案。

1　基于EMD分解的混合儲(chǔ)能平抑方法

1.1經(jīng)驗(yàn)?zāi)B(tài)分解

經(jīng)驗(yàn)?zāi)B(tài)分解是一種自適應(yīng)時(shí)頻處理方法，適合分析非平穩(wěn)、非線性信號(hào)。其本質(zhì)是將復(fù)雜信號(hào)按照頻率由高到低分解成一系列本征模態(tài)函數(shù)，然后通過希爾伯特變換獲得頻譜圖，得到具有物理意義的頻率［17］。經(jīng)驗(yàn)?zāi)B(tài)分解法根據(jù)數(shù)據(jù)自身的時(shí)間尺度特征來處理信號(hào)，不需要預(yù)先設(shè)定基函數(shù)，該方法可以精確地將風(fēng)電功率數(shù)據(jù)時(shí)間序列中真實(shí)存在的不同尺度波動(dòng)逐級(jí)分解，且分解后得到的子模態(tài)要遠(yuǎn)少于小波算法，因此重構(gòu)過程的運(yùn)算量得到簡(jiǎn)化，極具工程實(shí)用性［13］。

對(duì)數(shù)據(jù)序列x（t）進(jìn)行EMD分解，可以得到若干本征模態(tài)函數(shù) ci（t）和余項(xiàng) rn（t）（為方便起見，文中統(tǒng)一簡(jiǎn)寫為ci和rn），即

然后選擇分界頻率，可以將上述分解信號(hào)重構(gòu)成高、低頻分量和余量。

圖1為風(fēng)儲(chǔ)聯(lián)合發(fā)電系統(tǒng)結(jié)構(gòu)。其中，PW（t）為風(fēng)電場(chǎng)輸出功率，Pout（t）為并網(wǎng)功率，PHESS（t）為儲(chǔ)能系統(tǒng)參考功率（系統(tǒng)給儲(chǔ)能充電時(shí)為正）。

圖1　風(fēng)儲(chǔ)聯(lián)合發(fā)電系統(tǒng)結(jié)構(gòu)Fig.1　Structure of wind-energy storage power generation system

求取儲(chǔ)能參考功率并進(jìn)行功率分配通常采用的方法是將原始風(fēng)電功率PW（t）進(jìn)行EMD分解，分解出的余量或低頻分量作為并網(wǎng)功率，再對(duì)剩余分量進(jìn)行各類型儲(chǔ)能的功率分配，功率分配方法一如圖2a所示。其并網(wǎng)功率不一定剛好符合并網(wǎng)標(biāo)準(zhǔn)，可能導(dǎo)致風(fēng)電波動(dòng)平抑程度不足，從而并網(wǎng)分量不滿足波動(dòng)要求，或因平抑程度過高而增加棄風(fēng)并使配置的儲(chǔ)能功率和容量偏大。

圖2　功率分配方法Fig.2　Methods of power allocation

本文首先采用滑動(dòng)平均法得到滿足我國(guó)風(fēng)電并網(wǎng)標(biāo)準(zhǔn)的并網(wǎng)參考功率Pout（t），然后將PW（t）與Pout（t）之差作為儲(chǔ)能系統(tǒng)參考功率（見式（2）），再進(jìn)行功率分配，功率分配方法二如圖2b所示。有效地避免了上述問題，能夠在滿足并網(wǎng)標(biāo)準(zhǔn)的前提下配置出最優(yōu)的儲(chǔ)能功率和容量。

1.2混合儲(chǔ)能系統(tǒng)功率重構(gòu)

通過希爾伯特變換，可以得到IMF的瞬時(shí)頻率-時(shí)間曲線，而EMD分解過程決定了ci的瞬時(shí)頻率普遍高于ci+1的瞬時(shí)頻率。從諸多瞬時(shí)頻率-時(shí)間曲線中找尋分頻頻率，使與該分頻頻率緊鄰的ci和ci+1的模態(tài)混疊最少［12］。將 EMD分解信號(hào)進(jìn)行重構(gòu)，高、低頻信號(hào)分量分別作為功率型、能量型儲(chǔ)能的參考功率，即

