“源-儲(chǔ)-荷”三階段協(xié)調(diào)優(yōu)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(xué)院，江蘇 南京 211167）

0 引言

能源是推動(dòng)國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展的基礎(chǔ)動(dòng)力和必要條件，而隨著我國(guó)經(jīng)濟(jì)的不斷快速發(fā)展，化石能源供應(yīng)緊缺及其帶來(lái)的生態(tài)環(huán)境污染等問(wèn)題日益嚴(yán)重，清潔能源的地位愈發(fā)重要。

新能源與傳統(tǒng)能源的巨大差別在于新能源具有無(wú)污染和可再生性，在各個(gè)國(guó)家的電力供應(yīng)能源中占比逐年攀升。然而，由于受到天氣、市場(chǎng)、使用等因素的影響，新能源自身仍然存在著較大的波動(dòng)性和不確定性，大規(guī)模使用新能源發(fā)電參與市場(chǎng)競(jìng)爭(zhēng)將給電力市場(chǎng)交易機(jī)制以及電力系統(tǒng)安全穩(wěn)定運(yùn)行帶來(lái)極大挑戰(zhàn)。因此，研究新能源發(fā)電出力預(yù)測(cè)技術(shù)具有重要意義。

儲(chǔ)能具有迅速充電或放電的能力，可以有效應(yīng)對(duì)新能源發(fā)電引起的電網(wǎng)頻率、電壓及相位變化，促進(jìn)新能源大規(guī)模發(fā)電并穩(wěn)定上網(wǎng)，加快安全、經(jīng)濟(jì)、清潔、綠色電力網(wǎng)絡(luò)的建設(shè)。其中，鋰電池儲(chǔ)能有容量大、壽命長(zhǎng)、響應(yīng)速度快的特點(diǎn)，是目前國(guó)內(nèi)外企業(yè)與研究機(jī)構(gòu)的重點(diǎn)研究對(duì)象。

新能源直接參與市場(chǎng)競(jìng)爭(zhēng)獲利，儲(chǔ)能系統(tǒng)通過(guò)低價(jià)蓄電、高價(jià)放電的價(jià)格差獲利的模式成為趨勢(shì)。因此，以“源-儲(chǔ)-荷”聯(lián)合系統(tǒng)為研究對(duì)象，結(jié)合電力市場(chǎng)三階段協(xié)調(diào)優(yōu)化策略，建立“源-儲(chǔ)-荷”聯(lián)合系統(tǒng)三階段協(xié)調(diào)優(yōu)化模型，實(shí)現(xiàn)聯(lián)合系統(tǒng)收益最大的目標(biāo)。

1 BP神經(jīng)網(wǎng)絡(luò)的光伏出力預(yù)測(cè)

使用BP神經(jīng)網(wǎng)絡(luò)對(duì)光伏出力進(jìn)行預(yù)測(cè)[1]。BP神經(jīng)網(wǎng)絡(luò)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(yīng)系統(tǒng)。通過(guò)模擬大腦神經(jīng)網(wǎng)絡(luò)出力和記憶信息的方式，對(duì)數(shù)據(jù)進(jìn)行處理。通過(guò)調(diào)節(jié)網(wǎng)絡(luò)的復(fù)雜程度，調(diào)整內(nèi)部大量神經(jīng)元的連接方式，達(dá)到處理信息的目的。選用一年365天的數(shù)據(jù)，每隔15分鐘記錄一次?？梢员容^精確地預(yù)測(cè)未來(lái)一天的光伏出力數(shù)據(jù)?？梢缘玫轿磥?lái)一天的光伏數(shù)據(jù)。

2 負(fù)載功率預(yù)測(cè)

