階梯式碳交易下考慮源荷不確定性的儲能優(yōu)化配置

郝 婷，樊小朝，王維慶，史瑞靜，李笑竹，何 山，常喜強,4

階梯式碳交易下考慮源荷不確定性的儲能優(yōu)化配置

郝 婷1,2，樊小朝1,3，王維慶1，史瑞靜1,3，李笑竹1，何 山1，常喜強1,4

(1.新疆大學電氣工程學院，新疆 烏魯木齊 830047；2.華電新疆發(fā)電有限公司，新疆 烏魯木齊 830063；3.新疆工程學院新能源科學與工程系，新疆 烏魯木齊 830000；4.國網新疆電力有限公司，新疆 烏魯木齊 830018)

雙碳愿景下，維持高比例新能源電力系統(tǒng)的穩(wěn)定性和靈活性，配置儲能是關鍵。建立了考慮階梯式碳交易和分時電價的儲能魯棒模型。在模型中考慮了源荷雙側的不確定性影響，利用時間平滑約束和空間集群約束來縮小源荷不確定性集邊界，降低模型的保守性。通過拉格朗日推理把不確定性約束轉換為確定性約束，并用改進的麻雀算法對模型進行求解。算例表明，時空耦合效應下系統(tǒng)經濟性將得到顯著提升，決策者可通過選擇不確定性的置信概率來平衡系統(tǒng)經濟性與魯棒性。針對不同靈活性改造階段提出了不同的儲能規(guī)劃方案，指出區(qū)域內火電存量低于43%時，系統(tǒng)開始具有碳收益。

儲能規(guī)劃；魯棒模型；不確定性集；階梯式碳交易；靈活性改造

0 引言

為實現(xiàn)雙碳愿景，我國一方面持續(xù)深入地對傳統(tǒng)發(fā)電機組進行研究，通過靈活性改造來提高機組調峰能力；另一方面大力推進以風光為主的清潔能源的建設與消納，減少對化石能源的依賴與需求，發(fā)展綠色低碳經濟[1-3]。我國風光資源與負荷需求存在地理錯位[4]，風光能源基地與區(qū)域電網間的聯(lián)系日益緊密[5]，給區(qū)域電力系統(tǒng)帶來了巨大的挑戰(zhàn)：風力、光伏發(fā)電間歇性和波動性的特質令其出力難以準確預估，源側風光的不確定性與荷側固有的不確定性耦合，給電力系統(tǒng)調峰帶來困難[6-7]；靈活性改造下火電機組陸續(xù)退出，導致系統(tǒng)備用容量不足、靈活資源欠缺等問題[8-9]。因此亟需尋找一種清潔高效的資源，來滿足風光高比例并網的靈活性、穩(wěn)定性需求[10]。儲能設備能夠在時間和空間尺度上快速靈活地對能量進行調度，實現(xiàn)功率匹配，解決調峰困難，維持系統(tǒng)穩(wěn)定，近年來得到廣泛應用[11]。目前儲能成本仍然較高，因此如何在全面考慮不確定性源荷、靈活性改造等因素前提下，合理規(guī)劃區(qū)域儲能，是保電力系統(tǒng)穩(wěn)定、促低碳能源發(fā)展的重要命題。

近年來，在新能源高滲透系統(tǒng)配儲方面，各國學學者做了許多研究。文獻[12-14]均以平滑新能源的波動功率為目的對儲能進行規(guī)劃，文獻[12]從經濟層面考慮了儲能成本和收益，文獻[13]從性能方面考慮了儲能的安全穩(wěn)定運行，文獻[14]以可靠性和經濟性為目標對儲能進行了規(guī)劃，但三者都僅基于新能源典型出力場景進行分析，并沒有考慮源荷的預測誤差波動對配置結果的影響。文獻[15-17]針對儲能對于不確定性的新能源功率波動的平滑效果和預測功率誤差的補償作用展開了研究。文獻[15]基于隨機規(guī)劃法對風光儲進行聯(lián)合規(guī)劃，但是其僅考慮了風光側的不確定性，計算數據量大且缺乏對場景外風險的考量；文獻[16]在源側的波動范圍設定上并未考慮極端出力情況給系統(tǒng)帶來的風險，且未計及荷側波動的影響，導致結果的魯棒性不佳；文獻[17]僅考慮了源側不確定性的極端出力對系統(tǒng)穩(wěn)定性的影響，在縮小魯棒不確定集的邊界時只納入了空間集群效應，模型仍具有一定的保守性，因此最終結果的經濟性不佳。并且上述文獻均未考慮碳交易對系統(tǒng)經濟性的影響和火電機組退市對系統(tǒng)穩(wěn)定性的影響。

