基于改進(jìn)權(quán)重因子的火儲聯(lián)合調(diào)頻綜合性能評估

劉志成，彭道剛，趙慧榮，祝建飛，陳歡樂

（1. 上海電力大學(xué)自動化工程學(xué)院，上海發(fā)電過程智能管控工程技術(shù)研究中心，上海市 200090；2. 上海明華電力科技有限公司，上海市 200090）

0 引言

2021 年7 月，國家發(fā)改委、國家能源局發(fā)布了《關(guān)于加快推動新型儲能發(fā)展的指導(dǎo)意見》［1］，指導(dǎo)意見中指出要推動儲能在發(fā)電側(cè)和電網(wǎng)側(cè)的項(xiàng)目建設(shè)。在“碳達(dá)峰·碳中和”的遠(yuǎn)景目標(biāo)下，儲能是高占比新能源系統(tǒng)并網(wǎng)發(fā)展的重要裝備，是火力發(fā)電承擔(dān)深度調(diào)峰調(diào)頻的關(guān)鍵核心技術(shù)［2］。

儲能系統(tǒng)在能源時移、平滑功率、電壓控制等方面，相較于傳統(tǒng)火電機(jī)組而言，具有絕對優(yōu)勢。火儲聯(lián)合運(yùn)行參與電力系統(tǒng)調(diào)頻輔助服務(wù)，不僅滿足電網(wǎng)負(fù)荷響應(yīng)的需求，而且提高了機(jī)組的調(diào)頻響應(yīng)性能，增加調(diào)頻補(bǔ)償收益［3］，起到維護(hù)電網(wǎng)安全、穩(wěn)定、高效運(yùn)行的重要作用［4］。其中，從火電機(jī)組的調(diào)節(jié)速度、調(diào)節(jié)精度等角度研究火儲聯(lián)合調(diào)頻性能指標(biāo)較為常見［5］，以最大頻率偏差或穩(wěn)態(tài)偏差作為衡量調(diào)節(jié)性能的標(biāo)準(zhǔn)［6］。文獻(xiàn)［7］以頻率偏差和荷電狀態(tài)偏差作為評價指標(biāo)，研究儲能系統(tǒng)調(diào)頻死區(qū)與控制策略的影響關(guān)系。以上評價指標(biāo)均建立在火電或電網(wǎng)的基礎(chǔ)之上，未充分考慮儲能自身特性，而且相關(guān)研究內(nèi)容偏向于控制策略?；饍φ{(diào)頻性能研究可以借鑒儲能在電網(wǎng)側(cè)和新能源發(fā)電側(cè)中的應(yīng)用，以儲能系統(tǒng)凈效益最大為目標(biāo)將儲能電池荷電狀態(tài)、實(shí)時電量納入評價體系，探索儲能循環(huán)壽命與應(yīng)用場景的關(guān)聯(lián)性分析［8］，以彌補(bǔ)機(jī)組聯(lián)合運(yùn)行的關(guān)聯(lián)性分析的不足。儲能參與電力系統(tǒng)調(diào)頻性能分析，應(yīng)從機(jī)組調(diào)節(jié)速度、精度、時間上尋找對應(yīng)關(guān)系，從調(diào)節(jié)性能、可靠性等方面建立評價指標(biāo)［9］，真實(shí)、準(zhǔn)確反映出火儲系統(tǒng)的調(diào)節(jié)性能。層次分析法（analytic hierarchy process，AHP）是一種多準(zhǔn)則決策方法［10］，可以用來解決調(diào)頻性能指標(biāo)之間關(guān)聯(lián)性分析和綜合性能指標(biāo)建立等相關(guān)問題。該方法已被應(yīng)用于儲能的配置選型、經(jīng)濟(jì)性研究等方面，根據(jù)儲能系統(tǒng)全生命周期投資成本和經(jīng)濟(jì)效益［11］，綜合評估配置方案可行性。但AHP 是基于專家經(jīng)驗(yàn)評估矩陣進(jìn)行賦權(quán)，導(dǎo)致賦權(quán)結(jié)果的主觀性較強(qiáng)［12］。文獻(xiàn)［13］采用模糊優(yōu)化AHP 探索共享儲能未來發(fā)展態(tài)勢和市場狀態(tài)，但并未解決主觀能動性問題。通過Dempster/Shafer 證據(jù)理論改進(jìn)AHP，雖然降低了專家主觀性對評估結(jié)果的影響，但容易出現(xiàn)專家矩陣驗(yàn)證不通過的情況［14］。文獻(xiàn)［15］通過定義一致性閾值系數(shù)優(yōu)化一致性檢驗(yàn)方法，最大程度保留了專家原始意見，但仍未考慮指標(biāo)之間的關(guān)聯(lián)性和差異性。

