储能电站容量约束下的动态调峰控制策略

79
DISTRIBUTION & UTILIZATION
供用电 2020.05摘 要： 针对储能容量限制的问题，提出一种通过确定负荷区间调整储能电站运行的控制策略，对储能电站充放电功率的选择做出合理优化；针对因负荷预测误差较大导致的储能控制策略峰谷识别不准、储能电站充放电运行时容量利用率不佳等问题，提出了一种实时调整削峰填谷目标的调峰控制策略，对储能电站的运行策略进行最优配置。

基于某地区实际用电负荷数据和短期负荷预测的算例，验证了该控制策略的可行性和有效性。

关键词：储能电站；控制策略；削峰填谷；负荷预测；动态调整
中图分类号：TM73 文献标志码：A DOI ：10.19421/ki.1006-6357.2020.05.012
储能电站容量约束下的动态调峰控制策略
陈兵1，徐春雷2，丁瑾1，蒋子维3，樊海锋2，王昊炜1，王东1
（1. 国网镇江供电公司，江苏 镇江 212000；2. 国网江苏省电力有限公司，江苏 南京 210029 ；
3. 河海大学能源与电气学院，江苏 南京 211100）
0 引言
近年来，为促进能源产业优化升级、实现低碳环保发展，我国积极推动清洁能源的发展，新能源装机容量占比也日益提高［1］。

然而，随着电力电子装置的广泛应用以及风电、光伏等可再生能源的高渗透接入，电网的电能质量已经受到很有严重的影响。

作为电网中能量调节的重要环节，储能系统对于提升电网电能质量有着极为重要的意义［2-5］。

电池储能系统具有较大的储能密度，方便安装建设，可以在四象限平滑运行，其在平抑电网负荷波动［6］
、提高可再生能源的渗透率等方面的应用也十分广泛［7-9］。

目前针对上述电池储能系统在电力系统中应用的研究较多，但是对电池储能系统运行的控制策略少有研究。

采用火电机组参与调峰，存在成本高、能源利用率低的问题［10-11］。

近几年储能系统得以广泛运用，大规模储能系统可以从负荷侧对电网负荷的波峰波谷作出调节，起到削峰填谷的双向作用。

因此大规模储能系统在削减发电、输电投资，减小线路损耗，提高设备利用率等方面都具有较大的优势，是解决峰谷差的有效途径之一［12-14］。

文献［15］搭建了适用于削峰填谷的电池结构模型。

文献［16］从用户侧考虑，以经济效益为目标设计出储能系统的控制策略。

文献［17］提出了一种储能系统用于削峰填谷的控制策略，但结合了该策略电压稳定、经济效益等作为研究目标，对于削峰填谷的基本目标的研究不够深入。

文献［18］提出了一种基于区间控制的削峰填谷控制策略，将削峰填谷明确分为三个时段，有较好的针对性，但是对于负荷预测误差的处理固化，难以广泛运用。

文献［19］提出了一种基于自适应网络模糊推理负荷预测的储能电站调峰控制策略，有效减少了预测负荷存误差较大、峰谷识别不准等问题，但实质是一种复杂的动态负荷预测的算法，对削峰填谷的控制策略没有更多优化。

本文的研究建立在短期负荷预测的基础上，并针对负荷预测的误差对蓄电池储能电站（battery energy storage system ，BESS ）控制策略的影响，提出了一种实时调整调峰目标的储能电站削峰填谷控制策略。

该策略将储能电站的容量和削峰填谷的目标同步考虑，实时调整储能电站充放电功率，控制策略计算简便，有较高的实用性。

在相应负荷预测已经作出的情况下，减少负荷预测的误差对储能电站控制策略的影响，优化调峰效果。

1 基于短期负荷预测的调峰控制策略
1.1 理想条件下的控制策略
一个地区的日负荷曲线，受用电规律的影响出现较大的峰谷差。

理想条件下，假设该地区可以配置无限大容量的储能装置，并且该装置可以实时调整充放电及其相应的功率，通过配置储能将该地区的负荷始终控制在
基金项目：国网江苏省电力有限公司科技项目 （J2019086）。

