基于旋转门算法的电池储能辅助单机跟踪AGC指令控制策略

董 锴，蔡新雷，崔艳林，孟子杰，陈东阳，余 洋

基于旋转门算法的电池储能辅助单机跟踪AGC指令控制策略

董 锴1，蔡新雷1，崔艳林1，孟子杰1，陈东阳2,3，余 洋2,3

(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.新能源电力系统国家重点实验室(华北电力大学 (保定))，河北 保定 071003；3.河北省分布式储能与微网重点实验室(华北电力大学(保定))，河北 保定 071003)

针对电池储能辅助单机跟踪AGC指令过程中机组爬坡频次高以及储能动作次数多的问题，提出基于旋转门算法的电池储能辅助单机跟踪AGC指令控制策略。首先，利用旋转门算法对AGC历史数据进行压缩，对压缩结果采用线性插值处理，进一步进行动态更新及实时修正，并结合机组爬坡特性确定机组承担的功率调节指令。然后，将储能系统动态地分为3个电池组，根据储能系统功率调节指令确定电池组动作顺序，进而设计功率分配方法实现储能系统上层功率分配，同时确定各电池组电池单元功率分配原则完成下层功率分配。最后，利用某电厂实际AGC指令对控制策略进行仿真分析，验证了所提策略的有效性。

储能；火电机组；跟踪AGC指令；动态分组；功率分配

0 引言

随着我国“3060”双碳目标的提出，间歇式新能源将以更大规模接入电网，源网荷功率不平衡的挑战将愈加严峻，不过传统火电机组受爬坡速度等因素限制很难提供快速调节服务[1-3]。为此，许多火电厂引入了电池储能系统(Battery Energy Storage System, BESS)以辅助火电机组参与自动发电控制(Automatic Generation Control, AGC)[4-5]，研究储能辅助单机跟踪AGC指令的控制策略以提升机组调节性能至关重要。

现有的BESS辅助单机跟踪AGC控制策略，首先让火电机组跟踪电网下发的AGC指令，然后再由BESS弥补机组实际出力与AGC指令的偏差[5]，这主要存在两方面的问题：1) 为平抑快速波动的新能源并网功率，电网下发的AGC指令日趋复杂[6]，短时间、小幅度频繁波动的特征愈加明显，由火电机组直接跟踪复杂AGC指令会使得机组调速器频繁动作，导致机组爬坡频次较高[7]；2) 现有控制策略中较少考虑BESS分组技术，跟踪功率偏差时需BESS所有电池单元同时参与，且复杂AGC指令下电池单元会频繁响应，来回切换充放电状态，增加了电池的寿命损耗，影响了BESS运行的经济性[8]。

已有研究采用样本熵对AGC指令进行分析表明，其变化特性在某些时段具有相似性[9]，故针对问题1)，可根据AGC历史数据分析其变化特性，并结合火电机组的爬坡速率安排机组预出力，让火电机组跟踪较为平稳的功率指令以减少机组爬坡频次并改善调速器频繁动作的问题[10]。但由于AGC历史数据的“海量”特征，如何进行数据压缩是需要解决的关键问题。旋转门(Swing Door Trending, SDT)算法是数据压缩领域的常用方法，已在风电爬坡检测等方面获得成功应用[11]，本文将采用SDT算法对AGC指令进行处理，用于生成火电机组的功率调节指令。

针对问题2)，已有研究主要计及机组爬坡速率以减少BESS动作次数，如文献[12]通过判断调速器的可调出力以自适应调节BESS出力，在一定程度上减少了BESS的动作次数，但由于未考虑BESS分组，仍需所有电池单元同时参与响应，整体动作次数依然偏高，并且该方案忽略了电池单元之间的状态差异，可能会降低BESS下一时段的可持续调控能力[13]。

综上，本文将研究基于SDT算法的BESS辅助单机跟踪AGC指令控制策略：为降低机组爬坡频次，提出基于SDT算法的机组功率调节指令获取方法；为减少BESS动作次数，设计基于动态分组的BESS双层功率分配方法。通过跟踪某电厂实际AGC指令，结果表明，火电机组位于小范围调节区间内的功率方差明显降低，改善了其爬坡频次过高的问题；储能系统的动作次数相比于传统方案显著减少，同时其下一时段的可持续调控能力也有所提升，由此验证了本文控制策略的正确性和有效性。

