考慮儲能單元健康狀態(tài)與荷電狀態(tài)一致性的BESS功率分配策略

段雙明，于 航，劉 聰，王銘岐，王蘇亞，夏 搏

（1.現(xiàn)代電力系統(tǒng)仿真控制與綠色電能新技術(shù)教育部重點實驗室（東北電力大學(xué)），吉林省 吉林市 132012；2.國網(wǎng)吉林省電力有限公司四平供電公司，吉林省 四平市 136000；3.國網(wǎng)吉林省電力有限公司長春供電公司，吉林省 長春市 130000；4.國網(wǎng)江西省電力有限公司宜春供電公司，江西省 宜春市 336000）

0 引言

電池儲能系統(tǒng)（battery energy storage system，BESS）具有運行方式靈活、建設(shè)周期短和對環(huán)境要求低等優(yōu)點，可有效抑制分布式能源發(fā)電功率波動，對提升高比例可再生能源發(fā)電占比的電力系統(tǒng)穩(wěn)定性具有重要支撐作用［1-4］。

大規(guī)模BESS 一般由多個儲能單元組成［5-6］，在參與微電網(wǎng)功率調(diào)節(jié)過程中忽略儲能單元內(nèi)部特性，將儲能單元簡化為大單體電池，會引起儲能單元內(nèi)部出現(xiàn)電池不一致現(xiàn)象，導(dǎo)致儲能單元實際可用容量降低［7-9］。因此，必須研究儲能單元內(nèi)部電池不一致性問題，基于各儲能單元內(nèi)部特性，制定儲能系統(tǒng)功率控制策略，提升儲能系統(tǒng)功率調(diào)節(jié)能力。

以中國張北儲能電站為例，站內(nèi)由同批次、同型號鋰離子電池組成6 組電池組，運行兩年后各電池組內(nèi)電池不一致問題加?。?0］。某一電池組荷電狀態(tài)（state of charge，SOC）極差（組內(nèi)最高SOC 與最低SOC 的差值）從兩年前的1%增加至25%，該組健康狀態(tài)（state of health，SOH）最高的單體電池容量衰減了2.5%，SOH 最低的單體電池容量衰減了11.9%，其衰減幅度遠大于SOH 最高的單體電池，SOH 不一致性加劇，電池組的實際可用容量、調(diào)節(jié)能力和循環(huán)壽命均被嚴重削弱。

在微電網(wǎng)應(yīng)用中，BESS 參與調(diào)節(jié)的運行功率通常小于其額定功率［11-12］，故調(diào)節(jié)功率在各儲能單元間的分配比例有一定自由度。文獻［13］提出了BESS 雙層優(yōu)化管理策略，改善了儲能單元能量狀態(tài)的波動區(qū)間。文獻［14］根據(jù)各儲能單元的能量狀態(tài)分配儲能系統(tǒng)功率，降低了各儲能單元的能量狀態(tài)差異，但加速了BESS 的壽命衰減速度，增加了能量轉(zhuǎn)換損耗。文獻［15］通過調(diào)節(jié)電池單元的SOC參考值，控制電池單元充放電量，實現(xiàn)了不同SOH的電池單元動作次數(shù)不同的目的，但其將儲能單元作為一個單體電池進行功率控制，未考慮儲能單元內(nèi)部的電池差異特性，有造成電池不一致性惡化的風險。文獻［16］針對電池組SOC 一致性變差及單體電池過充/過放問題，研究電池組一致性變化規(guī)律，提出一種計及電池組一致性影響的BESS 功率控制策略，但文章將BESS 看作一個電池組，未考慮儲能單元間的功率分配問題。文獻［17］以系統(tǒng)損耗最低、SOC 均衡度最優(yōu)為優(yōu)化目標，給出基于虛擬粒子-差分進化算法的BESS 功率分配策略，但未考慮儲能單元的SOH 對液流電池內(nèi)部特性的影響。

