风能固有的间歇性、波动性和不确定性导致风电场输出功率无法直接满足并网波动标准,影响了风力发电的大规模开发。储能系统具有双向功率吞吐能力,响应速度快,可操控性强,为并网风电场配置储能系统是平抑风电输出功率波动、提高风电并网能力的可靠解决方案。本文深入分析目前储能平抑风电波动相关领域的发展现状,选取蓄电池-超级电容混合储能系统(hybrid energy storage system,HESS)作为平抑风电波动的载体,围绕风电波动平抑控制、混合储能能量管理和储能容量优化配置等方面展开研究,主要的研究内容及成果包括:(1)提出了一种具有场景自适应能力的风电功率波动分解分配算法。首先针对风电场输出功率的幅频特性展开分析,确定风电能量在不同频段的分布情况指导平抑策略的设计;然后根据不同风电场景下的功率波动特性设计自适应小波包分解算法将风电功率分解为符合并网标准的并网功率和混合储能功率指令;最后通过由基于混合储能充放电特性的初级分配和基于储能荷电状态(state of charge,SOC)模糊控制的二次修正所组成的两级功率指令分配方法确定蓄电池和超级电容的功率指令。所提自适应分解分配算法能够实现风电功率的最优分解和混合储能功率指令的合理分配,为后续混合储能优化配置模型的建立提供了控制基础。(2)提出了一种考虑控制系统响应延时的风电波动实时控制方法。与基于历史数据的自适应小波包平抑算法不同,实时平抑控制方法建立在未知风电将来变化趋势、充分考虑控制系统响应时延的前提下。首先量化分析混合储能平抑风电波动控制系统各环节的响应时延,然后采用滤波参数随风电出力模糊优化的卡尔曼滤波算法在线平抑风电波动确定并网功率和储能功率指令,最后通过基于混合储能SOC的模型预测控制(model predictive control,MPC)方法实现功率指令的滚动在线分配。所提控制方法能够满足实时在线控制的要求,更加贴近工程实践中风电波动平抑的要求。(3)建立了一种考虑电池循环寿命的混合储能容量优化配置模型,提出了联合求解混合储能功率指令最优分界点和储能容量配置方案的优化方法。建立蓄电池循环寿命量化模型分析蓄电池充放电过程所产生的寿命衰减对储能系统综合成本的影响,针对利用小波包分解平抑风电波动的混合储能容量优化配置模型,将混合储能功率指令最优分界点和混合储能容量配置方案进行联合求解,在此基础上分别建立单一蓄电池储能和单一超级电容储能的容量优化配置模型,并与蓄电池-超级电容混合储能系统作对比以验证混合储能在平抑风电波动场合的技术经济优势。(4)提出了一种提高储能容量优化模型求解过程计算精度和计算效率的储能典型运行曲线分析算法。为解决根据典型日数据确定储能配置方案的计算精度较差、根据全年运行数据确定储能配置方案的计算效率较差的问题,采用k-means聚类算法从储能年度运行曲线中提取典型数据集作为储能容量优化模型的输入数据,并结合云变换从储能年度运行曲线出发确定k-means聚类的聚类数目和初始聚类中心。所提典型曲线分析算法能够克服传统k-means聚类需人为指定聚类数目的缺点,并解决初始聚类中心随机所带来的稳定性问题,以所提算法分析结果作为储能配置模型的输入数据相对典型日数据和全年运行数据达成了求解过程计算精度和计算效率的平衡。上述研究在改善风电并网品质、优化混合储能能量管理效果、完善混合储能系统容量优化模型和提高储能容量优化模型求解精度及效率等方面进行了前瞻性探索,为平抑风电波动的混合储能系统控制和配置研究提供了新的思路。