風力發(fā)電與儲能聯(lián)合優(yōu)化調度策略研究

摘 要：為了提升電力系統(tǒng)穩(wěn)定性和可靠性、減少棄風電量，需要風力發(fā)電與儲能系統(tǒng)間能夠進行合理調度，因此，本文提出風力發(fā)電與儲能系統(tǒng)聯(lián)合運行的優(yōu)化調度策略。首先，結合風儲一體化系統(tǒng)結構和運行特性，構建風儲聯(lián)合運行優(yōu)化調度模型，并確定該模型的目標函數(shù)和約束條件。其次，改進螢火蟲算法并進行求解，獲取優(yōu)化調度策略結果。最后，對該方法的應用效果進行分析，結果表明，風電上網(wǎng)功率和調度曲線間的匹配程度顯著提升，兩者間的差異較小，輸出功率差值均＜20 kW，棄風量＜68 MW·h，系統(tǒng)年收益顯著提升，最高為451.65萬元，應用效果較好。

關鍵詞：風力發(fā)電；儲能系統(tǒng)；聯(lián)合運行；優(yōu)化調度策略" " "中圖分類號：TP 641" " " " " " " " " 文獻標志碼：A

1 風力發(fā)電與儲能系統(tǒng)聯(lián)合運行優(yōu)化調度

1.1 風儲一體化系統(tǒng)結構和運行特性

在儲能電站與風電系統(tǒng)的集成過程中，靈活接入儲能電站能夠使電網(wǎng)管理具有良好的調控能力，兩者結合后可以形成風儲一體化系統(tǒng)。該系統(tǒng)采用高度智能化的平臺控制模式，能夠顯著提升操作便捷性與靈活性[1]。該平臺控制模式的核心優(yōu)勢是其能夠根據(jù)電網(wǎng)的功率波動情況，動態(tài)調整儲能系統(tǒng)的介入深度和響應速度，從而有效平衡風電的間歇性與電網(wǎng)穩(wěn)定性間的矛盾[2]。該智能化的調控策略不僅能夠優(yōu)化儲能資源的使用效率，而且能夠增強整個風儲一體化系統(tǒng)對電網(wǎng)的支撐作用。風儲一體化系統(tǒng)結構如圖1所示。

風儲一體化系統(tǒng)主要包括風力發(fā)電場、儲能系統(tǒng)和控制中心等多個部分?？刂浦行哪軌蚋鶕?jù)系統(tǒng)的歷史運行數(shù)據(jù)，進行風電與儲能間的無縫銜接與高效協(xié)同，并且完成系統(tǒng)的自主調度[3]。在該模式下，系統(tǒng)能夠實時分析電網(wǎng)的功率需求和風電的出力狀況，精準制定儲能電站的充、放電計劃，實現(xiàn)電網(wǎng)穩(wěn)定運行與風電最大化利用。

在運行過程中，該系統(tǒng)的控制中心與發(fā)電廠、儲能系統(tǒng)和輸電線路直接連接，能夠實時獲取上述部分的運行數(shù)據(jù)，該數(shù)據(jù)包括發(fā)電成功率數(shù)據(jù)、并網(wǎng)功率以及儲能系統(tǒng)的運行數(shù)據(jù)等。風儲一體化系統(tǒng)在運行過程中需要滿足功率標準。設風力發(fā)電廠的并網(wǎng)功率為Ps（t），如公式（1）所示。

式中：Pw（t）和Pe（t）分別為t時刻下風力發(fā)電場的輸出功率和儲能系統(tǒng)功率。

當Pe（t）gt;0時，儲能系統(tǒng)進行充電；當Pe（t）lt;0時，儲能系統(tǒng)進行放電。儲能系統(tǒng)是風儲一體化系統(tǒng)中的關鍵組成部分，其儲能能量變化需要滿足運行標準，如公式（2）所示。

式中：Ee（t+1）和Ee（t）分別為（t+1）時刻和t時刻下儲能系統(tǒng)的能量；ΔT為采樣時間。

在實際運行中，需要實時監(jiān)測和計算公式（1）和公式（2）來調整儲能系統(tǒng)的充、放電策略。例如，當檢測到風力發(fā)電場輸出功率大于當前電網(wǎng)需求時，根據(jù)公式（1）可以得知儲能系統(tǒng)需要充電，以儲存多余的能量。反之，當風電場輸出功率小于電網(wǎng)需求時，儲能系統(tǒng)將根據(jù)公式（2）進行放電，以補充電網(wǎng)功率的不足。這種動態(tài)調整能夠保證電網(wǎng)穩(wěn)定運行。

