風力發電和光伏發電作為一種可再生、無污染的能源，近些年來得到了全世界范圍的關注，并且獲得了大力地發展，我國政府出于資源與環境的壓力也在積極地發展風力發電和光伏發電。風速由于受到天氣與地理等因素的影響，其大小與風向會經常性變化，而光伏出力也與天氣變化密切相關，光照強度和氣溫的變化會影響到出力的大小，從而導致風電和光伏出力具有很大的隨機性、波動性和間歇性。風光裝機容量占全網總容量較小時，風光出力的波動不會對電網造成不良影響，但隨著風光接入電網容量的不斷增大，隨機性、波動性和間歇性等風光出力特性對電力系統的安全與穩定運行影響越來越大，大大降低了原有的電能質量。
上述問題嚴重影響了風光發電的并網，對電網的調頻和調峰也產生了嚴重的影響。將風光出力控制在最大跟蹤功率以下，根據需要相應地提高或降低風光輸出功率可達到平抑風光出力波動的目的，但該方法會降低風光的利用率，造成風電場、光伏電站的效益下降，而且這樣調節的效果也有限。并且現在風光出力預測水平還存在一定的局限性，在風電滲透性增加的情況下，會對出力計劃造成越來越大的影響。
隨著儲能技術" title="儲能技術" target="_blank">儲能技術的興起，為儲能系統平抑風電出力的波動提供了可能。儲能是既傳統又新興的技術，早期就開始應用的抽水蓄能電站也可以歸為儲能技術，而新興儲能技術則主要包括近年來發展起來的電池儲能、超導儲能、超級電容器儲能等技術。隨著這些新興儲能技術應用的發展與成熟，儲能系統在平抑風電出力波動上的應用越來越廣泛，同時相關研究也越來越豐富。國內外也已建立了一些儲能的示范性項目：如中國國家電網公司在張北建成的風光儲電站；遼寧電網在臥牛石風電場建成了5MW×2h全釩液流電池儲能示范電站；日本北海道采用全釩液流電池建成了風電場的配套儲能電站，主要用于平滑風電出力波動。
本文重點闡述了儲能平抑風光發電出力波動的研究現狀，歸納總結了平抑風電、光伏出力波動的相關控制方法。
1?儲能技術及平抑出力波動原理概述
1.1?儲能技術分類
風電和光伏發電的出力波動在任何時候都可能發生，在目前的新能源發電預測水平下，難以實現分鐘級甚至秒級的風、光發電出力精確預測。因此，需要能夠快速響應的儲能技術。表1羅列了幾種典型的儲能技術。
表1典型儲能技術
儲能技術類型很多，用于平抑風光出力波動時，儲能系統也可分為單一類型儲能系統和混合儲能系統、多類型儲能系統。文獻［1］采用鋰離子電池儲能系統對風光出力波動進行平滑。文獻［7-8］采用了釩液流電池儲能系統平抑風電出力波動。文獻［9］采用超導電磁儲能系統平抑風電出力。由于飛輪儲能可在短時間內輸入或輸出較大功率，飛輪儲能也運用于風光發電的出力平滑。文獻［5］采用超級電容與電池混合儲能系統進行了可再生能源發電出力平滑。鑒于飛輪可用于平滑高頻功率波動和部分低頻功率，蓄電池可用于平衡基準功率以維持母線電壓平滑穩定，以飛輪和蓄電池混合儲能對光儲充電站直流微網系統進行平滑。文獻［13］根據能量型和功率型儲能的技術特點，基于已經計算得到的單一儲能系統輸出功率，計算出符合不同類型儲能技術特點的儲能輸出功率，從而配置出合理的多類型儲能系統對風電出力進行平滑控制。文獻［14］采用多類型儲能系統改善平滑效果，用超級電容器平抑短期功率波動，用蓄電池減弱長期功率波動；同時應用雙層模糊控制方法，進行儲能系統功率的修正。
1.2?儲能系統平抑風光發電出力波動的基本原理
儲能系統平抑風光發電出力波動是指原來波動性較大的風電場和光伏電站總功率加上儲能系統的功率輸出（儲能系統的功率輸出包括電能的釋放和吸收，釋放時其功率為正，吸收時其功率為負）后總的聯合功率曲線變得平滑。此時注入到大電網的功率是風電場所有風機或光伏電站所有光伏電池出力與儲能系統出力之和。儲能系統可以通過實時的調整跟蹤風電場、光伏電站的總出力，儲能系統輸出功率在風電場、光伏電站出力曲線尖峰時吸收功率，在其出力曲線低谷時輸出功率。
注入到電網的功率即為風電場/光伏發電站輸出功率與儲能系統的功率之和。