式中，Phigh（t）為高頻分量，作為功率型儲(chǔ)能的參考功率；Plow（t）為低頻分量，作為能量型儲(chǔ)能的參考功率。

2　應(yīng)用于平抑波動(dòng)的混合儲(chǔ)能系統(tǒng)容量配置和經(jīng)濟(jì)性評(píng)估

2.1儲(chǔ)能功率和容量配置

2.1.1額定功率

設(shè)儲(chǔ)能的額定功率為 Prate，如果在第 t時(shí)刻儲(chǔ)能的功率需求為PHESS（t），配置的Prate應(yīng)該能夠吸收或補(bǔ)充 PHESS（t）在考核時(shí)段 T內(nèi)出現(xiàn)的最大過剩功率或最大功率缺額，考慮變流器效率和儲(chǔ)能元件的充放電效率，可得

式中，t0為初始時(shí)刻；ηDC-DC和ηDC-AC分別為DC-DC 和 DC-AC的效率；ηc和ηd分別為儲(chǔ)能元件的充電和放電效率。

2.1.2額定容量

設(shè)儲(chǔ)能的額定容量為 Erate。引入儲(chǔ)能的荷電狀態(tài)（State Of Charge， SOC），指在某一時(shí)刻，其剩余電量與標(biāo)稱容量即額定容量之比。設(shè)儲(chǔ)能充電和放電至截止電壓時(shí)的SOC分別為1和0，SOC的初始值和允許范圍分別為SOC0和［SOCmin， SOCmax］，第k時(shí)刻的SOCk為

式中，ΔT為儲(chǔ)能功率指令間隔；Pess（t）為考慮變流器效率和充放電效率后儲(chǔ)能的動(dòng)作指令，計(jì)算式為

當(dāng)研究時(shí)長(zhǎng)為D時(shí)，儲(chǔ)能運(yùn)行過程中的SOCk應(yīng)滿足SOCmin≤SOC（t）≤SOCmax，有

當(dāng)式（8）取“=”號(hào)且SOC0滿足式（9）時(shí)，Erate為最小儲(chǔ)能容量。

2.2應(yīng)用于平抑波動(dòng)的混合儲(chǔ)能經(jīng)濟(jì)評(píng)估

2.2.1HESS運(yùn)行壽命測(cè)算

蓄電池儲(chǔ)能循環(huán)壽命是放電深度（Depth Of Discharge， DOD）的函數(shù)。工程實(shí)驗(yàn)中只能測(cè)得固定放電深度下電池的最大循環(huán)次數(shù)，而實(shí)際運(yùn)行中DOD是實(shí)時(shí)變化的。本文采用雨流計(jì)數(shù)法［18，19］和等效循環(huán)壽命法［20］，將不同 DOD對(duì)應(yīng)的循環(huán)次數(shù) N折算到全充全放（DOD=1）下的等效循環(huán)次數(shù)N′并求和，根據(jù)DOD=1時(shí)的循環(huán)次數(shù)N（1）計(jì)算蓄電池的實(shí)際運(yùn)行壽命Tbat，即

對(duì)于超級(jí)電容、飛輪、超導(dǎo)磁等功率型儲(chǔ)能，其循環(huán)壽命相對(duì)較長(zhǎng)，與充放電深度關(guān)系不顯著，主要的影響因素為充放電次數(shù)［21］。假設(shè)某類功率型儲(chǔ)能的最大充放電次數(shù)為Nmax，每天實(shí)際充放電次數(shù)為Nreal，則其壽命為

2.2.2基于全壽命周期成本理論的儲(chǔ)能成本模型

全壽命周期成本是指在整個(gè)系統(tǒng)的壽命周期內(nèi)，發(fā)生的或可能發(fā)生的一切直接的、間接的、派生的或非派生的所有費(fèi)用。本文利用費(fèi)用現(xiàn)值法，假定儲(chǔ)能系統(tǒng)總壽命期為 T年，基準(zhǔn)折現(xiàn)率為 i，儲(chǔ)能元件更新置換次數(shù)為 n，建立儲(chǔ)能的全壽命周期成本模型［22-26］。

