上一篇
光储联合运行建模及控制策略研究
聚焦光储联合系统动态特性建模，设计多时间尺度协调控制策略，通过功率平滑与SOC优化实现新能源消纳与电网稳定双重目标，(boxed{})
光储联合运行建模及控制策略研究
随着可再生能源的快速发展,光伏发电在能源结构中的占比日益增加，光伏发电具有间歇性和不稳定性的特点，其输出功率受光照强度、温度等自然因素的严重影响，这给电力系统的稳定运行带来了挑战，储能系统作为一种有效的调节手段，能够平抑光伏发电的波动，提高电力系统的稳定性和可靠性，研究光储联合运行的建模及控制策略具有重要意义。
光储联合运行系统建模
（一）光伏发电系统模型
- 光伏电池原理
光伏电池是基于半导体材料的光电效应将太阳能转化为电能的装置，当光照照射到光伏电池表面时，光子与半导体材料中的原子相互作用，激发出电子 空穴对，在内置电场的作用下，电子向 N 区移动，空穴向 P 区移动，从而在电池两端产生电动势，形成电流。 - 数学模型
常用的光伏电池数学模型有单二极管模型和双二极管模型，单二极管模型相对简单，能较好地反映光伏电池的基本特性，其等效电路如图 1 所示。
| 模型参数 | 符号 | 含义 |
|---|---|---|
| 光生电流 | $I_L$ | 与光照强度相关的电流 |
| 二极管饱和电流 | $I_0$ | 二极管在反向击穿前的饱和电流 |
| 二极管理想因子 | $a$ | 反映二极管特性的常数，通常取 1 2 |
| 串联电阻 | $R_s$ | 电池内部串联电阻，影响电池的填充因子 |
| 旁路电阻 | $R_p$ | 电池内部的旁路电阻，较大时可忽略 |
| 端电压 | $U$ | 光伏电池输出电压 |
| 输出电流 | $I$ | 光伏电池输出电流 |
根据基尔霍夫电流定律,可得单二极管模型的电流 电压方程为：
$I = I_L I_0left(expfrac{q(U + IR_s)}{akT} 1right) frac{U + IR_s}{R_p}$
$q$ 为电子电荷量，$k$ 为玻尔兹曼常数，$T$ 为电池温度。
（二）储能系统模型
- 储能技术分类
常见的储能技术包括锂离子电池、铅酸电池、液流电池、超级电容器等，锂离子电池因其能量密度高、循环寿命长、自放电率低等优点，在光储联合运行系统中应用广泛。 - 锂离子电池模型
锂离子电池的模型主要包括电化学模型、等效电路模型和神经网络模型等，等效电路模型较为常用，其中一阶 RC 模型如图 2 所示。
| 模型参数 | 符号 | 含义 |
|---|---|---|
| 开路电压 | $U_{oc}$ | 电池在无负载时的电压，与电池荷电状态（SOC）有关 |
| 欧姆内阻 | $R_{Omega}$ | 电池内部的欧姆电阻，反映电池的瞬态响应特性 |
| 极化电阻 | $R_p$ | 表示电池极化现象的电阻 |
| 极化电容 | $C_p$ | 与极化电阻对应的电容，描述电池极化过程的时间常数 |
| 端电压 | $U$ | 电池输出电压 |
| 输出电流 | $I$ | 电池输出电流（充电为正，放电为负） |
根据基尔霍夫定律,可得一阶 RC 模型的电压方程为：
$U = U{oc}(SOC) IR{Omega} IR_p(1 e^{-t/(R_pC_p)})$
$SOC$ 为电池的荷电状态，可通过安时积分法或卡尔曼滤波等算法进行估算。
（三）负荷模型
在光储联合运行系统中,负荷模型可以根据不同的应用场景进行分类，常见的负荷类型包括恒阻抗负荷、恒功率负荷和恒电流负荷，在实际电力系统中，负荷往往是多种类型的组合，对于居民负荷，一般可以近似为恒功率负荷；对于工业负荷，可能包含恒阻抗、恒功率和恒电流等多种成分。
光储联合运行控制策略
（一）功率平滑控制策略
- 控制目标
由于光伏发电的间歇性，其输出功率存在较大的波动，功率平滑控制策略的目标是通过储能系统的充放电操作，减小光伏发电输出功率的波动，使其满足电力系统的要求。 - 控制方法
常用的功率平滑控制方法有基于滤波器的方法和基于模型预测的方法，基于滤波器的方法如低通滤波器，通过对光伏发电功率进行滤波处理，得到平滑后的功率参考值，然后根据该参考值控制储能系统的充放电，基于模型预测的方法则通过建立光伏发电和储能系统的模型，预测未来一段时间内的功率变化，然后优化储能系统的充放电计划，以实现功率平滑。
（二）削峰填谷控制策略
- 控制目标
削峰填谷控制策略的目的是利用储能系统在电网负荷高峰时段放电，在负荷低谷时段充电，从而减小电网的峰谷差，提高电网的运行效率和稳定性。 - 控制方法
根据电网的峰谷电价信号或负荷预测结果，制定储能系统的充放电计划，在负荷高峰时段，当光伏发电功率小于负荷需求时，储能系统放电补充功率；在负荷低谷时段，当光伏发电功率大于负荷需求时，储能系统充电储存能量，需要考虑储能系统的荷电状态，避免过度充放电。
