董 鍇，蔡新雷，崔艷林，孟子杰，陳東陽，余 洋

基于旋轉(zhuǎn)門算法的電池儲能輔助單機(jī)跟蹤AGC指令控制策略

董 鍇1，蔡新雷1，崔艷林1，孟子杰1，陳東陽2,3，余 洋2,3

(1.廣東電網(wǎng)有限責(zé)任公司電力調(diào)度控制中心，廣東 廣州 510600；2.新能源電力系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室(華北電力大學(xué) (保定))，河北 保定 071003；3.河北省分布式儲能與微網(wǎng)重點(diǎn)實(shí)驗(yàn)室(華北電力大學(xué)(保定))，河北 保定 071003)

針對電池儲能輔助單機(jī)跟蹤AGC指令過程中機(jī)組爬坡頻次高以及儲能動作次數(shù)多的問題，提出基于旋轉(zhuǎn)門算法的電池儲能輔助單機(jī)跟蹤AGC指令控制策略。首先，利用旋轉(zhuǎn)門算法對AGC歷史數(shù)據(jù)進(jìn)行壓縮，對壓縮結(jié)果采用線性插值處理，進(jìn)一步進(jìn)行動態(tài)更新及實(shí)時(shí)修正，并結(jié)合機(jī)組爬坡特性確定機(jī)組承擔(dān)的功率調(diào)節(jié)指令。然后，將儲能系統(tǒng)動態(tài)地分為3個(gè)電池組，根據(jù)儲能系統(tǒng)功率調(diào)節(jié)指令確定電池組動作順序，進(jìn)而設(shè)計(jì)功率分配方法實(shí)現(xiàn)儲能系統(tǒng)上層功率分配，同時(shí)確定各電池組電池單元功率分配原則完成下層功率分配。最后，利用某電廠實(shí)際AGC指令對控制策略進(jìn)行仿真分析，驗(yàn)證了所提策略的有效性。

儲能；火電機(jī)組；跟蹤AGC指令；動態(tài)分組；功率分配

0 引言

隨著我國“3060”雙碳目標(biāo)的提出，間歇式新能源將以更大規(guī)模接入電網(wǎng)，源網(wǎng)荷功率不平衡的挑戰(zhàn)將愈加嚴(yán)峻，不過傳統(tǒng)火電機(jī)組受爬坡速度等因素限制很難提供快速調(diào)節(jié)服務(wù)[1-3]。為此，許多火電廠引入了電池儲能系統(tǒng)(Battery Energy Storage System, BESS)以輔助火電機(jī)組參與自動發(fā)電控制(Automatic Generation Control, AGC)[4-5]，研究儲能輔助單機(jī)跟蹤AGC指令的控制策略以提升機(jī)組調(diào)節(jié)性能至關(guān)重要。

現(xiàn)有的BESS輔助單機(jī)跟蹤AGC控制策略，首先讓火電機(jī)組跟蹤電網(wǎng)下發(fā)的AGC指令，然后再由BESS彌補(bǔ)機(jī)組實(shí)際出力與AGC指令的偏差[5]，這主要存在兩方面的問題：1) 為平抑快速波動的新能源并網(wǎng)功率，電網(wǎng)下發(fā)的AGC指令日趨復(fù)雜[6]，短時(shí)間、小幅度頻繁波動的特征愈加明顯，由火電機(jī)組直接跟蹤復(fù)雜AGC指令會使得機(jī)組調(diào)速器頻繁動作，導(dǎo)致機(jī)組爬坡頻次較高[7]；2) 現(xiàn)有控制策略中較少考慮BESS分組技術(shù)，跟蹤功率偏差時(shí)需BESS所有電池單元同時(shí)參與，且復(fù)雜AGC指令下電池單元會頻繁響應(yīng)，來回切換充放電狀態(tài)，增加了電池的壽命損耗，影響了BESS運(yùn)行的經(jīng)濟(jì)性[8]。

