電網AGC調度場景下光儲系統的操作策略優化

石祥宇，呂 欣

(國家電力投資集團公司陜西分公司，西安 710000)

0 引言

隨著國家碳達峰、碳中和目標的快速推進，為了加強清潔能源的高效利用，新能源發電裝機容量在電力系統內的占比已顯著提高。但由于新能源電站的輸出功率受天氣影響較大，具有明顯的波動性、間歇性等特點，因此，新能源電站側的主動支撐能力是電力系統現階段面臨的重要問題。國家各部委、各省(市)相繼出臺了關于新能源電站配置儲能系統的相關政策，要求新建的光伏電站需配套一定容量的儲能系統，以實現平滑負荷、跟蹤電網輸出[1]，從而提升配電網的可靠性與穩定性[2-3]。在增加儲能系統容量配置的同時，如何調度儲能系統參與電網調度操作，使光伏發電系統與儲能系統(下文簡稱為“光儲系統”)的總輸出功率能較好地滿足電網自動發電控制(AGC)調度指令需求，實現光儲系統的主動支撐作用是現階段研究的熱點問題[4]。

基于此，本文以采用儲能電池的儲能系統為例，在考慮電池儲能系統中儲能電池容量衰退和光伏發電系統棄電量的前提下，建立AGC調度場景下光儲系統的操作策略優化模型，通過優化調度配置了不同類型儲能電池的儲能系統[5]，研究在電網AGC調度場景下光儲系統的操作策略，對光儲系統的操作策略模型進行優化[6]，在光儲系統聯合運行中通過發揮電池儲能系統的優勢來提高光伏發電系統輸出功率的穩定性，并以某集中式光儲電站為例進行實證驗證。

1 AGC調度場景下光儲系統的操作策略優化模型

1.1 約束條件

建立AGC調度場景下光儲系統的操作策略優化模型，需要考慮的約束條件包括：電網AGC調度約束、功率平衡約束、電池儲能系統約束、任意儲能電池組充放電狀態約束、電池儲能系統充放電狀態約束、儲能電池容量衰退。下文分別對不同約束條件進行分析。

1.1.1 電網AGC調度約束

任意t時刻光儲系統向電網的輸出功率Pap,ac(t)與電網AGC調度指令Pag,ac(t)之間的偏差?Pac(t)可表示為：

式中：T為光儲系統的運行時間。

任意t時刻光儲系統向電網的輸出功率與電網AGC調度指令之間的偏差應在電網AGC調度指令的±2%范圍之內，即：

1.1.2 功率平衡約束

光伏發電系統第o個光伏方陣在任意t時刻的輸出功率Ppv,o(t)和電池儲能系統在t時刻的放電功率之和應等于電池儲能系統在t時刻的充電功率、光伏發電系統在t時刻的有效輸出功率與t時刻的棄電功率Ppw,ac(t)之和，即：

式中：O為光伏發電系統中所有光伏方陣的數量；m為第m組儲能電池組；M為光儲系統內的儲能電池組總數；Pmin(t)為第m組儲能電池組在t時刻的充電功率；Pmout(t)為第m組儲能電池組在t時刻的放電功率；ηac,m為第m組儲能電池組的放電效率；λac,m為第m組儲能電池組的充電效率。

1.1.3 電池儲能系統約束

電池儲能系統中，采用儲能電池的荷電狀態(SOC)來反映儲能電池的剩余容量。第i個儲能電池子陣在t時刻后剩余的電量Bi,t可表示為：

式中：ηiin與ηiout分別為第i個儲能電池子陣的充電效率和放電效率；為第i個儲能電池子陣在t-1時刻后剩余的電量；為第i個儲能電池子陣在t時刻的充電功率；為第i個儲能電池子陣在t時刻的放電功率；?t為儲能電池組從投入使用到t時刻的時間段(即已投入使用時間)；I為光儲系統內的儲能電池子陣總數。

第m組儲能電池組在任意t時刻的電量Bm(t)需滿足以下條件：

式中：Cs,min,m為第m組儲能電池組的最小荷電狀態；Cs,max,m為第m組儲能電池組的最大荷電狀態；Cb,m為第m組儲能電池組的額定容量；Sm為第m組儲能電池組的初始容量保持率；Qlos,m(t)為第m組儲能電池組在t時刻的累積容量衰退率。