基于上述研究，本文針對BESS 在微電網(wǎng)中參與功率調(diào)節(jié)時儲能單元內(nèi)部單體電池間不一致性惡化的問題進行研究，建立儲能單元內(nèi)SOH 差值與SOC 不一致性的關(guān)系模型，研究儲能單元運行中SOH 與SOC 的關(guān)系，提出結(jié)合充放電優(yōu)先級排序和自適應(yīng)變異粒子群優(yōu)化（adaptive mutation particle swarm optimization，AMPSO）算法的BESS功率分配策略，建立包含4 個儲能單元的風光儲共直流母線型微電網(wǎng)系統(tǒng)，對所提控制策略的正確性和有效性進行了驗證。

1 儲能單元特性研究

BESS 大規(guī)模應(yīng)用的有效途徑是將電池串聯(lián)成組，以獲得較高的電壓等級和較大的存儲容量［18-19］。同一批次生產(chǎn)的相同型號電池受電池制造過程涂層、成分和雜質(zhì)含量不均勻等客觀因素影響，導(dǎo)致儲能電池出廠成組時存在固有差異。隨著電池運行時間的推移，這些極小的差異會產(chǎn)生累積效應(yīng)，導(dǎo)致組內(nèi)單體電池間的不一致性惡化。

運行工況和充放電路徑的差異進一步擴大了成組電池間的不一致性。文獻［20］對48 個同批次生產(chǎn)的相同型號電池進行循環(huán)測試，1 000 次循環(huán)之后，最差電池的SOH 與最好電池的SOH 相差25%，最終電池組性能衰減速度遠大于單體電池衰減速度，儲能單元實際可用容量與壽命大幅降低［21-22］。

電池組內(nèi)SOH 較差的單體電池相比于其他電池具有容量偏低和內(nèi)阻偏高的缺點。隨著電池組運行時間增加，組內(nèi)單體電池SOH 不一致性惡化，將出現(xiàn)SOC 不一致情況，導(dǎo)致各單體電池充電水平和放電深度出現(xiàn)差異，進一步加大單體電池間SOH 差異，形成惡性循環(huán)。文獻［23］對24 個磷酸鐵鋰電池串聯(lián)構(gòu)成的電池組進行了循環(huán)壽命測試。在300 次循環(huán)后，單體電池SOC 水平出現(xiàn)明顯分化，部分單體電池的SOC 明顯偏離平均SOC，呈現(xiàn)嚴重的“掃帚”效應(yīng)。為避免低SOC 電池過放電，電池組必須提前結(jié)束放電，導(dǎo)致電池組實際可用容量降低。

綜上所述，BESS 工作過程中，若能在控制策略中考慮各儲能單元內(nèi)部電池的SOH、SOC 以及相互間的一致性情況，將降低儲能單元性能惡化的速度，避免部分儲能單元因內(nèi)部電池老化提前退出運行甚至提前退役。因此，研究考慮儲能單元SOH 與SOC 一致性的BESS 功率分配策略，對提升BESS性能、延長BESS 使用壽命具有重要意義。

2 BESS 功率分配策略

根據(jù)BESS 運行過程儲能單元出現(xiàn)的SOH 和SOC 不一致現(xiàn)象，建立儲能單元內(nèi)SOH 與SOC 一致性及其相互關(guān)系模型，結(jié)合充放電優(yōu)先級排序提出基于AMPSO 算法的考慮儲能單元SOH 與SOC一致性的BESS 功率分配策略。

2.1 系統(tǒng)結(jié)構(gòu)與功率平衡

建立如附錄A 圖A1 所示的共直流母線拓撲結(jié)構(gòu)的集中式微電網(wǎng)并網(wǎng)系統(tǒng)。以圖中標注的功率方向為正方向，并網(wǎng)點功率即電源（風電、光伏）和負荷（常規(guī)負荷和電動汽車充電負荷）經(jīng)直流母線匯聚后的不平衡功率P(t)為：

