电网直调前新能源侧储能实际可用收益和最优运行模式分析

房 康，储小康，李 明

（1.南京南瑞继保电气有限公司，江苏 南京211000；2.华能安徽风电分公司，安徽 合肥340100）

0 引言

风能、太阳能等资源受制于环境，使得出力具有间歇性和随机性［1］。为解决这一问题，在分布式新能源并网过程中，可加装储能装置来平抑出力波动、削峰填谷。这将有助于打破分布式新能源接入带来的瓶颈问题，提高对新能源的消纳能力，同时可以提升电能质量，减小线路网损，提高电力系统运行的稳定性和经济性［2-4］。储能技术能够实现快速充放电功能，有效平抑系统的扰动，维持发电与负荷的动态平衡，保持电压和频率的稳定，为电力系统安全稳定控制提供了一种新思路［5］。2020 年2 月，教育部、国家发展改革委、国家能源局联合制定印发了《储能技术专业学科发展行动计划（2020—2024年）》；在相关政策的推动下，储能在新能源侧的应用必将快速发展。

2019 年8 月，新疆发改委发布首批发电侧光储联合运行示范项目名单，总规模为221 MW/446 MWh。同月，西藏也发布首批储能示范项目，预计总规模有望达到220 MW/1 120 MWh。2020 年，安徽、湖南、山东等地相继开建了一批新能源侧储能。随着政策的支持，储能产业在可再生能源并网场景中打开了一个潜力巨大的市场［6-10］。最近两年的很多新能源侧储能立项的收益目标是电网调峰，其控制策略比较简单，直接执行调度指令即可。然而，受限于各种原因，目前投运的新能源场站的储能几乎都没有开始参与电网调控；即使将来条件完全具备后，新能源场站的储能也将有很多情况下不参与电网调控。在这些情况下，已建好的新能源侧储能实际能够获得哪些收益，各种控制策略如何协调，形成最优化的运行模式，显得尤为重要。

研究运行模式方面，文献［11］简单介绍了青海700 MW 风光储多能互补示范项目的多能互补协同控制技术。文献［12］对水光储混合型微电网中的光储发电系统进行了分析，根据运行方式划分了不同的运行模式，并给出了运行模式切换方法。文献［13］～文献［15］基于电池储能系统具有的快速响应与可控性，研究了风电场中集中配置电池储能参与调频的可行性及方式。文献［16］从理论上罗列了新能源侧储能在解决系统稳定、功率波动、电能质量等方面的作用，论文未就实际控制策略进行分析，更无优化。文献［17］侧重于理论分析，提到的平抑波动控制策略无实际收益，跟踪计划出力对应风功率预测考核，削峰填谷对应限电消纳，后两者规定了优先级，方法与结论不符合电网实际调度情况。文献［18］以张家口国家风光储输示范工程为实际案例，使用了理想化的调度手段，验证了储能在新能源侧的理论作用，与当前的工程项目可获取收益的实际来源差距较大。文献［19］基于超短期功率预测提出了有利于SOC 恢复的一次调频控制策略，未考虑与其他控制策略的关系。文献［20］确定了无功功率指令在储能系统、风电场和外部电网的三级协调分配策略，未考虑与储能有功控制策略之间的融合。

研究收益方面的文献较少，文献［21］详细分析了混合储能对华北地区两个细则AGC 考核相关的具体收益，未分析其他实用收益。文献［22］～文献［24］分析了风电场和光伏中配置储能的经济性，侧重以限电收益为主分析成本回收周期。

为了分析已建好的新能源侧储能实际能够获得哪些收益，本文以安徽3 个100 MW 装机的风电场为例，以其实际发生数据为基础，分析理想运行状态下的最大收益。进一步的，为了更好理清这些储能各种控制策略之间的协调关系，形成最优化的运行模式，本文针对各种控制策略进行详细分析，有的可以同时运行互不影响，有的需要相互融合形成一个整体的控制策略，剩余的互不兼容的只能区分优先级，最终形成一套最优化的运行模式。

