[论文解读] Control of Battery Storage Systems for the Simultaneous Provision of Multiple Services

Emil Namor, Fabrizio Sossan+2 more|arXiv (Cornell University)|Mar 2, 2018

Microgrid Control and Optimization参考文献 33被引用 147

一句话总结

本论文提出一个两阶段控制框架，通过同时调度中压馈线和提供一次频率调节来最大化电池利用率，并通过仿真和在560 kWh/720 kVA Li-ion BESS上的实际规模实验进行验证。

ABSTRACT

In this paper, we propose a control framework for a battery energy storage system to provide simultaneously multiple services to the electrical grid. The objective is to maximise the battery exploitation from these services in the presence of uncertainty (load, stochastic distributed generation, grid frequency). The framework is structured in two phases. In a period-ahead phase, we solve an optimization problem that allocates the battery power and energy budgets to the different services. In the subsequent real-time phase the control set-points for the deployment of such services are calculated separately and superimposed. The control framework is first formulated in a general way and then casted in the problem of providing dispatchability of a medium voltage feeder in conjunction to primary frequency control. The performance of the proposed framework are validated by simulations and real-scale experi- ments, performed with a grid-connected 560 kWh/720 kVA Li-ion battery energy storage system.

研究动机与目标

• 激励并使 BESS 同时提供多项电网服务成为可能，以提升利用率和经济性。
• 构建一个在不确定性下将功率与能量预算分配给多项服务的通用调度框架。
• 提出一个两层控制架构（提前周期优化与实时执行），实现简单。
• 展示对调度 MV 供电线和提供一次频率调节（PFR）的适用性。
• 提供实验验证以支持框架的现实世界部署性。

提出的方法

• 建立一个通用调度问题，在时间窗口 T 内为 J 项服务分配预算 P_j 和 E_j。
• 在 E_init+Σ_j E_j ∈ [E_min,E_max] 和 Σ_j P_j ∈ [-P_max, P_max] 的约束下，最大化聚合能量预算的宽度 w(Σ_j E_j)。
• 将每项服务的预算轨迹定义为区间 P_j,k = [P_j,k^down, P_j,k^up] 和 E_j,k = [E_j,k^down, E_j,k^up]。
• 采用两层控制：先行一天的优化来设定预算，和一个实时控制器计算叠加的服务设定值并叠加。
• 将通用框架专门化用于调度馈线并提供一次频率调节（PFR），包括调度和 PFR 预算的公式及 PFR 的 α 参数。
• 纳入电池效率和保守的能量边界，以反映非理想的 BESS 性能。

实验结果

研究问题

• RQ1 如何在不确定性下，调度 BESS 同时提供多项电网服务，同时满足其能量和功率约束？
• RQ2 两层控制方案（周期前预算与实时叠加）是否能够可靠地调度一个 MV 供电线并提供一次频率调节？
• RQ3 随机性馈线需求和频率偏差对可利用 BESS 容量与服务提供有何影响？
• RQ4 该框架是否能扩展到使用现有电网资源的实际实验并实现实用、可衡量的性能？

主要发现

• 提前一天的优化产生 α^o（PFR 系数）和偏移量剖面 F^o，使电池在 24 小时视野内实现最大化利用。
• 在31个模拟日中，平均 α^o 为 216.6 kW/Hz，当 Δf_max = 200 mHz 时，PFR 最高可达 43 kW。
• 调度的能量预算通常与调度服务限值对齐，依据预测不确定性可将额外容量分配给 PFR。
• 对接入电网的 560 kWh/720 kVA BESS 的实验显示 Day 1 的 α^o 为 584 kW/Hz，Day 2 为 127 kW/Hz，平均调度偏移分别为 0.84 kW 和 -0.56 kW。
• 对馈线调度的均方根跟踪误差约为 0.5 kW，在 ~130 kW 的平均馈线负载下，指示良好跟踪性能。
• 框架可以利用剩余的 BESS 容量来提供 PFR，同时保持可行的运行和电池健康约束。