第２７卷第３期 ２０１５年３月 电力系统及其自动化学报 Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＣＳＵ－ＥＰＳＡ Ｖｏ１．２７ Ｍａｒ． Ｎｏ．３ ２０１５ 风力发电系统中储能容量的优化配置 程世军，张粒子 （华北电力大学新能源电力系统国家重点实验室，北京１０２２０６） 摘要：在风力发电系统中，合理地规划配置储能系统的容量对于风力发电产业的长远发展具有非常重要的意 义。首先建立了电池储能系统的模型，提出一种基于该类储能系统的容量优化配置策略，并在此基础上将电 池储能系统的全生命周期成本作为储能容量的优化目标，建立了以发电系统能量缺失率等运行指标为约束条 件的储能容量优化模型，运用粒子群算法对该复杂优化配置模型进行求解计算。通过对算例系统的求解，验 证了所建模型和算法的正确性和有效性，同时也为风力发电系统中储能单元的容量优化提供了参考。 关键词：风力发电系统；电池储能系统；容量优化配置策略；能量缺失率；ｇ２子群算法 中图分类号：ＴＭ９１ １ 文献标志码：Ａ 文章编号：１００３—８９３０（２０１５）０３—００７１—０５ ＤＯＩ：１０．３９６９￣．ｉｓｓｎ．１００３—８９３０．２０１５．０３．１３ Ｅｎｅｒｇｙ Ｓｔｏｒａｇｅ Ｃａｐａｃｉｔｙ Ｏｐｔｉｍｉｚａｔｉｏｎ ｆｏｒ Ｗｉｎｄ Ｐｏｗｅｒ Ｇｅｎｅｒａｔｉｏｎ Ｓｙｓｔｅｍ ＣＨＥＮＧ Ｓｈｉｊｕｎ，ＺＨＡＮＧ Ｌｉｚｉ （Ｓｔａｔｅ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ａｌｔｅｒｎａｔｅ Ｅｌｅｃｔｒｉｃａｌ Ｐｏｗｅｒ Ｓｙｓｔｅｍ ｗｉｔｈ Ｒｅｎｅｗａｂｌｅ Ｅｎｅｒｇｙ Ｓｏｕｒｃｅｓ，Ｎｏｒｔｈ Ｃｈｉｎａ Ｅｌｅｃｔｒｉｃ Ｐｏｗｅｒ Ｕｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ １０２２０６，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｎ ｗｉｎｄ ｐｏｗｅｒ ｇｅｎｅｒａｔｉｏｎ ｓｙｓｔｅｍ，ｉｔ ｉｓ ｏｆ ｇｒｅａｔ ｉｍｐｏｒｔａｎｃｅ ｆｏｒ ｔｈｅ ｌｏｎｇ－ｔｅｒｍ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｗｉｎｄ ｐｏｗｅｒ ｉｎ— ｄｕｓｔｒｙ ｔｏ ｒｅａｓｏｎａｂｌｙ ｃｏｎｆｉｇｕｒｅ ｔｈｅ ｃａｐａｃｉｔｙ ｏｆ ｅｎｅｒｇｙ ｓｔｏｒａｇｅ ｓｙｓｔｅｍ．