1 新能源侧储能的可用收益来源及实用控制策略

2012年以来，国家和地方频频出台储能产业利好政策，不断完善储能产业政策环境，加大对储能项目示范、参与电力辅助服务市场等方面的支持力度。电力辅助服务市场、峰谷价差等市场和价格机制逐渐重视储能调峰、调频作用，为储能价值发现提供平台。东北、福建、山西、甘肃、宁夏、青海、广东等多个电力辅助服务市场已进行正式运行，还有十多个省份的电力辅助服务市场也已进入试运行，将结合实际情况陆续转为正式运行。根据能源局和电网公司的实际政策，结合新能源场站的实际需求，除了配合电网公司AGC直调参与二次调频和调峰以外，目前储能可以联合新能源发电设备作为整体参与“两个细则”考核获取收益；可以配合电网调度新能源发电的AGC 指令消纳弃电量获取收益［25-26］；可以作为独立的无功源提供无功输出；还可以补偿站用电获取收益。

1.1 两个细则考核收益及控制策略

1）一次调频：由储能协调控制装置采集220 kV母线电网电压，并计算电网频率。储能协调控制装置根据当前频率与基准频率的偏差（跨过死区部分，比如华东±0.033 Hz，参数可设定），计算出有功功率偏差，再将有功功率偏差值下令到储能变流器，实现一次调频快速功率响应。

2）新能源发电AGC 性能：计算电网AGC 指令和新能源实际发电功率的差值，由储能进行补偿，实现电网AGC指令的精准响应。

3）功率预测：根据风功率预测结果制定风/储集成发电系统期望输出，计算得到下一调度周期内储能系统的控制指令，以保证风/储合成功率输出在最大程度上跟踪调度指令［27］。

1.2 弃电消纳收益及控制策略

当新能源发电量大于负荷要求，即电网无法消纳新能源时，通过储能系统吸收多余电能，此时储能处于充电工作状态，当充电功率为零时，说明新能源全部消纳，可有效避免弃风弃光现象［28］。

1.3 提供无功及控制策略

储能系统与新能源场站AVC 系统协调配合参与到全站的无功电压控制的功能，具体由新能源场站AVC 系统协调储能、发电单元与SVG 一起参与AVC调节。

1.4 补偿站用电及控制策略

每天在电网谷价时段，检测风电小于最低用电负荷值时充电。每天在非谷价时段，计算实时站用负荷与新能源发电的差值，由储能补偿不足部分，保证放电时储能功率不倒送电网。这样保证在新能源发电小于站用负荷时，站用负荷不从电网高价购电，赚取电网的峰谷价差。

2 新能源侧储能的不同控制策略的最大可用收益分析

储能系统的实际收益可通过理论计算获得，然而理论计算与实际可获取收益往往有很大差异。本文以安徽3个100 MW装机的风电场为例，以其实际发生数据为基础，分析理想运行状态下的最大收益，从而提供更加贴近实际的可能收益参考。文中引用的数值均为实际发生值，部分数值采取了四舍五入，仅保留了前3位。

2.1 两个细则考核的实际参考收益

1）一次调频

按照“未具备一次调频功能”的考核公式进行计算，具体考核金额如表1和表2所示。

表1 2020年1月（一次调频）Table 1 January 2020（primary frequency control）

表2 2020年2月（一次调频）Table 2 February 2020（primary frequency control）

以上风电场基本电价为0.384 元/kWh。通过计算可以得到，3 个风电场一次调频的平均考核费用约为每月6 260 元。这些风电场如果按照10%配置储能，理想运行状态下可以覆盖电网对其一次调频的电量需求，最多每月收益6 000元。

2）新能源发电AGC性能

在限电模式下，AGC 指令响应性能一般比较准确，出现偏差主要是场站内AGC 系统故障，储能单独补偿故障的收益极低，该策略没有必要。以安徽电网为例，新能源不限电，不考核AGC响应性能。

3）风功率预测

按照两个细则考核公式进行计算，具体考核金额如表3和表4所示。

表3 2020年1月（风功率预测）Table 3 January 2020（wind power forecasting）

表4 2020年2月（风功率预测）Table 4 February 2020（wind power forecasting）

以上风电场基本电价为0.384 元/kWh。通过计算可以得到，3 个风电场风功率的平均考核费用约为每月8 000 元。根据文献［29］研究结论，如果风电场“按照100∶14 的储能配比，提高风功率预测准确率4.49%”，如果考核阈值确定在80%准确率，能覆盖大多数风功率预测缺额的电量需求。根据文献［30］研究结论，“以开机容量的25%为风电功率预测误差平抑目标值时，电池储能系统的优化配置结果如下：功率为20 MW 且容量为120 MWh”。如果参考案例按照10%配置储能，收益必定会低于8 000元。

