风力发电和光伏发电作为一种可再生、无污染的能源，近些年来得到了全世界范围的关注，并且获得了大力地发展，我国政府出于资源与环境的压力也在积极地发展风力发电和光伏发电。风速由于受到天气与地理等因素的影响，其大小与风向会经常性变化，而光伏出力也与天气变化密切相关，光照强度和气温的变化会影响到出力的大小，从而导致风电和光伏出力具有很大的随机性、波动性和间歇性。风光装机容量占全网总容量较小时，风光出力的波动不会对电网造成不良影响，但随着风光接入电网容量的不断增大，随机性、波动性和间歇性等风光出力特性对电力系统的安全与稳定运行影响越来越大，大大降低了原有的电能质量。

　　上述问题严重影响了风光发电的并网，对电网的调频和调峰也产生了严重的影响。将风光出力控制在最大跟踪功率以下，根据需要相应地提高或降低风光输出功率可达到平抑风光出力波动的目的，但该方法会降低风光的利用率，造成风电场、光伏电站的效益下降，而且这样调节的效果也有限。并且现在风光出力预测水平还存在一定的局限性，在风电渗透性增加的情况下，会对出力计划造成越来越大的影响。

　　随着储能技术" title="储能技术" target="_blank">储能技术的兴起，为储能系统平抑风电出力的波动提供了可能。储能是既传统又新兴的技术，早期就开始应用的抽水蓄能电站也可以归为储能技术，而新兴储能技术则主要包括近年来发展起来的电池储能、超导储能、超级电容器储能等技术。随着这些新兴储能技术应用的发展与成熟，储能系统在平抑风电出力波动上的应用越来越广泛，同时相关研究也越来越丰富。国内外也已建立了一些储能的示范性项目：如中国国家电网公司在张北建成的风光储电站；辽宁电网在卧牛石风电场建成了5MW×2h全钒液流电池储能示范电站；日本北海道采用全钒液流电池建成了风电场的配套储能电站，主要用于平滑风电出力波动。

　　本文重点阐述了储能平抑风光发电出力波动的研究现状，归纳总结了平抑风电、光伏出力波动的相关控制方法。

　　1?储能技术及平抑出力波动原理概述

　　1.1?储能技术分类

　　风电和光伏发电的出力波动在任何时候都可能发生，在目前的新能源发电预测水平下，难以实现分钟级甚至秒级的风、光发电出力精确预测。因此，需要能够快速响应的储能技术。表1罗列了几种典型的储能技术。

　　表1典型储能技术

　　储能技术类型很多，用于平抑风光出力波动时，储能系统也可分为单一类型储能系统和混合储能系统、多类型储能系统。文献［1］采用锂离子电池储能系统对风光出力波动进行平滑。文献［7-8］采用了钒液流电池储能系统平抑风电出力波动。文献［9］采用超导电磁储能系统平抑风电出力。由于飞轮储能可在短时间内输入或输出较大功率，飞轮储能也运用于风光发电的出力平滑。文献［5］采用超级电容与电池混合储能系统进行了可再生能源发电出力平滑。鉴于飞轮可用于平滑高频功率波动和部分低频功率，蓄电池可用于平衡基准功率以维持母线电压平滑稳定，以飞轮和蓄电池混合储能对光储充电站直流微网系统进行平滑。文献［13］根据能量型和功率型储能的技术特点，基于已经计算得到的单一储能系统输出功率，计算出符合不同类型储能技术特点的储能输出功率，从而配置出合理的多类型储能系统对风电出力进行平滑控制。文献［14］采用多类型储能系统改善平滑效果，用超级电容器平抑短期功率波动，用蓄电池减弱长期功率波动；同时应用双层模糊控制方法，进行储能系统功率的修正。

　　1.2?储能系统平抑风光发电出力波动的基本原理

　　储能系统平抑风光发电出力波动是指原来波动性较大的风电场和光伏电站总功率加上储能系统的功率输出（储能系统的功率输出包括电能的释放和吸收，释放时其功率为正，吸收时其功率为负）后总的联合功率曲线变得平滑。此时注入到大电网的功率是风电场所有风机或光伏电站所有光伏电池出力与储能系统出力之和。储能系统可以通过实时的调整跟踪风电场、光伏电站的总出力，储能系统输出功率在风电场、光伏电站出力曲线尖峰时吸收功率，在其出力曲线低谷时输出功率。

