李欣然，黃際元，陳遠揚，劉衛(wèi)健

(1.湖南大學(xué)電氣與信息工程學(xué)院，湖南 長沙 410082；2.國網(wǎng)湖南省電力公司長沙供電分公司，湖南 長沙 410015；3.國網(wǎng)湖南省電力公司，湖南 長沙 410007)

大規(guī)模儲能電源參與電網(wǎng)調(diào)頻研究綜述

李欣然1，黃際元2，陳遠揚3，劉衛(wèi)健1

(1.湖南大學(xué)電氣與信息工程學(xué)院，湖南 長沙 410082；2.國網(wǎng)湖南省電力公司長沙供電分公司，湖南 長沙 410015；3.國網(wǎng)湖南省電力公司，湖南 長沙 410007)

為解決風電大規(guī)模并網(wǎng)引起的電網(wǎng)調(diào)頻容量不足問題，可引入儲能輔助電網(wǎng)調(diào)頻，利用其快速響應(yīng)特性改善調(diào)頻效果。綜述了儲能參與電網(wǎng)調(diào)頻的技術(shù)現(xiàn)狀，包括必要性與可行性分析、區(qū)域電網(wǎng)與儲能仿真模型、協(xié)調(diào)控制方法(儲能控制策略、容量配置以及經(jīng)濟性評估、儲能-傳統(tǒng)調(diào)頻電源的聯(lián)合運行)，并指出其不足之處。凝練出該研究方向的關(guān)鍵科學(xué)問題，并闡述了未來需重點關(guān)注的研究內(nèi)容：儲能用于電網(wǎng)調(diào)頻的應(yīng)用場景確定、定價機制設(shè)計及容量優(yōu)化配置。

儲能；調(diào)頻；技術(shù)經(jīng)濟；仿真模型；協(xié)調(diào)控制

0 引言

風電等間歇式電源具有波動性和不確定性，且目前絕大多數(shù)間歇式電源對電網(wǎng)不表現(xiàn)出慣性，大規(guī)模接入后會顯著加劇電網(wǎng)調(diào)頻壓力，尤其是當含大規(guī)模風電的電網(wǎng)發(fā)生沖擊性負荷擾動時，傳統(tǒng)電源的調(diào)頻容量及響應(yīng)速度將難以滿足調(diào)頻需求，該問題已成為電網(wǎng)接納風電的主要制約因素之一。因此，為緩解間歇式電源并網(wǎng)瓶頸并改善電網(wǎng)頻率指標，有必要引入新的輔助調(diào)頻手段，而儲能的快速響應(yīng)特性使其在參與電網(wǎng)調(diào)頻方面具有優(yōu)勢。

傳統(tǒng)的電網(wǎng)調(diào)頻主要包含一次調(diào)頻和二次調(diào)頻。在當前多數(shù)電網(wǎng)中，大型火電與水電機組為主要調(diào)頻電源，通過不斷地調(diào)整機組出力來響應(yīng)電網(wǎng)頻率變化，但是，兩者均有旋轉(zhuǎn)機械器件，受機械慣性和磨損等作用，影響電網(wǎng)安全與電能品質(zhì)[1]。

近年來，利用大規(guī)模儲能電源參與電網(wǎng)調(diào)頻，已受業(yè)界廣泛關(guān)注。調(diào)頻的充放電周期在秒至分鐘級，適合的儲能類型有電池(如：鋰離子電池、鉛酸電池、液流電池和鈉硫電池)、超級電容、飛輪和抽水蓄能等。其中，抽水蓄能的技術(shù)成熟，應(yīng)用廣泛，但對地理環(huán)境的依賴制約著其進一步發(fā)展。以電池儲能為主的新型快速儲能當前仍停留在示范階段，且多用于改善風電場的聯(lián)網(wǎng)運行性能，其廣域調(diào)控效能未得到充分利用[2-3]。國內(nèi)以中國電科院張北風光儲基地、南方電網(wǎng)深圳寶清電池儲能電站和北京石景山熱電廠鋰離子電池儲能調(diào)頻系統(tǒng)等大容量儲能示范工程為代表，對參與二次調(diào)頻功能均做了初步的測試，但尚屬起步與探索階段。而國外對大規(guī)模儲能參與電網(wǎng)調(diào)頻已展開大量示范與驗證，自2008年始，A123、Xtreme Power等公司已投建多處示范項目，涉及鋰離子電池等多種儲能類型，包含從1 MW(功率)/0.5 MWh(容量)到20 MW/5 MWh等一系列容量，已取得一定成果[4-5]。國內(nèi)外具有調(diào)頻功能的部分儲能示范工程如表1所示。

表1 國內(nèi)外具有調(diào)頻功能的部分儲能示范工程Table 1 Some demonstration projects of energy storage system with frequency regulation function around the world

這類研究與示范工程表明，大規(guī)模儲能技術(shù)今已具備電網(wǎng)調(diào)頻應(yīng)用能力，且該應(yīng)用是儲能在電力領(lǐng)域中最接近商業(yè)運營的典型應(yīng)用。從電網(wǎng)運行需求全局角度，如何在電網(wǎng)調(diào)頻中利用好儲能是當前的關(guān)鍵問題。為此，本文綜述了儲能參與電網(wǎng)調(diào)頻的研究現(xiàn)狀并指出其不足之處，凝練出關(guān)鍵科學(xué)問題并給出未來需研究的若干重要問題。

1 必要性與可行性問題

1.1 必要性問題

為了解決儲能參與電網(wǎng)調(diào)頻的必要性問題，有學(xué)者從風電功率波動特性、高比例風電接入對電網(wǎng)頻率的影響出發(fā)進行了相關(guān)工作。