Ｆｉｒｓｔｌｙ，ｔｈｅ ｍｏｄｅｌ ｏｆ ｂａｔｔｅｒｙ ｅｎｅｒｇｙ ｓｔｏｒａｇｅ ｓｙｓｔｅｍ （ＢＥＳＳ）ｉｓ ｂｕｉｌｔ．Ｔｈｅｎ，ａ ｃａｐａｃｉｔｙ ｏｐｔｉｍｉｚａｔｉｏｎ ｓｔｒａｔｅｇｙ ｏｆ ｔｈｅ ｅｎｅｒｇｙ ｓｔｏｒａｇｅ ｓｙｓｔｅｍ ｉｓ ｐｒｏｐｏｓｅｄ．Ｂａｓｅｄ ｏｎ ｔｈｉｓ ｓｔｒａｔｅ－ ｙｇ，ｔｈｅ ｏｐｔｉｍａｌ ｃａｐａｃｉｔｙ ｍｏｄｅｌ ｉｓ ｅｓｔａｂｌｉｓｈｅｄ ｂｙ ｔａｋｉｎｇ ｔｈｅ ｌｏｗｅｓｔ ｌｉｆｅ ｃｙｃｌｅ ｃｏｓｔ ｏｆ ｅｎｅｒｇｙ ｓｔｏｒａｇｅ ｄｅｖｉｃｅ ａｓ ｔｈｅ ｏｐｔｉ－ ｍｉｚａｔｉｏｎ ｏｂｊｅｃｔｉｖｅ，ａｎｄ ｂｙ ｃｏｎｓｉｄｅｒｉｎｇ ｔｈｅ ｏｐｅｒａｔｉｏｎ ｉｎｄｉｃｅｓ（ｓｕｃｈ ａｓ ｔｈｅ ｌｏｓｓ ｏｆｐｏｗｅｒ ｓｕｐｐｌｙ ｐｒｏｂａｂｉｌｉｔｙ）ａｓ ｃｏｎ— ｓｔｒａｉｎｔ ｃｏｎｄｉｔｉｏｎｓ．Ｆｉｎａｌｌｙ，ｔｈｅ ｃｏｍｐｌｅｘ ｏｐｔｉｍｉｚａｔｉｏｎ ｍｏｄｅｌ ｉｓ ｓｏｌｖｅｄ ｂｙ ＰＳＯ ａｌｇｏｒｉｔｈｍ．Ｗｉｔｈ ｔｈｅ ｅｘａｍｐｌｅ ｓｙｓｔｅｍ，ｉｔ ｄｅｍｏｎｓｔｒａｔｅｓ ｔｈｅ ｃｏｒｒｅｃｔｎｅｓｓ ａｎｄ ｅｆｆｅｃｔｉｖｅｎｅｓｓ ｏｆ ｔｈｅ ｐｒｏｐｏｓｅｄ ｍｏｄｅｌ ａｎｄ ａｌｇｏｒｉｔｈｍ．Ａｔ ｔｈｅ ｓａｍｅ ｔｉｍｅ，ｔｈｅ ｍｅｔｈｏｄ ｃａｎ ｐｒｏｖｉｄｅ ａ ｒｅｆｅｒｅｎｃｅ ｆｏｒ ｔｈｅ ｃａｐａｃｉｔｙ ｏｐｔｉｍｉｚａｔｉｏｎ ｏｆ ｅｎｅｒｇｙ ｓｔｏｒａｇｅ ｕｎｉｔｓ ｉｎ ｗｉｎｄ ｇｅｎｅｒａｔｉｏｎ ｓｙｓｔｅｍ． Ｋｅｙ ｗｏｒｄｓ：ｗｉｎｄ ｐｏｗｅｒ ｇｅｎｅｒａｔｉｏｎ ｓｙｓｔｅｍ；ｂａｔｔｅｒｙ ｅｎｅｒｇｙ ｓｔｏｒａｇｅ ｓｙｓｔｅｍ（ＢＥＳＳ）；ｃａｐａｃｉｔｙ ｏｐｔｉｍｉｚａｔｉｏｎ ｓｔｒａｔｅｙｇ；ｅｎ— ｅｒｇｙ ｓｃａｒｃｉｔｙ ｒａｔｅ；ｐａｒｔｉｃｌｅ ｓｗａｒｌｎ ｏｐｔｉｍｉｚａｔｉｏｎ（ＰＳＯ）ａｌｇｏｒｉｔｈｍ 近年来，风力发电在全世界范围内取得了飞 率高，部分类型电池材料价格低廉的优势，因而得 速发展。然而随着风电规模的不断扩大，风能的随 到了广泛应用 。 机性和间歇性使风力发电系统输出功率波动很 储能系统容量配置是否合理，对风力发电系 大，这不仅使得风电出力难以准确预测，而且也给 统的经济运行影响也很大。若储能容量配置较小， 电力系统的安全稳定和经济运行带来了一系列问 则夜间风机发出的多余电量不能得到充分存储， 题【“。为了平抑风电波动功率，使风电在一定程度 造成风能资源的极大浪费。