能源转型发展总体趋势是推动能源系统从化石能源主导的高碳结构,逐步向清洁能源主导的低碳/净零碳结构转变[1 ] .新能源对同步机组的逐步替代, 叠加其自身的不确定性、弱支撑性和低抗扰性, 导致电力系统惯量下降、调频备用容量不足, 给频率安全带来严峻挑战[2 ] .因此, 充分挖掘多样化调频资源调频能力并加强协同优化设计, 是解决电力系统频率安全问题的有效手段和必然趋势[3 -4 ] .
近年来, 电池储能在电力系统各个环节开始发挥不同的作用, 应用场景多样化.电池储能在调频中的策略涉及下垂控制、虚拟惯性控制、基于电池荷电状态(state of charge,SOC)的反馈调整出力等[5 -6 ] .电池储能与传统的火电机组、风光新能源共同配合, 在原有策略的基础上可以产生新的联合调频策略, 是更为有效的调频资源.火储联合调频策略是基于火电机组调频能力, 配套电池储能实现一次调频能力的补充[7 ] ;风储联合调频策略主要由分区、分频、预测控制等策略组成.文献[8 ]中在不同风速状况下, 根据风力机参与电网调频存在的不足, 提出考虑风电机组转速恢复需求的风储联合调频控制方法.文献[9 ]中采用离散傅里叶变换分析高频和低频调频需求, 提出依据区域调频需求灵活分配调节容量的策略.相比于风储联合调频, 光伏组件没有旋转部件, 降低了系统的等效惯量, 出力具有更强的随机波动性[10 ] .文献[11 ]中提出基于虚拟同步发电机的光储联合系统协调控制策略, 设计了提高大规模光伏接入稳定性的无功电流控制方法.综上, 现有控制策略主要是引入频率调差特性结合逆变器的控制, 火储、风储、光储调频策略差异化明显.
针对电池储能规划,国内外研究者从多角度开展了较为深入的研究.文献[12 ]中提出一种用于多电池储能系统的控制受限自适应动态规划算法, 该算法有效协调多个电池并优化其充电和放电行为.针对频率调节, 文献[13 ]中提出一种考虑虚拟惯量与一次调频的储能容量估算方法, 满足系统惯量需求.文献[14 ]中基于系统频率响应(system frequency response, SFR)模型, 提出一种限制频率最低值和频率变化速率的储能规划方法.文献[15 -16 ]中基于电力市场, 从储能参与调频的市场成本与收益角度出发优化调频策略.文献[17 ]中提供了一个数学框架, 用于优化电池储能系统的规划和控制, 实现利润最大化.综上, 考虑储能的优化配置问题需要考虑时序运行状态以充分发挥储能调节作用.基于风光火差异化调频策略的储能应用的相关研究主要围绕风储、火储和光储单类型的源储调控策略展开,其中相关研究占比火储最高,风储次之,光储再次之,风火储协同策略最低.风光火差异化调频策略的储能应用研究较少,未能充分发挥储能与其他电源之间的协同优势.
针对风光火电源投资商, 为改善传统火电厂调频性能, 满足新能源调频能力要求, 本文建立了基于差异化调频策略的电池储能与风光火多类型电源协同优化配置方法.首先,建立火储、风储、光储差异化联合调频策略, 实现对联合调频频率安全约束的表征;其次,提出内嵌式频率安全约束的电源侧电池储能优化配置方法; 该方法构建了一个多场景下耦合规划与机组组合的优化规划模型, 并采用考虑联合调频策略的高阶多机系统频率响应模型进行时域仿真校验, 通过反馈频率安全割迭代求解;最后,采用改进的IEEE 24节点系统验证所提策略有效性, 并探究弃能率上限和弃能成本变化带来的影响.
1 源储差异化调频策略
本文仅针对一次调频时段内,不考虑延迟,不再区分惯量响应和一次调频响应,以响应时间及相应功率来表征多元调频资源的差异性[18 ] .在频率安全约束中,考虑大功率缺额扰动带来的最严重场景,因此调频备用都是正备用.电池储能均以锂电池为研究对象,风电与光伏均以新能源场站的形式参与系统,而火电则依据算例包含了燃油、燃煤等多种形式.
针对不同类型的电池储能,设计不同调频策略,并且依据节点场站聚合[19 ] .其中,火电机组需要考虑新型电力系统的最低配储要求,因此配套储能主要用于提供调频备用.风电机组出力受到风速影响,所配储能需兼顾风电自身调频潜能来提供调频备用,还需平抑风电出力波动[20 -21 ] .光伏场站采用组串式系统,配套储能与光伏板共用并网逆变器是目前研究中的主要且有效方式之一,配套储能除了提供调频备用,还需要平抑光伏机组出力波动,同时兼顾逆变器出力上限[22 -23 ] .
1.1 火储联合调频策略
火电机组主要是通过调速器自动调整进气阀门或者蒸汽流量,实现秒级功率调整.但是,随着电力系统对火电机组调频能力要求进一步提高,火电机组自身无法满足系统需求.火储联合调频可以有效弥补原有火电机组调频能力不足.
(1) $\begin{array}{c}{{P}^{\mathrm{f}}}_{g,s,t}={\gamma }_{\mathrm{T}}{S}_{g}\end{array}$
式中:Pf g,s,t 为发电机组g 在场景s 时刻t 时的调频备用容量;${\gamma }_{\mathrm{T}}$ Sg 为发电机组容量.
考虑火储联合调频后,火电机组配套储能能够为火电场站提供的调频输出功率及配套储能放电上限分别表示为
(2) ${{P}^{\mathrm{f}}}_{e,s,t}=\sum _{e\in E\left(g\right)}{R}_{e}{S}_{e}{{T}^{\mathrm{R}}}_{e,s,t}{\nu }_{e,s,t}$
(3) ${{P}^{\mathrm{f}}}_{e,s,t}\le \sum _{e\in E\left(g\right)}{S}_{e}{\nu }_{e,s,t}$
式中:Pf e,s,t 为发电机组配套储能在场景s 时刻t 下储能e 的调频备用容量;Re 为电池储能1s内的单位容量调频速率;Se 为电池容量;TR e,s,t 为储能参与调频的时间;${\nu }_{e,s,t}$ E(g) 为发电机组g 所配储能机组集合.
任意时间与场景下,火电机组都需要保证火储联合调频的输出功率满足由于负荷波动带来的火电场站最低调频功率备用需求,即
(4) $\begin{array}{c}{{P}^{\mathrm{f}}}_{g,s,t}{\nu }_{g,s,t}+\sum _{e\in E\left(g\right)}{{P}^{\mathrm{f}}}_{e,s,t}\ge {\gamma }_{\mathrm{m}\mathrm{i}\mathrm{n}}{S}_{g}\end{array}$
式中:${\nu }_{g,s,t}$ s 时刻t 下机组g 的运行状态变量,0表示设备没有投入运行,1表示设备投入运行;γ min 为火电场站一次调频容量安全下限,取6%.
1.2 风储联合调频策略
与火电机组不同,风电机组出力具有一定波动性.由于风力发电机组结构中含有转子,其可通过减载等方式参与系统调频,所以风储联合调频策略既要平抑风电出力波动,又需为系统调频留出备用空间.
基于贝兹理论,风力机依据风速划分为启动风速区、低风速区、中风速区和高风速区.考虑风力机作为调频资源受到风速v 的影响,在场景s 时刻t 时风力机实际可发电功率与最大发电功率之间的比值为
(5) ${{K}^{\mathrm{w}}}_{g,s,t}=\left\{\begin{array}{ll}1,& {v}_{g,s,t}\ge {v}_{\mathrm{h}\mathrm{i}\mathrm{g}\mathrm{h}}\\ \frac{{v}_{g,s,t}^{3}-{v}_{\mathrm{l}\mathrm{o}\mathrm{w}}^{3}}{{v}_{\mathrm{h}\mathrm{i}\mathrm{g}\mathrm{h}}^{3}-{v}_{\mathrm{l}\mathrm{o}\mathrm{w}}^{3}},& {v}_{\mathrm{l}\mathrm{o}\mathrm{w}}<{v}_{g,s,t}<{v}_{\mathrm{h}\mathrm{i}\mathrm{g}\mathrm{h}}\\ 0,& {v}_{g,s,t}\le {v}_{\mathrm{l}\mathrm{o}\mathrm{w}}\end{array}\right.$
式中:v high 和v low 分别为风速的最大、最小值.
风力机出力预测误差服从正态分布,则风力机出力波动值如下式所示:
(6) $\begin{array}{c}{{P}^{\mathrm{s}}}_{g,s,t}={{P}^{\mathrm{w}}}_{g,\mathrm{m}\mathrm{a}\mathrm{x}}{x}_{\mathrm{H}}{{K}^{\mathrm{w}}}_{g,s,t}\end{array}$
式中:${{P}^{\mathrm{w}}}_{g,\mathrm{m}\mathrm{a}\mathrm{x}}$ x H 为风电机组出力波动系数,满足正态分布.
风储联合调频策略将风电机组与风力机配套储能并行控制,在安全范围内共同参与调频.表示为
(7) ${r}_{g,s,t}={\gamma }_{\mathrm{w}}{{P}^{\mathrm{w}}}_{g,\mathrm{m}\mathrm{a}\mathrm{x}}{\nu }_{g,s,t}{{K}^{\mathrm{w}}}_{g,s,t}$
(8) ${{P}^{\mathrm{f}}}_{g,s,t}\le {r}_{g,s,t}$
(9) $\left.\begin{array}{l}{{P}^{\mathrm{f}}}_{e,s,t}=\sum _{e\in E\left(g\right)}{R}_{e}{S}_{e}{{T}^{\mathrm{R}}}_{e,s,t}\\ {{P}^{\mathrm{s}}}_{e,s,t}+{{P}^{\mathrm{d}}}_{g,s,t}={{P}^{\mathrm{s}}}_{g,s,t}\\ {{P}^{\mathrm{s}}}_{e,s,t}+{{P}^{\mathrm{f}}}_{e,s,t}\le \sum _{e\in E\left(g\right)}{S}_{e}{\nu }_{e,s,t}\end{array}\right\}$
式中:rg,s,t 为风电机组的调频备用功率;${\gamma }_{\mathrm{w}}$ Ps e,s,t 为风电机组配套储能的平抑风电机组波动所需容量;Pd g,s,t 为新能源机组弃能量.
其中,式(7)为风电机组主动弃能所产生的调频备用容量,式(8)为风电机组调频容量限制约束,式(9)为风电机组配套储能出力约束,包含参与频率调节功率约束、参与波动平抑功率约束与总功率约束.
1.3 光储联合调频策略
组串式接线下的光储联合系统共用储能电池与光伏组件的并网逆变器,可有效降低投资成本,并充分利用逆变器空闲容量及储能电池容量.由于光伏组件无旋转部件,且其发电集中于日间,无法通过主动弃能提供稳定的调频备用,所以光伏组件不参与系统调频,始终运行于最大功率追踪点(MPPT)模式.
光伏出力预测误差同样服从正态分布,光伏出力波动值如下式所示:
(10) $\begin{array}{c}{{P}^{\mathrm{s}}}_{g,s,t}={{P}^{\mathrm{n}}}_{g,s,t}{x}_{\mathrm{U}}\end{array}$
式中:xU 为光伏机组出力波动系数,满足正态分布;Pn g,s,t 为光伏机组的预期发电值.
光储联合调频策略中,光伏机组配套储能需要兼顾光伏出力波动与系统调频需求.区别于风储联合调频策略,光伏机组不提供备用容量,场站依靠电池储能参与系统调频,并且电池受到共用逆变器的功率上限制约,表示为
(11) $\begin{array}{c}\left.\begin{array}{l}{{P}^{\mathrm{f}}}_{e,s,t}=\sum _{e\in E\left(g\right)}{R}_{e}{S}_{e}{{T}^{\mathrm{R}}}_{e,s,t}\\ {{P}^{\mathrm{s}}}_{e,s,t}+{{P}^{\mathrm{d}}}_{g,s,t}={{P}^{\mathrm{s}}}_{g,s,t}\\ {{P}^{\mathrm{s}}}_{e,s,t}+{{P}^{\mathrm{f}}}_{e,s,t}\le \sum _{e\in E\left(g\right)}{S}_{e}{\nu }_{e,s,t}\end{array}\right\}\end{array}$
(12) ${P}_{\mathrm{v}\mathrm{s}\mathrm{c}}\ge {{P}^{\mathrm{n}}}_{g,s,t}+\sum _{e\in E\left(g\right)}{{P}^{\mathrm{f}}}_{e,s,t}$
式中:P vsc 为逆变器最大功率.其中,式(11)为光伏配套储能出力约束,式(12)为逆变器最大功率约束.
