留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于寿命模型的混合储能参与二次调频的经济性研究

孟杰 丁泉 陈孝煜 钱国明 黄超

孟杰, 丁泉, 陈孝煜, 钱国明, 黄超. 基于寿命模型的混合储能参与二次调频的经济性研究[J]. 现代电力, 2021, 38(2): 205-212. doi: 10.19725/j.cnki.1007-2322.2020.0303
引用本文: 孟杰, 丁泉, 陈孝煜, 钱国明, 黄超. 基于寿命模型的混合储能参与二次调频的经济性研究[J]. 现代电力, 2021, 38(2): 205-212. doi: 10.19725/j.cnki.1007-2322.2020.0303
Jie MENG, Quan DING, Xiaoyu CHEN, Guoming QIAN, Chao HUANG. Economic Feasibility in Secondary Frequency Regulation Considering Hybrid Energy Storage Cycle Life Model[J]. Modern Electric Power, 2021, 38(2): 205-212. doi: 10.19725/j.cnki.1007-2322.2020.0303
Citation: Jie MENG, Quan DING, Xiaoyu CHEN, Guoming QIAN, Chao HUANG. Economic Feasibility in Secondary Frequency Regulation Considering Hybrid Energy Storage Cycle Life Model[J]. Modern Electric Power, 2021, 38(2): 205-212. doi: 10.19725/j.cnki.1007-2322.2020.0303

基于寿命模型的混合储能参与二次调频的经济性研究

doi: 10.19725/j.cnki.1007-2322.2020.0303
基金项目: 上海市科学技术委员会科研计划项目 (19DZ1205704)
详细信息
    作者简介:

    孟杰(1986),男,硕士研究生,工程师,主要研究方向为微电网相关产品和技术研发工作,E-mail:mj-jie.meng@sac-china.com

    丁泉(1979),男,博士,高级工程师,主要研究方向为电力系统自动化相关技术的研发和管理工作,E-mail:quan-ding@sac-china.com

    陈孝煜(1994),女,硕士研究生,工程师,主要研究方向为微电网相关产品和技术研发工作,E-mail:xiaoyu-chen@sac-china.com

    钱国明(1973),男,硕士研究生,正高级工程师,主要研究方向为电力系统自动化相关技术的研究和管理工作,E-mail:guoming-qian@sac-china.com

    黄超(1991),女,硕士研究生,工程师,主要研究方向为微电网相关产品和技术研发工作,E-mail:chao-huang@sac-china.com

  • 中图分类号: TM 743

Economic Feasibility in Secondary Frequency Regulation Considering Hybrid Energy Storage Cycle Life Model

Funds: Scientific Research Project of Shanghai Science and Technology Commission (19DZ1205704)
  • 摘要: 针对储能电池在参与电网二次调频过程中的寿命损耗问题,提出一种计及电池寿命的混合储能参与调频的控制策略。在含有磷酸铁锂电池和铅炭电池的混合储能系统中,考虑放电深度、循环使用次数等因素,建立电池寿命模型;在功率分配环节,利用一阶低通滤波器对区域控制需求信号进行高低频的划分;综合考虑混合储能损耗、调频需求及评价指标等约束,以滤波时间常数为优化变量,进而建立以经济效益最大为目标的混合储能系统调频模型。利用Matlab/Simulink对含有混合储能的区域电网二次调频模型进行仿真验证,结果表明该模型不仅能有效改善调频性能,而且对降低电池损耗及后期更换成本具有重要意义。
  • 图  1  优化算法流程图

    Figure  1.  Flow chart of optimization algorithm

    图  2  电池寿命衰减率

    Figure  2.  The attenuation rate of battery life

    图  3  储能电池每小时电力电价

    Figure  3.  Hourly power rate of energy storage battery

    图  4  典型ARR信号

    Figure  4.  Typical ARR signal

    图  5  机组、锂电储能出力跟踪调频需求功率的运行曲线

    Figure  5.  Power curve of frequency regulation

    图  6  单一储能参与辅助调频的收益曲线

    Figure  6.  Revenue curve of single energy storage device participating in auxiliary frequency regulation

    图  7  机组、锂电及铅炭储能出力跟踪调频功率的运行曲线

    Figure  7.  Operation curve of frequency regulation power tracked by outputs of generating unit, lithium battery and l ead - carbon batter y

    图  8  混合储能参与辅助调频的收益曲线

    Figure  8.  R evenue curve of hybrid energy storage participating in auxiliary frequency regulation

    表  1  电池模型参数

    Table  1.   Parameters of the battery model

    电池类型Nra1a2
    铅炭电池 310−0.3 1.75
    锂电池1850−0.261.73
    下载: 导出CSV

    表  2  火电机组模型参数

    Table  2.   Model parameters of thermal power generating unit

    电源类型Kg/元Bg/元Pg_min/MWPg_max/MWΔg
    火电机组315034310200.3
    下载: 导出CSV

    表  3  混合储能系统技术参数

    Table  3.   Technical parameters of hybrid energy storage system

    电池SOC
    过充保护限值
    SOC
    过放保护限值
    SOC
    初始值
    最大充电功率
    限值/MW
    最大放电功率
    限值/MW
    额定容量/
    (MW·h)
    投资成本/
    万元
    锂电池场景10.90.10.61816 15 2150
    场景20.90.10.6108.5 8 1100
    铅炭电池0.80.20.68.47.610 1050
    下载: 导出CSV

