考慮調(diào)峰調(diào)頻需求的新能源電網(wǎng)儲能優(yōu)化配置

李秀慧，崔 炎

（國網(wǎng)甘肅省電力公司，甘肅 蘭州 730030）

“碳達峰、碳中和”目標(biāo)下，我國每年風(fēng)光新能源的新增裝機容量將達到75 GW，電力系統(tǒng)正經(jīng)歷綠色低碳轉(zhuǎn)型和能源結(jié)構(gòu)變革[1-2]。新能源滲透率的升高使電網(wǎng)面臨日益嚴峻的電力電量不平衡問題，新能源隨機性、波動性和間歇性對電網(wǎng)安全穩(wěn)定運行的沖擊日益加劇[3]。傳統(tǒng)火電等靈活性資源發(fā)展受限，電化學(xué)儲能作為前景廣闊的靈活資源將在新型電力系統(tǒng)中充當(dāng)重要角色[4-5]。因此，面向系統(tǒng)調(diào)峰、調(diào)頻等需求合理配置電化學(xué)儲能是緩解新能源電網(wǎng)電力電量不平衡矛盾的重要措施。

當(dāng)前國內(nèi)外學(xué)者立足調(diào)峰、調(diào)頻、抑制超低頻振蕩、消納新能源等儲能應(yīng)用場景，開展了電化學(xué)儲能電站容量配置相關(guān)研究。文獻[6]提出一種儲能輔助電網(wǎng)調(diào)峰的雙層配置方案，并對儲能系統(tǒng)全壽命周期內(nèi)的經(jīng)濟性進行分析；文獻[7]以頻率變化率和頻率偏差為限制條件，提出了一種高風(fēng)電滲透率下考慮電網(wǎng)頻率支撐需求的儲能系統(tǒng)配置方法；文獻[8]提出了電網(wǎng)側(cè)儲能電站參與超低頻振蕩抑制應(yīng)用的容量分配方法；文獻[9]構(gòu)建了基于分類概率機會約束信息間隙決策理論的配網(wǎng)儲能魯棒優(yōu)化配置模型。綜上，儲能電站容量配置相關(guān)研究多基于單一應(yīng)用場景，如調(diào)峰[6]、調(diào)頻[7]、消納新能源[9-10]、平抑波動[11]、提高供電可靠性[12-13]等，然而僅考慮單一應(yīng)用場景配置儲能，忽略電網(wǎng)側(cè)儲能電站其他輔助服務(wù)價值，會低估儲能帶來的效益，造成規(guī)劃建設(shè)階段儲能配置容量與系統(tǒng)實際儲能需求容量不匹配，難以充分挖掘儲能調(diào)峰-調(diào)頻等多應(yīng)用場景協(xié)調(diào)運行的潛力。

考慮到電化學(xué)儲能仍具有較高成本，挖掘儲能多場景協(xié)調(diào)應(yīng)用，實現(xiàn)其參與電網(wǎng)多重輔助服務(wù)，可提高儲能經(jīng)濟效益以及電網(wǎng)的靈活性和穩(wěn)定性。有學(xué)者提出將儲能頻率調(diào)節(jié)、削峰填谷、消納新能源等多應(yīng)用場景結(jié)合起來。文獻[3]采用動態(tài)規(guī)劃框架整合頻率控制和調(diào)頻目標(biāo)，實現(xiàn)儲能雙重輔助服務(wù)聯(lián)合優(yōu)化；文獻[14]利用頻率響應(yīng)備用容量約束將儲能一次調(diào)頻和儲能調(diào)峰統(tǒng)一到同一時間尺度下，實現(xiàn)百兆瓦級儲能參與電網(wǎng)雙重輔助服務(wù)；文獻[15]從電/熱儲能互補的角度提出了儲能在消納新能源棄電和削減電負荷高峰兩個場景下的協(xié)調(diào)運行策略；文獻[16]考慮電池壽命衰減、運行約束以及負荷和調(diào)節(jié)信號的不確定性，提出了儲能調(diào)峰和調(diào)頻聯(lián)合優(yōu)化框架；文獻[17]提出基于荷電狀態(tài)的儲能調(diào)峰-調(diào)頻工作區(qū)域劃分方法和協(xié)同控制策略，提高了儲能利用率。上述文獻雖然結(jié)合了儲能多重應(yīng)用場景，但并未將多重應(yīng)用場景下儲能的規(guī)劃配置與運行調(diào)度有機融合，即在儲能配置時并未對儲能與常規(guī)機組的調(diào)峰-調(diào)頻多時間尺度運行進行刻畫。此外，面向新型電力系統(tǒng)的儲能優(yōu)化配置技術(shù)亦不能忽視碳約束的影響。

