规模化分布式储能的关键应用技术研究综述

Overview on Key Applied Technologies of Large-Scale Distributed Energy Storage

李建林1, 马会萌1, 袁晓冬2, 王展2, 葛乐3

1.新能源与储能运行控制国家重点实验室(中国电力科学研究院),北京市 海淀区 100192

2.国网江苏省电力公司,江苏省 南京市 210024

3.南京工程学院 电力工程学院,江苏省 南京市 211167

LI Jianlin1, MA Huimeng1, YUAN Xiaodong2, WANG Zhan2, GE Le3

1. State Key Laboratory of Operation and Control of Renewable Energy & Storage Systems (China Electric Power Research Institute), Haidian District, Beijing 100192, China
2. Jiangsu Electric Power Company, Nanjing 210024, Jiangsu Province, China
3. School of Electrical Engineering, Nanjing Institute of Technology, Nanjing 211167, Jiangsu Province, China

  • 李建林(1976),男,博士,教授级高级工程师,研究方向为新能源并网、大规模电池储能集成等,E-mail:dkyljl@163.com。

基金项目: 国家重点研发计划项目(2017YFB0903504); 国家电网公司总部科技项目(分布式储能装置及用户侧优化配置关键技术研究与示范(5210EF17001c); Project Supported by National Key Research and Development Program (2017YFB0903504); Science and Technology Foundation of SGCC(Research and Demonstration of Key Technology of Distributed Storage Device and User-Side Optimization (5210EF17001c));

文章编号: 1000-3673(2017)10-3365-11 中图分类号: TM721

摘要

分布式储能可以从根本上解决分布式电源接入和负荷快速增长给电力系统的运行与规划带来的问题与挑战。从分布式储能的规划技术、面向电网的应用模式、关键装备研发及商业运营模式4个方面介绍了国内外分布式储能研究的最新进展,并重点就其中的容量配置、选点布局、协调控制设备研发及运营模式进行了评述,并给出了进一步的研究方向建议。最后,结合中国未来智能电网的建设规划,对分布式储能的发展前景进行了展望。

关键词 : 分布式储能; 规划技术; 辅助服务; 关键装备; 商业模式;

DOI:10.13335/j.1000-3673.pst.2017.1101

ABSTRACT

Distributed storage system (DSS) can fundamentally solve the problems and challenges brought by large-scale integration of distributed power sources and rapid load growth to operation and planning of power systems. In this paper, the latest progress in DSS research was presented, covering four aspects: planning technology, grid-oriented application modes, key equipment and business mode. The technologies related to DSS, including locating, sizing, coordinated control equipment and business mode were overviewed. The technical route suggestions for further research were given. Finally, some proposals on DSS development in China were proposed, considering future smart grid construction plan in China.

KEY WORDS : DSS; planning technology; ancillary service; key equipment; business mode;

0 引言

近年来,分布式电源大量接入配电网,其接入点的随机性和出力的不确定性给配电网的规划运营带来了新的问题。与此同时,随着负荷快速增长,峰谷差不断增大,城乡配电网“标准低、联系弱、低电压”等问题日益突出,负荷需求响应作为一种有效调节手段,在一定程度上可以缓解上述问题,但是要从根本上解决,需要引入储能技术[1-3]

随着储能技术进步和成本降低以及需求侧的演化发展,分布式储能在电力系统中的广泛应用是未来电网发展的必然趋势,也是突破传统配电网规划运营方式的重要途径。2015年3月中共中央国务院印发的《关于进一步深化电力体制改革的若干意见》明确提到鼓励储能技术的应用来提高能源使用效率,2016年3月《“十三五”规划纲要》中八大重点工程提及储能电站、能源储备设施,重点提出要加快推进储能等技术研发应用。各企业单位也在积极开展储能系统建设并探索储能商业化运营模式,国网江苏省电力公司规划到2020年江苏省内储能累计容量达到1000 MW。

分布式储能安装地点灵活,与集中式储能比较,减少了集中储能电站的线路损耗和投资压力,但相对于大电网的传统运行模式,目前的分布式储能接入及出力具有分散布局、可控性差等特点。从电网调度角度而言,目前缺乏有效的调度手段,如任其自发运行,相当于接入一大批随机性的扰动电

源,它们的无序运行无助于电网频率、电压和电能质量的改善,也造成了储能资源的较大浪费。在配电网中合理地规划分布式储能,并调控其与分布式电源和负荷协同运行,不但可以通过削峰填谷起到降低配电网容量的作用,还可以弥补分布式出力随机性对电网安全和经济运行的负面影响。进一步,通过多点分布式储能形成规模化汇聚效应,积极有效地面向电网应用,参与电网调峰、调频和调压等辅助服务,将有效提高电网安全水平和运行效率[4]

在此背景下,本文对分布式储能的规划技术、参与辅助服务的应用模式、关键装备研发及商业运营模式等规模化应用关键技术进行梳理与探讨,为后续开展更为深入的研究提供借鉴与参考。

1 储能规划技术

目前,分布式储能的应用场景主要包含用户侧、分布式电源侧和配网侧3个方面,其投资主体包括用户、分布式电源投资商和电网公司,多以分布式电源、用户侧或微电网为背景引入,电动汽车也是其中的一种重要组成。在配网中,关于分布式储能规划技术的研究主要涉及容量优化配置及选点布局2个方面,并且当需要同时开展容量和选点研究时,鉴于二者间存在的强耦合关系,在目前国内外开展的研究中,往往将之作为一体化问题处理,多通过将分布式储能规划描述为一个优化问题,优化目标和约束条件随应用场景和应用目标而变。优化目标主要包括技术性目标和经济性目标两类,约束条件一般包含储能设备布局总点数、储能本身和系统运行方面的约束条件。

