李 政 劉宏偉 康 健 王 煒

混合儲能參與自動發(fā)電控制容量優(yōu)化配置

李 政1劉宏偉1康 健2王 煒3

（1. 華北電力大學(xué)電氣與電子工程學(xué)院，北京 102200； 2. 華北理工大學(xué)電氣工程學(xué)院，河北 唐山 063000；3. 國網(wǎng)陜西省電力公司經(jīng)濟(jì)技術(shù)研究院，西安 710065）

儲能裝置參與調(diào)頻具有成本高和壽命短的特點，需要進(jìn)行容量優(yōu)化配置來降低成本才能提高其實用性。以年綜合成本最小為目標(biāo)，根據(jù)白噪聲隨機擾動與風(fēng)電擾動數(shù)據(jù)組成的區(qū)域控制偏差，對超級電容器和蓄電池共同構(gòu)成的混合儲能系統(tǒng)進(jìn)行容量優(yōu)化配置，并通過仿真驗證所提容量配置策略的優(yōu)越性。配置過程中對區(qū)域控制偏差進(jìn)行分配時，采用超級電容器優(yōu)先充放電的功率分配方法，與常規(guī)的頻域分解方法相比，能夠顯著降低蓄電池的充放電損耗，并提高儲能系統(tǒng)參與調(diào)頻的整體經(jīng)濟(jì)性。

自動發(fā)電控制（AGC）；混合儲能系統(tǒng)；容量配置；線性規(guī)劃

0 引言

隨著可再生能源在電力系統(tǒng)中的滲透率不斷提高，區(qū)域控制偏差（area control error, ACE）的高頻成分隨之增加，傳統(tǒng)的火電調(diào)頻機組由于響應(yīng)速度和爬坡速率有限，難以滿足調(diào)頻需求[1]。儲能電池具有充放電靈活、響應(yīng)快、控制精度高等優(yōu)勢，將其加入到自動發(fā)電控制（automatic generation control, AGC）系統(tǒng)中可以改善調(diào)頻效果[2-3]。2017年，山西同達(dá)熱電公司智慧儲能調(diào)頻系統(tǒng)通過與火電機組聯(lián)合進(jìn)行二次調(diào)頻，在半年的試運行期間，產(chǎn)生了1 000多萬元的經(jīng)濟(jì)效益，回收成本32%左右。然而，儲能裝置的高成本仍然是限制其大規(guī)模應(yīng)用的主要因素之一。因此，如何合理地配置儲能的容量來進(jìn)一步提高其調(diào)頻性能和經(jīng)濟(jì)性，成為目前研究的熱點[4]。

目前針對儲能技術(shù)輔助參與電網(wǎng)調(diào)頻的容量配置研究，主要集中于配合風(fēng)電場參與一次調(diào)頻[5-6]，儲能參與AGC的研究尚處于探索階段[7-11]。文獻(xiàn)[10]通過設(shè)計充放電策略，以調(diào)頻收益為目標(biāo)對混合儲能系統(tǒng)容量進(jìn)行優(yōu)化，但其未計及蓄電池不同放電深度的損耗和運行維護(hù)成本，且使用的是兩種蓄電池構(gòu)成混合儲能系統(tǒng)，未考慮功率密度較大的儲能形式。文獻(xiàn)[11]構(gòu)建了儲能系統(tǒng)輔助單臺火電機組的雙層優(yōu)化模型，綜合考慮了調(diào)頻收益和儲能全周期運行成本。目前針對AGC中功率型和能量型混合儲能系統(tǒng)容量配置的研究較少。與一次調(diào)頻相比，AGC的頻率調(diào)節(jié)周期較長，超級電容器等功率型儲能在快速調(diào)節(jié)方面的優(yōu)勢較小，但其全壽命周期充放電循環(huán)次數(shù)遠(yuǎn)大于蓄電池，將其與蓄電池組合構(gòu)成混合儲能系統(tǒng)，可以有效地承擔(dān)頻繁、小幅的頻率波動，減少蓄電池充放電切換造成的壽命損失。