    表  4  循环次数对比

    Table  4.   Comparison of cycle times

    放电深度循环次数(厂家)循环次数(仿真)
    锂电池铅炭电池锂电池铅炭电池
    0.272301750 73601761
    0.45290105053431055
    0.634103103432323
    下载: 导出CSV

    表  5  仿真结果对比

    Table  5.   Comparisons of simulation results

    场景Tf1Tf2Cele/万元Cg/万元Cli/万元Clead/万元Cr/万元Ctotal/万元
    场景10.6 4.28 1.19 8.0724.5919.61
    场景2固定场景114.310.775.342.6425.2120.77
    优化场景1.30.44.360.494.213.3225.9122.25
    下载: 导出CSV
  • [1] 李建林, 马会萌, 惠东. 储能技术融合分布式可再生能源的现状及发展趋势[J]. 电工技术学报, 2016, 31(14): 1−10. doi:  10.3969/j.issn.1000-6753.2016.14.001

    LI Jianlin, MA Huimeng, HUI Dong. Present development condition and trends of energy storage technology in the integration of distributed renewable energy[J]. Transactions of China Electrotechnical Society, 2016, 31(14): 1−10(in Chinese). doi:  10.3969/j.issn.1000-6753.2016.14.001
    [2] 牛阳, 张峰, 张辉, 等. 提升火电机组AGC性能的混合储能优化控制与容量规划[J]. 电力系统自动化, 2016, 40(10): 38−45. doi:  10.7500/AEPS20150724003

    NIU Yang, ZHANG Feng, ZHANG Hui, et al. Optimal control strategy and capacity planning of hybrid energy storage system for improving AGC performance of thermal power units[J]. Automation of Electric Power Systems, 2016, 40(10): 38−45(in Chinese). doi:  10.7500/AEPS20150724003
    [3] 李飞. 储能系统辅助火电机组调频的建模及控制策略研究[D]. 北京: 华北电力大学, 2017.

    LI Fei. Research on the modeling and control strategy of energy storage system in thermal power unit frequency regulation[D]. Beijing: North China Electric Power University, 2017(in Chinese).
    [4] 陈大宇, 张粒子, 王立国. 储能调频系统控制策略与投次收益评估研究[J]. 现代电力, 2016, 33(1): 80−86. doi:  10.3969/j.issn.1007-2322.2016.01.013

    CHEN Dayu, ZHANG Lizi, WANG Liguo. Control strategy of energy storage system for frequency regulation and evaluation of investment income[J]. Modern Electric Power, 2016, 33(1): 80−86(in Chinese). doi:  10.3969/j.issn.1007-2322.2016.01.013
    [5] 汤杰, 李欣然, 黄际元, 等. 以净效益最大为目标的储能电池参与二次调频的容量配置方法[J]. 电工技术学报, 2019, 34(5): 963−972.

    TANG Jie, Li Xinran, Huang Jiyuan, et al. Capacity allocation of BESS in secondary frequency regulation with the goal of maximum net benefit[J]. Transactions of China Electrotechnical Society, 2019, 34(5): 963−972(in Chinese).
    [6] 胡泽春, 谢旭, 张放, 等. 含储能资源参与的自动发电控制策略研究[J]. 中国电机工程学报, 2014, 34(29): 5080−5087.

    HU Zechun, XIE Xu, ZHANG Fang, et al. Research on automatic generation control strategy incorporating energy storage resources[J]. Proceedings of the CSEE, 2014, 34(29): 5080−5087(in Chinese).
    [7] 张圣祺, 袁蓓, 徐青山, 等. 规模化储能参与下的电网二次调频优化控制策略[J]. 电力自动化设备, 2019, 39(5): 82−88.

    ZHANG Shengqi, YUAN Bei, XU Qingshan, et al. Optimal control strategy of secondary frequency regulation for power grid with large-scale energy storages[J]. Electric Power Automation Equipment, 2019, 39(5): 82−88(in Chinese).
    [8] 张圣祺, 袁蓓, 季振东, 等. 基于分布式控制原理的电池储能系统二次调频控制[J]. 电工技术学报, 2019, 34(2): 637−645.

    ZHANG Shengqi, YUAN Bei, JI Zhendong, et al. A secondary frequency control based on the distributed control theory considering battery energy stroage systems[J]. Transactions of China Electrotechnical Society, 2019, 34(2): 637−645(in Chinese).
    [9] 王彩霞, 李琼慧, 雷雪姣. 储能对大比例可再生能源接入电网的调频价值分析[J]. 中国电力, 2016, 49(10): 148−152. doi:  10.11930/j.issn.1004-9649.2016.10.148.05

    WANG Caixia, LI Qionghui, LEI Xuejiao. Methodology for analyzing the value of energy storage to power system frequency control in context of high shares of renewable energy[J]. Electric Power, 2016, 49(10): 148−152(in Chinese). doi:  10.11930/j.issn.1004-9649.2016.10.148.05
    [10] 易林. 考虑可变寿命特征的电力系统用电池储能容量优化配置[D]. 武汉: 华中科技大学, 2015.