式中：PW(t)、PP(t)、PL(t)、PE(t)分別為風力、光伏、常規(guī)負荷、電動汽車充電負荷在t時刻的傳輸功率。附錄A 表A1 詳細列出了各變量含義。附錄A 圖A1中包含多個儲能單元的儲能系統(tǒng)，可通過吸收電能和發(fā)出電能的方式平抑直流母線的功率波動，保證微電網(wǎng)并網(wǎng)點功率波動幅值在規(guī)定范圍內(nèi)。

多類型BESS 協(xié)調(diào)控制技術(shù)及示范中規(guī)定，30 min 內(nèi)并網(wǎng)點功率的波動率（并網(wǎng)點功率波動幅值與微電網(wǎng)新能源總裝機容量之比）應(yīng)不大于7%，并網(wǎng)點不平衡功率P（t）需滿足以下限制條件［24］：

當P(t)不滿足式（2）要求時，需采用儲能對P(t)進行平抑，平抑后的并網(wǎng)目標功率P*(t)為：

式中：PB(t)為BESS 在t時刻的充放電功率。

采用滑動平均法求取P*(t)［2］，如式（4）所示。

式中：N為滑動系數(shù)，其值取大于1 的奇數(shù)。但要注意的是，雖然平滑控制策略所用滑動系數(shù)N越大平滑效果就越好，但滑動系數(shù)太大會使平滑功率曲線與原始功率產(chǎn)生明顯偏差，這將對儲能單元的充放電深度和儲能規(guī)模提出更高要求，并且顯著提高儲能成本。

2.2 系統(tǒng)約束條件

本文采用電池實際容量與電池出廠額定容量之比求取SOH。求取公式如下：

式中：SOH為電池SOH 值；EA為電池實際容量；EN為電池額定容量。因為儲能單元受短板電池約束，所以儲能單元的SOH 用短板電池的SOH 代表。

設(shè)附錄A 圖A1 所示的功率流動方向為正方向（放電方向為正方向），則第i個儲能單元在t時刻的SOC 值Si(t)計算公式如下：

式 中：PB，i(t)為 第i個 儲 能 單 元 在t時 刻 的 傳 輸 功率；EN，i為第i個儲能單元的額定容量；Δt為采樣時間 間 隔；ηPB，i為 第i個 儲 能 單 元 在t時 刻 以 功 率PB，i(t)充 放 電 時 的 效 率；SOH，i為 第i個 儲 能 單 元 的SOH 值。受儲能單元內(nèi)短板電池約束，文中將短板電池的Si(t)作為第i個儲能單元的SOC 值。

為避免電池過充和過放，必須限制所有儲能單元的SOC 及傳輸功率，即Si(t)和PB，i(t)必須滿足式（7）和式（8）。

式中：Smax和Smin分別為單個儲能單元運行時所能達到的最大和最小SOC；PBN，i為第i個儲能單元的額定功率。

2.3 基于功率波動概率統(tǒng)計的BESS 容量配置

分析附錄A 圖A1 所示集中式共直流母線結(jié)構(gòu)微電網(wǎng)的功率波動情況可知，如果完全抑制直流母線的功率波動，BESS 的容量和功率必須足夠高，無法滿足對經(jīng)濟性的要求。

采用式（9）、式（10）所示的基于直流母線功率波動幅值概率統(tǒng)計的容量配置方法，通過此方法配置的BESS 既能滿足抑制功率波動的要求，又能節(jié)約儲能成本，同時還具有實現(xiàn)簡單和擴容性強的優(yōu)點。

式中：PBN、CBN、F(β)、β分別為BESS 額定功率、額定容量、功率波動幅值累積概率分布函數(shù)和滿足功率波動要求的概率水平；a為取值在［4，6］之間的系數(shù)［3］。

2.4 基于AMPSO 算法的BESS 功率分配策略

2.4.1 儲能單元充放電數(shù)量計算規(guī)則

儲能單元運行時的能量損耗主要包括電池充放電損耗和電氣設(shè)備損耗［25-26］。充放電功率是影響儲能單元能量轉(zhuǎn)換效率的主要因素［27-28］。根據(jù)文獻［29］可知，儲能單元充放電功率與額定功率之比越小，儲能系統(tǒng)的能量損耗越高。功率的標幺值大于0.2 后，效率可以維持在87.5%以上。同時，盡量減少性能較差的儲能單元參與功率調(diào)節(jié)動作的次數(shù)，能降低其性能衰減速度。因此，為提高BESS 工作效率，延長儲能單元使用壽命，當BESS 接收到調(diào)度指令時，需首先確定儲能單元參與動作的數(shù)量，然后選擇參與動作的儲能單元。

