在电力系统向高比例可再生能源转型的背景下，电网的主动功率调节能力面临严峻挑战。传统同步发电机提供的惯量响应和一次调频等辅助服务因机组退役而减弱，而风电的反调峰特性和强不确定性又加剧了系统调峰困难，可能导致弃风严重、频率失稳甚至切负荷风险。为解决这些问题，大规模电池储能电站被认为是一种极具前景的技术手段。然而，如何从电网调度的全局视角出发，对大容量、可直接调度的大型储能电站与常规机组进行协同优化，使其有效参与全时间尺度的多种频率控制辅助服务，并兼顾系统运行的安全性、可靠性与经济性，是当前研究的一个空白。基于此，本文提出了一种考虑多类调节不确定性与运行风险的、包含大规模电池储能电站的日前优化调度策略。

研究主体与发表信息

本研究由来自大连理工大学电气工程学院的Mingze Zhang、Weidong Li（通讯作者）、Haixia Wang、Yu Ba，以及澳大利亚迪肯大学工程学院的Samson Shenglong Yu共同完成。研究成果以《Optimal day-ahead large-scale battery dispatch model for multi-regulation participation considering full timescale uncertainties》为题，于2023年10月18日接受，并在线发表于2023年11月7日出版的《Renewable and Sustainable Energy Reviews》期刊第189卷。

研究的学术背景与目标

该研究的科学领域属于电力系统优化调度与可再生能源集成。研究的背景知识包括：现代电力系统的频率控制辅助服务按时间尺度可分为秒级的快速频率响应和一次调频（应对阶跃扰动）、分钟级的二次调频（应对非阶跃波动）、以及小时级的调峰（应对净负荷大尺度变化）。随着可再生能源渗透率提高，系统的惯性、一次调频和二次调频能力均被削弱，调峰压力增大。大规模电池储能电站（Large-scale Battery Energy Storage Station, LS-BESS）兼具功率型和能量型调节特性，能够快速响应，被认为是补偿上述能力不足的有效工具。

然而，现有研究存在不足：针对小容量、非直接调度的BESS，其策略多基于激励响应机制或聚合商视角，不适用于电网直接调度的大规模BESS；少数考虑直接调度BESS的研究，或仅关注BESS本身在单一或两种辅助服务市场的投标策略，缺乏从电网全局视角的源储协同；同时，现有调度方案未能全面协调全时间尺度的多种频率控制辅助服务，也未充分考虑不同服务不确定性带来的运行风险，难以实现安全、可靠、经济的统筹优化。

因此，本研究旨在填补这一研究空白，其核心目标是：为电网运营商提供一个基于风险分析的日前优化调度模型。该模型将可直接调度的LS-BESS与常规发电机组协同考虑，使其参与全时间尺度的多种频率控制辅助服务，以最小化系统总运行成本为目标，同时通过先进的风险管理方法，在系统安全性、运行质量和经济性之间实现最优协调。

研究的详细工作流程

本研究的工作流程主要围绕模型的构建、求解与验证展开，具体包含以下关键步骤：

1. 建模基础与框架构建： 研究首先明确了LS-BESS参与三类频率控制辅助服务的方式：作为紧急资源参与快速频率响应和一次调频以应对大阶跃扰动；与二次调频机组互补，抑制净负荷波动中的高频分量；通过充放电参与调峰，平抑净负荷大尺度变化并存储过剩风电。基于此，研究提出了一个涵盖96个时段（每15分钟一个时段）的日前优化调度框架。