碳交易機制與火電機組靈活性改造旨在降低區(qū)域碳排放，促進風光消納，發(fā)展綠色經濟。文獻[18]通過算例表明碳交易機制能夠促使源荷側協(xié)同節(jié)能減排；文獻[19]指出在碳排放模型加持下，系統(tǒng)能夠協(xié)調多種能源低碳經濟運行；文獻[20]將傳統(tǒng)碳交易[14-15]和階梯式碳交易兩種模型進行對比，結果表明后者能更好地約束系統(tǒng)碳排放；文獻[21]驗證了儲能的容量和聯(lián)絡線的上限會影響碳排放成本，與系統(tǒng)經濟性呈正相關性。鮮有文獻基于階梯式碳交易模式對火電靈活性改造不同階段下的儲能規(guī)劃進行研究。

本文在考慮階梯式碳交易與分時電價的基礎上，建立了計及聯(lián)絡線波動功率、儲能配置成本和系統(tǒng)碳電經濟成本的魯棒優(yōu)化模型；將源荷的不確定性納入影響因素，并且引入時空偏差系數來協(xié)調系統(tǒng)的保守度；在保證模型魯棒性的前提下構建了時空耦合效應下的源荷不確定性集；用拉格朗日法來將不確定性約束轉為確定性約束，探討各不確定量對系統(tǒng)魯棒性、經濟性的影響；提出改進麻雀算法來求解模型。最后，結合算例分析了時空耦合效應對系統(tǒng)魯棒性和經濟性的影響，探討了階梯式碳交易模式下，不同靈活性改造階段對儲能及系統(tǒng)的影響，提出了平衡系統(tǒng)經濟性和魯棒性的決策依據，為區(qū)域電網的儲能規(guī)劃提供借鑒。

1 階梯式碳交易模型

針對本文所提區(qū)域電力系統(tǒng)，構建的碳交易模型由3部分組成：碳配額模型、實際碳排放模型和階梯式碳交易模型。

本文碳配額模型僅考慮國家免費配額制，按照基準法核準。對于某一區(qū)域，其碳排放配額為

實際碳排放模型包含常規(guī)機組碳排放模型(本文考慮常規(guī)機組指本地的火電機組及可再生能源電廠的備用火電機組)和可再生能源碳排放模型。

常規(guī)機組實際碳排放tp為

2 考慮源荷不確定性的優(yōu)化模型

本文考慮的源側可再生能源電站為風電場和光伏電站。

2.1 源荷不確定性處理

根據中心極限定理可以推導出

2.2 目標函數

以區(qū)域電力系統(tǒng)周期總成本最小構建魯棒模型目標函數。

對儲能從投資到后期運維的全周期成本進行管理以提高經濟性，全生命周期成本為

本區(qū)域向其他區(qū)域通過聯(lián)絡線售出電力，聯(lián)絡線成本為

聯(lián)絡線功率波動成本為

2.3 約束條件

1) 功率平衡約束

2) 常規(guī)機組約束

3) 儲能裝置充放電約束

4) 旋轉備用約束

式中，是預設的系統(tǒng)備用率。

5) 上級電網并網功率約束

6) 碳排放約束

2.4 不確定性約束處理與決策

魯棒模型要求在最惡劣情況下仍能維持系統(tǒng)穩(wěn)定，即仍滿足旋轉備用約束。把式(6)、式(8)代入式(17)，以消去式(17)中的不確定量，得到：

根據線性對偶理論和拉格朗日變換可推得調整后的旋轉備用約束：

結合不確定集(6)、(8)進行分析，極端情況描述為：可再生能源出力達到最低和負荷波動達到最高。此時的時空違反備用概率(推導過程見附錄A)為

在空間效應約束下旋轉備用違反概率與源荷個數的關系如圖1所示(令源荷空間不確定性置信概率均為0.6)。

圖1 負荷個數、電站個數與違反概率關系

由圖1可知，當源荷分布的越密集，空間效應對波動的約束越強，旋轉備用越能滿足系統(tǒng)需求，系統(tǒng)魯棒性越好。

時間平滑效應主要體現(xiàn)在具有多個時段的較長周期內對單個源荷功率波動的平滑作用。源荷時間不確定預算的置信概率取值區(qū)間應當在預測精度范圍內。當周期取24 h，源荷的預測精度均取68%，源荷時間不確定性度的置信概率與旋轉備用違反概率關系如圖2所示。由圖2可知，當時間不確定預算的置信概率取值越大，則說明決策者對不確定性的態(tài)度越保守，則留有的旋轉備用的裕量越多，決策經濟性越低，備用約束越容易被滿足，系統(tǒng)魯棒性越強。