1.2 風儲聯(lián)合運行優(yōu)化調度模型構建

1.2.1 優(yōu)化調度目標函數(shù)確定

基于上文分析的風儲一體化系統(tǒng)的結構和運行功率特性，構建風儲聯(lián)合運行優(yōu)化調度模型。該模型綜合考慮風儲聯(lián)合運行優(yōu)化調度的需求，從運行成本、能源利用和調度效果3個方面考慮，設計相應的目標函數(shù)，分別為系統(tǒng)收益最大化maxfc、最大出力結果和調度匹配程度maxfs、最小輸出功率差值minfp、最小棄風量minfo，4個目標函數(shù)如公式（3）～公式（6）所示。

式中：c1為風儲系統(tǒng)發(fā)電收益；c2為儲能參與輔助市場調頻服務收益；c3為儲能投資年等效值；c4為儲能系統(tǒng)運維成本；c5為儲能設備殘值年等效值；c6為風儲系統(tǒng)懲罰成本；T為調度周期；Pg（t）為調度曲線功率；Pa（t）為風儲系統(tǒng)的總上網(wǎng)功率；ΔPe（t）和ΔPe（t-1）分別為儲能系統(tǒng)在t和（t-1）時刻下的功率波動；N為風電場的數(shù)目；n為風電場的數(shù)目；ξk為風電場減載比例；ξk（t）為t時刻下的風電場減載比例；Pw（t）為t時刻下風力發(fā)電場的輸出功率；ΔPw（t）為風電場在被動情況下發(fā)生的棄風功率；Δt為時間間隔。

在構建優(yōu)化調度模型過程中，應用公式（3）～公式（6）所示的目標函數(shù)，需要以下2個步驟。1） 收集歷史運行數(shù)據(jù)，包括風電場的輸出功率、儲能系統(tǒng)的充、放電記錄以及電網(wǎng)的負載需求。2） 利用這些數(shù)據(jù)計算目標函數(shù)中的各項參數(shù)，例如系統(tǒng)收益、成本和棄風量。

為使系統(tǒng)收益最大化并使棄風量最小化，采用優(yōu)化算法對目標函數(shù)進行求解，以找到最佳的調度策略。例如，調整儲能系統(tǒng)的充、放電計劃可以減少棄風量，并參與輔助市場調頻服務，以增加系統(tǒng)收益。

1.2.2 約束條件

確定風儲聯(lián)合運行優(yōu)化調度目標函數(shù)后，結合實際調度情況和需求，設定相應的約束條件。

1.2.2.1 儲能系統(tǒng)充放電約束條件

風能是一種間歇性能源，其輸出功率具有隨機性和波動性，設定合理的充、放電約束，可以使儲能系統(tǒng)在風電富余情況下充電，儲存多余的風電，從而減少清潔能源的浪費[4]，并且有助于緩解電網(wǎng)的調峰壓力，提高電網(wǎng)的調節(jié)靈活性。該約束條件分別如公式（7）、公式（8）所示。

式中：Sc（t）為剩余電量；Smax為剩余電量上限；Smin為剩余電量下限；和分別為充、放電狀態(tài)標識；為充電功率；κ為自放電率；S（t-1）為時刻（t-1）下的剩余電量；χ（t）為充過放能力；和分別為額定充電和放電功率；和分別為充、放電效率。

公式（7）、公式（8）能夠保證儲能系統(tǒng)的電量在安全范圍內波動，防止過充和過放，實時監(jiān)測儲能系統(tǒng)的剩余電量，并根據(jù)約束條件調整其充、放電狀態(tài)。

1.2.2.2 儲能系統(tǒng)充電功率約束條件

在風力發(fā)電與儲能系統(tǒng)聯(lián)合運行優(yōu)化調度過程中，為避免過充現(xiàn)象的發(fā)生，需要對充電功率進行限制，以避免大功率充電可能帶來的電網(wǎng)波動和儲能設備內部應力過大的問題，有助于平抑風電出力的波動性，提高整個風儲聯(lián)合系統(tǒng)的穩(wěn)定性和可靠性。該約束條件如公式（9）所示。

