CN114039364B - 基于需求机会约束的分布式电池储能集群调频方法和装置 - Google Patents

Abstract

本发明公开一种基于需求机会约束的分布式电池储能集群调频方法和装置，通过构建模糊推理决策系统引入储能电量因素，用以调节不同时刻下储能的调频损耗，再考虑自动发电控制AGC功率需求机会约束，以最小化当前及未来时刻内电池储能总调频损耗、并尽可能消除电池储能集群跟踪误差为目标，构建了电池储能集群优化功率分配问题模型，最后通过各电池储能与控制中心交替迭代状态变量，并行式求解各电池储能参与AGC的最优功率分配。本发明有效避免单个储能因电量耗尽导致的频率二次跌落问题，在有效保证储能集群参与AGC的响应精度的同时兼顾了储能调频经济性，且充分利用了储能本地算力，显著提升了优化问题的求解效率。

Description

基于需求机会约束的分布式电池储能集群调频方法和装置

技术领域

本发明属于电力系统技术领域，尤其涉及一种基于需求机会 约束的分布式电池储能集群调频方法和装置。

背景技术

随着电网中新能源发电量占比不断增加，其发电功率的间歇性和 随机性特征对电网频率的稳定性带来了风险：新能源发电大量并网降 低了电网惯性，并加剧了电网中实时注入和消耗的有功功率不平衡性， 导致电网频率容易产生偏差甚至失稳。自动发电控制(Automatic generation control，AGC)是一种实时检测电网频率、控制发电设备 向电网注入有功功率从而稳定频率的重要机制，传统的AGC使用大 型发电机组作为调频电源，具有响应慢、精度低、机械磨损大的缺点。 相比之下，电池储能系统(Battery energystorage system，BESS)在 响应速度和跟踪精度等方面均具有明显优势，并且其分布式配置相较 于集中式来说灵活性较高，因此在许多研究中被作为调频电源参与电 网AGC服务。

研究分布式BESS集群参与电网调频的控制，重点在于BESS之 间的功率分配：为了保证随机AGC功率需求在所有时刻下均能被有 效满足，同时维护各BESS的电量健康、减小运维成本，需要均衡各 分布式BESS的剩余电量，使其在长时间尺度下可持续运行；此外，由于电网频率允许在一定的安全范围内波动，需在储能的响应精度 (安全性)和运行经济性之间做出权衡；并且，为了充分发挥分布式 储能调控快速的优势，需开发相应的分布式控制算法在多个BESS之 间快速完成功率分配，即具备较高的运算效率。

当前的多数研究仅关注储能荷电状态(State of Charge，SoC)的 均衡，其中部分专利的方法列举如下：

专利一《一种计及荷电状态及通讯延迟的储能电站调频控制方法 和装置》(专利申请号202010986098.8)提出：采用鲁棒控制和延迟 补偿模块得到频率调节的功率需求信息，并根据各储能的SoC偏差 量进行功率分配，从而控制储能单元合力进行频率调节；

专利二《兼顾规模化电池储能荷电状态的电力系统二次调频控制 方法及储能站分布式协同控制系统》(专利申请号202110014670.9) 提出：将储能荷电状态分为正常和非正常工作区间，并据此确定各储 能在不同荷电状态下的动态功率分配结果。

专利一、专利二方法未全面考虑储能爬坡能力的区别，并且由于 功率需求具有随机性，无法在运行过程中彻底避免储能因电量耗尽导 致频率二次跌落问题。

专利三《一种协调多储能单元参与二次调频的优化调度方法》(专 利申请号202010906085.5)通过建立SoC一致性评价函数，使得各 储能在运行时电量水平趋于一致。

专利三所述方法在储能电量一致化的过程中，往往导致储能集群 内部出现功率循环，加剧了集群充放电损耗，也不适用于额定容量相 差悬殊的不同类型电池储能组成的集群；以上专利仅在安全性目标下 对储能集群进行功率分配，并未结合功率需求的不确定性充分挖掘储 能参与调频的经济性。

