风功率不确定性对电网的影响及其应对措施

李智，顾菊平，张新松

（南通大学电气工程学院，江苏南通 226019）

随着化石燃料的逐渐枯竭与环境污染的日益加剧，人类对发展可再生能源给予了越来越多的重视。

风电是目前最成熟、且最具商业开发前景的可再生能源发电技术[1]。风电有分散接入和集中接入两种并网方式。分散接入时电压等级较低，风电规模小，电量以当地消纳为主，对电网的影响较小；集中接入时电压等级高，风电规模大，电量以异地消纳为主，对电网运行影响较大。我国风能资源主要分布于“三北”及东南沿海地区，大多远离负荷中心，因此大多采用集中接入的方式。据统计，接入110 kV及以上电压等级电网的风电约占总容量的75%[2]。

与常规能源机组不同，风功率由随机性的风速确定，具有极强的不确定性[3]。图1给出了某省电网并网风电场2010年7月每小时的出力总和，从该图可发现：与常规能源机组不同，风功率呈现出极强的不确定性。某些时段风电场总出力高达数百MW，而某些时段风电场出力却很小，甚至完全为零。此外，受湍流效应、塔影效应、偏航误差、及风机切换操作等因素的影响，风功率中还将含有较多的低频波动分量[4]。如不加控制，这些波动分量将会导致风电并网点的电能质量问题，如电压闪变等[5]。

图1 某省电网2010年7月风电出力总加Fig.1 The total w ind power output in the power grid of a province in July 2010

随着风电穿透水平的日益提高，其不确定性对电力系统规划、运行各领域的影响将越来越显著。长期以来，学术界在此领域进行了大量的研究工作。本文结合这些研究工作，总结了风电大规模并网的前提下，其输出功率的不确定性对电力系统的影响。最后，本文还简要分析了利用储能系统（energy storage system，ESS）改善风功率不确定性的可能性。

1 风功率不确定模型

采用合适的数学模型刻画风功率的不确定性是研究其对电力系统影响的重要基础之一。当研究的时间尺度较长时，学者往往采用概率模型或时间序列模型描述风况的随机特性，并在此基础上，根据风电机组（wind turbine generator，WTG）的功率特性形成对应的风功率不确定性模型。当研究的时间尺度不长时，可对风功率进行一定程度的预测，故可将其描述成预测值与不确定预测误差之和。

1.1 概率模型

当研究时间尺度较长时，Weibull分布被广泛地用于描述平均风速V的概率分布，其参数有2个：形状参数k与尺度参数c。其中，k代表风速频谱特性，为无量纲参数；c具有速度量纲，反映平均风速的大小。在已知风速概率分布特性的基础上，可根据WTG功率特性采用卷积计算或蒙特卡洛模拟（Monte Carlo simulation，MCS）技术获得WTG的输出功率P的概率学模型。

一般来说，风电场中各WTG的受风并不完全相同，从而导致其出力也不完全相同[6]。但在很多侧重于研究风电场对电力系统长期运行影响的文献中，这种出力差别往往被忽略，即整个风电场的输出功率Pw可表示为：

式中，n为风电场中WTG的台数。从数学上讲，式（1）是线性变换，可方便地获得整个风电场出力Pw的概率模型。

1.2 时间序列模型

电能生产过程具有很强的连续性，因而在某些研究工作中需借助时序模型刻画风功率的不确定性。目前通常借助移动平均自回归（auto-regressive and moving average model，ARMA）模型构建风速的时间序列，即：式中，Vt为时刻t的平均风速，μ和σ分别为风速的期望和标准差，yt为时间序列值，其具体的数学表达式可见文献[7]，ARMA模型的参数可根据风速历史数据获得。获取风速的时间序列模型后，可根据WTG功率特性获取对应的风功率的时间序列模型。