式中：Pq（t）為其他發(fā)電機出力；Pl（t）為負荷。

公式（9）限制了儲能系統(tǒng)的充電功率，以避免對電網(wǎng)造成沖擊。在實際操作中，比較其他發(fā)電機出力和負荷，可以保證儲能系統(tǒng)的充電功率不超過預設的限制。

1.2.2.3 風電場上網(wǎng)約束條件

設定風電上網(wǎng)的上、下限值，并結合儲能系統(tǒng)的調節(jié)能力，能夠盡可能多地消納風電，減少由風電出力波動導致的棄風現(xiàn)象，進而提高風電利用率。設為風電實際出力，該約束條件如公式（10）所示。

式中：Pr（t）為風電場t時段的上網(wǎng)功率；Prmax為Pr（t）的最大值。

公式（10）設定了風電場上網(wǎng)功率的上、下限，并結合儲能系統(tǒng)的調節(jié)能力，能夠最大限度地消納風電，減少棄風現(xiàn)象。

1.2.2.4 安全約束條件

限制網(wǎng)絡線路上的傳輸功率不超過其最大值，并設定負載率約束，以保護線路不受過載影響，防止由線路過熱或損壞導致的停電事故。安全約束條件如公式（11）所示。

式中：Pm（t）為線路傳輸功率；Pmmax為線路傳輸功率上限；Pmmin為線路傳輸功率下限。

公式（11）能夠保護電網(wǎng)線路不受過載影響，實時監(jiān)測線路傳輸功率可以保證線路傳輸功率不超過最大值，使電網(wǎng)安全運行。

1.3 目標函數(shù)求解

在確定好風儲聯(lián)合運行優(yōu)化調度目標函數(shù)和約束條件后，進行目標函數(shù)求解。為保證求解效果，使調度策略滿足多個目標函數(shù)，本文采用改進的螢火蟲算法進行目標函數(shù)求解。該算法是在傳統(tǒng)螢火蟲算法的基礎上，結合均方根傳遞理念，將學習速率引入算法中，以此調整算法的收斂速度，并對移動記憶進行一次指數(shù)平滑，提升算法的自適應能力，保證其能更平穩(wěn)地完成最優(yōu)解搜索。

在改進螢火蟲算法求解過程中，每個螢火中均對應1個候選解，即每個螢火蟲代表1個可能的調度方案，求解步驟如下所示。

1.3.1 初始化

設定初始學習率為ω0，并為每個螢火蟲分配1個隨機位置（這些位置基于歷史數(shù)據(jù)和預設的參數(shù)），代表1個初始調度方案。

1.3.2 迭代求解

在每次迭代中，使用公式（12）來計算任意2個螢火蟲間的移動距離，它代表2個調度方案間的差異。公式中的吸引力A0由公式（13）確定，它基于螢火蟲間的距離和各自的亮度。任意2個可能的xi和xj在（τ+1）次迭代下的移動距離diτ+1如公式（12）所示，螢火蟲移動記憶的一次平滑指數(shù)μiτ+1如公式（13）所示。

式中：A0為吸引力，基于螢火蟲間的距離和各自的亮度；?為滿足高斯分布的矢量；d2ij為調度方案xi和xj間的距離；xjτ、xiτ分別為第t次迭代中螢火蟲i和j的位置向量；ε為步長因子；μiτ+1為螢火蟲移動記憶的一次平滑指數(shù)；wτ為τ次迭代過程中的平滑參數(shù)；μiτ為在第τ次迭代中螢火蟲i的移動記憶。

1.3.3 更新位置調度方案

根據(jù)公式（14）更新每個螢火蟲的位置，即調整調度方案。步長因子和吸引系數(shù)決定了螢火蟲移動的速度和方向，移動記憶的一次指數(shù)平滑xiτ+1有效保證了算法的穩(wěn)定性和自適應能力，xiτ+1如公式（14）所示。

