基于使用壽命模型的大容量電池儲能系統變步長優化控制方法

柴　煒　李　征　蔡　旭　 魏曉光

（1. 上海交通大學電子信息與電氣工程學院風力發電研究中心　上海　200240 2. 國網智能電網研究院　北京　102200）

基于使用壽命模型的大容量電池儲能系統變步長優化控制方法

柴煒1李征1蔡旭1魏曉光2

（1. 上海交通大學電子信息與電氣工程學院風力發電研究中心上海200240 2. 國網智能電網研究院北京102200）

大容量電池儲能系統（BESS）配合風電場調度可以提高風電場的可調性。為了研究延長BESS使用壽命的控制方法，建立了多因素聚合壽命模型，該模型考慮了大容量BESS的串并聯特性和充放電特性，能夠反映充放電倍率、控制步長、充放電次數和溫度等多種因素對電池老化的影響。討論了BESS控制步長和調度周期對BESS使用壽命和并網跟蹤性能的影響，提出了BESS的變步長優化控制方法。設計了模糊變步長控制器，根據當前BESS的充放電倍率和跟蹤性能指標實時調節控制步長。算例仿真表明，所提模糊變步長優化控制方法結合了大步長下使用壽命長和小步長下跟蹤性能好的優點，并網功率能夠較好地跟蹤調度指令，實現了風電場的可調性，同時提高了BESS的使用年限。

電池儲能系統儲能系統壽命風儲調度控制步長模糊控制

0　引言

風能的隨機波動性使其并網發電存在困難，大容量電池儲能系統（Battery Energy Storage System，BESS）的發展為這一問題的解決提供了一種可行的方案［1］。然而，BESS的使用壽命有限，經濟成本是其推廣應用的瓶頸，如何經濟有效地利用BESS解決風電并網難題成為了目前的研究熱點［2-4］。

文獻［5］提出了一種配合風電場調度的BESS計劃運行方案，并計算了風-儲電場的收益以驗證該方案的可行性。文獻［6］提出了一種模型預測控制以減小并網功率與計劃發電的偏差，提高系統運行的經濟性，但是上述控制方案都默認BESS的使用壽命為某經驗值，而沒有從延長使用壽命的角度規劃BESS的運行方案。文獻［7］提出了一種利用 BESS平抑風電場功率波動的加權移動平均濾波算法。文獻［8］提出了一種模糊自適應的卡爾曼濾波器來控制 BESS平滑風電場輸出功率。上述方法雖能較好地解決并網質量問題，但都只關注系統的外部控制效果，沒有考慮 BESS的內部老化狀況。大部分文獻只考慮功率限制、荷電狀態（State Of Charge，SOC）限制或充放電次數限制來保護 BESS，如文獻［9］設計了 SOC控制器以避免電池深度充放電，文獻［10，11］在控制約束條件中增加了充放電次數的限制以避免頻繁充放電加劇電池老化，但上述研究都沒有對實際工況下BESS的使用壽命以及延緩其老化的控制方法進行深入研究。

不同的運行工況和控制機制對電池老化的影響不同，建立 BESS的使用壽命模型對于研究延長BESS使用壽命的控制方法并評價其控制效果很有意義。文獻［12］通過電化學反應機理推導了電池壽命的精確模型，但模型中大量難以測量的電化學參數使其難以應用。文獻［13］通過大量實驗獲得了多種外部因素作用下的電池老化數據，建立了單體電池的壽命模型。文獻［14，15］建立了電動車中蓄電池的循環壽命模型。而電力系統中BESS的容量很大，壽命實驗成本過高，且負荷波動頻繁并非周期循環充放電，其壽命研究尚處于探索階段。文獻［16］將不同放電深度下的循環壽命累加得到風儲聯合調度中 BESS的使用壽命，但放電深度與循環壽命并非簡單線性關系。文獻［17］建立了微網應用中 BESS基于放電深度和循環次數的壽命模型，但沒有考慮工作負荷波動對壽命的影響。