1.3 预测误差模型

当研究时间尺度较短时，可在一定程度上对不确定性的风功率进行预测[8]。此时，可将风功率Pw表示为预测值和不确定性的预测误差之和，即：

式中，Pfw为风功率的预测值；εw为风功率随机预测误差。此时，风功率的不确定体现为预测误差εw的不确定性。

当多个大型风电场接入系统时，依据中心极限定理，可近似用零期望的正态分布描述风功率预测误差[9-10]。在现有的技术条件下，预测提前时间是影响预测精度的重要因素之一。一般来讲，预测提前时间越长，预测误差越大。文献[11]通过统计丹麦电网风功率预测误差发现：风功率预测误差的标准差（标幺值）σw与预测提前时间t之间的关系可用下式近似逼近：

2 风功率不确定性对可靠性的影响

大规模并网风电场出现后，学者就开始关注风功率的不确定性对发电系统可靠性的影响。丁明教授借助MCS技术研究了并网风电场对发电系统可靠性的影响[12-13]。研究发现，风功率具有不确定性，因此其对发电系统可靠性的贡献远不如同容量的常规能源发电机组。为量化风电场和常规机组对发电系统可靠性贡献度之间的差异，文献[12]定义了风电场容量可信度（capacity credit，CC）这一指标。它是指在保持系统可靠性水平不变的前提下，风电场能替代的常规机组容量与风电场容量的比值，直接反映了风电场建设后可节省的常规机组容量。一般来讲，由于风功率具有不确定性，CC的数值远小于1。与此同时，加拿大学者Billition教授领导的研究小组也得出了类似的结论。文献[14]通过对RBTS可靠性测试系统的研究发现，90 MW的WTG对该测试系统可靠性的贡献仅相当于原系统中1台10 MW的常规机组，即指标CC的数值仅为0.11（10 MW/90 MW）。

多个距离不远的风电场同时接入电力系统时，其风况具有一定的相关性，从而其出力也呈现出一定的相关性。显然，风电场出力相关性可在一定程度上影响发电系统的可靠性。文献[7，15]分别采用MCS法与解析法研究了多个风电场同时并网的前提下，其出力相关性对发电系统可靠性的影响。研究结果表明，当风电场之间出力的相关性较弱时，其出力的不确定性可在一定程度上相互弥补，因而对发电系统可靠性的贡献就较强。

3 风功率不确定性对系统规划的影响

随着风电在电源中所占的比例越来越高，有必要在电力系统规划过程中考虑风功率不确定性的影响。电力系统规划主要分为电源规划和电网规划两部分。电源规划的任务是在负荷预测的基础上，寻求满足一定可靠性水平的最优电源建设方案。而电网规划则是在电源规划与负荷预测的基础上，寻找最优的电网扩展方案，在满足安全、稳定输送电能的基础上尽量节约电网投资。

3.1 风功率不确定性对电源规划的影响

电源规划的重要约束条件之一是确保规划方案的发电充裕度。因此，在包含风电场的电源规划过程中需采用合适的数学模型描述风电场出力的不确定性，并在此基础上对包含风电的发电系统可靠性进行评估。如文献[16]即在电源规划过程中采用离散概率模型描述风电场出力的不确定性，并评估了风电场于指定年代投建对电源规划的影响。

大量研究表明，风电场出力具备与生俱来的不确定性，其对发电系统可靠性的贡献有限[12-14]。再加上风电场单位容量投资成本与常规机组相比没有优势，因而在传统的偏重于经济性的电源规划过程中风电往往不占优势。但风电是一种清洁能源，与常规机组相比，其环境效益较好。文献[17]对常规电源规划模型进行了改进，在电源规划过程中考虑了风电的环境效益。研究表明，考虑环境效益后，风电在电源规划中的竞争力大大加强。