文献[5-9]均为针对分布式储能容量优化配置开展的研究,涉及的场景包含促进分布式电源消纳、配电馈线削峰、参与配电网需求响应等。文献[8]以参与配电网需求响应为场景,建立了储能系统的数学模型和基于电价变化的需求响应模型,以节省电费、最大化业主收益为目标开展储能容量配置研究。文献[10]以配网馈线扩展规划为场景研究分布式储能的容量配置和选点布局,以储能安装成本、新电路的扩展成本、储能运行成本和切断可中断负荷的罚金总和最小为目标,约束条件包括系统潮流、储能容量和充放电功率约束、发电机运行边界和爬坡率等。文献[11]以系统功率平衡和参与电网辅助服务为场景探讨储能系统在主动配电网内的规划技术研究,提出了技术性和经济性综合规划目标,以一段时间内配电网各母线电压波动、网损和与外电网交互的总能量成本的加权和最小为目标,目标函数如式(1)所示。

\(\begin{align} {{O}_{\text{bj}}}=\{{{W}_{\text{vol}}}[{{\sum\limits_{t}{\sum\limits_{i}{({{V}_{i,t}}-{{V}_{\text{ref}}})}}}^{2}}]+{{W}_{\text{loss}}}{{\Gamma }_{\text{loss}}}+ \\ \text{ }{{W}_{\text{EP}}}(\sum\limits_{t}{C_{t}^{\text{E}}{{E}_{t}}})\} \\\end{align}\) (1)

式中:\({{W}_{\text{vol}}}\)、\({{W}_{\text{loss}}}\)和\({{W}_{\text{EP}}}\)分别为电压波动、网损和能量成本的权重系数;\({{V}_{i,t}}\)为时刻t时母线i的电压值;\({{V}_{\text{ref}}}\)为基准电压值;\({{\Gamma }_{\text{loss}}}\)为网损;\(C_{t}^{\text{E}}\)为时刻t时电网的单位电能成本;\({{E}_{t}}\)为流向外部电网的电能量。

约束条件包括分布式储能总布局点数、系统约束、储能运行和容量约束。

其中系统性约束条件如式(2)—(4)所示,包括系统潮流约束和电压约束。

\({{Q}_{{{\text{G}}_{i,t}}}}+{{Q}_{\text{DS}{{\text{S}}_{i,t}}}}-{{Q}_{{{\text{L}}_{i,t}}}}={{V}_{i,t}}\sum\limits_{j}{\{{{V}_{j,t}}[{{G}_{i,j}}\sin ({{\delta }_{i,t}}-{{\delta }_{j,t}})]}-\) \(\text{ }{{B}_{i,j}}\cos ({{\delta }_{i,t}}-{{\delta }_{j,t}})\}\) (2)

\({{P}_{{{\text{G}}_{i,t}}}}+{{P}_{\text{DS}{{\text{S}}_{i,t}}}}-{{P}_{{{\text{L}}_{i,t}}}}={{V}_{i,t}}\sum\limits_{j}{\{{{V}_{j,t}}[{{G}_{i,j}}\cos ({{\delta }_{i,t}}-{{\delta }_{j,t}})]}-\) \(\text{ }{{B}_{i,j}}sin({{\delta }_{i,t}}-{{\delta }_{j,t}})\}\) (3)

\({{V}_{\min }}\le {{V}_{i,t}}\le {{V}_{\max }}\) (4)

式中:\({{Q}_{{{\text{G}}_{i,t}}}}\)为时刻t母线i输出的无功功率;\({{Q}_{\text{DS}{{\text{S}}_{i,t}}}}\)

为时刻t母线i上的DSS发出或吸收的无功功率;

\({{Q}_{{{\text{L}}_{i,t}}}}\)为时刻t母线i吸收的无功功率;\({{G}_{i,j}}\)为母线ij间的电导值;\({{\delta }_{i,t}}\)为时刻t母线i的电压相位;\({{B}_{i,j}}\)为母线ij之间的导纳值;\({{V}_{\min }}\)为电压下限值;\({{V}_{\max }}\)

为电压上限值;

储能运行和容量约束条件如式(5)—(9)所示。

\(\sum\limits_{{t}'=0}^{t}{P_{\text{DS}{{\text{S}}_{i}}}^{{{t}'}}\Delta t{{\eta }_{i}}}\le E_{\text{DS}{{\text{S}}_{i}}}^{0}\begin{matrix}{} & \forall t,t=1,2,...,24 \\\end{matrix}\) (5)

\(\sum\limits_{{t}'=0}^{t}{-P_{\text{DS}{{\text{S}}_{i}}}^{{{t}'}}\Delta t{{\eta }_{i}}}\le E_{\text{DS}{{\text{S}}_{i}}}^{\max }-\begin{matrix}E_{\text{DS}{{\text{S}}_{i}}}^{0} & \forall t,t=1,2,...,24 \\\end{matrix}\) (6)

\(E_{\text{DS}{{\text{S}}_{i}}}^{\min }\le E_{\text{DS}{{\text{S}}_{i}}}^{t}\le E_{\text{DS}{{\text{S}}_{i}}}^{\max }\) (7)

\(P_{\text{DS}{{\text{S}}_{i}}}^{\min }\le P_{\text{DS}{{\text{S}}_{i}}}^{t}\le P_{\text{DS}{{\text{S}}_{i}}}^{\max }\) (8)

\({{(P_{\text{DS}{{\text{S}}_{i}}}^{t})}^{2}}+{{(Q_{\text{DS}{{\text{S}}_{i}}}^{t})}^{2}}\le {{(C_{\text{DS}{{\text{S}}_{i}}}^{t})}^{2}}\) (9)

式中:\(P_{\text{DS}{{\text{S}}_{i}}}^{t}\)为时刻t接在母线i上的DSS发出或吸收的有功功率;\(P_{\text{DS}{{\text{S}}_{i}}}^{\min }\)为接在母线i上的DSS的最小有功功率能力;\(P_{\text{DS}{{\text{S}}_{i}}}^{\max }\)为接在母线i上的DSS的最大有功功率能力;\({{\eta }_{i}}\)为DSS的能量转换效率;\(E_{\text{DS}{{\text{S}}_{i}}}^{t}\)为时刻t接在母线i上的DSS的存储电量;\(E_{\text{DS}{{\text{S}}_{i}}}^{\min }\)为接入母线i的DSS的最小容量;\(E_{\text{DS}{{\text{S}}_{i}}}^{\max }\)为接入母线i的DSS的最大容量;\(C_{\text{DS}{{\text{S}}_{i}}}^{t}\)为时刻t接在母线i上的DSS的视在功率。

