采用区间控制的蓄电池储能电站调峰运行控制策略

尚 瑨 邰能灵 刘 琦 陈 彬 陈金祥 惠 东

（1.上海交通大学电子信息与电气工程学院 上海 200240 2.福建省电力试验研究院系统所 福州 350003 3.中国电力科学研究院电工与新材料研究所 北京 100192）

0 引言

随着国民经济的快速发展，用户对电力的需求不断增加，电网的电力负荷峰谷差逐渐加大，运行中必须采取调峰措施，以保证电力系统供用电的平衡[1]。传统的调峰方法一般有火电调峰[2,3]、燃气轮机组调峰[4]和水电调峰[5,6]，这些方法都是从发电侧进行调节，通过调整全网发电机的出力来跟随电网负荷的波动。这对发电机组的调峰容量提出了较高的要求，而且机组的频繁起停也造成了燃料资源的浪费。从建设成本和能源利用的角度出发，通过增加发输配电设备来满足高峰负荷的需求变得越来越困难。储能电站可以从负荷侧对电网的峰谷负荷进行调节，起到削峰填谷的双向作用，不仅可以减少发电、输电设备的投资，提高设备利用率，还可以减小线路损耗，获得可观的经济效益，是解决电网峰谷差问题的有效途径[7]。

在现有的储能技术中，利用抽水蓄能电站实现电网削峰填谷的技术已经发展成熟并实用化。但由于受建设环境、地理位置的制约，有很大的局限性，难以得到大范围的应用。蓄电池储能电站（Battery Energy Storage System，BESS）具有储能密度大、安装建设灵活、可四象限平滑运行等优点，可以更方便地应用，有效平抑电网负荷的波动。目前关于蓄电池储能电站在电力系统中应用的研究较多，但大多集中在改善电能质量[8,9]、平抑可再生能源波动[10]、提高新能源渗透率[11,12]等方面，对削峰填谷控制策略的研究较少。

文献[13]建立了用于削峰填谷的电池模型。文献[14]从减少输电、配电损失方面探讨了利用BESS进行削峰填谷的经济意义。文献[15]从用户的角度出发，考虑电价差异安排蓄电池优化运行，减少了用户电费支出。文献[16]利用蓄电池储存光伏电站发出的电能，在负荷高峰时放电，解决光伏发电高峰时段和负荷高峰时段不匹配的问题。以上研究对蓄电池储能电站用于电网削峰填谷的针对性不强，没有对控制策略进行系统的研究。文献[17]对BESS用于削峰填谷的控制策略进行了探讨，但所做分析同时包含电压稳定和经济效益等多个目标，并未对削峰填谷策略进行深入研究。

本文在短期负荷预测的基础上，提出了一种基于区间控制的蓄电池储能电站削峰填谷控制策略。考虑 BESS容量及每周期充放电量的均衡，设定负荷参考区间，并通过该区间来区分波峰、波谷。该策略计算简单，实用性很强，采用变功率控制，可以灵活地适应负荷的变化。在此基础上，针对预测负荷存在误差的问题，初步提出一种简单实用的调整策略，通过仿真分析验证了所提策略的可行性。

1 基于负荷预测的BESS运行控制

在配电网中，普遍存在日负荷分布不均的情况，引入BESS来进行削峰填谷，可以有效提高供电质量。在图1所示的配电网中，电网通过变压器T向该区域供电。由于各母线上的负荷全天分布不均，导致流经变压器T的总负荷PT存在较大峰谷差。在加入BESS之后，可以通过合理控制BESS运行模式，实现PT的相对稳定。

图1 配电网示意图Fig.1 Diagram of distribution system

1.1 定边际负荷控制

对某一固定区域，结合历史负荷曲线，并考虑天气、特殊事件等因素，可以得到日负荷曲线的预测值。以图 2所示负荷曲线为例，在不考虑 BESS容量约束的情况下，通过计算可以得到边际负荷值Pd，当区域负荷小于该值时，使 BESS运行在充电状态，消除波谷；而在负荷大于该值时，使 BESS运行在放电状态，消除波峰。