2 多场景电源侧电池储能优化配置模型
建立电池储能协同优化配置模型,考虑以下几方面因素: ①规划的对象为火电、风电、光伏装机容量,及其配置的火储、风储、光储装机容量;②对风光荷场景聚类分析,并选取典型场景,构成以季节划分的4个时序场景集合;③规划的约束条件包含了长时间尺度规划约束与多场景下的短时间尺度机组组合约束;④增加以系统调频功率为考量的频率安全约束的考虑.
2.1 目标函数
以规划对象的投资成本F 1 、系统运维与惩罚成本F 2 之和最小为目标,目标函数表示如下:
(13) $\begin{array}{c}minF={F}_{1}+{F}_{2}\end{array}$
2.1.1 投资成本
投资成本包括发电机组(火电、风电、光伏)和电池储能两部分.由于系统运维与惩罚成本以年为周期,所以方案投资成本根据项目年限求得年均固定投资成本,即
(14) ${F}_{1}=(\sum _{g\in {G}_{\mathrm{N}\mathrm{G}}}{C}_{g}^{\mathrm{I}\mathrm{G}}{x}_{g}+\sum _{e\in {E}_{\mathrm{N}\mathrm{G}}}{C}_{e}^{\mathrm{I}\mathrm{E}}{x}_{e})\frac{i{(1+i)}^{N}}{{(1+i)}^{N}-1}$
式中:xg 、xe 分别为发电机组g 、电池储能e 的投建指示变量, 1表示投建,0表示不投建;${C}_{g}^{\mathrm{I}\mathrm{G}}$ ${C}_{g}^{\mathrm{I}\mathrm{E}}$ g 、电池储能e的投资成本;i 为贴现率;N 为项目周期;GNG 、ENG 分别为待建发电机组集合与待建电池集合.
2.1.2 运维与惩罚成本
规划方案的运维成本包括各场景下火电机组的开机成本和燃料成本、新能源机组的运维成本;惩罚成本包括新能源机组的弃能成本及系统的切负荷成本,其中弃能成本包含因波动造成的新能源弃能成本以及风电机组因备用容量主动弃能成本,如下式所示:
(15) $\begin{array}{l}{F}_{2}=\sum _{s\in S}{\pi }_{s}{T}_{\mathrm{D}}\sum _{t\in T}[\sum _{g\in {G}_{\mathrm{T}}\bigcup {G}_{\mathrm{N}\mathrm{T}}}({{C}^{\mathrm{T}}}_{g}{y}_{g,s,t}+{{C}^{\mathrm{G}}}_{g}{P}_{g,s,t})+\\ \sum _{g\in {G}_{\mathrm{R}}\bigcup {G}_{\mathrm{N}\mathrm{R}}}({{C}^{\mathrm{R}}}_{g}{P}_{g,s,t}+{{C}^{\mathrm{D}}}_{g}{{P}^{\mathrm{d}}}_{g,s,t})+\\ \sum _{g\in {G}_{\mathrm{H}}\bigcup {G}_{\mathrm{N}\mathrm{H}}}{{C}^{\mathrm{F}}}_{g}{r}_{g,s,t}+\sum _{b\in B}{{C}^{\mathrm{D}}}_{b}{{P}^{\mathrm{b}}}_{b,s,t}]\end{array}$
式中:${\pi }_{s}$ s 发生的概率;TD 为规划水平年的总时间,以天计;已建与待建发电机组集合分别为${G}_{\mathrm{G}}\in \left\{{G}_{\mathrm{T}},{G}_{\mathrm{H}},{G}_{\mathrm{U}}\right\}$ ${G}_{\mathrm{N}\mathrm{G}}\in \left\{{G}_{\mathrm{N}\mathrm{T}},{G}_{\mathrm{N}\mathrm{H}},{G}_{\mathrm{N}\mathrm{U}}\right\}$ ${G}_{\mathrm{R}}\in \left\{{G}_{\mathrm{H}},{G}_{\mathrm{U}}\right\}$ ${G}_{\mathrm{N}\mathrm{R}}\in \left\{{G}_{\mathrm{N}\mathrm{H}},{G}_{\mathrm{N}\mathrm{U}}\right\}$ CT g 为火电机组g 的开机成本;CG g 为火电机组g 的燃料成本;CR g 为新能源的运维成本;CD g 为新能源波动造成的弃能成本;CF g 为风电机组提供备用的主动弃能成本;CD b 为节点b的切负荷成本;yg,s,t 为场景s 时刻t 中火电机组g 的开机动作指示变量;rg,s,t 为场景s 时刻t 中机组g 的调频备用功率;Pg,s,t 、Pb b,s,t 分别为场景s 时刻t 中火电机组g 的发电功率以及节点b 的切负荷功率;S 为风光荷场景集合;T 为时间集合;B 为节点集合.
2.2 约束条件
2.2.1 长时间尺度规划约束
(16) $\begin{array}{l} \sum _{g\in {G}_{\mathrm{G}}}{P}_{g,\mathrm{m}\mathrm{a}\mathrm{x}}+\sum _{g\in {G}_{\mathrm{N}\mathrm{G}}}{P}_{g,\mathrm{m}\mathrm{a}\mathrm{x}}{x}_{g}+\sum _{g\in {G}_{\mathrm{R}}}\gamma {P}_{g,\mathrm{m}\mathrm{a}\mathrm{x}}+\\ \sum _{g\in {G}_{\mathrm{N}\mathrm{R}}}\gamma {P}_{g,\mathrm{m}\mathrm{a}\mathrm{x}}{x}_{g}\ge (1+{R}_{s}){P}_{\mathrm{D},\mathrm{m}\mathrm{a}\mathrm{x}}\end{array}$
式中:${P}_{g,\mathrm{m}\mathrm{a}\mathrm{x}}$ Rs 为系统总备用率;$\gamma $ ${P}_{\mathrm{D},\mathrm{m}\mathrm{a}\mathrm{x}}$
(17) $0\le \sum _{g\in {G}_{\mathrm{R}}\bigcup {G}_{\mathrm{N}\mathrm{R}}}{{P}^{\mathrm{d}}}_{g,s,t}{T}_{d}\le {\lambda }_{d}\sum _{g\in {G}_{\mathrm{R}}\bigcup {G}_{\mathrm{N}\mathrm{R}}}{P}_{g,s,t}{T}_{d}$
式中:λ d 为最大弃能比例,取5%;T d 为单位时间,取1 h.
(18) $\begin{array}{c}0\le \sum _{\forall b\in B}{{P}^{\mathrm{b}}}_{b,s,t}\le \sum _{\forall b\in B}{d}_{b,s,t}\end{array}$
2.2.2 短时间尺度机组组合约束
(19) $\begin{array}{l} \sum _{g\in {G}_{\mathrm{G}}\bigcup {G}_{\mathrm{N}\mathrm{G}}}{P}_{g,s,t}-\sum _{g\in {G}_{\mathrm{R}}\bigcup {G}_{\mathrm{N}\mathrm{R}}}{{P}^{\mathrm{d}}}_{g,s,t}+\\ \sum _{e\in {E}_{\mathrm{G}}\bigcup {E}_{\mathrm{N}\mathrm{G}}}({P}_{e,s,t}^{\mathrm{d}\mathrm{i}\mathrm{s}}-{P}_{e,s,t}^{\mathrm{c}\mathrm{h}})={d}_{b,s,t}-{{P}^{\mathrm{b}}}_{b,s,t}\end{array}$
式中:${P}_{e,s,t}^{\mathrm{d}\mathrm{i}\mathrm{s}}$ ${P}_{e,s,t}^{\mathrm{c}\mathrm{h}}$ s 时刻t 中电池e 的放电与充电功率;已建与待建电池集合分别为${E}_{\mathrm{G}}\in \left\{{E}_{\mathrm{T}},{E}_{\mathrm{H}},{E}_{\mathrm{U}}\right\}$ ${E}_{\mathrm{N}\mathrm{G}}\in \left\{{E}_{\mathrm{N}\mathrm{T}},{E}_{\mathrm{N}\mathrm{H}},{E}_{\mathrm{N}\mathrm{U}}\right\}$
(2) 火电机组开停机逻辑约束.开停机逻辑约束包括任何火电机组开停机指示变量互斥约束以及开停机指示变量与开停机状态的关系:
(20) $\begin{array}{c}\left.\begin{array}{l}{y}_{g,s,t}+{h}_{g,s,t}\le 1\\ {y}_{g,s,t}-{h}_{g,s,t}={\nu }_{g,s,t}-{\nu }_{g,s,t-1}\end{array}\right\}\end{array}$
式中:hg,s,t 表示场景s 时刻t 中常规机组g 的停机动作指示变量.
(3) 发电机组运行状态约束.任何发电机组开停机状态受到机组投建状态的限制,即未投建机组不存在开机可能性,表示为
(21) $\begin{array}{c}\left.\begin{array}{l}{\nu }_{g,s,t}\le {x}_{g}\\ {\nu }_{g,s,t}, {x}_{g}\in \left\{\mathrm{0,1}\right\}\end{array}\right\}\end{array}$
(4) 发电机组出力约束.任何发电机组出力约束受到开停机状态的影响,同时需要预留调频备用,表示为
(22) $\begin{array}{c}\left.\begin{array}{l}{P}_{g,s,t}+{r}_{g,s,t}\le {P}_{g,\mathrm{m}\mathrm{a}\mathrm{x}}{\nu }_{g,s,t}\\ {P}_{g,s,t}\ge {P}_{g,\mathrm{m}\mathrm{i}\mathrm{n}}{\nu }_{g,s,t}\\ {R}_{g}{S}_{g}{\nu }_{g,s,t}{{T}^{\mathrm{R}}}_{g,s,t}\le {r}_{g,s,t}\end{array}\right\}\end{array}$
式中:TR g,s,t 为调频时间常数,取一次调频最长时间限制;Rg 为火电机组1 s内的单位容量调频速率.
(23) ${P}_{g,s,t}-{P}_{g,s,t-1}\le {\delta }_{g,\mathrm{u}\mathrm{p}}$
(24) ${P}_{g,s,t-1}-{P}_{g,s,t}\le {\delta }_{g,\mathrm{d}\mathrm{o}\mathrm{w}\mathrm{n}}$
式中:${\delta }_{g,\mathrm{u}\mathrm{p}}$ ${\delta }_{g,\mathrm{d}\mathrm{o}\mathrm{w}\mathrm{n}}$ g 在单位时间间隔内的最大爬坡、下坡功率.