若容量配置过大，不仅 上具有可调度性，常将储能设备接人作为提高系 会极大增加初期投资成本，还可能会使得储能系统 统稳定性和可靠性的方式。电池储能系统ＢＥＳＳ 长期处于充电不足状态，进而影响储能的效果和寿 （ｂａｔｔｅｒｙ ｅｎｅｒｇｙ ｓｔｏｒａｇｅ ｓｙｓｔｅｍ）作为新兴的风力发 命。因此，合理地规划储能系统的容量，对于风力 电储能技术，相比于其他储能技术［２－３１，不仅具有能 发电产业的长远发展具有十分重要的现实意义。 量密度高、安装地点灵活的特点，还具有充放电效 本文首先建立了电池储能系统ＢＥＳＳ的模型， 收稿Ｅｔ期：２０１３—０８—２３；修回日期：２０１３—１０—３１ 基金项目：国家电网公司科技项目（ＤｚＢ１７２ＯＢ０ｏ６４，电力系统中多元能源优化互补理论和算法研究） ・７２・ 电力系统及其自动化学报 第２７卷 提出一种基于该类储能系统的容量优化配置策 略，区别于传统策略中只考虑储能系统初始投资 成本作为优化目标，本文把储能单元的全生命周 期成本作为储能容量的优化目标，研究在满足发 电系统能量缺失率等运行指标为约束条件的前提 下，风力发电系统中储能装置全寿命周期成本最 小的储能容量配置。最后，运用粒子群算法对该复 杂优化配置模型进行求解计算。通过对算例的求 解，验证本文所建模型和算法的正确性和有效陛。 １电池储能系统模型 荷电状态（ｓｏｃ）指储能装置的剩余容量占总 容量的比值，是制定储能装置控制策略的重要依 据。荷电状态与储能装置充放电功率的关系 为 ＳＯＣ（ｋｔ）：｛Ｌ Ｅ （ｋｔ）＋ｆ一［０ 叼 Ⅱ （ｋｔ）Ｐ￣（ｋｔ）一 ｍ １ ｕｄ（后￡）Ｊｐ （ ）】。 Ｊ出１ … ０≤Ｕｃ（ｋｔ）＋ｕｄ（ｋｔ）≤１ ｌｔｃ（ｋｔ），ｕｄ（ｋｔ）∈｛０，１】 Ｓ ≤ＳＯＣ（ｋｔ）≤Ｓ （１） 式中： （Ｊｉ｝ｔ）为第后 时刻储能装置初始能量； 为储能装置的额定容量； （ ￡）为第 时刻储能 装置的充放电功率；７７ 和吼分别为储能装置的充 电和放电效率；５ 为储能装置的最小荷电状态值； ５一为储能装置的最大荷电状态值；ｌｔｃ（ｋｔ）、Ｕｄ（ ）分 别为第 ￡时刻的充、放电控制标志。为避免充放电 冲突，第 时刻ｕｃ（ｋｔ）和ｕｄ（ｋｔ）只能取为０或ｌ且 不同时为１，即不可能同时工作在充电和放电状态， 这样可满足变量间互斥要求。当Ｕｃ（ ）和ｕａ（ｋｔ）均 为０时表示储能装置运行在浮充状态。 第 时刻，若风电场输出功率ＰＡｋｔ）大于电 网调度功率 （ ￡），则储能系统处于充电状态，该 时刻的能量可表示为 （ｋｔ）： （ 一１）ｔ］＋Ｕｃ（ｋｔ）尸 （ｋｔ）ｔ￣ｌ （２） 式中： （ｋｔ）为电池储能系统第Ｊｉ｝￡时刻的能量； Ｅ （ 一１） 为电池储能系统第（ 一１）ｔ时刻的能量。 