CN104538983A - 一种面向系统调控需求的储能系统最优配置方法 - Google Patents

Abstract

本发明涉及一种面向系统调控需求的储能系统最优配置方法，其特点是：从风电对整个电网功率的不平衡性角度出发，调控风电场群输出功率不超出整个电网功率平衡目标的同时，在剩余的电网可利用空间下，设定储能系统放电区间，基于SOC分层控制策略，对储能系统能量进行优化管理，实时修正储能系统充放电功率，优化储能系统工作性能，并建立风储运行经济性评估模型，以综合收益最大为目标，确定最佳储能系统放电区间，优化储能系统容量，延长其使用寿命，提高新能源电量的入网规模，有效利用电网可接纳风电空间。

Description

一种面向系统调控需求的储能系统最优配置方法

技术领域

本发明涉及风力发电技术领域，是一种面向系统调控需求的储能系统最优配置方法。

背景技术

目前，我国面临着能源枯竭与环境污染的双重压力，开发利用可再生能源获得广泛关注。《中国的能源政策(2012)》白皮书提出我国要大力发展新能源和可再生能源，实现2020年非化石能源消费比重达到15％的目标。而风力发电因其环境友好在全球范围内得到迅猛发展，截至2013年，全球风电年新增总装机容量35GW，累计装机容量已达318GW。然而，随着风电并网规模的扩大，风电功率的随机性和间歇性使得既有电网有功功率调节能力下降，制约了系统接纳风电的能力，导致大量弃风现象出现。

储能系统具有快速充放电能力，能够动态吸收能量并适时释放，因此可以有效优化调控风电功率，在提高风电入网规模的同时，保障电力系统安全运行。然而，由于储能系统投资成本高，极大限制储能系统的配置容量，从而影响了储能系统的调控性能。因此设计合理的储能系统运行控制方法对储能系统运行具有重大意义。

发明内容

本发明所要解决的技术问题是，从风电对整个电网功率的不平衡性角度出发，提出一种面向电力系统调控需求的储能系统最优配置方法，该方法综合考虑了储能系统成本、寿命、多接纳风电收益等因素，以综合收益最大为目标，来确定储能系统容量。

解决其技术问题采用的方案是，一种面向系统调控需求的储能系统最优配置方法，其特征是，调控风电场群输出功率不超出整个电网功率平衡目标的同时，在剩余的电网可利用空间下，设定储能系统放电区间，基于SOC分层控制策略，对储能系统能量进行优化管理，实时修正储能系统充放电功率，优化储能系统工作性能，建立风储运行经济性评估模型，以综合收益最大为目标，确定最佳所需储能系统放电区间，优化储能系统容量，延长其使用寿命，提高新能源电量的入网规模，有效利用电网可接纳风电空间，它包括以下步骤：

1)储能系统放电区间的设定

在接纳风电功率后未突破电网可利用空间极限值的时段，设定储能系统的放电区间α，0≤α<100％，即储能系统放电功率与接纳风电后剩余的空间比值为α；若系统无剩余可利用空间时α＝1，若储能系统不放电α＝0；基于放电区间α的储能系统充放电功率如下：

$\left\{\begin{array}{cc}{P}_{\mathrm{ESS}}\left(t\right)=P_{\mathrm{wd}}\left(t\right)-P_{\mathrm{limit}}^{\mathrm{space}}\left(t\right)& P_{\mathrm{wd}}\left(t\right)>P_{\mathrm{limit}}^{\mathrm{space}}\left(t\right)\\ P_{\mathrm{ESS}}\left(t\right)=\mathrm{\&alpha;}(P_{\mathrm{wd}}\left(t\right)-P_{\mathrm{limit}}^{\mathrm{space}}\left(t\right))& P_{\mathrm{wd}}\left(t\right)<P_{\mathrm{limit}}^{\mathrm{space}}\left(t\right)\end{array}\right.---\left(1\right)$

