基于NSGA—II的风电功率波动储能平抑控制技术

谢俊++邰能灵++张菁菁

摘 要 风能作为一种可再生能源，在自然界的储量十分丰富，得到了人们的广泛关注。在政府部门的大力支持下，风能发电已经成为我国重要发电形式，对我国节能减排事业有着重要的积极意义。风能作为一种清洁型能源，虽然在发电过程中对环境不产生污染，但由于风能的波动性较强，风电场对电力系统的稳定性有着重要的影响，如何有效地平抑风电的功率波动已经成为制约风电发展的重要瓶颈。本文主要针对基于储能系统的风电功率波动平抑进行简要的阐述，并对基于NSGA-II的储能平抑控制技术进行简要的分析。

【关键词】NSGA-II 风电 储能 平抑

1 引言

二十一世纪以来，随着我国经济社会的迅速发展，社会用电量不断攀升，能源的供需矛盾开始逐步显现，尤其是近年来雾霾、沙尘暴等恶劣天气越来越频繁，能源需求与生态环境间的矛盾不断激化。火力发电作为我国最主要的发电形式，主要通过燃烧煤炭等化石燃料产生电能，不仅消耗了大量的化石资源，还对生态环境造成了较大的破坏。风能作为一种清洁型的可再生能源，其储量大、无污染等特性得到了人们的广泛认可，利用风能发电是解决我国能源供需矛盾的有效措施。

自然界中的风能具有较强的波动性及不可控性，风电场的发电功率随风能的波动而变化，这种功率的波动对整个电力系统的稳定性产生了重要的影响，并且随着分布式风电场的不断发展，其对整个电网安全性产生了重要的隐患。本文主要针对风电功率波动的平抑问题，提出了一种基于储能系统的风电功率波动平抑控制技术，并对其进行了简要的阐述。

2 风电场储能系统的选用

电力系统中，功率型与能量型是最常用的两种储能系统。功率型储能系统主要包括超级电容器、飞轮等，其循环使用寿命较长，但能量密度较低，且成本高昂，一般不适于大容量的储能任务；能量型储能系统主要包括蓄电池、锂电池等，其能量密度较大，储能时间较长，但循环使用寿命较短，一般不适于需要频繁进行充放电的储能任务。

一般来说，风电场的功率波动较为频繁，且波动周期较长，甚至可达数小时级别，这就要求储能系统具有足够的储能容量以满足功率平抑的需求。通常情况下，风电场对储能系统有以下几点要求：

（1）储能的容量较大，能够满足风电场一段时间持续的储能或放能；

（2）储能时间应尽量长，一般要求数小时以上的储能能力；

（3）储能系统应具备快速释放能量的能力，以满足风电场瞬时功率变动的能量需求。

针对风电场对储能系统的要求，飞轮、超级电容器等功率型储能系统虽然能量的释放较快，但由于容量普遍较小且成本较高，一般不予选用，综合考虑一般风电场多选用蓄电池作为其储能系统，不仅能够满足风电场对储能系统的要求，还具有较高的经济性。

3 基于NSGA-II的风电功率波动储能平抑控制技术

3.1 NSGA-II遗传算法的简介

NSGA算法是一种有效的多目标优化非支配排序算法，其受到基因算法的啟发，实现了复杂多目标优化问题的解决。NSGA-II算法作为一种改进的NSGA算法，其精英策略与非拥挤度排序大大提高了算法的自适应能力，在诸多领域得到了广泛的应用。NSGA-II算法的大致流程如下所述：

3.1.1 种群的初始化

种群的初始化即针对待优化的参数随机产生给定种群规模的个体，并根据非支配排序对种群进行分层，赋予不同层的个体以不同的支配序值。

3.1.2 父本的选择

父本的选择就是根据个体的支配序以及拥挤距离采取锦标赛机制选择优良的父本，支配序越小或拥挤距离越大的个体越有可能是优良的父本。

3.1.3 交叉变异

完成优良父代的选择后，通过交叉变异产生相应的子代，将父代种群与子代种群合并后重新进行非支配排序，根据个体的支配序以及拥挤距离重新选取满足种群规模的个体，并判断是否达到收敛条件，若达到则输出种群中的最优个体，若没有达到则返回第二步迭代计算。

3.2 基于NSGA-II的风电功率波动储能平抑控制算法

利用储能系统进行风电功率波动的平抑，即利用储能系统对风电功率实行削峰填谷，当风电输出功率过高时，对储能系统进行充电，以实现风电功率波动的削峰，而当风电输出功率过低时，储能系统进行放电，以实现风电功率波动的填谷。