(6) 系统旋转备用约束.机组组合中需要配置足够旋转备用以应对系统波动,表示为
(25) $\begin{array}{c}\left.\begin{array}{l}\sum _{g\in {G}_{\mathrm{T}}\bigcup {G}_{\mathrm{N}\mathrm{T}}}({P}_{g,s,t}{\nu }_{g,s,t}-{P}_{g,\mathrm{m}\mathrm{i}\mathrm{n}}{\nu }_{g,s,t})\ge {S}_{\mathrm{r}}^{-}\\ \sum _{g\in {G}_{\mathrm{T}}\bigcup {G}_{\mathrm{N}\mathrm{T}}}({P}_{g,\mathrm{m}\mathrm{a}\mathrm{x}}{\nu }_{g,s,t}-{P}_{g,s,t}{\nu }_{g,s,t})\ge {S}_{\mathrm{r}}^{+}\end{array}\right\}\end{array}$
式中:${S}_{\mathrm{r}}^{+}$ ${S}_{\mathrm{r}}^{-}$
(7) 电池储能功率约束.任何电池储能功率约束包括放电功率约束、充电功率约束与充放电互斥约束:
(26) $\begin{array}{c}\left.\begin{array}{l}{{P}^{\mathrm{s}}}_{e,s,t}={P}_{e,s,t}^{\mathrm{d}\mathrm{i}\mathrm{s}}-{P}_{e,s,t}^{\mathrm{c}\mathrm{h}}\\ {\nu }_{e,s,t}^{\mathrm{d}\mathrm{i}\mathrm{s}}{P}_{e,\mathrm{m}\mathrm{i}\mathrm{n}}^{\mathrm{d}\mathrm{i}\mathrm{s}}\le {P}_{e,s,t}^{\mathrm{d}\mathrm{i}\mathrm{s}}\le {\nu }_{e,s,t}^{\mathrm{d}\mathrm{i}\mathrm{s}}{P}_{e,\mathrm{m}\mathrm{a}\mathrm{x}}^{\mathrm{d}\mathrm{i}\mathrm{s}}\\ {\nu }_{e,s,t}^{\mathrm{c}\mathrm{h}}{P}_{e,\mathrm{m}\mathrm{i}\mathrm{n}}^{\mathrm{c}\mathrm{h}}\le {P}_{e,s,t}^{\mathrm{c}\mathrm{h}}\le {\nu }_{e,s,t}^{\mathrm{c}\mathrm{h}}{P}_{e,\mathrm{m}\mathrm{a}\mathrm{x}}^{\mathrm{c}\mathrm{h}}\\ {\nu }_{e,s,t}^{\mathrm{c}\mathrm{h}}+{\nu }_{e,s,t}^{\mathrm{d}\mathrm{i}\mathrm{s}}\le 1\end{array}\right\}\end{array}$
式中:${P}_{e,\mathrm{m}\mathrm{i}\mathrm{n}}^{\mathrm{c}\mathrm{h}}$ ${P}_{e,\mathrm{m}\mathrm{a}\mathrm{x}}^{\mathrm{c}\mathrm{h}}$ e 的最小、最大充电功率;${P}_{e,\mathrm{m}\mathrm{i}\mathrm{n}}^{\mathrm{d}\mathrm{i}\mathrm{s}}$ ${P}_{e,\mathrm{m}\mathrm{a}\mathrm{x}}^{\mathrm{d}\mathrm{i}\mathrm{s}}$ e 的最小、最大放电功率;${\nu }_{e,s,t}^{\mathrm{d}\mathrm{i}\mathrm{s}}$ ${\nu }_{e,s,t}^{\mathrm{c}\mathrm{h}}$ e 的放电、充电指示变量.
(27) $\left.\begin{array}{l}{E}_{e,\mathrm{m}\mathrm{i}\mathrm{n}}\le {E}_{e,s,t}\le {E}_{e,\mathrm{m}\mathrm{a}\mathrm{x}}\\ {E}_{e,\mathrm{m}\mathrm{i}\mathrm{n}}{x}_{e}\le {E}_{e,s,t}\le {E}_{e,\mathrm{m}\mathrm{a}\mathrm{x}}{x}_{e}\end{array}\right\}$
(28) ${E}_{e,s,t}={E}_{e,s,t-1}-\left(\frac{{P}_{e,s,t}^{\mathrm{d}\mathrm{i}\mathrm{s}}}{{{\eta }^{\mathrm{d}}}_{e}}-{P}_{e,s,t}^{\mathrm{c}\mathrm{h}}{{\eta }^{\mathrm{c}}}_{e}\right)\mathrm{\Delta }T$
式中:Ee,s,t 为电池储能e 的储存容量;${E}_{e,\mathrm{m}\mathrm{i}\mathrm{n}}$ ${E}_{e,\mathrm{m}\mathrm{a}\mathrm{x}}$ e 的最小和最大存储电量;${{\eta }^{\mathrm{d}}}_{e}$ ${{\eta }^{\mathrm{c}}}_{e}$ e 的放电、充电效率;$\mathrm{\Delta }T$
其中,式(27)表示已建电池储能电量约束、待建电池储能电量约束,式(28)表示任何电池储能不同时刻电量计算式,共同构成电池荷电状态(SOC)管理.
(9) 联合调频频率安全约束:式(4)为火储联合调频约束,式(7)~(9)为风储联合调频约束,式(11)和(12)为光储联合调频约束.
针对不同调频资源,在调频过程中能够释放的频率响应功率不同,需要进行分类.其中:
(29) $\left.\begin{array}{l}{{T}^{\mathrm{R}}}_{g,s,t}\le {{T}^{\mathrm{R}}}_{ss,\mathrm{m}\mathrm{a}\mathrm{x}}\\ {{T}^{\mathrm{R}}}_{e,s,t}\le {{T}^{\mathrm{R}}}_{ss,\mathrm{m}\mathrm{a}\mathrm{x}}\end{array}\right\}$
(30) $\sum _{g\in {G}_{\mathrm{G}}\bigcup {G}_{\mathrm{N}\mathrm{G}}}{{P}^{\mathrm{f}}}_{g,s,t}{\nu }_{g,s,t}+\sum _{e\in {E}_{\mathrm{G}}\bigcup {E}_{\mathrm{N}\mathrm{G}}}{{P}^{\mathrm{f}}}_{e,s,t}\ge \mathrm{\Delta }{P}_{\mathrm{L}}$
式中:TR g,s,t 和TR e,s,t 分别为机组g 和电池e 的调频功率时间;${{T}^{\mathrm{R}}}_{ss,\mathrm{m}\mathrm{a}\mathrm{x}}$ $\mathrm{\Delta }{P}_{\mathrm{L}}$ $\mathrm{\Delta }{P}_{\mathrm{L}}$
3 时域仿真模型
优化模型从满足调频响应功率出发,实现利用限制可行域进行约束达到满足频率安全目标.但是,一方面,优化模型只能进行低阶约束,无法考虑诸如调频死区一类的限制;另一方面,调频响应功率的限制无法全面直观地展现调频效果.本文引入考虑联合调频策略的高阶多机系统频率响应模型作为补充,模型如图1 所示.图中:Km 为功率增益系数,H 为虚拟惯性常数,K 为下垂系数,T 为响应延时,下标T、H、U、E分别表示火储、风储、光储模块和各模块配储,s 为拉普拉斯算子;火储模块中,Tr 为再热时间常数;Tc 为原动机时间常数;Tg 为调速器时间常数;Fh 为高压缸做功比例;R1 为机组调差系数;Gb 为锅炉传递函数;惯性与负荷阻尼响应模块中,Heq 为等效惯性常数,D 为负荷阻尼系数,$\mathrm{\Delta }f$
图1
图1
高阶多机系统频率响应模型
Fig.1
Multi-generator SFR model
火储模块考虑了锅炉的影响[24 ] ,风储模块考虑了风速对风电机组调频能力的影响,引入实时风速v wind 求得风电机组调频输出上限.光伏机组与电池储能受到共用逆变器功率上限约束,因此引入P vsc 求得光伏配储的功率上限.
时域仿真模型在运行优化中需要满足如下约束条件:频率跌落最低值必须高于安全值,本文取49.25 Hz;频率跌落速率必须低于安全值,本文取0.5 Hz/s;包括惯性响应与一次调频响应的调频过程时间必须小于最大调频时长,本文取15 s;一次调频过程结束后,准稳态频率必须在标准频率的1%以内的安全区间,波动上限为0.5 Hz.
4 模型求解
模型求解示意图如图2 所示,包含规划模块、运行优化模块和时域仿真模块,规划模块以多场景电源侧电池储能优化配置模型为核心,时域仿真模块以高阶多机系统频率响应模型为主要内容.
图2
图2
规划模块示意图
Fig.2
Diagram of planning model
规划模块针对每一个场景进行时序运行模拟,包含联合调频频率安全约束条件,给出各时刻各源储设备运行状态并传递给时域仿真模块;时域仿真模块在设定大扰动下观测完整的频率响应过程,反馈安全割给运行优化模块;运行优化模块再向规划模块反馈运行成本等目标函数值,最终反复迭代得到源储协同优化配置方案,其中频率安全割约束以系统调频备用总容量形式表现.
为了提高求解效率,将数学优化问题分为主、子问题,利用数学优化求解器Gurobi以及仿真平台Simulink分别求解,主、子问题之间通过求解两阶段鲁棒优化(CCG)算法迭代收敛.主问题结合预测场景和反馈的最差场景求得规划方案,并提供目标函数下界值;子问题则在主问题基础上辨识最差场景,进行机组组合以及提供目标函数上界值,两者反复迭代最终使上下界值一致而算法收敛.在求解子问题得到机组组合结果后,将机组投运以及开停机状态输入到仿真模块,计算各调频资源的容量比值并输入到时域仿真模型中.
在仿真模型求解后得到仿真模型的频率动态过程,并与各项频率安全极限作比较.如果处于频率安全范围,则进入CCG算法约束判定;如果超出范围,则增加系统调频备用功率ΔP L ,调节步长为0.1 MW,模拟仿真的时间尺度为25 s.通过提升调频备用容量,实现频率割约束,提高系统调频能力,并重复子问题的求解.整体求解流程见附录图A1,频率跌落最低值、完成调频时间、准稳态频率以及最大调节频率速率都存在安全约束.
5 算例
5.1 算例介绍
采用改进的IEEE 24节点系统进行算例验证,见附录图A2.算例中待建火电机组、风电机组、光伏机组和电池储能单位投资成本分别为 3 500、5 500、4 000、6 000 元/kW.系统相关参数见附录表A1和A2,新能源机组因波动产生的弃能惩罚为500元/(MW·h);最大负荷为5.7 GW,切负荷成本为1 500 元/(MW·h),聚类得到依据各季节均等概率的4个场景,各场景标幺值见附录图A3.频率相关参数设定如下: 火电机组惯性常数以及调频响应时间根据容量划分,见附录表A2,风电场响应时间为2.25 s,下垂系数为25,电池响应时间为0.1 s;考虑系统内最大容量机组故障,瞬时最大不平衡功率为400 MW.
5.2 对比方案规划结果分析
方案1 不考虑频率安全约束,不规划储能,风光波动计入惩罚;
方案2 不考虑频率安全约束,可以规划储能调节风光波动,风电、光伏运行于MPPT模式;
方案3 考虑频率安全约束以及储能的规划,但是不采用差异化的联合调频策略,风电、光伏运行于MPPT模式;
方案4 考虑频率安全约束以及联合调频控制策略,允许风电机组主动弃能预留备用功率参与调频,在此方案下,由于风电弃能量在计划内,没有造成电网波动影响,风电主动弃能成本为100元/(MW·h).
5.2.1 对比方案成本和发电情况分析
按照本文方法分别求解不同方案下的装机结果如表1 所示,各规划方案的年化成本、发电情况如表2 所示.
方案1在不考虑调频需求以及储能投建的情况下,投建了1.54 GW风电与260 MW光伏机组,新能源发电比例为53.3%.尽管风光投建与运维成本低,但是风光波动性对电力系统存在极大负面影响,需要付出极高的弃能成本,达到2.323亿元,占总支出的9.6%.
相比方案1,方案2通过投建163 MW的储能实现新能源全部消纳,储能投资成本增加1.251亿元的同时,弃能成本减少2.323亿元,储能的投建使得新能源发电效率显著提高.风电与光伏机组容量分别减少300和100 MW,新能源机组的投建与发电运维成本也显著降低.
相较于方案2,方案3考虑频率安全,对频率跌落、调频速率等参数进行了约束,储能投建新增124 MW,投资增加1.047亿元,总投资增加1.074亿元,储能新增占总投资新增的97.5%.在考虑频率安全的情况下,需要电力系统新增大量的储能参与调频.
方案4考虑差异化储能调频策略,使得电力系统调频资源的调用效率提高.与方案3相比,电源投建没有变化,总成本降低了0.299亿元,其中配套储能投资减少0.481亿元,而新能源弃能成本增加0.151亿元.在方案4中,配套储能平抑波动需求与方案3相同,调频备用容量减少28 MW.在主动弃能成本的前提下,利用风电机组弃能,配合电池储能联合调频,极端场景能够减少28.5 MW的调配备用资源投入.
5.2.2 对比场景频率安全分析
以方案4为例,时域仿真阶段能够输出全时段频率响应过程,如图3 所示.对各场景中的极端情况进行分析,并提取关键指标,如图4 所示.
图3
图3
方案4全时段频率响应过程
Fig.3
Full-time frequency dynamic process of Scenario 4
图4
图4
极端情况频率响应过程
Fig.4
Frequency dynamic process of extreme cases
在各方案频率响应过程图中,方案1全时段都不能符合频率响应需求,而方案2~4调频能力基本相当,对各方案响应曲线提取频率响应关键指标,结果如表3 所示.