（1）初始投資成本

式中，Cpinv為單位功率投資成本；Ceinv為單位容量投資成本。

（2）更新置換成本

式中，Cprep為單位功率更新成本；（P/F，i，t）為一次支付的現(xiàn)金系數(shù)，（P/F，i，t）=（1+i）-t。

（3）輔助設(shè)備成本

式中，Cpbop為單位功率輔助成本；Cebop為單位容量輔助成本。

（4）運(yùn)行維護(hù)成本

式中，Cpom為單位功率運(yùn)維成本；Ceom為單位電量運(yùn)維成本；Wess（t）為儲(chǔ)能系統(tǒng)的年充放電電量；（P/A，i，T）為等額分付現(xiàn)值系數(shù)，計(jì)算式為

（5）報(bào)廢處理成本

式中，Cpscr為單位功率報(bào)廢處理成本；Cescr為單位容量報(bào)廢處理成本。

（6）回收殘值

式中，σres為回收殘值率，通常取3%～5%。

綜上所述，儲(chǔ)能系統(tǒng)總成本CLCC為

2.2.3平抑波動(dòng)應(yīng)用的儲(chǔ)能效益模型

儲(chǔ)能在平抑風(fēng)電波動(dòng)的應(yīng)用模式下，主要考慮以下兩項(xiàng)經(jīng)濟(jì)效益。

1）減少風(fēng)電場(chǎng)所需備用容量效益。風(fēng)電場(chǎng)中配置儲(chǔ)能系統(tǒng)后，儲(chǔ)能裝置可以調(diào)節(jié)風(fēng)電場(chǎng)出力，減少風(fēng)電預(yù)測(cè)偏差，從而降低系統(tǒng)所需配備的旋轉(zhuǎn)備用容量，這部分容量由風(fēng)電場(chǎng)出力預(yù)測(cè)可信度決定。當(dāng)預(yù)測(cè)偏差超過儲(chǔ)能系統(tǒng)的額定功率時(shí)，其減少備用容量的效果達(dá)到上限［27，28］。

式中，Prd（d）為典型日的風(fēng)電旋轉(zhuǎn)備用容量；χ為風(fēng)電場(chǎng)出力預(yù)測(cè)可信度；er為備用容量?jī)r(jià)格；Nday為一天內(nèi)的采樣點(diǎn)數(shù)；Dyear為該年的天數(shù)。

2）減少并網(wǎng)通道建設(shè)容量的效益 Bs。風(fēng)電場(chǎng)的并網(wǎng)通道容量按照典型日出力的最大值進(jìn)行規(guī)劃，儲(chǔ)能平抑波動(dòng)后，風(fēng)電出力曲線更平滑，風(fēng)電場(chǎng)短時(shí)功率峰值降低，從而使得所需建設(shè)的并網(wǎng)通道的容量降低，節(jié)省一部分投資［29］。

式中，kc為并網(wǎng)通道的單位功率造價(jià)。

綜上所述，儲(chǔ)能系統(tǒng)的效益模型為

由此可得凈效益現(xiàn)值NPV為

3　算例分析

本文采用某22 MW風(fēng)電場(chǎng)2012年某典型日的實(shí)際輸出功率數(shù)據(jù)（采樣時(shí)間為1s），在Matlab中進(jìn)行仿真分析。使用不同的功率分配方法（見圖2）得到的風(fēng)電功率與儲(chǔ)能參考功率曲線如圖3所示。根據(jù)我國(guó)風(fēng)電并網(wǎng)標(biāo)準(zhǔn)：風(fēng)電裝機(jī)容量小于30MW時(shí)，任意 1min有功功率變化不大于 3MW，任意10min不大于 10MW，通過滑動(dòng)平均法得到滿足波動(dòng)率約束下的最小滑動(dòng)時(shí)窗為147。