文献[12]给出了在配网侧规划储能系统时,储容配置和选点布局的一般步骤:

1)确定研究对象,电网和储能应用场景(约束条件、负荷曲线、时间跨度等)。

2)确定电网内可用于安装储能设备的节点数。

3)确定分布式储能系统的总容量。

4)确定储能系统的控制策略。

5)确定分布式储能系统的容量划分方式。

6)在选定的应用场景中,模拟分布式储能的分配效果。

7)重复步骤5)和6),迭代次数取决于布局点数和计算精度要求。

算法流程图见图1。

综合目前国内外开展的分布式储能系统的优

图1 采用遗传算法的求解流程图 Fig. 1 Flow chart of genetic algorithm

化规划方面的研究,大多建立以技术性或经济性或技术与经济性综合目标的目标函数,在储能本身和系统运行的约束条件下开展寻优求解,目标函数一般可综合为单目标优化,约束条件包含等式约束和不等式约束,针对该优化求解问题也开展了较多研究,多采用智能求解算法进行求解,比如遗传算法。

此外,在用户侧规划储能设备,不存在布点问题;并且因为我国目前实行分时电价和针对工商业用户的两部制电价政策,所以用户侧分布式储能的引入多从经济性角度出发,以减少电费或最大化收益为目标开展储能配置研究[13-15]。江苏2017年用

户侧分布式储能规划建设情况如表1所示。从表1可以看出,当前用户储能的建设目标还是以需求响应(价差套利)和提高供电可靠性为主,对电网的支撑作用主要是削峰填谷。

分布式储能应用于不同场景下的目标函数及约束条件如表2所示。

表2中:m为储能系统的年投运次数;n为划 "> 表2中:m为储能系统的年投运次数;n为划 "> 表2中:m为储能系统的年投运次数;n为划

分的时段数;\({{E}_{\text{pr}.i}}\)、\({{E}_{\text{tr}.i}}\)、\({{E}_{\text{as}.i}}\)…分别为第i时段内

储能系统通过低储高发套利、减少输电阻塞、提供

辅助服务等获得的收益;\({{E}_{\text{def}}}\)为储能系统延缓电网扩建投资所获得的收益;\({{C}_{\text{ess}}}\)为储能系统的总投资成本折算至每年的值;\({{C}_{\text{om}}}\)为储能系统年运维成本;\({{c}_{ij}}y_{ij}^{p}\)为新电路扩展成本;\({{b}_{k}}{{x}_{k}}\)为储能安装成本;\({{\alpha }_{tk}}{{\gamma }_{tk}}\)为可中断负荷罚金总和;\({{e}_{k}}(\beta _{tk}^{+}+\beta _{tk}^{-})\)为储能运行成本;\({{e}_{\text{pr}.i}}\)为第i时段风电上网电价;\({{P}_{i}}\)为第i时段内风电场的平均输出功率;\({{C}_{\text{p}i}}\)为第i时段内运营成本;k为机组台数;\({{f}_{j}}({{P}_{j.i}})\)为第j台机组在第i时段的发电成本;\({{f}_{\text{grid}}}({{P}_{\text{grid}}})\)为主网在第i时段的供

表1 江苏省2017年用户侧储能规划建设情况(容量1 MW以上) Tab. 1 Energy storage planning on the user side in Jiangsu province in 2017 (above 1 MW)

表2 不同应用场景下的目标函数与约束条件 Tab. 2 Objective function and constraints in different application scenarios

电成本;\({{f}_{\text{ess}}}({{P}_{\text{ess}}})\)为储能系统在第i时段的储能成本;\({{B}_{\text{ele}}}\)为削减的电量费用;\({{B}_{\text{cap}}}\)为削减的容量费用;\({{B}_{\text{d}}}\)为放电电价;\({{B}_{\text{c}}}\)为充电电价;\({{E}_{\text{rat}}}\)为储能系统额定容量;\(D\)为运行天数;\(\eta \)为储能系统效率;\({{B}_{\text{p}}}\)为削减需量电费带来的单位收益;\({{P}_{\text{rat}}}\)为储能系统额定功率。

总体而言,国内外在分布式储能规划方面已有较多研究,但目前的研究均是在确定的应用场景下开展常规性的规划研究,在我国配网分布式储能蓬勃发展的背景下,为提高分布式储能系统的利用效率和充分调动电网资源,有必要面向电网应用,开展基于配网内现有储能资源的补充性规划技术研究,即针对电网需求,首先评估电网内已有的可汇聚储能资源,在此基础上,开展差额配置和布点研究。

2 面向电网的应用模式

随着新能源和城市负荷的快速发展,电网运行在调峰调频和新能源消纳方面的压力越来越大,需求侧各种资源参与电网优化运行是必然趋势。

2.1 储能参与配电网优化运行

储能系统凭借其快速功率调节以及兼具供蓄能力的特征,在平滑间歇式能源功率波动、削峰填谷、改善电压质量以及提供备用电源等方面都发挥了较大作用,是配电网实现对广泛接入的分布式能源灵活调节以及网络优化运行的关键所在。当大量可再生能源接入配电网时,其出力的波动性会对配电网的电压质量带来不利影响,甚至会使电压越限,使用储能装置可以对接入节点的可再生能源及负荷进行削峰填谷,从而抑制了功率波动,减小了电压越限风险,提升了配电网对新能源的接纳能力[16-18];同时,储能系统的接入也可以改善配电网潮流、降低网损,优化配电网的运行[18-19]。此外,将多个子储能系统并联在微网中可提高储能系统的容量,利用储能系统的快速功率调节能力,可为整个孤网系统提供稳定的电压频率支撑,维持微网系统运行的稳定[20]

