20140325006基于储能需求最小的风电场短时功率波动平抑指标制定方法

第 卷 第 期 Vol. No. 年 月 日 , 1 基于储能需求最小的风电场短时功率波动平抑指标制定方法摘要 本文提出了一种基于储能需求最小的风电场短时功率波动平抑指标的制定方法。首先，基于实测风速数据，对风电功率短时波动对电力系统频率偏差的影响进行了仿真分析。然后基于已有的波动平抑控制算法对风电功率进行平抑，并仿真分析了不同时间尺度上的平抑控制和不同大小的平抑指标对系统频率控制的改善效果，以及对储能容量和功率的需求。基于以上系统层面的仿真分析，提出了一种在满足系统频率偏差指标前提下储能需求最小的风电场短时功率波动平抑指标制定方法，并考虑了系统不同负荷时段内风电渗透率的不同，以及电源配置方式的不同。关键词 风电 ; 功率波动 ; 平抑指标 ; 储能 ; 需求评估0 引言近年来， 风力发电作为一种清洁的可再生能源发电在世界范围内得到迅速的发展。 然而， 随着风电渗透率的不断提高， 其短时功率波动对电力系统爬坡和备用容量的需求也日益增大， 并将影响系统的区域控制、频率控制与系统安全 [1] 。因此，包括我国在内的一些国家的电力公司已经或将要出台针对并网风电场短时功率波动的限制指标 [2]-[5] 。德国 E.ON 电力公司和美国 ERCOT 电力公司提出每 1 分钟内风电的最大功率波动不能超过其额定功率的 10。 而爱尔兰 ESBNG 电力公司提出每 1 分钟内的最大功率波动不能超过其额定功率的 8 。日本东北电力公司提出每 1 分钟的最大功率波动不超过风电场额定功率的 2。我国依据风电场的容量大小提出不同的功率波动限制指标对于小于容量为30MW 的风电场，每 1 分钟的最大功率波动不超过3MW ；对于 30150MW 的风电场，每 1 分钟的最大功率波动不超过额定容量的 10； 对于 150MW 以上的风电场，每 1 分钟的最大功率波动不超过 15MW 。随着电池储能、 超级电容储能、 超导磁储能以及飞轮储能等新型储能技术在近年来的快速发展， 使用储能系统（ Energy Storage System， ESS）对风电功率波动进行平抑成为研究的热点。 相比于改进风力发电机控制的功率平抑方法 [6][7] ，储能系统调节能力更强， 控制更加灵活， 且不需要牺牲风能捕获效率， 更适用于已并网发电的风电场。文献 [8] 采用一阶滤波控制液流电池储能系统对风电场的功率波动进行平抑，并加入储能能量状态（ State of Charge， SOC）。反馈控制，有效地将储能系统的 SOC 控制在安全的范围之内。文献 [9] 采用卡尔曼滤波控制锂电池储能系统对风电波动进行平抑，并在卡尔曼滤波环节之后， 加入两个基于复杂逻辑的反馈控制， 依据储能系统的充放电功率和能量状态对卡尔曼滤波的控制参数进行实时调整。文献 [10] 采用滑动平均滤波方法控制超级电容器和蓄电池分别对时间尺度较短和较长的风电功率进行平抑，并依据储能系统的 SOC 实时调整滑动平均算法的窗口宽度以及补偿系数， 避免储能系统的过充过放。上述研究的重点均放在波动平抑控制算法和储能的能量管理方面， 并未将电力系统提出的基于时间尺度的波动限制指标作为控制的目标。 在作者的前期工作 [11]-[15] 中，分别采用了基于变时间常数实时优化的一阶滤波控制、 模型预测滚动优化控制以及实时小波滤波控制对风电功率进行平抑， 在满足两个时间尺度的功率波动平抑指标的同时， 减少了储能容量的使用。 但是， 其针对的是示范工程项目提出的特定的功率波动平抑指标， 例如每 1 分钟最大功率波动不得超过风电额定功率的 2，每 30 分钟不得超过 7，并未对该指标制定的合理性， 以及指标的完成对系统运行控制的影响进行深入研究和分析。 而在实际电力系统中， 风电功率短时波动对系统频率的影响与该系统的电源配置、 控制方式以及风电渗透率有密切的关系。 即使对于特定的系统，在不同的负荷时段， 风电的渗透率并不相同， 其功率波动对系统的影响也需要分析研究。本文将从电力系统频率仿真出发， 分析风电功率波动对不同负荷时段系统频率控制的影响， 并考虑不同的电源配置方式。 然后， 将分析不同时间尺度的平 2 抑控制和不同大小的平抑指标对系统频率控制的改善效果， 以及对储能容量和功率的需求。 最后， 提出一种基于系统层面仿真分析的储能需求最小的风电场波动平抑指标的制定方法。1 风电功率波动对电力系统频率的影响分析如引言中所述， 电力系统对风电场提出的波动限制指标基本都是由时间尺度和最大波动幅值组成的，这样的设定与系统的运行控制时段相配合， 更易于实时平抑控制的实现，也更有利于平抑效果的量化分析。 然而， 目前已有的风电功率波动对电力系统频率的影响研究大多将风电功率波动转换为频域信号， 重点 在 于 分 析 不 同 频 段 的 波 动 对 频 率 偏 差 的 影 响[16]-[18] ，不适用于分析基于时间尺度的波动平抑的实现对系统频率控制的影响， 并且没有考虑实际系统不同负荷时段的电源配置与控制方式的不同。