传统的基于储能系统的风电功率波动平抑只考虑风电功率的平抑效果，当风电功率发生剧烈波动时，往往需要储能系统在充放电模式间频繁切换，对储能系统造成了较大的损坏，大大提高了功率波动平抑的经济成本。基于这一考虑，本文利用NSGA-II算法，提出了一种基于储能系统的多目标优化的风电功率波动平抑控制算法。

3.2.1 SOC临界区间充放电模式

储能系统的循环充放电次数是影响储能系统寿命的重要因素，为了减少储能系统的循环充放电次数，就要保证在充放电过程中储能系统的容量得到最大化利用。传统的储能系统控制算法不注重储能系统的容量使用情况，造成了储能系统频繁地充放电切换，难以达到储能系统的最大和最小限制，导致储能系统容量的巨大浪费，基于这一问题，本文采用了一种SOC临界区间充放电模式。

为了保证储能系统容量的最大化利用，约束储能系统在达到一定的SOC值后再进行充放电的转换。一方面考虑到储能系统深度充放电对其寿命有着不利的影响，另一方面考虑到多目标优化时难以对SOC进行严格的约束与控制，因此本文设置了SOC的最大最小限值区间与，确保储能系统的单次充放电都是由一侧的临界区间开始，达到对侧的临界区间结束，既有效避免了储能系统的过度充放电，又提高了储能容量的利用率，增大了单次充放电的能量吸收和释放能力，对风电功率波动的平抑也有着积极的意义。

3.2.2 多目标优化控制算法

在风电功率波动平抑中，一方面要减小风电输出功率波动，另一方面还要提高储能系统的利用率，减少储能系统的循环充放电次数。在SOC临界区间充放电模式下，由于单次充放电的起点与终点被固定，因此为了提高储能系统的利用率，只需控制延长单次充放电的时间即可。综上所述，单次循环充放电控制步长最大和期望输出功率波动最小为本文算法的优化目标，不仅能够有效减少储能系统的循环充放电次数，还能大大减小风电功率的波动。多目标优化控制算法的具体模型如下所述：

（1）优化目标。构造以单次循环充放电控制步长最大和期望输出功率波动最小为目标的多目标优化控制模型的目标函数：

其中表示单次充电过程耗时的相反数，表示单次放电过程耗时的相反数，表示风电输出功率的波动率，波动率越小则风电场输出功率的波动程度越小。

（2）約束条件。根据实际应用情况，构造多目标优化的约束条件：

一是收到储能系统储能介质的限制，为了保护储能介质，充放电功率必须约束在可控范围内：其中表示储能系统所能接受的最大充电功率，表示储能系统所能接受的最大放电功率。

二是为了提高控制精度，控制算法需要与风电功率的超短期预测相配合，因此单次充电或放电的控制步长还收到风电超短期预测时长的约束。其中为单次充放电的控制时长，与分别为风电功率超短期预测的最短和最长时长。

（3）迭代优化。利用NSGA-II算法，对建立的多目标优化模型进行迭代求解，通过种群初始化、非支配排序、个体拥挤距离计算以及精英策略等关键步骤，迭代得到最优的控制策略。

3.2.3 效果分析

利用实测的风电场功率数据，对本文提出的优化算法进行仿真验证，得到仿真结果如图1所示。

通过仿真结果可以看出，利用多目标优化控制策略后可以实现控制步长内的期望输出保持恒定，大大减少了期望输出功率的波动次数，风电期望输出功率的波动得到了有效的平抑。

4 结束语

针对风电场应用中存在的功率波动问题，本文介绍了一种基于NSGA-II算法的风电储能优化控制算法，利用NSGA-II算法，实现了风电功率波动平抑以及储能系统寿命的多目标优化，并通过对风电场现场数据的验证分析，证明了该策略在风电功率波动平抑中的效果。

参考文献

[1]于明，林根德，陈自年，罗亚桥，赵波.一种适用于混合储能系统的控制策略[J].中国电机工程学报，2012，3（32）.

[2]张峰，张旭，梁军，张利，王洪涛.基于可变递进步长及期望输出的储能系统优化控制策略[J].电力系统自动化，2014，8（38）.

[3]张坤，吴建东，毛承雄，陆继明，王丹，黄辉.基于模糊算法的风电储能系统的优化控制[J].电工技术学报，2012，10（27）.

[4]王洪涛，刘玉田.基于NSGA-II的多目标输电网架最优重构[J].电力系统自动化，2009，12（33）.

作者单位

1.上海交通大学电子信息与电气工程学院 上海市 200030

2.国网上海市区供电公司 上海市 200080