圖2 源、荷置信概率與違反概率關系

2.5 改進麻雀算法

分析本文所建模型，目標函數中常規(guī)機組發(fā)電成本考慮了具有非凸特征的閾點效應，模型為混合非凸非線性規(guī)劃問題。為求解該模型，提出麻雀搜索算法(SSA)的改進算法。該算法是受到麻雀捕食行為啟發(fā)而提出的智能算法[23]，經過測試函數說明其在處理具備復雜約束的問題時，收斂精度、穩(wěn)定性、收斂速度都具有較強的競爭力。針對其算法易“早熟”的問題，首先對初始種群進行平均熵處理，令種群中每個個體都均衡地散布在搜索空間，提升求解的魯棒性；在適應度值更新后，利用Levy飛行策略使麻雀的搜索范圍更廣。在改進麻雀算法中，麻雀在搜索空間中的位置對應模型中需要優(yōu)化的決策變量，具體指儲能功率、聯(lián)絡線功率和常規(guī)機組功率。

圖3 算法求解流程圖

為證明算法的競爭力，選取了涵蓋單、多峰值的6個標準測試函數進行算法改進效果測試(函數及參數見附錄B表B1)。對比了改進麻雀算法(ISSA)、麻雀算法(SSA)、粒子群算法(PSO)和差分進化算法(DE)在函數求解上的表現(xiàn)：最優(yōu)值對比如表1所示，最優(yōu)值標準差對比如表2所示，收斂情況見附錄B圖B1。綜合表1、表2、圖B1可以看出，無論在單峰還是多峰函數上，ISSA比其他算法的競爭力都要強。

表1 最優(yōu)值對比

表2 最優(yōu)值標準差對比

3 算例分析

本文采用的算例為改進IEEE9節(jié)點系統(tǒng)[17]。其中風電裝機總容量為850 MW，從節(jié)點3接入；光伏裝機容量為450 MW，從節(jié)點1接入；儲能系統(tǒng)從節(jié)點6接入，使用年限15年；常規(guī)火電機組總容量為135 MW，系統(tǒng)運行參數[17]由附錄C中表C1給出，儲能相關參數由附錄C中表C2給出；常規(guī)機組供電碳排放參數[20]分別取36、-0.38、0.0034，碳排放權配額基準值取0.798 t/MWh，碳排放的基價取55元/t，區(qū)間長度選為500 t，價格增長率取0.2；聯(lián)絡線波動懲罰系數為50。模型調度周期取24 h間隔1 h，風光荷出力預測均值[17]如附錄C中圖C1所示。

3.1 時空約束的影響

首先分析源荷空間效應對區(qū)域系統(tǒng)魯棒性和經濟性的影響。時間和空間不確定預算的置信概率均取0.6。風光荷容量不變，設有若干個風光荷場分布在區(qū)域內不同位置；周期不變，取24 h，則時間不確定預算為19.94。

固定負荷個數，得到旋轉備用違反概率和源魯棒偏差系數隨風光電站個數增加的變化趨勢如圖4所示。

圖4 電站個數與違反概率、源魯棒偏差系數的關系

由圖4可知：當電站個數增加，源魯棒系數越小，旋轉備用約束越容易被滿足，系統(tǒng)的魯棒性越強。

固定風光電站總數為20，分析荷空間效應，得到旋轉備用違反概率和荷魯棒偏差系數隨負荷個數的變化趨勢如圖5所示。由圖5可知，增加負荷的個數會使空間約束性變強，魯棒系數降低，旋轉備用違反概率降低，繼而系統(tǒng)魯棒性增加。

圖5 負荷個數與違反概率、荷魯棒偏差系數的關系

而當源荷個數均持續(xù)增加時(令源荷個數比1:1)，儲能配置方案和系統(tǒng)成本的變化對比如圖6所示。

圖6 電站個數對系統(tǒng)的影響

由圖6可以看出，當源荷個數配置的儲能容量整體呈下降趨勢，系統(tǒng)的運行總成本和儲能全壽命成本都逐漸減小，這是因為區(qū)域內電站分布密度越大，空間集群效應對于系統(tǒng)不確定性的約束就越強，所描述的不確定出力越準確，使系統(tǒng)的魯棒性和經濟性都能夠提升。