其中P_ESS(t)为t时刻储能系统充放电功率；P_wd(t)、分别为t时刻风电场群实际输出功率之和以及风电可运行域极值；α为储能系统的放电区间；

面向系统需求区间的储能系统充放电能量E_t以及储能系统在各调度时段结束后充放电累积容量W_t如下所示：

$E_t=\left\{\begin{array}{cc}{\&Integral;}_{t1}^{t2}{P}_{\mathrm{ESS}}{\mathrm{\&eta;}}_{\mathrm{ch}\arg e}\mathrm{dt}& P_{\mathrm{ESS}}>0\\ {\&Integral;}_{t1}^{t2}{P}_{\mathrm{ESS}}/{\mathrm{\&eta;}}_{\mathrm{disch}\arg e}\mathrm{dt}& P_{\mathrm{ESS}}<0\end{array}\right.---\left(2\right)$

$W_t=E_0+\underset{i=1}{\overset{t}{\mathrm{\&Sigma;}}}{E}_t---\left(3\right)$

其中t₁，t₂分别为充放电的起始与结束时刻；η_charge，η_discharge分别为储能系统的充放电效率；P_ESS为储能系统充放电功率；E₀为储能系统初始能量；风电场群所需配置储能系统容量W_opt如下所示：

W_opt＝max{W_t}-min{W_t},t＝1,2,…,N   (4)

其中max{W_t}为各调度时段累计容量最大值，min{W_t}为各调度时段累计容量最小值，N为储能系统总控制时段；

2)SOC分层控制策略

构建SOC分层控制策略，对储能系统充放电功率进行实时修正，确保储能系统具有良好工作性能；将储能系统SOC按照充放电能力分为以下五个层次：不充电紧急层、少充电预防层、正常充放电安全层、少放电预防层、不放电紧急层；储能系统充放电能量需求值P_ESS，经储能能量管理系统确定的修正系数K_SOC进行动态调整，得到储能系统实际充放电指令P_{SOC_ESS}；K_SOC值与Sigmoid函数特性类似，因此利用Sigmoid函数对其进行修正，具体表达如下所示：

储能系统处于充电状态下，P_ESS(t)>0

$K_{\mathrm{SOC}}=\begin{array}{c}\left\{\begin{array}{cc}0,& S_{\mathrm{ma\; x}}\&le;S\&le;100\%\\ \frac{1}{1+e^{-10(x_c-0.5)}},& S_{\mathrm{per}\_\max }<S<S_{\max }\\ 1,& 0\&le;S\&le;S_{\mathrm{pre}\_\max }\end{array}\right.---\left(5\right)\end{array}$

x_c＝(S-S_max)/(S_{pre_max}-S_max)   (6)

储能系统处于放电状态下，P_ESS(t)<0

$K_{\mathrm{SOC}}=\left\{\begin{array}{cc}0,& 0\%\&le;S\&le;S_{\min }\\ \frac{1}{1+e^{-10(x_f-0.5)}},& S_{\min }<S<S_{\mathrm{pre}\_\min }\\ 1,& S_{\mathrm{pre}\_\min }\&le;S\&le;100\%\end{array}\right.---\left(7\right)$

x_f＝(S-S_min)/(S_{pre_min}-S_min)   (8)

经调整系数K_SOC修正确定储能系统实际充放电功率P_{SOC_ESS}(t)为：

P_{SOC_ESS}(t)＝K_SOCP_ESS(t)   (9)

其中S为储能系统的荷电状态；S_max为不充电紧急层的下限；S_max、S_{pre_max}为少充电预防层的上下限；S_{pre_max}、S_{pre_min}为正常充放电安全层的上下限；S_min为少放电预防层的下限；X_c为储能系统充电状态下计算K_SOC的系数；X_f为储能系统放电状态下计算K_SOC的系数；

3)风储系统经济性评估模型

评估模型以风储运行最终收益最大为目标，其目标函数表示如下：

max(R_income-T_invest)   (10)

其中R_income为储能系统总收益费用，T_invest为储能系统投资费用；

模型的投资主要由储能系统容量投资与其运行维护费用两部分组成，表示为：

T_invest＝W_optP+W_optMn   (11)

