孟德方, 蔚 伟, 钱玉良

(1.上海电力大学 自动化工程学院, 上海 200090; 2.华电电力科学研究院有限公司, 浙江 杭州 310030)

0 引言

我国十四五规划提出深化电力市场化改革,要“管住中间,放开两头”,即管住电网,放开发电侧和用电侧.在此政策的推动下,风电、光伏等新能源发电得到了飞速发展.截止2022年底,我国新能源装机突破12亿千瓦,占全国发电总装机的47.3%[1].然而新能源发电具有间歇性和随机性等特点[2,3],其并网渗透率的不断提高,给火电机组调频提出了更高的要求,导致电网调频功率的供需矛盾越来越突出.因此,现阶段亟需一种新型调频手段来维持电网调频功率供需的平衡,以弥补火电机组调频容量的不足.

目前,在辅助电网调频领域,储能电池系统(Battery Energy Storage System,BESS)的市场规模最大,应用最广泛,是主流的新型调频手段;飞轮储能系统(Flywheel Energy Storage System,FESS)被广泛应用于平抑新能源发电功率,是一种具有发展前景的新型调频手段.其中,BESS功率吞吐迅速,调节灵活,但与FESS相比,其使用寿命短,运行安全性低[4,5];而FESS具有使用寿命长、功率转换效率高及安全性能高等优点,但前期投资较高,占地面积较大[6,7],不利于辅助调频的经济性.因此,为了最大程度地平抑新能源功率、减小火电机组调频压力以及避开单一储能调频的缺点,构建混合储能系统(Hybrid Energy Storage System,HESS)参与电网调频已经成为现阶段的研究热点,国内外学者对此开展了一系列的研究工作.

文献[8]提出了一种储能荷电状态(State of Charge,SOC)与频率偏差峰值动态自适应控制策略,验证了该策略在改善BESS寿命和系统调频性能上的有效性.文献[9]通过不同频率偏差临界值,选取不同的调频控制策略,不仅优化了BESS荷电状态,还提升了BESS调频优越性.文献[10]在考虑信号延迟的前提下,利用H2提滤波法,将系统调频需求信号在火电与储能间进行最优分配.以上文献无法避免单一储能调频的缺点,对火电与储能间调频需求的分配问题考虑也不充分,无法改变单一储能调频在应对不同频率负荷扰动的局限性.

文献[11]提出了自适应下垂控制的混合储能-光伏联合一次调频策略,可避免储能过充过放,保证调频效果.文献[12]利用模糊控制优化HESS调频功率的分配系数,实现了BESS和FESS调频需求的优化分配.文献[13]通过优化自动发电控制信号(Automatic Generation Control,AGC)的滤波系数,实现火电与HESS调频需求的最优分配.文献[14]综合两种常见控制策略确定HESS调频需求.以上文献虽然在系统中接入了HESS,解决了新能源消纳问题,但在系统调频需求分配考虑不全面,没能同时考虑火电与HESS间及两种储能之间的调频需求分配问题.

基于以上研究的不足,文中提出一种基于调频需求分配的混合储能调频双层控制策略.首先,在上层,根据频率偏差及其变化率的变化情况,利用模糊控制(Fuzzy Control,FC)优化求得最精确的电网一次调频出力,并考虑火电与HESS调频能力的不同,对两者调频出力进行赋权重,实现对电网一次调频出力的合理分配;在此基础上,下层通过调节BESS和FESS的调频出力参与程度,最小化频率偏差,在各种约束条件下,通过改进灰狼算法(Grey Wolf Algorithm,GWO)求解下层优化目标,实现HESS调频出力信号的最优分配;最后,在MATLAB软件中建立仿真模型,求解双层控制模型,验证了所提策略的有效性及可行性.

1 火储联合调频仿真模型

1.1 火储联合调频系统结构

文中以单区域电网为研究对象,主要考虑HESS和火电机组的调频能力对调节电网频率的影响.火储联合一次调频系统结构如图1所示,由电网、交流母线、升降压变压器、电力电子器件、火电机组、HESS、新能源发电系统及负荷扰动等部分组成.

图1 火储联合一次调频系统结构

由图1可知,当电网受到负荷扰动或者新能源并网时,交流母线上有功功率的供需平衡会被打破,导致电网频率发生偏移.根据负荷扰动数据、火电机组、BESS和FESS运行状态进行分层优化,求得火电机组调频出力、BESS和FESS出力,实现混合储能-火电联合调频系统功率的最优分配,从而提高系统的调频性能.

1.2 火储联合调频模型的建立

火储联合调频模型如图2所示,主要包括由火电机组、HESS和机网接口模型[15].其中,火电机组主要由汽轮机和调速器组成,同时参考文献[8]中机组的建模思路对其建模;BESS和FESS模型分别根据各自充放电特性用一阶惯性模型来等效;机网接口模型体现了电网惯性与负荷之间的关系.

图2 火储联合调频系统模型

(1)

(2)

式(1)、(2)中:FHP为再热增益;Tv、TCH和TRH分别为调速器、再热式汽轮机的时间常数.