當PB(t)＞0，需要BESS 進行充電動作時，參與動作的儲能單元選取規(guī)則如下：1）若PB(t)＞，則 所有儲能單元滿出力運行，其中，n為儲能單元總數(shù)；2）若則按當前時刻總功率要求判斷并選擇參與本次功率分配的儲能單元組合，參與動作的儲能單元應(yīng)滿足則可得到當前運行周期參加功率分配最優(yōu)的x個儲能單元。

放電過程，參與動作的儲能單元的選取規(guī)則與充電過程同理。

2.4.2 儲能單元充放電排序判據(jù)

在儲能電池運行過程中，儲能單元內(nèi)SOH 低的電池性能衰減較快。隨著運行時間增加，組內(nèi)SOH不一致情況惡化，儲能單元的壽命隨之降低。因此，應(yīng)遵循“性能好的儲能單元多動深動，性能差的儲能單元少動淺動”的原則，減少單體電池間SOH 相差較大的和SOH 較低的儲能單元參與動作的次數(shù)。

SOC 失衡主要分為高峰失衡、低谷失衡和峰谷失衡，如附錄A 圖A2 所示。本文主要考慮高峰失衡和低谷失衡這兩種常見的失衡情況。高峰失衡中短板電池SOC 過高，不利于持續(xù)充電，但放電可以減輕失衡程度，有利于儲能單元維持良好的調(diào)節(jié)能力。低谷失衡則與之相反，不利于持續(xù)放電，但可以進行充電。為減輕組內(nèi)SOC 的失衡程度，高峰失衡時應(yīng)適當提高放電優(yōu)先級，低谷失衡時應(yīng)適當提高充電優(yōu)先級。同時，考慮儲能單元SOC 情況，對SOC 偏高的儲能單元，應(yīng)減小充電的優(yōu)先級、優(yōu)先放電，SOC 偏低的儲能單元則與之相反。

綜上所述，排序判據(jù)目標函數(shù)F1如式（11）所示。F1由函數(shù)f1和f2加權(quán)得到，其中，b和c為兩個策略的權(quán)重值。本文設(shè)置F1值越大，優(yōu)先級越低。

f1為僅考慮儲能單元SOC 的排序判斷函數(shù)，原函數(shù)為反雙曲正切函數(shù)，如附錄A 圖A3 所示。將函數(shù)定義域設(shè)置為[Smin，Smax]，當儲能單元SOC 在定義域中點即Sm=0.5 附近時，儲能單元充放電能力最強，儲能單元參與動作不會導(dǎo)致系統(tǒng)SOC 過高或過低，此時該函數(shù)值小，對排序判斷施加影響小。當儲能單元持續(xù)充電或者放電時，SOC 遠離中點，函數(shù)值迅速增大或減小，對排序判斷的影響程度增加，降低了儲能單元SOC 過高時參與充電動作的次數(shù)（或降低了儲能單元SOC 過低時參與放電動作的次數(shù)）。

f2為考慮儲能單元內(nèi)SOH、SOH 極差與SOC不一致情況的排序判斷函數(shù)。其中，ΔSOH，i為第i個單元組內(nèi)SOH 極差，ΔSOC，i(t)為t時刻第i個儲能單元內(nèi)SOH 最低的單體電池與組內(nèi)SOH 最高的單體電池SOC 之差，z為SOC 失衡界限值。式（13）由儲能單元SOH，i及ΔSOH，i構(gòu)成，表示儲能系統(tǒng)運行一段時間后，性能衰減的儲能單元內(nèi)部SOC 不一致的變化情況。函數(shù)f2從儲能單元內(nèi)部SOH、SOH 不一致情況和SOC 不一致情況3 個因素角度共同決定儲能單元充放電優(yōu)先級排序。