若风电场输出功率Ｐｗ（ ￡）小于电网调度功率 （ ），则储能系统处于放电状态，该时刻的能量 可表示为 Ｅ￣（ｋｔ）＝Ｅ （ 一１）ｔ】＋ｕａ（ｋｔ）Ｐ￣（ｋｔ）ｔｈｌ （３） ２储能系统的容量优化配置策略 为延长电池储能系统（ＢＥＳＳ）中蓄电池的使用 寿命，使蓄电池长期处于较优的工作状态，本文要 求蓄电池组尽可能以额定功率充放电。 在系统运行过程中，若风电场输出功率小于 电网调度功率，此时就出现功率缺失 储能系 统进行放电弥补功率缺失。定义能量缺失率ＬＰＳＰ （１ｏｓｓ ｏｆ ｐｏｗｅｒ ｓｕｐｐｌｙ ｐｒｏｂａｂｉｌｉｔｙ）为系统整个运行过 程中能量缺失量 鹧的总和与调度总需求量 的比值 ，具体的表达式［８１为 ｒ ／ ＝∑Ｅ蛹（ｔ）／２Ｅ￣ａ（ｔ） （４） １ ｆ ｔ＝ｌ 若风电场输出功率大于电网调度功率，此时 系统的能量缺失量为０，储能系统充电。 考虑到风力发电系统的间歇性，结合电池储 能系统能量密度大、充放电效率高的特点，提出适 合该储能系统的容量优化配置策略。 管理策略ｌ（ＭＳ ）：当系统的缺失功率小于电 池储能系统的额定功率时，储能装置的充、放电功 率为 ＝Ｐ１ （５） 式中，田 为系统逆变器的功率转换效率。经过单位 时间ｔ的放电后，电池储能系统未放电至最小容量 ｋ ，此时电池储能系统完全可以弥补系统的功 率缺失，即这种情况没有能量缺失。 管理策略２（ＭＳ ）：当系统的缺失功率小于电 池储能系统的额定功率时，再经过ｔｏ（ｔ。＜￡）时间的 放电后，电池储能系统刚好放电至最小容量Ｅ 。 此时 ｔｏ＝（Ｅｂ 一Ｅｂ ）叼 （６） 而之后的（￡一ｔｏ）时间内，为避免电池出现过度放电 现象，电池储能系统停止放电。则该种情况的能量 缺失Ｅｒｒｓ为 Ｇｒｓ：Ｐｌ￣ｋ（ｔ—ｔｏ） （７） 管理策略３（ＭＳ，）：当系统的缺失功率大于电 池储能系统的额定功率时，则电池储能系统以额 定功率 放电进行补偿，经过单位时间ｔ的放电 后，电池储能系统未放电至最小容量Ｅ ，则该种 情况的能量缺失Ｅ 为 Ｅｒｒｓ＝（ ａｃｌ【一Ｐｈ一 。） （８） 管理策略４（ＭＳ ）：当系统的缺失功率大于电 池储能系统的额定功率时，则电池储能系统以额 定功率 放电进行补偿，再经过ｔｏ（ｔ。＜￡）时间的 放电后，电池储能系统刚好放电至最小容量Ｅ一 ， 此时 第３期 程世军等：风力发电系统中储能容量的优化配置 ・７３・ ｔｏ＝（玩 一ｋ） （９） 在之后的（ 一％）时间内，为避免电池出现过度放电 的现象，电池储能系统停止放电。该种情况的能量 缺失如为 风＝（Ｐ１ａｃｋ一 。）