其中，P为储能系统的单位容量价格；M为储能系统年运行维护费用；n为储能系统的运行年限；

模型的收益主要分为配置储能系统多接纳的电量收益，储能系统存储能量改变量收益以及减少化石燃料发电的气体排放量所带来的环境保护收益三部分；

采用储能系统面向系统需求的控制策略，多接纳电量收益R_sw为：

R_sw＝E_swI_sw   (12)

$E_{\mathrm{sw}}=\underset{i=1}{\overset{365n}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{t}{\mathrm{\&Sigma;}}}(P_{\mathrm{sw}}-P_w)\mathrm{\&Delta;t}---\left(13\right)$

其中E_sw为利用储能装置面向系统需求控制后电网多接纳的风电电量；P_sw为利用储能装置面向系统需求调控后风场实际发电功率；I_sw为风电上网电价；P_w为未安装储能装置风电场输出功率；t为每个调度日内的调度时段，Δt为调度时间，

储能系统在调度日内累计的存储电量的变化量E_s，其带来存储电量收益R_s：

R_s＝E_sI_s   (14)

$E_s=\underset{i=1}{\overset{365n}{\mathrm{\&Sigma;}}}(E_T-E_0)---\left(15\right)$

其中I_s为储能电量上网电价，E_T表示储能系统1个调度日内剩余电量；

风储电量的增加促进新能源开发利用，减少化石燃料用量与减排费用，为环境保护带来收益；具体环境收益R_CO2为：

$R_{{\mathrm{CO}}_2}=(E_{\mathrm{sw}}+E_s)I_{{\mathrm{CO}}_2}{m}_{{\mathrm{CO}}_2}---\left(16\right)$

其中I_CO2为传统发电机组产生单位电能所排放CO₂的减排价格，m_co2为1kW·h的电能向大气排放的CO₂的质量。

本发明的面向系统调控需求的储能系统最有配置方法，通过对储能系统进行能量管理，基于SOC分层控制策略对确定储能系统充放电功率，在提高风电入网规模的同时，防止储能系统过度充电或过度放电，综合考虑了储能系统运行所产生的成本与收益，通过构建的储能系统经济性评估模型，确定所需储能系统最优放电区间。

附图说明

图1电网可接纳风电空间曲线示意图；

图2风电可运行域极值、风电场群实际出力曲线示意图；

图3设定放电区间的储能系统调控曲线示意图；

图4经储能系统平抑后的入网风电功率曲线示意图；

图5基于/不基于SOC分层控制策略储能系统充放电功率对比曲线示意图；

图6基于/不基于SOC分层控制策略储能系统SOC对比曲线示意图；

图7不同放电区间下储能系统综合收益曲线示意图；

图8不同放电区间下储能系统容量配置曲线示意图；

图9不同放电区间下储能系统最大放电功率曲线示意图。

具体实施方式

下面利用附图和实施例对本发明的面向系统调控需求的储能系统最优配置方法作进一步说明。

本实例以某省电网为例，选取由该省8个风电场组成的风电场群作为研究对象，其装机总量为1193MW；附图1为某一调度日各时段电网可接纳风电空间，附图2为风电可运行域极值、风电场群实际出力曲线，每个调度日由24个调度时段组成，采样间隔为5min。由于锂离子电池具有密度大、效率高、使用寿命长等优点，因此储能系统采用锂离子电池。设定储能系统运行年限为15年，其充放电效率为90％，初始荷电状态为0。并按每增加1kW·h新能源入网电量可减少0.98kgCO₂排放量进行计算。

实施例计算条件说明如下：

1)储能系统的单位容量价格P＝5.0×10⁶元/MW·h

2)储能系统的年运行维护费用M＝9.0×10³元/MW·h/a

3)风电上网电价I_sw＝600元/MW·h

4)储能上网电价I_s＝600元/MW·h

5)CO₂交易价格120元/t

在上述计算条件下，应用本发明的面向系统调控需求的储能系统最优配置方法的结果如下：

1.储能系统放电区间的设定

在给定计算条件下，本实施例设定放电区间的储能系统控制方法如附图3所示，其具体形式由以下公式给出：

$\left\{\begin{array}{cc}{P}_{\mathrm{ESS}}\left(t\right)=P_{\mathrm{wd}}\left(t\right)-P_{\mathrm{limit}}^{\mathrm{space}}\left(t\right)& P_{\mathrm{wd}}\left(t\right)>P_{\mathrm{limit}}^{\mathrm{space}}\left(t\right)\\ P_{\mathrm{ESS}}\left(t\right)=\mathrm{\&alpha;}(P_{\mathrm{wd}}\left(t\right)-P_{\mathrm{limit}}^{\mathrm{space}}\left(t\right))& P_{\mathrm{wd}}\left(t\right)<P_{\mathrm{limit}}^{\mathrm{space}}\left(t\right)\end{array}\right.---\left(1\right)$