在計算出負(fù)荷波動導(dǎo)致的ACE后，需要將其在不同的調(diào)頻資源之間進(jìn)行分配，以滿足系統(tǒng)的功率平衡并降低頻率波動。目前對混合儲能裝置內(nèi)部的功率分配，主要對目標(biāo)功率進(jìn)行頻域上的分解[12-15]。由于AGC的控制周期比一次調(diào)頻長得多，不同類型儲能之間的調(diào)頻性能差距可以忽略不計，因此一次調(diào)頻中混合儲能系統(tǒng)的功率分配方式將不再適用。

基于以上分析，本文提出一種輔助AGC調(diào)頻的混合儲能系統(tǒng)功率分配和容量配置方法。采用白噪聲生成的隨機擾動信號和風(fēng)電擾動相加生成ACE輸入，根據(jù)ACE值所處的區(qū)間，制定由超級電容器優(yōu)先充放電、蓄電池作補充的功率分配方式。之后提出綜合考慮儲能年平均成本和調(diào)頻收益的混合儲能容量配置模型，采用大M法將該非線性模型轉(zhuǎn)化為混合整數(shù)線性規(guī)劃（mixed interger linear programming, MILP）模型，并調(diào)用Matlab的Gurobi求解器進(jìn)行求解。通過仿真對比驗證該容量配置方法的優(yōu)越性和經(jīng)濟(jì)性。

1 含混合儲能系統(tǒng)的AGC能量控制策略

儲能裝置可以分為功率型儲能裝置（如超級電容器等）和能量型儲能裝置（如蓄電池等），將兩者組合起來使用即構(gòu)成混合儲能系統(tǒng)。當(dāng)不平衡功率需要在混合儲能系統(tǒng)內(nèi)部進(jìn)行分配時，一般采用濾波分解的方式，劃分為高頻部分和低頻部分，分別由超級電容器和蓄電池承擔(dān)。但這種分配方式也存在弊端：①當(dāng)儲能裝置發(fā)生過充和過放時，可能無法承擔(dān)其所分配的不平衡功率；②由于ACE呈以零點為中心的正態(tài)分布，低頻的功率波動也會導(dǎo)致蓄電池頻繁進(jìn)行充放電切換，增加了蓄電池的壽命損耗。同時，二次調(diào)頻的控制周期為1min以上，不同類型儲能裝置的響應(yīng)時間都在5s以內(nèi)，響應(yīng)特性的差異可以忽略不計[16]。因此，本文提出一種由超級電容器優(yōu)先充放電，當(dāng)其達(dá)到充放電功率上限時，再由蓄電池進(jìn)行補充的ACE分配方式。該分配方式主要由以下幾種工作模式構(gòu)成。

1.1 超級電容器單獨工作

當(dāng)ACE與常規(guī)機組出力之差小于超級電容器的功率容量時，令超級電容器單獨工作，響應(yīng)功率如下。

當(dāng)CM≥ACE-G≥0時，有

當(dāng)0≥ACE-G≥-CM時，有

式中：CM、CO和CI分別為超級電容器功率容量、輸出功率和吸收功率；ACE為系統(tǒng)功率缺額；G為常規(guī)調(diào)頻機組輸出功率。

1.2 混合儲能系統(tǒng)同時工作

當(dāng)ACE值與常規(guī)調(diào)頻機組之差大于超級電容器功率容量但小于混合儲能系統(tǒng)功率容量時，令超級電容器和蓄電池同時參與調(diào)頻任務(wù)，響應(yīng)功率如下。

當(dāng)ACE-G＞CM時，有

當(dāng)ACE-G＜-CM時，有

式中，BO和BI分別為蓄電池輸出功率和吸收功率。

1.3 各調(diào)頻資源同時工作

當(dāng)ACE值與常規(guī)調(diào)頻機組的差值大于混合儲能系統(tǒng)總的功率容量時，響應(yīng)功率如下。

當(dāng)ACE＞CM+BM時，有

當(dāng)ACE＜-(CM+BM)時，有

式中，BM為蓄電池功率容量。該功率分配方式針對蓄電池循環(huán)壽命短、能量密度大的特點，充分利用超級電容器循環(huán)壽命長、功率密度大的優(yōu)勢，同時考慮了常規(guī)機組在調(diào)頻中的作用。

圖1為控制策略的流程，在AGC的每個控制區(qū)間內(nèi)，系統(tǒng)按控制策略根據(jù)ACE和常規(guī)機組輸出功率確定混合儲能系統(tǒng)的工作模式。之后將目標(biāo)功率發(fā)送至各調(diào)頻資源以改變其輸出功率，完成對頻率的調(diào)節(jié)，并繼續(xù)進(jìn)行下一區(qū)間的控制。