Supported by Jiangsu Electric Power Company（J2019086）.
［引文信息］陈兵，徐春雷，丁瑾，等． 储能电站容量约束下的动态调峰控制策略［J ］．供用电，2020，37（5）：79-84．
CHEN Bing ，XU Chunlei ，DING Jin ，et al ． Dynamic peak control strategy under capacity constraint of energy storage power station ［J ］． Distribution & Utilization ，2020，37（5）：79-84．
80
DISTRIBUTION & UTILIZATION
供用电 2020.05
同样，放电目标的选择也应该满足以下约束条件，见式（3）：
（3）式中：P disch,k 为t k 时刻放电功率，由放电目标P r 与预测的负荷功率P
LP 给出；∆t 为充电功率切换的时间间隔，h ；E 2为储能电池放电安全容量，kWh ；P disch,max 为 BESS 允许的最大充电功率，kW ；N 2为放电区间数。

储能电站运行中还应该满足储蓄电量的约束条件，见式（4）：
（4）
式中：
为BESS 电量差，kWh ；
E 1为BESS 充电安全容量，kWh ；E 2为储能电池放电安全容量，kWh ；
在规划目标区间时控制
ε达到最佳。

即在短期
负荷预测的基础上，通过迭代确定最佳的调峰目标区间
，具体流程如图2所示。

图1 削峰填谷区间示意
Fig.1 Schematic diagram of peak cutting and valley filling
图2 确定目标值的迭代示意
Fig.2 Flow chart of striking the targets
P /M W
时刻
6
1218
24450
500550600650700750P r 1P r 2
图1负荷曲线显示：每日凌晨时段低负荷的情况相对固定，可以将储能电站的充电时间确定在每日0:00至7:00；每日用电高峰出现于工作时段和黄昏时段，由于白天负荷情况时常会发生变化，不考虑在12:00至18:00作第二次充电，所以可以将调峰控制策略的放电时段统一规划至7:00至24:00。

该策略以每日在规定时段内调度储能装置的电量调节负荷曲线为目标。

因此，根据储能电站的容量限制问题和电站实际运行情况可以将全天分为（t 0,t 1）
，（t 1,t 2）， ，（t n -1,t n ）若干个等时常时间段，在相应时段（t i ,t i +1）内选择最契合的储能电池充放电功率分别为P remch,i 、P remdisch,i ，进而组合成上述的充电区间和放电区间。

结合负荷预测的数据，设计充电目标P r1和放电目标P r2，确定各时段的充电功率P ch,i 和放电功率P disch,k ，将全天的实际负荷曲线尽可能调整控制在
此，需要充分考虑储能容量的限制，对充电、放电区间合理规划，确定合理的调峰目标并制定相应的调峰控制策略，尽可能减小负荷的峰谷差。

1.2 容量约束条件下的电网侧储能控制策略
电网侧调峰控制策略的目标在于在保证负荷平稳的情况下实现削峰填谷，减小负荷高峰时段电网的负荷压力，削峰填谷区间示意如图1所示。

81
DISTRIBUTION & UTILIZATION
供用电 2020.05
，满，根据，在考虑；当负，只对负。

考虑到负荷曲线的变化和储能电站实际运行的情况，设计m 个充电功率档位和n 个充电功率档位，分别记为
和，其中
，。

记
为t i 时刻的负荷剩余，依据充电时段充
满储能电站的目标，若
，则取
；若
，则取；记为t k 时刻
的负荷缺额。

同理，因为储能电站电量可以剩余，若
，则取
；若
，则
取。

2 算例分析
2.1理想状况下储能控制策略的调峰情况
以某地区的实际负荷数据为例，该地区某一天负荷曲线如图3所示。

假定负荷预测曲线和实际负荷曲线相同，以实际负荷曲线为参考值，可以计算出充电目标P r1=537.31 MW 、放电目标P r2=671.19 MW 。

实际调峰情况如图4所示。

图3 某地日实际负荷曲线
Fig.3 Actual daily load curve of an area
图
4 调峰控制策略优化效果
Fig.4 Ideal results of peak control strategy
图5 负荷预测曲线示意
Fig.5 Schematic diagram of load forecasting curve
450
500550600650700750P /M W
时刻
图3中2:00至6:00为全天用电低谷，7:00至12:00是该天第1个用电峰值，18:00至21:00存在明显的用电高峰。