2.2 弃电消纳收益

以华东电网安徽为例，目前新能源不限电，储能系统运行期间，无弃电消纳收益。文献［31］提出了“三北地区”送端电网，储能对新能源消纳有经济适用性。

2.3 提供无功收益

对于现有新能源场站补充建设储能，原新能源场站的无功配置已经可以满足需求，新增储能不减少无功投资。对于新建新能源场站同时配建储能项目，可以考虑减少SVG 等无功配置容量，可以减少的容量，具体减少投资金额由SVG造价决定。

新能源场站的储能系统投运后，无功控制策略运行期间，不再额外增加收益。

2.3 补偿站用电收益

参照某百兆瓦级/220 kV风电场升压站变电站，配置10 MW/10 MWh储能，全站典型负荷统计，累加后可得全站负荷总功率为443 kW，如表5所示。

表5 站用负荷统计Table 5 Station load statistics

3个百兆瓦风电场的负荷设计基本与表5相同；其1 月、2 月份的站用日平均负荷和电量如表6 和表7所示。

表6 2020年1月(日平均负荷和电量)Table 6 January 2020（average daily load and electricity consumption）

表7 2020年2月(日平均负荷和电量)Table 7 February 2020（average daily load and electricity consumption）

可以看出，3个站用负荷大体相同的站，其日均站用负荷及日均用电量也基本相近。具体以某站1月份接近日均负荷的典型日期负荷为例，该站这一天实际日用负荷大致在80 kW到120 kW之间，日用总电量大致在2 550 kWh。按照典型的峰谷平电价（基准电价0.6元/kWh，上下浮动50%），全天无风日站用电花费大约1 338 元。全天无风日非谷时站用电如果全部来自储能从谷时（参照0.3 元/kWh）的充电电量，则全天站用电花费大约765 元。采用储能补偿站用电负荷，理想运行状态下，最多全天（无风日）收益673元，一个月收益大约20 000元。

需要指明的是，本文仅考虑升压站内负荷，实际使用该策略时可以增加风机及集电线路的损耗，考虑整个风电场的全部耗电，其收益可能会提高很多。对应的控制策略也需要修改，将站用变功率换成上网点功率作为参考依据即可。

3 新能源侧储能的最优运行模式分析

受储能功率控制方式和既有容量限制，储能各个控制策略之间不可能以一种运行模式全部实现，需要对上述各种控制策略进行详细分析，有的可以同时运行互不影响，有的需要相互融合形成一个整体的控制策略，剩余的互不兼容的只能区分优先级，最终形成一套最优化的运行模式。

针对无功控制策略，需要实时核算当前运行的储能变流器功率总量，并根据当前有功功率实时计算可发无功容量，保证既不影响有功功率，又不导致过载停机，然后将这个可发无功容量上送给AVC 系统，作为可用无功源被调用；如此，该控制策略可以不影响其他有功相关的控制策略运行。根据某些储能变流器提供的参数，即使储能有功功率满发时，仍然可以用变流器10%过载连续运行的能力，发出大于40%的额定容量的无功；由此，储能系统最少能提供40%装机容量的无功功率；这个数值可以用做新建新能源场站配置无功的容量参考。

针对限电时新能源发电AGC 性能考核和弃电消纳两种控制策略，可以以跟踪电网新能源发电AGC指令的方式融合到一起：储能系统实时跟踪上网点功率，当新能源实际可发功率大于AGC 指令时，计算电网AGC 发电功率和储能当前可充电功率之和，作为新能源最大可发功率，转发给新能源AGC 系统，让新能源发电在此范围内满发；当新能源实际可发功率小于AGC指令时，计算电网AGC发电功率与新能源实际可发功率之差，作为储能的放电功率给储能系统放电。这样以来，上网点功率将能保证满足电网考核要求，同时新能源多余电量可以充分利用储能消纳掉。