圖1 控制策略流程

2 混合儲能容量優(yōu)化模型

2.1 目標(biāo)函數(shù)

AGC系統(tǒng)中混合儲能系統(tǒng)容量優(yōu)化配置的目標(biāo)是經(jīng)濟(jì)性最優(yōu)?；旌蟽δ芟到y(tǒng)參與調(diào)頻的經(jīng)濟(jì)性體現(xiàn)在儲能系統(tǒng)的年綜合成本和年均調(diào)頻收益。因此其目標(biāo)函數(shù)[10]可以表示為

式中：為年綜合成本；B、F分別為混合儲能系統(tǒng)投資運維成本和調(diào)頻收益。

1）混合儲能系統(tǒng)成本

混合儲能系統(tǒng)的年綜合成本[17]為

式中：BT和BY為初始投資成本和運行維護(hù)成本；bp、be、by分別為功率成本系數(shù)、容量成本系數(shù)、運行維護(hù)成本系數(shù)；B、B為額定功率和額定容量；0為貼現(xiàn)率；B為運行年限。

鋰離子電池在實際運行過程中，其使用壽命會受到工作溫度、放電深度和循環(huán)充放電次數(shù)等因素的影響。簡化計算中忽略工作溫度，只考慮放電深度和循環(huán)充放電次數(shù)的影響，由文獻(xiàn)[16]可知，鋰離子電池全壽命周期的循環(huán)次數(shù)l與放電深度（depth of discharge, DOD）之間的關(guān)系為

蓄電池的運行年限B為全壽命周期循環(huán)次數(shù)與年循環(huán)次數(shù)的比值，即

式中，Y為蓄電池的年循環(huán)次數(shù)。通過統(tǒng)計求出全壽命周期內(nèi)等效的放電深度，進(jìn)而求出循環(huán)次數(shù)和運行年限。

超級電容器的循環(huán)使用壽命為50～100萬次，遠(yuǎn)大于蓄電池，因此其運行年限可視為固定值。

2）調(diào)頻收益

儲能系統(tǒng)的調(diào)頻收益[18]為

式中：為調(diào)頻收益；ES為電力電價；B()、C()為時刻蓄電池輸出功率和超級電容器輸出功率。

2.2 約束條件

1）功率平衡約束

各個調(diào)頻資源的功率調(diào)整總和應(yīng)當(dāng)與系統(tǒng)的ACE值相等，以滿足功率平衡，即

式中，ACE()、B()、C()、G()分別為時刻ACE值、蓄電池輸出功率、超級電容器輸出功率和常規(guī)機組輸出功率。

2）混合儲能系統(tǒng)約束

式中：SOC()為儲能裝置荷電狀態(tài)（state of charge, SOC）；ex()為儲能輸出功率；為充放電效率；D為充放電時間。

儲能裝置的輸出功率應(yīng)當(dāng)小于額定功率，即

式中：BO()和BI()分別為蓄電池的輸出功率和吸收功率；CO()和CI()分別為超級電容器的輸出功率和吸收功率；()和()分別為充放電指示變量，來保證儲能設(shè)備的輸出功率和吸收功率同時僅有一個不為0。

儲能裝置的SOC應(yīng)保持在規(guī)定的范圍內(nèi)，即

式中：為儲能裝置額定容量；為調(diào)節(jié)系數(shù)，蓄電池為0.2，超級電容器為0.05。

同時，為了保證儲能系統(tǒng)能夠長時間持續(xù)運行，應(yīng)使考察周期始末的荷電狀態(tài)相等，即

式中，為考察周期內(nèi)的采樣點數(shù)。

3）常規(guī)機組約束

常規(guī)機組參與調(diào)頻時，其出力調(diào)整量應(yīng)當(dāng)在機組的調(diào)頻備用容量范圍內(nèi)，同時機組的爬坡功率上限根據(jù)裝機容量來確定，即