2.2 储能参与系统辅助服务

储能系统可通过参与系统辅助服务,对电网起到支撑作用,应用模式主要包括调频和调峰。

不同于传统火电机组,可再生能源发电系统属于低惯量系统,虽然可以通过虚拟同步或虚拟惯量控制策略获取一定的阻尼特性,但是作用有限。大量光伏电站或风电场并网会降低电力系统的惯量,弱化电网对频率的调节能力,影响其安全稳定运行[21-24]。利用储能系统,可以进行削峰填谷的工作,减小有功功率的波动;也可以提升可再生电源对频率调节的响应能力,改善低惯量系统的一次调频特性。当光伏电站或风电场不足以响应系统的频率调节时,储能系统可以通过放出或吸收功率,完成新能源电站对电网频率变化的响应。

目前研究多集中在大容量集中式储能电站对大电网的支撑作用上。文献[25]建立了考虑电池容量、电压及电流等因素的用于削峰填谷的电池模型。文献[26]在负荷预测的基础上,从储能电站充放电量均衡的角度,提出以一个边际负荷值来确定电站充放电运行状态的控制方案。针对实时负荷与预测负荷存在偏差的问题,提出了结合储能电量预测值对电站实时运行控制进行调整的方法。文献[27]提出一种基于动态规划的实时修正优化控制策略,可在优化模型中引入充放电次数限制和放电深度限制等非连续约束条件,并通过将电池电量离散化等方法解决含有非连续约束的优化问题,该控制算法已成功应用于南方电网兆瓦级锂离子电池储能示范工程。文献[28]提出了一种分布式电池储能系统的新型协调控制算法。主控制中心分组和控制模拟系统中相邻电池储能系统,向每个电池储能系统发送充电或放电运行信号,从而应用于电网削峰填谷。

总体而言,已有研究大多针对集中式大容量的储能系统,而对于分布式储能参与电网辅助服务的协同控制技术研究还较少。如何构建规模化分布式储能汇聚效应的动态仿真模型,协调控制多点布局的分布式储能以及柔性负荷,亟需开展相关内容的深入研究与应用。文献[29-30]定义了负荷聚合商概念,因此进一步可以扩展到储能参与需求响应和提供辅助服务中,将会出现“资源聚合商”,未来资源聚合商将汇聚若干分布式用户储能参与电力市场交易,基本框架如图2所示。

图2 分布式储能汇聚(资源聚合商)参与电网调度 交易示意图 Fig. 2 Schematic diagram of DSS (resource aggregation) for power grid dispatching

3 储能关键装备研制

随着智能电网的发展和分布式电源的不断增多,对于研制分布式储能关键装备的需求也更加迫切。关键装备主要包括高效率、即插即用变流器,支持广域调控的就地监控设备和协调控制设备等。

3.1 高效率、即插即用储能变流设备

在一些特殊的场合下,分布式储能设备需要有并网和离网运行2种工作模式,这2种工作模式之间的切换需要尽可能平滑,减小对用户或电网的冲击和影响,使分布式储能设备能够柔性接入和退出的控制技术是实现分布式储能设备即插即用的基础。通过并网切换孤岛过程补偿算法与孤岛切换并网过程预同步方法[31]可以实现2种工况的无缝切换,具体控制策略见图3和图4,图中变量定义参见文献[31]。

图3 并网切换孤岛控制策略 Fig. 3 Control strategy of gird-connected mode transferred to island mode

图4 孤岛切换并网控制策略 Fig. 4 Control strategy of island mode transferred to grid-connected mode

对于提高分布式储能系统的效率而言,基于新型中点钳位(A-NPC)拓扑结构的三电平变流器可以提高输出电压波形质量,有利于降低绝缘栅双极型晶体管(IGBT)耐压,以减小开关器件成本、IGBT损耗和电感损耗,来提高系统整体效率,因此具有广泛的应用前景。文献[32]基于A-NPC三电平拓扑结构,设计了电池储能变流器主电路,开发了变流器系统控制器软硬件,研究了变流器中点电压控制机理。

目前对于单台储能变流设备无缝切换控制策略研究较多,但是如何实现设备即插即用的电气/通讯接口技术以及设备并网运行时的柔性接入/退出,减小对系统冲击方面和不同应用模式下平滑切换控制技术方面研究较少,亟需开展相关内容的深入研究。

3.2 储能系统就地监控设备

电池储能系统一般由储能电池、电池管理系统、双向变流器和监控系统等几个主要部分组成,并通过升压变压器接入10 kV及以上电压等级。储能监控系统与电池管理系统、双向变流器、上级调度系统通过高速的通信协议以及通信网络实现信息交互与传输,从而实现对储能系统的监测、运行控制以及能量管理。针对分布式储能系统的不同应用场景以及需求,储能监控系统基于储能系统中电池、双向变流器等配套设备的运行状态,实时控制各储能变流器的充放电功率并优化管理储能电池系统充放电能量,不仅实现电池储能系统在各种场景下的应用目标,并可实现电池系统的优化调度管理,有效减缓电池劣化,实现储能系统高效、安全、可靠、经济运行。储能监控系统的设计需要遵循

IEC 61850标准,能够完成实时监控和高效控制的功能,提高储能系统运行的稳定性,主要环节包括信息采集、状态监测、远程控制、人机交互等[33-35]。储能监控系统拓扑结构见图5。

图5 储能监控系统拓扑结构 Fig. 5 Topology of energy storage monitoring system

由于国情不同、电网的生产运营方式不同以及高昂的价格,国外的监控系统很难在国内推广应用。考虑到今后储能监控技术与需求的发展,实现先进的优化控制调度,开发具有自主知识产权适用于多点布局中小规模分布式工程的低成本储能监控系统势在必行。

