相关论文:
-
-
全球能源互联网
第8卷 第4期 2025年07月;页码:506-518
提升二次调频响应性能的火-混合储能系统协调控制策略
Coordinated Control Strategy of Fire-hybrid-energy-storage System to Improve the Performance of Secondary Frequency Modulation Response
- 1.华电电力科学研究院有限公司,浙江省 杭州市 310030
- 2.现代电力系统仿真控制与绿色电能新技术教育部重点实验室(东北电力大学),吉林省 吉林市 132012
- FANG Zheng1, SI Wenbo2, WANG Diyang1, ZHANG Liang2, YIN Yeping1, LI Cuiping2, ZHANG Ping1,YAN Gangui2, LI Junhui2* (1. Huadian Electric Power Research Institute Co., Ltd., Hangzhou 310030, Zhejiang Province, China
- 2. Key Laboratory of Modern Power System Simulation and Control & Renewable Energy Technology, Ministry of Education(Northeast Electric Power University, Jilin 132012, Jilin Province, China
关键词
Keywords
摘 要
Abstract
针对火电机组跟踪自动发电控制(automatic generation control,AGC) 指令响应时间长、调节速率慢、调节精度低等问题,提出提升二次调频响应性能的火-混合储能系统协调控制策略。首先对调频性能考核指标进行介绍,然后基于调频性能考核指标确定混合储能的动作时机和动作深度;其次,为了降低电池储能寿命损耗和延长混合储能系统连续调节能力,提出基于储能荷电状态(state of charge,SOC) 分区思想的混合储能系统调频责任分配策略,完成调频功率在电池储能和飞轮储能之间的分配;最后,基于Matlab/Simulink对所提策略进行了仿真分析,结果表明混合储能辅助机组调频可以有效提升调频性能,降低电池储能寿命损耗。相较于没有配置储能的火电机组,调节性能平均值提升了3.09倍,调频收益提高了109.15%;相比单一电池储能辅助火电机组调频,混合储能模式下电池储能的寿命提升了3.41倍。
Aiming at the problems of Automatic Generation Control (AGC) command response time, slow adjustment rate and low adjustment accuracy of thermal power units, a coordinated control strategy of fire-hybrid energy storage system was proposed to improve the response performance of secondary frequency modulation. Firstly, the frequency modulation performance evaluation index is introduced, and then the action time and action depth of hybrid energy storage are determined based on this index. Secondly, in order to reduce the life loss of battery energy storage and extend the continuous adjustment capability of hybrid energy storage system, a frequency modulation responsibility allocation strategy of hybrid energy storage system based on the State of Charge(SOC) zoning idea is proposed to complete the distribution of frequency modulation power between battery energy storage and flywheel energy storage. Finally, the proposed strategy is simulated based on Matlab/Simulink. The results show that the frequency modulation of hybrid energy storage auxiliary unit can effectively improve the frequency modulation performance and reduce the battery energy storage life loss. Compared with thermal power units without energy storage, the average adjustment performance is increased by 3.09 times, and the frequency modulation income is increased by 109.15%.Compared with frequency modulation of thermal power units assisted by single battery energy storage, the life of battery energy storage in hybrid energy storage mode is increased by 3.41 times.
0 引言
随着“双碳”目标的提出,中国可再生能源发展不断实现新突破[1-3]。截至2023年底,中国新能源累计装机容量达10.51亿kW,占全国电源总装机的36.0%[4]。然而,新能源出力的随机性、间歇性、波动性等固有特征严重干扰了整个电网的功率平衡与频率稳定,火电机组难以应对新型电力系统下的频率调节需求[5-8]。因此,亟需一种新的调频资源来维持电网调频功率供需的平衡。
随着科技的不断进步,中国储能技术多元发展、不断迭代,新型储能日益成为中国建设新型能源体系和新型电力系统的关键技术[9-11]。新型储能具有响应速度快、调节精度高等特点,可在短时间内提供大量有功功率以提供频率支撑,具有较强的调频能力[12-15]。因此,新型储能被广泛用来辅助火电机组共同调频。
国内外专家学者就火-储联合调频问题开展了研究,文献[16]介绍了北京石景山2 MW/0.5 MWh锂电池调频工程,为了减小传统机组与调频指令的偏差,其储能采用满功率偏差补偿出力,结果表明可以提高系统24%的调频性能;文献[17]在不改变火电机组出力的前提下,让电池储能响应自动发电控制(automatic generation control,AGC) 指令与机组出力的差值,提升了调频性能;文献[18]将AGC指令与机组出力实时偏差的补偿度作为电池储能系统的调频功率指令,以调频性能和储能电量平衡度最优为目标,采用多目标粒子群算法进行求解,来优化各储能出力;文献[19]通过判断机组调整速率能否跟踪系统功率变化,自适应决策储能动作时机与动作速率,减少了电池储能的动作频度和动作深度,提升了调频效果。上述研究验证了电池储能辅助火电机组参与调频可以提高调频性能,然而上述控制策略并没有考虑响应AGC时的考核过程,电池储能辅助机组调频过程中会因为不必要的充放电而造成电量浪费,导致火电机组调频性能提升有限。另外,仅仅使用单一电池储能辅助火电机组调频时储能寿命衰减大。
根据储能技术特点的不同,储能设备主要分为能量型储能和功率型储能[20-21]。以锂离子电池储能为代表的能量型储能较功率型储能具有一次投资成本低,能量密度大,循环寿命短等特点;功率型储能主要为飞轮、超级电容器,其具有能量密度小,循环寿命长等特点[22-23]。在当前火电机组调频需求较为频繁的场景中,单一配置某一种储能从经济上和技术上都难以满足要求,因此,可以将功率型储能和能量型储能优缺点互补构成混合型储能系统共同辅助火电机组调频[24-26]。
目前,针对如何协调混合储能之间出力这一问题,文献[27]在不改变机组出力的情况下,提出飞轮优先出力、锂电池补充响应的出力策略;文献[28]为充分利用飞轮ms级响应速度,飞轮在SOC满足要求时优先调度,电化学储能作为辅助调度,同时,为了防止飞轮过充过放,采用模糊控制对分配系数进行优化;文献[29]采用北方苍鹰(northern goshawk optimization,NGO)算法对变分模态分解(variational mode decomposition,VMD) 中的参数进行优化,然后采用VMD将波动功率进行分解,得到的高频功率分量和低频功率分量分别由超级电容和锂电池响应。以上对于混合储能协调出力的研究可以分为2类:第1类是功率型储能优先响应,能量型储能补充响应;第2类是采用滤波的方法将功率分为高低频,分别由功率型和能量型储能承担。这2种方法都可以减少能量型储能寿命损耗,但是却没有计及功率型储能能量密度小,持续充放电时间短的特点,易出现SOC越限的情况。
综上所述,本文提出提升二次调频响应性能的火-混合储能系统协调控制策略。首先,基于调频性能考核指标,提出了计及SOC恢复的混合储能辅助火电机组调频动作时机与动作深度的确定方法,深度契合调频性能考核机制,机组调频性能提升更加精准有效;其次,综合考虑飞轮储能和电池储能调频功率响应特性,构建基于混合储能SOC的动态比例分配策略,完成混合储能系统调频责任在飞轮和电池储能之间的分配,以达到提高混合储能持续响应能力和降低电池储能寿命损耗的目的;最后,基于中国某火电厂实际运行数据验证所提策略的有效性。
1 火-混合储能联合调频系统
通过在火电机组侧配置混合储能可以有效提高发电厂二次调频性能,提高电网安全稳定运行能力。火-混合储能联合调频系统如图1所示,该系统由火电机组、电池储能系统(battery energy storage system,BESS) 和飞轮储能系统(flywheel energy storage system,FESS) 等部分组成。