本文通過分析電力系統中大容量BESS的串并聯特性和充放電特性，建立了基于充放電倍率、控制步長、充放電次數和溫度的大容量BESS多因素聚合壽命模型。結合該模型提出了配合風電場調度的BESS變步長優化控制方法，根據控制步長對使用壽命和跟蹤性能指標的影響，設計了模糊控制器對控制步長實時調節。算例仿真結果表明本文所提變步長優化控制方法結合了大步長下使用壽命長和小步長下跟蹤性能好的優點，不僅保證了并網功率準確跟蹤調度指令，同時延長了BESS的使用年限。

1　大容量電池儲能系統的使用壽命建模

磷酸鐵鋰電池是目前應用較為廣泛的儲能電池之一。從電化學角度看，其老化機理主要是由于在陽極形成了一層固體電解質薄膜，電解液隨著充放電不斷消耗，表現為電池阻抗增加、可用容量衰退等。從外部特性看，影響電池老化的因素多種多樣，包括溫度、充放電倍率、放電深度和充放電次數等。

1.1累積電量壽命模型

BESS的使用壽命通常以循環壽命來表征，即在標準實驗條件下BESS以恒定倍率滿充滿放，在壽命終止前所能循環充放電的總周期數。但在配合風電并網應用中，BESS并非周期性地且規律地循環充放電，此時其使用壽命主要與總體吞吐電量相關［12］，故通常根據當前BESS的累積吞吐電量情況對其壽命狀況進行估計。

BESS根據功率指令和時間指令進行充放電。當前BESS的累積吞吐電量Csum為

式中，Pbk為第k次充放電的功率指令（放電為正方向）；Tck為控制步長；ubk為出口電壓；K為當前BESS的充放電總次數。設BESS的循環壽命為N次，額定容量為CN，以上數據在BESS出廠時均由廠家提供，則在壽命周期內BESS的預期總體吞吐電量為2NCN。

以η∈［0，1］表示當前 BESS的壽命狀況；η =0表示BESS處于全新狀態；η =1表示BESS已達到壽命終點。根據當前累積吞吐電量占BESS壽命周期內總體預期吞吐電量的百分比估計其老化狀況為

累積電量壽命模型是一種單一線性模型，優點是計算簡單、便于應用，但沒有考慮實際工況中充放電倍率、溫度等多種外部因素對電池老化的影響。

1.2多因素聚合壽命模型

可用容量減少是電池老化的重要特征，容量衰退率γ 表示減少的可用容量占額定容量的百分比，以溫度、充放電倍率、放電深度和循環次數為參變量，磷酸鐵鋰單體電池的容量衰退率γSi可以表示為［13］

式中，T為熱力學溫度；R為理想氣體常數；M為循環充放電的周期數；DOD為放電深度；Ci為充放電倍率：C1=0.5，C2=2，C3=6，C4=10；Bi為不同充放電倍率對應的參變量，Bi以及參數a1、a2和z是通過大量壽命實驗由數據擬合得到的。壽命實驗需要耗費大量的電池，花費較長的時間，成本較高，J. Wang等用大量磷酸鐵鋰單體電池進行了壽命實驗和分析，擬合得到了上述參數［13］，因此，本文直接引用文獻［13］得到上述參數值。

式（3）適用于周期循環充放電的控制模式，該模式下2M·DOD表征了吞吐總電量，而配合風電并網的 BESS出力是無規律波動的，每次充放電的倍率和時間都不相同，根據這一運行特性將BESS的吞吐總電量表示為

式中，Ahi為不同充放電倍率區間ψi內的累積吞吐電量：i=1時 Ah1表示在倍率區間ψ1=（0，0.5）內的累積電量；i=2時 Ah2表示在倍率區間ψ2=（0.5，2）內的累積電量；i=3時Ah3表示在倍率區間ψ3=（2，6）內的累積電量。由于充放電倍率過高時電池老化非常嚴重，通常禁止過高倍率充放電，因此式（4）中并不考慮6倍率以上的情況。Pbk和Tck由BESS控制策略得到；ubk通過實時測量獲取；I1C表示 1倍率電流，參閱BESS產品說明書即可得到。

大容量BESS由大量單體電池串并聯組成，電池串聯用于增高電壓，并聯可以增大電流，從而實現擴容的目的。串并聯擴容的實質是將吞吐總電量均攤到每個單體電池上，故提出串并聯系數lSP，即