将全天24 h 平均分为48个时段，每个时段0.5 h ，共计48个数据采集点。

其中22:30至次日5:30为充电区间，6:00至22:00为放点区间。

BESS 的充放电安全容量E 1和E 2均取187.5 MWh ，且各取20个充电功率档位和充电功率档位，分别为：0、5、10、···、95 MW。

时刻
P /M W
从图4中可以看出，通过上述调峰策略的调整，可以在用电高峰时将波峰尽可能削减，缓解电网压力。

2.2负荷预测误差较大对控制策略的影响
上述调峰策略的研究，是在理想情况下进行的，负荷预测的误差影响了优化的程度。

在综合考虑到日期类型、日最高最低温度、天气情况等因素，采用短期负荷预测［20］得到负荷预测曲线如图5所示。

依据上述算法确定对应充放电目标P r1=537.31 MW 、P r2=651.65 MW ，与理想目标相差较大。

实际负荷值于4:00至19:00相对高于负荷预测值，如图5所示，波谷提前结束，波峰提前来临，属于误差较大的负荷预测结果。

短期负荷预测和实际负荷情况必然存在误差。

在实际负荷整体高于负荷预测值过多时，如果依然遵循负荷预测的标准值控制储能电站的充放电，蓄电池可能会无法充满，导致放电阶段到达第二个波峰时，储能电站已无剩余电量可供参与调节，调峰控制策略实际优化效果
如图6所示。

/M W
P 时刻
82
DISTRIBUTION & UTILIZATION
供用电 2020.05
储能电站充电时依据负荷预测曲线确定的目标值，充电完成后实际充电量为90 MWh ，图6中，在17:00时刻该日第2个负荷波峰来临时，储能电站已无剩余电量参与调峰。

另外，在实际负荷整体低于负荷预测值过多时，蓄电池提前充满，可能无法调节波谷段负荷；调峰时，放电目标过高也会导致电量剩余过多，即无调峰作用。

3 动态调整调峰目标的控制策略
3.1结合储能装置实时电量的控制策略
针对短期负荷预测的误差问题，为了优化调峰策略的实际效果并保证调整中负荷曲线的平稳性，本文提出了一种结合储能装置电量的实时控制策略。

该策略将原先固化的校验点控制策略改为实时的检测调整，在储能电站参与调峰后，负荷平稳性依然有相应的保证。

该策略依然以原负荷预测曲线为参考，以充电时段为例，在t i 时刻，根据已有负荷数数据得到为充电目标的修改值，见式（5）：
（5）
式中：为充电目标的修改值，kW ；P D 和P LP 分别为实际负荷数据和负荷预测数据，kW 。

同时记录下此刻蓄电池的实时电量E rem(i )，
以E 1–E
rem(i )
为积分目标，得到P r1(i )的调整值，得到新的充电目
标，见式（6）：
（6）式中：
P r1(i +1)为充电目标值，kW ；为充电目标的修改值，kW ；为调整值，kW ；和为相关系数。

可以通过新的充电目标值P r1(i +1)重新确定t i +1时刻储能电站的实际充电功率P ch,i +1。

同理，可以通过新的放电目标值P r2(j +1)重新确定t j +1时刻BESS 的实际放电功率P disch,j +1。

所以，对于全天合计48个负荷预测数据，有48个与之对
图6 调峰控制策略实际优化效果
Fig.6 Actual results of peak control strategy
时刻
应的不同的充、放电的目标值P r ，每一个时刻t n 的标准值
都与前一时刻t n -1剩余电量和充放电功率选取相关，实现实时监测调整。