1.3.4 動態(tài)調整學習率

在迭代過程中，根據(jù)種群的平均適應度和最優(yōu)解的變化情況動態(tài)調整學習率。該步驟能夠保證算法能夠快速收斂到最優(yōu)解和求解過程的準確性。

1.3.5 停止條件

持續(xù)進行迭代，直到達到預定的迭代次數(shù)或其他停止條件，例如當最優(yōu)解的變化小于某個閾值時。

1.3.6 輸出最優(yōu)解

迭代結束后，找到亮度最高的螢火蟲，它代表了最優(yōu)調度方案。評估該方案對應的目標函數(shù)值，并輸出最優(yōu)調度方案。

2 結果分析

為驗證本文方法在風力發(fā)電與儲能聯(lián)合運行優(yōu)化調度中地應用效果，本文以改進的IEEE30節(jié)點系統(tǒng)為例進行相關測試。該系統(tǒng)中共計接入4座風電場和1個儲能系統(tǒng)。

改進的IEEE30節(jié)點系統(tǒng)結構包括4座風電場和1個儲能系統(tǒng)。每個風電場由320臺機組組成，總額定容量為475 MW。

儲能系統(tǒng)具有400 MW·h的容量，最大充、放電功率為50 MW，充、放電效率為95%。該系統(tǒng)采用改進的IEEE30節(jié)點模型進行測試，以驗證本文提出的優(yōu)化調度策略的有效性。系統(tǒng)中的各部分相互連接和協(xié)作，儲能系統(tǒng)利用充、放電來調節(jié)風電輸出，以實現(xiàn)系統(tǒng)穩(wěn)定運行和風電最大化利用。

為驗證本文方法對風力發(fā)電與儲能聯(lián)合運行優(yōu)化調度的效果，本文測試了調度曲線和風電上網(wǎng)功率間的匹配程度，調度前、后的匹配結果如圖2所示。

由圖2可知，進行優(yōu)化調度前，風電上網(wǎng)功率和調度曲線間的匹配程度較低，兩者間的差異較大。應用本文方法進行調度優(yōu)化后，風電上網(wǎng)功率和調度曲線間的匹配程度顯著提升，兩者間的差異較小。因此，本文方法具有較好的優(yōu)化調度效果。

為進一步測試本文方法的優(yōu)化調度效果，本文以輸出功率差值、棄風量為例，測試優(yōu)化調度前、后在不同運行時序下的輸出功率差值、棄風量，見表1。

由表1可知，應用本文方法進行優(yōu)化調度后，風力發(fā)電與儲能輸出功率差值、棄風量均顯著降低，其中輸出功率差值均＜20 kW，棄風量＜68 MW·h。該結果顯著優(yōu)于優(yōu)化調度前的結果。因此，本文方法能夠滿足風力發(fā)電與儲能聯(lián)合運行優(yōu)化調度的需求。

3 結論

風力發(fā)電與儲能聯(lián)合運行優(yōu)化調度是提升電力系統(tǒng)穩(wěn)定性和可靠性、優(yōu)化電力市場運營、提高調峰能力、減少棄風電量以及促進可再生能源消納/節(jié)能減排的有效途徑。因此，本文結合風儲聯(lián)合運行的特點，提出相應的聯(lián)合運行優(yōu)化調度方案，并對方案的應用效果進行相關分析，確定所提策略能夠滿足調度需求，并能提高系統(tǒng)的智能化和自動化水平。

參考文獻

[1]張榮權，李剛強，卜思齊，等.基于自適應學習率螢火蟲算法的多能源系統(tǒng)聯(lián)合優(yōu)化調度[J].綜合智慧能源，2022，44（7）：49-57.

[2]陸秋瑜，楊銀國，謝平平，等.風電場集群租賃共享儲能兩階段優(yōu)化運行策略[J].電網(wǎng)技術，2024，48（3）：1146-1165.

[3]李艷梅，任恒君，張致遠，等.考慮儲能系統(tǒng)調度與風電消納的峰谷分時電價優(yōu)化模型研究[J].電網(wǎng)技術，2022，46（11）：4141-4149.

[4]許志軍，臧鵬程，白格平，等.考慮風儲聯(lián)合運行系統(tǒng)經濟性的儲能配置優(yōu)化[J].內蒙古電力技術，2022，40（4）：47-53.