部分文獻利用時/頻域分解法研究風電功率波動特性，并分析不同風電滲透率和不同風事件對電網(wǎng)頻率的影響程度。文獻[6]在時域中通過計算風電功率爬坡率，統(tǒng)計對電網(wǎng)頻率影響較大的風電功率波動所占比例，而在頻域中通過小波變換和經(jīng)驗?zāi)B(tài)分解法對風電功率波動頻段進行劃分，并依據(jù)對電網(wǎng)頻率的影響程度排序。文獻[7]劃分四種典型風事件，仿真分析了電網(wǎng)調(diào)頻動態(tài)仿真模型中的參數(shù)靈敏度及風電場接入位置對電網(wǎng)頻率的影響，指出電網(wǎng)應(yīng)儲備足夠的爬坡容量以應(yīng)對各種風事件。文獻[8-9]提出大規(guī)模風電接入對電網(wǎng)頻率影響程度的評估方法。其中，文獻[8]利用t-location概率分布模型描述風電功率隨機波動特性，采用序貫蒙特卡洛法模擬時序風電功率序列，基于某區(qū)域電網(wǎng)分析可知，風電功率波動范圍隨時間尺度的增大而增大，風電接入規(guī)模占電網(wǎng)總裝機容量比例較小時，即使最嚴重波動情況下的最大頻率偏差也不會導(dǎo)致電網(wǎng)頻率動態(tài)越限；文獻[9]利用所推導(dǎo)的結(jié)合了風電功率波動與負荷波動的電網(wǎng)功率波動概率函數(shù)，并依據(jù)與調(diào)頻相關(guān)的五個典型指標(慣性響應(yīng)、靜態(tài)頻率偏差、一/二次調(diào)頻調(diào)整速度和調(diào)頻備用需求)，通過算例分析得知，風電功率波動對電網(wǎng)頻率的影響程度與電網(wǎng)獨立/互聯(lián)及調(diào)頻尺度相關(guān)，且對獨立電網(wǎng)的慣性、一次調(diào)頻和靜態(tài)頻率偏差的影響要大于互聯(lián)電網(wǎng)。

總體說來，現(xiàn)有研究尚存在以下問題：未深入分析風電場(群)功率波動特征，因風電功率波動實質(zhì)上是一個正態(tài)隨機過程，其包含比較復(fù)雜的時序過程，如何在前述分析過程中考慮不確定性的隨機過程尚待研究；同時，未明確認識對電網(wǎng)頻率影響較為嚴重的風電功率爬坡特性，特別是對風電場集群功率波動(尤其是對電網(wǎng)危害較大的上行爬坡)對電網(wǎng)頻率的影響尚無研究，無法有效揭示風電接入對電網(wǎng)頻率穩(wěn)定的影響機理，未定量評估電網(wǎng)中風電比例達何種高度時對電網(wǎng)調(diào)頻有何種程度的影響，進而難以確定引入新型快速儲能的合適應(yīng)用場景。

1.2 可行性問題

為了解決儲能參與電網(wǎng)調(diào)頻的可行性問題，有學(xué)者從技術(shù)和經(jīng)濟價值評估角度展開了相關(guān)研究。

在技術(shù)可行性方面，儲能的價值主要體現(xiàn)在其相比傳統(tǒng)調(diào)頻電源的高效性上。目前尚無文獻公開報道儲能參與一次調(diào)頻的高效性，對二次調(diào)頻的相關(guān)研究表明儲能比傳統(tǒng)調(diào)頻電源高效數(shù)倍。美國某實驗室的研究報告指出飛輪儲能的調(diào)頻能力為水電機組的1.7倍，燃氣機組的2.7倍，火電機組和聯(lián)合循環(huán)機組的近20倍[10]；基于含儲能的區(qū)域電網(wǎng)調(diào)頻動態(tài)模型，且假設(shè)火電機組的爬坡速率為4% p.u./ min，對比可知20 MW電池儲能的調(diào)頻能力與187.5 MW火電機組等效，前者比后者高效約9倍[11]；即使忽略火電機組的爬坡速率約束，對比可知，10 MW/3.66 MWh電池儲能的調(diào)頻能力與36 MW的火電機組等效，前者高效3.6倍[12]。

在經(jīng)濟可行性方面，目前尚無專門的政策支持儲能進入調(diào)頻市場，研究中通常利用簡易的成本效益分析來評估其經(jīng)濟價值。評估中的成本考慮全壽命周期內(nèi)的投資、運行和維護費用，效益考慮調(diào)頻補償費用，包括依合同簽訂的調(diào)頻功率($/MW)對儲能參與一次調(diào)頻計費，依調(diào)頻容量和調(diào)頻電量($/MWh)、上行爬坡和下行爬坡功率($/MW)分別對儲能參與二次調(diào)頻計費。

對一次調(diào)頻，文獻[13]通過簡易的成本效益分析初步對比了鉛酸、釩液流和鈉硫等電池儲能參與一次調(diào)頻和調(diào)峰的經(jīng)濟性，可知在一定范圍儲能容量內(nèi)，未來3～5年間電池儲能在一次調(diào)頻方面最具應(yīng)用潛力；文獻[14]提出了虛擬電廠(由儲能和風電場聯(lián)合組成)中儲能的選型方法，以一次調(diào)頻為例，依儲能運行的年累計運行成本，對比了電池(鋰離子、鉛酸、釩液流和鈉硫電池等)、超級電容和飛輪等儲能類型的經(jīng)濟性，可知具備長日歷壽命和低自放電率等優(yōu)勢的鈦酸鋰和磷酸鐵鋰離子電池的技術(shù)經(jīng)濟性最佳[15]。

對二次調(diào)頻，僅從成本角度，前述文獻[4]由簡單估算知儲能的年平均投資成本為火電機組的2.7～4.7倍，但指出相比火電機組，儲能在運行和維護成本上具有優(yōu)勢；考慮儲能的二次調(diào)頻效益，文獻[16]分析鈉硫電池儲能在調(diào)頻、風電調(diào)峰和爬坡控制中的效益，其中參與電網(wǎng)調(diào)頻的收益由能量市場實時價格決定，對比可知其在參與調(diào)頻時的價值最高，相同功率下較小的容量能獲得更大的效益；文獻[17]將釩液流電池儲能用于德克薩斯州電網(wǎng)調(diào)頻，構(gòu)建儲能的動態(tài)等效模型及在運行周期內(nèi)的效益模型，相關(guān)經(jīng)濟參數(shù)包括預(yù)測上行爬坡和下行爬坡價格($/(MW?h))、實時能量市場價格($/(MW?min))，約束條件為日調(diào)頻服務(wù)結(jié)束時儲能的荷電狀態(tài)(State of Charge, SOC)不小于50%，仿真分析可知其用于調(diào)頻的價值約為1 211～1 871 $/kW，而1 MW/1 MWh和1 MW/4 MWh儲能的成本分別約為1 460～1 613 $/kW和1 919～3 279 $/kW，可見儲能在該調(diào)頻應(yīng)用下的成本和效益已比較接近。而隨著技術(shù)的成熟和成本的降低，儲能的競爭優(yōu)勢會進一步提升[18]。

