电池储能运行策略对系统Well-being指标及风电.DOC

上传人:天*** 文档编号:429212 上传时间:2018-10-05 格式:DOC 页数:8 大小:1.07MB
下载 相关 举报
电池储能运行策略对系统Well-being指标及风电.DOC_第1页
第1页 / 共8页
电池储能运行策略对系统Well-being指标及风电.DOC_第2页
第2页 / 共8页
电池储能运行策略对系统Well-being指标及风电.DOC_第3页
第3页 / 共8页
电池储能运行策略对系统Well-being指标及风电.DOC_第4页
第4页 / 共8页
电池储能运行策略对系统Well-being指标及风电.DOC_第5页
第5页 / 共8页
点击查看更多>>
资源描述

1、 电池 储能运行策略 对系统 Well-being指标及风电 消纳 能力 的影响 * 陈凡 ,徐政 ,张晨阳 (南京工程学院 电力工程学院, 南京 211167) 摘要: 提出了一种 电池储能系统有序 放电运行策略,考虑风电出力不确定性、尾流效应、电池故障率等因素, 对 风储联合发电系统进行 Well-being 分析。算例 表明,在风电超出允许接入比例,而系统吸收允许接入的风电后仍处于缺电状态 时,该策略能提高系统的风电消纳能力,并进一步提高系统可靠性。此外 ,还进一步研究了该 储能运行策略 下,储能系统容量、电池最大充放电功率以及 风电允许 接入比例 等因素对发电系统 Well-being

2、 指标的影响。 关键词 : Well-being 指标;电池 储能 系统 ; 运行策略;风电消纳能力 中图分类号: TM732 文献标志码: A 文章编号: 1001-1390( 2018) 00-0000-00 Impacts of battery storage operating strategy on Well-being indices and wind power accommodation of power system Chen Fan, Xu Zheng, Zhang Chenyang (School of Electric Power Engineering, Nanjin

3、g Institute of Technology, Nanjing 211167, China) Abstract: This paper presents an orderly discharging strategy of battery storage system. Taking the output uncertainty of wind power, wake effect and the failure rate of battery into account, this paper analyzes Well-being indices of generation syste

4、m containing wind farm and battery energy storage system. Case studies show that the proposed strategy is capable of increasing wind power accommodation and improving Well-being indices of generation system when wind power exceeds the penetration limit and at the same time generation system is short

5、 of power after absorbing obtainable wind power. Moreover, this paper also studies the impacts of storage system capacity, charging and discharging power of BESS and wind power penetration on Well-being indices of generation power system. Keywords: Well-being indices, battery energy storage system,

6、operating strategy, wind power accommodation 0 引 言 随着全球能源战略的调整,可再生能源越来越受到各个国家的重视。风电作为一种分布广泛的清洁能源,在电力系统中所占比例越来越高。截至 2015年底,全世界的风电总装机容量已达 433 GW1。 然而, 风电 的 波动性和随 机性 可能导致 风电并网 引起电力系统稳定性的下降。 为了提高风电并网后系统的稳定性,电池储能作为一种技术成熟度较高的储 *基金项目: 江苏 省配电网智能技术与装备协同创新中心开放基金项目 (XTCX201612); 江苏省大学生 实践 创新 训练计划 项目 ( 20161127

7、6025Y ) ; 南 京 工 程 学 院 科 研 资 助 项 目(ZKJ201607) 能技术,逐渐被引入到风电系统中。 电池储能技术能够快速实现风电的存储和释放,从而达到平抑风电功率、改善系统频率等 2-6效 果。目前,国内外已有大量文献对 储能系统接入风电 作了相关研究。文献 5中提到了几种目前已应用的电池储能技术,分别是锂电池储能、钠硫电池储能和液流电池储能,其额定功率均可达兆瓦级,为技术上实现风电的快速存储和释放奠定了基础。文献 7对上述 3 种储能电池 在电力系统中的应用作了相关研究,介绍了我国电池储能技术的发展现状和电池储能技术的应用前景。文献 8-10采用蒙特卡洛方法研究储能元