基于此，為探討不同性能指標(biāo)對火儲聯(lián)合調(diào)頻過程的影響，本文提出一種改進(jìn)權(quán)重因子分布的火儲聯(lián)合調(diào)頻性能評估分析方法。以雙系統(tǒng)的調(diào)頻過程作為切入點(diǎn)，重新構(gòu)建火儲聯(lián)合調(diào)頻的性能指標(biāo)體系，充分考慮賦權(quán)方法和評估方法中自身的主觀性問題，通過引入關(guān)聯(lián)性分析、DempSter、主成分分析判據(jù)等方法優(yōu)化評估分析算法結(jié)構(gòu)，從而實(shí)現(xiàn)火儲聯(lián)合調(diào)頻綜合性能評估，并對比分析了該方法的有效性和準(zhǔn)確性。

1 新型火儲聯(lián)合調(diào)頻性能指標(biāo)

1.1 現(xiàn)階段火儲調(diào)頻補(bǔ)償依據(jù)

火力發(fā)電聯(lián)合儲能系統(tǒng)參與電力系統(tǒng)調(diào)頻，可以快速響應(yīng)電網(wǎng)調(diào)節(jié)需求，提升傳統(tǒng)火電機(jī)組的調(diào)頻性能，增加火電機(jī)組補(bǔ)償收益［16］。目前，中國針對火儲聯(lián)合調(diào)頻補(bǔ)償標(biāo)準(zhǔn)主要建立在火力發(fā)電的調(diào)節(jié)速度、調(diào)節(jié)精度、響應(yīng)時間等三項(xiàng)細(xì)化指標(biāo)之上［5］，而儲能的調(diào)頻收益僅能從調(diào)節(jié)容量補(bǔ)償和調(diào)節(jié)里程補(bǔ)償中獲得［17］，無法對儲能成本實(shí)現(xiàn)進(jìn)行有效疏導(dǎo)，投資回收期偏長。因此，亟需一種可以準(zhǔn)確衡量儲能在電力系統(tǒng)參與調(diào)頻的評價方法，彌補(bǔ)儲能在調(diào)頻補(bǔ)償方面的空白，確保調(diào)頻性能指標(biāo)的全面性，為優(yōu)化儲能調(diào)頻的補(bǔ)償結(jié)構(gòu)奠定基礎(chǔ)。

1.2 新型火儲調(diào)頻性能指標(biāo)體系

為了更好地體現(xiàn)各系統(tǒng)自身調(diào)頻特性和聯(lián)合調(diào)頻特性，新型調(diào)頻性能指標(biāo)評估體系由火力發(fā)電調(diào)頻、儲能調(diào)頻、火儲聯(lián)合調(diào)頻等作為一級性能考核指標(biāo)。在本文中，依據(jù)華東區(qū)域電網(wǎng)“兩個細(xì)則”計(jì)算火電機(jī)組的調(diào)節(jié)速度指標(biāo)和調(diào)節(jié)精度指標(biāo)，并增加機(jī)組響應(yīng)時間作為二級細(xì)化考核指標(biāo)，即火電機(jī)組狀態(tài)從此刻起總體調(diào)節(jié)方向朝電網(wǎng)指令方向出力。

儲能調(diào)頻性能包括有能源吸收率、電能釋放率、調(diào)節(jié)可靠性等指標(biāo)，能源吸收率表示火電機(jī)組出力狀態(tài)遠(yuǎn)超過電網(wǎng)需求時，儲能對電能余量的吸收轉(zhuǎn)化率；電能釋放率表示火電機(jī)組出力狀態(tài)低于電網(wǎng)需求時，儲能對電能存量的釋放轉(zhuǎn)化率；調(diào)節(jié)可靠性表示儲能在不同時間尺度下響應(yīng)時間與需求時間的比例關(guān)系?；饍β?lián)合調(diào)頻性能指標(biāo)由整體調(diào)節(jié)速度和調(diào)節(jié)精度構(gòu)成，在火電調(diào)頻性能分析的基礎(chǔ)之上，充分考慮儲能充放電功率以及荷電狀態(tài)等情況，聯(lián)合調(diào)頻性能指標(biāo)相比較單機(jī)組而言更加嚴(yán)格。

如表1 所示，建立涵蓋“兩級三項(xiàng)八大指標(biāo)”的火儲聯(lián)合調(diào)頻性能指標(biāo)體系，火電調(diào)頻性能指標(biāo)為下一階段火電機(jī)組升級改造提供相應(yīng)依據(jù)，儲能調(diào)頻性能指標(biāo)為容量配置、經(jīng)濟(jì)性分析給予支持，火儲聯(lián)合調(diào)頻性能指標(biāo)為優(yōu)化火儲聯(lián)合運(yùn)行控制策略、改善協(xié)同控制效果奠定基礎(chǔ)，全方位反映各個系統(tǒng)在調(diào)頻中的作用和地位，更加明確儲能在火電調(diào)頻市場的主體地位。

表1 火儲聯(lián)合調(diào)頻性能指標(biāo)體系Table 1 Performance index system of thermal-energy storage frequency regulation