3.2 风功率不确定性对电网规划的影响

风功率的不确定性导致了网络潮流的不确定性，为制定出稳健的电网规划方案，有必要在规划阶段就对这些不确定性加以考虑。文献[18]首次考虑了并网风电场出力不确定性对电网规划的影响，但作者仅依据可靠性指标筛选规划方案。传统规划模型要求规划方案在任何情况下都不出现过负荷。在电源出力可控的情况下，这种规划目标是合理的。大规模风电并网后，潮流的不确定性大大增强，此时再要求规划方案在任何情况下都不出现过负荷往往是不经济的。文献[19]利用机会约束规划的思想构建了考虑风功率不确定性的电网规划模型。模型中采用概率潮流模型取代确定性潮流模型，并利用机会约束思想处理规划方案的安全性约束，即允许规划方案中出现少量过负荷。该模型可有效考虑并网风功率不确定性对电网规划的影响，但模型所需的求解计算量较大。文献[20]构建了基于场景概率的电网规划模型，该模型借助不同的计算场景近似考虑风功率的不确定性，但计算量相对文献[19]要大为减小。文献[21]对基于逐步扩展法的电网规划模型进行了改进，提出了考虑风功率不确定性的电网规划模型。该模型计算更为快捷，具有一定的实用性，但不能给出数学上的最优解。

风功率具有不确定性，且较难预测，因而系统运行过程中往往需借助发电再调度确保系统功率平衡，因此有必要在电网短期规划过程中考虑发电再调度环节。文献[22]在电网规划模型中考虑了发电再调度导致的额外控制成本。此外，为节省求解计算量，文献将考虑了风电不确定性的电网规划问题分解为网络设备投资决策与方案的控制措施成本评估2个子问题，二者借助原问题的规划目标进行总体协调。在此基础上，通过分析规划目标与问题本身的特性，设计了启发式的优化算法，显著减小了求解计算量。

4 风功率不确定性对短期调度的影响

目前电网短期调度多指日前调度，即在系统负荷预测、联络线交换计划、机组初始状态已知的情况下，制定最优的日发电计划和出力安排以确保电能生产费用或电力公司购电成本最低。现阶段，为鼓励风电发展，很多国家和地区均给予风电企业优先上网权。这种情况下，日前调度中往往将不确定性的风功率视作负的负荷加以考虑。显然，风功率的不确定性将显著影响系统日前调度。

4.1 风功率不确定性对旋转备用的影响

旋转备用是日前调度需考虑的重要因素之一，其数值将会显著影响日发电计划的发电成本和系统风险水平。传统的旋转备用确定方法是确定性的，即将其设为一定比例的负荷（如10%）或系统中较大机组的容量。显然，随着大量风电的接入，这种确定性的旋转备用选取原则因未考虑风功率不确定性，将不再适用。早期的研究工作普遍认为：为管理风功率的不确定性，系统旋转备用需求将随风功率穿透水平的提高而逐步增加[23]。实际上，旋转备用是有成本的，调度过多的旋转备用将会导致日前调度计划中的开机数目明显增多，从而增加系统运行成本。因此，一味增大系统的旋转备用以管理风功率的不确定性在经济上是不合适的。文献[24-25]在研究工作中计及了备用成本，通过旋转备用成本与效益之间的平衡确定风电接入后的系统最优旋转备用。研究发现，考虑到备用的提供成本后，最优旋转备用需求并不随着风功率穿透水平的提高而单调增大。

一般来讲，旋转备用指的是正备用，即在机组突然故障或负荷激增的情况下，机组增加出力以确保系统功率平衡。不确定性风电接入后，考虑到风功率有可能突然增大，此时负备用变得同样重要，即常规机组能在风功率激增的情况下及时下调出力以接纳风功率[26]。

4.2 风功率不确定性对调度模式的影响

传统调度模式的目标是在确保电网安全、稳定运行的前提下制定电能生产成本或电网企业购电费用最低的发电计划。大规模风电入网后，国家相关法规要求电网企业全额接受风电企业的上网电量。众所周知，风功率具有极强的不确定性，其大量接入可能会威胁电网的安全稳定运行，因此全额接受风电企业的上网电量对电网企业来说并不是件很容易的事情。因此，有研究工作尝试将风电接纳能力考虑到调度目标之中。文献[27]将弃风量最小作为调度目标之一引入到日前调度模型中。研究表明，为减少风电企业弃风量，整个系统的运行效益将会下降。文献[28]将风功率的不确定性量化为风电成本纳入到短期调度模型中，同时考虑风功率的不足与盈余对系统调度的影响。研究结果显示，风功率的不确定性增加了系统运行成本。