图2 定边际负荷示意图Fig.2 Diagram of load threshold

对Pd的求取以BESS充放电量均衡为目标，可以建立等式

采用迭代法求取Pd，取区域日平均负荷P1作为初值进行迭代。令

确定边际负荷Pd之后，即可在预测的日负荷曲线基础上确定BESS全天的运行模式，使负荷曲线平稳维持在Pd上下。

然而，这种控制方式仅从BESS全天充放电量均衡的角度出发，没有考虑BESS实际容量的限制。实际上，由于投资、场地等因素的制约，BESS的容量是有限的。

1.2 负荷区间控制

在图 2所示的定边际负荷控制方案中，BESS在 0:00～7:30时段、18:00～21:30时段处于充电状态；在7:30～18:00时段处于放电状态。整体来看，全天充放电量达到了均衡，但每个独立的充放电时段都较长，充放电量较大，这对BESS的容量提出了很高的要求。

对于既定的BESS，系统的容量有限，可以考虑设定一个日负荷波动区间，即将削峰填谷控制目标从原来的保证日负荷曲线严格在Pd周围波动，降低为在一个区间内波动。

如图3所示，(Pd1,Pd2)为设定的负荷波动区间，当负荷低于Pd2时，BESS充电；当负荷高于Pd1时，BESS向外放电。

图3 负荷区间示意图Fig.3 Diagram of load interval

Pd1和Pd2的取值要兼顾全天充放电量的均衡，以及BESS的容量。因此需要满足以下条件

式中，S为BESS容量；λ为保证蓄电池不过放电的可靠性系数；η为保证蓄电池不过充电的可靠性系数；PCmax和PDmax分别为BESS最大充放电功率，在计算BESS充放电电量时，需要考虑BESS实际最大充放电能力。

通过以上约束条件，不仅可以保证BESS充放电量的均衡，同时可以保证充放电量均在BESS容量范围之内。

由于对负荷PT的控制目标为一个区间，所以在实际运行中，BESS系统不会频繁在充放电状态之间切换。全天充电时段和放电时段分别集中在某个大的时间区间，基本可以认为负荷曲线由波谷段和波峰段组成（以图3为例，负荷曲线在白天有两个高峰，且中间没有波谷，这两个连续波峰组成了一个波峰段）。因此，对连续时段的充放电量进行考虑后，可以不具体考虑BESS上一时段电量状态对下一时段充放电的限制。

对Pd1和Pd2的求取同样采取迭代的方式。如图3所示负荷曲线，通过上述迭代算法，可以求出边际负荷值Pd。以Pd为中心，令Pd1=Pd+ΔP，Pd2=Pd−ΔP，作为Pd1和Pd2的初值进行迭代。

首先校验Pd1和Pd2的取值是否可以保证充放电量均在BESS容量范围之内，即是否满足

式中，S1k为每个放电时间段的放电量，m为全天BESS放电时段数量；S2k为每个充电时间段的充电量，n为全天BESS充电时段数量。若式（5）不满足，则说明放电量大于BESS容量，即设定的放电边际负荷Pd1太小，需要增大Pd1，令Pd1=Pd1+ΔP；同样，若式（6）不满足，则说明设定的充电边际负荷Pd2太大，令Pd2=Pd2−ΔP，重新进行迭代校验。直到满足式（5）、式（6），取此时的Pd1和Pd2值作为初值进行下一轮校验。

第二轮校验以BESS充放电量均衡为目标，与上节中求取Pd的思路类似。取上一轮迭代得到的值Pd1和Pd2，令

当Temp＜ε时，则认为迭代完成，当前Pd1和Pd2的值即为所求的边际负荷值；当＞ε时，若Temp＞0则说明充电量大于放电量，在BESS容量约束下，只能选择减小充电量，即将Pd2的值减小，令Pd2=Pd2−ΔP'，Pd1保持不变，重新进行迭代校验；反之，若 Temp＜0，则令Pd1=Pd1−ΔP'，Pd2保持不变，重新进行迭代校验，直到满足＜ε。第二轮迭代变量ΔP'的取值应该相对较小，以使迭代计算更加精确。