2 基于改進(jìn)權(quán)重因子的模糊評價方法

2.1 改進(jìn)AHP

在火儲聯(lián)合調(diào)頻的新型性能指標(biāo)體系中，需重新確定各個指標(biāo)在綜合性能指標(biāo)中的權(quán)重因子。典型AHP 通過專家決策矩陣將各指標(biāo)因素依據(jù)目標(biāo)、準(zhǔn)則和方案進(jìn)行定性和定量分析，量化指標(biāo)之間的相對重要程度，但太過依賴于專家策略和經(jīng)驗(yàn)，結(jié)果主觀性太強(qiáng)。為減弱AHP 主觀因素，通常對AHP賦權(quán)結(jié)果進(jìn)行評估排序［18］，但未從根本上解決專家的主觀影響。因此，本文提出一種灰色關(guān)聯(lián)決策矩陣取代專家決策矩陣方法，保證權(quán)重因子的客觀性和真實(shí)性。

1）建立AHP 結(jié)構(gòu)模型。根據(jù)新型火儲聯(lián)合調(diào)頻性能指標(biāo)評估體系，中間層分為火電機(jī)組出力、儲能系統(tǒng)出力和火儲聯(lián)合出力，代表3 個系統(tǒng)的綜合權(quán)重分配，各系統(tǒng)性能指標(biāo)依此展開。

2）構(gòu)建調(diào)頻指標(biāo)初始化矩陣Ro。調(diào)頻指標(biāo)的計(jì)算公式、量綱存在差異，對初始化矩陣Ro進(jìn)行無量綱化，計(jì)算求解差序列、兩級差，得到規(guī)范矩陣Rs，其表達(dá)式為:

式中:snm為第n次調(diào)節(jié)過程中第m個調(diào)頻性能指標(biāo)。3）調(diào)頻指標(biāo)之間的關(guān)聯(lián)性通過類Pearson 相關(guān)系數(shù)進(jìn)行分析。設(shè)定分辨系數(shù)ρ為0.5，得到灰色關(guān)聯(lián)決策判斷矩陣Rc。其中，子序列xi對母序列y在第i個指標(biāo)上的關(guān)聯(lián)系數(shù)ξi(k)為:

式中:k為對應(yīng)的調(diào)節(jié)過程。

4）在火儲聯(lián)合調(diào)頻性能指標(biāo)的AHP 中，用決策判斷矩陣Rc替代專家策略矩陣，通過單排序準(zhǔn)則處理得到各指標(biāo)權(quán)重因子WAHP=［wa1，wa2，…，wam］，其中wam為第m個調(diào)頻性能指標(biāo)AHP 權(quán)重因子，并對Rc矩陣求解過程進(jìn)行一致性檢驗(yàn)，避免指標(biāo)之間重要性分布形成閉環(huán)。一致性檢驗(yàn)指標(biāo)CR的表達(dá)式為:

式中:λmax為決策判斷矩陣最大特征值；RI為一致性檢驗(yàn)標(biāo)準(zhǔn)。

5）改進(jìn)后的AHP 摒棄了傳統(tǒng)專家決策矩陣（1-9 矩陣），從新型性能指標(biāo)體系的自身角度出發(fā)，對指標(biāo)進(jìn)行相關(guān)性分析，得出客觀權(quán)重因子分布信息。

2.2 熵權(quán)法

從指標(biāo)具有信息量為切入點(diǎn)，研究各個指標(biāo)的離散程度和穩(wěn)定性，才能更好地描述調(diào)頻過程中的實(shí) 際 情 況。 熵 權(quán) 法（entropy weight method，EWM）［19］可以解決權(quán)重因子與離散程度之間的線性關(guān)系，采用EWM 對新型火儲調(diào)頻性能指標(biāo)體系進(jìn)行賦權(quán)，能夠詳細(xì)描述調(diào)頻過程，保證單一性能指標(biāo)實(shí)時跟蹤調(diào)頻過程變化，使得新型調(diào)頻性能指標(biāo)體系能夠切實(shí)反映出火儲聯(lián)合調(diào)頻工況，實(shí)現(xiàn)權(quán)重分配的合理化。

1）由初始化矩陣Ro根據(jù)各個樣本中的調(diào)頻過程，計(jì)算不同指標(biāo)在對應(yīng)指標(biāo)體系中占整個樣本的信息比重，依此計(jì)算所有樣本數(shù)據(jù)，得到調(diào)頻指標(biāo)比重矩陣Rw。其表達(dá)式為:

其中

式中:oij為原始數(shù)據(jù)第i次調(diào)節(jié)過程第j個調(diào)頻性能指標(biāo)；pij為當(dāng)前調(diào)頻過程性能指標(biāo)的信息比重。

2）根據(jù)調(diào)頻指標(biāo)比重矩陣Rw，計(jì)算調(diào)頻樣本中的各指標(biāo)熵值矩陣Rew，由此來推斷各調(diào)頻指標(biāo)的信息量和離散程度。Rew的表達(dá)式為:

其中

式中:ej為當(dāng)前調(diào)頻樣本中第j個調(diào)頻性能指標(biāo)的信息量和離散程度。

3）通過調(diào)頻指標(biāo)熵值的差異性得出合理的評價指標(biāo)WEWM。其表達(dá)式為:

其中

式中:wej為第j個調(diào)頻性能指標(biāo)EWM 權(quán)重因子。

2.3 改進(jìn)模糊綜合評價方法

模 糊 綜 合 評 價 （fuzzy comprehensive assessment，F(xiàn)CA）方法可以通過隸屬度理論對樣本進(jìn)行評價［20］，較好地解決了火儲聯(lián)合調(diào)頻性指標(biāo)之間非線性和難以評價的問題，避免了多種指標(biāo)之間擾動因素的影響，但FCA 方法太過依賴于權(quán)重因子的分布特點(diǎn)，主觀權(quán)重則直接導(dǎo)致評價結(jié)果具有主觀性［21］。因此，本文基于改進(jìn)權(quán)重因子對時間尺度類型建立不同的評價標(biāo)準(zhǔn)體系，引入主成分決定性判據(jù)和主成分突出性判據(jù)對調(diào)節(jié)過程進(jìn)行評價，該評價方法改變了僅憑某項(xiàng)指標(biāo)或某個綜合指標(biāo)判斷調(diào)節(jié)過程優(yōu)劣的現(xiàn)象，實(shí)現(xiàn)了火儲聯(lián)合調(diào)頻性能指標(biāo)在不同時間尺度下從定性評價轉(zhuǎn)為定量評價，評價結(jié)果更加客觀、清晰、有效。

1）針對調(diào)節(jié)性能，需從火電、儲能、火儲聯(lián)合運(yùn)行等多個角度進(jìn)行評判，所有指標(biāo)構(gòu)成評價指標(biāo)的因素集合，記為Ap=［p1，p2，…，pv］；其中，按照一級指標(biāo)分類將因素劃分為A=［Ap1，Ap2，…，Apk］，相應(yīng)權(quán)重因子也劃分為W=［w1，w2，…，wk］。

2）針對性能指標(biāo)評價等級構(gòu)成評價集合，Ad=［d1，d2，…，dv］，如優(yōu)、良、中、差等。

3）采用DempSter 合成規(guī)則思想［22］確定指標(biāo)分析評價標(biāo)準(zhǔn)Rstr（其行向量Rstr，i的表達(dá)式如式（7）所示），評價單次調(diào)頻過程采用隸度函數(shù)方式，評價日、月等不同時間尺度下調(diào)頻信息進(jìn)行DempSter 推斷，來構(gòu)建不同時間尺度下模糊綜合判斷矩陣Rju，其表達(dá)式如式（8）所示。

式中:Biv、Aiv分別為第i個調(diào)頻性能指標(biāo)的第v個評價等級標(biāo)準(zhǔn)的上下限；rmv為當(dāng)前調(diào)節(jié)過程第m個調(diào)頻性能指標(biāo)在第v個評價等級標(biāo)準(zhǔn)下的模糊結(jié)果。

4）對判斷矩陣Rju分別進(jìn)行二級調(diào)頻指標(biāo)模糊和一級調(diào)頻指標(biāo)模糊評價，引入主成分決定性判據(jù)和主成分突出性判據(jù)來輔助模糊綜合評價方法對不同時間尺度下調(diào)節(jié)性能進(jìn)行分析與評價。

式中:gj為當(dāng)前調(diào)頻過程在標(biāo)準(zhǔn)j下的評估結(jié)果；∧為兩者之間取最小值算法；(?)表示在所有評價等級標(biāo)準(zhǔn)中，取對應(yīng)函數(shù)結(jié)果最大值算法。

5）改進(jìn)后評價算法具有如下特點(diǎn):（1）采用DempSter 模糊思想與時間尺度相適應(yīng)的方法，可以準(zhǔn)確描述調(diào)頻過程的性能；（2）主成分決定性判據(jù)的作用是根據(jù)調(diào)頻過程隸屬的優(yōu)先級進(jìn)行判斷，主成分突出性判據(jù)的作用是突出調(diào)頻過程效果所屬的隸屬等級；（3）決定性判據(jù)和突出性判據(jù)的緊密性則根據(jù)評語評價效果進(jìn)行控制，一般選取評估排序后一二標(biāo)準(zhǔn)之間的偏差ε≤2%，弱化決定性判據(jù)因單一指標(biāo)導(dǎo)致整體評估結(jié)果偏優(yōu)或偏劣的情況。

2.4 火儲調(diào)頻綜合性能指標(biāo)評估方法的優(yōu)勢

儲能聯(lián)合火電參與電力系統(tǒng)調(diào)頻，調(diào)節(jié)過程復(fù)雜多變，電網(wǎng)調(diào)頻調(diào)度指令實(shí)時更新，如何綜合評價聯(lián)合機(jī)組響應(yīng)效果是難點(diǎn)問題。本文通過改進(jìn)調(diào)頻指標(biāo)的權(quán)重因子分布，引入主成分分析判據(jù)，從模糊數(shù)學(xué)的角度分析調(diào)節(jié)過程，且對不同時間尺度下調(diào)頻性能做出較為客觀評價。本文所提出的火儲聯(lián)合調(diào)頻綜合性能評估方法具有如下優(yōu)勢。

