WO2021103312A1

WO2021103312A1 - 一种可参与电网辅助服务的集中式云储能运行决策方法

Info

Publication number: WO2021103312A1
Application number: PCT/CN2020/074192
Authority: WO
Inventors: 张宁; 刘静琨; 王毅; 康重庆
Original assignee: 清华大学
Priority date: 2019-11-28
Filing date: 2020-02-03
Publication date: 2021-06-03
Also published as: CN110890752B; CN110890752A; US20220294224A1

Abstract

本发明涉及一种可参与电网辅助服务的集中式云储能运行决策方法。本方法利用模型预测控制模型，该模型以最小化集中式储能设施在当前时段产生的运行成本与其预计在设定时间范围内产生的运行成本的总合作为目标函数，以充放电功率和集中式储能设施电量作为约束条件；云储能服务提供商根据从电网调控中心获取的当前时段运行参数和根据历史数据预测的运行参数利用上述模型求解出当前时段集中式储能设施用于向云储能用户提供云储能服务的充、放电功率和其用于向电网提供辅助服务的充、放电功率，得到集中式储能设施的控制指令。本发明通过响应电网调控中心发出的充电和放电命令实现对电网调频调峰辅助服务的参与，可提高集中式储能设施的利用率。

Description

一种可参与电网辅助服务的集中式云储能运行决策方法

相关申请的交叉引用

本申请要求清华大学于2019年11月28日提交的、发明名称为“一种可参与电网辅助服务的集中式云储能运行决策方法”的、中国专利申请号“201911191015.X”的优先权。

技术领域

本发明涉及一种可参与电网辅助服务的集中式云储能运行决策方法，属于电网中储能技术应用领域。

背景技术

随着分布式发电技术和实时电价的推广，用户日益希望自主选择储能装置及其充放电时机，实现合理的储能资源利用。用户投资使用本地的实体储能装置可能会面临着过高的单位成本，而且也需要花费一定的精力进行维护。利用共享式云端虚拟储能代替用户本地的实体储能装置是一种较好的替代方式，如已有的一种用于住宅和小型用户的云储能装置(Liu J, Zhang N, Kang C, et al. Cloud energy storage for residential and small commercial consumers: A business case study[J]. Applied Energy. 2017, 188: 226-236.)。现有的云储能概念是一种基于电网的共享式储能技术，使用户可以随时、随地、按需使用由集中式或分布式的储能设施构成的共享储能资源，并按照使用需求而支付服务费。现有云储能系统主要包括4部分，分别是云储能用户、云储能服务提供商、集中式储能设施以及电网。云储能用户和电网之间以及集中式储能设施和电网之间分别通过电气连接实现能量的双向传输。云储能用户和电网之间、云储能用户和云储能服务提供商之间、云储能服务提供商和集中式储能设施之间分别通过有线或无线通信方式实现信息的双向传输，电网向云储能服务提供商单向传输信息。

云储能服务提供商控制储能装置满足云储能用户的充电和放电需求，同时最大化利用储能资源。可用的储能资源不仅被许多云储能用户所分享，同时也根据充放电需求动态地分配给相应云储能用户。通过优化计划和储能设施的协调控制，提高系统运行效率。云储能通过从配电馈线充放电改变了原有的潮流。云储能用户与储能设施处于同一配电网中。当一个云储能用户向其所分配到的储能资源充电时，储能设施通过向电网吸入能量而充电。当云储能用户使其云端电池放电来使用所存储的能量时，储能设施向电网释放能量去补偿相应用户的负荷。

云储能服务提供商可以利用海量分布式用户之间充电和放电需求的互补性和非同时性实现其所建设的储能设施的能量容量与功率容量分别低于云储能系统中所有分布式用户的能量容量需求总合与功率容量需求总合。如今能源与信息通讯技术愈发深度融合，这就给构建云储能系统提供了软硬件的支撑。目前的云储能系统在决策时未考虑到将云储能所对应的集中式储能装置运用于电网辅助服务，仅考虑如何利用储能资源服务云储能用户，没有最大化地发挥储能资源的价值。

