分析及电池储能调频控制策略综述

分析及电池储能调频控制策略综述

张克义

国家能源聊城发电有限公司

摘要：随着新能源在电网中的占比不断升高，且新能源的输出功率具有随机波动性，降低了电力系统频率的稳定，对电网调频提出更高要求。由于传统火电机组调频能力不足。电池储能系统响应迅速、能量可双向流动，是优质的调频资源。因此在新能源并网规模不断增加、电网频率更加复杂多变情况下，储能系统参与调频方式成为研究热点。

关键词：电池储能；二次调频；成本优化；多目标进化算法

引言

随着能源转型的不断推进，电化学储能调频已逐渐成为主流的调频方式。以可再生能源为主体基金项目：北京市自然科学基金项目资助(21JC0026)；国网江西省电力有限公司科技项目资助(52182020008K)的新型电力系统建设部署使得可再生能源出力占比增大，电力电子设备应用增多，强波动性、间歇性的可再生能源持续增长，系统转动惯量将持续下降，造成电力实时平衡难度的进一步增大。进而，传统调频方式的固有缺陷也慢慢地显露出来，可再生能源的出力是间断性的，并且具有很强的波动性，所以系统频率变化很厉害，这就要求系统有很强的调节能力和响应速度，但传统调频系统无法满足。电化学储能作为一种新的调频方式，能够弥补电网调频容量的不足，而已有的电池模型还不能完全反应电池特性，因此需要对储能电池进行更精准的建模与仿真。

1储能模型

在对储能参与调频研究的仿真分析时，需构建含储能电池的区域电网调频模型。目前，常用于电网调频的储能电池模型为一阶惯性模型和戴维南等效电路模型，前者结构简单且便于仿真计算，但其无法精确地描述储能电池工作时的内部参数变化和自身的动态性能；后者虽能模拟储能电池的动态性能，但不能满足二次调频研究中的时间尺度需求。故本文提出一种适用于电网调频的储能电池模型，该模型由功率转换系统（powerconversionsystem，PCS）环节、响应延时-时间转换环节和输出判断环节构成。

2调频

调频与调峰本质上并没有明显的区别，仅是时间尺度不同，调峰是小时级的而调频是分钟级的，频率信号直接反映了电力供需情况，供大于求时频率上升，反之频率下降。电化学储能具有爬坡速度快、精度高、不受地域和季节限制的特点，可快速改变功率输出，为自动发电控制（AGC）调频提供了新的手段。为准确评价储能调节资源参与AGC的控制性能，基于Fréchet距离算法，通过计算时间周期内储能实际出力与理想出力曲线的相似度，提出了表征储能调节性能的相似度、延迟度、偏差度和贡献度指标；在电池储能参与AGC模型中引入模糊比例-积分-微分（PID）控制策略，相比于传统PID控制器具有更优秀的调频动态特性。考虑到传统的二次调频控制策略无法区分不同电池储能技术特征的差异，进而难以充分发挥其调频优势，造成资源浪费，提出一种计及电池储能技术特征的电网二次调频控制策略，建立电池储能调频成本函数，定量描述了具有不同技术特征的储能在承担调频责任时所对应的调频成本；构建了混合储能装置配合传统机组参与AGC的充放电策略和最优容量配置计算方法，引入了调频效果指标Kp，最后利用PSO求解；给出了一种联合传统机组调频方式，采用离散傅里叶变换分析高频和低频调频需求，并对实际系统全天和每小时的高频分量占比进行了定量分析，根据储能资源的快速响应特点，将调频需求的高频分量指派给BESS承担。

3分析及电池储能调频控制策略

3.1综合控制策略

考虑到虚拟惯性控制是将频率偏差变化率乘以惯性系数后叠加到BESS有功功率控制环节。当频率快速恶化时，虚拟惯性出力与电网调频需求相同，能抑制频率的快速恶化；而当频率开始恢复时，虚拟惯性出力与电网调频需求相反，对系统而言相当于二次扰动，阻碍频率的快速恢复。针对上述虚拟惯性出力对频率动态特性的影响机理，设计如下综合控制策略：1)频率恶化时，依据垂系数、虚拟惯性系数计算下垂出力与虚拟惯性出力后，按式(7)、式(8)所示加权系数确定下垂出力与虚拟惯性出力比例，实现下垂控制与虚拟惯性控制共同参与电网一次调频；2)频率恢复时，在策略1)基础上，将式wIn置零，从而闭锁虚拟惯性出力，实现下垂控制单独参与电网一次调频；3)当＞setFRTΔΔff时，按式(9)所示有功电流参考值输出有功电流以支撑频率恢复；