其中P_ESS(t)为t时刻储能系统充放电功率；P_wd(t)、分别为t时刻风电场群实际输出功率之和以及风电可运行域极值；α为储能系统的放电区间；

面向系统需求区间的储能系统充放电能量E_t以及储能系统在各调度时段结束后充放电累积容量W_t如下所示：

$E_t=\left\{\begin{array}{cc}{\&Integral;}_{t1}^{t2}{P}_{\mathrm{ESS}}{\mathrm{\&eta;}}_{\mathrm{ch}\arg e}\mathrm{dt}& P_{\mathrm{ESS}}>0\\ {\&Integral;}_{t1}^{t2}{P}_{\mathrm{ESS}}/{\mathrm{\&eta;}}_{\mathrm{disch}\arg e}\mathrm{dt}& P_{\mathrm{ESS}}<0\end{array}\right.---\left(2\right)$

$W_t=E_0+\underset{i=1}{\overset{t}{\mathrm{\&Sigma;}}}{E}_t---\left(3\right)$

其中t₁，t₂分别为充放电的起始与结束时刻；η_charge，η_discharge分别为储能系统的充放电效率；P_ESS为储能系统充放电功率；E₀为储能系统初始能量；风电场群所需配置储能系统容量W_opt如下所示：

W_opt＝max{W_t}-min{W_t},t＝1,2,…,N   (4)

其中max{W_t}为各调度时段累计容量最大值，min{W_t}为各调度时段累计容量最小值，N为储能系统总控制时段；

附图4给出了当放电区间α＝10％时经储能系统平抑后的入网风电功率。在风电场群不配置储能系统的运行情况下，1调度日内面向系统需求调度入网的风电量为9145.50MW·h，弃风量为562.87MW·h。配置储能系统的风电场群在1调度日内面向系统需求调控，调度入网的风电为9370.70MW·h，弃风量为108.91MW·h，相较于无储能系统运行的风电场群，风电入网规模增加了225.20MW·h，弃风量减少了80.7％，提高了风电入网规模，极大较少了弃风量。

2.SOC分层控制策略

在给定计算条件下，本实施例SOC分层控制策略的具体形式由以下公式给出：

储能系统处于充电状态下，P_ESS(t)>0

$K_{\mathrm{SOC}}=\left\{\begin{array}{cc}0,& S_{\max }\&le;S\&le;100\%\\ \frac{1}{1+e^{-10(x_c-0.5)}},& S_{\mathrm{pre}\_\max }<S<S_{\max }\\ 1,& 0\&le;S\&le;S_{\mathrm{pre}\_\max }\end{array}\right.---\left(5\right)$

x_c＝(S-S_max)/(S_{pre_max}-S_max)   (6)

储能系统处于放电状态下，P_ESS(t)<0

$K_{\mathrm{SOC}}=\left\{\begin{array}{cc}0,& 0\%\&le;S\&le;S_{\min }\\ \frac{1}{1+e^{-10(x_f-0.5)}},& S_{\min }<S<S_{\mathrm{pre}\_\min }\\ 1,& S_{\mathrm{pre}\_\min }\&le;S\&le;100\%\end{array}\right.---\left(7\right)$

x_f＝(S-S_min)/(S_{pre_min}-S_min)   (8)

经调整系数K_SOC修正确定储能系统实际充放电功率P_{SOC_ESS}(t)为：

P_{SOC_ESS}(t)＝K_SOCP_ESS(t)   (9)

