【一次调频】考虑储能电池参与一次调频技术经济模型的容量配置方法附Matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

规模间歇电源并网引起的电网频率问题，导致对引入储能辅助调频的研究越发迫切。提出一种考虑储能电池参与一次调频技术经济模型的容量配置方法。阐述了储能电池功率和容量设计的通用方法；通过分析储能电池在调频运行过程中的成本和效益，基于全寿命周期理论，运用净现值法结合仿真模型构建储能电池参与一次调频的技术经济模型；设计了一种储能电池参与一次调频的充放电策略，在此基础上，考虑受风电出力波动影响的电网综合负荷，从与之对应的电网频率信号波动特性出发，在确定的电网调频及储能电池运行要求约束下，得出调频效果最优、经济性最优以及两者综合最优目标下的储能电池容量配置方案。仿真结果表明了该方法的合理性及有效性。本研究有助于推动储能电池在辅助调频服务上的示范与工程化应用。

一、引言

近年，以 “智能电网 + 特高压电网 + 清洁能源” 为核心的能源互联网迅速兴起，其中，清洁能源中如风电等具有波动性和不确定性，其出力波动的幅值、频率及分布等特性与电网负荷波动趋势弱相关，该不确定性给电网调频带来挑战，且调频容量的限制也制约了电网消纳清洁能源的能力。

储能电池具有响应迅速、控制精度高的特点，在此背景下，探讨储能参与电网调频具备一定的必要性。而储能容量的科学合理配置，是储能应用规划的重要环节，也是推动其进入调频市场的基础。目前，相关学者对储能电池的容量配置进行了初步研究。文献综述了储能参与调频的研究现状，指出储能的容量配置与经济性评估的初步思路，即基于容量配置结果分析储能在辅助调频领域的经济价值，同时反过来指导与修正储能的容量配置。文献提出了基于机会约束规划的储能参与风电场一次调频的容量优化方法，构建了以风储系统运行成本最小为目标，满足一次调频需求为约束的优化模型。文献提出了一种基于净效益最大的平抑风电功率波动的混合储能容量配置方法，通过分析不同功率分配方法的差异，计及减少风电场旋转备用和并网通道容量的效益，结合全寿命周期成本，得到净效益最高的容量配置结果。文献提出适用于大规模集中式可再生能源领域，以平滑出力波动和跟踪计划出力为应用模式的储能容量配置算法，并提炼出影响配置结果的敏感因素。

显然，目前对于储能电池的容量配置，多基于经验分析，而并非是以系统、细化的技术经济模型为基础，其方法适应性和可行性不强，且较多关注储能辅助风电并网的容量配置。因此，充分考虑调频应用特征及储能电池的技术经济特征，建立储能电池参与一次调频的技术经济模型，并在此基础上进行科学合理的容量配置很有意义。

因此，本文对储能电池（下文简称储能）参与一次调频的容量配置方法展开研究。首先阐述了储能容量配置的通用方法，并基于全寿命周期理论构建了储能参与一次调频的技术经济模型。基于相应的储能参与一次调频的充放电策略，以调频效果、经济性最优和两者综合最优为目标，以电网调频要求及储能运行要求为约束，展开了储能容量的优化配置。最后利用实际电网运行数据进行仿真验证。

二、储能参与一次调频的工作机制及容量配置的通用方法

三、储能电池参与一次调频的技术经济模型

3.1 储能电池的成本分析

3.2 储能电池的效益分析

四、储能电池参与一次调频的充放电策略

五、储能电池容量的优化配置

5.1 优化目标

5.2 约束条件

5.3 优化算法

⛳️ 运行结果

🔗 参考文献

[1] 吴林林,刘辉,高文忠,等.大容量电池储能参与电网一次调频的优化控制策略研究[J].华北电力技术, 2017(3):7.DOI:10.16308/j.cnki.issn1003-9171.2017.03.004.

[2] 刘海山,徐宪龙,魏书洲,等.基于提升华北电网考核指标的飞轮储能参与调频划分电量控制策略[J].储能科学与技术, 2023, 12(4):1176-1184.DOI:10.19799/j.cnki.2095-4239.2022.0653.

[3] 王少波.风储联合一次调频控制策略研究[D].内蒙古工业大学,2023.

📣 部分代码

🎈 部分理论引用网络文献，若有侵权联系博主删除

 👇 关注我领取海量matlab电子书和数学建模资料 

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌈 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位

🌈 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌈图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌈 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

🌈 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

🌈 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌈 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌈电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电

🌈 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌈 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌈 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