2. 数学模型建立：

   • 目标函数：最小化系统总运行成本（Cda），该成本由三部分组成：运行成本（Cop）、备用成本（Cre）和风险成本（Crisk）。其中，运行成本包括LS-BESS和发电机组的启停、发电及深度调峰成本；备用成本为LS-BESS和机组因参与各类频率服务而获得的补偿；风险成本则量化了因备用容量不足可能导致的切负荷、弃风等潜在损失。
   • 关键约束：模型包含了大量约束条件以确保物理可行性和系统安全。主要包括：发电机组运行约束（启停时间、出力上下限、爬坡率、一次调频与二次调频备用能力）；LS-BESS运行约束（充放电功率、荷电状态（State of Charge, SOC）、能量平衡、参与各类服务的功率与能量预留）；功率平衡约束；系统旋转备用约束；以及针对三类扰动的特定安全约束。
   • 不确定性处理：
     • 对于大时间尺度风电不确定性：采用基于预算不确定集合的鲁棒优化方法。风电接纳值从一个点值扩展为一个区间 [P_w,t下界, P_w,t上界]。通过预算参数 γw 控制风电预测误差的偏移程度，该方法避免了标准鲁棒优化过度保守的缺点，在鲁棒性与经济性之间取得平衡。
     • 对于阶跃扰动不确定性：采用基于场景的随机规划，考虑不同大小阶跃扰动（如负荷突增1%到15%以上）的发生概率。
     • 对于非阶跃扰动（风电波动）不确定性：假设其服从均值为零的正态分布。
   • 风险量化：为了精细化管理备用空间，避免为应对极低概率事件而预留过多昂贵备用，本研究采用条件风险价值理论来量化潜在损失。CVaR不仅关注给定置信水平下的最大期望损失，更关注超过该水平的“尾部风险”的平均损失。研究将风险成本（Crisk）定义为三类FCAS调节不足可能带来的损失（切负荷损失R1、风电波动导致的弃风/切负荷损失R2、以及调峰不足导致的弃风损失R3）的CVaR加权和，风险厌恶系数ξ1、ξ2、ξ3反映了调度员对不同类型风险的偏好程度。

3. 模型求解方法： 所建立的调度模型包含非线性项（如CVaR计算中的积分、以及部分约束中的乘积项），无法直接用商业求解器求解。因此，研究采用了混合整数线性规划转化技术：

   • 对目标函数和约束中的非线性项（如机组启停成本、CVaR计算公式等）进行分段线性化和McCormick线性化。
   • 对基于预算不确定集的鲁棒优化内层“max”问题，运用对偶理论将其转化为一个可解的最小化问题，从而将原双层问题转化为单层混合整数线性规划问题。
   • 最终，转化后的模型在MATLAB环境中调用YALMIP工具箱，并利用CPLEX求解器进行求解。

4. 案例研究与方案对比： 研究采用修改后的标准十机系统作为测试系统，其中将两个火电机组替换为总容量950MW的风电，并接入一个200MW/800MWh的LS-BESS。系统风电与火电装机容量比约为4:6。研究设置了包含所提策略（控制方案）在内的多个对比方案，以验证模型的有效性和分析不同因素的影响：

   • 方案1-3：改变风险厌恶系数（ξ1, ξ2, ξ3）的取值，分析调度员风险偏好对调度结果和经济性的影响。
   • 方案4：不使用风电区间接纳策略，仅接受风电基准值。
   • 方案5：改变鲁棒优化预算参数γw，分析其对总成本的影响（敏感性分析）。

研究的主要结果

1. 优化调度结果：对所提控制方案进行仿真，得到系统总成本为73.715万美元。详细的日前调度策略显示：

   • LS-BESS的多服务参与：在系统惯性较低的前32个时段，LS-BESS预留了较大的快速频率响应空间以满足安全约束。在整个调度日内，LS-BESS的一次调频备用策略能使系统在第一时段抵御12%的阶跃扰动。LS-BESS与发电机组的二次调频备用共同应对负荷和风电波动。
   • 风电区间接纳：风电接纳值从单一曲线变为一个区间带，如图5(e)所示。区间策略提高了风电接纳的灵活性，同时预留的上下二次调频空间使得电网能够接纳区间内的任何风电功率。
   • LS-BESS的充放电与调峰：放电行为协助满足负荷需求；充电行为则能防止部分机组进入深度调峰状态（如时段89-93），为需要放电的时段储备电能（如时段1-12），并为其自身储能。