其中S为储能系统的荷电状态；S_max为不充电紧急层的下限；S_max、S_{pre_max}为少充电预防层的上下限；S_{pre_max}、S_{pre_min}为正常充放电安全层的上下限；S_min为少放电预防层的下限；X_c为储能系统充电状态下计算K_SOC的系数；X_f为储能系统放电状态下计算K_SOC的系数。

附图5给出了基于SOC分层控制策略与不基于SOC分层控制策略储能系统充放电功率对比示意图，附图5给出了相应的SOC曲线对比图。

由附图6可以看出，在某些调度时段内，基于SOC分层控制策略的储能系统充放电功率幅值相对较小，这是由于在这些时段内储能系统处于能量较高或较低状态，在基于SOC分层控制策略下，储能系统应减小充放电功率或禁止充放电，避免储能系统过冲过放，使其一直处于良好的工作状态下。从附图6可以看出，在不基于SOC分层控制策略下，储能系统出现满充现象。

3.储能系统经济性评估模型

在给定计算条件下，本实施例储能系统经济性评估模型的具体形式由以下公式给出：

评估模型以风储运行最终收益最大为目标，其目标函数表示如下：

max(R_income-T_invest)   (10)

其中R_income为储能系统总收益费用，T_invest为储能系统投资费用；

模型的投资主要由储能系统容量投资与其运行维护费用两部分组成，表示为：

T_invest＝W_optP+W_optMn   (11)

其中，P为储能系统的单位容量价格；M为储能系统年运行维护费用；n为储能系统的运行年限；

模型的收益主要分为配置储能系统多接纳的电量收益，储能系统存储能量改变量收益以及减少化石燃料发电的气体排放量所带来的环境保护收益三部分；

采用储能系统面向系统需求的控制策略，多接纳电量收益R_sw为：

R_sw＝E_swI_sw   (12)

$E_{\mathrm{sw}}=\underset{i=1}{\overset{365n}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{t}{\mathrm{\&Sigma;}}}(P_{\mathrm{sw}}-P_w)\mathrm{\&Delta;t}---\left(13\right)$

其中E_sw为利用储能装置面向系统需求控制后电网多接纳的风电电量；P_sw为利用储能装置面向系统需求调控后风场实际发电功率；I_sw为风电上网电价；P_w为未安装储能装置风电场输出功率；t为每个调度日内的调度时段，Δt为调度时间，

储能系统在调度日内累计的存储电量的变化量E_s，其带来存储电量收益R_s：

R_s＝E_sI_s   (14)

$E_s=\underset{i=1}{\overset{365n}{\mathrm{\&Sigma;}}}(E_T-E_0)---\left(15\right)$

其中I_s为储能电量上网电价，E_T表示储能系统1个调度日内剩余电量；

风储电量的增加促进新能源开发利用，减少化石燃料用量与减排费用，为环境保护带来收益；具体环境收益R_CO2为：

$R_{{\mathrm{CO}}_2}=(E_{\mathrm{sw}}+E_s)I_{{\mathrm{CO}}_2}{m}_{{\mathrm{CO}}_2}---\left(16\right)$

其中为传统发电机组产生单位电能所排放CO₂的减排价格，m_co2为1kW·h的电能向大气排放的CO₂的质量。

附图7、8分别给出了在不同放电区间下储能系统运行综合收益及其容量配置，其中设定α的评估步长为1％。随着α的增大，储能系统运行综合收益先增大后保持不变，储能所需配置的容量先减小后维持定值。这是因为当所需储能系统需求区间α为0时，储能系统只在风电功率超出风电可用电网空间极限值时刻动作，吸收超出的风电电量；而在其他时刻储能系统不动作放电，因此储能系统充电累计容量较大，导致所需储能配置容量较大；同时，储能系统不释放电量制约了新能源的入网电量，电量与环境效益的损失加上较大的储能投资成本使得风储运行经济效益较低。随着所需储能系统放电区间α的增大，储能系统在风电功率低于风电可用电网空间极限值时放电，储能系统累计容量减少的同时增加了新能源入网电量，从而所需储能配置容量降低而风储运行经济效益增加。但当α为7％及以上时，储能系统累计最大剩余电量不变，因此储能系统所需容量值恒定为334.70MW·h。同时当α为9％及以上时，利用储能系统多发电量不变，储能系统容量不变，因此储能系统综合收益值不变为0.65亿元。

