关于长期物理-电化学混合储能系统多时间尺度协同运行方法的研究

《Energy》：Research on Multi-Timescale Coordinated Operation Methods for Long-term Physico-Electrochemical Hybrid Energy Storage Systems

　　关如文|云张|子芬韩|扎璐仁|曹博浩
中国陕西省西安市西安电子科技大学高性能电子设备机电一体化制造国家重点实验室，710071

**摘要**
将大量新能源大规模整合到电网中，对电力供应保障和可再生能源消费带来了重大挑战。本文构建了一种混合能源存储系统（HESS），该系统结合了长时物理储能和电化学储能技术，具体包括压缩空气储能（CAES）、磷酸铁锂电池和超级电容器，并提出了一种多时间尺度协调运行策略。首先，深入研究了CAES的统一能量电路建模理论及其实际运行中的热损失情况，从而建立了CAES的等效电路模型，使整个HESS模型更适用于能源管理场景。随后，为了匹配不同时间尺度下的各种储能系统与电力频率带，提出了一种分层多时间尺度协调优化运行方法。上层通过结合日前预测和日内校正的滚动优化，制定长期时间尺度的能源管理计划；下层通过电力分配和基于规则的策略，实现短期时间尺度上的实时控制，以维持系统稳定性。HESS的多时间尺度协调控制通过多目标优化、小时间尺度校正和偏差反馈来实现。本文的科学创新之处在于：构建了一种适用于混合能源存储系统协调控制的统一建模方法；并提出了一种包含长短期闭环机制和多目标优化的协调控制策略。最后，通过中国西北地区一个CAES示范项目及该地区的实测数据验证了所提模型的准确性。考虑热损失的CAES等效电路模型，其荷电状态（SOC）计算误差仅为3%。此外，与传统方法相比，所提出的多时间尺度协调策略可将运营成本降低35%-47%，同时更好地保障了电力供应的可靠性和可再生能源的接纳能力。

**引言**
中国目前面临风能和太阳能发电受限以及电力短缺的双重挑战，这主要是由于缺乏能够平滑能源波动的长时储能技术[1][2]。可再生能源发电的固有不确定性限制了其在电网中的整合比例，仅依靠短期储能无法实现大规模化石燃料的替代。因此，大规模储能技术（尤其是压缩空气储能CAES）因其成本、效率、寿命和容量优势而成为关键解决方案[3][4][5]。然而，CAES的启动响应时间约为几分钟，无法独立应对快速功率波动，需要与响应更快的系统结合形成混合能源存储系统（HESS）[6]。在基于压缩空气储能的混合能源存储系统研究中，Kaloy等人[7]提出了一种结合CAES和低温储能的调度技术，通过内部冷热能量的循环利用提高了整体效率并优化了系统成本。Zhao等人[8]开发了一种用于风能的混合储能系统，将绝热压缩空气储能与飞轮储能相结合，显著提升了长时削峰能力和快速响应能力。但这类机械储能系统的结构相对复杂，对维护和运行环境要求较高。相比之下，将CAES与电化学储能结合可以同时具备大容量、长时削峰能力和快速响应能力，这种配置还具有系统结构简单、维护成本低、适应复杂运行环境等优点，这也是本研究的核心内容。可再生能源的高波动性和低惯性进一步凸显了传统确定性调度在管理多时间尺度不确定性方面的局限性，有效实现多时间尺度协调成为能源转型的核心挑战。

在储能模型构建方面，根据对内部机制描述程度的不同，常用模型可分为两类：数据驱动模型和等效电路模型。在涉及CAES的协调运行方法中（如Cheng等人[9]、Liu等人[10]和Bai等人[11]提出的方法），通常采用数学模型。这种方法不仅限于CAES，大多数物理储能模型也都是数学模型[12][13][14]。数学模型能够全面描述设备内部机制并提供高精度，但物理储能的数学建模往往涉及多域耦合问题，导致计算过程复杂。在实际工程应用中，这些模型难以直接集成到可再生能源发电厂的实时调度和控制系统，无法满足快速求解的需求。虽然等效电路模型无法详细展示储能的内部机制，但能清晰反映设备的电气特性，且更易于建立和实施。Pham等人[15]将通用等效电路建模方法扩展到多种储能系统，验证了其在能源管理场景中的适用性。因此，在HESS中，统一的建模方法可以为不同解决方案提供便捷、直观的比较手段。