1.1 IEEE RTS 测试系统本文的仿真分析都将基于 IEEE RTS 系统 [19] ， 其总 装 机 容 量 3405MW ， 负 荷 峰 值 2850MW（ 17001900 ） ，负荷谷值 1682MW （ 03000500 ） ，负荷均值 2365MW （ 21002300 ） ，其发电数据如表1 中所示。 同时， 本文考虑两种机组并网优先序列 [20] ，优先序列 1 按照爬坡速率从大到小排序， 优先序列 2按照机组类型的经济性排序。表 1 IEEE RTS 系统发电数据与机组发电优先序列Table 1 Generator Data and Loading Priority Order 序号 机组机组类型机组容量（ MW）爬坡速率（ MW/min ）优先序列1 优先序列2 1 U12 5 Oil 12 5 1 5 28-32 28-32 2 U20 4 Oil 20 4 3 4 20-23 18-21 3 U50 6 Hydro 50 6 50 6 1-6 22-27 4 U76 4 Coal 76 4 2 4 24-27 8-11 5 U100 3 Oil 100 3 7 3 9-11 15-17 6 U155 4 Coal 155 4 3 4 16-19 4-7 7 U197 3 Oil 197 3 3 3 13-15 12-14 8 U350 1 Coal 350 1 4 1 12 3 9 U400 2 Nuclear 400 2 20 2 7-8 1-2 在 MATLAB\Simulink 中建立整个系统的动态仿真模型， 各发电机组及其调速器的动态模型与参数参考于文献 [21][22] 。本文假设系统除核电机组以外的所有并网机组都参与一次调频和二次调频（ AGC 控制 ）。 机 组 一 次 调 频 下 垂 特 性 均 设 定 为2 0 p uG GP K f f 。 系统 AGC 控制框图如图 1所示， 其中 （ MW/Hz ） 为系统有功 /频率偏差系数，DT 为控制时滞， ACET 为有功偏差滤波时间常数， PK为比例调节系数， REGP 为有功调节量。 REGP 按照并网机组的爬坡速率比例进行分配。f 11ACEsT PK REGPDsTe图 1 AGC 控制框图 [23]Fig. 1 Block diagram of AGC control 1.2 基于实测风速的风电场功率波动分析选取某地实测单日风速数据如图 2 所示。 假设该地区建有含 200 台 GE 1.5MW DFIG [24] ，额定容量为300MW 的风电场。 200 台 DFIG 按地理位置的不同等分为 10 组，每组内各台 DFIG 风速相同，各组风机之间风速依次相差 3050 秒不等。 将风速数据输入MATLAB\Simulink 中仿真可得到风电场在不同负荷时段的输出功率，如图 3 中所示。0000 0600 1200 1800 240005101520实测风速VW[m/s]图 2 某地实测单日风速曲线Fig. 2 Measured 1-day wind speed curve 1700风电功率[M风电功率[MW]a 负荷峰值时段风电功率[MW]风电功率[W]风电功率[b 负荷均值时段1730 1800 1830 1900050150250风电功率[]a 负荷峰值时段2100 2130 2200 2230 2300050150250]b 负荷均值时段0300 0330 0400 0430 0500050150250c 负荷谷值时段c 负荷谷值时段图 3 仿真得到的风电场功率曲线Fig. 3 Power curve of wind farm obtained by simulation 3 在时刻 t， 由式 1可以得到前 p 分钟时段内的风电功率最大波动值，, min [ min, ][ min, ]max mintW p W Wt p tt p tP P P 1对图 3 中的风电功率在 1 分钟时间尺度的最大功率波动进行分析， 结果如图 4 所示。 可以看出， 在负荷的峰谷时段， 风电场在 1 分钟内的最大功率波动都达到20 ，高于引言中提到的功率波动限制指标。1700 1730 1800 1830 19000102030最大功率波动率[]2100 2130 2200 2230 23000102030最大功率波动率[]0300 0330 0400 0430 05000102030最大功率波动率[]a 负荷峰值时段1730 1800 1830 19000102030最大功率波动率[]2100 2130 2200 2230 23000102030最大功率波动率[]0300 0330 0400 0430 05000102030最大功率波动率[] b 负荷均值时段1730 1800 1830 19000102030最大功率波动率[]2100 2130 2200 2230 23000102030最大功率波动率[]0300 0330 0400 0430 05000102030最大功率波动率[]c 负荷谷值时段图 4 风电功率在 1 分钟时间尺度的最大波动Fig. 