3.3 多点布局储能系统协调控制设备

多源协调控制根据分布式电源、负载类型以及配电网不同的工作模式,通过主从控制、对等控制以及其他相关控制策略,抑制因各节点电压差产生的环流和控制直流母线电压的稳定,实现配电网中的各供电电源的协调控制。常用的控制技术包括多代理系统的直流电压稳定控制策略、电压分层协调控制策略、基于动态虚拟惯量的分布式电源控制等。对于离网运行的工况而言,多台储能逆变器并联运行时,需要为整个微网系统提供稳定的电压频率支撑,但逆变器等效输出阻抗和线路阻抗的差异会造成功率分配不均以及环流过大等问题,从而导致整个微网系统的不稳定。P-U、Q-f下垂控制策略可以解决功率在多台储能逆变器之间的分配问题。针对逆变器间的环流,可以增加虚拟阻抗技术,使变流器等效输出阻抗呈现阻性,从而抑制环流;对于不同电池系统,其荷电状态不同,可以施加功率控制外环,根据电池系统的荷电状态合理分配功率,从而实现多台逆变器离网状态下的协调控制[20,36-37]。下垂控制适用于本地多逆变器离网的并联控制,对于配电网中分布式储能而言,往往是并网运行,且分布在不同节点上。对于广域布局分布式储能系统的协调控制设备的研制,需要遵循

IEC 61850通信标准建立储能系统的扩展信息模型,实现不同节点储能系统的通信与数据共享,并以最优电能质量指标或最大经济效益为目标编写控制软件,实现广域布局分布式储能系统的协调控

[38-39]。除了分布式储能系统之外,文献[40]在分析电动汽车动力电池特性的基础上提出了电动汽车分布式储能的概念。在满足电池约束、电网约束和车主约束的基础上提出了电动汽车分布式储能的控制策略。

目前,国际上的分布式储能协调控制设备研发也处在刚刚起步的过程,如德国能源供应公司SENEC.IES,目前有2000个用户参与到他们的‘Economic Grid’计划中,家庭用户安装“双向能源管理系统”(简称BEMI),每15 min储存用户用电数据,记录用户用电习惯,当电价发生变动时,BEMI通过控制分布式储能系统来调控用电时间和用电量。目前国内尚没有分布式储能相关产品,主要是借用微网控制器实现类似功能,然而微网控制器多用于本地控制,很少涉及到广域多点调度相关功能,同时微网控制器缺乏对电池储能系统在线检测、充放电优化控制和保护的相关功能,难以实现对于分布式储能系统的全面控制和优化。

伴随配网侧分布式储能的快速发展,面向电网的储能资源汇聚应用将包含电池储能设备、通过V2G并网的电动汽车、储热锅炉、冰蓄冷中央空调等分布式储能设备,通过多设备间的协调控制,参与电网调峰、调频等应用,如图6所示。在这个过程中,储能系统的协调控制设备在上层调度和各分散的分

图6 面向电网应用的分布式储能协调控制框图 Fig. 6 Coordinate control block diagram of distributed energy storage for grid oriented applications

布式储能资源间起到调度指令分解、储能设备协调控制、储能监控与保护、多应用功能切换等功能。

4 储能商业模式评估

4.1 商业模式

作为分布式可再生能源发电和智能微电网的关键支撑技术,分布式储能在分布式发电和微电网系统中除了参与系统运行控制,还可以产生相应的经济效益,如在分时电价机制下,可以通过低储高发实现套利,在工商业用户两部制电价下,通过降低基本电价为用户节省电费,或通过提供用户需求响应能力,帮助用户降低高峰负荷的用电量,赚取需求响应服务费等。2016年国家能源局发布的《关于促进电储能参与“三北”地区电力辅助服务补偿(市场)机制试点工作的通知》特别强调了鼓励电储能参与电网的调峰,并针对用户侧电储能调峰进行了说明,用户侧建设的电储能设施,充电电量既可执行目录电价,也可参与电力直接交易自行购买低谷充电电量,放电电量既可自用,也可视为分布式电源就近向电力用户出售电量;用户侧建设的一定规模的电储能设施,可作为独立市场主体或与发电企业联合参与调频、深度调峰和启停调峰等辅助服务。该通知明确了电储能参与系统辅助服务的身份,在目前的电力市场环境下通过低储高发获取收益是可行的途径。

从目前的市场环境来看,储能设备获利是具有政策支持的,目前的研究也多基于此展开,文献[41]提出一种双层调度策略模型,该模型的主要目标是通过最优地控制储能充放电曲线来使售电公司的利润最大化。文献[42]在综合考虑了电、水、气高级量测,微电网分布式能源管理和电动汽车充电及相关节能技术的基础上,根据智能小区的技术发展现状,对智能小区商业模式从投资分摊类型、盈利模式和效益测算分析3个方面进行了探讨,并详细分析了各个方案的优缺点。

目前,与分布式光伏组合形成的分布式光储系统在国外已有较多的商业应用,在不同的国家,分布式光储发电的应用重点各不相同,美国加州在工商业领域的分布式项目居多,澳大利亚和德国市场的重点在户用储能领域。以德国SENEC.IES公司为例,该公司将用户侧储能聚集起来开展“免费午餐”模式,享有对电池的主要控制权,当电网“零电价”时控制电池从电网充电。用户主要通过最大化地自我消纳屋顶光伏所发的电力、使用SENEC.IES 提供给用户的“免费储存的电力”,实现更低的电费账单,进而获益。SENEC.IES的商业模式见图7。

图7 SENEC.IES的商业模式 Fig. 7 Business mode of SENEC.IES

Fenecon/Ampard开展的虚拟电厂模式,将Ampard的能源管理模块与Pro Hybrid储能系统集成起来,使其可以在用户侧被用作虚拟电厂。

用户为了增加自发自用而购买储能系统,Ampard利用他们的能源管理系统(Ampard Energy Manager)将这些系统管理起来,为这些储能系统增加虚拟电厂的功能提供一次调频控制和备用等

服务。Fenecon/Ampard的商业模式见图8。

图8 Fenecon/Ampard的商业模式 Fig. 8 Business mode of Fenecon/Ampard

从目前分布式储能应用现状来看,分布式储能系统具有通过汇聚将“点”资源凝聚起来,通过前面定义的资源聚合商概念,实现分布式储能资源的汇聚商业运营的可能,国外在该方面的应用已经初具雏形。国内对于分布式储能运营商业模式研究还处于起步阶段,相关的探讨和分析仍比较局限。随着政策引导和市场需求的增强,预期将发展形成一大批从事各类型储能技术研发、制造、建设、运营的相关企业,分布式储能将在电网中得到更广泛的应用,关于商业模式的研究有待进一步深入。

