据能源圈了解到，

本文亮点：1.在储能系统规划阶段，针对风光协同消纳的不同应用场景，提出一种基于运行成本的储能系统容量优化配置方法。以弃风、弃光和储能投资成本之和最小为目标函数，考虑功率平衡、支路潮流以及火电、风电和光伏出力等约束条件，对不同场景下储能系统容量进行规划。2.在储能系统实际运行阶段，针对储能系统SOC均衡度较差和运行策略实现较难的问题，提出储能系统功率优化分配双层运行策略。根据调度系统为消纳风光等可再生能源下发的储能系统功率指令，在上层基于储能电池子系统SOC和充放电能力选择最优充放电电池子系统，在下层以电池单元SOC均衡为目标实现功率优化分配，并基于AOE控制组态通过Excel编写配置文件实现该策略。

摘 要 “双碳”背景下，综合考虑储能系统容量配置方法和运行策略，有助于提高风光可再生能源消纳率、保障系统经济性和安全运行。在储能系统规划阶段，针对风光协同消纳的不同应用场景，本文提出一种基于运行成本考虑的储能系统容量优化配置方法。以弃风、弃光和储能投资成本之和最小为目标函数，考虑功率平衡、支路潮流以及火电、风电和光伏出力等构建约束条件，对不同场景下储能系统容量进行规划，从而减少弃风弃光，实现对风光可再生能源的消纳。在储能系统实际运行阶段，针对储能系统SOC均衡度较差和运行策略实现较难的问题，提出储能系统功率优化分配双层运行策略。根据调度系统为消纳风光等可再生能源下发的储能系统功率指令，在上层基于储能电池子系统剩余电量(state of charge, SOC)和充放电能力选择最优充放电电池子系统，在下层以电池单元SOC均衡为目标实现功率优化分配，并基于AOE(activity on edge)控制组态通过Excel编写配置文件实现该策略，具有使用难度低、编写简单、控制过程形象直观、计算与运行效率高等优点，对减缓电池老化、降低用户运行策略实现难度、有效消纳风光可再生能源具有重要意义。

关键词 储能系统；容量优化配置；运行策略；剩余电量均衡；AOE

随着我国电力事业的快速发展，风电、光伏等可再生能源的接入比例不断提高，然而其固有的随机性、不确定性等特点制约了电力系统对可再生能源的消纳。单纯依靠系统现有调节能力难以满足可再生能源消纳需求，灵活调节资源可以对风电、光伏的随机波动进行互补，为可再生能源的大规模并网消纳问题提供新的解决方案。作为灵活调节资源代表的储能系统具有快速响应的优势和灵活吞吐能量的功能，在应对风电光伏波动方面发挥着重要作用。储能系统的容量对风光互补系统的整体经济性和运行安全性具有重要影响，在储能系统规划设计阶段，容量过小无法有效消纳系统可再生能源，从而导致弃风弃光，而容量过大则增加投资和维护成本；在储能系统实际运行阶段，进一步制定合理的储能运行策略可以最大限度地利用储能系统的容量，保障调度计划有效实施，有效消纳可再生能源，同时减缓电池老化，保障系统运行安全。因此，在实际应用过程中，综合考虑储能系统容量配置方法和运行策略，有助于提高可再生能源消纳率，确保系统的经济性和安全运行。

在上述背景下，对储能容量进行合理配置具有重要意义。在风光互补系统下储能容量配置研究中，目前多在目标函数中考虑成本进行容量优化，文献[9]通过分析历史数据总结新能源出力规律，以成本和平抑效果为目标求解储能配置容量。文献[10]针对风光互补系统，提出考虑成本的压缩空气储能、锂电池和电容器混合储能容量配置方法，分析了多种储能的运行特性求解得到容量配置结果。但是上述研究储能成本计算方法较为简单、考虑因素较少，与实际存在偏差。文献[11]研究了风光储微网的储能容量优化配置方法，采用了3种方法确定储能容量，最后通过算例对比方法的异同。文献[12]建立了风光储联合规划模型，并提出了基于分解协调的分层优化算法，两层相互迭代求解最优容量。上述研究对风光互补系统下的储能容量进行了计算，但是对风光场景类别考虑尚不充分，有待进一步深入研究。