　　注入到电网的功率即为风电场/光伏发电站输出功率与储能系统的功率之和。

　　2储能系统控制方法

　　根据1.2所述，风光发电出力波动的平抑是将风光发电的输出功率与储能输出功率叠加后的联合出力输送到电网。因此，平抑风光发电出力，需要设置相应的控制目标，也即需要对储能系统的充放电功率进行优化控制。

　　2.1?单纯平抑风光出力波动方法

　　平抑风光发电出力波动的过程中，储能系统采用的控制方法千差万别，考虑的条件与因素各不相同。最为简单的是单纯平抑风光出力波动方法，而不考虑其他任何附加条件。

　　单纯进行功率波动平抑时，最为常见的是滤波器法，而采用低通滤波器进行风光波动平抑则更为普遍，如文献［5，7-9，15-24］都是在不考虑其他目标或约束条件的情况下，采用低通滤波器的方法确定平抑风光出力波动的控制目标。

　　以某100MW风场为例，图1为典型的风功率波形图和波动频谱图，功率采样周期为1min，采样时长为一周，则采样点数为10?080（即24×7×60=10?080）。通过FFT快速分解得到风功率的频谱特性，从图1（b）、（c）中可知，风功率频段大部分处于低频段，高频或中高频部分极少。

　　图1典型风功率波形及频谱

　　风光出力分解时较为常见的是将其分为3个频段，并依据不同频段功率对电网的影响，确定储能系统的平抑频段。3个频段的划分如下：高频段为1Hz以上、中频段为0.01~1Hz、低频段为0.01Hz以下。风电功率频谱中高频分量，可以被风力机转子的惯量吸收；风电功率中频分量由于功率变化较大，对电网影响最大，短时间会对电网造成严重冲击，因此该方法进行风电平抑时，储能系统平抑的主要是中频段的功率分量；风电功率中的低频段波动比较缓慢，电网中的自动发电控制（AGC）响应速度，基本可以跟上。因此该频段的功率分量大部分由AGC补偿，但当传统发电机组的爬坡速度有一定限制和电力系统的备用容量有限时，也有必要对风电低频段功率分量进行平抑；也有文献将风机出力分解为高频、低频两个部分进行平抑，根据不同频段采用不同类型的储能元件，超级电容平抑高频部分，电池储能则平抑低频部分。而平抑光伏发电出力时，其出力分解的频段与风电相似：例如分为高频段和低频段时，由于高频部分所占比例较小，储能系统主要是平抑低频部分。

　　在确定了平抑的频段后，即可对风光发电出力波动进行平抑。文献［23］采用低通滤波器以确定储能系统输出功率，并采用了混合储能系统，将其分为两层，一层为快速响应的储能用于平抑快速波动的功率分量，二层为慢速响应的储能用于平抑波动速度较慢的功率分量，而该方法还是基于低通滤波器对储能功率进行选择，该文献还提出了将储能状态改变次数作为评价指标之一，以提高储能系统的寿命。

　　低通滤波器进行风光出力平抑时，时间常数的设定方法可根据具体需要而定。文献［20］在使用低通滤波器平抑风光出力波动时，加入了神经网络算法滤波器的参数进行了训练。文献［21］采用了惯性时间常数的低通滤波器，并与PID控制相结合实现风电出力的平抑。文献［28］使用了粒子群算法对时间常数进行了实时优化。

　　以上均是采用低通滤波器进行单纯功率波动平抑的相关研究，低通滤波器还可配合其他元件使用以平抑风光出力波动。文献［9］采用低通滤波器与高通滤波器相结合建立起来的带阻滤波器进行滤波，对超导电磁储能系统充放电功率控制，从而实现对风电出力的平滑。文献［28］提出了采用惯性控制和空间滤波过滤风电功率波动中高频部分的方法，该文献并不涉及储能系统，但可为储能系统平抑风电波动提供滤波器选择上的参考。

　　除了低通滤波器以外，还可采用其他类型的滤波器进行风光出力波动的平抑，如文献［29-30］采用的是滑动平均滤波器，分离功率指令中的低频分量由蓄电池平抑，而其他快速变化分量由超导磁体承担，该方法能够使出力功率得到平滑，但没有考虑到风光功率爬坡方面的优化。文献［31］利用两级实时小波滤波对风机出力进行平抑，既实现了平抑目标，又减少了输出功率的噪声。文献［32］提出基于在线小波的混合储能系统协调控制策略，包括了主要滤波器和次要滤波器，主要滤波器用于满足两个时间尺度内的出力波动要求，次要滤波器则在主要滤波器的基础上进一步对出力进行平滑。