图1 火-混合储能联合调频系统示意图
Fig. 1 Schematic diagram of fire-hybrid energy storage combined frequency modulation system
首先,调度中心通过与发电厂侧远程控制终端之间建立云通信对火电机组和混合储能实时运行信息进行采集,并以此为约束条件进行计算后,将合适的AGC指令下发给电厂侧远程测控终端,火电机组分散控制系统(distributed control system,DCS)接收到该指令后,将该指令下发给火电机组;然后,混合储能系统协调控制单元通过接收机组功率监测单元发出的机组实时出力信息以及远程测控终端发出的AGC指令信息,得到火电机组响应AGC指令的功率偏差值,由混合储能系统协调控制单元按预设策略将其分配给BESS和FESS响应;最后,火电机组发电机功率和混合储能系统功率联合后上传至电网,共同支撑电网频率安全。为了保障电网频率安全和电厂有效出力,当储能可以满足AGC时,储能全力支撑以实现电网频率稳定,当储能无法满足AGC时,储能进行SOC恢复以保障下一次AGC的全力响应。
火-混合储能联合系统参与电网二次调频的控制流程如上所述,混合储能系统不改变原有火电机组运行方式,作为辅助机组补偿火电机组出力偏差。本文研究重点是混合储能系统何时参与以及如何参与辅助火电机组进行二次调频,包括混合储能系统调频动作时机与动作深度的确定方法和混合储能系统调频责任分配方法2部分内容。
2 基于Kp考核指标的混合储能系统协调控制策略
2.1 二次调频考核指标
由《华北区域并网发电厂辅助服务管理实施细则》与《华北区域发电厂并网运行管理实施细则》可知,火电机组完成单次AGC指令响应后由Kp指标来衡量调频性能,该指标由调节速率K1、调节精度K2和响应时间K3共3部分组成。图2为网内某台机组典型的AGC响应过程,调频性能综合指标Kp的计算方法如下。

图2 火电机组典型AGC响应过程
Fig. 2 Typical AGC response process of thermal power unit
1) 调节速率。
调节速率对应火电机组响应AGC指令过程的爬坡阶段,如图2中T1—T2区间所示,实际调节速率计算公式如下:

式中:vi为火电机组第i次调节的调节速率;PAGC为当前时刻需要机组响应的AGC指令;P1为当前时刻AGC指令更新时火电机组出力;分别火电机组和AGC指令的调节死区;K1,i为火电机组第i次调节的调节速率指标;vN为火电机组标准调节速率。
2)调节精度。
调节精度对应火电机组响应AGC指令过程的稳定阶段,如图2中T2—T3区间所示,该阶段火电机组出力已经跨过AGC指令死区,考核内容为该时段的调节偏差量,计算公式如下:


式中:∆Pi为火电机组第i次调节的调节偏差量;PG,t为火电机组t时刻的实际出力;K2,i为火电机组第i次调节的调节精度指标;∆PN为火电机组允许的调节偏差量。
3) 响应时间。
响应时间对应火电机组响应AGC指令过程的响应阶段,如图2中T0—T1区间所示,实际响应时间计算公式如下:

式中:ti为火电机组第i次调节的响应时间;K3,i为火电机组第i次调节的响应时间指标;tN为火电机组标准响应时间。
火电机组调频性能综合指标Kp,i由调节速率、调节精度和响应时间指标值相乘得到,如下所示:

式中:Kp,i为机组第i次调节的调频性能综合指标。
基于以上对二次调频考核指标的分析,可以发现Kp考核标准是将火电机组单次响应AGC指令过程分为3个阶段进行考核,然后将3个阶段的调节性能指标相乘得到调频性能综合指标,每个阶段的指标值都会对调频性能综合指标造成影响。为此,本文基于Kp考核指标提出了混合储能系统协调控制策略,控制策略框图如图3所示。

图3 混合储能系统协调控制策略框图
Fig. 3 Block diagram of coordinated control strategy for hybrid energy storage system
2.2 混合储能系统调频动作时机与动作深度
当调频调度指令发生变化后,火电机组将进入一次新的调频考核阶段,此时火电机组以调频调度指令为目标进行升(降)功率。然而,由于火电机组自身的技术局限性会导致其爬坡速率较低,调频精度低等问题,造成火电机组调频性能综合指标较低。为了改善该问题,本文采用混合储能辅助火电机组调频,并基于Kp考核指标制定混合储能系统调频动作时机与动作深度确定方法,深度契合Kp考核机制,使得发电厂侧火电机组调频性能提升更加精确有效。
2.2.1 响应阶段
火电机组进入调频响应阶段的信号为AGC指令更新时刻,仅火电机组响应AGC指令时该阶段的持续时间如图2中T0—T1所示。而机组侧配置混合储能后,混合储能可以迅速弥补火电机组实际出力与AGC指令同方向死区的差值,从而将响应阶段的持续时间降低,提高响应时间指标。该阶段的控制目标为尽可能快地让火-混合储能联合出力值可靠跨出火电机组与AGC指令同方向的死区,混合储能的功率指令为

式中:Ptotal,t为t时刻混合储能需要响应的总功率,放电时为正,充电时为负。
2.2.2 爬坡阶段
由于混合储能的加入使得火电机组调频响应阶段持续时间极短,可以认为AGC指令更新时刻即标志着火电机组进入爬坡阶段,该阶段的控制有2个目标:第1是需要持续监测火-混合储能联合出力值,防止火-混合储能联合出力再次跌入AGC指令同方向死区,增加响应阶段持续时间,降低响应性能;第2是监测火电机组与AGC指令死区的差值,只有混合储能剩余总功率可以完全响应该差值时才对功率偏差进行补偿,同时结束爬坡阶段,进入稳定阶段。
火-混合储能联合调频需要升功率时的爬坡阶段如图2中时间段为T1—T2所示,以时间正增长为序,从T1时刻开始监测火电机组实际出力与同方向AGC指令死区的差值,方法如下:

式中:PD,t为火电机组实际出力与同方向AGC指令死区的差值。
通过2.1节对调节速率指标的计算过程分析可以发现,当火电机组实际出力与同方向AGC指令死区的差值大于混合储能剩余最大可输出功率时,即使混合储能按最大可输出功率辅助火电机组进行调频,火-混合储能联合出力仍然无法跨入同方向AGC指令死区范围,无法提升调节速率指标。此时混合储能进行辅助调频则会造成能量浪费,因此在火电机组实际出力与同方向AGC指令死区的差值小于等于混合储能剩余最大可输出功率前这一段时间,可以让混合储能荷电状态进行自恢复,提高混合储能持续运行能力,混合储能SOC自恢复策略如图4所示。

图4 混合储能SOC自恢复区间划分
Fig. 4 Self-recovery interval division of hybrid energy storage SOC
因混合储能SOC自恢复时段处于爬坡阶段,若当前AGC指令需要火电机组升功率时,为了提前结束爬坡阶段,混合储能需要进行放电弥补功率偏差,混合储能在自恢复时段进行充电;若当前AGC指令需要火电机组降功率时,为了提前结束爬坡阶段,混合储能需要进行充电弥补功率偏差,混合储能在自恢复时段进行放电。混合储能系统充放电过程如下:
当PAGC≥P1时,电池储能和飞轮储能进行SOC自恢复的功率指令如下所示:

式中:分别为t时刻电池储能和飞轮储能SOC自恢复充电指令;PB,rate和PF,rate分别为电池储能和飞轮储能的额定功率。
当PAGC<P1时,电池储能和飞轮储能进行SOC自恢复的功率指令如下所示:

式中:分别为t时刻电池储能和飞轮储能SOC自恢复放电指令;BSOC,t和FSOC,t分别为t时刻电池储能和飞轮储能的SOC。
2.2.3 稳定阶段
火电机组进入调频稳定阶段的信号为火-混合储能跨入机组同方向AGC指令死区,如图2中时段T2—T3所示,该时段混合储能的控制目标为尽量减少火电机组实际出力与AGC指令之间的偏差,混合储能的功率指令为

