基于优化动态分组技术的电池储能电站跟踪AGC指令控制策略

2022-05-10蔡新雷孟子杰喻振帆王卜潇

储能科学与技术 2022年5期

蔡新雷，董锴，孟子杰，喻振帆，王卜潇，余洋

（1广东电网有限责任公司电力调度控制中心，广东广州 510600；2华北电力大学(保定)，新能源电力系统国家重点实验室，河北保定 071003）

我国提出要构建以新能源为主体的新型电力系统，然而，以风电、光伏为代表的新能源出力波动性大、随机性强[1]，大量新能源接入电网将加剧“源-网-荷”功率平衡的难度[2]。传统依赖火力发电“源随荷动”的控制手段受机组容量、响应速度等限制，很难满足新型电力系统快速性和准确性等要求[3]。为此，电池储能电站(battery energy storage station，BESS)以其响应速度快、可控性强及充放灵活等优点被广泛应用于新能源电力系统领域[4]。

利用BESS 跟踪电网AGC 指令即是其中的热点问题之一。文献[5]提出了一种BESS 跟踪AGC指令的功率分配策略，该策略可将BESS参与二次调频的效率最大化，降低电池单元的功率损耗，提升BESS参与二次调频的经济性，只是该研究在调控中未考虑电池单元的荷电状态(sate of charge，SOC)均一性，影响了电站下一个调度时段的调节能力。文献[6]进一步研究了考虑SOC 一致性的控制策略，降低了BESS 跟踪AGC 指令时电池单元的SOC 极差，不过该研究未对电池单元动作次数进行限制，使得复杂AGC 指令下BESS 容易出现较高的动作次数。可见，当前研究或多或少存在着一定局限，还未见兼顾SOC 一致性和动作次数的研究。

为提升BESS 跟踪AGC 指令的效果，同时克服跟踪过程中SOC 一致性较低和动作次数较高的问题，设计了基于优化动态分组技术的BESS跟踪AGC 指令控制策略。首先，介绍了天牛须搜索(beetle antennae search，BAS)算法；然后，设计了基于动态分组技术的BESS 跟踪AGC 指令控制策略，并采用BAS 算法优化控制策略的自动更新周期；最后，确定了评价指标体系，在此基础上构建了BAS 算法的适应度函数。算例仿真表明，提出的控制策略在保证BESS 准确跟踪AGC 指令能力的同时，提升了电池单元SOC 一致性，降低了电池单元动作次数，由此验证了控制策略的正确性和有效性。

1 天牛须搜索算法工作原理

BAS 算法是一种模仿天牛觅食的智能搜索算法，相对于蚁群算法、遗传算法及免疫算法等智能算法，在相同适应度函数、单参数优化等条件下，BAS有着明显的速度与精度优势[7]，并且，BAS算法工程实现相对容易，故本研究选用BAS 算法作为优化算法。实现步骤如下。

步骤一：确定天牛须初始方向，一般随机确定，可表示为

式中，rands 为随机函数；k为BAS 算法的维度。

步骤二：确定天牛须初始位置。在[-1,1]中随机选取某个数作为BAS算法的初始位置Xbest，并依照适应度函数计算初始位置的适应度函数值Ybest，适应度函数将在后文设计给出。

步骤三：确定天牛左右须的位置。BAS算法的每一次迭代都需要重新计算天牛左右须的位置，计算方法为

式中，xln和xrn分别表示第n次迭代时天牛左右两须的位置；xn为在第n次迭代时的天牛质心位置；dis为天牛左右两须之间的距离。

步骤四：计算天牛左右须的适应度函数值。将食物的气味抽象为适应度函数，通过左右须适应度函数值确定天牛的移动方向。

步骤五：逐步计算下一次迭代天牛质心所在位置：

式中，sign 为符号函数；xn为在第n次迭代时的天牛质心位置；xn+1为在第n+1 次迭代时的天牛质心位置；f为天牛须算法的适应度函数；μn为n次迭代时天牛须算法的步长。

步骤六：为使天牛质心加速趋近最优值，同时又不至于收敛步长过大导致搜索略过最优值，采用如下步长获取表达式：

式中，步长参数a、b和c取值分别为0.16、1.4和1.3。

2 控制策略设计

对电池单元进行动态分组的目的，就是通过对电池单元进行实时分组去响应AGC 指令，以尽量降低电池单元动作次数。为此，本节设计了基于动态分组技术的BESS 跟踪AGC 指令控制策略，控制流程如图1 所示。该控制策略包含两次分组过程，一次分组用于应对各电池单元动作次数和SOC 极差的问题，二次分组进一步优化各电池单元动作次数，最终实现指令跟踪过程中SOC 一致性并降低整体动作次数。

