基于雙向互補的儲能系統控制策略及經濟性分析

張婳，張斌，籍天明，韓曉娟

(1.華北電力大學控制與計算機工程學院，北京市 102206；2. 國網冀北三河市供電有限公司，河北省三河市 065200；3. 南京南瑞集團信息系統集成分公司，南京市 211106)

基于雙向互補的儲能系統控制策略及經濟性分析

張婳1，張斌2，籍天明3，韓曉娟1

(1.華北電力大學控制與計算機工程學院，北京市 102206；2. 國網冀北三河市供電有限公司，河北省三河市 065200；3. 南京南瑞集團信息系統集成分公司，南京市 211106)

儲能系統成本高、控制技術不成熟，制約了電池儲能系統的大規模應用。在充分考慮電池儲能系統經濟性基礎上，該文提出了基于雙向互補的儲能系統控制策略。由2組電池構成雙向互補電池儲能系統，通過雨流計數法計算電池充放電深度(depth of discharge, DoD)，以表征電池循環壽命，并建立了雙向互補儲能系統充放電控制模型。基于國內某光-儲聯合電站實測數據，在儲能系統不同充放電臨界荷電狀態限定范圍內，對雙向互補電池儲能系統控制策略的經濟性進行了仿真分析。仿真結果表明，與單儲能系統控制策略相比，基于雙向互補的電池儲能系統控制策略可以有效提高電池儲能系統的使用壽命，降低儲能系統成本，具有良好的工程應用前景。

儲能系統；雙向互補；控制策略；經濟性分析

0 引 言

隨著可再生能源發電裝機容量的提高，其輸出功率的波動性、間歇性給電力系統的運行帶來一定沖擊[1-2]。儲能系統作為一種具有快速響應和動態調節能力的設備，可以有效改善可再生能源發電的電能品質，提高可再生能源電力系統的友好性[3-4]。然而，由于目前技術水平有限，儲能系統多處于示范工程階段，尚未得到大規模應用[5-6]。主要原因在于現在儲能系統的成本很高以及控制技術尚未成熟。因此，使用電池儲能系統時應重點關注其經濟性，而電池循環壽命是影響電池儲能系統經濟性的重要因素。

當選定電池類型后，控制策略決定了電池的循環壽命。文獻[7]采用低通濾波技術平抑風電功率波動，根據歷史風電功率確定儲能電池容量和濾波器時間常數。文獻[8]根據鋰電池儲能系統的能量狀態，動態調整2個時間尺度的波動限制指標，以緩解儲能系統過充/過放的壓力。文獻[9]提出了基于卡爾曼濾波的儲能系統能量狀態反饋控制技術，用來實現風電功率平滑。文獻[10]提出了基于模型預測控制技術的儲能電池平抑風電功率波動方法。文獻[11]利用滑動平均濾波算法計算風電輸出功率的目標值，使電池儲能系統的荷電狀態(state of charge, SOC) 穩定在一定的范圍內，避免電池儲能系統出現過充和過放。

目前大部分有關儲能系統控制策略的文獻都沒有考慮儲能系統的經濟性。在儲能元件單價一定的情況下，儲能系統經濟性的關鍵參數是循環使用壽命。在充分考慮儲能系統經濟性的基礎上，本文提出基于雙向互補的電池儲能系統優化控制策略，采用2組電池組構成雙向互補電池儲能系統，令2組電池充放電狀態相反且同時切換，減小運行周期內電池儲能系統的損耗，延長電池儲能系統的使用壽命，提高其經濟性。

1 光伏功率波動平抑控制及電池壽命計算

1.1 光伏功率波動平抑控制算法

選取儲能系統的應用場景為平抑光伏電站功率波動，儲能系統為鉛酸電池儲能系統。某光伏電站裝機容量為40 MW，出力時間為06：00—19：00，功率數據采樣間隔Δt=1 min，每天采集1 440個點。時間跨度選擇為1年，剔除異常數據后，時間跨度確定為360天。讀取360天的光伏功率數據，使用儲能系統平抑其功率波動。