綜上研究與問題，本文提出考慮新能源電網(wǎng)調(diào)峰調(diào)頻需求的儲能優(yōu)化配置方法。首先，建立典型日運行模擬模型，考慮到調(diào)峰和調(diào)頻的時間尺度不同將典型日運行模擬分為日前調(diào)峰與日內(nèi)調(diào)頻兩個階段，調(diào)峰階段以電源發(fā)電成本和棄風(fēng)棄光成本最小為目標(biāo)，計及網(wǎng)絡(luò)潮流約束、碳約束、儲能運行約束等，調(diào)頻階段以機組調(diào)頻容量費用、電量費用和聯(lián)絡(luò)線功率交換偏差懲罰最小為目標(biāo)，計及功率平衡約束、AGC 可征用容量約束等。然后，建立儲能雙層優(yōu)化配置模型，上層為配置問題，下層為運行模擬問題，通過差分進化算法+Gurobi 求解器的混合算法進行求解。

1 儲能與常規(guī)機組聯(lián)合調(diào)峰-調(diào)頻運行

1.1 典型日下調(diào)峰-調(diào)頻運行模擬

以滿足系統(tǒng)調(diào)峰調(diào)頻需求為導(dǎo)向的儲能配置研究需對其雙重輔助服務(wù)效果進行量化。本工作采用典型日兩階段運行模擬的方法量化儲能對系統(tǒng)調(diào)峰-調(diào)頻的貢獻。具體思路是通過對規(guī)劃年的負荷、風(fēng)電、光伏時序曲線進行聚類得到典型日曲線；再基于典型日曲線進行兩階段運行模擬得到系統(tǒng)運行成本；將儲能配置前后運行成本求差即可得到儲能的貢獻。兩階段運行模擬亦使儲能配置優(yōu)化問題包含了調(diào)峰-調(diào)頻雙重應(yīng)用場景的運行約束。

前述對時序曲線進行聚類是因為若以全年時序負荷、風(fēng)電、光伏功率進行優(yōu)化會存在求解規(guī)模過大的問題，考慮到負荷、風(fēng)電、光伏功率有明顯的季節(jié)性，可采用K-means 聚類方法得到典型日功率曲線來表征全年的功率曲線。聚類步驟：首先，隨機選擇D個初始聚類質(zhì)心(規(guī)劃典型日)；其次，對年時序功率曲線以日為單位劃分的365個聚類單元進行聚類；最終，得出D種規(guī)劃典型日以及各典型日的對應(yīng)天數(shù)。利用典型日的功率數(shù)據(jù)進行后續(xù)優(yōu)化可大幅降低求解規(guī)模，縮短求解時間。

基于全年時序數(shù)據(jù)聚類處理的典型日調(diào)峰-調(diào)頻運行模擬借鑒“here-and-now & wait-and-see”的思想，劃分為日前調(diào)峰階段和日內(nèi)調(diào)頻階段，如圖1所示。兩個階段時間尺度不同，日前調(diào)峰為1 h時間尺度的優(yōu)化，日內(nèi)調(diào)頻為5 min 時間尺度的優(yōu)化。日前調(diào)峰階段模擬儲能、機組等靈活資源的開關(guān)機狀態(tài)、計劃出力和備用容量等，將第一階段基準功率和可調(diào)容量傳遞給第二階段日內(nèi)調(diào)頻模擬靈活資源的功率調(diào)整量，日前調(diào)峰與日內(nèi)調(diào)頻有機整合則得到典型日的運行模擬結(jié)果。

1.2 調(diào)峰階段運行

1.2.1 目標(biāo)函數(shù)