在储能系统实际运行阶段，制定合理运行策略将储能系统协同消纳风光可再生能源功率指令进行有效分配，对消纳可再生能源、保障系统安全运行至关重要。目前多采用剩余电量(state of charge, SOC)比例功率优化分配策略，根据SOC比例进行功率分配，控制SOC运行在合理区间，为目标函数进行功率优化分配，满足功率需求指令。文献[13]对不同功率运行策略下SOC变化率进行了对比分析，进而提出改进系数的储能系统运行策略，并根据SOC比例分配功率进行了仿真验证；文献[14]提出了风电场的飞轮储能矩阵系统协调控制方法，根据储能单元可用电量按照比例分配充放电功率。上述研究采用SOC比例功率优化分配策略，改善了系统功率分配精度，但是会使放电过程同调度时段SOC较低储能单元SOC仍下降，充电过程同调度时段SOC较高储能单元SOC继续上升，存在储能单元因为持续充放电提前达到SOC上限或下限，提前停止运行的问题，损伤电池寿命，增加危险事故发生的概率。此外，文献[15]基于电池组SOC值大小选取最优充放电电池组，计算最优电池组最大充放电功率，若满足均分给各优先电池组。文献[16]基于SOC数值将储能系统划分为正常、减少和禁止充放电工作区间，根据SOC状态利用模糊控制实时调节储能功率，保障SOC运行在安全区间。上述研究仅考虑SOC边界，未充分考虑SOC均衡度问题，储能单元SOC不均衡会导致过充过放、部分单元提前退出停止运行等事件发生，制约系统的可用容量，因此有必要开展提高储能SOC均衡度研究，减少充放电循环的次数、防止过充过放，保持电池安全稳定运行。文献[19]提出了一种含电/氢复合储能的直流微电网模糊功率分配和协调控制方法，并基于TMS320F28335 DSP和实时仿真RT-LAB的硬件在环实验平台实现控制策略，但是存在实现过程复杂繁琐、学习门槛高的问题。文献[20]设计了飞轮储能实验系统，通过可编程逻辑控制器(PLC)控制飞轮阵列充放电，但是使用过程还存在底层代码较为复杂，控制策略实现需要较强编程基础的问题，因此有必要研究简单易用、学习门槛低的控制策略实现方法，便于工程人员使用。

本文针对储能系统容量配置和运行策略现有技术存在的不足，首先提出了考虑运行成本的储能系统容量配置方法，在储能系统规划阶段考虑弃风弃光等成本，提高可再生能源消纳率，减少系统运行成本；其次提出了储能系统功率优化分配双层运行策略，并基于AOE(activity on edge)控制组态求解功率分配结果，实现可再生能源消纳，保障储能系统运行安全，降低实现难度；最后通过仿真实验验证所提方法的有效性。

2 考虑运行成本的储能系统优化配置研究

2.1　考虑运行成本的优化配置策略目标函数构建

2.2　考虑运行成本的优化配置策略约束条件构建

3 储能系统功率优化分配双层运行策略

3.1　储能系统功率优化分配双层运行策略框架

根据上述方法得到的容量配置结果构建储能系统，考虑储能系统建成后即实际运行阶段，各储能电池单元由于充放电工作不同，荷电状态存在较大差异，为了减少充放电循环的次数、防止过充过放，保持电池安全稳定运行，本文提出储能系统功率优化分配双层运行策略。根据调度系统为消纳风光等可再生能源下发的储能系统功率指令，上层以最优工作电池子系统选择为目标函数，根据指令功率和储能电池子系统实际充放电功率关系选择最优充放电电池子系统，下层以SOC均衡度为目标函数，实现电池单元之间的功率分配，其策略流程，如图1所示。

图1 功率优化分配双层运行策略流程图

3.2　上层运行策略——最优电池子系统选择层

3.3　下层运行策略——功率优化分配层

根据上层运行策略得到的最优放电电池子系统和每个储能电池子系统承担的总功率，在储能电池子系统内部即储能电池单元之间以SOC均衡度最小为目标函数，实现功率优化分配，可以表示为式(26)。

4 算例分析

本文以改进Garver-6节点系统为例，拓扑图如图2所示，研究不同渗透率和风光比例下储能系统优化配置结果。

图2 改进Garver-6节点网络图

系统输电线路数据、火电厂数据、系统最大负荷、储能系统成本参数、典型日内负荷、风电和光伏波动曲线分别如表1~5所示。

表1 Garver-6 节点系统输电线路数据

表2 Garver-6 节点系统火电厂数据

表3 Garver-6 节点系统最大负荷

表4 储能系统成本参数

表5 典型日内负荷和风电光伏出力

4.1　储能系统优化配置结果分析

4.1.1　不同渗透率优化配置结果分析

新能源渗透率一般是指新能源装机规模占电网最大负荷比重。本算例电网最大负荷为640 MW。分析新能源渗透率分别为30%、50%下优化配置结果和弃风弃光成本。

（1）新能源渗透率为30%

风电场装机容量为150 MW，光伏发电场装机容量为42 MW，储能最大接入个数为1，储能成本系数1时，求解得到储能配置在节点6处，节点6处的储能额定功率和额定能量为8.61 MW和23.85 MW·h。此时，年弃风成本为35.48万元，年弃光成本为73.89万元，储能年投资成本为297.42万元，总成本为406.79万元，其容量配置结果如图3所示。

