大規模儲能電站參與電力系統自動發電控制的協調控制策略優化研究

孟高軍， 趙 宇， 吳 田， 馬福元， 張 峰

（1.南京工程學院， 江蘇 南京 210000； 2.浙江省太陽能利用及節能技術重點實驗室， 浙江 杭州 311121；3.浙江浙能技術研究院有限公司， 浙江 杭州 311121）

0 引言

推進能源消費結構向低碳化和清潔化方向轉型已成全球重要共識[1]，[2]。規模開發可再生能源是實現能源轉型的關鍵[3]，[4]。 然而，由于新能源發電功率輸出具有間歇性與波動性， 且自身缺乏頻率調節能力，隨著其裝機比例的增大，傳統具備調頻能力旋轉發電元件的空間被進一步擠占， 電網頻率的穩定性面臨巨大的壓力[5]。 自動發電控制（Automatic Generation Control， AGC）是電網中維持系統有功平衡與頻率穩定的有效手段。 目前我國參與AGC 的調頻電源中， 火電機組調頻時滯長、爬坡率低，水電機組受地理與季節條件限制，無法有效滿足AGC 調頻需求[6]。

近年來，隨著儲能技術的快速發展，將電池儲能系統加入AGC 框架中成為電力系統二次調頻的重要手段[7]。 電池儲能具有響應速度快、爬坡率高、控制精度高、安裝靈活、不受地理條件限制等優點， 能有效彌補傳統機組調頻能力的不足[8]。 儲能一般承擔部分調頻信號來參與二次調頻， 如何使儲能與傳統調頻機組協調配合并高效參與AGC，成為目前國內外研究的熱點問題。

針對儲能與常規機組調頻資源分配問題，文獻[9]提出按照儲能容量，事先約定好與機組責任比例，但是該方法忽略了儲能實際參與容量動態變化的特征。 文獻[10]，[11]針對靜態比例分配的缺陷，提出了一種基于區域控制偏差（Area Control Error， ACE） 信號動態分配的儲能電源控制方式， 但儲能承擔了與常規機組相同的責任，其高爬坡率、快速響應的技術優勢未能體現。 文獻[12]提出了一種功率分解的思路，將功率需求信號進行分解，儲能與機組承擔不同頻次分量。 文獻[13] 利用離散傅里葉變換對調頻信號進行分解，劃分不同電源調頻責任。 但傅里葉變換無法很好地處理非線性、非平穩的AGC 信號，并且儲能設備一直處于工作狀況，對其荷電狀態的保持不利。對于儲能參與二次調頻高效控制策略的研究，文獻[14]提出了一種采用模糊控制的儲能參與AGC 策略， 比PI 控制具有更好的控制效果。文獻[15]提出了計及SOC 的儲能控制策略，實現了儲能系統出力平滑修正。 然而，大規模儲能電站由多個儲能子單元并聯而成，上述文獻研究都集中于單個儲能系統的出力控制，缺乏儲能電站的整體出力考量，無法合理利用各儲能單元的二次調頻能力。

為此， 本文提出了一種儲能電站參與二次調頻的優化控制策略。首先，基于機組與儲能調頻技術特性考慮， 將電網調頻信號分為快調頻信號與慢調頻信號， 建立火電機組與儲能電站協調控制框架，充分發揮儲能高爬坡率、高控制精度特性與機組調節容量大的技術優勢；隨后，在儲能電站主控層面， 建立電站內部各單元實時調頻能力評估模型，并對各單元出力進行精細化管理，有效發揮儲能電站的二次調頻能力；最后，基于仿真模型驗證了所提控制策略的有效性。

1 AGC 基本結構與方式

AGC 是維持電力系統中有功功率平衡與系統頻率穩定的重要手段， 當系統遭遇較大負荷擾動時，一次調頻無法將系統頻率穩定在允許范圍內，即需要進行二次調頻，使ACE 為零或在正常范圍內，以實現頻率恢復至額定值或允許范圍之內[16]。

在我國， 二次調頻一般通過AGC 系統實現，調度中心直接控制機組進行增減出力。 AGC 系統控制結構如圖1 所示。

當AGC 調度中心采集電網運行參數、計算出ACE，經過濾波后，得到平滑的SACE。 ACE 信號經過PI 控制器轉換后， 形成區域控制需求（Area Regulation Requ irement， ARR）， 將AGC 指令下發給儲能電站與調頻火電機組， 各部分資源根據所接收的AGC 指令進行出力跟蹤， 共同完成AGC 需求[17]。