附图9表示在不同α下，储能系统在各调度时段内最大放电功率。

储能系统最优容量配置为334.70MW·h，根据锂电池特性，其功率应为84.00MW，因此当α为30％时储能性能达到最优。

本发明具体实施方式的实施例，并非穷举，并不构成对权利要求保护范围的限定，本领域技术人员根据本发明实施例获得的启示，不经过创造性劳动就能够想到其它实质上等同的替代，均在本发明保护范围内。

Claims (1)

1.一种面向系统调控需求的储能系统最优配置方法，其特征是，调控风电场群输出功率不超出整个电网功率平衡目标的同时，在剩余的电网可利用空间下，设定储能系统放电区间，基于SOC分层控制策略，对储能系统能量进行优化管理，实时修正储能系统充放电功率，优化储能系统工作性能，建立风储运行经济性评估模型，以综合收益最大为目标，确定最佳所需储能系统放电区间，优化储能系统容量，延长其使用寿命，提高新能源电量的入网规模，有效利用电网可接纳风电空间，它包括以下步骤：

1)储能系统的放电区间设定

在接纳风电功率后未突破电网可利用空间极限值的时段，设定储能系统的放电区间α，0≤α<100％，即储能系统放电功率与接纳风电后剩余的空间比值为α；若系统无剩余可利用空间时α＝1，若储能系统不放电α＝0；基于放电区间α的储能系统充放电功率如下：

$\left\{\begin{array}{cc}{P}_{\mathrm{ESS}}\left(t\right)=p_{\mathrm{wd}}\left(t\right)-P_{\mathrm{limit}}^{\mathrm{space}}\left(t\right)& P_{\mathrm{wd}}\left(t\right)>P_{\mathrm{limit}}^{\mathrm{space}}\\ P_{\mathrm{ESS}}\left(t\right)=\mathrm{\&alpha;}(P_{\mathrm{wd}}\left(t\right)-P_{\mathrm{limit}}^{\mathrm{space}}\left(t\right))& P_{\mathrm{wd}}\left(t\right)<P_{\mathrm{limit}}^{\mathrm{space}}\left(t\right)\end{array}\right.---\left(1\right)$

其中P_ESS(t)为t时刻储能系统充放电功率；P_wd(t)、分别为t时刻风电场群实际输出功率之和以及风电可运行域极值；α为储能系统的放电区间；

面向系统需求区间的储能系统充放电能量E_t以及储能系统在各调度时段结束后充放电累积容量W_t如下所示：

$E_t=\left\{\begin{array}{cc}{\&Integral;}_{t1}^{t2}{P}_{\mathrm{ESS}}{\mathrm{\&eta;}}_{\mathrm{ch}\arg e}\mathrm{dt}& P_{\mathrm{ESS}}>0\\ {\&Integral;}_{t1}^{t2}{P}_{\mathrm{ESS}}/{\mathrm{\&eta;}}_{\mathrm{disch}\arg e}\mathrm{dt}& P_{\mathrm{ESS}}<0\end{array}\right.---\left(2\right)$

$W_t=E_0+\underset{i=1}{\overset{t}{\mathrm{\&Sigma;}}}{E}_t---\left(3\right)$

其中t₁，t₂分别为充放电的起始与结束时刻；η_charge，η_discharge分别为储能系统的充放电效率；P_ESS为储能系统充放电功率；E₀为储能系统初始能量；风电场群所需配置储能系统容量W_opt如下所示：

W_opt＝max{W_t}-min{W_t},t＝1,2,…,N     (4)

其中max{W_t}为各调度时段累计容量最大值，min{W_t}为各调度时段累计容量最小值，N为储能系统总控制时段；

2)SOC分层控制策略

构建SOC分层控制策略，对储能系统充放电功率进行实时修正，确保储能系统具有良好工作性能；将储能系统SOC按照充放电能力分为以下五个层次：不充电紧急层、少充电预防层、正常充放电安全层、少放电预防层、不放电紧急层；储能系统充放电能量需求值P_ESS，经储能能量管理系统确定的修正系数K_SOC进行动态调整，得到储能系统实际充放电指令P_{SOC_ESS}；K_SOC值与Sigmoid函数特性类似，因此利用Sigmoid函数对其进行修正，具体表达如下所示：