ｔ０＋Ｐｌ （ｆ—ｔｏ） （１０） ３储能容量优化模型 ３．１目标函数 本研究的主要目标是在满足电网调度的情况 下，寻找使储能装置全寿命周期成本最小的储能 容量。根据全寿命周期成本理论，储能系统成本包 括投资成本、运行成本、维护成本和处置成本。为 避免优化模型过于复杂，本文中引入不同的比例 系数来表示对应的成本，同时将上述成本折算为 储能系统的年均费用，其折算系数用储能系统的 年折旧值表示。具体的目标函数表达式【９１为 ａｒｉｎ Ｃ＝Ｃｉ ＋Ｃ ＋Ｃ ＋Ｃｄｃ＝ （１＋ｋ ＋ ＋ ｄｃ） ｄｅｎｇ （１２） 式中：ｃｉ 为储能装置的投资成本； 为储能装置 的运行成本； 为储能装置的维护成本； 为储 能装置的处置成本；后 为储能装置的运行成本系 数； 为储能装置的维护成本系数； 出为储能装 置的处置成本系数；ｋ如为储能装置的年折旧值； ｎ为储能系统中蓄电池组的个数； 为储能系统中 单个蓄电池组的价格。 上述优化目标模型克服了传统储能系统经济 性优化中只侧重初始投资成本的局限性，充分考 虑了储能系统的安装、运行、维护和处置等整个全 生命周期过程中的全部成本，其优化结果更符合 实际。 ３．２约束条件 考虑风力发电系统的运行特性，建立满足风 力发电系统安全可靠运行的约束条件，即 （１）系统合理性要求为 （ｋｔ，ｎ）ｎ。＝Ｉ ｄ（．１｝￡）一Ｐｗ（ ｆ） １ （１３） （２）电池储能系统（ＢＥＳＳ）正常运行时的基本约 束为 Ｐ￣（ｋｔ，ｎ）≤ 一（ ） （１４） （ｎ）≤Ｅ￣（ｋｔ， ）≤点 （ｎ） （１５） （３）能量缺失率 的条件 Ｉｒｒｓｒ（ｎ）≤，Ｕ孙 （１６） ３．３粒子群优化算法 粒子群算法【 明ＰＳＯ（ｐａｒｔｉｃｌｅ ｓｗａｒｌｎ ｏｐｔｉｍｉｚａｔｉｏｎ） 是一种基于迭代的优化工具，系统初始化一组随 机解，通过迭代搜寻最优解，在优化过程中需要调 整的参数少，鲁棒性好，结构简单，收敛速度快。 开始执行ＰＳＯ算法时，首先随机初始化ｍ个粒 子的位置和速度，通过迭代来搜索最优值。设１个 由ｍ个粒子个体组成的种群在１个ｄ维的目标空 间中进行搜索。则粒子ｉ在第ｔ次迭代时的位置为 （ｆ）＝ （￡），ｘａ（ｔ），…， （ ）】Ｔ ｛ ｉ＝１，２，…，ｍ ｋ＝１，２，…，ｄ （１７） ｌ （￡）∈ ， Ⅸ］ 相应的速度为 ｆＵｉｋ（ ）＝ ｎ（ ），Ｖｉ２（ ），…， “（ ）］Ｔ ＩｖＡｔ）∈ ， 眦】 （１８） 个体最优位置为 ｚ （ｔ）＝ １（ ），ｚａ（ｔ），…，ｚ （￡）ｒ （１９） 全局最优位置为 ｚｇ（ｔ）＝ （ ）， （ ），…， （ ）ｒ （２０） 粒子ｉ在第ｔ＋１次迭代计算后， 更新的速度 和位置分别为 （ ＋１）＝ （ ）＋ｃ１ｒ１ （ ）一Ｘ／ｋ（ｔ）］＋ Ｃ２１＂２ （ ）一 ＊（ ）】 （２１） Ｘ／ｋ（ ＋１）＝ （ ）＋ ＊（ ＋１） （２２） 式中：ｃ 、ｃ：为２个学习因子； ｒ２为２个分布在 （０，１）之间的随机数。 