1）賦權(quán)更具有客觀性?；饍β?lián)合調(diào)頻性能指標(biāo)通過關(guān)聯(lián)性分析，從兩兩指標(biāo)之間的相關(guān)性確定決策判斷矩陣，取代AHP 中含有主觀因素的專家決策矩陣，并通過一致性判別矩陣檢驗(yàn)各調(diào)頻指標(biāo)和決策判斷矩陣有效性，保證權(quán)重因子WAHP從主觀性偏向于客觀性。

2）賦權(quán)更具有合理性。當(dāng)單一性能指標(biāo)變化波動性較大時，機(jī)組整體響應(yīng)性能也并不穩(wěn)定。為充分衡量指標(biāo)自身的穩(wěn)定性、離散性等方面影響因素，本文采用EWM 計(jì)算各個調(diào)頻指標(biāo)的信息熵，依據(jù)信息熵的大小確定當(dāng)前指標(biāo)在新型調(diào)頻性能指標(biāo)體系中的權(quán)重因子WEWM，并結(jié)合WAHP構(gòu)建新型調(diào)頻性能指標(biāo)的權(quán)重因子W，解決了專家意見的主觀性影響和性能指標(biāo)自身對綜合評價影響等問題。

3）評價更具有可靠性。為解決火儲聯(lián)合調(diào)頻性能的耦合性和非線性的關(guān)系，本文提出模糊方式與時間尺度相適應(yīng)方法，拉大調(diào)節(jié)過程優(yōu)劣之間的差距，形成綜合模糊判斷矩陣進(jìn)行分級分析，并引入主成分決定性判據(jù)作為評價主要依據(jù)，若出現(xiàn)評語一致、評語差距較小等難以評價的情況，由主成分突出性判據(jù)進(jìn)行補(bǔ)充研判，避免了邊界模糊、單一模糊和單一研判方法帶來的局限性，評價結(jié)果更加符合實(shí)際工況，真實(shí)可靠。

3 實(shí)例分析

3.1 調(diào)頻性能指標(biāo)權(quán)重因子分布

本文選取某地區(qū)火儲聯(lián)合運(yùn)行機(jī)組作為研究對象，火儲聯(lián)合調(diào)頻性能指標(biāo)樣本的采集間隙為1 s。

1）調(diào)取某月調(diào)頻性能數(shù)據(jù)，通過相關(guān)性分析，得到各性能指標(biāo)灰色關(guān)聯(lián)決策判斷矩陣Rc，推演出各指標(biāo)相互之間重要性關(guān)聯(lián)情況，如圖 1 所示。

圖 1 調(diào)頻性能指標(biāo)重要性的關(guān)聯(lián)Fig.1 Correlation of importance of frequency regulation performance indices

2）通過AHP 單排序準(zhǔn)則處理Rc矩陣，得到各指標(biāo)權(quán)重因子WAHP（見式（10）），該指標(biāo)由主觀性轉(zhuǎn)偏向于客觀性。

3）初始化以日為單位的調(diào)頻數(shù)據(jù)信息流，轉(zhuǎn)化為信息比重矩陣Rw，如式（11）所示。

4）對信息比重矩陣進(jìn)行熵值矩陣Rew計(jì)算，根據(jù)熵值的差異性得出客觀因子WEWM，如式（12）和式（13）所示。

5）由改進(jìn)AHP 的權(quán)重因子WAHP與EWM 的權(quán)重因子WEWM求解算術(shù)平均值，得到新型火儲調(diào)頻性能指標(biāo)權(quán)重因子如式（14）所示。權(quán)重指標(biāo)因子分布如表2 所示。

表2 指標(biāo)權(quán)重因子分布Table 2 Distribution of index weight factors

式中:W1為新型火儲聯(lián)合調(diào)頻性能一級指標(biāo)權(quán)重因子分布情況；W21為火電側(cè)一級調(diào)頻性能指標(biāo)下二級指標(biāo)權(quán)重因子分布情況；W22為儲能側(cè)一級調(diào)頻性能指標(biāo)下二級指標(biāo)權(quán)重因子分布情況；W23為聯(lián)合運(yùn)行側(cè)一級調(diào)頻性能指標(biāo)下二級指標(biāo)權(quán)重因子分布情況。

3.2 評價調(diào)頻過程優(yōu)劣

1）采用DempSter 合成規(guī)則數(shù)據(jù)思想，確定定級評價標(biāo)準(zhǔn)Rstr，如式（15）所示。其中a、b、c、d列向量分別對應(yīng)調(diào)頻評價標(biāo)準(zhǔn)的優(yōu)、良、中、差4 個等級的取值范圍。

式中:Vs1、Vs2分別為火電側(cè)、聯(lián)合運(yùn)行側(cè)的調(diào)節(jié)速度標(biāo)準(zhǔn)；As1、As2分別為火電側(cè)、聯(lián)合運(yùn)行側(cè)的調(diào)節(jié)精度標(biāo)準(zhǔn)；T′s、T″s、T?s分別為火電側(cè)響應(yīng)時間的優(yōu)、良、中等評估標(biāo)準(zhǔn)的上限；η′s1、η″s1、η?s1分別為儲能側(cè)能源吸收率的優(yōu)、良、中等評估標(biāo)準(zhǔn)的下限；η′s2、η″s2、η?s2分別為儲能側(cè)電能釋放率的優(yōu)、良、中等評估標(biāo)準(zhǔn)的下限；η′s3、η″s3、η?s3分別為聯(lián)合運(yùn)行側(cè)調(diào)節(jié)可靠性的優(yōu)、良、中等評估標(biāo)準(zhǔn)的下限。

