一种电池储能用于调峰调频的超线性增益联合优化方法

技术领域

本发明属于电池储能调峰调频优化技术领域，特别涉及一种电池储能用于调峰调频的超线性增益联合优化方法。

背景技术

电化学储能技术经过两百多年的发展和革新，以锂电池、铅炭电池、全钒液流电池等新兴电池储能技术在安全性能和成本上的优势，使得其在新型电力系统中得到了广泛应用。电池储能电站建设不受地理条件的限制，可以直接对电能进行存储和释放，从发电侧平滑新能源发电出力到电网侧削峰填谷，再到用户侧参与需求响应，电池储能的应用价值和前景十分光明。

尽管电池储能具有极大的潜力为电网提供辅助服务，但对储能业主或者运营商来说，电池储能参与电网辅助服务潜力主要取决于辅助服务的经济效益，例如，一般电池储能使用4-5年左右更换一次，如果电池储能参与电力市场进行调峰调频，电池储能可能会更快老化并需要频繁的更换。

优化电池储能的运行以使其综合经济效益最大化问题一直备受关注，主要包括电池储能的能源套利、调峰、调频、需求侧响应等。由于电池储能的高投资成本，仅仅提供单一辅助服务功能，往往难以获得较好的收益。因此，如何发挥电池储能的多重辅助服务价值，成为推动电池储能的商业化价值的关键。现有的电池储能优化运行要么基于单一辅助服务功能，要么没有考虑电池储能的老化特性，以及对来自能源和辅助服务市场潜在的不确定性(例如，价格、频率调节信号等)。

在上述背景下，本发明提出了一种电池储能用于调峰调频的超线性增益联合优化方法来协调调峰和调频两类应用场景，同时考虑了电池老化、运行约束以及负荷和频率调节信号的不确定性，这种联合优化方法的综合收益大于执行单个辅助服务的总收益。

发明内容

针对背景技术存在的问题，本发明提供一种电池储能用于调峰调频的超线性增益联合优化方法。

为解决上述技术问题，本发明采用如下技术方案：一种电池储能用于调峰调频的超线性增益联合优化方法，包括：

分别建立正常状态下的用户电费成本模型、调峰应用场景的用户电费成本模型、调频应用场景的收益模型以及电池储能老化成本模型；

基于电池储能老化成本模型，构建使用电池储能进行调峰和调频的联合优化模型、调峰和调频单独辅助服务优化模型；

建立电池储能用于调峰调频的在线控制模式；针对调峰和调频辅助服务的不同时间尺度，将联合优化问题分为两个阶段，第一阶段为调峰阈值和调频容量优化，第二阶段为电池储能充放电实时控制优化。

在上述电池储能用于调峰调频的超线性增益联合优化方法中，所述建立正常状态下的用户电费成本模型包括：能源费用和高峰需求费用；

能源费用计算方式如下：

其中，J

高峰需求费用计算方式如下：

其中，J

在上述电池储能用于调峰调频的超线性增益联合优化方法中，所述调峰应用场景的用户电费成本模型包括：

用户在时间T内的总电费J为：

其中，J

在上述电池储能用于调峰调频的超线性增益联合优化方法中，所述建立调频应用场景的收益模型包括：

其中，R为调频应用场景的收益，C为调频容量，λ

在上述电池储能用于调峰调频的超线性增益联合优化方法中，所述建立电池储能老化成本模型包括：

循环DoD是电池储能充电/放电量的线性函数：

其中，T

其中，λ

在上述电池储能用于调峰调频的超线性增益联合优化方法中，所述构建使用电池储能进行调峰和调频的联合优化模型包括：

其中，J

s.t.b(t)＝b

C≥0

0≤b

0≤b

其中，SoC

在上述电池储能用于调峰调频的超线性增益联合优化方法中，所述构建调峰和调频单独辅助服务优化模型包括：

离线确定性调峰辅助服务优化模型为：

s.t.b(t)＝b

0≤b

0≤b

其中，J

离线确定性调频辅助服务优化模型为：

s.t.b(t)＝b

C≥0

0≤b

0≤b

总电费为：

其中，J

在上述电池储能用于调峰调频的超线性增益联合优化方法中，所述建立电池储能用于调峰调频的在线控制模式包括：

基于场景法的调峰阈值和调频容量优化包括：

通过一年的历史数据对调频信号的分布进行经验建模，每天实现的调频信号称为一个场景，获得365个场景，结合前向场景缩减算法选择最佳场景子集，将选择场景的数量设置为10，有一组频率调节信号的10个场景，每个场景与一个实现概率ω