实时控制策略对于传统的削峰填谷策略做出一定量的改进，实现储能电站完全充放电。

实际的动态控制的依据是蓄电池剩余可用电量的实时数据，结合实时负荷功率和原负荷预测曲线的差值对调峰控制策略作实时调整，无需改变负荷预测的精确程度也能减少误差给调峰控制策略带来的影响。

优化策略的实际调峰效果如图7所示。

该控制策略对于传统的削峰填谷策略做出一定量的改进，实现储能电站完全充放电。

实际的动态控制的依据是蓄电池剩余电量的实时数据，结合实时负荷功率和原负荷预测曲线的差值对调峰控制策略作实时调整，无需改变负荷预测的精确程度也能减少误差给调峰控制策。

3.2参数对比
为比较本文所提出的调峰控制策略的效果，对比理想调峰数据、实际调峰数据和动态调峰数据的峰谷差及标准差。

取调整负荷数据曲线最大最小值之差，记为峰谷差∆P i ，即：∆P =P max −P min 。

引入标准差σi ，见式（7）
： （7）
式中：P k 为各时段负荷调整功率；为负荷平均值；N 为
样本数。

调峰效果的对比如图8所示，负荷预测误差较大时，传统的调峰控制策略出现明显的储能出力不足。

在削峰填谷的实际目标值与预测值出现明显不匹配时，动态调整下的控制策略可以实现相对平缓地充电至满容量，放
电策略也能贴合实际波形。

P /M W
83
DISTRIBUTION & UTILIZATION
供用电 2020.05图8 调峰效果的对比
Fig.8 Contrast diagram of peak shaving effect
理想条件与实时调整策略参与调峰的主要参数见表1。

表1 不同控制策略的效果
理想条件133.5848.7429实时调整
179.20
51.3525
与理想调峰数据的峰谷差对比，作动态调整的控制策略对实际负荷的变化，改变相应目标值，使调整后的负荷曲线控制在区间长度相近的负荷区间内，标准差也与理想情况接近。

4 结语
针对储能电站储能容量限制的情况下，本文设计了一种面向电网侧的储能电站削峰填谷控制策略，优化传统的控制策略，在理想负荷预测的情况下，可以将调整后的负荷曲线的波峰和波谷控制在最佳目标区间内。

并且针对负荷预测精度较差、波峰提前或滞后等问题，本文提出了一种实时调整调峰目标的储能电站削峰填谷控制策略，利用储能电站剩余电量的实时数据，动态修改目标值，大大减小了负荷预测误差给调峰控制策略带来的影响。

