双碳背景下构建新型电力系统，需要新能源实现大规模、高比例、高质量、市场化的应用与发展。风光储联合发电系统可有效增大风光资源接入电网的容量，减少旋转备用，提高供电的可靠性和电能质量，降低系统发电成本^{[1,2,3,4,5,6]}。

面向新能源发电侧的大规模储能装备，由于系统输出功率和储能容量都比较大，如果发生安全事故，造成的危害和损失会更大。因此，对大规模储能设备的要求，一是安全性，二是生命周期的性价比，三是生命周期的环境负荷^[7]。全钒液流电池(vanadium redox flow battery，VRFB)是于20世纪80年代由澳大利亚新南威尔士大学的SKYLLAS-KAZACOS教授及其团队提出的^[8]，作为一种电化学系统，钒电池把能量储存在含有不同价态钒离子氧化还原电对的电解液中。具有不同氧化还原电对的电解液分别构成电池的正、负电解液，正、负极电解液中间由离子交换膜隔开。通过外接泵把溶液从储液槽压入电池堆体内完成电化学反应，反应后溶液回到储液槽，活性物质不断循环流动，由此完成充放电^[9]。与其他化学储能电池相比较，VRFB最大的特点是电池活性物质不存在于电池内部，而是储存在电池外部的罐体中，其输出功率和储能容量可独立设计，可实现长时储能，理论上最长可达25～50 h^[10]，因而更适合于大规模储能。正是由于在环保、安全、成本、效率、一致性等方面具有的突出优点，全钒液流储能电池正成为当前国内外用于可再生能源发电的大规模储能技术的首选之一^[11,12]。

近年来，我国储能装机容量迅速增长，以钒电池为代表的液流电池正处于快速发展期。大连融科储能公司于2012年在辽宁省龙源卧牛石风电场建设了5 MW/10 MW·h的VRFB储能应用示范电站，而正在实施的200 MW/800 MW·h液流储能调峰电站项目是目前全球最大规模的VRFB储能电站(energy storage station，ESS)^[13]。上海电气近3年先后建成了国家电投青海1 MW/5 MW·h VRFB储能、广东汕头智慧能源1 MW/1 MW·h VRFB储能系统、安徽海立工业园1 MW/4 MW·h VRFB储能等项目，目前多个10、100 MW级VRFB储能项目也在规划实施当中。从目前的运行情况看，VRFB的一致性好，响应速度快，运行稳定，具备大规模应用的技术条件，但占地面积较大，系统能效较低(约70%～75%)。

作为一种新型的大规模储能技术，目前尚未形成针对VRFB ESS整体优化设计的理论和研究成果。本文从解决某新能源风电场弃风限电问题入手，通过建立数学模型，优化目标函数，提出全钒液流ESS优化设计的一套理论方法，并从容量配置、系统集成、热管理与能量回收提高效能、智能运维等方面提出ESS优化设计的整体思路，将为解决大规模新能源发电问题提供现实的解决方案。

风电场A装机容量为250 MW，该风电场2021年2月实际发电量3 584.89万kW·h，因限电损失电量1 329.52万kW·h。根据机组历史运行数据分析，风电场A在2021年2月理论应发电量为6 478.12万kW·h，排除设备停运损失电量13.29万kW·h，限电损失电量总计2 879.94万kW·h。2月风电场A有效风时数486.3 h，全月限电约267 h，限电时段占有效风时数的54.8%。根据对风电场理论有功功率的测算，结合现场提供的限电记录综合分析，风电场A在2月份全月限电情况较为严重，体现在以下3个维度：

(1)限电时间长。

全月限电时长趋势分析如图1所示。全月限电约267 h，大风时段普遍存在限电，2月1—6日、14—16日、18—21日、26—28日最为突出，存在连续跨天限电情况。

(2)限电幅度大。

有功余量总体分布如图2所示，可见：限电期间的有功余量(受限有功)平均7.05万kW，部分时段近20万kW，2万kW以上的时段约257 h，占全部限电时段的96%。

对该风电场2月份限电时段的统计如图3所示，可见：单次限电时长6 h以下的情况占比较高。

面向新能源的储能配置与新能源站场的设计、运行方式具有强相关性，针对不同功能需求，储能的选择和配置也不一样。采用系统调频、削峰填谷模式时，储能系统应根据电网要求，经过优化分析后确定^[14]。这种场景主要根据削峰填谷的时长，通过储能确保收益的最大化，因而这类储能适宜采用能量型储能，容量充裕率更高，适合长时间充放电，单位能量成本更低，液流电池则非常适合于这一场景。面向新能源的VRFB ESS优化设计流程如图4所示。