此外，模型预测控制(Model Predictive Control,MPC)理论(可参见以下论文：刘向杰,孔小兵.电力工业复杂系统模型预测控制——现状与发展.中国电机工程学报,2013,33(05):79-85.)是一种优化控制理论，该理论于上世纪70年代问世，主要针对有优化需求的控制问题，在复杂工业控制中有成功的应用。该理论根据当前时刻能够获取的信息和对于未来预测的信息，优化求解控制策略之后只采用当前时刻的控制策略，通过滚动优化得到实时的控制策略。该理论可以用于决策电力系统调度模型中的参数，例如机组出力。

目前还没有详细介绍可参与电网辅助服务的云储能系统及其使用MPC方法进行参与电网辅助服务决策的相关报道。

发明内容

本发明的目的是为克服现有集中式云储能系统仅仅用于满足用户的充电放电需求的局限性，提出一种可参与电网辅助服务的集中式云储能运行决策方法，本发明对云储能系统进行了拓展，将电网调控中心包含在云储能系统内，使得云储能服务提供商可以参与电网的辅助服务，例如调频、调峰。在此基础上，还运用模型预测控制理论，提出了云储能服务提供商运行决策模型与方法，为云储能服务提供商实际参与辅助服务提供了支持。

为了实现上述目的，本发明采用如下技术方案：

本发明提出的一种可参与电网辅助服务的集中式云储能运行决策方法，其特征在于，包括以下步骤：

1)建立如下模型预测控制模型：

1-1)设所述模型预测控制模型的目标函数为：

该目标函数表示最小化集中式储能设施在当前时段产生的运行成本与其预计在设定时间范围内产生的运行成本的总合；式中，

(·) ⁺和(·) ^-分别定义为取括号中的正值和负值部分，即：

Δt为模型预测控制模型的基本时段间隔；

t为当前时段；τ为紧邻当前时段t之后5min内的任一时段；T _t为紧邻当前时段t之后5min内的所有时段的集合；

为集中式储能设施在t时段产生的运行成本与其预计在T _t时间范围内产生的运行成本的总合；

λ _t为t时段集中式储能设施从电网获取电能时，云储能服务提供商需要支付给电网的电费单价；

为τ时段集中式储能设施从电网获取电能时，云储能服务提供商需要支付给电网的电费单价预测值；

θ _t为t时段集中式储能设施向电网回馈电能时，云储能服务提供商从电网获得的电费单价；

为τ时段集中式储能设施向电网回馈电能时，云储能服务提供商从电网获得的电费单价预测值；

P _t ^C,CU为t时段集中式储能设施用于向云储能用户提供云储能服务的充电功率；

为τ时段集中式储能设施用于向云储能用户提供云储能服务的充电功率的预测值；

P _t ^D,CU为t时段集中式储能设施用于向云储能用户提供云储能服务的放电功率；

为τ时段集中式储能设施用于向云储能用户提供云储能服务的放电功率的预测值；

为t时段云储能用户放电功率的总合；

为τ时段云储能用户放电功率的总合的预测值；

p _t ^C,DGΣ为t时段云储能用户使用本地分布式能源充电功率的总合；

为τ时段云储能用户使用本地分布式能源充电功率的总合的预测值；

P _t ^C,AS为t时段集中式储能设施用于向电网提供辅助服务的充电功率；

为τ时段集中式储能设施用于向电网提供辅助服务的充电功率的预测值；

P _t ^D,AS为t时段集中式储能设施用于向电网提供辅助服务的放电功率；

为τ时段集中式储能设施用于向电网提供辅助服务的放电功率的预测值；

为t时段电网辅助服务需要云储能服务提供商实现的充电功率；

为τ时段电网辅助服务需要云储能服务提供商实现的充电功率的预测值；

为t时段电网辅助服务需要云储能服务提供商实现的放电功率；

为τ时段电网辅助服务需要云储能服务提供商实现的放电功率的预测值；

为t时段云储能服务提供商的充电功率不能满足电网辅助服务需求，即

而需要向电网支付的惩罚电费单价；

为τ时段云储能服务提供商的充电功率不能满足电网辅助服务需求，即

而需要向电网支付的惩罚电费单价的预测值；

为t时段云储能服务提供商的放电功率不能满足电网辅助服务需求，即

而需要向电网支付的惩罚电费单价；