已有研究采用樣本熵對AGC指令進(jìn)行分析表明，其變化特性在某些時(shí)段具有相似性[9]，故針對問題1)，可根據(jù)AGC歷史數(shù)據(jù)分析其變化特性，并結(jié)合火電機(jī)組的爬坡速率安排機(jī)組預(yù)出力，讓火電機(jī)組跟蹤較為平穩(wěn)的功率指令以減少機(jī)組爬坡頻次并改善調(diào)速器頻繁動作的問題[10]。但由于AGC歷史數(shù)據(jù)的“海量”特征，如何進(jìn)行數(shù)據(jù)壓縮是需要解決的關(guān)鍵問題。旋轉(zhuǎn)門(Swing Door Trending, SDT)算法是數(shù)據(jù)壓縮領(lǐng)域的常用方法，已在風(fēng)電爬坡檢測等方面獲得成功應(yīng)用[11]，本文將采用SDT算法對AGC指令進(jìn)行處理，用于生成火電機(jī)組的功率調(diào)節(jié)指令。

針對問題2)，已有研究主要計(jì)及機(jī)組爬坡速率以減少BESS動作次數(shù)，如文獻(xiàn)[12]通過判斷調(diào)速器的可調(diào)出力以自適應(yīng)調(diào)節(jié)BESS出力，在一定程度上減少了BESS的動作次數(shù)，但由于未考慮BESS分組，仍需所有電池單元同時(shí)參與響應(yīng)，整體動作次數(shù)依然偏高，并且該方案忽略了電池單元之間的狀態(tài)差異，可能會降低BESS下一時(shí)段的可持續(xù)調(diào)控能力[13]。

綜上，本文將研究基于SDT算法的BESS輔助單機(jī)跟蹤AGC指令控制策略：為降低機(jī)組爬坡頻次，提出基于SDT算法的機(jī)組功率調(diào)節(jié)指令獲取方法；為減少BESS動作次數(shù)，設(shè)計(jì)基于動態(tài)分組的BESS雙層功率分配方法。通過跟蹤某電廠實(shí)際AGC指令，結(jié)果表明，火電機(jī)組位于小范圍調(diào)節(jié)區(qū)間內(nèi)的功率方差明顯降低，改善了其爬坡頻次過高的問題；儲能系統(tǒng)的動作次數(shù)相比于傳統(tǒng)方案顯著減少，同時(shí)其下一時(shí)段的可持續(xù)調(diào)控能力也有所提升，由此驗(yàn)證了本文控制策略的正確性和有效性。

1 控制框架

本研究構(gòu)建的BESS輔助單機(jī)跟蹤AGC指令的控制結(jié)構(gòu)和流程分別如圖1和圖2所示。整個(gè)調(diào)節(jié)流程由火電機(jī)組參與調(diào)節(jié)和BESS參與調(diào)節(jié)兩部分構(gòu)成。

圖2 儲能輔助火電機(jī)組跟蹤AGC指令控制流程

1) 火電機(jī)組調(diào)節(jié)過程

2) BESS調(diào)節(jié)過程

2 火電機(jī)組及儲能系統(tǒng)出力特性

火電機(jī)組出力主要受調(diào)速器和汽輪機(jī)影響，其爬坡速度相對較慢，對于快速變化的AGC指令往往難以及時(shí)響應(yīng)[3]。考慮火電機(jī)組的爬坡速度限制，其調(diào)速器出力特性可表示為

SOC表征了電池的剩余電量，準(zhǔn)確的SOC估計(jì)對于描述電池狀態(tài)極為重要[14]。SOC的估算方法主要有開路電壓法、安時(shí)積分法、神經(jīng)網(wǎng)絡(luò)和卡爾曼濾波等[15-16]。由于安時(shí)積分法原理簡單，易于計(jì)算，故采用安時(shí)積分法對SOC進(jìn)行估計(jì)，如式(2)。

不考慮電池單元的高倍率充放電方式，其功率約束可表示為

電池單元在運(yùn)行時(shí)還應(yīng)盡量避免過充、過放以導(dǎo)致電池壽命受損[17]，以SOC來表征電池單元運(yùn)行的容量限制，可寫為