2 儲能與常規機組協調控制策略

2.1 儲能與常規機組AGC 技術特征分析

目前火電機組在電力系統中仍占據較高比例，而儲能因成本等因素限制，也無法成為電力系統調頻服務中的主導。因此，首先需要對儲能與常規機組的性能進行分析， 如表1 所示， 在此基礎上，充分發揮各自調頻優勢，互補不足，實現二者在AGC 中的協調運行。

表1 儲能與火電機組技術性能綜合對比Table 1 Comprehensive comparison of technical performance of energy storage and thermal power units

由表1 分析可知， 儲能調頻的優勢在于調節速度、精度，能給電力系統提供快速的功率支撐。但儲能并非一次發電設備，充放電容量有限[18]。當儲能電池一旦進入深度充放電， 會對其容量衰減造成影響。 一般當電池的容量衰減超過20%后，電池的壽命周期結束。 電池容量衰減的主要原因就是電池的循環充放電深度。 圖2 所示為鋰離子電池放電深度與其循環壽命的對應關系。

圖2 鋰離子電池放電深度與循環次數的關系Fig.2 The relationship between the depth of discharge of lithium ion batteries and the number of cycles

由圖2 可以看出， 隨著鋰離子電池放電深度的增加，循環次數大大減少，對其壽命造成了嚴重威脅。火電機組調節性能較差，但其能量供應是無限的，在二次調頻指令單向調節時間過長時，能給予系統充足的能量支撐。因此，合理進行二次調頻信號分配，有利于發揮儲能與機組的雙重優勢。

2.2 調度層面儲能電站與火電機組協調分配

在AGC 中， 因儲能電站由大量儲能單元組成，若由調度中心直接控制每個儲能單元，則將面臨巨大的計算與通信壓力， 因此儲能電站采用同水電廠一樣的全廠AGC 模式。

當AGC 遠方調度側計算得到AGC 指令后，首先將指令信息全部下發至儲能電站中， 電站主控單元接收命令后，將指令進行分解，由各儲能單元優先迅速出力，發揮其短時吞吐功率大、不受爬坡率制約的快速響應優勢， 起到快速功率支撐作用。 當機組響應AGC 指令開始出力后，儲能電站接收調度中心反饋信息，逐漸減少出力，最終的系統功率變動由機組輸出功率進行平衡。 該分配策略無需對現有機組的AGC 結構進行改動，只需增加儲能AGC 模塊，通過傳統調頻資源與優質儲能調頻資源的配合，提高二次調頻控制效果。火電與儲能協調控制結構如圖3 所示。

圖3 火電與儲能協調控制結構圖Fig.3 Schematic diagram of coordinated control of thermal power and energy storag

3 儲能電站功率輸出分配優化控制策略

在AGC 系統開始動作后， 儲能電站接收AGC 調度側的指令，迅速出力，充分彌補傳統火電機組響應時間長、 爬坡率低的缺陷， 同時根據ARR 絕對值所處區間，對儲能系統的出力進行精細化管理， 在為系統提供快速調頻功率支撐的同時，維持自身的荷電狀態。

為了防止儲能電池過充過放對其壽命造成不利影響，通常要求：

式中：SOCmin，SOCmax分別為儲能電池荷電狀態下限、上限，當充放電深度突破荷電狀態限制時，儲能電池進入閉鎖狀態，禁止充放電操作。

考慮到各個單元初始狀態不同，尤其是SOC狀態有明顯差別，若不進行合理的功率分配，可能會出現個別儲能單元在SOC 達上限時繼續充電，在SOC 達下限時繼續放電的危險情況[19]。 傳統的分配方式僅僅是計及儲能各單元初始電量進行分配，而忽視了電池電量動態變化的特性，無法做到各儲能單元的最優分配，缺乏合理性，因此，需要通過建立儲能電站各單元的調頻評估函數， 動態評估各儲能單元的調頻能力， 以便儲能電站主控單元合理分配AGC 需求指令，調頻服務供應商做出最優決策，并使得各單元荷電狀態趨于一致。

3.1 儲能電站分配模型的建立

根據電站中各單元的初始荷電狀態確定各單元初始參考功率，進行初始化分配，從而確定各單元出力優化范圍。

放電狀態下：

式中：Pi，ref（t）為第i 個儲能單元的參考功率；αi為其工作狀態，當滿足式（1）時，αi為1，否則為0；SOCi（t-1）為t-1 時刻第i 個單元的荷電狀態；PE（t）為儲能電站接收總功率指令，其值為調度中心總AGC 指令與機組調頻出力PG（t）的偏差。

充電狀態下：

依據各單元的荷電狀態進行初始化分配，即可得到各單元輸出功率參考值。 根據各單元的初始參考功率與實時荷電狀態， 本文在儲能電站主控調度層面進行分配優化， 對各單元的功率承擔責任劃分進行精細化管理， 并使得各單元荷電狀態逐漸趨于均衡。