发明内容

本发明的发明目的是针对上述背景技术存在的不足，提供一种考 虑需求机会约束的分布式电池储能集群调频方法和装置，可适用于任 何类型的电池储能组成的集群。首先，本发明通过构建模糊推理决策 系统间接性引入储能电量因素，用以调节不同时刻下储能的调频功率 损耗，通过最小化集群整体调频损耗有效避免了单个储能因电量耗尽 导致的频率二次跌落问题；并且，建立了AGC功率需求机会约束， 在有效保证储能集群参与调频的响应精度符合电网要求的基础上追 求经济性，弥补了现有方案未能充分挖掘储能调频经济性的问题；最 后，使用分布式算法得到各电池储能参与AGC的最优功率分配，利 用储能本地算力显著提升了优化问题的求解效率。

为实现上述目的，本发明采用如下的技术方案：

一种基于需求机会约束的分布式电池储能集群调频方法，包括以 下步骤：

步骤S1、获取预设区域的AGC功率需求的高频分量；

步骤S2、建立储能调频损耗函数并计算储能运行约束范围；

步骤S3、根据AGC功率需求的高频分量和储能运行约束范围， 以区域内电池储能总调频损耗最小为目标，构建考虑储能意愿度和 AGC功率需求机会约束的功率分配优化模型；

步骤S4、对所述功率分配优化模型分解为电池储能本地优化问 题之和；基于对偶分解法对电池储能本地优化问题进行分布式求解， 以电网控制中心侧的对偶变量和电池储能侧的输出功率作为状态变 量进行交替迭代至算法收敛，以最后一次迭代后电池储能侧的输出功 率作为其分配得到的AGC功率。

作为优选，步骤S1中包括：

电网控制中心通过测量电网实时频率获取该区域的AGC功率需 求；

所述AGC功率需求经滤波环节在机组和储能间进行初步划分，得到高频分量

作为优选，步骤S2中，建立t时刻第i台电池储能的调频损耗 函数为：C_i(t)＝a_iP_i(t)²+b_iP_i(t)+c_i；其中，P_i(t)为第i台电池储能的充放电 功率；a_i，b_i和c_i分别为调频损耗函数中储能充放电功率的固有二次项、 一次项和常数项系数；各电池储能的运行受其额定充放电功率、爬坡 速率和电量约束限制，所述运行约束范围通过以下式子联合求解：

其中，P_i ^c,max和P_i ^d,max分别为第i台电池储能的最大充放电功率；和/>分别为第i台电池储能的最大充放电爬坡速率；SoC_i(t)为t时 刻第i台分布式电池储能的SoC；和/>分别为其上下界；E_i为 第i台电池储能的额定容量；/>和/>分别为第i台电池储能的充放电 效率；Δt为两次AGC调频时刻间隔。

作为优选，步骤S3中，构建的功率分配优化模型为：

其中，t与τ均为AGC调频时刻，θ_i(t)为考虑储能意愿度的调节因 子；w_i(t)∈[-1,1]为第i台电池储能的意愿度；ε∈[10^-15，10^-8])，用 来保证在储能意愿度为0时调频损耗有界；ν为权衡储能集群跟踪精 度和储能运行经济性的系数；P_ε(t)为t时刻下储能集群的跟踪误差； Ω_i(τ)为第i台电池储能在当前及未来时刻的运行约束范围；为系 统中可允许的最大跟踪误差；P(X)为事件X发生的概率；1-σ为置信 水平；/>为AGC功率需求机会约束；i为电池储能，I 为集群中电池储能总数，T₀代表未来的一段时间内包含的调频时刻数 目。

作为优选，储能本地控制器计算储能意愿度包括：

首先，AGC功率需求信号的归一化：

其中，为t时刻分配给电池储能集群的AGC信号/>的归 一化结果；系数α_i∈(0,1]用以估计该储能的输出功率在整个储能集群 中的占比；

其次，电池储能SoC的归一化：

其中，为t时刻第i台分布式电池储能的SoC归一化结果； />为预先确定的第i台分布式电池储能的最佳SoC水平；

最后，通过模糊推理决策，以归一化的AGC功率需求和储能SoC 作为输入，输出为该储能意愿度w_i(t)。

作为优选，步骤S4中，对所述功率分配优化模型转化为电池储 能本地优化问题之和具体为：

其中，L_i为分解后电池储能i的本地优化目标函数，在最优条件 下有P_i ^c(τ)＝0或P_i ^d(τ)＝0，优化变量略写为P_i(τ)，κ₁(t)、κ₂(t)、λ₁(t)、λ₂(t)， μ₁(τ)和μ₂(τ)均为对偶变量，共同组成向量 φ(t)＝[κ₁(t),κ₂(t),λ₁(t),λ₂(t),μ₁(τ),μ₂(τ)]。