4 Maximal fluctuation of wind power over 1 min period1.3 风电功率波动对系统频率的影响假设有三个与 1.2 小节中相同配置的风电场接入IEEE RTS 系统， 3 个风电场的风速之间依次相差 2个小时。在 3 个负荷时段，系统的电源配置如下（ 1） 在负荷峰值时段所有发电机组全部并网， 。风电容量渗透率为 900/9003405 ≈ 20；（ 2） 在负荷均值阶段 若发电机组按优先序列 1，机组 3、 5、 6、 7、 8 和 9 并网，若按优先序列 2，机组 4， 5， 6， 7， 8 和 9 并网，风电并网渗透率约 23；（ 3） 在负荷谷值时段若发电机组按照优先序列1 并网，仅有机组 3、 5、 8 和 9 并网，按照优先序列 2，仅有机组 6、 8 和 9 并网，风电并网渗透率约 34。假设在任意时段， 系统负荷基本保持不变， 核电机组按额定功率满发， 且若水电机组 （机组 3） 并网，则其功率初始值设为额定功率的 1/2 ，以保证调频容量的充裕性。对系统频率进行动态仿真，结果如图 5所示。对图 5 中的系统频率偏差进行分析，得到表 2所示的系统频率偏差的最大值。1700系统频率偏差[Hz]系统频率偏差[Hz][Hz]a 负荷峰值时段-0.51b 负荷均值时段1730 1800 1830 1900-1-0.500.512100 2130 2200 2230 2300-1-0.500.510300 0330 0400 0430 0500-100.5系统频率偏差c 负荷谷值时段图 5 不同负荷时段的系统频率偏差（机组优先序列 1）Fig. 5 Frequency deviation during peak and valley load period表 2 未进行风电功率波动平抑时系统频率最大偏差Table 2 Maximal deviation of system frequency devia-tion without fluctuations mitigation 负荷峰谷时段 最大频率偏差（ Hz） maxf峰值时段 0.8334 均值时段优先序列 1 0.9321 均值时段优先序列 2 1.2259 谷值时段优先序列 1 1.2207 谷值时段优先序列 2 2.1208 由图 5 和表 2 可以看出， 从负荷峰值到均值到谷值时段， 由于风电渗透率的不断提高， 系统频率偏差也逐渐增大。 同时， 表 2 中负荷均值和谷值时段采取优先序列 2 的情况下， 水电机组并未并网， 此时，系统调频容量的不足导致了更大系统的频率偏差。因此， 在含高渗透率风电的电力系统中， 水电等灵活性机组能明显改善系统的调频充裕性， 减小系统的频率偏差。 我国电力系统频率控制的指标为最大偏差不超 4 过 0.2Hz [25] ，可以看出，在未进行风电功率波动平抑的情况下，系统各个时段的频率偏差均大于指标值。2 风电功率波动平抑指标与平抑控制方法2.1 风电功率波动平抑指标的定义根据式 1 ，可将 N 分钟时间尺度的风电功率波动平抑指标定义为在任意时刻 t，, min min ,tO N N W ratedP P 2 式中， OP 为平抑后的风电功率， minN 为 N 分钟时间尺度的平抑指标， ,W ratedP 为风电额定功率。 风电功率、储能功率与平抑后的风电功率之间的关系如式 3 ，tESSP 为正时表示放电。t t tESS O WP P P 3 完成波动平抑所需的最少储能容量和功率可由式 4和 5计算，其中 T 表示总时长， t 表示计算步长 [26] 。, [0, ][0, ]0 0max mint tESS D ESS ESSt Tt TC P t P t 4 , [0, ]maxtESS D ESSt TP P 52.2 波动平抑控制方法与平抑效果在作者的前期工作 [13] 中，提出了一种基于时间常数实时优化的一阶滤波控制， 利用锂电池储能系统对风电功率两个时间尺度的功率波动进行平抑， 完成了示范工程项目提出的两个时间尺度（ 1 分钟和 30分钟）的波动平抑指标。该方法主要由 4 部分组成两个时间尺度的指标协调策略、 滤波时间常数的实时优化算法一阶低通滤波环节以及 SOC 反馈控制。控制系统每隔 10 秒钟对滤波时间常数进行一次优化，以减少风电功率波动的不确定性的影响。在本文中， 由于仅考虑分钟级短时间尺度功率波动对系统频率控制的影响， 因此在控制算法中仅考虑单个时间尺度的波动约束和控制策略， 并且不考虑与储能容量和功率有关的约束条件和控制策略。设定1min 4，对负荷峰值时段的风电场功率进行平抑，仿真结果如图 6 所示。 可以看出， 经过平抑控制之后，风电场与储能的总输出功率波动满足设定的波动平抑指标。