文獻(xiàn)標(biāo)志碼：A

風(fēng)電場(chǎng)中儲(chǔ)能裝置的容量?jī)?yōu)化

竇迅1，計(jì)仕清1，李揚(yáng)2，邱澤峰1

(1.南京工業(yè)大學(xué)自動(dòng)化與電氣工程學(xué)院，江蘇南京211816；2.東南大學(xué)電氣工程學(xué)院，江蘇南京210096)

Capacity Optimization of Energy Storage Devices in Wind FarmDOU Xun1, JI Shiqing1,LI Yang2,QIU Zefeng1

(1.School of Automation and Electrical Engineering, Nanjing University of Technology, Nanjing 211816,China;

2. School of Electrical Engineering, Southeast University,Nanjing 210096,China)

摘要：儲(chǔ)能技術(shù)的發(fā)展為風(fēng)電的大規(guī)模并網(wǎng)后造成的電能質(zhì)量問題提供了有效解決方法。合理的儲(chǔ)能設(shè)備容量不僅能夠提高儲(chǔ)能設(shè)備的利用效率，也能平滑風(fēng)電輸出，改善電能質(zhì)量。本文考慮計(jì)及儲(chǔ)能設(shè)備減少旋轉(zhuǎn)備用容量的風(fēng)電場(chǎng)經(jīng)濟(jì)效益及功率波動(dòng)的平衡性，采用多目標(biāo)粒子群算法進(jìn)行風(fēng)電場(chǎng)儲(chǔ)能裝置的容量?jī)?yōu)化，以Pareto最優(yōu)解集的形式表示儲(chǔ)能設(shè)備帶來的風(fēng)電場(chǎng)經(jīng)濟(jì)性與穩(wěn)定性多目標(biāo)的兼顧。并通過某地的風(fēng)電場(chǎng)典型日出力情況作為仿真實(shí)例，驗(yàn)證優(yōu)化所得結(jié)果的有效性，可為風(fēng)電場(chǎng)的儲(chǔ)能裝置容量選擇提供實(shí)用的參考方案。

關(guān)鍵詞：風(fēng)電場(chǎng)：儲(chǔ)能設(shè)備：容量?jī)?yōu)化：粒子群算法：多目標(biāo)優(yōu)化

文章編號(hào)：1007-2322(2015)05-0042-06

中圖分類號(hào)：TM91

基金項(xiàng)目：國(guó)家自然科學(xué)

收稿日期：2014-09-29

作者簡(jiǎn)介：

Abstract：The development of energy storage technology provides an effective method for solving power quality issue caused by large scale grid-connected wind farm. Rational capacity of energy storage device can not only enhance utilization efficiency of energy storage device, but also smooth wind power output, and improve power quality. In this paper, by considering that the economical profit of wind farm for rotating backup capacity can be reduced by energy storage device and the balance of power fluctuation, multi-objective particle swarm optimization algorithm is used to optimize capacity of storage equipment for wind farm, and both the economic and stability of wind farm brought by energy storage device can be reflected by using Pareto optimal solution set. By taking classical day power output for one wind farm as simulation case, the effectiveness of proposed method is verified, and the works in this paper can provide reference applicable scheme for selecting capacity of energy storage device for wind farm.

Keywords：wind power farm;energy storage device;capacity optimization; particle swarm optimization;the multi-objective optimization

0引言

風(fēng)力發(fā)電是風(fēng)能利用的主要形式。風(fēng)電作為不同與火電、水電等常規(guī)的電源，其輸出功率與該時(shí)刻的風(fēng)速密切相關(guān)，具有間歇性和波動(dòng)性。風(fēng)電的大規(guī)模并網(wǎng)會(huì)對(duì)原電網(wǎng)的穩(wěn)定性和電能質(zhì)量[1-2]造成巨大影響，甚至?xí)?dǎo)致電網(wǎng)崩潰，風(fēng)電輸出不穩(wěn)定成為了限制風(fēng)電并網(wǎng)的重要原因。增加儲(chǔ)能設(shè)備可以為風(fēng)電并網(wǎng)提供有效的支撐，增強(qiáng)電網(wǎng)的調(diào)頻、調(diào)峰能力，有效解決風(fēng)能的隨機(jī)性和波動(dòng)性的問題[3-4]。隨著風(fēng)電的不斷滲入電網(wǎng)，如何安全經(jīng)濟(jì)地實(shí)現(xiàn)風(fēng)電并網(wǎng)已成關(guān)注熱點(diǎn)。