作为优选，步骤S4中，基于对偶分解法对电池储能本地优化问 题进行分布式求解包括：

将φ(t)作为电网控制中心状态变量，将本地优化问题的决策变量 P_i(t)作为电池储能侧状态变量，按照如下步骤进行交替迭代：

(1)、初始化：迭代次数r＝0，电网控制中心初始化其状态变量φ⁰(t)， 其各元素为分布式储能控制器初始化其 状态变量P_i ⁰(t)，同时设置迭代步长/>和收敛判据e；

(2)、分布式储能控制器更新变量P_i ^r+1(t)：

(3)、控制中心更新状态变量φ^r+1(t)：

其中，L为功率分配优化模型经过松弛处理后的拉格朗日函数；

(4)、迭代次数r＝r+1， 回到步骤(2)进行状态变量的交替迭代；

(5)、当满足收敛性判据||φ^r(t)-φ^r-1(t)||≤e或迭代次数达到上限r^max时，停止迭代过程；

(6)、将最后一次迭代后得到的P_i ^r+1(t)作为各电池储能的最优功率 分配结果。

作为优选，步骤4还包括对AGC功率需求历史数据随机采样，将 AGC功率需求机会约束近似转化为线性约束，根据所述线性约束对功 率分配优化模型松弛处理。

作为优选，所述AGC功率需求机会约束转化为线性约束为：其中，/>为第s 个AGC功率需求/>的历史数据样本，总采样数为S，/>代表未 来的T₀时刻内可能出现的储能集群最大跟踪误差；

根据所述线性约束对功率分配优化模型松弛处理为：

其中，L为功率分配优化模型经过松弛处理后的拉格朗日函数。

本发明还提供一种基于需求机会约束的分布式电池储能集群调 频装置，包括：

获取模块，用于获取预设区域的AGC功率需求的高频分量；

计算模块，用于建立储能调频损耗函数并计算储能运行约束范围；

构建模块，用于根据AGC功率需求的高频分量和储能运行约束范 围，以区域内电池储能总调频损耗最小为目标，构建考虑储能意愿度 和AGC功率需求机会约束的功率分配优化模型；

分配模块，用于对所述功率分配优化模型转化为电池储能本地优 化问题之和；基于对偶分解法对电池储能本地优化问题进行分布式求 解，以电网控制中心侧的对偶变量和电池储能侧的输出功率作为状态 变量进行交替迭代至算法收敛，以最后一次迭代后电池储能侧的输出 功率作为其分配得到的AGC功率。

本发明采用上述技术方案，具有以下有益效果：

(1)本发明所提出的考虑需求机会约束的分布式电池储能集群调 频策略，通过提出储能意愿度的概念，构建模糊推理系统间接性引入 了储能电量因素，并在优化目标中加入了考虑储能意愿度的调节因子 以调节不同时刻下储能的调频功率损耗，在最小化集群整体调频损耗 时可有效避免单个储能因电量耗尽导致的频率二次跌落问题；

(2)本发明以最小化当前及未来的T₀时刻内电池储能总调频损耗、 并尽可能消除BESS集群跟踪AGC需求信号的误差为目标开展优化， 因此具有较高的经济性，并通过建立AGC功率需求机会约束，有效 保证了储能集群对AGC调频信号的精确跟踪，频率调节效果完全符 合电网频率稳定性要求。

(3)本发明基于对偶分解算法，通过控制中心和分布式电池储能 本地控制器交替迭代更新各自状态变量来求解功率优化分配问题，每 次交替迭代时，分布式电池储能可并行式求解本地优化问题而无需处 理大量的AGC需求历史数据，控制中心负责处理AGC需求及其历 史数据而无需处理各储能的额定功率、爬坡速率、SoC等特征，因此 极大程度上简化了优化问题的规模，显著提升了计算效率，符合AGC 实时优化、快速调控的需要。