式中：TP為常規(guī)機組的調(diào)頻備用容量；GM為常規(guī)機組的裝機容量。

2.3 非線性約束線性化處理

由于本文控制策略采用非線性的條件判斷語句，而本文采用的Gurobi求解器只能處理線性問題，因此采用大M法對式（3）和式（4）進(jìn)行線性化 處理。

式中：為一個相對較大的常數(shù)；()為二進(jìn)制變量。當(dāng)()=0時，蓄電池出力為0，超級電容器單獨工作；當(dāng)()=1時，超級電容器和蓄電池共同工作。

式（16）～式（19）中同樣存在變量相乘產(chǎn)生的非線性項，同樣采用大M法對其進(jìn)行線性化處理。

式中，()和()為二進(jìn)制變量。通過大M法將式（16）～式（19）替換為式（26）～式（33），從而可以采用線性求解器進(jìn)行優(yōu)化。

3 仿真分析

3.1 算例介紹

為了驗證本文所提模型的有效性和實用性，需要對其進(jìn)行仿真分析。文獻(xiàn)[19]表明，二次調(diào)頻所對應(yīng)的負(fù)荷擾動分量呈以零點為中心的正態(tài)分布，將白噪聲序列周期大于30min的擾動分量經(jīng)濾波器過濾之后得到的信號，與實際測量的負(fù)荷波動數(shù)據(jù)十分相似。因此對前述含混合儲能的AGC模型施加經(jīng)帶通濾波的±40MW帶寬白噪聲負(fù)荷擾動，與陜西地區(qū)某風(fēng)電場的典型日擾動數(shù)據(jù)共同構(gòu)成ACE數(shù)據(jù)。系統(tǒng)ACE曲線如圖2所示，時長為一天，采樣周期為1min。

圖2 系統(tǒng)ACE日曲線

本文基于Matlab仿真平臺進(jìn)行仿真驗證，線性規(guī)劃模型調(diào)用Gurobi求解器進(jìn)行求解。為了驗證本文所提能量控制策略的優(yōu)越性和經(jīng)濟(jì)性，設(shè)置三組對比算例：算例一為混合儲能系統(tǒng)，采用本文所提的能量控制策略；算例二為混合儲能系統(tǒng)，采用一階濾波將ACE分解為高頻、中頻、低頻三部分，分別由超級電容器、蓄電池和常規(guī)機組承擔(dān)，頻率分界點分別為0.05Hz和0.016Hz[20]；算例三為單一蓄電池儲能系統(tǒng)，并采用本文所提的能量控制策略。

設(shè)參與自動發(fā)電控制的為超級電容器與磷酸鐵鋰電池構(gòu)成的混合儲能電站，儲能電站仿真參數(shù)見表1。常規(guī)機組額定功率GM為400MW，調(diào)頻備用容量范圍為±40MW，爬坡功率為12MW/min。

表1 儲能電站仿真參數(shù)

3.2 仿真結(jié)果分析

為了使曲線清晰便于對比，從仿真結(jié)果里選取時長為6h的片段進(jìn)行分析。圖3～圖10分別為不同算例下超級電容器輸出功率曲線、蓄電池輸出功率曲線和機組輸出功率曲線。表2為不同算例容量配置結(jié)果對比。

圖3 算例一超級電容器輸出功率曲線

圖4 算例一蓄電池輸出功率曲線

圖5 算例一常規(guī)機組輸出功率曲線

從圖3～圖5可以看出，算例一中采用超級電容器優(yōu)先充放電的策略，當(dāng)混合儲能參與調(diào)頻時，超級電容器優(yōu)先出力，蓄電池只在超級電容器無法單獨承擔(dān)功率缺額時進(jìn)行補充。從結(jié)果來看，算例一所需配置的超級電容器的功率容量較少，且利用率較高，同時可以避免蓄電池進(jìn)行頻繁的充放電切換。由于蓄電池充放電存在電量損耗，蓄電池只在少數(shù)時間段放電以滿足功率平衡，其余時間均為單向緩慢充電，以滿足周期始末的SOC相等。常規(guī)機組則在爬坡功率約束的范圍內(nèi)輸出功率來參與調(diào)頻。

圖6 算例二超級電容器輸出功率曲線

圖7 算例二蓄電池輸出功率曲線

從圖6～圖8可以看出，算例二中將ACE經(jīng)一階濾波劃分為高頻、中頻和低頻三部分，分別由不同的調(diào)頻資源承擔(dān)。超級電容器輸出的功率波形為ACE中的高頻部分，其波形峰值較大，幅值呈近似正態(tài)分布的特征將導(dǎo)致超級電容器的功率容量提高，而利用率較低。蓄電池輸出的功率波形為ACE中的中頻部分，與算例一中的仿真結(jié)果相比，其峰值較大，充放電切換次數(shù)較多。機組輸出的功率波形為ACE中的低頻部分，變化較緩慢，未能對機組的爬坡功率進(jìn)行充分利用。