图3 新能源渗透率为30%储能系统容量配置结果

（2）新能源渗透率为50%

风电场装机容量为150 MW，光伏发电场装机容量为170 MW，储能最大接入个数为1，储能成本系数1时，储能配置在节点4处，节点4处的储能额定功率和额定能量为26.24 MW和116.45 MWh。此时，年弃风成本为391.68万元，年弃光成本为725.15万元，储能年投资成本为1304.37万元，总成本为2421.2万元，其容量配置结果，如图4所示。

图4 新能源渗透率为50%储能系统容量配置结果

综上所述，随着新能源渗透率的增高，通过合理配置储能可以减少弃风弃光，但是储能投资成本相应增加，总成本也随之增加。

4.1.2　不同风光比例优化配置结果分析

（1）风光比例为3∶2

风电场装机容量为150 MW，光伏发电场装机容量为100 MW，储能最大接入个数为1，储能成本系数1时，储能配置在节点1处，节点1处的储能额定功率和额定能量为15.91 MW和51.45 MWh。此时，年弃风成本为0万元，年弃光成本为83.05万元，储能年投资成本为616.16万元，总成本为699.21万元，其容量配置结果如图5所示。

图5 风光比例为3∶2储能系统容量配置结果

（2）风光比例为1：1

风电场装机容量为150 MW，光伏发电场装机容量为150 MW，储能最大接入个数为1，储能成本系数1时，储能配置在节点4处，节点4处的储能额定功率和额定能量为：25.39 MW和96.54 MWh。此时，年弃风成本为0万元，年弃光成本为4.23万元，储能年投资成本为1114.68万元，总成本为1118.91万元，其容量配置结果如图6所示。

图6 风光比例为1∶1储能系统容量配置结果

综上所述，通过上述对比分析可以得知，风光比例为3∶2时，配置一台储能系统节点在1、总成本为699.21万元。风光比例为1∶1时，配置一台储能系统节点在4、总成本为1118.91万元。由于目标函数是弃风成本、弃光成本和储能投资成本之和，那么在不同风光比例下，系统会尝试在不同节点配置储能以最小化系统成本。本文风光比例为1∶1时相比风光比例为3∶2时，新能源装机容量更大，因此可以配置更大储能容量减少弃风弃光，提高新能源消纳率，减少系统成本。此外，光伏具有调峰特性而风电具有反调峰特性，因此储能配置在靠近风电场接入节点，实现新能源的就地消纳具有更好的经济效益，但是本文风光接入节点无负荷，当风光比例不同时考虑线路容量约束，选择配置在靠近风光接入的节点，有效地平衡整个电网的负荷和能源供应。风光比例会对储能配置结果产生影响，在系统建设初期合理规划风电场和光伏电厂装机容量对减少系统成本、提高可再生能源消纳率具有重要意义。

4.2　储能功率分配运行策略仿真结果分析

4.2.1　基于AOE的储能功率分配运行策略求解方法

为了验证所提出的储能系统功率优化分配双层运行策略，本文采用Simulink建立储能系统仿真模型，并基于AOE实现运行策略对储能系统的仿真分析。AOE是一种由多个事件驱动流程组成的加权有向无环图，其节点表示事件，边表示动作，当节点满足条件被触发后，其对应边所表示的事件被执行。基于AOE实现储能功率优化分配运行策略，仅需通过Excel配置文件编写即可实现该策略，具有使用难度低、编写简单、控制过程形象直观、计算与运行效率高等诸多优点。具体策略实现包括测点配置、AOE配置和通信通道配置3部分。

（1）测点配置

测点配置主要用于配置控制器输入输出信号的参数，并定义各个测点属性。本算例测点配置包括主控系统下发的遥调即系统有功指令功率测点、各个储能电池启动信号测点、SOC测点和实际功率测点，并对其名称、是否离散、是否计算点、默认值进行了定义。测点配置文件如图7所示。