附图说明

图1为本发明基于需求机会约束的分布式电池储能集群调频方 法的流程图；

图2为储能意愿度计算过程示意图；

图3为模糊推理决策的隶属度函数；

图4为本发明基于需求机会约束的分布式电池储能集群调频装 置的结构示意图；

图5为分布式电池储能集群调频策略在t时刻的流程示意图；

图6为本发明实施例中AGC功率需求高频分量信号；

图7为本发明实施例中运用本策略前后系统频率的对比图；

图8为本发明实施例中各分布式电池储能参与AGC的功率曲线 和荷电状态曲线。

具体实施方式

下面结合附图对本发明的技术方案进行详细说明。

实施例1：

如图1所示，本发明提供一种基于需求机会约束的分布式电池储 能集群调频方法，包括以下步骤：

步骤S1、获取预设区域的AGC(Automatic generation control， 自动发电控制)功率需求的高频分量；

步骤S2、建立储能调频损耗函数并计算储能运行约束范围；

步骤S3、根据AGC功率需求的高频分量和储能运行约束范围， 以区域内电池储能总调频损耗最小为目标，构建考虑储能意愿度和 AGC功率需求机会约束的功率分配优化模型；

步骤S4、对所述功率分配优化模型分解为电池储能本地优化问 题之和；基于对偶分解法对电池储能本地优化问题进行分布式求解， 以电网控制中心侧的对偶变量和电池储能侧的输出功率作为状态变 量进行交替迭代至算法收敛，以最后一次迭代后电池储能侧的输出功 率作为其分配得到的AGC功率。

作为本发明实施例的一种实施方式，步骤S1中包括：

电网控制中心通过测量电网实时频率获取该区域的AGC功率需 求；

所述AGC功率需求经滤波环节在机组和储能间进行初步划分，得 到低频分量和高频分量/>

作为本发明实施例的一种实施方式，步骤S2中，建立t时刻第 i台电池储能的调频损耗函数为：C_i(t)＝a_iP_i(t)²+b_iP_i(t)+c_i；其中，P_i(t)为 第i台电池储能的充放电功率，P_i(t)＝P_ic(t)-P_id(t)，上标c、d分别代表 充电和放电功率，并且有P_i ^c(t)＞0和P_i ^d(t)＞0；a_i，b_i和c_i分别为调频损耗 函数中储能充放电功率的固有二次项、一次项和常数项系数；各电池 储能的运行受其额定充放电功率、爬坡速率和电量约束限制，所述运 行约束范围通过以下式子联合求解：

其中，P_i ^c,max和P_i ^d,max分别为第i台电池储能的最大充放电功率；和/>分别为第i台电池储能的最大充放电爬坡速率；SoC_i(t)为t时 刻第i台分布式电池储能的SoC；和/>分别为其上下界；E_i为 第i台电池储能的额定容量；/>和/>分别为第i台电池储能的充放电 效率；Δt为两次AGC调频时刻间隔。

作为本发明实施例的一种实施方式，步骤S3中，基于AGC功率 需求机会约束的功率分配优化模型构建如下：优化目标为最小化当前 时刻t及未来的T₀时刻内(τ∈T₀(t+1)＝{t+1,t+2,…,t+T₀})电池储 能总调频损耗、并尽可能消除BESS集群跟踪AGC需求信号的误差； 优化变量为当前时刻t及未来的T₀时刻下各储能的输出功率；同时各 储能运行受其额定充放电功率、爬坡速率和电量约束限制，当前及未 来时刻中储能集群的跟踪误差应在系统允许范围内。构建的功率分配 优化模型为：

其中，t与τ均为AGC调频时刻，θ_i(t)为考虑储能意愿度的调节因 子，由式θ_i(t)＝-ln(|w_i(t)|+ε)确定；w_i(t)∈[-1,1]为第i台电池储能的意 愿度，由各储能本地控制器中利用模糊推理决策计算；ε∈[10^-15，10^-8 ])，用来保证在储能意愿度为0时调频损耗有界；ν为权衡储能集群 跟踪精度和储能运行经济性的系数；P_ε(t)代表t时刻下储能集群的跟 踪误差，Ω_i(τ)为第i台电池储能在当前及未来时刻的运行约束范围；/>为系统中可允许的最大跟踪误差；P(X)为 事件X发生的概率；1-σ为置信水平；/>为AGC功率需 求机会约束；i为电池储能，I为集群中电池储能总数，T₀代表未来 的一段时间内包含的调频时刻数目。