以上迭代计算的流程图如图4所示，迭代计算的两个阶段用虚线隔开。

图4 边际负荷Pd1和Pd2迭代算法流程图Fig.4 Flow chart of strikingPd1and Pd2

通过以上计算，可以初步得到蓄电池运行状态的判断区间，据此设定蓄电池在不同时段的充放电运行状态。

然而对BESS来说，除了要考虑充放电运行状态，还需要考虑充放电功率。

1.3 分时分档功率确定

为了确定不同时段BESS与配电网交互功率的大小，可以用分时分档匹配的方法来安排BESS具体充放电功率[10]。

首先，可以将全天24h均分为N个时段，每个时段对BESS运行状态进行重新设定。而对于BESS，可以将充放电功率分档。由于配电网负荷高峰对电能质量的影响大于负荷低谷，因此对BESS放电功率的设置比充电功率更加精细。如将充电倍率设置为0、0.2C、0.4C、…、1C；将放电倍率设置为0、0.1C、0.2C、…、1C。也可以根据实际负荷波动情况以及BESS的充放电特性，进行其他形式的充放电功率分档。

在对 BESS充放电功率进行分档匹配时，功率值会处于某一区间，而不是设定的充放电功率点上。在图3中，9:00时，配电网负荷功率为，此时为负荷高峰，负荷缺额为，需要BESS向外放电，而'可能落在区间（0.1C,0.2C）内。因此，在选择具体充放电功率时，需要进行统一规定，如向上或向下取值。

在实际运行中，配电网实时负荷与负荷预测会有一定出入。为了保证削峰填谷的效果，在选择BESS充放电功率时，可以引入BESS剩余电量SL作为参考，可以相应设定不同的临界电量值。如针对BESS放电运行设定一次临界电量值Se1，二次临界电量值Se2。当9P'落在区间（0.1C，0.2C）时，若SL＞Se1，则放电功率向上取值，PBESS=0.2C；若Se2＜SL＜Se1，则放电功率向下取值PBESS=0.1C；若SL＜Se2，则说明BESS系统剩余电量较少，放电功率需要进一步减小，取PBESS=0。

在负荷低谷时，同样可以对BESS充电功率进行分档匹配，同时设定临界电量值Sf1。当SL＞Sf1时，充电功率向下取值，反之向上取值。

除以上设定之外，也可以结合区域负荷特点和BESS容量等因素，进行其他类型的详细设置。以上分时分档匹配流程如图5所示。

通过以上每个时段对BESS充放电功率的具体分档匹配，以及结合BESS剩余电量进行的功率具体选择，即可以确定BESS全天的运行状态。

2 区间控制方案算例

为了对以上控制方案进行验证，可以搭建如下模型：采用图1所示配电网，系统等效电源S基准电压为10.5kV，容量为200MV·A。BESS从母线D接入，容量为S=30MW·h，最大充放电功率为6MW，BESS初始电量为Srem=3.5MW·h。Δt=6min，全天分为N=240个时段，能量均衡系数K=1.1。

图5 BESS具体充放电功率计算流程图Fig.5 Calculation of the real-time exchange power of BESS

2.1 区间控制方案仿真

图6所示为配电网日负荷曲线。假设预测负荷与实时负荷相同。负荷曲线在上午、下午各有一次负荷高峰，构成波峰段。凌晨为负荷低谷，构成波谷段。

图6 负荷曲线实例Fig.6 Example of load curve

2.1.1负荷控制区间确定

在负荷预测的基础上，可求得日平均负荷P1=37MW。取迭代变量值ΔP=0.1MW，得边际负荷值Pd=37.1MW。在此基础上，求取负荷区间值Pd1和Pd2。

第一轮迭代计算保证BESS充放电量均满足电池容量约束，取ΔP=0.1MW，通过迭代校验，Pd1=39.7MW，Pd2=33.9MW。第二轮迭代保证电池充放电量的均衡，取ΔP'=0.05MW，通过迭代校验，最终边际负荷值为Pd1=40MW，Pd2=33.9MW。