文獻(xiàn)[5-6]考慮了供求平衡約束，用飛輪和蓄電池同時(shí)作為儲(chǔ)能單元，以系統(tǒng)成本最優(yōu)為目標(biāo)，采用了遺傳算法優(yōu)化風(fēng)光獨(dú)立系統(tǒng)中混合儲(chǔ)能設(shè)備容量；文獻(xiàn)[7]以平抑風(fēng)電場(chǎng)輸出功率為目標(biāo)，優(yōu)化了儲(chǔ)能設(shè)備容量。文獻(xiàn)[8]采用時(shí)間常數(shù)-合成輸出標(biāo)準(zhǔn)偏差特性，結(jié)合了風(fēng)電平滑的效果，得電池最佳功率和容量。文獻(xiàn)[9-10]考慮了風(fēng)電機(jī)組輸出特性，結(jié)合風(fēng)速概率分布，以風(fēng)電機(jī)組長(zhǎng)時(shí)間穩(wěn)定輸出為基礎(chǔ)計(jì)算了儲(chǔ)能設(shè)備容量。

上述文獻(xiàn)中對(duì)于風(fēng)電場(chǎng)中加入儲(chǔ)能設(shè)備的優(yōu)化都只是單一地考慮了經(jīng)濟(jì)性或穩(wěn)定性。本文綜合考慮儲(chǔ)能設(shè)備平滑風(fēng)電輸出以及帶來的經(jīng)濟(jì)效益，以多目標(biāo)粒子群算法(multi-objective particle swarm optimization ,MOPSO)優(yōu)化儲(chǔ)能設(shè)備容量，并通過算例驗(yàn)證其方法的有效性。

1儲(chǔ)能設(shè)備

1.1儲(chǔ)能方式選取

儲(chǔ)能設(shè)備是通過對(duì)電能的存儲(chǔ)和釋放來完成一個(gè)電功率的轉(zhuǎn)移過程。不同儲(chǔ)能形式的容量、充放電時(shí)間的特性以及使用壽命都具有不同的特點(diǎn)，合理經(jīng)濟(jì)地選取儲(chǔ)能配置成為重要的問題。

在風(fēng)電中配置儲(chǔ)能裝置需滿足如下要求：

①儲(chǔ)能設(shè)備容量應(yīng)滿足風(fēng)電場(chǎng)谷時(shí)發(fā)電量充分儲(chǔ)能的要求；

②儲(chǔ)能設(shè)備的能量存儲(chǔ)時(shí)間至少在數(shù)小時(shí)以上；

③儲(chǔ)能設(shè)備需要有快速放電的能力。

目前儲(chǔ)能方式有多種，各儲(chǔ)能方式優(yōu)缺點(diǎn)如表1所示。

表1　各儲(chǔ)能技術(shù)優(yōu)缺點(diǎn)

綜合表1看出，抽水儲(chǔ)能受地理制約不適合風(fēng)電場(chǎng)；飛輪儲(chǔ)能滿足不了要求②因而不適合在風(fēng)電場(chǎng)配置；超導(dǎo)儲(chǔ)能造價(jià)昂貴，從經(jīng)濟(jì)性角度不適合風(fēng)電場(chǎng)；蓄電池儲(chǔ)能能很好滿足風(fēng)電場(chǎng)需求，而且造價(jià)較低，因此本文以蓄電池儲(chǔ)能作為研究對(duì)象。

1.2蓄電池?cái)?shù)學(xué)模型

1.1.1蓄電池充電

當(dāng)風(fēng)電輸出功率大于系統(tǒng)所能接納的風(fēng)電功率時(shí)，蓄電池以充電的形式將富余的能量?jī)?chǔ)存起來。t時(shí)刻蓄電池剩余容量為

(1)

式中：C(t)表示t時(shí)刻蓄電池剩余容量；PSB(t)表示t時(shí)刻蓄電池充放電功率，PSB(t)<0表示蓄電池充電，反之則為放電；ηc表示蓄電池充電效率；Δt表示風(fēng)電的采樣間隔。

1.1.2蓄電池放電

當(dāng)風(fēng)電輸出小于系統(tǒng)所能接納的風(fēng)電功率時(shí)，蓄電池以放電形式補(bǔ)充風(fēng)力輸出所缺少的部分。t時(shí)刻蓄電池剩余容量為

