基于调频服务的新型光-储电站容量规划及运行策略

摘要为充分利用新型光-储电站参与电网调频的优势并考虑运行经济性问题，针对光伏组件、飞轮储能、磷酸铁锂储能的特点，建立各自全生命周期模型，并提出一种降低储能电池衰减、提高调频性能的协调运行策略。然后，依据一、二次调频机制，以调频收益最大为优化目标，建立光-储电站参与电网调频容量规划模型。最后，在Matlab软件中搭建光-储系统仿真模型。仿真结果表明：混合储能联合光伏备用容量在保障秒级一次调频、分钟级二次调频需求的基础上，可以实现资源合理规划，提高调频经济性和可靠性；此外，飞轮储能成本降低可以提高自身容量配置及电站调频收益，缩短投资回报年限。01光-储系统全寿命周期模型飞轮储能除了具有储能密度大、响应时间短、绿色环保等优点，其使用寿命相对于其他储能优势显著，通常能达到20年以上，在电力系统领域的应用越来越多。其寿命损耗模型可以采用累计等效循环次数表示为式中：Qfw为飞轮储能的配置容量；Pfw为工作功率；Nfw为仿真时间T内的等效充放电循环次数；Nlife,fw为使用寿命内的总充放电循环次数；Dfw为飞轮储能的寿命损耗系数。其对应的损耗成本为式中：Cfw为飞轮储能的单位投资成本。磷酸铁锂电池相对于飞轮储能，其影响寿命的因素较多，如荷电状态（stateofcharge，SOC）、工作温度、循环次数等。可采用不规则充放电的电池衰减算法计算其寿命模型。锂电储能相应的损耗成本为式中：Cli、Qli分别为锂电储能的单位投资成本和配置容量；Dli为寿命损耗系数。光伏备用容量联合混合储能参与调频服务不仅可以有效提高光-储电站的调频可靠性，同时还能降低光伏发电弃光率。光伏备用容量衰减成本为式中：CPV、Pres分别为光伏单位投资成本和备用容量；EPV为光伏组件衰减系数。

02调频控制策略及容量配置方法光-储电站一次调频功率由采样得到的频率、电压计算而来，二次调频功率来自自动发电控制（automaticgenerationcontrol，AGC）系统接收到的电网调度指令，两者都是由光伏备用及混合储能系统共同处理，如图1所示。一次调频系统和AGC系统通过点对点通信完成信号交互，保证同一时刻只有一个链路对调频单元下发指今，配合实现一次和二次调频的有功功率控制。图1

光-储电站调频结构Fig.1

DiagramoffrequencyregulationcomponentsofPV-storagepowerstation2.1

容量配置方法光-储电站中光伏备用及混合储能容量配置须考虑场站中频率波动带来的一次调频功率需求及所申报的AGC调频任务，同时综合考虑光伏、储能整体建设规模、运维成本等因素，即式中：Qbat为储能总容量；QPV为光伏总装机容量；Tf1、Tf3为优化变量。2.2

控制策略光伏备用联合储能在参与调频的过程中，为了实现容量合理规划及电站综合收益最优的目标，须考虑三者的投资成本、损耗成本、调频效果等因素，合理分配调频功率指令。飞轮储能、锂电储能和光伏备用各自承担的功率为式中：Pfw、Pli、PPV分别为飞轮、锂电、光伏备用工作功率；PARR为调频所需功率；Tf2为优化变量。

03容量规划模型3.1

目标函数基于混合储能及光伏发电备用容量的全生命周期模型，以光-储电站调频经济性最优为目标，建立的目标函数为式中：Ctotal,1、Ctotal,2分别为系统一次和二次调频收益模型，其中Ctotal,1可表示为式中：Cpun为混合储能无法达到调频需求的惩罚成本；Cr为由综合调频性能指标及调频深度决定的补偿收益；CMT为与容量规模有关的运维成本；APV为光伏容量备用补偿收益；APV,Q为预留光伏备用而损失的发电量收益。二次调频的收益模型与一次调频收益模型相同，区别在于二次调频收益模型对应的调频时间尺度为分钟级，一次调频为秒级。光伏备用容量补偿可表示为式中：YPV为光伏备用容量单位补偿标准。电站调频服务收益为式中：Ptotal为光储调节深度，即每日调节容量的总和；YAGC为调频补偿标准；Kp为综合评价指标。光伏发电量损失应综合考虑项目所在地的日有效发电时长、上网电价等因素，即式中：KPV、TPV分别为光伏系统的发电效率及有效发电时长；CGRID为当地的上网电价。3.2