使用支持向量機(jī)的方法對(duì)用戶(hù)端負(fù)載功率進(jìn)行預(yù)測(cè)，支持向量機(jī)SVM是從線性可分情況下得到最優(yōu)的分類(lèi)面。想要做到最優(yōu)分類(lèi)，一是要求分類(lèi)先能夠?qū)深?lèi)無(wú)錯(cuò)誤地分開(kāi)，使經(jīng)驗(yàn)風(fēng)險(xiǎn)達(dá)到最小，二是保證兩類(lèi)之間的分類(lèi)間隔最大，使得推廣性中的置信范圍最小。支持向量機(jī)通過(guò)定義適當(dāng)?shù)膬?nèi)積函數(shù)進(jìn)行非線性變換將輸入空間變換到高維空間，在這個(gè)新的高維空間中求取最優(yōu)線性分類(lèi)面。支持向量機(jī)求得的分類(lèi)函數(shù)類(lèi)似一個(gè)神經(jīng)網(wǎng)絡(luò)，將若干個(gè)中間層節(jié)點(diǎn)的線性組合進(jìn)行輸出，可以使用支持向量機(jī)的方法預(yù)測(cè)下一天的負(fù)荷數(shù)據(jù)。

3 儲(chǔ)能系統(tǒng)運(yùn)行分析

儲(chǔ)能系統(tǒng)運(yùn)行分析，首先要分析儲(chǔ)能運(yùn)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(tài)（SOC）上限與下限約束是儲(chǔ)能系統(tǒng)運(yùn)行的主要約束條件。為保證儲(chǔ)能持續(xù)運(yùn)行的周期性，儲(chǔ)能系統(tǒng)的每個(gè)調(diào)度周期開(kāi)始和結(jié)束時(shí)的荷電狀應(yīng)保持態(tài)應(yīng)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(guān)，描述儲(chǔ)能的動(dòng)態(tài)放電效率可以用功率效率函數(shù)表示[3]。

充放電效率的曲線具有單調(diào)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?？梢院?jiǎn)化成一個(gè)線性函數(shù)。放電效率范圍為78%～95%。

放電效率函數(shù)如（1）所示：

在充電環(huán)節(jié)中，可以把電池的充電環(huán)節(jié)分成三段，充電環(huán)節(jié)的功率調(diào)節(jié)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(nèi)的取值范圍為0.87～0.97，此處可以常數(shù)處理，取中間值0.93。

充電效率函數(shù)如下所示：

4 市場(chǎng)優(yōu)化模型

本文將主要從日前市場(chǎng)的初步調(diào)配完成最終儲(chǔ)能系統(tǒng)模型[4]。日前市場(chǎng)主要用于預(yù)測(cè)大方向，它的時(shí)間提前量為一天，通過(guò)對(duì)數(shù)據(jù)的分析從而預(yù)測(cè)出市場(chǎng)的需求和計(jì)劃出力，在日前形成與實(shí)際運(yùn)行情況相符合的優(yōu)化交易計(jì)劃。

為追求經(jīng)濟(jì)效益這一目標(biāo)，確立光伏發(fā)電與儲(chǔ)能售電收入為主要收益。除去系統(tǒng)負(fù)荷、儲(chǔ)能購(gòu)電、儲(chǔ)能運(yùn)行損耗這些成本因素，最終確立聯(lián)合系統(tǒng)。以聯(lián)合系統(tǒng)收益最大為目標(biāo)函數(shù)，表示為：

聯(lián)合系統(tǒng)光伏發(fā)電與儲(chǔ)能售電收入：

聯(lián)合系統(tǒng)支出購(gòu)電成本：

儲(chǔ)能系統(tǒng)運(yùn)行損耗：

日前優(yōu)化的約束條件包括聯(lián)合系統(tǒng)功率平衡約束：

功率平衡約束：

光伏發(fā)電功率調(diào)度約束：

儲(chǔ)能系統(tǒng)充電/放電約束：考慮到儲(chǔ)能系統(tǒng)動(dòng)態(tài)效率特性，首先將儲(chǔ)能的充電功率用m段擬合，則有：