在现有技术条件下，可在日前较准确的预测系统未来24 h的负荷需求，并在此基础上借助机组组合（Unit commitment，UC）工具优化日前调度计划。大规模风电并网后，学术界和工业界采取各种方法尽力提高风功率的预测精度[29-30]。但迄今为止，与负荷预测精度相比，风功率的预测精度仍旧较差。因此并网风功率的不确定性将会给传统电力系统日前调度模式带来巨大的挑战。就目前来看，缩短预测提前时间是提高风功率预测精度的有效途径之一[18]。研究发现，风功率预测误差将会随预测提前时间的缩短而显著减小。因此，大规模风电并网后，采用滚动预测方法预测风电功率并在此基础上制订滚动发电计划将更符合实际情况[31-32]。文献[31]研究了在线有功滚动调度的动态前瞻时间窗口模型，实现了在线有功调度问题在时间维度上的有效解耦，并提出了一种能够考虑多时段间各种动态耦合约束条件的动态协调滚动发电计划优化算法。文献[32]提出了能有效消纳不确定性风功率的发电计划在线滚动修正策略，并研究了其与日前计划优化的关系。

5 储能系统改善风功率的不确定性

现有研究表明，风功率不确定性对电力系统的影响大都是负面的，如导致风电场的容量可信度偏低，增加系统调度难度，增大系统运行成本等。中国政府庄严承诺，截止2020年能源消费中至少要有15%来自非化石燃料[33]。大力发展风电是确保这一目标如期实现的有效途径之一。可以预见：未来一段时间内我国电网的风电穿透水平将持续提高，因此有必要采取技术措施缓解风功率的不确定性，从而降低其并网的不利影响。

ESS可将电能转换为其他形式的能量，并有效存储。近年以来，学者们开始尝试着利用ESS改善风功率的不确定性，并降低其并网对电力系统的不利影响。目前在电力系统中得到应用的储能技术包括抽水蓄能电站、压缩空气储能、飞轮储能、制氢储能以及电池储能等[34-36]，除集中安装的储能电站外，电池储能装置还包括并网电动汽车的动力电池组[37]。

文献[38]将抽水蓄能电站和风电场并列运行，利用ESS将低谷时的风能存储起来，并在高峰时出售给电网，提高了并网风电场的运行效益。文献[39]尝试将ESS接入到风电场，并借助蒙特卡洛模拟技术研究了其对发电系统可靠性的贡献。研究表明：引入ESS后，风电场对发电系统可靠性的贡献明显增强。文献[40-42]利用电池储能系统（battery energy storage system，BESS）实现了对风功率的有效调度。显然，与不确定性的风功率相比，可调度的风功率对系统的不利影响将显著降低。我国于2010启动的国家科技支撑计划“风光储输示范工程关键技术研究”也开始着手研究数十MW级的BESS集成技术，并考虑将其应用于风电并网工程。

现有研究工作均表明：利用ESS灵活的充、放电能力可在一定程度上改善风功率的不确定性，并缓解其大规模接入对电力系统的不利影响。就目前技术水平来看，利用ESS改善风功率的不确定性，提高风电并网效益，主要有以下两点困难。首先，ESS单位容量造价普遍较高，其投资成本能否收回尚存疑问；其次，考虑风功率不确定性的ESS优化运行理论还有待进一步研究。

6 小结

在国家能源政策的强力推动下，我国电网的风电穿透水平将持续提高，其出力不确定性对电力系统的影响将日益显著。本文结合国内外学者此领域取得的研究成果对此进行了综述，讨论主要集中在以下3个方面：

1）风功率不确定性对发电系统可靠性的影响。现有研究表明，受输入一次能源的限制，风电场对发电系统可靠性的贡献度远不如同容量的常规能源机组。

2）风功率不确定性对电力系统规划的影响。并网风电的不确定性增加了电源与电网规划的不确定性。现有的规划模型均较好的考虑了风电不确定带来的影响，从而得出了适应性较强的规划方案。

3）风功率不确定性对电力系统调度的影响。与负荷相比，风功率的可预测性较差，因此在电力系统调度中必须考虑风功率不确定性的影响。现有研究工作表明，风功率的不确定性将会显著影响系统最优备用容量、调度模式等各个方面。

最后，本文还结合现有研究工作讨论了采用储能技术缓解风功率的不确定性，降低其对电力系统不利影响的可能性。

[1]迟永宁，刘燕华，王伟胜，等.风电接入对电力系统的影响[J].电网技术，2007，31（3）:77-81.CHI Yong-ning，LIU Yan-hua，WANG Wei-sheng，et al.Study on impact of wind power integration on power system[J].Power System Technology，2007，31（3）:77-81（in Chinese）.

