多时间尺度的电池储能系统建模及分析应用_陆秋瑜
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
基金项目:国家高技术研究发展计划(863 计划)(2011AA05A112); 国 家 科 技 支 撑 计 划 (2011BAA01B02) ; 国 家 自 然 科 学 基 金 重 大 项 目 (51190101);国家电网公司科技项目;辽宁省电力有限公司科技项目。 The National High Technology Research and Development of China 863 Program (2011AA05A112); Key Project of the National Eleventh-Five Year Research Program of China (2011BAA01B02); Project Supported by National Natural Science Foundation of China (51190101).
图1 Fig. 1
Eb
电池戴维南等效电路模型 Thevenin battery model
戴维南等效电路可代表电池储能系统的静态 和暂态特性。在电池恒电流放电过程中,其电压的 下降将经历 3 个主要阶段[14]。 1)暂态过程:RS 的存在使得电流变化的瞬间 电压即刻发生跌落,随后电压以指数方式衰减至稳 态,衰减的时间常数为 CRC,其时间尺度通常为毫 秒至秒级,随后电路进入稳态。 2) 缓慢下降过程: 主要由 Eb 随 SOC 的下降而 减小导致。 3)迅速下降至截止电压:在放电后期电池内 阻的迅速增大成为主导因素,导致电池电压快速下 降, 若及时切断电路, 电池电压可恢复至开路电压, 若继续放电将导致电池永久性的损坏,直接影响电 池的寿命。 电池的充电过程与之类似,在此不再赘述。 电池模型参数的测量及拟合方法 图 1 所示的戴维南等效电路中的参数会随着 SOC、充放电状态和电流、温度和电池老化程度而 变化,在中长期仿真中必须计及这些因素的影响。 由于学科分类的不同,在电力系统控制中一般不考 虑储能内部复杂的电化学反应,往往忽略参数变化 的影响,从而限制了该模型在电力系统优化控制中 的应用。由于物理模型难以描述电化学反应机理, 模型参数只能通过实验的方法获取。从储能系统级 控制的角度考虑, SOC 和充放电电流与控制策略的 优化有直接联系,因此本文仅考虑这两种因素,其 他因素的影响可采用类似的方法予以考虑。 1)SOC 计算方法。 电池荷电状态 SOC 反映了电池的剩余容量, 可为电池容量规划和运行控制提供重要依据,也是 储能系统区别于常规电源/负荷的最主要特征。 目前 SOC 常用的估计方法有安时计量法、开路电压法、 神经网络法和 Kalman 滤波方法等[15]。本文采用使 用最为广泛的安时计量法,计算公式为
86
第 33 卷 第 16 期 2013 年 6 月 5 日
中
国 电 机 工 程 学 Proceedings of the CSEE 中图分类号:TM 74
报
Vol.33 No.16 Jun. 5, 2013 ©2013 Chin.Soc.for Elec.Eng. 学科分类号:47040
文章编号:0258-8013 (2013) 16-0086-08
中计及电池荷电状态和充放电电流对模型参数的影响, 同时 提出基于实验数据拟合模型参数的方法。 在此基础上, 分析 讨论该模型在电力系统不同应用场景中的主导因素, 建立适 用于多时间尺度的电池储能仿真模型, 并通过实测电压电流 曲线验证了模型的有效性。 最后以平抑风电中长期波动性为 例, 通过计算机仿真采用戴维南等效电路简化模型的电池储 能平抑风电输出波动的效果, 并比较与采用常规恒功率模型 时的优点及对储能容量规划的影响。 关键词:电池储能;多时间尺度电池模型;参数拟合;风电 波动平抑;容量规划
文献标志码:A
多时间尺度的电池储能系统建模及分析应用
陆秋瑜 1,胡伟 1,郑乐 1,闵勇 1,罗卫华 2,葛维春 2,王芝茗 2,闫春生 2
(1.电力系统及发电设备控制和仿真国家重点实验室(清华大学电机系),北京市 海淀区 100084; 2.辽宁省电力有限公司,辽宁省 沈阳市 110006)
Modeling and Analysis of Battery Energy Storage Systems in Multi-time Scales Application
SSOC (t ) SSOC (t 1) I b dt / SAh
t 1 t
1 电池储能模型建立及适用场景讨论
1.1 1.1.1 建立电池储能模型 戴维南等效电路模型 戴维南等效电路模型是目前使用最为广泛的 电池储能模型
[13]
,如图 1 所示。理想电压源 Eb 为
电池开路电压,与 SOC 有关;RS 为电池中电极板、 电解液和间隔板的电阻;电阻 RC 和电容 C 组成过 电势网络,用于表示电池的极化反应过程。
0 引言
随着能源危机的加剧及对环境问题的高度重 视,以风电为代表的可再生能源在世界各国得到迅 速发展。我国 2012 年风电机组总装机容量已达到 7 532 万 kW[1],同时规划到 2020 年底建成 7 个 千万 kW 级大型风电基地,届时风电装机容量将达 到 1.5 亿 kW。然而,风电具有较强的间歇性和波 动性,目前的风功率预测精度仍不能满足运行要 求[2]。大规模风电并网将对电力系统调度控制、运 行品质以及系统安全稳定性产生不利影响[3-5], 间歇 性电源的输出和消纳问题已成为制约其规模化发 展的主要瓶颈。 近年来储能技术得到了快速发展,正在逐步改 变传统电力系统不可大量存储电能、发用电必须实 时平衡的局面。大规模储能技术在提高间歇式电源 的可控性方面具有广阔的前景,它的成功应用将突 破间歇性电源与电网协调控制的技术瓶颈、显著提 高间歇性电源的接入能力。其中电池储能以其响应 速度快、能量密度高、功率和容量配置灵活、适用