由圖3a可知，采用余量并網(wǎng)的功率曲線雖然最平滑，但其與原始風(fēng)電功率相差太大，棄風(fēng)較多。使用本文方法得到的并網(wǎng)功率與原始風(fēng)電功率曲線最為契合，說明它在滿足并網(wǎng)標(biāo)準(zhǔn)的條件下棄風(fēng)最少。由圖3b可知，使用本文方法得到的儲(chǔ)能出力曲線最平緩，功率最大值小于2MW，而采用余量并網(wǎng)和低頻分量并網(wǎng)方法求出的儲(chǔ)能最大功率都接近8MW。并且以余量并網(wǎng)時(shí)，儲(chǔ)能在 17∶00～24∶00內(nèi)連續(xù)放電，在 0∶00～8∶00內(nèi)連續(xù)充電，對(duì)儲(chǔ)能的容量需求較大，采用本文方法能大幅減少配置的儲(chǔ)能功率和容量。

圖3　風(fēng)電功率與儲(chǔ)能參考功率曲線Fig.3　Curves of wind power or HESS reference power

滑動(dòng)平均前后風(fēng)電數(shù)據(jù)統(tǒng)計(jì)情況見表 1。比較滑動(dòng)平均前后風(fēng)電數(shù)據(jù)，可知平滑后的并網(wǎng)功率各項(xiàng)波動(dòng)指標(biāo)均顯著下降。1min最大波動(dòng)率下降7.06%，10min最大波動(dòng)率下降6.39%，平滑度僅為滑動(dòng)平均前的13.30%，其1min和10min最大波動(dòng)量和波動(dòng)率均滿足并網(wǎng)標(biāo)準(zhǔn)。

表1　風(fēng)電數(shù)據(jù)統(tǒng)計(jì)情況Tab.1　The statistics of wind data

采用本文方法獲得的儲(chǔ)能參考功率 PHESS（t）進(jìn)行EMD后，按照頻率范圍由高到低被分解為18個(gè)IMF和1個(gè)余量，限于篇幅，圖4僅列出部分IMF和余量。圖 5為部分 IMF的瞬時(shí)頻率-時(shí)間曲線，分析可知，c14與c15混疊最少，因此取j=14作為分界點(diǎn)重構(gòu)HESS的參考功率。

圖4　部分IMF和余量Fig.4　Curves of some IMF and remainder

圖5　部分IMF的瞬時(shí)頻率-時(shí)間曲線Fig.5　Curves of instantaneous frequency-time of IMF

而風(fēng)電原始功率可用 EMD分解成16個(gè) IMF分量和1個(gè)余量，采用余量并網(wǎng)方法時(shí)，j=12。采用低頻并網(wǎng)方法時(shí)，將 c1～c8分配給功率型儲(chǔ)能，c9～c13分配給能量型儲(chǔ)能，c14～c16和余量并網(wǎng)。

結(jié)合功率型儲(chǔ)能和能量型儲(chǔ)能特性，本文選用四種配置方案。方案1為鋰離子電池；方案2為鋰離子電池和超級(jí)電容；方案3為鋰離子電池和飛輪；方案4為鋰離子電池和超導(dǎo)磁。各儲(chǔ)能技術(shù)參數(shù)指標(biāo)見附表1，根據(jù)2.1節(jié)介紹的方法，進(jìn)行不同功率分配方法下的額定功率和容量的配置，結(jié)果見表2。

表2　混合儲(chǔ)能容量配置結(jié)果Tab.2　Schemes of capacity determination for HESS

由表2可知，余量并網(wǎng)和低頻并網(wǎng)方法所配置的功率和容量均明顯高于本文方法的配置結(jié)果。比如鋰離子電池和超級(jí)電容混合儲(chǔ)能方案中，余量并網(wǎng)的配置結(jié)果分別為 9.250MW/69.913MW·h、6.272MW/1.754MW·h，低頻并網(wǎng)的配置結(jié)果為6.839MW/4.173MW·h、3.083MW/0.314MW·h。本文方法配置結(jié)果僅為 0.029MW/0.106MW·h、1.981MW/ 0.108MW·h。從配置結(jié)果來看，本文方法的經(jīng)濟(jì)性遠(yuǎn)優(yōu)于其他方法，故本文只對(duì)本文方法的配置結(jié)果做進(jìn)一步的經(jīng)濟(jì)分析。

本文方法中不同配置方案下儲(chǔ)能實(shí)時(shí) SOC如圖6所示，分析可知各類型儲(chǔ)能SOC均在上下限范圍內(nèi)變動(dòng)，采用混合儲(chǔ)能方案后鋰離子充放電頻率大大降低，從而使得鋰離子電池循環(huán)壽命增加。