任意1組儲能電池組在任意t時刻的充電功率和放電功率的上、下限值均應滿足以下條件：

式中：Pmin,m(t)為第m組儲能電池組在t時刻的充、放電功率的下限值；Pnom,m(t)為第m組儲能電池組在t時刻的充、放電功率的上限值(即額定功率)。

1.1.4 任意儲能電池組的充放電狀態約束

在同一儲能電池組中的儲能電池，不允許在相同一個時間段內同時開展充電與放電，即需要滿足以下條件：

式中：Zmin(t)、Zmout(t)分別為第m組儲能電池組在t時刻的充電二元變量和放電二元變量。

1.1.5 電池儲能系統的充放電狀態約束

同一時段內，電池儲能系統不能同時開展充電與放電，即需要滿足以下條件：

式中：、分別為電池儲能系統在t時刻的充電二元變量和放電二元變量。

1.1.6 儲能電池容量衰退

儲能電池的容量衰退特性主要受儲能電池的工作溫度、放電深度、荷電狀態、充電電流、放電電流、充電方式等因素的影響[7-8]。儲能電池的總容量衰退由循環壽命衰退和日歷壽命衰退兩部分組成[9]。第m組儲能電池組在任意t時刻的總容量衰退率Qtot,m(t)可通過式(15)～式(17)計算得到。

式中：Qcyc,m(t)為第m組儲能電池組在t時刻的循環壽命衰退率；Lcyc,m為第m組儲能電池組的循環壽命；Qcal,m(t)為第m組儲能電池組在t時刻的日歷壽命衰退率；Lcal,m為第m組儲能電池組的日歷壽命。

當儲能電池的容量衰退至其額定容量的80%及以下時，需要退役更換新的儲能電池[10-11]。因此，相對于整個電池儲能系統，第m組儲能電池組在t時刻的累積容量衰退率可表示為：

1.2 目標函數

模型建立的目標分別為光伏發電系統棄電量最小、由于容量衰退造成的電池儲能系統損耗費用最低。

1.2.1 光伏發電系統棄電量最小通過優化電池儲能系統的調度，使光伏發電系統每一時刻的棄電功率P均達到最小，則有：

1.2.2 由于容量衰退造成的電池儲能系統損耗費用最低

對電池儲能系統的調度應使儲能電池的容量衰退較小，因此在光伏發電系統棄電量最小的基礎上，以由于容量衰退造成的電池儲能系統損耗費用F最小為優化目標，則有：

式中：Fb,m(t)為由于容量衰退造成的第m組儲能電池組在t時段內的損耗費用。

由于容量衰退造成的第m組儲能電池組在t時段內的損耗費用可表示為：

式中：Hm為電池儲能系統的購置成本；Ctot,m為第m組儲能電池組的使用年限折損的容量。

考慮儲能電池在固定放電深度(DOD)下循環失效，第m組儲能電池組的使用年限折損的容量可表示為：

式中：Eg,m為第m組儲能電池組循環到終點時的總循環次數；Dg,m為第m組儲能電池組的放電深度。

2 案例分析

基于本文研究的AGC調度場景下光儲系統的操作策略優化模型，以某已建成并網的集中式光儲電站為例，研究在AGC調度場景下光儲系統的容量配置方案、操作策略、使用壽命和光伏發電系統棄電量等情況，以獲得在電網AGC調度場景下由于容量衰退造成的電池儲能系統損耗費用最低和光伏發電系統棄電量最小時對應的光儲系統容量配置方案和操作策略方案。

該集中式光儲電站的光儲系統接線圖如圖1所示。

圖1 光儲系統的接線圖Fig.1 Wiring diagram of PV-energy storage system

2.1 基礎信息

該集中式光儲電站共包括18個光伏方陣，編號為F1～F18。需要說明的是：18個光伏方陣中，僅有16個光伏方陣配置了儲能電池，且每個光伏方陣對應配置1個儲能電池子陣。本案例綜合考慮晴天、多云、雨天和雪天4種典型天氣條件，研究在AGC調度場景下該光儲系統的容量配置方案和操作策略方案。

2.1.1 光伏發電系統輸出功率數據

采集晴天、多云、雪天這3種典型天氣條件下18個光伏方陣的發電數據，各光伏方陣的輸出功率曲線如圖2所示。

圖2 典型天氣條件下18個光伏方陣的輸出功率曲線Fig.2 Curves of output power of eighteen PV arrays under typical weather conditions

從圖2可以看出：晴天天氣條件下，光伏發電系統的輸出功率曲線相對較平滑；多云、雪天等天氣條件下，光伏發電系統輸出功率曲線的變化波動較大。

2.1.2 AGC調度指令

依據當地電網下達的歷史AGC調度指令，模擬4種典型天氣條件下電網AGC調度曲線，如圖3所示。

圖3 4種典型天氣條件下電網AGC調度的模擬曲線Fig.3 Simulation curves of AGC scheduling in power grid under four kinds of typical weather conditions