1830 190050100150200风电功率[MW] 风电功率平抑后的功率1830 1900012345最大功率波动率[]a 平抑前后的风电功率190050100150200风电功率[MW] 风电功率平抑后的功率1830 1900012345最大功率波动率[]b 平抑后的 1 分钟时间尺度最大功率波动图 6 1 分钟时间尺度波动平抑控制效果Fig. 6 Control effect of wind power fluctuations mitiga-tion3 风电功率波动平抑指标的制定对 IEEE RTS 仿真系统中的 3 个风电场均配置上述储能系统及其控制系统。 下面， 将通过设定不同时间尺度、 不同大小的平抑指标来仿真分析风电功率波动平抑对系统频率控制的改善效果， 以及对储能系统容量和功率的需求， 最终归纳并提出风电功率波动平抑指标的制定方法。3.1 不同大小波动平抑指标的效果分析首先，以 N 1 分钟时间尺度为例，依次设定1min 为 2， 3， 4， 5， 6 和 7， 对负荷峰值时段的 IEEE RTS 系统进行仿真， 得到在完成不同平抑指标的情况下，系统频率的最大偏差如图 7 所示。2 3 4 5 6 700.20.4|f| max[Hz]1min []2 3 4 5 6 700.050.1E|f|[Hz]1min []2 3 4 5 6 700.050.1|f|[Hz]1min []图 7 负荷峰值时段 1 分钟时间尺度波动平抑指标的效果Fig. 7 The effect of 1-min power fluctuation restriction during peak load period 可以看出， 经过 1 分钟时间尺度的波动平抑， 系统频率偏差的各个特征量均比表 2 中未经波动平抑的情况大幅降低。 同时， 随着 1 分钟平抑指标的逐渐增大， 平抑效果逐渐减弱， 系统频率的最大偏差逐渐增大。由于电力系统要求最大频率偏差不能超过2，依据图 6（ a）可得，在系统负荷峰值时段，若 5 对风电场 1 分钟时间尺度的功率波动进行平抑， 平抑指标应设置为不超过其额定功率的 4.5。对不同波动平抑指标下 3 个风电场总共所需的储能容量和功率进行计算， 结果如图 8 所示。 可以看出， 随着平抑指标的逐渐增大， 所需的储能容量和功率不断减小。 在该系统负荷峰值时段， 为完成 1 分钟时间尺度 1min 4.5 的波动平抑指标， 3 个风电场共需至少配置 220MW/12MWh 的储能系统。需要指出的是， 平抑波动所需的储能容量和功率与采用的波动平抑算法有密切的关系， 合理的波动平抑控制能大大减少储能的需求 [13] 。2 3 4 5 6 70102030CESS,D[MWh]1min []2 3 4 5 6 7150200250300PESS, D[MW]1min []a 波动平抑所需的储能容量3 4 5 6 70102030CES,D[MWh]1min []2 3 4 5 6 7150200250300PES, D[MW]1min []b 波动平抑所需的储能功率图 8 负荷峰值时段 1 分钟风电功率波动所需的储能容量和功率Fig. 8 Capacity and power of ESS needed for 1-min power fluctuations mitigation during peak load time 3.2 不同时间尺度波动平抑指标的效果分析上节给出了在负荷峰值时段满足系统频率偏差指标的前提下 1 分钟时间尺度的波动平抑指标， 以及需要配置的储能容量和功率。本节将对 N {2 ， 3}分钟时间尺度进行同上节一样的仿真分析， 得到在不同时间尺度进行波动平抑应设定的波动平抑指标以及需要配置的储能容量和功率，结果如图 9 所示。1 2 345678Nmin[]N [min]1 2 310152025CESS,D[MWh]N [min]280（ a）完成频率偏差指标需设定的平抑指标2 3456Nmin[N [min]1 2 310152025CESS,D[MWh]N [min]1 2 3200220240260280P ESS, D[MW]N [min]（ b）完成频率偏差指标需要的储能容量2 34567Nmin[]N [min]1 2 310152025CESS,D[MWh]N [min]1 2 3200220240260280P ESS, D[MW]N [min]（ c）完成频率偏差指标需要的储能功率图 9 负荷峰值时段不同时间尺度波动平抑指标的对比Fig. 9 Comparisons about the effect among different time scales during peak load period从图 9a中可以看出，要满足系统频率偏差指标， 在不同时间尺度上对风电功率波动进行平抑所应设定的平抑指标是不同的。 