當ΔSOC，i(t)PB(t)＜0 且|ΔSOC，i(t)|＞z時，儲能單元內(nèi)部SOC 差值大于設(shè)定值z，判斷為失衡狀態(tài)。ΔSOC，i(t)PB(t)＜0 時，BESS 進行的充放電可以降低儲能單元內(nèi)的SOC 不一致情況。此時，以降低ΔSOC，i為首要目標。

當ΔSOC，i(t)PB(t)≥0 時，BESS 充電或者放電均會加劇儲能單元內(nèi)SOC 的不一致情況。因此，無論儲能單元是否處于失衡狀態(tài)，都應(yīng)避免SOH，i較差以及ΔSOH，i較大的儲能單元參與動作。

當ΔSOC，i(t)PB(t)＜0 且|ΔSOC，i(t)|≤z時，BESS 充電或者放電均會降低SOC 不一致情況。此時，儲能單元內(nèi)部|ΔSOC，i|較小，未達到失衡狀態(tài)，函數(shù)f2不起作用。

2.4.3 儲能單元充放電功率分配策略

完成儲能單元排序并根據(jù)需求選出參與功率調(diào)節(jié)的單元后，需對選定的單元組合進行功率分配。因為儲能單元內(nèi)電池SOC 不一致不能完全消除，并且只有足夠大時才會對儲能單元的運行產(chǎn)生影響，設(shè)定功率分配的目標函數(shù)F2如下：

式中：di為儲能單元i參與動作的標志位，當該單元被選定參與動作時置1，否則置0；ΔSOC，PB，i(t)表示在只考慮電池SOH 衰減對容量影響的情況下，額定容量為EN，i的第i組儲能單元 以功率PB，i(t)運行Δt時長將會導(dǎo)致的在t時刻的儲能單元內(nèi)SOH 最低的單體電池SOC 與組內(nèi)SOH 最高的單體電池SOC 之差；ΔSOC，i，max為 儲 能 單 元 運 行 過 程 中 所 能 產(chǎn) 生 的ΔSOC，PB，i(t)的最大值。

ΔSOC，PB，i(t)由式（15）得出：

式中：ΔSOC，i(t-1)為ΔSOC，i在t—1 時刻的值。

函數(shù)F2根據(jù)反雙曲正切函數(shù)得到，當儲能單元ΔSOC，i較小時函數(shù)值??；當ΔSOC，i逐漸增大時函數(shù)值快速增大。限制高ΔSOC，i的儲能單元參與功率調(diào)節(jié)，減緩儲能單元不一致性進一步惡化。

設(shè)定好目標函數(shù)F2后，使用AMPSO 算法優(yōu)化分配每個儲能單元的充放電功率。AMPSO 算法借鑒了遺傳算法（genetic algorithm，GA）的自適應(yīng)變異操作，并將變異操作引入粒子群優(yōu)化（particle swarm optimization，PSO）算法，即將部分變量按一定概率進行再初始化，變異操作擴大了迭代過程中越來越小的種群搜索空間，使粒子跳出之前搜索出的最優(yōu)值所在位置，并且在較大的空間內(nèi)進行搜索，種群多樣性得到維持，從而增加了算法搜索到最優(yōu)值的機會。總體控制流程如圖1 所示。