圖6　不同配置方案下儲(chǔ)能實(shí)時(shí)SOCFig.6　Real-time SOC of HESS in different schemes

利用 2.2節(jié)介紹的方法測(cè)算儲(chǔ)能壽命，儲(chǔ)能運(yùn)行壽命見表3。

表3　儲(chǔ)能運(yùn)行壽命Tab.3　Operating life of energy storage

以儲(chǔ)能的全壽命周期10年為例，將儲(chǔ)能經(jīng)濟(jì)參數(shù)指標(biāo)、相關(guān)技術(shù)經(jīng)濟(jì)參數(shù)取值（見附表2、附表3）代入儲(chǔ)能的成本-效益模型，可得各配置方案的成本-效益計(jì)算結(jié)果，見表4。由表4可知，采用混合儲(chǔ)能方案經(jīng)濟(jì)性顯著提高，其中方案2經(jīng)濟(jì)性最好，因此可作為平抑波動(dòng)應(yīng)用下儲(chǔ)能選型和配置的推薦方案。因不同配置方案都是基于同一風(fēng)電并網(wǎng)標(biāo)準(zhǔn)下，其運(yùn)行效益相差不大，儲(chǔ)能成本是影響凈效益的主要因素?；旌戏桨缚梢燥@著增加鋰離子電池的循環(huán)壽命，大大降低了儲(chǔ)能成本。

表4　成本-效益計(jì)算結(jié)果Tab.4　Calculation results of cost-benefit

同時(shí)為驗(yàn)證分頻結(jié)果的準(zhǔn)確性，另取j=12、j=13 和j=15，分別進(jìn)行相應(yīng)計(jì)算，得到不同分頻情況下成本-效益計(jì)算結(jié)果見表5。

表5　不同分頻情況下凈現(xiàn)值計(jì)算結(jié)果Tab.5　Calculation results of net present value in different gap frequency（單位：元）

4　結(jié)論

為平抑風(fēng)電輸出功率波動(dòng)，本文通過分析不同功率分配方法對(duì)儲(chǔ)能容量配置的影響，提出了一種利用滑動(dòng)平均法獲得儲(chǔ)能參考功率，利用 EMD分解配置混合儲(chǔ)能功率和容量的方法。并基于全壽命周期成本，考慮減少風(fēng)電場(chǎng)旋轉(zhuǎn)備用和緩建并網(wǎng)通道容量效益，以凈效益最高為目標(biāo)選擇最優(yōu)的儲(chǔ)能配置方案。

由實(shí)際算例仿真可知，采用本文方法能夠很好地平抑風(fēng)電輸出功率波動(dòng)，使其達(dá)到并網(wǎng)要求，并且儲(chǔ)能配置結(jié)果明顯優(yōu)于余量并網(wǎng)和低頻并網(wǎng)方法。儲(chǔ)能的全壽命周期為10年時(shí)，鋰離子電池和超級(jí)電容組成的HESS經(jīng)濟(jì)性最優(yōu)，且凈效益大于零，從而從經(jīng)濟(jì)角度證明了HESS用于平抑風(fēng)電波動(dòng)的可行性。目前儲(chǔ)能設(shè)備價(jià)格高昂，但隨著相關(guān)技術(shù)的快速發(fā)展，其經(jīng)濟(jì)性將得到不斷的提高，屆時(shí)儲(chǔ)能的應(yīng)用也將更具規(guī)?；１疚乃褂玫膬r(jià)格可能與當(dāng)前的儲(chǔ)能價(jià)格有所偏差，但是其容量配置方法和成本-效益模型是一樣的，具有一定的參考價(jià)值。

附錄

附表1　儲(chǔ)能技術(shù)參數(shù)指標(biāo)App. Tab.1　Parameters of energy storage technology

附表2　儲(chǔ)能經(jīng)濟(jì)參數(shù)指標(biāo)App. Tab.2　Economic parameters of energy storages

附表3　在平抑風(fēng)電功率波動(dòng)場(chǎng)景下相關(guān)技術(shù)經(jīng)濟(jì)參數(shù)取值A(chǔ)pp.Tab. 3　Technical and economic parameters in smoothing wind power fluctuations

［1］艾小猛， 韓杏寧， 文勁宇， 等. 考慮風(fēng)電爬坡事件的魯棒機(jī)組組合［J］. 電工技術(shù)學(xué)報(bào)， 2015， 30（24）：188-195. Ai Xiaomeng， Han Xingning， Wen Jinyu， et al. Robust unit commitment considering wind power ramp events［J］. Transactions of China Electrotechnical Society， 2015， 30（24）： 188-195.