    YI Lin. Optimizing of the deployment of battery applied in power system considering its lifetime characteristics[D]. Wuhan: Huazhong University of Science and Technology, 2015(in Chinese).
    [11] DRIESEN J, KATIRAEI F. Design for distributed energy resources[J]. IEEE Power and Energy Magazine, 2008, 6(3): 30−39. doi:  10.1109/MPE.2008.918703
    [12] 王荔妍, 陈启鑫, 何冠楠, 等. 考虑电池储能寿命模型的发电计划优化[J]. 电力系统自动化, 2019, 43(8): 93−100. doi:  10.7500/AEPS20180329002

    WANG Liyan, CHEN Qixin, HE Guannan, et al. Optimization of generation scheduling considering battery energy storage life model[J]. Automation of Electric Power Systems, 2019, 43(8): 93−100(in Chinese). doi:  10.7500/AEPS20180329002
    [13] LEOU R C. An economic analysis model for the energy storage system applied to a distribution substation[J]. Electrical Power and Energy Systems, 2012, 34: 132−137. doi:  10.1016/j.ijepes.2011.09.016
    [14] 王耀雷, 周步祥. 基于自适应粒子群算法的直流微网能量优化管理[J]. 现代电力, 2017, 34(1): 37−43. doi:  10.3969/j.issn.1007-2322.2017.01.006

    WANG Yaolei, ZHOU Buxiang. Energy management of DC microgrid based on adaptive particle swarm optimization algorithm[J]. Modern Electric Power, 2017, 34(1): 37−43(in Chinese). doi:  10.3969/j.issn.1007-2322.2017.01.006
    [15] 陈丽雪, 房方. 计及蓄电池寿命的风光储微网系统能量优化管理[J]. 现代电力, 2018, 35(3): 62−69. doi:  10.3969/j.issn.1007-2322.2018.03.009

    CHEN Lixue, FANG Fang. Optimal energy management of wind-photovoltaic-storage microgrid system considering battery life[J]. Modern Electric Power, 2018, 35(3): 62−69(in Chinese). doi:  10.3969/j.issn.1007-2322.2018.03.009
    [16] 国家能源局山西能源监管办. 山西电力调频辅助服务市场运营细则[S]. 太原: 国家能源局山西能源监管办. 2017.
  • [1] 杜佳耘, 雷勇, 李永凯, 刘晖.  基于参数优化变分模态分解的混合储能功率分配策略 . 现代电力, 2021, 38(1): 51-59. doi: 10.19725/j.cnki.1007-2322.2020.0193
    [2] 张弛, 曾杰, 张威, 徐琪, 彭嘉俊, 郭敏铧.  含混合储能的独立微电网多时间尺度协调控制策略 . 现代电力, 2020, 37(1): 74-82. doi: 10.19725/j.cnki.1007-2322.2018.1410
    [3] 刘卫东, 余德钊, 裘华东, 胡若云, 刘周斌, 张利军, 徐晨博, 丁一.  售电侧市场化改革分析与预测指标体系 . 现代电力, 2019, 36(1): 22-28.
    [4] 孟明, 吴亚帆, 苏亚慧.  考虑微电网联络线利用率的混合储能容量优化 . 现代电力, 2018, 35(1): 39-44.
    [5] 李卿, 杨国华, 唐浩, 王鹏珍, 王岳, 董晓宁, 杨涌涛.  考虑蓄电池SOC安全范围的混合储能平抑风光功率波动策略 . 现代电力, 2018, 35(3): 84-89.
    [6] 王艾萌, 黄浦东.  考虑负载变化率的混合储能分频控制优化策略 . 现代电力, 2018, 35(4): 80-86.
    [7] 李 飞, 肖仕武, 徐 歌, 宋瑞华, 张媛媛.  储能系统在区域电网一次调频中的应用研究 . 现代电力, 2017, 34(2): 67-73.
    [8] 王耀雷, 周步祥.  基于自适应粒子群算法的直流微网能量优化管理 . 现代电力, 2017, 34(1): 37-43.
    [9] 黄 伟, 熊伟鹏, 车文学.  模糊控制在风光混合储能微网系统中的应用 . 现代电力, 2017, 34(1): 30-36.
    [10] 刘文霞, 夏宝亮, 王志强, 杨西银, 单晓东, 杨伟龙, 陈洪涛.  输电网输电能力评价方法的解析与改进 . 现代电力, 2017, 34(4): 27-32.
    [11] 陈大宇, 张粒子, 王立国.  储能调频系统控制策略与投资收益评估研究 . 现代电力, 2016, 33(1): 80-86.
    [12] 王晓华, 张建成, 周春霞, 朱立刚, 丁晓哲.  联网光伏发电系统调度运行控制方法研究 . 现代电力, 2015, 32(2): 23-28.
    [13] 胡荣, 钟勇, 符杨, 董仁权.  混合储能在配电网中的优化配置 . 现代电力, 2015, 32(3): 49-53.
    [14] 谷俊和, 刘建平, 江浩.  风电接入对系统频率影响及风电调频技术综述 . 现代电力, 2015, 32(1): 46-51.
    [15] 苏晓, 冯可, 程延远, 王全, 贾筱莹.  基于动态图纸的变电站二次回路仿真培训系统 . 现代电力, 2014, 31(5): 90-94.
    [16] 高巧云, 崔学深, 张健, 张晓东.  超级电容蓄电池混合储能直流系统工作特性研究 . 现代电力, 2013, 30(6): 27-31.
    [17] 付学谦, 张 虹, 李国栋, 付俊波, 朱家宏.  基于有源式混合储能系统的动态电压恢复器 . 现代电力, 2011, 28(2): 32-36.
    [18] 盛方正, 王文成, 陈亚子.  电流互感器二次侧并联接入变压器差动保护装置的问题研究 . 现代电力, 2011, 28(4): 35-39.
    [19] 卢 勇, 巩 宇.  大型蓄能机组一次调频试验及性能分析 . 现代电力, 2011, 28(2): 69-74.
    [20] 匡卫洪, 陈皓勇, 荆朝霞, 田丽莎, 谭 科, 屈少青.  电力市场综合模拟系统——实现、分析与评价 . 现代电力, 2010, 27(5): 86-90.
  • 加载中
图(8) / 表 (5)
计量
  • 文章访问数:  28
  • HTML全文浏览量:  12
  • PDF下载量:  8
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-08-26
  • 网络出版日期:  2021-04-09
  • 刊出日期:  2021-04-10