作为本发明实施例的一种实施方式，如图2、3所示，储能本地 控制器计算储能意愿度包括：

首先，AGC功率需求信号的归一化：

其中，为t时刻分配给电池储能集群的AGC信号/>的归 一化结果；系数α_i∈(0,1]用以估计该储能的输出功率在整个储能集群 中的占比；

其次，电池储能SoC的归一化：

其中，为t时刻第i台分布式电池储能的SoC归一化结果； />为预先确定的第i台分布式电池储能的最佳SoC水平；

最后，通过模糊推理决策，以归一化的AGC功率需求和储能SoC 作为输入，输出为该储能意愿度w_i(t)。其输入和输出隶属度函数如图 3所示(NB＝Negative Big，NM＝Negative Medium，NS＝Negative Small,ZO＝Zero,PB＝Positive Big,PM＝PositiveMedium,PS＝Positive Small)，其模糊规则如表1所示。

表1

作为本发明实施例的一种实施方式， 步骤S4中， 对所述功率分 配优化模型转化为电池储能本地优化问题之和具体为：

首先，对AGC功率需求历史数据随机采样，将AGC功率需求机会 约束近似转化为线性约束，

其中，/>为第s个AGC功率需求/>的历史数据样本，总采样数为S，/>代 表未来的T₀时刻内可能出现的储能集群最大跟踪误差。

其次，根据所述线性约束对功率分配优化模型松弛处理为：

其中，L为功率分配优化模型经过松弛处理后的拉格朗日函数， 在最优条件下有P_i ^c(τ)＝0或P_i ^d(τ)＝0，因此优化变量可略写为P_i(τ)；κ₁(t)， κ₂(t)，λ₁(t)，λ₂(t)，μ₁(τ)和μ₂(τ)均为对偶变量，组成向量 φ(t)＝[κ₁(t),κ₂(t),λ₁(t),λ₂(t),μ₁(τ),μ₂(τ)]；

再次，将本地优化问题的求解可转化为求解对偶问题：

最后，针对拉格朗日函数L具备可分性，上述对偶问题中最小化 L的部分可转化为各电池储能的本地优化问题之和：

其中，L_i为分解后电池储能i的本地优化目标函数。

作为本发明实施例的一种实施方式，步骤S4中，基于对偶分解 法对电池储能本地优化问题进行分布式求解包括：

将φ(t)作为电网控制中心状态变量，将本地优化问题的决策变量 P_i(t)作为电池储能侧状态变量，按照如下步骤进行交替迭代：

(1)、初始化：迭代次数r＝0，电网控制中心初始化其状态变量φ⁰(t)， 其各元素为分布式储能控制器初始化其 状态变量P_i ⁰(t)，同时设置迭代步长/>和收敛判据e；

(2)、分布式储能控制器更新变量P_i ^r+1(t)：

(3)、控制中心更新状态变量φ^r+1(t)：

其中，L为功率分配优化模型经过松弛处理后的拉格朗日函数；

(4)、迭代次数r＝r+1，回到步骤(2)进行状态变量的交替迭代；

(5)、当满足收敛性判据|φ^r(t)-φ^r-1(t)||≤e或迭代次数达到上限r^max时，停止迭代过程；

(6)、将最后一次迭代后得到的P_i ^r+1(t)作为各电池储能的最优功率 分配结果。

本发明通过构建模糊推理决策系统引入储能电量因素，用以调节 不同时刻下储能的调频损耗，再考虑自动发电控制AGC功率需求机 会约束，以最小化当前及未来时刻内电池储能总调频损耗、并尽可能 消除电池储能集群跟踪误差为目标，构建了电池储能集群优化功率分 配问题模型，最后通过各电池储能与控制中心交替迭代状态变量，并 行式求解各电池储能参与AGC的最优功率分配。本发明有效避免单 个储能因电量耗尽导致的频率二次跌落问题，在有效保证储能集群参 与AGC的响应精度的同时兼顾了储能调频经济性，且充分利用了储 能本地算力，显著提升了优化问题的求解效率。