粒子群优化算法流程如图１所示。 Ｆｉ图１粒子群优化算法流程 晷１ Ｆｌｏｗ ｃｈａｒｔ ｏｆ ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ４算例分析 为验证优化效果，在Ｍａｔｌａｂ Ｒ２００９ａ环境下对 本文中储能系统的容量优化配置方法进行了编程 第３期 程世军等：风力发电系统中储能容量的优化配置 ・７５・ ［７】丁明，徐宁舟，毕锐（Ｄｉｎｇ Ｍｉｎｇ，Ｘｕ Ｎｉｎｇｚｈｏｕ，Ｂｉ Ｒｕｉ）． 参考文献： 负荷侧新型电池储能电站动态功能的研究（Ｄｙｎａｍｉｃ 【１】田春筝，李琼林，宋晓凯（Ｔｉａｎ Ｃｈｕｎｚｈｅｎｇ，Ｌｉ Ｑｉｏｎｇｌｉｎ， ｍｏｄｅｌ ｏｆ ｎｅｗ－ｔｙｐｅ ｂａｔｔｅｒｙ ｅｎｅｒｇｙ ｓｔｏｒａｇｅ ｓｙｓｔｅｍ ａｔ ｄｅｍａｎｄ Ｓｏｎｇ Ｘｉａｏｋａｉ）．风电场建模及其对接入电网稳定性的 ｓｉｄｅ）［Ｊ１．电力自动化设备（Ｅｌｅｃｔｉｒｃ Ｐｏｗｅｒ Ａｕｔｏｍａｔｉｏｎ 影响分析（Ｍｏｄｅｈｎｇ ａｎｄ ａｎａｌｙｓｉｓ ｏｆ ｔｈｅ ｓｔａｂｉｌｉｔｙ ｆｏｒ ｔｈｅ Ｅｑｕｉｐｍｅｎｔ），２０１１，３１（５）：１－７． ｐｏｗｅｒ ｓｙｓｔｅｍ ｃｏｎｓｉｄｅｒｉｎｇ ｔｈｅ ｉｎｔｅｇｒａｔｉｏｎ ｏｆ ｔｈｅ ｗｉｎｄ ［８】Ｔｅｓｔａ Ａ，Ｄｅ Ｃａｒｏ Ｓ，Ｌａ Ｔｏｒｒｅ Ｒ，ｅｔ ａ１．Ｏｐｔｉｍａｌ ｄｅｓｉｇｎ ｏｆ ｆａｒｍｓ）［Ｊ］．电力系统保护与控制（Ｐｏｗｅｒ Ｓｙｓｔｅｍ Ｐｒｏｔｅｅ— ｅｎｅｒｇｙ ｓｔｏｒａｇｅ ｓｙｓｔｅｍｓ ｆｏｒ ｓｔａｎｄ—ｌａｏｎｅ ｈｙｂｒｉｄ Ｗｉｎｄ／ＰＶ ｔｉｏｎ ａｎｄ Ｃｏｎｔｒｏ１），２００９，３７（１９）：４６—５１． ｇｅｎｅｒａｔｏｒｓ［Ｃ］／／Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｓｙｍｐｏｓｉｕｍ ｏｎ Ｐｏｗｅｒ Ｅｌｅｃ— ［２ 丁明，２］刘友翔（Ｄｉｎｇ Ｍｉｎｇ，Ｌｉｕ Ｙｏｕｘｉａｎｇ）．蓄能电站静动 ｔｒｏｎｉｅｓ，Ｅｌｅｃｔｒｉｃａｌ Ｄｒｉｖｅｓ，Ａｕｔｏｍａｔｉｏｎ ａｎｄ Ｍｏｔｉｏｎ。Ｐｉｓａ，Ｉ－ 态综合效益评估（ｒＩ’ｈｅ ｃｏｍｐｒｅｈｅｎｓｉｖｅ ｅｖａｌｕａｔｉｏｎ ｏｆ ｔｈｅ ｔａｌｙ：２０１０． ｓｔａｔｉｃ ａｎｄ ｄｙｎａｍｉｃ ｂｅｎｅｆｉｔｓ ｏｆ ｓｔｏｒａｇｅ ｐｌａｎｔ）［Ｊ］．