储能系统处于充电状态下，P_ESS(t)>0

$K_{\mathrm{SOC}}=\left\{\begin{array}{cc}0,& S_{\max }\&le;S\&le;100\%\\ \frac{1}{1+e^{-10(x_c-0.5)}},& S_{\mathrm{pre}\_\max }<S<S_{\max }\\ 1,& 0\&le;S\&le;S_{\mathrm{pre}\_\max }\end{array}\right.---\left(5\right)$

x_c＝(S-S_max)/(S_{pre_max}-S_max)         (6)

储能系统处于放电状态下，P_ESS(t)<0

$K_{\mathrm{SOC}}=\left\{\begin{array}{cc}0,& 0\%\&le;S\&le;S_{\min }\\ \frac{1}{1+e^{-10(x_f-0.5)}},& S_{\min }<S<S_{\mathrm{pre}\_\min }\\ 1,& S_{\mathrm{pre}\_\min }\&le;S\&le;100\%\end{array}\right.---\left(7\right)$

x_f＝(S-S_min)/(S_{pre_min}-S_min)         (8)

经调整系数K_SOC修正确定储能系统实际充放电功率P_{SOC_ESS}(t)为：

P_{SOC_ESS}(t)＝K_SOCP_ESS(t)       (9)

其中S为储能系统的荷电状态；S_max为不充电紧急层的下限；S_max、S_{pre_max}为少充电预防层的上下限；S_{pre_max}、S_{pre_min}为正常充放电安全层的上下限；S_min为少放电预防层的下限；X_c为储能系统充电状态下计算K_SOC的系数；X_f为储能系统放电状态下计算K_SOC的系数；

3)风储系统经济性评估模型

评估模型以风储运行最终收益最大为目标，其目标函数表示如下：

max(R_income-T_invest)        (10)

其中R_income为储能系统总收益费用，T_invest为储能系统投资费用；

模型的投资主要由储能系统容量投资与其运行维护费用两部分组成，表示为：

T_invest＝W_optP+W_optMn           (11)

其中，P为储能系统的单位容量价格；M为储能系统年运行维护费用；n为储能系统的运行年限；

模型的收益主要分为配置储能系统多接纳的电量收益，储能系统存储能量改变量收益以及减少化石燃料发电的气体排放量所带来的环境保护收益三部分；

采用储能系统面向系统需求的控制策略，多接纳电量收益R_sw为：

R_sw＝E_swI_sw            (12)

$E_{\mathrm{sw}}=\underset{i=1}{\overset{365n}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{t}{\mathrm{\&Sigma;}}}(P_{\mathrm{sw}}-P_w)\mathrm{\&Delta;t}---\left(13\right)$

其中E_sw为利用储能装置面向系统需求控制后电网多接纳的风电电量；P_sw为利用储能装置面向系统需求调控后风场实际发电功率；I_sw为风电上网电价；P_w为未安装储能装置风电场输出功率；t为每个调度日内的调度时段，Δt为调度时间，

储能系统在调度日内累计的存储电量的变化量E_s，其带来存储电量收益R_s：

R_s＝E_sI_s         (14)

$E_s=\underset{i=1}{\overset{365n}{\mathrm{\&Sigma;}}}(E_T-E_0)---\left(15\right)$

其中I_s为储能电量上网电价，E_T表示储能系统1个调度日内剩余电量；

风储电量的增加促进新能源开发利用，减少化石燃料用量与减排费用，为环境保护带来收益；具体环境收益R_CO2为：

$R_{{\mathrm{CO}}_2}=(E_{\mathrm{sw}}+E_s)I_{{\mathrm{CO}}_2}{m}_{{\mathrm{CO}}_2}---\left(16\right)$

其中I_CO2为传统发电机组产生单位电能所排放CO₂的减排价格，m_co2为1kW·h的电能向大气排放的CO₂的质量。