基于情景分析法風(fēng)電場(chǎng)中儲(chǔ)能系統(tǒng)經(jīng)濟(jì)調(diào)度

厲 偉， 顏 寧， 張 博， 馬少華， 戈陽(yáng)陽(yáng)， 肖婉秋

(1. 沈陽(yáng)工業(yè)大學(xué)電氣工程學(xué)院， 遼寧 沈陽(yáng) 110870； 2. 國(guó)網(wǎng)遼寧省電力有限公司電力科學(xué)研究院， 遼寧 沈陽(yáng) 110003； 3. 國(guó)網(wǎng)沈陽(yáng)市于洪區(qū)供電公司， 遼寧 沈陽(yáng) 110141)

1 引言

2016年國(guó)家能源局發(fā)布了《風(fēng)電發(fā)展“十三五”規(guī)劃》相關(guān)文件[1]，文件中指出隨著新能源的快速發(fā)展，未來5年風(fēng)電的裝機(jī)和并網(wǎng)容量會(huì)顯著增加，風(fēng)電消納問題有待更好解決。為解決上述問題文件提出了深度調(diào)節(jié)系統(tǒng)的調(diào)峰能力，有效提高系統(tǒng)的靈活性運(yùn)行，合理優(yōu)化調(diào)度運(yùn)行管理，有效提高接納風(fēng)電的潛力等目標(biāo)。風(fēng)電場(chǎng)接入大規(guī)模的儲(chǔ)能系統(tǒng)可有效提高風(fēng)電的接納能力，平衡風(fēng)力發(fā)電機(jī)組承擔(dān)負(fù)荷分布，降低發(fā)電成本[2-4]。

大規(guī)模儲(chǔ)能系統(tǒng)接入風(fēng)電場(chǎng)后，其經(jīng)濟(jì)調(diào)度是需要解決的重要問題。經(jīng)濟(jì)調(diào)度基本要求是在保證系統(tǒng)安全、穩(wěn)定、可靠前提下，提高電能產(chǎn)生、輸送效率，降低供電成本。研究?jī)?chǔ)能系統(tǒng)接入電網(wǎng)后對(duì)其安全穩(wěn)定性的影響，首先需要對(duì)儲(chǔ)能系統(tǒng)建立穩(wěn)態(tài)模型。目前應(yīng)用廣泛的儲(chǔ)能系統(tǒng)為電池儲(chǔ)能系統(tǒng)，文獻(xiàn)[5]建立了電池儲(chǔ)能系統(tǒng)結(jié)構(gòu)模型，在模型中考慮容量、有功、無功限制，該模型適用于儲(chǔ)能系統(tǒng)接入電網(wǎng)的機(jī)電暫態(tài)分析計(jì)算，為本文研究奠定了基礎(chǔ)。文獻(xiàn)[6]分析了風(fēng)電接入電網(wǎng)后對(duì)電力系統(tǒng)機(jī)組組合問題帶來的影響，提出了基本的建模方法和求解算法。機(jī)組組合問題及最優(yōu)潮流計(jì)算問題是經(jīng)濟(jì)調(diào)度的重要組成部分[7,8]，而風(fēng)力發(fā)電并網(wǎng)會(huì)對(duì)機(jī)組組合和最優(yōu)潮流結(jié)果產(chǎn)生影響，利用儲(chǔ)能系統(tǒng)參與調(diào)峰，可平抑出力波動(dòng)，緩解風(fēng)力發(fā)電帶來的不利影響，促進(jìn)風(fēng)電利用率。因此，采用大規(guī)模儲(chǔ)能系統(tǒng)參與電網(wǎng)經(jīng)濟(jì)調(diào)度對(duì)電力系統(tǒng)優(yōu)化運(yùn)行具有重要意義[9,10]。