为τ时段云储能服务提供商的放电功率不能满足电网辅助服务需求，即

而需要向电网支付的惩罚电费单价的预测值；

为t时段云储能服务提供商的充电功率满足电网辅助服务需求，即

，而从电网获得的单位能量奖励；

为τ时段云储能服务提供商的充电功率满足电网辅助服务需求，即

而从电网获得的单位能量奖励的预测值；

为t时段云储能服务提供商的放电功率满足电网辅助服务需求，即A _t ^D≤P _t ^D,AS，而从电网获得的单位能量奖励；

为τ时段云储能服务提供商的放电功率满足电网辅助服务需求，即

而从电网获得的单位能量奖励的预测值；

E _t为t时段末集中式储能设施的电量；

E _τ为τ时段末集中式储能设施的电量的预测值；

1-2)设所述模型预测控制模型的约束条件为：

1-2-1)充放电功率约束

P _t ^C,CU+P _t ^C,AS≤P ^Cap

P _t ^D,CU+P _t ^D,AS≤P ^Cap

式中，P ^Cap为集中式储能设施的功率容量；

1-2-2)集中式储能设施最小电量约束

E ^Min＝SOC ^Min·E ^Cap

式中，E ^Min为集中式储能设施的最小电量；SOC ^Min为集中式储能设施的最小荷电状态；E ^Cap为集中式储能设施的能量容量；

1-2-3)集中式储能设施电量约束

E ^Min≤E _t,E _τ≤E ^Cap

1-2-4)相邻时段集中式储能设施电量约束

式中：S为集中式储能设施在每个时间间隔Δt的自放电率，η ^C为集中式储能设施的充电效率，η ^D为集中式储能设施的放电效率；E _t-1为t-1时段末通过传感器获取的集中式储能设施的实际电量，令初始时刻集中式储能设施的电量为E ₀＝SOC ₀·E ^Cap，SOC ₀为集中式储能设施的初始荷电状态；

2)当前决策周期开始时刻，云储能服务提供商从电网控制中心获取当前时段t的运行参数，包括：t时段集中式储能设施从电网获取电能时云储能服务提供商需要支付给电网的电费单价λ _t、t时段集中式储能设施向电网回馈电能时云储能服务提供商从电网获得的电费单价θ _t、t时段电网辅助服务需要云储能服务提供商实现的充电功率

和放电功率

、t时段云储能服务提供商的充电功率不能满足电网辅助服务需求时向电网支付的惩罚电费单价

、t时段云储能服务提供商的放电功率不能满足电网辅助服务需求时向电网支付的惩罚电费单价

、t时段云储能服务提供商的充电功率满足电网辅助服务需求时从电网获得的单位能量奖励

、t时段云储能服务提供商的放电功率满足电网辅助服务需求时从电网获得的单位能量奖励

；通过安装在云储能用户的便携设备上的应用程序实时收集和量测得到t时段云储能用户放电功率的总合

、t时段云储能用户使用本地分布式能源充电功率的总合

；

3)云储能服务提供商根据历史数据预测得到T _t时间范围内的运行参数，包括τ时段集中式储能设施从电网获取电能时云储能服务提供商支付给电网的电费单价预测值

、τ时段集中式储能设施向电网回馈电能时云储能服务提供商从电网获得的电费单价预测值

、τ时段云储能用户放电功率的总合的预测值

、τ时段云储能用户使用本地分布式能源充电功率的总合的预测值

、τ时段电网辅助服务需要云储能服务提供商实现的充电功率的预测值

和放电功率的预测值

、τ时段云储能服务提供商的充电功率不能满足电网辅助服务需求时向电网支付的惩罚电费单价的预测值

、τ时段云储能服务提供商的放电功率不能满足电网辅助服务需求时向电网支付的惩罚电费单价的预测值

、τ时段云储能服务提供商的充电功率满足电网辅助服务需求时从电网获得的单位能量奖励的预测值

、τ时段云储能服务提供商的放电功率满足电网辅助服务需求时从电网获得的单位能量奖励的预测值

；

4)根据步骤2)和步骤3)得到的运行参数及步骤1)建立的模型预测控制模型，求解出以下决策变量：t时段集中式储能设施用于向云储能用户提供云储能服务的充电功率P _t ^C,CU和放电功率P _t ^D,CU、t时段集中式储能设施用于向电网提供辅助服务的充电功率P _t ^C,AS和放电功率P _t ^D,AS；