儲(chǔ)能荷電狀態(tài)約束：

聯(lián)合系統(tǒng)與配電網(wǎng)傳輸約束：

“源-儲(chǔ)-荷”的協(xié)調(diào)運(yùn)行策略通過(guò)日前優(yōu)化調(diào)整已確定。當(dāng)實(shí)時(shí)光伏發(fā)電功率不足市場(chǎng)需求時(shí)，可從向平衡市場(chǎng)購(gòu)買(mǎi)相應(yīng)差額的電量以彌補(bǔ)預(yù)定電功率的不足；而光伏發(fā)電功率超出市場(chǎng)需求時(shí)，因?yàn)榻咏鼘?shí)時(shí)調(diào)控，那么多出的電功率會(huì)挪作他用或者直接放棄。

5 算例分析

為了驗(yàn)證本文所提供模型的有效性，在MATLAB R2016a的開(kāi)發(fā)環(huán)境下，調(diào)用CPLEX12.8進(jìn)行求解。

本文選取了寧夏某一地區(qū)容量大小為5 MW的光伏發(fā)電場(chǎng)，配以鋰電池儲(chǔ)能，符合選取寧夏市棉紡印染加工行業(yè)某一用戶(hù)2017年的用電數(shù)據(jù)構(gòu)成典型年負(fù)荷曲線。儲(chǔ)能類(lèi)型為鋰電池儲(chǔ)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(chǔ)能的荷電狀態(tài)下限為0.3，上限為1，儲(chǔ)能荷電狀態(tài)初始值為0.5。

5.1 負(fù)荷特性分析

由于大工業(yè)用戶(hù)用電的規(guī)律性，方便于分析各類(lèi)用戶(hù)的運(yùn)行負(fù)荷。將同時(shí)段的運(yùn)行負(fù)荷數(shù)據(jù)進(jìn)行累加，使用支持向量機(jī)進(jìn)行預(yù)測(cè)可以得到負(fù)荷功率數(shù)據(jù)。

5.2 源儲(chǔ)荷三階段分析

經(jīng)過(guò)上文的計(jì)算分析后，可以得到源儲(chǔ)荷協(xié)調(diào)優(yōu)化的示意圖，如圖所示。紡織廠的用電負(fù)荷，用紅線表示。黃色表示光伏發(fā)電出力，橙色表示蓄電池放電功率，藍(lán)色表示電網(wǎng)交換功率[6]，綠色表示蓄電池充電功率。

5.3 購(gòu)售電和電池充放電功率

以蓄電池儲(chǔ)能為例。光伏發(fā)電多出來(lái)的電能需要儲(chǔ)存到蓄電池中。以應(yīng)對(duì)后面可能出現(xiàn)的新能源出力不足的情況，可以較好地滿(mǎn)足負(fù)載要求。為了新能源發(fā)電的效益，電池的充放電與實(shí)時(shí)電價(jià)有關(guān)。若購(gòu)電電價(jià)較高，那么會(huì)優(yōu)先使用新能源供電，避免購(gòu)電的高成本。同理，如果購(gòu)電電價(jià)較低，那么可能會(huì)優(yōu)先從電網(wǎng)購(gòu)電，先把新能源發(fā)電的電量?jī)?chǔ)存起來(lái)，等售電電價(jià)較高時(shí)再售出。

6 結(jié)語(yǔ)

本文研究源儲(chǔ)荷聯(lián)合系統(tǒng)的儲(chǔ)能容量?jī)?yōu)化配置模型，以系統(tǒng)總收益最大為目標(biāo)函數(shù)，分析對(duì)源儲(chǔ)荷聯(lián)合系統(tǒng)的儲(chǔ)能容量配置的影響因素。在功率預(yù)測(cè)的基礎(chǔ)上，通過(guò)合理配置彈性負(fù)荷并進(jìn)行合理的市場(chǎng)優(yōu)化。能夠在調(diào)整電功率波動(dòng)的基礎(chǔ)上，提高光伏發(fā)電場(chǎng)帶來(lái)的經(jīng)濟(jì)效益。