针对不限电时功率预测考核和补偿站用电两种控制策略，在补偿站用电控制策略下适当调整可以实现融合：在电网谷价时段，储能系统在预测发电功率小于站用负荷时，才能充电，这样就能兼顾功率预测考核，同时还要在充电末期剩余少量的可充电量，比如只充到80%SOC，剩余20%可充电量留给功率预测中实发功率高于预测值时充电用；如果功率预测大于站用负荷，则储能放电补偿不足功率预测部分。在电网非谷价时段，在预测发电功率小于站用负荷时，计算实时站用负荷与风机发电的差值，由储能放电补偿不足部分，同时保证了不倒送电网；当功率预测大于站用负荷时，则储能放电补偿不足功率预测部分。这种融合的控制策略，相比功率预测考核控制策略，可能更容易导致储能系统可用电量不足，有更大概率会损失一定收益；具体损失收益的大小与功率预测的实际情况有关，有待于根据实际情况进一步分析。

由于限电时新能源发电AGC 性能考核加弃电消纳融合和不限电时功率预测考核加站用电补偿融合两大控制策略分别属于不同工况，所以这两大控制策略可用融合，需要根据电网调度的实际情况选择运用。

针对一次调频考核，一般情况下，两个细则会规定一次调频动作期间不考核新能源发电AGC性能（以及功率预测），并且一次调频动作的概率总体很低，可以考虑一次调频控制策略与其他控制策略区分优先级运行，该控制策略以高优先级运行。

4 结语

以华东安徽为例，对于百兆瓦风电场已经建设成的10 MW/10 MWh 储能系统，在电网直调参与二次调频和调峰辅助市场之前，不考虑各种控制策略同时运行时不兼容的收益损失，理想运行状态下，其总体最大可用收益每月34 000元，主要包括：一次调频考核每月最多6 000元，功率预测考核每月最多8 000元，站用电补偿每月最多20 000元。

在电网直调参与二次调频和调峰辅助市场之前，新能源侧储能系统最优的运行模式是：一次调频控制策略优先；限电时调用新能源发电AGC性能考核与弃电消纳融合成的控制策略，不限电时调用功率预测考核和站用电补偿融合成的控制策略，这两大控制策略根据电网调度工况选择使用；无功控制策略在不影响有功功率和不导致过载停机情况下同时运行。

［参考文献］（References）

［1］ 王燕敏，丁志政，陈婧，等.基于容量约束的电网新能源接纳能力研究与应用［J］.湖北电力，2017，41（07）：12-16.WANG Yanmin，DING Zhizheng，CHEN Jing，et al.Research and application of new energy acceptance capacity based on capacity constraint［J］.Hubei Electric Power，2017，41（07）：12-16.

［2］ 米高祥，陶征，李旭，等.光伏电站功率快速控制应用研究［J］.湖北电力，2019，43（06）：86-93.MI Gaoxiang，TAO Zheng，LI Xu，et al.Research on fast power control application of PV station［J］.Hubei Electric Power，2019，43（06）：86-93.

［3］ 万靖，张威.基于准许收入目标的地区电网投资规划方法研究［J］.湖北电力，2018，42（06）：32-37.WAN Jing，ZHANG Wei.Research of regional power grid investment planning method based on permitted income target［J］.Hubei Electric Power，2018，42（06）：32-37.

［4］ 徐秋实，周小兵，杨东俊，等.电力市场化改革后电网规划的目标及思路研究［J］.湖北电力，2018，42（06）：27-31，37.XU Qiushi，ZHOU Xiaobing，YANG Dongjun，et al.Study ongoal and mentality of power grid planning after power marketreform｛J｝.Hubei Electric Power，2018，42（06）：27-31，37.

［5］ 孙建波.智能电网中的储能技术及其在稳定控制中的应用［J］.湖北电力，2010，34（S1）：15-16，31.

［6］ 朱文韵.全球储能产业发展动态综述［J］.上海节能，2018，（01）：2-8.ZHU Wenyun. Comprehensive summary of global energy storage industry development dynamics［J］.Shanghai Energy Conservation，2018，（01）：2-8.

［7］ 李岱昕，张静.首个产业政策发布助推中国储能迈向商业化［J］.电器工业，2017，（11）：42-44.