2.3 混合储能系统调频责任分配策略
2.2节确定了混合储能系统参与调频的动作时机与动作深度,能更加具有针对性地提高火电机组调频性能。下面基于SOC分区的思想构建混合储能系统调频责任分配策略,需要遵循如下原则。①飞轮储能SOC正常时由飞轮储能优先响应,以达到降低电池储能寿命损耗目的。②飞轮储能SOC偏高时飞轮储能优先放电,电池储能优先充电;飞轮储能SOC偏低时飞轮储能优先充电,电池储能优先放电,既降低电池储能寿命损耗又提高混合储能系统连续调节能力。③混合储能系统SOC均偏高或偏低时按动态容量比例分配策略响应,动态容量比例分配策略根据电池储能和飞轮储能实时SOC状态完成混合储能的功率分配,某类型储能实时SOC状态越好,其出力就越多,以此实现延长混合储能系统连续调节能力的目的,如式(19) 与(20),(25) 与(26) 所示。基于SOC分区的混合储能系统响应状态如下表1所示,表中S代表混合储能系统在不同SOC组合状态下的混合储能系统响应工况,每种工况代表一种混合储能系统调频责任分配策略。
表1 基于SOC分区的混合储能系统响应状态
Table 1 Response state of hybrid energy storage system based on SOC partition

飞轮储能SOC电池储能SOC 0.1~0.30.3~0.70.7~0.9 0.1~0.3S1S2S3 0.3~0.7S4S5S6 0.7~0.9S7S8S9
2.3.1 混合储能系统充电策略
当混合储能系统运行于S1、S4、S5、S7和S8工况时,飞轮储能SOC较低,由飞轮储能优先充电,电池储能补充充电,混合储能系统充电功率指令构成如下:

式中:PB,t和PF,t分别为电池储能和飞轮储能需响应的二次调频指令。
当混合储能系统运行于S2、S3和S6工况时,电池储能SOC较低,由电池储能优先充电,飞轮储能补充充电,混合储能系统充电功率指令如下:

当混合储能系统运行于S9工况时,电池储能和飞轮储能SOC均较高,为了延长混合储能系统整体的持续充电能力,采用动态容量比例策略对混合系统进行充电,混合储能系统充电功率指令如下:

2.3.2 混合储能系统放电策略
当混合储能系统运行于S2、S3、S5、S6和S9工况时,飞轮储能SOC较高,由飞轮储能优先放电,电池储能补充放电,混合储能系统放电功率指令如下:

当混合储能系统运行于S4、S7和S8工况时,电池储能SOC较高,由电池储能优先放电,飞轮储能补充放电,混合储能系统放电功率指令如下:

当混合储能系统运行于S1工况时,此时电池储能和飞轮储能SOC均较低,为延长混合储能系统整体持续放电能力,采用动态容量比例策略对混合系统进行放电,混合储能系统放电功率指令如下:

基于以上分析,本文构建的提升二次调频响应性能的火-混合储能系统协调控制策略流程如图5所示:

图5 混合储能系统总体控制策略流程图
Fig. 5 Flow chart of overall control strategy for hybrid energy storage system
2.4 控制效果评价指标
根据所提控制策略,从调频性能、混合储能SOC恢复效果和电池储能寿命提升效果等方面评价控制策略的有效性。
1) 调节性能平均值。
为评价火电机组在完整控制周期内的调节性能,构建调节性能平均值指标,如下所示:

式中:Kp为控制周期内的调节性能平均值;n为控制周期内总的AGC调度次数。
2) 储能系统SOC标准差。
为评价混合储能SOC恢复效果,构建储能系统SOC标准差指标,衡量储能系统SOC与标准SOC的偏离程度,如下所示:

3) 储能系统寿命损耗。
为评价混合储能模式下对于电池储能设备寿命的提升效果,构建了储能系统寿命损耗指标,如下所示[30]:

式中:Tlost为调度周期内储能系统的寿命损耗;Tday为控制周期时长;Tlife为当前调度周期工况下储能系统可用寿命;Nr为储能系统额定充放深度下的最大充放电次数;为第k次充放电深度。
4)调频里程。
为评价混合储能对调频的贡献度,构建了储能系统调频里程指标,如下所示:

式中:Dj为储能系统j的调频里程;Pj,t为t时刻储能系统j的调频功率,MW。
3 算例验证
3.1 仿真系统设计
为验证本文所提策略的有效性,以中国某地300 MW火电机组6 h实测数据为例展开分析,具体AGC数据见图6,混合储能系统参数及其他参数分别见表2和表3。
表2 混合储能系统参数
Table 2 Hybrid energy storage system parameters

参数电池储能飞轮储能额定功率/MW55额定容量/MWh50.25效率η0.90.9最小SOC0.10.1最大SOC0.90.9标准SOC0.50.5
表3 其他参数
Table 3 Other parameters

参数取值参数取值PGdead/MW0.3∆t/s1 PAdeGaCd/MW0.3a5 vN/(MW·min-1)4.5Ks1 tN/s60Nr3000∆PN3

图6 典型AGC指令曲线
Fig. 6 Typical AGC command curve
对比策略:策略0,仅火电机组响应AGC调度指令;策略1,满补偿策略,混合储能按飞轮优先出力;策略2,本文策略,不考虑混合储能SOC自恢复;策略3,本文策略。
3.2 控制策略验证
1)混合储能系统调频动作时机与动作深度策略效果分析。
整个控制周期内火-混合储能联合出力情况如图7所示,可以发现,火电机组配置混合储能之后在稳定阶段的振荡出力明显消除,响应阶段和爬坡阶段在不同控制策略下也均有改善,有效提高了火电机组的调频响应能力。