本文研究含規(guī)?；瘍?chǔ)能系統(tǒng)風(fēng)電場(chǎng)接入的電網(wǎng)經(jīng)濟(jì)調(diào)度問題，首先建立儲(chǔ)能系統(tǒng)的穩(wěn)態(tài)模型與機(jī)組組合調(diào)度模型，在此基礎(chǔ)上研究?jī)?chǔ)能系統(tǒng)參與機(jī)組組合和多時(shí)間段最優(yōu)潮流問題，提出一種最優(yōu)潮流算法，求取最優(yōu)經(jīng)濟(jì)調(diào)度解。實(shí)例驗(yàn)證了儲(chǔ)能系統(tǒng)可使全天各個(gè)時(shí)間潮流分布產(chǎn)生耦合作用，平衡風(fēng)力發(fā)電機(jī)組承擔(dān)負(fù)荷分布，降低發(fā)電成本。

2 電池儲(chǔ)能系統(tǒng)穩(wěn)態(tài)模型

對(duì)電池儲(chǔ)能系統(tǒng)參與電網(wǎng)經(jīng)濟(jì)調(diào)度問題分析時(shí)，首先要建立儲(chǔ)能系統(tǒng)穩(wěn)態(tài)模型。模型主要由存儲(chǔ)裝置、能量轉(zhuǎn)換裝置、控制器組成，儲(chǔ)能元件通過變流器與電網(wǎng)相連，通過控制變流器實(shí)現(xiàn)與電網(wǎng)能量交換。在儲(chǔ)能階段，電能從網(wǎng)側(cè)流到儲(chǔ)能元件中進(jìn)行能量存儲(chǔ)；在放電階段，電能從儲(chǔ)能裝置流向電網(wǎng)。系統(tǒng)模型結(jié)構(gòu)如圖1所示。

圖1 電池儲(chǔ)能系統(tǒng)模型結(jié)構(gòu)圖Fig.1 Structure diagram of battery energy storage system model

受到電池容量和變流器系統(tǒng)各方面的限制，儲(chǔ)能系統(tǒng)相鄰時(shí)間段能量關(guān)系為：

(1)

電池儲(chǔ)能系統(tǒng)受到儲(chǔ)存能量限制，如式(2)所示：

Emin≤E(i)≤Emax

(2)

式中，Emin和Emax分別為儲(chǔ)能系統(tǒng)剩余最小和最大容量。

電池儲(chǔ)能系統(tǒng)的充電功率和放電功率需要滿足如下要求：

(3)

運(yùn)行周期內(nèi)充放電次數(shù)滿足如下要求：

(4)

式中，T為一個(gè)運(yùn)行周期內(nèi)分割成的時(shí)段數(shù)；N為一個(gè)運(yùn)行周期內(nèi)最大狀態(tài)轉(zhuǎn)換次數(shù)。

發(fā)電爬坡速率和滑坡速率滿足如下要求：

(5)

最小狀態(tài)維持時(shí)間滿足如下要求：

(6)

式中，Tc、Tf和Ti分別為儲(chǔ)能最小維持時(shí)間、釋能最小維持時(shí)間和狀態(tài)轉(zhuǎn)換固定時(shí)間；cq(i)和fq(i)分別為儲(chǔ)能狀態(tài)和釋能狀態(tài)啟動(dòng)變量；cs(i)和fs(i)分別為儲(chǔ)能狀態(tài)和釋能狀態(tài)停止變量；第三個(gè)表達(dá)式為限定狀態(tài)轉(zhuǎn)換時(shí)間，表示儲(chǔ)能和釋能狀態(tài)停止時(shí)間不大于儲(chǔ)能系統(tǒng)不工作時(shí)間的總和。