实施例2：

如图4所示，本发明提供一种基于需求机会约束的分布式电池储 能集群调频装置，包括：

获取模块，用于获取预设区域的AGC功率需求的高频分量；

计算模块，用于建立储能调频损耗函数并计算储能运行约束范围；

构建模块，用于根据AGC功率需求的高频分量和储能运行约束范 围，以区域内电池储能总调频损耗最小为目标，构建考虑储能意愿度 和AGC功率需求机会约束的功率分配优化模型；

分配模块，用于对所述功率分配优化模型转化为电池储能本地优 化问题之和；基于对偶分解法对电池储能本地优化问题进行分布式求 解，以电网控制中心侧的对偶变量和电池储能侧的输出功率作为状态 变量进行交替迭代至算法收敛，以最后一次迭代后电池储能侧的输出 功率作为其分配得到的AGC功率。

本发明提出了储能意愿度的概念及其模糊推理决策过程，以区域 内电池储能总调频损耗最小为目标，构建考虑储能意愿度和自动发电 控制(Automatic generationcontrol，AGC)功率需求机会约束的功率 分配优化模型，并且通过对AGC功率需求历史数据随机采样，将AGC 功率需求机会约束近似转化为线性约束，基于对偶分解算法，将所述 优化模型分解为各电池储能本地控制器计算的本地优化问题，以电网 控制中心侧的对偶变量和电池储能侧的输出功率作为状态变量进行 交替迭代至算法收敛，以最后一次迭代后电池储能侧的输出功率作为 其分配得到的AGC功率指令，所述电网控制中心与各储能间相互通 信，各储能之间彼此独立运行。

实施例3：

如图5所示，本发明实施例提供一种基于需求机会约束的分布式 电池储能集群调频方法，以t时刻为例，包含以下步骤：

步骤1：控制中心侧的数据更新和处理

(11)获取当前时刻AGC需求信号与历史数据，即t时刻AGC功 率需求P_AGC(t)及其低频分量和高频分量/>并将/>传递给 各分布式电池储能。

(12)对AGC需求信号的历史数据进行随机采样，得到S个 数据样本/>

步骤2：控制中心初始化状态变量

并将其分配给各分布式电池储能， 同时设置迭代步长/>和收敛判据e，初始化迭代次数r＝0。

步骤3：分布式电池储能侧的数据更新和处理

(31)获取该储能的最大充放电功率P_i ^c,max、P_i ^d,max，最大充放电爬坡速率SoC上下界/>充放电效率/>额定 容量E_i，和最佳SoC水平/>

(32)获取该储能更新后的SoC值，即SoC_i(t)。

(33)获取该时刻的AGC需求信号

(34)将和SoC_i(t)进行归一化，得到对应的/>和/>

(35)通过模糊推理决策计算储能意愿度w_i(t)。

步骤4：分布式电池储能本地控制器初始化状态变量P_i ⁰(t)。

步骤5：分布式电池储能侧状态变量的更新

(51)接收来自控制中心的状态变量φ^r(t)，同步迭代次数。

(52)构建本地优化目标函数L_i。

(53)求解本地优化问题，更新输出功率值

并将其作为状态变量发送至控制中心。

步骤6：电网控制中心侧状态变量的更新

(61)接收来自分布式电池储能的状态变量P_i ^r+1(t)。

(62)更新状态变量并将其发送至各储 能，同时迭代次数r＝r+1。

步骤7：重复步骤5和6，直至满足收敛性判据|φ^r(t)-φ^r-1(t)||≤e或 迭代次数达到上限r^max。

步骤8：分布式电池储能本地控制器将最后一次迭代时得到的 P_i ^r+1(t)作为该次AGC调频时刻下的输出功率。

至此，完成了对各分布式电池储能的功率分配。

实施例4：

假设有四台分布式电池储能参与AGC，其最大充放电功率分别 为±3.5kW，±3kW，±1.5kW和±1.5kW；储能1和储能2的爬坡 速率上下界均为±20000kW/h、额定容量均为0.5kWh，储能3和储能 4的爬坡速率上下界均为±1000kW/h、额定容量均为1.25kWh；储能 1和储能3的初始SoC水平为0.4，储能2和储能4的初始SoC水平 为0.6，四台储能的SoC上下界分别为0.9和0.1；四台储能的充放电 效率均设置为0.95，其固有成本系数a_i，b_i，和c_i统一设置为3，1 和0；AGC功率需求已给定，具有较高的随机波动性，其高频分量如 图6所示；此外，所述策略对历史数据随机抽样中总样本数S为60， 置信水平1-σ·为0.8，调频时间间隔Δt为1分钟，周期T₀包含12个 调频时刻；迭代步长为0.8，收敛判据e为0.001；最大可允许跟踪 误差P_ε设置为0.78kW。

