综述：光伏电站功率波动控制与储能平滑策略综述

《eTransportation》：A state-of-the-art review of adaptive, predictive, synergistic, and degradation-aware power variability smoothing techniques in photovoltaic power plants

本综述系统梳理了光伏（PV）电站功率波动（Ramp Rate, RR）的成因、影响及控制策略，重点探讨了无储能（如柔性功率点跟踪FPPT）和基于储能（BESS/HESS）的平滑技术，并评述了电池退化模型与经济性评估指标（如LCOS）。文章为高比例新能源电网的稳定运行提供了关键见解与技术路径。

　　

光伏发电的机遇与波动性挑战

随着全球能源转型的加速，光伏（PV）发电因其清洁、可再生的特性而备受青睐。然而，光伏电站的输出功率并非稳定不变，其波动性主要源于太阳辐照度的自然变化，特别是由云层漂移引起的快速波动。这种波动若直接注入电网，可能引发电网频率偏差、电压闪变，甚至影响电能质量，对电网的稳定运行构成挑战。因此，有效管理光伏电站的功率波动，即进行功率平滑（Power Smoothing），已成为推动光伏大规模并网的关键技术之一。

功率波动的量化与电网规范

为了量化功率波动，业界普遍采用爬坡率（Ramp Rate, RR）作为核心指标，其定义为在特定时间间隔内（如1分钟）光伏输出功率的最大变化量，通常以额定功率的百分比表示（%/min）。例如，波多黎各电力局（PREPA）的电网规范要求光伏电站的分钟级爬坡率不得超过其额定容量的10%。除了爬坡率，爬坡率符合度（Ramp Rate Compliance, RRC）是另一个重要指标，用于评估在给定时间段内（如一天），电站输出功率满足爬坡率限制的时间百分比。高RRC（如>98.5%）是电站并网运行的基本要求。

无储能平滑技术：从电站内部挖掘潜力

在无需额外储能设备的情况下，可通过优化光伏电站自身的运行策略来抑制功率波动。此类技术核心在于使电站偏离最大功率点跟踪（MPPT）模式，运行在柔性功率点（FPPT）或功率限制模式。

• •
  功率限制控制（PLC）：该方法通过主动控制光伏阵列的工作点，使其输出功率低于当前辐照度下的最大可用功率（P_ava），从而预留出一部分功率裕度。当云层遮挡导致辐照下降时，电站可利用此裕度快速增加输出，抑制功率骤降；反之，当辐照恢复时，则通过限功率运行避免功率骤升。扰动观察法（P&O）是实现PLC的常用策略之一。然而，PLC技术的有效性高度依赖于对P_ava的准确估计，估计方法包括使用辐照度传感器、主-从控制法（部分光伏单元运行于MPPT以估算全场最大功率）以及基于模型的曲线拟合等。其主要缺点是会造成能量损失（弃光），影响电站收益。
• •
  爬坡率控制：此方法直接对光伏电站的输出功率变化率进行限制。控制器实时计算功率变化率，若其绝对值超过设定的爬坡率限值（RR_Lim），则通过调节光伏逆变器的参考功率，将输出功率的变化速率控制在允许范围内。这种方法响应快速，但同样面临如何准确获取P_ava以实现有效控制的挑战。

储能系统平滑技术：引入外援稳定输出

将储能系统（特别是电池储能系统BESS）与光伏电站结合，是平滑功率波动最直接有效的手段。储能系统可以快速吸收或释放能量，补偿光伏功率的缺额或盈余，使合并后的输出功率变得平滑。

• •
  基于滤波器的平滑方法：低通滤波器（LPF）是最常用的平滑算法之一。其原理是让光伏功率（P_pv）通过一个截止频率（f_c）可调的LPF，得到平滑后的参考功率（P_ref^*）。P_ref^*与P_pv的差值即为BESS需要补偿的功率。滤波器的时间常数（t_fc= 1/(2πf_c)）是关键参数，t_fc越大，平滑效果越好，但会引入更大的相位延迟，并可能导致BESS的过度使用。移动平均（MA）滤波器，特别是简单移动平均（SMA）和指数移动平均（EMA）滤波器，也广泛用于此领域。SMA通过计算一定窗口大小内功率数据的平均值来平滑波动，而EMA则赋予近期数据更高的权重，响应更快。
• •
  自适应平滑控制：固定参数的滤波器难以应对变化多端的天气条件。自适应控制策略能够根据实时监测的功率波动强度（如通过计算功率变化的标准差）动态调整滤波器的参数（如t_fc或窗口大小）。例如，在晴朗少云、波动较小的时段，采用较小的t_fc以减少BESS的充放电动作，延长其寿命；而在多云、波动剧烈的时段，则增大t_fc以增强平滑效果。模糊逻辑、模型预测控制（MPC）等先进算法被用于实现这种自适应调节。