現(xiàn)有研究僅從技術(shù)和經(jīng)濟角度簡單分析了儲能相比傳統(tǒng)調(diào)頻電源的高效性和儲能的潛在經(jīng)濟優(yōu)勢，究其原因，一是缺乏對儲能調(diào)頻成本的明確認識，二是未能深入理解儲能的多時間尺度特征，無法合理量化它對電網(wǎng)的經(jīng)濟價值。應(yīng)當指出，完整的成本效益還應(yīng)包括：全壽命周期內(nèi)儲能的替換成本(因儲能報廢導(dǎo)致)，在調(diào)頻中儲能本身功率和容量的直接效益及改善電網(wǎng)其他設(shè)備運行條件所帶來的間接效益、減少電網(wǎng)備用容量所帶來的備用效益和提高風電等間歇式電源滲透率所帶來的環(huán)境效益。此外，還有儲能設(shè)備老化、儲能控制方式、政策和電力市場博弈等對儲能成本和效益的影響。因此，為保證投資經(jīng)濟性和運行收益，必須建立面向電網(wǎng)調(diào)頻的不同形式儲能的技術(shù)-經(jīng)濟模型，提煉出儲能用于電網(wǎng)調(diào)頻的主導(dǎo)技術(shù)和經(jīng)濟特征，以便于建立合適的儲能調(diào)頻價格機制，進而為推動其進入調(diào)頻市場提供依據(jù)。

2 區(qū)域電網(wǎng)與儲能仿真模型

對區(qū)域電網(wǎng)，國內(nèi)外一般基于區(qū)域等效方法，描述區(qū)域電網(wǎng)和傳統(tǒng)電源的頻率特性，即將電網(wǎng)元件模型轉(zhuǎn)換為傳遞函數(shù)形式，搭建區(qū)域電網(wǎng)調(diào)頻動態(tài)模型，再展開仿真實驗[1]。區(qū)域電網(wǎng)調(diào)頻動態(tài)模型示意圖如圖1所示，其主要包括：調(diào)速器及渦輪機模型、負荷擾動模型、慣性和負荷阻尼控制、ACE信號計算及處理等環(huán)節(jié)。

圖1 區(qū)域電網(wǎng)調(diào)頻動態(tài)模型示意圖Fig. 1 Schematic of equivalent model for regional grids

上述區(qū)域電網(wǎng)調(diào)頻動態(tài)模型未區(qū)分對不同規(guī)模、不同電壓等級電網(wǎng)的適用性，且該模型中傳統(tǒng)電源的經(jīng)典模型已無法充分描述現(xiàn)代新型機組動態(tài)特性。

在儲能方面，以電池儲能電源為例，其由電池儲能設(shè)備與功率轉(zhuǎn)換系統(tǒng)(Power Conversion System, PCS)所構(gòu)成，儲能模型主要包括單體元件模型和PCS及其控制方法模型[19-20]。國外為滿足電池管理系統(tǒng)的需求而建立單體元件模型，包括理想模型、一階、二階和四階模型等[21]。調(diào)頻研究中廣泛采用一階慣性環(huán)節(jié)與控制增益的乘積來描述電池儲能參與電網(wǎng)調(diào)頻的行為特征[22]，如圖2所示。圖中，控制信號?cons(s)一般為頻率偏差或區(qū)域控制誤差等；增益KE模擬了Δcons(s)與儲能電源出力ΔPE(s)之間的轉(zhuǎn)換關(guān)系；時間常數(shù)TE描述了電池本身特性和PCS環(huán)節(jié)的延時效應(yīng)。

圖2 電池儲能電源的傳遞函數(shù)模型Fig. 2 Transfer function model for battery energy storage

近年來，國內(nèi)同樣認識到建立適合電網(wǎng)仿真需求的儲能模型的重要性。文獻[23]僅考慮PCS的內(nèi)外環(huán)控制策略而建立電池儲能的通用模型；文獻[24]提出利用基于戴維南等效電路的傳遞函數(shù)模型描述參與電網(wǎng)調(diào)頻的電動汽車與電網(wǎng)互動技術(shù)(Vehicle to Grid, V2G)儲能模型。

目前，調(diào)頻研究中采用的儲能模型還相當滯后于實際工程需求。上述分析表明對于電池儲能模型研究，過于側(cè)重單體元件自身的動態(tài)行為，或過于側(cè)重電網(wǎng)連接的動態(tài)行為。前者模型太過復(fù)雜，在電網(wǎng)仿真分析計算中應(yīng)用難度較大；后者模型太過簡化，對單體元件自身的動態(tài)特性考慮不足，且未能反映出單體元件到儲能設(shè)備的過渡，缺乏一種既能準確反映儲能自身特性，又能滿足調(diào)頻研究需求的仿真模型。

3 協(xié)調(diào)控制方法

3.1 儲能參與電網(wǎng)調(diào)頻的控制策略

儲能參與電網(wǎng)調(diào)頻控制策略的相關(guān)概念包括控制模式、動作時機與深度。其中，控制模式為參與調(diào)頻的方式；動作時機為投入和退出調(diào)頻運行狀態(tài)的時刻；動作深度為參與調(diào)頻的出力大小[25]。

儲能的動態(tài)響應(yīng)特性主要由PCS控制主導(dǎo)，故控制PCS模擬傳統(tǒng)調(diào)頻電源的下垂特性即能實現(xiàn)其參與一次調(diào)頻，定義儲能動作深度與頻率增量之比為虛擬單位調(diào)節(jié)功率系數(shù)，記為KE。對集中式電池儲能，文獻[26]假設(shè)電池儲能的額定功率為Prated，以±20 mHz為一次調(diào)頻死區(qū)，即確定了其動作時機，同時控制電池儲能在±20～±200 mHz內(nèi)線性出力，則KE為(Prated/180) MW/mHz，即可確定其動作深度；文獻[27]提出利用頻率變化過程中的頻差變化率和頻率偏差為決策變量，當頻差變化率越過設(shè)定的限值時，控制電池儲能以額定功率輸出，當頻率開始恢復(fù)時變換至下垂控制(KE為經(jīng)驗值)，圖3即為該方法的示例。圖中，PEF為儲能參與一次調(diào)頻的動作深度，?fDB為調(diào)頻死區(qū)，?f0為初始頻率偏差(一般取為0)，KE1和KE2分別對應(yīng)儲能放電和充電時的虛擬單位調(diào)節(jié)功率系數(shù)；若負荷突然增加引起了頻率下降，設(shè)?為設(shè)定的頻差變化率限值(負數(shù))，當dΔf/dt0 Hz/s且|Δf|>?fDB/2時，儲能依據(jù)下垂控制放電(對應(yīng)圖中的實線段2)。對分散式儲能V2G，文獻[28]提出考慮電動汽車電池儲能荷電狀態(tài)(SOC)因素的變KE策略，此處KE為以SOC和充放電狀態(tài)變量表示的分段函數(shù)，該策略需首先確定KE最大值Kmax、SOC運行參考值SOCref及較高值SOChigh、較低值SOClow，該方法在靈活滿足用戶充電需求前提下，可在一定程度上改善調(diào)頻效果。