电力系统 ［９ 崔新奇，９】尹来宾，范春菊，等（Ｃｕｉ Ｘｉｎｑｉ，Ｙｉｎ Ｌａｉｂｉｎ，Ｆａｎ 自动化（Ａｕｔｏｍａｔｉｏｎ ｏｆＥｌｅｃｔｉｒｃ Ｐｏｗｅｒ Ｓｙｓｔｅｍｓ），１９９４，１８ Ｃｈｕｎｊｕ，ｅｔ ）．变电站改造中变压器全生命周期费用 （９）：３０—３５． （ＬＣＣ）模型的研究（Ｓｔｕｄｙ ｏｆＬＣＣｆｏｒｐｏｗｅｒｔｒａｎｓｆｏｒｍｅｒ ［３３］ 罗正远，丁明（ＬｕｏＺｈｅｎｇｙｕａｎ，ＤｉｎｇＭｉｎｇ）．概率模拟中 ｉｎ ｍｏｄｉｉｆｃａｔｉｏｎ ｏｆ ｔｒａｎｓｆｏｒｍｅｒ ｓｕｂｓｔａｔｉｏｎ）［Ｊ］．电力系统 蓄能电站经济运行的判据（Ｅｃｏｎｏｍｉｃ ｏｐｅｒａｔｉｏｎ ｃｒｉｔｅｒｉａ 保护与控制Ｐｏｗｅｒ Ｓｙｓｔｅｍ Ｐｒｏｔｅｃｔｉｏｎ ａｎｄ Ｃｏｎｔｒｏ１）， ｏｆ ｓｔｏｒａｇｅ ｐｌａｎｔ ｉｎ ｐｒｏｂａｂｉｌｉｓｔｉｃ ｓｉｍｕｌａｔｉｏｎ）［Ｊ］．中国电机 ２０１０，３８（７）：６９—７３． 工程学报（Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆｔｈｅ ＣＳＥＥ），１９９３，１３（２）：４３— ［１０】纪震，廖惠连，吴青华．粒子群算法及应用［Ｍ］．北京：科 ３８． 学出版社，２００９． ［４］李强，袁越，谈定中（Ｌｉ Ｑｉａｎｇ，Ｙｕａｎ Ｙｕｅ，Ｔａｎ Ｄｉｎｇｚｈｏｎｇ）． 【１１］Ｇｕｏ Ｙｏｎｇｌａｎｇ，Ｔａｎｇ Ｓｈｅｎｇｑｕｎ，Ｍｅｎｇ Ｇａｎｇ，ｅｔ ａ１．Ｆａｉｌｕｒｅ 储能技术在风电并网中的应用研究进展（Ｐｒｏｇｒｅｓｓ ｏｎ ｍｏｄｅｓ ｏｆ ｖａｌｖｅ－ｒｅｇｕｌａｔｅｄ ｌｅａｄ・ａｃｉｄ ｂａｔｔｅｒｉｅｓ ｆｏｒ ｅｌｅｃｔｒｉｃ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｅｎｅｒｇｙ ｓｔｏｒａｇｅ ｔｅｃｈｎｏｌｏｇｙ ｉｎ ｗｉｎｄ ｐｏｗｅｒ ｉｎ— ｂｉｃｙｃｌｅ ａｐｐｌｉｃａｔｉｏｎｓ ｉｎ ｄｅｅｐ ｄｉｓｃｈａｒｇｅ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆＰｏｗｅｒ ｔｅｒｇａｔｉｏｎ）【Ｊ１．河海大学学报：自然科学版（Ｊｏｕｒｎａｌ ｏｆ Ｈｏ— Ｓｏｕｒｃｅｓ，２００９，１９１（ｔ）：１２７—１３３． ｈａｉＵｎｉｖｅｒｓｉｔｙ：Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅｓ），２０１０，３８（１）：１１５—１２２． ［１２】Ｌｅｍａｉｒｅ Ｐｏｔｔｅａｎ Ｅ，Ｍａｔｔｅｒａ Ｆ，Ｄｅｌａｉｌｌｅ Ａ，ｅｔ ａ１．