2）火儲聯(lián)合調(diào)頻當(dāng)日（月、年）調(diào)節(jié)過程評價依據(jù)Rstr矩陣進(jìn)行DempSter 推演，構(gòu)建模糊綜合判斷矩陣Rday，如式（16）所示。其中，R21、R22、R23分別對應(yīng)火力發(fā)電、儲能調(diào)頻、聯(lián)合運(yùn)行等一級指標(biāo)下二級指標(biāo)信息。

3）機(jī)組單次調(diào)頻響應(yīng)過程評價采用梯形隸度函數(shù)的方式，其中火電調(diào)節(jié)精度、火儲調(diào)節(jié)精度等兩項(xiàng)指標(biāo)采用最小隸度原則，其他均為最大隸度原則，構(gòu)建模糊綜合判斷矩陣Rone（本文Rone和Rday的數(shù)組結(jié)構(gòu)一致，故僅列舉Rone詳細(xì)數(shù)據(jù)信息和模糊計(jì)算過程），其表達(dá)式為:

其中

式中:N1i、N2i、N3i、N4i分別為當(dāng)前調(diào)頻 過程第i個性能指標(biāo)在優(yōu)、良、中、差等評估標(biāo)準(zhǔn)中對應(yīng)的模糊值；xi為 當(dāng) 前 調(diào) 頻 過 程 中 第i個 性 能 指 標(biāo) 參 數(shù)；ai、bi、ci、di分別為第i個性能指標(biāo)評估的優(yōu)、良、中、差等評估標(biāo)準(zhǔn)的下限。

4）將判斷矩陣Rday和Rone分別進(jìn)行二級調(diào)頻指標(biāo)模糊，得到二級調(diào)頻指標(biāo)模糊評價矩陣rday和rone。rday的表達(dá)式為:

由rday、rone和W1進(jìn)行二級指標(biāo)模糊評價判別，并引入主成分決定性判據(jù)和主成分突出性判據(jù)進(jìn)行研判，計(jì)算結(jié)果分別如表3 和表4 所示。表中:G1 至G4 表示火儲聯(lián)合調(diào)頻效果的評估等級，分別為優(yōu)、良、中、差。

表3 主成分決定判據(jù)分析Table 3 Analysis of principal component determination criterion

表4 主成分突出判據(jù)分析Table 4 Analysis of principle component prominence criterion

3.3 評價結(jié)果分析

傳統(tǒng)AHP 與EWM 優(yōu)化AHP（E-AHP）均受到專家決策矩陣的影響，從而導(dǎo)致一致性檢驗(yàn)不通過，并且受主觀性影響，因此評分排序最低。而關(guān)聯(lián)性分析法優(yōu)化AHP（G-AHP）有效解決了一致性檢驗(yàn)不通過問題，如表5 所示。本文通過改進(jìn)專家經(jīng)驗(yàn)矩陣AHP 與EWM（E-G-AHP）的有機(jī)結(jié)合，有效解決了權(quán)重指標(biāo)主觀性問題，賦權(quán)結(jié)果更加合理，評分較高。傳統(tǒng)FCA 評價效果并不理想，本文通過模糊方式與時間尺度相適應(yīng)，并引入主成分分析判據(jù)評價火儲聯(lián)合調(diào)頻性能，綜合評價效果均優(yōu)于傳統(tǒng)FCA。其中，決定性判據(jù)評價效果最好，故作為本文火儲聯(lián)合調(diào)頻性能評價的首發(fā)判據(jù)。

表5 評估算法對比實(shí)驗(yàn)Table 5 Comparative experiments of evaluation algorithms

由表3 和表4 分析發(fā)現(xiàn)，G1 標(biāo)準(zhǔn)的序列數(shù)值較高于G2 至G4 標(biāo)準(zhǔn)，且每日的G1 標(biāo)準(zhǔn)之間存在±3%左右的差距，體現(xiàn)了每日數(shù)據(jù)之間的獨(dú)立性。這是由于處理每日調(diào)頻信息流時，并未依據(jù)當(dāng)日均值進(jìn)行直接評價，而是采用了DempSter 合成規(guī)則數(shù)據(jù)思想方式，這樣既規(guī)避了日均值相近的情況，又充分考慮了當(dāng)日所有調(diào)頻過程的性能參數(shù)，根據(jù)模糊原理構(gòu)建模糊綜合判斷矩陣進(jìn)行主成分分析，證明了改進(jìn)模糊綜合評價方法的合理性、完整性、有效性。當(dāng)月所有日期的調(diào)頻考核綜合評價指標(biāo)均為優(yōu)秀。

