計及高比例可再生能源的配網系統儲能多場景優化配置

孫開元, 岑海鳳, 陳坤, 李濤, 林琳, 曾慧

(廣東電網有限責任公司廣州供電局, 廣州 510013)

目前,不可再生能源日益匱乏,可再生能源發電技術得到廣泛應用,風能、水能、太陽能等可再生能源被大規模利用,緩解了環境污染、能源短缺、氣候變暖等問題[1]。隨著可再生能源的并網,配網系統能源結構有所調整,可再生能源并網主要采用分散、集中兩種接入方式,但兩種接入方式都會對配網系統的功率波動造成影響[2]。儲能可以增加配網系統靜態運行的靈活性,實現能量的時序轉移,是解決可再生能源接入對配網系統影響的有效方法。因此,研究配網系統儲能多場景優化配置,通過儲能的合理配置,滿足接入高比例可再生能源的配網系統使用需求,發揮各類能源的互補特性,為配網系統的穩定運行提供保障[3]。

現階段,儲能優化配置相關研究已取得較大進展,分析配網系統基本結構,確定儲能技術的應用位置,包括電網側或用電側,根據儲能技術特性,將其劃分為功率型儲能和容量型儲能兩類,從負荷削峰填谷、平抑能源出力波動等角度出發,合理配置儲能的功率范圍和容量范圍[4-5]。比如郭玲娟等[6]提出基于集合經驗模態分解的儲能優化配置,利用集合經驗模態分解,結合配網系統分時電價和凈負荷功率,分析儲能總功率,求解儲能優化配置模型。該方法能夠使配網系統經濟性得到提高,但儲能配置約束條件不充分,可再生能源發電出力波動較大。溫豐瑞等[7]提出了計及靈活性不足風險的儲能優化配置,從靈活性供需平衡角度出發,將配網系統網架重構考慮在內,構建靈活性不足風險成本模型,提升儲能出力調節的靈活性,根據不同濾波階數下的充放電功率指令,實現儲能安全經濟的優化配置。該方法具有一定的有效性,但方法定量分析的可再生能源波動閾值范圍較大,可再生能源和儲能利用效率較低。

針對上述方法中存在的問題,為了解決傳統方法中存在的可再生能源出力波動大、可再生能源和儲能利用效率不高的問題,現提出計及高比例可再生能源的配網系統儲能多場景優化配置方法。通過定義負荷儲能釋能場景和能源發電波動場景,構建儲能多場景優化配置模型,采用遺傳算法進行求解。從而確保高比例可再生能源接入配網系統運行的穩定性,提高可再生能源和儲能利用效率。

1 配網系統儲能多場景優化配置方法設計

在配網系統電源側接入儲能,定義配網系統儲能配置場景,包括負荷儲能釋能場景、能源發電波動場景,提出平抑兩個目標的多場景儲能優化配置。

1.1 計算能源發電波動場景儲能目標輸出功率

計算能源發電波動場景下,儲能系統充電放電的輸出功率目標函數,并對其進行修正。可再生能源面對不同的天然氣類型,其發電出力水平也不同,存在出力平穩和出力波動兩種情況,針對可再生能源出力波動場景,采用一階低通濾波方法,通過儲能的存儲電量和釋放電量,補償高比例可再生能源輸出功率[8]。計算儲能配置后配網系統的日發電出力為

(1)

式(1)中:A1為儲能配置后配網系統的日發電出力;A2為配網系統原始日發電出力;a為低通濾波時間常數。

離散化式(1),得到t時刻儲能調節后的配網系統發電出力[9]為

(2)

式(2)中:A1(t)為t時刻儲能調節后的配網系統發電出力;Δt為配網系統運行的采樣周期;A1(t-Δt)為t-Δt時刻儲能配置后的發電出力;A2(t)為t時刻原始發電出力。

給定配網系統原始發電出力,得到各個時刻配網系統多能源發電量,計算t時刻能源發電波動場景中,儲能充電放電的輸出功率目標函數為

B(t)=A1(t)-A2(t)

(3)

式(3)中:B(t)為儲能充電放電的輸出功率目標函數,當B(t)>0時,儲能系統釋放儲電量,否則存儲電量。

采用概率分析的波動平抑方法,修正儲能充電放電的輸出功率B(t),優化低通濾波時間常數a,計算配網系統輸出功率的波動率[10]為

(4)