3 基于SDT算法的火電機(jī)組功率調(diào)節(jié)指令確定方法

3.1 基于SDT算法的AGC指令壓縮

本研究對電網(wǎng)下發(fā)的AGC指令進(jìn)行數(shù)據(jù)壓縮、線性插值、動態(tài)更新及實(shí)時(shí)修正等一系列處理，最終得到較為平穩(wěn)的機(jī)組功率調(diào)節(jié)指令信號。當(dāng)AGC指令在小范圍波動時(shí)，火電機(jī)組響應(yīng)較為平穩(wěn)的功率調(diào)節(jié)指令，可有效降低其爬坡頻次。

Bristol于1990年提出的SDT算法[18]，以其壓縮比高、執(zhí)行速度快和誤差可控等特點(diǎn)，在風(fēng)電爬坡檢測、SCADA系統(tǒng)數(shù)據(jù)壓縮等領(lǐng)域獲得了成功應(yīng)用[11,19]。其基本原理為：當(dāng)接收到一個(gè)新數(shù)據(jù)時(shí)，該數(shù)據(jù)會與上一個(gè)記錄值構(gòu)造出平行四邊形，若當(dāng)前值和上一個(gè)記錄值之間有存在于平行四邊形外部的數(shù)據(jù)，則將當(dāng)前值的上一個(gè)數(shù)據(jù)值進(jìn)行記錄；若當(dāng)前值和上一個(gè)記錄值之間的數(shù)據(jù)均在平行四邊形內(nèi)部，則繼續(xù)接收新的數(shù)據(jù)，不記錄任何數(shù)據(jù)，達(dá)到數(shù)據(jù)壓縮的目的。

壓縮偏移量是SDT算法的重要參數(shù)，直接決定了AGC指令的壓縮結(jié)果，值過大會導(dǎo)致原始信息的大量丟失，值過小會提取到大量的冗余信息[20]。本研究壓縮AGC指令的目的在于安排火電機(jī)組的預(yù)出力，故需結(jié)合火電機(jī)組出力特性決定偏移量的取值?；赟DT算法的AGC指令數(shù)據(jù)壓縮的步驟如下所述。

步驟1 初始化

步驟2 計(jì)算斜率

步驟3 斜率更新

步驟4 數(shù)據(jù)記錄

3.2 動態(tài)更新

圖3 AGC指令處理結(jié)果

表1 前3天動態(tài)更新時(shí)刻數(shù)量及動態(tài)更新后Pf2準(zhǔn)確率

3.3 實(shí)時(shí)修正

3.4 功率調(diào)節(jié)指令確定

4 基于動態(tài)分組的儲能系統(tǒng)雙層功率分配方法

4.1 功率調(diào)節(jié)指令確定

當(dāng)AGC指令突變時(shí)，火電機(jī)組由于最大上/下爬坡功率的限制，難以及時(shí)準(zhǔn)確地跟蹤AGC指令，此時(shí)需要BESS進(jìn)行輔助以滿足調(diào)節(jié)速率、調(diào)節(jié)精度等要求。為降低BESS動作次數(shù)，在不影響調(diào)節(jié)精度的前提下，本研究引入了BESS的動作死區(qū)[21]，當(dāng)BESS功率調(diào)節(jié)指令位于調(diào)節(jié)死區(qū)內(nèi)時(shí)，BESS不動作，即BESS的功率調(diào)節(jié)指令為

4.2 動態(tài)分組技術(shù)

BESS在響應(yīng)功率調(diào)節(jié)指令時(shí)，當(dāng)前研究大多數(shù)以均分或者按照固定比例的方法進(jìn)行分配，這類方法忽略了各電池單元之間的協(xié)調(diào)配合[22]，使得所有電池單元均會頻繁充放電。為減少BESS整體動作次數(shù)，設(shè)計(jì)了BESS的動態(tài)分組技術(shù)。

原則上，應(yīng)讓SOC較低的電池單元優(yōu)先充電，SOC較高的電池單元優(yōu)先放電，從而保證BESS在下一周期的可充/放電功率和容量保持最大。為此，對電池單元進(jìn)行編號并根據(jù)SOC降序排列，若電池單元SOC相等，則編號大排序靠前，將所有電池單元劃分為3個(gè)電池組——優(yōu)先放電組、備用組和優(yōu)先充電組，且分配給優(yōu)先放電組和優(yōu)先充電組的電池單元數(shù)量相等。式(9)的閾值即為優(yōu)先動作組最大充/放電功率的絕對值。