式中，CN1為單體電池的額定容量；CN為大容量BESS的額定容量。Ahi·lSP表征了將擴容后的吞吐總電量按比例分攤到每個單體電池上。

但是，大量電池單體的串并聯極易造成不均壓和不均流的現象，在電池間形成環流，從而加劇電池老化，故提出不均衡系數lUb，即

式中，N1和N分別為單體電池和大容量BESS的循環壽命。由于大量串并聯加劇了電池老化，故 N＜N1。lUb表征了由串并聯不均衡引起的容量衰減加劇。上述串并聯系數和不均衡系數中單體電池和大容量BESS的額定容量和循環壽命參數在BESS出廠時由廠家提供，直接查閱其產品說明書即可獲取。

基于以上分析，推導得到大容量串并聯 BESS的容量衰退率γLi，即

故大容量BESS的當前老化狀況γ 可以表示為

上述由磷酸鐵鋰單體電池容量衰退率推導得到的電力系統中大容量 BESS的多因素聚合壽命模型，全面考慮了充放電倍率、控制步長、充放電次數和溫度等變量，更加精細且符合實際，可用于優化BESS的控制策略并評價BESS的老化狀況。

2　配合風電調度的BESS變步長優化控制

2.1配合風電調度的BESS控制模式

BESS配合風電場調度可以使風電場像常規機組一樣接受上級調度指令，兼具可調性和輸出功率平穩性。設調度周期為 Td，調度指令 Pr取 Td時間內的平均風功率Pa，Pa通常根據風功率預測得到，考慮到系統損耗需增加比例系數α，即

BESS用于補償調度指令 Pr與實際風電場輸出功率Pw之間的差值，設放電效率為ηd，則BESS的充放電功率指令Pb（放電為正方向）為

為了保護電池不受損壞，BESS的充放電功率和SOC都應保持在允許范圍內，設允許的最大放電功率為Pb_max，最大充電功率為Pb_min，SOC允許范圍為［SOCmin，SOCmax］，BESS的出口電壓為ub，充電效率為ηc，那么Pb應滿足下述約束條件

Tc為BESS的充放電時間指令，即BESS的控制步長，根據Tc的選取可以分為兩種控制模式：

（1）定步長控制模式，即BESS每次充放電的持續時間固定。步長越小，越能夠更加準確地跟蹤調度指令，功率偏差越小，但是頻繁充放電對電池壽命不利，故應合理選擇控制步長。

（2）變步長控制模式，即根據當前風電場和BESS的運行狀態實時調節控制步長，使得既滿足準確跟蹤調度指令的要求，同時延緩BESS的老化。

BESS配合風電調度的主要控制目標是使并網功率準確跟蹤調度指令，故定義跟蹤性能指標δ 評價BESS的并網控制效果。設風功率采樣周期為Ts，初始時間t0，定義第j個采樣周期的跟蹤偏差δj為

則時間段（t0， t0+mTs），系統的跟蹤性能指標為

2.2控制步長對使用壽命和并網跟蹤性能的影響

圖1給出了配合風電場調度的BESS在定步長控制模式下持續運行一個月，分別以累積電量壽命模型和多因素聚合壽命模型計算所得的控制步長Tc與 BESS壽命狀況的關系曲線，算例系統配置及參數見3.1節。由圖1可知，調度周期Td取1h對BESS壽命最有利，因為Td越小，BESS所需補償的風電功率與調度指令之間的差值也越小，其充放電倍率和吞吐電量都較少，故老化較慢；而調度周期為6h時電池的壽命狀況也較好是因為過長的調度周期使得BESS容量不足，相當長時間內SOC達到限定值，BESS停止充放電，故老化反而減緩。總體來看，無論 Td如何選擇，控制步長 Tc越小，電池老化越嚴重，因此可以通過合理選取Tc來延緩電池老化。

圖1　兩種模型計算所得的控制步長與BESS壽命狀況的關系曲線Fig.1　BESS life under different step-sizes calculated by two models