从图4 和表3 中的响应结果来看,方案1与方案2大幅低于频率响应安全值0.75 Hz,其中频率跌落分别为1.53、1.14 Hz,分别超过安全值104%和52%;调频时长分别为25.06、24.84 s,分别超过安全值67%、66%;准稳态频率差值也比极限值分别高出118%、62%,存在较大安全隐患,体现了频率安全约束的必要性.方案3与方案4受到频率安全约束的制约,都符合频率安全需求,各项指标也基本相当.
5.3 新能源弃能率上限影响分析
风电能参与系统调频并提供惯量支撑的空间,主要取决于其弃能比例的上限.根据风电机组与光伏机组特性以及调频策略可知,提高弃能率主要是释放风电调频能力.对于不同的弃能情况可以制定不同的规划方案,在风电机组弃能费用为100元/(MW·h) 的前提下,对比不同弃能比例上限下的规划结果,如表4 所示.总体来看,随着风光弃能比例上限增加,规划结果在0.5%上限至3%上限间,总成本不断降低;此后,随着弃能比例上限增加,规划方案不再改变.
总成本能够随着弃能率上限提高不断降低,是因为风电机组弃能提高使得储能的投资成本减少.新能源弃能需要支付一定的成本,因此只有在弃能成本增加量低于储能投资成本减少量时,风电机组释放的调频空间才能够取代储能在调频过程中的贡献.而随着弃能比例进一步增加,风电机组发电量受到较大影响,需要新建发电机组的情况下,弃能成本叠加新建发电机组成本会明显高于其产生收益,因此规划方案保持不变.从结果来看,在主动弃能费用为100元/(MW·h)的情况下,当弃能比例为2.73%时,总成本最低.
弃能成本与规划结果受到主动弃能费用的直接影响,故对比不同弃能费用以及弃能率下的规划方案总成本,结果如图5 所示.总体而言,单位弃能费用越低,系统能够利用风电弃能进行调频的空间越大,最终能够实现更低的总成本.当弃能费用高于300元/(MW·h)时,利用风电弃能进行系统调频不具有经济性,系统弃能率始终为0;当弃能费用处于150~250元/(MW·h)区间时,系统能够利用少量弃能降低成本,但效果有限,系统总成本最大降幅为0.084%;在弃能费用低于100元/(MW·h)时,系统能够有效利用弃能创造调频资源;弃能费用为50元/(MW·h)时,系统总成本能够降至22.205亿元.
图5
图5
不同弃能费用及弃能率下总成本
Fig.5
Total cost of different abandoned energy costs and abandonment rates
6 结论
本文提出包含火储、风储、光储联合调频策略在内的频率安全约束条件,建立基于风光火差异化调频策略的电池储能协同优化配置模型,加强了电池储能作为优质调频调峰资源的灵活性.对比分析不同方案的规划结果,验证了方法有效性,结论如下:
(1) 阐述了不同发电机组的调频特性以及与其配储的调频策略,其中火储因其稳定的调频性能,发挥频率安全的中流砥柱作用,但是建设与运维成本也较高,应当作为新能源备用释放后投入的调频资源.尽管新能源机组具有波动性强的缺点,但是在特定场景下具有成为调频备用资源的潜力.其中,风电机组调频特性优于光伏机组,并且在未来电力系统的部分区域中,风电机组拥有较高占比,少量的风力机弃能能够预留出可观的调频备用参与系统调节.
(2) 探究不同方案的规划结果,发现投建储能以及频率安全约束具有必要性,同时得出在考虑频率安全的前提下,联合调频能够更好地利用现有的设备参与调频,减少调频资源的投入,提高系统灵活性和经济性.在电力系统的实际运行中,风电机组可预留2%左右的功率作为调频资源,有望降低系统综合成本.
(3) 探究不同弃能率上限以及不同弃能费用下的规划结果,得出在联合调频策略下,弃能率上限提高并不能使得总成本不断下降,利用弃能创造的调频空间有限.同时,弃能费用与系统最优方案的弃能率负相关,弃能费用越低,规划结果中弃能比例越大.
本文所讨论的储能规划方案仍是单一的电化学储能,在实际应用场景中,电化学、飞轮、压缩空气等多种储能方式具有不同的调频特性,源储规划问题仍有挖掘空间.
附录见本刊网络版(xuebao.sjtu.edu.cn/CN/10.16183/j.cnki.jsjtu.2024.334)
参考文献
View Option
[1]
辛保安 , 单葆国 , 李琼慧 , 等 . “双碳” 目标下“能源三要素” 再思考
[J]. 中国电机工程学报 2022 , 42 (9 ): 3117 -3126 .
[本文引用: 1]
XIN Baoan SHAN Baoguo LI Qionghui et al . Rethinking of the “three elements of energy” toward carbon peak and carbon neutrality
[J]. Proceedings of the CSEE 2022 , 42 (9 ): 3117 -3126 .
[本文引用: 1]
[2]
汪梦军 , 郭剑波 , 马士聪 , 等 . 新能源电力系统暂态频率稳定分析与调频控制方法综述
[J]. 中国电机工程学报 2023 , 43 (5 ): 1672 -1693 .
[本文引用: 1]
WANG Mengjun GUO Jianbo MA Shicong et al . Review of transient frequency stability analysis and frequency regulation control methods for renewable power systems
[J]. Proceedings of the CSEE 2023 , 43 (5 ): 1672 -1693 .
[本文引用: 1]
[3]
滕贤亮 , 谈超 , 昌力 , 等 . 高比例新能源电力系统有功功率与频率控制研究综述及展望
[J]. 电力系统自动化 2023 , 47 (15 ): 12 -35 .
[本文引用: 1]
TENG Xianliang TAN Chao CHANG Li et al . Review and prospect of research on active power and frequency control in power system with high proportion of renewable energy
[J]. Automation of Electric Power Systems 2023 , 47 (15 ): 12 -35 .
[本文引用: 1]
[4]
张程铭 , 柳璐 , 程浩忠 , 等 . 考虑频率安全的电力系统规划与运行优化研究综述与展望
[J]. 电网技术 2022 , 46 (1 ): 250 -265 .
[本文引用: 1]
ZHANG Chengming LIU Lu CHENG Haozhong et al . Review and prospects of planning and operation optimization for electrical power systems considering frequency security
[J]. Power System Technology 2022 , 46 (1 ): 250 -265 .
[本文引用: 1]
[5]
SUN M MIN Y XIONG X J et al . Practical realization of optimal auxiliary frequency control strategy of wind turbine generator
[J]. Journal of Modern Power Systems and Clean Energy 2022 , 10 (3 ): 617 -626 .
[本文引用: 1]
[6]
周涛 , 黄菊 , 韩汝帅 , 等 . 综合惯性控制下风力机惯性支撑能力分析及等效惯量评估
[J]. 上海交通大学学报 2024 , 58 (12 ): 1915 -1924 .
DOI:10.16183/j.cnki.jsjtu.2023.161
[本文引用: 1]
针对可再生能源高占比并网所引发的新型电力系统频率安全问题,风电机组多采用综合惯性控制为电力系统提供惯量及一次调频支撑.为更好地把握系统的惯量安全水平,保障电网频率稳定,首先对采用综合惯性控制的风电机组进行动态建模,根据风力机蕴含的动能及其对电网提供的频率支撑推导出风力机的有效惯量.然后,建立综合惯性控制下包含风力机的系统频率响应模型,得到风力机调频过程中有效惯性时间常数的解析式并进行惯性支撑能力分析.根据“等面积原理”推导出综合惯性控制下风力机参与调频过程的等效惯量评估方法,该方法能够对风力机提供的惯性支撑能力进行分析并给出量化结果.最后,通过算例分析验证了所提方法的有效性和可行性,并分析了不同因素对风力机等效惯量的影响.
ZHOU Tao HUANG Ju HAN Rushuai et al . Inertial support capacity analysis and equivalent inertia estimation of wind turbines in integrated inertial control
[J]. Journal of Shanghai Jiao Tong University 2024 , 58 (12 ): 1915 -1924 .
[本文引用: 1]
[7]
米阳 , 何进 , 卢长坤 , 等 . 计及新能源并网的火储联合调峰运行优化研究
[J]. 中国电机工程学报 2025 , 45 (5 ): 1704 -1715 .
[本文引用: 1]
MI Yang HE Jin LU Changkun et al . Research on optimization of thermal storage combined peak shaving operation considering new energy grid connection
[J]. Proceedings of the CSEE 2025 , 45 (5 ): 1704 -1715 .
[本文引用: 1]
[8]
梁恺 , 彭晓涛 , 秦世耀 , 等 . 基于协同控制优化风储系统频率响应的策略研究
[J]. 中国电机工程学报 2021 , 41 (8 ): 2628 -2640 .
[本文引用: 1]
LIANG Kai PENG Xiaotao QIN Shiyao et al . Study on synergetic control strategy for optimizing frequency response of wind farm augmented with energy storage system
[J]. Proceedings of the CSEE 2021 , 41 (8 ): 2628 -2640 .
[本文引用: 1]
[9]
李忠文 , 柏宁宁 , 程志平 , 等 . 新型电力系统中异质调频机组分布式协同AGC方法研究
[J]. 电网技术 2024 , 48 (6 ): 2327 -2335 .
[本文引用: 1]
LI Zhongwen BAI Ningning CHENG Zhiping et al . Distributed collaborative AGC method for heterogeneous frequency regulation units in new power systems
[J]. Power System Technology 2024 , 48 (6 ): 2327 -2335 .
[本文引用: 1]
[10]
王语阳 , 张琛 , 张宇 , 等 . 提升弱网有功稳定输出能力的光伏逆变器Q -V 下垂系数在线调整方法
[J/OL]. 上海交通大学学报 https://doi.org/10.16183/j.cnki.jsjtu.2023.353 .
URL
[本文引用: 1]
WANG Yuyang ZHANG Chen ZHANG Yu et al . Online adjustment method for Q -V droop coefficient of photovoltaic inverters to enhance the stable output capability of weak grid active power
[J/OL]. Journal of Shanghai Jiao Tong University https://doi.org/10.16183/j.cnki.jsjtu.2023.353 .
URL
[本文引用: 1]
[11]
高建瑞 , 李国杰 , 汪可友 , 等 . 考虑储能充放电功率限制的并网光储虚拟同步机控制
[J]. 电力系统自动化 2020 , 44 (4 ): 134 -141 .
[本文引用: 1]
GAO Jianrui LI Guojie WANG Keyou et al . Control of grid-connected PV-battery virtual synchronous machine considering battery charging/discharging power limit
[J]. Automation of Electric Power Systems 2020 , 44 (4 ): 134 -141 .
[本文引用: 1]
[12]
ZHU Y H ZHAO D B LI X J et al . Control-limited adaptive dynamic programming for multi-battery energy storage systems
[J]. IEEE Transactions on Smart Grid 2019 , 10 (4 ): 4235 -4244 .
[本文引用: 1]
[13]
李兆伟 , 方勇杰 , 李威 , 等 . 电化学储能应用于电网频率安全防御三道防线的探讨
[J]. 电力系统自动化 2020 , 44 (8 ): 1 -7 .
[本文引用: 1]
LI Zhaowei FANG Yongjie LI Wei et al . Discussion on application of electrochemical energy storage in three defense lines of power grid frequency
[J]. Automation of Electric Power Systems 2020 , 44 (8 ): 1 -7 .
[本文引用: 1]
[14]
李建林 , 屈树慷 , 马速良 , 等 . 电池储能系统辅助电网调频控制策略研究
[J]. 太阳能学报 2023 , 44 (3 ): 326 -335 .
DOI:10.19912/j.0254-0096.tynxb.2021-1297
[本文引用: 1]
伴随中国新能源迅猛发展所导致电网频率波动等问题,电池储能广泛应用于辅助传统机组参与调频服务。该文首先梳理中国现有储能相关政策及相关文献,总结储能辅助调频市场环境演变规律,然后,重点分析传统机组调频及电池储能系统参与一次调频的原理过程,详细比对虚拟下垂控制与虚拟惯性控制策略的差异性特点;电池储能系统参与二次调频进行深度剖析,并对阶段功率分配作出详尽分析,同时提出考虑多约束条件的控制策略模型,为储能电站参与调频出力提供有效参考依据。最后,针对储能系统的未来发展提出建设性意见,并对下一步的研究方向做出展望。
LI Jianlin QU Shukang MA Suliang et al . Research on frequency modulation control strategy of auxiliary power grid in battery energy storage system
[J]. Acta Energiae Solaris Sinica 2023 , 44 (3 ): 326 -335 .