圖8 算例二常規(guī)機組輸出功率曲線

圖9和圖10為算例三的仿真結(jié)果，蓄電池的作用主要為對ACE中超出常規(guī)機組爬坡功率限制的部分進(jìn)行補充。從圖4、圖7、圖9中可以看出，三種算例對應(yīng)的蓄電池的充放電切換次數(shù)分別為27次、48次和36次，與其他算例相比，算例一中蓄電池充放電切換次數(shù)最少。究其原因，是在面對小幅度波動時，超級電容器優(yōu)先充放電從而避免了蓄電池進(jìn)行充放電切換，延長了蓄電池的使用壽命。

圖9 算例三蓄電池輸出功率曲線

圖10 算例三常規(guī)機組輸出功率曲線

表2 不同算例容量配置結(jié)果對比

從表2可以看出，采用本文的容量優(yōu)化配置方法，所需的混合儲能系統(tǒng)容量，尤其是超級電容器的容量大大降低了。同時與其他算例相比，本文的容量優(yōu)化配置方法降低了蓄電池的放電深度，相當(dāng)于增加了蓄電池的全壽命周期循環(huán)次數(shù)，延長了蓄電池的使用年限。在計及調(diào)頻收益后，算例一求得的儲能年綜合成本最小，充分證明了本文所提出的容量優(yōu)化配置方法的經(jīng)濟(jì)性。

4 結(jié)論

為了提高混合儲能系統(tǒng)與常規(guī)機組協(xié)調(diào)參與AGC的經(jīng)濟(jì)性，本文提出了一種超級電容器優(yōu)先充放電的ACE分配方法，在此基礎(chǔ)上進(jìn)行混合儲能系統(tǒng)的容量優(yōu)化配置，仿真結(jié)果表明：

1）與將ACE按頻域分解的方法及單一蓄電池儲能系統(tǒng)相比，本文提出的容量優(yōu)化配置策略可以將混合儲能裝置年綜合成本降低75%～80%，經(jīng)濟(jì)性較高。

2）本文提出的ACE分配策略，能夠顯著降低蓄電池的充放電切換次數(shù)，將其使用年限延長70%左右，同時能夠降低超級電容器所需的功率容量，提高超級電容器的利用率。

[1] MA H T, CHOWDHURY B H. Working towards frequency regulation with wind plants: combined con- trol approaches[J]. IET Renewable Power Generation, 2010, 4(4): 308-316.

[2] 孫冰瑩, 楊水麗, 劉宗歧, 等. 國內(nèi)外兆瓦級儲能調(diào)頻示范應(yīng)用現(xiàn)狀分析與啟示[J]. 電力系統(tǒng)自動化, 2017, 41(11): 8-16, 38.

[3] CHAAKRABORTY T, WATSON D, RODGERS M. Automatic generation control using an energy storage system in a wind park[J]. IEEE Transactions on Power Systems, 2018, 33(1): 198-205.

[4] 李欣然, 黃際元, 陳遠(yuǎn)揚, 等. 大規(guī)模儲能電源參與電網(wǎng)調(diào)頻研究綜述[J]. 電力系統(tǒng)保護(hù)與控制, 2016, 44(7): 145-153.

[5] 郭國偉, 劉鵬祥, 徐欣慰, 等. 含可再生能源的配網(wǎng)中儲能容量優(yōu)化配置方法及軟件設(shè)計[J]. 電氣技術(shù), 2020, 21(4): 56-60.

[6] 黃際元, 李欣然, 常敏, 等. 考慮儲能電池參與一次調(diào)頻技術(shù)經(jīng)濟(jì)模型的容量配置方法[J]. 電工技術(shù)學(xué)報, 2017, 32(21): 112-121.

[7] 劉起興, 和識之, 盧偉輝, 等. 電池儲能輔助二次調(diào)頻的模型預(yù)測控制方法[J]. 電測與儀表, 2020, 57(23): 119-125.