式(4)中:maxC(t)為配網系統輸出功率的波動率;c為可再生能源發電機組的裝機容量;A2(t-Δt)為t-Δt時刻機組發電出力。

(5)

當a對應的配網系統輸出功率的波動率滿足式(5),判定該低通濾波時間常數為最優值,若不滿足式(5),令初始值為a+0.1,再與波動率期望值進行比較,直至波動率達到滿足條件,得到最優低通濾波時間常數a′,將a′代入式(1),得到修正后的儲能充電放電目標函數。至此完成能源發電波動場景儲能目標輸出功率的計算。

1.2 計算負荷儲能釋能場景儲能目標輸出功率

采用上下限約束法,計算負荷儲能釋能場景下,配網儲能輸出功率的目標函數。繪制配網系統負荷曲線,預設負荷曲線上限值D1和下限值D2,計算公式為

(6)

式(6)中:E為配網系統24 h的負荷均值;d為負荷削峰系數;f為配網4 h的負荷峰谷差值。

當配網負荷超過D1時,儲能系統釋放電量,當負荷超過D2時,令儲能系統存儲電量,保證儲能調節后的配網負荷位于區間[D2,D1][11]。利用負荷峰谷差變化率F,優化負荷削峰系數,F計算公式為

(7)

式(7)中:g為配網系統24 h原始負荷的峰值。

通過給定的削峰系數,得到該參數對應的負荷峰谷差變化率,在32%～38%,當F大于期望值時,調整負荷削峰系數為d+0.1,代入式(7),比較重新計算的F和期望值,直至F小于期望值,得到最優負荷削峰系數d′,代入式(6),優化負荷曲線上下限值,確定儲能調節后的最優負荷區間,得到配網系統目標負荷G1(t)。計算負荷儲能場景中儲能調節輸出功率目標函數[12]為

H(t)=G2(t)-G1(t)

(8)

式(8)中:H(t)為負荷儲能場景中儲能調節輸出功率目標函數;G1(t)為配網系統目標負荷;G2(t)為配網系統原始負荷。

至此完成負荷儲能釋能場景儲能目標輸出功率的計算。

1.3 構建配網系統儲能多場景優化配置模型

以日凈收益最大化為目標,結合多場景輸出功率B(t)和H(t),組成儲能優化配置目標函數,獲得配網系統儲能配置模型。計算配網系統火電機組發電出力費用為

(9)

式(9)中:h1為配網系統火電機組發電出力費用;I1(t)為t時刻開機成本;I2(t)為t時刻停機成本;I3(t)為t時刻不可再生能源消耗費用;K1(t)為t時刻火電機組輸出功率。

燃氣機組發電出力費用[13]為

(10)

式(10)中:h2為燃氣機組發電出力費用;J為單位體積的燃氣售價;L為燃氣機組運行模式數量;j表示模式類別;k1(t)為轉移成本;k2(t)為運行成本。

加入棄風、棄光、棄水的懲罰費用,計算配網系統運行費用[14]為

h3=h1+h2+r1l1m1+r2l2m2+r3l3m3

(11)

式(11)中:h3為配網系統運行費用;l1、l2、l3分別為棄風、棄光、棄水的懲罰參數;r1、r2、r3分別為風電上網單價、光伏上網單價、水電上網單價;m1、m2、m3分別為配網系統的棄風電量、棄光電量、棄水電量。

將最大化輸出功率B(t)和H(t)以及最小化配網系統運行費用h3作為模型目標函數。

定義儲能配置模型約束條件,約束機組輸出功率、發電出力減小速率和增加速率、開機時間和停機時間。控制機組運行特性后,約束配網系統功率平衡,表達式為

K2+K3+K4-m1-m2-m3=M

(12)

式(12)中:K2、K3、K4分別為風電、光伏、水電輸出功率;M為配網系統外送線路的外送功率。

求取配網系統所有機組的出力總和,根據機組最大出力,確定所有機組的出力上限,為防止配網系統頻率急劇下降,令出力上限減去配網系統總損耗和總負荷,得到旋轉備用容量N,配置旋轉備用容量應對可再生能源波動,旋轉備用約束條件為

