电网AGC调度场景下光储系统的操作策略优化

石祥宇，吕 欣

(国家电力投资集团公司陕西分公司，西安 710000)

0 引言

随着国家碳达峰、碳中和目标的快速推进，为了加强清洁能源的高效利用，新能源发电装机容量在电力系统内的占比已显著提高。但由于新能源电站的输出功率受天气影响较大，具有明显的波动性、间歇性等特点，因此，新能源电站侧的主动支撑能力是电力系统现阶段面临的重要问题。国家各部委、各省(市)相继出台了关于新能源电站配置储能系统的相关政策，要求新建的光伏电站需配套一定容量的储能系统，以实现平滑负荷、跟踪电网输出[1]，从而提升配电网的可靠性与稳定性[2-3]。在增加储能系统容量配置的同时，如何调度储能系统参与电网调度操作，使光伏发电系统与储能系统(下文简称为“光储系统”)的总输出功率能较好地满足电网自动发电控制(AGC)调度指令需求，实现光储系统的主动支撑作用是现阶段研究的热点问题[4]。

基于此，本文以采用储能电池的储能系统为例，在考虑电池储能系统中储能电池容量衰退和光伏发电系统弃电量的前提下，建立AGC调度场景下光储系统的操作策略优化模型，通过优化调度配置了不同类型储能电池的储能系统[5]，研究在电网AGC调度场景下光储系统的操作策略，对光储系统的操作策略模型进行优化[6]，在光储系统联合运行中通过发挥电池储能系统的优势来提高光伏发电系统输出功率的稳定性，并以某集中式光储电站为例进行实证验证。

1 AGC调度场景下光储系统的操作策略优化模型

1.1 约束条件

建立AGC调度场景下光储系统的操作策略优化模型，需要考虑的约束条件包括：电网AGC调度约束、功率平衡约束、电池储能系统约束、任意储能电池组充放电状态约束、电池储能系统充放电状态约束、储能电池容量衰退。下文分别对不同约束条件进行分析。

1.1.1 电网AGC调度约束

任意t时刻光储系统向电网的输出功率Pap,ac(t)与电网AGC调度指令Pag,ac(t)之间的偏差∆Pac(t)可表示为：

式中：T为光储系统的运行时间。

任意t时刻光储系统向电网的输出功率与电网AGC调度指令之间的偏差应在电网AGC调度指令的±2%范围之内，即：

1.1.2 功率平衡约束

光伏发电系统第o个光伏方阵在任意t时刻的输出功率Ppv,o(t)和电池储能系统在t时刻的放电功率之和应等于电池储能系统在t时刻的充电功率、光伏发电系统在t时刻的有效输出功率与t时刻的弃电功率Ppw,ac(t)之和，即：

式中：O为光伏发电系统中所有光伏方阵的数量；m为第m组储能电池组；M为光储系统内的储能电池组总数；Pmin(t)为第m组储能电池组在t时刻的充电功率；Pmout(t)为第m组储能电池组在t时刻的放电功率；ηac,m为第m组储能电池组的放电效率；λac,m为第m组储能电池组的充电效率。

1.1.3 电池储能系统约束

电池储能系统中，采用储能电池的荷电状态(SOC)来反映储能电池的剩余容量。第i个储能电池子阵在t时刻后剩余的电量Bi,t可表示为：

式中：ηiin与ηiout分别为第i个储能电池子阵的充电效率和放电效率；为第i个储能电池子阵在t-1时刻后剩余的电量；为第i个储能电池子阵在t时刻的充电功率；为第i个储能电池子阵在t时刻的放电功率；∆t为储能电池组从投入使用到t时刻的时间段(即已投入使用时间)；I为光储系统内的储能电池子阵总数。

第m组储能电池组在任意t时刻的电量Bm(t)需满足以下条件：

式中：Cs,min,m为第m组储能电池组的最小荷电状态；Cs,max,m为第m组储能电池组的最大荷电状态；Cb,m为第m组储能电池组的额定容量；Sm为第m组储能电池组的初始容量保持率；Qlos,m(t)为第m组储能电池组在t时刻的累积容量衰退率。