采用文獻[12]中的滑動平均法進行平抑，其中預測方法選擇馬爾科夫鏈法[13-14]。滑動平均法可以實現從光伏功率數據中分離出min級波動分量，其關鍵在于滑動平均時段的選擇。經過大量仿真計算，在滿足并網波動功率不超過10%裝機容量的要求下，滑動平均時段選擇10 min較為適宜，即根據光伏功率當前時刻之前的5 min歷史數據、當前時刻數據以及未來4 min的預測數據計算當前時刻光伏功率的持續分量與波動分量。將此波動分量作為儲能系統的目標功率，如式(1)、(2)所示。

(1)

ΔPt=Ppv,t-Ppv,ref

(2)式中：Ppv,ref是光伏功率持續分量；Ppv,t-i(i=5)為歷史功率數據；Ppv,t為當前時刻的光伏功率；Ppv,t+j(j=4)為預測功率數據；ΔPt為儲能系統的目標功率。

光伏功率預測曲線和滑動平均目標功率曲線如圖1所示。在圖1中，光伏功率實際值與滑動平均目標功率之差即為儲能系統的目標功率。

圖1 光伏功率預測和滑動平均目標功率曲線Fig.1 Curves of PV forecasting power and moving average daily target power

1.2 電池壽命計算

一般將電池循環壽命定義為在容量衰減至某一規定值之前經歷的總充、放電次數[15]。循環壽命與充、放電速率、環境溫度、最大放電深度等因素有關，許多學者和文獻的研究成果表明，電池在運行周期內的放電深度對循環壽命的影響最為顯著，最大放電深度越大，電池循環壽命越短[16]。

電池在不同放電深度時對應不同的循環壽命，因此需要將不同放電深度下的循環壽命統一到某一參考值(通常選擇放電深度為100%)進行量化比較，即計算其等效循環壽命(equivalent cycle life，ECL)。電池的循環壽命與工作方式密切相關，放電深度(depth of discharge，DoD)越大，循環壽命越短。本文將充放電次數和放電深度作為影響電池循環壽命的主要因素。

通過雨流計數法可以計算電池的放電深度，然后根據電池放電深度與循環壽命的對應關系，計算出電池的等效循環壽命。繼而采用等效完全充放電次數來衡量儲能系統在1個運行周期(1 天)的損耗情況。等效完全充放電次數計算過程如圖2所示。

圖2 等效完全充放電次數計算流程Fig.2 Calculation flow chart of equivalent charging and discharging times

通常電池生產廠家會通過額定工況下實驗將放電深度與電池循環壽命的關系進行標定，本文采用鉛酸電池的放電深度與對應的循環壽命。在實際應用中，電池往往不局限于文獻[17]所示的放電深度，可根據數據進行擬合得到放電深度與循環壽命的關系曲線，采用式(3)所示的4階函數表征循環壽命與放電深度的關系，相應曲線如圖3所示[18]。

(3)

圖3 循環壽命與放電深度的關系Fig.3 Relationship of circle life and DoD

將電池的運行周期分解為一系列N個循環周期，放電深度分別為DoD1，DoD2，…，DoDN。設電池第i次循環周期的放電深度為DoDi，則對應的等效循環壽命為

(4)

式中：Nctf(DoD1)為當放電深度為100%時對應的循環壽命；Nctf(DoDi)為當放電深度為DoDi時的循環壽命。

電池在運行周期內等效完全充放電次數為

(5)

通過等效循環壽命L可以計算當前電池的使用壽命，并可用于預測電池壽命。當L=Nctf(DoD1)時，則認為本批次電池組壽命耗盡，需要更換電池組。

2 雙向互補電池儲能系統控制原理

2組儲能電池構成1套儲能系統，2個子系統分別記為BESS1與BESS2，共同輸出t時刻儲能系統的目標功率。光-儲聯合系統拓撲結構如圖4所示。

圖4 光-儲聯合系統拓撲結構Fig.4 Topological structure of PV and ES hybrid system

在電池儲能系統動作的任一時刻，確保BESS1與BESS2處于不同的充/放電狀態以應對交替出現的光伏功率正/負向波動，并且有：

ΔPt=PBESS1,t+PBESS2,t

(6)

式中PBESS1,t與PBESS2,t分別為BESS1和BESS2在t時刻的輸出功率。

運行過程中，若任一組BESSi(i=1,2)達到了充電臨界荷電狀態SOC，max或放電臨界荷電狀態SOC,min，則應立即切換2組BESS系統的充/放電狀態。電池儲能系統充放電狀態切換策略如圖5所示。