　　滤波器主要是基于风光出力的波动能够分解到不同频段的功率，对功率进行过滤，从而实现对功率波动的平抑。在平抑功率波动进行分频率分解过滤时，除了滤波器法外还存在其他研究，如文献［33］在充分分析风电功率幅频特性的基础上，提出基于小波包分解的混合储能技术进行风电场输出功率波动平抑的方法。采用小波包分解理论对风电场输出的波动功率进行多尺度分解，得到反映并网功率信号的低频信号和接入储能系统的高频信号。通过反馈调节将实际有功功率尽量控制到与小波包分解给出的预期功率接近范围内。

　　2.2?考虑一定目标或约束的平抑方法

　　以上文献只是单纯地进行风光出力波动的平抑，没有考虑相关的优化目标或约束条件。目前对于风光波动标准的制定，特别是在国内还处于起步阶段。最初风电并网时，并未对风电的功率波动制定相关标准，随着风电装机容量的增加，为了减少风电波动对电网的影响，各国开始对风电波动制定标准，这主要体现在爬坡率上。不同国家的输电公司或是电力部门对风电爬坡率的要求有所不同。表2、表3分别是国外部分国家和中国对风电波动率的相关要求。

　　从表2和表3可以看到目前风电并网的波动要求已经逐步形成体系，但光伏并网仅有频率、低电压穿越等要求，出力波动方面的要求还较少，特别是具体限定值方面。

　　针对风电波动率相关标准的要求，许多学者在考虑波动率限制方面做了平抑风电波动的相关研究，而且有不少文献是结合低通滤波器进行风电功率平抑。文献［37］对滤波器进行改进，采用可调节的时间常数解决平抑风电波动时的过补偿问题，同时加入波动率限制器。由于不同的时间尺度下对波动率的要求有所不同，因此部分文献考虑在不同时间尺度下进行功率波动约束，较为常见的是1min和30min下的功率波动约束，如文献［24，31-32，38］，其中文献［24］根据两种不同的时间尺度的波动率要求灵活地进行低通滤波器时间参数的调节，从而实现风电出力波动的灵活调节。这样也有利于针对性采用不同的储能元件平抑不同程度波动，文献［32］在两个时间尺度的基础上，对不同的平抑波动要求采用不同的储能元件，对于短期波动采用超级电容进行平抑，对于长期波动采用锂离子电池进行平抑。而对于光伏，尽管其出力波动相关标准还没有成形，但已有相关学者进行研究，如文献［39］根据实际气象数据得到光伏出力，对低通滤波算法进行了研究，在满足并网标准的1min最大变化量和10min最大变化量下得到储能系统定额，同时针对选定的功率曲线研究了滤波器时间常数与储能系统定额的关系。

　　平抑风光出力波动时，除了功率波动的相关标准要求外，还需考虑储能系统相关的物理约束，其中荷电状态（stateofge，SOC）约束是十分重要的1项约束，许多学者都在平抑风光发电出力波动时，考虑SOC约束。如文献［40］采用高通滤波器提到了需要注意储能系统的SOC，避免过充过放，但没有提出实际的控制方法，此外该文献还提到储能系统放电深度，从放电深度的角度考虑了对储能系统寿命的影响。文献［41］基于低通滤波原理，根据电池储能的SOC实时调整滤波时间常数，实现光伏出力波动的平抑，同时还分析了储能系统能量与功率波动之间的关系，提出了优化配置功率和能量的计算方法。文献［42］结合基于模糊逻辑对储能系统SOC约束进行调整的适应调节器，对用于平抑风电出力波动的低通滤波算法进行了改进。而文献［32，43，44］将SOC作为反馈调节的控制量之一，实现了基于低通滤波的平抑风电出力波动的SOC闭环控制，保证了储能系统的SOC始终处于一定范围内，如文献［32，43］保证SOC在20%至80%之间，文献［44］还在SOC限制的基础上考虑了储能容量E与风电额定输出功率CWF关系之间的影响，以两者之间商值大小与时间常数T比较，判断SOC变动范围，有如下关系：