[2]张丽英，叶廷路，辛耀中，等.大规模风电接入电网的相关问题及措施[J].中国电机工程学报，2010，30（25）:1-9.ZHANG Li-ying，YE Ting-lu，XIN Yao-zhong，et al.Problems and measures of power grid accommodating large scale wind power[J].Proceedings of CSEE，2010，30（25）:1-9（in Chinese）.

[3]ALBADI M H，EL-SAADANY E F.Overview of wind power intermittency impacts on power systems[J].Electric Power Systems Research，2010，80（6）:627-632.

[4]曹娜，于群，戴慧珠.风速波动时风电动态特性分析[J].太阳能学报，2009，30（4）:497-502.CAO Na，YU Qun，DAI Hui-zhu.Dynamiccharacter analysis of wind farm under wind fluctuation[J].Acta Enerciae Solaries Sinica，2009，30（4）:497-502（in Chinese）.

[5]李婉娉，李鹏，刘承佳，等.风力发电并入微网电能质量与检测[J].电网与清洁能源，2012，28（4）:86-90.LI Wan-ping，LI Peng，LIU Cheng-jia，et al.Analysis and detection of power quality with wind power interconnected with microgrids[J].Power System and Clean Energy，2012，28（4）:86-90（in Chinese）.

[6]LI P，KEUNG P K，OOI B T.Development and simulation of dynamic control strategies for wind farms[J].IET Renewable Power Generation，2009，3（2）:180-189.

[7]WANGDEE W，BILLITION R.Considering load-carrying cap-acity and wind speed correlation of WECS in generation adequacy assessment[J].IEEE Transactions on Energy Conversion，2006，21（3）:734-741.

[8]王颖，魏云军.风电场风速及风功率预测方法综述[J].陕西电力，2011（11）:18-30.WANG Ying，WEI Yun-jun.Reviewing on forecasting model of wind speed and wind power[J].Shaanxi Electric Power，2011（11）:18-30（in Chinese）.

[9]BOUFFARD F，GALIANA F D.Stochastic security for operations planning with significant wind power generation[J].IEEE Transactions on Power Systems，2008，23（2）:306-316.

[10]CASTRONUOVO E D，LOPES J A P.On the optimization of the daily operation of a wind-hydro power plant[J].IEEE Transactions on Power Systems，2004，19（3）:1599-1606.

[11]UMMELS B C，GIBESCU M，PELGRUM E，et al.Impacts of wind power on thermal generation unit commitment and dispatch[J].IEEE Transactions on Energy Conversion，2007，22（1）:44-51.

[12]吴义纯，丁明，李生虎.风电场对发输电系统可靠性影响的评估[J].电工技术学报，2004，19（11）:72-76.WU Yi-chun， DING Ming， LI Sheng-hu.Reliability assessment of wind farms in generation and transmission systems[J].Transactions of China Electrotechnical Society，2004，19（11）:72-76（in Chinese）.

[13]吴义纯，丁明.基于蒙特卡罗仿真的风力发电系统可靠性评价[J].电力自动化设备，2004，24（12）:70-73.WU Yi-chun，DING Ming.Reliability assessment of wind power generation system based on Monte-Carlo simulations[J].Electric Power Automation Equipment，2004，24（12）:70-73（in Chinese）.

[14]BILLITION R，BAI G.Generating capacity adequacy associated with wind energy[J].IEEE Transactions on Energy Conversions，2004，19（3）:641-646.

[15]GAO Y，BILLITION R.Adequacy assessment of generating systems containing wind power considering wind speed correlation[J].IET Renewable Power Generation，2009，3（2）:217-226.