1 控制框架

本研究构建的BESS辅助单机跟踪AGC指令的控制结构和流程分别如图1和图2所示。整个调节流程由火电机组参与调节和BESS参与调节两部分构成。

图2 储能辅助火电机组跟踪AGC指令控制流程

1) 火电机组调节过程

2) BESS调节过程

2 火电机组及储能系统出力特性

火电机组出力主要受调速器和汽轮机影响，其爬坡速度相对较慢，对于快速变化的AGC指令往往难以及时响应[3]。考虑火电机组的爬坡速度限制，其调速器出力特性可表示为

SOC表征了电池的剩余电量，准确的SOC估计对于描述电池状态极为重要[14]。SOC的估算方法主要有开路电压法、安时积分法、神经网络和卡尔曼滤波等[15-16]。由于安时积分法原理简单，易于计算，故采用安时积分法对SOC进行估计，如式(2)。

不考虑电池单元的高倍率充放电方式，其功率约束可表示为

电池单元在运行时还应尽量避免过充、过放以导致电池寿命受损[17]，以SOC来表征电池单元运行的容量限制，可写为

3 基于SDT算法的火电机组功率调节指令确定方法

3.1 基于SDT算法的AGC指令压缩

本研究对电网下发的AGC指令进行数据压缩、线性插值、动态更新及实时修正等一系列处理，最终得到较为平稳的机组功率调节指令信号。当AGC指令在小范围波动时，火电机组响应较为平稳的功率调节指令，可有效降低其爬坡频次。

Bristol于1990年提出的SDT算法[18]，以其压缩比高、执行速度快和误差可控等特点，在风电爬坡检测、SCADA系统数据压缩等领域获得了成功应用[11,19]。其基本原理为：当接收到一个新数据时，该数据会与上一个记录值构造出平行四边形，若当前值和上一个记录值之间有存在于平行四边形外部的数据，则将当前值的上一个数据值进行记录；若当前值和上一个记录值之间的数据均在平行四边形内部，则继续接收新的数据，不记录任何数据，达到数据压缩的目的。

压缩偏移量是SDT算法的重要参数，直接决定了AGC指令的压缩结果，值过大会导致原始信息的大量丢失，值过小会提取到大量的冗余信息[20]。本研究压缩AGC指令的目的在于安排火电机组的预出力，故需结合火电机组出力特性决定偏移量的取值。基于SDT算法的AGC指令数据压缩的步骤如下所述。

步骤1 初始化

步骤2 计算斜率

步骤3 斜率更新

步骤4 数据记录

3.2 动态更新

图3 AGC指令处理结果

表1 前3天动态更新时刻数量及动态更新后Pf2准确率

3.3 实时修正

3.4 功率调节指令确定

4 基于动态分组的储能系统双层功率分配方法

4.1 功率调节指令确定

当AGC指令突变时，火电机组由于最大上/下爬坡功率的限制，难以及时准确地跟踪AGC指令，此时需要BESS进行辅助以满足调节速率、调节精度等要求。为降低BESS动作次数，在不影响调节精度的前提下，本研究引入了BESS的动作死区[21]，当BESS功率调节指令位于调节死区内时，BESS不动作，即BESS的功率调节指令为

4.2 动态分组技术

BESS在响应功率调节指令时，当前研究大多数以均分或者按照固定比例的方法进行分配，这类方法忽略了各电池单元之间的协调配合[22]，使得所有电池单元均会频繁充放电。为减少BESS整体动作次数，设计了BESS的动态分组技术。

原则上，应让SOC较低的电池单元优先充电，SOC较高的电池单元优先放电，从而保证BESS在下一周期的可充/放电功率和容量保持最大。为此，对电池单元进行编号并根据SOC降序排列，若电池单元SOC相等，则编号大排序靠前，将所有电池单元划分为3个电池组——优先放电组、备用组和优先充电组，且分配给优先放电组和优先充电组的电池单元数量相等。式(9)的阈值即为优先动作组最大充/放电功率的绝对值。

