李 鹏

（北京市供用电建设承发包公司，北京 100062）

基于我国电力系统峰谷差逐渐拉大以及电价机制不完善的现状，依靠传统的电力需求响应以缓解系统在高峰时期的供电压力存在一定的困难[1]。随着智能电网负荷就地平衡的要求，分布式可再生能源发电技术得到了迅速的发展，因此从平衡电网供需角度看，解决分布式间歇性可再生能源的消纳问题，是需求响应的另一种可行模式[2]。而储能技术因其对功率和能量的时间快速转移能力，是目前国内外提高间歇性能源消纳能力的有效手段手段[3]。

在储能结合间歇性能源研究中大致可归为两类：①平滑间歇性能源输出；②提高间歇性能源在电力市场中的调度性研究[4-7]。其中：①主要包括一些简单到复杂的储能充放电算法，在这些算法中大多仅以电池荷电状态（Stage of Charge）的上下限值作为储能充放电的限制，少有根据当前SOC 和待充放电功率的判断对储能实际充放电做出自适应调节以到达优化储能运行、延长电池寿命的目的；②主体思路是运用储能在电力需求及电价低谷时段将间歇性能源发出过剩的电能存储，在电力需求及电价高峰时段因间歇性能源发电不足而放电，实现自身盈利的同时，达到削峰填谷的效果，这种依据政策所设计的调度控制策略高度依赖于区域电力市场的规则。

本文将在电力市场机制下，提出并设计一种包含电池储能的风光联合控制系统，以实现风光在电力市场机制下经济调度的同时，缓解系统在需求高峰时段的供电压力。基于我国东部某区域电网的电力需求和分时电价数据对所提系统进行了仿真。

1 控制系统设计

与可再生能源集中式发电并网模式不同，采用分布式的接入模式直接接入低压等级的电力需求侧，以使功率就地平衡，基本结构示意图如图1所示。

图1 风/光分布式接入需求侧示意图

为使间歇性风/光发电系统在竞争的电力市场中通过控制达到自身盈利的同时削减系统在电力需求高峰时段的供应电量，首先需要控制系统根据电力需求情况、不同需求时段电价信息生成一个参考功率值，并根据风光输出预测值以及BESS 当前时刻充放电能力修正功率参考值。由图1可知系统动态模型如式（1）所示。

式中，Pg为风光储实际合成目标出力值，PW、Ppv分别为风、光实际出力值，Pb为BESS 充放电功率，放电时为Pb为正、充电时为负；Eb为储能在当前时刻的存储电量，η为BESS 能量转换效率，分充电效率与放电效率。将式（1）表示成离散二阶动态方程如式（2）所示。

式中，x1、x2为状态变量，u1、u2为非控制输入变量，v为受控输入变量，y为输出量。若写成矩阵形式如式（3）所示。

式中，A、B、C、D为系数矩阵，分别如式（4）所示。

所设计控制系统框图如图2所示。各模块具体设计将依次在后文详述。

图2 控制系统框图

2 参考功率信号发生模块

借助BESS，风光系统可分别运行在峰谷电价模式和转移峰荷模式下进行调度，两者分别与电价信息和需求数据相关，且都对应于时间。为兼顾两种模式进行功率调度，采用模糊决策产生待跟踪的功率信号y′(k)如式（5）所示。

式中，pL(k)、m(k)分别为调度间隔k内负荷需求大小和电价大小，两者作为参考信号发生器的输入量。负荷需求峰、谷、平时段在一年的时间内虽大致相似，但负荷大小以及电价信息在夏季和冬季有较大的不同，为简化计算，采用聚类模糊对某地区一年的负荷需求数据及电价信息进行分析[8]，得到典型日负荷需求如图3所示，及电价信息，此过程不是本文讨论重点，不再详述。

图3 典型日负荷曲线

图4中字母P 代表峰时电价，OP 代表谷时电价，S 代表平时电价。输入、输出变量模糊规则及隶属度函数分别如表1、图4所示。

其中定义L、M、SH、H、VH、MH代表负荷需求低、中、略高、高、非常高、极高；MS、MOP、MP、NOP、ANP、ANOP、EP、EOP是依据分时电价信息定义的早-平台期、早-低谷期、早-高峰期、中午-低谷期、下午-高峰期、下午低谷期、晚-高峰期、晚-低谷期。

表1 模糊规则

图4 输入输出隶属函数

3 参考功率矫正模块

在BESS 参与风电经济调度过程中，由于风电很强的随机性，其无规则的频繁充放电大小常常使得电池soc 处在或接近上下限附近，而不利于下一时刻的优化调度。通过电池当前运行状态的评估，来修正参考功率如图2所示，以达到实时调整电池功率给定值，维持电池soc 在推荐值附近，提高BESS持续的充放电能力[9]。