圖1 控制策略流程圖Fig.1 Flow chart of control strategy

3 算例分析

3.1 微電網(wǎng)并網(wǎng)功率分析

為驗證所提協(xié)調(diào)控制策略的有效性，選用某一典型日微電網(wǎng)示范平臺實測數(shù)據(jù)及常規(guī)交、直流負荷24 h 實測數(shù)據(jù)進行仿真分析。24 h 分為96 個采樣點，時間間隔Δt為15 min。其中，風力發(fā)電的額定裝機容量PWN為60 kW、光伏發(fā)電的額定裝機容量PPN為35 kW。根據(jù)式（1）可求得24 h 內(nèi)P(t)的波動情況如附錄A 圖A4 所示。本文基于歷史數(shù)據(jù)使用變滑動系數(shù)法，即在每個時間段進行重新判斷，在選擇符合微電網(wǎng)對波動率要求的同時盡量選擇使BESS 出力最少的滑動系數(shù)，設(shè)定N的取值范圍為［5，21］。最終使用變滑動系數(shù)得出的功率波動率如附錄A 圖A5 所示。根據(jù)變滑動系數(shù)法得出的P*(t)、PB(t)分別如附錄A 圖A4、圖A6 所示。

3.2 參數(shù)設(shè)置

3.2.1 BESS 參數(shù)說明

對附錄A 圖A6 中BESS 待平抑功率波動幅值進行概率統(tǒng)計可知，待平抑功率中最大波動幅值為16.37 kW，大于16 kW 的功率波動幅值僅占1.03%。為同時滿足功率波動率和儲能經(jīng)濟性的要求，BESS 容量配置為16 kW/64 W·h（a取4），共分成4 個容量為4 kW/16 kW·h 的儲能單元，各儲能單元的參數(shù)如表1 所示。儲能單元充放電效率由式（16）求得［29］。

表1 BESS 參數(shù)Table 1 BESS parameters

3.2.2 AMPSO 算法參數(shù)設(shè)置

算法初始化種群個數(shù)s=50，最大迭代數(shù)Ger=200，維度dim=4，慣性權(quán)重c1=0.8，自我學(xué)習(xí)因子c2=0.5，群體學(xué)習(xí)因子c3=0.5，速度取值范圍為［0.2，-0.2］，隨機函數(shù)值大于0.85 時，進行自適應(yīng)變異。AMPSO 算法目標函數(shù)迭代曲線如圖2 所示。AMPSO 算法在迭代164 次時進入收斂狀態(tài)，目標函數(shù)值趨于穩(wěn)定，證明算法迭代次數(shù)設(shè)為200 次是合理的，迭代200 次的時間小于1 s，能夠滿足短時間內(nèi)將調(diào)度指令下發(fā)至各儲能單元的要求。

圖2 AMPSO 算法目標函數(shù)迭代曲線Fig.2 Iterative curve of objective function of AMPSO algorithm

3.3 仿真結(jié)果及分析

首先，根據(jù)附錄A 圖A6 所示的BESS 待平抑功率使用優(yōu)先級排序函數(shù)F1進行運算，F(xiàn)1權(quán)重系數(shù)b=1，c=0.75。然后，使用AMPSO 算法對待平抑功率進行優(yōu)化分配。在第1 個調(diào)度周期，儲能總需求功率PB(t)為9 089 W，按照本文策略該功率大于單個儲能單元的最大運行功率，此時需要3 個儲能單元同時參與工作。由各單元F1函數(shù)初始值可知，4 個儲能單元的初始優(yōu)先級是1 號＞3 號＞2 號＞4 號，故此時將功率分配給1～3 號儲能單元；然后，通過AMPSO 算法尋優(yōu)，得到組合內(nèi)最佳功率分配方式，被選中的單元按照分配的功率進行充電。在第2 個調(diào)度周期，PB(t)為15 257 W，該功率大于3 個儲能單元的最大運行功率之和，此時選用全部的儲能單元，繼續(xù)使用算法進行功率分配。在第3 個調(diào)度周期，PB(t)為134 W，該功率小于單個儲能單元的最大充電功率，此時只需要1 個儲能單元。由于此時儲能單元的優(yōu)先級順序是4 號＞2 號＞3 號＞1 號，選擇4 號儲能單元進行充放電動作，其余單元處于待機狀態(tài)。依此類推，直至完成整個功率調(diào)度周期。

