基于自適應均衡技術的分布式儲能聚合模型及評估方法

2022-01-05 10:36:54劉思奇關多嬌姜竹楠顧海飛

上海交通大學學報 2021年12期

關鍵詞：模型

葉鵬，劉思奇，關多嬌, 姜竹楠，孫峰, 顧海飛

(1. 沈陽工程學院電力學院，沈陽 110136； 2. 沈陽工程學院能源與動力學院，沈陽 110136；3. 國網遼寧省電力有限公司電力科學研究院，沈陽 110006；4. 中建安裝集團有限公司工程研究院，南京 210046)

隨著新能源發電占比的大幅提升，以及“碳達峰、碳中和”目標的提出，新能源發電及分布式儲能已廣泛參與到電力市場的交互過程中.現今，大規模分布式儲能參與地區電力輔助服務補償(市場)工作已在各地推進，然而，分布式儲能廣域分散、容量各異，因此，如何有效地提高分布式儲能資源的消納、完成對分布式儲能資源的匯聚、整合——“聚合”——并參與電網調節，已成為電網對分布式儲能進行有效調控的重要動作，其具有理論意義和現實價值.

聚合動作的實施者稱為“儲能聚合商”，或稱為“匯聚代理商”[1-3].儲能聚合商以電力儲能系統為基礎，通過建立用戶聚集的調度服務市場的電池儲能參與模型，首先考慮單個用戶(儲能單體)，然后考慮用戶的聚合(儲能聚合體)[2].文獻[3]基于多儲能系統聚合方法，將能量管理擴展到具有分布式儲能系統的低壓微電網.文獻[4]分析比較了兩種適用于具有可再生能源和儲能的電力系統運行模式的時間周期聚合方法.文獻[5]立足于風電機組，分別建立和提出了多機聚合模型、雙機聚合模型以及聚合風電場服務的儲能系統能量管理策略.文獻[6-8]立足于電動汽車，分別建立了電動汽車的聚合器模型以及新型等效時變儲能模型，用于電動汽車與其供電設備的聚合.文獻[9-10]側重于聚合分組，首先基于改進K-means算法、全景理論通過儲能運行特性的靜態指標對儲能進行聚類或評價分組，然后構建已分組儲能的聚合調控模型.文獻[11-12]側重于聚合調控：首先設定儲能參數和充放電均衡函數，然后基于聚合效應、完全分布式控制算法將所有儲能聚合成一體，并進行優化調控.

本文提出一種基于自適應均衡技術的分布式儲能聚合模型及評估方法.該模型首先建立基于儲能容量、功率、荷電狀態等動態特性參數的自適應均衡函數模型，對儲能運行特性的運行范圍進行了規定，以實現各儲能單體充放電和輸出(入)功率的自適應均衡.然后，在這一技術的基礎上，建立儲能聚合模型，該模型包含3種聚合度動態參數：功率調節度、自適應均衡度和容量貢獻度，其能充分表征儲能單體參與區域電網響應時的動態調節能力.最后，通過儲能聚合模型的評估方法評估出儲能聚合模型相近的儲能單體并聚合成儲能聚合體，以實現各儲能單體以通過更小的體內差異性、更高的體間聚合度完成儲能單體到儲能聚合體的聚合，從而實現儲能資源的高效利用.

1 分布式儲能聚合商的運營平臺框架

分布式儲能的 “分布式”與集中式儲能的 “集中式”互為映照，若“集中式”為集中規模的大型儲能電站，則“分布式”就為小型且分散的儲能設施.然而，當調控層的儲能聚合商運營平臺參與進來時，“分布式”進一步拓寬，“分布式”將不再以某類儲能規模的大小作為衡量的標準，而是以儲能聚合商運營平臺作為整體參照物：即在儲能聚合商運營平臺有限范圍內的調控下，從屬于該范圍內的任一儲能對象，無論其容量較大或是較小，只要該儲能設備是作為一個獨立對象參與到儲能聚合商運營平臺的調控中去，那么這些獨立對象都叫做“分布式儲能”.進一步把這些可參與調控動作的“分布式儲能”叫做“儲能單體”.“儲能單體”在儲能聚合商運營平臺的調控下完成自身資源能量的匯聚、整合叫做“聚合”，“儲能單體”經過“聚合”形成的大規模“儲能單體”對象叫做“儲能聚合體”.基于上述概念定義，本文的分布式儲能聚合模型及評估方法概念的流程圖如圖1所示.其中：G1為儲能功率調節度；G2為儲能自適應均衡度；G3為儲能容量貢獻度；n為儲能單體個數；m為儲能聚合體個數；Ai(i=1，2，…，n)為儲能單體i的聚合度.