实验数据表明，动态调整调峰目标后的控制策略的结果与控制目标相近，有较高准确性以及稳定性，验证该策略是一种行之有效地降低负荷预测误差对储能控制策略的影响的办法。

［J ］．Automation of Electric Power Systems ，2018，42（15）： 53-61，185，227-231．
陈旭海，陈佳桥，叶春，等．
基于ANN 锂电池混合储能系统容量优化配置［J ］．供用电，2019，36（10）： 80-86． CHEN Xuhai ，CHEN Jiaqiao ，YE Chun ，et al ． Capacity optimization of lithium battery hybrid energy storage system based on ANN ［J ］．Distribution & Utilization ，2019，36（10）： 80-86．
杨卫明，胡岩，殷新建，等．
储能技术及应用发展现状［J ］．建材世界，2019，40（5）： 115-119．
YANG Weiming ，HU Yan ，YIN Xinjian ，et al ． Energy storage technology and application development ststus ［J ］．The World of Building Materials ，2019，40（5）： 115-119．
王嘉阳，申建建，程春田，等．
基于负荷重构策略的火电切负荷调峰方法［J ］．中国电机工程学报，2014，34（16）： 2684-2691． WANG Jiayang ，SHEN Jianjian ，CHENG Chuntian ，et al ． A load shedding method for thermal power plants with peak regulation based on load reconstruction strategy ［J ］．Proceedings of the CSEE ，2014，34（16）： 2684-2691．
陆怀谷，褚国伟，张伟，等．
面向配电网优化的混合储能系统控制策略［J ］．可再生能源，2019，37（12）： 1816-1825． LU Huaigu ，CHU Guowei ，ZHANG Wei ，et al ． Control strategy of hybrid energy storage system for distribution network optimal operation ［J ］．Renewable Energy Resources ，2019，37（12）： 1816-1825．
吴峰，黄绮彦，史林军，等．
考虑优化充放电策略的分布式储能容量配置方法［J ］．供用电，2019，36（5）： 85-92． WU Feng ，HUANG Qiyan ，SHI Linjun ，et al ． Distributed energy storage system capacity configuration considering optimized charging and discharging strategy ［J ］．Distribution & Utilization ，2019，36（5）： 85-92．
敦若楠，郭英军，孙鹤旭，等． 基于混合储能的直流微网母线电压
控制策略［J ］．河北工业科技，2019，36（6）： 384-389．DUN Ruonan ，GUO Yingjun ，SUN Hexu ，et al ． DC microgrid bus voltage control strategy based on hybrid energy storage ［J ］．Hebei Journal of Industrial Science and Technology ，2019，36（6）： 384-389．
参考文献
舒印彪，张智刚，郭剑波，等． 新能源消纳关键因素分析及解决措
施研究［J ］．中国电机工程学报，2017，37（1）： 1-9．
SHU Yinbiao ，ZHANG Zhigang ，GUO Jianbo ，et al ． Study on key factors and solution of renewable energy accommodation ［J ］．Proceedings of the CSEE ，2017，37（1）： 1-9．金森钧，高雄，陈俊鑫，等． 基于电能质量的分布式电源上网电价
机制［J ］．电网技术，2016，40（12）： 3790-3795． JIN Senjun ，GAO Xiong ，CHEN Junxin ，et al ． Research on distributed
generation pricing mechanism based on power quality ［J ］
．Power System Technology ，2016，40（12）： 3790-3795．李建林，袁晓冬，郁正纲，等． 利用储能系统提升电网电能质量研
究综述［J ］．电力系统自动化，2019，43（8）： 15-25． LI Jianlin ，YUAN Xiaodong ，YU Zhenggang ，et al ． Comments on power quality enhancement research for power grid by energy storage system ［J ］．Automation of Electric Power Systems ，2019，43（8）： 15-25．
宋安琪，武利会，刘成，等． 分布式储能发展的国际政策与市场规
则分析［J ］．储能科学与技术，2020，9（1）： 306-316． SONG Anqi ，WU Lihui ，LIU Cheng ，et al ． Analysis of global distributed energy storage development policies and market rules ［J ］．Energy Storage Science and Technology ，2020，9（1）： 306-316．陈红． 风电并网中的储能技术探讨［J ］．电工技术，2019（18）： 133-134．
CHEN Hong ． Discussion on energy storage technologies in wind power integration ［J ］．Electric Engineering ，2019（18）： 133-134．凌万水，刘刚，侯勇． 工业用户配置储能系统的经济收益分析［J ］．
供用电，2019，36（8）： 54-60．
LING Wanshui ，LIU Gang ，HOU Yong ． Economic income analysis of industrial user's configuring energy storage system ［J ］．Distribution & Utilization ，2019，36（8）： 54-60．付爱慧，张峰，张利，等． 考虑爬坡功率有限平抑的高渗透率光伏
电网储能配置策略［J ］．电力系统自动化，2018，42（15）： 53-61，185，227-231．
FU Aihui ，ZHANG Feng ，ZHANG Li ，et al ． Capacity optimization strategy of energy storage system for power grid with high penetration of photovoltaic considering limited smoothing of photovoltaic ramping power
［1］ ［2］［3］［4］［5］［6］［7］［8］［9］［10］［11］［12］［13］
84
DISTRIBUTION & UTILIZATION
供用电 2020.05
作者简介：
陈兵（1975—），男，本科，高级工程师，研究方向为电力系统通信和自动化。