在BESS运行一段时间后，其电池单元的SOC会发生变化，需要每隔一段时间对分组情况进行动态调整。由于电池单元SOC变化取决于实际AGC指令，而固定时间调整分组难以计及AGC指令特性，故本研究选取AGC指令动态更新时刻作为BESS动态分组的动态调整时刻。另外，在相对较短的时间段内，电池单元的充放电量一般不会太大，经过比较分析，决定仅采用前1天的AGC指令压缩结果所在时刻作为动态分组的调整时刻。

4.3 双层功率分配方法

4.3.1 BESS上层功率分配

1) 充电过程功率分配

2) 放电过程功率分配

4.3.2 BESS下层功率分配

根据BESS上层功率分配结果及各电池组电池单元采用的功率分配原则，完成下层功率分配。

1) 经济分配原则

以BESS在每个周期内的总运行成本最低为优化目标，将电池组的功率调节指令分配给电池单元。本研究中总运行成本同时考虑了充放电功率和SOC，如式(13)所示[24]。

2) 最大充/放电功率分配原则

最大充/放电功率分配指是电池单元在满足运行约束条件下，以最大的充电/放电功率参与响应。

3) SOC均衡分配原则

为实现电池组每个电池单元的SOC相对均衡，采用Sigmoid函数描述电池单元的充放电过程，以表征电池单元的充放电能力[25]。电池单元的充电函数和放电函数分别见式(14)和式(15)所示。

SOC均衡原则下电池组充电和放电时的功率分配方法分别见式(16)和式(17)所示。

5 仿真验证及分析

5.1 参数设置及评价指标

5.1.1参数设置

选取广东电网区域内某台330 MW火电机组为研究对象，爬坡速率为2%/min。BESS选用锂离子电池，规模为10 MW/5 MWh，调节死区为±0.2 MW，由10个1 MW/0.5 MWh的电池单元组成，初始荷电状态分别为0.7、0.56、0.42、0.68、0.63、0.42、0.63、0.36、0.5、0.32。选取火储系统跟踪冬季某天02：00—03：00时段波动较大的AGC指令，以检验本文控制策略的优越性。

5.1.2评价指标

1) 火电机组评价指标

选用火电机组响应AGC指令时的爬坡频次作为评价指标，并以机组出力功率方差作为衡量爬坡频次的标准[10]，方差越大表示机组爬坡频次越高。

2) 电池储能系统评价指标

当电池单元的充放电功率不为0时，记为动作一次，则BESS动作次数为调度周期内所有电池单元动作次数之和。另外，采用所有电池单元SOC的标准差σ(SOC)来衡量BESS可持续调控能力，σ(SOC)越大表示BESS的可持续调控能力越小。

3) 跟踪效果评价指标

采用跟踪准确率来评价储能辅助机组跟踪AGC指令的效果。对于每个AGC指令，如果火储出力与其偏差低于机组容量的1%，记为一次准确跟踪，则整个调度周期内火储系统的跟踪准确率为准确跟踪次数与AGC指令个数的比值。

5.2 火电机组跟踪功率调节指令结果

5.3 储能响应功率调节指令结果

根据SOC排序结果，将电池单元分为3个电池组。由于电池单元5、7的初始SOC相同，因此将编号较大的电池单元7分给优先放电组；同理，将电池单元6分给备用组，分组结果如表2所示。可知，优先放电组和优先充电组均分配了3个电池单元，因而在对压缩后的AGC指令进行动态更新时，式(9)中阈值取3 MW。

图4 火电机组跟踪Pf3与Ps对比

表2 电池储能系统分组结果

图5 BESS上层功率分配结果

电池单元功率调节指令分配结果和响应结果分别见图6和图7。在电池组分得上层功率指令较大的时刻，分配给电池单元的功率指令也相应较大，如在2092 s时上层功率指令为21 MW分配给电池单元1、2、4的充电功率约为4.7 MW，均实现了完全响应。虽然在2092 s时电池单元1、2、4分得了约4.7 MW的调节功率，但受最大充电功率和SOC运行限制，其实际响应功率仅约为1 MW，类似地，在2700 s时，电池单元3、4、10实际响应功率也仅为-1 MW。将本研究基于动态分组的双层功率分配策略与传统未分组控制策略下的电池单元动作次数进行对比，结果如表3所示。由于传统控制策略未考虑BESS分组，且仅按照电池单元的剩余电量之比实现电池单元的功率分配，故BESS的动作次数高达3530次。而本研究方案下BESS动作次数仅为2320次，可见本文策略有效地减少了电池单元的动作次数，减小了储能资源的寿命损失。