3.3.1 儲能單元參與動作次數(shù)分析

傳統(tǒng)控制策略主要有兩種，分別為按SOC 比例分配策略和按儲能單元最大功率分配策略。按SOC 比例分配策略是根據(jù)各儲能單元的SOC 大小比例分配待平抑功率的控制方式；按最大功率分配策略是在對BESS 功率要求較低時，一部分儲能單元待機，其余儲能單元按SOC 大小進行排序，依次以最大運行功率分配待平抑功率的方式進行控制。本文中傳統(tǒng)的按儲能單元最大功率分配策略的排序函數(shù)使用函數(shù)f1，即只考慮SOC 對儲能單元的優(yōu)先級影響。24 h 內(nèi)本文所提策略和兩種傳統(tǒng)分配策略的各單元參與動作次數(shù)如圖3 所示?？梢钥闯觯疚乃峥刂撇呗詼p少了全體儲能單元參與動作的次數(shù)。由于ΔSOH，i越大、SOH 越低的儲能單元參與動作后，其性能衰減越快，本文策略減少了系統(tǒng)內(nèi)ΔSOH，i較大、SOH 較低的3 號和4 號儲能單元參與動作的次數(shù)，抑制了儲能單元SOH 的劇烈衰減與ΔSOH，i的快速擴大。因此，本文所提策略相比于傳統(tǒng)策略延長了BESS 的壽命，抑制了SOC 不一致情況的加劇。

圖3 不同策略下儲能單元參與動作次數(shù)對比Fig.3 Comparison of times of participating in actionswith different strategies

3.3.2 儲能系統(tǒng)ΔSOC，B與SOC 分析

1）儲能系統(tǒng)ΔSOC，B分析

ΔSOC，B和ΔSmax分別表示24 h 內(nèi)BESS 的4 個儲能單元的|ΔSOC，i|的平均值和最大值。與傳統(tǒng)控制策略相比，本文所提控制策略對ΔSOC，B的降低效果（傳統(tǒng)控制策略與本文所提控制策略的ΔSOC，B差值與傳統(tǒng)策略ΔSOC，B的比值）如圖4 所示。采用本文所提控制策略時，4 個儲能單元的ΔSmax為0.97%，ΔSOC，B為0.25%；采 用 按SOC 比 例 分 配 策 略 時，ΔSmax為1.58%，ΔSOC，B為0.37%；采用最大功率分配策略時，ΔSmax為1.75%，ΔSOC，B為0.34%。由于本文策略不僅考慮提高儲能單元內(nèi)SOC 的一致情況，同時也考慮減少BESS 內(nèi)部SOH 最差的單元參與充放電動作的次數(shù)，可減緩儲能單元SOH 衰減，故在極少數(shù)時段會出現(xiàn)本文策略效果稍差的情況。本文策略與傳統(tǒng)策略相比，ΔSOC，B分別降低了32.59%和26.37%，說明本文所提控制策略可有效減小ΔSOC，B，抑 制SOC 不 一 致 情 況，避 免 因BESS 內(nèi)|ΔSOC，i|過大而導(dǎo)致儲能單元退出運行的情況。

圖4 所提策略相比于傳統(tǒng)策略的ΔSOC,B降低效果Fig.4 Reduction effect of ΔSOC,B for proposed strategy compared with traditional strategies

2）儲能系統(tǒng)SOC 分析

采用R(t)衡量BESS 平滑功率波動的能力，其表達式如式（17）所示。

式中：Sref=(Smax+Smin)/2；R(t)∈[-1，1]，其值越接近于0，表示BESS 充放電能力越強。

本文所提策略、按最大功率分配策略和按SOC比例功率分配策略的R(t) 變化范圍分別為［-0.28，0.48］、［-0.42，0.48］和［-0.33，0.49］。根據(jù)各策略的R(t)變化范圍和表2 可以看出，在采用本文所提功率分配策略后，BESS 遵循“性能較好的單元多動深動，性能較差的單元少動淺動”原則，盡量保持3 號和4 號儲能單元的SOC 在0.5 附近，減小了R(t)的變化范圍，提高了BESS 的充放電能力，降 低 了3 號 和4 號 這 種SOH 較 低 及ΔSOH，i較 大的儲能單元的循環(huán)區(qū)間寬度，降低了儲能單元的衰減速度，延長了儲能單元的循環(huán)壽命，提高了BESS的雙向調(diào)節(jié)能力。