在BESS運(yùn)行一段時(shí)間后，其電池單元的SOC會發(fā)生變化，需要每隔一段時(shí)間對分組情況進(jìn)行動態(tài)調(diào)整。由于電池單元SOC變化取決于實(shí)際AGC指令，而固定時(shí)間調(diào)整分組難以計(jì)及AGC指令特性，故本研究選取AGC指令動態(tài)更新時(shí)刻作為BESS動態(tài)分組的動態(tài)調(diào)整時(shí)刻。另外，在相對較短的時(shí)間段內(nèi)，電池單元的充放電量一般不會太大，經(jīng)過比較分析，決定僅采用前1天的AGC指令壓縮結(jié)果所在時(shí)刻作為動態(tài)分組的調(diào)整時(shí)刻。

4.3 雙層功率分配方法

4.3.1 BESS上層功率分配

1) 充電過程功率分配

2) 放電過程功率分配

4.3.2 BESS下層功率分配

根據(jù)BESS上層功率分配結(jié)果及各電池組電池單元采用的功率分配原則，完成下層功率分配。

1) 經(jīng)濟(jì)分配原則

以BESS在每個(gè)周期內(nèi)的總運(yùn)行成本最低為優(yōu)化目標(biāo)，將電池組的功率調(diào)節(jié)指令分配給電池單元。本研究中總運(yùn)行成本同時(shí)考慮了充放電功率和SOC，如式(13)所示[24]。

2) 最大充/放電功率分配原則

最大充/放電功率分配指是電池單元在滿足運(yùn)行約束條件下，以最大的充電/放電功率參與響應(yīng)。

3) SOC均衡分配原則

為實(shí)現(xiàn)電池組每個(gè)電池單元的SOC相對均衡，采用Sigmoid函數(shù)描述電池單元的充放電過程，以表征電池單元的充放電能力[25]。電池單元的充電函數(shù)和放電函數(shù)分別見式(14)和式(15)所示。

SOC均衡原則下電池組充電和放電時(shí)的功率分配方法分別見式(16)和式(17)所示。

5 仿真驗(yàn)證及分析

5.1 參數(shù)設(shè)置及評價(jià)指標(biāo)

5.1.1參數(shù)設(shè)置

選取廣東電網(wǎng)區(qū)域內(nèi)某臺330 MW火電機(jī)組為研究對象，爬坡速率為2%/min。BESS選用鋰離子電池，規(guī)模為10 MW/5 MWh，調(diào)節(jié)死區(qū)為±0.2 MW，由10個(gè)1 MW/0.5 MWh的電池單元組成，初始荷電狀態(tài)分別為0.7、0.56、0.42、0.68、0.63、0.42、0.63、0.36、0.5、0.32。選取火儲系統(tǒng)跟蹤冬季某天02：00—03：00時(shí)段波動較大的AGC指令，以檢驗(yàn)本文控制策略的優(yōu)越性。

5.1.2評價(jià)指標(biāo)

1) 火電機(jī)組評價(jià)指標(biāo)

選用火電機(jī)組響應(yīng)AGC指令時(shí)的爬坡頻次作為評價(jià)指標(biāo)，并以機(jī)組出力功率方差作為衡量爬坡頻次的標(biāo)準(zhǔn)[10]，方差越大表示機(jī)組爬坡頻次越高。

2) 電池儲能系統(tǒng)評價(jià)指標(biāo)

當(dāng)電池單元的充放電功率不為0時(shí)，記為動作一次，則BESS動作次數(shù)為調(diào)度周期內(nèi)所有電池單元動作次數(shù)之和。另外，采用所有電池單元SOC的標(biāo)準(zhǔn)差σ(SOC)來衡量BESS可持續(xù)調(diào)控能力，σ(SOC)越大表示BESS的可持續(xù)調(diào)控能力越小。

3) 跟蹤效果評價(jià)指標(biāo)

