考虑老化感知的频率响应仿真下混合储能能量与辅助服务日前联合决策

《Electric Power Systems Research》：Day-ahead energy and ancillary services joint decision of hybrid energy storage with aging-aware frequency response simulation

　　

混合储能系统(HESS)联合决策模型：能量、调频(FR)与虚拟惯量服务。滚动优化将日前调度与调频动态特性相联系。嵌入的调频仿真确保基于绩效的收益准确性。考虑老化特性的调频功率分配最大化盈利能力与可持续性。引言：全球对碳中和的追求加速了从化石燃料向可再生能源(RES)（如风能和太阳能）[1]的转型。然而，可再生能源的波动性及其基于逆变器的并网方式给电网强度和频率稳定性带来了重大挑战[2]、[3]。储能凭借其快速调节能力和灵活的充放电特性，在现代能源系统中发挥着关键作用[4]。它可以通过快速功率调整来缓解可再生能源功率波动，提高系统灵活性，并改善在不同电网条件下的运行稳定性[5]、[6]。2024年，全球新增储能装机容量达到78.33 GW/184.2 GWh，同比增长82.1%[7]。储能系统通常分为功率型技术和能量型技术。混合储能系统(HESS)将功率型储能的快速响应能力与能量型储能的长时支持相结合，从而克服了单一技术的局限性并提升了整体性能[8]。凭借灵活的配置和强大的技术互补性，结合电池和超级电容(SC)的HESS已在中国[9]和美国[10]的电力系统中部署用于能量调节和调频(FR)。表1比较了电池与超级电容的技术特性[11]。功率密度以W/kg为单位，表示单位质量所能提供的功率，反映了储能设备的短期快速响应能力。能量密度以Wh/kg为单位，表示单位质量储存的能量，决定了持续供能的时长。放电持续时间描述了设备可连续释放能量的典型时间尺度。循环次数表示在反复充放电下的预期寿命。这些参数表明，超级电容更适合调频和惯量支撑等高功率、短时服务[12]，而电池更适合长时能量供应，但由于循环寿命较短，需考虑老化成本。作为独立市场参与者，鼓励HESS通过提供能量调节、调频和惯量服务参与能量市场和辅助服务市场，从而增强电网稳定性。为提高HESS运行利润，日前决策应采用一个明确捕捉电池和超级电容各自特性的模型，同时考虑多服务提供所带来的功率-能量强耦合关系。已有研究对单一电化学储能系统在能量与调频联合市场中的决策进行了优化[13]；然而，关于HESS优化的研究仍然有限。现有研究提出了HESS参与调频市场的决策模型[14]、[15]，但通常忽视了HESS的能量市场套利潜力。除能量和调频服务外，虚拟惯量近期作为储能的潜在收益来源也日益受到关注。中国多个省份已引入了基于储能的虚拟惯量补偿机制[16]，澳大利亚能源市场委员会也建议为这类服务提供基于市场的激励[17]。此外，联合优化能量、调频和惯量服务可以降低系统成本[18]。尽管如此，现有研究仍然倾向于忽视HESS决策中虚拟惯量服务的潜在收益。此外，即使HESS被安排提供调频服务，其实际收益也取决于是否满足基于绩效的结算要求。由于调频结算与绩效密切相关，尤其是响应精度，且电网运营商对调频提供方施加了严格的绩效要求[19]、[20]，因此日前优化中应明确考虑调频绩效。然而，现有日前决策模型（如[15]和[21]）未能充分捕捉调频市场的基于绩效的结算与评估机制。尽管[21]提出了一种实时控制策略，通过降低调频绩效来减少电池老化，但其在日前规划中仍假定完全满足调频要求，这可能导致收益估计偏差并引发次优决策。因此，将调频仿真嵌入日前决策模型可以提高收益估计的准确性，同时确保符合系统绩效要求，从而降低因调频绩效不足而面临处罚的风险。然而，将调频仿真嵌入日前优化存在一个与时间分辨率相关的主要挑战。调频服务通常在较高的时间分辨率下运行，例如每2秒[22]。直接将这种细粒度的仿真纳入日前规划会大幅增加优化模型的计算复杂度。文献[23]针对能量和调频联合市场提出了一种基于仿真的投标策略，其中多个候选决策被评估，并选择满足绩效要求同时最大化效益的方案。然而，该方法未以优化模型形式表述，因此无法保证决策的最优性。在[24]中，电池决策被分解为日级、小时级和五分钟级子问题，但这种结构化分解难以扩展到具有更复杂调频控制策略的HESS。因此，调频仿真尚未在保证绩效精度和计算效率的同时有效整合到优化模型中。表2总结了现有研究与所提框架的比较。为使调频仿真得以实现，调频功率必须根据预定义的分配策略在电池和超级电容之间进行分配。虽然能量套利引起的电池老化已被充分研究[25]，但调频引起的电池老化往往被忽视。事实上，调频也可能对电池老化产生显著影响，这一点已在[26]中得到证实。