上层储能系统采用大容量、大功率但响应速度较慢的储能单元；下层储能系统采用小容量、小功率但响应速度较快的储能单元。上层MPC处理结果为下层MPC处理提供状态变量。双层MPC控制器负责双层储能系统的运行控制和优化管理，以保证风储联合发电系统输出功率的稳定性。

⬆ 图2 基于MPC的双时间尺度储能优化模型

图2给出了上下层MPC滚动交互策略。得到上层第1个预测步长的储能控制指令，将其作为状态变量求解下层滚动周期内的储能控制指令，并滚动优化下层MPC。下层MPC不断向后滚动推进，直到下层滚动周期涉及上层滚动周期第2个预测步长的预测数据（如图2中橘黄色部分所示）。此时，返回上层并进行上层MPC下一个滚动周期的滚动优化，得到新的上层储能控制指令作为状态变量继续进行下层储能的滚动优化。如此循环，直到完成整个优化过程。

⬆ 图3 经上层不同步长储能优化的风电功率

图3给出了原始风电功率曲线以及部分经不同上层预测步长储能优化的风电功率曲线的对比。

⬆ 图4经上层不同步长储能优化的幅频特性

图4给出了使用离散傅里叶变换对图3中的风电功率进行幅频特性分析而得到的幅频特性曲线。上层储能系统主要调整风电功率在上层滚动时域内的峰谷差。图4显示经上层储能优化后的风电功率幅频特性的幅值在低频域较原始幅频特性下降明显。根据不同上层步长情况下低频域幅值降低百分比，可以得到最优上层步长。

⬆ 图5  经上层不同时域储能优化的风电功率

图5给出在上层预测步长不变的情况下，原始风电功率曲线以及部分经不同上层滚动时域储能优化的风电功率曲线的优化结果。

⬆ 图6  经上层不同时域储能优化的幅频特性

图6给出了使用离散傅里叶变换对图5中的风电功率进行幅频特性分析而得到的其幅频特性曲线。根据图6，经上层储能优化后的风电功率的幅频特性在低频域较原始幅频特性下降明显，验证了其对于风电的峰谷特性有所改善。根据不同上层时域情况下低频域幅值降低百分比，可以得到最优上层时域。

⬆ 图7  经下层不同时域储能优化的风电功率

一般设定下层MPC预测步长和风电功率的采样周期相同，数值为1。在下层预测步长不变的情况下，选择不同的下层滚动时域进行算例分析，以体现其对优化结果的影响。图7给出了原始风电功率曲线以及部分经不同下层滚动时域储能优化的风电功率曲线的对比。

⬆ 图8  经下层不同时域储能优化的幅频特性

图8给出了使用离散傅里叶变换对图7中的风电功率进行幅频特性分析而得到的其幅频特性曲线。下层MPC策略主要降低风电功率在下层滚动时域内的波动性。图8显示，经双层储能优化后的风电功率相比原始幅频特性在高频域产生了下降，说明其短时域内的波动特性明显更优，验证了其对于风电波动性的改善效果。根据不同下层时域情况下高频域幅值降低百分比，可以得到最优下层时域。

⬆ 图9  储能SOC变化趋势

图9给出了上下层储能的SOC变化趋势。可以看到，储能的初始SOC设置为0.5，随着时间的推进，SOC均运行在合理范围内。

本文引文信息

吴传申，刘宇，高山，等. 基于预测控制的储能系统多时间尺度动态响应优化研究[J]. 全球能源互联网，2020，3(3)：222-230.

WU Chuanshen, LIU Yu, GAO Shan, et al. Multi-time scale dynamic response optimization of energy storage system based on predictive control [J]. Journal of Global Energy Interconnection, 2020, 3(3): 222-230 (in Chinese).

作者简介

吴传申

博士

研究方向为电力系统运行与控制、分布式发电协调控制

E-mail：chuanshen160@gmail.com

刘宇

讲师

研究方向为电力系统运行规划、新能源并网、主动配电网等

E-mail：liuyu_seu@126.com

高山

副教授

研究方向为电力系统运行与控制、分布式发电协调控制、智能调度、主动配电网等。通信作者

E-mail:shangao@seu.edu.cn

研究团队

东南大学电气工程学院是国家“211工程”“985工程”一期、二期的重点建设单位，是教育部电气工程及其自动化专业教学指导分委员副主任单位。高山副教授课题组致力于包括电力系统运行与控制、分布式发电协调控制、主动配电网等领域的研究。截至2020年春，课题组有博士研究生6人、硕士研究生12人。近3年来发表期刊论文50余篇（其中SCI收录10余篇）、专利20余篇，并主持国家自然科学基金、国家重点研发计划项目子课题多项。

编辑：张宇

审核：白恺