基于寿命模型的混合储能参与二次调频的经济性研究

doi: 10.19725/j.cnki.1007-2322.2020.0303
    基金项目:  上海市科学技术委员会科研计划项目 (19DZ1205704)
    作者简介:

    孟杰(1986),男,硕士研究生,工程师,主要研究方向为微电网相关产品和技术研发工作,E-mail:mj-jie.meng@sac-china.com

    丁泉(1979),男,博士,高级工程师,主要研究方向为电力系统自动化相关技术的研发和管理工作,E-mail:quan-ding@sac-china.com

    陈孝煜(1994),女,硕士研究生,工程师,主要研究方向为微电网相关产品和技术研发工作,E-mail:xiaoyu-chen@sac-china.com

    钱国明(1973),男,硕士研究生,正高级工程师,主要研究方向为电力系统自动化相关技术的研究和管理工作,E-mail:guoming-qian@sac-china.com

    黄超(1991),女,硕士研究生,工程师,主要研究方向为微电网相关产品和技术研发工作,E-mail:chao-huang@sac-china.com

  • 中图分类号: TM 743

摘要: 针对储能电池在参与电网二次调频过程中的寿命损耗问题,提出一种计及电池寿命的混合储能参与调频的控制策略。在含有磷酸铁锂电池和铅炭电池的混合储能系统中,考虑放电深度、循环使用次数等因素,建立电池寿命模型;在功率分配环节,利用一阶低通滤波器对区域控制需求信号进行高低频的划分;综合考虑混合储能损耗、调频需求及评价指标等约束,以滤波时间常数为优化变量,进而建立以经济效益最大为目标的混合储能系统调频模型。利用Matlab/Simulink对含有混合储能的区域电网二次调频模型进行仿真验证,结果表明该模型不仅能有效改善调频性能,而且对降低电池损耗及后期更换成本具有重要意义。

English Abstract

孟杰, 丁泉, 陈孝煜, 钱国明, 黄超. 基于寿命模型的混合储能参与二次调频的经济性研究[J]. 现代电力, 2021, 38(2): 205-212. doi: 10.19725/j.cnki.1007-2322.2020.0303
引用本文: 孟杰, 丁泉, 陈孝煜, 钱国明, 黄超. 基于寿命模型的混合储能参与二次调频的经济性研究[J]. 现代电力, 2021, 38(2): 205-212. doi: 10.19725/j.cnki.1007-2322.2020.0303
Jie MENG, Quan DING, Xiaoyu CHEN, Guoming QIAN, Chao HUANG. Economic Feasibility in Secondary Frequency Regulation Considering Hybrid Energy Storage Cycle Life Model[J]. Modern Electric Power, 2021, 38(2): 205-212. doi: 10.19725/j.cnki.1007-2322.2020.0303
Citation: Jie MENG, Quan DING, Xiaoyu CHEN, Guoming QIAN, Chao HUANG. Economic Feasibility in Secondary Frequency Regulation Considering Hybrid Energy Storage Cycle Life Model[J]. Modern Electric Power, 2021, 38(2): 205-212. doi: 10.19725/j.cnki.1007-2322.2020.0303
    • 随着经济的发展,社会用电量及新能源并网的比例逐年增大,区域电网的自动发电控制(automatic generation control,AGC)的作用越来越显著[1]。长期的高负荷运转造成的火电调频机组磨损严重、发电效率低下等问题日渐突出。与火电机组相比,电化学储能参与电网二次调频,具有响应时间短、爬坡速率快及调节精度高等优势。适量的电化学储能电源与火电机组相结合,能够有效提高区域电网的调频性能,以满足不断变化的用电需求,同时对提高解决弃风、弃光问题的能力具有重要意义[2-3]

      随着储能电池参与二次调频的应用越来越广泛,如何实现调频信号在机组、电池间的合理分配成为了研究热点。文献[4]提出了储能系统响应AGC指令的优化控制模型,综合考虑补偿收益及电池寿命损耗,建立了调频净收益最大的目标函数。文献[5]提出一种基于经验模态分解 (empirical mode decomposition,EMD) 原理的指令分配方法,将调频需求信号分解成多个本征模态分量,以机组的爬坡速率为约束确定机组及储能的初始功率指令。文献[6]利用离散傅里叶法将调频需求信号分解成2种分量,储能电源处理高频分量,机组处理低频分量,仿真结果表明引入储能电源可以有效改善调频效果。文献[7-8]以电池储能技术特征为基础,构建储能调频成本函数的模型,分析比较不同的储能容量参与电网二次调频的能力。