8、件的容量、接入位置和充放电功率等因素对系统可靠性的影响,但并未考虑允许风电接入比例和尾流效应等因素。文献 11研究了不同储能 运行 策略对系统充裕度的影响,但其可 靠性指标建立在传统风险 评估模型框架 下。文献 12 在Well-being 模型下研究风电场容量和储能系统容量等因素对风储混合发电系统的影响,但所建立的风电场模型过于简单,未考虑风电机组降额状态及尾流效应的影响。 文献 13-14在 限制风电允许 接 入比例的条件下 研究电池储能系统对系统可靠性的影响, 介绍 了 一 种 储能运行策略 ,在 风电超出允许接入比例 , 而系统吸收允许接入的风电后仍处于缺电状态 时,储能系统 一方面可

9、以补充系统缺电量 , 另一方面可吸收超出风电允许 接 入比例的过剩风电。但该文献将系统中所有电池简化为单一 电池 元件,并未 进一步研究 此 储能运行策略 的具体过程。 本文在上述文献研究 的 基础上,提出了一种 电池 储能系统 有序 放电 策略 。研究表明, 在风电超出允许接入 比 例而系统吸收允许接入的风电后仍处于缺电状态时, 该 运行 策略 能 够 一步提高 储能系统对风电 的 吸收 量, 改善系统 Well-being 指标 。 1 Well-being 模型 Well-being模型是将电力安全分析的确定性准则和传统风险评估相结合的评估模型 12。相对 于 传统风险评估模型,该模型能

10、有效的分离出系统濒临失负荷的边界状态。本文根据 N-1准则建立 We ll-being模型 : 健康状态指系统 能够 满足负荷需求 , 并且 满足 N-1准则;边界状态指系统能满足负荷需求,但是不满足 N-1准则;风险状态指系统不能满足负荷需求。 三种状态的可靠性指标分别为:健康状态概率PH,边界状态概率 PM,风险状态概率 PR。 各指标的计算公式如 式 (1)式 (3)所示 。 HH118760 N iiPTN (1) MM118760 N iiPTN (2) RR118760 N iiPTN (3) 式中 N指仿真年数, THi、 TMi、 TRi分别指第 i年中健康状态、临界状态、风险

11、状态的时间,单位 h。 2 风电场模型 常规机组采用“运行 故障”两态模型 11, 而对于风电机组,由于 风电机组处于降额 状态 的时间在其运行期间较多,因此采用 两态 模型并不能精确地反映风电机组对系统的 出力 程度,因此采用“运行 停运 /降额”三态模型 13。故障模型如图 1 所示 ,其中 、 、 、 为对应状态间的转移率。 运 行状 态停 运状 态降 额状 态1122图 1 风电机组三态模型 Fig.1 Three states model of wind turbine 目前广泛使用的风速模型主要有自回归滑动平均模型 (ARMA 模型 15)和 Weibull 风 速模型 16。AR

12、MA 模型能够计及风速的时 序特性,而储能设备在运行过程中需要充分考虑风速和剩余电量等时序变量的 约束,因此 本文采 取 ARMA 模型对风速进行模拟, 一般 表达式如式 (4)所示 。 1 1 2 21 1 2 2 t t t n t nt t t m t my y y y (4) 式中, yt 为 t 时刻时间序列值, i(in)和 j(jm)为自回归和滑动平均参数, t 为服从 (0,2)分布 的标准正态白噪声。 研究表明, 风电机组的功率与风速呈非线性关系 17。 风速低于切入风速 Vci 时,功率为零;风速介于切入风速 Vci 和额定风速 Vr 之间时,功率近似为 与风速相关的二次函

13、数;风速介于额定风速 Vr 和切出风速 Vco 之间时,功率为最大功率;风速超过切出风速时,功率为零。表达式如式 (5)所示 。 2t0 , ,( ) ,t c i t c ot t m c i t rm r t c oV V V VP A B V C V P V V VP V V V (5) 式中 , A、 B、 C 可由 Vci、 Vr、 Vco 计算得到 17。 此外, 在大型风 电场中还存在尾流效应,处于下风向的风电机组受处于上风向的风电机组影响,其风速将低于后者的风速,从而对风电场的实际出力产生一定影 响。本文采用 Jeason 模型 18对尾流效应进行描述, 表达式 如式 (6)所

14、示 。 21 / 20T( ) ( ) 1 1 1x Rt V t C R K X (6) 式中, Vx(t)为受尾流效应影响的风速 ; V0(t)为t 时刻的平均风速 ; CT为推力系数,一般取 0.1219;K 为尾流下降系数 ; R 为风机半径 ; X 为风 机间距。 3 电池 储能 系统 模型 设风电允许接 入比例 ( 风电占实际负荷 PL(t)比例 13) 为 , 风电场出力 为 Gw(t),常规机组出力为Gc(t),则“ 风电超出允许接入比例而系统吸收允许接入的风电后仍处于缺电状态”这一条件的数学表达式如式 ( 7), 将此条件记为 条件 A: wLcL( ) ( ) %: ( )