徐春雷（1976—），男，硕士，高级工程师，研究方向为电力系统及其自动化。

丁瑾（1985—），女，硕士，高级工程师，从事调度自动化运维工作。

收稿日期：2019-11-17；修回日期：2020-01-20蒋子维（1996—），男，硕士研究生，研究方向为储能系统的控
制与规划。

樊海峰（1987—），男，硕士，研究方向为新能源并网与控制。

王昊炜（1983—），男，本科，高级工程师，从事调度自动化运维工作。

Dynamic Peak Control Strategy under Capacity Constraint of Energy Storage Power Station
CHEN Bing 1，XU Chunlei 2，DING Jin 1，JIANG Ziwei 3，FAN Haifeng 2，WANG Haowei 1，WANG Dong 1
（1．State Grid Jiangsu Electric Power Company Zhenjiang Power Supply Company ，Zhenjiang 212000，China ；2．State
Grid Jiangsu Electric Power Co ．，Ltd ．，Nanjing 210029，China ；3．
College of Energy and Electrical Engineering ，Hohai University ，Nanjing 211100，China ）
Abstract ：Aiming at the limitation of inaccurate peak and valley identification of the energy storage control strategy due to
the large load prediction error and poor capacity utilization during charge and discharge operation of the energy storage power station, a peak regulation control strategy to adjust the operation of the energy storage power station by determining the load interval is proposed to reasonably optimize the choice of charging and discharging power of the energy storage power station. For load forecasting for the larger error caused by the energy storage control strategy in peak identification, energy storage power station is not allowed to charge and discharge the problem such as poor runtime capacity utilization, a real-time adjusting peak cut target dynamic load of the control strategy is proposed. The method to make full use of the energy storage station capacity as the prerequisite, in order to realize the wave trough period of load throughout the day can be adjusted as the goal, operation strategy, the optimal configuration of energy storage power station. The feasibility and effectiveness of the control strategy are verified based on the actual load data and short-term load forecasting example..
Key words ：energy storage power station ；control strategy ；load shifting ；load forecasting; dynamic adjustment
薛易，李坚，张旺，等．
光伏并网储能系统电能的控制策略［J ］．黑龙江科技大学学报，2019，29（3）： 322-328． XUE Yi ，LI Jian ，ZHANG Wang ，et al ． Voltage type energy control strategy for photovoltaic grid-connected energy storage ［J ］．Journal of Heilongjiang University of Science and Technology ，2019，29（3）： 322-328．
GOEBEL C ，CALLAWAY D S ，JACOBSEN H A ． The impact of
state of charge management when providing regulation power with energy storage ［J ］．IEEE Transactions on Power Systems ，2014，29（3）： 1433-1434．
李建林，靳文涛，徐少华，等． 用户侧分布式储能系统接入方式及
控制策略分析［J ］．储能科学与技术，2018，7（1）： 80-89． LI Jianlin ，JIN Wentao ，XU Shaohua ，et al ． Analysis of access mode and control strategy of distributed energy storage system on user side ［J ］．Energy Storage Science and Technology ，2018，7（1）： 80-89．
ZERAATI M ，HAMEDANI GOLSHAN M E ，GUERRERO J
M ． Distributed control of battery energy storage systems for voltage regulation in distribution networks with high PV penetration ［J ］．IEEE Transactions on Smart Grid ，2018，9（4）： 3582-3593．
尚瑨，邰能灵，刘琦，等． 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．王晓东，苗宜之，卢奭瑄，等． 基于SCM-ANFIS 负荷预测的储能电
站调峰控制策略［J ］．太阳能学报，2018，39（6）： 1651-1657．WANG Xiaodong ，MIAO Yizhi ，LU Shixuan ，et al ． Peak regulation control strategy of energy storage power station based on SCM-ANFIS load forecast ［J ］．Acta Energiae Solaris Sinica ，2018，39（6）： 1651-1657．
赵云，高泽璞，肖勇，等． 基于多层聚类和改进BP 神经网络的短期
负荷预测［J ］．武汉大学学报（工学版），2019，52（7）： 622-629． ZHAO Yun ，GAO Zepu ，XIAO Yong ，et al ． Short term load forecasting based on multilayer clustering and improved BP neural
network ［J ］．Engineering Journal of Wuhan University ，2019，
52（7）： 622-629．
［14］［15］［16］［17］［18］［19］［20
］。