基于日前负荷预测

定义最优电池响应为b

电池储能充放电实时控制优化包括：

在线性电池成本模型下，给定调频容量C，假设λ

其中，λ

对于给定调频容量C，提供调频服务的最优电池响应b

如果r(t)≥0，

如果r(t)<0，

其中，Soc(t)表示电池储能在时间t时的荷电状态；SoC

当电池充放电的边际运行成本不变时，最优电池控制策略为阈值策略。

与现有技术相比，本发明的有益效果：本发明将储能电站参与调峰调频服务分为调节容量优化和实时控制出力两个阶段进行两阶段的随机优化，并且考虑了电池储能参与调峰调频的老化、操作限制以及负荷和频率调节信号的不确定性，较现有的单一辅助服务，不会导致激进的充电/放电响应和严重的次优结果。建立了超线性的储能电站控制策略，使得储能电站参与调峰调频联合优化的效益大于单个调峰或者调频的效益，与将电池储能用于单一辅助服务方法相比，本发明的联合优化模式可以推广到多种辅助服务模式，实现比更大的综合经济效益。

附图说明

图1为本发明实施例提供的电池储能充放电实时控制优化流程图；

图2为本发明实施例的电池储能用于调峰调频的超线性增益联合优化方法流程图

具体实施方式

下面将结合本发明实施例对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面结合具体实施例对本发明作进一步说明，但不作为本发明的限定。

本实施例提出一种电池储能用于调峰调频的超线性增益联合优化方法来协调调峰和调频两类应用场景，同时考虑了电池老化、运行约束以及负荷和频率调节信号的不确定性，这种联合优化方法的综合收益大于执行单个辅助服务的总收益；针对调峰和调频辅助服务的不同时间尺度，将联合优化问题分为两个阶段，第一阶段为调峰阈值和调频容量优化，第二阶段为电池储能充放电实时控制优化。具体包括：

步骤1：分别建立正常状态下的用户电费成本模型、调峰应用场景的用户电费成本模型、调频应用场景的收益模型以及电池储能老化成本模型；

步骤1.1、建立正常状态下的用户电费成本模型，正常状态下的用户电费包括：能源费用和高峰需求费用；

1)能源费用，计算方式如下：

其中，J

2)高峰需求费用，计算方式如下：

其中，J

步骤1.2、建立调峰应用场景的用户电费成本模型，用户在时间T内的总电费J为：

其中，J

步骤1.3、建立调频应用场景的收益模型，具体如下：

其中，R为调频应用场景的收益，λ

步骤1.4、建立电池储能老化成本模型，具体如下：

循环DoD是电池储能充电/放电量的线性函数：

其中，T

其中，λ

步骤2：结合电池老化模型，考虑电池同时提供调频服务和调峰服务，构建使用电池储能进行调峰和调频的联合优化模型、调峰和调频单独辅助服务优化模型；

步骤2.1、构建使用电池储能进行调峰和调频的联合优化模型，具体如下：

其中，J

s.t.b(t)＝b

C≥0

0≤b

0≤b

其中，SoC

步骤2.2构建调峰和调频单独辅助服务优化模型，具体如下：

1)离线确定性调峰辅助服务优化模型为：

s.t.b(t)＝b

0≤b

0≤b

其中，J

2)离线确定性调频辅助服务优化模型为：

s.t.b(t)＝b

C≥0

0≤b

0≤b

3)总电费为：

其中，J

在Matlab平台上调用CVX优化包间进行调峰调频联合优化求解；

通过调峰调频联合优化求解获得超线性增益，即联合优化的节省电费大于调峰和调频单独辅助最优的总和，具体表示为：

J-J

其中，(J-J

步骤3：通过基于场景法的调峰阈值和调频容量优化、电池储能充放电实时控制优化实现调峰和调频辅助服务的不同时间尺度的优化。

步骤3.1、基于场景法的调峰阈值和调频容量优化，具体如下：

通过一年的历史数据对调频信号的分布进行经验建模，每天实现的调频信号称为一个场景，因此获得了365个场景，结合前向场景缩减算法来选择最佳场景子集，将选择场景的数量设置为10，有一组频率调节信号的10个场景，记为Ω，每个场景与一个实现概率ω