任意1组储能电池组在任意t时刻的充电功率和放电功率的上、下限值均应满足以下条件：

式中：Pmin,m(t)为第m组储能电池组在t时刻的充、放电功率的下限值；Pnom,m(t)为第m组储能电池组在t时刻的充、放电功率的上限值(即额定功率)。

1.1.4 任意储能电池组的充放电状态约束

在同一储能电池组中的储能电池，不允许在相同一个时间段内同时开展充电与放电，即需要满足以下条件：

式中：Zmin(t)、Zmout(t)分别为第m组储能电池组在t时刻的充电二元变量和放电二元变量。

1.1.5 电池储能系统的充放电状态约束

同一时段内，电池储能系统不能同时开展充电与放电，即需要满足以下条件：

式中：、分别为电池储能系统在t时刻的充电二元变量和放电二元变量。

1.1.6 储能电池容量衰退

储能电池的容量衰退特性主要受储能电池的工作温度、放电深度、荷电状态、充电电流、放电电流、充电方式等因素的影响[7-8]。储能电池的总容量衰退由循环寿命衰退和日历寿命衰退两部分组成[9]。第m组储能电池组在任意t时刻的总容量衰退率Qtot,m(t)可通过式(15)～式(17)计算得到。

式中：Qcyc,m(t)为第m组储能电池组在t时刻的循环寿命衰退率；Lcyc,m为第m组储能电池组的循环寿命；Qcal,m(t)为第m组储能电池组在t时刻的日历寿命衰退率；Lcal,m为第m组储能电池组的日历寿命。

当储能电池的容量衰退至其额定容量的80%及以下时，需要退役更换新的储能电池[10-11]。因此，相对于整个电池储能系统，第m组储能电池组在t时刻的累积容量衰退率可表示为：

1.2 目标函数

模型建立的目标分别为光伏发电系统弃电量最小、由于容量衰退造成的电池储能系统损耗费用最低。

1.2.1 光伏发电系统弃电量最小通过优化电池储能系统的调度，使光伏发电系统每一时刻的弃电功率P均达到最小，则有：

1.2.2 由于容量衰退造成的电池储能系统损耗费用最低

对电池储能系统的调度应使储能电池的容量衰退较小，因此在光伏发电系统弃电量最小的基础上，以由于容量衰退造成的电池储能系统损耗费用F最小为优化目标，则有：

式中：Fb,m(t)为由于容量衰退造成的第m组储能电池组在t时段内的损耗费用。

由于容量衰退造成的第m组储能电池组在t时段内的损耗费用可表示为：

式中：Hm为电池储能系统的购置成本；Ctot,m为第m组储能电池组的使用年限折损的容量。

考虑储能电池在固定放电深度(DOD)下循环失效，第m组储能电池组的使用年限折损的容量可表示为：

式中：Eg,m为第m组储能电池组循环到终点时的总循环次数；Dg,m为第m组储能电池组的放电深度。

2 案例分析

基于本文研究的AGC调度场景下光储系统的操作策略优化模型，以某已建成并网的集中式光储电站为例，研究在AGC调度场景下光储系统的容量配置方案、操作策略、使用寿命和光伏发电系统弃电量等情况，以获得在电网AGC调度场景下由于容量衰退造成的电池储能系统损耗费用最低和光伏发电系统弃电量最小时对应的光储系统容量配置方案和操作策略方案。

该集中式光储电站的光储系统接线图如图1所示。

图1 光储系统的接线图Fig.1 Wiring diagram of PV-energy storage system

2.1 基础信息

该集中式光储电站共包括18个光伏方阵，编号为F1～F18。需要说明的是：18个光伏方阵中，仅有16个光伏方阵配置了储能电池，且每个光伏方阵对应配置1个储能电池子阵。本案例综合考虑晴天、多云、雨天和雪天4种典型天气条件，研究在AGC调度场景下该光储系统的容量配置方案和操作策略方案。

2.1.1 光伏发电系统输出功率数据

采集晴天、多云、雪天这3种典型天气条件下18个光伏方阵的发电数据，各光伏方阵的输出功率曲线如图2所示。

图2 典型天气条件下18个光伏方阵的输出功率曲线Fig.2 Curves of output power of eighteen PV arrays under typical weather conditions

从图2可以看出：晴天天气条件下，光伏发电系统的输出功率曲线相对较平滑；多云、雪天等天气条件下，光伏发电系统输出功率曲线的变化波动较大。

2.1.2 AGC调度指令

依据当地电网下达的历史AGC调度指令，模拟4种典型天气条件下电网AGC调度曲线，如图3所示。

图3 4种典型天气条件下电网AGC调度的模拟曲线Fig.3 Simulation curves of AGC scheduling in power grid under four kinds of typical weather conditions