图7 测点配置文件

（2）AOE配置

AOE配置是通过定义AOE的基本信息、变量、事件和动作，进而实现对运行策略的描述。本算例共包括6个节点和5个动作。将上述运行策略用AOE进行表示如图8所示。节点1为Simulink通信事件节点，为事件触发类型，当储能系统开始工作，该节点被触发开始执行运行策略。动作1是计算中间量，在通信事件节点触发后被执行，计算储能电池子系统的SOC。动作2是最优电池子系统选择，根据储能电池子系统SOC和目标函数，优化选择充放电电池子系统。动作3是储能电池单元功率优化分配问题求解。当存在最优解时，执行动作4下发优化策略；当不存在最优解时，执行动作5下发默认均分策略。不存在最优解时说明指令功率不合理，或者储能可调度容量太小。

图8 运行策略AOE拓扑

（3）通信通道配置

通信通道配置用于描述控制器与Simulink储能系统仿真模型之间的通信方式，并给出测点寄存器信息和地址。本算例控制器作为从站，采用Modbus实现控制器与仿真模型之间的通信。测点数据均为EightByteFloat数据类型，占4位寄存器，进而根据数据类型完成对地址的分配。

4.2.2　功率分配结果分析

据储能系统容量优化配置结果，设置储能系统额定功率和额定能量为20 MW和40 MWh，储能子系统额定功率和额定容量为4000 kW和8000 kWh，最大充放电功率为12000 kW，储能子系统SOC初值分别为0.9、0.7、0.5、0.3、0.1，储能单元额定功率和额定容量为500 kW和1000 kWh，SOC最大值和最小值分别为0.9和0.1。

运行控制器与仿真模型得到为消纳风光等可再生能源下发的指令功率和储能系统实际输出总功率曲线图，如图9所示。

图9 指令功率和储能系统实际输出功率

从图中可以看出，储能系统实际输出功率能够精确跟随指令功率变化，虽然输出功率由于储能电池特性略有波动，但是其波动值在0.2 kW以内。

图10展示了储能电池子系统工作状态变化和输出功率变化情况。储能电池子系统中，储能电池子系统1的SOC最大，从图中可以看出根据上层运行策略在满足指令功率情况下，储能电池子系统1处于工作状态，其余电池子系统处于关机状态。在0.2~0.4 h、0.6~0.8 h、1.4~2.8 h等时间范围内由于指令功率大于子系统1最大允许放电功率，储能电池子系统2投入运行即可满足指令功率要求，其余储能子系统仍处于关机状态；在0.4~0.6 h、0.8~1.4 h、2.8~3.4 h等时间范围内指令功率小于子系统1最大允许放电功率，储能电池子系统2退出运行，实现了最优充放电电池子系统选择。在本文策略下电池子系统间歇性地承担充放电任务，减少了循环充放电次数。

图10 储能电池子系统1和2工作状态变化和输出功率

图11为储能工作电池单元双层运行策略SOC变化情况，从图中可以看出下层运行策略实现了储能电池单元之间功率的合理分配，经过2 h，SOC达到基本均衡。储能子系统1的8个储能单元SOC极差从0.45减小至0.09，储能子系统2的8个储能单元SOC极差从0.25减小至0.16，因此本文策略实现了储能电池单元之间的功率均衡，减小了荷电状态的差异性，避免了过充过放，减缓储能电池老化，保障储能系统运行安全。

图11 储能电池单元双层运行策略下SOC变化情况

5 结 论

本文研究了考虑风光消纳的储能系统容量优化配置及运行策略，通过仿真分析，验证了策略的有效性。主要结论有以下几个方面。

（1）在储能系统规划阶段，本文提出了考虑运行成本的储能系统优化配置策略，对不同场景下储能容量进行了规划和分析，在系统建设阶段通过合理配置储能可以减少弃风弃光，实现对风光可再生能源的消纳，同时提高了系统运行经济性。

（2）在储能系统实际运行阶段，以最优充放电电池子系统选择为上层运行策略，实现储能电池子系统间歇性地承担充放电任务，无须所有电池子系统实时承担充放电任务，有效减少了充放电次数；以功率优化分配为下层运行策略，实现了储能电池单元之间的SOC均衡，避免了储能电池过充过放，减缓电池老化，保障了储能系统运行安全，实现消纳风光可再生能源功率指令的有效跟踪。

（3）提出一种基于AOE的运行策略，通过Excel即可编写运行策略，实现过程简单灵活，具有高通用性、计算效率高、学习难度小等诸多优点，有利于让更多工业用户参与到“双碳”目标中，提高风光可再生能源消纳率。