风电场A的储能配置是基于解决限电弃风的问题，实现风电消纳的最大化。储能容量配置的最优化是在给定的约束条件下，建立发电收益随储能额定功率和最大储能容量变化的函数，优化配置的目标是求解目标函数中发电收益的最大值。为此需要建立数学模型，计算最大化运行收益，获得成本和效益的最优配置。

(1)目标函数。

(1)F=∑1365[(λQPmax,Emax−CPmax,Emax)ΔT]

式中：F为全年储能消纳弃风电量的最大收益；λ为风电上网电价；QPmax，Emax及CPmax，Emax分别为在风电场最大允许上网功率限值P_max及储能最大配置容量E_max条件下储能在某日消纳的弃风电量以及储能运行成本；ΔT为某日弃风时长。

(2)约束条件。

电网的购电约束为

(2)0≤Pgrid(t)≤Pgrid,max(t)

储能设备的功率约束为

(3)0≤P(t)≤Pmax(t)

储能设备的容量约束为

(4)Emin≤E(t)≤Emax(t)

风电机组出力上下限约束为

(5)0≤Pw(t)≤Pw,max(t)

(3)初始度电成本。

(6)Lcos=XP(t)+YP(t)H+ZP(t)P(t)H=X+ZP(t)H+Y=XH+Y+ZH

式中：L_cos为初始度电成本；X为液流电池成本；Y为电解液成本；Z为其他成本；H为时长。

储能电池功率与储能容量配置呈线性相关，在本项目中将储能时长分别按1、2、3、4、5 h进行配置。根据计算，当储能容量取5 h时，可获得最优的度电成本，如表1所示。

由表1所示VRFB储能时长与度电成本的关系，可建立VRFB储能时长与度电成本估算模型，其变化曲线如图5所示。

根据上述储能优化配置目标函数的计算结果，结合风电场A风资源及用电负荷不平衡的现状，及VRFB储能度电成本随储能时长变化趋势估算模型，ESS的功率配置为20 MW；根据风电场全月限电时数267 h，则每日平均限电时数为10 h(即267/28)，考虑到单次限电时长6 h以下的情况比例最高，及占地面积、技术经济性等因素，因此本项目额定功率下持续充放电时间配置为5 h，ESS配置规模定为20 MW/100 MW·h。

储能电池在高电压状态下的一致性和均衡性是衡量电池性能的重要指标，应尽量选择大容量储能双向变流器(power conversion system，PCS)，比较0.25 、0.5、1 MW储能PCS性能发现，采用1 MW储能PCS效率更高、电能损耗更小，因而更具优势。

在电力接入方面，储能接入新能源风电场有集中式和分散式2种方式。20 MW/100 MW·h ESS规模较大，适宜采用集中式并网接入的方式，储能设备集中布置，ESS需配置升压变压器，通过35 kV汇流后统一接入电网系统。这种接入方式可整体上减少分散式接入对风机出力的波动，实现综合调控风储联合电站出力的目的。

为提高系统集成度，将升压逆变合二为一，每4 MW PCS逆变升压单元包括4台1 MW储能PCS，每4台PCS接入1台升压变压器。全站配置5套4 MW储能PCS逆变升压一体化汇流单元。图6为4 MW储能PCS逆变升压单元拓扑图。

VRFB具有安全、环保、配置灵活等特点，但电池在充放电转换过程中，电能会有一定程度的损失，ESS在运行过程中电池充放电和储能PCS散热会有约15%～20%的能量损耗，主要以热能的形式散失。这部分能量损失会提高电解液的温度，如不及时冷却，不仅会降低电池充放电效率，而且会导致电解液结晶，严重时会损坏电堆。

针对这一特性，通过在ESS集中配置带能量回收的热管理系统，吸收VRFB储能系统的散热，为储能系统提供冷却所需要的冷媒水的同时，还可为用户端输出生活热水、采暖热水或工艺热水，提高电站的总体效率，使ESS的综合效率由70%～75%提高至90%左右，实现了ESS电、热联产联储，从而获得可观的节能经济效益和环保生态效益。图7为通过采用能量回收后的VRFB ESS的能流平衡图。

