怎样计算新能源消纳？测试风力发电机械储能装置，进行二次控制

前言

风力发电储能装置容易受到充放电功率不稳定的影响，导致储能装置储能越限，该文提出风力发电储能装置控制方法。设计风力发电储能装置的改进2阶RC模型，在该模型中通过控制电压源与固定电容的串联，保证储能装置的稳定性。

以改进2阶RC模型为基础，利用IGA-ANFIS算法设计风电功率超短期预测模型，结合超短期预测结果和实际2阶RC模型荷电状态计算功率。根据功率计算结果调整不同区域的充放电功率，实现风力发电储能装置控制。

实验结果表明，该方法并网功率指标的MAE、RMSE降幅很大，均在0.1 kW上下浮动，荷电状态较好，能够有效避免储能越限问题。

储能装置控制

1.1储能装置2阶RC模型的参数改进

设计风力发电储能装置的改进2阶RC模型，在改进2阶RC模型中，通过控制电压源与固定电容的串联，保证风力发电储能装置的稳定性。

改进的2阶RC模型由3个支路构成，第一个支路是自放电电路，该电路的电阻为Rc。具体计算公式如下：

式中：E1表示储能装置额定电压；Iα表示漏电流。

第二个支路是电压自调整支路，该电路主要包含电阻Ra和电容D1，能够对电压状态进行调整。电阻Ra的计算公式具体如下：式中：χ1表示时间常数。

电容D1的计算公式如下：式中：D2表示第三个支路的固定电容；D（s）表示储能装置端电压函数。

第三个支路是瞬时支路，该电路主要包含了电压自动化与仪表源U1（f）、固定电容D2、等效内阻Rb，主要用于对充放电时风力发电储能装置的外部特性进行描述。

电压源U1（f）主要考虑了储能装置端电压对于电容值的影响，其表达式如下：

式中：Ua表示U1（f）与D2的串联电压；s表示储能装置端电压。

当恒流充电时，固定电容D2满足以下公式：式中：T表示固定电容D2的带电量；Uc表示固定电容D2的电压；I1表示固定电容D2的电流。

等效内阻Rb的计算公式具体如下：式中：ΔG表示充电瞬时电压突变值；Iβ表示充电电流。

就此完成风力发电储能装置充放电模型的构建，并根据构建模型实施风电功率超短期预测。

1.2风电功率超短期预测

基于IGA-ANFIS算法设计风电功率超短期预测模型，得到风电功率超短期预测结果，具体实现步骤如下：

（1）通过主成分分析对发电机数据进行降维处理，降低数据冗余度，提升模型计算速度，并避免发生过拟合情况；

（2）通过集合经验模态分解方法对降维后数据实施频域分解，降低数据的非平稳性，具体步骤如下：

步骤1：叠加白噪声序列（服从正态分布）与初始风电信号，构建一个新序列，用X（f）表示；

步骤2：求取X（f）的所有极值点，利用Spline插值方式获取X（f）的上曲线与下曲线，结果分别用K1（f）与K2（f）表示；

步骤3：令下式成立：

式中g1（f成立 ：g1（f）表示多个尺度本征模态函数分量。当不满足上式，重新执行上一个步骤，直到上式通过满足条件的g1（f）计算剩余分量，具体如下式：

m1（f）=X（f）-g1（f）（8）

步骤4：重复上述步骤对信号m1（f）进行分解处理，直至信号不能够进一步被分解，获取分解后的信号，具体如下式：

式中：gj（f）表示经过j次分解后所得到的信号；δ表示分级总次数；mj（f）表示经过j次重构后的信号。重复执行以上步骤，以此获取IMF分量，并计算其均值，将其作为初始风电信号对应的IMF分量。

通过IGA-ANFIS算法搭建构成风电功率超短期预测模型，该算法结合了改进遗传算法（IGA）和模糊推理系统（ANFIS），使预测模型能够更好地实现样本特征适应，预测模型具体如下式：式中：Qq，j（v）表示v时刻第j个预测结果。

1.3储能装置控制

分析功率变化对风力发电储能装置充放电功率的影响，根据超短期预测结果和实际2阶RC模型荷电状态计算功率。结合功率计算结果调整SOC合理区域、预过充区域、预过放区域、过充区域以及过放区域的充放电功率，实现风力发电储能装置控制。

功率计算公式如下：

N=Pi-Pj-Pk（11）

式中：Pi表示全网负荷功率；Pj表示风力发电机2阶RC出力；Pk表示预测接入功率。

基于功率情况，对SOC合理区域内的新能源进行充分消纳，对其按照实际功率实施充放电，进行调整，其功率情况具体如下式：

式中：Na（z）表示调整后储能装置的功率；NA（z）表示储能装置原始功率；NAmin表示储能装置的最小功率；NAmax表示储能装置的最大功率。

对于预过充区域，为使新能源能够被充分消纳，以实际荷电状态和功率计算结果为依据，不调整其放电功率，但需要限制其充电功率。选用功率限制函数对充电功率进行降低。调整后其功率情况具体如下式：

