大規模虛擬儲能模式平抑新能源功率預測誤差研究

樊國旗，劉桂龍，樊國偉，王志遠，趙普志，衛 瑞，印 欣，曾林俊

(1.國網金華供電公司，浙江 金華 321017； 2.中國海誠工程科技股份有限公司，上海 200031；3.國網新疆電力有限公司，新疆 烏魯木齊 830011； 4.西安西電避雷器有限責任公司，陜西 西安 710200；5.湖南大學電氣與信息工程學院，湖南 長沙 410082)

0 引 言

新能源可再生特點在促進經濟可持續發展中發揮著越來越重要的作用[1]，但是新能源功率預測誤差對電力系統調節能力帶來巨大的壓力[2]，導致新能源功率預測誤差造成新能源限電。

目前主要通過電源側、負荷側及電力市場建設來促進新能源消納[3-6]。文獻[7-8]利用需求側響應平衡新能源功率預測誤差，促進新能源消納。文獻[9]通過電熱綜合系統聯合調度應對風電功率預測不確定性，減少棄風。文獻[10]利用儲能減少風電預測誤差。文獻[11]首先利用高斯分布擬合風電預測功率，然后利用源荷互動促進風電消納。文獻[12]將風電預測值和實際值聚類成多目標場景，然后利用風電-水電聯合調度驗證其優良調峰能力和經濟效果。

某地區含有大量自備電廠，通過大規模虛擬儲能平抑新能源功率預測誤差，可促進新能源消納。下面提出大規模虛擬儲能平抑新能源功率預測誤差優化調度方法，針對新能源預測功率誤差問題，采取自備電廠虛擬平抑預測誤差，并對比不含虛擬儲能調度方法的系統成本及新能源限電情況，通過對某地區實際電網進行算例仿真，驗證所提調度方法的可行性；并分析虛擬儲能參與比例、新能源功率預測準確率和新能源預測功率納入率等關鍵因素對新能源限電的影響。

1 新能源功率預測誤差及其平抑調度方法

1.1 新能源功率預測誤差分布

日前新能源預測功率基于輸入風速、光照強度等擬合得到超短期新能源功率預測數據，預測誤差較大。根據歷史數據得到預測的置信度Apos。

(1)

式中：Pn，f為新能源預測功率；Pn為新能源實際功率。

置信度Apos為95%時，新能源功率預測準確性如圖1所示。

圖1 置信度95%時新能源功率預測準確性

由圖1可知95%置信度時新能源預測準確率分別為0.236 7(Pn，fPn)。

1.2 新能源納入發電計劃方法

由于新能源比例不斷增高，因此需要將新能源納入發電計劃中。如果將新能源完全納入發電計劃，則可能因預測功率高于實際功率過大產生新能源限電，或者因預測功率低于實際功率過多導致失負荷。電網目標為可靠、安全、經濟、高效和環境友好，其首要目標為可靠和安全，其次為經濟和高效。因此為了電網可靠安全，將新能源按照一定置信度預測準確率納入發電計劃，盡量避免失負荷導致電網安全可靠問題。

首先，按照95%置信度的新能源預測準確率納入發電計劃；其次，將預測非自備負荷與納入新能源預測功率擬合，得到考慮新能源預測準確率的預測非自備等效負荷PL，g，e，n，由于負荷預測準確率較高，因此用實際非自備負荷代替預測非自備負荷。

(2)

PL，g，e，n=PL，g-Pn，n

(3)

式中，PL，g為非自備負荷。

由于自備企業負荷由自備電廠機組供電，因此需要獨立考慮。自備負荷和非自備負荷組成系統負荷為

PL=PL，g+PL，z

(4)

式中，PL，z為自備負荷。

1.3 考慮虛擬儲能平抑新能源誤差調度方法

自備企業通過調整自備電廠機組出力參與大規模虛擬儲能，平抑新能源預測功率誤差。當新能源預測功率大于實際功率時，首先減少火電機組出力，當仍不能滿足要求時，降低自備電廠機組出力；如果仍然不能滿足要求，則將該部分新能源采取限電處理。當新能源預測功率小于實際功率時，首先增加火電機組出力；當仍不能滿足要求時，增加自備電廠機組出力，此時如果仍然不能滿足要求，則對該部分負荷采取失負荷處理。

2 調度計劃

2.1 目標函數

調度目標：新能源限電量最小。

(5)

式中，Pn，a為新能源限電功率。

新能源限電及虛擬儲能調用總成本Ce為

Ce=Cn，a+Cx

(6)

式中：Cn，a為新能源限電成本；Cx為虛擬儲能調用成本。

系統總成本Cs為

Cs=Ce+Cf(z)

(7)