接著分析時間效應對區(qū)域系統(tǒng)魯棒性和經濟性的影響。令周期為24 h，風光電站各20，設方案一為考慮空間集群效應的魯棒模型；方案二為考慮耦合時空效應的魯棒模型，比較兩種方案下的聯(lián)絡線出力和儲能出力如圖7所示。由圖7可知，時空耦合作用下的聯(lián)絡線能外送出更多的功率，且儲能的充放電深度要小于僅考慮空間效應下的深度，這是由于在時空耦合作用下，不確定性的波動范圍進一步縮小，減小了模型保守度；值得注意的是，在分時電價的影響下，用電高峰期，伴隨著儲能放電，聯(lián)絡線送出更多電量；用電低谷期，伴隨著儲能充電，聯(lián)絡線送電較少，良好地響應了需求側管理。

圖7 兩種方案出力對比

將僅考慮空間約束的魯棒方案一和考慮時空耦合約束的魯棒方案二運行結果對比如表3所示。

表3 兩類優(yōu)化結果對比

由表3可知，考慮時空效應的方案二得到的儲能配置的容量和功率都低于僅考慮空間效應的方案一，儲能全周期成本也比方案一的成本減小了27%，系統(tǒng)經濟性提高了26.3%。

3.2 置信概率的影響

當風電站、光電站與負荷個數均為20，日前預測精度為68.27%時，置信概率取10%、30%、50%、70%、90%(令時空置信概率相同)，根據前文可以得到不確定度置信概率和違反概率關系如圖8所示。

由圖8可以看出：當決策者出于保守的風險承擔態(tài)度，選取較大的不確定性置信概率，此時違反旋轉備用的概率就較低，系統(tǒng)的魯棒性較高。置信概率在0～0.25之間時違反概率下降幅度最大。

在不確定度置信概率在10%～60%之間隨機地取若干點，得到調度結果如圖9所示。

圖8 置信概率和違反概率關系

圖9 置信概率對系統(tǒng)的影響

由圖9可得，提高對不確定度的置信概率時，儲能的容量持續(xù)增加，儲能配置成本變大，系統(tǒng)總成本變大，體現(xiàn)了置信概率與經濟性的負相關性。

3.3 靈活性改造的影響

令風光裝機容量不變，改變兩種常規(guī)機組的容量，來模擬分析靈活性改造下，高比例可再生能源并網區(qū)域的火電機組有序退出市場對系統(tǒng)的影響。當可再生能源與火電比例從10:9進行到10:1時，系統(tǒng)的碳電經濟性對比結果如圖10所示。

由圖10可知，當火電占比在44%以上時碳交易額為正，意味著系統(tǒng)還需要買入碳排放額，而當火電占比為41%及以下時，碳交易額變?yōu)樨摂?，系統(tǒng)開始有了碳收益，且碳收益將隨著火電占比的下降、儲能配置的增加而持續(xù)增高，碳經濟性得到良好的體現(xiàn)。當區(qū)域電源總裝機量減少，聯(lián)絡線交換功率上限減小，聯(lián)絡線與上級電網交換功率水平整體下降(見附錄D中表D2)，聯(lián)絡線售電收益呈加速下跌趨勢，降幅依次為5.88%、18%、4%、15%、17%、27%、18%、35%，系統(tǒng)電收益減少。不同比例下的調度結果如表4所示。

圖10 碳電經濟性對比

表4 不同比例下的調度結果

由表4可知，當火電占比從47%、44%、41%、38%、33%、29%、23%、17%、9%逐漸降低時，系統(tǒng)總成本呈增長趨勢，究其原因，是由于靈活性改造的逐漸深入，常規(guī)機組的運行功率越發(fā)靠近下限值(見附錄D表D1)，為了應對源荷不確定性波動且平衡供需，系統(tǒng)加大了儲能的容量和功率配置，因此儲能配置成本逐漸增長，系統(tǒng)成本增加。

4 結論

本文在考慮階梯式碳交易與分時電價的前提下，建立了計及源荷時空約束的儲能魯棒優(yōu)化模型，并利用改進麻雀算法進行求解?；陲L光荷時空效應、靈活性改造程度、不確定性的置信度對區(qū)域內儲能進行規(guī)劃分析，得到以下結論：

1) 對比空間效應和耦合時空效應的場景，耦合時空效應時儲能配置的容量和功率最小，區(qū)域通過聯(lián)絡線外送功率最多，系統(tǒng)經濟性提高了26.3%，表明考慮時空耦合效應的模型能夠協(xié)調系統(tǒng)的魯棒性和經濟性。