圖3 儲能參與一次調(diào)頻的方法示例Fig. 3 An example method of energy storage system participating in primary frequency regulation

儲能承擔部分調(diào)頻信號可參與二次調(diào)頻，定義儲能的參與因子(Participation Factor, PF)為αE。對集中式儲能，調(diào)頻信號分配方式主要為按時/頻域分配和按動態(tài)比例分配。前者分析區(qū)域控制誤差(Area Control Error, ACE)信號在時/頻域內(nèi)的特征，由儲能承擔短時分量(高頻分量)，由傳統(tǒng)調(diào)頻電源承擔長時分量(低頻分量)[29-30]。后者依托區(qū)域電網(wǎng)調(diào)頻動態(tài)模型，文獻[31]將區(qū)域控制需求(Area Regulation Requirement, ARR)信號劃分為正常調(diào)節(jié)區(qū)、警戒區(qū)和緊急區(qū)，依不同的優(yōu)先級，將其分配給儲能、V2G和傳統(tǒng)調(diào)頻電源。前述文獻[12]基于可表征電池儲能動態(tài)調(diào)頻容量(Dynamic Available AGC, DAA)評估指標，對比依ACE信號和依ARR信號的兩種動態(tài)分配方式的短期和中長期調(diào)頻效果，綜合可知，基于ACE信號的獨立分配策略效果更佳，此時儲能無需經(jīng)過傳統(tǒng)的低通濾波環(huán)節(jié)，但需增加獨立的控制器，圖4即為該方法的示例。圖4中，PEA為儲能參與二次調(diào)頻的動作深度；標號1和2分別表示儲能接受ACE和ARR信號的分配方式(ACE信號經(jīng)由濾波器和PI控制器形成ARR信號)；參與因子αE需依據(jù)相關(guān)原則進行優(yōu)化設(shè)計。

圖4 儲能參與二次調(diào)頻的方法示例Fig. 4 An example method of energy storage system participating in secondary frequency regulation

由上可知，已有研究僅初步探索了儲能參與調(diào)頻的控制策略，仍存在如下不足之處：對參與一次調(diào)頻，未明確儲能的控制模式，也未深入分析其如何參與；對參與二次調(diào)頻，研究集中于對ACE信號的分析以及考慮區(qū)域電網(wǎng)調(diào)頻動態(tài)模型的ARR分配，且按時/頻域分配的方法在儲能層面未考慮荷電狀態(tài)SOC管理，在電網(wǎng)層面也未充分利用儲能優(yōu)勢，而按動態(tài)比例分配的方法未從機理層面分析儲能該如何參與，導(dǎo)致無法充分利用儲能容量及其技術(shù)優(yōu)勢。

3.2 容量配置以及經(jīng)濟性評估

面向電網(wǎng)調(diào)頻，儲能容量配置研究主要基于實測信號和區(qū)域電網(wǎng)調(diào)頻動態(tài)模型展開。從實測頻率和調(diào)頻信號出發(fā)，依前者確定儲能參與一次調(diào)頻的動作深度，依后者中的高頻/短時分量確定儲能參與二次調(diào)頻的動作深度，再通過確定的動作深度計算儲能在運行周期內(nèi)的能量值，以最大能量差作為配置的額定容量；從區(qū)域電網(wǎng)調(diào)頻動態(tài)模型出發(fā)，依設(shè)定的調(diào)頻評估指標要求確定所需儲能功率和容量。經(jīng)濟性評估需構(gòu)建儲能的經(jīng)濟運行模型，包括經(jīng)濟最優(yōu)目標函數(shù)及約束條件，容量作為其中的一個決策變量，采用智能算法等進行尋優(yōu)求解，常用的優(yōu)化目標為全壽命周期成本最低或者凈效益最高等。儲能參與調(diào)頻的容量配置與經(jīng)濟性評估示意圖如圖5所示。

圖5 儲能參與調(diào)頻的容量配置與經(jīng)濟性評估示意圖Fig. 5 Schematic of capacity allocation and economic evaluation of energy storage system in frequency regulation

圖5 中，首先從實際區(qū)域電網(wǎng)調(diào)頻歷史數(shù)據(jù)出發(fā)，統(tǒng)計出相應(yīng)的頻率偏差和區(qū)域控制誤差信號值；然后在已知的頻率偏差允許值等電網(wǎng)調(diào)頻要求的基礎(chǔ)上，描述儲能的調(diào)頻特性，確定儲能的調(diào)頻原則，即建立起儲能的一次調(diào)頻動作深度與頻率偏差，二次調(diào)頻動作深度與區(qū)域控制誤差之間的關(guān)聯(lián)關(guān)系，進而配置出相應(yīng)的儲能容量，基于此容量配置結(jié)果分析儲能在輔助調(diào)頻領(lǐng)域的經(jīng)濟價值，同時又反過來進一步指導(dǎo)與修正儲能的容量配置方法，得出性能/成本最優(yōu)的儲能容量配置值。

對一次調(diào)頻的容量配置，基于實測頻率信號，文獻[32]通過分析分散在11個星期的頻率信號的特征，設(shè)計電池儲能的功率與容量，并用調(diào)頻死區(qū)和SOC控制回路來保證其SOC保持在一個合理的區(qū)間內(nèi)，以減輕循環(huán)運行對電池儲能壽命的影響。文獻[33]探討如何最小化所配儲能容量，采用在儲能動作深度上實時疊加額外充放電功率的策略，克服儲能控制信號在運行周期內(nèi)偏離零均值的影響，但該方法會導(dǎo)致儲能運行成本增加。依托區(qū)域電網(wǎng)調(diào)頻動態(tài)模型，文獻[34]將風電等效為負荷，研究儲能對頻率偏差和聯(lián)絡(luò)線功率偏差的影響，并利用頻率偏差的均方根值和絕對最大值兩項指標來配置儲能容量。

對二次調(diào)頻的容量配置，基于從調(diào)度中心獲得的實際調(diào)頻信號，文獻[35]利用定時間常數(shù)濾波法將該信號劃分為高頻和低頻部分，用儲能承擔高頻分量，據(jù)此分析對儲能的調(diào)頻容量需求和爬坡容量需求。依托區(qū)域電網(wǎng)調(diào)頻動態(tài)模型，文獻[36]儲能實時補償傳統(tǒng)調(diào)頻機組因爬坡限制而未能實現(xiàn)的部分功率，并提出保證電池儲能的SOC在一個合理區(qū)間內(nèi)的控制策略，研究可知，當風電和儲能安裝在同一區(qū)域時達到的調(diào)頻效果最優(yōu)，且所配儲能容量最小。