5)云储能服务提供商根据步骤4)得到的决策变量设定t时段集中式储能设施的充电功率为P _t ^C,CU+P _t ^C,AS，放电功率为P _t ^D,CU+P _t ^D,AS；集中式储能设施按照该设定的充电功率和放电功率工作；

6)云储能服务提供商通过其安装在集中式储能设施上的传感器获取t时段末集中式储能设施的电量的实际值作为下一决策周期的参数；返回步骤2)开始下一决策周期。

本发明的特点及有益效果：

本发明针对现有云储能系统不能实现参与电网辅助服务的问题，改进云储能服务提供商决策模型，使云储能服务提供商可以参与电网的辅助服务，通过响应电网调控中心发出的充电和放电命令实现对电网调频调峰辅助服务的参与。为了提升决策的准确性，云储能服务提供商的运行决策采用模型预测控制的思想，根据现有和预测信息滚动决策当前的集中式储能设施的充电和放电指令。

本发明方法能够拓宽电网辅助服务参与者的来源，为电网的调频、调峰等辅助服务需求提供有益的支撑，还可以使得云储能系统中集中式储能设施的利用率进一步提高。云储能服务提供商可利用更多预测得到的参数，使其满足云储能用户充电放电和电网辅助服务需求的运行决策更加科学合理。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不限定本发明的保护范围。

本发明提出的一种可参与电网辅助服务的集中式云储能运行决策方法，包括以下步骤：

1)建立如下模型预测控制模型：

1-1)设所述模型预测控制模型的目标函数为：

(·) ⁺和(·) ^-分别定义为取括号中的正值和负值部分，即：

Δt为模型预测控制模型的基本时段间隔，本实施例设定为2s；

为t时段云储能用户放电功率的总合；

为τ时段云储能用户放电功率的总合的预测值；

为t时段云储能用户使用本地分布式能源充电功率的总合；

而需要向电网支付的惩罚电费单价；

而需要向电网支付的惩罚电费单价的预测值；

为t时段云储能服务提供商的放电功率不能满足电网辅助服务需求，即A _t ^D>P _t ^D,AS，而需要向电网支付的惩罚电费单价；

而需要向电网支付的惩罚电费单价的预测值；

，而从电网获得的单位能量奖励；

而从电网获得的单位能量奖励的预测值；

为t时段云储能服务提供商的放电功率满足电网辅助服务需求，即

，而从电网获得的单位能量奖励；

而从电网获得的单位能量奖励的预测值；

E _t为t时段末集中式储能设施的电量；

E _τ为τ时段末集中式储能设施的电量的预测值；

1-2)设所述模型预测控制模型的约束条件为：

1-2-1)充放电功率约束

P _t ^C,CU+P _t ^C,AS≤P ^Cap

P _t ^D,CU+P _t ^D,AS≤P ^Cap

式中，P ^Cap为集中式储能设施的功率容量；

1-2-2)集中式储能设施最小电量约束

E ^Min＝SOC ^Min·E ^Cap

1-2-3)集中式储能设施电量约束

E ^Min≤E _t,E _τ≤E ^Cap

1-2-4)相邻时段集中式储能设施电量约束

式中：S为集中式储能设施在每个时间间隔Δt的自放电率，η ^C为集中式储能设施的充电效率，η ^D为集中式储能设施的放电效率，均分别根据集中式储能设施的型号设定，为已知值；E _t-1为t-1时段末通过传感器获取的集中式储能设施的实际电量，令初始时刻集中式储能设施的电量为E ₀＝SOC ₀·E ^Cap，SOC ₀为集中式储能设施的初始荷电状态；

和放电功率

、t时段云储能用户使用本地分布式能源充电功率的总合

；

、τ时段云储能用户放电功率的总合的预测值

和放电功率的预测值

；

4)根据步骤2)和步骤3)得到的运行参数及步骤1)建立的模型预测控制模型，通过线性规划求解器求解出以下决策变量：t时段集中式储能设施用于向云储能用户提供云储能服务的充电功率P _t ^C,CU和放电功率P _t ^D,CU、t时段集中式储能设施用于向电网提供辅助服务的充电功率P _t ^C,AS和放电功率P _t ^D,AS、t时段末集中式储能设施的电量E _t的计算值(该电量计算值作为模型的中间变量)；