在此模型基礎(chǔ)上，可以考慮電池儲(chǔ)能系統(tǒng)參與電網(wǎng)經(jīng)濟(jì)調(diào)度問題。

3 電池儲(chǔ)能系統(tǒng)穩(wěn)態(tài)模型

3.1 基于情景集的風(fēng)電儲(chǔ)能系統(tǒng)機(jī)組組合問題

機(jī)組組合問題是一種大規(guī)模組合優(yōu)化問題。大規(guī)模儲(chǔ)能系統(tǒng)接入電網(wǎng)會(huì)對(duì)風(fēng)電機(jī)組出力產(chǎn)生影響，通過對(duì)儲(chǔ)能系統(tǒng)與機(jī)組之間協(xié)調(diào)優(yōu)化，既可以減輕機(jī)組負(fù)擔(dān)，使機(jī)組輸出曲線平滑，又可以通過改變儲(chǔ)能系統(tǒng)運(yùn)行狀態(tài)，減少風(fēng)電機(jī)組開停機(jī)次數(shù)，并實(shí)現(xiàn)削峰填谷作用，更有利促進(jìn)風(fēng)力發(fā)電大規(guī)模應(yīng)用。

由于風(fēng)電出力的不確定性，本文采用情景分析法對(duì)機(jī)組組合問題進(jìn)行研究，對(duì)風(fēng)電場(chǎng)出力情況進(jìn)行預(yù)測(cè)，預(yù)測(cè)誤差服從正態(tài)分布N(0,σ2)，且標(biāo)準(zhǔn)差為10%，并設(shè)定預(yù)測(cè)結(jié)果±3σ偏差為風(fēng)電機(jī)組出力極限值，如圖2所示。

圖2 正態(tài)分布情景選取圖Fig.2 Scenario analysis diagram of normal distribution

在此范圍內(nèi)選取7個(gè)離散場(chǎng)景，并求取各個(gè)場(chǎng)景下發(fā)生概率，結(jié)果如表1所示。

3.2 儲(chǔ)能系統(tǒng)接入的電網(wǎng)經(jīng)濟(jì)調(diào)度分析

電力系統(tǒng)經(jīng)濟(jì)調(diào)度分析，首先考慮一個(gè)調(diào)度周

表1 風(fēng)電出力情景概率分布Tab.1 Scenario probability distribution of wind power

期內(nèi)T個(gè)時(shí)間段機(jī)組組合問題，機(jī)組組合問題通常以電力系統(tǒng)中總發(fā)電成本最小為目標(biāo)，即考慮風(fēng)力發(fā)電機(jī)組常規(guī)運(yùn)行成本、開停機(jī)成本、儲(chǔ)能系統(tǒng)能量存儲(chǔ)及釋放成本、外界能量消耗成本，風(fēng)電并網(wǎng)后發(fā)電成本最小目標(biāo)函數(shù)為：

(7)

(8)

式中，an、bn、cn為二次函數(shù)系數(shù)，選取不同風(fēng)電機(jī)組其取值略有不同。

電力系統(tǒng)中，風(fēng)電機(jī)組總功率、儲(chǔ)能系統(tǒng)收發(fā)功率、負(fù)荷需求保持動(dòng)態(tài)平衡，平衡關(guān)系為：

(9)

在滿足式(9)電力系統(tǒng)平衡條件下，風(fēng)電機(jī)組與儲(chǔ)能系統(tǒng)需滿足的約束條件如式(3)～式(6)所示。

3.3 全局粒子群算法求取發(fā)電成本最優(yōu)解

本文在粒子群算法基礎(chǔ)上提出全局粒子群優(yōu)化算法，使粒子具有全局感知能力，能夠自身感知到周圍最好的位置，并且移動(dòng)到這些位置的中心點(diǎn)。為了維持全局粒子群算法的局部和全局搜索，引入了新的慣性權(quán)重。為了避免此算法早熟，將算出的全局最優(yōu)解進(jìn)行了一定程度的擾動(dòng)。全局粒子群算法求解不但加快了收斂速度，而且能較快逃離局部最優(yōu)解。根據(jù)式(3)～式(6)約束條件，通過此算法可有效求出風(fēng)電并網(wǎng)儲(chǔ)能系統(tǒng)接入電網(wǎng)后，電力系統(tǒng)總發(fā)電成本的最小值。具體流程如圖3所示。