前述文獻[26]依據(jù)簡易的成本效益模型，以含水電廠、火電廠及風電的獨立電網(wǎng)(總發(fā)電容量為450 MW，風電滲透率20%)為背景，以電池儲能產(chǎn)生的年效益最大為目標，建立經(jīng)濟評估模型，并提出一種容量和運行方式優(yōu)化方案，用凈現(xiàn)值法評估壽命周期(20年)內(nèi)儲能配置方案的經(jīng)濟性。文獻[37]針對風儲聯(lián)合參與一次調(diào)頻應(yīng)用，提出一種基于經(jīng)濟性最優(yōu)的儲能容量配置方法，以參與調(diào)頻時儲能所需的功率和容量最小為目標，運用線性規(guī)劃原理形成相應(yīng)的成本效益模型，并基于英國電網(wǎng)某50 MW風電場分析可知配置5.3 MW/3 MWh的VRB就能滿足電網(wǎng)調(diào)頻需求且最大化風電運營商的效益，此時儲能的功率約為風電場額定功率的10%，持續(xù)時間約為30 min。

常用的儲能參與電網(wǎng)調(diào)頻的經(jīng)濟評估模型如式(1)所示，其中考慮了全壽命周期內(nèi)儲能參與電網(wǎng)調(diào)頻的成本與效益，并通過凈現(xiàn)值法將其折算到項目投資的初始時刻(第零年)。

式中：PNET為凈效益現(xiàn)值，一般以其值最大為儲能參與電網(wǎng)調(diào)頻容量配置的經(jīng)濟性優(yōu)化目標；NRES為效益現(xiàn)值；CLCC為成本現(xiàn)值；PCAPACITY為日備用功率效益；PENERGY為日調(diào)頻電量效益；N為一年的調(diào)頻時長，通常以300天計；TLCC為全壽命周期；r為折現(xiàn)率；Cinv、CO&M和Cscr分別為儲能的年投資成本、運維成本和報廢處理成本。

儲能的容量配置當前多基于經(jīng)驗分析，適應(yīng)性和可行性不強，較多關(guān)注單一類型儲能的容量配置，且一般將風電等效為負荷，故所配容量缺乏足夠的說服力；參與二次調(diào)頻的儲能容量配置鮮有文獻提及，更無涉及混合儲能參與調(diào)頻方面的研究；經(jīng)濟性評估無公認的目標函數(shù)和求解算法，計算過程較復(fù)雜。應(yīng)當指出，在保證頻率控制滿足要求的前提下，最小化調(diào)頻成本至關(guān)重要，而儲能容量是決定其成本的核心因素，因此，在儲能參與多任務(wù)的前提下，如何處理好調(diào)頻要求與儲能技術(shù)性和經(jīng)濟性間的關(guān)系至關(guān)重要。

3.3 儲能與傳統(tǒng)調(diào)頻電源的聯(lián)合運行

一般從傳統(tǒng)調(diào)頻控制、儲能與傳統(tǒng)調(diào)頻電源的協(xié)調(diào)控制角度展開研究。

傳統(tǒng)調(diào)頻控制研究集中于整定PI控制器參數(shù)和利用高級控制方法替代PI，前者采用遺傳算法、人工神經(jīng)網(wǎng)絡(luò)和神經(jīng)模糊推理等智能算法動態(tài)整定，仿真比較各個自適應(yīng)控制器在不同負荷水平和電網(wǎng)參數(shù)條件下的性能，后者利用模型預(yù)測控制或自適應(yīng)模糊控制等高級控制方法，對電網(wǎng)的參數(shù)不確定性、延時及控制過程中的非線性環(huán)節(jié)進行優(yōu)化設(shè)計，取得比PI控制器更佳的控制效果[38]。

通過新型控制方法協(xié)調(diào)儲能與傳統(tǒng)調(diào)頻電源，不僅能充分利用各自的技術(shù)優(yōu)勢，還能有效減少電網(wǎng)頻率及聯(lián)絡(luò)線功率的波動， 且控制效果優(yōu)于PI控制器。文獻[39]面向微網(wǎng)提出基于魯棒控制的儲能調(diào)頻控制策略，運用μ-綜合相關(guān)理論，計及電網(wǎng)參數(shù)不確定性、測量噪聲等對控制效果的影響，對控制偏差與控制輸入信號采取不同加權(quán)函數(shù)，使儲能和傳統(tǒng)調(diào)頻電源分別承擔高頻和低頻信號，并保持儲能SOC維持在50%附近，仿真結(jié)果表明所設(shè)計控制器有效，能較好地應(yīng)對電網(wǎng)參數(shù)變化及噪聲影響。文獻[40]提出一種基于模糊控制的電池儲能輔助AGC調(diào)頻策略，該控制器的輸入量為ACE及其變化率，輸出量為電池儲能的動作深度，采用此策略能使儲能快速響應(yīng)ACE變化，并在火電機組逐漸增加出力時減少儲能出力，直至電網(wǎng)達到新的平衡態(tài)時儲能退出運行，仿真表明此策略有效，且能減少儲能所需配置的容量。文獻[41]提出一種利用二次規(guī)劃法分配調(diào)頻信號的策略，該策略控制飛輪儲能跟蹤快速變化的調(diào)頻信號，并在其接近于滿充或滿放時，由傳統(tǒng)調(diào)頻電源彌補其不足，可延長前者的使用壽命并提高后者的運行效率。此外，有學(xué)者研究儲能、傳統(tǒng)調(diào)頻電源與風力機聯(lián)合調(diào)頻，文獻[42]提出基于SOC反饋的風-儲聯(lián)合調(diào)頻控制策略，該策略需要實時監(jiān)測電網(wǎng)頻率偏差和儲能SOC狀態(tài)，由電池儲能優(yōu)先響應(yīng)電網(wǎng)頻率變化，當其SOC值位于不同區(qū)間時，通過協(xié)調(diào)風力機與火電機組參與調(diào)頻，使儲能SOC維持在50%附近，為下一時刻調(diào)頻任務(wù)做好準備。

