“源-儲-荷”三階段協調優化研究

蔣一雷，王松，胡子文，楊淦林，魏蘇穎，王天辰

（南京工程學院，江蘇 南京 211167）

0 引言

能源是推動國民經濟和社會發展的基礎動力和必要條件，而隨著我國經濟的不斷快速發展，化石能源供應緊缺及其帶來的生態環境污染等問題日益嚴重，清潔能源的地位愈發重要。

新能源與傳統能源的巨大差別在于新能源具有無污染和可再生性，在各個國家的電力供應能源中占比逐年攀升。然而，由于受到天氣、市場、使用等因素的影響，新能源自身仍然存在著較大的波動性和不確定性，大規模使用新能源發電參與市場競爭將給電力市場交易機制以及電力系統安全穩定運行帶來極大挑戰。因此，研究新能源發電出力預測技術具有重要意義。

儲能具有迅速充電或放電的能力，可以有效應對新能源發電引起的電網頻率、電壓及相位變化，促進新能源大規模發電并穩定上網，加快安全、經濟、清潔、綠色電力網絡的建設。其中，鋰電池儲能有容量大、壽命長、響應速度快的特點，是目前國內外企業與研究機構的重點研究對象。

新能源直接參與市場競爭獲利，儲能系統通過低價蓄電、高價放電的價格差獲利的模式成為趨勢。因此，以“源-儲-荷”聯合系統為研究對象，結合電力市場三階段協調優化策略，建立“源-儲-荷”聯合系統三階段協調優化模型，實現聯合系統收益最大的目標。

1 BP神經網絡的光伏出力預測

使用BP神經網絡對光伏出力進行預測[1]。BP神經網絡是一種由大量的處理小單元相互連接共同組成的非線性自適應系統。通過模擬大腦神經網絡出力和記憶信息的方式，對數據進行處理。通過調節網絡的復雜程度，調整內部大量神經元的連接方式，達到處理信息的目的。選用一年365天的數據，每隔15分鐘記錄一次。可以比較精確地預測未來一天的光伏出力數據。可以得到未來一天的光伏數據。

2 負載功率預測

使用支持向量機的方法對用戶端負載功率進行預測，支持向量機SVM是從線性可分情況下得到最優的分類面。想要做到最優分類，一是要求分類先能夠將兩類無錯誤地分開，使經驗風險達到最小，二是保證兩類之間的分類間隔最大，使得推廣性中的置信范圍最小。支持向量機通過定義適當的內積函數進行非線性變換將輸入空間變換到高維空間，在這個新的高維空間中求取最優線性分類面。支持向量機求得的分類函數類似一個神經網絡，將若干個中間層節點的線性組合進行輸出，可以使用支持向量機的方法預測下一天的負荷數據。

3 儲能系統運行分析

儲能系統運行分析，首先要分析儲能運行特性，其中，最大充電功率限制、最大放電功率限制、荷電狀態（SOC）上限與下限約束是儲能系統運行的主要約束條件。為保證儲能持續運行的周期性，儲能系統的每個調度周期開始和結束時的荷電狀應保持態應一致[2]。

以鋰電池為例，鋰電池的放電效率與放電功率的大小相關，描述儲能的動態放電效率可以用功率效率函數表示[3]。

充放電效率的曲線具有單調遞減特征，曲線斜率基本不變，放電效率減少的速率也幾乎不變。可以簡化成一個線性函數。放電效率范圍為78%～95%。

放電效率函數如（1）所示：

在充電環節中，可以把電池的充電環節分成三段，充電環節的功率調節范圍為70%～100%，三段的效率取值可分別取0.5，0.68，0.8；電池效率在額定功率內的取值范圍為0.87～0.97，此處可以常數處理，取中間值0.93。

充電效率函數如下所示：

4 市場優化模型

本文將主要從日前市場的初步調配完成最終儲能系統模型[4]。日前市場主要用于預測大方向，它的時間提前量為一天，通過對數據的分析從而預測出市場的需求和計劃出力，在日前形成與實際運行情況相符合的優化交易計劃。

為追求經濟效益這一目標，確立光伏發電與儲能售電收入為主要收益。除去系統負荷、儲能購電、儲能運行損耗這些成本因素，最終確立聯合系統。以聯合系統收益最大為目標函數，表示為：

聯合系統光伏發電與儲能售電收入：

聯合系統支出購電成本：

儲能系統運行損耗：

日前優化的約束條件包括聯合系統功率平衡約束：

功率平衡約束：

光伏發電功率調度約束：

儲能系統充電/放電約束：考慮到儲能系統動態效率特性，首先將儲能的充電功率用m段擬合，則有：

儲能荷電狀態約束：

聯合系統與配電網傳輸約束：

“源-儲-荷”的協調運行策略通過日前優化調整已確定。當實時光伏發電功率不足市場需求時，可從向平衡市場購買相應差額的電量以彌補預定電功率的不足；而光伏發電功率超出市場需求時，因為接近實時調控，那么多出的電功率會挪作他用或者直接放棄。

5 算例分析

為了驗證本文所提供模型的有效性，在MATLAB R2016a的開發環境下，調用CPLEX12.8進行求解。

本文選取了寧夏某一地區容量大小為5 MW的光伏發電場，配以鋰電池儲能，符合選取寧夏市棉紡印染加工行業某一用戶2017年的用電數據構成典型年負荷曲線。儲能類型為鋰電池儲能，充放電效率為74%，壽命為10年，單位電量成本為3元/（kW·h），儲能的荷電狀態下限為0.3，上限為1，儲能荷電狀態初始值為0.5。

5.1 負荷特性分析

由于大工業用戶用電的規律性，方便于分析各類用戶的運行負荷。將同時段的運行負荷數據進行累加，使用支持向量機進行預測可以得到負荷功率數據。

5.2 源儲荷三階段分析

經過上文的計算分析后，可以得到源儲荷協調優化的示意圖，如圖所示。紡織廠的用電負荷，用紅線表示。黃色表示光伏發電出力，橙色表示蓄電池放電功率，藍色表示電網交換功率[6]，綠色表示蓄電池充電功率。

5.3 購售電和電池充放電功率

以蓄電池儲能為例。光伏發電多出來的電能需要儲存到蓄電池中。以應對后面可能出現的新能源出力不足的情況，可以較好地滿足負載要求。為了新能源發電的效益，電池的充放電與實時電價有關。若購電電價較高，那么會優先使用新能源供電，避免購電的高成本。同理，如果購電電價較低，那么可能會優先從電網購電，先把新能源發電的電量儲存起來，等售電電價較高時再售出。

6 結語

本文研究源儲荷聯合系統的儲能容量優化配置模型，以系統總收益最大為目標函數，分析對源儲荷聯合系統的儲能容量配置的影響因素。在功率預測的基礎上，通過合理配置彈性負荷并進行合理的市場優化。能夠在調整電功率波動的基礎上，提高光伏發電場帶來的經濟效益。