图1 控制策略实现流程Fig.1 Optimized control strategy and flow chart

控制策略的具体实现步骤如下。

（1）根据SOC高低对电池单元进行排序

将所有电池单元编号，并按照SOC 从低到高的顺序对电池单元进行排序，对于SOC 相同的电池单元，编号小的排序靠前。电池单元SOC 计算方法为[6]：

式中，SOCm,t为t时刻第m个电池单元的SOC；Pbm,t为t时刻第m个电池单元的充放电功率，充电时取正值，放电时取负值；Cm为第m个电池单元的最大储能容量。

（2）依据排序结果和电池单元的SOC 极差对电池单元进行一次分组

在文献[6-7]中，控制策略根据区域控制偏差划分调节区间，并在不同的调节区间内引入不同的控制策略，不过只在调节死区内电池单元SOC 才有自恢复作用，在其他调节区间内自恢复作用较弱，具有一定不足。为保证所有跟踪时段内电池单元SOC 均有自恢复作用，对排序完成的电池单元进行一次分组，并划分出3个电池组，即充电组、备用组和放电组，充电组平均SOC 较低，放电组平均SOC较高。

在BESS 跟踪AGC 指令的过程中，为了提升电池单元SOC 的一致性，需要对电池单元的分组进行动态更新，不过频繁更新增加了控制难度，为此，设计了式(6)的更新标准，即满足式(6)要求方可进行一次分组更新。

式中，T为电站运行时间；t1为自动更新周期；r取正整数；ui为每个AGC 周期结束时电池单元SOC 极差；w为强制更新阈值。考虑到AGC 指令周期一般为秒级，自动更新周期t1可设为10 min或15 min。式(6)表明：当BESS运行时间T等于自动更新周期t1的倍数时，或者当BESS电池单元SOC极差大于等于强制更新阈值w时，BESS将完成一次分组，由此兼顾了电池单元SOC 的一致性与电站一次分组的更新次数。不过，强制更新阈值的大小至关重要，若w设置过小会造成分组次数增加，反之，w过大又无法充分提升电池单元SOC 的一致性，为此，本研究借助BAS 算法对强制更新阈值w进行优化，其优化过程将在第三节中予以论述。

（3）确定各电池组的响应功率指令

设Pr、Pcmax、Pbmax和Pdmax分别为BESS 功率调节指令、充电组最大充放电功率、备用组最大充放电功率和放电组最大充放电功率，上述参数大于0表征最大充电功率，小于0表征最大放电功率。需依据功率调节指令Pr确定每个电池组应分担的AGC调节任务，设计分配方法如下：

①电站接收到充电指令(Pr>0)

3 个电池组的动作顺序为：充电组→备用组→放电组，具体为：

第一，当Pr≤Pcmax时，充电组承担全部充电功率，其余电池组不响应；

第二，当Pcmax

第三，当Pr>Pcmax+Pbmax时，充电组和备用组均以最大充电功率工作，放电组承担剩余的功率差额。

②电站接受到放电指令(Pr<0)

3 个电池组的动作顺序为：放电组→备用组→充电组，就有：

第一，当Pr≥Pdmax时，放电组承担全部发电功率，其余电池组不响应。

第二，当Pdmax>Pr≥Pdmax+Pbmax时，放电组以最大放电功率工作，备用组承担剩余的功率差额，其余电池组不响应。

第三，当Pr

（4）确定各电池单元的响应功率指令

对于运行于最大充放电功率状态的电池组，其中各电池单元均以各自最大充放电功率进行工作。文献[5]在确定电池单元功率指令时，为避免出现电池单元过充过放的问题，仅考虑其SOC 边界，未考虑电池单元SOC 一致性问题；为兼顾电池单元SOC 边界和一致性，在承担功率差额的电池组与单独承担充放电任务的电池组中，电池单元采用SOC均衡原则分配功率，SOC均衡原则为：

电池单元处于待充电状态时，电池单元的SOC与其分配的功率须满足

电池单元处于待放电状态时，电池单元的SOC与其分配的功率须满足：

式中，SOCi,t-1为电池组内第i个电池单元在t时刻的荷电状态。

当电池单元分配的功率Pr,bj,t+1大于电池的最大充放电功率时，采用最大充放电功率放电；当电池单元SOC 等于其上界时，电池单元停止充电；同理，当电池单元SOC 等于其下界时，电池单元停止放电。这样，SOC 相对高的电池单元充电功率较低、放电功率较高，SOC 相对低的电池单元应充电功率较高、放电功率较低，进而兼顾了电池单元SOC边界和一致性。