將每個(gè)情景集s下的發(fā)電成本看成1個(gè)粒子，將此電力系統(tǒng)中不同情景集下總成本值看成1個(gè)群體，以一定的速度移動(dòng)粒子，單個(gè)粒子按每個(gè)情景集下成本最小進(jìn)行移動(dòng)的最好位置Pbest和按電力系統(tǒng)整體成本最小移動(dòng)的最好位置Gbest共同決定粒子群移動(dòng)的方向。不斷更新粒子群中各個(gè)粒子的位置x和速度V，第k步的更新公式為：

(10)

式中，i=1,2,…,n，n為粒子群中粒子的個(gè)數(shù)；p=1,2,…,r，r為解向量的維數(shù)；rand1和rand2為利用算法求解時(shí)各個(gè)粒子給定的隨機(jī)數(shù)；C1和C2為權(quán)重。

為確定中心點(diǎn)center，則移動(dòng)粒子i，當(dāng)移動(dòng)到第k步時(shí)，其表達(dá)式為：

(11)

式中，i,j=1,2,…,n；dis(xj,k,xi,k)為粒子i和j之間的距離；senselimt為粒子間距離最小值；rand()在(0, 2)間服從均勻分布。

4 算例分析

本文以IEEE RTS 24節(jié)點(diǎn)系統(tǒng)進(jìn)行算例分析，此拓?fù)浣Y(jié)構(gòu)中包含24個(gè)節(jié)點(diǎn)、20臺(tái)風(fēng)力發(fā)電機(jī)組、38條線路，在節(jié)點(diǎn)3～6分別接入4個(gè)電池儲(chǔ)能系統(tǒng)，考慮24h內(nèi)機(jī)組組合問題，為減少設(shè)備頻繁動(dòng)作，優(yōu)化計(jì)算間隔為0.5h，并通過MATLAB對(duì)此算例進(jìn)行求解。風(fēng)電機(jī)組的基本參數(shù)如表2所示。采用鋰電池作為儲(chǔ)能單元，儲(chǔ)能系統(tǒng)初始投資成本如表3所示，儲(chǔ)能系統(tǒng)基本特性參數(shù)如表4所示。

表2 風(fēng)電機(jī)組基本參數(shù)Tab.2 Basic parameters of wind turbines

表3 儲(chǔ)能系統(tǒng)初始投資成本Tab.3 Initial investment cost of energy storage system

表4 儲(chǔ)能系統(tǒng)基本特性參數(shù)Tab.4 Basic characteristic parameters of energy storage system

由于風(fēng)電出力的不確定性，本文采用情景分析法對(duì)機(jī)組組合問題進(jìn)行研究，通過考慮風(fēng)電功率波動(dòng)和系統(tǒng)故障等不確定情景來預(yù)測(cè)風(fēng)力發(fā)電出力特性，本文選用的7個(gè)風(fēng)電預(yù)測(cè)情景下的風(fēng)電出力曲線如圖3所示。

圖3 不同情景集下的風(fēng)電出力曲線Fig.3 Wind power curves under different scenario sets

由圖3可以看出風(fēng)電出力波動(dòng)率在[-30%, 30%]時(shí)系統(tǒng)功率輸出的偏差值，根據(jù)表1提供的預(yù)測(cè)誤差發(fā)生概率可知，功率輸出偏差值大的情況發(fā)生概率極低，所以情景分析法能夠很好地減小預(yù)測(cè)誤差。

儲(chǔ)能系統(tǒng)接入前后風(fēng)力發(fā)電機(jī)組出力如圖4所示。可以看出，儲(chǔ)能系統(tǒng)接入后有效抑制了風(fēng)電輸出波動(dòng)，使得電網(wǎng)更好地接納風(fēng)電。