第 16 期
陆秋瑜等:多时间尺度的电池储能系统建模及分析应用
C Ib Rc Ub Rs
87
范围广等优点,可在电力系统削峰填谷、平抑风电 波动、 稳定控制等多种场景发挥重要作用[6-8]。 由于 电池储能为电化学反应过程,难以采用常规物理模 型对其进行详细的描述,因此储能静态控制多采用 考虑容量限制的恒功率简化模型[8-9], 暂态控制则采 用电压源内阻模型[7]或一阶惯性环节[10]模拟储能 系统,不考虑参数变化的影响。然而电池储能系统 的工作特性与其充放电功率和荷电状态 (state of charge,SOC)等因素直接相关,这样简化的模型无 法对储能的应用效果进行有效的验证。建立适用于 不同应用场景的多时间尺度电池储能仿真模型,是 储能优化配置和控制的基础。文献[11]基于实验数 据对储能系统的电压电流进行线性插值,但本质上 并没有对储能本身进行建模,只是得到了系统的数 值模型。文献[12]采用戴维南等效电路模型,但没 有考虑 SOC 对模型参数的影响,仅适用于仿真时 间较短的场景。文献[13]详细介绍了铅酸电池等效 电路的参数随开路电压和温度的变化,并给出了参 数估计的经验公式,但并没有考虑充放电电流的影 响,公式中的参数也较难获取。 储能系统的建模应基于其应用场景,简单的模 型将无法体现电池特性,而过于复杂的模型可能大 大增加控制策略的求解与应用的复杂度。本文将从 储能系统级控制的角度出发,建立适用于电力系统 控制的电池储能通用仿真模型。该模型可反映大容 量储能系统的外部特性,是对其内部多模块复杂化 学反应的简化。模型计及 SOC 和充放电电流对参 数的影响,参数可通过实验数据拟合得到。通过实 测放电电压电流曲线验证了模型的有效性。在此基 础上,本文将分析并讨论该模型在电力系统优化运 行和控制的不同应用场景中的主导因素,提出不同 时间尺度下模型的实用简化方法。最后以电池储能 平抑风电波动性为例,仿真电池储能平抑风电输出 波动的效果,比较不同模型的优缺点及其对储能容 量规划的影响。 1.1.2
(1)
式中:Ib 为电池电流,以放电为正方向;SAh 为电池
88
中ຫໍສະໝຸດ Baidu
国
电
机
工
程
学
报
第 33 卷
LU Qiuyu1, HU Wei1, ZHENG Le1, MIN Yong1, LUO Weihua2, GE Weichun2, WANG Zhiming2, YAN Chunsheng2
(1. State Key Lab of Power Systems, Department of Electrical Engineering, Tsinghua University, Haidian District, Beijing 100084, China; 2. Liaoning Electrical Power Co. Ltd., Shenyang 110006, Liaoning Province, China) ABSTRACT: The rapid development of battery energy storage technology has provided a new solution for integrating large scale wind power; however, the accurate simulation model for battery energy storage system (BESS) in power system application has not been developed yet. In this paper, a BESS model based on Thevenin circuit was developed. In this model, the model parameters fitting method based on experimental data was proposed, and the influences of state of charge (SOC) and charged/discharged current on model parameters were taken into account. Further, the critical factors in various application scenarios were analyzed to facilitate the proposed model to be feasible in multiple time scales. The effectiveness of the presented model was verified by the measured voltage and current data. Finally, the model was applied to alleviate low frequency wind power volatility to test the control effect of BESS, and the advantages and disadvantages of different models and their impacts on BESS capacity allocation was further discussed. KEY WORDS: battery energy storage; multi-time scales battery model; parameter fitting method; wind power volatility alleviation; battery capacity allocation 摘要: 大容量电池储能技术的快速发展及应用为大规模风电 的接入与消纳提供了新的解决思路与方法, 但电池储能在电 力系统应用中的建模问题一直没能得到较好的解决。 建立基 于戴维南等效电路的电池储能系统仿真模型,并在模型