      以上文献着重对储能系统参与电网二次调频策略进行了研究,通过控制算法对调频需求功率进行了分解,以确定常规机组和储能电池的分配功率,从而对调频成本及调频效果进行优化。部分文献虽在储能参与二次调频过程中考虑了储能损耗成本,但储能为了执行中高频的调频需求,频繁的充放电切换、高比例的调节深度等因素不可避免地加快电池寿命衰减。若在参与二次调频过程中引入混合储能系统,降低电池损耗的空间会显著地增大。

      锂离子电池的响应速度、启动时间都在ms级,铅炭电池和锂电池相比,性能稍差,启动时间在1 s以内,响应速度在10 ms,但价格便宜,可作为备选调频电源[9]。本文基于磷酸铁锂电池和铅炭电池的技术特征,构建混合储能参与电网二次调频模型,以调频经济效益最大为目标,利用粒子群算法对滤波时间常数进行优化,最终实现ARR指令合理分配,从而提高二次调频质量及收益。

    • 在装有恒温空调的集装箱内,电池的循环使用次数与放电深度密切相关,可以用以下的拟合函数表示:

      $${N_t} = f({N_{\rm{r}}},{D_{\rm{r}}},{D_t})$$ (1)

      式中:DrNr表示基准下的放电深度和循环使用次数;DtNt为实际放电深度和对应的循环次数。

      采用具有双拟合系数的幂函数与指数函数对其进行拟合[10],式(1)可以具体表示为

      $${N_{{t}}} = {N_{\rm{r}}}{\left(\frac{{{D_{\rm{r}}}}}{{{D_{{t}}}}}\right)^{{a_1}}}{{\rm{e}}^{{a_2}(1 - {D_{{t}}}/{D_{\rm{r}}})}}$$ (2)

      式中:a1a2为模型参数,不同性能的电池具有不同的模型参数。

      放电深度Dt表征的是电池在放电过程中放出的电量占其额定容量的百分比:

      $$ {D}_{t}=\frac{\left|{P}_{\rm{dis}}(t) \cdot \Delta t\right|}{Q}$$ (3)

      式中:QPdis(t)分别为电池的额定容量和实时放电功率。电池的寿命衰减率可以折算为

      $$ L(t)=\frac{{\left|{P}_{\rm{dic}}(t) \cdot \Delta t\right|}^{{a}_{1}}}{{N}_{\rm{r}}{Q}^{{a}_{1}}{\rm{e}}^{{a}_{2}(1-\left|{P}_{\rm{dic}}(t) \cdot \Delta t\right|/Q)}}$$ (4)

      电池的初始投资成本为CPV,则全寿命周期成本C可以表示为

      $$C(M) = {C_{{\rm{PV}}}}\frac{{\displaystyle\sum\limits_{m = 1}^M {L(t)} }}{{0.2}}$$ (5)
    • 火电机组由于爬坡速率的限制,导致跟踪高频的调频指令能力差,最终影响调频效果及收益。储能系统对功率指令中的高频分量具有更迅速的响应能力,能在很大程度上改善调频效果。同时,含有锂电和铅炭电池的混合储能系统,对调频需求功率再次合理分配,可以有效降低整体损耗,实现经济性的储能调频运行。

      利用一阶低通滤波器对区域控制需求(area regulation requirement,ARR)信号进行高低频的划分:

      $$\left\{ {\begin{aligned} &{{P_{{\rm{bat}}}}(s) = \dfrac{{s{T_{{\rm{f1}}}}}}{{1 + s{T_{{\rm{f}}1}}}}{P_{{\rm{ARR}}}}(s)} \\ &{{P_{\rm{g}}}(s) = \dfrac{1}{{1 + s{T_{{\rm{f}}1}}}}{P_{{\rm{ARR}}}}(s)} \end{aligned}} \right.$$ (6)

      式中:PARR为系统调度功率;PbatPg分别为混合储能和机组的响应功率;Tf1为滤波时间常数。

      将式(6)中的微分算子S用d/dt来表示,差分后得到:

      $$\left\{ {\begin{aligned} &{{P_{{\rm{bat}}}}(t) = \frac{{{T_{{\rm{f1}}}}}}{{{T_{{\rm{f1}}}} + \Delta T}}\{ {P_{{\rm{bat}}}}(t - 1) + [{P_{{\rm{ARR}}}}(t) - {P_{{\rm{ARR}}}}(t - 1)]\} } \\ &{{P_{\rm{g}}}(t) = \frac{{{T_{{\rm{f1}}}}}}{{{T_{{\rm{f1}}}} + \Delta T}}{P_{\rm{g}}}(t - 1) + \frac{{\Delta T}}{{{T_{{\rm{f1}}}} + \Delta T}}{P_{{\rm{ARR}}}}(t)} \\[-10pt]\end{aligned}} \right.$$ (7)