(2)

式中：ηd表示蓄電池的放電效率。

2容量?jī)?yōu)化模型

本次優(yōu)化以在平滑風(fēng)電輸出的基礎(chǔ)上，考慮其儲(chǔ)能配置所能帶來的經(jīng)濟(jì)效益。實(shí)現(xiàn)風(fēng)電的經(jīng)濟(jì)穩(wěn)定運(yùn)行。

2.1目標(biāo)函數(shù)

在風(fēng)電場(chǎng)配置儲(chǔ)能設(shè)備后可以減少預(yù)測(cè)可信度導(dǎo)致的偏差，從而減少系統(tǒng)所需的旋轉(zhuǎn)備用容量[11]。因而蓄電池儲(chǔ)能在t時(shí)刻減少旋轉(zhuǎn)備用容量的效益為

(3)

式中：ec,t為t時(shí)刻備用容量?jī)r(jià)格；χ為風(fēng)電場(chǎng)預(yù)測(cè)技術(shù)可信度；Pw,t為在t時(shí)刻風(fēng)電機(jī)輸出功率；Pm為蓄電池儲(chǔ)能系統(tǒng)的額定功率。

t時(shí)刻，風(fēng)儲(chǔ)聯(lián)合發(fā)電所獲得的收益為

(4)

儲(chǔ)能設(shè)備的年成本為

(5)

式中：kp、kmp是與蓄電池額定功率有關(guān)的單位造價(jià)和年維護(hù)費(fèi)用；kw、kmw是與蓄電池額定儲(chǔ)能容量相關(guān)的單位造價(jià)和年維護(hù)費(fèi)用；Cs為地址建設(shè)成本；λ為固定資產(chǎn)折舊率。

由于風(fēng)電輸出有年度的周期性，所以分析風(fēng)電場(chǎng)某一年的分布規(guī)律可通過分析風(fēng)電場(chǎng)典型日輸出曲線作為儲(chǔ)能容量?jī)?yōu)化的研究對(duì)象。綜上所述，加入儲(chǔ)能配置后風(fēng)儲(chǔ)聯(lián)合收益的目標(biāo)函數(shù)為

(6)

式中：ec為風(fēng)電場(chǎng)發(fā)電成本，其中包括折舊費(fèi)用、財(cái)政費(fèi)用、人工費(fèi)用等；N為采樣個(gè)數(shù)。

文獻(xiàn)[12]研究表明：蓄電池儲(chǔ)能系統(tǒng)擁有功率快速吞吐能力和四象限調(diào)節(jié)能力，使風(fēng)電場(chǎng)功率平滑輸出。以平抑前相鄰采樣時(shí)間點(diǎn)風(fēng)電功率差值的平方和與平抑后的差值平方和的比值作為風(fēng)電功率平抑的平抑指標(biāo)，其風(fēng)電平抑指標(biāo)為

maxf2=

(7)

式中：Pw,t、Pw,t-1為平抑前t、t-1時(shí)刻的風(fēng)電輸出功率。

2.2約束條件

蓄電池儲(chǔ)能系統(tǒng)在平滑風(fēng)電出力時(shí)，應(yīng)考慮儲(chǔ)能系統(tǒng)的充放電功率：

(8)

風(fēng)電輸出經(jīng)儲(chǔ)能優(yōu)化后的輸出功率應(yīng)在電網(wǎng)限制上網(wǎng)功率之下：

(9)

式中：Pc,t表示系統(tǒng)所能接受風(fēng)電的最大功率。

加入儲(chǔ)能設(shè)備后組成的風(fēng)儲(chǔ)聯(lián)合系統(tǒng)收益約束：

(10)

式中：Ew為加入儲(chǔ)能前風(fēng)電場(chǎng)年收益；Cg為儲(chǔ)能一次性投資；α為政府成本投資比重；T為儲(chǔ)能設(shè)備壽命。

3模型求解

此次優(yōu)化模型中，不僅考慮到蓄電池儲(chǔ)能平滑風(fēng)電出力的效果，同時(shí)也考慮風(fēng)電場(chǎng)年收益最大。兩者具有不同的量綱，傳統(tǒng)加權(quán)方式將多目標(biāo)轉(zhuǎn)化為單目標(biāo)的方法并不適用于本次的優(yōu)化。