采用跟蹤準(zhǔn)確率來評價(jià)儲能輔助機(jī)組跟蹤AGC指令的效果。對于每個(gè)AGC指令，如果火儲出力與其偏差低于機(jī)組容量的1%，記為一次準(zhǔn)確跟蹤，則整個(gè)調(diào)度周期內(nèi)火儲系統(tǒng)的跟蹤準(zhǔn)確率為準(zhǔn)確跟蹤次數(shù)與AGC指令個(gè)數(shù)的比值。

5.2 火電機(jī)組跟蹤功率調(diào)節(jié)指令結(jié)果

5.3 儲能響應(yīng)功率調(diào)節(jié)指令結(jié)果

根據(jù)SOC排序結(jié)果，將電池單元分為3個(gè)電池組。由于電池單元5、7的初始SOC相同，因此將編號較大的電池單元7分給優(yōu)先放電組；同理，將電池單元6分給備用組，分組結(jié)果如表2所示。可知，優(yōu)先放電組和優(yōu)先充電組均分配了3個(gè)電池單元，因而在對壓縮后的AGC指令進(jìn)行動態(tài)更新時(shí)，式(9)中閾值取3 MW。

圖4 火電機(jī)組跟蹤Pf3與Ps對比

表2 電池儲能系統(tǒng)分組結(jié)果

圖5 BESS上層功率分配結(jié)果

電池單元功率調(diào)節(jié)指令分配結(jié)果和響應(yīng)結(jié)果分別見圖6和圖7。在電池組分得上層功率指令較大的時(shí)刻，分配給電池單元的功率指令也相應(yīng)較大，如在2092 s時(shí)上層功率指令為21 MW分配給電池單元1、2、4的充電功率約為4.7 MW，均實(shí)現(xiàn)了完全響應(yīng)。雖然在2092 s時(shí)電池單元1、2、4分得了約4.7 MW的調(diào)節(jié)功率，但受最大充電功率和SOC運(yùn)行限制，其實(shí)際響應(yīng)功率僅約為1 MW，類似地，在2700 s時(shí)，電池單元3、4、10實(shí)際響應(yīng)功率也僅為-1 MW。將本研究基于動態(tài)分組的雙層功率分配策略與傳統(tǒng)未分組控制策略下的電池單元動作次數(shù)進(jìn)行對比，結(jié)果如表3所示。由于傳統(tǒng)控制策略未考慮BESS分組，且僅按照電池單元的剩余電量之比實(shí)現(xiàn)電池單元的功率分配，故BESS的動作次數(shù)高達(dá)3530次。而本研究方案下BESS動作次數(shù)僅為2320次，可見本文策略有效地減少了電池單元的動作次數(shù)，減小了儲能資源的壽命損失。

圖6 BESS下層功率分配結(jié)果

圖7 電池單元響應(yīng)結(jié)果

表3 儲能系統(tǒng)的動作次數(shù)對比

圖8 BESS響應(yīng)功率調(diào)節(jié)指令結(jié)果及電池單元的荷電狀態(tài)

5.4 儲能輔助單機(jī)跟蹤AGC指令結(jié)果

本文方案下BESS輔助火電機(jī)組跟蹤AGC指令的最終結(jié)果如圖9所示。

本文方案下跟蹤準(zhǔn)確率達(dá)96.56%，傳統(tǒng)方法下火儲跟蹤的準(zhǔn)確率為96.23%，而只用火電機(jī)組跟蹤的準(zhǔn)確率約為75.89%，因此，基于SDT算法的儲能輔助機(jī)組控制策略能夠準(zhǔn)確地跟蹤AGC指令，進(jìn)一步結(jié)合5.2節(jié)和5.3節(jié)結(jié)果，本文策略還有效改善了傳統(tǒng)策略下火電機(jī)組爬坡頻次高以及儲能系統(tǒng)動作次數(shù)多的問題。