　　当T<E/CWF，SOC在电池额定容量内变化；

　　当T=E/CWF，SOC的变化与电池额定容量相等；

　　当T>E/CWF，SOC的变化将超过电池额定容量。

　　文献［25，45］结合低通滤波器，提出了一种基于电池荷电状态分级优化的混合储能系统风电功率平抑方法。该方法采用了分层结构，包含优化控制层和协调控制层。优化控制层根据风电平抑性能要求以及混合储能系统当前整体SOC（其中为了衡量混合储能系统的SOC，计算了储能系统平均SOC）计算动态调节储能系统的设定功率；协调控制层根据储能设备各自的SOC和充放电特性，按优化控制层计算出的设定功率进行功率分配，实现了对设定功率的快速跟踪。文献［46］则根据储能系统的能量和风电功率设置系数，将该系数作为反馈调节的环节之一。

　　以上文献均是在结合了滤波器的情况下考虑SOC约束，其他方法也可在考虑SOC约束的情况下进行风光功率波动平抑，如文献［47］在考虑了SOC限制的同时，基于规则控制进行风电功率波动平抑。

　　除了滤波算法，模型预测控制也是平抑风光波动时较为常用的一种方法，而且滤波算法基本都考虑了功率波动优化目标，SOC约束等。文献［38，48-50］就采用了模型预测控制方法对储能系统的充放电功率进行控制。文献［38］提出了一种基于模型预测控制的实时平抑风电场功率波动的电池储能系统（BESS）优化控制方法。该方法以未来一个控制时段使用的储能出力最小为目标，考虑了BESS最大功率约束和容量约束。当合成输出功率不满足功率波动约束时，采用约束软化调整技术，兼顾期望目标，以获得满意的优化结果。从而实现基于区间削减技术的主动式能量反馈控制，避免BESS的过充或过放。文献［48-49］基于模型预测控制设计了用于平滑风电出力的控制器。通过提前几步预测风电的出力，该控制器对风电的最大爬坡率进行优化，同时考虑了系统模型的约束。文献［50］结合储能系统的约束设计了开环优化控制策略，为避免实时控制时的预测误差，加入模型预测控制，从而实现风电平抑。

　　除以上平抑风光波动方法外，目前还有学者在平抑风光波动时考虑加入风光波动率反馈。文献［51］通过判断当前风光功率波动率与设定值的比较，进而决定是否采用滤波方法进行功率平滑。

　　文献［1］综合考虑原始功率波动率，提出了储能系统基于斜率的控制方法。文献［52］综合考虑了SOC约束与波动率约束，通过设置合理的风电功率波动限制值和目标值，判断基于斜率控制作用下的当前风电波动率与限制值及目标值的关系，进而基于ADP对储能系统进行优化控制。文献［53］考虑储能电池SOC和光伏出力波动率的约束条件，采用EEMD对光伏信号进行分解至高低频段，其中低频部分作为注入到电网的期望信号，高频部分由储能系统吸收，采用模糊控制自适应调节EEMD滤波阶数，从而实现光伏出力平抑。

　　以上加入风光波动率约束的控制策略，将其作为储能系统充放电控制以及优化控制的判断依据。加入波动率反馈作为充放电控制依据在满足电网安全基本要求的前提下，降低了储能系统的状态改变次数，降低其运维成本，很大程度上延长了储能系统寿命。

　　2.3?考虑功率预测与人工智能的平滑控制方法

　　上文中按考虑目标或约束与否分别论述了平抑风光的波动，主要是介绍了滤波算法和模型预测控制两类平抑风光功率波动较为常见的方法，除了上述两类较为常用的方法外，国内众多学者还对平抑风光波动进行其他方法的研究。