從圖3可以看出：晴天、多云、雨天、雪天等典型天氣條件下，電網AGC調度曲線均不相同，但與光伏發電系統輸出功率曲線相比，整體較為平滑，波動較小。

2.1.3 儲能電池系統參數

在計算中假設儲能電池的初始容量保持率為1；且設定該光儲系統在進行容量配置時，各儲能電池子陣容量配置的上、下限分別為設計容量配置的200%和50%。

2.2 AGC調度場景下光儲系統的容量配置優化方案分析

在光儲系統中儲能電池種類保持不變時，在模擬的電網AGC調度場景下光儲系統滿足由于容量衰退造成的電池儲能系統損耗費用最低和光伏棄電量最小時，得到的不同類型典型天氣條件下光儲系統的容量配置優化方案如表1所示。表中：現有值是指儲能電池子陣的設計容量配置；優化值是指儲能電池子陣針對不同類型典型天氣條件優化后的最大容量配置，即能滿足各種典型天氣條件使用的容量配置優化方案。

表1 模擬的電網AGC調度場景下電池儲能系統的容量配置優化方案Table 1 Optimization scheme for capacity configuration of battery energy storage system under simulated power grid AGC scheduling scenarios

由表1可知：在模擬的電網AGC調度場景下，天氣類型對電池儲能系統容量配置的影響較小。在不同類型典型天氣條件下，所得到的電池儲能系統的容量配置優化值均小于原容量配置(即現有值)；在不改變原有光儲系統中儲能電池種類的前提下，光儲系統優化后的儲能電池容量配置約為原容量配置的73%。這說明在電網AGC調度場景下，該光儲系統原本配置的儲能電池容量存在一定的冗余。

通過求解可得到在電網AGC調度場景中，不同類型典型天氣條件下光儲系統聯合運行時的輸出功率曲線和電池儲能系統的應用曲線，分別如圖4、圖5所示。圖中：虛線表示光儲系統聯合運行時輸出功率的上下限范圍。

圖4 在電網AGC調度場景中，不同類型典型天氣條件下光儲系統聯合運行時的輸出功率曲線Fig.4 Output power curves of PV-energy storage system joint operation under different kinds of typical weather conditions in power grid AGC scheduling scenarios

圖5 在電網AGC調度場景中，不同類型典型天氣條件下電池儲能系統的應用曲線Fig.5 Application curve of battery energy storage system under different kinds of typical weather conditions in power grid AGC scheduling scenarios

由圖4、圖5可知：在電網AGC調度場景中，在晴天、多云、雨天和雪天天氣條件下，電池儲能系統會選擇在光伏發電系統輸出功率大于電網AGC調度指令功率值時允許光伏發電系統向其充電，以減少光伏發電系統的棄電量，并使光儲系統聯合運行時的輸出功率在電網AGC調度指令波動允許范圍內；電池儲能系統會選擇在光伏發電系統輸出功率小于電網AGC調度指令功率值時放電，使光儲系統輸出功率在電網AGC調度指令波動允許范圍內。

綜上所述，在調峰場景下，電池儲能系統依據光伏發電系統的輸出功率和電網AGC調度指令的變化來選擇充、放電可以減少光伏發電系統的棄電量，并滿足抑制光伏發電系統輸出功率波動的要求。

2.3 光儲系統的響應精度結果分析

結合電池儲能系統配置參數，導入建立的電網AGC調度場景下光儲系統操作策略優化模型，以驗證該模型的控制效果。分別選取晴天與多云兩種典型天氣條件下光儲系統的聯合運行情況，開展光伏發電系統輸出功率與電池儲能系統充放電功率之間的重合度研究。晴天、多云天氣條件下光儲系統聯合運行曲線和響應精度曲線分別如圖6～圖9所示。需要說明的是，數據采集頻次為秒級，數據按照變量保存，時間和數據一一匹配對應，顯示時間為系統自動匹配的時刻。后文同此。

圖6 晴天天氣條件下光儲系統聯合運行曲線Fig.6 Curves of joint operation of PV-energy storage system under sunny weather condition

圖7 多云天氣條件下光儲系統聯合運行曲線Fig.7 Curves of joint operation of PV-energy storage system under cloudy weather condition

圖8 晴天天氣條件下光儲系統響應精度曲線Fig.8 Curve of response accuracy of PV-energy storage system under sunny weather condition

圖9 多云天氣條件下光儲系統響應精度曲線Fig.9 Curve of response accuracy of PV-energy storage system under cloudy weather condition