近年来，基于模型预测控制（MPC）的能源管理方法被广泛应用于可再生能源系统和综合能源系统（IESs）中[16][17][18][19]，但预测值与实际可再生能源/负荷之间的较大偏差会影响IES的运行。预测时间越短，精度越高，但这仅适用于短期预测。强制使用小时间尺度进行长期预测可能导致不确定性累积[20]。因此，当前主流方法结合了“可靠的趋势预测与偏差校正”。Feng等人[21]和Chen等人[22]提出了关注日前经济性和日内校正的多时间尺度最优调度模型。Jani等人[23]引入了两阶段多目标模型。为解决实时控制问题，一些研究提出了结合日前、日内和实时滚动调整的三阶段策略[24][25][26]。尽管这些方法设计了实时协调控制和运行策略，但从工程实施角度来看，现有研究中的多时间尺度协调机制仍存在明显不足。大多数研究将能源规划与实时控制分开，缺乏闭环反馈调整机制，导致系统在实际电网波动场景中的鲁棒性不足。

此外，混合能源存储系统协调运行的目标函数设计主要集中在单一经济指标（如降低运营成本）上，未充分考虑能源系统最优调度和运行管理中的多种目标和不确定性。然而，在其他能源系统领域，基于多目标优化的最优调度和运行管理研究已初见成效。其中，Chamandoust等人的研究尤为突出。例如，他们将能源枢纽系统的最优调度问题建模为多目标优化问题，实现了降低运营成本、污染排放、能源供应损失和负荷预期偏差的最优调度方案[27][28]。另一项研究根据发电侧和需求侧的特点建立了多目标函数，实现了智能微电网的日前调度[29]。此外，还分别为住宅智能配电网和智能混合能源系统提出了不同的三目标模型，实现了最优能源调度[30][31]等。这些研究为能源系统调度的多目标优化建立了成熟的理论框架，并验证了多目标优化的有效性。不过，这些研究大多针对综合能源系统和微电网，其目标函数并不完全适用于本文讨论的长期和短期混合能源存储系统。对于混合能源存储系统，现有研究忽略了“双碳”目标下的核心需求，如新能源整合、能源利用效率和电网负荷波动平滑。这导致混合能源存储系统的调度策略往往无法全面体现系统整体效益。为突出本文的创新性，表1对比了现有研究与本文提出的方法之间的差异。

**总结**
在建模方法方面，现有CAES模型在精度和求解速度之间存在权衡，缺乏适用于混合能源存储系统协调控制的统一建模方法。在协调控制策略方面，现有的多时间尺度调度策略多为开环控制结构，缺乏连接长期和短期时间尺度的闭环协调机制。在目标函数设计方面，现有混合能源存储管理策略的优化目标较为单一，无法平衡新电力系统的多维运行要求。为弥补现有研究不足，本文提出了一种结合长时物理储能和电化学储能的多时间尺度协调运行方法。首先，基于统一能量电路建模理论，分析了CAES充放电过程中的能量传输机制和热损失特性，并建立了考虑热损失的CAES等效电路模型。随后，提出了一种三层多时间尺度协调运行策略，包括日前调度、日内滚动校正和实时反馈控制。上层日前调度阶段制定24小时能源调度基准计划，优化目标包括运营成本、能源利用效率、可再生能源接纳能力和负荷波动平滑；中层日内校正阶段采用10分钟时间步长的滚动优化来校正日前计划的预测误差，并根据预测偏差为下层实时控制建立储备容量约束；下层实时控制阶段实施基于频率的电力分配策略，时间分辨率为10秒，为CAES预留基本频率调节能力并平滑二级功率波动。同时，建立反向反馈校正机制，下层的实时运行偏差会更新上层的储备约束，实现长短期时间尺度的闭环协调控制。最后，通过中国西北地区一个10 MW/110 MWh CAES示范项目的实测数据验证了所提模型的有效性，并使用该地区三种典型源-负荷场景的实测数据对方法进行了评估。结果表明，所提模型的SOC计算误差仅为3%，优于传统方法。协调控制策略在成本优化、可再生能源接纳能力和电力供应可靠性方面表现出优越性。此外，消融实验证实了多目标优化、滚动校正和闭环反馈等核心模块的必要性和有效性。