參考文獻(xiàn)本文[13]在采用多目標(biāo)粒子群算法(MOPSO)的同時(shí)，結(jié)合Pareto的支配排擠思想，對(duì)傳統(tǒng)的粒子更新方法加以改進(jìn)，使得優(yōu)化結(jié)果收斂于Pareto最優(yōu)前沿。

3.1多目標(biāo)優(yōu)化描述

多目標(biāo)問題是指擁有兩個(gè)或兩個(gè)以上的目標(biāo)需要同時(shí)優(yōu)化，且多個(gè)目標(biāo)之間相互聯(lián)系，相互制約。區(qū)別于單目標(biāo)優(yōu)化，多目標(biāo)優(yōu)化的解集不局限于單個(gè)全局最優(yōu)解，而是多個(gè)解的集合，是某種程度上的折中與妥協(xié)。

一般對(duì)于多目標(biāo)問題可如下描述[14]：

(11)

式中：f(x)表示目標(biāo)函數(shù)；g(x)表示約束條件。式中有p個(gè)目標(biāo)函數(shù)和i個(gè)約束條件。當(dāng)多個(gè)目標(biāo)都要達(dá)到最優(yōu)時(shí)，這個(gè)解集成為Pareto最優(yōu)解集。

Pareto支配定義：對(duì)于所有目標(biāo)函數(shù)而言，解x1均優(yōu)于x2，則稱x1支配x2。若x1不被其他的解所支配，則稱x1為非支配解，即為Pareto解。

3.2基于Pareto解集多目標(biāo)粒子群算法

本次結(jié)合Pareto支配排擠思想，采用多目標(biāo)粒子群算法進(jìn)行優(yōu)化。其算法步驟如下：

① 初始種群P(t)，設(shè)置迭代次數(shù)t；

② 求解個(gè)目標(biāo)函數(shù)值，根據(jù)Pareto支配關(guān)系進(jìn)行排序，并計(jì)算個(gè)體的擁擠度。采用錦標(biāo)賽制選擇粒子最佳位置，從而得到種群的最佳位置。

③ 更新粒子種群。

④ 評(píng)價(jià)目標(biāo)函數(shù)值，進(jìn)行非支配排序，計(jì)算個(gè)體擁擠度。選擇粒子最佳位置，得到種群最佳位置。

⑤ 滿足迭代條件后，輸出最優(yōu)一代粒子種群。否則返回步驟③，繼續(xù)操作。

本次算法的流程如圖1所示。結(jié)合本次所需優(yōu)化目標(biāo)。將以蓄電池的額定功率以及儲(chǔ)能容量作為目標(biāo)函數(shù)變量，通過上述算法實(shí)現(xiàn)對(duì)年收益和功率波動(dòng)平衡兩目標(biāo)的最優(yōu)化。

圖1　算法流程

4算例分析

針對(duì)某地以150MW異步風(fēng)電機(jī)組為主的風(fēng)電場(chǎng)作為研究對(duì)象，采用上述算法進(jìn)行優(yōu)化。風(fēng)電場(chǎng)預(yù)測(cè)出力的可信度χ=0.9；采樣間隔Δt為10min分鐘；容量?jī)r(jià)格ec,t=0.001萬元/MW；地址建造Cs=100萬元；蓄電池充放電效率ηc=0.75，ηd=1；儲(chǔ)能設(shè)備折舊系數(shù)λ1=4.5%；kp=100萬元/MW,kmp=2萬元/MW；kw=400萬元/MWh，kmw=0；風(fēng)電場(chǎng)發(fā)電成本為0.045萬元/MWh。對(duì)于儲(chǔ)能設(shè)備的投資補(bǔ)助，現(xiàn)階段還未有明確補(bǔ)貼政策。本文參考國(guó)家對(duì)新能源投資補(bǔ)助方式[15]，以政府投資初始設(shè)備的50%計(jì)算，即α=0.5，儲(chǔ)能設(shè)備使用年限T為10 a。

該風(fēng)電場(chǎng)的典型日出力曲線和系統(tǒng)接納風(fēng)電限制曲線如圖2所示。

圖2　風(fēng)電出力和系統(tǒng)接納限制曲線

通過對(duì)圖3計(jì)算分析，該風(fēng)電場(chǎng)這天中的棄風(fēng)量為25.11MWh，占總輸出量的1.8%。以固定電價(jià)研究，在未裝入儲(chǔ)能設(shè)備時(shí)，年收益為2578.84萬元。以用戶側(cè)的峰谷電價(jià)機(jī)制作為上網(wǎng)電價(jià)計(jì)算，年收益為2843.75萬元。