可見，國內(nèi)外對儲能與傳統(tǒng)調(diào)頻電源聯(lián)合運行的研究尚屬起步階段。如何在模型中更合理地體現(xiàn)儲能的技術(shù)優(yōu)勢及如何協(xié)調(diào)好混合儲能的運行亟需深入研究，同時可結(jié)合控制理論對(多)區(qū)域電網(wǎng)調(diào)頻動態(tài)模型進行分析，運用新型智能控制方法解決儲能參與調(diào)頻問題，因為儲能與傳統(tǒng)調(diào)頻電源的聯(lián)合運行是儲能工程化應(yīng)用的基礎(chǔ)。

應(yīng)當指出，從電網(wǎng)運行需求全局角度，如何結(jié)合和兼顧儲能、風電以及傳統(tǒng)調(diào)頻電源的技術(shù)經(jīng)濟特性，形成多時間尺度的協(xié)調(diào)控制策略是電網(wǎng)面臨的一個重要問題。此外，儲能應(yīng)用于電網(wǎng)一、二次調(diào)頻的協(xié)聯(lián)控制技術(shù)也尚待研究。

4 關(guān)鍵科學(xué)問題

綜上可知，在大規(guī)模儲能用于電網(wǎng)調(diào)頻方面，國外已開展了不少基礎(chǔ)理論工作，而國內(nèi)理論分析開展較少，應(yīng)用示范也屬起步階段，且國內(nèi)網(wǎng)架和能源結(jié)構(gòu)與國外相差甚遠，故亟需探索符合我國電網(wǎng)特點的儲能調(diào)頻技術(shù)，加大基礎(chǔ)理論研究及工程示范力度，以利用儲能更好地服務(wù)新一代“堅強”“智能”電網(wǎng)。圍繞前述問題，凝練出關(guān)鍵科學(xué)問題如下：

(1) 儲能參與電網(wǎng)調(diào)頻的必要性和可行性問題。需從受風電和光伏發(fā)電出力波動性和不確定性影響的電網(wǎng)綜合負荷特性和與之對應(yīng)的電網(wǎng)頻率波動特性(尤其是頻率波動的頻譜特性)出發(fā)，結(jié)合儲能的技術(shù)與經(jīng)濟特性，研究儲能參與電網(wǎng)調(diào)頻的應(yīng)用場景，提出相應(yīng)的場景劃分方法與指標，進而構(gòu)建考慮技術(shù)與經(jīng)濟因素的儲能參與電網(wǎng)調(diào)頻的必要性和可行性綜合評估方法和評估指標體系。

(2) 儲能參與調(diào)頻的協(xié)調(diào)控制問題?？茖W(xué)問題(1)解決電網(wǎng)調(diào)頻要不要儲能參與的問題，科學(xué)問題(2)則解決怎樣參與的問題。其核心點在四個方面：一是參與的時機，二是調(diào)整(充放電)的深度，三是參與電網(wǎng)調(diào)頻的儲能的類型和容量如何配置，四是(混合)儲能和傳統(tǒng)調(diào)頻電源間如何協(xié)調(diào)。

(3) 儲能參與電網(wǎng)調(diào)頻時的仿真模型和仿真方法問題。盡管儲能的模型已多有研究，但對調(diào)頻應(yīng)用而言，構(gòu)建合理的仿真模型仍為首要解決的基礎(chǔ)性和關(guān)鍵性問題。

5 結(jié)論

在推動儲能調(diào)頻的工程應(yīng)用研究中，除需顯著提高儲能自身的集成技術(shù)和大幅降低成本之外，還需考慮以下幾點：

(1) 從高比例風電接入下的電網(wǎng)頻率特性以及傳統(tǒng)調(diào)頻電源的固有缺陷角度出發(fā)，依據(jù)電網(wǎng)調(diào)頻能力以及準穩(wěn)態(tài)運行要求等不同電網(wǎng)約束，提出電網(wǎng)對風電功率波動的合理要求范圍，基于此提煉有價值的調(diào)頻應(yīng)用場景以體現(xiàn)儲能的不可替代性。

(2) 提出能夠反映儲能用于電網(wǎng)調(diào)頻應(yīng)用技術(shù)條件的主導(dǎo)特征參數(shù)，建立儲能規(guī)?；瘧?yīng)用的廣義經(jīng)濟效益/成本計算模型，形成儲能的綜合技術(shù)與經(jīng)濟條件評估模型，并研究指標權(quán)重賦值方法；構(gòu)建儲能調(diào)頻的考核指標，提出相應(yīng)的輔助服務(wù)定價機制，平衡儲能投資方、其他發(fā)電方與電網(wǎng)公司的多方收益。

(3) 從儲能改善電網(wǎng)頻率特性的機理入手，研究計及廣域風電場間出力耦合條件的區(qū)域電網(wǎng)儲能配置與布點原則，確定合適的綜合效益最優(yōu)目標及電網(wǎng)調(diào)頻要求并提出所需最小儲能容量的計算方法和模型；通過數(shù)學(xué)規(guī)劃原理提出考慮儲能動作時機和深度的控制策略；研究(混合)儲能-傳統(tǒng)調(diào)頻電源-間歇式電源三者的的協(xié)調(diào)優(yōu)化控制策略與方法。

未來可開發(fā)儲能參與電網(wǎng)調(diào)頻的分析與控制軟件，為該應(yīng)用提供輔助決策分析和仿真工具。

[1] KUNDUR P. 電力系統(tǒng)穩(wěn)定與控制[M]. 北京: 中國電力出版社, 2002: 389-410.

[2] 馮江霞, 梁軍, 馮益坤. 基于風電功率min級分量波動特性的風電場儲能容量優(yōu)化計算[J]. 電力系統(tǒng)保護與控制, 2015, 43(3): 1-6. FENG Jiangxia, LIANG Jun, FENG Yikun. Optimization calculation of wind farm storage capacity based on minute-scale wind power characteristic[J]. Power System Protection and Control, 2015, 43(3): 1-6.

[3] 江潤洲, 邱曉燕, 陳光堂. 風電場混合儲能系統(tǒng)優(yōu)化配置方法[J]. 電力系統(tǒng)及其自動化學(xué)報, 2015, 27(1): 37-42, 48. JIANG Runzhou, QIU Xiaoyan, CHEN Guangtang. Optimal configuration method of hybrid energy storage system for wind farm[J]. Proceedings of the CSU-EPSA, 2015, 27(1): 37-42, 48.

[4] 陳大宇, 張粒子, 王澍, 等. 儲能在美國調(diào)頻市場中的發(fā)展及啟示[J]. 電力系統(tǒng)自動化, 2013, 37(1): 9-13. CHEN Dayu, ZHANG Lizi, WANG Shu, et al. Development of energy storage in frequency regulation market of United States and its enlightenment[J]. Automation of Electric Power Systems, 2013, 37(1): 9-13.

