风电功率波动平抑效能与储能容量之间关系的分析
2009年中国电机工程学会年会
风电功率波动平抑效能与储能容量之间关系的分析
研究
宇航，张真卿，苑田芬，黄亚峰
（东北电力大学，吉林吉林 132012）
The relationships between the efficiency of stabilizing
wind power fluctuations and capacity of storage system
YU Hang,ZHANG Zhenqing,YUAN Tianfen,HUANG Yanfeng
(Northeast Dianli University,Jilin 132012,JilinProvince,China)
abstract: This paper takes the relationships between the efficiency of stabilizing wind power fluctuations and capacity of storage system as research objectives while proposing the methods of stabilizing wind power fluctuations and the algorithms of calculating the storage system capacity based on the principles of low-pass filter.Then simulating the process of stabilizing power fluctuations based on the output power data. The simulation results show that stabilizing the short-tem fluctuations in minutes level could reduce the change rate of wind farm output power and the needed storage capacity is smaller, while stabilizing the mid-tem or long-tem fluctuations in hours level could make the waves of output power more stably but the increase amplitude of the needed storage capacity is larger.
keywords：storage system；wind power fluctuations；low-pass fliter
摘 要：本文以风电功率波动平抑效能与储能容量之间的关系为研究目标，提出了基于低通滤波原理的风电功率波动储能平抑方法及满足平抑过程能量需求的储能容量算法，根据风电场实际输出功率数据对功率波动平抑过程进行仿真。研究结果表明，滤除风电功率的分钟级短期波动，可明显减小风电场输出功率的变化率，而且所需的储能容量较小，滤除风电功率的小时级甚至一天的中、长期波动，虽然可以使风电场输出功率更加平稳，但所需储能容量增幅很大。
关键字：储能；风功率波动；低通滤波
0 引言
随着能源和环境问题的日益突出，作为一种新型的可再生能源，风力发电具有环境友好、技术成熟、全球可行的特点，越来越受到人们的重视。近年来我国风电得到较快发展，截止到2008年底，装机容量达到892万千瓦，预计在2020年，我国风电累计装机可以达到1亿千瓦。
风电机组输出功率取决于风速，具有不可预期性和波动性。当电网所接纳的风电容量超过一定份额时，风电功率波动将增加电网运行调整负担[1]，因此，对于大型风电场往往需要限制其输出功率的波动，如中华人民共和国国家标准化指导性文件GB/Z 19963-2005中对风电场输出功率变化率作出了明确的规定[2]。
在风电场出口处安装储能系统是减小风电场输出功率变化率的理想途径[3-4]，当储能系统容量足够大时，可以利用储能系统对风电功率波动进行有效调控，使风电场成为可调度电源。然而，由于储能系统成本往往比较昂贵，实际上只能利用有限容量的储能系统来优化风电场的功率输出，风电场输出功率的可控程度与所配置的储能容量密切相关。因此，分析风电功率波动平抑效能与储能容量之间的关系是风电控制领域前沿的研究课题之一。
本文提出了一种利用储能系统抑制风电功率变化率的方法以及满足平抑过程能量需求的储能容量算法，以某额定容量为50MW的风电场为例，根据其实际输出功率数据对功率波动平抑过程进行仿真，验证该平抑方法的有效性，分析风电功率波动平抑效能与储能容量之间的关系，为风电场通过配置储能系统平抑风电功率波动提供有效的参考。
1 基于低通滤波原理的风电功率波动储能平抑方法
应用储能系统平抑风电功率波动的原理如图1
2009.11.25-27中国·天津
所示：
图1 风电功率波动储能平抑原理示意图
P w 表示风电场输出的功率 P out 表示注入电网的功率
P b 表示变流器控制储能系统吸入的功率 平抑风电功率波动的目的是要剔除风电场输出功率的短期波动，减小风电功率的变化率，为电力系统提供较为稳定的功率输出。这与信号处理中的低通滤波原理类似，低通滤波器通过对输入信号的幅值进行加减处理，使输出信号更加平滑，而储能系统则是通过其充放电来改变风电场输出功率的幅值，使注入电网的电能更加平稳，因此可以将低通滤波器模型引入到储能平抑中。
一阶无源低通滤波器的数学表达式如下：
'Y Y X τ+= (1)
式中X 是输入量，Y 是输出量，Y’是Y 的微分，滤波时间常数τ是滤波时间常数。
其幅频特性如图2所示：
图2 低通滤波器幅频特性曲线
图2中f c 为低通滤波器的截止频率，f c =1/2πτ，低通滤波器的通频带为0—f c ，f c —∞为阻带。从幅频特性看，对同样振幅的输入信号，频率越高，输出信号幅值越小；随着截止频率f c 减小，即滤波时间常数τ的增大，输出信号频率越低、越平稳。
对风电场输出功率进行平抑控制时，(1)式中的X 相当于P w ，Y 相当于P out 。将(1)式进行离散化，设t 为控制周期，在t k =kt (k=1,2,3,…,n)时刻：
1
k k k Y Y Y X t
τ
??+=k (2)
解Y k 得，
1k k t
Y Y t
τττ?=
+
++k X t
(3)
设λ=
t
t
τ+(0<λ<1)，代入(3)式得， 1(1)k k Y Y k
X λλ?=?+ (4)
从(4)式可以看出已知t k 时刻的P w 值X k 、前一时刻的P out 值Y k-1和λ值，就可以得到经平抑控制后的P out 值Y k 。其中λ值随τ值的变化而变化且成反比关系。由于λ的存在，该表达式表现出一定的吸收瞬时突发的能力，这种能力称为平稳性。显然随着λ的减小，即τ值的增大，其平稳性增强，经平抑控制后的风电场输出功率的变化率越小。