图1 Fig. 1
Eb
电池戴维南等效电路模型 Thevenin battery model
戴维南等效电路可代表电池储能系统的静态 和暂态特性。在电池恒电流放电过程中,其电压的 下降将经历 3 个主要阶段[14]。 1)暂态过程:RS 的存在使得电流变化的瞬间 电压即刻发生跌落,随后电压以指数方式衰减至稳 态,衰减的时间常数为 CRC,其时间尺度通常为毫 秒至秒级,随后电路进入稳态。 2) 缓慢下降过程: 主要由 Eb 随 SOC 的下降而 减小导致。 3)迅速下降至截止电压:在放电后期电池内 阻的迅速增大成为主导因素,导致电池电压快速下 降, 若及时切断电路, 电池电压可恢复至开路电压, 若继续放电将导致电池永久性的损坏,直接影响电 池的寿命。 电池的充电过程与之类似,在此不再赘述。 电池模型参数的测量及拟合方法 图 1 所示的戴维南等效电路中的参数会随着 SOC、充放电状态和电流、温度和电池老化程度而 变化,在中长期仿真中必须计及这些因素的影响。 由于学科分类的不同,在电力系统控制中一般不考 虑储能内部复杂的电化学反应,往往忽略参数变化 的影响,从而限制了该模型在电力系统优化控制中 的应用。由于物理模型难以描述电化学反应机理, 模型参数只能通过实验的方法获取。从储能系统级 控制的角度考虑, SOC 和充放电电流与控制策略的 优化有直接联系,因此本文仅考虑这两种因素,其 他因素的影响可采用类似的方法予以考虑。 1)SOC 计算方法。 电池荷电状态 SOC 反映了电池的剩余容量, 可为电池容量规划和运行控制提供重要依据,也是 储能系统区别于常规电源/负荷的最主要特征。 目前 SOC 常用的估计方法有安时计量法、开路电压法、 神经网络法和 Kalman 滤波方法等[15]。本文采用使 用最为广泛的安时计量法,计算公式为
86
第 33 卷 第 16 期 2013 年 6 月 5 日
中
国 电 机 工 程 学 Proceedings of the CSEE 中图分类号:TM 74
报
Vol.33 No.16 Jun. 5, 2013 ©2013 Chin.Soc.for Elec.Eng. 学科分类号:47040
文章编号:0258-8013 (2013) 16-0086-08
中计及电池荷电状态和充放电电流对模型参数的影响, 同时 提出基于实验数据拟合模型参数的方法。 在此基础上, 分析 讨论该模型在电力系统不同应用场景中的主导因素, 建立适 用于多时间尺度的电池储能仿真模型, 并通过实测电压电流 曲线验证了模型的有效性。 最后以平抑风电中长期波动性为 例, 通过计算机仿真采用戴维南等效电路简化模型的电池储 能平抑风电输出波动的效果, 并比较与采用常规恒功率模型 时的优点及对储能容量规划的影响。 关键词:电池储能;多时间尺度电池模型;参数拟合;风电 波动平抑;容量规划
文献标志码:A
多时间尺度的电池储能系统建模及分析应用
陆秋瑜 1,胡伟 1,郑乐 1,闵勇 1,罗卫华 2,葛维春 2,王芝茗 2,闫春生 2
(1.电力系统及发电设备控制和仿真国家重点实验室(清华大学电机系),北京市 海淀区 100084; 2.辽宁省电力有限公司,辽宁省 沈阳市 110006)
Modeling and Analysis of Battery Energy Storage Systems in Multi-time Scales Application
SSOC (t ) SSOC (t 1) I b dt / SAh
t 1 t
1 电池储能模型建立及适用场景讨论
1.1 1.1.1 建立电池储能模型 戴维南等效电路模型 戴维南等效电路模型是目前使用最为广泛的 电池储能模型
[13]
,如图 1 所示。理想电压源 Eb 为
电池开路电压,与 SOC 有关;RS 为电池中电极板、 电解液和间隔板的电阻;电阻 RC 和电容 C 组成过 电势网络,用于表示电池的极化反应过程。
0 引言
随着能源危机的加剧及对环境问题的高度重 视,以风电为代表的可再生能源在世界各国得到迅 速发展。我国 2012 年风电机组总装机容量已达到 7 532 万 kW[1],同时规划到 2020 年底建成 7 个 千万 kW 级大型风电基地,届时风电装机容量将达 到 1.5 亿 kW。然而,风电具有较强的间歇性和波 动性,目前的风功率预测精度仍不能满足运行要 求[2]。大规模风电并网将对电力系统调度控制、运 行品质以及系统安全稳定性产生不利影响[3-5], 间歇 性电源的输出和消纳问题已成为制约其规模化发 展的主要瓶颈。 近年来储能技术得到了快速发展,正在逐步改 变传统电力系统不可大量存储电能、发用电必须实 时平衡的局面。大规模储能技术在提高间歇式电源 的可控性方面具有广阔的前景,它的成功应用将突 破间歇性电源与电网协调控制的技术瓶颈、显著提 高间歇性电源的接入能力。其中电池储能以其响应 速度快、能量密度高、功率和容量配置灵活、适用
第 16 期
陆秋瑜等:多时间尺度的电池储能系统建模及分析应用
C Ib Rc Ub Rs
87