圖9 基于旋轉(zhuǎn)門算法的儲能輔助單機(jī)跟蹤結(jié)果

6 結(jié)論

1) 利用SDT算法對AGC指令進(jìn)行壓縮，對壓縮結(jié)果進(jìn)行線性插值處理，進(jìn)一步對其動態(tài)更新及實(shí)時(shí)修正得到火電機(jī)組功率調(diào)節(jié)指令，與直接跟蹤AGC指令相比，該方法有效降低了機(jī)組爬坡頻次，減少了機(jī)組磨損。

2) 基于動態(tài)分組技術(shù)的BESS雙層功率分配方法確定電池單元的功率調(diào)節(jié)指令，與傳統(tǒng)未分組方法相比，顯著降低了BESS動作次數(shù)，減小了壽命損耗，并且電池單元響應(yīng)功率指令后的SOC均向中間值靠近，同時(shí)避免了過充、過放現(xiàn)象。

3) 通過仿真跟蹤實(shí)際AGC指令表明，所提控制策略能夠保證火儲系統(tǒng)準(zhǔn)確、快速跟蹤AGC指令，改善了火儲系統(tǒng)運(yùn)行經(jīng)濟(jì)性。

本文研究未考慮儲能系統(tǒng)的高倍率充放電，后續(xù)可結(jié)合收益情況計(jì)及高倍率充放電方式，以進(jìn)一步提升火儲系統(tǒng)整體運(yùn)行性能。

[1] 張朝煒, 柳云祥, 朱永利. 基于改進(jìn)人工魚群算法的大規(guī)模多目標(biāo)機(jī)組組合優(yōu)化[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(8): 100-108.

ZHANG Zhaowei, LIU Yunxiang, ZHU Yongli. Large scale multi-objective unit commitment optimization based on an improved artificial fish swarm algorithm[J]. Power System Protection and Control, 2021, 49(8): 100-108.

[2] 楊謙, 劉繼春, 蔣萬梟. 光伏不同滲透率下考慮源網(wǎng)荷儲深度互動的電力系統(tǒng)調(diào)峰策略[J]. 電力建設(shè), 2021, 42(9): 74-84.

YANG Qian, LIU Jichun, JIANG Wanxiao. Peak regulation strategy of power system considering the interaction of source-network-load-storage under different penetration rate of PV[J]. Electric Power Construction, 2021, 42(9): 74-84.

[3] MENG G, CHANG Q, SUN Y, et al. Energy storage auxiliary frequency modulation control strategy considering ACE and SOC of energy storage[J]. IEEE Access, 2021, 9: 26271-26277.

[4] 李衛(wèi)國, 焦盤龍, 劉新宇, 等. 基于變分模態(tài)分解的儲能輔助傳統(tǒng)機(jī)組調(diào)頻的容量優(yōu)化配置[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(6): 43-52.

LI Weiguo, JIAO Panlong, LIU Xinyu, et al. Capacity optimization configuration of energy storage auxiliary traditional unit frequency modulation based on variational mode decomposition[J]. Power System Protection and Control, 2020, 48(6): 43-52.

[5] 謝惠藩, 王超, 劉湃泓, 等. 南方電網(wǎng)儲能聯(lián)合火電調(diào)頻技術(shù)應(yīng)用[J]. 電力系統(tǒng)自動化, 2021, 45(4): 172-179.

XIE Huifan, WANG Chao, LIU Paihong, et al. Application of joint frequency regulation technology of energy storage and thermal power in China Southern Power Grid[J]. Automation of Electric Power Systems, 2021, 45(4): 172-179.

[6] XI L, ZHANG L, LIU J, et al. A virtual generation ecosystem control strategy for automatic generation control of interconnected microgrids[J]. IEEE Access, 2020, 8: 94165-94175.

[7] 王凡, 李海峰, 胥國毅, 等. 調(diào)頻關(guān)鍵參數(shù)對電網(wǎng)頻率特性的影響及其靈敏度分析[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(20): 1-8.

WANG Fan, LI Haifeng, XU Guoyi, et al. Influence of key parameters of frequency control on frequency characteristics of power grid and sensitivity analysis[J]. Power System Protection and Control, 2020, 48(20): 1-8.

[8] 祖其武, 牛玉剛, 鄒媛媛, 等. 基于彈性負(fù)荷分時(shí)調(diào)度和多電源聯(lián)合供電的微網(wǎng)經(jīng)濟(jì)運(yùn)行[J]. 電力系統(tǒng)保護(hù)與控制, 2018, 46(4): 20-27.