已知X k 和Y k ，那么储能系统吸入的功率如下式：
b k P X Y k =? (5)
对风电场输出功率进行储能平抑控制前，要设
定τ值和P out 初始值Y 0，当平抑过程结束后，可以得到n 个P b 值，而这组P b 值正是计算储能容量的依据。
2满足平抑过程能量需求的储能容量算法
在对风电功率波动进行储能平抑控制时，满足储能系统充放电需求的储能容量计算方法如下：
平抑过程中储能系统中的能量用E k 表示：
01k
k m m E E Pb t ==+?∑k E
(6)
式中E 0为储能系统中的初始能量，设E 0=0，从k =1至k =n ，计算E k 。储能系统的容量用W 表示如下：
11max min k k n
k n W E ===?K K
(7)
在实际储能平抑过程中，由于储能系统中的能量不能为负，因此若1min k k n
E =K <0，那么实际的E 0应
等于︱1k n
min k E =K k Y ︱。
另外随着τ值的增大，即λ值减小，Y 0的取值对平抑风电功率波动所需的储能容量产生一定的影响，下面对此做详细分析：
根据(4)式，用迭代的方法表示Y k 得，
122121
0(1)((1))(1)(1)(1)(1)k k k k k k k m k k m m Y X X Y X X X Y λλλλλλλλλλλ??????==+?+?=+?+?=?+?∑(8)
2009年中国电机工程学会年会
由式(8)可见，λ值越小，Y k 与 Y 0越接近；λ值越大， Y k 与 X k 越接近。当λ→0时，平抑输出近似是功率为Y 0的直线。
假设对T 时段内的风电场输出功率进行平抑，设T =n t ，风电场输出的能量用W f 表示，
1n
f k k W X t X ==?=?∑T
(9)
经过储能平抑后注入电网的能量用W g 表示，
1n
g k k W Y t Y ==?=?∑T
(10)
假设储能平抑过程不存在能耗，储能系统需要存储的能量为W s ，根据能量守恒定律，
()s f g W W W X Y T
=?=?? (11)
当λ<0.05时,Y →Y 0，当Y 0 =X 时，W s 最小，这时平抑风电功率波动所需的储能容量也最小；当λ>0.05时，Y →X ，Y 0一般取X 1或X ，这时平抑风电功率波动所需的储能容量基本相同。
3仿真分析
应用前述储能平抑方法对某额定容量为50MW 风电场一天的典型功率波动进行平抑，平抑控制周期t =5min ，风电场输出功率未经平抑状态下的10min 最大变化率[2]为21.7000MW/10min 。
当时，τ=10min 仿真结果如下图所示：
采样点数(1d/5min)
功率幅值(M W )
图3 τ=10min 时，P w 、P out 和P b 变化曲线
所需储能容量W =6.4997MWh ，平抑后输出功率10min 最大变化率8.3693MW/10min 。
当时，τ=1h 仿真结果如下图所示：
采样点数(1d/5min)
功率幅值(M W )
图4 τ=1h 时，P w 、P out 和P b 变化曲线
所需储能容量W =30.5097MWh ，平抑后输出功率10min 最大变化率为2.6064MW/10min 。
当时，τ=24h 仿真结果如下图所示：
采样点数(1d/5min)
功率幅值(M W )
图5 τ=24h 时，P w 、P out 和P b 变化曲线
所需储能容量W = 79.1551MWh ，平抑后输出功率10min 最大变化率0.1479MW/10min 。
从图3、4、5可以看出应用基于低通滤波原理的储能平抑方法可以有效地抑制风电功率波动，减小功率变化率，并且随着滤波时间常数τ的增大，即滤波截止频率的减小，平抑后的输出功率越平稳，但所需的储能容量也越大。
在该算例中，当τ=10min ，风电场输出功率10min 最大变化率减少了61.4%，所需储能容量为6.4997MWh ；当τ分别取1h 和24h ，风电场输出功率10min 最大变化率分别减少了88.0%、99.3%，所需储能容量分别为30.5097MWh 、79.1551MWh 。
从以上结果可以得出，滤除风电功率中的分钟级波动，可以明显地减小功率变化率，此时所需的储能容量较少；若滤除风电功率的小时级甚至一天的波动，虽然可以进一步减小风电功率的变化率，但所需储能容量将增加几倍甚至十几倍。
2009.11.25-27中国·天津
图6最大功率变化率减少量随储能容量变化曲线
图6可以更直观的显示τ取值从0递增至24h
时，最大功率变化率减少的百分比随储能容量的变化关系。
4 结论
基于低通滤波原理的储能平抑方法可以有效地抑制风电场输出功率的变化率，风电场功率输出的优化效果与滤波时间常数τ的取值有关。当τ=10min 时，即滤除风电功率的分钟级波动，可以明显地减小风电功率的变化率，而且所需储能容量较小，是一种切实可行的储能配置方案；当τ=1h 、24h 时，即滤除风电功率的小时级甚至一天的波动，虽然可以使风电场输出功率更加平稳，但所需储能容量增幅很大，该方案仅适用于对风电并网要求较为苛刻的场合。
致谢
本文是在黄亚峰博士的悉心指导下完成的，他严谨的治学态度，渊博的学识，精益求精的工作精神深深的感染了我。
同时还要感谢和我一起学习和生活的同学和学长，没有他们的帮助与支持本论文是难以顺利完成的。
最后也要感谢我的家人与朋友，它们一直以来给予我的关心与爱护是激励我不断努力的动力。
参考文献
[1] 迟永宁．大型风电场接入电网的稳定性问题研究[D]．北京：中国电力科学研究院，2006
[2] 中华人民共和国国家标准化指导性文件GB/Z 19963-2005.风电场接
入电力系统技术规定[S]，2006
[3] 张步涵，增杰，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)：54-58
[4] 陈星莺，刘孟觉，单渊达. 超导储能单元在并网型风力发电系统的
应用[J].电机工程学报，2001，21(12)：63-66
[5] Tham MT. Dealing with measurement noise - A gentle introduction to
noise filtering.1998. Available at https://www.sodocs.net/doc/d113130347.html,/ming/filter/filter.htm ，accessed 4/21/04
[6] Jukka V . Paatero ，Pete D. Lund.Effect of Energy Storage on Variations in
Wind Power[J].Wind Power ，2005，8(4)：424-441
作者简介：