（三）需求响应控制策略
- 控制目标
需求响应控制策略是通过激励用户在电网负荷高峰时段减少用电，在负荷低谷时段增加用电，从而实现电网的削峰填谷，在光储联合运行系统中，需求响应控制策略可以与功率平滑和削峰填谷控制策略相结合，进一步提高系统的整体性能。 - 控制方法
通过智能电表等设备采集用户的用电信息，根据电网的运行状态和需求响应激励措施，向用户发送用电调整信号，用户根据信号调整用电设备的运行状态，如在负荷高峰时段关闭部分非必要用电设备，在负荷低谷时段启动储能系统充电等，光储联合运行系统根据用户的响应情况，调整光伏发电和储能系统的输出功率，以满足电网的需求。
能量管理策略
（一）荷电状态（SOC）管理
- SOC 估算
准确估算储能系统的荷电状态对于光储联合运行系统的控制至关重要，常用的 SOC 估算方法有安时积分法、开路电压法和卡尔曼滤波法等，安时积分法简单易行，但容易受到电流测量误差和初始 SOC 的影响；开路电压法通过测量电池的开路电压来估算 SOC，但需要电池长时间静置，不适用于实时估算；卡尔曼滤波法能够综合考虑电池的电压、电流和温度等信息，提高 SOC 估算的准确性和精度，但算法相对复杂。 - SOC 维持策略
为了保证储能系统的寿命和性能，需要将 SOC 维持在合理的范围内，一般采用 SOC 上限和下限阈值控制，当 SOC 达到上限时，停止充电；当 SOC 达到下限时，停止放电，还可以根据电池的特性和应用场景，采用动态 SOC 阈值控制策略，如在高温环境下降低 SOC 上限，以防止电池过热。
（二）充放电计划优化
- 优化目标
充放电计划优化的目标是在满足电力系统运行要求的前提下，最大化储能系统的收益或延长储能系统的寿命，收益可以包括减少电费支出、参与电力市场交易获得收益等；寿命延长可以通过合理控制充放电深度和次数来实现。 - 优化方法
常用的优化方法有线性规划、非线性规划和动态规划等，线性规划方法适用于目标函数和约束条件均为线性的情况，计算速度快，但可能无法精确处理非线性问题；非线性规划方法能够处理非线性目标函数和约束条件，但计算复杂度较高；动态规划方法适用于多阶段决策问题，能够考虑系统的动态特性，但存在维数灾问题，在实际应用中，需要根据具体问题的特点选择合适的优化方法。
（三）多目标协调优化
光储联合运行系统涉及到多个目标的优化,如功率平滑、削峰填谷、需求响应、储能系统寿命和收益等，这些目标之间往往存在冲突，需要进行协调优化，常用的多目标协调优化方法有权重法、ε-约束法和目标规划法等，权重法通过给各个目标赋予不同的权重，将多目标问题转化为单目标问题进行求解；ε-约束法通过设定各个目标的允许偏差范围，将多目标问题转化为一系列单目标问题进行求解；目标规划法通过引入目标函数和约束条件的偏差变量，将多目标问题转化为线性规划问题进行求解。
相关问题与解答
问题 1：如何提高光伏发电功率预测的准确性？
解答：提高光伏发电功率预测准确性的方法主要有以下几种，一是改进预测模型，如采用更先进的机器学习算法，如深度学习中的卷积神经网络（CNN）、循环神经网络（RNN）及其变体长短期记忆网络（LSTM）等，能够更好地捕捉光伏发电功率的非线性特征和时间序列特性，二是增加数据量和数据维度，除了常规的气象数据如光照强度、温度、湿度等，还可以收集历史光伏发电数据、地理信息数据等，通过多源数据融合提高预测精度，三是进行数据预处理，对缺失数据进行填补、对异常数据进行修正，并对数据进行标准化处理，以提高模型的训练效果，四是考虑光伏发电系统的衰减特性和环境因素的影响，定期对预测模型进行更新和校准，以适应系统的变化。
问题 2：在光储联合运行系统中，如何选择合适的储能容量？
解答：选择合适的储能容量需要考虑多个因素，首先要分析负荷的特性，包括负荷的峰值、谷值、持续时间以及波动情况等，根据负荷的峰谷差和波动幅度，初步确定储能系统的额定功率和能量容量，其次要考虑光伏发电的不确定性，通过统计分析光伏发电功率的波动范围和概率分布，确定储能系统需要应对的最大功率波动和能量缺额，还要考虑储能系统的成本和经济性，包括储能设备的购置成本、安装成本、运行维护成本以及寿命周期内的充放电次数等因素，可以通过建立经济模型，对不同储能容量下的系统成本和收益进行分析，选择使系统净收益最大或成本最低的储能容量，还要结合当地的电价政策、补贴政策以及电力市场规则等外部因素进行综合考量。
光储联合运行建模及控制策略研究涉及多个方面的内容,包括光伏发电系统、储能系统和负荷的建模，功率平滑、削峰填谷和需求响应等控制策略，以及能量管理策略等，通过合理的建模和控制策略，能够充分发挥光储联合运行系统的优势，提高电力系统的稳定性、可靠性和经济性