［8］ 李建林，马会萌，惠东.储能技术融合分布式可再生能源的现状及发展趋势［J］.电工技术学报，2016，31（14）：1-10，20.LI Jianlin，MA Huimeng，HUI Dong.Present development condition and trends of energy storage technology in the integration of distributed renewable energy［J］.Transactions of China Electrotechnical Society，2016，31（14）：1-10，20.

［9］ 姜子卿，郝然，艾芊.基于冷热电多能互补的工业园区互动机制研究［J］.电力自动化设备，2017，37（06）：260-267.JIANG Ziqing，HAO Ran，AI Qian，et al. Interaction mechanism of industrial park based on multi-energy complementation［J］.Electric Power Automation Equipment，2017，37（06）：260-267.

［10］ 朱炳达.大规模储能参与清洁能源电网调频的优化配置［D］.沈阳：沈阳工业大学，2019.ZHU Bingda. Large scale energy storage involved in the optimal configuration of clean energy grid frequency modulation ［D］. Shenyang； Shenyang University of Technology，2019.

［11］ 李建林，王剑波，葛乐，等.多能互补示范项目建设运行的启示［J］.湖北电力，2019，43（03）：49-56.LI Jianlin，WANG Jianbo，GE Le，et al.Enlightenment from construction and operation of multi-function complementary demonstration projects［J］.Hubei Electric Power，2019，43（03）：49-56.

［12］ 万黎，夏勇军，蔡勇，等.微电网光储协调控制策略的研究［J］.湖北电力，2014，38（04）：15-19.WAN Li，XIA Yongjun，CAI Yong，et al.Research on PVstorage system coordination control strategy in micro-grid［J］.Hubei Electric Power，2014，38（04）：15-19.

［13］ 胡泽春，罗浩成.大规模可再生能源接入背景下自动发电控制研究现状与展望［J］.电力系统自动化，2018，42（08）：1-15.HU Zechun，LUO Haocheng.Research status and prospect of automatic generation control with integration of large-scale renewable energy［J］.Automation of Electric Power Systems，2018，42（08）：1-15.

［14］ DelilleG，FrancoisB，MalarangeG. Dynamic frequency control support：a virtual inertia provided by distributed energy storage to isolated power systems［C］. Innovative Smart Grid Technologies Conference Europe （ISGT Europe），2010 IEEE PES，2010.

［15］ Serban I，Teodorescu R，Marinescu C. Analysis and optimization of the battery energy storage systems for frequency control in autonomous microgrids，by means of hardware-in-the-loop simulations［C］.IEEE International Symposium on Power Electronics for Distributed Generation Systems，IEEE，2012.

［16］ 艾欣，董春发.储能技术在新能源电力系统中的研究综述［J］.现代电力，2015，32（05）：1-9.AI Xin，DONG Chunfa.Review on the application of energy storage technology in power system with renewable energy sources［J］.Modern Electric Power，2015，32（05）：1-9.

［17］ 薛宇石，徐少华，李建林，等.光伏电站储能系统多种工作模式协同运行与切换策略研究［J］.电器与能效管理技术，2017，（13）：46-55.XUE Yushi，XU Shaohua，LI Jianlin，et al.Research on cooperative operation and switching strategy of energy storage system in photovoltaic power plant［J］.Low Voltage Apparatus，2017，（13）：46-55.

［18］ 高明杰，惠东，高宗和，等.国家风光储输示范工程介绍及其典型运行模式分析［J］.电力系统自动化，2013，37（01）：59-64.GAO Mingjie，HUI Dong，GAO Zonghe，et al.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（01）：59-64.

［19］ 李培强，丰云鹤，李欣然，等.考虑超短期负荷预测的储能电池参与电网一次调频控制策略［J］.电力系统自动化，2019，43（19）：87-93，148.LI Peiqiang，FENG Yunhe，LI Xinran，et al.Control strategy for energy storage battery participating in primary frequency regulation of power grid considering ultra-short-term load forecasting［J］.Automation of Electric Power Systems，2019，43（19）：87-93，148.

［20］ 黄磊，肖铮，闫秉科.基于储能系统的风电场无功功率优化控制研究［J］.陕西电力，2015，43（12）：15-20.HUANG Lei，XIAO Zheng，YAN Bingke.Reactive power optimization control strategy for wind farm based on energy storage system［J］.Shaanxi Electric Power，2015，43（12）：15-20.