完全跟踪调频信号虽然可以改善绩效，但通常经济性不佳，特别是在调频价格较低或深度循环加速电池老化时。为减少老化，研究人员提出了基于经验规则或滤波的功率分配方法。荷电状态(SoC)表示相对于额定容量的剩余可用电池容量，是电池充电状态的关键指标。一些研究建议划分SoC运行范围以制定防止电池过充或深度放电的分配策略[27]、[28]，但此类方法通常依赖启发式阈值且可能缺乏准确性[29]。在[21]中，功率分配规则从历史数据中提取。为减缓老化，其他工作利用滤波技术将高频信号分配给超级电容、低频信号分配给电池[30]、[31]、[32]。然而，这些方法大多基于经验性或粗略的定性方法，而非能够量化调频功率的边际成本和收益以支持分配决策的精确模型。文献[33]提出了一种策略，同时建模调频收益和电池老化成本，利用SoC阈值最大化期望调频利润。然而，该方法仅考虑电化学储能，忽视了储能同时参与能量和调频市场的情况。在这种情况下，能量市场功率与调频响应功率之间的相互作用可能共同影响SoC，使得调频引起的电池老化成本计算更加困难。表3进一步比较了现有调频功率分配策略与所提方法的主要特征。基于上述综述，HESS参与电力市场联合决策中仍存在若干未解决问题。(1)仍然缺乏联合优化HESS参与能量市场、调频市场和虚拟惯量提供的联合决策模型。(2)由于市场调度和调频响应时间尺度的不匹配，调频仿真很少嵌入日前优化，这可能导致收益估计不准确，并使HESS提供方在调频绩效低于市场要求时面临处罚风险。(3)现有的HESS调频功率分配策略往往是经验性或定性的，缺乏能够量化调频功率边际成本和收益以支持决策的精确模型。此外，能量与调频功率分配对电池老化的耦合影响在很大程度上被忽视。因此，本文提出了一种嵌入调频仿真的能量、调频和惯量服务联合决策模型。主要贡献总结如下：(1)为包含电池和超级电容的HESS开发了一个统一的日前联合决策模型，明确捕捉能量套利、调频和虚拟惯量服务之间的耦合关系，同时考虑价格风险。通过联合考虑来自能量套利和调频服务的电池老化成本，所提框架使HESS能够在参与多个市场的同时减少日常运行中的退化相关成本，从而支持跨多次调度周期的可持续运行。(2)设计了一种滚动优化框架，以解决市场调度与高分辨率调频要求之间的时间尺度不匹配问题。在每个滚动步中，第一个时间区间以秒级分辨率表示，并嵌入带有功率分配的调频仿真以评估绩效。该框架在计算效率和绩效精度之间取得平衡，实现了现实约束下的全天优化。(3)在调频仿真中，引入了一种利润最大化的调频功率分配策略，以考虑能量-调频相互作用和电池老化机制。通过量化调频响应的期望利润和边际老化成本，识别出利润最优的调频功率阈值并将其纳入调频仿真。本文组织如下。第2节介绍HESS联合决策框架。第3节提出嵌入调频仿真的日前滚动决策模型。第4节描述调频仿真中使用的利润最大化、基于阈值的调频功率分配策略。第5节通过案例研究将所提方法与其他方法进行比较。第6节总结全文。各节摘要：HESS日前联合滚动决策框架（含调频仿真）：本研究将HESS建模为价格接受者。所提日前滚动联合决策模型的整体框架如图1所示，包含四个主要部分。(1)输入：输入包括从历史数据构建的典型场景，包括能量价格场景、调频价格场景和调频信号序列。这些场景用于表示日前决策过程中市场价格和调频信号的不确定性。此外，电池老化HESS能量-调频-惯量联合优化决策模型：本节提出了一种HESS中能量交易、调频和惯量调节的联合决策模型。该模型的目标是在基于绩效的调频结算下平衡总利润与价格风险。约束包括超级电容和电池的运行限制以及基于调频仿真的绩效约束。调频仿真与利润最大化功率分配策略：本节开发了一种调频仿真以估计日前决策的期望绩效。该仿真采用具有利润最优阈值的调频功率分配策略，并将其嵌入日前决策模型作为调频约束。案例研究：本节评估了将调频仿真嵌入决策的影响，并将所提方法与其他方法进行比较。比较了不同调频功率分配策略的盈利能力，分析了聚合参数n对计算时间和调频绩效精度的影响，并考察了虚拟惯量的影响。结论：随着结合功率型超级电容与能量型电池的HESS的日益部署，预计HESS将参与多个市场（包括能量、调频和惯量服务市场），以提高运行盈利能力并支持系统安全。然而，多市场参与引入了能量调度、调频容量分配和惯量提供之间的强耦合。此外，在基于绩效支付的调频结算下，实际调频绩效直接CRediT作者贡献声明：蒋嘉雄：审阅与编辑、原创草稿撰写、可视化、验证、软件、方法论、形式分析、数据管理、概念化。周明：审阅与编辑、验证、监督、项目管理、资金获取、形式分析。任逸：审阅与编辑、验证、监督、方法论、调查。吴昭远：审阅与编辑、可视化、监督、项目管理、资金获取。利益冲突声明：作者声明，他们没有已知的竞争性财务利益或个人关系可能影响本文所报告的工作。蒋嘉雄|周明|任逸|吴昭远|张志