首先根據文獻[20]中傳統機組的調頻模型建立儲能調頻函數模型， 用于評估儲能實時調頻能力。

式中：Ci（t）為儲能電站中第i 個儲能單元在t 時刻的調頻函數， 用于量化第i 個儲能單元的調頻能力；f1為與儲能單元功率輸出能力評估相關的函數；f2為儲能單元在該時段出力的電量偏移函數；τ 為第i 個儲能單元功率偏移的權重系數；ω為容量變化的權重系數；Pi，act為第i 個儲能單元第t 時刻實際出力。

其中，函數f1，f2的表達式分別為

式中：Pi，act為儲能單元i 在t～t+1 時刻的實際功率輸出， 在初始值基礎上微調優化所得；SN為儲能單元額定容量；SOCref為儲能電池荷電狀態期望維持水平，為了具有較高的上調與下調能力，文中取為50%。

式（6）用于評估儲能單元參與調頻所帶來的電量變化，以調節儲能電池荷電狀態水平，滿足長時間調頻服務需要。

儲能電池的容量變化與功率以及荷電狀態SOC 之間滿足如下關系：

式中：Δt 為前后兩個時刻的差。

為了減少變量，提高優化效率，可將儲能單元容量變換轉化為功率P 表示。 式（6）可表示為功率相關的函數：

優化模型目標函數設為

式中：m 為可參與調頻儲能單元總個數。

式（9）中，目標函數由二次項、一次項以及常數項構成，具有非線性規劃形式。以參考功率為范圍，進行各單元的實際功率優化，優先調用狀態充足的儲能單元，實現儲能電站的高效利用，并使得各單元荷電狀態逐漸趨于一致。

二次項表達式為

一次項表達式為

常數項表達式為

其等式約束條件為

不等式約束條件為

式中：Pmax為儲能單元所能輸出最大功率。

3.2 分配模型的優化求解

3.2.1 滾動優化計算

AGC 指令由儲能電站主控單元進行分配的過程是動態優化過程， 為避免模型優化求解時長不能滿足二次調頻實時性的要求，本文結合AGC中超短期負荷預報（Super short term loadforecast，SSTLF）， 提前預測AGC 指令曲線并下發給儲能電站，以實現對未來某一時間段內的AGC 指令進行優化計算。

如圖4 所示： 結合超短期負荷預測結果與儲能狀態預測，t-1 時刻，當儲能系統單元下發分配結果協調各單元進行出力的同時， 根據評估模型得到t 時刻各單元最優協調出力方案；t 時刻根據結果進行輸出，并滾動優化下一時段，使得儲能電站各儲能單元在每個時間段作出最優控制行為，實現動態優化控制。

圖4 滾動優化示意圖Fig.4 Schematic diagram of rolling optimization

儲能電站接收AGC 調頻指令信號，將式（17）修改為式（18）。

式中：ΔPAGC，F（t）為超短期預測結果下的系統區域控制需求；PG（t）為t 時刻可輸出功率，MW；PG（t-1） 為t-1 時刻可輸出功率，MW；R 為機組的爬坡率，MW/min。

3.2.2 模型求解

遺傳算法借鑒了達爾文進化論和孟德爾遺傳學說，是一種模擬自然進化的高效全局搜索方法.將可能的問題解表示成“染色體”，從而得到一個由染色體組成的“群體”，這個群體被限制在問題特定的環境里， 根據預定的目標函數對每個個體進行評價，得到個體適應度值。遺傳算法適合求解非線性類型規劃最優組合求解問題，具體步驟如下。

①首先初始化種群，隨機生成m 個初始個體作為模型的可行解，迭代指標i=0。

②進行編碼， 將實際問題中存在的可行解轉變為遺傳算法中的染色體。

③將目標函數作為適應度函數， 為了增強整個種群的對比性， 綜合考慮種群初始個體和最優個體。本文對適應度函數進行了改進，采用模擬退火算法對遺傳算法的適應度函數進行修正， 以加快算法收斂速度。

④為了個體性狀和適應度的遺傳穩定性，采用單點交叉和位點變異分別作為交叉算子和變異算子，將式（19）進行改進，以防止算法陷入局部收斂。

式中：Pc和Pm分別為自適應的交叉率和變異率；fc為要交叉的兩個個體中適應度值較大個體的適應度值；fm為要進行變異的個體的適應度值；fmax為群體中最大適應度值；favg為整個群體的平均適應度值。