2.1.2具体功率匹配

在确定了 BESS运行控制的区间之后，可以确定 BESS具体运行功率，即进行功率的分时分档匹配。每Δt=6min进行一次功率匹配。

在BESS侧，将充电运行和放电运行分别分档，具体分档及相应功率如下表所示。

表 BESS充放电分档及对应功率Tab.Segments and corresponding power of BESS

对放电运行，设定一次临界电量值Se1=0.5S=15MW·h，二次临界电量值Se2=0.3S=9MW·h。对充电运行，设定临界电量值Sf1=0.5S=15MW·h。

2.1.3仿真结果

通过仿真计算，可以安排BESS全天运行状态及交换功率。图7所示为仿真结果，上图中虚线为原始负荷曲线，实线为经BESS削峰填谷后负荷曲线，两条点画线为负荷控制区间边界；下图为BESS剩余容量曲线，经过一天运行，BESS剩余电量S24=2.6MW·h。

图7 BESS区间控制优化效果图Fig.7 Results of load interval controlling

从图中可以看出，通过合理安排 BESS运行，可以很好地对日负荷进行削峰填谷，使负荷曲线维持在设定区间之内，不出现大的高峰和低谷。

2.2 连续周期运行效果验证

由于 BESS用于削峰填谷是一个长期、连续的过程，因此有必要考虑接下来一天的控制结果，对连续周期运行效果进行验证。

图8所示为接下来一天BESS削峰填谷的运行效果。其中，Srem=2.6MW·h，Pd1=37.65MW，Pd2=31.4MW。图中曲线定义与图7相同，S24=3.686MW·h。

图8 连续运行优化效果Fig.8 Result of continuous running

从图中可以看出，该控制方案能够很好地满足连续运行的削峰填谷效果。由于控制方案考虑了BESS自身充放电量的均衡，因此对电池初始状态的依赖很小。而灵活的区间设定也保证了该方案对不同的负荷曲线具有很好的适应性。

2.3 周期对控制效果的影响

上述分析中，对BESS的运行安排以24h为周期，每次安排未来一天的运行计划。为了分析控制周期对BESS削峰填谷效果的影响，可以选择新的周期进行仿真对比。将一天划分为两个时段，以 12h为一个周期，对BESS削峰填谷效果进行仿真。

2.3.1不同控制周期仿真

新的运行控制以12h为一个周期。仿真结果如图9所示，图中虚线为原始负荷曲线，实线为经过BESS削峰填谷后负荷曲线，两组点画线分别为T1和T2段负荷控制区间边界；下图为BESS剩余容量曲线。

图9 两段分别控制优化效果Fig.9 Load interval controlling with different cycle

从图中可以看出，将控制周期设定为12h后，每个周期的期望负荷区间变窄。实际运行控制中，T1段的优化效果较好。与T1段相反，T2段的优化效果较差。在 15:00～17:00，负荷高峰仍然存在，而BESS剩余电量趋近于0，不能实现负荷削峰，导致第二个运行周期内削峰填谷失败。

2.3.2运行控制周期选择

通过对以上不同周期仿真结果的对比分析可知，在利用BESS进行负荷削峰填谷时，需要选择合适的运行控制周期。因为BESS的削峰填谷能力是通过系统自身的充放电来实现，如果在选择控制周期时不考虑负荷波动的特点，将会严重影响 BESS削峰填谷的效果。如对图9中预测负荷曲线，若针对0:00～6:00和6:00～12:00时段分别进行BESS削峰填谷运行控制，则意义不够明显。因为这两个时段分别为负荷低谷和负荷高峰，0:00～6:00只考虑充电运行，没有考虑充电电量的释放；反之，6:00～12:00只考虑放电运行，没有考虑消耗电量的补充。分别考虑也对每时段 BESS初始电量提出较高的要求。