4.2 经济性评估

在自由竞争的电力市场中,相关的评估研究大多针对运营商的收益,如低储高发套利、调频收益、

备用收益等,根据电价预测,计及运维成本,建立优化调度模型,在日前市场中合理安排储能系统的调频容量、备用容量和充/放电策略,使运营商获取最大的效益,从而对储能系统应用的效益进行

评估。

对分布式储能的经济评价,需要量化储能的投资运行费用、政策的补贴、工作模式如削峰填谷和配合新能源接入等带来的收益以及节能减排等其它收益。由于新能源出力的不确定性,可以使用典型日提取、信息决策理论等方法对储能带来的收益进行量化评估[43-45],建立相应的目标函数,评估储能投资的可行性。文献[46]提出一种评估储能支撑分布式光伏接入价值的方法,分别针对有储能和无储能接入2种情况,以适应大规模分布式光伏接入所采取的技术措施总成本最优为目标,利用年度潮流计算和智能优化方法,优化确定2种情况下的最优技术措施组合及其相应的成本,通过对比技术措施成本的构成进而进行储能价值评估。文献[47]提出一种评估高光伏渗透率的配电网中投资储能的综合方法。考虑经济和技术条件的限制,将储能灵活应用于削峰填谷和延缓配电网投资升级。储能系统的选址定容和使用方式决定了经济的可行性。文献[48]提出了一种包括储能单位运行成本、维护成本、环境效益、风电输出功率减小补偿收益和能量损耗成本的综合经济评估框架。文献[49]对储能系统用于配电网削峰填谷,具有复合滤波结构的风储联合发电系统进行了经济性评估。

分布式储能参与系统调峰,目前在美国已经实现商业化运营,针对这一应用模式就目前中美两国的应用现状进行比较,如表3所示。

通过表3的对比情况可看出,目前在我国通过

表3 中美分布式电储能参与调峰辅助服务现状对比 Tab. 3 Comparison of DSS participating in peak load shaving between China and USA

表4 美国加州某区电价 Tab. 4 Electricity price in a certain area of California

表5 上海地区电力市场相关数据 Tab. 5 Related data in Shanghai Electricity market

储能参与电网调峰辅助服务并不具备经济性,作为优质的辅助服务资源,应尽快出台量化储能价值的政策法规,通过政策导向激励储能产业,以产业自身发展带动成本下降,进而实现储能产业的良性发展。

5 探讨与展望

随着分布式电源的大规模接入电网以及城乡配电网固有的一些问题逐渐严重,分布式储能技术成为了人们关注的焦点。近年来,国内外在分布式储能的优化配置、参与辅助服务、关键设备研制以及商业模式等方面已有一定研究。在此基础上,未来在以下方面进行深入探讨。

1)补充性规划技术。面向参与电网辅助服务或优化电网运行等应用,基于对局域电网内现有分布式储能资源的评估,开展补充性规划技术研究,通过在关键节点配置少量储能,起到以小博大的作用,充分整合已有的储能资源。

2)针对大电网的调峰、调频和紧急事故响应需求、配电网的电压调节、清洁能源满额消纳和源网经济运行等需求,开展分布式储能、柔性负荷等响应资源的协同调控策略研究。

3)在分布式储能关键设备方面,有必要根据不同拓扑结构以及所设定系统动态、稳态性能指标对不同功率等级的分布式储能设备进行参数优化设计,提高设备运行效率,降低运维成本,实现分布式储能系统在不同应用模式下平滑切换。此外,针对广域多点调度需求的分布式储能监控设备、规模化分布式储能协调调控设备的研制工作亟待开展。

4)在促进分布式储能的商业运营发展方面,应认可储能作用,给予储能参与电力市场的同等身份。鉴于目前我国储能技术发展主要是依托于可再生能源,通过出台补贴政策推动储能产业发展的可行性不大,建议放开辅助服务市场,使储能设备获得与其他资源同等的身份,通过分布式储能汇聚参与电网辅助服务实现市场化运营。

5)在时间粒度和位置粒度上细化储能系统的计量计费办法,量化储能的时间价值和位置价值,并研发支撑细化办法的计量设备。

6 结论

随着清洁能源大量分散化接入和“源-网-荷”友好互动要求,储能系统已从单一化应用背景向多点汇聚、能源互联过渡。以储能作为核心承载技术的多能互补、互动一体化工程应用将全方位勾勒第三次工业革命的发展愿景,未来势必将构建出“源-网-荷-储-控”的新型智能电网形态。

参考文献

[1] 李建林,马会萌,惠东.储能技术融合分布式可再生能源的现状及发展趋势[J].电工技术学报,2016,31(14):1-10. Li Jianlin,Ma Huimeng,Hui Dong.Present development condition and trends of energy storage technology in the integration of distributed renewable energy[J].Transactions of China Electrotechnical Society,2016,31(14):1-10(in Chinese).

[2] 王成山,武震,李鹏.分布式电能存储技术的应用前景与挑战[J].电力系统自动化,2014,38(16):1-8. Wang Chengshan,Wu Zhen,Li Peng.Prospects and challenges of distributed electricity storage technology[J].Automation of Electric Power Systems,2014,38(16):1-8(in Chinese).

[3] 裴玮,盛鹍,孔力,.分布式电源对配网供电电压质量的影响与改善[J].中国电机工程学报,2008,28(13):152-157. Pei Wei,Sheng Kun,Kong Li,et al.Impact and improvement of distributed generation on distribution network voltage quality[J].Proceedings of the CSEE,2008,28(13):152-157(in Chinese).

[4] 李建林,惠东,靳文涛,.大规模储能技术[M].北京:机械工业出版社,2016:78.

[5] Miranda I,Silva N,Leite H.Distribution storage system optimal sizing and techno-economic robustness[C]//Energy Conference and Exhibition.IEEE,2012:483-488.

[6] Alnaser S W,Ochoa L F.Optimal sizing and control of energy storage in wind power-rich distribution networks[J].IEEE Transactions on Power Systems,2016,31(3):2004-2013.