2儲能系統控制方法
根據1.2所述，風光發電出力波動的平抑是將風光發電的輸出功率與儲能輸出功率疊加后的聯合出力輸送到電網。因此，平抑風光發電出力，需要設置相應的控制目標，也即需要對儲能系統的充放電功率進行優化控制。
2.1?單純平抑風光出力波動方法
平抑風光發電出力波動的過程中，儲能系統采用的控制方法千差萬別，考慮的條件與因素各不相同。最為簡單的是單純平抑風光出力波動方法，而不考慮其他任何附加條件。
單純進行功率波動平抑時，最為常見的是濾波器法，而采用低通濾波器進行風光波動平抑則更為普遍，如文獻［5，7-9，15-24］都是在不考慮其他目標或約束條件的情況下，采用低通濾波器的方法確定平抑風光出力波動的控制目標。
以某100MW風場為例，圖1為典型的風功率波形圖和波動頻譜圖，功率采樣周期為1min，采樣時長為一周，則采樣點數為10?080（即24×7×60=10?080）。通過FFT快速分解得到風功率的頻譜特性，從圖1（b）、（c）中可知，風功率頻段大部分處于低頻段，高頻或中高頻部分極少。
圖1典型風功率波形及頻譜
風光出力分解時較為常見的是將其分為3個頻段，并依據不同頻段功率對電網的影響，確定儲能系統的平抑頻段。3個頻段的劃分如下：高頻段為1Hz以上、中頻段為0.01~1Hz、低頻段為0.01Hz以下。風電功率頻譜中高頻分量，可以被風力機轉子的慣量吸收；風電功率中頻分量由于功率變化較大，對電網影響最大，短時間會對電網造成嚴重沖擊，因此該方法進行風電平抑時，儲能系統平抑的主要是中頻段的功率分量；風電功率中的低頻段波動比較緩慢，電網中的自動發電控制（AGC）響應速度，基本可以跟上。因此該頻段的功率分量大部分由AGC補償，但當傳統發電機組的爬坡速度有一定限制和電力系統的備用容量有限時，也有必要對風電低頻段功率分量進行平抑；也有文獻將風機出力分解為高頻、低頻兩個部分進行平抑，根據不同頻段采用不同類型的儲能元件，超級電容平抑高頻部分，電池儲能則平抑低頻部分。而平抑光伏發電出力時，其出力分解的頻段與風電相似：例如分為高頻段和低頻段時，由于高頻部分所占比例較小，儲能系統主要是平抑低頻部分。
在確定了平抑的頻段后，即可對風光發電出力波動進行平抑。文獻［23］采用低通濾波器以確定儲能系統輸出功率，并采用了混合儲能系統，將其分為兩層，一層為快速響應的儲能用于平抑快速波動的功率分量，二層為慢速響應的儲能用于平抑波動速度較慢的功率分量，而該方法還是基于低通濾波器對儲能功率進行選擇，該文獻還提出了將儲能狀態改變次數作為評價指標之一，以提高儲能系統的壽命。
低通濾波器進行風光出力平抑時，時間常數的設定方法可根據具體需要而定。文獻［20］在使用低通濾波器平抑風光出力波動時，加入了神經網絡算法濾波器的參數進行了訓練。文獻［21］采用了慣性時間常數的低通濾波器，并與PID控制相結合實現風電出力的平抑。文獻［28］使用了粒子群算法對時間常數進行了實時優化。
以上均是采用低通濾波器進行單純功率波動平抑的相關研究，低通濾波器還可配合其他元件使用以平抑風光出力波動。文獻［9］采用低通濾波器與高通濾波器相結合建立起來的帶阻濾波器進行濾波，對超導電磁儲能系統充放電功率控制，從而實現對風電出力的平滑。文獻［28］提出了采用慣性控制和空間濾波過濾風電功率波動中高頻部分的方法，該文獻并不涉及儲能系統，但可為儲能系統平抑風電波動提供濾波器選擇上的參考。
除了低通濾波器以外，還可采用其他類型的濾波器進行風光出力波動的平抑，如文獻［29-30］采用的是滑動平均濾波器，分離功率指令中的低頻分量由蓄電池平抑，而其他快速變化分量由超導磁體承擔，該方法能夠使出力功率得到平滑，但沒有考慮到風光功率爬坡方面的優化。文獻［31］利用兩級實時小波濾波對風機出力進行平抑，既實現了平抑目標，又減少了輸出功率的噪聲。文獻［32］提出基于在線小波的混合儲能系統協調控制策略，包括了主要濾波器和次要濾波器，主要濾波器用于滿足兩個時間尺度內的出力波動要求，次要濾波器則在主要濾波器的基礎上進一步對出力進行平滑。