2) 通過分析各不確定量的耦合關系，得出不確定性的置信概率和違反備用概率呈負相關性、和經濟成本呈正相關性的結論，決策者能夠通過調節(jié)對不確定性的置信概率來平衡系統(tǒng)經濟性和魯棒性。

3) 隨著火電陸續(xù)退出市場，區(qū)域的儲能配置容量和成本越來越高，系統(tǒng)的電收益持續(xù)下降；當區(qū)域的火電占比在44%及以下，系統(tǒng)開始擁有碳收益。在不改變區(qū)域可再生能源裝機容量的前提下，合理地配置儲能來使之與可再生能源、存量火電協(xié)調運行，能夠有效提升系統(tǒng)的碳經濟性。

附錄A

以式(24)為例，給出其推導過程，式(25)推理過程類似，在此不再贅述?？臻g約束下，極端情況描述為：在時刻，只有一個可再生能源電站的出力魯棒系數的絕對值不為1，令所有源魯棒系數絕對值為1的電站屬于集合，只有負荷的魯棒系數絕對值不為1，令所有荷魯棒系數絕對值為1的負荷屬于集合，則源荷出力為

對于源側的違反概率推理為

同理可推得荷側違反概率為

同理對于荷側有

對于系統(tǒng)來說，綜合考慮源荷兩側，違反概率為

附錄B

圖B1 測試函數下算法收斂對比

Fig. B1 Convergence comparison of test functions

表B1 標準測試函數及參數

Table B1 Test function and its parameters

測試函數維度范圍總迭代次數 30[-10,10]200 30[-30,30]200 30[-100,100]200 30[-1,1]200 30[-50,50]200 30[-50,50]200

附錄C

表C1 系統(tǒng)相關參數

Table C1 System related parameters

機組上界/MW下界/MW爬坡/MW燃料成本系數閾點效應系數 aibicidiei 常規(guī)機組15510201455.605639.58040.10902700.098 常規(guī)機組28020251469.402640.54070.12953800.094

圖C1 周期內風光荷平均預測出力

Fig. C1 A certain period forecast of renewable energy and load

表C2 儲能相關參數

Table C2 Energy storage related parameters

參數數值參數數值 單位功率成本/(美元/kW)1173通貨膨脹率0.02 單位容量成本/(美元/kWh)2234貼現(xiàn)率0.1 單位運維費用/(美元/kW·a)97儲能自放電效率0.01 儲能壽命/a15儲能充放電效率0.9

附錄D

由于篇幅所限，此處僅給出常規(guī)機組2的運行策略，常規(guī)機組1與之類似，在此不再贅述。

表D1 常規(guī)機組2運行策略

Table D1 Conventional unit 2 operation strategy

時刻不同比例下的常規(guī)機組功率/MW 10:910:810:710:610:510:410:310:210:1 01：00680.44576.95501.28376.62150.98214.3274.4059.2010.00 02：00760.44656.95434.86442.30155.22202.9892.8580.8510.00 03：00816.61591.44443.24416.62110.17204.44101.43105.8510.00 04：00783.49671.44523.24522.30132.16210.5387.10120.0010.00 05：00863.49746.72512.09456.62170.78175.53114.4595.0010.00 06：00869.46666.72592.09496.62210.78140.53144.4570.0010.00 07：00891.96652.33588.03481.42250.78147.82145.3445.0010.00 08：00811.96598.72659.06491.31290.78172.70146.9951.5210.00 09：00891.96668.53670.00451.31313.33179.83116.9953.9310.00 10：00811.96588.53607.40491.31273.33214.8386.9928.9310.00 11：00731.96668.53637.39457.38313.33179.8356.9910.0010.00 12：00656.19748.53560.15417.38339.72144.8326.9935.0010.00 13：00576.19726.29566.97411.18375.31109.8319.8136.6214.72 14：00617.50737.63487.37395.56337.6494.5414.4422.5210.00 15：00594.39700.86407.55419.25299.9570.8115.9012.7510.71 16：00535.35713.87327.73455.00260.0082.8516.4612.8510.00 17：00523.13761.17294.99484.75299.7289.3731.9123.9110.00 18：00603.13795.19374.99457.38259.72124.3717.6335.0010.00 19：00683.13719.67372.85462.61258.74159.3713.2310.0010.00 20：00618.65772.79452.85502.61256.80148.3410.0022.8710.00 21：00698.65755.80510.99484.05282.71183.3437.4938.5210.00 22：00739.10710.77564.12455.10250.13204.0415.0432.7910.00 23：00819.10776.11511.27459.47210.13239.0410.0045.0710.00 24：00879.60698.86512.06420.51178.25274.0439.9442.4210.00