1.2.2 約束條件

調(diào)峰運行模擬約束條件考慮電網(wǎng)功率平衡以及各發(fā)電主體實際物理限制。本工作特別考慮了電網(wǎng)運行的碳足跡約束，進一步促進新能源的消納。式(5)～(9)表示網(wǎng)絡(luò)潮流約束，式(10)～(14)表示機組運行約束，式(15)～(20)表示儲能運行約束，式(21)表示機組備用約束，式(22)表示儲能備用約束，式(23)表示系統(tǒng)分區(qū)備用約束，式(24)～(25)表示碳足跡約束。

1.3 調(diào)頻階段運行

1.3.1 目標(biāo)函數(shù)

電力系統(tǒng)由多個控制區(qū)互聯(lián)組成，各互聯(lián)系統(tǒng)的靜態(tài)頻率保持一致，在調(diào)度管理上各區(qū)域的源荷功率平衡應(yīng)由本區(qū)域自己解決，也就是說當(dāng)某一區(qū)域發(fā)生功率不平衡時，在保證系統(tǒng)頻率在正常范圍的前提下，聯(lián)絡(luò)線交互功率穩(wěn)態(tài)值應(yīng)與計劃值一致。對此，調(diào)頻階段目標(biāo)函數(shù)包含聯(lián)絡(luò)線交互功率偏差懲罰函數(shù)，以保證區(qū)域間聯(lián)絡(luò)線有功交換符合系統(tǒng)安全優(yōu)質(zhì)運行要求。目標(biāo)函數(shù)見式(26)，具體包含機組二次調(diào)頻電量費用Ffd和容量費用FRd，以及聯(lián)絡(luò)線的偏差懲罰FLinePund。

1.3.2 約束條件

調(diào)頻運行模擬約束條件包含發(fā)電機及儲能系統(tǒng)的調(diào)頻約束、電網(wǎng)功率平衡約束等。式(29)表示AGC可征用的機組備用容量約束，式(30)為機組二次調(diào)頻約束。與常規(guī)機組類似，式(31)～(32)表示儲能的調(diào)頻約束。式(33)表示日內(nèi)負荷、新能源發(fā)生計劃外波動時的功率平衡約束，此外各控制區(qū)也要滿足功率平衡，以區(qū)域Ⅰ為例見式(34)。

2 儲能電站容量配置雙層優(yōu)化

2.1 配置問題框架

建立儲能規(guī)劃-運行雙層優(yōu)化模型，如圖2 所示。上層為儲能配置問題，以規(guī)劃年儲能投資成本和系統(tǒng)運行成本最小為目標(biāo)；下層為典型日運行模擬問題，分為調(diào)峰-調(diào)頻兩個階段即第1 節(jié)所述模型。雙層優(yōu)化問題的上層模型生成儲能配置結(jié)果并傳遞給下層，下層模型基于不同典型日生成運行模擬結(jié)果并回傳給上層，隨后上層計算規(guī)劃年總成本并更新儲能配置結(jié)果，通過不斷交互迭代實現(xiàn)儲能系統(tǒng)的最優(yōu)配置。

圖2 考慮綜合成本的儲能配置框架Fig.2 Energy storage configuration framework considering comprehensive cost

2.2 儲能配置模型

2.2.1 目標(biāo)函數(shù)

上層配置問題的目標(biāo)函數(shù)式(35)包含儲能等值年投資成本、儲能年運維成本以及系統(tǒng)規(guī)劃年運行成本，其中系統(tǒng)規(guī)劃年運行成本由下層各典型日運行模擬結(jié)果加權(quán)算得，權(quán)重系數(shù)為各典型日表征的天數(shù)。

2.2.2 約束條件

受限于儲能技術(shù)、可建設(shè)場地面積、資金預(yù)算等因素，上層儲能配置模型包含最大安裝功率、最大安裝容量約束和最大投資金額限制，即式(38)。關(guān)于下層模型-典型日運行模擬已在第一節(jié)中詳細闡述。

2.3 問題求解

針對上述儲能規(guī)劃-運行雙層優(yōu)化問題，采用差分進化算法+Gurobi 求解器的混合算法進行求解。將下層模型嵌套至上層模型中，上層采用差分進化算法對儲能配置決策進行迭代尋優(yōu)，下層典型日運行模擬為混合整數(shù)線性規(guī)劃問題，使用商業(yè)求解器Gurobi進行求解，求解流程如圖3所示。