圖4 儲(chǔ)能系統(tǒng)參與前后機(jī)組出力曲線Fig.4 Unit output curve before and after energy storage system involved

提取電力系統(tǒng)中某日運(yùn)行風(fēng)電、儲(chǔ)能系統(tǒng)及周邊地區(qū)負(fù)荷實(shí)際數(shù)據(jù)，以風(fēng)電機(jī)組和儲(chǔ)能系統(tǒng)總體發(fā)電成本最小為優(yōu)化目標(biāo)，通過全局粒子群算法進(jìn)行多目標(biāo)優(yōu)化求解，尋優(yōu)結(jié)果如表5所示。

表5 儲(chǔ)能系統(tǒng)參與前后成本比較Tab.5 Cost comparison before and after energy storage system involved

由表5可以看出，接入儲(chǔ)能系統(tǒng)后總成本降低了1.67%，消納風(fēng)電量提高了85.41%。根據(jù)數(shù)據(jù)分析可知儲(chǔ)能系統(tǒng)的接入在降低運(yùn)行成本的同時(shí)有效消納了風(fēng)電。

考慮儲(chǔ)能系統(tǒng)功率、容量、狀態(tài)維持時(shí)間、爬坡速率等約束條件及風(fēng)力發(fā)電機(jī)組出力、開停機(jī)時(shí)間等約束條件的影響，通過全局粒子群算法求取電力系統(tǒng)總體成本最小。電力系統(tǒng)總體成本受到風(fēng)電機(jī)組與儲(chǔ)能系統(tǒng)數(shù)量、情景集數(shù)、情景發(fā)生概率、儲(chǔ)能系統(tǒng)和風(fēng)機(jī)運(yùn)行狀態(tài)等情況限制。

一天中，儲(chǔ)能系統(tǒng)和風(fēng)電機(jī)組運(yùn)行狀態(tài)實(shí)時(shí)變化，所得到的優(yōu)化結(jié)果也同樣實(shí)時(shí)變化，由于此方法具有一般性，可根據(jù)參數(shù)不同，優(yōu)化選取時(shí)間間隔，得到實(shí)時(shí)優(yōu)化結(jié)果。

通過情景集的方式對(duì)風(fēng)電場(chǎng)出力進(jìn)行預(yù)測(cè)，采用情景分析法對(duì)風(fēng)電機(jī)組參與下機(jī)組組合問題進(jìn)行協(xié)調(diào)優(yōu)化，分析結(jié)果表明，采用此方法，有效利用風(fēng)能，可提高電力系統(tǒng)經(jīng)濟(jì)性。

5 結(jié)論

本文首先綜合考慮儲(chǔ)能系統(tǒng)功率、容量、狀態(tài)維持時(shí)間、爬坡速率等約束條件及風(fēng)力發(fā)電機(jī)組出力、開停機(jī)時(shí)間等約束條件，建立儲(chǔ)能系統(tǒng)的穩(wěn)態(tài)模型與機(jī)組組合調(diào)度模型，通過算例分析，得出如下結(jié)論：

(1)為實(shí)現(xiàn)儲(chǔ)能系統(tǒng)的經(jīng)濟(jì)調(diào)度，給出了以風(fēng)電機(jī)組和儲(chǔ)能系統(tǒng)總體發(fā)電成本最小聯(lián)合運(yùn)行方案，有效提高了風(fēng)電場(chǎng)運(yùn)行的安全、穩(wěn)定、經(jīng)濟(jì)性。

(2)考慮風(fēng)電機(jī)組與儲(chǔ)能系統(tǒng)協(xié)調(diào)運(yùn)行，基于情景分析法對(duì)風(fēng)電機(jī)組出力進(jìn)行預(yù)測(cè)，使得電力系統(tǒng)有效利用風(fēng)能，合理優(yōu)化儲(chǔ)能系統(tǒng)的調(diào)度，減少儲(chǔ)能運(yùn)行成本、開停機(jī)成本的同時(shí)有效減少棄風(fēng)量，保證電力系統(tǒng)經(jīng)濟(jì)運(yùn)行。