ZU Qiwu, NIU Yugang, ZOU Yuanyuan, et al. Economic operation of mircrogrid based on elastic load sub-period dispatch and combined power supply of multiple energy[J]. Power System Protection and Control, 2018, 46(4): 20-27.

[9] 張舒鎧, 劉鑫屏, 張銳鋒. 基于樣本熵的AGC指令復(fù)雜性分析[J]. 電力科學(xué)與工程, 2015, 31(6): 43-48.

ZHANG Shukai, LIU Xinping, ZHANG Ruifeng. Analysis of the AGC instruction complexity based on sample entropy[J]. Electric Power Science and Engineering, 2015, 31(6): 43-48.

[10] 曹子珣, 陳紅坤, 胡畔, 等. 計(jì)及市場收益的含儲能火電廠日前-日內(nèi)兩階段優(yōu)化調(diào)度方法[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(12): 106-113.

CAO Zixun, CHEN Hongkun, HU Pan, et al. Day-ahead and intraday two-stage optimal dispatch model of a thermal power plant with energy storage and taking into account the profit[J]. Power System Protection and Control, 2021, 49(12): 106-113.

[11] 張穎超, 宗陽, 鄧華, 等. 基于趨勢特征的風(fēng)電功率爬坡事件檢測方法[J]. 電測與儀表, 2020, 57(18): 122-127, 132.

ZHANG Yingchao, ZONG Yang, DENG Hua, et al. Wind power ramp event detection method based on trend feature[J]. Electrical Measurement & Instrumentation, 2020, 57(18): 122-127, 132.

[12] 趙源筱, 耿光超, 江全元, 等. 考慮功率變化速率的儲能輔助單機(jī)調(diào)頻控制策略[J]. 電力自動化設(shè)備, 2020, 40(1): 141-147.

ZHAO Yuanxiao, GENG Guangchao, JIANG Quanyuan, et al. Frequency control strategy of single-generator supporting by energy storage considering power change rate[J]. Electric Power Automation Equipment, 2020, 40(1): 141-147.

[13] 禹紅, 夏向陽, 彭夢妮, 等. 基于虛擬同步電機(jī)技術(shù)的混合儲能平抑微網(wǎng)頻率波動策略研究[J]. 電力系統(tǒng)保護(hù)與控制, 2018, 46(22): 47-54.

YU Hong, XIA Xiangyang, PENG Mengni, et al. Research on strategy of micro-grid frequency control in hybrid energy storage system based on virtual synchronous generator technology[J]. Power System Protection and Control, 2018, 46(22): 47-54.

[14] SEO M, SONG Y, KIM J, et al. Innovative lumped battery model for state of charge estimation of lithium-ion batteries under various ambient temperatures[J]. Energy, 2021, 226(7).

[15] CHEN Z, ZHAO H, SHU X, et al. Synthetic state of charge estimation for lithium-ion batteries based on long short-term memory network modeling and adaptive H-Infinity filter[J]. Energy, 2021, 228(8).

[16] LI X, HUANG Z, TIAN J, et al. State-of-charge estimation tolerant of battery aging based on a physics- based model and an adaptive cubature Kalman filter[J]. Energy, 2021, 220(2).

[17] LIU C, GAO N, CAI X, et al. Differentiation power control of modules in second-life battery energy storage system based on cascaded H-bridge converter[J]. IEEE Transactions on Power Electronics, 2020, 35(6): 6609-6624.

[18] BRISTOL E. Swing door trending: adaptive trend recording[C] // ISA National Conference Proceedings, October 14-18, 1990, Washington, America: 749-753.

[19] CUI Y, HE Y, XIONG X, et al. Algorithm for identifying wind power ramp events via novel improved dynamic swinging door[J]. Renewable Energy, 2021, 171(6): 542-556.

[20] LI H, WANG Y, ZHANG X, et al. Evaluation method of wind power consumption capacity based on multi-fractal theory[J]. Frontiers in Energy Research, 2021, 9(3).