K1+K5>N

(13)

式(13)中:K1為火電機組輸出功率;K5為燃氣機組輸出功率。

由于配網系統網絡潮流變化較大,將系統網架和電量傳輸穩定極限考慮在內,約束配網網架直流潮流,表達式為

minP

(14)

式(14)中:O為配網系統網架矩陣;minP、maxP為線路傳輸電量穩定極限。

由目標函數和約束條件,組成儲能優化配置模型。至此完成配網系統儲能多場景優化配置模型的構建。

1.4 計算配網系統儲能最優功率和最優容量

求解配網系統儲能多場景優化配置模型,獲得儲能最優功率和最優容量。賦予儲能功率和容量初始值,生成儲能配置初始方案,計算初始方案的目標函數,同時判定該方案是否滿足模型約束條件,若滿足約束條件,記錄該方案的儲能功率和容量,然后減小功率值和容量值,計算新的配置方案目標函數和約束條件,重復以上過程,得到滿足約束條件的所有功率容量配置方案。采用遺傳算法,染色體編碼儲能功率容量,利用自然數組,表示儲能配置方案,把所有滿足約束條件的儲能功率容量,作為遺傳算法的初始種群,對初始種群進行交叉變異,擴大儲能最優配置方案的搜索范圍[15]。初始種群適應度函數為

Q=B(t)+H(t)-h3

(15)

式(15)中:Q為初始種群適應度函數。

在初始種群中選擇Q較高的個體,將其遺傳至下一代,持續迭代更新,直至種群適應度函數不再變化。輸出Q最高的染色體,將該染色體表示的儲能功率容量,作為最佳功率和最佳容量,得到儲能配置最優方案。至此完成儲能最優功率和最優容量的計算,實現配網系統儲能多場景優化配置方法設計。

2 實驗分析

為了驗證計及高比例可再生能源的配網系統儲能多場景優化配置方法的有效性,將所提方法與文獻[6]提出基于集合經驗模態分解的儲能優化配置方法、文獻[7]提出計及靈活性不足風險的儲能優化配置方法進行對比實驗,比較3種方法優化后,可再生能源出力波動大小以及可再生能源和儲能的利用效率。

2.1 實驗設置

選擇一個配網系統作為儲能配置計算實驗,該配網系統含有17個節點,配網系統拓撲結構如圖1所示。

箭頭表示負荷,包括商業負荷、居民負荷、工業負荷;WT表示風力發電機;PT表示光伏陣列;FC表示火電機組;MT表示燃氣輪機

節點1為高壓電網,通過表壓器與配網系統饋線相連,光伏電源安裝于負荷節點6、15上,裝機容量分別為60 MW和100 MW,燃料電池安裝于節點11、17上,裝機容量分別為15 MW和80 MW,風電電源安裝于節點8、9、13上,裝機容量分別為40、30、90 MW,燃氣機組安裝于節點16上,燃氣售價如下:0:00—8:00時間段的價格為0.054元/(kW·h),8:00—12:00時間段為0.127元/(kW·h),0:00—8:00時間段為0.098元/(kW·h),0:00—8:00時間段為0.127元/(kW·h),0:00—8:00時間段為0.098元/(kW·h)。設置采樣周期為5 min,采集配網系統負荷、光伏機組、風電機組、火電機組的真實數據,棄風懲罰參數為900元/(MW·h),棄光懲罰參數為800元/(MW·h)。

2.2 實驗結果分析

3種方法分別對配網系統儲能配置進行優化,配置結果如下。所提方法配置的儲能功率和容量分別為1 293 MW和3 303 MW·h,文獻[6]方法配置功率和容量分別為1 093 MW和2 716 MW·h,文獻[7]方法配置功率和容量分別為927 MW和2 917 MW·h。

2.2.1 可再生能源波動平抑效果測試

記錄3種方法儲能配置優化后的可再生能源發電出力情況,風電出力和光伏出力的波動如圖2所示。

圖2 可再生能源輸出功率

根據圖2可知,風電機組發電出力的采樣時間段為0:00—24:00,光伏機組采樣時間段為6:00—18:00。采用所提方法進行儲能配置優化后,風電出力和光伏出力更加平穩,而文獻[6]方法和文獻[7]方法具有較大波動性。主要是由于所提方法采用一階低通濾波方法,通過儲能的存儲電量和釋放電量,補償了高比例可再生能源輸出功率,使得可再生能源輸出功率波動較小。