图7为本发明实施例中运用本策略前后系统频率的对比图，在运 用本策略后，系统频率的最大偏差量由0.32Hz显著减小至符合电网 要求的0.03Hz，这表明储能集群实现了对具有不确定性的AGC功率 需求的有效跟踪；同时，在系统AGC需求较大的时刻下，电池储能 集群并未完全跟踪该信号，这是由于本策略兼顾了储能调频的经济性， 并且保证了储能集群跟踪误差在当前及未来各个时刻都被限制在允 许范围内。

图8为各个分布式电池储能参与AGC的功率曲线和荷电状态曲 线，可以看出各电池储能尽管额定功率、爬坡速率和额定容量等特征 不同，并且初始SoC水平不同，但是在运行过程中，其电量逐渐趋 于均衡，这说明本策略可以有效避免单个储能因电量耗尽导致的频率 二次跌落问题。

以上结合附图对本发明的实施例进行了示意和描述，但本领域的 技术人员应当理解，只要不超出本发明权利要求所限定的范围，本领 域技术人员能够得到其它不脱离本发明宗旨和权利要求所保护范围 的其他形式实施例，这些均属于本发明的保护之内。

Claims (6)

1.一种基于需求机会约束的分布式电池储能集群调频方法，其特征在于，包括以下步骤：

步骤S1、获取预设区域的AGC功率需求的高频分量；

步骤S2、建立储能调频损耗函数并计算储能运行约束范围；

步骤S3、根据AGC功率需求的高频分量和储能运行约束范围，以区域内电池储能总调频损耗最小为目标，构建考虑储能意愿度和AGC功率需求机会约束的功率分配优化模型；

步骤S4、对所述功率分配优化模型分解为各个电池储能的本地优化问题；基于对偶分解法对电池储能本地优化问题进行分布式求解，以电网控制中心侧的对偶变量和电池储能侧的输出功率作为状态变量进行交替迭代至算法收敛，以最后一次迭代后电池储能侧的输出功率作为其分配得到的AGC功率；

步骤S1中包括：

电网控制中心通过测量电网实时频率获取该区域的AGC功率需求；

所述AGC功率需求经滤波环节在机组和储能间进行初步划分，得到高频分量

步骤S2中，建立t时刻第i台电池储能的调频损耗函数为：C_i(t)＝a_iP_i(t)²+b_iP_i(t)+c_i；其中，P_i(t)为第i台电池储能的充放电功率；a_i，b_i和c_i分别为调频损耗函数中储能充放电功率的固有二次项、一次项和常数项系数；各电池储能的运行受其额定充放电功率、爬坡速率和电量约束限制，所述运行约束范围通过以下式子联合求解：

其中，P_i ^c,max和P_i ^d,max分别为第i台电池储能的最大充放电功率；和/>分别为第i台电池储能的最大充放电爬坡速率；SoC_i(t)为t时刻第i台分布式电池储能的SoC；/>和分别为其上下界；E_i为第i台电池储能的额定容量；/>和/>分别为第i台电池储能的充放电效率；Δt为两次AGC调频时刻间隔；

步骤S3中，构建的功率分配优化模型为：

其中，t与τ均为AGC调频时刻，θ_i(t)为考虑储能意愿度的调节因子；wi(t)∈[-1,1]为第i台电池储能的意愿度；ε∈[10^-15，10^-8])，用来保证在储能意愿度为0时调频损耗有界；ν为权衡储能集群跟踪精度和储能运行经济性的系数；P_ε(t)为t时刻下储能集群的跟踪误差；Ω_i(τ)为第i台电池储能在当前及未来时刻的运行约束范围；为系统中可允许的最大跟踪误差；/>为事件X发生的概率；1-σ为置信水平；/>为AGC功率需求机会约束；i为电池储能，I为集群中电池储能总数，T₀代表未来的一段时间内包含的调频时刻数目，C_i代表第i台电池储能的调频损耗函数；

