风电储能智能化监控系统分析

摘要：能源是国民经济和社会发展的重要物质基础，是建设工业强省、文化大省和生态文明强省的重要支撑，是促进经济发展方式转变和经济结构调整的重要起点。然而新能源从目前发展情况来看存在的问题也较为显著，相关技术处于瓶颈期，例如甘肃河西地区的风力发电强弱变化不定、无法控制，又如运营成本高、储存困难、随机性、间歇性等诸多问题。文章针对目前新能源技术中的储能问题，采取一种MPC的预测模型，将风力发电中的约束条件和波动因素综合考虑，并在线优化控制。

关键词：碳中和；风电储能；低碳排放；模糊预测；智能监控

截至2015年底，景区用电装机容量为1862万千瓦，约占全省装机容量的40％，新能源已成为甘肃省电力的第二大电源。但风力发电存在不确定性和随机性，导致电网稳定性、可靠性差，电能质量不高，因此上网电价较高。不能大规模普及，且发电站与负荷使用分布不匹配从而导致近年来弃风现象有所增加[2]。研究储能系统有以下几个优点：（1）可使风电成为可调度的电力，使之平滑输出，减少其波动性，提升电能可靠性；（2）参与调峰调频，提高电能输出质量；（3）提高功率预测精度，减少电网冲击；（4）风电场储能系统可参与相应的辅助服务；（5）恢复风电使用率，提升新能源岗位就业率。综上所述，开展储能控制系统策略的研究具有重要的理论和实际应用价值。目前，我国已经进入了对可再生能源储能系统的研究：物理储能包括抽水、压缩空气、飞轮储能3种。抽水储能方式储能容量大、灵活、变率快但受地理条件限制较大；压缩空气储能能源转化率较高，但能量密度低，受地形条件影响；飞轮储能充放电迅速、清洁高效，但其成本较大。储能建模方面，2010年姜久春等人在《纯电动汽车用锂离子电池的建模和模型参数识别》一文中采用阻容模型分析，指出极化电压模型阶次与极化深度密切相关，提出了一种极化电压的快速识别理论，给出了变电流放电的情况下电池的去极化时间及容量的计算方法，后验证了该方法的有效性和可行性，为电池状态的准确估算提供了数据支持。戴海峰等2010年在《基于等效电路的内阻自适应锂离子电池模型》中提出了一种非线性的等效电路电池的模型，通过卡尔曼滤波算法，通过两种实验在不同电流的循环工况和环境温度下测试了模型的适应性。在平抑风电波动策略研究上，彭思敏等2011年在《大型蓄电池储能系统接入微电网方式及控制策略》中，提出了大型蓄电池储能系统接入的实现形式及其控制策略，分析了蓄电池的特性及功率调节器的工作原理，建立了系统仿真模型，并设计、开发了容量为100kW的实验样机，其结果表明，在不同的负荷情况下，此系统能保证公共供电点（PCC）电压和频率的稳定，满足供电要求。艾欣等在2015年《储能技术在新能源电力系统中的研究综述》一文中重点研究了储能系统的结构和优化配置方案，并对不同应用场合下储能系统的控制策略进行了归纳。孙晓等2020年在《新能源并网及储能技术研究综述》中基于电能无法大量、长久储存的情况概述现有的储能技术，最后阐述新技术发展。传统的储能控制方法集中在滤波及平均算法上，但由于风电波动性较大，以上方法已引起储能中的过补偿现象，反而降低经济性。基于此，本文采取一种将风力发电中的约束条件和波动因素综合考虑的在线优化控制策略[3-4]。MPC是一种在预测模型基础上，根据风电波动情况在线实现滚动化的动态过程设计方法。其核心是利用预测时域中的预测输出信息对控制时域中的最优控制输入序列进行优化，但在当前系统中只应用该序列的第一个分量，在下一个采样时间后，应使用新的系统信息，并刷新预测信息和最优控制序列且在新时刻将第一个组件重新应用到系统中。因此，与离线全局优化方案相比，MPC可以提高系统在线动态控制效果。