约束条件3.2.1

储能功率约束储能系统在实际应用中工作功率不应超过出厂限定值，即式中：Pr,max、Pd,max分别为储能系统的最大充电功率和放电功率。3.2.2

储能荷电状态为避免储能电池过充过放影响使用寿命，储能系统应保持在合理的荷电状态下运行，即式中：SOC,min、SOC,max分别为储能的荷电状态下限和上限值。在储能电池运行过程中，会出现其荷电状态工作在限值附近的情形，为避免电池在下一时刻过充过放，须对荷电状态变化量ΔSOC进行约束，具体为式中：ΔSOC,min(t)、ΔSOC,max(t)分别为t时刻储能允许变化的最小及最大值；Δt为工作步长。3.2.3

光伏备用容量约束为保证光伏发电系统完成正常的发电任务，须对备用容量进行约束，即3.3

寻优过程分析粒子群算法是一种高精度，收敛快的优化算法，对于求解非线性规划算例有独特的优势，在新能源容量规划领域得到广泛应用。本文采用该优化算法求解目标函数，设置初始种群数为50，最大迭代次数为300，加速因子C1和C2都为1.5，最大和最小惯性因子分别为1.0、0.5。光伏备用及混合储能容量规划流程如图2所示。图2

优化算法流程Fig.2

Flowchartofoptimizationalgorithm

04算例分析4.1

仿真参数设置本文以内蒙古某光-储电站项目为研究背景，基于光伏备用及混合储能共同参与电网一、二次调频服务，建立以电站调频收益最大为目标函数，对光伏备用、飞轮及锂电储能进行容量规划。系统仿真参数如表1所示，混合储能参数如表2所示，光伏备用容量参数如表3所示。表1

系统仿真技术参数Table1

Technicalparametersofsystemsimulation表2

混合储能技术参数Table2

Technicalparametersofhybridenergystoragesystem表3

光伏发电技术参数Table3

Technicalparametersofphotovoltaicpowergeneration4.2

典型工况仿真分析新型光-储电站的调频功率曲线如图3所示，其中AGC系统接收并处理调度中心下发的二次调频指令，仿真步长为5min；光-储电站根据采集到的电压、频率等值计算一次调频功率，仿真步长为1s。图3

光-储电站调频曲线Fig.3

FrequencyregulationcurveofPV-storagepowerstation由图3可以看出，在9~17、22~28、36~43数据点处检测出一次调频需求，除了具有随机性特征外，其平均功率要比二次调频功率小。图4为备用光伏、飞轮及锂电储能的工作功率情况。图4

调频资源功率曲线Fig.4

Operationcurveoffrequencyregulationresource由图4可以看出，光-储电站在处理二次调频功率指令过程中，系统检测出一次调频需求功率，光伏备用、飞轮及锂电储能优先处理一次调频指令（图4中虚线框所示），待处理完成后，再继续处理二次调频指令。最终，

Tf1

、Tf2

、Tf3

的最优值分别为0.18、0.72、0.09，具体容量规划结果如表4所示。图5为飞轮和锂电储能的荷电状态。表4

容量规划仿真Table4

Technicalparametesofcapacityplanningsimulation图5

储能荷电状态曲线Fig.5

Curveofenergystoragestateofcharge由图5可以看出，由于飞轮储能容量相对较小，瞬时功率大，很容易达到荷电状态安全限值附近，如在4~8、22~26数据点处SOC达到下限值0.1，在35~43数据点达到上限值0.9，此时需要靠锂电和光伏备用进行调频功率处理。图6为粒子群优化算法求解得到的光-储电站调频收益适应度曲线。图6

调频收益曲线Fig.6

Yieldcurveoffrequencyregulation由图6可以看出，当系统迭代次数约达到220时，目标函数逐渐收敛，收益为1.27746万元。若按每天180个调频数据量及每年250天调频天数计算，相应的日收益、年收益分别达3.83万元和957.52万元，具体数据如表4所示。4.3

储能成本对调频经济性影响分析为了比较飞轮储能成本对容量规划的影响，在其他仿真参数不变的情况下，设置3种不同的成本条件，分别对光-储电站进行容量规划仿真，结果如表5所示。表5

仿真结果对比Table5

Comparisonofsimulationresults由表5可以看出：1）飞轮储能单位成本从950万元下降到750万元时，其容量配置从1.84MW·h上升到2.16MW·h，上升幅度达17.4%；当单位成本从950万元上升到1200万元时，其容量配置从1.84MW·h下降到1.11MW·h，下降幅度为65.8%；2）飞轮储能单位成本从1200万元下降到500万元时，光伏备用容量从9.77MW下降到8.76MW，下降幅度为10.3%，说明储能的成本变化对光伏备用容量规划有着一定的影响；3）在仿真系统其他参数不变的条件下，降低飞轮储能成本，电站总投资成本会降低，调频收益相应增大，整体投资回收期限也会缩短。