储能本地控制器计算储能意愿度包括：

首先，AGC功率需求信号的归一化：

其中，为t时刻分配给电池储能集群的AGC信号/>的归一化结果；系数α_i∈(0,1]用以估计该储能的输出功率在整个储能集群中的占比；

其次，电池储能SoC的归一化：

其中，为t时刻第i台分布式电池储能的SoC归一化结果；/>为预先确定的第i台分布式电池储能的最佳SoC水平；

最后，通过模糊推理决策，以归一化的AGC功率需求和储能SoC作为输入，输出为该储能意愿度w_i(t)。

2.如权利要求1所述的基于需求机会约束的分布式电池储能集群调频方法，其特征在于，步骤S4中，对所述功率分配优化模型转化为电池储能本地优化问题之和具体为：

其中，L_i为分解后电池储能i的本地优化目标函数，在最优条件下有P_i ^c(τ)＝0或P_i ^d(τ)＝0，优化变量略写为P_i(τ)，κ₁(t)、κ₂(t)、λ₁(t)、λ₂(t)，μ₁(τ)和μ₂(τ)均为对偶变量，共同组成向量φ(t)＝[κ₁(t),κ₂(t),λ₁(t),λ₂(t),μ₁(τ),μ₂(τ)]。

3.如权利要求2所述的基于需求机会约束的分布式电池储能集群调频方法，其特征在于，步骤S4中，基于对偶分解法对电池储能本地优化问题进行分布式求解包括：

将φ(t)作为电网控制中心状态变量，将本地优化问题的决策变量P_i(t)作为电池储能侧状态变量，按照如下步骤进行交替迭代：

(1)、初始化：迭代次数r＝0，电网控制中心初始化其状态变量φ⁰(t)，其各元素为分布式储能控制器初始化其状态变量P_i ⁰(t)，同时设置迭代步长/>和收敛判据e；

(2)、分布式储能控制器更新变量P_i ^r+1(t)：

(3)、控制中心更新状态变量φ^r+1(t)：

其中，L为功率分配优化模型经过松弛处理后的拉格朗日函数；

(4)、迭代次数r＝r+1，回到步骤(2)进行状态变量的交替迭代；

(5)、当满足收敛性判据||φ^r(t)-φ^r-1(t)||≤e或迭代次数达到上限r^max时，停止迭代过程；

(6)、将最后一次迭代后得到的P_i ^r+1(t)作为各电池储能的最优功率分配结果。

4.如权利要求3所述的基于需求机会约束的分布式电池储能集群调频方法，其特征在于，步骤S4还包括对AGC功率需求历史数据随机采样，将AGC功率需求机会约束近似转化为线性约束，根据所述线性约束对功率分配优化模型松弛处理。

5.如权利要求4所述的基于需求机会约束的分布式电池储能集群调频方法，其特征在于，所述AGC功率需求机会约束转化为线性约束为：其中，/>为第s个AGC功率需求/>的历史数据样本，总采样数/>S，/>代表未来的T₀时刻内可能出现的储能集群最大跟踪误差；

根据所述线性约束对功率分配优化模型松弛处理为：

其中，L为功率分配优化模型经过松弛处理后的拉格朗日函数。

6.一种实现权利要求1至5任意一项的基于需求机会约束的分布式电池储能集群调频方法的基于需求机会约束的分布式电池储能集群调频装置，其特征在于，包括：

获取模块，用于获取预设区域的AGC功率需求的高频分量；

计算模块，用于建立储能调频损耗函数并计算储能运行约束范围；

构建模块，用于根据AGC功率需求的高频分量和储能运行约束范围，以区域内电池储能总调频损耗最小为目标，构建考虑储能意愿度和AGC功率需求机会约束的功率分配优化模型；

分配模块，用于对所述功率分配优化模型转化为电池储能本地优化问题之和；基于对偶分解法对电池储能本地优化问题进行分布式求解，以电网控制中心侧的对偶变量和电池储能侧的输出功率作为状态变量进行交替迭代至算法收敛，以最后一次迭代后电池储能侧的输出功率作为其分配得到的AGC功率。