图6 BESS下层功率分配结果

图7 电池单元响应结果

表3 储能系统的动作次数对比

图8 BESS响应功率调节指令结果及电池单元的荷电状态

5.4 储能辅助单机跟踪AGC指令结果

本文方案下BESS辅助火电机组跟踪AGC指令的最终结果如图9所示。

本文方案下跟踪准确率达96.56%，传统方法下火储跟踪的准确率为96.23%，而只用火电机组跟踪的准确率约为75.89%，因此，基于SDT算法的储能辅助机组控制策略能够准确地跟踪AGC指令，进一步结合5.2节和5.3节结果，本文策略还有效改善了传统策略下火电机组爬坡频次高以及储能系统动作次数多的问题。

图9 基于旋转门算法的储能辅助单机跟踪结果

6 结论

1) 利用SDT算法对AGC指令进行压缩，对压缩结果进行线性插值处理，进一步对其动态更新及实时修正得到火电机组功率调节指令，与直接跟踪AGC指令相比，该方法有效降低了机组爬坡频次，减少了机组磨损。

2) 基于动态分组技术的BESS双层功率分配方法确定电池单元的功率调节指令，与传统未分组方法相比，显著降低了BESS动作次数，减小了寿命损耗，并且电池单元响应功率指令后的SOC均向中间值靠近，同时避免了过充、过放现象。

3) 通过仿真跟踪实际AGC指令表明，所提控制策略能够保证火储系统准确、快速跟踪AGC指令，改善了火储系统运行经济性。

本文研究未考虑储能系统的高倍率充放电，后续可结合收益情况计及高倍率充放电方式，以进一步提升火储系统整体运行性能。

[1] 张朝炜, 柳云祥, 朱永利. 基于改进人工鱼群算法的大规模多目标机组组合优化[J]. 电力系统保护与控制, 2021, 49(8): 100-108.

ZHANG Zhaowei, LIU Yunxiang, ZHU Yongli. Large scale multi-objective unit commitment optimization based on an improved artificial fish swarm algorithm[J]. Power System Protection and Control, 2021, 49(8): 100-108.

[2] 杨谦, 刘继春, 蒋万枭. 光伏不同渗透率下考虑源网荷储深度互动的电力系统调峰策略[J]. 电力建设, 2021, 42(9): 74-84.

YANG Qian, LIU Jichun, JIANG Wanxiao. Peak regulation strategy of power system considering the interaction of source-network-load-storage under different penetration rate of PV[J]. Electric Power Construction, 2021, 42(9): 74-84.

[3] MENG G, CHANG Q, SUN Y, et al. Energy storage auxiliary frequency modulation control strategy considering ACE and SOC of energy storage[J]. IEEE Access, 2021, 9: 26271-26277.

[4] 李卫国, 焦盘龙, 刘新宇, 等. 基于变分模态分解的储能辅助传统机组调频的容量优化配置[J]. 电力系统保护与控制, 2020, 48(6): 43-52.

LI Weiguo, JIAO Panlong, LIU Xinyu, et al. Capacity optimization configuration of energy storage auxiliary traditional unit frequency modulation based on variational mode decomposition[J]. Power System Protection and Control, 2020, 48(6): 43-52.

[5] 谢惠藩, 王超, 刘湃泓, 等. 南方电网储能联合火电调频技术应用[J]. 电力系统自动化, 2021, 45(4): 172-179.

XIE Huifan, WANG Chao, LIU Paihong, et al. Application of joint frequency regulation technology of energy storage and thermal power in China Southern Power Grid[J]. Automation of Electric Power Systems, 2021, 45(4): 172-179.

[6] XI L, ZHANG L, LIU J, et al. A virtual generation ecosystem control strategy for automatic generation control of interconnected microgrids[J]. IEEE Access, 2020, 8: 94165-94175.