Ａｓｓｅｓｓｍｅｎｔ 【５】吴雨，潘文霞，冯蒙霜，等（Ｗｕ Ｙｕ，Ｐａｎ Ｗｅｎｘｉａ，Ｆｅｎｇ ｏｆ ｓｔｏｒａｇｅ ａｇｅｉｎｇ ｉｎ ｄｉｆｆｅｒｅｎｔ ｔｙｐｅｓ ｏｆ ＰＶ ｓｙｓｔｅｍｓ： Ｍｅｎｇｓｈｕａｎｇ，ｅｔ ａｔ）．基于混合储能的微电网功率控制 ｔｅｃｈｎｉｃａｌ ａｎｄ ｅｃｏｎｏｍｉｃａｌ ａｓｐｅｃｔｓ［Ｃ］／／Ｔｈｅ ２３ｒｄ Ｅｕｒｏｐｅａｎ 策略（Ｐｏｗｅｒ ｃｏｎｔｒｏｌ ｓｔｒａｔｅｇｙ ｏｆｒ ｍｉｃｒｏｇｒｉｄ ｂａｓｅｄ ｏｎ ｈｙｂｒｉｄ Ｐｈｏｔｏｖｏｈａｉｃ Ｓｏｌａｒ Ｅｎｅｒｇｙ Ｃｏｎｆｅｒｅｎｃｅ ａｎｄ Ｅｘｈｉｂｉｔｉｏｎ． ｅｎｅｒｇｙ ｓｔｏｒａｇｅ ｓｙｓｔｅｍ）『Ｊ】．电力系统及其自动化学报 Ｖａｌｅｎｃｉａ，Ｓｐａｉｎ：２００８． （ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＣＳＵ－ＥＰＳＡ），２０１３，２５（２）：１０９－－１ １４，１５８． 【６］丁明，徐宁舟，毕锐（Ｄｉｎｇ Ｍｉｎｇ，Ｘｕ Ｎｉｎｇｚｈｏｕ，Ｂｉ Ｒｕｉ）． 作者简介： 用于平抑可再生能源功率波动的储能电站建模及评价 程世军（１９８８一），男，通信作者，硕士研究生，研究方向为电 （Ｍｏｄｅｌｉｎｇ ｏｆ ＢＥＳＳ ｆｏｒ ｓｍｏｏｔｈｉｎｇ ｒｅｎｅｗａｂｌｅ ｅｎｅｒｇｙ ｏｕｔｐｕｔ 力系统优化调度。Ｅｍａｉｌ：ｃｈｅｎｇｓｈｉｊｕｎｌ１１＠１６３．ｃｏｒｎ ｆｌｕｃｔｕａｔｉｏｎｓ）［Ｊ］．电力系统自动化（Ａｕｔｏｍａｔｉｏｎ ｏｆ Ｅｌｅｃｔｉｒｃ 张粒子（１９６３一），女，博士，教授，博士生导师，研究方向为 ＰｏｗｅｒＳｙｓｔｅｍｓ），２０１１，３５（２）：６６—７２． 电力系统分析和电力经济。Ｅｍａｉｌ：ｌｉｚｉｚｈａｎｇ２０００＠ｓｉｎａ．ｃｏｎｒ 关于参数与偏差范围的表示 １．数值范围：五至十可写为５～１０；３×１０’～８×１０３，不能写成３—８×１０。。 ２．百分数范围：２０％ ３０％７１￣能写成２０～３０％。 ３．具有相同单位的量值范围：１．５ ３．６ ｍＡ不必写成１．５ ｍＡ～３．６ ｍＡ。 ４．偏差范围：（２５＋１）ｑＣ不写成２５＋＿１ ｏＣ；（８５±２）％不写成８５±２％。 ５．带尺寸单位的量值相乘，如５０ ｃｍｘ８０ ｃｍｘｌ００ ｃｍ，不能写５０ｘ８０ｘ１００ ｃｍ或５０ｘ８０ｘｌＯ０ ｃｍ。。 摘编于《中国高等学校自然科学学报编排规范》（修订版）