3.2时变参数下锂电池储能荷电状态估算方法

由储能锂电池建模过程可以看出，锂电池参数多、受影响因素广泛且复杂，模型表现出强烈的非线性、时变、因素耦合的特性。而且锂电池荷电状态对于参数的影响巨大，尽管温度存在较大影响，但其为可测变量，可以通过合理测量和推算，但是锂电池荷电状态无法直接测量，大多基于安时法计算估计。在时变参数影响下，其估计值将发生大幅度偏差，将直接影响锂电池的科学合理应用。因此，围绕锂电池模型开展分析，建立行之有效的估计方法，将是储能锂电池发展的重点。卡尔曼滤波是一种运算速度快、精度高且占用内存空间小的数据估计方法，常用于对锂电池的SOC状态以及SOH状态进行估计。基于建立的锂电池状态空间方程以及锂电池量测方程，是从真实情况考虑对电池荷电状态及电压变化进行的建模，卡尔曼估计需要在人为观测角度建立模型。由于电池模型表现出强烈的非线性、时变、强耦合特点，在对电池的荷电状态的实际估计中，采用拓展卡尔曼估计。

3.3调峰

电化学储能电站不仅可以在发电侧辅助火电机组参与调峰，而且可以从负荷侧对电网的峰谷负荷进行调节，起到削峰填谷的双向作用，间接减少对发电、输电设备的投资，提高设备利用率，减小线路损耗，获得可观的经济效益。在容量配置方面，对系统调峰充裕度进行了分析，提出了基于非序贯蒙特卡洛模拟方法的调峰不足概率和调峰不足期望指标容量配置方法；统计分析了电网侧电化学储能电站的储能能量、功率以及充放电时间，根据能量、功率偏差计算其方差和均值，并以正态分布的“3δ准则”作为随机变量的取值区间，然后以该变量配置BESS；根据风电接入前后电网峰谷差的变化情况，利用非参数核密度估计电网峰谷差的概率密度函数和累积概率分布函数，分析风电对系统峰谷差的影响，为参与含大规模风电的电网调峰提供容量配置依据。

结束语

对于电化学储能参与电力系统规划运行方法，传统的统计分析方法或滤波方法原理简单、实施方便，但考虑目标单一，无法满足综合配置和评价储能的目的；利用建模优化方法调度储能资源，虽然能够综合考虑各项经济和性能指标，但在模型的准确性和求解的复杂性方面均仍存在一定的局限性；人工智能技术作为数据驱动技术，有良好的可靠性。因此，下一步将基于人工智能技术对电化学储能参与的电力系统规划运行问题进行优化求解，进一步提高电力系统的稳定性、可靠性。伴随着各种新能源的并网带来的系统内部结构复杂化，很难建立精确的系统数学模型，通过无模型自适应控制可减少对储能系统的数学模型的依赖，本文只使用储能系统的输入输出数据作驱动进行控制设计，能动态调整模型的参数，控制效果自适应度高。

参考文献

[1]沈强,丁爱文,盛树浩,霍自勇.电池储能联合传统电源调频的应用探讨[J].电工材料,2020(06):21-22.

[2]刘起兴,和识之,卢伟辉,王皓怀.电池储能辅助二次调频的模型预测控制方法[J].电测与仪表,2020,57(23):119-125.

[3]鲁杰,侯力枫,徐硕等.储能电源参与电网一次调频的研究综述[C]//.2020年中国通信学会能源互联网学术报告会论文集.,2020:64-67.

[4]曹曦海.基于电池储能的渐变型增强调频策略研究[D].重庆大学,2020.

[5]刘颖明,陈亮,王晓东,王瑛玮.混合储能参与风电集群一次调频的容量配置优化[J].电器与能效管理技术,2020(10):55-63.