[7] 王凡, 李海峰, 胥国毅, 等. 调频关键参数对电网频率特性的影响及其灵敏度分析[J]. 电力系统保护与控制, 2020, 48(20): 1-8.

WANG Fan, LI Haifeng, XU Guoyi, et al. Influence of key parameters of frequency control on frequency characteristics of power grid and sensitivity analysis[J]. Power System Protection and Control, 2020, 48(20): 1-8.

[8] 祖其武, 牛玉刚, 邹媛媛, 等. 基于弹性负荷分时调度和多电源联合供电的微网经济运行[J]. 电力系统保护与控制, 2018, 46(4): 20-27.

ZU Qiwu, NIU Yugang, ZOU Yuanyuan, et al. Economic operation of mircrogrid based on elastic load sub-period dispatch and combined power supply of multiple energy[J]. Power System Protection and Control, 2018, 46(4): 20-27.

[9] 张舒铠, 刘鑫屏, 张锐锋. 基于样本熵的AGC指令复杂性分析[J]. 电力科学与工程, 2015, 31(6): 43-48.

ZHANG Shukai, LIU Xinping, ZHANG Ruifeng. Analysis of the AGC instruction complexity based on sample entropy[J]. Electric Power Science and Engineering, 2015, 31(6): 43-48.

[10] 曹子珣, 陈红坤, 胡畔, 等. 计及市场收益的含储能火电厂日前-日内两阶段优化调度方法[J]. 电力系统保护与控制, 2021, 49(12): 106-113.

CAO Zixun, CHEN Hongkun, HU Pan, et al. Day-ahead and intraday two-stage optimal dispatch model of a thermal power plant with energy storage and taking into account the profit[J]. Power System Protection and Control, 2021, 49(12): 106-113.

[11] 张颖超, 宗阳, 邓华, 等. 基于趋势特征的风电功率爬坡事件检测方法[J]. 电测与仪表, 2020, 57(18): 122-127, 132.

ZHANG Yingchao, ZONG Yang, DENG Hua, et al. Wind power ramp event detection method based on trend feature[J]. Electrical Measurement & Instrumentation, 2020, 57(18): 122-127, 132.

[12] 赵源筱, 耿光超, 江全元, 等. 考虑功率变化速率的储能辅助单机调频控制策略[J]. 电力自动化设备, 2020, 40(1): 141-147.

ZHAO Yuanxiao, GENG Guangchao, JIANG Quanyuan, et al. Frequency control strategy of single-generator supporting by energy storage considering power change rate[J]. Electric Power Automation Equipment, 2020, 40(1): 141-147.

[13] 禹红, 夏向阳, 彭梦妮, 等. 基于虚拟同步电机技术的混合储能平抑微网频率波动策略研究[J]. 电力系统保护与控制, 2018, 46(22): 47-54.

YU Hong, XIA Xiangyang, PENG Mengni, et al. Research on strategy of micro-grid frequency control in hybrid energy storage system based on virtual synchronous generator technology[J]. Power System Protection and Control, 2018, 46(22): 47-54.

[14] SEO M, SONG Y, KIM J, et al. Innovative lumped battery model for state of charge estimation of lithium-ion batteries under various ambient temperatures[J]. Energy, 2021, 226(7).

[15] CHEN Z, ZHAO H, SHU X, et al. Synthetic state of charge estimation for lithium-ion batteries based on long short-term memory network modeling and adaptive H-Infinity filter[J]. Energy, 2021, 228(8).

[16] LI X, HUANG Z, TIAN J, et al. State-of-charge estimation tolerant of battery aging based on a physics- based model and an adaptive cubature Kalman filter[J]. Energy, 2021, 220(2).

[17] LIU C, GAO N, CAI X, et al. Differentiation power control of modules in second-life battery energy storage system based on cascaded H-bridge converter[J]. IEEE Transactions on Power Electronics, 2020, 35(6): 6609-6624.

[18] BRISTOL E. Swing door trending: adaptive trend recording[C] // ISA National Conference Proceedings, October 14-18, 1990, Washington, America: 749-753.