同时，由于对BESS系统的运行控制是连续的，因此，连续周期的波峰波谷应该交叉出现。若起始控制周期中负荷曲线是“谷−峰”出现，则下一周期也应该是“谷−峰”出现，同时配合BESS初始容量趋近于 0。反之，若起始控制周期中负荷曲线是“峰−谷”出现，则下一周期也应该是“峰−谷”出现，同时配合BESS初始容量趋近于满容量。

在将一天分为两个时段的控制方案中，虽然T1、T2段都有波峰波谷存在，可以满足控制周期内BESS电量的自平衡，但是由于第一个时段负荷曲线“谷−峰”出现，第二个时段却为“峰−谷”，才会出现在15:00～17:00时段 BESS初始容量不足导致削峰失败的情况。长期来看，只有满足波峰波谷交叉出现的连续周期，才能保证连续的削峰填谷效果。

由于常规电力负荷在一天内存在固有的波峰波谷，而且峰谷的出现有一定的规律性，因此以一天作为控制周期，可以在这个周期内实现BESS电量的自平衡，且能够保证波峰波谷交叉出现的特点。

对于其他有长期削峰填谷需求的负荷，在选择控制周期时，也应尽量满足以上要求，以保证连续运行的效果。

3 BESS实时运行调整

以上分析及仿真均假设实时负荷与负荷预测相同。而在实际运行中，实时负荷与预测负荷之间会存在一定偏差，这会给BESS削峰填谷效果带来很大影响。对基于负荷预测所制定的控制方案，需要根据实际运行中的实时负荷情况做出调整，以保证实际运行的削峰填谷效果。

3.1 实时调整策略

3.1.1实时调整前削峰填谷效果

图10所示为配电网负荷曲线，其中虚线为预测负荷曲线，实线为实际负荷曲线。

图10 实时运行负荷曲线示意图Fig.10 Diagram of real-time load curve

按照根据负荷预测设定的控制策略来安排BESS运行的效果，如图11所示。从图中可以看出，由于实际负荷的波谷、波峰均比预测值高，因此按照既定的控制方案来安排BESS运行，会导致在波谷时BESS充电不足，在波峰时没有足够的电量削峰。这一点可从图11下部分图中BESS电量曲线明显看出，在早上7:00，由于BESS充电不足，电量只有 10MW·h；在中午 10:00左右，第一次负荷高峰结束之前，电量已基本放完，导致削峰失败。

图11 调整前效果Fig.11 Result of off-line controlling

3.1.2调整策略

为了保证BESS的削峰填谷效果，必须对BESS运行控制进行在线实时调整。在线实时调整以BESS电量预测值为基础。在此基础上，将全天分为三个阶段分别进行BESS运行调整。

（1）0:00～7:00为第一阶段，这一阶段基本为全天的负荷低谷，BESS处于充电填谷状态。实时调整以使BESS实时电量跟随预测电量值，并尽量以充电为目标。具体实施时，每隔一段时间将 BESS实时电量与预测电量值进行对比，如果实时值偏低，则相应增大Pd2的值，反之减小Pd2的值。在负荷处于区间（Pd1,Pd2）之内时，若BESS没有满充，则以一定功率进行充电，以应对接下来的负荷高峰。

（2）7:00～17:00为第二阶段，这一阶段为全天负荷的高峰期，BESS需要有充足的电量进行负荷削峰。实时调整以使BESS实时电量不低于预测值，且在负荷较低时尽量充电为目标。具体实施时，同样每隔一段时间将BESS实时电量值与预测电量值进行对比，如果实时值偏低，则相应增大Pd1的值，反之，保持Pd1不变，以保证最高负荷削峰优先。