[7] Sharma I,Bhattacharya K.Optimal sizing of battery energy storage systems in unbalanced distribution feeders[C]//Industrial Electronics Society.IEEE,2013:2133-2138.

[8] Seydali Seyf Abad M,Karimi Gharigh M R,Safdarian A,et al.Optimal sizing of distributed energy storage with consideration of demand response in distribution systems[C]//24th Iranian Conference on Electrical Engineering(ICEE).Iranian:ICEE,2016:6P.

[9] Venu C,Riffonneau Y,Bacha S,et al.Battery storage system sizing in distribution feeders with distributed photovoltaic systems[C]// PowerTech.IEEE,2009:1-5.

[10] Macrae C,Ozlen M,Ernst A,et al.Locating and sizing energy storage systems for distribution feeder expansion planning[C]//TENCON 2015-2015 IEEE Region 10 Conference.IEEE,2015:1-6.

[11] Nick M,Hohmann M,Cherkaoui R,et al.Optimal location and sizing of distributed storage systems in active distribution networks[C]// Powertech.IEEE,2013:1-6.

[12] Vigano G,Rossi M,Moneta D,et al.Methodology for the optimal siting and sizing of storage systems in distribution networks[C]//Aeit International Conference.IEEE,2015:1-6.

[13] 薛金花,叶季蕾,陶琼,.采用全寿命周期成本模型的用户侧电池储能经济可行性研究[J].电网技术,2016,40(8):2471-2476. Xue Jinhua,Ye Jilei,Tao Qiong,et al.Economic feasibility of user-side battery energy storage based on whole-life-cycle cost model[J].Power System Technology,2016,40(8):2471-2476(in Chinese).

[14] 邢洁,曹哲,张怡,.储能系统应用于用户侧的技术经济分析[J].电气应用,2017(1):26-30. Xing Jie,Cao Zhe,Zhang Yi,et al.Technical and economic analysis of energy storage system applied to the user side[J].Electrical Applications,2017(1):26-30(in Chinese).

[15] 颜志敏,王承民,连鸿波,.计及缺电成本的用户侧蓄电池储能系统容量规划[J].电力系统自动化,2012,36(11):50-54. Yan Zhimin,Wang Chengmin,Lian Hongbo,et al.Capacity plan of battery energy storage system in user side considering power outage cost[J].Automation of Electric Power Systems,2012,36(11):50-54(in Chinese).

[16] 黄伟,崔屹平,华亮亮,.基于小水电及储能的主动配电网电压控制[J].电力建设,2015,36(1):103-109. Huang Wei,Cui Qiping,Hua Liangliang,et al.Active distribution network voltage control based on the small hydropower and energy storage device[J].Electric Power Construction,2015,36(1):103-109(in Chinese).

[17] 曾祥君,罗莎,胡晓曦,.主动配电网系统负荷控制与电能质量监测[J].电力科学与技术学报,2013,28(1):41-47. Zeng Xiangjun,Luo Sha,Hu Xiaoxi,et al.Load control and power quality monitoring in active distribution systems[J].Journal of Electric Power Science and Technology,2013,28(1):41-47(in Chinese).

[18] 沙熠,邱晓燕,宁雪姣,.协调储能与柔性负荷的主动配电网多目标优化调度[J].电网技术,2016,40(5):1394-1399. Sha Yi,Qiu Xiaoyan,Ning Xuejiao,et al.Multi-objective optimization of active distribution network by coordinating energy storage system and flexible load[J].Power System Technology,2016,40(5):1394-1399(in Chinese).

[19] 赵金利,于莹莹,李鹏,.基于锥优化的储能系统参与配电网运行调节快速计算方法[J].电力系统自动化,2016,40(2):30-48. Zhao Jinli,Yu Yingying,Li Peng,et al.A fast calculation method of energy storage system for distribution network regulation based on conic programming[J].Automation of Electric Power Systems,2016,40(2):30-48(in Chinese).

[20] 彭思敏,窦真兰,凌志斌,.并联型储能系统孤网运行协调控制策略[J].电工技术学报,2013,28(5):128-134. Peng Simin,Dou Zhenlan,Ling Zhibin,et al.Cooperative control for parallel-connected battery energy storage system of islanded power system[J].Transactions of China Electrotechnical Society,2013,28(5):128-134(in Chinese).

[21] 黄际元,李欣然,曹一家,.面向电网调频应用的电池储能电源仿真模型[J].电力系统自动化,2015,39(18):20-24. Huang Jiyuan,Li Xinran,Cao Yijia,et al.Battery energy storage power supply simulation model for power grid frequency regulation[J].Automation of Electric Power Systems,2015,39(18):20-24(in Chinese).

[22] Zhang S,Mishra Y,Shahidehpour M.Fuzzy-logic based frequency controller for wind farms augmented with energy storage systems[J].IEEE Transactions on Power Systems,2016,31(2):1595-1603.

[23] Wen Y,Li W,Huang G,et al.Frequency dynamics constrained unit commitment with battery energy storage[J].IEEE Transactions on Power Systems,2016,31(6):5115-5125.

[24] Liu J,Wen J,Yao W,et al.Solution to short-term frequency response of wind farms by using energy storage systems[J].IET Renewable Power Generation,2016,10(5):669-678.

[25] Papic I.Simulation model for discharging a lead-acid battery energy storage system for load leveling[J].IEEE Transactions on Energy Conversion,2006,21(2):608-616.

[26] 尚瑨,邰能灵,刘琦,.采用区间控制的蓄电池储能电站调峰运行控制策略[J].电工技术学报,2015,30(16):221-229. Shang Jin,Tai Nengling,Liu Qi,et al.Load shifting scheme of battery energy storage system based on interval controlling[J].Transactions of China Electrotechnical Society,2015,30(16):221-229(in Chinese).

[27] 鲍冠南,陆超,袁志昌,.基于动态规划的电池储能系统削峰填谷实时优化[J].电力系统自动化,2012,36(12):11-16. Bao Guannan,Lu Chao,Yuan Zhichang,et al.Load shift real-time optimization strategy of battery energy storage system based on dynamic programming[J].Automation of Electric Power Systems,2012,36(12):11-16(in Chinese).