以日為時間尺度評價調(diào)頻性能，其調(diào)節(jié)性能指標(biāo)均值較為接近，而且儲能融入調(diào)頻過程導(dǎo)致整體調(diào)節(jié)性能指標(biāo)直接躍進(jìn)G1 標(biāo)準(zhǔn)，因此主成分決定性判據(jù)和突出性判據(jù)之間互補(bǔ)性未完全體現(xiàn)。若以電網(wǎng)指令下發(fā)時間為尺度評價調(diào)頻性能，從表6 中不難看出，通過主成分決定性判據(jù)對該次調(diào)節(jié)過程進(jìn)行評價時，出現(xiàn)了無法判斷的情況。以第436 次和第851 次調(diào)節(jié)過程為例，該次調(diào)節(jié)采用決定性判據(jù)分析時，第436 次出現(xiàn)G2 標(biāo)準(zhǔn)和G3 標(biāo)準(zhǔn)的數(shù)據(jù)差距過小，第851 次出現(xiàn)G3 標(biāo)準(zhǔn)和G4 標(biāo)準(zhǔn)數(shù)值一致，因此需要借助突出性判據(jù)進(jìn)行評價。此時，模糊綜合評價方法記錄主成分決定性判據(jù)無法判斷的標(biāo)準(zhǔn)類別，由主成分突出性判據(jù)對矛盾的標(biāo)準(zhǔn)類別進(jìn)行二次研判，如463 次，決定性判據(jù)無法判斷G2 與G3 標(biāo)準(zhǔn)的優(yōu)先級，借助突出性判據(jù)分析得到G3 標(biāo)準(zhǔn)優(yōu)先級高于G2 標(biāo)準(zhǔn)，故436 次調(diào)節(jié)過程綜合評價為中等水平。

表6 主成分判據(jù)的互補(bǔ)性分析Table 6 Complementarity analysis of principal component criterion

本文火儲聯(lián)合調(diào)頻響應(yīng)曲線如圖2 所示。為了更全面地體現(xiàn)本文基于改進(jìn)權(quán)重因子的火儲聯(lián)合調(diào)頻性能評價分析算法的客觀性、準(zhǔn)確性、可靠性，選取典型調(diào)節(jié)過程驗(yàn)證評估算法的有效性，圖2中標(biāo)注的a、b、c、d、e 分別與圖3 中單次調(diào)節(jié)過程分析圖一一對應(yīng)，火電響應(yīng)曲線與聯(lián)合響應(yīng)曲線之間的柱狀代表儲能機(jī)組輔助調(diào)頻實(shí)時出力值。其中，圖3（a）的調(diào)頻過程評價結(jié)果為優(yōu)秀，無儲能系統(tǒng)介入調(diào)頻，火電調(diào)頻于47 s 后進(jìn)入調(diào)節(jié)死區(qū)，滿足電網(wǎng)調(diào)節(jié)需求，而火儲聯(lián)合調(diào)頻在原基礎(chǔ)之上進(jìn)入死區(qū)時刻提前至第19 s，減少了61.7%的火電調(diào)頻時間，從而使得聯(lián)合機(jī)組穩(wěn)態(tài)運(yùn)行時間（機(jī)組在調(diào)節(jié)死區(qū)中運(yùn)行的時長）的占比從14.5%顯著提升至65.5%。不僅如此，在儲能系統(tǒng)的輔助下，調(diào)節(jié)精度也相應(yīng)提高10%，從火電調(diào)頻性能、儲能調(diào)頻性能和雙系統(tǒng)協(xié)同控制效果進(jìn)行分析，調(diào)節(jié)過程均處于最優(yōu)狀態(tài)。如圖3（b）調(diào)節(jié)過程所示，火電調(diào)頻過程雖然無法滿足電網(wǎng)負(fù)荷需求，但調(diào)節(jié)速度符合電網(wǎng)要求（每分鐘調(diào)節(jié)1.5%額定容量）。機(jī)組依賴于儲能系統(tǒng)共同參與電力系統(tǒng)調(diào)頻過程，聯(lián)合響應(yīng)31 s 后首次進(jìn)入調(diào)節(jié)死區(qū)，37 s 后才使得聯(lián)合出力穩(wěn)定在調(diào)節(jié)死區(qū)之內(nèi)，故而評價該次調(diào)節(jié)過程為良好。圖3（c）中，火電調(diào)節(jié)的調(diào)節(jié)速度、調(diào)節(jié)精度、響應(yīng)時間都不滿足電網(wǎng)要求，過于依賴儲能系統(tǒng)來滿足調(diào)節(jié)需求，因此評價該次調(diào)節(jié)過程為中等。圖3（d）和（e）的評估結(jié)果均不合格，圖3（d）中，雖然調(diào)頻過程曾進(jìn)入調(diào)節(jié)死區(qū)，但儲能系統(tǒng)的荷電狀態(tài)難以支撐至調(diào)節(jié)結(jié)束，因而在調(diào)節(jié)尾段，墜出調(diào)節(jié)死區(qū)，無法滿足電網(wǎng)需求。而圖3（e）中火電機(jī)組對調(diào)度指令的響應(yīng)基本失效，且火電機(jī)組實(shí)際出力值與調(diào)度指令的偏差大于儲能系統(tǒng)的調(diào)節(jié)余量，機(jī)組聯(lián)合調(diào)頻響應(yīng)無法進(jìn)入調(diào)節(jié)死區(qū)，故火儲調(diào)節(jié)評價結(jié)果為差。從圖3 分析可知，儲能系統(tǒng)聯(lián)合火電機(jī)組共同參與電力系統(tǒng)調(diào)頻過程，體現(xiàn)了儲能系統(tǒng)的優(yōu)越性和必要性，并且從算法評估結(jié)果分析，佐證了火儲聯(lián)合調(diào)頻綜合性能評估方法的有效性和真實(shí)性。