（3）17:00～24:00为第三阶段，这一阶段负荷大多处于区间（Pd1,Pd2）之内。实时调整以使BESS实时电量小于设定值为目标，以保证BESS在第二天凌晨有足够的负荷填谷能力。具体实施时，每隔一段时间调整BESS放电功率，以满足设定目标。

BESS削峰填谷整体控制方案可以用图12所示框图表示。

图12 BESS削峰填谷整体方案Fig.12 Whole scheme of load shifting

其中，负荷预测支线为BESS实时运行控制打下基础。在计划方案中，可以根据预测负荷曲线求解出负荷控制区间，并预先求出全天BESS实时电量参考值。在实际运行中，将以求出的负荷控制区间为标准，对BESS充放电功率进行控制，并结合BESS电量预测值，根据调整控制策略，对 BESS实时充放电功率进行修正，以保证实时负荷与负荷预测存在偏差时，仍有较好的削峰填谷效果，尽量保证最高负荷的削峰。

3.2 实时调整效果

以Δt=6min为周期，对 BESS运行控制方案进行调整。Pd1和Pd2调整步长均为0.1。

图13所示为最终效果，上图曲线定义与图 7相同，下图中虚线为BESS电量参考值，实线为BESS实时电量值。

图13 实时调整效果Fig.13 Result of real-time adjustment

从上图可以看出，对BESS运行控制进行调整后，在实时负荷与预测负荷存在偏差的情况下，控制方案仍然能够很好地实现负荷的削峰填谷，负荷曲线相对更平稳，高峰负荷时发挥了很好的削峰作用，BESS实时电量与预测电量的偏差不大。

从BESS运行控制的角度来看，调整前，BESS每Δt=6min进行一次功率匹配。而在线调整方案每次调整仅需引入 BESS现有容量与预测容量的值进行比较，再对边际负荷值进行调整，BESS本身的充放电功率计算方法基本保持不变，所以，调整算法的计算量很小，简单易行。

在进行实时调整时，选择与BESS功率匹配周期相同的实时调整周期相对是最优的，这不仅保证了调整方案的高准确度和良好的优化效果，也不需要增加太多计算量。

4 结论

针对储能系统对配电网负荷削峰填谷的运行控制问题，本文首先从负荷预测的角度，提出了基于负荷区间的削峰填谷控制策略。以BESS容量以及充放电量均衡为约束，通过迭代计算得出削峰填谷的负荷控制区间，并将负荷曲线与预测值的差值和离散化的BESS运行状态进行分时分档匹配，最终确定BESS的具体运行，使负荷稳定在期望区间内。仿真结果验证了该控制策略的有效性。

在此基础上，本文还对BESS削峰填谷控制周期的选择进行了一定研究。对固定特点的负荷，应保证控制周期内同时存在波峰和波谷。同时，为了保证控制的连续性，连续周期的波峰、波谷应该交叉出现。最后，针对实时负荷与预测负荷存在偏差的问题，本文提出了基于BESS电量预测值的调整运行方案。通过仿真验证了调整方案的有效性。

BESS最大储能量也会直接影响其削峰填谷的效果，根据本文所提出的控制策略，BESS容量越大，削峰填谷的负荷控制区间越窄，负荷越平稳。然而，增大BESS容量会大大增加建设成本。负荷区间越窄，波谷和波峰时对 BESS充放电功率的要求越高，技术要求也相应提高。因此，针对某一特定区域的负荷，为达到预定的削峰填谷控制目标，存在BESS容量的最优值，可以结合区域历史负荷以及未来负荷变化趋势，综合考虑技术和经济因素，寻求最优BESS容量值。

[1] 周林,黄勇,郭珂,等.微电网储能技术研究综述[J].电力系统保护与控制,2011,39(7):147-152.

Zhou Lin,Huang Yong,Guo Ke,et al.A survey of energy storage technology for microgrid[J].Power System Protection and Control,2011,39(7):147-152.

[2] 廖胜利,程春田,蔡华祥,等.改进的火电调峰方式[J].电力系统自动化,2006,30(1):89-93.