圖5 電池儲能系統充放電狀態切換策略Fig.5 Switching strategy of charging and discharging state of battery energy storage system

記電池儲能系統t時刻目標功率為ΔPt，雙向互補控制策略描述如下。

當ΔPt<0時，即儲能系統通過放電來填補負向光伏功率的波動，則其放電功率為

(7)

式中：Ped,max為儲能系統最大放電功率約束；Ped,soc為儲能系統最小荷電狀態約束，其 ：

(8)

式中：Soc,t-1為t-1時刻的儲能系統荷電狀態；Soc,min為設定的儲能系統臨界放電狀態，即荷電狀態下限值；ηd為儲能系統放電效率；Cap為儲能系統總容量；Δt為仿真時間間隔。

當ΔPt>0時，即儲能系統通過充電來抵消正向光伏功率的波動。則其充電功率為

(9)

式中：Pec,max為儲能系統最大充電功率約束；Pec,soc為儲能系統最大荷電狀態約束，其計算公式如下：

(10)

式中：Soc,max為設定的儲能系統臨界充電狀態，即荷電狀態上限值；ηc為儲能系統放電效率。

3 算例及經濟性分析

3.1 算例分析

利用Matlab2012仿真軟件，對本文提出的雙向互補電池儲能系統控制策略進行仿真分析。所選擇的雙向互補電池儲能系統容量參數如下：BESS1的容量為4.5 MW·h, BESS2的容量為4.5 MW·h；單電池儲能系統的容量為4.5 MW·h。該儲能系統在單BESS控制策略下的目標功率曲線如圖6所示，目標功率就是單儲能系統的吞吐功率。

圖6 單BESS控制策略下的儲能充放電功率Fig.6 Charging and discharging power of energy storage under single BESS control strategy

從圖6中可以看出，當任一組BESSi(i=1,2)達到充/放電臨界荷電狀態時，則立即切換2組BESS的充/放電狀態，因此充電和放電臨界荷電狀態限定值的設定對控制效果和最終的電池儲能系統整體損耗都有影響。為了考察不同充電或放電臨界荷電狀態限定值下的控制效果，設定7組充電和放電臨界荷電狀態限定值，并以其中2組為例進行分析和說明，其輸出功率曲線如圖7所示。

圖7 儲能系統輸出功率Fig.7 Charging and discharging output power of energy storage system

圖8為2種控制策略下的儲能系統荷電狀態變化情況，由圖8可知，2組充放電臨界荷電狀態限定值下的控制效果不同，表現在功率曲線和荷電狀態曲線的形態不同。充放電臨界荷電狀態限定范圍越窄，雙向互補的2組電池儲能系統的充放狀態轉換就越頻繁。

3.2 經濟性分析

為考察充放電臨界荷電狀態限定值對儲能系統損耗的影響，計算不同充放電臨界荷電狀態限定范圍下雙向互補電池儲能系統控制策略與傳統單BESS控制策略下的等效完全充放電次數，結果如表1所示。

以BESS1與BESS2的等效完全充放電次數之和為縱坐標，以充放電臨界荷電狀態限定值上下限值之差為橫坐標作圖，不同荷電狀態區間雙BESS的等效完全充放電次數之和如圖9所示。

圖8 2種控制策略下的儲能系統SOCFig.8 SOC of energy storage system under two control strategies

由于BESS1與BESS2的容量之和是單BESS的2倍，則認為雙向互補電池儲能系統控制策略的初始成本是單BESS控制方式初始成本的2倍。如果雙向互補控制策略下的損耗小于單BESS控制方式的一半，則雙向互補控制策略具有經濟優勢，因為其使用壽命大于單BESS控制方式的2倍。由圖9可知，BESS1與BESS2等效完全充放電次數之和小于單BESS等效完全充放電次數的一半，即雙向互補電池儲能系統控制策略更具有經濟性。

圖9 不同SOC區間雙BESS的等效完全充放電次數之和Fig.9 Equivalent charging and discharging times of double BESS under different SOC intervals

當荷電狀態區間上下限值為0.6時，即SOC,min=0.2,SOC,max=0.8，BESS1與BESS2的等效完全充放電次數之和取最小值0.337 1,因此確立充放電臨界荷電狀態限定值[0,2,0.8]為控制策略的最佳區間，在此條件下的儲能系統輸出功率和SOC變化情況如圖10所示。