在此基礎上,找出機組1 min最大波動量,并將圖2數據代入式(4),計算儲能優化后的機組1 min最大波動率,最大波動量和波動率實驗對比結果如表1所示。

表1 最大波動量和最大波動率實驗對比結果

根據表1可知,所提方法相比文獻[6]方法和文獻[7]方法的風力出力最大波動量分別減少了1.150 3 MW和2.01 MW,最大波動率分別減少了4.09%和4.31%,光伏出力最大波動量分別減少了1.597 8 MW和2.055 8 MW,最大波動率分別減少了5.80%和6.91%。由此可知,所提方法的風能和光能出力波動平抑效果最好。

2.2.2 可再生能源利用效率測試

改變配網系統燃氣機組的裝機容量,分別為直流外輸線路配套50、100、150 WM燃氣機組,比較不同燃氣機組配套方案下,3種方法儲能優化后的棄風率和棄光率,若棄風率和棄光率越低,則表明可再生能源利用效率越高,實驗對比結果如表2所示。

表2 棄風率和棄光率實驗對比結果

根據表2計算可知,不同燃氣機組配套方案下,所提方法的平均棄風率為11.64 MW,平均棄光率為12.86 MW,而文獻[6]方法和文獻[7]方法的平均棄風率分別為14.42 MW和16.80 MW,平均棄光率分別為16.34 MW和18.31 MW。由此可知,所提方法相比文獻[6]方法和文獻[7]方法,棄風率分別減少了2.78 MW和4.70 MW,棄光率分別減少了3.94 MW和5.45 MW。由此可知,所提方法能夠有效提高可再生能源的利用效率。主要是由于所提方法在考慮高比例可再生能源接入時,定義了配網系統儲能配置場景,從而有利于可再生能源利用效率的提高。

2.2.3 儲能利用效率測試

記錄配網系統儲能的實際出力情況,儲能釋放電量越多,表明利用效率越高,不同燃氣機組配套方案下,3種方法儲能日出力實驗對比結果如圖3所示。

圖3 儲能出力實驗對比結果

根據圖3計算可知,所提方法的平均儲能出力為12.11 MW,而文獻[6]方法和文獻[7]方法的平均儲能出力分別為9.92 MW和8.09 MW,所提方法相比文獻[6]方法和文獻[7]方法的儲能出力分別增加了2.19 MW和4.02 MW。由此可知,所提方法能夠有效提高儲能利用效率。主要是由于所提方法以日凈收益最大化為目標,結合多場景輸出功率,組成優化配置目標函數,采用遺傳算法對目標函數構建的模型進行求解,使得儲能利用效率得到了提高。

3 結論

此次研究針對接入高比例可再生能源的配網系統,設計了一種儲能多場景優化配置方法,通過定義負荷儲能釋能場景和能源發電波動場景,構建儲能多場景優化配置模型,采用遺傳算法進行求解。得出以下結論。

(1)所提方法采用一階低通濾波方法,通過儲能的存儲電量和釋放電量,補償了高比例可再生能源輸出功率,使得可再生能源輸出功率波動較小,風能和光能出力波動平抑效果好。

(2)所提方法在考慮高比例可再生能源接入時,定義了配網系統儲能配置場景,從而有利于可再生能源利用效率的提高。

(3)所提方法以日凈收益最大化為目標,結合多場景輸出功率,組成優化配置目標函數,采用遺傳算法對目標函數構建的模型進行求解,使得儲能利用效率得到了提高。

綜上所述,所提方法使可再生能源出力更加平穩,減少了棄風率和棄光率,增加了儲能出力,提高了可再生能源和儲能利用效率。但此次設計方法仍存在一些不足,未考慮經濟效益對可行性的影響,在今后的研究中,會減小配電系統的儲能配置規模,分析儲能在調頻等方面的經濟效益,改善發電機組運行方式,進一步完善儲能配置,并將其應用到實際配網工程中。