經(jīng)過對(duì)比，本文采用峰谷電價(jià)來設(shè)置風(fēng)電的上網(wǎng)電價(jià)，分析儲(chǔ)能設(shè)備帶來的經(jīng)濟(jì)性以及調(diào)節(jié)性。峰谷上網(wǎng)電價(jià)如表2所示。

表2　峰谷電價(jià)

通過matlab軟件進(jìn)行編程計(jì)算，得到的優(yōu)化結(jié)果如圖3所示。

圖3　優(yōu)化結(jié)果(迭代100次后的Pareto非劣解)

功率波動(dòng)平衡性指標(biāo)越大，說明優(yōu)化后，風(fēng)電輸出越平滑。從圖3上看出，風(fēng)電輸出的越平滑，年收益反而越小。這是由于儲(chǔ)能裝置的建設(shè)成本較高的原因，增加蓄電池的額定功率和額定容量雖然能增大因旋轉(zhuǎn)備容量減少所帶來的收益以及低儲(chǔ)高發(fā)帶來的經(jīng)濟(jì)效益。但同時(shí)蓄電池建設(shè)成本也會(huì)增大，而建設(shè)成本在年收益中所占比重較大，呈現(xiàn)出年收益與容量成相反增長(zhǎng)的趨勢(shì)。

本次優(yōu)化結(jié)合Pareto排擠支配思想，采用了多目標(biāo)粒子群算法，優(yōu)化所得結(jié)果不是單一的全局最優(yōu)解，所得解集收斂于Pareto最優(yōu)前沿。對(duì)于優(yōu)化所得解集中，選取其中兩個(gè)優(yōu)化結(jié)果作為其儲(chǔ)能容量配置方案，其結(jié)果如表3所示。

表3　優(yōu)化結(jié)果

方案1中，這天中風(fēng)電場(chǎng)的棄風(fēng)量為10.89MWh。相比未加儲(chǔ)能的風(fēng)電場(chǎng)，風(fēng)儲(chǔ)聯(lián)合收益增加了424.6萬元，其中風(fēng)電場(chǎng)收益為2692.16萬元，而儲(chǔ)能設(shè)備通過低儲(chǔ)高發(fā)為風(fēng)電場(chǎng)帶來的效益為432.79萬元，減少系統(tǒng)旋轉(zhuǎn)備用容量帶來的收益為323.4萬元，在無投資補(bǔ)助的情況下，風(fēng)儲(chǔ)聯(lián)合系統(tǒng)年投資回報(bào)率為7.2%，即在儲(chǔ)能設(shè)備壽命期限內(nèi)無法回收其投資成本。在投資補(bǔ)貼50%后，年投資回報(bào)率達(dá)到14.4%。如果采用固定上網(wǎng)電價(jià)機(jī)制，低儲(chǔ)高發(fā)所獲收益將不存在，對(duì)風(fēng)電場(chǎng)的并網(wǎng)將起不到激勵(lì)作用。采用方案1后，風(fēng)電出力曲線和蓄電池充放電曲線如圖4所示。

圖4　方案1風(fēng)電優(yōu)化輸出和充放電曲線

其中充放電曲線中，正值表示蓄電池處于充電狀態(tài)，負(fù)值表示處于放電狀態(tài)。

在安裝儲(chǔ)能設(shè)備后，風(fēng)儲(chǔ)聯(lián)合系統(tǒng)的年收益增大。其增加的年收益主要來自于峰谷電價(jià)差而獲得。通過圖4看出，在風(fēng)電場(chǎng)中安裝儲(chǔ)能設(shè)備后不僅平滑了風(fēng)電輸出，同時(shí)也將風(fēng)電的輸出功率限制在系統(tǒng)所能接納的容量之內(nèi)。根據(jù)峰谷電價(jià)的上網(wǎng)機(jī)制，蓄電池在滿足約束條件下，負(fù)荷低谷時(shí)處于充電狀態(tài)，在負(fù)荷高峰時(shí)則處于放電狀態(tài)，體現(xiàn)出了蓄電池低儲(chǔ)高發(fā)來實(shí)現(xiàn)經(jīng)濟(jì)效益。

雖然儲(chǔ)能設(shè)備能平滑風(fēng)電輸出，但由于峰谷時(shí)段出力差異太大，要進(jìn)一步實(shí)現(xiàn)出力的削峰填谷就需配置更大容量的儲(chǔ)能設(shè)備。以方案2作為儲(chǔ)能容量配置方案。

