辅助服务中基于收益量化的混合储能功率控制策略研究

徐巍峰，高美金，吴 俊，余 彬，翁利国

（国网浙江杭州市萧山区供电有限公司，杭州 311200）

随着我国电力现货市场建设的不断推进，充分调动多方资源参与电力现货市场的商业模式得到快速发展。电储能资源因具备控制灵活、响应迅速等突出优势，逐渐成为了能源系统中的重要辅助调节手段。2017 年，国家发改委等五部委联合印发《关于促进储能技术与产业发展的指导意见》（发改能源〔2017〕1701 号），提出结合电力体制改革，建立健全储能参与的市场机制[1-3]。目前，多省区已制定了储能参与辅助服务市场的试点方案。然而现有的试点项目表明，电储能资源参与辅助服务受制于市场机制与其本身高昂的成本，静态投资回收年限较长[4]，经济性较差，降低了电源侧、电网侧与用户侧投资者建设储能的积极性。因此，如何提升储能资源运行过程的技术经济性，从而充分适应市场运行机制以获取更高的市场收益，对储能发展与电力现货市场建设具有重要现实意义。

储能设备通常可分为以电池为代表的具有大容量、短寿命的能量型储能和以超级电容为代表的具有快速响应特性、长寿命的功率型储能。储能作为灵活性资源，在为电网提供调频、调压等辅助服务方面能够发挥重要作用。文献[5]提出一种储能系统参与一次调频的控制策略，能有效改善电网频率波动和储能SOC（荷电状态）；文献[6]提出一种分布式储能集群调压控制策略，能够有效消除节点电压越限问题，提升储能系统运行经济性；文献[7]基于模型预测控制方法，提出了一种考虑退化成本的电池储能参与调频市场的控制方法，可使电池储能在降低退化成本的同时保持较高的调频性能指标，从而提高在调频市场中的总收益。传统的单一储能系统在技术层面难以适应调频辅助服务对能量与功率的多层次需求，而混合储能系统由于可充分利用不同类型储能在技术特性上的互补性，为灵活、高质量提供调频辅助服务提供了可能，因此有必要对不同类型储能介质间的功率控制开展研究[8-9]。

目前国内外已有混合储能系统用于为电网提供服务的相关研究。文献[10]提出了一种协调控制策略，实现了功率平衡。文献[11]对混合储能系统进行性能优化，有效平抑了直流母线电压波动。文献[12-13]提出了完整的混合储能系统的应用框架，并根据其提供调频服务的经济性对系统进行了优化设计。文献[14]提出了计及储能寿命的混合储能系统功率分配策略。文献[15]分析了不同功率变换拓扑对提升电池寿命的效果。

上述研究均通过对混合储能系统输出功率进行控制以实现系统优化。但是单纯控制输出功率以实现储能器件寿命最大化会降低系统对服务需求信号响应的精准度，目前一些成型的电力辅助服务市场中，均设有基于服务性能的打分机制，较低的功率响应能力会降低系统的综合收益。因此，如何在保证系统响应特性的基础上开展功率控制仍有待研究。

本文首先建立了一种混合储能系统应用框架，包括功率响应模块、功率分配模块与服务收益打分模块，用于衡量系统控制方式的收益能力。基于该框架，提出一种基于收益量化的混合储能系统功率控制策略，该策略考虑了不同储能设备的寿命因素、功率提供能力与服务响应质量评分，对能量型储能设备的SOC 进行控制，实现混合储能系统提供调频服务时的协调功率控制。

1 混合储能系统运行收益模型

目前国内的电力辅助服务市场仍处于起步阶段，本文基于美国区域电力传输组织PJM 的市场运行机制，以能源提供者的角度建立混合储能系统运行框架[13]，如图1 所示。该服务框架包含功率响应模块、功率分配模块与服务收益计算模块。该框架可辅助混合储能系统运营者对辅助服务信号做出最优响应，以达成经济效益最大化的目标。

图1 混合储能系统运行框架

1.1 服务响应机制

在每一固定间隔的时间段，区域电力组织将根据发电量与负荷的供需关系向混合储能系统给出服务信号s，该信号代表了T 时刻混合储能系统出力占其最大功率响应能力的比例，因此s∈[-1，1]。由于在混合储能系统中，超级电容占比较低，因此决定系统最大功率响应能力的主要是电池，而超级电容主要用于平抑瞬变的功率分量，因此本文采用电池容量来确定混合储能系统在时段T 的最大功率响应能力R。R 取决于系统所能提供的充电或放电功率中的最小值，如式（1）所示：

式中：Pd和Pc分别为系统该时刻的最大放电与充电功率；E 为该时刻电池内储存的能量，可由电池SOC 计算得到；C 为电池标称容量；a，b 分别为放电与充电效率因数。