宇航（1984-），男，黑龙江齐齐哈尔人，汉族，硕士研究生，主要研究方向为电力系统暂态分析、风力发电。Email ：www.yuhang211@https://www.sodocs.net/doc/d113130347.html, ． 张真卿（1984-），男，江苏连云港人，汉族，硕士研究生，主要研究方向为电力系统暂态分析、风力发电。Email ：www. 270071443@https://www.sodocs.net/doc/d113130347.html, ． 苑田芬（1984-），女，山东临沂人，汉族，硕士研究生，主要研究方向为电力系统暂态分析、风力发电。Email ：www. 66719685@https://www.sodocs.net/doc/d113130347.html, ．
风电功率波动性的分析
2014高教社杯全国大学生数学建模竞赛 承诺书 我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。 我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： B 我们的参赛报名号为（如果赛区设置报名号的话）： 所属学校（请填写完整的全名）：东北电力大学 参赛队员(打印并签名) ：1. 张盛梅 2. 齐天利 3. 孔晖 指导教师或指导教师组负责人(打印并签名)：张杰 日期2014 年 8 月 20日赛区评阅编号（由赛区组委会评阅前进行编号）：
2014高教社杯全国大学生数学建模竞赛 编号专用页 赛区评阅编号（由赛区组委会评阅前进行编号）： 全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进行编号）：
风电功率波动性的分析 摘要 风电机组的发电功率主要与风速有关，由于风的不确定性、间歇性以及风电场内各机组间尾流的影响，使得风力发电机不能像常规发电机组那样根据对电能的需求来确定发电。研究风电功率的波动特性，不论对改善风电预测精度还是克服风电接入对电网的不利影响都有重要意义。 对于问题1a，我们利用MATLAB软件做出了3日内的功率波动图，发现功率的波动曲线上下不断震荡，所以我们采用一段数据来进行分析（即从波谷到波峰再到波谷），利用MATLAB软件拟合工具箱中的dfittool对数据进行曲线拟合，并选出几种较为符合的概率分布，根据对数似然函数值的大小确定最佳的概率分布。 对于问题1b,利用MATLAB软件编程，将数据每天筛选出一个数据，利用SPSS软件对数据绘制P-P图，并与选出的最好的概率分布图作比较，求出其分布参数。 对于问题2，将数据每隔12个数据筛选出一个数据，并用问题1a的方法绘制曲线拟合和概率分布的比较，选出最好的概率分布，并计算每种分布下的数值特征。 对于问题3，首先利用MATLAB软件绘制出时间窗宽分别为5s和1min时的功率波动图，发现两者的概率的波动情况基本相同，分别计算两种情况下的信息波动率以及信息波动损失率，得出结论为两者的波动基本相同，但是时间窗宽为5s时会有局部信息损失。 对于问题4，我们筛选出时间窗宽为1min、5min、15min的数据，并利用MATLAB软件进行曲线拟合以及概率分布的拟合，并计算出每种概率分布下的特征值，用相同的方法求1min和5min时的信息波动率，计算得出信息波动损失率为0.27%。 对于问题5，采用灰色预测模型对数据进行预测。利用5min和15min的功率预测之后的功率走向，并分析方法的优缺点。 论文的创新之处有： 模型中利用MATLAB软件编程的方法进行数据的筛选，可以筛选出任意时间窗宽的数据。 关键词：风电机组；概率分布；功率预测；SPSS
风电功率预测系统功能要求规范
风电功率预测系统功能规范 （试行） 国家电网公司调度通信中心
目次 前言...................................................................... III 1范围. (1) 2术语和定义 (1) 3数据准备 (2) 4数据采集与处理 (3) 5风电功率预测 (5) 6统计分析 (6) 7界面要求 (7) 8安全防护要求 (8) 9系统输出接口 (8) 10性能要求 (9) 附录A 误差计算方法 (10)
前言 为了规范风电调度技术支持系统的研发、建设及应用，特制订风电功率预测系统功能规范。 本规范制订时参考了调度自动化系统相关国家标准、行业标准和国家电网公司企业标准。制订过程中多次召集国家电网公司科研和生产单位的专家共同讨论，广泛征求意见。 本规范规定了风电功率预测系统的功能，主要包括预测时间尺度、信息要求、功率预测、统计分析、界面要求、安全防护、接口要求及性能指标等。 本规范由国家电网公司国家电力调度通信中心提出并负责解释； 本规范主要起草单位：中国电力科学研究院、吉林省电力有限公司。 本规范主要起草人：刘纯、裴哲义、王勃、董存、石永刚、范国英、郭雷。
风电功率预测系统功能规范 1范围 1.1本规范规定了风电功率预测系统的功能，主要包括预测时间尺度、数据准备、数据采集与处理、功率预测、统计分析、界面要求、安全防护、接口要求及性能指标等。 1.2本规范用于指导电网调度机构和风电场的风电功率预测系统的研发、建设和应用管理。 本规定的适用于国家电网公司经营区域内的各级电网调度机构和风电场。 2术语和定义 2.1 风电场 Wind Farm 由一批风电机组或风电机组群组成的发电站。 2.2 数值天气预报 Numerical Weather Prediction 根据大气实际情况，在一定的初值和边值条件下，通过大型计算机作数值计算，求解描写天气演变过程的流体力学和热力学的方程组，预测未来一定时段的大气运动状态和天气现象的方法。 2.3 风电功率预测 Wind Power Forecasting 以风电场的历史功率、历史风速、地形地貌、数值天气预报、风电机组运行状态等数据建立风电场输出功率的预测模型，以风速、功率或数值天气预报数据作为模型的输入，结合风电场机组的设备状态及运行工况，得到风电场未来的输出功率；预测时间尺度包括短期预测和超短期预测。 2.4 短期风电功率预测 Short term Wind Power Forecasting 未来3天内的风电输出功率预测，时间分辨率不小于15min。 2.5 超短期风电功率预测 ultra-short term Wind Power Forecasting 0h~4h的风电输出功率预测，时间分辨率不小于15min。
风力发电用储能系统的优化配置及其仿真研究
华中科技大学 硕士学位论文 风力发电用储能系统的优化配置及其仿真研究 姓名：张琳 申请学位级别：硕士 专业：电气工程 指导教师：唐跃进 2011-05