混合储能系统（HESS）的协同作战

单一类型的储能设备往往难以同时满足功率密度和能量密度的要求。超级电容器（SC）具有极高的功率密度和循环寿命，但能量密度低，自放电率高；氢储能（如电解槽EL、燃料电池FC）能量密度高，适合长时间储能，但动态响应慢，往返效率低。将不同特性的储能设备组合成HESS，可以取长补短。典型的配置包括BESS-SC、BESS-EL-FC等。在HESS中，通常采用频率分配策略，例如利用LPF和高速滤波器（HPF）将需要平滑的功率指令分解为低频分量（由BESS或氢储能承担）和高频分量（由SC承担），从而优化整体性能，降低BESS的应力，延长系统寿命。

平滑策略的性能与经济性权衡

评估一种功率平滑策略的优劣，需要从技术和经济两个维度进行考量。

• •
  技术性能指标：
  • •
    爬坡率符合度（RRC）：衡量平滑后功率满足电网爬坡率要求的程度。
  • •
    能量吞吐量（E_tp）：一定时间内BESS累计充电和放电的总能量。E_tp越高，意味着BESS使用越频繁，老化可能越快。
  • •
    荷电状态恢复误差（SOC_RE）：评估运行周期（如一天）结束时，BESS的SOC是否回到初始值。非零的SOC_RE表明控制策略导致了BESS的净充电或放电，长期运行可能造成SOC漂移。
  • •
    往返效率（η_rt）：BESS放电能量与充电能量的比值，反映储能系统的能量转换效率。
• •
  经济性指标：平准化储能成本（LCOS）是衡量储能项目经济性的核心指标，它考虑了初始投资、运营维护成本、燃料成本（如适用）、系统寿命、折旧率以及循环效率等因素，表示在整个生命周期内每放出1kWh电量的平均成本。LCOS有助于比较不同平滑技术（如纯BESS平滑与FPPT结合小容量BESS）的全生命周期成本。

关注储能寿命：降解模型至关重要

BESS在频繁的充放电循环中会逐渐老化，表现为容量衰减和内阻增加。准确评估平滑控制策略对BESS寿命的影响至关重要。电池降解模型主要分为：

• •
  后处理模型：如安时/瓦时吞吐量法，简单累计BESS循环的能量，并与电池寿命周期内所能承受的总能量吞吐量阈值进行比较。雨流计数法结合Palmgren-Miner线性累积损伤法则，通过分析BESS的SOC历史曲线，统计不同放电深度（DOD）下的循环次数，进而计算累积损伤。这类模型计算简单，但未考虑温度、充放电速率（C-rate）等其他应力因素的影响。
• •
  性能退化模型：这类模型更精细地描述电池老化。
  • •
    电化学模型：从电池内部物理化学过程（如锂离子损耗、固体电解质界面膜SEI增长）出发建模，精度高但复杂，参数获取困难。
  • •
    等效电路模型：用电路元件（电阻、电容等）模拟电池外特性随老化的变化。
  • •
    数据驱动模型：利用机器学习算法（如支持向量机SVM、长短期记忆网络LSTM、Transformer等）从大量电池老化数据中学习降解规律。这类模型擅长捕捉复杂非线性关系，但需要大量高质量数据进行训练。物理信息机器学习（PI-ML）将物理知识融入数据驱动模型，是当前的研究前沿，有望提高模型的泛化能力和可解释性。

前沿特性与发展趋势

当前的研究正致力于使功率平滑控制策略更具智能性和鲁棒性，呈现出四大前沿特征：

1. 1.
   自适应（Adaptive）：控制器能根据实时变化的天气条件、BESS健康状态（SOH）和SOC自动调整参数。
2. 2.
   前瞻性（Proactive）：结合短期辐照度预报（如利用天空相机、卫星云图或数值天气预报NWP），预测即将发生的功率波动，并提前调整光伏输出或BESS功率，实现更平滑的过渡。
3. 3.
   协同性（Synergistic）：不仅关注光伏与储能的协同，还探索风-光-储等多能互补系统的协同平滑，以及平滑与其他辅助服务（如频率调节、无功支撑）的协同提供。
4. 4.
   寿命感知（Degradation-Aware）：在控制算法中显式考虑BESS的退化机理，优化功率分配（如在HESS中让SC承担更多高频波动），以实现平滑效果与BESS寿命延长之间的最佳平衡。

结论

光伏电站的功率波动控制是保障高比例可再生能源电网稳定性的关键技术。无储能技术（如FPPT）和储能平滑技术各有优劣，需根据具体应用场景、电网要求和经济性进行选择或组合。基于BESS或HESS的平滑策略是目前的主流方向，其核心在于设计高效、自适应的控制算法，并充分考虑储能设备的寿命衰减与经济性。未来，融合先进预报、人工智能、寿命感知和多能协同的智能平滑策略，将是推动光伏发电成为电网友好型电源的重要研究方向。