从图3可以看出：晴天、多云、雨天、雪天等典型天气条件下，电网AGC调度曲线均不相同，但与光伏发电系统输出功率曲线相比，整体较为平滑，波动较小。

2.1.3 储能电池系统参数

在计算中假设储能电池的初始容量保持率为1；且设定该光储系统在进行容量配置时，各储能电池子阵容量配置的上、下限分别为设计容量配置的200%和50%。

2.2 AGC调度场景下光储系统的容量配置优化方案分析

在光储系统中储能电池种类保持不变时，在模拟的电网AGC调度场景下光储系统满足由于容量衰退造成的电池储能系统损耗费用最低和光伏弃电量最小时，得到的不同类型典型天气条件下光储系统的容量配置优化方案如表1所示。表中：现有值是指储能电池子阵的设计容量配置；优化值是指储能电池子阵针对不同类型典型天气条件优化后的最大容量配置，即能满足各种典型天气条件使用的容量配置优化方案。

表1 模拟的电网AGC调度场景下电池储能系统的容量配置优化方案Table 1 Optimization scheme for capacity configuration of battery energy storage system under simulated power grid AGC scheduling scenarios

由表1可知：在模拟的电网AGC调度场景下，天气类型对电池储能系统容量配置的影响较小。在不同类型典型天气条件下，所得到的电池储能系统的容量配置优化值均小于原容量配置(即现有值)；在不改变原有光储系统中储能电池种类的前提下，光储系统优化后的储能电池容量配置约为原容量配置的73%。这说明在电网AGC调度场景下，该光储系统原本配置的储能电池容量存在一定的冗余。

通过求解可得到在电网AGC调度场景中，不同类型典型天气条件下光储系统联合运行时的输出功率曲线和电池储能系统的应用曲线，分别如图4、图5所示。图中：虚线表示光储系统联合运行时输出功率的上下限范围。

图4 在电网AGC调度场景中，不同类型典型天气条件下光储系统联合运行时的输出功率曲线Fig.4 Output power curves of PV-energy storage system joint operation under different kinds of typical weather conditions in power grid AGC scheduling scenarios

图5 在电网AGC调度场景中，不同类型典型天气条件下电池储能系统的应用曲线Fig.5 Application curve of battery energy storage system under different kinds of typical weather conditions in power grid AGC scheduling scenarios

由图4、图5可知：在电网AGC调度场景中，在晴天、多云、雨天和雪天天气条件下，电池储能系统会选择在光伏发电系统输出功率大于电网AGC调度指令功率值时允许光伏发电系统向其充电，以减少光伏发电系统的弃电量，并使光储系统联合运行时的输出功率在电网AGC调度指令波动允许范围内；电池储能系统会选择在光伏发电系统输出功率小于电网AGC调度指令功率值时放电，使光储系统输出功率在电网AGC调度指令波动允许范围内。

综上所述，在调峰场景下，电池储能系统依据光伏发电系统的输出功率和电网AGC调度指令的变化来选择充、放电可以减少光伏发电系统的弃电量，并满足抑制光伏发电系统输出功率波动的要求。

2.3 光储系统的响应精度结果分析

结合电池储能系统配置参数，导入建立的电网AGC调度场景下光储系统操作策略优化模型，以验证该模型的控制效果。分别选取晴天与多云两种典型天气条件下光储系统的联合运行情况，开展光伏发电系统输出功率与电池储能系统充放电功率之间的重合度研究。晴天、多云天气条件下光储系统联合运行曲线和响应精度曲线分别如图6～图9所示。需要说明的是，数据采集频次为秒级，数据按照变量保存，时间和数据一一匹配对应，显示时间为系统自动匹配的时刻。后文同此。

图6 晴天天气条件下光储系统联合运行曲线Fig.6 Curves of joint operation of PV-energy storage system under sunny weather condition

图7 多云天气条件下光储系统联合运行曲线Fig.7 Curves of joint operation of PV-energy storage system under cloudy weather condition

图8 晴天天气条件下光储系统响应精度曲线Fig.8 Curve of response accuracy of PV-energy storage system under sunny weather condition

图9 多云天气条件下光储系统响应精度曲线Fig.9 Curve of response accuracy of PV-energy storage system under cloudy weather condition