FESS和BESS传递函数模型分别为Gf(s)和Gb(s)如式(3)、式(4)所示:

(3)

(4)

式(3)、(4)中:Tb和Tf分别为BESS和FESS的时间常数;Kb和Kf分别为BESS和FESS单位调节功率系数.

2 双层调频控制策略

提高HESS-火电联合一次调频性能的关键在于抑制频率的恶化速度、减小频率偏差峰值、稳态值等方面,因此,有必要系统性地考虑频率偏差及其变化率对系统调频性能的影响,并精准控制系统调频需求;在此基础上,还需保证HESS运行的最优分配,使得HESS维持在最佳的运行状态.文中结合火电、储能的运行状态及电网各频率数据,提出HESS-联合火电调频的双层控制策略,通过上下层协调控制,实现火电、BESS和FESS间调频出力的最优分配.该策略的整体框图如图3所示.

图3 双层调频控制策略框图

2.1 调频需求精准控制层

为精准控制电网的调频需求,保证系统频率的稳定,本层设计了模糊控制器,以dΔf/dt和Δf为双输入,以电网一次调频需求P1为单输出,可根据模糊控制双输入的变化程度,判断出电网一次调频需求的大小,其模糊规则如表1所示,输入输出隶属度函数如图4所示.

表1 P1模糊规则表

图4 输入输出隶属度函数

由于电网一次调频的需求信号一般由火电机组和混合储能系统所响应,且文献[16-19]均提到储能系统的调频能力是火电机组的3至5倍,故文中根据两者调频能力的不同,设置了如式(5)所示的最优分配比例.

(5)

式(5)中:α=0.25.

2.2 频率实时优化层

为减小电网频率波动,弥补火电机组调频容量的不足,应尽量提高HESS辅助电网调频的参与度.虽然BESS可灵活调节充放电功率,但频繁充放电会造成很大的寿命损耗;而FESS单独参与电网调频,无法保证调频经济性,因此,需在同时考虑以上两者的影响下,对HESS调频出力信号进行合理分配.由于BESS作为能量型储能的一种,应对中低频的调频信号有一定的优势,可平滑BESS荷电状态的变化,FESS作为功率型储能的一种,在响应高频的调频信号上表现突出,故根据BESS和FESS各自运行特性,合理构建目标函数式(6)和约束条件(7):

(6)

(7)

式(6)、(7)中:T为一个调频周期;β为BESS调频参与度,0≤β≤1,其值越趋向于0,说明FESS调频参与度越大,承担了绝大部分的调频任务,则此时BESS的荷电状态相对平稳;目标函数f为一个周期内,频率偏差的平均值,其值越小,说明火储联合调频系统抑制频率变化的效果越好.

3 改进GWO算法

3.1 标准GWO算法

标准GWO算法是一种模拟狼群狩猎行为的智能算法[20],每个猎物的位置信息对应着实际优化问题中的一个可行解.对猎物的搜索过程主要包括狼群的追逐、包围和攻击.该算法控制参量少、易实现、收敛速度和效率较高,但在迭代后期,标准GWO算法因种群缺乏多样性,导致算法局部收敛和早熟的现象,影响了工程应用中的优化.

因此,针对标准GWO算法的不足,文中引入Tent混沌映射和权重因子非线性递减调整策略,构建出一种具有全局搜索能力的改进GWO算法,为解决火储联合调频性能的优化问题提供合适的求解工具.

3.2 Tent混沌映射策略

标准GWO算法在运算过程中,通过随机序列生成初始化种群,无法保证每个个体分布在全搜索空间的均匀性,极易导致算法陷入局部最优.故文中借助混沌映射的随机性和遍历性,引入Tent混沌映射生成初始化种群,解决搜索空间中种群分布不均匀的问题,以提高种群的全局搜索能力.Tent混沌映射方程为:

(8)

3.3 收敛因子非线性递减调整策略

在标准GWO算法中,随着迭代次数的增加,收敛因子a在0到2之间线性单调递减,导致该算法在迭代后期的局部搜索大于全局搜索能力,使得迭代后期的算法收敛速度较慢.因此,文中借助非线性递减的思想,减缓迭代后期收敛因子a的收敛速度,从而平衡算法全局和局部搜索能力,改进后的a1如式(9)所示:

(9)

式(9)中:t为当前迭代次数;n为常数,0

由图5可知,与原始a相比,从迭代初期至中期,a1的递减速度减缓,有利于提高算法前期的全局搜索能力;迭代中期至后期,a1的递减速度变快,有利于提高算法后期的收敛速度.

图5 收敛因子变化曲线

4 求解流程

4.1 上层控制策略的求解流程

在上层,通过模糊控制算法求解系统调频需求时,根据dΔf/dt和Δf两个输入变量的变化,按照给定的模糊规则,求得一个最佳的系统调频需求值.故上层控制策略的求解流程如图6所示.