圖3 儲能配置流程示意圖Fig.3 Schematic diagram of energy storage configuration process

3 算例分析

3.1 算例條件

3.2 配置結(jié)果分析

圖4 改進的PJM-5節(jié)點算例系統(tǒng)Fig.4 Improved PJM-5 node example system

表1 儲能系統(tǒng)經(jīng)濟參數(shù)Table 1 Economic parameters of energy storage system

表2 各能源類型CO2當(dāng)量值Table 2 CO2 equivalent value for each energy type

圖5 負荷、光伏、風(fēng)電全年功率曲線Fig.5 Annual power curves of load,photovoltaic and wind power

圖6 典型日負荷、光伏、風(fēng)電曲線Fig.6 Typical daily load,photovoltaic,wind power curve

3種方案下運行成本如表3所示，方案1儲能系統(tǒng)配置功率比方案2高9 MW，配置容量低39 MWh，儲能年均成本低9 × 105美元，這是因為需要更大的儲能功率參與系統(tǒng)調(diào)頻響應(yīng)。方案1由于配置的容量相較于方案2更低，且單位容量價格比單位功率價格更高，因此儲能年均投資成本更低。方案1對比方案2和方案3大幅降低了系統(tǒng)的棄負荷成本，可見儲能系統(tǒng)能有效消納新能源，減少了棄風(fēng)光成本。方案1的系統(tǒng)調(diào)峰成本相較于方案2和方案3分別下降了12%和18%，調(diào)頻成本下降了91%，儲能系統(tǒng)大幅降低了系統(tǒng)的調(diào)峰調(diào)頻成本。綜合以上所有成本，方案1的系統(tǒng)年均總成本比方案2低3.9×107美元，比方案3低4.7 × 107美元，儲能系統(tǒng)參與雙重應(yīng)用場景比單一場景和無儲能場景系統(tǒng)年總成本更低。

表3 3種方案配置結(jié)果對比Table 3 Comparison of configuration results in the three schemes

3.2.1 經(jīng)濟性分析

為分析考慮雙重應(yīng)用場景配置儲能的合理性，設(shè)計3 個規(guī)劃方案進行對比。方案1 考慮系統(tǒng)調(diào)峰調(diào)頻需求配置儲能；相較于雙重應(yīng)用場景，現(xiàn)有文獻[22-23]多考慮儲能系統(tǒng)參與單一調(diào)峰場景的配置優(yōu)化，因此設(shè)定方案2，僅考慮系統(tǒng)調(diào)峰需求配置儲能，作為本工作規(guī)劃方案的對比；方案3 無儲能，僅有火電機組調(diào)峰調(diào)頻。

3.2.2 調(diào)峰效果和新能源消納程度分析

為分析儲能系統(tǒng)配置后對系統(tǒng)調(diào)峰效果的影響，引入3個方案下凈負荷曲線，如圖7所示，以各典型日無儲能方案作為對比，可看出在18:00～24:00 時段，方案1和方案2的系統(tǒng)凈負荷更低，且方案1系統(tǒng)凈負荷低于方案2系統(tǒng)凈負荷，說明考慮調(diào)峰調(diào)頻運行的儲能配置相較于方案2、3更有利于削減系統(tǒng)尖峰負荷。典型日3的4:00～10:00時段，方案1和方案2的系統(tǒng)凈負荷高于方案3的系統(tǒng)凈負荷，說明配置的儲能填補了系統(tǒng)負荷缺額，此時儲能系統(tǒng)作為負荷吸收電網(wǎng)電能進行充電。典型日2的7:00～17:00時段，方案1系統(tǒng)凈負荷低于方案2、3的系統(tǒng)凈負荷，這是因為典型日2的風(fēng)光出力大幅高于典型日1、3出力，系統(tǒng)凈負荷低體現(xiàn)了儲能在系統(tǒng)中發(fā)揮了調(diào)峰的作用。