⑤解碼，將可行解輸出，即為t～t+1 時刻儲能電站各單元分配參考功率，下發至各單元，進行充放電控制。

改進遺傳算法流程圖如圖5 所示。

圖5 改進遺傳算法流程圖Fig.5 Flow chart of improved genetic algorithm

4 仿真分析

為了驗證優化控制策略的效果，在MATLAB/SIMULINK 中搭建了仿真模型，如圖6 所示。

圖6 仿真模型框圖Fig.6 Block diagram of the simulation model

在本模型中，儲能系統由4 個儲能單元組成，僅參與二次調頻控制，模型部分參數如表2 所示。

表2 仿真模型參數Table 2 Simulation model parameters

仿真設置：在5 s 時，假設0.03 pu 的小型水電機組因事故突然脫網，給系統造成0.03 pu 的沖擊性負荷擾動，在擾動發生時刻，機組進行一次調頻；在擾動發生10 s 后，調度中心下發指令，要求AGC 機組與儲能系統增發0.03 pu 的功率， 響應系統負荷變動。

（1）機組與儲能系統協調控制仿真研究

首先對調度層面儲能系統、 機組的協調控制策略進行仿真驗證，分別對僅機組參與、儲能與機組按固定比例分配、本文方法展開仿真研究，結果如圖7 所示。

圖7 系統頻率偏差變化Fig.7 Changes in system frequency deviation

如圖7 所示：當擾動作用于系統時，由于儲能不參與一次調頻， 造成的系統最大頻率偏差三者一致；當15 s 時，機組與儲能系統接收AGC 指令開始增發功率， 本文協調控制策略在進行負荷跟蹤的過程中，充分發揮儲能響應速度快的優勢，在秒級內達到最大功率輸出， 給予系統快速的功率支撐，系統頻率偏差快速減少；采用按固定比例分配方式的儲能與機組，因儲能系統的存在，較為快速地減少系統頻率偏差， 但高爬坡率的儲能特性不能充分發揮出來， 在后期的頻率偏差減少過程中，受機組爬坡率限制較大；僅有AGC 機組參與二次調頻的頻率恢復效果最差， 受機組爬坡率限制，功率輸出較為緩慢，甚至在接近指令值時，因機組慣性出現了功率反調現象。

圖8 各調頻資源出力波形Fig.8 The output waveform of each FM resource

如圖8 所示，本文方法中，儲能系統接收AGC指令優先快速出力，在機組尚未發揮作用時，擔當系統功率支撐作用， 當機組緩慢爬坡達到某一數值時，儲能系統出力逐漸減少，以機組功率置換儲能功率，最終機組平衡系統功率波動，既有效發揮了儲能高爬坡率優勢， 又避免了儲能系統電量的過度損耗。

圖9 為SOC=50%的儲能電站按固定比例分配與本文方法二次調頻的荷電狀態變化情況。 在初期，采用本文方法，因功率快速輸出使得荷電狀態迅速下降，但隨著機組出力的增加、儲能快速功率支撐任務的完成，荷電狀態最終不再發生變化，維持在較高的水平，對電量需求較少。而按固定比例分配，儲能需要同常規機組一樣，持續出力，同時需要很高的容量配置。

圖9 50%的儲能電池荷電狀態變化示意圖Fig.9 50%energy storage battery charge state change diagram

（2）儲能系統二次調頻優化控制仿真研究

對于儲能系統，AGC 指令由4 個并聯子系統單元協同完成。根據仿真模型，對本文所提優化控制策略進行驗證，由圖10 可知，在儲能系統中，采用本文所提優化控制策略， 儲能系統能夠根據荷電狀態的實時變化， 動態改變各單元調頻責任占比，優先調用調頻狀態與能力最佳的儲能子單元，各子單元實現了出力的精細化協調管理， 有效地提高了儲能系統整體利用效率，避免了部分儲能單元因過充過放造成壽命損耗問題，并使得SOC逐漸趨于一致，實現了各單元均衡化。

圖10 各儲能單元荷電狀態變化Fig.10 Change of charge state of each energy storage unit

5 結論

本文針對儲能電站參與二次調頻提出了一種優化控制策略。首先，基于機組與儲能調頻技術特性考慮， 將電網調頻信號分為快調頻信號與慢調頻信號，建立火電機組與儲能電站協調控制框架，實現不同調頻資源的合理分配； 隨后在儲能電站主控層面， 建立表征儲能電站內部各單元實時調頻能力的評估模型， 對各單元出力進行精細化協調管理，并采用改進遺傳算法對模型進行求解；最后， 在MATLAB/SIMULINK 中對模型進行仿真，仿真結果表明， 本文所提出的機組與儲能系統協調控制策略能夠動態協調各儲能單元的調頻責任占比， 在快速減少系統頻率偏差的同時可有效發揮儲能高爬坡率優勢， 避免了儲能系統電量的過度損耗，實現了各儲能單元均衡化管理。