[本文引用: 1]
[15]
许高秀 , 王旭 , 邓晖 , 等 . 考虑调频需求及风光出力不确定性的储能系统参与能量-调频市场运行策略
[J]. 电网技术 2023 , 47 (6 ): 2317 -2330 .
[本文引用: 1]
XU Gaoxiu WANG Xu DENG Hui et al . Optimal operation strategy of energy storage system’s participation in energy and regulation market considering uncertainties of regulation requirements and wind-photovoltaic output
[J]. Power System Technology 2023 , 47 (6 ): 2317 -2330 .
[本文引用: 1]
[16]
陆秋瑜 , 杨银国 , 谢平平 , 等 . 适应储能参与的调频辅助服务市场机制设计及调度策略
[J]. 电网技术 2023 , 47 (12 ): 4971 -4989 .
[本文引用: 1]
LU Qiuyu YANG Yinguo XIE Pingping et al . Market mechanism design and scheduling strategy of auxiliary services for frequency control adapting to energy storage participation
[J]. Power System Technology 2023 , 47 (12 ): 4971 -4989 .
[本文引用: 1]
[17]
ZHANG Y J A ZHAO C H TANG W R et al . Profit-maximizing planning and control of battery energy storage systems for primary frequency control
[J]. IEEE Transactions on Smart Grid 2018 , 9 (2 ): 712 -723 .
[本文引用: 1]
[18]
杨银国 , 冯胤颖 , 魏韡 , 等 . 基于可消纳区间的风-火-储大基地日前-实时协同调度
[J/OL]. 上海交通大学学报
URL
[本文引用: 1]
YANG Yinguo FENG Yinying WEI Wei et al . Wind-fire-storage base day-ahead real-time collaborative scheduling based on the dissipable interval
[J/OL]. Journal of Shanghai Jiao Tong University
URL
[本文引用: 1]
[23]
ZHOU Xia CHEN Wenjian DAI Jianfeng et al . Black-start coordinated control strategy of optical storage microgrid considering distributed energy storage SOC balance
[J/OL]. Journal of Shanghai Jiao Tong University
URL
[本文引用: 1]
[24]
毛颖群 , 张建平 , 程浩忠 , 等 . 考虑频率安全约束及风电综合惯性控制的电力系统机组组合
[J]. 电力系统保护与控制 2022 , 50 (11 ): 61 -70 .
[本文引用: 1]
MAO Yingqun ZHANG Jianping CHENG Haozhong et al . Unit commitment of a power system considering frequency safety constraint and wind power integrated inertial control
[J]. Power System Protection and Control 2022 , 50 (11 ): 61 -70 .
[本文引用: 1]
[19]
沈阳武 , 宋兴荣 , 罗紫韧 , 等 . 基于模型预测控制的分布式储能型风力发电场惯性控制策略
[J]. 上海交通大学学报 2022 , 56 (10 ): 1285 -1293 .
DOI:10.16183/j.cnki.jsjtu.2022.134
[本文引用: 1]
分布式储能型(DES)风力发电机组是解决规模化风力发电接入引起系统频率稳定问题的有效手段.提出一种基于模型预测控制(MPC)的分布式储能型风力发电场惯性控制方法,首先建立分布式储能型风力发电场的线性化预测模型,在此基础上结合MPC控制框架,设计考虑储能损耗成本和风机转子转速均衡变化的MPC惯性控制优化模型和策略,以实现惯量控制期间风力发电机组转子转速的均衡变化.仿真结果表明:所提控制策略可以有效协调分布式储能型风力发电机组中风力发电单元和储能系统单元的有功功率输出,降低储能系统的充放电损耗成本,并保证风力发电场内所有风机转速在惯性控制期间趋于平均,避免由于风机转速下降过度而导致风力发电机组退出调频的问题.分布式储能型风力发电场惯性控制策略有利于提高电网频率稳定性,对保障电网的安全运行具有重要意义.
SHEN Yangwu SONG Xingrong LUO Ziren et al . Inertial control strategy for wind farm with distributed energy storage system based on model predictive control
[J]. Journal of Shanghai Jiao Tong University 2022 , 56 (10 ): 1285 -1293 .
[本文引用: 1]
[20]
NGUYEN N ALMASABI S BERA A et al . Optimal power flow incorporating frequency security constraint
[J]. IEEE Transactions on Industry Applications 2019 , 55 (6 ): 6508 -6516 .
[本文引用: 1]
[21]
成明洋 , 邢海军 , 米阳 , 等 . 考虑风光储场站参与灵活爬坡的两阶段市场联合出清
[J/OL]. 上海交通大学学报
URL
[本文引用: 1]
CHENG Mingyang XING Haijun MI Yang et al . Considering the participation of wind and solar storage stations in the two-stage market joint clearing of flexible climbing
[J/OL]. Journal of Shanghai Jiao Tong University
URL
[本文引用: 1]
[22]
郭咏涛 , 向月 , 刘俊勇 . 面向高比例清洁能源消纳的含灵活性资源电力系统规划方案优选
[J]. 上海交通大学学报 2023 , 57 (9 ): 1146 -1155 .
DOI:10.16183/j.cnki.jsjtu.2022.269
[本文引用: 1]
高比例清洁能源具有波动性及间歇性等特点,其大规模接入给电力系统灵活性带来巨大挑战.为提升系统可再生能源消纳能力,考虑火电灵活性改造、投建燃气机组和投建储能的多种灵活性资源,建立一种计及多类型灵活性资源功率特性的电力系统规划方案优选模型.通过改进的IEEE 24节点电力系统和12节点天然气互联系统进行仿真分析,验证所提模型的有效性,并从经济性、消纳能力、低碳性等角度对灵活性规划方案进行优选以满足不同的规划需求.
GUO Yongtao XIANG Yue LIU Junyong . Optimal planning of power systems with flexible resources for high penetrated renewable energy accommodation
[J]. Journal of Shanghai Jiao Tong University 2023 , 57 (9 ): 1146 -1155 .
[本文引用: 1]
[23]
周霞 , 陈文剑 , 戴剑丰 , 等 . 考虑分布式储能SOC均衡的光储微网黑启动协调控制策略
[J/OL]. 上海交通大学学报
URL
[本文引用: 1]
“双碳” 目标下“能源三要素” 再思考
1
2022
... 能源转型发展总体趋势是推动能源系统从化石能源主导的高碳结构,逐步向清洁能源主导的低碳/净零碳结构转变[1 ] .新能源对同步机组的逐步替代, 叠加其自身的不确定性、弱支撑性和低抗扰性, 导致电力系统惯量下降、调频备用容量不足, 给频率安全带来严峻挑战[2 ] .因此, 充分挖掘多样化调频资源调频能力并加强协同优化设计, 是解决电力系统频率安全问题的有效手段和必然趋势[3 -4 ] . ...
Rethinking of the “three elements of energy” toward carbon peak and carbon neutrality
1
2022
... 能源转型发展总体趋势是推动能源系统从化石能源主导的高碳结构,逐步向清洁能源主导的低碳/净零碳结构转变[1 ] .新能源对同步机组的逐步替代, 叠加其自身的不确定性、弱支撑性和低抗扰性, 导致电力系统惯量下降、调频备用容量不足, 给频率安全带来严峻挑战[2 ] .因此, 充分挖掘多样化调频资源调频能力并加强协同优化设计, 是解决电力系统频率安全问题的有效手段和必然趋势[3 -4 ] . ...
新能源电力系统暂态频率稳定分析与调频控制方法综述
1
2023
... 能源转型发展总体趋势是推动能源系统从化石能源主导的高碳结构,逐步向清洁能源主导的低碳/净零碳结构转变[1 ] .新能源对同步机组的逐步替代, 叠加其自身的不确定性、弱支撑性和低抗扰性, 导致电力系统惯量下降、调频备用容量不足, 给频率安全带来严峻挑战[2 ] .因此, 充分挖掘多样化调频资源调频能力并加强协同优化设计, 是解决电力系统频率安全问题的有效手段和必然趋势[3 -4 ] . ...
Review of transient frequency stability analysis and frequency regulation control methods for renewable power systems
1
2023
... 能源转型发展总体趋势是推动能源系统从化石能源主导的高碳结构,逐步向清洁能源主导的低碳/净零碳结构转变[1 ] .新能源对同步机组的逐步替代, 叠加其自身的不确定性、弱支撑性和低抗扰性, 导致电力系统惯量下降、调频备用容量不足, 给频率安全带来严峻挑战[2 ] .因此, 充分挖掘多样化调频资源调频能力并加强协同优化设计, 是解决电力系统频率安全问题的有效手段和必然趋势[3 -4 ] . ...
高比例新能源电力系统有功功率与频率控制研究综述及展望
1
2023
... 能源转型发展总体趋势是推动能源系统从化石能源主导的高碳结构,逐步向清洁能源主导的低碳/净零碳结构转变[1 ] .新能源对同步机组的逐步替代, 叠加其自身的不确定性、弱支撑性和低抗扰性, 导致电力系统惯量下降、调频备用容量不足, 给频率安全带来严峻挑战[2 ] .因此, 充分挖掘多样化调频资源调频能力并加强协同优化设计, 是解决电力系统频率安全问题的有效手段和必然趋势[3 -4 ] . ...
Review and prospect of research on active power and frequency control in power system with high proportion of renewable energy
1
2023
... 能源转型发展总体趋势是推动能源系统从化石能源主导的高碳结构,逐步向清洁能源主导的低碳/净零碳结构转变[1 ] .新能源对同步机组的逐步替代, 叠加其自身的不确定性、弱支撑性和低抗扰性, 导致电力系统惯量下降、调频备用容量不足, 给频率安全带来严峻挑战[2 ] .因此, 充分挖掘多样化调频资源调频能力并加强协同优化设计, 是解决电力系统频率安全问题的有效手段和必然趋势[3 -4 ] . ...
考虑频率安全的电力系统规划与运行优化研究综述与展望
1
2022
... 能源转型发展总体趋势是推动能源系统从化石能源主导的高碳结构,逐步向清洁能源主导的低碳/净零碳结构转变[1 ] .新能源对同步机组的逐步替代, 叠加其自身的不确定性、弱支撑性和低抗扰性, 导致电力系统惯量下降、调频备用容量不足, 给频率安全带来严峻挑战[2 ] .因此, 充分挖掘多样化调频资源调频能力并加强协同优化设计, 是解决电力系统频率安全问题的有效手段和必然趋势[3 -4 ] . ...
Review and prospects of planning and operation optimization for electrical power systems considering frequency security
1
2022
... 能源转型发展总体趋势是推动能源系统从化石能源主导的高碳结构,逐步向清洁能源主导的低碳/净零碳结构转变[1 ] .新能源对同步机组的逐步替代, 叠加其自身的不确定性、弱支撑性和低抗扰性, 导致电力系统惯量下降、调频备用容量不足, 给频率安全带来严峻挑战[2 ] .因此, 充分挖掘多样化调频资源调频能力并加强协同优化设计, 是解决电力系统频率安全问题的有效手段和必然趋势[3 -4 ] . ...
Practical realization of optimal auxiliary frequency control strategy of wind turbine generator
1
2022
... 近年来, 电池储能在电力系统各个环节开始发挥不同的作用, 应用场景多样化.电池储能在调频中的策略涉及下垂控制、虚拟惯性控制、基于电池荷电状态(state of charge,SOC)的反馈调整出力等[5 -6 ] .电池储能与传统的火电机组、风光新能源共同配合, 在原有策略的基础上可以产生新的联合调频策略, 是更为有效的调频资源.火储联合调频策略是基于火电机组调频能力, 配套电池储能实现一次调频能力的补充[7 ] ;风储联合调频策略主要由分区、分频、预测控制等策略组成.文献[8 ]中在不同风速状况下, 根据风力机参与电网调频存在的不足, 提出考虑风电机组转速恢复需求的风储联合调频控制方法.文献[9 ]中采用离散傅里叶变换分析高频和低频调频需求, 提出依据区域调频需求灵活分配调节容量的策略.相比于风储联合调频, 光伏组件没有旋转部件, 降低了系统的等效惯量, 出力具有更强的随机波动性[10 ] .文献[11 ]中提出基于虚拟同步发电机的光储联合系统协调控制策略, 设计了提高大规模光伏接入稳定性的无功电流控制方法.综上, 现有控制策略主要是引入频率调差特性结合逆变器的控制, 火储、风储、光储调频策略差异化明显. ...