图7 整个控制周期内火-混合储能联合出力情况
Fig. 7 Combined output of fire-hybrid energy storage in whole control cycle
为了进一步分析本文策略的有效性,将整个控制周期内局部火-混合储能联合出力情况放大,对控制周期前期局部火-混合储能联合出力情况和控制周期后期局部火-混合储能联合出力情况展开详细分析,不同控制策略下的局部放大图分别如图8(a) 和(b)所示。

图8 不同控制策略下局部火-混合储能联合出力情况
Fig. 8 Joint output of local fire-hybrid energy storage under different control strategies
如图8(a) 所示,以首次AGC响应过程为例,开始时刻火电机组出力为248.5 MW,更新后的AGC指令为268.67 MW,开始时刻的功率偏差为20.17 MW。策略1下火-混合储能联合出力的爬坡阶段耗时155 s,策略2和策略3下火-混合储能联合出力的爬坡阶段均耗时112 s,策略2和策略3下的爬坡耗时相较于策略1下降低了27.74%,这是因为飞轮储能设备容量相比于电池储能设备容量低,持续充放电能力弱,AGC指令更新后,策略1下飞轮储能和电池储能均以最大额定功率放电,飞轮储能容量很快达到下限,此时仅有电池储能可以辅助火电机组弥补功率偏差。
图8(b) 为AGC调度指令数值连续正向增加的最后2次响应情况,在此之前AGC指令经过3次更新从251.26 MW上调至300.23 MW,在此期间需要混合储能连续放电,可以看到在策略1和策略2下最后2次AGC响应过程中混合储能总出力几乎为0,而在策略3下混合储能依然能按既定策略提升火电机组爬坡性能,这是因为在策略3下混合储能最大可输出功率小于功率偏差时混合储能会进行SOC自恢复以应对下一时刻的调频需求,而策略1下只要有功率偏差就需要混合储能动作,当AGC指令多次单方向更新时混合储能就难以满足调频需求。
在整个AGC响应过程中,结合Kp考核指标分析,策略1下混合储能一直以最大可输出功率弥补功率偏差。然而,当火-混合储能总出力无法跨入AGC指令死区时混合储能系统的充放电行为对Kp指标没有任何提升,还会造成能量浪费,导致混合储能最大可输出功率下降,降低混合储能弥补火电机组调频响应功率的偏差能力;而在策略2和策略3下,可以针对性地对调频性能进行提升,当混合储能最大可输出功率大于等于功率偏差时才对火电机组调频响应功率偏差进行补偿,可以最大程度地保持混合储能最大可输出功率为额定功率,避免能量浪费,延长调节时间。
2)混合储能系统调频责任分配策略效果分析。
不同控制策略下混合储能系统出力曲线如图9所示,在初始时刻不同控制策略均能按预设策略控制混合储能弥补功率偏差,但运行至13 900 s之后一段时间,策略1和策略2因为没有计及混合储能SOC恢复,导致其无法按预设策略弥补功率偏差,在20 600 s之后该现象更为明显,而策略3仍能按预设策略弥补功率偏差。


图9 不同控制策略下混合储能系统出力曲线
Fig. 9 Output curve of hybrid energy storage system under different control strategies
整个控制周期内不同策略下的混合储能调频里程如表4所示,策略1下电池储能的调频里程为1 024.25 MW,飞轮储能的调频里程为1 906.36 MW;策略3下电池储能的调频里程为1 797.47 MW,飞轮储能的调频里程为2 262.92 MW。与策略1相比,策略3下电池储能调频能力提升了75.49%,飞轮储能调频能力提升了18.70%,较大限度地提高了混合储能的利用效率。
表4 不同策略下混合储能的调频里程
Table 4 Frequency modulation mileage of hybrid energy storage under different strategies

储能类型策略1策略2策略3电池储能1 024.25 MW1 720.00 MW1 797.47 MW飞轮储能1 906.36 MW2 182.44 MW2 262.92 MW
考虑飞轮储能前后电池储能寿命损耗如表5所示,可以发现不同策略下加入飞轮储能之后电池储能系统的寿命损耗都会下降。本文策略下电池储能寿命损耗考虑飞轮储能前后分别为0.001 189和0.000 349,可以发现电池储能寿命提升了3.41倍。
表5 考虑飞轮储能前后电池储能寿命损耗
Table 5 Life loss of battery energy storage before and after taking flywheel energy storage into account

储能类型策略1策略2策略3电池储能0.000 9020.000 8190.001 189混合储能0.000 1960.000 1350.000 349
不同控制策略下混合储能系统SOC变化曲线如图10所示,策略1和策略2长时间运行后电池储能将运行于SOC下限附近,不利于混合储能长时间单向放电。而策略3中考虑了混合储能SOC自恢复,电池储能SOC保持效果较好。策略1下电池储能SOC标准差为0.27,飞轮储能SOC标准差为0.32;策略3下电池储能SOC标准差为0.04,飞轮储能SOC标准差为0.19。可以发现策略3下电池和飞轮储能SOC维持效果均优于策略1。