圖10 SOC區間為[0.2,0.8]時儲能系統輸出功率和SOCFig.10 Output power and SOC of energy storage system when SOC interval is [0.2,0.8]

由圖10可知，當充放電臨界荷電狀態限定值為[0,2,0.8]時，由于BESS1與BESS2的等效完全充放電次數之和取最小值，即此控制策略下的電池壽命損耗最小，所以2組電池儲能系統的充放狀態轉換頻繁程度低于圖8中2種充放電臨界荷電狀態限定范圍情況下的充放狀態轉換頻繁程度。

4 結 論

本文基于雙向互補電池儲能系統控制策略完成對儲能系統目標功率的吞吐。通過考察不同充放電臨界荷電狀態限定值下的控制效果，確立充放電臨界荷電狀態最佳限定區間為[0.2, 0.8]。對雙向互補電池儲能系統控制策略與傳統控制策略下的儲能系統損耗進行比較，仿真結果表明，雙向互補電池儲能系統控制策略更具有經濟性。

[1]劉偉，彭冬，卜廣全，等．光伏發電接入智能配電網后的系統問題綜述[J]．電網技術，2009，33(19)：1-6． LIU Wei, PENG Dong, BU Guangquan, et al. Asurvey on system problems in smart distribution network with grid-connected photovoltaic generation[J].Power System Technology,2009, 33(19):1-6.

[2]丁明，王偉勝，王秀麗，等．大規模光伏發電對電力系統影響綜述[J]．中國電機工程學報，2014，34(1)：1-14． DING Ming, WANG Weisheng, WANG Xiuli, et al. A review on the effect of large-scale PV generation on power systems[J]. Proceedings of the CSEE, 2014，34(1)：1-14.

[3]BILLINTON R B．Impacts of energy storage on power system reliability performance[C]//Canadian Conference on Electrical and Computer Engineering. Saskatchewan，Canada: IEEE，2005：494-497.

[4]丁明，徐寧舟，畢銳．用于平抑可再生能源功率波動的儲能電站建模及評價[J]．電力系統自動化，2011，35(2)：66-72． DING Ming, XU Ningzhou, BI Rui. Modeling of BESS for smoothing renewable energy output fluctuations[J].Automation of Electric Power Systems,2011,35(2):66-72.

[5]汪海蛟，江全元．應用于平抑風電功率波動的儲能系統控制與配置綜述[J]．電力系統自動化，2014，38(19)：126-135． WANG Haijiao， JIANG Quanyuan. An overview of control and configuration of energy storage system used for wind power fluctuation mitigation[J].Automation of Electric Power Systems,2014,38(19):126-135.

[6]高明杰，惠東，高宗和，等．國家風光儲輸示范工程介紹及其典型運行模式分析[J]．電力系統自動化，2013，37(1)：59-64． GAO Mingjie, HUI Dong, GAO Zonghe, et l. Presentation of national wind/photovoltaic/energy storage and transmission demonstration project and analysis of typical operation modes[J].Automation of Electric Power Systems,2013,37(1):59-64.

[7]楊水麗，惠東，李建林，等．適用于風電場的最佳電池容量選取的方法[J]．電力建設，2010，31(09)：1-4． YANG Shuili, HUI Dong, LI Jianlin, et al. Selection of theoptimal battery capacity for wind farm[J]. Electric Power Construction,2010,31(9):1-4.

[8]JIANG Q，WANG H．Two-time-scale coordination control for a battery energy storage system to mitigate wind power fluctuations[J]．IEEE Transactions on Energy Conversion，2013，28(1)：52-61.

[9]LI X．Fuzzy adaptive Kalman filter for wind power output smoothing with battery energy storage system[J]．IET Renewable Power Generation，2012，6(5)：340-347.

[10]洪海生，江全元，嚴玉婷．實時平抑風電場功率波動的電池儲能系統優化控制方法[J]．電力系統自動化，2013，37(1)：103-109． HONG Haisheng, JIANG Quanyuan, YAN Yuting. An optimization control method of battery energy storage system with wind power fluctuations smoothed in real time[J].Automation of Electric Power Systems,2013,37(1):103-109.