摘 要 随着环境压力不断增加，新能源发电技术得到了广泛的发展和应用，其中风力发电技术在近几年发展尤为迅速。但由于自然风具有波动性与间歇性的特点，使得风电场输出功率不稳定。随着电力系统中风电装机容量的不断增加，由并网风电场带来的危害不容忽视。超导磁储能装置具有快速的响应速度和四象限独立控制有功功率和无功功率输出的特性，能有效增强风电场稳定性，克服自然风波动带来的危害。蓄电池储能装置存储容量大，技术成熟且价格低廉，能够有效增强电力系统供电可靠性，克服自然风间歇性带来的危害。 本文主要对超导磁储能装置增强风电场稳定性、蓄电池储能装置增强风电场供电可靠性进行了研究，并运用遗传算法优化设计了蓄电池储能装置的容量。通过仿真分析验证了有效性。 论文首先研究了风电并网存在的主要问题及储能装置在风电场中的应用现状，分析了储能装置增强风电场稳定性和供电可靠性的原理。在此基础上搭建了超导磁储能装置和蓄电池储能装置的数学模型，并运用遗传算法，以经济性指标为目标函数，给出了以求解蓄电池装置容量的适应度函数。 最后，在Matlab平台下，搭建了含风电场的电力系统模型，仿真分析了超导磁储能装置对于抑制风电场并网瞬间功率波动、风电场输出功率波动和风电机组三相短路故障的作用。利用Matlab遗传算法工具箱，对蓄电池储能装置容量进行了优化配置，仿真分析验证了蓄电池在增强风电场供电可靠性和增加经济效益方面的作用。 关键词：风力发电超导磁储能蓄电池储能遗传算法
浅谈风电功率预测系统的必要性
浅谈风电功率预测系统的必要性 随着我国风电、光伏发电等新能源的发展，并网难的问题也逐渐显现。但由于电能的储存难题一直没能有效解决，新能源并网问题仍处于探索状态。由于新能源发电的间歇性、不稳定性，并网后对电网冲击巨大，因此，做好新能源发电的预测和调控是风电并网稳定运行和有效消纳的重要条件。 应对以上问题，国能日新研发了SPWF-3000风电功率预测系统。该系统具有高精度数值天气预报功能、风电信号数值净化、高性能物理模型、网络化实时通信、通用风电信息数据接口等高科技模块；可以准确预报风电场未来168小时功率变化曲线。风电功率预测系统短期预测精度超过80%，超短期预测精度超过90%。使风电场可以向电网公司提供准确的天发电功率，电网调度可以有效利用风电资源，提高风电发电上网小时数。并且由于对未来一段时间的发电功率有所了解，电网调度也可以合理的安排个风电场的发电情况，防止由于天气变化引起电场出力的突然增大或减小对电网造成的损失。 在欧洲发达国家，电网公司会优先购买预测准确的风电场电力，限制预测不准的风电场电量或采取处罚措施。而在我国，由于风电发展迅速，历史数据少，风电场地形复杂，气候类型多样。国外已有统计预测方法无法全面满足国内风电预测的要求。而国能日新风功率预测产品采用多元化智能自适应数据建模。建立优化的物理模型与人工智能模型相结合的功率预测双模型。短期预测精度超过80%，超短期预测精度超过90%。风电场可以根据预测结果以及调度的指令，合理的安排风电场运行，增加发电量。 因此，风电功率预测无论对风电场还是电网来说都是很有必要的。在为风电场增加发电量的同时，还减小了对电网的冲击。而功率预测最重要的就是精确度，高精度的功率预测可以起到很大的正面作用，而如果预测精度不够也会造成很多不必要的损失。国能日新风电功率预测系统以高精度的测量目标要求自己，为用户提供高精确度的预测结果。
20140325006基于储能需求最小的风电场短时功率波动平抑指标制定方法
第 卷 第 期 Vol. No. 年 月 日 , — 1 — 基于储能需求最小的风电场短时功率波动平抑指标制定方法 摘要: 本文提出了一种基于储能需求最小的风电场短时功率波动平抑指标的制定方法。首先，基于实测风速数据，对风电功率短时波动对电力系统频率偏差的影响进行了仿真分析。然后基于已有的波动平抑控制算法对风电功率进行平抑，并仿真分析了不同时间尺度上的平抑控制和不同大小的平抑指标对系统频率控制的改善效果，以及对储能容量和功率的需求。基于以上系统层面的仿真分析，提出了一种在满足系统频率偏差指标前提下储能需求最小的风电场短时功率波动平抑指标制定方法，并考虑了系统不同负荷时段内风电渗透率的不同，以及电源配置方式的不同。 关键词: 风电; 功率波动; 平抑指标; 储能; 需求评估 0 引言 近年来，风力发电作为一种清洁的可再生能源发电在世界范围内得到迅速的发展。然而，随着风电渗透率的不断提高，其短时功率波动对电力系统爬坡和备用容量的需求也日益增大，并将影响系统的区域控制、频率控制与系统安全[1]。因此，包括我国在内的一些国家的电力公司已经或将要出台针对并网风电场短时功率波动的限制指标[2]-[5]。 德国E.ON 电力公司和美国ERCOT 电力公司提出每1分钟内风电的最大功率波动不能超过其额定功率的10%。而爱尔兰ESBNG 电力公司提出每1分钟内的最大功率波动不能超过其额定功率的8%。日本东北电力公司提出每1分钟的最大功率波动不超过风电场额定功率的2%。我国依据风电场的容量大小提出不同的功率波动限制指标：对于小于容量为30MW 的风电场，每1分钟的最大功率波动不超过3MW ；对于30~150MW 的风电场，每1分钟的最大功率波动不超过额定容量的10%；对于150MW 以上的风电场，每1分钟的最大功率波动不超过15MW 。 随着电池储能、超级电容储能、超导磁储能以及飞轮储能等新型储能技术在近年来的快速发展，使用储能系统（Energy Storage System ，ESS ）对风电功率波动进行平抑成为研究的热点。相比于改进风力发电机控制的功率平抑方法[6][7]，储能系统调节能力更强，控制更加灵活，且不需要牺牲风能捕获效率，更适用于已并网发电的风电场。文献[8]采用一阶滤波控制液流电池储能系统对风电场的功率波动进行平抑，并加入储能能量状态（State of Charge ，SOC ） 。 反馈控制，有效地将储能系统的SOC 控制在安全的范围之内。文献[9]采用卡尔曼滤波控制锂电池储能系统对风电波动进行平抑，并在卡尔曼滤波环节之后，加入两个基于复杂逻辑的反馈控制，依据储能系统的充放电功率和能量状态对卡尔曼滤波的控制参数进行实时调整。文献[10]采用滑动平均滤波方法控制超级电容器和蓄电池分别对时间尺度较短和较长的风电功率进行平抑，并依据储能系统的SOC 实时调整滑动平均算法的窗口宽度以及补偿系数，避免储能系统的过充过放。 上述研究的重点均放在波动平抑控制算法和储能的能量管理方面，并未将电力系统提出的基于时间尺度的波动限制指标作为控制的目标。在作者的前期工作[11]-[15]中，分别采用了基于变时间常数实时优化的一阶滤波控制、模型预测滚动优化控制以及实时小波滤波控制对风电功率进行平抑，在满足两个时间尺度的功率波动平抑指标的同时，减少了储能容量的使用。但是，其针对的是示范工程项目提出的特定的功率波动平抑指标，例如每1分钟最大功率波动不得超过风电额定功率的2%，每30分钟不得超过7%，并未对该指标制定的合理性，以及指标的完成对系统运行控制的影响进行深入研究和分析。而在实际电力系统中，风电功率短时波动对系统频率的影响与该系统的电源配置、控制方式以及风电渗透率有密切的关系。即使对于特定的系统，在不同的负荷时段，风电的渗透率并不相同，其功率波动对系统的影响也需要分析研究。 本文将从电力系统频率仿真出发，分析风电功率波动对不同负荷时段系统频率控制的影响，并考虑不同的电源配置方式。然后，将分析不同时间尺度的平
