用戶側儲能系統容量優化配置及輔助軟件研究

文/陳旭海 陳佳橋 葉春 王金友

1 引言

儲能是國家戰略性新興產業，是能源互聯網的重要組成部分和關鍵支撐技術，具有快速響應和雙向調節、環境適應力強、建設周期短等技術優勢。規模化應用將對能源轉型、電網格局、電源結構產生重大影響。隨著儲能技術突破和成本快速下降，儲能應用前景日趨廣闊。目前已有的儲能方式主要可分為電化學儲能與物理儲能。電化學儲能由于具有使用方便、環境污染少、不受地域限制、轉化效率高、比能量和比功率高等優點得到廣泛的應用。

由于目前儲能系統成本較高，而蓄電池成本占項目總投資70～80%，因此影響混合儲能系統經濟效益的主要因素是儲能系統的規模配置。儲能容量不合適將不利于電網安全穩定運行或降低電網經濟性。合理的容量配置既可以節省成本，又可以提高儲能的利用率，使其在必要的功能范圍內得到充分的價值體現。儲能容量優化配置需要綜合考慮儲能技術特性、安裝運行成本費用等因素，尋求最優容量配置方案，以提高系統運行穩定性、可靠性及經濟性。因此，儲能裝置的容量配置需滿足兩個要求，即在保證完成自身承擔的任務、滿足電網運行需求的同時應滿足電網的經濟性需要，確保以最小的成本實現電力系統的優化運行。

用戶側是電力使用的終端，用戶是電力的消費者和使用者，發電及輸配電側的成本及收益以電價的形式表現出來，轉化成用戶的成本，因此電價的高低會影響用戶的需求。儲能應用與用戶側，可以起到用戶分時電價管理、容量費用管理、需求側響應、改善電能質量等功能。

本文以Matlab作為儲能系統規劃設計的基礎性工具，并以其中的（graphical user interface,GUI）開發環境(GUIDΕ）設計用戶側儲能容量仿真配置，并通過實例驗證所提方法的有效性。

2 儲能系統容量優化配置算法

在儲能電池的容量配置和經濟性評估方面，目前主要的容量配置及其優化方法有差額補充法、波動平抑分析法和經濟性評估法等。由于儲能電站項目通常以投資回報作為導向，因此本研究采用經濟性評估法對儲能系統的功率及容量進行優化配置，構建了儲能系統的經濟運行模型，采用智能算法對目標函數進行尋優求解。

如圖1所示，智能算法采用三層前饋階層網絡，即輸入層、隱含層以及輸出層，各層之間實行連接，具體結構如下：

（1）輸入層：將所構建樣本的輸入向量{P1,P2,P3…Pq, Q1,Q2,Q3…Qq},進行前向計算；

（2）隱含層：訓練神經網絡，能從輸入、輸出的數據中提取出規律性的知識，記憶于網絡的權值中，并且具有泛化能力；

式中Wj1、Wj2、…Wjn分別表示神經元1、2、…n與第j個神經元的連接強度，即權值；bk是隱含層和輸出層的閾值。

圖1：智能算法網絡結構圖

圖2：Back-Propagation算法的流程圖

圖3：智能算法整體的流程圖

（3）輸出層：對觸發的強度進行與第四層權值求積再求和，并通過sigmoid函數將輸出值壓縮在（0,1）之間，得到第j個輸出yj：

圖4：GUI參數設置界面及仿真流程

設定目標函數為：

式中：tj(k)表示期望輸出，yj(k)表示神經網絡輸出。

要使智能算法產生所希望的行為，必須對其進行訓練學習，不斷調整權值，使網絡的實際輸出值和期望值之間的方差達到最小。學習效果直接影響到網絡的控制精度。訓練神經網絡常用算法主要有隨機梯度下降(SGD)、Back-Propagation(BP)算法，本文選用BP算法訓練網絡，其算法流程圖如圖2所示，智能算法整體的流程圖如圖3所示。使用Back-Propagation算法對網絡權值進行修正更新：

表1：峰谷分時段

圖5：3月某星期負荷曲線

通過鏈式法則可得參數更新式為：

3 基于Matlab/GUI用戶編程界面

Matlab軟件的圖形用戶界面可以方便地調用Matlab自身的功能、靈活地設計用戶操作界面，本研究以Matlab/GUI為平臺編寫儲能系統運行軟件，利用Matlab強大的計算功能模擬儲能系統的運行工況，并對其經濟性進行分析。GUI界面如圖4所示，圖4(a)為儲能系統的運行參數值的設定，包括主變容量、電價、儲能功率容量及其成本，通過運行4(a)則可對儲能系統參數進行設置，設置界面如圖4(b)所示，輸入系統參數值后即可運行仿真結果與儲能運行工況，得出仿真結論。

4 算例分析

圖6：智能算法訓練過程

圖7：儲能運行工況

以某工業用戶為例,一年中某個星期的典型日負荷曲線如圖5所示，用戶峰谷時間如下表所示，本文選取福建省峰谷電價對儲能效益展開分析。

算例中儲能基本容量電費按36元/kVA/月,需量電費按24元/kVA/月計算。以磷酸鐵鋰鋰電池儲能系統為例,其單位容量成本約為2200元/(kW·h)，其單位功率成本約為440元/kW。

圖6為運行迭代次數與目標函數的關系曲線圖，隨著訓練次數的增加，目標函數的誤差逐漸減少，當訓練次數為7751次時訓練誤差小于10-8，目標函數誤差滿足迭代要求。

通過智能算法對目標函數尋優求解，綜合實際儲能容量配置的需求，配置儲能系統的規模為4MW/6MWh，此時儲能系統回收期不計儲能效率損耗及稅收等，其儲能削峰填谷運行工況如圖7所示，采用恒功率充放電模式，不計儲能系統損耗，實現了低電價儲能，高電價釋能，儲能日循環次數為3次。 配置儲能后年節省電量電費約為223萬，年節省基本電費5.18萬，儲能系統回收期約為6.5年。

5 結論

本文采用智能算法對儲能系統進行配置，以Matlab/GUI為平臺編寫儲能系統運行軟件，在以儲能系統回收周期最短為目標對儲能功率容量優化配置。并對儲能運行工況進行分析，仿真結果證明了所提方法的有效性。