[8] 嚴(yán)干貴, 劉瑩, 段雙明, 等. 電池儲能單元群參與電力系統(tǒng)二次調(diào)頻的功率分配策略[J]. 電力系統(tǒng)自動化, 2020, 44(14): 26-34.

[9] 王俊杰, 孫嘉, 徐猛, 等. 電源側(cè)儲能參與電網(wǎng)調(diào)頻的容量配置研究[J]. 電器與能效管理技術(shù), 2020(10): 84-89.

[10] 牛陽, 張峰, 張輝, 等. 提升火電機組AGC性能的混合儲能優(yōu)化控制與容量規(guī)劃[J]. 電力系統(tǒng)自動化, 2016, 40(10): 38-45, 83.

[11] 孫冰瑩, 楊水麗, 劉宗歧, 等. 輔助單臺火電機組AGC的電池儲能系統(tǒng)雙層優(yōu)化配置方法[J]. 電力系統(tǒng)自動化, 2019, 43(8): 69-77, 157.

[12] 鄭熙東, 江修波. 基于小波分解的含備用系統(tǒng)混合儲能系統(tǒng)功率分配[J]. 電氣技術(shù), 2020, 21(7): 30-34.

[13] 陳亞愛, 林演康, 王賽, 等. 基于濾波分配法的混合儲能優(yōu)化控制策略[J]. 電工技術(shù)學(xué)報, 2020, 35(19): 4009-4018.

[14] MESBAHI T, RIZOUG N, BARTHOLOMEUS P, et al. Optimal energy management for a Li-ion battery/ supercapacitor hybrid energy storage system based on particle swarm optimization incorporating nelder-mead simplex approach[J]. IEEE Transactions on Intelligent Vehicles, 2017, 2(2): 99-110.

[15] ABBASSI A, DAMI M A, JEMLI M. A statistical approach for hybrid energy storage system sizing based on capacity distributions in an autonomous PV/wind power generation system[J]. Renewable Energy, 2017, 103(4): 81-93.

[16] 蔣華婷. 儲能系統(tǒng)參與自動發(fā)電控制的控制策略和容量配置[D]. 北京: 華北電力大學(xué), 2019.

[17] 鐘國彬, 白云潔, 曾杰, 等. 計及儲能壽命的微電網(wǎng)混合儲能容量優(yōu)化配置[J]. 廣東電力, 2018, 31(7): 8-15.

[18] 湯杰, 李欣然, 黃際元, 等. 以凈效益最大為目標(biāo)的儲能電池參與二次調(diào)頻的容量配置方法[J]. 電工技術(shù)學(xué)報, 2019, 34(5): 963-972.

[19] 張宇澤. 大規(guī)模風(fēng)電接入對電力系統(tǒng)AGC控制參數(shù)的影響[D]. 北京: 華北電力大學(xué), 2016.

[20] 李想, 張建成, 王寧. 超級電容器-飛輪-蓄電池混合儲能系統(tǒng)容量配置方法研究[J]. 中國電力, 2018, 51(11): 117-124.

Participation of hybrid energy storage in capacity optimization configuration of automatic generation control system

LI Zheng1LIU Hongwei1KANG Jian2WANG Wei3

(1. School of Electrical and Electronic Engineering, North China Electric Power University, Beijing 102200; 2. School of Electrical Engineering, North China University of Science and Technology, Tangshan, Hebei 063000; 3. Economic Research Institute, State Grid Shaanxi Electric Power Company, Xi’an 710065)

The energy storage device has the characteristics of high cost and short life when participating in frequency modulation. It is necessary to optimize the configuration of the capacity to reduce the cost in order to improve its practicality. In aim of minimizing the annual comprehensive cost, and based on the area control error composed of white noise and wind power disturbance data, the capacity optimization configuration of the hybrid energy storage system composed of supercapacitors and batteries is carried out, and the superiority of the proposed capacity allocation strategy is verified by simulation. Compared with the conventional frequency domain decomposition method, the priority of supercapacitor charging used in the configuration process can significantly reduce the charging loss of the battery and improve the overall economy of frequency regulation of the energy storage system.

automatic generation control (AGC); hybrid energy storage system; capacity configuration; linear programming

2021-01-18

2021-02-02

李 政（1997—），男，碩士研究生，主要研究方向為新能源電力與混合儲能系統(tǒng)。