      式中:PARR(t−1)、Pbat(t−1)及Pg(t−1)分别为ARR、储能、机组上一时刻的功率;ΔT为工作步长,本文设置为1 min。

      混合储能内部功率的再一次分配,有利于最大程度发挥各储能技术特征的优势,实现系统调频的经济性。

      $$\left\{ {\begin{aligned} &{{P_{{\rm{li}}}}(t) = \frac{{{T_{{\rm{f2}}}}}}{{{T_{{\rm{f2}}}} + \Delta T}}\{ {P_{{\rm{li}}}}(t - 1) + [{P_{{\rm{bat}}}}(t) - {P_{{\rm{bat}}}}(t - 1)]\} } \\ &{{P_{{\rm{lead}}}}(t) = \frac{{{T_{{\rm{f2}}}}}}{{{T_{{\rm{f2}}}} + \Delta T}}{P_{{\rm{lead}}}}(t - 1) + \frac{{\Delta T}}{{{T_{{\rm{f2}}}} + \Delta T}}{P_{{\rm{bat}}}}(t)} \end{aligned}} \right.$$ (8)

      式中:Tf2为滤波时间常数;Pli(t−1)、Plead(t−1)分别为锂电池及铅炭电池的上一时刻功率。

    • 混合储能参与电网二次调频的收益模型,除了与2种电池的寿命衰减成本有关,还与综合调频性能指标有关。文中的混合储能参与电网调频的每日收益目标函数如下:

      $$\max ({C_{{\rm{total}}}}) = \max ({C_{{\rm{ele}}}} + {C_{\rm{r}}} - {C_{{\rm{pun}}}} - {C_{{\rm{li}}}} - {C_{{\rm{lead}}}} - {C_{{\rm{gn}}}})$$ (9)

      式中:Ctotal为混合储能调频收益;Cpun为混合储能无法达到调频需求的惩罚成本;CliClead分别为锂电和铅炭储能全寿命周期成本;Cele为混合储能在调频过程中的日电量收益;Cr为由综合调频性能指标决定的补偿费用;Cgn为火电机组调频成本。

      1)火电机组调频成本。

      火电机组在参与电网调频过程中,主要包含煤耗成本、启停成本等[11-12]。正常情况下,电厂有多台发电机组,为了分析简便,将所有发电机组看成一个整体,火电机组发电成本如下:

      $${C_{\rm{g}}} = {K_{\rm{g}}}{U_{\rm{g}}} + \sum\limits_{t = 1}^{1440} {{B_{\rm{g}}}{P_{\rm{g}}}(t)} $$ (10)

      式中:KgBg为火电机组的运行费用参数;Ug表示启停状态;Pg为机组运行功率。

      2)储能日电量收益。

      混合储能系统在参与调频的过程中,调频功率的方向决定了储能充放电状态。根据文献[13]可知,储能在不同的调频时段,每小时的电力价格有所差异,有可能会产生净放电电量收益。

      $${C_{{\rm{ele}}}} = \sum\limits_{j = 1}^{1440} {\frac{{{R_{{\rm{ele}}}}(j)}}{{60}}{P_{{\rm{bat}}}}(j)t} $$ (11)

      式中:Rele为和调频时段有关系的电力价格;Pbat为混合储能实时工作功率。

      3)调频服务补偿。

      储能参与调频的收益除了一部分响应调频功率指令的净放电收益,还包括调频服务得到的补偿收益Cr

      $$\left\{ {\begin{aligned} & {{C_{\rm{r}}} = {P_{{\rm{AGC}}}}{K_{\rm{p}}}{Y_{{\rm{AGC}}}}} \\ & {{P_{{\rm{AGC}}}}(j) = \sum\limits_{j = 1}^{1440} {{P_{{\rm{ARR}}}}(j)} t} \end{aligned}} \right.$$ (12)

      式中:PAGC代表混合储能每日的调节深度,即每日调节量的总和;YAGC为调频补偿标准;Kp为综合评价指标。

      4)惩罚成本。

      在储能系统处于过充或过放状态时,考虑系统安全因素,可能会导致无法精确响应电网的调频需求,应对其进行考核。

      混合储能系统在第j个工作步长的跟踪偏差ƞj和惩罚成本Cpun可以表示为:

      $${\eta _j} = \left| {\frac{{{P_{{\rm{li}}}}(j) + {P_{{\rm{lead}}}}(j) - {P_{{\rm{ARR}}}}(j)}}{{{P_{{\rm{ARR}}}}(j)}}} \right|$$ (13)
      $${C_{{\rm{pun}}}}(j) = \left\{ {\begin{aligned} & 0,\quad{{\rm{ }}{\eta _j} < {\eta _{{\rm{ref}}}}} \\ &{{F_{\rm{r}}}},\quad{{\rm{ }}{\eta _{{\rm{ref}}}} \leqslant {\eta _j} < 2{\eta _{{\rm{ref}}}}} \\ &{10{F_{\rm{r}}}},\quad{{\rm{ }}{\eta _j} \geqslant 2{\eta _{{\rm{ref}}}}} \end{aligned}} \right.$$ (14)

      式中:Fr代表远大于其他成本的定值;ƞref为设置的跟踪偏差阈值。

      则在整个调频过程中,系统的总惩罚成本为

      $${C_{{\rm{pun}}}} = \sum\limits_{j = 1}^{1440} {{C_{{\rm{pun}}}}(j)} $$ (15)
    • 火电机组在调频过程中,因连续出力及爬坡速率的限制,灵活性较差。另外,机组频繁的启停也会带来额外的燃料成本。

      1)爬坡率约束:

      $$\left| {{P_{\rm{g}}}(t) - {P_{\rm{g}}}(t - 1)} \right| \leqslant \Delta g{P_{{\rm{g}}\_\max }}$$ (16)