15、 ( ) (1 % )G t P tA G t P t (7) 由式 (7)可 定义,当风电和常规机组出力不满足条件 A 时, 系统 的 过剩 电量 Gb(t)如式 (8)所示 。当风电和常规机组满足条件 A 时,系统的 缺 电电量Gob(t)如式 (9)所示 ,此时 系统 过剩的风电电量 Gw(t)如式 (10)所示 。 b c w L( ) ( ) + ( ) ( )G t G t G t P t (8) o b c L( ) ( ) ( ) (1 % )G t G t P t (9) w w L( ) ( ) ( ) %G t G t P t (10) 式中, Gb(t)为正表示 系统不

16、缺电 , Gb(t)为负表示 系统缺电 ; Gob(t)恒为负,表示系统 缺 电。 在 多 电池 元件的 储能系统中, 当 风 电超出 允许接入比例而系统吸收允许接入的风电后仍处于缺电状态时,电池 系统一方面可对系统放电,另一方面可吸收过剩风电 Gw(t), 可 得到文献 13中 的 等效单电池 储能系统充放电量 GB(t)如式 (11)所示。 b c wBob w c w( ) , ( ( ) , ( ) )() ( ) ( ) , ( ( ) , ( ) )G t G t G t AGt G t G t G t G t A (11) 同时, 在 电池 运行时, 还需 计及以下约束条件: b

17、 m a x b b m a xb m a x b b m a x()( ) ( )( ) 1P P t PL im t E S o c E t Es ta te t (12) 式中, Pbmax、 Eb max 分别指最大充放电功率 、 电池 容量 , Pb(t)和 Eb(t)分别指 电池 t 时刻的充放电功率、剩余电量 ; state(t)指电池工作状态, 故障模型 采用 两态 模型, 1 正常, 0 故障; Soc 指 电池 的荷电率 10。 值得指出的是, 对于多电池的储能系统,不同的电池 放电顺序会对式 (11)中过剩风电 Gw(t)的吸收产生影响。 本文 对 多电池储能系统中 电池

18、 放电顺序 进行 研究, 根据 电池 无序和有序 放 电 过程 分别 提出 了 储能运行策略 F1、 F2。为便于描述这两种策略,设定了简单的 系统场景:设系统此时负荷为 200 MW,常规机组提供 170 MW,风电为 30 MW,风电允许接入比例为 10%, 则过剩风电量为 10 MW,负荷此时缺电量为 10 MW。 系统内含有 5 台电池,每台电池 所允许的 最低 剩余 电量为 1 MWh,最高电量为 5 MWh。 考虑两种储能系统 运行策略: (1) F1 策略 (无序 放 电 策略 ) :按照电池序号 确定每时刻各电池充放电电量, 总电池数为 N,若电池 k此时的电量高于所允许的最低

19、电量,则进行放电;若电池 k 此时的电量等于所允许的最低电量,则此电池 对过剩的风电进行吸收。若 n 个电池 进行上述过程后可满足系统负荷,则剩余 N-n 个未放电的电池对过剩的风电进行吸收 ; (2) F2 策略 (有序 放 电 策略 ) :在 F1 策略基础上,按照电池剩余电量由高到低对电池进行动态排序,依照此排序确定每时刻各 电池 充放电电量。 在 上述 两种策略下得到的储能系统充放电量如表 1 所示 。 表 1 F1 和 F2 策略 下 的 各 电池 电量 Tab.1 Battery power in F1 and F2 storage strategy 电池序号 1 2 3 4 5

20、原有电量 /MWh 3 5 2 1 5 放 电次序 F1 1 2 3 4 5 F2 3 1 4 5 2 放电电量 /MWh F1 2 4 1 0 3 F2 2 4 0 0 4 充电电量 /MWh F1 0 0 0 4 0 F2 0 0 3 4 0 剩余电量 /MWh F1 1 1 1 5 2 F2 1 1 5 5 1 由 表 1 可发现,按照 F1 策略运行 的储能系统向系统放电 10 MWh, 同时 消纳过剩风电 4 MWh,最终剩余电量 10 MWh。 按照 F2 策略运行的储能系统向系统放电 10 MWh,同时消纳过剩风电 7 MWh,最终剩余电量 13 MWh。因此 F2 策略相比 F