圖1 分布式儲能聚合模型及評估方法的流程圖Fig.1 Flowchart of distributed energy storage aggregation model and evaluation method

基于上述理論，基于自適應均衡技術的分布式儲能聚合模型及評估方法的儲能聚合商運營平臺框架如圖2所示.上層為調控層，該層主要用于將自適應均衡技術應用于每一個進入到儲能商運營平臺的儲能單體上.該層的目的為，將參數各異的儲能單體經過有效的技術手段達到充放的自適應均衡.中層為聚合層，該層基于分布式儲能聚合及評估方法，用于將聚合度相近的儲能單體聚合成儲能聚合體.該層的目的為，實現儲能資源的高效聚合.下層為響應層，該層主要用于儲能聚合體完成電網發布的需求響應.分布式儲能聚合商的運營平臺框架整體的意義為，將廣域分散的儲能資源進行聚合和調控，從而方便響應電網需求和調度.

圖2 分布式儲能聚合商的運營平臺框架Fig.2 Operation platform framework of distributed energy storage aggregator

2 自適應均衡技術

對于每一個進入到儲能商運營平臺的儲能單體，其運行特性參數各異，主要體現在容量和功率上.其中，額定容量直觀反映儲能本身的容儲能力，電網所發布的儲能輔助服務市場需求中常以儲能額定容量大于需求容量作為審核標準[13]，額定功率反映儲能本身的電能消納能力.這兩者都是靜態參數.當構建分布式儲能聚合模型時，若以上述靜態參數作為構建模型的對象，其不能表示儲能的動態變化，則很容易造成儲能聚合體在響應過程中的體內差異.而且，聚合體后在進入電網響應時，剩余容量、輸出(入)功率、荷電狀態都是時變的，應滿足在某一時刻，聚合體內即刻荷電狀態較高(低)的儲能單體率先進行功率輸出(入)，剩余容量較大(小)的儲能單體承擔較多(少)的輸出份額.

因此，本文首先提出一種能有效模擬儲能單體充放電運行特性的自適應均衡技術函數模型，把各儲能單體的容量、功率、荷電狀態的即刻動態變化行為全部計入其中，并且自適應均衡技術對儲能運行特性的運行范圍進行了規定，使各儲能單體間的差異變得相對均衡，以應用于調控層每一個進入到儲能商運營平臺的儲能單體上.進一步的，自適應均衡技術可以衍生出幾種表征儲能單體動態調節能力的動態調節參數，以實現各儲能單體以更小的體內差異性、更高的體間聚合度完成儲能單體到儲能聚合體的聚合.根據上述原理，本文所設定儲能單體i的輸出(入)功率關于荷電狀態(SOC)的自適應均衡充放函數p(si)如下：

(1)

式中：Ci為儲能單體i的額定容量；C∑為所有進入儲能聚合商運營平臺的儲能單體的總額定容量；Pi，rat為儲能單體i的額定功率；Ai為儲能單體i的自適應因子；Ai0為儲能單體i的自適應初等因子；di為儲能單體i的自分配系數；f(si)為儲能單體i的即刻荷電狀態si的運行函數.

儲能單體i的即刻荷電狀態si的運行函數f(si)為

f(si)=|si±sx|/lx

(2)

式中：sx為儲能單體荷電狀態的一個即刻運行點，即刻運行點及其取值如表1所示；lx為儲能單體荷電狀態的一個即刻運行區間.

文獻[14-15]提出的自恢復策略等都給出了儲能荷電狀態的一種劃分方式，本文給出的儲能單體荷電狀態即刻運行點sx如表1所示，其中：smin為最小荷電點；slow為低荷電點；sshc為淺充荷電點；smid為荷電中點；sshd為淺放荷電點；shigh為高荷電點；smax為最大荷電點.

表1 儲能單體荷電狀態的即刻運行點sx

表1中以荷電中點作為分界，將儲能單體荷電狀態的即刻運行點劃分為充、放兩種狀態.儲能單體i的即刻荷電狀態si的運行函數f(si)也劃為充、放兩部分，并選取適當的即刻運行點sx和即刻運行區間lx，設定的函數如下：

(3)

(4)

式中：下標c為充電，d為放電；sx=(sshc/shd+smid)/2，選取的是淺充(放)荷電點和荷電中點的中值，該點接近荷電中點，儲能單體在該點附近運行時，能較好地體現儲能單體淺充淺放的特性.lx=|smid-smax/min|，選取的是最小(大)荷電點和荷電中點的運行區間.則儲能單體i的輸出(入)功率關于荷電狀態的自適應均衡充放函數p(si)如下：

