[01246526]基于负荷的广义储能系统提升大规模可再生能源并网发电的关键技术研究

(1)课题来源与背景本课题来源于安徽省科技厅对外科技合作专项资助项目 “基于负荷的广义储能系统提升大规模可再生能源并网发电的关键技术研究”，中方主要承担单位为合肥工业大学，外方主要合作单位为希腊雅典国家理工大学。

近十年来，我国通过立法，把利用可再生能源作为应对能源环境问题的必由之路，促进了我国可再生能源发电的飞速发展。大规模可再生能源的入网迫切需要更多的可控电力系统资源，以保证电网经济可靠运行和电能质量。过去这些电力系统资源一直是由可调度的集中式火力和水力发电厂来提供，而环境和投资的风险限制了大型发电厂的不断增长。

目前世界公认的解决这一问题的有效技术是开发规模化的能量型储能技术，且目前对储能系统的研究和应用集中在提供电能的系统，蓄水、蓄电池、飞轮、压缩空气等储能技术受地域、成本和效率所限还有待突破。随着智能电网的发展和需求侧管理技术的应用，具有存储热能、势能和电能等的负载如空调、制冷设备、取暖器、水塔、热水器、电动汽车等有潜力聚合成新型的大容量储能系统。对这些分布式储能系统的研究，可为大规模可再生能源入网开拓突破性低成本储能资源。

（2）技术原理及性能指标

本项目在研究工业和户用的具有存储热能、势能和电能等功能的负载特点的基础上，通过研究利用大数据方法建立这些分布式储能负载的模型、使用和控制方法，在不影响用户正常使用的条件下，利用智能电网技术和现代控制技术，将其聚合成大容量储能系统，参与电力系统的调频、调压和经济调度等辅助服务，为大规模可再生能源入网而提供电力系统资源和分布式储能管理技术。

（3）技术的创造性与先进性该项目的主要创新点：1)针对居民负荷提出了基于智能电表综合数据量测和深度机器学习GRU算法和SAMME.R-DT的温控负荷状态识别和分解方法，提高了识别精度;2)针对温控负荷和电动汽车负荷，提出了基于大数据分析和并行随机森林和并行梯度算法的多时间尺度可调度容量预测方法，提升了预测精度，为这些负荷参与电力系统的辅助服务提供了数据基础;3)提出了基于模块化多电平变换器的电动汽车集成方案和考虑用户使用特性的多目标功率控制方法，实现了电动汽车集群高效集成与灵活响应运行控制;对广义储能系统提出了分层分散混合控制方法;4)提出了广义储能配置的二层优化方法，该方法通过可控负载有效增加配网系统的调控资源，显著减小固定储能配置容量，降低系统的运行成本;5)研制了基于广义储能系统的配网能量管理系统，为广义储能的应用提供了软件支撑。

（4）技术的成熟程度，适用范围和安全性本项目所设计的控制策略和能量管理系统可应用于全国电网系统的需求侧管理运行系统，从而提升我国配电网系统运行可靠性，提升接纳可再生能源系统的能力和全系统能源高效利用水平。

但系统还需实际电力系统运行数据以及实际运行场景的考核。

应用情况及存在的问题

本项目的最终研究成果为基于动态大数据分析的广义储能系统的负荷预测、运行控制和能量管理软件，已经通过实验室运行验证。

历年获奖情况

截至2019年7月，在本项目实施期间，课题组共发表论文36篇，其中，高水平中外期刊论文8篇，国际会议论文28篇，发表论文全部EI收录（含待收录），SCI、EI同时收录期刊论文2篇，包括IEEE电气工程领域顶级期刊 IEEE Transactions on Smart Grid （SCI 一区，2018年影响影子10.486）和 IEEE Journal of Emerging and Selected Topics in Power Electronics.（SCI 一区，2018年影响影子5.972）;中文期刊包括：《太阳能学报》，《电工技术学报》和《电力系统自动化》等本领域类高水平期刊; 培养研究生27人，其中博士生1名;项目共申请发明专利17项，其中获授权发明专利7项，申请软件著作权2项。