风力发电引起的电压波动和闪变
风力发电引起的电压波动和闪变 孙涛1，王伟胜1，戴慧珠1，杨以涵2 （1．中国电力科学研究院，北京 100085；2．华北电力大学电力工程系，北京 102206） 摘要：并网风电机组在持续运行和切换操作过程中都会产生电压波动和闪变，对当地电网的电能质量有不良影响。从并网风电机组输出的功率波动出发，分析了风力发电引起电压波动和闪变的主要原因。介绍了关于并网风电机组电能质量的国际电工标准IEC 61400-21，给出了风电机组在持续运行与切换操作期间引起的闪变值和相对电压变动的计算公式。然后综述了有关风力发电引起的电压波动和闪变的计算方法和影响因素等方面的研究成果，最后展望了未来的 研究方向和研究重点。 关键词：风力发电；电能质量；电压波动；闪变 1 引言 随着越来越多的风电机组并网运行，风力发电对电网电能质量的影响引起了广泛关注。风资源的不确定性和风电机组本身的运行特性使风电机组的输出功率是波动的，可能影响电网的电能质量，如电压偏差、电压波动和闪变、谐波等。电压波动和闪变是风力发电对电网电能质量的主要负面影响之一。电压波动的危害表现在照明灯光闪烁、电视机画面质量下降、电动机转速不均匀和影响电子仪器、计算机、自动控制设备的正常工况等[1，2]。 电压波动为一系列电压变动或工频电压包络线的周期性变化。闪变是人对灯光照度波动的主观视感。人对照度波动的最大觉察频率范围为0.05~35Hz，其中闪变敏感的频率范围约为6~12Hz[1]。衡量闪变的指标有短时间闪变值P st和长时间闪变值P l t。短时间闪变值是衡量短时间（若干分钟）内闪变强弱的一个统计量值。短时间闪变值的计算不仅要考虑电压波动造成的白炽灯照度变化，还要考虑到人的眼和脑对白炽灯照度波动的视感。长时间闪变值由短时间闪变值推出，反映长时间（若干小时）闪变强弱的量值。 本文从并网风电机组输出的功率波动着手，分析了风力发电引起电压波动和闪变的主要原因，并介绍了关于并网风电机组电能质量的国际电工标准IEC 61400-21[3]，总结了风力发电引起的电压波动和闪变的计算方法和影响因素，最后对未来的研究方向和研究重点进行了展望。 2机理分析 风力发电引起电压波动和闪变的根本原因是并网风电机组输出功率的波动，下面将分析并网风电机组输出功率波动引起电压波动和闪变的机理[4]。 图1为风电机组并网示意图，其中?为风电机组出口电压相量，为电 网电压相量，R 1、X 1 分别为线路电阻和电抗，分别为线路上流动的有功电 流和无功电流相量。一般而言，有功电流要远大于无功电流。
风电功率预测问题3
关于实时预测风电机组功率的研究 摘要 能源、环境是当今人类生存和发展所要解决的紧迫问题。风力发电由于清洁无污染，施工周期短，投资灵活，占地少，具有较好的经济效益和社会效益， 己受到世界各国政府的高度重视，成为当今世界增长最快的可再生能源，许多国家已把发展风力发电作为改善能源结构、减少环境污染和保护生态环境的一种措施。 电力系统调度部门必要时及时调整调度计划，这样便可有效的减轻风电对整个电网的影响。所以，风速和风力发电功率的准确预测对于负荷管理和系统运行便显得十分重要，而且还可以减少电力系统运行成本和旋转备用，提高风电穿透功率极限，并且有利于在电力市场环境下正确制定电能交换计划，以充分利用风力资源，获得更多的经济效益和社会效益。 本文针对风电功率的预测问题进行了一系列的研究建模。对于风电功率的预测建立了三种不同的模型，然后将其进行误差分析，得出误差最小的人工神经网络模型，并对模型进行进一步的探讨，得出更高精度的模型。同时，也将单台风电机的输出功率的预测数据与多台风电机的输出功率预测数据进行比较。得出了相关规律。 对于问题一，我们利用ARIMA模型、灰色模型和人工神经网络模型对风电功率进行了实时预测，并将预测数据与事先准备好的实际数据进行比较，然后分析误差，得出了人工神经网络模型为最优模型的结论。对于ARIMA模型我们主要采用SPSS软件对数据进行预处理，然后建立。而灰色模型主要利用EXCEL软件。至于人工神经网络模型主要利用的MATLAB软件进行模型的建立。最后利用最小二乘法原理，预测数据并将数据进行拟合修正。分析误差，得出结论及相应的预测数据。 对于问题二，我们将但台风电机的预测数据与多台风电机的预测数据进行比较，得出多台风电机输出功率并不是单台风电机的输出功率单纯的叠加，而需要利用加权算法进行运算得出总功率，并进行修正，才能得出精度较高的结果。 对于问题三，我们在问题一的得出人工神经网络模型的精度最高，根据此启示，我们再次利用MATLAB建立了小波神经网络模型，然后对数据进行预测，拟合修正，得出最优解。 关键词：风电功率最小二乘法数据拟合 Matlab 人工神经网络模型 §1 问题的重述
风电功率预测的发展成就与展望
风电功率预测的发展现状与展望 范高锋，裴哲义，辛耀中 （国家电力调度通信中心，北京100031） 摘要：风电场输出功率预测对接入大量风电的电力系统运行有重要意义。本文从电力调度运行的角度，在风电功率预测技术的发展现状、系统建设情况、预测误差、预测评价指标和预测的主体等方面展开了论述，对目前存在的基础数据不完善、预测精度不高、预测的时间尺度较短和风电场普遍没有开展预测的问题进行了分析，提出了加强电网侧和风电场侧风电功率预测系统建设、加快超短期预测功能建设、继续深化预测技术研究、加强标准体系建设和开展跨行业合作等发展建议。 关键词:风电场；功率；预测；系统 中图分类号：TM614 文献标志码：A 文章编号： Wind power prediction achievement and prospect FAN Gao-feng , PEI Zhe-yi , XIN Yao-zhong (National Power Dispatching& Communication Center，Beijing 100031) Abstract: Wind power prediction is important to the operation of power system with comparatively large mount of wind power. This paper summarized the current situation of wind power prediction technology, wind power prediction system construction, prediction error, assessment index, and main market body of prediction from the power dispatch perspective. The main problems includes basic data incomplete, prediction precision relatively low, prediction