濾波器主要是基于風光出力的波動能夠分解到不同頻段的功率，對功率進行過濾，從而實現對功率波動的平抑。在平抑功率波動進行分頻率分解過濾時，除了濾波器法外還存在其他研究，如文獻［33］在充分分析風電功率幅頻特性的基礎上，提出基于小波包分解的混合儲能技術進行風電場輸出功率波動平抑的方法。采用小波包分解理論對風電場輸出的波動功率進行多尺度分解，得到反映并網功率信號的低頻信號和接入儲能系統的高頻信號。通過反饋調節將實際有功功率盡量控制到與小波包分解給出的預期功率接近范圍內。
2.2?考慮一定目標或約束的平抑方法
以上文獻只是單純地進行風光出力波動的平抑，沒有考慮相關的優化目標或約束條件。目前對于風光波動標準的制定，特別是在國內還處于起步階段。最初風電并網時，并未對風電的功率波動制定相關標準，隨著風電裝機容量的增加，為了減少風電波動對電網的影響，各國開始對風電波動制定標準，這主要體現在爬坡率上。不同國家的輸電公司或是電力部門對風電爬坡率的要求有所不同。表2、表3分別是國外部分國家和中國對風電波動率的相關要求。
從表2和表3可以看到目前風電并網的波動要求已經逐步形成體系，但光伏并網僅有頻率、低電壓穿越等要求，出力波動方面的要求還較少，特別是具體限定值方面。
針對風電波動率相關標準的要求，許多學者在考慮波動率限制方面做了平抑風電波動的相關研究，而且有不少文獻是結合低通濾波器進行風電功率平抑。文獻［37］對濾波器進行改進，采用可調節的時間常數解決平抑風電波動時的過補償問題，同時加入波動率限制器。由于不同的時間尺度下對波動率的要求有所不同，因此部分文獻考慮在不同時間尺度下進行功率波動約束，較為常見的是1min和30min下的功率波動約束，如文獻［24，31-32，38］，其中文獻［24］根據兩種不同的時間尺度的波動率要求靈活地進行低通濾波器時間參數的調節，從而實現風電出力波動的靈活調節。這樣也有利于針對性采用不同的儲能元件平抑不同程度波動，文獻［32］在兩個時間尺度的基礎上，對不同的平抑波動要求采用不同的儲能元件，對于短期波動采用超級電容進行平抑，對于長期波動采用鋰離子電池進行平抑。而對于光伏，盡管其出力波動相關標準還沒有成形，但已有相關學者進行研究，如文獻［39］根據實際氣象數據得到光伏出力，對低通濾波算法進行了研究，在滿足并網標準的1min最大變化量和10min最大變化量下得到儲能系統定額，同時針對選定的功率曲線研究了濾波器時間常數與儲能系統定額的關系。
平抑風光出力波動時，除了功率波動的相關標準要求外，還需考慮儲能系統相關的物理約束，其中荷電狀態（stateofge，SOC）約束是十分重要的1項約束，許多學者都在平抑風光發電出力波動時，考慮SOC約束。如文獻［40］采用高通濾波器提到了需要注意儲能系統的SOC，避免過充過放，但沒有提出實際的控制方法，此外該文獻還提到儲能系統放電深度，從放電深度的角度考慮了對儲能系統壽命的影響。文獻［41］基于低通濾波原理，根據電池儲能的SOC實時調整濾波時間常數，實現光伏出力波動的平抑，同時還分析了儲能系統能量與功率波動之間的關系，提出了優化配置功率和能量的計算方法。文獻［42］結合基于模糊邏輯對儲能系統SOC約束進行調整的適應調節器，對用于平抑風電出力波動的低通濾波算法進行了改進。而文獻［32，43，44］將SOC作為反饋調節的控制量之一，實現了基于低通濾波的平抑風電出力波動的SOC閉環控制，保證了儲能系統的SOC始終處于一定范圍內，如文獻［32，43］保證SOC在20%至80%之間，文獻［44］還在SOC限制的基礎上考慮了儲能容量E與風電額定輸出功率CWF關系之間的影響，以兩者之間商值大小與時間常數T比較，判斷SOC變動范圍，有如下關系：
當T<E/CWF，SOC在電池額定容量內變化；
當T=E/CWF，SOC的變化與電池額定容量相等；
當T>E/CWF，SOC的變化將超過電池額定容量。