图10 不同控制策略下混合储能系统SOC变化曲线
Fig. 10 SOC variation curve of hybrid energy storage system under different control strategies
3.3 调频效果分析
不同策略下调频性能指标如表6所示,可以看出配置混合储能后可以明显提高机组的调节速率K1,相较于策略0,策略1下K1提升了31.53%,策略3下提升了55.86%;由于机组受其本身物理运行特性约束,其在稳定阶段并不能完美跟随AGC调度指令,调节精度指标K2平均值为1.03,策略1下K2提升了63.11%,策略3下提升了80.58%;对于响应时间指标K3来说,策略1、策略2和策略3均能将其提升至最大限值附近。策略3下的调节性能平均值Kp为6.42,相较于策略0下的调节性能平均值提升了3.09倍,相较于策略1提高了1.21倍。华北地区联合调频项目综合性能参数Kp为4.5,策略3调节性能平均值提高了1.43倍,本文所提策略能更加有效提升火电机组的AGC响应能力。
表6 不同策略下调频性能指标
Table 6 Performance indicators of frequency modulation under different strategies

性能指标策略0策略1策略2策略3 K11.111.461.651.73 K21.031.681.761.86 K31.671.961.961.97 Kp2.085.305.856.42
3.4 调频收益分析
火电机组的调频收益与调频性能呈正相关,调频性能提升时调频收益也会增加,相关文件规定了AGC贡献补偿机制,补偿费用如下所示:

式中:为调频收益;a为AGC调节性能补偿标准;Ks为AGC主体类型系数;D为控制周期内调频里程;Kp为控制周期内调节性能平均值。
不同控制策略下的调频收益经上式计算可以得到,策略0下调频收益为9 536.62元,策略1下调频收益为17 481.34元,策略2下调频收益为18 837.45元;策略3下调频收益为19 945.81元。策略3下调频收益相比于策略0和策略1分别提升了109.15%和14.10%。
4 结论
为提高火电机组调频性能并降低电池储能寿命损耗,本文提出基于Kp考核指标的混合储能系统协调控制策略,包括混合储能系统调频动作时机与动作深度确定方法和混合储能系统调频责任分配方法,得到结论如下。
1) 本文控制策略基于Kp考核指标所建立,相比于满补偿策略可以减少不必要的容量浪费,同时考虑了混合储能SOC恢复,提高了混合储能响应单向持续AGC指令的能力。
2) 混合储能辅助机组调频可以有效提升调频性能,本文策略下调节性能平均值为6.42,相比于策略0调节性能平均值提升了3.09倍,相比于策略1调节性能平均值提升了1.21倍,提高了混合储能利用效率。另外,混合储能模式下电池储能的寿命相比于单一电池储能模式下提升了3.41倍。
3) 火电机组调频收益明显增加,无储能时机组调频收益为9 536.62元,本文策略下火-混合储能整体调频收益为19 945.81元,调频收益提高了109.15%。
参考文献
-
[1]
韩煜,胡博,苏一帆,等. 考虑机组调峰寿命损耗的电力系统可靠性约束日内滚动调度[J/OL]. 中国电机工程学报,2024: 1-14. (2024-12-30). https://kns.cnki.net/kcms/detail/11.2107.TM.20241227.1710.016.html.HAN Yu, HU Bo, SU Yifan, et al. Intra-day rolling dispatch of power system with reliability constraints considering peak-shaving life loss of units[J/OL]. Proceedings of the CSEE, 2024: 1-14. (2024-12-30). https://kns.cnki.net/kcms/detail/11.2107.TM.20241227.1710.016.html (in Chinese). [百度学术]
-
[2]
魏乐,樊冰芬,张怡,等. 耦合熔盐储热的火电机组灵活调峰控制策略研究[J/OL]. 中国电机工程学报,1-13[2025-04-27].https://doi.org/10.13334/j.0258-8013.pcsee.241471.WEI Le, FAN Bingfen, ZHANG Yi, et al. Research on flexible peak shaving control strategy of thermal power unit coupled with molten salt heat storage system[J]. Proceedings of the CSEE, 1-13[2025-04-27]. https://doi.org/10.13334/j.0258-8013.pcsee.241471 (in Chinese). [百度学术]
-
[3]
武丹琛,夏清. 新型电力系统产业链发展评估和驱动战略[J]. 全球能源互联网,2025,8(2):155-164.WU Danchen, XIA Qing. Development assessment and driving strategy for new power system industry chains[J]. Journal of Global Energy Interconnection, 2025, 8(2): 155-164(in Chinese). [百度学术]
-
[4]
国家能源局. 国家能源局发布2023年全国电力工业统计数据[EB/OL]. (2024-01-26)[2024-04-15]. https://www.nea.gov.cn/2024-01/26/c_1310762246.htm. [百度学术]
-
[5]
索克兰,程林,许鹤麟,等. 提升电池储能系统经济性研究方法综述[J]. 全球能源互联网,2023,6(2):163-178.SUO Kelan, CHENG Lin, XU Helin, et al. A review of research methods for improving the economy of battery energy storage system[J]. Journal of Global Energy Interconnection,2023, 6(2): 163-178(in Chinese). [百度学术]
-
[6]
李军徽,侯涛,穆钢,等. 基于权重因子和荷电状态恢复的储能系统参与一次调频策略[J]. 电力系统自动化,2020,44(19):63-72.LI Junhui, HOU Tao, MU Gang, et al. Primary frequency regulation strategy with energy storage system based on weight factors and state of charge recovery[J]. Automation of Electric Power Systems, 2020, 44(19): 63-72(in Chinese). [百度学术]
-
[7]
陈彪,王玮,高嵩,等. 基于模糊自适应指令分解的飞轮-火电一次调频控制策略[J]. 电力系统自动化,2023,47(19):128-137.CHEN Biao, WANG Wei, GAO Song, et al. Primary frequency regulation control strategy for flywheel-thermal power joint system based on fuzzy adaptive command decomposition[J].Automation of Electric Power Systems, 2023, 47(19): 128-137(in Chinese). [百度学术]
-
[8]
王雪林,钟海旺. 新型电力系统背景下抽水蓄能和新型储能协同发展研究[J]. 全球能源互联网,2024,7(4):363-371.WANG Xuelin, ZHONG Haiwang. Research on the synergetic development of pumped storage and new energy storage under the background of new power system[J]. Journal of Global Energy Interconnection, 2024, 7(4): 363-371(in Chinese). [百度学术]
-
[9]
国家能源局.2024年能源工作指导意见[EB/OL]. (2024-03-18)[2024-04-15].http://zfxxgk.nea.gov.cn/2024-03/18/c_1310768578.htm. [百度学术]
-
[10]
汤匀,岳芳,王莉晓,等. 全球新型储能技术发展态势分析[J]. 全球能源互联网,2024,7(2):228-240.TANG Yun, YUE Fang, WANG Lixiao, et al. International development trend analysis of new energy storage technologies[J]. Journal of Global Energy Interconnection,2024, 7(2): 228-240(in Chinese). [百度学术]
-
[11]
范越,李永莱,舒印彪,等. 新型电力系统平衡构建与安全稳定关键技术初探[J]. 中国电机工程学报,2025,45(1):14-25.FAN Yue, LI Yonglai, SHU Yinbiao, et al. Preliminary study on key technologies of balancing and stabilizing of renewableenergy-dominated power system[J]. Proceedings of the CSEE,2025, 45(1): 14-25(in Chinese). [百度学术]
-
[12]
张萍,刘海涛. 基于逐次变分模态分解的飞轮-火电一次调频控制策略[J]. 全球能源互联网,2024,7(2):166-178.ZHANG Ping, LIU Haitao. Flywheel-thermal power primary frequency regulation control strategy based on successive variational mode decomposition[J]. Journal of Global Energy Interconnection, 2024, 7(2): 166-178(in Chinese). [百度学术]
-
[13]
李东东,陈治廷,徐波,等. 考虑一次调频死区的风储协同调频机理分析及死区参数优化[J]. 电力系统保护与控制,2024,52(4):38-47.LI Dongdong, CHEN Zhiting, XU Bo, et al. Mechanism analysis and optimal dead zone parameter of wind-storage combined frequency regulation considering primary frequency regulation dead zone[J]. Power System Protection and Control,2024, 52(4): 38-47(in Chinese). [百度学术]
-
[14]
李翠萍,司文博,李军徽,等. 基于集合经验模态分解和多目标遗传算法的火-多储系统调频功率双层优化[J]. 电工技术学报,2024,39(7):2017-2032.LI Cuiping, SI Wenbo, LI Junhui, et al. Two-layer optimization of frequency modulated power of thermal generation and multi-storage system based on ensemble empirical mode decomposition and multi-objective genetic algorithm[J].Transactions of China Electrotechnical Society, 2024, 39(7):2017-2032(in Chinese). [百度学术]
-
[15]