对于 2 分钟时间尺度， 应设定最大功率波动不超过 6.5，而对于 3 分钟时间尺度，应设定为不超过 7.9。对比图 9 a-c 可以看出，在完成同样的系统频率偏差指标的前提下， 1分钟时间尺度的平抑控制需设定的指标相对最宽松，使用了最少的储能容量和功率。 这说明， 对于此 IEEE RTS 系统而言， 1 分钟时间尺度的风电功率平抑对系统调频充裕性的有更好的改善效果，经济性也更好。3.3 不同负荷时段的对比经过上述分析， 已得出在系统负荷峰值时段， 设置 1 分钟时间尺度最大功率波动不超过 4.5的波动平抑指标能够既满足系统频率偏差指标又使用较少的储能容量和功率。 在此， 分别对负荷均值时段和负荷谷值时段进行上述同样的仿真分析， 其中机组并网顺序采用优先序列 1，即水电机组保持并网，结果如图 10 所示。峰值时段 均值时段 谷值时段23451min[]峰值时段 均值时段 谷值时段1214161820CESS,D[MWh]240250[MW]a 1 分钟时间尺度的平抑指标 6 231min[]121820CESS,D[MWh]210240250P ESS, D[MW]b 波动平抑所需的储能容量均值时段 谷值时段41in[峰值时段 均值时段 谷值时段1416S,[]峰值时段 均值时段 谷值时段220230ES,[]c 波动平抑所需的储能功率图 10 不同负荷时段的波动平抑指标以及储能需求Fig. 10 Power fluctuations restrictions of different time scales and the demand of ESS可以看出， 相对负荷峰值时段， 由于均值和谷值时段的风电渗透率更高， 需制定更加苛刻的风电功率波动平抑指标才能满足系统频率偏差指标。 并且， 所需储能的容量和功率也相对更大。 需要指出的是， 储能的容量和功率需求除了与波动平抑指标有关之外，还与该时段风电功率本身的波动特性有关。 另外， 与负荷峰值时段相同， 在负荷均值和谷值时段 1 分钟时间尺度的波动平抑更为有效且需要的储能容量和功率最小。3.4 不同机组并网优先序列的对比依据 1.3 小节的分析，在负荷均值和谷值时段，不同的机组并网优先序列将影响系统的调频控制充裕性，尤其是水电机组的参与与否。图 11 中对比了在负荷均值时段， 不同机组并网优先序列对风电功率波动平抑效果的影响。1 2 3 400.10.20.30.41min []|f| max[Hz]优先序列 1 含水电 优先序列 2 不含水电 图 11 不同机组优先序列的对比Fig. 11 Comparisons between different unit priority orders 可以看出， 在风电场功率波动被平抑到同样的指标下， 含水电机组的优先序列 1 能实现更好的频率偏差控制。 因此， 对于不包含水电机组等灵活性电源的系统， 可能需对风电功率波动制定更为严格的平抑指标。3.5 风电功率波动平抑指标的制定综合上述分析， 要对含高渗透率风电的电力系统制定能满足系统频率偏差指标的风电功率波动平抑指标， 需要考虑风电场功率波动特性、 系统电源配置与控制方式、 不同的负荷时段以及平抑控制方法， 才能得出适合该系统的需要储能需求最小的波动平抑指标。 并且平抑指标应随着该系统负荷时段或风电渗透率的变化而动态调整。 由此， 本文提出基于储能需求最小的风电场短时功率波动平抑指标的制定方法，如图 12 所示。不同时段的负荷和风电功率常规电源配置方式不同时间尺度 不同平抑指标系统动态仿真模型系统频率偏差不同时间尺度的平抑指标储能容量和功率需求对比该负荷时段的平抑指标系统不同时段的平抑指标图 12 风电场短时功率波动平抑指标的制定方法Fig. 12 Method to determine the wind power fluctua-tions restrictions 首先，依据不同时段的负荷和风电功率，得到系统常规电源的配置， 导入系统动态仿真模型。 系统动态仿真模型应包括常规发电机组和风力发电的动态模型、系统一次调频和 AGC 控制，以及储能系统和平抑波动控制。 考虑不同时间尺度的平抑控制和不同大小的平抑指标，经仿真分析得到系统频率偏差，从而得到能满足系统调频需求的不同时间尺度下的平抑指标。 然后， 对比得到该时段下储能容量和功率需求最小的波动平抑指标。 调整负荷时段， 重新进行上述仿真分析。 最终得到适合于该系统的随时段变化的风电功率波动平抑指标。依据上述分析，对于本文中的 IEEE RTS 系统，若采取机组并网优先序列 1（即包含水电机组） ，为系统控制方便，依据图 10 可设定该系统风电功率波 7 动平抑指标为整数负荷峰值时段， 1min 4 ；负荷均值时段， 1 min 3；负荷谷值时段， 1min 3 。对于 3 个风电场，至少需配置 250MW/20MWh 的储能系统才能满足平抑波动控制。 当然， 在实际系统中应根据系统具体情况增加一定的容量和功率裕度。