由第 1節所述壽命模型可知，BESS的充放電功率指令 Pbk和控制步長 Tck直接影響其老化水平。如圖2所示，在第k次充放電操作中，Pbk越大，充放電倍率就越大，其容量衰退率γk隨之增大；Pbk相同時，Tck越大，持續時間就越長，電池損耗越多。據此，提出變步長優化控制的一個基本思想：當Pbk較大時，選取較小的 Tck；當 Pbk較小時，適當增大Tck以延長使用壽命。

圖2　單次充放電中功率和步長與容量衰退率的關系Fig.2　Capacity loss under different step-sizes and output power in a single charge/discharge

需要指出的是，圖2為一次充放電操作所得的結果，該次充放電的持續時間為 Tck，故得到 Tck越大，γk越大的結論；而圖1中BESS充放電的總持續時間恒為一個月，其中每次充放電的控制步長固定為Tc，故得到Tc越大，γ 越小的結論，二者并不矛盾。

變步長優化控制還須考慮當前并網功率跟蹤調度指令的情況。由于風電功率實時變化，而 BESS 在 Tck時間內輸出功率保持不變，故控制步長 Tc對并網跟蹤性能有影響，圖 3為配合風電場調度的BESS在定步長模式下持續運行一個月，Tc與跟蹤性能指標δ 的關系曲線。可以看出，基本上Td越大跟蹤準確性越差，且隨著Tc的增大δ 不斷上升。故提出變步長優化控制的另一條規則：若當前并網跟蹤性能較差，則應優先考慮并網質量，此時不允許增大Tck來延長BESS壽命，而要選取較小的Tck。

圖3　控制步長與跟蹤性能指標的關系曲線Fig.3　Tracing index under different step-sizes

2.3模糊變步長控制器的設計

由第 1節所建壽命模型可知，BESS的充放電功率 Pbk和控制步長 Tck會影響其使用壽命。在傳統定步長模式下，根據壽命模型計算可得，Tck越大對BESS壽命越有利（見圖 1），但其并網跟蹤性能卻越差（見圖3），反之亦然。可見定步長控制無法同時滿足使用壽命和并網質量兩方面的要求，故本文提出變步長的控制思想，設計模糊控制器實時優化Tck，目的是在不影響并網質量的情況下延長 BESS壽命。

控制步長Tck作為模糊控制器的輸出，定義其論域為離散域｛0.5，1，1.5，2，…，14.5，15｝，語言值為｛LS，MS，HS，LB，MB，HB｝，其隸屬度函數 eT如圖 4a所示。由壽命模型可知，Pbk越大，其老化越嚴重；根據壽命模型，Pbk較大時選擇較小的 Tck可以延緩老化效應（見圖 2），故將 Pbk選作模糊控制器的一個輸入，定義其論域為有限連續域［-24，24］，語言值為｛NH，NM，NL，ZE，PL，PM，PH｝，其隸屬度函數eP如圖 4b所示。跟蹤性能指標δk表示當前并網功率跟蹤調度指令的情況，故選為模糊控制器的另一個輸入，定義其論域為無限連續域［0，+∞），語言值為

圖4　輸入/輸出變量隸屬度函數Fig.4　Input/output membership functions

表1　模糊控制規則Tab.1　Fuzzy control rule

利用重心法去模糊，由于輸出論域為離散論域，對結果去模糊化之后還須進行取整處理。

3　算例分析

3.1算例系統

以我國某60MW風電場為例，配置6MW·h的磷酸鐵鋰電池儲能電站，其充放電效率為90%，SOC允許范圍為10%～90%，初始SOC為55%，最大允許4倍率充放電，調度參數α 設為0.895。

BESS使用壽命模型中的參數見表2，其單體電池仍選用文獻［13］中某公司2.2A·h/3.3V磷酸鐵鋰電池，根據出廠數據可得，在 25℃、100%DOD、1倍率循環充放電模式以及容量衰退率達25%至壽命終點條件下，其循環壽命為 3 500次；大量單體電池串并聯形成9.064kA·h/660V大容量BESS，其循環壽命為 3 000次。由于儲能電站自備通風散熱系統，因此使用壽命模型中默認溫度恒定為25℃。