式中：ζ（NA（z））表示Na（z）的功率限制函数。

对于预过放区域，由于该区域的SOC水平较低，为使新能源能够被充分消纳，以实际荷电状态和功率计算结果为基础设置放电功率调整策略。调整后其功率情况具体如下式：

对于过充区域，为使新能源能够被充分消纳，结合新能源功率对于该区域功率变化进行调整，这一过程中功率情况具体如下式：

对于过放区域，为使新能源能够被充分消纳，以实际荷电状态和新能源功率计算结果为依据对正常功率实施充电，而不进行放电。调整后其功率情况具体如下式：

通过以上控制策略实现风力发电储能装置各区域的控制。

算例分析

2.1实验方法设计

选取某风电场某日的600个样本点，对设计的计及新能源消纳的风力发电储能装置控制方法的应用效果进行分析。根据样本点数据构建该日储能装置充放电模型，通过设计的预测模型实施该风力发电功率超短期预测。实验所用风力发电储能装置如图所示。

实验所用风力发电储能装置

气压：贡献率：3.62；特征值：0.3587。

由于湿度、风向、温度、风速的贡献率都大于10%，选取这4个变量当做后续预测模型的输入。通过EEMD对降维处理后的数据实施频域分解，其中风速的分解情况如图所示。

EEMD风速分解结果

其中a是原始风速信号，（b）、（c）、（d）表示3个IMF信号，（e）是剩余分自动化与仪表量。说明利用本文方法能够将信号分解为多个不同的分量，分解效果好。

根据湿度、风向、温度、风速的EEMD分解结果，通过IGA-ANFIS算法对风电功率进行预测，预测结果如图3所示，预测周期为24 h。

预测结果

最后利用设计的储能装置控制策略调整其5个区域的充放电功率，实现风力发电储能装置控制。

2.2测试结果分析

测试指标为实际并网功率的MAE、RMSE降低情况以及储能装置的越限时间。

2.2.1实际并网功率指标的MAE、RMSE降低情况

首先测试3种方法相较于不进行控制也就是普通运行情况的并网功率指标的MAE、RMSE降低情况。具体测试情况如图所示。

实际并网功率指标测试结果

根据上图的测试结果可知，相较于普通运行情况，所提方法并网功率指标的MAE、RMSE降幅最大，降幅值均在0.1 kW上下浮动。

2.2.2越限时间测试情况

测试3种方法的在24 h内的越限时间，测试结果如表所示。

越限时间测试结果表

测试结果表明，所提方法能够有效避免风力发电储能装置的储能越限，在采样点数量不断增长的情况下，其越限时间一直为0，越限时间比较长，说明所提方法有利于提升风力发电储能装置的工作年限，实际应用效果好。

结语

风力发电储能装置为风电并网质量的提高提供了一个契机，控制风力发电储能装置对于储能装置利用效率的提升有重大意义。

因此设计了一种计及新能源消纳的风力发电储能装置控制方法，实现了储能装置不越限自动化控制的同时，降低了并网功率指标，有效解决了当前方法存在的并网功率指标的MAE、RMSE降幅小，且储能越限问题严重的问题。

但是在实验中并未对该方法的风力发电储能装置控制效率进行验证，所以实验设计还存在一定的缺陷，因此下一步需要对该方法的风力发电储能装置控制效率进行检验，以此改善该方法存在的不足之处，最大程度提升风力发电储能装置控制效果。

参考文献：

[1]聂永辉，张丽丽，张立栋，等.一种基于VSG的风电机组与飞轮储能协调控制方法[J].太阳能学报，2021，42（8）：387-393.

[2]颜湘武，孙雪薇，崔森，等.基于转子动能与超级电容器储能的双馈风电机组惯量和一次调频改进控制策略[J].电工技术学报，2021，36（S1）：179-190.

[3]张利慧，李晓波，俎海东，等.风力发电机组滚动轴承故障振动诊断方法综述[J].内蒙古电力技术，2022，40（3）：7-12.

[4]张皓，段玉兵，姚金霞，等.水下机器人储能装置控制技术的研究[J].电气传动，2020，50（10）：91-95+112.

[5]颜湘武，崔森，宋子君，等.基于超级电容储能控制的双馈风电机组惯量与一次调频策略[J].电力系统自动化，2020，44（14）：111-120.

[6]刘会强，刘引弟.基于STATCOM-BESS有功无功控制的风电机组并网稳定性研究[J].电力电容器与无功补偿，2021，42（2）：22-28.

[7]李咸善，叶浪，程杉.基于混合储能系统的双馈风力发电系统直流电压控制策略[J].科学技术与工程，2021，21（8）：3141-3146.