由式（1）可见，系统在T 时段的最大功率响应能力由电池容量和T 时段电池SOC 决定，因此可通过控制系统在T 时段出力实现电池的SOC控制，减小电池寿命衰减。

1.2 功率分配拓扑

服务信号s 通过功率分配模块分配给电池和超级电容。图2 是两种不同的混合储能系统拓扑。其中图2（a）是被动型混合储能系统，其功率分配取决于电池和超级电容的阻抗。该方式结构简单，减少了高功率变换器投资成本，同时方便电池和超级电容的更换与级联，是目前工程中应用最为广泛的混合储能功率分配模式。但超级电容电压受电池电压限制，无法发挥其最大的效果。图2（b）为全控型混合储能系统，该方式通过功率变换器对超级电容与电池进行独立控制，能够最大程度发挥超级电容的效果，但是其控制系统复杂，且大规模混合储能系统的投资成本较高，因此本文采用主动型拓扑结构。

图2 混合储能系统拓扑

1.3 服务收益计算模型

混合储能系统的服务收益计算模块用于评估其在T 时刻提供服务所带来的经济收益与储能寿命等效衰减损失成本之间的关系，本文定义如式（2）—（3）所示的服务收益计算模型：

式中：Q 为服务价格；R 为系统最大功率；PS为系统功率响应分数；Closs1，Closs2分别为电池储能与超级电容储能的寿命等效衰减损失成本；M1，M2分别为电池储能与超级电容储能的单位投资成本；Lbat和Lcap分别为电池储能与超级电容储能的寿命衰减量。

由式（2）可见，α 能够描述在一段时间内，混合储能系统出力带来的寿命衰减所增加的成本与其提供服务带来的效益之间的关系，其中ST为提供服务时长，Q 为实时服务结算价格。当系统功率响应分数PS（PS计算见1.5 节）很高时，即系统准确响应服务信号，收益Q 较高，但是此时电池的放电倍率、放电深度、平均SOC 都会有较大幅度的波动，此时储能系统的计算寿命下降，导致等效寿命损失成本上升，因此，在计算混合储能系统收益时应同时考虑响应性能与储能寿命的协同效应。

1.4 寿命衰减模型

电池储能寿命与放电过程中的平均SOC 与SOC 波动有关，在时间段[0，T]内，平均SOC 与SOC 波动如式（4）所示：

由于混合储能系统中电池充放电为非标准循环，因此，采用式（5）定义等效放电循环Num：

式中：I（t）为充放电电流。

根据式（4）、式（5），采用文献[16]提出的寿命损失模型，在时间段[0，T]内，电池寿命衰减量如式（6）所示：

式中：Kco，Kex，Ksoc，KT为电池固有参数；Tref和TB分别为等效温度与实时温度；Tlife为在容量衰减至80%时的寿命[11]。

1.5 服务评分模型

本文采用PJM 的系统功率响应分数PS来描述功率响应性能，其包含三个部分：相关性分数CS、延迟分数DS和准确分数AS[17]。如式（7）所示：

式中：rsignal，response（T，T+5min）为服务信号与系统出力之间的相关系数；T 为5 min 内间隔10 s 的全部时刻；DS由每5 min 内，相关系数最大的T 时刻计算得到，用于描述系统对服务信号的延时响应程度；Error 为功率数值误差；AS由系统提供功率的数值误差折算得到；t 时刻的PS由CS，DS与AS共同组成，其中系统每隔10 s 计算一次PS。由式（7）可见，系统功率响应分数可以用于描述混合储能系统提供服务的准确性，由式（2）可知，其大小将直接影响系统收益。

2 基于收益量化的混合储能系统功率控制策略

2.1 SOC 控制策略优化目标分析

现有基于规则的混合储能功率分配策略[13，18-19]与基于滤波的功率分配策略[20-23]均只能实现对电池储能寿命等单一目标的优化，无法同时考虑储能提供服务的综合收益。另一方面，由于混合储能系统中超级电容储能的配置容量一般较小，因此仅依靠现有的功率分配策略无法完全满足能量型储能SOC 的控制需求，因此有必要施加额外的控制环节以满足能量型储能SOC 的优化目标。基于此，本节对能量型储能SOC 控制策略优化目标进行分析。

由式（2）可知，在结算价格一定时，影响收益指标的因素有时段内的最大可调度功率、功率响应评分与等效成本损失。在本文所建立的混合储能收益模型下，由式（1）可见，R 直接由电池储能的SOC 决定，当SOC 为50%时，因系统同时具备最大的向上、向下调频能力，系统具有最高的R，因此，通过控制电池SOC 维持在50%附近，可以提高系统收益。另一方面，由式（6）可知，电池的等效成本损失主要由电池SOC 波动与平均SOC 有关，较低的SOC 波动与平均SOC 能够获得较低的寿命损耗，进而提高系统收益。

然而在控制电池SOC 的过程中，不可避免地会降低储能系统实际输出功率与调频服务信号之间的匹配程度，使影响SOC 变化较大的调频服务信号难以被响应，导致系统功率响应评分下降，进而降低系统收益。因此，最大可调度功率、功率响应评分与等效成本损失对SOC 控制的目标存在差异，有必要建立以最大化服务收益指标α 为目标的SOC 控制策略。