VRFB在运行过程中，约有10%～20%的能量以热量的形式传递给电解液，如果忽略电解液系统与外界的传热，不同储能时长的钒电池储能系统持续充放电的电解液温升曲线如图8所示。

根据VRFB的温升特性曲线，按照每天1～1.5个循环，每天运行约10～15 h，则完成一次充放电循环系统温升约3 ℃。电解液最佳工作温度区间为20～35 ℃，温度太低则内阻太大，温度太高则电解质分解，容量损失、热失控的可能性增大，当电解液工作温度≥35 ℃时，需要开始排热冷却。

根据热泵原理进行能量回收，得到ESS能量回收的热平衡方程，即VRFB传热－散热模型：

(7)Qn=Q0+Whp=VCwρw(T2−T1)

式中：Q_n为热泵提供给用户的有用热能，kW；Q₀为热泵从低温热源中吸取的余热，kW；W_hp为热泵工作时消耗的电能，kW；V为电解液的体积，m³；C_w为电解液的比热容，kJ/(kg·℃)；ρ_w为电解液的密度，kg/m^3; T₁为电解液运行控制温度，℃；T₂为电解液放电后的温度，℃。

由热泵的概念得到热泵的性能系数C_OP^[15]：

(8)COP=1+Q0Whp

此项目中，电解液密度为1 363 kg/m³，电解液总体积为6 579 m³，电解液的比热容为3.2 kJ/(kg·℃)，电池满充满放一次温升ΔT＝T₂ －T₁＝3.1 ℃。将上述数据代入式(7)，得到20 MW/100 MW·h储能系统单次循环总散热量为90 GJ，按全年运行计算，则ESS运行1年的总散热量达32 850 GJ，余热资源十分可观，具有非常高的利用价值和潜力。

衡量ESS最重要的综合效率指标，可采用下式进行计算：

(9)η=(Q1+Q2)/Q3

式中：η为ESS的综合效率；Q₁为充放1个循环的放电量，kW·h；Q₂为充放1个循环的供热量，kW·h；Q₃为充放1个循环的充电量，kW·h。

能量回收型水源热泵制冷性能系数为4，供热性能系数为5，对于储能系统的基本单元模块，即250 kW/1 250 kW·h储能模块来说，热泵输出热量为45 kW，1次充放电循环回收热量理论值为405 kW，热量损失按20%计算，则净回收热量，即供热量为324 kW·h，充电量为1 673 kW·h，放电量为1 162 kW·h。将以上数据代入式(9)可得：储电净效率在70%的情况下，采用能量回收热管理技术则ESS的综合效率可提升至89%以上，实现了电热联储联供，具有显著的经济效益。

面向新能源的VRFB ESS设备数量多、自然环境复杂、监测难度大。监测内容除了荷电状态/健康状态(SOC/SOH)外，还包括电堆电压、电流、电解液的流量、液位、压力、温度及漏液监测等。对于大规模储能，传统方式收集的信息较为零散，难以掌握全部电池系统的健康状态，增加了运维负担。

数字孪生是一种实现运行中的真实设备与系统向虚拟化模型映射的技术，它充分利用真实设备运行模型、实时传感器数据、运行历史等数据，从不同方面实现真实世界到虚拟空间的模拟^[16]，从而实现真实设备整个运行状态的全过程数字化。

利用数字孪生技术构建VRFB储能系统可视化数字运维技术，关键在于将各类传感技术在现实的VRFB储能系统中采集的电流、电压及循环系统的温度、流量、液位、压力、漏液检测等安全运行指标数据仿真重现在3维数字孪生世界中。VRFB ESS的数字孪生原理如图9所示。

VRFB储能系统作为一个包含大量元件、运行过程多样的复杂系统，必然也是一个海量数据源^[17]。依托大数据和人工智能技术，数字孪生平台能对各类数据进行处理判断，分析当前系统SOC/SOH运行状态，进行安全预警和运行监测，最终实现储能系统直观清晰的感知、完整的数据集成、实景化等功能的全方位、可视化地展示和控制，有效提升运维管理人员对VRFB储能系统的监控管理效率，提高储能系统的经济、安全、可靠运行，支撑储能系统更好地服务于使用场景。