6)云储能服务提供商通过其安装在集中式储能设施上的传感器获取t时段末集中式储能设施的电量的实际值作为下一决策周期的参数；返回步骤2)开始下一周期的决策。

以上所述仅为本发明的实施例，并非因此限制本发明的保护范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的保护范围内。

Claims

一种可参与电网辅助服务的集中式云储能运行决策方法，其特征在于，包括以下步骤：

1)建立如下模型预测控制模型：

1-1)设所述模型预测控制模型的目标函数为：

该目标函数表示最小化集中式储能设施在当前时段产生的运行成本与其预计在设定时间范围内产生的运行成本的总合；式中，

(·) ⁺和(·) ^-分别定义为取括号中的正值和负值部分，即：

Δt为模型预测控制模型的基本时段间隔；

t为当前时段；τ为紧邻当前时段t之后5min内的任一时段；T _t为紧邻当前时段t之后5min内的所有时段的集合；

为集中式储能设施在t时段产生的运行成本与其预计在T _t时间范围内产生的运行成本的总合；

λ _t为t时段集中式储能设施从电网获取电能时，云储能服务提供商需要支付给电网的电费单价；

为τ时段集中式储能设施从电网获取电能时，云储能服务提供商需要支付给电网的电费单价预测值；

θ _t为t时段集中式储能设施向电网回馈电能时，云储能服务提供商从电网获得的电费单价；

为τ时段集中式储能设施向电网回馈电能时，云储能服务提供商从电网获得的电费单价预测值；

P _t ^C,CU为t时段集中式储能设施用于向云储能用户提供云储能服务的充电功率；

为τ时段集中式储能设施用于向云储能用户提供云储能服务的充电功率的预测值；

P _t ^D,CU为t时段集中式储能设施用于向云储能用户提供云储能服务的放电功率；

为τ时段集中式储能设施用于向云储能用户提供云储能服务的放电功率的预测值；

为t时段云储能用户放电功率的总合；

为τ时段云储能用户放电功率的总合的预测值；

为t时段云储能用户使用本地分布式能源充电功率的总合；

为τ时段云储能用户使用本地分布式能源充电功率的总合的预测值；

P _t ^C,AS为t时段集中式储能设施用于向电网提供辅助服务的充电功率；

为τ时段集中式储能设施用于向电网提供辅助服务的充电功率的预测值；

P _t ^D,AS为t时段集中式储能设施用于向电网提供辅助服务的放电功率；

为τ时段集中式储能设施用于向电网提供辅助服务的放电功率的预测值；

为t时段电网辅助服务需要云储能服务提供商实现的充电功率；

为τ时段电网辅助服务需要云储能服务提供商实现的充电功率的预测值；

为t时段电网辅助服务需要云储能服务提供商实现的放电功率；

为τ时段电网辅助服务需要云储能服务提供商实现的放电功率的预测值；

为t时段云储能服务提供商的充电功率不能满足电网辅助服务需求，即
而需要向电网支付的惩罚电费单价；

为τ时段云储能服务提供商的充电功率不能满足电网辅助服务需求，即
而需要向电网支付的惩罚电费单价的预测值；

为t时段云储能服务提供商的放电功率不能满足电网辅助服务需求，即
而需要向电网支付的惩罚电费单价；

为τ时段云储能服务提供商的放电功率不能满足电网辅助服务需求，即
而需要向电网支付的惩罚电费单价的预测值；

为t时段云储能服务提供商的充电功率满足电网辅助服务需求，即
而从电网获得的单位能量奖励；

为τ时段云储能服务提供商的充电功率满足电网辅助服务需求，即
而从电网获得的单位能量奖励的预测值；

为t时段云储能服务提供商的放电功率满足电网辅助服务需求，即
而从电网获得的单位能量奖励；

为τ时段云储能服务提供商的放电功率满足电网辅助服务需求，即
而从电网获得的单位能量奖励的预测值；

E _t为t时段末集中式储能设施的电量；