表D2 聯(lián)絡線運行策略

Table D2 Contact line operation strategy

時刻不同比例下的聯(lián)絡線功率/MW 10:910:810:710:610:510:410:310:210:1 01：001056.381164.86922.15950.45440.65651.97179.61250.26150.00 02：00909.86959.09978.31600.00369.23559.59158.72246.76110.00 03：00963.871024.76632.26795.54538.40591.13209.01337.85160.00 04：001024.72967.51805.12740.00672.11451.13298.18313.81120.00 05：001050.40867.59666.41746.28486.92346.33394.63265.30119.76 06：00890.72966.56697.70695.18555.25451.83331.59295.66130.00 07：001074.89800.00653.18932.84695.36451.53418.60281.52110.34 08：001105.67937.29855.57907.74692.93418.54346.73190.68120.00 09：001060.60934.86927.79700.59624.96508.58343.22157.97120.00 10：00847.861010.55663.15567.93637.83577.53332.47207.06110.00 11：001102.55921.90603.50847.93593.00518.17400.53291.10170.00 12：00985.751050.30859.39840.52735.05555.24433.82339.93240.00 13：001311.701318.31926.10899.75670.44631.48472.54411.15320.00 14：001068.911197.79936.49939.83810.77614.72535.41440.00340.00 15：001257.041227.98991.38945.01854.04709.30522.03444.49470.00 16：001197.391320.00968.37981.15932.81732.00562.57480.29490.00 17：001074.551301.33929.91913.69909.50676.28530.86435.87440.00 18：001263.211143.351000.00923.98824.52632.50554.40391.10359.84 19：001138.17900.90869.11820.19699.91664.20467.58410.94269.78 20：001256.321039.931000.00818.10746.73646.94406.98432.19179.97 21：001227.021012.741000.00728.50679.19618.28469.12431.47160.00 22：001350.001171.031000.00960.52761.84591.65473.40487.14184.10 23：001246.641074.66897.93984.70788.16659.97486.06387.14260.00 24：001188.101020.00715.70828.34838.78681.16499.34420.00230.00

[1] 李明節(jié), 陳國平, 董存, 等.新能源電力系統(tǒng)電力電量平衡問題研究[J]. 電網技術, 2019, 43(11): 3979-3986.

LI Mingjie, CHEN Guoping, DONG Cun, et al. Research on power balance of high proportion renewable energy system[J]. Power System Technology, 2019, 43(11): 3979-3986.

[2] 金晨, 任大偉, 肖晉宇, 等. 支撐碳中和目標的電力系統(tǒng)源-網-儲靈活性資源優(yōu)化規(guī)劃[J]. 中國電力, 2021, 54(8): 164-174.

JIN Chen, REN Dawei, XIAO Jinyu, et al. Optimization planning on power system supply-grid-storage flexibility resource for supporting the “carbon neutrality” target of China[J]. Electric Power, 2021, 54(8): 164-174.

[3] 文福拴, 魯剛, 黃杰. 面向碳達峰、碳中和的綜合能源系統(tǒng)[J]. 全球能源互聯(lián)網, 2022, 5(2): 116-117.

WEN Fushuan, LU Gang, HUANG Jie. Integrated energy system towards carbon peak and neutrality targets[J]. Journal of Global Energy Interconnection, 2022, 5(2): 116-117.

[4] 陳國平, 梁志峰, 董昱. 基于能源轉型的中國特色電力市場建設的分析與思考[J]. 中國電機工程學報, 2020, 40(2): 369-379.

CHEN Guoping, LIANG Zhifeng, DONG Yu. Analysis and reflection on the marketization construction of electric power[J]. Proceedings of the CSEE, 2020, 40(2): 369-379.

[5] 劉斌, 張玉瓊, 麻林巍, 等. 西北地區(qū)源端基地綜合能源系統(tǒng)的技術方案設計及優(yōu)化研究[J]. 中國電機工程學報, 2021, 41(2): 568-581.

LIU Bin, ZHANG Yuqiong, MA Linwei, et al. Design and optimization of technical schemes of supply-side base integrated energy systems in northwest China[J]. Proceedings of the CSEE, 2021, 41(2): 568-581.

[6] 陳志杰, 李鳳婷, 黃蓉. 計及需求響應的含風電電力系統(tǒng)旋轉備用優(yōu)化配置策略[J]. 電力系統(tǒng)保護與控制, 2020, 48(13): 117-122.