［21］ 曾鉴，袁川，朱觅，等.提升风电场响应效能的混合储能最优经济配置［J］.水利水电技术，2019，50（03）：194-200.ZENG Jian，YUAN Chuan，ZHU Mi，et al.Optimal economic allocation of hybrid energy storage for improving wind farm response performance［J］.Water Resources and Hydropower Engineering，2019，50（03）：194-200.

［22］ 范永生，赵璐璐，刘庆华，等.陆上风场液流电池储能经济性分析［J］.储能科学与技术，2020，9（03）：725-729.FAN Yongsheng，ZHAO Lulu，LIU Qinghua，et al.Economic analysis of flow battery energy storage for wind farm application［J］. Energy Storage Science and Technology，2020，9（03）：725-729.

［23］ 南亚林，王晴玉，李丽，等.新疆发电侧光伏储能试点项目在现行政策下经济性分析［J］.西北水电，2020，（05）：111-115.NAN Yalin，WANG Qingyu，LI Li，et al.Economic analysis of Xinjiang's generation-side photovoltaic energy storage pilot project under current state policies［J］. Northwest Water Power，2020，（05）：111-115.

［24］ 冯晓丽.光伏储能电站的经济性分析［J］.电工电能新技术，2019，38（09）：52-58.FENG Xiaoli. Economical analysis of photovoltaic power station with battery energy storage system［J］. Advanced Technology of Electrical Engineering and Energy，2019，38（09）：52-58.

［25］ 肖冰，吴晓丹，尹宏学，等.蒙东地区适应新能源消纳的储能系统配置效果分析［J］.热力发电，2020，49（07）：13-20.XIAO Bing，WU Xiaodan，YIN Hongxue，et al.Configuration effect of energy storage system in Mengdong grid for new energy consumption［J］.Thermal Power Generation，2020，49（07）：13-20.

［26］ 胡洋，马溪原，雷博，等.储能促进南方电网地区新能源消纳的可行性研究［J］.南方电网技术，2018，12（09）：53-61.HU Yang，MA Xiyuan，LEI Bo，et al.Feasibility study on energy storage promoting new energy consumption in China southern power grid area［J］. Southern Power System Technology，2018，12（09）：53-61.

［27］ 杨德友，温佳鑫，陈家荣，等.用于提高风电场可调度性的储能系统预测控制策略［J］.高电压技术，2017，43（03）：1043-1048.YANG Deyou，WEN Jiaxin，CHEN Jiarong，et al.Smoothing and dispatching the output of wind/battery energy storage hybrid system via model prediction control［J］.High Voltage Engineering，2017，43（03）：1043-1048.

［28］ 王一飞，杨飞，徐川.电网规模化储能应用研究综述［J］.湖北电力，2020，44（03）：23-30.WANG Yifei，YANG Fei，XU Chuan.Research overview of large-scale energy storage application of power grid［J］.Hubei Electric Power，2020，44（03）：23-30.

［29］ 李娜，白恺，柳玉，等.用于提升风电场短期功率预测准确率的储能系统出力控制策略［J］.储能科学与技术，2018，7（01）：100-107.LI Na，BAI Kai，LIU Yu，et al.The energy storage system output control strategy to improve the short term wind power forecasting accuracy rate［J］.Energy Storage Science and Technology，2018，7（01）：100-107.

［30］ 杨水丽，李建林，惠东，等.用于跟踪风电场计划出力的电池储能系统容量优化配置［J］.电网技术，2014，38（06）：1485-1491.YANG Shuili，LI Jianlin，HUI Dong，et al.Optimal capacity configuration of battery energy storage system to track planned output of wind farm［J］.Power System Technology，2014，38（06）：1485-1491.

［31］ 杨军峰，郑晓雨，惠东，等.储能技术在送端电网中促进新能源消纳的容量需求分析［J］.储能科学与技术，2018，7（04）：698-704.YANG Junfeng，ZHENG Xiaoyu，HUI Dong，et al.Capacity demand analysis of energy storage in the sending-side of a power grid for accommodating large-scale renewables［J］.Energy Storage Science and Technology，2018，7（04）：698-704.