[21] 李欣然, 黃際元, 陳遠(yuǎn)揚(yáng), 等. 基于靈敏度分析的儲能電池參與二次調(diào)頻控制策略[J]. 電工技術(shù)學(xué)報(bào), 2017, 32(12): 224-233.

LI Xinran, HUANG Jiyuan, CHEN Yuanyang, et al. Battery energy storage control strategy in secondary frequency regulation considering its action moment and depth[J]. Transactions of China Electrotechnical Society, 2017, 32(12): 224-233.

[22] CHAOUI H, SICARD P. Hierarchical energy management scheme for multiple battery-based smart grids[C] // IEEE 23rd International Symposium on Industrial Electronics(ISIE), June 1-4, 2014, Istanbul, Turkey: 2020-2023.

[23] ZHU T, WILLS R, LOT R, et al. Adaptive energy management of a battery-supercapacitor energy storage system for electric vehicles based on flexible perception and neural network fitting[J]. Applied Energy, 2021, 292(6).

[24] JIA Y, DONG Z Y, SUN C, et al. Distributed economic model predictive control for a wind–photovoltaic–battery microgrid power system[J]. IEEE Transactions on Sustainable Energy, 2019, 11(2): 1089-1099.

[25] 劉根才, 陸志欣, 楊智誠, 等. 考慮SOC均衡的分布式儲能聚合控制方法[J]. 電力電容器與無功補(bǔ)償, 2020, 41(3): 174-181.

LIU Gencai, LU Zhixin, YANG Zhicheng, et al. Distributed energy storage aggregation control method considering SOC equalization[J]. Power Capacitor & Reactive Power Compensation, 2020, 41(3): 174-181.

Tracking AGC commands control strategy of a thermal power unit assisted by battery energy storage based on a swing door trending algorithm

DONG Kai1, CAI Xinlei1, CUI Yanlin1, MENG Zijie1, CHEN Dongyang2, 3, YU Yang2, 3

(1. Electric Power Dispatching Control Center of Guangdong Grid Co., Ltd., Guangzhou 510600, China; 2. State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources (North China Electric Power University), Baoding 071003, China; 3. Key Laboratory of Distributed Energy Storage and Microgrid of Hebei Province (North China Electric Power University), Baoding 071003, China)

There is a problem of high climb frequencies of a thermal power unit and large reaction times of a battery energy storage system. Thus an AGC commands tracking control strategy of a thermal power unit assisted by a battery energy storage system based on a swing door trending algorithm is proposed. First, historical data of the AGC are compressed by the swing door trending algorithm and linear interpolation is used to deal with the compressed data. Dynamic update and real-time correction are carried out to obtain the power regulation command of the thermal power unit integrated with its climb feature. Then, the battery energy storage system is dynamically divided into three groups and their action sequences are determined by their power regulation commands. The power distribution approach of the battery energy storage system is designed to realize power allocation in upper-layer and the power allocation principle of the cells for the three packs is devised to accomplish power allocation in the lower-layer. Finally, the simulation of the proposed control strategy is conducted using the AGC commands of an actual power plant and its effectiveness is verified.

energy storage; thermal power unit; tracking AGC commands; dynamic grouping; power allocation

10.19783/j.cnki.pspc.211339

2021-10-02；

2021-11-10

董 鍇(1983—)，男，碩士，高級工程師，研究方向?yàn)殡娏ο到y(tǒng)運(yùn)行控制；E-mail: dongkai@mail.gd.csg.cn

蔡新雷(1986—)，男，碩士，高級工程師，研究方向?yàn)殡娏ο到y(tǒng)運(yùn)行控制；E-mail: 517665114@qq.com

余 洋(1982—)，男，通信作者，博士，副教授，研究方向?yàn)樾履茉措娏ο到y(tǒng)。E-mail: ncepu_yy@163.com

南方電網(wǎng)公司科技項(xiàng)目資助(036000KK52190005 (GDKJXM20198110))

This work is supported by the Science and Technology Project of China Southern Power Grid Co., Ltd. (No. 036000KK52190005 (GDKJXM20198110)).

(編輯 姜新麗)