3.1 BESS 运行评估指标

1）BESS 充放电平衡度指标B(k)：以衡量BESS充放电能力，如式（6）所示。

式中，Csoc。ref为电池soc 的推荐值，Csoc。max、Csoc。min分别为电池最大荷电值和最小荷电值，为防止Csoc。ref过高或过低导致下一次充电放电的能力降低，取Csoc。ref=(Csoc。max+Csoc。min)/2。当B(k) 越趋于1 时，表明BESS 放电能力越强，而充电能力越弱；当B(k)越趋于-1 时，表明BESS 放电能力越弱，而充电能力越强；当B(k) 趋于0 时，表明BESS 充放电能力平衡。

2）BESS 出力强度指标T(k)：以衡量BESS 每次充放电功率大小，如式（7）所示。

式中，PBESS。ref（k）表示k时刻BESS 功率指令参考值，PBESS.cmax、PBESS.dmax分别为BESS 最大充放电功率，wc、wd为权重因子。当T(k)越趋于1 时，表明BESS 放电功率指令趋于最大值；当T(k)越趋于-1 时，表明充电功率趋于最大值；当T(k)趋于0 时，表明参考功率指令为0。

3.2 功率矫正模块

通过对BESS 充放电平衡指标和出力强度指标的计算，为使指标处在理想状态，将修正参考功率信号，两指标作为模块的输入与模块输出的修正功率关系方程如式（8）所示。

相应模糊规则见表2。输入与输出隶属函数如图5所示。

表2 模糊规则

图5 输入输出隶属函数

其中定义NB、NM、NS、NVS、ZO、VS、PS、PM、PB代表负大、负中、负小、负略小、零、正略小、正小、正中、正大。

4 仿真分析

某地区峰时电价执行价格为0.9875 元/kW·h，执行时间段为14∶00—17∶00、19∶00—22∶00；平时电价执行价格为0.61 元/kW·h，执行时段为8∶00—14∶00、17∶00—19∶00、22∶00—24∶00；谷时电价执行价格为0.3197 元/kW·h，执行时段为24∶00—8∶00。选取锂离子电池作为本文储能系统，充放电效率同为90%，最大循环深度为80%[10]，配置容量为1MW/1MW·h。风电最大输出功率为3MW，光伏最大输出功率为1MW。仿真结果如图6所示。

图6 待跟踪功率及风光实际输出功率

风电、光伏由于间歇性及预测误差，导致无法较准确跟踪指令；本文设计采用含功率矫正模块下的风光储联合跟踪指令效果明显优于未含矫正模块下的风光储跟踪效果。由于功率矫正优化了储能充放电功率，因此较未含功率矫正模块下储能充放电要合理，两种情况下储能SOC 对比如图7所示，SOC1 代表含功率矫正模块下的储能SOC 曲线，SOC2 代表未含功率矫正模块下的SOC 曲线，SOC1较SOC2 更为平衡合理。

图7 SOC 曲线对比图

5 结论

本文将在电力市场机制下，提出并设计一种包含电池储能的风光联合控制系统，该系统包含基于负荷需求及电价信息的参考功率发生器及及基于模糊理论的功率矫正器。通过仿真计算验证了控制系统正确性与有效性，能够很好的跟踪参考功率，且在跟踪过程中电池储能每一次充放电功率较为合理。

[1] 翟桥柱,王凌云.需求响应对降低发电成本的效益估计[J].中国电机工程学报,2014,34(7): 1198-1205.

[2] 雷亚洲.与风电并网相关的课题研究[J].电力系统自动化,2003,27(8): 84-89.

[3] 袁小明,程时杰,文劲宇.储能技术解决大规模风电并网问题中的应用前景分析[J].电力系统自动化,2013,37(1): 14-18.

[4] 韩晓娟,陈跃燕,张浩,等.基于小波包分解的混合储能技术在平抑风电场功率波动中的应用[J].中国电机工程学报,2013,33(19): 8-13.

[5] 吴振威,蒋小平,马会萌,等.用于混合储能平抑光伏波动的小波包-模糊控制[J].中国电机工程学报,2014,34(1): 317-324.

[6] 王成山,于波,肖俊,等.平滑可再生能源发电系统输出波动的储能系统容量优化方法[J].中国电机工程学报,2012,32(16): 1-8.

[7] 丁明,徐宁舟,毕锐.用于平抑可再生能源功率波动的储能电站的建模评价[J].中国电机工程学报,2011,35(2): 66-72.

[8] 李蓓,郭剑波.平抑风功率的电池储能系统控制策略[J].电网技术,2012,36(8): 39-43.

[9] 丁明,林根德,陈自年,等.一种适用于混合储能系统的控制策略[J].中国电机工程学报,2012,32(7): 1-6.

[10] TRAN D,KHAMBADKONE A M.Energy management for lifetime extension of energy storage system in micro-Grid applications[J].IEEE TRANSACTIONS ON SMART GRID.2013,4(3): 1289-1296.