表2 各儲能單元循環(huán)區(qū)間Table 2 Circulation interval of each energy storage unit

3.3.3 BESS 運行效率分析

本文所提策略、按SOC 比例分配策略和按儲能單元最大功率分配策略對應(yīng)的BESS 充放電效率平均值分別為84.44%、84.43%和73.98%。本文所提策略的BESS 充放電效率平均值相比于兩種傳統(tǒng)控制策略均有所提升，證明本文所提控制策略能夠減小因功率分配不當而產(chǎn)生的能量損耗，提高儲能電池組及電氣設(shè)備整體效率。圖5 所示為24 h 內(nèi)本文策略和按SOC 比例分配策略的BESS 充放電效率η對比圖。

圖5 所提策略與按比例分配策略的效率對比分析圖Fig.5 Comparative analysis diagrams of efficiencies of proposed strategy and SOC proportional distribution strategy

本文提出的充放電優(yōu)先級算法結(jié)合了AMPSO算法功率控制策略，不僅能夠保證BESS 提供足夠的功率與容量平抑功率波動，而且減少了儲能單元充放電動作次數(shù)，避免了多個儲能單元同時以極小功率充放電的現(xiàn)象，提升了BESS 能量轉(zhuǎn)換效率，減小 了BESS 的 平 均ΔSOC，B，縮 短 了SOH 較 低 和ΔSOH，i較大的儲能單元的充放電循環(huán)區(qū)間，降低了儲能單元SOH 不一致情況的加劇速度和SOC 失衡風險，減少了儲能單元退出運行的概率，延長了BESS 循環(huán)壽命。

4 結(jié)語

針對BESS 參與微電網(wǎng)功率調(diào)節(jié)時儲能單元間功率分配策略不完善導(dǎo)致的儲能單元性能加速劣化的問題，本文提出了考慮儲能單元內(nèi)單體電池SOH及SOC 一致性的功率優(yōu)化分配策略，搭建了仿真系統(tǒng)，并通過仿真實驗驗證了所提方法的有效性。主要結(jié)論如下：

1）消除了多個儲能單元同時小功率充放電的現(xiàn)象，提升了BESS 充放電效率，充放電效率平均值與按SOC 比例分配策略相比提升了10.46%，減小了因功率分配不當而產(chǎn)生的能量損耗。

2）避免ΔSOH，i較大和SOH 較低的儲能單元參與動作，全部儲能單元平均充放電動作次數(shù)相比于按SOC 比例分配策略減少了59%，延長了BESS 整體運行壽命。

3）先用充放電優(yōu)先級策略對儲能單元進行排序組合，再用AMPSO 算法進行組合內(nèi)功率分配。本文所提控制策略與按SOC 比例控制策略和按最大功 率 分 配 策 略 相 比，BESS 的 平 均ΔSOC，B分 別 降 低了32.59%和26.37%。本文所提控制策略減小了R(t)的變化范圍，縮短了較差儲能單元的充放電循環(huán)區(qū)間，使其SOC 在0.5 附近波動，降低了儲能單元內(nèi)單體電池不一致情況的加劇速度，提升了BESS的調(diào)節(jié)能力。

本文考慮儲能單元內(nèi)SOH 對單元內(nèi)部SOC 不一致影響時，只考慮了SOH 下滑導(dǎo)致的容量衰減對儲能單元運行的影響，未考慮SOH 衰減引起的電池內(nèi)阻升高、運行溫升對儲能單元內(nèi)SOC 不一致的影響。后續(xù)將深入研究綜合考慮容量、內(nèi)阻與溫升等多種因素的功率分配策略，實現(xiàn)儲能系統(tǒng)精細化控制。

附錄見本刊網(wǎng)絡(luò)版（http：//www.aeps-info.com/aeps/ch/index.aspx），掃英文摘要后二維碼可以閱讀網(wǎng)絡(luò)全文。