[5] 張川, 楊雷, 牛童陽, 等. 平抑風電出力波動儲能技術(shù)比較及分析[J]. 電力系統(tǒng)保護與控制, 2015, 43(7): 149-154. ZHANG Chuan, YANG Lei, NIU Tongyang, et al. Comparison and analysis of energy storage technology to balance fluctuation of wind power output[J]. Power System Protection and Control, 2015, 43(7): 149-154.

[6] MIAO Fufeng, TANG Xisheng, QI Zhiping. Fluctuation feature extraction of wind power[C] // IEEE Innovative Smart Grid Technologies-Asia, Tianjin, May 21-24, 2012: 1-5.

[7] BANAKAR H, LUO Changling, OOI B T. Impacts of wind power minute-to-minute variations on power system operation[J]. IEEE Transactions on Power Systems, 2007, 23(1): 150-160.

[8] 崔楊, 劉嘉, 嚴干貴, 等. 聯(lián)網(wǎng)風電功率波動對電力系統(tǒng)頻率影響評估[J]. 太陽能學(xué)報, 2014, 35(4): 617-623. CUI Yang, LIU Jia, YAN Gangui, et al. Effect of on-grid wind power fluctuation on frequency stability of electric power system[J]. Acta Enegiae Solaris Sinica, 2014, 35(4): 617-623.

[9] 丁立, 喬穎, 魯宗相, 等. 高比例風電對電力系統(tǒng)調(diào)頻指標影響的定量分析[J]. 電力系統(tǒng)自動化, 2014, 38(14): 1-8. DING Li, QIAO Ying, LU Zongxiang, et al. Impact on frequency regulation of power system from wind powerwith high penetration[J]. Automation of Electric Power Systems, 2014, 38(14): 1-8.

[10] LIN J, DAMATO G, HAND P. Energy storage-a cheaper, faster and cleaner alternative to conventional frequency regulation[R]. Strategen, CESA, 2011: 1-15.

[11] SASAKI T, KADOYA T, ENOMOTO K. Study on load frequency control using redox flow batteries[J]. IEEE Transactions on Power Systems, 2002, 19(1): 660-667.

[12] CHENG Yunzhi, TABRIZI M, SAHNI M, et al. Dynamic available AGC based approach for enhancing utility scale energy storage performance[J]. IEEE Transactions on Smart Grid, 2014, 5(2): 1070-1078.

[13] OUDALOV A, CHARTOUNI D, OHLER C, et al. Value analysis of battery energy storage applications in power systems[C] // IEEE Power Systems Conference and Exposition, Atlanta, October 29-November 1, 2006: 2206-2211.

[14] SWIERCZYNSKI M, STROE D I, STAN A I, et al. Selection and performance-degradation modeling of LiMO2/Li4Ti5O12 and LiFePO4/C battery cells as suitable energy storage systems for grid integration with wind power plants: an example for the primary frequency service[J]. IEEE Transactions on Sustainable Energy, 2014, 5(1): 90-100.

[15] SWIERCZYNSKI M, STROE I, STAN A I, et al. Lifetime and economic analyses of lithium-ion batteries for balancing wind power forecast error[J]. International Journal of Energy Research, 2015, 39: 760-770.

[16] TEWARI S, MOHAN N. Value of NAS energy storage toward integrating wind: results from the wind to battery project[J]. IEEE Transactions on Power Systems, 2013, 28(1): 532-541.

[17] FARES R L, MEYERS J P, WEBBER M E. A dynamic model-based estimate of the value of a vanadium redox flow battery for frequency regulation in Texas[J]. Applied Energy, 2014, 113: 189-198.

[18] 楊舒婷, 曹哲, 時珊珊, 等. 考慮不同利益主體的儲能電站經(jīng)濟效益分析[J]. 電網(wǎng)與清潔能源, 2015, 31(5): 89-93, 101. YANG Shuting, CAO Zhe, SHI Shanshan, et al. Analysis on economic benefits of storage power station considering different interest-subjects[J]. Power System and Clean Energy, 2015, 31(5): 89-93, 101.

[19] 曹生允, 宋春寧, 林小峰, 等. 用于電池儲能系統(tǒng)并網(wǎng)的PCS控制策略研究[J]. 電力系統(tǒng)保護與控制, 2014, 42(24): 93-98. CAO Shengyun, SONG Chunning, LIN Xiaofeng, et al. Study of PCS’s control strategy for battery energy storage grid-connected system[J]. Power System Protection and Control, 2014, 42(24): 93-98.

[20] 常豐祺, 鄭澤東, 李永東. 一種新型混合儲能拓撲及其功率分流算法[J]. 電工技術(shù)學(xué)報, 2015, 30(12): 128-135. CHANG Fengqi, ZHENG Zedong, LI Yongdong. A novel hybrid energy storage topology and its power sharing algorithm[J]. Transactions of China Electrotechnical Society, 2015, 30(12): 128-135.

[21] KIM T, QIAO Wei. A hybrid battery model capable of capturing dynamic circuit characteristics and nonlinear capacity effects[J]. IEEE Transactions on Energy Conversion, 2011, 26(4): 1172-1180.

[22] MU Yunfei, WU Jianzhong, EKANAYAKE J, et al. Primary frequency response from electric vehicles in the great Britain power system[J]. IEEE Transactions on Smart Grid, 2013, 4(2): 1142-1150.

[23] 李妍, 荊盼盼, 王麗, 等. 通用儲能電源數(shù)學(xué)模型及其PSASP建模研究[J]. 電網(wǎng)技術(shù), 2012, 36(1): 51-57. LI Yan, JING Panpan, WANG Li, et al. A mathematical model of versatile energy storage system and its modeling by power system analysis software package[J]. Power System Technology, 2012, 36(1): 51-57.

[24] 黃媛, 劉俊勇, 陳井銳, 等. 計及電動汽車入網(wǎng)的負荷頻率控制[J]. 電力系統(tǒng)自動化, 2012, 36(9): 24-28. HUANG Yuan, LIU Junyong, CHEN Jingrui, et al. Load frequency control considering vehicle to grid[J]. Automation of Electric Power Systems, 2012, 36(9): 24-28.

[25] 黃際元, 李欣然, 曹一家, 等. 考慮儲能參與快速調(diào)頻動作時機與深度的容量配置方法[J]. 電工技術(shù)學(xué)報, 2015, 30(12): 454-464. HUANG Jiyuan, LI Xinran, CAO Yijia, et al. Capacity allocation of energy storage system considering its action moment and output depth in rapid frequency regulation [J]. Transactions of China Electrotechnical Society, 2015, 30(12): 454-464.