21、1 策略能多消纳风电 3MWh, 而 储能系统 储备 电量多出 3 MWh,可用于下一时刻向缺电系统放电, 从而 提高发电 系统可靠性。 上述两种策略的根本区别在于有序放电策略 使剩余电量多的电池承担了较多的负荷,从而 减少了放电电池的数目,增加了 可充电电池 的数目,因此可吸收更多的过剩风电 Gw(t)。 最终 由 F2 策略 可 得到 本 文 提 出的 基 于储 能 系统 有 序 放电 的 系 统Well-being 分析具体流程图如图 2 所示。 计 算 系 统 过 剩 电 量参 数 初 始 化常 规 机 组 建 模风 电 场 建 模判 断 系 统 是 否 处 于 缺 电状 态 且 存

22、在 过 剩 风 电, 即是 否 满 足 条 件 A根 据 电 量 高 低 排 序 编 号根 据 储 能 放 电 优 先 顺 序 进行 放 电 ,剩 余 电 池 充 电计 算 系 统W e l l- b e i n g 指 标计 算 系 统 缺 电 量Go b( t )、风 电 溢 出 量G w ( t )电 量 G b ( t )否 是储 能 元 件 建 模图 2 基于储能 系统有序 放电的系统 Well-being 分析流程图 Fig.2 Flow chart of Well-being analysis based on orderly discharging of energy stor

23、age 4 算例分析 4.1 算例参数 在 Matlab2015b 中编写相关程序 , 采用IEEE-RBTS 系统 ,系统 负荷 为 215 MW,负荷模型采用时序负荷模型 20 。 单台 电池最高电量 为 2 MWh,故障率为 0.307 次 /a,修复率为 20 次 /a10,电池 的最大放电深度为 80%(即荷电率 Soc 为 0.2),每小时最大充放电功率为 1.2 MW。 单 台风机的额定功率 1.5 MW,风电允许 接 入比例 %为 10%。 根据风电场实际运行的数据,统计得到风电机组的转移率 、 、 、 分别为 7.96 次 /a、 5.84 次 /a、 58.4次 /a、 4

24、3.8 次 /a21。 采用 三状态出力模型,各状态出力分别为 0、 0.5、 1, 实际风速采用美国西部某 风电场的实测数据 22, 风速均值为 7.4385 m/s,标准差为4.2078 m/s, ARMA 模型定阶为( 12, 12)。设 切入风速度 Vci=3 m/s,额定风速 Vr=12m/s,切出风速 Vco=22 m/s。 风轮半径 R=45m,风机间 距 X=135 m。 4.2 储能运行策略 对 系统 Well-being 指标的 影响 根据式( 8)和 F1、 F2 策略,本文 确立了 三种电池 储能运行策略 , 三种 运行策略 如下: ( 1) Sh1 策略: 当系统 不

25、满足条件 A 时, 储能系统 吸收或者释放 电量 Gb(t);满足条件 A 时,储能系统向系统释放电能 Gob(t),但不吸收此时过剩风电 Gw(t); ( 2) Sh2 策略: 在 Sh1 策略 基础上,当系统满足条件 A 时, 储能系统 向系统释放电能 Gob(t), 同时 吸收此时过剩风电 Gw(t); ( 3) Sh3 策略:在 Sh2 策略基础上,按照电池电量 由 高到低排序 的序号 确立放电电池及其放电电量 , 不参与放电的电池 吸收 此时 过剩的风电 Gw(t)。 系统中 风电场容量 45 MW,储能系统容量 50 MW。同时, 采用电力不足期望值 (expected energ

26、y not supplied, EENS12)来衡量 系统 可靠性 , 单 位为MWh, 仿真结果如表 2 所示 。 表 2 3 种 储能运行策略 下 RBTS 系统 Well-being指标 Tab.2 Well-being indices of RBTS under 3 kinds of energy storage operating strategies 指标 火电 仅风电 Sh1 Sh2 Sh3 PH 0.969811 0.984717 0.992784 0.993088 0.993242 PM 0.028824 0.014689 0.00707 0.006771 0.006619