基于日前负荷预测

步骤3.2、电池储能充放电实时控制优化，具体如下：

在线性电池成本模型下，给定固定调频容量C，假设λ

其中，λ

对于给定调频容量C，提供调频服务的最佳电池储能响应b

如果r(t)≥0，

如果r(t)<0，

其中，Soc(t)表示电池储能在时间t时的荷电状态；

其中，SoC

当电池充放电的边际运行成本不变时，最优电池控制策略是阈值策略。

具体实施时，电池储能充放电实时控制优化流程如图1所示。

如图2所示，一种电池储能用于调峰调频的超线性增益联合优化方法，具体包括：

第一步：分别建立正常状态下的用户电费成本模型、调峰应用场景的用户电费成本模型、调频应用场景的收益模型以及电池储能老化成本模型；

(1)建立正常状态下的用户电费成本模型

正常状态下的用户电费主要由两部分组成：能源费用和高峰需求费用。设s(t)为t时刻的消耗功率，t

其中，λ

峰值需求费用是基于最大消耗功率，在实际中是根据15或30分钟内的平均消耗功率计算得出的。让

为简单起见，时间间隔t

这个成本函数在s(t)上是凸的，因为它是线性函数和分段最大函数的线性组合。

(2)建立调峰应用场景下用户电费成本模型

电池储能可以在电能需求高峰时释放能量，并在其它时段充电以平滑用户功率曲线。令b(t)表示电池储能充放电功率，b(t)>0表示放电，b(t)<0表示充电。那么s(t)-b(t)表示用户从电网吸取的实际功率。设b＝[b(1)…b(T)]是电池充放电功率的向量，调峰应用场景下用户电费成本J

其中，

(3)建立调频应用场景的收益模型

除了调峰，电池储能还可以通过为电网提供调频辅助服务来赚取利润。为提供调频服务，电网运营商向备用调频容量C支付的调频容量收益系数为λ

(4)建立电池储能老化成本模型

电池储能的运营成本大部分来源于电池单元在反复充电/放电循环后的老化。不同的电池表现出不同的老化行为，如果将电池储能操作限制在一定的放电循环深度(DoD)范围内以避免过充电和过放电效应，则循环深度增加的边际成本是恒定的。此外，循环DoD是电池储能充电/放电量的线性函数：

其中，T

其中，λ

第二步：基于第一步提出的电池老化模型，考虑电池同时提供调频服务和调峰服务，构建使用电池储能进行调峰和调频的联合优化模型、调峰和调频单独辅助服务优化模型。

(1)建立调峰调频联合优化模型

在本实施例中，采用电池储能同时提供调峰服务和调频服务，从而提高综合经济效益。考虑负荷需求s(t)的不确定性和频率调节信号r(t)的不确定性，建立随机联合优化模型如下所示：

s.t.b(t)＝b

C≥0

0≤b

0≤b

其中，第一个式子是目标函数，即最小化用户的总用电成本，包括能源成本、高峰需求费用、电池老化成本和调频服务收益；决策变量为调频容量C、电池充放电功率b

(2)建立调峰和调频单独辅助服务优化模型

为了显示联合优化的收益，本实施例描述了两个建立调峰和调频单独辅助服务优化模型：离线确定性调峰辅助服务优化模型和离线确定性调频辅助服务优化模型。

离线确定性调峰辅助服务优化模型为：

s.t.b(t)＝b

/>

0≤b

0≤b

离线确定性调频辅助服务优化模型为：

s.t.b(t)＝b

C≥0

0≤b

0≤b

上述调频收益最大化问题没有考虑提供调频辅助服务对电费的影响，频率调节是由电网运营商管理的一项服务，而作为最终消费者，商业用户与公用事业公司的电力供应合同没有改变，因此用户仍然要承担能源费用和高峰需求费用。则总电费J

其中，b

这两个调峰和调频单独辅助服务优化模型都是凸的，因为所有约束都是线性的，并且目标是凸函数的叠加，可以在Matlab平台上调用CVX优化包建模求解。

本实施例提出的调峰调频联合优化方法可以获得超线性增益，即联合优化的节省电费大于调峰和调频单独辅助辅助最优的总和，可用下式表示为

J-J

其中，上式的左侧是联合优化的节省电费，右侧代表分别调频和调峰的节省电费总和。

第三步：在第二步的基础，建立电池储能用于调峰调频的在线控制模式；针对调峰和调频辅助服务的不同时间尺度，本实施例将联合优化问题分为两个阶段，第一阶段为调峰阈值和调频容量优化，第二阶段为电池储能充放电实时控制优化。

(1)第一阶段：基于场景法的调峰阈值和调频容量优化

采用多元线性回归(MLR)模型进行日前负荷预测，具有简单、易于实现的优点，并且预测精度高。针对未来调频信号的不确定性，使用一年的历史数据对调频信号的分布进行经验建模，每天实现的调频信号称为一个“场景”，因此获得了365个场景，结合前向场景缩减算法来选择最佳场景子集，将选择场景的数量设置为10，通过模拟结果力求在性能和计算复杂度之间取得平衡。因此，有一组频率调节信号的10个场景，记为Ω，每个场景与一个实现概率ω

基于日前负荷预测

/>

(2)第二阶段：电池储能充放电实时控制优化

在线性电池成本模型下，给定固定容量投标C，假设λ

如果r(t)≥0

如果r(t)<0

其中，时间步t开始时电池充电状态的Soc(t)。当电池充放电的边际运行成本不变时，最优电池控制策略是一个简单的阈值策略。

以上仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。