图6 上层模型的求解流程

4.2 下层控制策略的求解流程

在下层,利用改进GWO算法求解HESS的功率分配时,目标函数的自变量为BESS和FESS的功率,即p=(ΔPb(t),ΔPf(t))在满足给定约束条件的前提下,迭代优化求得一组使得系统频率偏差最小的储能功率分配的最优解.故下层控制策略的求解过程如图7所示.

图7 下层模型的求解流程

4.3 双层调频控制策略的求解流程

综上,文中双层调频控制策略求解流程如图8所示.

图8 双层模型的整体求解流程

5 仿真分析

在Matlab/Simulink平台中完成图1所示火储联合调频仿真模型的搭建.针对系统额定参数的设置,文献[21]提出BESS容量配置一般为火电机组单机容量的1%～3%左右.故火电机组额定功率设为1 000 MW,机组爬坡率为30 MW/min;BESS额定功率/容量为15 MW/15 MWh,充放电转换功率为0.9;FESS额定功率/容量为10 MW/10 MWh,充放电转换功率为0.95.并取基准功率为1 000 MW,基准频率为50 Hz进行标幺化,其余参数如表2所示.

表2 仿真参数

5.1 改进GWO算法的验证

为验证文中采用的算法改进策略对平衡全局和局部搜索能力的有效性,引入标准GWO算法进行对比验证.由图9可知,标准GWO算法约在第170代收敛,最小频率偏差约为0.5×10-4p.u.,改进GWO算法约在第42代收敛,最小频率偏差约为0.2×10-4p.u..改进GWO算法收收敛速度提高了约75.3%.

图9 GWO算法改进前后的迭代曲线

5.2 两种典型负荷的仿真分析

为验证文中所提策略对提高火储联合调频性能的有效性,分别与定K法、变K法对比,并在两种典型负荷扰动下,从仿真结果和调频评价标准两个角度来验证文中策略在提升调频性能方面的优劣.

5.2.1 阶跃负荷扰动的仿真分析

在仿真模型中,接入0.015 p.u.的阶跃负荷扰动,仿真时间设为30 s,分别对频率偏差变化、火电机组输出功率和两种储能调频功率变化等仿真结果进行分析,如图10所示.并提出了3个阶跃负荷扰动下的调频评价标准,如表3所示,分别为频率偏差峰值Δfm,频率偏差稳态值Δfs和频率恶化速度a.三者的值越小,则调频性能越好,由表3可知,文中策略的调频性能最优.

图10 阶跃负荷扰动下的仿真结果

由图10可知,文中策略在改善频率波动、缓解火电机组压力方面优势明显.在图10(a)中,文中策略下Δfm比定K法减小了28.9%,比变K法减小了23.8%;Δfs比定K法减小了22.5%,比变K法减小18.4%;a比定K法减小了26.1%,比变K法19%;在图10(b)中,文中策略下火电机组的调频压力约减少了33.3%,HESS响应了绝大部分的系统调频需求;由图10(c)、(d)可以看出,在一个调频周期内,FESS调频功率始终保持在较高的调频参与度,而BESS调频功率较小,调频参与较少,一定程度地避免了BESS的频繁充放电.

5.2.2 连续负荷扰动的仿真分析

选取具有时间代表性的5分钟短时连续负荷扰动进行仿真分析,如图11所示,从频率偏差变化、火电机组输出功率及BESS荷电状态来评估文中策略调频效果的好坏.

图11 连续负荷扰动下的仿真结果

在表4中,QΔf为频率偏差均方根,QSOC为SOC变化均方根,Qp为火电机组输出功率均方根.三者值越小,说明调频出力越平稳,应对调频压力的能力越强,系统越稳定.

表4 连续负荷扰动下的调频评价指标

由图11可知,文中策略与其他两种对比策略相比,明显改善了系统的调频性能.在图11(a)中,文中策略很大程度地减小了频率波动.与对比策略相比,QΔf分别减小了76.4%和62.2%;在图11(b)中,文中策略下的火电机组输出功率波动区间明显缩小,机组出力趋于平稳.Qp分别减小了60.7%,52.4%;在图11(c)中,文中策略BESS荷电状态波动最小,调频参与度较小,调频任务主要由FESS承担.相较于定K法和变K法,QSOC分别减小了33.3%和30.4%.

6 结论

在目前火电机组调频容量不足的情况下,为了改善火电与储能间调频需求的分配能力,文中提出一种基于调频需求分配的混合储能调频双层控制策略,并在两种典型负荷扰动下进行仿真验证,结果表明相较于定K法和变K法,文中策略通过提高火储联合调频系统的调频需求分配能力,能明显缓解火电机组的调频压力,提升储能SOC的保持性及系统频率的稳定性.得到如下结论:

(1) 阶跃负荷扰动下,文中策略约将调频需求的55%分配给FESS,而火电机组仅承担调频需求的28%左右,BESS承担余下部分,约16%左右.火电机组调频压力比定K法降低14%,比变K法降低17.5%,能有效减小机组动作次数,提高BESS荷电状态的保持性.

(2) 连续负荷扰动下,文中策略与定K法和变K法相比,调频效果上优势突出.QΔf、QSOC和Qp指标较好,有利于提高火储联合调频的稳定性和可靠性.