郑子萱,张家琛,陈韵竹,等. 协同考虑调频指令冲突抑制与优化分配的储能集群分层调频控制策略[J/OL]. 中国电机工程学报,2025:1-13. (2025-01-24). https://kns.cnki.net/kcms/detail/11.2107.TM.20250123.1634.020.html.ZHENG Zixuan, ZHANG Jiachen, CHEN Yunzhu, et al.Hierarchical frequency modulation control strategy of energy storage cluster considering conflict suppression and optimal allocation of frequency modulation instructions[J/OL].Proceedings of the CSEE, 2025: 1-13. (2025-01-24). https://kns.cnki.net/kcms/detail/11.2107.TM.20250123.1634.020.html(in Chinese). [百度学术]
-
[16]
XIE X R, GUO Y H, WANG B, et al. Improving AGC performance of coal-fueled thermal generators using multi-MW scale BESS: a practical application[J]. IEEE Transactions on Smart Grid, 2018, 9(3): 1769-1777. [百度学术]
-
[17]
谢惠藩,王超,刘湃泓,等. 南方电网储能联合火电调频技术应用[J]. 电力系统自动化,2021,45(4):172-179.XIE Huifan, WANG Chao, LIU Paihong, et al. Application of joint frequency regulation technology of energy storage and thermal power in China southern power grid[J]. Automation of Electric Power Systems, 2021, 45(4): 172-179(in Chinese). [百度学术]
-
[18]
孙冰莹,刘宗歧,杨水丽,等. 补偿度实时优化的储能-火电联合AGC策略[J]. 电网技术,2018,42(2):426-436.SUN Bingying, LIU Zongqi, YANG Shuili, et al. A realtime optimization method of compensation degree for storage coordinated with thermal power unit in AGC[J]. Power System Technology, 2018, 42(2): 426-436(in Chinese). [百度学术]
-
[19]
赵源筱,耿光超,江全元,等. 考虑功率变化速率的储能辅助单机调频控制策略[J]. 电力自动化设备,2020,40(1):141-147.ZHAO Yuanxiao, GENG Guangchao, JIANG Quanyuan, et al. Frequency control strategy of single-generator supporting by energy storage considering power change rate[J]. Electric Power Automation Equipment, 2020, 40(1): 141-147(in Chinese). [百度学术]
-
[20]
王国华,张通,陈来军,等. 面向工程应用的先进绝热压缩空气储能模型及先进分析[J]. 全球能源互联网,2024,7(2):127-135.WANG Guohua, ZHANG Tong, CHEN Laijun, et al.Advanced adiabatic compressed air energy storage system model for engineering applications and advanced exergy analysis[J]. Journal of Global Energy Interconnection, 2024,7(2): 127-135(in Chinese). [百度学术]
-
[21]
佀想,段建东,王露霄,等. 混合储能系统快速功率响应模型预测控制[J]. 电机与控制学报,2024,28(9):22-35.SI Xiang, DUAN Jiandong, WANG Luxiao, et al. Fast-powerresponse model predictive control for hybrid energy storage systems[J]. Electric Machines and Control, 2024, 28(9): 22-35(in Chinese). [百度学术]
-
[22]
崔鑫,赵宇,谭茹雪,等. 风光储系统中多模态混合储能选型及其功率分配[J]. 智慧电力,2025,53(4):20-28.CUI Xin, ZHAO Yu, TAN Ruxue, et al. Multi-modal hybrid energy storage configuration and power allocation in wind-PV-storage systems[J]. Smart Power, 2025, 53(4): 20-28(in Chinese). [百度学术]
-
[23]
杨浩,宋贞寒,施啸寒,等. 计及风电场涉网功率平抑与AGC考核的混合储能容量优化配置[J/OL].电工技术学报,1-16[2025-04-28].https://doi.org/10.19595/j.cnki.1000-6753.tces.242194.YANG Hao, SONG Zhenhan, SHI Xiaohan, et al. Considering the grid-related power stabilization of wind farms and the optimal allocation of hybrid energy storage capacity assessed by AGC[J/OL]. Transactions of China Electrotechnical Society,1-16[2025-04-28].https://doi.org/10.19595/j.cnki.1000-6753.tces.242194(in Chinese). [百度学术]
-
[24]
张卓远,范志强,焦晓峰,等. 协同考虑调频性能及电池寿命的火储联合系统分层控制策略[J]. 华北电力大学学报(自然科学版),2024,51(6):76-83.ZHANG Zhuoyuan, FAN Zhiqiang, JIAO Xiaofeng, et al.Hierarchical control strategy of combined fire storage system regarding frequency modulation performance and battery life[J]. Journal of North China Electric Power University(Natural Science Edition), 2024, 51(6): 76-83(in Chinese). [百度学术]
-
[25]
陆秋瑜,杨银国,陈俊生,等. 考虑选型的混合储能平抑海上风电波动的容量优化研究[J]. 武汉大学学报(工学版),2024,57(6):782-791.LU Qiuyu, YANG Yinguo, CHEN Junsheng, et al. Research on capacity optimization of hybrid energy storage to stabilize offshore wind power fluctuation considering energy storage selection[J]. Engineering Journal of Wuhan University, 2024,57(6): 782-791(in Chinese). [百度学术]
-
[26]
马文忠,王立博,王玉生,等. 考虑SOC的混合储能功率分配与自适应虚拟惯性控制[J]. 电力系统保护与控制,2024,52(5):83-93.MA Wenzhong, WANG Libo, WANG Yusheng, et al. Hybrid energy storage power distribution and adaptive virtual inertia control considering SOC[J]. Power System Protection and Control, 2024, 52(5): 83-93(in Chinese). [百度学术]
-
[27]
孙嘉权,谢德清,徐雨红,等. ACE模式下混合储能辅助火电机组调频协调控制[J]. 自动化应用,2023(21):84-86.SUN Jiaquan, XIE Deqing, XU Yuhong, et al. Frequency modulation coordination control of hybrid energy storage assisted thermal power units in ACE mode[J]. Automation Application, 2023(21): 84-86(in Chinese). [百度学术]
-
[28]
韩健民,薛飞宇,梁双印,等. 模糊控制优化下的混合储能系统辅助燃煤机组调频仿真[J]. 储能科学与技术,2022,11(7):2188-2196.HAN Jianmin, XUE Feiyu, LIANG Shuangyin, et al. Hybrid energy storage system assisted frequency modulation simulation of the coal-fired unit under fuzzy control optimization[J]. Energy Storage Science and Technology,2022, 11(7): 2188-2196(in Chinese). [百度学术]
-
[29]
王海燕,钱林宇. 基于NGO-VMD的混合储能功率分配策略[J]. 中国电力,2024,57(11):119-128.WANG Haiyan, QIAN Linyu. Hybrid energy storage power allocation strategy based on NGO-VMD[J]. Electric Power,2024, 57(11): 119-128(in Chinese). [百度学术]
-
[30]
李军徽,贾才齐,朱星旭,等. 降低火电调频损耗的混合储能系统容量优化配置双层模型[J]. 高电压技术,2023,49(9):3965-3980.LI Junhui, JIA Caiqi, ZHU Xingxu, et al. Dual-layer model for capacity optimization of hybrid energy storage system to reduce thermal power frequency modulation loss[J]. High Voltage Engineering, 2023, 49(9): 3965-3980(in Chinese). [百度学术]
基金项目
华电电力科学研究院有限公司科技项目(CHDKJ22-01-108)。
Science and Technology Project of Huadian Electric Power Research Institute Co., Ltd. (CHDKJ22-01-108).