［2］Fox B， Flynn D， Bryans L， et al. Wind power integration： connection and system operational aspect［M］. LET， 2007.

［3］國(guó)家電網(wǎng)公司. 風(fēng)電場(chǎng)接入電網(wǎng)技術(shù)規(guī)定［S］. 修訂版， 2009.

［4］袁小明， 程時(shí)杰， 文勁宇. 儲(chǔ)能技術(shù)在解決大規(guī)模風(fēng)電并網(wǎng)問題中的應(yīng)用前景分析［J］. 電力系統(tǒng)自動(dòng)化， 2013， 37（1）： 14-18. Yuan Xiaoming， Cheng Shijie， Wen Jinyu. Prospects analysis of energy storage application in grid integration of large-scale windpower［J］. Automation of Electric Power Systems， 2013， 37（1）： 14-18.

［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. Yuan Tiejiang， Chen Jie， Liu Peihan， et al. Strategy of improving large-scale wind farm output fluctuation based on energy storage system［J］. Power System Protection and Control， 2014， 42（4）： 47-53.

［6］田軍， 朱永強(qiáng)， 陳彩虹. 儲(chǔ)能技術(shù)在分布式發(fā)電中的應(yīng)用［J］. 電氣技術(shù)， 2010， 11（8）： 28-32， 42. Tian Jun， Zhu Yongqiang， Chen Caihong. Application of energy storage technologies in distributed generation［J］. Electrical Engineering， 2010， 11（8）：28-32， 42.

［7］Wei Li， Joos G. A power electronic interface for a battery super capacitor hybrid energy storage system for wind applications［C］//Proceedings of IEEE Annual Power Electrics Specialists Conference，Rhodes， Greece， 2008： 1762-1768.

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

［9］宇航. 利用儲(chǔ)能系統(tǒng)平抑風(fēng)電功率波動(dòng)的仿真研究［D］. 吉林： 東北電力大學(xué)， 2010.

［10］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 fluctuations of wind power［J］. Proceedings of the CSEE， 2013， 33（19）： 8-13， 24.

［11］韓曉娟， 田春光， 程成， 等. 基于經(jīng)驗(yàn)?zāi)B(tài)分解的混合儲(chǔ)能系統(tǒng)功率分配方法［J］. 太陽(yáng)能學(xué)報(bào)， 2014，35（10）： 1889-1896. Han Xiaojuan， Tian Chunguang， Cheng Cheng， et al. Power allocation method of hybrid energy storage system based on empirical mode decomposition［J］. Acta Energiae Solaris Sinca， 2014， 35（10）： 1889-1896.

［13］孫承晨， 袁越， San Shing CHOI， 等. 基于經(jīng)驗(yàn)?zāi)B(tài)分解和神經(jīng)網(wǎng)絡(luò)的微網(wǎng)混合儲(chǔ)能容量?jī)?yōu)化配置［J］.電力系統(tǒng)自動(dòng)化， 2015， 39（8）： 19-26. Sun Chengchen， Yuan Yue， San Shing CHOI， et al. Capacity optimization of hybrid energy storage systems in microgrid using empirical mode decomposition and neural network［J］. Automation of Electric Power Systems， 2015， 39（8）： 19-26.

［13］田崇翼， 李珂， 嚴(yán)毅， 等. 基于經(jīng)驗(yàn)?zāi)Ｊ椒纸獾娘L(fēng)電場(chǎng)多時(shí)間尺度復(fù)合儲(chǔ)能控制策略［J］. 電網(wǎng)技術(shù)，2015， 39（8）： 2167-2172. Tian Chongyi， Li Ke， Yan Yi， et al. A multi-time scale control strategy of hybrid energy storage system in wind farm based on empirical mode decomposition［J］. Power System Technology， 2015， 39（8）：2167-2172.