**主要贡献**：
(1) 分析了物理储能系统中的能量传输机制，总结了统一的能量电路建模理论，并建立了考虑热损失的CAES等效电路模型；
(2) 提出了一种针对长时物理-电化学混合储能站的多阶段、多时间尺度分层协调方案，旨在在确保电力供应和消费的同时最小化日常运营成本：
- 上层能源管理中，日前调度优化运营成本、能源效率、可再生能源消耗和负荷平滑；
- 下层实时控制中，部分储备电力分配给CAES以应对基础负荷波动，弥补HESS中电化学储能的局限性；
- 基于日内/实时偏差的反馈校正实现了短期瞬时稳定性；
(3) 使用中国西北地区三种场景的实测数据对所提方法进行了评估，并与基准方法和消融方法进行了对比，数值结果验证了其有效性和经济效益。

**本文结构**：
第2节描述了混合能源存储系统的框架及各储能单元的模型；第3节介绍了所提出的多阶段、多时间尺度分层协调运行策略；第4节使用中国西北地区的实测源-负荷数据对该策略进行了评估；第5节提供了结论性意见。抽水蓄能（PHS）、压缩空气储能（CAES）、钠离子电池（SIB）和锂离子电池（LiB）属于能量型储能技术，具有高能量密度和低功率密度的特点。对于长期调度（放电时间超过4小时）而言，由于容量较大且单位能量成本较低，物理储能方式具有明显优势。与PHS相比，CAES在地理限制方面更为灵活。对于短期调度（放电时间小于4小时），电池储能系统具有更快的响应速度。为了使这些储能方式适应不同的电力频率范围，本文提出了一种分层多时间尺度协调优化方法：上层通过结合日前预测和日内调整的滚动优化方式，在较长的时间尺度（小时-分钟）上制定能量存储系统（HESS）的运营计划；下层则通过电力分配和基于规则的策略实现实时控制（秒级时间尺度）。

在HESS仿真设计中，CAES子系统的额定功率/容量为10MW/110MWh，LFP子系统为5MW/20MWh，SC子系统为2MW/0.84MWh。储能系统的等效电路参数对其动态响应至关重要。本研究中的CAES等效电路参数是根据10MW/110MWh示范电站的设计图纸和实际运行数据计算得出的。为了更有效地应对当前风能/光伏发电的限电问题及电力短缺情况，本文提出了一种基于长时间物理储能和电化学储能的混合储能系统的多时间尺度协调运行方法。通过统一建模和分层控制实现了高效协调运行，并通过中国某地区的实际运行数据验证了该技术的有效性。

作者贡献声明：
曹博浩：验证、形式分析
张云：撰写-审稿与编辑、验证、资源整理、概念构建
韩子芬：撰写-审稿与编辑、验证、资源整理
任兆路：验证、数据整理
文冠茹：撰写-初稿撰写、监督、方法论设计、概念构建

利益冲突声明：
作者声明与本研究、文章的撰写及发表不存在任何潜在的利益冲突。

致谢：
本项工作得到了“智能电网国家科技重大专项”（项目编号2025ZD0805401）和“甘肃省科技重大计划”（项目编号25ZDGA001）的支持。