[16]SCHENK K F，CHAN S.Incorporation and impact of a wind energy conversion system in generation expansion planning[J].IEEE Transactions on Power Apparatus and Systems，1981，100（12）:4710-4718.

[17]王建学，高卫恒，王锡凡，等.考虑环境成本的电源规划JASP模型[J].西安交通大学学报，2008，42（8）:1015-1020.WANG Jian-xue，GAO Wei-heng，WANG Xi-fan，et al.Improved JASP model of generation planning with environment cost[J].Journal of Xi’an Jiaotong University，2008，42（8）:1015-1020（in Chinese）.

[18]BILLINTON R，WANGDEE W.Reliability-based transmission reinforcement planning associated with large-scale wind farms[J].IEEE Transactions on Power Systems，2007，22（1）:34-41.

[19]YU H，CHUNG C Y，WONG K P，et al.A chance constrained transmission network expansion planning method with consideration of load and wind farm uncerta-inties[J].IEEE Transactions on Power Systems，2009，24（3）:1568-1576.

[20]袁越，吴博文，李振杰，等.基于多场景概率的含大型风电场的输电网柔性规划[J].电力自动化设备，2009，29（10）:8-12.YUAN Yue，WU Bo-weng，LI Zhen-jie，et al.Flexible planning of transmission system with large wind farm based on multi-scenario probability[J].Electric Power Automation Equipment，2009，29（10）:8-12（in Chinese）.

[21]张新松，袁越，吴博文，等.电力市场环境下含大规模风电场的输电网规划[J].电力自动化设备，2012，32（4）:100-103.ZHANG Xin-song，YUAN Yue，WU Bo-weng，et al.Expansion planning of transmission network with large wind farm in deregulated electricity market environment[J].Electric Power Automation Equipment，2012，32（4）:100-103（in Chinese）.

[22]周金辉，余贻鑫，曾沅.大规模风电接入下输电网扩展规划的启发式优化算法[J].电力系统自动化，2011，35（22）:66-70.ZHOU Jin-hui， YU Yi-xin， ZENG Yuan.Heuristic optimization algorithm for transmission network expansion planning with large-scale wind power integration[J].Automation of Electrical Power Systems，2011，35（22）:66-70（in Chinese）.

[23]BLACK M，STRBAC G.Value of bulk energy storage for managing wind power fluctuations[J].IEEE Transaction on Energy Conversion，2007，22（1）:197-205.

[24]ORTEGA-VAZQUEZ M A，KIRSCHEN D S.Estimating the spinning reserve requirements in systems with significant wind power generation penetration[J].IEEE Transactions on Power Systems，2009，24（1）:114-124.

[25]李智，张新松，郭晓丽.大规模风电接入火电系统的最优旋转备用容量研究[J].电力系统保护与控制，2012，40（13）:110-114.LI Zhi，ZHANG Xin-song，GUO Xiao-li.Study on the optimal spinning reserve in thermal power system with significant wind power penetration[J].Power System Protection and control，2012，40（13）:110-114（in Chinese）.

[26]姜文，严正.基于一种改进粒子群算法的含风电场电力系统动态经济调度[J].电力系统保护与控制，2010，38（21）:173-178，183.JIANG Wen，YAN Zheng.Dynamic economic dispatch considering wind power penetration based on IPSO[J].Power System Protection and Control，2010，38（21）:173-178，183（in Chinese）.

[27]张粒子，周娜，王楠.大规模风电接入电力系统调度模式的经济性比较[J].电力系统自动化，2011，35（22）:105-110.ZHANG Li-zi，ZHOU Na，WANG Nan.Economic comparison for different generation schedulings with largescale wind power connected power system[J].Automation of Electrical Power Systems，2011，35（22）:105-110 （in Chinese）.

[28]任博强，彭鸣鸿，蒋传文，等.计及风电成本的电力系统短期经济调度建模[J].电力系统保护与控制，2010，38（14）:67-72.REN Bo-qiang，PENG Ming-hong，JIANG Chuan-wen，et al.Short-term economic dispatch of power system modeling considering the cost of wind power[J].Power System Protection and Control，2010，38（14）:67-72（in Chinese）.