[19] CUI Y, HE Y, XIONG X, et al. Algorithm for identifying wind power ramp events via novel improved dynamic swinging door[J]. Renewable Energy, 2021, 171(6): 542-556.

[20] LI H, WANG Y, ZHANG X, et al. Evaluation method of wind power consumption capacity based on multi-fractal theory[J]. Frontiers in Energy Research, 2021, 9(3).

[21] 李欣然, 黄际元, 陈远扬, 等. 基于灵敏度分析的储能电池参与二次调频控制策略[J]. 电工技术学报, 2017, 32(12): 224-233.

LI Xinran, HUANG Jiyuan, CHEN Yuanyang, et al. Battery energy storage control strategy in secondary frequency regulation considering its action moment and depth[J]. Transactions of China Electrotechnical Society, 2017, 32(12): 224-233.

[22] CHAOUI H, SICARD P. Hierarchical energy management scheme for multiple battery-based smart grids[C] // IEEE 23rd International Symposium on Industrial Electronics(ISIE), June 1-4, 2014, Istanbul, Turkey: 2020-2023.

[23] ZHU T, WILLS R, LOT R, et al. Adaptive energy management of a battery-supercapacitor energy storage system for electric vehicles based on flexible perception and neural network fitting[J]. Applied Energy, 2021, 292(6).

[24] JIA Y, DONG Z Y, SUN C, et al. Distributed economic model predictive control for a wind–photovoltaic–battery microgrid power system[J]. IEEE Transactions on Sustainable Energy, 2019, 11(2): 1089-1099.

[25] 刘根才, 陆志欣, 杨智诚, 等. 考虑SOC均衡的分布式储能聚合控制方法[J]. 电力电容器与无功补偿, 2020, 41(3): 174-181.

LIU Gencai, LU Zhixin, YANG Zhicheng, et al. Distributed energy storage aggregation control method considering SOC equalization[J]. Power Capacitor & Reactive Power Compensation, 2020, 41(3): 174-181.

Tracking AGC commands control strategy of a thermal power unit assisted by battery energy storage based on a swing door trending algorithm

DONG Kai1, CAI Xinlei1, CUI Yanlin1, MENG Zijie1, CHEN Dongyang2, 3, YU Yang2, 3

(1. Electric Power Dispatching Control Center of Guangdong Grid Co., Ltd., Guangzhou 510600, China; 2. State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources (North China Electric Power University), Baoding 071003, China; 3. Key Laboratory of Distributed Energy Storage and Microgrid of Hebei Province (North China Electric Power University), Baoding 071003, China)

There is a problem of high climb frequencies of a thermal power unit and large reaction times of a battery energy storage system. Thus an AGC commands tracking control strategy of a thermal power unit assisted by a battery energy storage system based on a swing door trending algorithm is proposed. First, historical data of the AGC are compressed by the swing door trending algorithm and linear interpolation is used to deal with the compressed data. Dynamic update and real-time correction are carried out to obtain the power regulation command of the thermal power unit integrated with its climb feature. Then, the battery energy storage system is dynamically divided into three groups and their action sequences are determined by their power regulation commands. The power distribution approach of the battery energy storage system is designed to realize power allocation in upper-layer and the power allocation principle of the cells for the three packs is devised to accomplish power allocation in the lower-layer. Finally, the simulation of the proposed control strategy is conducted using the AGC commands of an actual power plant and its effectiveness is verified.

energy storage; thermal power unit; tracking AGC commands; dynamic grouping; power allocation

10.19783/j.cnki.pspc.211339

2021-10-02；

2021-11-10

董 锴(1983—)，男，硕士，高级工程师，研究方向为电力系统运行控制；E-mail: dongkai@mail.gd.csg.cn

蔡新雷(1986—)，男，硕士，高级工程师，研究方向为电力系统运行控制；E-mail: 517665114@qq.com

余 洋(1982—)，男，通信作者，博士，副教授，研究方向为新能源电力系统。E-mail: ncepu_yy@163.com

南方电网公司科技项目资助(036000KK52190005 (GDKJXM20198110))

This work is supported by the Science and Technology Project of China Southern Power Grid Co., Ltd. (No. 036000KK52190005 (GDKJXM20198110)).

(编辑 姜新丽)