　　文献［54］基于风电功率短期预测技术，将风电0~24h内的出力波动抑制在给定区间内为控制目标，以预测获得的未来0~24h的风电输出功率的平均值为参考目标，同时基于电网可接受风电功率波动范围设定波动上下限制，制定控制流程。文献［11］采用模糊逻辑方法确定飞轮储能平抑风柴功率波动时的出力。文献［55］则采用模糊逻辑与小波变换相结合的方法对储能系统的充放电功率进行控制。文献［56］对公差带控制储能系统的方法进行改进，加入了自适应算法以及随机动态控制，有效地改进了原有方法对某些风电场尖峰出力优化效果不理想，峰值没能得到平抑的不足。文献［57］确定平抑目标时采用了设置目标函数的方法，该目标函数基于短期风电、光伏预测，根据风光功率预测值设置当日运行计划，以实际投运后系统出力与计划出力相差最小化为目标，以储能系统功率、容量等为约束条件，从而实现对储能系统的动态控制。但该方法得到结果曲线平滑度不够。基于动态规划算法建立了储能系统的动态模型。文献［58］采用了超前控制策略对风电功率波动进行平滑，同时考虑了储能之前时刻和当下的运行状态，并考虑了下一预测周期（认为该预测时长内风功率预测值准确无误）内的风电出力，基于预测功率控制当下储能充放电程度，将风电波动率设为储能系统动作的条件之一，考虑了储能系统的SOC约束，从而实现了对短期风功率的平抑。文献［59］建立考虑充放电效率与状态的蓄电池模型以及燃机成本模型。基于光伏与风电出力日预测曲线，考虑分时电价，以微燃机燃料费用最低和外部购电价格最低为目标，并采用混合整数线性规划算法优化微网运行成本。文献［60］考虑了储能系统波动率约束和荷电状态，创建了储能系统的20条充放电规则，通过4个充放电控制变量，基于光伏超短期功率预测，兼顾考虑储能系统平抑波动能力、充放电深度（使用寿命）、充放电裕度3个目标，采用自适应混沌粒子群算法对目标函数进行寻优，制定了具有前瞻性的控制策略。

　　2.4?多类型储能系统平抑新能源发电的控制方法

　　由于风光的波动功率可以分解成不同频率，单一类型储能平抑风光波动时，有时难以有效平抑各频段功率。因此，有些文献采用混合储能或多类型储能。目前较多的是以铅酸电池、超级电容或锂离子电池组合而成的混合储能方式。文献［32］采用超级电容平抑短期功率波动，采用锂离子电池平抑长期功率，有利于发挥各类储能技术在时间上和能量规模上的不同特性。文献［29］以蓄电池和高温超导磁体构成的混合储能系统为研究对象，用于平抑间歇性电源的功率波动。文献［61］针对混合储能系统的控制系统提出了双层控制模型，即分为能量层和系统层，分别对储能系统充放功率和能量进行调节，并设置了专家系统，以此确定储能系统出力目标。文献［62］将风光功率波动分为尖峰波动功率、稳态波动功率和频繁往复波动功率，分别采用超级电容和蓄电池平抑不同波动。控制电感电流以实现总吞吐功率分配，判断功率波动类型以实现储能系统间功率分配。该系统既平抑了风电出力，又合理发挥了超级电容器和蓄电池的不同储能优势。文献［33］对高频风功率信号再次划分，分别选择与其频率范围适应的蓄电池和超级电容器储能设备，建立了基于混合储能系统的风电场输出功率平滑控制模型。文献［12］采用飞轮储能平抑光储充电站高频功率波动和部分低频功率，并平滑蓄电池输入，进而在蓄电池维持电压稳定平滑同时，延长电池寿命。文献［14］应用双层模糊控制方法，第一层模糊控制器实时调节混合储能系统SOC，第二层控制器主要用于改善第一层控制效果，但采用双层控制方法的混合储能系统必须充放电功率接近。

　　3结语

　　在储能平抑风光波动的研究中滤波算法是最为常见的方法，简单易行，运算速度较快，但具有一定的滞后性，对风光变化的敏感度不够。同时也不一定能满足并网要求，因此可在其中加入爬坡率等控制目标约束以及储能系统的荷电状态、电池健康状态等物理约束。模型预测控制算法上较为复杂，但能对风光发电出力做出一定预判，有利于实时跟踪风光发电出力波动，获得更好的控制效果。多类型储能系统的引入在一定程度上能够发挥各种储能方式的优势，取长补短，提高不同类型储能系统的使用寿命，但不同储能系统的功率协调控制与能量管理是需重点考虑的。

　　作者：

　　宁阳天，广西电网电力调度控制中心，硕士，主要研究方向为电力系统及其自动化。

　　李相俊，新能源与储能运行控制国家重点实验室（中国电力科学研究院）,博士，教授级高级工程师，主要研究方向为大规模储能技术、电力系统自动化和智能电网。

　　董德华，华北电力大学控制与计算机工程学院，硕士，主要研究方向为电池储能系统控制。

　　贾学翠，新能源与储能运行控制国家重点实验室（中国电力科学研究院），硕士，工程师，主要研究方向为大规模储能技术。

　　惠东，新能源与储能运行控制国家重点实验室（中国电力科学研究院），博士，教授级高级工程师，主要研究方向为大规模储能技术。