27、PR 0.001365 0.000594 0.000145 0.000141 0.000139 EENS 124.4341 52.97721 18.57529 18.03743 17.82421 由表 2 可 得: ( 1) 风电系统和 电池 储能系统的接入能有效提高发电系统的可靠性。 电池 储能系统能有效吸收多余的风电和常规电能 ,并在系统缺电情况下放电,从 而进一步 改善 系统的 Well-being 指标 ; ( 2) Sh2 策略相对 Sh1 策略对系统 Well-being指标 有一定 改善 ,原因在于实际运行中未参与放电的 电池 吸收了过剩的风电。 Sh3 策略相对 Sh2 策略进

28、一步 改善 系统 Well-being 指标 , 原因在于根据 电池 剩余电量 排序所 确定的 有序 放电策略,使得电池储能系统对风电的吸收率更高。 4.3 储能运行策略 对系统风电消纳能力的影响 进一步 定量 分析 上述 储能运行策略 对风电消纳能力 的 影响,仿真得到表 3 中结果 。表中 EBP 指储能系统年均吸收的电能, EBN 指储能系统年均释放的电能。 Ew 指储能系统年均吸收的风电, Ew 指当 风电超出允许接入比例而系统吸 收允许接入的风电后仍处于缺电状态时,储能系统实际吸收的过剩风电,各指标单位 均 为 MWh/a。 表 3 不同 储能运行策略 对系统风电消纳能力的影响 Ta

29、b.3 Impact of different storage operating strategies on wind farm accommodation 指标 Sh1 Sh2 Sh3 EBP 93.139 07 93.681 89 93.929 35 EBN 41.654 29 42.197 08 42.444 55 EW 7.4262 84 8.358 152 9.456 071 Ew 0 1.350 372 2.900 674 由表 3 可 得: ( 1) Sh3 策略 对应的 年均吸收的电能 EBP、 年均释放的电能 EBN 比 Sh1、 Sh2 策略高,表明 储能系统 Sh3 策

30、略下运行能吸收更多的电能,并且在系统缺电时向系统释放更多的电能, 从而有效提升系统的可靠性水平 。 ( 20) Sh3 策略 对应的 年均吸收的风电 Ew 及吸收过剩的风电量 Ew 高于 Sh1、 Sh2 策略,表明 Sh3策略 实际吸收了更多 的 风电, 增加了系统对风电的利用率,因此 提高 了 系统的 风电消纳能力。 4.4 电池 储能 系统 容量对系统 Well-being 指标 影响 采用 Sh3 策略,进一步分析不同储能系统容量Eb 对系统可靠性的影响。 系统中风电场容量分别为45 MW、 90 MW,建立的系统分别记为 RBTSW1、RBTSW2。仿真结果如表 4、表 5 所示 。

31、 表 4 不同 电池系统 容量下 RBTSW1 系统 Well-being指标 Tab.4 Well-being indices of RBTSW1 in different BESS capacities Eb/MWh PH PM PR EENS 20 0.988 53 0.011 15 0.000 32 33.556 40 0.992 07 0.007 74 0.000 19 22.715 60 0.994 01 0.005 87 0.000 12 15.250 80 0.995 48 4 0.004 45 0.000 07 10.828 100 0.996 29 0.003 66 0.0

32、00 05 7.363 120 0.996 99 0.002 97 0.000 04 4.956 表 5 不同 电池系统 容量 下 RBTSW2 系统 Well-being指标 Tab.5 Well-being indices of RBTSW2 in different BESS capacities Eb/MWh PH PM PR EENS 20 0.989 971 0.009 763 0.000 267 26.892 89 40 0.993 244 0.006 616 0.000 14 16.318 39 60 0.995 232 0.004 684 8.39E-05 10.788 67

33、 80 0.996 370 0.003 574 5.67E-05 8.279 90 100 0.997 221 0.002 736 4.28E-05 6.607 27 120 0.997 720 0.002 252 2.8E-05 4.575 65 根据表 4、 表 5 作图 3 和图 4 可得: (1) 随着电池系统 容量的增加,系统处于健康状态的概率 PH 逐渐增加,处于边界状态 PM 和风险状态概率 PR逐渐减少,系统的缺电量 EENS 不断下降。这 表明随着 电池 系统容量的增加,系统 We ll-being指标逐渐改善,可靠性 水平得到 提升 ; (2) 当 电池系统 总容量 达到