2. 不同方案对比分析结果：

   • 风险偏好影响：对比方案1-3发现，当更关注频率安全（如控制方案）时，机组运行成本最高，因为优先调度频率响应能力更强的机组；当风险偏好转向非阶跃扰动（如方案2）时，二次调频备用成本上升。方案3完全不考虑风险，LS-BESS几乎不预留一次和二次调频备用，导致系统仅能在前20个时段抵抗5%的阶跃扰动，且在15%扰动下会发生切负荷，潜在切负荷损失高达58.892万美元。这证明了风险分析的必要性。
   • 风电区间策略重要性：方案4（无区间策略）的风电接纳值低于控制方案，导致火电和LS-BESS发电增加，运行成本上升8.07%。尽管备用成本降低，但风险显著恶化，总成本比控制方案增加25.91%，凸显了区间策略在提升运行灵活性和经济性方面的价值。
   • 鲁棒参数敏感性：如图8所示，随着预算参数γw增大，系统总成本逐步增加。当γw=96时，模型退化为标准鲁棒优化，成本最高。结果说明，只要考虑不确定性（γw>0），成本就会显著上升（如γw=1时成本比γw=0时增加22.47%），这是为获取决策鲁棒性付出的必要代价。该图为运营商选择适当的保守水平提供了参考。

研究的结论与价值

本研究针对高风电渗透率电力系统，提出了一种集成LS-BESS和常规机组的日前风险调度模型，实现了对全时间尺度多类频率控制辅助服务的协同优化。主要结论与价值如下：

1. 方法论贡献：研究构建的日前调度模型以最小化系统总成本为目标，创新性地将条件风险价值理论引入调度框架，有效度量并平衡了潜在运行风险与备用成本。针对风电不确定性，提出的风电区间接纳策略提升了系统运行灵活性，采用的基于预算不确定集合的鲁棒优化方法在保证决策鲁棒性的同时，避免了标准方法的过度保守，更具经济实用性。

2. 实践指导意义：研究表明，LS-BESS与常规发电机组具备互补优势，通过所提调度策略协同参与多类型辅助服务，能够有效补偿机组调节能力的不足。LS-BESS作为增强系统韧性（应对阶跃扰动）、灵活性（应对波动）和调峰能力的关键资源，有助于在高比例可再生能源背景下，实现电网的安全、可靠、经济运行。

3. 学术与应用前景：本研究为电网运营商管理可直接调度的大规模储能提供了从全局视角出发的协同运行策略，推动了以可再生能源为主体的新型电力系统建设，对实现“碳达峰、碳中和”目标具有积极意义。

研究的亮点

1. 研究视角新颖：首次从电网运营商全局调度的视角，系统地研究了可直接调度的大规模电池储能电站与常规机组协同参与全时间尺度（秒级、分钟级、小时级）多种频率控制辅助服务的优化问题。
2. 模型方法先进：构建了一个综合考虑多时间尺度不确定性和运行风险的日前优化调度模型。创新性地将CVaR风险度量、基于预算不确定集的鲁棒优化和风电区间接纳策略有机结合，实现了安全、质量、经济三者的协调优化。
3. 解决方案全面：不仅提出了理论模型，还详细阐述了将复杂非线性模型转化为可高效求解的混合整数线性规划模型的具体方法，并进行了充分的案例仿真与多方案对比分析，验证了策略的有效性并揭示了关键参数的影响，结论扎实，具有明确的工程指导价值。

其他有价值内容

研究也指出了未来的工作方向，例如当前调度框架未考虑输电约束以及可再生能源和储能系统的时空动态特性可能带来的显著风险，现有算法应用于实际大规模电力系统时仍需改进等，为后续研究提供了思路。