圖7 3種方案的凈負荷曲線對比Fig.7 Net load curves of the three schemes were compared

典型日2 的機組開機狀態(tài)如圖8 所示，方案1相較方案2、3，其7:00～18:00時段火電機組G1、G2的關(guān)機時間更長，說明配置儲能后，區(qū)域Ⅰ的負荷大部分由新能源機組承擔(dān)。方案2、3 則發(fā)生了新能源的棄風(fēng)、棄光現(xiàn)象，可見配置儲能有利于消納新能源，并減少火電機組運行。將典型日數(shù)據(jù)輸入模型模擬運行，得到年8760 個小時各方案的新能源出力分布函數(shù)曲線如圖9 所示，方案1 中儲能雖然參與了系統(tǒng)的調(diào)頻調(diào)峰場景，系統(tǒng)仍不能將新能源出力完全消納，這是因為運行模型是以總運行成本最低為目標(biāo)函數(shù)，若完全消納則不能達到全局最優(yōu)，但是與方案2、3相比，方案1已實現(xiàn)了大幅消納新能源出力的效果。

圖8 典型日2下3種方案的機組開機狀態(tài)Fig.8 Unit startup status in three schemes on typical day 2

圖9 新能源出力的概率分布曲線Fig.9 Distribution function curve of new energy output

3.2.3 系統(tǒng)運行碳足跡分析

典型日2下3種方案的碳足跡如圖10所示，由式(24)可知，系統(tǒng)總碳足跡由火電、光伏和風(fēng)電出力共同決定，且火電碳足跡當(dāng)量值大幅高于光伏和風(fēng)電，可見火電機組出力對碳足跡有決定性的影響，圖7典型日2的凈負荷曲線與圖10曲線大致擬合，是因為配置儲能系統(tǒng)后，方案1的光伏、風(fēng)電出力占比提升，使總體碳足跡更低，間接說明了系統(tǒng)運行產(chǎn)生的碳排放更少。

圖10 典型日2下三種方案的碳足跡Fig.10 Carbon footprint of three schemes on typical day 2

3.2.4 儲能運行及AGC調(diào)頻分析

方案1 和方案2 下儲能系統(tǒng)調(diào)峰、調(diào)頻出力及SOC 變化曲線如圖12 所示，圖中方案1 和方案2的儲能日前運行并不相同，可知考慮儲能頻率響應(yīng)會影響儲能日前調(diào)峰運行。典型日2 下AGC 征用的火電機組總?cè)萘咳鐖D11所示，方案1、方案2和方案3均能使系統(tǒng)頻率和區(qū)域聯(lián)絡(luò)線傳輸功率保持在正常區(qū)間內(nèi)，方案2的AGC征用容量與方案3基本相同，說明儲能若不參與調(diào)頻，則系統(tǒng)的頻率調(diào)整均由常規(guī)機組完成；方案1 的AGC 征用容量遠小于方案2，說明儲能響應(yīng)ACE信號可以減少常規(guī)機組的功率調(diào)整。結(jié)合表3，因為儲能系統(tǒng)調(diào)頻比火電機組調(diào)頻的成本更低，因此方案1系統(tǒng)調(diào)頻成本更低，綜上，在規(guī)劃階段考慮儲能調(diào)峰調(diào)頻運行可以更好匹配系統(tǒng)的實際儲能需求。

圖11 典型日2下AGC征用的火電機組總?cè)萘縁ig.11 Total capacity of thermal power units requisitioned by AGC in typical day 2

圖12 儲能調(diào)峰、調(diào)頻出力及SOC變化曲線Fig.12 Energy storage peak modulation,frequency modulation output and SOC change curve

4 結(jié) 論

針對新能源電網(wǎng)的調(diào)峰調(diào)頻需求，本工作提出儲能參與雙重應(yīng)用場景的最優(yōu)配置方法。首先模擬典型日調(diào)峰-調(diào)頻兩階段運行，然后基于不同典型日下運行模擬提出儲能規(guī)劃-運行雙層優(yōu)化方法。算例結(jié)果表明：

（1）與僅計及調(diào)峰需求配置儲能相比，考慮調(diào)峰-調(diào)頻需求配置儲能的經(jīng)濟性更優(yōu)、系統(tǒng)靈活性更高；

（2）考慮調(diào)峰需求配置儲能可平整系統(tǒng)的凈負荷曲線，提升新能源并網(wǎng)消納，實現(xiàn)火電機組發(fā)電占比下降并減少系統(tǒng)運行碳排放；

（3）考慮調(diào)頻需求配置儲能可降低火電機組AGC 征用總?cè)萘?，儲能系統(tǒng)以其快速充放電能力以及成本較低的優(yōu)勢響應(yīng)了系統(tǒng)的調(diào)頻需求。