1MPC算法下风电波动平抑模型

1.1状态空间方程

风电储能在离散状态下，其状态方程为：PG（K+1）=PH（k）+PW（k），EH（K+1）=EH（k）-TS*PH（k），式中，PG为风储系统并网功率值；PH为储能系统功率值，为控制时间节点，当PH为负值时表示储能系统吸收风电功率，当为正值时表示储能系统释放能量补偿联合系统并网功率；PW为实时功率；EH表示储能系统的能量值；TS为控制周期。

1.2预测输出量

根据迭代公式可计算出当时间为k+i时，风储联合的预测输出量为：1.3约束条件平抑风电波动控制策略是以其波动过程中的功率限值及模型作为约束条件的，约束公式为：（6）式中，PG为风电场装机容量，EHmax为储能的上限容量，PHmin储能的功率容量下限、PHmax储能的功率容量上限，该式分别对风储联合系统的并网功率波动率、储能的能量容量及功率容量进行了严格约束[5]。

1.4优化控制及目标

风储联合优化模型控制目标函数由两部分构成：一是将其联合运行的实际并网功率跟踪目标功率一次来调节；二是设定所需要的储能能量变化量为最小优化目标，以此来降低储能寿命的消耗。

2电力低碳排放风电储能智能化监控系统

通过模型预测，在MPC算法控制的风电波动平抑模型指导下，设计一种风电储能智能化监控系统。系统构建于稳定的C/S架构之上，可便捷地对风电储能、温度设定、温度曲线、温度报警、发电数据监控进行操作。

2.1温度检测

大型风电场常伴随着较强的光照，如甘肃的酒泉、嘉峪关等地独立的风力发电易引起较强的波动，因此常采用风光互补，因此设计温度检测可对研究缓解风力和光伏的间歇性、波动性提供参考依据，如图1所示的温度曲线检测和图2所示的温度预警功能。

2.2发电数据监控

为进行储能状态运行量的分析，并在并网控制策略下掌握储能功率的变化与风电波动变化是否具有一致性，应掌握风力发电的发电规律并进行风电数据监控，如图3所示。

2.3发电大数据分析

风光联合储存的智能电网远程监控需要对每一个分布式电源、储能状态及负载的运行状态进行监控，并且结合现场调控需实现发电大数据的监控，如图4所示。

2.4风电控制

进入风电控制系统后，通过传感器的设定调节风力发电系统、储能装置运行时各设备的电气设备参数和环境参数，以此来满足MPC算法模型下在线动态控制效果分析。如图5所示。

2.5处理状态

进入此页面，可对采集到的风电和光伏数据进行处理，比对在所提出的并网控制策略下，储能系统的能量变化与风力发电的功率变化是否一致，是否参与动态在线调整。如图6所示。2.6风电计算为了避免风电的功率波动现象，通过MPC算法下的风储联合模型并网系统来抑制平抑过程中长期累计的不平衡功率，统计计算得到波形的预测域信息，并将预测结果输入系统中一次来验证模型的控制成效，在线系统如图7所示。

3结论

储能系统可对现有上网电价较高的风电电站进行改善，解决弃风现象，消除风电随机波动，提高风电电厂电能输出质量，可使风电成为可调度电力，并能参与调峰调频。（1）减少弃风，提高经济性；（2）平滑输出随机波动，提高电能质量；（3）提高功率预测精度，减少电网冲击；（4）风电场储能参与辅助服务。基于此，本文在风电机组的物理结构基础上建立了风电波动稳定控制系统，提出了一种基于MPC的风电机组并网控制策略。为了避免风力发电波动趋平过程中能量不平衡的长期积累，为MPC提供必要的预测域信息，本文设计了一种风电储能智能化监控系统，该系统可动态地更新历史风电功率数据并转换为系统联合并网目标功率。然后跟踪预测期内并网目标偏差，使控制期内的储能输出最小化。监控系统表明，与传统的智能变电站相比，该监控系统能更好地服务MPC并网控制策略，具有良好的风工况适应性，能够提高储能系统的性能和长期运行时的能量状态[8]。

作者：贾婷婷 单位：兰州资源环境职业技术大学