(3)通過全局粒子群算法使得總體發(fā)電成本最小。該算法可以快速尋優(yōu)，具有很強(qiáng)的逃離局部最優(yōu)能力，能夠加快搜索全局最優(yōu)解的速度，是快速解決電力系統(tǒng)經(jīng)濟(jì)穩(wěn)定運(yùn)行的新方法。

[1] 風(fēng)電發(fā)展“十三五”規(guī)劃(Wind power development planning in “13th Five-Year”)[Z]. 北京: 國(guó)家能源局(Beijing: National Energy Administration), 2016-11.

[2] 叢晶,宋坤,魯海威, 等 (Cong Jing, Song Kun, Lu Haiwei, et al.). 新能源電力系統(tǒng)中的儲(chǔ)能技術(shù)研究綜述 (Review of energy storage technology for new energy power system) [J]. 電工電能新技術(shù) (Advanced Technology of Electrical Engineering and Energy), 2014, 33(3): 53-59.

[3] 苗福豐, 唐西勝, 齊智平 (Miao Fufeng, Tang Xisheng, Qi Zhiping). 儲(chǔ)能參與風(fēng)電一次調(diào)頻的容量?jī)?yōu)化 (Capacity optimization of energy storage participating to wind plant primary frequency regulation) [J]. 電工電能新技術(shù) (Advanced Technology of Electrical Engineering and Energy), 2016, 35(4): 35-42.

[4] Wang X Y, Mahinda V D, Chou S. Determination of battery storage capacity in energy buffer for wind farm[J]. IEEE Transactions on Energy Conversion, 2008, 23(3): 868-877.

[5] 殷志敏, 晁勤, 王純琦, 等 (Yin Zhimin, Chao Qin, Wang Chunqi, et al.). 基于風(fēng)儲(chǔ)經(jīng)濟(jì)調(diào)度的儲(chǔ)能容量?jī)?yōu)化配置 (An optimization calculation method of wind farm energy storage capacity based on economic dispatch) [J]. 可再生能源 (Renewable Energy Resources), 2016, 34(1): 64-71.

[6] 劉吉臻, 王海東, 李明揚(yáng) (Liu Jizhen, Wang Haidong, Li Mingyang). 含風(fēng)電的電力系統(tǒng)機(jī)組組合問題研究綜述 (Review on unit commitment of power systems with wind power integration) [J]. 電力建設(shè) (Power Construction), 2014, 35(12): 38-44.

[7] Yan Ning, Xing Zuoxia, Li Wei, et al. Economic dispatch application of power system with energy storage systems[J]. IEEE Transactions on Applied Superconductivity, 2016, 26(7): 0610205.

[8] Chakraborty S, Senjyu T, Saher A Y, et al. Optimal thermal unit commitment integrated with renewable energy sources using advanced particle swarm optimization[J]. IEEJ Transactions on Electrical and Electronic Engineering, 2009, 4(5): 609-617.

[9] 施琳, 羅毅, 涂光瑜, 等 (Shi Lin, Luo Yi, Tu Guangyu, et al.). 考慮風(fēng)電場(chǎng)調(diào)度性的儲(chǔ)能容量配置方法 (Energy storage sizing method considering dispatchability of wind farm) [J]. 電工技術(shù)學(xué)報(bào) (Transactions of China Electrotechnical Society), 2013, 28(5): 120-127.

[10] 楊秀, 陳潔, 朱蘭, 等 (Yang Xiu, Chen Jie, Zhu Lan, et al.). 基于經(jīng)濟(jì)調(diào)度的微網(wǎng)儲(chǔ)能優(yōu)化配置 (Optimization allocation of energy storage for microgrid based on economic dispatch) [J]. 電力系統(tǒng)保護(hù)與控制 (Power System Protection and Control), 2013, 41(1): 53-60.