time scale short and wind farm no wind power system are analyzed. Suggestions of enforcing grid side and wind farm side wind power prediction system construction, speeding up ultra-short term wind power prediction system construction, deepening wind power prediction technology study, strengthening prediction technical standard system and cooperation of different industry are proposed. Keywords: wind farm; power; prediction; system 0引言 电力系统是一个复杂的动态系统。维持发电、输电、用电之间的功率平衡是电网的责任。在没有风电的电力系统，电网调度机构根据日负荷曲线可以制定发电计划，以满足次日的电力需求。风电场输出功率具有波动性和间歇性，风电的大规模接入导致发电计划制定难度大大增加，风电对电力系统的调度运行带来巨大挑战。 目前风电对全网的电力平衡已经带来很大的影响[1-3]。对风电场输出功率进行预测是缓解电力系统调峰、调频压力，提高风电接纳能力的有效手段之一。同时，风电功率预测还可以指导风电场的检修计划，提高风能利用率，提高风电场的经济效益。经过多年的科研攻关与技术创新，我国具有自主知识产权的风电功率预测系统已在电力调度机构获得了广泛应用，12个网省调建立了预测系统，覆盖容量超过12GW，在电网调度运行中发挥了一定作用。本文对近年来风电功率预测方面完成的工作进行了总结，对存在的问题进行了论述，并提出了下一步的发展建议。 1 风电功率预测发展现状 1.1 风电功率预测技术的发展情况 电网调度部门对风电功率预测的基本要求有2个：一是短期预测，即当天预测次日0时起72h的风电场输出功率，时间分辨率为15 min，用于系统发电计划安排；另一个是超短期预测，即实现提前量为0~4h的滚动预测，用于电力系统实时调度[4]。 风电功率预测方法主要分为统计方法、物理方法[5-6]。统计方法是指不考虑风速变化的物理过程，而根据历史统计数据找出天气状况与风电场出力的关系，然后根据实测数据和数值天气预报数据对风电场输出功率进行预测，常用的预测模型有时间序列、神经网络、支持向量机等。物理方法是指风电功率预测的物理方法根据数值天气预报模式的风速、风向、气压、气温等气象要素预报值以及风电场周围等高线、粗糙度、障碍物等信息，采用微观气象学理论或计算流体力学的方法，计算得到风电
风电功率波动特性分析
龙源期刊网 https://www.sodocs.net/doc/d113130347.html, 风电功率波动特性分析 作者：张晴露何天舒 来源：《中国高新技术企业》2015年第01期 摘要：文章通过频率频数的直方图进行初步估计，再通过dfittool工具箱进行确认和验证，最终得出指数分布最适合风电功率波动的分布。通过样本总体的均值和方差估计概率分布的参数，并用概率密度函数图和频率分布直方图对不同时间间隔、不同机组、每天或者一个月的概率分布之间的关系进行分析。最终得知，各个机组在以每日为时间窗宽，每天的平均风电功率大致相同，而方差除了一些特殊的点还有这个月的最后几天外，也是大致相同。 关键词：matlab工具箱；分布拟合；回归分析；ARMA模型；平稳时间序列文献标识码：A 中图分类号：TM76 文章编号：1009-2374（2015）01-0025-02 DOI：10.13535/https://www.sodocs.net/doc/d113130347.html,ki.11-4406/n.2015.0013 1 问题描述 本题研究的是风电功率的波动性问题，当前世界各国资源环境约束的日趋严苛，以化石能源为主的能源发展模式必须向绿色可再生能源转变。风电机组发出的功率主要与风速有关。由于风的不确定性、间歇性以及风电场内各机组间尾流的影响，使得风力发电在满足用电需求方面的确定性不如常规发电。 大规模风电基地通常需接入电网来实现风电功率的传输与消纳。风电功率的随机波动是对电网不利的主要因素。研究风电功率的波动特性，对改善风电预测精度、克服风电接入对电网的不利影响有重要意义。 风电场通常有几十台甚至上百台风电机组。大型风电基地由数十甚至上百个风电场组成。因此，风电功率的波动有很强的时空差异性。 在此我们需要研究风电功率的概率分布等一系列信息并以此对未来风电的功率进行预测，希望得到风力发电机发电功率的一般性结论。 2 模型建立与求解 首先我们要研究风电机发电功率的概率分布。对于概率分布拟合，可以在matlab软件中 用dfittool来解决。我们随机选择了五台电机作为观测对象。
风电功率波动平抑效能与储能容量之间关系的分析
2009年中国电机工程学会年会 风电功率波动平抑效能与储能容量之间关系的分析 研究 宇航，张真卿，苑田芬，黄亚峰 （东北电力大学，吉林吉林 132012） The relationships between the efficiency of stabilizing wind power fluctuations and capacity of storage system YU Hang,ZHANG Zhenqing,YUAN Tianfen,HUANG Yanfeng (Northeast Dianli University,Jilin 132012,JilinProvince,China) abstract: This paper takes the relationships between the efficiency of stabilizing wind power fluctuations and capacity of storage system as research objectives while proposing the methods of stabilizing wind power fluctuations and the algorithms of calculating the storage system capacity based on the principles of low-pass filter.Then simulating the process of stabilizing power fluctuations based on the output power data. The simulation results show that stabilizing the short-tem fluctuations in minutes