方案2中將蓄電池容量配置增大，減少系統(tǒng)旋轉(zhuǎn)備用容量帶來的收益為367.6萬元，儲(chǔ)能設(shè)備通過低儲(chǔ)高發(fā)為風(fēng)電場(chǎng)獲得套利496.4萬元，投資補(bǔ)貼后，年投資回報(bào)率為12.3%。風(fēng)電場(chǎng)棄風(fēng)量為6.428MWh。配置該容量后所得風(fēng)電出力曲線如圖5 所示。

圖5　兩方案風(fēng)電輸出曲線

通過兩方案進(jìn)行對(duì)比，方案2風(fēng)電出力更加平穩(wěn)，風(fēng)電場(chǎng)中的棄風(fēng)量也會(huì)減少。不同容量配置與風(fēng)電棄風(fēng)關(guān)系如圖6所示。

圖6　容量配置與棄風(fēng)關(guān)系

在負(fù)荷高峰時(shí)段，儲(chǔ)能通過放電使得風(fēng)電輸出更多，通過低儲(chǔ)高發(fā)的方式獲得的套利更多。但由于儲(chǔ)能設(shè)備建設(shè)成本因素，導(dǎo)致年收益與方案一相比反而減少了，另一方面，因儲(chǔ)能設(shè)備而減少旋轉(zhuǎn)備用容量所帶來的收益也會(huì)到達(dá)極限。過度增大儲(chǔ)能配置容量雖然能平滑輸出、減少棄風(fēng)，但從經(jīng)濟(jì)性方面考慮是不可取的。

現(xiàn)階段蓄電池儲(chǔ)能設(shè)備所帶來的年收益率比較低的原因主要是蓄電池單位造價(jià)太高。電池的單位造價(jià)與儲(chǔ)能設(shè)備帶來年收益間的關(guān)系如圖7所示。

圖7　電池造價(jià)與儲(chǔ)能年收益率關(guān)系

當(dāng)蓄電池單位造價(jià)降低，年收益將會(huì)有顯著的提高。本文以蓄電池儲(chǔ)能的平均造價(jià)400萬元/MW進(jìn)行計(jì)算，風(fēng)電場(chǎng)在并入儲(chǔ)能設(shè)備后，聯(lián)合系統(tǒng)的年收益在6%~7%左右，即在10年的壽命期限內(nèi)風(fēng)電場(chǎng)不能回收儲(chǔ)能設(shè)備成本。若以新能源補(bǔ)貼政策作為參考，對(duì)儲(chǔ)能設(shè)備初始投資的50%進(jìn)行補(bǔ)助，則風(fēng)儲(chǔ)聯(lián)合系統(tǒng)的年收益在12%~14%左右，是風(fēng)電場(chǎng)可接受的范圍。由此可見現(xiàn)階段儲(chǔ)能設(shè)備的推廣還需要國(guó)家政策的大力扶持。

5結(jié)論

本文采用多目標(biāo)粒子群算法對(duì)風(fēng)電場(chǎng)中配置容量進(jìn)行優(yōu)化。將蓄電池作為研究對(duì)象，以風(fēng)儲(chǔ)聯(lián)合收益與風(fēng)電輸出波動(dòng)平衡作為衡量指標(biāo)，得到了最優(yōu)化解集。經(jīng)過分析可得到如下結(jié)論：

① 風(fēng)電場(chǎng)配置儲(chǔ)能設(shè)備能夠平滑輸出，減少棄風(fēng)量。儲(chǔ)能設(shè)備的容量越大，對(duì)于風(fēng)電出力的削峰填谷的效果越明顯，棄風(fēng)越少，對(duì)風(fēng)能的利用越高。

② 儲(chǔ)能設(shè)備的容量與年收益密切相關(guān)，由于電池造價(jià)成本而使年收益較低，目前蓄電池儲(chǔ)能設(shè)備的推廣需要政策的大力支持。從長(zhǎng)遠(yuǎn)角度而言，技術(shù)的革新才是儲(chǔ)能設(shè)備廣泛運(yùn)用唯一方式。

③ 本次采用多目標(biāo)算法，得到了優(yōu)化配置的Pareto解集。區(qū)別于單目標(biāo)算法只能得到一個(gè)全局最優(yōu)解，風(fēng)電場(chǎng)可根據(jù)自身所需條件選取合適的容量配置。

參考文獻(xiàn)

[1]A Arulampalam，M Barnes，N Jenkins，et al.Power quality and stability improvement of a wind farm using STATCOM supported with hybrid battery energy storage[J].IEEE Proceedings of Generation，Transmission and Distribution, 2006，153(6)：701-710.