Liao Shengli,Cheng Chuntian,Cai Huaxiang,et al.Improved algorithm of adjusting discharge peak by thermal power plants[J].Automation of Electric Power System,2006,30(1):89-93.

[3] 王鹏,张灵凌,梁琳,等.火电机组有偿调峰与无偿调峰划分方法探讨[J].电力系统自动化,2010,34(9):87-91.

Wang Peng,Zhang Lingling,Liang Lin,et al.A method for division of paid peak-regulation and free peakregulation for thermal power units[J].Automation of Electric Power System,2010,34(9):87-91.

[4] 张少华,言茂松.上海电网发展燃气轮机调峰的系统规划与优化[J].电网技术,1996,20(4):27-32.

Zhang Shanghua,Yan Maosong.Systematic planning and optimization for GAS turbine plants in Shanghai power system[J].Power System Technology,1996,20(4):27-32.

[5] 王若谷,王建学,张恒,等.水电机组调峰服务的成本分析及实用补偿方法[J].电力系统自动化,2011,35(23):41-47.

Wang Ruogu,Wang Jianxue,Zhang Heng,et al.A cost analysis and practical compensation method for hydropower units peaking service[J].Automation of Electric Power System,2011,35(23):41-47.

[6] 王金文,范习辉,张勇传,等.大规模水电系统短期调峰电量最大模型及其求解[J] 电力系统自动化,2003,27(15):29-34.

Wang Jinwen,Fan Xihui,Zhang Yongchuan,et al.Short-term generation schedule for the peak-energy maximization of large-scale hydropower systems[J].Automation of Electric Power System,2003,27(15):29-34.

[7] Ali Nourai,Kogan V I,Chris M Schafer.Load leveling reduces T&D line losses[J].IEEE Transactions on Power Delivery,2008,23(4):2168-2173.

[8] Sutanto D.Power management solutions for energy management,power quality and environment using battery energy storage systems[C].IEEE 1999 International Conference on Power Electronics and Drive Systems,Hong Kong,1999,1.

[9] Zhou Haihua,Tanmoy Bhattacharya.Composite energy storage system involving battery and ultracapacitor with dynamic energy management in microgrid applications[J].IEEE Transactions on Power Electronics,2011,26(3):923-930.

[10] 丁明,徐宁舟,毕锐.用于平抑可再生能源功率波动的储能电站建模及评价[J].电力系统自动化,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 System,2011,35(2):66-72.

[11] Jeroen Tant,Frederik Geth,Daan Six.Multiobjective battery storage to improve PV integration in residential distribution grids[J].IEEE Transactions on Sustainable Energy,2013,4(1):182-192.

[12] 严干贵,冯晓东.用于松弛调峰瓶颈的储能系统容量配置方法[J].中国电机工程学报,2012,32(28):27-36.

Yan Gangui,Feng Xiaodong.Optimization of energy storage system capacity for relaxing peak load regulation bottlenecks[J].Proceedings of the CSEE,2012,32(28):27-36.

[13] Igor Papic,Member.IEEE simulation model for discharging a lead-acid battery energy storage system for load leveling[J].IEEE Transactions on Energy Conversion,2006,21(2):608-616.

[14] Ali Nourai,Kogan V I,Chris M Schafer.Load leveling reduces T&D line losses[J].IEEE Transactions on Power Delivery,2008,23(4):2168-2173.

[15] Oudalov A Cher kaoui R,Beguin A.Sizing and optimal operation of battery energy storage system for peak shaving application[C].2007 IEEE Lausanne,Power Tech.,2007:621-625.

[16] Palomino E,Stevens J,Wiles J.A control system for improved battery utilization in a PV-powered peakshaving system[C].IEEE Conference Photovoltaic Specialists Conference,Washington DC,1996:1525-1528.

[17] Jeroen Tant,Frederik Geth,Daah Six.Multiobjective battery storage to improve PV integration in residential distribution grids[J].IEEE Transactions on Sustainable Energy,2013,4(1):182-192.