[11]王剛，邱曉燕，張曉晨，等．平滑風電功率的電池儲能系統優化控制策略[J]．電力系統及其自動化學報，2015，27(8)：66-70． WANG Gang, QIU Xiaoyan, ZHANG Xiaochen, et al.Optimized control strategy for battery energy storage system to smooth wind power output[J]. Proceedings of the CSU-EPSA, 2015, 27(8):66-70.

[12]林衛星，文勁宇，艾小猛，等．風電功率波動特性的概率分布研究[J]．中國電機工程學報，2012，32(1)：38-46． LIN Weixing, WEN Jinyu, AI Xiaomeng, et al. Probability density function of wind power variations[J]. Proceedings of the CSEE, 2012, 32(1):38-46.

[13]周封，金麗斯，劉健，等．基于多狀態空間混合Markov鏈的風電功率概率預測[J]．電力系統自動化，2012，36(6)：9-33． ZHOU Feng, JIN Lisi, LIU Jian, et al. Probabilistic wind power forecasting based on multi-state space and hybrid Markov chain models[J]. Automation of Electric Power Systems,2012,36(6):29-33.

[14]周封，金麗斯，王丙全，等．基于高階Markov鏈模型的風電功率預測性能分析[J]．電力系統保護與控制，2012，40(6)：6-10． ZHOU Feng, JIN Lisi, WANG Bingquan, et al. Analysis of the wind power forecasting performance based on high-order Markov chain models[J]. Power System Protection and Control, 2012，40(6)：6-10.

[15]SAUER D U，WENZL H．Comparison of different approaches for life-time prediction of electrochemical systems-using lead acid batteries as example[J]．Journal of Power Sources，2008，176(2)：477-483.

[16]WAN Y．Summary report of wind farm data[R]．Golden：National Renewable Energy Laboratory，2008.

[17]BINDNER H，CRONIN T，LUNDSAGER P，et al．Lifetime modeling of lead acid batteries[R]．Roskilde：Ris? National Laboratory，2005.

[18]程成．用于可再生能源發電并網技術的混合儲能控制策略研究[D]．北京：華北電力大學，2014． CHENG Cheng.Research of hybrid energy storage control strategy for renewable energy power generation and grid connected technology[D]. Beijing: North China Electric Power University, 2014.

(編輯 張小飛)

Control Strategy and Economic Analysis of Energy Storage System Based on Bidirectional Complementary

ZHANG Hua1, ZHANG Bin2, JI Tianming3, HAN Xiaojuan1

(1.School of Control and Computer Engineering, North China Electric Power University, Beijing 102206，China; 2. Sanhe Electric Power Company, State Grid Jibei Electric Power Company, Sanhe 065200, Hebei Province, China；3. Information System International Company, NARI Group Corporation, Nanjing 211106, China)

The high cost and immature control technology of energy storage system restrict the large-scale application of battery energy storage system. With full consideration of the economy of battery energy storage system, this paper proposes the control strategy for energy storage system based on bidirectional complementary, in which the bidirectional complementary battery energy storage system is composed of two groups of batteries. We calculate the the depth of discharge (DoD) by rain flow count method, in order to characterize the cycle life of the battery; and establish the charge and discharge control model for bidirectional complementaryenergy storage system. Taking the measured data of an photovoltaic-energy storage hybrid power station as example, we simulate and analyze the economy of the control strategy for bidirectional complementary battery energy storage system, in the different limited range of the critical state of charge during charge-discharge in energy storage system. The simulation results show that, compared with the control strategy of single energy storage system, the the control strategy of battery energy storage system based on bidirectional complementary can effectively improve the service life of the system and reduce the cost of energy storage system, which has a good prospect of engineering application.

energy storage system; bidirectional complementary; control strategy; economic analysis

國家自然科學基金項目(51577065)；國家電網公司科技項目(KY-SG-2016-204-JLDKY)

TM 912

A

1000-7229(2016)08-0096-06

10.3969/j.issn.1000-7229.2016.08.015

2016-03-11

張婳(1992)，女，碩士，主要從事電池儲能控制、經濟性評估等方面的研究工作；

張斌(1989)，男，碩士，主要研究方向為新能源發電控制技術和儲能技術；

籍天明(1991)，男，碩士，主要從事新能源發電控制技術、數據挖掘等方面的研究工作；

韓曉娟(1970)，女，博士，教授，主要從事新能源發電控制技術、故障診斷、信息融合和檢測技術等方面的研究工作。

Project supported by National Natural Science Foundation of China (51577065)