level could reduce the change rate of wind farm output power and the needed storage capacity is smaller, while stabilizing the mid-tem or long-tem fluctuations in hours level could make the waves of output power more stably but the increase amplitude of the needed storage capacity is larger. keywords：storage system；wind power fluctuations；low-pass fliter 摘 要：本文以风电功率波动平抑效能与储能容量之间的关系为研究目标，提出了基于低通滤波原理的风电功率波动储能平抑方法及满足平抑过程能量需求的储能容量算法，根据风电场实际输出功率数据对功率波动平抑过程进行仿真。研究结果表明，滤除风电功率的分钟级短期波动，可明显减小风电场输出功率的变化率，而且所需的储能容量较小，滤除风电功率的小时级甚至一天的中、长期波动，虽然可以使风电场输出功率更加平稳，但所需储能容量增幅很大。 关键字：储能；风功率波动；低通滤波 0 引言 随着能源和环境问题的日益突出，作为一种新型的可再生能源，风力发电具有环境友好、技术成熟、全球可行的特点，越来越受到人们的重视。近年来我国风电得到较快发展，截止到2008年底，装机容量达到892万千瓦，预计在2020年，我国风电累计装机可以达到1亿千瓦。 风电机组输出功率取决于风速，具有不可预期性和波动性。当电网所接纳的风电容量超过一定份额时，风电功率波动将增加电网运行调整负担[1]，因此，对于大型风电场往往需要限制其输出功率的波动，如中华人民共和国国家标准化指导性文件GB/Z 19963-2005中对风电场输出功率变化率作出了明确的规定[2]。 在风电场出口处安装储能系统是减小风电场输出功率变化率的理想途径[3-4]，当储能系统容量足够大时，可以利用储能系统对风电功率波动进行有效调控，使风电场成为可调度电源。然而，由于储能系统成本往往比较昂贵，实际上只能利用有限容量的储能系统来优化风电场的功率输出，风电场输出功率的可控程度与所配置的储能容量密切相关。因此，分析风电功率波动平抑效能与储能容量之间的关系是风电控制领域前沿的研究课题之一。 本文提出了一种利用储能系统抑制风电功率变化率的方法以及满足平抑过程能量需求的储能容量算法，以某额定容量为50MW的风电场为例，根据其实际输出功率数据对功率波动平抑过程进行仿真，验证该平抑方法的有效性，分析风电功率波动平抑效能与储能容量之间的关系，为风电场通过配置储能系统平抑风电功率波动提供有效的参考。 1 基于低通滤波原理的风电功率波动储能平抑方法 应用储能系统平抑风电功率波动的原理如图1
风电功率预测问题
第一页 答卷编号：论文题目： 指导教师： 参赛学校： 报名序号： 证书邮寄地址： （学校统一组织的请填写负责人） 第二页 答卷编号：
风功率预测问题设计 摘要 未来风力发电可能成为和太阳能比肩的新能源行业。随着全球经济的发展和人口的增长，人类正面临着能源利用和环境保护两方面的压力。一方面煤炭、石油和天然气等化石燃料的储量由于大量开采而日益减少：另一方面是大量使用化石燃料对自然环境产生了严重的污染和破坏。这两方面的问题已经引起世界各国政府和人民的高度重视，并在积极寻求一条可持续发展的能源道路，以风能首当其冲。风速的随机性，给，和风电场的功率输Hj带来很大的困难。本文旨在研究分电功率在一段时间的变化规律，本文组建三个模型来解决风电功率的预测问题通过对历史数据的分析，挖掘5月31号到6月6日风电功率的变化趋势，以便直观的检验模型与实际数据是否相吻合。 在问题一中考虑天气变化的随机性，分析不同时间点的数据，将Pa,Pb,Pc,Pd,P58表中5月30日第81时间点到96时间点的数据提取出来运用灰色理论作为预测2006年5月31日开始前四个小时内的16个时间点的数据预。同理以表中已给出的5月31日1-16时间点的数据预测出17-32时间的数据，然后运用此模型得出时间范围a,b内各时间点的风电功率。然后可与题目中以给的数据相比较得出误差。第二种预测方法运用指数平滑模型得出时间范围a,b内各时间点的风电功率。第三种预测方法运用移动平均模型，预测出时间范围a,b内各时间点的风电功率。通过三种预测方法的误差分析我们推荐指数平滑预测法。 在问题二中，通过比较分析问题一的预测结果，比较单台风电机组功率（P A ，P B ，P C ， P D ）的相对预测误差与多机总功率（P 4 ，P 58 ）预测的相对误差，得出风电机组的汇聚程 度越高，对于预测风电功率结果误差影响越小。 在问题三中，选用了BP神经网络的预测方法，加入了更多的自变量，使得预测结果更精确。 （关键词：风速的随机性，风速的预测，风电功率数值，灰色理论，指数平滑模型，移动平均模）
风电功率预测系统功能规范
风电功率预测系统功能规范（试行） 前言 为了规范风电调度技术支持系统的研发、建设及应用，特制订风电功率预测系统功能规范。本规范制订时参考了调度自动化系统相关国家标准、行业标准和国家电网公司企业标准。制订过程中多次召集国家电网公司科研和生产单位的专家共同讨论，广泛征求意见。本规范规定了风电功率预测系统的功能，主要包括预测时间尺度、信息要求、功率预测、统计分析、界面要求、安全防护、接口要求及性能指标等。本规范由国家电网公司国家电力调度通信中心提出并负责解释；本规范主要起草单位：中国电力科学研究院、吉林省电力有限公司。本规范主要起草人：刘纯、裴哲义、王勃、董存、石永刚、范国英、郭雷。 1范围 1.1本规范规定了风电功率预测系统的功能，主要包括预测时间尺度、数据准备、数据采集与处理、功率预测、统计分析、界面要求、安全防护、接口要求及性能指标等。 1.2本规范用于指导电网调度机构和风电场的风电功率预测系统的研发、建设和应用管理。本规定的适用于国家电网公司经营区域内的各级电网调度机构和风电场。 2术语和定义 2.1风电场Wind Farm由一批风电机组或风电机组群组成的发电站。 2.2数值天气预报Numerical Weather Prediction根据大气实际情况，