文獻［25，45］結合低通濾波器，提出了一種基于電池荷電狀態分級優化的混合儲能系統風電功率平抑方法。該方法采用了分層結構，包含優化控制層和協調控制層。優化控制層根據風電平抑性能要求以及混合儲能系統當前整體SOC（其中為了衡量混合儲能系統的SOC，計算了儲能系統平均SOC）計算動態調節儲能系統的設定功率；協調控制層根據儲能設備各自的SOC和充放電特性，按優化控制層計算出的設定功率進行功率分配，實現了對設定功率的快速跟蹤。文獻［46］則根據儲能系統的能量和風電功率設置系數，將該系數作為反饋調節的環節之一。
以上文獻均是在結合了濾波器的情況下考慮SOC約束，其他方法也可在考慮SOC約束的情況下進行風光功率波動平抑，如文獻［47］在考慮了SOC限制的同時，基于規則控制進行風電功率波動平抑。
除了濾波算法，模型預測控制也是平抑風光波動時較為常用的一種方法，而且濾波算法基本都考慮了功率波動優化目標，SOC約束等。文獻［38，48-50］就采用了模型預測控制方法對儲能系統的充放電功率進行控制。文獻［38］提出了一種基于模型預測控制的實時平抑風電場功率波動的電池儲能系統（BESS）優化控制方法。該方法以未來一個控制時段使用的儲能出力最小為目標，考慮了BESS最大功率約束和容量約束。當合成輸出功率不滿足功率波動約束時，采用約束軟化調整技術，兼顧期望目標，以獲得滿意的優化結果。從而實現基于區間削減技術的主動式能量反饋控制，避免BESS的過充或過放。文獻［48-49］基于模型預測控制設計了用于平滑風電出力的控制器。通過提前幾步預測風電的出力，該控制器對風電的最大爬坡率進行優化，同時考慮了系統模型的約束。文獻［50］結合儲能系統的約束設計了開環優化控制策略，為避免實時控制時的預測誤差，加入模型預測控制，從而實現風電平抑。
除以上平抑風光波動方法外，目前還有學者在平抑風光波動時考慮加入風光波動率反饋。文獻［51］通過判斷當前風光功率波動率與設定值的比較，進而決定是否采用濾波方法進行功率平滑。
文獻［1］綜合考慮原始功率波動率，提出了儲能系統基于斜率的控制方法。文獻［52］綜合考慮了SOC約束與波動率約束，通過設置合理的風電功率波動限制值和目標值，判斷基于斜率控制作用下的當前風電波動率與限制值及目標值的關系，進而基于ADP對儲能系統進行優化控制。文獻［53］考慮儲能電池SOC和光伏出力波動率的約束條件，采用EEMD對光伏信號進行分解至高低頻段，其中低頻部分作為注入到電網的期望信號，高頻部分由儲能系統吸收，采用模糊控制自適應調節EEMD濾波階數，從而實現光伏出力平抑。
以上加入風光波動率約束的控制策略，將其作為儲能系統充放電控制以及優化控制的判斷依據。加入波動率反饋作為充放電控制依據在滿足電網安全基本要求的前提下，降低了儲能系統的狀態改變次數，降低其運維成本，很大程度上延長了儲能系統壽命。
2.3?考慮功率預測與人工智能的平滑控制方法
上文中按考慮目標或約束與否分別論述了平抑風光的波動，主要是介紹了濾波算法和模型預測控制兩類平抑風光功率波動較為常見的方法，除了上述兩類較為常用的方法外，國內眾多學者還對平抑風光波動進行其他方法的研究。
文獻［54］基于風電功率短期預測技術，將風電0~24h內的出力波動抑制在給定區間內為控制目標，以預測獲得的未來0~24h的風電輸出功率的平均值為參考目標，同時基于電網可接受風電功率波動范圍設定波動上下限制，制定控制流程。文獻［11］采用模糊邏輯方法確定飛輪儲能平抑風柴功率波動時的出力。文獻［55］則采用模糊邏輯與小波變換相結合的方法對儲能系統的充放電功率進行控制。文獻［56］對公差帶控制儲能系統的方法進行改進，加入了自適應算法以及隨機動態控制，有效地改進了原有方法對某些風電場尖峰出力優化效果不理想，峰值沒能得到平抑的不足。文獻［57］確定平抑目標時采用了設置目標函數的方法，該目標函數基于短期風電、光伏預測，根據風光功率預測值設置當日運行計劃，以實際投運后系統出力與計劃出力相差最小化為目標，以儲能系統功率、容量等為約束條件，從而實現對儲能系統的動態控制。