综合惯性控制下风力机惯性支撑能力分析及等效惯量评估
1
2024
... 近年来, 电池储能在电力系统各个环节开始发挥不同的作用, 应用场景多样化.电池储能在调频中的策略涉及下垂控制、虚拟惯性控制、基于电池荷电状态(state of charge,SOC)的反馈调整出力等[5 -6 ] .电池储能与传统的火电机组、风光新能源共同配合, 在原有策略的基础上可以产生新的联合调频策略, 是更为有效的调频资源.火储联合调频策略是基于火电机组调频能力, 配套电池储能实现一次调频能力的补充[7 ] ;风储联合调频策略主要由分区、分频、预测控制等策略组成.文献[8 ]中在不同风速状况下, 根据风力机参与电网调频存在的不足, 提出考虑风电机组转速恢复需求的风储联合调频控制方法.文献[9 ]中采用离散傅里叶变换分析高频和低频调频需求, 提出依据区域调频需求灵活分配调节容量的策略.相比于风储联合调频, 光伏组件没有旋转部件, 降低了系统的等效惯量, 出力具有更强的随机波动性[10 ] .文献[11 ]中提出基于虚拟同步发电机的光储联合系统协调控制策略, 设计了提高大规模光伏接入稳定性的无功电流控制方法.综上, 现有控制策略主要是引入频率调差特性结合逆变器的控制, 火储、风储、光储调频策略差异化明显. ...
Inertial support capacity analysis and equivalent inertia estimation of wind turbines in integrated inertial control
1
2024
... 近年来, 电池储能在电力系统各个环节开始发挥不同的作用, 应用场景多样化.电池储能在调频中的策略涉及下垂控制、虚拟惯性控制、基于电池荷电状态(state of charge,SOC)的反馈调整出力等[5 -6 ] .电池储能与传统的火电机组、风光新能源共同配合, 在原有策略的基础上可以产生新的联合调频策略, 是更为有效的调频资源.火储联合调频策略是基于火电机组调频能力, 配套电池储能实现一次调频能力的补充[7 ] ;风储联合调频策略主要由分区、分频、预测控制等策略组成.文献[8 ]中在不同风速状况下, 根据风力机参与电网调频存在的不足, 提出考虑风电机组转速恢复需求的风储联合调频控制方法.文献[9 ]中采用离散傅里叶变换分析高频和低频调频需求, 提出依据区域调频需求灵活分配调节容量的策略.相比于风储联合调频, 光伏组件没有旋转部件, 降低了系统的等效惯量, 出力具有更强的随机波动性[10 ] .文献[11 ]中提出基于虚拟同步发电机的光储联合系统协调控制策略, 设计了提高大规模光伏接入稳定性的无功电流控制方法.综上, 现有控制策略主要是引入频率调差特性结合逆变器的控制, 火储、风储、光储调频策略差异化明显. ...
计及新能源并网的火储联合调峰运行优化研究
1
2025
... 近年来, 电池储能在电力系统各个环节开始发挥不同的作用, 应用场景多样化.电池储能在调频中的策略涉及下垂控制、虚拟惯性控制、基于电池荷电状态(state of charge,SOC)的反馈调整出力等[5 -6 ] .电池储能与传统的火电机组、风光新能源共同配合, 在原有策略的基础上可以产生新的联合调频策略, 是更为有效的调频资源.火储联合调频策略是基于火电机组调频能力, 配套电池储能实现一次调频能力的补充[7 ] ;风储联合调频策略主要由分区、分频、预测控制等策略组成.文献[8 ]中在不同风速状况下, 根据风力机参与电网调频存在的不足, 提出考虑风电机组转速恢复需求的风储联合调频控制方法.文献[9 ]中采用离散傅里叶变换分析高频和低频调频需求, 提出依据区域调频需求灵活分配调节容量的策略.相比于风储联合调频, 光伏组件没有旋转部件, 降低了系统的等效惯量, 出力具有更强的随机波动性[10 ] .文献[11 ]中提出基于虚拟同步发电机的光储联合系统协调控制策略, 设计了提高大规模光伏接入稳定性的无功电流控制方法.综上, 现有控制策略主要是引入频率调差特性结合逆变器的控制, 火储、风储、光储调频策略差异化明显. ...
Research on optimization of thermal storage combined peak shaving operation considering new energy grid connection
1
2025
... 近年来, 电池储能在电力系统各个环节开始发挥不同的作用, 应用场景多样化.电池储能在调频中的策略涉及下垂控制、虚拟惯性控制、基于电池荷电状态(state of charge,SOC)的反馈调整出力等[5 -6 ] .电池储能与传统的火电机组、风光新能源共同配合, 在原有策略的基础上可以产生新的联合调频策略, 是更为有效的调频资源.火储联合调频策略是基于火电机组调频能力, 配套电池储能实现一次调频能力的补充[7 ] ;风储联合调频策略主要由分区、分频、预测控制等策略组成.文献[8 ]中在不同风速状况下, 根据风力机参与电网调频存在的不足, 提出考虑风电机组转速恢复需求的风储联合调频控制方法.文献[9 ]中采用离散傅里叶变换分析高频和低频调频需求, 提出依据区域调频需求灵活分配调节容量的策略.相比于风储联合调频, 光伏组件没有旋转部件, 降低了系统的等效惯量, 出力具有更强的随机波动性[10 ] .文献[11 ]中提出基于虚拟同步发电机的光储联合系统协调控制策略, 设计了提高大规模光伏接入稳定性的无功电流控制方法.综上, 现有控制策略主要是引入频率调差特性结合逆变器的控制, 火储、风储、光储调频策略差异化明显. ...
基于协同控制优化风储系统频率响应的策略研究
1
2021
... 近年来, 电池储能在电力系统各个环节开始发挥不同的作用, 应用场景多样化.电池储能在调频中的策略涉及下垂控制、虚拟惯性控制、基于电池荷电状态(state of charge,SOC)的反馈调整出力等[5 -6 ] .电池储能与传统的火电机组、风光新能源共同配合, 在原有策略的基础上可以产生新的联合调频策略, 是更为有效的调频资源.火储联合调频策略是基于火电机组调频能力, 配套电池储能实现一次调频能力的补充[7 ] ;风储联合调频策略主要由分区、分频、预测控制等策略组成.文献[8 ]中在不同风速状况下, 根据风力机参与电网调频存在的不足, 提出考虑风电机组转速恢复需求的风储联合调频控制方法.文献[9 ]中采用离散傅里叶变换分析高频和低频调频需求, 提出依据区域调频需求灵活分配调节容量的策略.相比于风储联合调频, 光伏组件没有旋转部件, 降低了系统的等效惯量, 出力具有更强的随机波动性[10 ] .文献[11 ]中提出基于虚拟同步发电机的光储联合系统协调控制策略, 设计了提高大规模光伏接入稳定性的无功电流控制方法.综上, 现有控制策略主要是引入频率调差特性结合逆变器的控制, 火储、风储、光储调频策略差异化明显. ...
Study on synergetic control strategy for optimizing frequency response of wind farm augmented with energy storage system
1
2021
... 近年来, 电池储能在电力系统各个环节开始发挥不同的作用, 应用场景多样化.电池储能在调频中的策略涉及下垂控制、虚拟惯性控制、基于电池荷电状态(state of charge,SOC)的反馈调整出力等[5 -6 ] .电池储能与传统的火电机组、风光新能源共同配合, 在原有策略的基础上可以产生新的联合调频策略, 是更为有效的调频资源.火储联合调频策略是基于火电机组调频能力, 配套电池储能实现一次调频能力的补充[7 ] ;风储联合调频策略主要由分区、分频、预测控制等策略组成.文献[8 ]中在不同风速状况下, 根据风力机参与电网调频存在的不足, 提出考虑风电机组转速恢复需求的风储联合调频控制方法.文献[9 ]中采用离散傅里叶变换分析高频和低频调频需求, 提出依据区域调频需求灵活分配调节容量的策略.相比于风储联合调频, 光伏组件没有旋转部件, 降低了系统的等效惯量, 出力具有更强的随机波动性[10 ] .文献[11 ]中提出基于虚拟同步发电机的光储联合系统协调控制策略, 设计了提高大规模光伏接入稳定性的无功电流控制方法.综上, 现有控制策略主要是引入频率调差特性结合逆变器的控制, 火储、风储、光储调频策略差异化明显. ...
新型电力系统中异质调频机组分布式协同AGC方法研究
1
2024
... 近年来, 电池储能在电力系统各个环节开始发挥不同的作用, 应用场景多样化.电池储能在调频中的策略涉及下垂控制、虚拟惯性控制、基于电池荷电状态(state of charge,SOC)的反馈调整出力等[5 -6 ] .电池储能与传统的火电机组、风光新能源共同配合, 在原有策略的基础上可以产生新的联合调频策略, 是更为有效的调频资源.火储联合调频策略是基于火电机组调频能力, 配套电池储能实现一次调频能力的补充[7 ] ;风储联合调频策略主要由分区、分频、预测控制等策略组成.文献[8 ]中在不同风速状况下, 根据风力机参与电网调频存在的不足, 提出考虑风电机组转速恢复需求的风储联合调频控制方法.文献[9 ]中采用离散傅里叶变换分析高频和低频调频需求, 提出依据区域调频需求灵活分配调节容量的策略.相比于风储联合调频, 光伏组件没有旋转部件, 降低了系统的等效惯量, 出力具有更强的随机波动性[10 ] .文献[11 ]中提出基于虚拟同步发电机的光储联合系统协调控制策略, 设计了提高大规模光伏接入稳定性的无功电流控制方法.综上, 现有控制策略主要是引入频率调差特性结合逆变器的控制, 火储、风储、光储调频策略差异化明显. ...
Distributed collaborative AGC method for heterogeneous frequency regulation units in new power systems
1
2024
... 近年来, 电池储能在电力系统各个环节开始发挥不同的作用, 应用场景多样化.电池储能在调频中的策略涉及下垂控制、虚拟惯性控制、基于电池荷电状态(state of charge,SOC)的反馈调整出力等[5 -6 ] .电池储能与传统的火电机组、风光新能源共同配合, 在原有策略的基础上可以产生新的联合调频策略, 是更为有效的调频资源.火储联合调频策略是基于火电机组调频能力, 配套电池储能实现一次调频能力的补充[7 ] ;风储联合调频策略主要由分区、分频、预测控制等策略组成.文献[8 ]中在不同风速状况下, 根据风力机参与电网调频存在的不足, 提出考虑风电机组转速恢复需求的风储联合调频控制方法.文献[9 ]中采用离散傅里叶变换分析高频和低频调频需求, 提出依据区域调频需求灵活分配调节容量的策略.相比于风储联合调频, 光伏组件没有旋转部件, 降低了系统的等效惯量, 出力具有更强的随机波动性[10 ] .文献[11 ]中提出基于虚拟同步发电机的光储联合系统协调控制策略, 设计了提高大规模光伏接入稳定性的无功电流控制方法.综上, 现有控制策略主要是引入频率调差特性结合逆变器的控制, 火储、风储、光储调频策略差异化明显. ...
提升弱网有功稳定输出能力的光伏逆变器Q -V 下垂系数在线调整方法
1
... 近年来, 电池储能在电力系统各个环节开始发挥不同的作用, 应用场景多样化.电池储能在调频中的策略涉及下垂控制、虚拟惯性控制、基于电池荷电状态(state of charge,SOC)的反馈调整出力等[5 -6 ] .电池储能与传统的火电机组、风光新能源共同配合, 在原有策略的基础上可以产生新的联合调频策略, 是更为有效的调频资源.火储联合调频策略是基于火电机组调频能力, 配套电池储能实现一次调频能力的补充[7 ] ;风储联合调频策略主要由分区、分频、预测控制等策略组成.文献[8 ]中在不同风速状况下, 根据风力机参与电网调频存在的不足, 提出考虑风电机组转速恢复需求的风储联合调频控制方法.文献[9 ]中采用离散傅里叶变换分析高频和低频调频需求, 提出依据区域调频需求灵活分配调节容量的策略.相比于风储联合调频, 光伏组件没有旋转部件, 降低了系统的等效惯量, 出力具有更强的随机波动性[10 ] .文献[11 ]中提出基于虚拟同步发电机的光储联合系统协调控制策略, 设计了提高大规模光伏接入稳定性的无功电流控制方法.综上, 现有控制策略主要是引入频率调差特性结合逆变器的控制, 火储、风储、光储调频策略差异化明显. ...