式中，Cf為火電(自備)機組運行成本。

參與虛擬儲能自備電廠同為火電機組，因此火電(自備)機組運行成本統一表示為

(8)

式中：T1為火電(自備)機組運行總時間；N1為火電(自備)機組數量；Pf(z)，i為第i臺火電(自備)機組的功率大小；ai、bi、ci分別為火電發電二次、一次和常數成本系數。

新能源限電成本為

(9)

式中：cn，a為新能源限電單位限電成本；T2為新能源限電時間。

虛擬儲能調用成本為

(10)

式中：Px為虛擬儲能調用功率；cx為虛擬儲能調用單位成本；T3為虛擬儲能調用時間。

2.2 約束條件

1)系統功率平衡約束

日前功率平衡約束為：

(11)

(12)

日內功率平衡約束為：

PF+Px+Pn=PL，g-Pn，a

(13)

(14)

2)火電機組約束

火電(自備)機組出力Pf(z)，i約束為

(15)

爬坡約束為

(16)

3)虛擬儲能調用約束

(17)

3 算例分析

3.1 地區情況

某地區新能源短期預測功率、新能源實際功率、非自備負荷和自備負荷如圖2所示，設虛擬儲能調用成本為50元/MWh，新能源限電成本為500元/MWh。

火電(自備)機組參數見表1。

圖2 負荷和新能源曲線

表1 火電(自備)機組參數

3.2 效益評估

兩種調度方法均以新能源限電量最小為原則，由于是混合整數非線性規劃問題，這里采用lingo12進行計算，日前計劃主要考慮電網安全。最大負荷與開機數量如表2所示。

表2 火電(自備)機組開機數量

日前調度無虛擬儲能參與新能源消納和新能源消納空間如圖3所示；日前調度虛擬儲能參與新能源消納和新能源消納空間如4所示。

圖3 無虛擬儲能日前新能源消納

圖4 含虛擬儲能日前新能源消納

無虛擬儲能日前新能源限電33 613.4 MWh，新能源限電率19%；調用虛擬儲能電量與新能源限電量相同。

日內調度無虛擬儲能參與新能源消納空間和新能源限電如圖5所示。

圖5 無虛擬儲能日內新能源消納

日內調度虛擬儲能參與新能源消納和新能源消納空間如6所示。

圖6 含虛擬儲能日內新能源消納

無虛擬儲能日內新能源限電81 807.3 MWh，新能源限電率35%；調用虛擬儲能電量與新能源限電量相同。

不同調度方法下成本對比如表3所示。

表3 調度成本對比

由表3可知，日前調度采用大規模虛擬儲能模式，成本可減少2 146.9萬元；日內調度采用大規模虛擬儲能模式，成本可減少5 036.3萬元。

3.3 關鍵影響因素的靈敏度分析

1)虛擬儲能參與比例影響

虛擬儲能參與比例與新能源限電率關系如圖7所示。

圖7 虛擬儲能參與比例與新能源限電率關系

由圖7可知，虛擬儲能參與比例為0時，新能源限電率為34.9%；虛擬儲能參與比例為80%時，新能源限電率為0。該新能源出力狀況下，虛擬儲能參與調度可實現全部消納新能源。

2)新能源功率預測準確率影響

新能源功率預測準確率與滿足無新能源限電時虛擬儲能參與比例關系如圖8所示。

圖8 新能源功率預測準確率與虛擬儲能參與比例關系

當新能源功率預測準確率達到100%時，虛擬儲能參與比例為33.9%時不發生新能源限電。當新能源功率預測準確率為0時，所需虛擬儲能參與比例需達到104.5%，新能源才不會被限電，即當虛擬儲能全部參與比例為100%時，仍會有102.3 MWh新能源被限，限電率為0.04%。

3)新能源預測功率納入率影響

新能源功率預測功率納入率與滿足無新能源限電時虛擬儲能參與比例關系如圖9所示。

圖9 新能源預測功率納入率與虛擬儲能參與比例關系

當新能源預測功率納入率為100%時，虛擬儲能參與比例為49.3%時不發生新能源限電。當新能源預測功率納入率為0時，所需虛擬儲能參與比例需為104%才不會發生新能源限電，即當虛擬儲能參與比例為100%時，仍會有409.1 MWh新能源被限，此時新能源限電率為0.1%。

4 結 語

1)新能源功率預測準確率不高會導致系統調節能力不足，進而導致新能源限電；大規模虛擬儲能可以平抑新能源功率預測誤差，減少新能源限電。

2)大規模虛擬儲能參與比例提高可減少新能源限電率，因此需要提高虛擬儲能參與比例，促進新能源消納。

3)新能源功率預測準確率越高、新能源預測功率納入率越高，所需參與的虛擬儲能越低；因此需要提高新能源功率預測準確率，間接提高新能源預測功率納入率。