CHEN Zhijie, LI Fengting, HUANG Rong. Spinning reserve optimal configuration strategy of a wind power system with demand response[J]. Power System Protection and Control, 2020, 48(13): 117-122.

[7] YAN C, TANG Y, DAI J, et al. Uncertainty modeling of wind power frequency regulation potential considering distributed characteristics of forecast errors[J]. Protection and Control of Modern Power Systems, 2021, 6(3): 276-288.

[8] CUI R Y, HULTMAN N, CUI D, et al. A plant-by-plant strategy for high-ambition coal power phaseout in China[J]. Nature Communications, 2021, 12(1).

[9] 李英俊, 張耀, 許志軍, 等. 基于數據驅動的電-熱綜合能源系統(tǒng)兩階段魯棒備用優(yōu)化[J]. 全球能源互聯(lián)網, 2022, 5(2): 127-137.

LI Yingjun, ZHANG Yao, XU Zhijun, et al. Data-driven based two-stage robust reserve optimization of integrated electric-heat systems[J]. Journal of Global Energy Interconnection, 2022, 5(2): 127-137.

[10] GOUTTE S, VASSILOPOULOS P. The value of flexibility in power markets[J]. Energy policy, 2019, 125: 347-357.

[11]文勁宇, 周博, 魏利屾. 中國未來電力系統(tǒng)儲電網初探[J]. 電力系統(tǒng)保護與控制, 2022, 50(7): 1-10.

WEN Jinyu, ZHOU Bo, WEI Lishen. Preliminary study on an energy storage grid for future power system in China[J]. Power System Protection and Control, 2022, 50(7): 1-10.

[12]金鑫, 王凱. 平滑新能源波動的混合儲能優(yōu)化配置[J].廣東電力, 2021, 34(8): 80-85.

JIN Xin, WANG Kai. Optimal allocation of hybrid energy storage to smooth fluctuation of new energy[J]. Guangdong Electric Power, 2021, 34(8): 80-85.

[13]顏晨煜, 樊艷芳, 姚波. 采用自適應變分模態(tài)分解的混合儲能平滑光伏出力波動控制策略[J]. 高電壓技術, 2019, 45(6): 1898-1906.

YAN Chenyu, FAN Yanfang, YAO Bo. Strategy for smoothing photovoltaic power fluctuation of hybrid energy storage system using self-adaptive variational mode decomposition[J]. High Voltage Engineering, 2019, 45(6): 1898-1906.

[14]侯慧, 徐燾, 肖振鋒, 等. 基于重力儲能的風光儲聯(lián)合發(fā)電系統(tǒng)容量規(guī)劃與評價[J]. 電力系統(tǒng)保護與控制, 2021, 49(17): 74-84.

HOU Hui, XU Tao, XIAO Zhenfeng, et al. Optimal capacity planning and evaluation of a wind-photovoltaic- storage hybrid power system based on gravity energy storage[J]. Power System Protection and Control, 2021, 49(17): 74-84.

[15]石玉東, 劉晉源, 徐松, 等. 考慮時序特性的配電網風-光-儲隨機規(guī)劃模型[J]. 電力系統(tǒng)保護與控制, 2019, 47(10): 23-32.

SHI Yudong, LIU Jinyuan, XU Song, et al. Integrated wind-photovoltaic storage stochastic planning model considering time-varying characteristics in distribution network[J]. Power System Protection and Control, 2019, 47(10): 23-32.

[16]石濤, 張斌, 晁勤, 等. 兼顧平抑風電波動和補償預測誤差的混合儲能容量經濟配比與優(yōu)化控制[J]. 電網技術, 2016, 40(2): 477-483.

SHI Tao, ZHANG Bin, CHAO Qin, et al. Economic storage ratio and optimal control of hybrid energy capacity combining stabilized wind power fluctuations with compensated predictive errors[J]. Power System Technology, 2016, 40(2): 477-483.

[17]李笑竹, 王維慶, 王海云, 等. 基于魯棒優(yōu)化的風光儲聯(lián)合發(fā)電系統(tǒng)儲能配置策略[J]. 太陽能學報, 2020, 41(8): 67-78.

LI Xiaozhu, WANG Weiqing, WANG Haiyun, et al. Energy storage allocation strategy of wind-solar-storage combined system based on robust optimization[J]. Acta Energiae Solaris Sinica, 2020, 41(8): 67-78.

[18]張立輝, 戴谷禹, 聶青云, 等. 碳交易機制下計及用電行為的虛擬電廠經濟調度模型[J]. 電力系統(tǒng)保護與控制, 2020, 48(24): 154-163.