但該方法得到結果曲線平滑度不夠。基于動態規劃算法建立了儲能系統的動態模型。文獻［58］采用了超前控制策略對風電功率波動進行平滑，同時考慮了儲能之前時刻和當下的運行狀態，并考慮了下一預測周期（認為該預測時長內風功率預測值準確無誤）內的風電出力，基于預測功率控制當下儲能充放電程度，將風電波動率設為儲能系統動作的條件之一，考慮了儲能系統的SOC約束，從而實現了對短期風功率的平抑。文獻［59］建立考慮充放電效率與狀態的蓄電池模型以及燃機成本模型。基于光伏與風電出力日預測曲線，考慮分時電價，以微燃機燃料費用最低和外部購電價格最低為目標，并采用混合整數線性規劃算法優化微網運行成本。文獻［60］考慮了儲能系統波動率約束和荷電狀態，創建了儲能系統的20條充放電規則，通過4個充放電控制變量，基于光伏超短期功率預測，兼顧考慮儲能系統平抑波動能力、充放電深度（使用壽命）、充放電裕度3個目標，采用自適應混沌粒子群算法對目標函數進行尋優，制定了具有前瞻性的控制策略。
2.4?多類型儲能系統平抑新能源發電的控制方法
由于風光的波動功率可以分解成不同頻率，單一類型儲能平抑風光波動時，有時難以有效平抑各頻段功率。因此，有些文獻采用混合儲能或多類型儲能。目前較多的是以鉛酸電池、超級電容或鋰離子電池組合而成的混合儲能方式。文獻［32］采用超級電容平抑短期功率波動，采用鋰離子電池平抑長期功率，有利于發揮各類儲能技術在時間上和能量規模上的不同特性。文獻［29］以蓄電池和高溫超導磁體構成的混合儲能系統為研究對象，用于平抑間歇性電源的功率波動。文獻［61］針對混合儲能系統的控制系統提出了雙層控制模型，即分為能量層和系統層，分別對儲能系統充放功率和能量進行調節，并設置了專家系統，以此確定儲能系統出力目標。文獻［62］將風光功率波動分為尖峰波動功率、穩態波動功率和頻繁往復波動功率，分別采用超級電容和蓄電池平抑不同波動。控制電感電流以實現總吞吐功率分配，判斷功率波動類型以實現儲能系統間功率分配。該系統既平抑了風電出力，又合理發揮了超級電容器和蓄電池的不同儲能優勢。文獻［33］對高頻風功率信號再次劃分，分別選擇與其頻率范圍適應的蓄電池和超級電容器儲能設備，建立了基于混合儲能系統的風電場輸出功率平滑控制模型。文獻［12］采用飛輪儲能平抑光儲充電站高頻功率波動和部分低頻功率，并平滑蓄電池輸入，進而在蓄電池維持電壓穩定平滑同時，延長電池壽命。文獻［14］應用雙層模糊控制方法，第一層模糊控制器實時調節混合儲能系統SOC，第二層控制器主要用于改善第一層控制效果，但采用雙層控制方法的混合儲能系統必須充放電功率接近。
3結語
在儲能平抑風光波動的研究中濾波算法是最為常見的方法，簡單易行，運算速度較快，但具有一定的滯后性，對風光變化的敏感度不夠。同時也不一定能滿足并網要求，因此可在其中加入爬坡率等控制目標約束以及儲能系統的荷電狀態、電池健康狀態等物理約束。模型預測控制算法上較為復雜，但能對風光發電出力做出一定預判，有利于實時跟蹤風光發電出力波動，獲得更好的控制效果。多類型儲能系統的引入在一定程度上能夠發揮各種儲能方式的優勢，取長補短，提高不同類型儲能系統的使用壽命，但不同儲能系統的功率協調控制與能量管理是需重點考慮的。
作者：
寧陽天，廣西電網電力調度控制中心，碩士，主要研究方向為電力系統及其自動化。
李相俊，新能源與儲能運行控制國家重點實驗室（中國電力科學研究院）,博士，教授級高級工程師，主要研究方向為大規模儲能技術、電力系統自動化和智能電網。
董德華，華北電力大學控制與計算機工程學院，碩士，主要研究方向為電池儲能系統控制。
賈學翠，新能源與儲能運行控制國家重點實驗室（中國電力科學研究院），碩士，工程師，主要研究方向為大規模儲能技術。
惠東，新能源與儲能運行控制國家重點實驗室（中國電力科學研究院），博士，教授級高級工程師，主要研究方向為大規模儲能技術。