从图6～图9可以看出：通过调节电池储能系统的充放电功率，可以使光伏发电系统的有功功率曲线实时跟踪电网AGC调度指令功率曲线来输出，既可有效避免限电，又可满足电网AGC调度需求。光储系统联合运行可以有效减少功率波动，与电网AGC调度曲线较为契合，但在多云天气条件下，由于光伏发电系统输出的有功功率波动较大，电池储能系统的调节频次远高于其在晴天天气条件下的调节频次。晴天天气条件下，光储系统输出的总有功功率曲线与电网AGC调度指令功率曲线的响应精度较好，响应精度可基本稳定在100%；但由于在11:06前电池储能系统未投运，电池储能系统的充放电功率为死值，未参与电网AGC调度，因此响应精度差异较大；电池储能系统参与电网AGC调度后，光储系统的整体响应精度有所改善，但在多云天气条件下的响应精度较差，主要是因为电池储能系统采用多级控制，响应时间需要3 s左右。

为进一步验证光储系统联合运行对降低电网AGC考核的支撑作用，按照国家能源局西北监管局发布《西北区域发电厂并网运行管理实施细则》及《西北区域并网发电厂辅助服务管理实施细则》(下文简称为“两个细则”)中要求的“电网AGC死区为不超过场站装机容量的3%视为合格”，则光伏发电系统输出的有功功率调节死区限值为2.31 MW，即光储系统输出的总有功功率在电网AGC调度指令功率值的±2310 kW内即满足要求。

在电网AGC调度场景中，对典型晴天天气条件下电池储能系统不同投运状态时光储系统的响应精度曲线进行对比分析，结果如图10所示。

图10 典型晴天天气条件下电池储能系统不同投运状态时光储系统的响应精度曲线对比Fig.10 Comparison of response accuracy curves of PV-energy storage system under different operating states of battery energy storage system under typical sunny weather condition

从图10可以看出：在电网AGC调度场景中，典型晴天天气条件下电池储能系统投运后光储系统联合运行时的响应精度基本稳定在100%左右，整体曲线较为光滑，波动较小。

为分析光储系统响应电网AGC调度指令的合格率，选择该光储系统在典型晴天天气条件下09:00～18:00之间的运行数据，数据采集时间间隔为5 min，共92个数据采集点，计算电网AGC调度指令功率值与光伏发电系统输出的有功功率值、光储系统输出的总有功功率值之间的偏差，结果如图11所示。

图11 电网AGC调度指令功率值与光伏发电系统输出的有功功率值、光储系统输出的总有功功率值之间的偏差折线图Fig.11 Line chart of deviation between power value of power grid AGC scheduling command and active power output value of PV power generation system and total active power output of PV-energy storage system

从图11可以看出：根据“两个细则”的考核要求，在92个数据采集点中，光伏发电系统输出的有功功率值有32个数据采集点满足合格要求，合格率为34.78%；光储系统输出的总有功功率值有60个数据采集点满足合格要求，合格率为65.22%；光储系统输出的总有功功率值的合格率比光伏发电系统输出的有功功率值的合格率高30.44%。综上所述，说明光储系统联合运行可有效降低电网AGC考核。

3 结论

本文以光储系统联合运行的输出功率曲线契合电网AGC调度曲线为目标，结合储能电池容量衰退特性、光伏发电系统弃电量等因素，建立了电网AGC调度场景下光储系统操作策略优化模型，并在某集中式光储电站中进行了实证验证。研究结果表明：

1)不同类型典型天气条件对储能电池容量配置要求的差异较大，可能出现晴天天气条件下光伏发电系统发电量高时储能电池容量配置不足，而阴天天气条件下储能电池容量冗余较多的情况。通过建模可求解获得储能电池的最优容量配置，从而提高电池储能系统的利用率与经济性。

2)储能电池依据光伏发电系统的输出功率和电网AGC调度指令的变化而选择充、放电状态，从而可以减少光伏发电系统的弃电量，降低其输出功率的波动性。

3)建立的光储系统操作策略优化模型的适用性较好，电池储能系统参与电网AGC调度后，可以降低光伏发电系统的弃电量，也可以有效实现光伏发电系统的有功功率实时跟踪电网AGC调度指令功率曲线输出，从而有效降低电网AGC考核，实现光储系统的主动支撑作用。

4)通过光储系统联合运行的实证验证，发现电池储能系统多级控制的响应时间相对较长，需要3 s左右，响应精度较差。因此，为了更好的响应电网AGC调度要求，应选择更匹配的电池储能系统的结构控制或响应时间。