[28] Lee S J,Kim J H,Kim C H,et al.Coordinated control algorithm for distributed battery energy storage systems for mitigating voltage and frequency deviations[J].IEEE Transactions on Smart Grid,2016,7(3):1713-1722.

[29] Mohagheghi S,Fang Y,Falahati B.Impact of demand response on distribution system reliability[C]//Proceedings of the 2011 IEEE Power and Energy Society General Meeting.Detroit,USA:IEEE,2011:7p.

[30] Ikaheimo J,Evens C,Karkkainen S.DER aggregator business: the finish case[R].Helsinki,Finland:VTT Technical Research Centre of Finland,2010.

[31] 毕大强,周稳,戴瑜兴,.交直流混合微电网中储能变流器无缝切换策略[J].电力系统自动化,2016,40(10):84-89. Bi Daqiang,Zhou Wen,Dai Yuxing,et al.Control strategies of seamless switching for energy storage converter in hybird AC/DC microgrid[J].Automation of Electric Power Systems,2016,40(10):84-89(in Chinese).

[32] 吴云亮,孙元章,徐箭,.基于饱和控制理论的储能装置容量配置方法[J].中国电机工程学报,2011,31(22):32-39. Wu Yunliang,Sun Yuanzhang,Xu Jian,et al.Determination methodology for storage capacity based on saturation control theory[J].Proceedings of the CSEE,2011,31(22):32-39(in Chinese).

[33] 方陈,闫寒明,李景云,.基于IEC 61850的储能监控信息模型研究[J].华东电力,2014,42(4):665-669. Fang Chen,Yan Hanming,Li Jingyun,et al.Information model of energy storage supervisory system based on IEC 61850 standard[J].East China Electric Power,2014,42(4):665-669(in Chinese).

[34] 周钰,李涛,郝为瀚.电池储能站监控系统的设计[J].电气应用,2014,33(5):30-33. Zhou Yu,Li Tao,Hao Weihan.Design of monitoring system for battery energy storage station[J].Electrical Applications,2014,33(5):30-33(in Chinese).

[35] 刘崇宇,魏海坤,刘海璇.一类储能监控系统结构设计[J].工业控制计算机,2015,28(3):53-55. Liu Chongyu,Wei Haikun,Liu Haixuan.Structure design of monitoring system for a type of energy storage system[J].Industrial Control Computer,2015,28(3):53-55(in Chinese).

[36] 杨秀,陈洁,朱兰,.基于经济调度的微网储能优化配置[J].电力系统保护与控制,2013,41(1):53-60. Yang Xiu,Chen Jie,Zhu Lan,et al.Optimization allocation of energy storage for microgrid based on economic dispatch[J].Power System Protection and Control,2013,41(1):53-60(in Chinese).

[37] 唐西胜,邓卫,齐智平.基于储能的微网并网/离网无缝切换技术[J].电工技术学报,2011,26(1):279-284. Tang Xisheng,Deng Wei,Qi Zhiping.Research on grid-connected/ islanded seamless transition of microgrid based on energy storage[J].Transactions of China Electrotechnical Society,2011,26(1):279-284(in Chinese).

[38] Pei W,Deng W,Shen Z,et al.Operation of battery energy storage system using extensional information model based on IEC 61850 for micro-grids[J].IET Generation,Transmission & Distribution,2016,10(4):849-861.

[39] Deeba S,Sharma R,Saha T,et al.Evaluation of technical and financial benefits of battery-based energy storage systems in distribution networks[J].IET Renewable Power Generation,2016,10(8):1149-1160.

[40] 李志伟,赵书强,刘应梅.电动汽车分布式储能控制策略及应用[J].电网技术,2016,40(2):442-450. Li Zhiwei,Zhao Shuqiang,Liu Yingmei.Control strategy and application of distributed electric vehicle energy storage[J].Power System Technology,2016,40(2):442-450(in Chinese).

[41] Fang X,Li F,Wei Y,et al.Strategic scheduling of energy storage for load serving entities in locational marginal pricing market[J].IET Generation,Transmission & Distribution,2016,10(5):1258-1267.

[42] 王澄,徐延才,魏庆来,.智能小区商业模式及运营策略分析[J].电力系统保护与控制,2015,43(6):147-154. Wang Cheng,Xu Yancai,Wei Qinglai,et al.Analysis of intelligent community business model and operation mode[J].Power System Protection and Control,2015,43(6):147-154(in Chinese).

[43] Maghouli P,Soroudi A,Keane A.Robust computational framework for mid-term techno-economical assessment of energy storage[J].IET Generation,Transmission & Distribution,2015,10(3):822-831.

[44] Thapa S,Karki R.Reliability benefit of energy storage in wind integrated power system operation[J].IET Generation,Transmission & Distribution,2016,10(3):807-814.

[45] Virasjoki V,Rocha P,Siddiqui A S,et al.Market impacts of energy storage in a transmission-constrained power system[J].IEEE Transactions on Power Systems,2016,31(5):4108-4117.

[46] 黄碧斌,李琼慧.储能支撑大规模分布式光伏接入的价值评估[J].电力自动化设备,2016,36(6):88-93. Huang Bibin,Li Qionghui.Value assessment for energy storage in supporting large-scale integration of distributed PVs[J].Electric Power Automation Equipment,2016,36(6):88-93(in Chinese).

[47] Samper M,Flores D,Vargas A.Investment valuation of energy storage systems in distribution networks considering distributed solar generation[J].IEEE Latin America Transactions,2016,14(4):1774-1779.

[48] Liu Y,Du W,Xiao L,et al.Sizing a hybrid energy storage system for maintaining power balance of an isolated system with high penetration of wind generation[J].IEEE Transactions on Power Systems,2016,31(4):3267-3275.

[49] 韩晓娟,李建林,田春光,.风光储容量优化配置及经济性评估[M].北京:中国电力出版社,2016:179-190.

  • 目录

    图1