Online adjustment method for Q -V droop coefficient of photovoltaic inverters to enhance the stable output capability of weak grid active power
1
... 近年来, 电池储能在电力系统各个环节开始发挥不同的作用, 应用场景多样化.电池储能在调频中的策略涉及下垂控制、虚拟惯性控制、基于电池荷电状态(state of charge,SOC)的反馈调整出力等[5 -6 ] .电池储能与传统的火电机组、风光新能源共同配合, 在原有策略的基础上可以产生新的联合调频策略, 是更为有效的调频资源.火储联合调频策略是基于火电机组调频能力, 配套电池储能实现一次调频能力的补充[7 ] ;风储联合调频策略主要由分区、分频、预测控制等策略组成.文献[8 ]中在不同风速状况下, 根据风力机参与电网调频存在的不足, 提出考虑风电机组转速恢复需求的风储联合调频控制方法.文献[9 ]中采用离散傅里叶变换分析高频和低频调频需求, 提出依据区域调频需求灵活分配调节容量的策略.相比于风储联合调频, 光伏组件没有旋转部件, 降低了系统的等效惯量, 出力具有更强的随机波动性[10 ] .文献[11 ]中提出基于虚拟同步发电机的光储联合系统协调控制策略, 设计了提高大规模光伏接入稳定性的无功电流控制方法.综上, 现有控制策略主要是引入频率调差特性结合逆变器的控制, 火储、风储、光储调频策略差异化明显. ...
考虑储能充放电功率限制的并网光储虚拟同步机控制
1
2020
... 近年来, 电池储能在电力系统各个环节开始发挥不同的作用, 应用场景多样化.电池储能在调频中的策略涉及下垂控制、虚拟惯性控制、基于电池荷电状态(state of charge,SOC)的反馈调整出力等[5 -6 ] .电池储能与传统的火电机组、风光新能源共同配合, 在原有策略的基础上可以产生新的联合调频策略, 是更为有效的调频资源.火储联合调频策略是基于火电机组调频能力, 配套电池储能实现一次调频能力的补充[7 ] ;风储联合调频策略主要由分区、分频、预测控制等策略组成.文献[8 ]中在不同风速状况下, 根据风力机参与电网调频存在的不足, 提出考虑风电机组转速恢复需求的风储联合调频控制方法.文献[9 ]中采用离散傅里叶变换分析高频和低频调频需求, 提出依据区域调频需求灵活分配调节容量的策略.相比于风储联合调频, 光伏组件没有旋转部件, 降低了系统的等效惯量, 出力具有更强的随机波动性[10 ] .文献[11 ]中提出基于虚拟同步发电机的光储联合系统协调控制策略, 设计了提高大规模光伏接入稳定性的无功电流控制方法.综上, 现有控制策略主要是引入频率调差特性结合逆变器的控制, 火储、风储、光储调频策略差异化明显. ...
Control of grid-connected PV-battery virtual synchronous machine considering battery charging/discharging power limit
1
2020
... 近年来, 电池储能在电力系统各个环节开始发挥不同的作用, 应用场景多样化.电池储能在调频中的策略涉及下垂控制、虚拟惯性控制、基于电池荷电状态(state of charge,SOC)的反馈调整出力等[5 -6 ] .电池储能与传统的火电机组、风光新能源共同配合, 在原有策略的基础上可以产生新的联合调频策略, 是更为有效的调频资源.火储联合调频策略是基于火电机组调频能力, 配套电池储能实现一次调频能力的补充[7 ] ;风储联合调频策略主要由分区、分频、预测控制等策略组成.文献[8 ]中在不同风速状况下, 根据风力机参与电网调频存在的不足, 提出考虑风电机组转速恢复需求的风储联合调频控制方法.文献[9 ]中采用离散傅里叶变换分析高频和低频调频需求, 提出依据区域调频需求灵活分配调节容量的策略.相比于风储联合调频, 光伏组件没有旋转部件, 降低了系统的等效惯量, 出力具有更强的随机波动性[10 ] .文献[11 ]中提出基于虚拟同步发电机的光储联合系统协调控制策略, 设计了提高大规模光伏接入稳定性的无功电流控制方法.综上, 现有控制策略主要是引入频率调差特性结合逆变器的控制, 火储、风储、光储调频策略差异化明显. ...
Control-limited adaptive dynamic programming for multi-battery energy storage systems
1
2019
... 针对电池储能规划,国内外研究者从多角度开展了较为深入的研究.文献[12 ]中提出一种用于多电池储能系统的控制受限自适应动态规划算法, 该算法有效协调多个电池并优化其充电和放电行为.针对频率调节, 文献[13 ]中提出一种考虑虚拟惯量与一次调频的储能容量估算方法, 满足系统惯量需求.文献[14 ]中基于系统频率响应(system frequency response, SFR)模型, 提出一种限制频率最低值和频率变化速率的储能规划方法.文献[15 -16 ]中基于电力市场, 从储能参与调频的市场成本与收益角度出发优化调频策略.文献[17 ]中提供了一个数学框架, 用于优化电池储能系统的规划和控制, 实现利润最大化.综上, 考虑储能的优化配置问题需要考虑时序运行状态以充分发挥储能调节作用.基于风光火差异化调频策略的储能应用的相关研究主要围绕风储、火储和光储单类型的源储调控策略展开,其中相关研究占比火储最高,风储次之,光储再次之,风火储协同策略最低.风光火差异化调频策略的储能应用研究较少,未能充分发挥储能与其他电源之间的协同优势. ...
电化学储能应用于电网频率安全防御三道防线的探讨
1
2020
... 针对电池储能规划,国内外研究者从多角度开展了较为深入的研究.文献[12 ]中提出一种用于多电池储能系统的控制受限自适应动态规划算法, 该算法有效协调多个电池并优化其充电和放电行为.针对频率调节, 文献[13 ]中提出一种考虑虚拟惯量与一次调频的储能容量估算方法, 满足系统惯量需求.文献[14 ]中基于系统频率响应(system frequency response, SFR)模型, 提出一种限制频率最低值和频率变化速率的储能规划方法.文献[15 -16 ]中基于电力市场, 从储能参与调频的市场成本与收益角度出发优化调频策略.文献[17 ]中提供了一个数学框架, 用于优化电池储能系统的规划和控制, 实现利润最大化.综上, 考虑储能的优化配置问题需要考虑时序运行状态以充分发挥储能调节作用.基于风光火差异化调频策略的储能应用的相关研究主要围绕风储、火储和光储单类型的源储调控策略展开,其中相关研究占比火储最高,风储次之,光储再次之,风火储协同策略最低.风光火差异化调频策略的储能应用研究较少,未能充分发挥储能与其他电源之间的协同优势. ...
Discussion on application of electrochemical energy storage in three defense lines of power grid frequency
1
2020
... 针对电池储能规划,国内外研究者从多角度开展了较为深入的研究.文献[12 ]中提出一种用于多电池储能系统的控制受限自适应动态规划算法, 该算法有效协调多个电池并优化其充电和放电行为.针对频率调节, 文献[13 ]中提出一种考虑虚拟惯量与一次调频的储能容量估算方法, 满足系统惯量需求.文献[14 ]中基于系统频率响应(system frequency response, SFR)模型, 提出一种限制频率最低值和频率变化速率的储能规划方法.文献[15 -16 ]中基于电力市场, 从储能参与调频的市场成本与收益角度出发优化调频策略.文献[17 ]中提供了一个数学框架, 用于优化电池储能系统的规划和控制, 实现利润最大化.综上, 考虑储能的优化配置问题需要考虑时序运行状态以充分发挥储能调节作用.基于风光火差异化调频策略的储能应用的相关研究主要围绕风储、火储和光储单类型的源储调控策略展开,其中相关研究占比火储最高,风储次之,光储再次之,风火储协同策略最低.风光火差异化调频策略的储能应用研究较少,未能充分发挥储能与其他电源之间的协同优势. ...
电池储能系统辅助电网调频控制策略研究
1
2023
... 针对电池储能规划,国内外研究者从多角度开展了较为深入的研究.文献[12 ]中提出一种用于多电池储能系统的控制受限自适应动态规划算法, 该算法有效协调多个电池并优化其充电和放电行为.针对频率调节, 文献[13 ]中提出一种考虑虚拟惯量与一次调频的储能容量估算方法, 满足系统惯量需求.文献[14 ]中基于系统频率响应(system frequency response, SFR)模型, 提出一种限制频率最低值和频率变化速率的储能规划方法.文献[15 -16 ]中基于电力市场, 从储能参与调频的市场成本与收益角度出发优化调频策略.文献[17 ]中提供了一个数学框架, 用于优化电池储能系统的规划和控制, 实现利润最大化.综上, 考虑储能的优化配置问题需要考虑时序运行状态以充分发挥储能调节作用.基于风光火差异化调频策略的储能应用的相关研究主要围绕风储、火储和光储单类型的源储调控策略展开,其中相关研究占比火储最高,风储次之,光储再次之,风火储协同策略最低.风光火差异化调频策略的储能应用研究较少,未能充分发挥储能与其他电源之间的协同优势. ...
Research on frequency modulation control strategy of auxiliary power grid in battery energy storage system
1
2023
... 针对电池储能规划,国内外研究者从多角度开展了较为深入的研究.文献[12 ]中提出一种用于多电池储能系统的控制受限自适应动态规划算法, 该算法有效协调多个电池并优化其充电和放电行为.针对频率调节, 文献[13 ]中提出一种考虑虚拟惯量与一次调频的储能容量估算方法, 满足系统惯量需求.文献[14 ]中基于系统频率响应(system frequency response, SFR)模型, 提出一种限制频率最低值和频率变化速率的储能规划方法.文献[15 -16 ]中基于电力市场, 从储能参与调频的市场成本与收益角度出发优化调频策略.文献[17 ]中提供了一个数学框架, 用于优化电池储能系统的规划和控制, 实现利润最大化.综上, 考虑储能的优化配置问题需要考虑时序运行状态以充分发挥储能调节作用.基于风光火差异化调频策略的储能应用的相关研究主要围绕风储、火储和光储单类型的源储调控策略展开,其中相关研究占比火储最高,风储次之,光储再次之,风火储协同策略最低.风光火差异化调频策略的储能应用研究较少,未能充分发挥储能与其他电源之间的协同优势. ...
考虑调频需求及风光出力不确定性的储能系统参与能量-调频市场运行策略
1
2023
... 针对电池储能规划,国内外研究者从多角度开展了较为深入的研究.文献[12 ]中提出一种用于多电池储能系统的控制受限自适应动态规划算法, 该算法有效协调多个电池并优化其充电和放电行为.针对频率调节, 文献[13 ]中提出一种考虑虚拟惯量与一次调频的储能容量估算方法, 满足系统惯量需求.文献[14 ]中基于系统频率响应(system frequency response, SFR)模型, 提出一种限制频率最低值和频率变化速率的储能规划方法.文献[15 -16 ]中基于电力市场, 从储能参与调频的市场成本与收益角度出发优化调频策略.文献[17 ]中提供了一个数学框架, 用于优化电池储能系统的规划和控制, 实现利润最大化.综上, 考虑储能的优化配置问题需要考虑时序运行状态以充分发挥储能调节作用.基于风光火差异化调频策略的储能应用的相关研究主要围绕风储、火储和光储单类型的源储调控策略展开,其中相关研究占比火储最高,风储次之,光储再次之,风火储协同策略最低.风光火差异化调频策略的储能应用研究较少,未能充分发挥储能与其他电源之间的协同优势. ...