表2　磷酸鐵鋰BESS使用壽命模型參數［13］Tab.2　Parameters of LiFePO4BESS life model

3.2變步長優化控制仿真運行結果

風電場采樣時間為30s，圖5為采用本文所提模糊變步長優化控制方法后2012年10月6日8∶00～13∶00風-儲系統的運行曲線，調度周期為1h。由圖5c可以看出BESS每次充放電的持續時間，即控制步長Tc實時變化，圖5b為 A～C時段的局部放大圖，其中，A時段BESS的輸出功率很小，跟蹤性能也較好，因此根據模糊變步長控制策略得到較大的控制步長為14.5min；C時段BESS的輸出功率較大，因此控制步長較小為8min；B時段BESS的輸出功率也較大，但是其跟蹤性能指標δ 也較大，因此其控制步長相比C時段略小為6min。圖5a顯示了通過BESS變步長優化控制，風-儲系統并網功率能夠很好地響應調度指令，結果顯示增加了 BESS儲能電站后，δ 由 31.36%降到 11.88%。圖 6表明BESS的SOC一直在允許范圍內，滿足控制要求。

圖5　采用模糊變步長優化控制的風-儲系統運行曲線Fig.5　Performance diagrams of the wind/storage system under the fuzzy variable step-size control scheme

圖6　SOC曲線Fig.6　Curve of SOC

圖7以2012年10月風-儲系統的運行數據為樣本，統計了采用變步長優化控制后控制步長的概率分布。由于控制器輸出變量Tck的隸屬度函數設計為離散形式，因此控制步長在0.5min、6min、8min、12min和15min附近的概率較大，其他步長也有分布但很少。在模糊控制規則表中，由于Tck為LS的規則數量最多，故控制步長為 0.5min的概率也最大，高達58%。而在整個運行過程中，跟蹤性能指標＜5%和BESS輸出功率＜2MW的概率也很大，故控制步長為15min和14.5min的概率也高達22%。

圖7　控制步長的概率分布柱狀圖Fig.7　Probability distribution of the control step-size

3.3定步長與變步長控制模式的比較

表3為采用本文所提模糊變步長優化控制方法持續運行一個月，分別由累積電量壽命模型η 和多因素聚合壽命模型γ 表征的 BESS壽命狀況，以及由跟蹤性能指標δ 表征的并網控制效果。將表3的η 和γ 兩列分別與圖 1的左右兩圖相比較可得，無論Td如何選取，采用模糊變步長控制后η 和γ 都與定步長12～15min時對應的值相當，壽命狀況與小步長相比有了顯著改善；而將表3的δ 列與圖3中不同步長對應的δ 值相比較可得，采用模糊變步長控制后δ 與定步長 2～4min時相當，并網跟蹤性能比大步長時明顯改善。以Td=1h為例，變步長控制策略下壽命狀態η =2.04%，相當于傳統定步長模式下控制步長Tc=13min，定步長13min時并網跟蹤指標δ =17.10%，而變步長控制δ =11.88%，與定步長相比跟蹤偏差降低了31%，可見采用變步長控制策略后調度準確性得到了提高。同理，若要獲得與變步長控制同樣的并網跟蹤性能，定步長下 Tc最大取4min，定步長4min時壽命狀態η 和γ 分別為2.19% 和 3.15%，而變步長控制的η 和γ 分別為 2.04%和3.01%，老化程度分別降低了 6.85%和 4.44%，可見采用變步長控制策略后延長了 BESS的使用壽命。綜上，本文所提模糊變步長控制策略結合了大步長下使用壽命長和小步長下跟蹤性能好的優點，使BESS在使用壽命和并網質量兩個方面都得到了優化。

表3　變步長控制下BESS壽命狀況和跟蹤性能指標Tab.3　Life and tracing index in variable step-size mode

以2012年10月風電場運行數據為模板，圖8顯示了不同控制模式下計算所得 BESS的使用年限。其中，累積電量壽命模型以η 達到100%為BESS的壽命終點，多因素聚合模型以γ 達到 25%為壽命終點。對比左右兩圖可知，雖然后者模型所得使用年限比前者較小，但是對于不同控制模式下使用年限的變化趨勢卻基本相同。由圖可得，變步長控制模式下BESS的使用壽命得到了優化，其使用年限與定步長模式時步長取12～15min時相當。