（5）依据电池单元动作次数差异对电池单元进行二次分组

当前研究侧重于分析BESS与常规机组的功率分配方法，但经常忽略电池单元动作次数高低的问题[8-11]。BESS 一次分组解决了电池单元SOC 极差过大的问题，为进一步降低电池单元在AGC 指令跟踪过程中的动作次数，本文设计了二次分组技术，以优化前文动态分组技术，即当各电池单元动作次数差值X大于某个设定的阈值E时，即启动二次分组。二次分组实现步骤如下。

①电站接收到充电指令(Pr>0)

当Pr≤Pcmax时，寻找3 个组动作次数最高的电池单元vi，若充电组中存在vi，将充电组中电池单元vi与备用组中电池单元按SOC 由小到大的顺序依次交换位置；

②电站接受到放电指令(Pr<0)

当Pr≥Pdmax时，寻找3 个组动作次数最高的电池单元vi，若放电组中存在vi，将放电组中电池单元vi与备用组中电池单元按SOC 由大到小的顺序依次交换位置。

3 基于天牛须搜索算法的控制策略优化

根据前文描述，强制更新阈值会影响分组次数和SOC 一致性，为避免选择该参数的主观性，本研究对动态分组技术中的强制更新阈值进行优化。基于BAS搜索算法的优化策略如下：

首先，根据BESS 跟踪AGC 指令的效果确定评价体系。本研究建立的评价体系包括4 个指标，即电站出力与AGC指令差值的标准差f1、响应结束时刻电池单元SOC极差f2、动作次数差值f3和强制更新次数f4，其中，强制更新次数f4用来表征由于电池单元SOC 极差大于强制更新阈值导致的动态分组次数增加量。

其次，按照上述评价指标体系设计BAS 算法所需的适应度函数，如式(11)所示，并依据BAS算法所需的适应度函数和AGC 指令，优化动态分组技术所需的强制更新阈值；随后将得到的强制更新阈值与前文确定的自动更新周期应用于控制策略。

式中，E1和E2分别为响应结束时刻电池单元SOC 极差阈值与强制更新次数阈值，分别取为0.05和50。

4 仿真验证及分析

选取某锂离子BESS 为研究对象，其规模为100 MW/50 MW·h，由10 个10 MW/5 MW·h 的电池单元组构成，10 个电池单元的初始SOC 分别为0.6、 0.55、 0.53、 0.58、 0.56、 0.52、 0.57、0.51、0.54、0.5。利用该BESS跟踪广东电网某天12:00—13:00 时段波动较大的AGC 指令，以检验控制策略的效果。

4.1 电池单元的动作次数

现阶段主要采用电池单元同时充电同时放电，充放电功率均分的传统控制策略。为验证本控制策略的有效性，将本研究控制策略下的电池单元动作次数与传统控制策略进行比较，结果见表1。由表可知，由于未考虑储能系统分组，传统控制策略下储能电池单元的动作次数高达9000 次，而本研究方案下储能电池单元的动作次数仅为5896 次，减少动作次数约34.49%。采用本研究设计的动态分组技术明显降低了电池单元的动作次数，在一定程度上延长了电池单元的使用寿命。

表1 两种策略下储能电池单元动作次数Table 1 Action times of energy storage battery unit under two methods

4.2 BAS算法优化控制策略的效果

图2(a)为BAS 算法优化后的控制策略响应AGC指令时电池单元SOC变化，10个电池单元初始时刻SOC 极差为0.1，响应结束时刻SOC 极差为0.04，相较于跟踪AGC 指令前，SOC 一致性有所提升；图2(b)为未使用BAS算法优化的控制策略下电池单元响应AGC指令时SOC变化，10个电池单元响应结束时刻SOC 极差为0.12。可见，本文控制策略有效提升了响应前后电池单元SOC 一致性，改善了BESS在下一调度时段的可调度能力。

图2 电池单元响应AGC指令时SOC变化情况Fig.2 SOC change of battery cells responding to AGC instructions

表2为使用与未使用BAS算法优化的控制策略下电池单元动作次数差值比较结果。可知，BAS算法优化后的动态分组控制策略使得电池单元动作次数差值减小33次，减少约28.95%。

表2 两种方法下储能电池单元动作次数极差Table 2 Extreme value of action times of energy storage battery unit under two methods

4.3 电池储能电站跟踪AGC指令效果

图3(a)为3 个电池组响应功率指令的情况，图3(b)为10个电池单元的具体出力情况。可见，无论是电池组还是电池单元，它们的输出功率均维持在了最大充放电功率以下，这表明本文控制策略有效抑制了电池单元过充过放，实现了电池单元安全运行。标准差约为2.07，并且在93.89%的AGC指令周期均实现了良好跟踪，个别时刻无法跟踪AGC指令是由于AGC指令超过了BESS最大输出功率所致。