(5)

(6)

3 基于自適應均衡技術的分布式儲能聚合模型及評估方法

3.1 儲能單體的聚合模型

通過上文敘述可知，聚合層的分布式儲能聚合模型的參數應該是動態的.這種動態參數是由自適應均衡技術模擬出的儲能運行特性衍生出的，其不僅能體現儲能剩余容量、輸出(入)功率、荷電狀態的動態變化，也能模擬儲能單體參與電網響應時的動態調節能力.儲能聚合模型的物理意義為，以3種動態參數代表各儲能單體，從而實現動態調節能力相近、相互之間聚合潛力較高的儲能單體的聚合.把儲能單體間的聚合潛力定義為儲能單體間的聚合相似度，簡稱儲能聚合度.儲能聚合度通過模型中3種動態參數計算，分別為計及功率調節因素的儲能功率調節度，計及荷電狀態調節因素的儲能自適應均衡度，計及容量調節因素的儲能容量貢獻度.

(1) 儲能功率調節度.

儲能功率調節度G1在聚合度中的表征為，儲能聚合體輔助電網運行期間，隨著調節程度的不斷變化，聚合體內各儲能單體的輸出(入)功率的調節能力.

首先，引入儲能輔助電網運行時的重要調節變量因素，區域控制偏差(ACE).根據文獻[7]，區域控制偏差可以表示為與該區域需求儲能單體i釋放(吸收)功率相關的函數.因儲能功率調節方向與區域控制偏差的需求功率的調節方向互逆[16]，可表示為

(7)

f(ai)=|ai±ax|/lx

(8)

式中：p(ai)為區域需求儲能單體i釋放(吸收)功率關于區域控制偏差的自適應均衡充放函數；f(ai)為儲能單體i的即刻區域控制偏差ai的運行函數；ax為調節過程中區域控制偏差的一個即刻動作點.

依據調節不同緊急程度將區域控制偏差劃分為即刻動作點，如表2所示.其中：amin為最小動作點；alow為初始動作點；amid為常規動作點；ahigh為次緊急動作點；amax為緊急動作點.

表2 調節過程中區域控制偏差的即刻動作點Tab.2 Immediate action points of ACE during adjustment

選取適當的即刻動作點和即刻動作區間，儲能單體i的即刻區域控制偏差的運行函數為

(9)

(10)

儲能單體i在調節過程中的區域需求儲能釋放(吸收)功率關于區域控制偏差的自適應均衡充放函數如下：

(11)

(12)

為避免儲能單體的過充放，防止儲能單體i超出自身荷電約束去調節區域控制偏差，儲能功率調節度G1的大小定義為p(si)和p(ai)在相同運行區間內的較小值.調用式(5)和(6)，因在定義的儲能容量貢獻度計及了儲能單體容量的貢獻，所以將式(5)和(6)中容量因素去除，令p′(si)c/d=C∑p(si)c/d/Ci.儲能功率調節度G1可由式(5)和(6)將式(11)和(12)作如下表示：

(13)

(2) 儲能自適應均衡度.

儲能自適應均衡度G2在聚合度中的表征為，儲能聚合體協同電網運行期間，隨著調節程度的不斷變化，聚合體內各儲能單體的自適應均衡能力.其可由儲能單體i的儲能功率調節度G1基于自適應均衡技術的標幺制表示.根據文獻[16]，定義自分配系數d=15；初等自適應因子Ai0=0.01；自適應因子A=10Ai0/Pi，rat時的G1為GB.因此，儲能單體i的自適應均衡度G2可表示為

(14)

(3) 儲能容量貢獻度.

儲能容量貢獻度G3在聚合度中的表征為，儲能聚合體協同電網運行期間，隨著需求容量的不斷變化，聚合體內各儲能單體的容量貢獻能力.因此，儲能單體i容量貢獻度G3可表示為[9]

(15)

(16)

式中：pt(si)為儲能單體i在t時刻輸出(入)功率的自適應均衡充放函數；T為調度周期；Δt為時間間隔；Capk為隨儲能出力改變的可調度容量；Cap為系統需求容量.

3.2 儲能聚合模型的評估方法

在上一節中，構建了計算儲能單體的聚合模型.本文將自適應分段聚合模型序列相似度評價方法引入到儲能聚合體系統中，該方法用于將大量具有相同特征的數據用聚合模型表示，當某幾個數據之間的基礎聚合模型越接近時，證明這幾者之間的相似程度越高[17].同理，若某幾個儲能單體間的聚合模型越接近，證明這幾個儲能單體聚合成儲能聚合體的可能性越大.因此，在儲能單體聚合模型的基礎上，首先計算儲能聚合度，然后基于儲能聚合模型評估方法，評估出聚合度相近的儲能單體聚合成儲能聚合體.