E _τ为τ时段末集中式储能设施的电量的预测值；

1-2)设所述模型预测控制模型的约束条件为：

1-2-1)充放电功率约束

P _t ^C,CU+P _t ^C,AS≤P ^Cap

P _t ^D,CU+P _t ^D,AS≤P ^Cap

式中，P ^Cap为集中式储能设施的功率容量；

1-2-2)集中式储能设施最小电量约束

E ^Min＝SOC ^Min·E ^Cap

式中，E ^Min为集中式储能设施的最小电量；SOC ^Min为集中式储能设施的最小荷电状态；E ^Cap为集中式储能设施的能量容量；

1-2-3)集中式储能设施电量约束

E ^Min≤E _t,E _τ≤E ^Cap

1-2-4)相邻时段集中式储能设施电量约束

式中：S为集中式储能设施在每个时间间隔Δt的自放电率，η ^C为集中式储能设施的充电效率，η ^D为集中式储能设施的放电效率；E _t-1为t-1时段末通过传感器获取的集中式储能设施的实际电量，令初始时刻集中式储能设施的电量为E ₀＝SOC ₀·E ^Cap，SOC ₀为集中式储能设施的初始荷电状态；

2)当前决策周期开始时刻，云储能服务提供商从电网控制中心获取当前时段t的运行参数，包括：t时段集中式储能设施从电网获取电能时云储能服务提供商需要支付给电网的电费单价λ _t、t时段集中式储能设施向电网回馈电能时云储能服务提供商从电网获得的电费单价θ _t、t时段电网辅助服务需要云储能服务提供商实现的充电功率
和放电功率
t时段云储能服务提供商的充电功率不能满足电网辅助服务需求时向电网支付的惩罚电费单价
t时段云储能服务提供商的放电功率不能满足电网辅助服务需求时向电网支付的惩罚电费单价
t时段云储能服务提供商的充电功率满足电网辅助服务需求时从电网获得的单位能量奖励
t时段云储能服务提供商的放电功率满足电网辅助服务需求时从电网获得的单位能量奖励
通过安装在云储能用户的便携设备上的应用程序实时收集和量测得到t时段云储能用户放电功率的总合
t时段云储能用户使用本地分布式能源充电功率的总合

3)云储能服务提供商根据历史数据预测得到T _t时间范围内的运行参数，包括τ时段集中式储能设施从电网获取电能时云储能服务提供商支付给电网的电费单价预测值
τ时段集中式储能设施向电网回馈电能时云储能服务提供商从电网获得的电费单价预测值
τ时段云储能用户放电功率的总合的预测值
τ时段云储能用户使用本地分布式能源充电功率的总合的预测值
τ时段电网辅助服务需要云储能服务提供商实现的充电功率的预测值
和放电功率的预测值
τ时段云储能服务提供商的充电功率不能满足电网辅助服务需求时向电网支付的惩罚电费单价的预测值
τ时段云储能服务提供商的放电功率不能满足电网辅助服务需求时向电网支付的惩罚电费单价的预测值
τ时段云储能服务提供商的充电功率满足电网辅助服务需求时从电网获得的单位能量奖励的预测值
τ时段云储能服务提供商的放电功率满足电网辅助服务需求时从电网获得的单位能量奖励的预测值

4)根据步骤2)和步骤3)得到的运行参数及步骤1)建立的模型预测控制模型，求解出以下决策变量：t时段集中式储能设施用于向云储能用户提供云储能服务的充电功率P _t ^C,CU和放电功率P _t ^D,CU、t时段集中式储能设施用于向电网提供辅助服务的充电功率P _t ^C,AS和放电功率P _t ^D,AS；

5)云储能服务提供商根据步骤4)得到的决策变量设定t时段集中式储能设施的充电功率为P _t ^C,CU+P _t ^C,AS，放电功率为P _t ^D,CU+P _t ^D,AS；集中式储能设施按照该设定的充电功率和放电功率工作；

6)云储能服务提供商通过其安装在集中式储能设施上的传感器获取t时段末集中式储能设施的电量的实际值作为下一决策周期的参数；返回步骤2)开始下一决策周期。