4 结语本文通过对引入高渗透率风电的 IEEE RTS 系统进行详细的仿真分析，得到如下几点结论（ 1） 在不同负荷时段，风电渗透率的不同将导致风电功率短时波动对系统频率偏差的影响不同。（ 2） 在负荷谷值时段，常规电源配置方式的不同将对系统频率偏差产生影响。（ 3） 使用储能系统在不同时间尺度对风电功率进行平抑，要完成系统频率控制指标，需设定的平抑指标并不相同，对储能的功率和容量需求也不相同。（ 4） 在不同负荷时段或不同风电渗透率下，要完成系统频率控制指标，需设定的平抑指标并不相同。基于以上， 本文提出了一种基于储能需求最小的风电短时功率平抑指标的制定方法。 可对针对含高渗透率风电的电力系统， 制定能满足频率偏差指标的风电场短时功率波动平抑指标， 并获得最小的储能容量和功率需求。参 考 文 献[1] SORENSEN P, CUTULULIS N A, VIGUERAS-RODRIGUEZ A, et al. Power fluctuations from large wind farms[J]. Power Systems, IEEE Transac-tions on. 2007, 223 958-965. [2] FOX B, FLYNN D, BRYANS L, et al. Wind Power Inte-gration Connection and system operational aspects[M]. In-stitution of Engineering and Technology, 2007. [3] http//www.ercot.com/mktrules/issues/prr/750-774/771/ [4] Tohoku Electric Power Company. 2006, Feb.. Requirements of Grid Connect [Online]. Availablehttp//www.tohoku-epco.co.jp/ICSFiles/afieldfile/2011/11/16/11111601_wp09t.pdf In Japanese. [5] GB/T 19963-2011 风电接入电力系统技术规定 [S]. 北京中国质检出版社， 2011 [6] UEHARA A, PRATAP A, GOYA T, et al. A coordinated control method to smooth wind power fluctuations of a PMSG-Based WECS[J]. Energy Conversion, IEEE Transactions on. 2011, 262 550-558. [7] JIN L, YUANZHANG S, YONGHUA S, et al. Wind power fluctuation smoothing controller based on risk assessment of grid frequency deviation in an isolated system[J]. Sustainable Energy, IEEE Transactions on. 2013, 42 379-392. [8] YOSHIMOTO K, NANAHARA T, KOSHIMIZU G. New control method for regulating state-of- charge of a battery in hybrid wind Power/Battery energy storage system[C]// Power Systems Conference and Exposition, 2006, Oct. 29 - Nov. 1, 2006, Atlanta, GA 1244-1251. [9] LI X. Fuzzy adaptive Kalman filter for wind power output smoothing with battery energy storage system[J]. Renewa-ble Power Generation, IET. 2012, 65 340-347 [10] 张国驹，唐西胜，齐智平 . 平抑间歇式电源功率波动的混合储能系统设计 [J]. 电力系统自动化 , 2011, 3520 24-28, 93. ZHANG Guoju, TANG Xisheng, QI Zhiping. Design of a Hybrid Energy Storage System on Leveling off Fluctuating Power Outputs of Intermittent Sources[J]. Automation of Electric Power Systems, 2011, 3520 24-28, 93. [11] 刘霞，江全元 . 