Optimal operation strategy of energy storage system’s participation in energy and regulation market considering uncertainties of regulation requirements and wind-photovoltaic output
1
2023
... 针对电池储能规划,国内外研究者从多角度开展了较为深入的研究.文献[12 ]中提出一种用于多电池储能系统的控制受限自适应动态规划算法, 该算法有效协调多个电池并优化其充电和放电行为.针对频率调节, 文献[13 ]中提出一种考虑虚拟惯量与一次调频的储能容量估算方法, 满足系统惯量需求.文献[14 ]中基于系统频率响应(system frequency response, SFR)模型, 提出一种限制频率最低值和频率变化速率的储能规划方法.文献[15 -16 ]中基于电力市场, 从储能参与调频的市场成本与收益角度出发优化调频策略.文献[17 ]中提供了一个数学框架, 用于优化电池储能系统的规划和控制, 实现利润最大化.综上, 考虑储能的优化配置问题需要考虑时序运行状态以充分发挥储能调节作用.基于风光火差异化调频策略的储能应用的相关研究主要围绕风储、火储和光储单类型的源储调控策略展开,其中相关研究占比火储最高,风储次之,光储再次之,风火储协同策略最低.风光火差异化调频策略的储能应用研究较少,未能充分发挥储能与其他电源之间的协同优势. ...
适应储能参与的调频辅助服务市场机制设计及调度策略
1
2023
... 针对电池储能规划,国内外研究者从多角度开展了较为深入的研究.文献[12 ]中提出一种用于多电池储能系统的控制受限自适应动态规划算法, 该算法有效协调多个电池并优化其充电和放电行为.针对频率调节, 文献[13 ]中提出一种考虑虚拟惯量与一次调频的储能容量估算方法, 满足系统惯量需求.文献[14 ]中基于系统频率响应(system frequency response, SFR)模型, 提出一种限制频率最低值和频率变化速率的储能规划方法.文献[15 -16 ]中基于电力市场, 从储能参与调频的市场成本与收益角度出发优化调频策略.文献[17 ]中提供了一个数学框架, 用于优化电池储能系统的规划和控制, 实现利润最大化.综上, 考虑储能的优化配置问题需要考虑时序运行状态以充分发挥储能调节作用.基于风光火差异化调频策略的储能应用的相关研究主要围绕风储、火储和光储单类型的源储调控策略展开,其中相关研究占比火储最高,风储次之,光储再次之,风火储协同策略最低.风光火差异化调频策略的储能应用研究较少,未能充分发挥储能与其他电源之间的协同优势. ...
Market mechanism design and scheduling strategy of auxiliary services for frequency control adapting to energy storage participation
1
2023
... 针对电池储能规划,国内外研究者从多角度开展了较为深入的研究.文献[12 ]中提出一种用于多电池储能系统的控制受限自适应动态规划算法, 该算法有效协调多个电池并优化其充电和放电行为.针对频率调节, 文献[13 ]中提出一种考虑虚拟惯量与一次调频的储能容量估算方法, 满足系统惯量需求.文献[14 ]中基于系统频率响应(system frequency response, SFR)模型, 提出一种限制频率最低值和频率变化速率的储能规划方法.文献[15 -16 ]中基于电力市场, 从储能参与调频的市场成本与收益角度出发优化调频策略.文献[17 ]中提供了一个数学框架, 用于优化电池储能系统的规划和控制, 实现利润最大化.综上, 考虑储能的优化配置问题需要考虑时序运行状态以充分发挥储能调节作用.基于风光火差异化调频策略的储能应用的相关研究主要围绕风储、火储和光储单类型的源储调控策略展开,其中相关研究占比火储最高,风储次之,光储再次之,风火储协同策略最低.风光火差异化调频策略的储能应用研究较少,未能充分发挥储能与其他电源之间的协同优势. ...
Profit-maximizing planning and control of battery energy storage systems for primary frequency control
1
2018
... 针对电池储能规划,国内外研究者从多角度开展了较为深入的研究.文献[12 ]中提出一种用于多电池储能系统的控制受限自适应动态规划算法, 该算法有效协调多个电池并优化其充电和放电行为.针对频率调节, 文献[13 ]中提出一种考虑虚拟惯量与一次调频的储能容量估算方法, 满足系统惯量需求.文献[14 ]中基于系统频率响应(system frequency response, SFR)模型, 提出一种限制频率最低值和频率变化速率的储能规划方法.文献[15 -16 ]中基于电力市场, 从储能参与调频的市场成本与收益角度出发优化调频策略.文献[17 ]中提供了一个数学框架, 用于优化电池储能系统的规划和控制, 实现利润最大化.综上, 考虑储能的优化配置问题需要考虑时序运行状态以充分发挥储能调节作用.基于风光火差异化调频策略的储能应用的相关研究主要围绕风储、火储和光储单类型的源储调控策略展开,其中相关研究占比火储最高,风储次之,光储再次之,风火储协同策略最低.风光火差异化调频策略的储能应用研究较少,未能充分发挥储能与其他电源之间的协同优势. ...
基于可消纳区间的风-火-储大基地日前-实时协同调度
1
... 本文仅针对一次调频时段内,不考虑延迟,不再区分惯量响应和一次调频响应,以响应时间及相应功率来表征多元调频资源的差异性[18 ] .在频率安全约束中,考虑大功率缺额扰动带来的最严重场景,因此调频备用都是正备用.电池储能均以锂电池为研究对象,风电与光伏均以新能源场站的形式参与系统,而火电则依据算例包含了燃油、燃煤等多种形式. ...
Wind-fire-storage base day-ahead real-time collaborative scheduling based on the dissipable interval
1
... 本文仅针对一次调频时段内,不考虑延迟,不再区分惯量响应和一次调频响应,以响应时间及相应功率来表征多元调频资源的差异性[18 ] .在频率安全约束中,考虑大功率缺额扰动带来的最严重场景,因此调频备用都是正备用.电池储能均以锂电池为研究对象,风电与光伏均以新能源场站的形式参与系统,而火电则依据算例包含了燃油、燃煤等多种形式. ...
Black-start coordinated control strategy of optical storage microgrid considering distributed energy storage SOC balance
1
... 针对不同类型的电池储能,设计不同调频策略,并且依据节点场站聚合[19 ] .其中,火电机组需要考虑新型电力系统的最低配储要求,因此配套储能主要用于提供调频备用.风电机组出力受到风速影响,所配储能需兼顾风电自身调频潜能来提供调频备用,还需平抑风电出力波动[20 -21 ] .光伏场站采用组串式系统,配套储能与光伏板共用并网逆变器是目前研究中的主要且有效方式之一,配套储能除了提供调频备用,还需要平抑光伏机组出力波动,同时兼顾逆变器出力上限[22 -23 ] . ...
考虑频率安全约束及风电综合惯性控制的电力系统机组组合
1
2022
... 火储模块考虑了锅炉的影响[24 ] ,风储模块考虑了风速对风电机组调频能力的影响,引入实时风速v wind 求得风电机组调频输出上限.光伏机组与电池储能受到共用逆变器功率上限约束,因此引入P vsc 求得光伏配储的功率上限. ...
Unit commitment of a power system considering frequency safety constraint and wind power integrated inertial control
1
2022
... 火储模块考虑了锅炉的影响[24 ] ,风储模块考虑了风速对风电机组调频能力的影响,引入实时风速v wind 求得风电机组调频输出上限.光伏机组与电池储能受到共用逆变器功率上限约束,因此引入P vsc 求得光伏配储的功率上限. ...
基于模型预测控制的分布式储能型风力发电场惯性控制策略
1
2022
... 针对不同类型的电池储能,设计不同调频策略,并且依据节点场站聚合[19 ] .其中,火电机组需要考虑新型电力系统的最低配储要求,因此配套储能主要用于提供调频备用.风电机组出力受到风速影响,所配储能需兼顾风电自身调频潜能来提供调频备用,还需平抑风电出力波动[20 -21 ] .光伏场站采用组串式系统,配套储能与光伏板共用并网逆变器是目前研究中的主要且有效方式之一,配套储能除了提供调频备用,还需要平抑光伏机组出力波动,同时兼顾逆变器出力上限[22 -23 ] . ...
Inertial control strategy for wind farm with distributed energy storage system based on model predictive control
1
2022
... 针对不同类型的电池储能,设计不同调频策略,并且依据节点场站聚合[19 ] .其中,火电机组需要考虑新型电力系统的最低配储要求,因此配套储能主要用于提供调频备用.风电机组出力受到风速影响,所配储能需兼顾风电自身调频潜能来提供调频备用,还需平抑风电出力波动[20 -21 ] .光伏场站采用组串式系统,配套储能与光伏板共用并网逆变器是目前研究中的主要且有效方式之一,配套储能除了提供调频备用,还需要平抑光伏机组出力波动,同时兼顾逆变器出力上限[22 -23 ] . ...
Optimal power flow incorporating frequency security constraint
1
2019
... 针对不同类型的电池储能,设计不同调频策略,并且依据节点场站聚合[19 ] .其中,火电机组需要考虑新型电力系统的最低配储要求,因此配套储能主要用于提供调频备用.风电机组出力受到风速影响,所配储能需兼顾风电自身调频潜能来提供调频备用,还需平抑风电出力波动[20 -21 ] .光伏场站采用组串式系统,配套储能与光伏板共用并网逆变器是目前研究中的主要且有效方式之一,配套储能除了提供调频备用,还需要平抑光伏机组出力波动,同时兼顾逆变器出力上限[22 -23 ] . ...
考虑风光储场站参与灵活爬坡的两阶段市场联合出清
1
... 针对不同类型的电池储能,设计不同调频策略,并且依据节点场站聚合[19 ] .其中,火电机组需要考虑新型电力系统的最低配储要求,因此配套储能主要用于提供调频备用.风电机组出力受到风速影响,所配储能需兼顾风电自身调频潜能来提供调频备用,还需平抑风电出力波动[20 -21 ] .光伏场站采用组串式系统,配套储能与光伏板共用并网逆变器是目前研究中的主要且有效方式之一,配套储能除了提供调频备用,还需要平抑光伏机组出力波动,同时兼顾逆变器出力上限[22 -23 ] . ...
Considering the participation of wind and solar storage stations in the two-stage market joint clearing of flexible climbing
1
... 针对不同类型的电池储能,设计不同调频策略,并且依据节点场站聚合[19 ] .其中,火电机组需要考虑新型电力系统的最低配储要求,因此配套储能主要用于提供调频备用.风电机组出力受到风速影响,所配储能需兼顾风电自身调频潜能来提供调频备用,还需平抑风电出力波动[20 -21 ] .光伏场站采用组串式系统,配套储能与光伏板共用并网逆变器是目前研究中的主要且有效方式之一,配套储能除了提供调频备用,还需要平抑光伏机组出力波动,同时兼顾逆变器出力上限[22 -23 ] . ...
面向高比例清洁能源消纳的含灵活性资源电力系统规划方案优选
1
2023
... 针对不同类型的电池储能,设计不同调频策略,并且依据节点场站聚合[19 ] .其中,火电机组需要考虑新型电力系统的最低配储要求,因此配套储能主要用于提供调频备用.风电机组出力受到风速影响,所配储能需兼顾风电自身调频潜能来提供调频备用,还需平抑风电出力波动[20 -21 ] .光伏场站采用组串式系统,配套储能与光伏板共用并网逆变器是目前研究中的主要且有效方式之一,配套储能除了提供调频备用,还需要平抑光伏机组出力波动,同时兼顾逆变器出力上限[22 -23 ] . ...
Optimal planning of power systems with flexible resources for high penetrated renewable energy accommodation
1
2023
... 针对不同类型的电池储能,设计不同调频策略,并且依据节点场站聚合[19 ] .其中,火电机组需要考虑新型电力系统的最低配储要求,因此配套储能主要用于提供调频备用.风电机组出力受到风速影响,所配储能需兼顾风电自身调频潜能来提供调频备用,还需平抑风电出力波动[20 -21 ] .光伏场站采用组串式系统,配套储能与光伏板共用并网逆变器是目前研究中的主要且有效方式之一,配套储能除了提供调频备用,还需要平抑光伏机组出力波动,同时兼顾逆变器出力上限[22 -23 ] . ...
考虑分布式储能SOC均衡的光储微网黑启动协调控制策略
1
... 针对不同类型的电池储能,设计不同调频策略,并且依据节点场站聚合[19 ] .其中,火电机组需要考虑新型电力系统的最低配储要求,因此配套储能主要用于提供调频备用.风电机组出力受到风速影响,所配储能需兼顾风电自身调频潜能来提供调频备用,还需平抑风电出力波动[20 -21 ] .光伏场站采用组串式系统,配套储能与光伏板共用并网逆变器是目前研究中的主要且有效方式之一,配套储能除了提供调频备用,还需要平抑光伏机组出力波动,同时兼顾逆变器出力上限[22 -23 ] . ...
