[论文解读] Using Battery Storage for Peak Shaving and Frequency Regulation: Joint Optimization for Superlinear Gains

Yuanyuan Shi, Bolun Xu+2 more|arXiv (Cornell University)|Feb 26, 2017

Advanced Battery Technologies Research参考文献 23被引用 24

一句话总结

本文提出了一种电池储能系统的联合优化框架，旨在同时实现削峰和一次调频，利用两者时间尺度的差异，实现超线性经济收益。通过使用一种实时阈值算法，协调快速调频信号与月度峰值负荷降低，该方法可将电费降低高达12%，超过单独提供每项服务收益之和。

ABSTRACT

We consider using a battery storage system simultaneously for peak shaving and frequency regulation through a joint optimization framework which captures battery degradation, operational constraints and uncertainties in customer load and regulation signals. Under this framework, using real data we show the electricity bill of users can be reduced by up to 15\%. Furthermore, we demonstrate that the saving from joint optimization is often larger than the sum of the optimal savings when the battery is used for the two individual applications. A simple threshold real-time algorithm is proposed and achieves this super-linear gain. Compared to prior works that focused on using battery storage systems for single applications, our results suggest that batteries can achieve much larger economic benefits than previously thought if they jointly provide multiple services.

研究动机与目标

• 为解决商业和数据中心场景中电池储能因单一服务使用而导致的经济利用率低下问题，单项目服务难以覆盖高昂的资本成本。
• 开发一种联合优化框架，协调削峰与一次调频，利用其时间尺度差异以提升经济回报。
• 通过真实世界数据量化并展示超线性收益——即联合收益超过各项服务单独收益之和——的现象。
• 设计一种实用的在线阈值算法，实现实时运行，而无需依赖对未来信号的完整离线优化。

提出的方法

• 构建联合优化问题，捕捉电池退化、运行约束以及负荷和调频信号中的不确定性。
• 采用拉格朗日松弛方法解耦问题，并基于边际成本推导出最优电池调度的解析条件。
• 推导出一种实时阈值控制策略，根据调频信号的方向和大小相对于峰值负荷目标，动态调整电池调度。
• 引入一种与状态相关的阈值，综合考虑电池荷电状态、功率限制和能量容量约束，以确保可行性。
• 将经济目标建模为能量市场收益（一次调频）、需量电费节省（削峰）与电池退化成本之间的权衡。
• 在不同边际成本模式下以闭式形式求解优化问题，得出充电与放电的特定调度规则。

实验结果

研究问题

• RQ1 电池储能系统联合用于削峰与一次调频，是否能带来比单独运行每项服务更大的经济收益？
• RQ2 联合优化中的超线性收益源于何处？如何通过控制设计加以利用？
• RQ3 如何设计一种实时在线算法，在无需未来信号完整信息的前提下实现近似最优性能？
• RQ4 月度峰值负荷与秒级调频信号之间的时间尺度差异，在实现更高节省方面起到何种作用？
• RQ5 电池退化如何影响削峰与调频服务之间最优权衡？

主要发现

• 基于PJM控制区域真实世界数据，该联合优化框架使1 MW数据中心的电费最高降低12%。
• 联合优化带来的节省超过单独使用电池进行削峰与调频的收益之和，验证了超线性收益的存在。
• 一种简单的实时阈值算法即可实现近似最优性能，并捕获了大部分超线性收益，而无需预测未来信号。
• 最优调度策略取决于电池退化边际成本（λ_b）与调频市场报价（λ_mis）的相对大小，从而产生不同的控制规则。
• 当电池退化边际成本超过调频市场价格（λ_b ≥ λ_mis）时，最优策略是不参与调频，保持电池闲置。
• 调频信号的随机性有助于更高效的削峰，解释了通过跨服务协同实现超线性收益的机制。