      式中:Pg(t)和Pg(t−1)表示机组在t时刻和前一时刻的出力;Δg为表征机组爬坡率能力的系数;P g_max为机组的最大工作功率。

      2)机组出力约束:

      $${P_{{\rm{g}}\_}}_{\min } \leqslant {P_{\rm{G}}}(t) \leqslant {P_{{\rm{g}}\_}}_{\max }$$ (17)

      式中Pg_min为机组的最小工作功率。

      3)最小连续开停机约束:

      $$\left\{ {\begin{aligned} & {{T_{{\rm{on}}}}(t) \geqslant T_{{\rm{on}}}^{{\rm{min}}}} \\ &{{T_{{\rm{off}}}}(t) \geqslant T_{{\rm{off}}}^{\min }} \end{aligned}} \right.$$ (18)

      式中:TonToff分别代表机组在t时刻连续运行和停运时间;TonminToffmin分别代表最小连续开机和停机时间限制。

    • 为了避免电池的过充过放导致的寿命损耗,需对电池的功率及SOC状态进行约束:

      $$\left\{ {\begin{aligned} &{{P_{{\rm{r\_max}}}} < {P_t} < {P_{{\rm{d\_max}}}}{\rm{ }}} \\ & {{S_{{\rm{OC}}}}_{\min } < {S_{{\rm{OC}}}}_t < {S_{{\rm{OC}}}}_{\max }} \end{aligned}} \right.$$ (19)

      式中:Pr_maxPd_max分别为储能系统的最大充电和放电功率;SOCminSOCmax分别为电池的最大及最小荷电状态。

    • 粒子群算法具有收敛性好、鲁棒性强等特点,在微电网优化运行中得到广泛应用[14-15]。文中采用该优化算法求解式(9)所示的调频收益最大值,其算法流程如图1所示。

      图  1  优化算法流程图

      Figure 1.  Flow chart of optimization algorithm

      1)设置粒子群算法的初始种群数为50,最大迭代次数为100,加速因子C1C2都为1.5,最大和最小惯性因子分别为1、0.5。

      2)初始化种群,随机产生满足约束条件内的粒子,并设定各粒子的初始位置和速度。计算适应度值,记录粒子的个体最优位置和最优值、粒子群全局最优位置和最优值。

      3)开始迭代计算,更新粒子的速度和位置,并对粒子进行边界条件处理,若粒子越界,对其进行处理,得到新一代粒子种群。将新一代种群中每个粒子的适应度与当前最优解进行比较,更新个体和全局最优解。

      4)满足最大迭代次数,结束搜索过程。输出全局最优解,算法结束。

    • 文中第1节基于寿命的影响机理,对电池的寿命模型进行了介绍,锂电和铅炭2种电池的模型参数见表1

      公式(10)表示火电机组调频成本,相关的技术参数见表2

      表 1  电池模型参数

      Table 1.  Parameters of the battery model

      电池类型Nra1a2
      铅炭电池 310−0.3 1.75
      锂电池1850−0.261.73

      表 2  火电机组模型参数

      Table 2.  Model parameters of thermal power generating unit

      电源类型Kg/元Bg/元Pg_min/MWPg_max/MWΔg
      火电机组315034310200.3

      本节模拟单一储能和混合储能2种辅助调频场景,比较相对应的调频经济性。储能电池相关技术参数见表3

      表 3  混合储能系统技术参数

      Table 3.  Technical parameters of hybrid energy storage system

      电池SOC
      过充保护限值
      SOC
      过放保护限值
      SOC
      初始值
      最大充电功率
      限值/MW
      最大放电功率
      限值/MW
      额定容量/
      (MW·h)
      投资成本/
      万元
      锂电池场景10.90.10.61816 15 2150
      场景20.90.10.6108.5 8 1100
      铅炭电池0.80.20.68.47.610 1050
    • 根据第1节所建立的储能电池寿命模型可知,在恒温的集装箱中,电池的寿命衰减率主要受放电深度的影响。以铅炭电池为例,结合表1中的模型参数,利用Matlab/Simulink软件,对储能电池的寿命衰减过程进行仿真。

      图2表示放电深度分别为0.2、0.4、0.6工况下的铅炭储能电池寿命衰减率。从图2可以看出,电池寿命衰减率随着放电深度的加深而增大。以放电深度等于0.4为例:一个循环后,衰减率达到了0.00019,经过1055次循环后,达到电池报废的临界点。

      图  2  电池寿命衰减率

      Figure 2.  The attenuation rate of battery life

      结合本节中储能电池寿命衰减过程仿真结果,同厂家所给数据进行对比,结果见表4

      表 4  循环次数对比

      Table 4.  Comparison of cycle times

      放电深度循环次数(厂家)循环次数(仿真)
      锂电池铅炭电池锂电池铅炭电池
      0.272301750 73601761
      0.45290105053431055
      0.634103103432323

      通过表4对比分析,锂电池和铅炭电池在不同放电深度下的仿真次数和厂家给的设计次数误差在合理范围内,说明本文所建的储能电池寿命衰减模型正确。

    • 根据《山西电力调频辅助服务市场运营细则》中有关条款可知,储能参与辅助调频的补偿范围为5~10元/MW[16]。以华电忻州广宇煤电有限公司为例,目前2套发电机组的综合调节性能指标为2.52,加装储能系统后该指标可提高近1倍,本文Kp值取5,补偿标准取10元/MW。