圖8　不同控制模式下累積電量壽命模型（左）和多因素聚合壽命模型（右）計算所得的BESS使用年限Fig.8　BESS life under different control modes by Ah-throughput （left） and multifactor （right） life model

統計不同控制模式下并網功率跟蹤偏差δj的概率分布如圖 9所示，可以看出δj＜10%的概率非常大，即大部分時間內并網跟蹤性能都很好。采用變步長控制后δj＜5%的概率與定步長15min時相比有了小幅提高，同時δj＞20%的概率很小，基本與定步長 2min時持平，可見并網跟蹤性能方面也得到了優化。

圖9　不同控制模式下并網功率跟蹤偏差的概率分布Fig.9　Probability distributions of power tracing deviation under different control modes

4　結論

本文建立了電力系統中大容量BESS的使用壽命模型，提出了風儲聯合調度中BESS的模糊變步長優化控制方法，在保證了并網跟蹤性能的同時優化了BESS的使用壽命，結合算例仿真可得如下結論：

1）累計電量壽命模型計算簡單、應用方便，是一種單一線性模型，而本文所提多因素聚合壽命模型考慮了充放電倍率、控制步長、充放電次數和溫度等變量，更加精細且符合實際。兩種模型計算所得使用壽命有一定的差異，但在不同的控制步長和調度周期下變化趨勢基本相同。

2）定步長控制模式下，控制步長越大對使用壽命越有利，控制步長越小對并網跟蹤性能越好，本文所提模糊變步長優化控制方法結合了二者的優點，不僅保證了并網功率跟蹤調度指令的準確性，同時優化了BESS的使用年限。

3）調度周期對風儲并網性能和BESS壽命都有較大影響，通常受限于風儲容量配比，今后將進一步研究考慮使用壽命和并網性能的儲能容量優化配置方法。

［1］Khalid M， Savkin A V. A model predictive control approach to the problem of wind power smoothing with controlled battery storage［J］. Renewable Energy，2010， 35（7）： 1520-1526.

［2］熊雄， 楊仁剛， 葉林， 等. 電力需求側大規模儲能系統經濟性評估［J］. 電工技術學報， 2013， 28（9）：224-230. Xiong Xiong， Yang Rengang， Ye Lin， et al. Economic evaluation of large-scale energy storage allocation in power demand side［J］. Transactions of China Electrotechnical Society， 2013， 28（9）： 224-230.

［3］Rabiee A， Khorramdel H， Aghaei J. A review of energy storage systems in microgrids with wind turbines［J］. Renewable and Sustainable Energy Reviews，2013， 18（1）： 316-326.

［4］張建華， 于雷， 劉念， 等. 含風/光/柴/蓄及海水淡化負荷的微電網容量優化配置［J］. 電工技術學報，2014， 29（2）： 102-112. Zhang Jianhua， Yu Lei， Yiu Nian， et al. Capacity configuration optimization for island microgrid with wind/photovoltaic/diesel/storage and seawater desalination load［J］. Transactions of China Electrotechnical Society， 2014， 29（2）： 102-112.

［5］Dicorato M， Forte G， Pisani M， et al. Planning and operating combined wind-storage system in electricity market［J］. IEEE Transactions on Sustainable Energy， 2012， 3（2）： 209-217.

［6］Perez E， Beltran H， Aparicio N， et al. Predictive power control for PV plants with energy storage［J］. IEEE Transactions on Sustainable Energy， 2013， 4（2）：482-490.

［7］丁明， 吳建鋒， 朱承治， 等. 具備荷電狀態調節功能的儲能系統實時平滑控制策略［J］. 中國電機工程學報， 2013， 33（1）： 22-29. Ding Ming， Wu Jianfeng， Zhu Chengzhi， et al. A realtime smoothing control strategy with SOC adjustment function of storage systems［J］. Proceedings of the CSEE， 2013， 33（1）： 22-29.

［8］Li X. Fuzzy adaptive Kalman filter for wind power output smoothing with battery energy storage system［J］. IET Renewable Power Generation， 2012， 6（5）： 340-347.