34、80 MW 后, 其对系统 Well-being 指标 影响 变小。这表明 电池系统 容量达到一定值后, 其 对系统 Well-being 指标的改善效果逐渐趋于饱和 ; (3) 对比 RBTSW1 系统和 RBTSW2 系统 发现,后者 风电容量为 前者 风电容量的两倍,但随着储能容量的进一步提升,二者的对系统的 Well-being 指标的改善 程度相近。 原因在于 风电依赖于自然条件,具有明显的不确定性,而电池系统 可有效 针 对系统缺电状态放电,在一定程度上实现对系统缺电状态的调控。 因而对于 包含 电池储能 的高可靠性系统 ,风电容量对系统 Well-being 指标 影响程度有限。

35、 2 0 4 0 6 0 8 0 1 0 0 1 2 0电 池 储 能 系 统 总 容 量 Eb/ M W h01 02 03 04 0EENS/MWhR B T S W 1R B T S W 2图 3 不同储能系统容量下 EENS Fig.3 EENS in different capacities of BESS 0 . 9 8 50 . 9 90 . 9 9 51PHR B T S W 1R B T S W 200 . 0 0 50 . 0 10 . 0 1 5PM2 0 4 0 6 0 8 0 1 0 0 1 2 0电 池 储 能 系 统 总 容 量Eb/ M W h01234PR1

36、0- 4图 4 不同储能系统容量下 PH、 PM、 PR Fig.4 PH、 PM、 PR in different capacities of BESS 4.4 电池充放电功率对 系统 Well-being 指标 影响 采用 Sh3 策略,分析 电池 充放电功率对风储联合发电系统可靠性的影响。系统中储能设备容量为40 MW,风电容量为 45 MW,系统 Well-being 分析结果如表 6 所示 。 表 6 不同充放电功率下 RBTS 系统 Well-being 指标 Tab.6 Well-being indices of RBTS in different BESS charging/d

37、ischarging power 功率 /MW PH PM PR EENS 0.25 0.986783 0.012777 0.000440 38.01236 0.50 0.989546 0.010166 0.000288 28.33405 0.75 0.991011 0.008765 0.000224 24.03383 1.00 0.991668 0.008131 0.000200 23.09549 1.25 0.992142 0.007684 0.000174 22.13364 1.50 0.992424 0.007410 0.000165 21.53058 1.75 0.992657 0.

38、007188 0.000155 20.82025 由表 6 作图 5 可得出, 随着电池充放电功率从0.25 MW 提升到 1.75 MW,系统各项 Well-being 指标不断改善,但功率达到 1 MW 后,其对系统Well-being 指标的改善效果变小。 这表明 随着电池充放电功率的增大, 系统 可靠性 不断 提升,但 当 电池充放电功率达到一定量后,其对系统可靠性的改善效果 趋于饱和。 0 0 . 5 1 1 . 5 2电 池 充 放 电 功 率/ M W2 02 53 03 54 0EENS/MWh图 5 不同充放电功率下 EENS Fig.5 EENS in different

39、BESS charging/discharging power 4.5 风电允许接入比例对系统 Well-being 指标 影响 采用 Sh3 策略, 分析不同风电允许接入比例对系统 Well-being 指标 的影响。系统中储能设备容量为40MW,风电容量为 45 MW,系统 We ll-being 仿真结果如表 7 所 示 。 表 7 不同风电接入比例下系统 Well-being 指标 Tab.7 Well-being indices in different wind power penetration PH PM PR EENS 0.04 0.990288 0.009485 0.000

40、227 26.51359 0.08 0.991925 0.007890 0.000185 22.21599 0.12 0.992833 0.007005 0.000162 20.04534 0.16 0.993206 0.006643 0.000151 18.88441 0.20 0.993386 0.006469 0.000145 18.22546 由表 7 作出图 6 可得, 随着风电允许接入比例从 4%增加到 20%,系统各项 Well-being 指标不断改善,但是当比例达到 16%后,其对系统 Well-being指标的影响较小。这表明增加 风电允许接入比例 能提升系统可靠性 ,但当

41、风电允许接 入比例 增加 到一定值后,其对系统的可靠性提高程度逐渐饱和。 4 % 8 % 1 2 % 1 6 % 2 0 %风 电 允 许 接 入 比 例1 82 02 22 42 62 8EENS/MWh图 6 不同风电允许接入比例下 EENS Fig.6 EENS in different wind power penetration 5 结束语 本文 提出了一种 电池 储能系统有序 放电运行策略 , 研究了储能运行策略对系统 Well-being指标和风电消纳 能力 的影响;并进一步分析了 储能系统容量 、电池 充放电功率 及风电允许接入比例 对风储联合发电系统的影响。 研究结果表明:

42、1)本文提出的 电池 储能 系统有序 放电策略能有效提高 系统对风电的消纳能力 。同时,该策略能提高储能系统的年均充电和放电电量, 进一步提高 了系统的可靠性 ; 2) 随着 储能系统容量 、 电池充放电功率 和 风电允许接入比例 的 提高 ,系统可靠性 也相应增加 。但值得指出的是,当上述 各影响因素增加 到一定 量 后,其对系统 Well-being指标 的影响 趋于饱和。 参 考 文 献 1 金明 , 邱炜 , 朱继忠 . 北美电力市场环境下风电能源的调度与运行J. 南方电网技术 , 2017, 11(2): 1-5. JIN Ming, QIU Wei, ZHU Jizhong. Di

43、spatching and Operation of Wind Power Energy in North Ameri ca Power MarketJ. SOUTHERN POWER SYSTEM TECHNOLOGY, 2017, 11(2): 1-5. 2 张新松 , 顾菊平 , 袁越 , 等 . 基于电池储能系统的风功率波动平抑策略 J. 中国电机工程学报 , 2014, 34(28): 4752-4760. ZHANG Xinsong, GU Juping, YUAN Yue,et al. Strategy of Smoothing Wind Power Fluctuation Ba

44、sed on Battery Energy Storage SystemJ. Proceedings of the CSEE, 2014, 34(28): 4752-4760. 3 汪海蛟 , 江全元 . 应用于平抑风电功率波动的储能系统控制与配置综述 J. 电力系统自动化 , 2014, 38(19): 126-135. WANG Haijiao, JIANG Quanyuan. An Overview of Control and Configuration of Energy Storage System Used for Wind Power Fluctuation Mitigatio

45、nJ. Automation of Electric Power Systems , 2014, 38(19): 126-135. 4 胡志远 . 基于储能的风电功率平抑技术研究 D. 成都 : 电子科技大学 , 2015. HU Zhiyuan. Research of Power Smoothing Technology for Wind Farm on Energy StorgyD. Chengdu: University of Electric Science and Technology of China, 2015. 5 骆妮 , 李建林 . 储能技术在电力系统中的研究进展 J.

46、电网与清洁能源 , 2012, 28(2): 71-79. LUO Ni, LI Jianlin. Research Progress of Energy Storage Technology in Power SystemJ. Power System and Clean Energy, 2012, 28(2): 71-79. 6 丁明 , 陈忠 , 苏建徽 , 等 . 可再生能源发电中的电池储能系统综述J. 电力系统自动化 , 2013, 37(1): 19-25. DING Ming, CHEN Zhong, SU Jianhui,et al. An Overview of Batter

47、y Enemy Storage System for Renewable Enemy GenerationJ. Automation of Electric Power Systems, 2013, 37(1): 19-25. 7 王育飞 , 王辉 , 符杨 , 等 . 储能电池及其在电力系统中的应用 J. 上海电力学院学报 , 2012, 28(5): 417-422. WANG Yufei, WANG Hui, FU Yang,et al. Energy Storage Battery and Its Application in Power SystemJ. Journal of Sha

48、nghai University of Electric Power, 2012, 28(5): 417-422. 8 鲍莎日娜 , 栗文义 , 巴根 , 等 . 储能设备对风 /柴 /储能联合发电系统10min间隔可靠性影响的评估 J. 华东电力 , 2011, 39(7): 1053-1057. BAO Sharina, LI Wenyi, BA Gen,et al. 10-Minute Interval Reliability Assessment of Wind-diesel-storage Power Generation System Influenced by Energy Storage DevicesJ. East China Electric Power,

展开阅读全文
相关资源
相关搜索

当前位置:首页 > 重点行业资料库 > 1

Copyright © 2018-2021 Wenke99.com All rights reserved

工信部备案号浙ICP备20026746号-2  

公安局备案号:浙公网安备33038302330469号

本站为C2C交文档易平台,即用户上传的文档直接卖给下载用户,本站只是网络服务中间平台,所有原创文档下载所得归上传人所有,若您发现上传作品侵犯了您的权利,请立刻联系网站客服并提供证据,平台将在3个工作日内予以改正。