圖2 火儲聯(lián)合調(diào)頻調(diào)節(jié)過程Fig.2 Processes of thermal-energy storage frequency regulation

圖3 單次調(diào)節(jié)過程分析Fig.3 Analysis of single frequency regulation process

采用本套火儲聯(lián)合調(diào)頻綜合性能評估方法對當(dāng)月所有調(diào)頻過程按次評估調(diào)節(jié)性能，以日為時間尺度統(tǒng)計(jì)單日調(diào)頻性能評價分布情況和判據(jù)互補(bǔ)情況。在電網(wǎng)有效調(diào)度指令下，本套評估分析算法實(shí)現(xiàn)了對調(diào)頻響應(yīng)過程優(yōu)、良、中、差的等級劃分，為按類別分析調(diào)節(jié)過程和調(diào)節(jié)性能、機(jī)組升級改造提供數(shù)據(jù)支撐，如圖4 所示?；鹆Πl(fā)電聯(lián)合儲能參與電網(wǎng)頻率調(diào)節(jié)，明顯提升了機(jī)組原有的調(diào)頻性能，平均優(yōu)秀率為86%，處于中下調(diào)節(jié)水平的約占7.9%，并且主成分分析判據(jù)之間的平均互補(bǔ)次數(shù)約為123 次，體現(xiàn)了評估分析方法中判據(jù)互補(bǔ)的有效性，如圖5所示。通過實(shí)際數(shù)據(jù)驗(yàn)證與分析，論證了本文方法能夠有效建立火儲調(diào)頻綜合性能指標(biāo)的新標(biāo)準(zhǔn)，火儲聯(lián)合調(diào)頻過程性能評價結(jié)果更加客觀和準(zhǔn)確，對火儲聯(lián)合調(diào)頻控制策略改進(jìn)和優(yōu)化具有指導(dǎo)作用。

圖4 調(diào)頻性能評估結(jié)果分布Fig.4 Distribution of frequency regulation performance evaluation results

圖5 判據(jù)互補(bǔ)次數(shù)和優(yōu)秀率Fig.5 Complementary criterion times and excellent rates

4 結(jié)語

相較于以往的調(diào)頻性能指標(biāo)分析，本文提出了“兩級三項(xiàng)八大指標(biāo)”的新型火儲聯(lián)合調(diào)頻性能評價指標(biāo)體系，更全面地概括了調(diào)頻過程的詳細(xì)信息；同時，建立指標(biāo)關(guān)聯(lián)性分析，取代AHP 的專家決策矩陣，使權(quán)重因子偏向于客觀情況，并且采用EWM 補(bǔ)充調(diào)頻指標(biāo)的信息權(quán)重，優(yōu)化新型調(diào)頻性能指標(biāo)的權(quán)重因子分布。在改進(jìn)權(quán)重因子的基礎(chǔ)上，提出不同時間尺度下模糊綜合評價分析方法，由模糊方式與時間尺度相適應(yīng)方法構(gòu)建相應(yīng)調(diào)頻過程的判斷矩陣，由主成分決定性判據(jù)和突出性判據(jù)確定該調(diào)頻過程評價優(yōu)劣。某廠實(shí)際數(shù)據(jù)驗(yàn)證了本文所提方法可以解決綜合性能指標(biāo)的權(quán)重因子重分配問題，有效判別不同時間尺度下火儲聯(lián)合調(diào)頻的調(diào)節(jié)性能優(yōu)劣，有助于建立儲能系統(tǒng)參與電力系統(tǒng)調(diào)頻的新輔助補(bǔ)償標(biāo)準(zhǔn)，為發(fā)電側(cè)和電網(wǎng)側(cè)的規(guī)劃、運(yùn)行提供指導(dǎo)。

需要指出的是，儲能系統(tǒng)的應(yīng)用場景十分廣泛（包括光伏、風(fēng)電、綜合能源、共享儲能等），儲能系統(tǒng)的類型、壽命、成本等問題與應(yīng)用場景具有十分緊密的關(guān)聯(lián)，而如何評價儲能系統(tǒng)在不同應(yīng)用場景下參與電力系統(tǒng)輔助服務(wù)的調(diào)節(jié)效果和經(jīng)濟(jì)收益是下一步的主要研究內(nèi)容。