在一定的初值和边值条件下，通过大型计算机作数值计算，求解描写天气演变过程的流体力学和热力学的方程组，预测未来一定时段的大气运动状态和天气现象的方法。 2.3风电功率预测Wind Power Forecasting以风电场的历史功率、历史风速、地形地貌、数值天气预报、风电机组运行状态等数据建立风电场输出功率的预测模型，以风速、功率或数值天气预报数据作为模型的输入，结合风电场机组的设备状态及运行工况，得到风电场未来的输出功率；预测时间尺度包括短期预测和超短期预测。 2.4短期风电功率预测Short term Wind Power Forecasting未来3天内的风电输出功率预测，时间分辨率不小于15min。 2.5超短期风电功率预测ultra-short term Wind Power Forecasting 0h~4h的风电输出功率预测，时间分辨率不小于15min。 3数据准备 风电功率预测系统建模使用的数据应包括风电场历史功率数据、历史测风塔数据、历史数值天气预报、风电机组信息、风电机组及风电场运行状态、地形地貌等数据。 3.1风电场历史功率数据风电场的历史功率数据应不少于1a，时间分辨率应不小于5min。 3.2历史测风塔数据a）测风塔位置应在风电场5km范围内；b）应至少包括10m、70m及以上高程的风速和风向以及气温、气压等信息；c）数据的时间分辨率应不小于10min。 3.3历史数值天气预报历史数值天气预报数据应与历史功率数据相
风电功率波动性的分析
承诺书 我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。 我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： B 我们的参赛报名号为（如果赛区设置报名号的话）： 所属学校（请填写完整的全名）：东北电力大学 参赛队员(打印并签名) ：1. 张盛梅 2. 齐天利 3. 孔晖 指导教师或指导教师组负责人(打印并签名)：张杰 日期2014 年 8 月 20日赛区评阅编号（由赛区组委会评阅前进行编号）：
编号专用页 赛区评阅编号（由赛区组委会评阅前进行编号）： 全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进行编号）：
风电功率波动性的分析 摘要 风电机组的发电功率主要与风速有关，由于风的不确定性、间歇性以及风电场内各机组间尾流的影响，使得风力发电机不能像常规发电机组那样根据对电能的需求来确定发电。研究风电功率的波动特性，不论对改善风电预测精度还是克服风电接入对电网的不利影响都有重要意义。 对于问题1a，我们利用MATLAB软件做出了3日内的功率波动图，发现功率的波动曲线上下不断震荡，所以我们采用一段数据来进行分析（即从波谷到波峰再到波谷），利用MATLAB软件拟合工具箱中的dfittool对数据进行曲线拟合，并选出几种较为符合的概率分布，根据对数似然函数值的大小确定最佳的概率分布。 对于问题1b,利用MATLAB软件编程，将数据每天筛选出一个数据，利用SPSS软件对数据绘制P-P图，并与选出的最好的概率分布图作比较，求出其分布参数。 对于问题2，将数据每隔12个数据筛选出一个数据，并用问题1a的方法绘制曲线拟合和概率分布的比较，选出最好的概率分布，并计算每种分布下的数值特征。 对于问题3，首先利用MATLAB软件绘制出时间窗宽分别为5s和1min时的功率波动图，发现两者的概率的波动情况基本相同，分别计算两种情况下的信息波动率以及信息波动损失率，得出结论为两者的波动基本相同，但是时间窗宽为5s时会有局部信息损失。 对于问题4，我们筛选出时间窗宽为1min、5min、15min的数据，并利用MATLAB软件进行曲线拟合以及概率分布的拟合，并计算出每种概率分布下的特征值，用相同的方法求1min和5min时的信息波动率，计算得出信息波动损失率为0.27%。 对于问题5，采用灰色预测模型对数据进行预测。利用5min和15min的功率预测之后的功率走向，并分析方法的优缺点。 论文的创新之处有： 模型中利用MATLAB软件编程的方法进行数据的筛选，可以筛选出任意时间窗宽的数据。 关键词：风电机组；概率分布；功率预测；SPSS
基于一阶低通滤波器平滑风电功率波动仿真分析
基于一阶低通滤波器平滑风电功率波动仿真 分析 中国电力科学研究院 2011年8月
目录 引言 (2) 1.研究背景 (3) 2.研究目的 (4) 3.研究意义 (5) 4.基本原理 (5) 5.仿真实验 (8) 5.1仿真程序代码 (8) 5.2 Simulink框图 (10) 5.3实验结果及分析 (10)
引言 煤炭、石油和天然气等化石燃料的蕴藏量是有限的，人类赖以生存和发展的能源总有一天会枯竭，并且不断增长的能源消耗所造成的环境污染和安全问题已经成为社会的主要矛盾。无论从人类将来的能源危机，或是眼前的环境污染问题来看，研究开发风力发电技术都具有十分重要的意义，而且，地球上蕴藏的风力资源也十分丰富，具有广阔的开发前景。大规模储能与大容量风力发电系统的结合是可再生能源发展的必要趋势。借助储能装置来抑制风电系统固有的波动，使风电这种间歇性、波动性很强的可再生能源变得“可控、可调”，使电网对这种最接近规模化发展的能源调度变为可能。 我国河北省张北地区风资源极为丰富，具备典型代表性，国家电网风光储示范工程就位于该地区。以张北风电场为研究对象，分析该系统的工作原理，并在此基础上采用一阶低通滤波器的储能系统优化控制策略，该控制策略可实现风电机组功率波动的平滑控制，从而优化配置储能系统容量。仿真结果验证了该控制策略的对风电功率波动的平滑性控制。
1.研究背景 我国幅员辽阔，海岸线长，风能资源比较丰富。根据全国900多个气象站将陆地离地面10m高度资料进行分析，全国平均风密度为100W/m2,风能资源总储量约32.26亿kW，可开发和利用的陆地上风能储量有2.53亿kW，近海可开发和利用的风能储量有7.5亿kW，共计约10亿kW。如果陆上风电年上网电量按等效满负荷2000小时计，每年可提供5000亿千瓦时电量，海上风电年上网电量按等效满负荷2500小时计，每年可提供1.8万亿千瓦时电量，合计2.3万亿千瓦时电量。中国风能资源丰富，开发潜力巨大，必将成为未来能源结构中一个重要的组成部分。 张北地区的中节能风电场位于张北县西部的大河乡，西部紧邻尚义县，坐标间于东经114°21′～114°27′、北纬40°59′～41°07′之间，风电场海拔高度1500～1780m之间，如图1所示。所在地区属东亚大陆性季风气候中温带亚干旱区，年平均大风日数63.3天，其中春季所占比例最大，有着丰富的风力资源，非常适合开发风力发电场。所在地区属东亚大陆性季风气候中温带亚干旱区，年平均大风日数63.3天，其中春季所占比例最大，有着丰富的风力资源，非常适合开发风力发电场。一号出线接有33台1.5MW双馈机组，共计49.5MW，后又增加49.5MW风电机组，共计99MW；二号出线接有94.5MW风电机组。 图1 张北风电场地理位置
风电储能容量优化计算
大型并网风电场储能容量优化方案 2012-08-17 00:00 原文链接 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[1 5]。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 poi nt 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。