ZHANG Lihui, DAI Guyu, NIE Qingyun, et al. Economic dispatch model of virtual power plant considering electricity consumption under a carbon trading mechanism[J]. Power System Protection and Control, 2020, 48(24): 154-163.

[19]馮奕, 應展烽, 顏建虎. 考慮碳排放成本的多能互補微能源網儲能裝置優(yōu)化運行[J]. 電力系統(tǒng)保護與控制, 2021, 49(8): 92-99.

FENG Yi, YING Zhanfeng, YAN Jianhu. Optimized operation of energy storage in a multi energy complementary micro-energy network considering carbon emission cost[J]. Power System Protection and Control, 2021, 49(8): 92-99.

[20]陳錦鵬, 胡志堅, 陳穎光, 等. 考慮階梯式碳交易機制與電制氫的綜合能源系統(tǒng)熱電優(yōu)化[J]. 電力自動化設備, 2021, 41(9): 48-55.

CHEN Jinpeng, HU Zhijian, CHEN Yingguang, et al. Thermoelectric optimization of integrated energy system considering ladder-type carbon trading mechanism and electric hydrogen production[J]. Electric Power Automation Equipment, 2021, 41(9): 48-55.

[21]朱曄, 蘭貞波, 隗震, 等. 考慮碳排放成本的風光儲多能互補系統(tǒng)優(yōu)化運行研究[J]. 電力系統(tǒng)保護與控制, 2019, 47(10): 127-133.

ZHU Ye, LAN Zhenbo, WEI Zhen, et al. Research on optimal operation of wind-PV ES complementary system considering carbon emission cost[J]. Power System Protection and Control, 2019, 47(10): 127-133.

[22]丁明, 林玉娟. 考慮風光荷不確定性的隨機生產模擬[J]. 太陽能學報, 2018, 39(10): 2937-2944.

DING Ming, LIN Yujuan. Probabilistic production simulation considering randomness of renewable wind power, photovoltaic and load[J]. Acta Energiae Solaris Sinica, 2018, 39(10): 2937-2944.

[23] XUE J, SHEN B. A novel swarm intelligence optimization approach: sparrow search algorithm[J]. Systems Science & Control Engineering, 2020, 8(1): 22-34.

Optimal configuration of energy storage considering the source-load uncertainty under ladder-type carbon trading

HAO Ting1, 2, FAN Xiaochao1, 3, WANG Weiqing1, SHI Ruijing1, 3, LI Xiaozhu1, HE Shan1, CHANG Xiqiang1, 4

(1. College of Electrical Engineering, Xinjiang University, Urumqi 830047, China; 2. Huadian Xinjiang Power Generation Co., Ltd., Urumqi 830063, China; 3. Department of New Energy Science and Engineering, Xinjiang Institute of Engineering, Urumqi 830000, China; 4.State Grid Xinjiang Electric Power Co., Ltd., Urumqi 830018, China)

The configuration of energy storage is key to maintaining the stability and flexibility of a high proportion of new energy power systems in a strategy of carbon peak and carbon neutrality. A robust model of energy storage considering ladder-type carbon trading and the time-of-use price is developed. The uncertainty effects of the source-load dual side are considered in the model, and the time smoothing constraint and spatial clustering constraint are used to narrow the source-load uncertainty set boundary and reduce the conservativeness of the model. The uncertainty constraint is converted into a deterministic constraint by Lagrangian inference, and the model is analyzed by an improved sparrow algorithm. The examples show that system economy will be significantly improved with the space-time coupling effect, and the decision-maker can balance system economy and robustness by choosing the confidence probability of uncertainty. Different energy storage planning schemes are proposed for different flexibility reformation stages, and it is pointed out that the system starts to have carbon benefits when the proportion of thermal power installed in the region falls below 43%.

energy storage planning; robust model; uncertainty sets; ladder-type carbon trading; flexibility reformation

10.19783/j.cnki.pspc.220178

國家自然科學基金項目資助(51666017)；新疆維吾爾自治區(qū)高?？蒲杏媱濏椖?XJEDU2021|010)；新疆維吾爾自治區(qū)科技廳重大專項項目(2022A01001-2)

This work is supported by the National Natural Science Foundation of China (No. 51666017).

2022-02-15；

2022-04-17

郝 婷(1996—)，女，碩士，研究方向為可再生能源發(fā)電與并網；E-mail: ht08140917@163.com

樊小朝(1979—)，男，通信作者，博士，副教授，碩士生導師，研究方向為可再生能源發(fā)電與并網。E-mail: fxc0102@126.com

(編輯 魏小麗)