從圖6～圖9可以看出：通過調節電池儲能系統的充放電功率，可以使光伏發電系統的有功功率曲線實時跟蹤電網AGC調度指令功率曲線來輸出，既可有效避免限電，又可滿足電網AGC調度需求。光儲系統聯合運行可以有效減少功率波動，與電網AGC調度曲線較為契合，但在多云天氣條件下，由于光伏發電系統輸出的有功功率波動較大，電池儲能系統的調節頻次遠高于其在晴天天氣條件下的調節頻次。晴天天氣條件下，光儲系統輸出的總有功功率曲線與電網AGC調度指令功率曲線的響應精度較好，響應精度可基本穩定在100%；但由于在11:06前電池儲能系統未投運，電池儲能系統的充放電功率為死值，未參與電網AGC調度，因此響應精度差異較大；電池儲能系統參與電網AGC調度后，光儲系統的整體響應精度有所改善，但在多云天氣條件下的響應精度較差，主要是因為電池儲能系統采用多級控制，響應時間需要3 s左右。

為進一步驗證光儲系統聯合運行對降低電網AGC考核的支撐作用，按照國家能源局西北監管局發布《西北區域發電廠并網運行管理實施細則》及《西北區域并網發電廠輔助服務管理實施細則》(下文簡稱為“兩個細則”)中要求的“電網AGC死區為不超過場站裝機容量的3%視為合格”，則光伏發電系統輸出的有功功率調節死區限值為2.31 MW，即光儲系統輸出的總有功功率在電網AGC調度指令功率值的±2310 kW內即滿足要求。

在電網AGC調度場景中，對典型晴天天氣條件下電池儲能系統不同投運狀態時光儲系統的響應精度曲線進行對比分析，結果如圖10所示。

圖10 典型晴天天氣條件下電池儲能系統不同投運狀態時光儲系統的響應精度曲線對比Fig.10 Comparison of response accuracy curves of PV-energy storage system under different operating states of battery energy storage system under typical sunny weather condition

從圖10可以看出：在電網AGC調度場景中，典型晴天天氣條件下電池儲能系統投運后光儲系統聯合運行時的響應精度基本穩定在100%左右，整體曲線較為光滑，波動較小。

為分析光儲系統響應電網AGC調度指令的合格率，選擇該光儲系統在典型晴天天氣條件下09:00～18:00之間的運行數據，數據采集時間間隔為5 min，共92個數據采集點，計算電網AGC調度指令功率值與光伏發電系統輸出的有功功率值、光儲系統輸出的總有功功率值之間的偏差，結果如圖11所示。

圖11 電網AGC調度指令功率值與光伏發電系統輸出的有功功率值、光儲系統輸出的總有功功率值之間的偏差折線圖Fig.11 Line chart of deviation between power value of power grid AGC scheduling command and active power output value of PV power generation system and total active power output of PV-energy storage system

從圖11可以看出：根據“兩個細則”的考核要求，在92個數據采集點中，光伏發電系統輸出的有功功率值有32個數據采集點滿足合格要求，合格率為34.78%；光儲系統輸出的總有功功率值有60個數據采集點滿足合格要求，合格率為65.22%；光儲系統輸出的總有功功率值的合格率比光伏發電系統輸出的有功功率值的合格率高30.44%。綜上所述，說明光儲系統聯合運行可有效降低電網AGC考核。

3 結論

本文以光儲系統聯合運行的輸出功率曲線契合電網AGC調度曲線為目標，結合儲能電池容量衰退特性、光伏發電系統棄電量等因素，建立了電網AGC調度場景下光儲系統操作策略優化模型，并在某集中式光儲電站中進行了實證驗證。研究結果表明：

1)不同類型典型天氣條件對儲能電池容量配置要求的差異較大，可能出現晴天天氣條件下光伏發電系統發電量高時儲能電池容量配置不足，而陰天天氣條件下儲能電池容量冗余較多的情況。通過建?？汕蠼猥@得儲能電池的最優容量配置，從而提高電池儲能系統的利用率與經濟性。

2)儲能電池依據光伏發電系統的輸出功率和電網AGC調度指令的變化而選擇充、放電狀態，從而可以減少光伏發電系統的棄電量，降低其輸出功率的波動性。

3)建立的光儲系統操作策略優化模型的適用性較好，電池儲能系統參與電網AGC調度后，可以降低光伏發電系統的棄電量，也可以有效實現光伏發電系統的有功功率實時跟蹤電網AGC調度指令功率曲線輸出，從而有效降低電網AGC考核，實現光儲系統的主動支撐作用。

4)通過光儲系統聯合運行的實證驗證，發現電池儲能系統多級控制的響應時間相對較長，需要3 s左右，響應精度較差。因此，為了更好的響應電網AGC調度要求，應選擇更匹配的電池儲能系統的結構控制或響應時間。