2.2 混合储能系统功率控制策略

基于现有的功率分配策略，本文提出如图3所示的电池储能SOC 控制策略。设置PI 控制器对电池储能的输出功率进行调节。当储能系统SOC 偏移50%的控制目标时，系统将PI 控制器的计算输出经由比例环节后叠加在由功率分配策略得出的电池储能计划输出功率中，实现电池储能SOC 的调整。

图3 SOC 控制策略

由2.1 节分析可知，控制电池储能SOC 为50%虽然能够获取最高的R，但同时会降低系统PS，因此对电池储能SOC 的控制策略应具备动态调整能力。本文设置比例环节K 用于调节对电池储能施加SOC 控制的程度，当K 较大时，系统对SOC 的控制加强；当K 较小时，系统对电池SOC的控制减弱。K 值由基本调节比例系数k 与动态补偿系数k′叠加组成。其中k 为常数，k′由式（8）得出：

式中：m 为功率限值调节系数；ε 为系统功率最低允许值，可根据系统需求设定。

由式（8）可见，当R 低于系统设置的最低允许值且持续下降时，系统会因k′获得较大的K值，使得系统加强对电池SOC 的控制以提升R，从而提升收益。而当系统的R 较高且未发生下降时，K 仅由k 决定，系统不会加强对电池储能SOC 控制的程度。

2.3 控制参数优化

由前文分析可知，本文提出的混合储能功率控制策略具有如下两个控制参数需要优化：基本调节比例系数k 与功率限值调节系数m。上述两个控制参数的取值直接影响系统的最终收益。由于遗传算法对种群的多点寻优方式使其较传统数学优化方法更易找到全局最优解，且鲁棒性较好，因此本文采用遗传算法，以服务收益指标最大为目标，对上述控制参数进行优化，优化目标函数如下：

约束条件如下：

1）系统功率约束

式中：Pbat，Pcap分别为电池和超级电容的实际功率。

2）SOC 约束

式中：Sbat_min，Sbat_max分别为电池SOC 的上、下限值；Scap_min，Scap_max分别为超级电容SOC 的上、下限值。

3）储能功率约束

式中：Pbat_min，Pbat_max分别为电池功率的上、下限值；Pcap_min，Pcap_max分别为超级电容功率的上、下限值，该值是通过储能本体及储能变流器设备的功率极限共同约束。

在混合储能系统实际运行过程中，由于服务信号在短时间内对电池SOC 的影响相对较小，因此可每隔T 时间采用上述优化方法对控制参数进行优化，优化参数可应用于下一服务时段。

3 仿真分析

为验证本文提出的储能SOC 控制策略的有效性，并进行控制参数优化，本文搭建MATLAB/Simulink 混合储能模型，调用遗传算法工具箱对控制参数进行优化，算例中系统主要参数如表1所示。

表1 混合储能系统主要参数

在对混合储能系统施加了本文提出的收益量化的能量型储能SOC 控制策略后，系统的仿真结果如图4、图5 所示，其中HESS-1 为不施加SOC 控制的混合储能系统，HESS-3 为施加本文SOC 控制策略后的系统。本文选取两种不同的运行工况，分别为同时具备连续向上和向下的调频工况，与连续向下的调频工况。

图4 服务工况1（2019 年6 月21-23 日）计算结果

由图4、图5 可知，在整个服务区间内，有多段持续充电或放电的需求导致电池储能SOC持续向单方向变化，大幅度降低了系统的最大功率响应能力。在此类过程中，在不施加本文所提SOC 控制的情况下，系统的最大功率响应能力较低，是收益降低的主要原因。在施加了本文SOC控制策略之后，系统在此类过程中的SOC 变化明显下降，虽然功率响应评分有所下降，但处于允许范围内。可见系统经过优化在R 与PS之间形成了平衡，以实现总体收益最大化。

在两种不同的调频服务工况下，电池储能SOC 平均值为50.01%与49.99%，平均功率响应评分分别为0.96 与0.97，可见系统在保证功率响应能力的基础上，实现了电池储能SOC 的控制目标。

在2019 年全年范围内，随机选择8 个服务时段，每个服务时段持续3 天，用于验证本文策略的收益能力。在施加了本文提出的SOC 控制策略后，储能系统参与调频辅助服务的收益如表2所示，所选8 个时段的平均收益为4 384 美元/天，相比于未施加本文提出SOC 控制策略的混合储能系统与纯电池储能系统，收益分别提升了58.6%与64.8%。

表2 调频服务费用明细

4 结论

本文提出了一种混合储能系统应用框架，包括功率响应模块、功率分配模块与服务收益打分模块，用于衡量系统控制方式的收益能力。在此基础上，提出了一种基于收益量化的能量型储能SOC 控制策略，提升系统的综合经济性。根据PJM 组织提供的实时服务信号与价格数据建立仿真模型，结果显示，运行本文提出的双目标控制方式下，系统在所选的8 个运行时段平均收益为4 384 美元/天，相比于未施加本文提出SOC 控制策略的混合储能系统与纯电池储能系统，收益分别提升了58.6%与64.8%。