綜上，儲能聚合模型的評估方法如下.

步驟1計算儲能單體i的儲能聚合度Ai：

Ai=μ1G1+μ2G2+μ3G3

(17)

式中：μ1、μ2、μ3為3種儲能單體聚合度動態參數的權重，根據文獻[9]提供的九級標度法，選取μ1=0.5；μ2=0.3；μ3=0.2.

步驟2將儲能聚合度Ai作為儲能聚合模型中的云滴變量輸入值x，Ai滿足如下分布：

(18)

式中：E為儲能聚合模型的期望；F為儲能聚合模型的熵；F′為標準差；H為儲能聚合模型的超熵.

步驟3用云期望曲線y(x)描述儲能聚合模型的幾何形態，y(x)表達如下：

y(x)=exp[-(x-E)2/(2F2)]

(19)

步驟4通過逆向云發生器，將步驟3中已形成的定量數據y(x)轉化為模型的數字特征E,F,H，具體表達如下：

(20)

(21)

(22)

步驟6具有相近的儲能聚合模型、擬合曲線、殘差圖的儲能單體聚合成儲能聚合體.

3.3 儲能聚合體的模型

在構建對儲能單體的聚合模型并進行評估后，評估出具有相近聚合模型的儲能單體進行聚合，設定聚合后儲能聚合體的模型如下.

(1) 儲能聚合體參數：

(23)

(24)

式中：P(sj)為儲能聚合體j的輸入(出)功率，j=1，2，…，m；q為該聚合體j內含儲能單體i的個數.

(2) 儲能聚合體約束條件：

(25)

smin≤si≤smax

(26)

式中：Pc(sj)max、Pd(sj)max為儲能聚合體j的輸入、輸出的最大功率.

4 算例評估結果分析

本文提出一種基于自適應均衡技術的分布式儲能聚合模型及評估方法. 該模型為實現大規模儲能單體以小差異性、高聚合度完成儲能聚合體的聚合，實現儲能資源的高效利用.因此，本文選取遼寧省地區內6個工業園區配置的儲能單體作仿真驗證，各儲能單體類別不同，其具體配置參數如表3所示.

表3 6種儲能單體的配置參數

以上述配置參數進行仿真，儲能單體聚合模型的動態參數運行特性曲線如圖3～5所示，單位均為標幺制.其中：h=1，2，…，6，為表3中示例的儲能單體；G1h為儲能單體h的功率調節度；G2h為儲能單體h的自適應均衡度；G3h為儲能單體h的容量貢獻度；Caph為儲能單體h的系統需求容量；Creh為儲能單體h的剩余容量.

通過表3中的數據，6種儲能單體的功率調節度的仿真運行曲線如下所示：

由圖3可知，6種儲能單體儲能功率調節度的調節深度一致(縱向走勢，均位于[-1, 1]之間)，主調節范圍各異(橫向走勢)，主調節范圍區間越短，證明該儲能單體越早參與調節.其中，儲能2、6主要位于調節前期；儲能4、3主要位于調節中期；儲能5、1主要位于調節后期.

圖3 6種儲能單體儲能功率調節度的運行曲線Fig.3 Simulation operation curve of power regulation degrees of six kinds of energy storage units

通過表3中的數據，6種儲能單體的自適應均衡度的運行曲線如圖4所示.

由圖4可知，各儲能單體自適應均衡度的調節范圍大致鎖定在[0, 0.5]，這個范圍應是各儲能單體實現自適應均衡的范圍.而在緊急調節需求時刻，儲能1、3、4、5的自適應均衡度均有一小段突破自適應均衡范圍的攀升，這說明各儲能單體在不削弱自身調節能力的基礎上，實現了調節能力的相對均衡.

圖4 6種儲能單體自適應均衡度的仿真運行曲線Fig.4 Simulation operation curve of adaptive equalization rates of six energy storage units

通過表3中的數據，6種儲能單體的容量貢獻度的運行曲線如圖5所示.

圖5 6種儲能單體容量貢獻度的仿真運行曲線Fig.5 Simulation operation curves of capacity contribution rates of six energy storage units

由圖5可知，當Cap>0時，代表需求儲能放電(輸出)；當Cap<0時，代表需求儲能充電(輸入).各儲能單體容量貢獻度大小體現在其等于1時的平面大小上，各儲能單體的容量貢獻度的大小依次為：儲能2、4、6、5、3、1，與各儲能單體的容量大小相對應.