[29]王彩霞，鲁宗相，乔颖，等.基于非参数回归模型的短期风电功率预测[J].电力系统自动化，2010，34（16）:78-83.WANG Cai-xia，LU Zong-xiang， QIAO Ying，et al.Short-term wind power forecast based on non-parametric regression model[J].Automation of Electrical Power Systems，2010，34（16）:78-83（in Chinese）.

[30]连文莉，黄成辰，吕昌霖.采用时间序列预测风电场出力[J].电网与清洁能源，2011，27（12）:112-117.LIAN Wen-li，HUAN Cheng-chen，L譈 Chang-lin.Wind power output prediction based on time series[J].Power System and Clean Energy，2011，27（12）:112-117（in Chinese）.

[31]张国强，张伯明，吴文传.考虑风电接入的协调滚动发电计划[J].电力系统自动化，2011，35（19）:18-22.ZHANG Guo-qiang，ZHANG Bo-ming，WU Wen-chuan.Coordinated roll generation scheduling considering wind power integrationg[J].Automation of Electrical Power Systems，2011，35（19）:18-32（in Chinese）.

[32]沈伟，吴文传，张伯明，等.消纳大规模风电的在线滚动调度策略与模型[J].电力系统自动化，2011，35（22）:136-140.SHEN Wei，WU Wen-chuan，ZHANG Bo-ming，et al.An on-line rolling generation dispatch method and model for accommodating large-scale wind power[J].Automation of Electrical Power Systems，2011，35（22）:136-140（in Chinese）.

[33]LI H X，HENRIK L，BERND M.The importance of flexible power plant operation for Jiangsu’s wind integration[J].Energy，2012，41（3）:499-507.

[34]ROBERTS B，MCDOWALL.Commercial success in power storage[J].IEEE Power and Energy Magazine，2005，3（2）:24-30.

[35]IBRAHIM H，ILINCA A，PERRON J.Energy storage systems-characteristics and comparisons[J].Renewable and Sustainable Energy Reviews，2008，12（5）:1221-1250.

[36]姚鑫，栗文义，赵振兴，等.风/柴/储能风力发电系统储能装置控制与仿真[J].电网与清洁能源，2011，27（8）:88-93.YAO Xin，LI Yi-wen，ZHAO Zhen-xing，et al.Contro and simulation of energy storing device of wind/diesel/energy storage generating system[J].Power System and Clean Energy，2011，27（8）:88-93（in Chinese）.

[37]钱科军，周承科，袁越.纯电动汽车与电网相互关系的研究现状[J].电网与清洁能源，2010，26（11）:1-7.QIAN Ke-jun，ZHOU Cheng-ke，YUAN Yue.A review of research on the interaction between fully electric vehicles and power systems[J].Power System and Clean Energy，2011，27（8）:88-93（in English）.

[38]李强，袁越，李振杰，等.考虑峰谷电价的风电-抽水蓄能联合系统能量转化效益研究[J].电网技术，2009，33（6）:13-18.LI Qian，YUAN Yue，LI Zhen-jie，et al.Research on energy shifting benefits of hybrid wind power and pumped hydro storage system considering peak-valley electricity price[J].Power System Technology，2009，33（6）:13-18（in Chinese）.

[39]BAGEN，BILLITION R.Incorporating well-being considerations in generating systems using energy storage[J].IEEE Transactions on Energy Conversion，2005，20（1）:225-230.

[40]LI Q，CHOI S S，YUAN Y，et al.On the Determination of battery energy storage capacity and short-term power dispatch of a wind farm[J].IEEE Transactions on Sustainable Energy，2011，2（1）:148-158.

[41]TELEKE S，BARAN M E，HUANG A Q，et al.Control strategies for battery energy storage for wind Farm dispatching[J].IEEE Transactions Energy Conversion，2009，24（3）:725-732.

[42]YUAN Yue，ZHANG Xin-song，JU Ping，et al.Applications of battery energy storage system for wind power dispatchability purpose[J].Electrical Power Systems Research，2012，92（12）:54-60.