［14］楊裕生， 程杰， 曹高萍. 規(guī)模儲(chǔ)能裝置經(jīng)濟(jì)效益的判據(jù)［J］. 電池， 2011， 41（1）： 19-21. Yang Yusheng， Cheng Jie， Cao Gaoping. A gauge for direct economic benefits of energy storage devices［J］. Battery Bimonthly， 2011， 41（1）： 19-21.

［15］熊雄， 楊仁剛， 葉林， 等. 電力需求側(cè)大規(guī)模儲(chǔ)能系統(tǒng)經(jīng)濟(jì)性評(píng)估［J］. 電工技術(shù)學(xué)報(bào)， 2013， 28（9）： 224-230. Xiong Xiong， Yang Rengang， Ye Lin， et al. Economic evaluation of large-scale energy storageallocation in power demand side［J］. Transactions of China Electrotechnical Society， 2013， 28（9）： 224-230.

［16］熊雄， 葉林， 楊仁剛. 電力需求側(cè)規(guī)模儲(chǔ)能容量?jī)?yōu)化和經(jīng)濟(jì)性分析［J］. 電力系統(tǒng)自動(dòng)化， 2015， 39（17）：42-48， 88. Xiong Xiong， Ye Lin， Yang Rengang. Optimal allocation and economic benefits analysis of energy storage system on power demand side［J］. Automation of Electric Power Systems， 2015， 39（17）： 42-48， 88.

［17］王賀， 胡志堅(jiān)， 張翌暉， 等. 基于聚類經(jīng)驗(yàn)?zāi)B(tài)分解和最小二乘支持向量機(jī)的短期風(fēng)速組合預(yù)測(cè)［J］.電工技術(shù)學(xué)報(bào)， 2014， 29（4）： 237-245. Wang He， Hu Zhijian， Zhang Yihui， et al. A hybrid model for short-term wind speed forecasting based on ensemble empirical mode decomposition and least squares support vector machine［J］. Transactions of China Electrotechnical Society， 2014， 29（4）： 237-245.

［18］You S， Rasmussen C N. Generic modelling framework for economic analysis of battery systems［C］// IET Conference Renewable Power Generation， Edinburgh， 2011： 1-6.

［19］郭思琪， 袁越， 張新松， 等. 多時(shí)間尺度協(xié)調(diào)控制的獨(dú)立微網(wǎng)能量管理策略［J］. 電工技術(shù)學(xué)報(bào)， 2014，29（2）： 122-129. Guo Siqi， Yuan Yue， Zhang Xinsong， et al. Energy management strategy of isolated microgrid based on multi-time scale coordinated control［J］. Transactions of China Electrotechnical Society， 2014， 29（2）：122-129.

［20］嚴(yán)干貴， 朱星旭， 李軍徽， 等. 內(nèi)蘊(yùn)運(yùn)行壽命測(cè)算的混合儲(chǔ)能系統(tǒng)控制策略設(shè)計(jì)［J］. 電力系統(tǒng)自動(dòng)化， 2013， 37（1）： 110-114. Yan Gangui， Zhu Xingxu， Li Junhui， et al. Control strategy design for hybrid energy storage system with intrinsic operation life measurement and calculation［J］. Automation of Electric Power Systems，2013， 37（1）： 110-114.

［21］朱星旭. 平抑風(fēng)電功率波動(dòng)的混合儲(chǔ)能控制策略研究［D］. 吉林： 東北電力大學(xué)， 2014.

［22］陳麗， 張晉國(guó)， 蘇海鋒. 考慮并網(wǎng)光伏電源出力時(shí)序特性的配電網(wǎng)無功規(guī)劃［J］. 電工技術(shù)學(xué)報(bào)， 2014，29（12）： 120-127. Chen Li， Zhang Jinguo， Su Haifeng. Reactive power planning for distribution system with grid-connected photovoltaic system considering time-sequence characteristics［J］. Transactions of China Electrotechnical Society， 2014， 29（12）： 120-127.