风光储混合系统的协调优化控制 [J]. 电力系统自动化 , 2012, 3614 95-100. LIU Xia, JIANG Quanyuan. An Optimal Coordination Control of Hybrid Wind/Photovoitaic/Energy Storage Sys-tem[J]. Automation of Electric Power Systems, 2012, 3614 95-100. [12] 洪海生，江全元，严玉婷 . 实时平抑风电场功率波动的电池储能系统优化控制方法 [J]. 电力系统自动化 , 2013, 371 103-109. HONG Haisheng, JIANG Quangyuan, YAN Yuting. An Optimization Control Method of Battery Energy Storage System with Wind Power Fluctuations Smoothed in Real Time[J]. Automation of Electric Power Systems, 2013, 371 103-109. [13] QUANYUAN J, HAIJIAO W. Two-Time-Scale coordination control for a battery energy storage system to mitigate wind power fluctuations[J]. Energy Conversion, IEEE Transactions on. 2013, 281 52-61. [14] QUANYUAN J, YUZHONG G, HAIJIAO W. A battery energy storage system Dual-Layer control strategy for mitigating wind farm fluctuations[J]. Power Systems, IEEE Transactions on. 2013, 283 3263-3273. [15] QUANYUAN J, HAISHENG H. Wavelet-Based capacity configuration and coordinated control of hybrid energy storage system for smoothing out wind power fluctuations[J]. Power Systems, IEEE Transactions on. 2013, 282 1363-1372. [16] WEI L, JOOS G, ABBEY C. Wind Power Impact on System Frequency Deviation and an ESS based Power Filtering Algorithm Solution[C]// Power Systems Conference and Exposition, 2006, Oct. 29 - Nov. 1, 2006, Atlanta, GA 2077-2084. [17] CHANGLING L, BOON-TECK O. Frequency deviation of thermal power plants due to wind farms[J]. Energy Con-version, IEEE Transactions on. 2006, 213 708-716. 8 [18] LIN J, SUN Y, SORENSEN P, et al. Method for assessing grid frequency deviation due to wind power fluctuation based on Time-Frequency transformation[J]. Sustainable Energy, IEEE Transactions on. 2012, 31 65-73. [19] SUBCOMMITTEE P M. IEEE reliability test system[J]. Power Apparatus and Systems, IEEE Transactions on. 1979, PAS-986 2047-2054. [20] PENG W, ZHIYONG G, BERTLING L. Operational ade-quacy studies of power systems with wind farms and ener-gy storages[J]. Power Systems, IEEE Transactions on. 2012, 274 2377-2384. [21] P. Kundur, Power System Stability and C