[26] MERCIER P, CHERKAOUI R, OUDALOV A. Optimizing a battery energy storage system for frequency control application in an isolated power system[J]. IEEE Transactions on Power Systems, 2009, 24(3): 1469-147.

[27] DELILLE G, FRANCOIS B, MALARANGE G. Dynamic frequency control support by energy storage to reduce the impact of wind and solar generation on isolated power system’s inertia[J]. IEEE Transactions on Sustainable Energy, 2012, 3(4): 931-939.

[28] LIU Hui, HU Zechun, SONG Yonghua, et al. Decentralized vehicle-to-grid control for primary frequency regulation considering charging demands[J]. IEEE Transactions onPower Systems, 2013, 28(3): 3480-3489.

[29] MAKAROV Y V, DU Pengwei, KINTNER-MEYER M C W, et al. Sizing energy storage to accommodate high penetration of variable energy resources[J]. IEEE Transactions on Sustainable Energy, 2012, 3(1): 34-40.

[30] 胡澤春, 謝旭, 張放, 等. 含儲能資源參與的自動發(fā)電控制策略研究[J]. 中國電機工程學(xué)報, 2014, 34(29): 5080-5087. HU Zechun, XIE Xu, ZHANG Fang, et al. Research on automatic generation control strategy incorporating energy storage resources[J]. Proceedings of the CSEE, 2014, 34(29): 5080-5087.

[31] ZHONG Jin, HE Lina, LI Canbing, et al. Coordinated control for large-scale EV charging facilities and energy storage devices participating in frequency regulation[J]. Applied Energy, 2014, 123: 253-262.

[32] HOLMBERG M T, LAHTINEN M, MCDOWALL J, et al. SVC light with energy storage for frequency regulation[C] // IEEE Innovative Technologies for an Efficient and Reliable Electricity Supply, Waltham, September 27-29, 2010: 317-324.

[33] BORSCHE T, ULBIG A, KOLLER M, et al. Power and energy capacity requirements of storages providing frequency control reserves[C] // IEEE Power and Energy Society General Meeting, Vancouver, July 21-25, 2013: 1-5.

[34] OTA Y, TANIGUCHI H, NAKAJIMA T, et al. Effect of autonomous distributed vehicle-to-grid (V2G) on power system frequency control[C] // IEEE 5th International Conference on Industrial and Information System, India, July 29-August 1, 2010: 481-485.

[35] LEITERMANN O. Energy storage for frequency regulation on electric grid[D]. Massachusetts: Massachusetts Institute of Technology, 2012.

[36] LIANG Liang, ZHONG Jin, JIAO Zaibin. Frequency regulation for a power system with wind power and battery energy storage[C] // IEEE International Conference on Power System Technology, Auckland, October 30-November 2, 2012: 1-6.

[37] JOHNSTON L, DIAZ-GONZALEZ F, GOMISBELLMUNT O, et al. Methodology for the economic optimization of energy storage systems for frequency support in wind power plants[J]. Applied Energy, 2015, 137: 660-669.

[38] YOUSEF H A, AL-KHARUSI K, ALBADI M H, et al. Load frequency control of a multi-Area power system: an adaptive fuzzy logic approach[J]. IEEE Transactions on Power Systems, 2014, 29(4): 1822-1830.

[39] HAN Yi, YOUNG P M, JAIN A, et al. Robust control for microgrid frequency deviation reduction with attached storage system[J]. IEEE Transactions on Smart Grid, 2015, 6(2): 557-565.

[40] 丁冬, 劉宗歧, 楊水麗, 等. 基于模糊控制的電池儲能系統(tǒng)輔助AGC調(diào)頻方法[J]. 電力系統(tǒng)保護與控制, 2015, 43(8): 81-87. DING Dong, LIU Zongqi, YANG Shuili, et al. Battery energy storage aid automatic generation control for load frequency control based on fuzzy control[J]. Power System Protection and Control, 2015, 43(8): 81-87.

[41] JIN Chunlian, LU Ning, LU Shuai, et al. A coordinating algorithm for dispatching regulation services between slow and fast power regulating resources[J]. IEEE Transactions on Smart Grid, 2014, 5(2): 1043-1050.

[42] DANG Jie, SEUSS J, SUNEJA L, et al. SOC feedback control for wind and ESS hybrid power system frequency regulation[J]. IEEE Journal of Emerging and Selected Topics in Power Electronics, 2014, 2(1): 79-86.

(編輯 魏小麗)

Review on large-scale involvement of energy storage in power grid fast frequency regulation

LI Xinran1, HUANG Jiyuan2, CHEN Yuanyang3, LIU Weijian1
(1. College of Electrical and Information Engineering, Hunan University, Changsha 410082, China; 2. State Grid Hunan Electric Power Corporation Changsha Power Supply Company, Changsha 410015, China; 3. State Grid Hunan Electric Power Corporation, Changsha 410007, China;)

To solve the capacity shortage problem in power grid frequency regulation caused by large-scale integration of wind power, energy storage system (ESS), with its fast response feature, can be introduced as a supplementary means to frequency regulation to achieve better effects. The technical state of energy storage’s involvement in power grid fast frequency regulation is reviewed, including its necessity and feasibility, simulation models of regional grids and ESS, coordination control methods (ESS’s control strategy, capacity configuration and economic evaluation, and joint operation of ESS and conventional generators), and its shortcomings are analyzed. The scientific issues in this field are refined, and important issues to be focused in this area are set forth, i.e., application scenarios analysis, pricing mechanism design and optimal capacity allocation of ESS in frequency regulation.

This work is supported by National Basic Research Program of China (973 Program) (No. 2012CB215106) and National Natural Science Foundation of China (No. 51477043).

energy storage; frequency regulation; technical-economy; simulation model; coordination control

10.7667/PSPC150958

2015-06-08；

2015-12-10

李欣然(1957-)，男，博士，教授，研究方向為電力系統(tǒng)分析控制、負荷建模；E-mail: lixinran1013@qq.com

黃際元(1988-)，男，通信作者，博士，研究方向為儲能建模及其在電力系統(tǒng)中的應(yīng)用；E-mail: hjycm@hnu.edu.cn

陳遠揚(1987-)，男，碩士，研究方向為電力系統(tǒng)運行控制與調(diào)度。E-mail: 283133469@qq.com

國家重點基礎(chǔ)研究發(fā)展(973)計劃(2012CB215106);國家自然科學(xué)基金項目(51477043)