范围广等优点,可在电力系统削峰填谷、平抑风电 波动、 稳定控制等多种场景发挥重要作用[6-8]。 由于 电池储能为电化学反应过程,难以采用常规物理模 型对其进行详细的描述,因此储能静态控制多采用 考虑容量限制的恒功率简化模型[8-9], 暂态控制则采 用电压源内阻模型[7]或一阶惯性环节[10]模拟储能 系统,不考虑参数变化的影响。然而电池储能系统 的工作特性与其充放电功率和荷电状态 (state of charge,SOC)等因素直接相关,这样简化的模型无 法对储能的应用效果进行有效的验证。建立适用于 不同应用场景的多时间尺度电池储能仿真模型,是 储能优化配置和控制的基础。文献[11]基于实验数 据对储能系统的电压电流进行线性插值,但本质上 并没有对储能本身进行建模,只是得到了系统的数 值模型。文献[12]采用戴维南等效电路模型,但没 有考虑 SOC 对模型参数的影响,仅适用于仿真时 间较短的场景。文献[13]详细介绍了铅酸电池等效 电路的参数随开路电压和温度的变化,并给出了参 数估计的经验公式,但并没有考虑充放电电流的影 响,公式中的参数也较难获取。 储能系统的建模应基于其应用场景,简单的模 型将无法体现电池特性,而过于复杂的模型可能大 大增加控制策略的求解与应用的复杂度。本文将从 储能系统级控制的角度出发,建立适用于电力系统 控制的电池储能通用仿真模型。该模型可反映大容 量储能系统的外部特性,是对其内部多模块复杂化 学反应的简化。模型计及 SOC 和充放电电流对参 数的影响,参数可通过实验数据拟合得到。通过实 测放电电压电流曲线验证了模型的有效性。在此基 础上,本文将分析并讨论该模型在电力系统优化运 行和控制的不同应用场景中的主导因素,提出不同 时间尺度下模型的实用简化方法。最后以电池储能 平抑风电波动性为例,仿真电池储能平抑风电输出 波动的效果,比较不同模型的优缺点及其对储能容 量规划的影响。 1.1.2
(1)
式中:Ib 为电池电流,以放电为正方向;SAh 为电池
88
中ຫໍສະໝຸດ Baidu
国
电
机
工
程
学
报
第 33 卷
LU Qiuyu1, HU Wei1, ZHENG Le1, MIN Yong1, LUO Weihua2, GE Weichun2, WANG Zhiming2, YAN Chunsheng2
(1. State Key Lab of Power Systems, Department of Electrical Engineering, Tsinghua University, Haidian District, Beijing 100084, China; 2. Liaoning Electrical Power Co. Ltd., Shenyang 110006, Liaoning Province, China) ABSTRACT: The rapid development of battery energy storage technology has provided a new solution for integrating large scale wind power; however, the accurate simulation model for battery energy storage system (BESS) in power system application has not been developed yet. In this paper, a BESS model based on Thevenin circuit was developed. In this model, the model parameters fitting method based on experimental data was proposed, and the influences of state of charge (SOC) and charged/discharged current on model parameters were taken into account. Further, the critical factors in various application scenarios were analyzed to facilitate the proposed model to be feasible in multiple time scales. The effectiveness of the presented model was verified by the measured voltage and current data. Finally, the model was applied to alleviate low frequency wind power volatility to test the control effect of BESS, and the advantages and disadvantages of different models and their impacts on BESS capacity allocation was further discussed. KEY WORDS: battery energy storage; multi-time scales battery model; parameter fitting method; wind power volatility alleviation; battery capacity allocation 摘要: 大容量电池储能技术的快速发展及应用为大规模风电 的接入与消纳提供了新的解决思路与方法, 但电池储能在电 力系统应用中的建模问题一直没能得到较好的解决。 建立基 于戴维南等效电路的电池储能系统仿真模型,并在模型