［23］Electric Power Research Institute. Cost-effectiveness of energy storage in California［Z］. Palo Alto： EPRI，2013.

［24］Denholm P， Jorgenson J， Hummon M， et al. The value of energy storage for grid applications［Z］. USA：NREL， 2013.

［25］Zakeri B， Syri S. Electrical energy storage systems： A comparative life cycle cost analysis［J］. Renewable & Sustainable Energy Reviews， 2015， 42（2）： 569-596.

［26］連湛偉， 石欣， 克瀟， 等. 電動(dòng)汽車充換電站動(dòng)力電池全壽命周期在線檢測(cè)管理系統(tǒng)［J］. 電力系統(tǒng)保護(hù)與控制， 2014， 42（12）： 137-142. Lian Zhanwei， Shi Xin， Ke Xiao， et al. The whole life cycle on-line detection and management system of power battery in the electric vehicle charging and exchanging station［J］. Power System Protection and Control， 2014， 42（12）： 137-142.

［27］袁鐵江， 晁勤， 李義巖， 等. 基于風(fēng)電極限穿透功率的經(jīng)濟(jì)調(diào)度優(yōu)化模型研究［J］. 電力系統(tǒng)保護(hù)與控制， 2011， 39（1）： 15-22. Yuan Tiejiang， Chao Qin， Li Yiyan， et al. Research on optimization model of economic dispatch based on wind power penetration limit［J］. Power System Protection and Control， 2011， 39（1）： 15-22.

［28］郭為民， 魏強(qiáng)， 唐耀華. 一種可在特高壓或風(fēng)電大量接入后減少旋轉(zhuǎn)備用的新方法［J］. 電力系統(tǒng)保護(hù)與控制， 2014， 42（7）： 1-7. Guo Weimin， Wei Qiang， Tang Yaohua. A new approach to decrease reserve demand when bulky wind power or UHV is connected［J］. Power System Protection and Control， 2014， 42（7）： 1-7.

［29］顏志敏. 智能電網(wǎng)中蓄電池儲(chǔ)能的價(jià)值評(píng)估研究［D］. 上海： 上海交通大學(xué)， 2012.

Capacity Determination of Hybrid Energy Storage System for Smoothing Wind Power Fluctuations with Maximum Net Benefit

Zhang QingLi XinranYang MingCao YijiaLi Peiqiang
（College of Electrical and Information EngineeringHunan University Changsha410082China）

After analyzing different methods， a means using moving average method and empirical mode decomposition （EMD） was presented to obtain power and capacity allocation of hybrid energy storage system （HESS）. Based on the life-cycle cost theory， considering the benefits when the quantity of spinning reserve and transmission network decreases， the wind power fluctuations were smoothed with the maximum net benefit. First， EMD was used to decompose the HESS reference power which was derived by moving average， and then a series of intrinsic mode functions （IMFs） were obtained. From the instantaneous frequency-time profiles of the IMFs， the so-call gap frequency was identified. Subsequently， the HESS reference power was decomposed into high and low frequency components. Power smoothing was then achieved by regulating the reference power of the power and energy storage to mitigate the high and lower frequency fluctuating components respectively. Then，taken the HESS charge-discharge efficiency and state of charge （SOC） into account， the required power and capacities of different schemes were determined. Finally， the cost-benefit model of HESS was established to compare the net benefit of each scheme and select the optimal one.

Smoothing wind power fluctuations， hybrid energy storage system， empirical mode decomposition， capacity determination， economic evaluation， net benefit

TM614

張晴女，1991年生，碩士研究生，研究方向?yàn)殡娏ο到y(tǒng)分析與控制、儲(chǔ)能技術(shù)與新能源并網(wǎng)等。

E-mail： zhang_qing@hnu.edu.cn

李欣然男，1957年生，教授，博士生導(dǎo)師，研究方向?yàn)殡娏ο到y(tǒng)分析控制、負(fù)荷建模等。

E-mail： 903177673@qq.com（通信作者）

國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃（973計(jì)劃）（2012CB215106）和國(guó)家自然科學(xué)基金（51477043）資助項(xiàng)目。

2015-12-30改稿日期 2016-03-27