［9］Liu X， Aichhorn A， Liu L， et al. Coordinated control of distributed energy storage system with tap changer transformers for voltage rise mitigation under high photovoltaic penetration［J］. IEEE Transactions on Smart Grid， 2012， 3（2）： 897-906.

［10］鮑冠南， 陸超， 袁志昌， 等. 基于動態規劃的電池儲能系統削峰填谷實時優化［J］. 電力系統自動化，2012， 36（12）： 11-16. Bao Guannan， Lu Chao， Yuan Zhichang， et al. Load shift real-time optimization strategy of battery energystorage system based on dynamic programming［J］. Automation of Electric Power Systems， 2012， 36（12）：11-16.

［11］吳雄， 王秀麗， 李駿， 等. 風電儲能混合系統的聯合調度模型及求解［J］. 中國電機工程學報， 2013，33（13）： 10-17. Wu Xiong， Wang Xiuli， Li Jun， et al. A joint operation model and solution for hybrid wind energy storage systems［J］. Proceedings of the CSEE， 2013，33（13）： 10-17.

［13］Ye Y， Shi Y， Tay A A O. Electro-thermal cycle life model for lithium iron phosphate battery［J］. Journal of Power Sources， 2012， 217（11）： 509-518.

［13］Wang J， Liu P， Hicks-gamner J， et al. Cycle-life model for graphite-LiFePO4cells［J］. Journal of Power Sources，2011， 196（8）： 3942-3948

［14］Zhou C， Qian K， Allan M， et al. Modeling of the cost of EV battery wear due to V2G application in power systems［J］. IEEE Transactions on Energy Conversion，2011， 26（4）： 1041-1050.

［15］Yang S C， Li M， Tang T Q， et al. An electric vehicle's battery life model under car-following model［J］. Measurement， 2013， 46（10）： 4226-4231.

［16］施琳， 羅毅， 涂光瑜， 等. 考慮風電場可調度性的儲能容量配置方法［J］. 電工技術學報， 2013， 28（5）：120-127. Shi Lin， Luo Yi， Tu Guangyu， et al. Energy storage sizing method considering diapatchability of wind farm［J］. Transactions of China Electrotechnical Society，2013， 28（5）： 120-127.

［17］Tran D， Khambadkone A M. Energy management for lifetime extension of energy storage system in microgrid applications［J］. IEEE Transactions on Smart Grid， 2013， 4（3）： 1289-1296.

Variable Step-Size Control Method of Large Capacity Battery Energy Storage System Based on the Life Model

Chai Wei1Li Zheng1Cai Xu1Wei Xiaoguang2
（1. Wind Power Research CenterSchool of Electronic Information and Electrical Engineering Shanghai Jiao Tong UniversityShanghai200240China 2. State Grid Smart Grid Research InstituteBeijing102200China）

Battery energy storage system （BESS） can improve the schedule ability of wind power. In order to study the control method of BESS life extension， a multifactor life model is developed considering series/parallel and charge/discharge characteristics of BESS. This proposed model can represent the effects on BESS aging， such as charge/discharge rate， control step-size， charge/discharge time and temperature. A variable step-size control method is proposed， after discussing the effects of the control step-size and the dispatch period on BESS life and the fluctuation index. A fuzzy variable step-size controller is designed to adjust the step-size according to charge/discharge rate and fluctuation index. Results indicate that the proposed control strategy combines the longer life feature under large step-size with less volatile feature under small step-size， which enables the power injected to the grid to track the dispatch orders well and the wind farm to be schedulable. Meanwhile， the proposed strategy can improve the life of BESS.

Battery energy storage system， storage system life， wind storage dispatch， control step-size， fuzzy control

TM73

柴煒女，1989年生，博士研究生，研究方向為儲能系統、新能源并網發電技術等。

E-mail： chaiweisjtu@sjtu.edu.cn（通信作者）

李征女，1961年生，教授，研究方向為風力發電技術、智能控制等。

E-mail： lizhengdh@hotmail.com

國家科技支撐計劃（2013BAA01B04），上海市科學技術委員會項目（11dz1210300）和國網科技合作項目（直流電網用高壓DC/DC變換器前期技術研究）資助。

2014-04-28改稿日期 2015-05-27