[2]Abbey C， Joos G. Supercapacitor energy storage for wind energy applications[J].IEEE Transactions on Industry Applications，2007， 43(3): 769-776.

[3]張坤，毛承雄，陸繼明等.基于儲(chǔ)能的直驅(qū)風(fēng)力發(fā)電系統(tǒng)的功率控制 [J].電工技術(shù)學(xué)報(bào),2011， 26(7): 7-14.

[4]LY Qu，W Qiao. Constant power control of DFIG wind turbineswith supercapacitor energy storage[J].IEEE Transactions on Industry Applications，2011，47(1)， 359-367.

[5]楊秀，陳潔，朱蘭，等.基于經(jīng)濟(jì)調(diào)度的微網(wǎng)儲(chǔ)能優(yōu)化配置)[J].電力系統(tǒng)保護(hù)與控制,2013，46(1): 7-14.

[6]楊珺，張建成，周陽(yáng)，等.針對(duì)獨(dú)立風(fēng)光發(fā)電中混合儲(chǔ)能容量?jī)?yōu)化配置研究 [J].電力系統(tǒng)保護(hù)與控制,2013，26(4):11-17.

[7]施琳，羅毅，涂光瑜，等.考慮風(fēng)電場(chǎng)可調(diào)度性的儲(chǔ)能容量配置方法 [J].電工技術(shù)學(xué)報(bào),2013，5(28):116-124.

[8]李文斌，盧繼平，徐兵,等.平抑風(fēng)電場(chǎng)功率波動(dòng)的儲(chǔ)能容量選取方法[J].華東電力，2012，40(3):34-39.

[9]H Bludszuwei，J A Domínguez-Navarro.A probabilistic method for energy storage sizing based on wind power forecast uncertainty[J].IEEE Transactions on Power Systems，2011，26(3):1651-1658.

[10]Brekken T KA，Yokochi A，Jouanne A von，et al. Optimal energy storage sizing and control for wind power applications[J].IEEE Transactions on Sustainable Energy， 2011， 2(1): 69-77.

[11]王承民，孫偉卿，衣濤,等.智能電網(wǎng)中儲(chǔ)能技術(shù)應(yīng)用規(guī)劃及其效益評(píng)估方法綜述[J].中國(guó)電機(jī)工程學(xué)報(bào),2013,77(3)：33-41.

[12]馮江霞，梁軍，張峰,等.考慮調(diào)度計(jì)劃和運(yùn)行經(jīng)濟(jì)性的風(fēng)電場(chǎng)儲(chǔ)能容量?jī)?yōu)化計(jì)算[J].電力系統(tǒng)自動(dòng)化,2013，37(1):90-95.

[13]裴勝玉，周永權(quán).基于Pareto最優(yōu)解集的多目標(biāo)粒子群優(yōu)化算法[J].計(jì)算機(jī)工程與科學(xué),2010,32(11):85-88.

[14]肖曉偉，肖迪，林錦國(guó)，等.多目標(biāo)問題的研究綜述 [J].計(jì)算機(jī)應(yīng)用研究，2011，3(5):15-19.

[15]趙振宇，范磊磊.可再生能源法規(guī)、政策分析及其對(duì)發(fā)電結(jié)構(gòu)影響[J].可再生能源，2010，28(4):5-8.

竇迅(1980—)，女，博士，副教授，研究方向?yàn)殡娏κ袌?chǎng)與電力經(jīng)濟(jì)、新能源，E-mail：dxnjut@njtech.edu.cn；

計(jì)仕清(1990—)，男，碩士研究生，研究方向?yàn)轱L(fēng)電并網(wǎng)及其儲(chǔ)能技術(shù)，E-mail：1026443867@qq.com；

李揚(yáng)(1961—)，男，教授，博士生導(dǎo)師，研究方向?yàn)殡娏π枨髠?cè)管理、電力市場(chǎng)、電力系統(tǒng)運(yùn)行與控制等，E-mail：li_yang@seu.edu.cn。

(責(zé)任編輯：楊秋霞)