圖6 各儲能單體的聚合模型評估結果Fig.6 Evaluation results of aggregation models of each energy storage units

表4 各儲能單體的聚合模型評估結果的10次擬合殘差數據

由圖6可知，黑色散點的表征為根據已輸入的聚合度數據評估出的該儲能單體的聚合度，紅色曲線的表征為根據聚合度評估數據擬合出的10次擬合曲線.各擬合曲線的殘差數據、殘差圖如表4和圖7所示.由圖7可以看出，儲能單體1、2、3具有相近的聚合模型和擬合曲線；儲能單體4、5、6具有相近的聚合模型和擬合曲線，且儲能單體1、2、3的殘差數據接近；儲能單體4、5、6的殘差數據接近.由此可說明，儲能單體1、2、3適合聚合成聚合體1，儲能單體4、5、6適合聚合成聚合體2.

圖7 各儲能單體的聚合模型評估結果的10次擬合殘差圖Fig.7 10th fitting residual error diagrams of evaluation results of aggregation model of each energy storage units

儲能聚合體模型的動態運行曲線仿真如圖8所示.由圖8可知，荷電中點smid=0.5為分界處，左半部分為充電運行曲線，右半部分為放電運行曲線，分色柱狀圖代表各儲能單體的輸出(入)功率在所有儲能單體中的貢獻程度.從圖8中還可以看出，自適應均衡技術可以將3種儲能運行特性的主要參數計及在內，并且自適應均衡技術對儲能運行特性的運行范圍進行了規定，實現了各儲能單體的自適應均衡，使儲能單體間的差異性更小，且實現了在某一時刻，聚合體內即刻荷電狀態較高(低)的儲能單體率先進行功率輸出(入)，剩余容量較大(小)的儲能單體承擔較多(少)的輸出份額.以下從3個角度證明本文所提出的基于自適應均衡技術的儲能聚合模型及其評估方法的可行性.

圖8 基于自適應均衡技術的儲能聚合體運行曲線Fig.8 Operation curves of energy storage aggregation based on adaptive equalization technology

(1) 容量角度：儲能單體1、2、3的額定容量分別為10、100、20 MW·h；儲能單體4、5、6的額定容量分別為80、40、60 MW·h，則聚合體1的儲能聚合容量為130 MW·h；聚合體2的儲能聚合容量為180 MW·h，若聚合商以本文中分布式儲能聚合模型及評估方法進行儲能單體的聚合，聚合成的聚合體之間聚合容量差異不大，且滿足聚合體內儲能單體容量的差異互補.

(2) 荷電狀態的自適應均衡角度：從圖4來看，儲能單體1、5；2、6；3、4的自適應均衡度運行范圍各自相近，分別為[0, 1]; [0, 0.5]; [0, 0.7]，而1、2、3；5、6、4各自聚合成體，既滿足各聚合體間的相似性，也滿足聚合體內各儲能單體的差異互補性.

(3) 功率運行特性角度：從圖8儲能單體充電運行部分來看，儲能單體2、6位于調節前期；儲能單體3、4位于調節中期；儲能單體1、5位于調節后期，與圖3相對應.若儲能單體2、3、1；6、4、5分別聚合成體，滿足該聚合體在前、中、后期均可進行調節，且滿足聚合體之間調節差異不大.

綜上所述，以上3點均可證明基于自適應均衡技術的分布式儲能聚合模型及評估方法的實用性，可實際應用于大規模參與輔助服務的分布式儲能的聚合.

5 結論

針對分布式儲能廣域分布、資源分散、無法高效聚合等問題，本文開展分布式儲能聚合技術和評估方法研究，建立了分布式儲能聚合商的運營平臺框架，提出一種基于自適應均衡技術的分布式儲能聚合模型及評估方法.研究結論如下.

(1) 建立基于儲能容量、功率、荷電狀態等動態特性參數的自適應均衡函數模型，該模型對儲能運行特性的運行范圍進行了規定，實現了各儲能單體的自適應均衡，使儲能單體間的差異性更小.

(2) 在自適應均衡函數模型的基礎上建立以儲能功率調節度、自適應均衡度和容量貢獻度3種聚合度動態參數為決策的儲能聚合模型.該聚合模型能充分表征儲能單體參與區域電網響應時的動態調節能力.各儲能單體可以在不削弱自身調節能力的基礎上，實現了儲能聚合體調節能力的相對均衡.

(3) 通過算例驗證表明，基于自適應均衡技術的儲能聚合模型可實現各儲能單體以更小的體內差異性、更高的體間聚合度完成儲能單體到儲能聚合體的聚合，可實際應用于大規模參與輔助服務的分布式儲能的聚合，實現儲能資源的高效利用.