      储能电池每小时的电力电价采用了文献[10]中的数据,如图3所示。ARR信号采用某典型电网某天的数据,如图4所示。

      图  3  储能电池每小时电力电价

      Figure 3.  Hourly power rate of energy storage battery

      图  4  典型ARR信号

      Figure 4.  Typical ARR signal

      为体现储能电源参与电网二次调频的优势,本节模拟了单一储能和混合储能2种辅助调频场景。在这2种运行场景下,由于储能将提供爬坡支持,只考虑机组单日启停1次。

      1)场景1:单一储能参与辅助调频的经济性仿真。

      在该场景下,参与电网二次调频的主体只有火电机组和锂电储能。利用式(9)建立的调频收益最大化目标函数,结合式(7)的功率分配策略,对锂电储能参与调频的经济性进行求解,得到最优滤波时间常数Tf1为0.6,调频收益为19.61万元。

      图5为机组、锂电储能出力跟踪调频需求功率的运行曲线。可以看出,锂电储能的爬坡速率快,能够快速响应供电负荷突变的功率,更多地承担高中频的调频需求;机组在调频过程中,出力曲线比较平缓,功率波动范围在0~4 MW,可以有效地减少设备磨损。图6为单一储能参与辅助调频的收益曲线。

      图  5  机组、锂电储能出力跟踪调频需求功率的运行曲线

      Figure 5.  Power curve of frequency regulation

      图  6  单一储能参与辅助调频的收益曲线

      Figure 6.  Revenue curve of single energy storage device participating in auxiliary frequency regulation

      2)场景2:混合储能参与辅助调频的经济性仿真。

      该方案是在场景1的基础上,增加了铅炭储能参与电网二次调频的工作,综合考虑2种储能的技术特征,以调频收益最大化为目标,在3种调频电源技术特征的允许范围内,结合混合储能内部协调优化策略,对调频责任分配的最优解进行求解。最终求得滤波时间常数Tf1Tf2分别为1.3和0.4,调频总收益为22.25万元。

      图7为策略下机组、锂电及铅炭储能出力跟踪调频功率的运行曲线。由图7可以看出,锂电和铅炭储能承担了大部分的调频功率需求,而机组运行功率的波动范围在0~2 MW,不仅降低了单位煤耗,增加了环境效益,同时节省的调频旋转备用容量,可用于电网调峰、事故备用等,能够进一步提高电网运行的安全性与可靠性。图8为混合储能参与辅助调频的收益曲线。

      3)经济性比较。

      为了便于对比分析滤波时间常数对系统经济性运行的影响,在场景2中,基于不同的滤波时间常数,对混合储能参与辅助调频进行仿真。

      图  7  机组、锂电及铅炭储能出力跟踪调频功率的运行曲线

      Figure 7.  Operation curve of frequency regulation power tracked by outputs of generating unit, lithium battery and l ead - carbon batter y

      图  8  混合储能参与辅助调频的收益曲线

      Figure 8.  R evenue curve of hybrid energy storage participating in auxiliary frequency regulation

      另外,场景1和场景2中的储能装机容量虽有差别,但总投资成本相同(详见表3),有利于对这2种场景下的调频经济性进行分析。基于表5中的仿真结果,针对不同形式的储能参与电网调频的经济性做简要的比较和分析。

      表 5  仿真结果对比

      Table 5.  Comparisons of simulation results

      场景Tf1Tf2Cele/万元Cg/万元Cli/万元Clead/万元Cr/万元Ctotal/万元
      场景10.6 4.28 1.19 8.0724.5919.61
      场景2固定场景114.310.775.342.6425.2120.77
      优化场景1.30.44.360.494.213.3225.9122.25

      表5的仿真数据中可以看出:

      (1)场景2中,对采用固定滤波时间常数时系统经济性和优化后的进行对比。由表5可知Tf1Tf2都为1时,系统的调频收益为20.77万元,比优化后少了约6.7%的收益;

      (2)场景1中,锂电储能作为调频的主要电源,调节深度大,以致自身的寿命损耗严重,但减轻了火电机组调频的压力,最终调频净收益达到了19.61万元;

      (3)场景2中,由于锂电和铅炭储能的存在,火电机组工作范围较窄,相应的运行成本较低,同时,由于混合储能的调节深度进一步加深,得到的调频补偿比场景1提高了5.4%,总体净收益提高了13.5%。

      通过以上数据对比可知,含锂电和铅炭储能的混合储能系统参与调频时,不仅可以有效改善调频性能,还能降低系统运行成本,获得更高的调频收益。

    • 1)基于储能循环次数、放电深度等影响因素,构建的储能电池损耗模型为计算调频收益提供了一定的技术支撑;

      2)所提策略综合考虑了储能损耗、调频补偿等技术指标,将调频需求功率在机组、锂电、铅炭储能之间进行合理分配,减轻了火电机组调频的压力,使其运行在平滑的状态,有效降低了机械磨损及单位煤耗。

      随着材料技术的发展,储能电池的成本会越来越低,这为规模化储能调频的应用提供了坚实的基础。本文后续工作将继续围绕调频经济性展开以下研究:

      1)加强本文所建模型的通用性研究,以适用不同调频性能指标导致的调频补偿价格差异的问题;

      2)对调频储能容量配置方法进行研究,在保障调频效果的同时提高投资收益。

参考文献 (16)

目录

    /

    返回文章
    返回