针对VRFB储能系统的安全预警和电池健康管理需求，从数字孪生的角度出发，构建3维虚拟孪生模型，形成3维实景模型及物理场孪生模型的映射关系。通过数字孪生模拟现实中的突发危险情况，捕获不同风险因素、操作场景和系统配置的数据，重建模型来预测故障，提前进行维护。这需要根据VRFB储能系统特性进行建模，其核心是将机理建模方法与数据建模方法融合而成一种混合建模方法。

基于数字孪生技术及VRFB储能设备的特性，确立数字孪生系统构建方法的流程。实景物理世界数据模型主要以点云模型和色彩模式(red, green, blue，RGB)图像数据为主，形成多源异构数据统一融合模型；在虚拟孪生世界当中以物联网(internet of things，IoT)数据驱动模型和降阶模型为主，共同构成了数字孪生模型。在综合考虑电、压、气、温等电池内部电化学环境，并集成产品的技术数据和管理数据的基础上，能实时映射物理世界中产品实际装配、运行、故障、维护等真实状态，从而为复杂产品的设计、制造与运维一体化开发提供依据。VRFB ESS多物理场数字孪生模型如图10所示。

随着输入的数据或经验越来越多，模型会不断改进与完善。数据驱动建模的训练部分可能会遇到与不稳定性相关的问题，然而一旦完成训练，这些模型在使用时是稳定的。多物理场模型构建所测的运行数据包括设备属性和外部参数2部分。静态参量是根据储能电池设备情况及工作环境得到，其为恒定不变的常数，将其作为模型的输入；实时测量的物理量则是通过电压、电流传感器、温度传感器、流量计、液位计、压力变送器、漏液检测等一系列安装在液流电池各结构的高精度传感器得到，一方面用于构建并分析数字孪生体内部模型，另一方面用于验证模型的准确性并进行优化。测得的VRFB运行数据如表2所示。

建立基于数据驱动构建实时仿真的多物理场(温度、电压、电流、流量、液位、压力、漏液检测、气体检测等)数字孪生模型，数据驱动可绕过复杂的物理建模过程并利用输入输出数据很好地描述物理过程。结合储能系统的监测数据、试验数据等，利用机器学习方法构造出输入数据与输出数据之间的数据模型，对储能系统运行的物理现象和机理用数据模型进行表征，完成对设备的孪生。

对优化设计后的VRFB ESS进行仿真分析，图11为配置储能前后风电场功率波形曲线。

通过仿真分析，风电场的原始输出功率波动很大，偏离了发电计划，而加入了5 h长时液流储能其增益输出可较大幅度地降低功率输出上升速率，降低输出功率下降速率，同时可有效解决弃风限电的问题，削峰率达16%，限电量由原来的45%下降到14%以下，表明5 h的长时储能系统具有很好的风电接纳效果，提高了风电消纳带来的收益。

本文研究了面向新能源风光大基地的VRFB ESS的优化设计方法和技术，综合考虑储能的功率与容量配比、系统集成、能量回收型热管理、智能运维等关键因素方面，提出了全钒液流ESS优化设计的理论方法，所得结论如下：

(1)通过对新能源发电运行规律、限电问题的分析，建立以新能源发电消纳最大化为目标的优化设计数学模型，找出发电收益随储能额定功率和最大储能容量变化的函数，求解目标函数中发电收益的最大值，计算最大化运行收益，从而获得成本和效益的最优储能规模配置方案，可将风电场限电量由原来的45%下降到14%。

(2)在系统集成上，以储能模块为基本单元，对储能逆变升压汇流单元进行优化设计，将庞大复杂的液流电池储能系统工程产品化、电池模块化和系统集成化，实现了快速部署，减少占地面积15%。

(3)从提高ESS综合效率和电热互补的角度，建立能量回收型热管理数学模型、效能提升模型，计算了能量回收的利用量和提升效率，并进行了定性定量分析，提出了通过具有能量回收功能的热管理系统设计提高系统效率的理论方法，可将系统效率从70%提升至90%左右。

(4)提出了一种针对VRFB基于数字孪生的多源数据融合状态监测运维技术，基于数据驱动和模型驱动构建3维虚拟孪生模型，通过多源数据信息融合、3维实景模型搭建虚拟储能系统，形成多物理场数字孪生模型，为储能系统安全预警和健康状态的评估提供了可靠保障。