分布式储能技术在智能电网的应用

沈鑫，曹敏

(云南电力试验研究院(集团)有限公司电力研究院，云南 昆明 650217)

0 前言

需求侧管理技术是智能电网的重要组成部分。智能电网高级量测体系(AMI)的发展与应用，实现了电网数据中心与用电客户的双向数据通信，从而使用户能够获知电网运行状态和实时电价等关键信息，并在经济利益的驱动下，主动参与到电网需求侧管理上来［1］［2］。储能技术是智能电网的另一个重要组成部分，在用户侧实现分布式储能，一方面可保证供电可靠性，另一方面能让用电负荷变得可操控，实现真正意义上的需求侧管理。文献［3］提出了分布式储能控制技术模型，研究了需储能装置提供的总电量和用户违约率、储能装置提供的电力及其持续时间的关系，并用IEEE30 节点系统验证了储能装置电量上网后负荷峰谷差的缩小，然而文章并未深入探讨分布式储能装置的控制机制。文献［2］依据文献［4］的研究成果，判断大容量储能装置会在未来几年内进入用户家庭，并简述了此类分布式储能装置对削峰填谷、保障电网安全稳定运行的积极意义，但文章同样没有研究如何避免大量分布式储能装置可能集中性充放电带来的更大负荷曲线波动。因此，在上述研究的基础上，本文立足于智能电网AMI 及分布式储能的实现，配合实时电价激励机制，在需求侧管理中引入概率统计理论，建立了数学模型，并在MATLAB 仿真验证，最终得出了该模型的可行性。

1 分布式储能需求侧管理意义

全网负荷每时每刻都处于变化中，然而在脱离具体负荷数据、仅观察负荷变化趋势的情况下，同一个地区相邻时间内的日负荷曲线却都有着相似的典型特征。从日负荷曲线上看，夜里人类活动的减少和白天活动的增加这种变化带来的峰谷差尤为明显。传统电力系统中，为维持发电和用电的及时平衡，电网的规划、设计、调度和运行等大多基于满足高峰负荷时的安全需求原则而考虑［5］。然而研究表明，高峰负荷持续的时间相对整个统计周期而言并不长，从我国近年来的电力持续负荷统计看，全国95%以上的高峰负荷年累计持续时间只有几十个小时，为满足这部分高峰负荷而增加调峰发电装机乃至投入巨资改造电网，显然是很不经济的［6］。再者，火电在中国依然占据着很大比例，由于火电机组的启停复杂，且消耗大量资源，导致火电厂的运行有强烈的连续性要求［8］，而现实生活中的负荷却是波动的，这种生产方与需求方的不协调、不同步给电力系统的设计、运行带来了很大难题。目前采用的抽水蓄能解决方式有着效率低下的天然劣势。

随着储能技术的发展，设想在用户的电表后都安装大容量储能设备。配合实时电价机制，当负荷增长进入高峰期时，电价随之升高，用户通过智能电网的通信网络获取到该实时电价信息，为追求利益，将主动放弃使用电网电能，改用储蓄电能，促使负荷下降;当负荷下降进入低谷期时，电价随之降低，用户的储能装置将进入充电状态，成为电网中的一部分负荷，促使负荷上升。可引入分布式储能装置，通过需求侧管理达到削减高峰负荷目的的做法很重要。

2 分布式储能需求侧管理模型

上述通过储能装置调节负荷过程，在理想状态下对于削峰填谷的作用非常明显，然而却并未考虑不可控因素:当负荷进入高峰期时，电价升高，所有用户都获取到了该信息，为避免使用高价电带来的经济损失，短时间内会不约而同脱离电网改用储蓄电能，这将导致负荷瞬间锐减;此时由于负荷减少，电价瞬间降低，所有用户又同时停止储能装置供电并让储能装置充电，这将导致负荷又瞬间提升，如此循环往复，整个负荷曲线将变得震荡、不可控。这种情况不但无法实现削峰填谷的效果，反而加剧了电网的不稳定。因而需要一套机制有效地控制分布式储能装置充、放电，从而间接地控制负荷的增减，使负荷曲线趋于平缓稳定。

设某一地区有n 个用户，且每用户为1 单位负荷。这一假设并不影响下面论证的客观性——根据概率论，现实生活中每用户的负荷数是随机的，因而随机选取足够多的k 个用户样本，其均值将趋近于某一值，我们即取该值为1 个单位。

设某一次实时电价低于电价均值时，所有用户让自己的储能装置充电的概率分别为P1、P2、…、Pn－1、Pn。假定电网总负荷在n/2 单位时处于最佳状态(无重过载且电网运载能力得到较好发挥，该值应视电网实际决定)，我们将负荷处于这一点时的电价定为1 个单位(此处1 单位电价应略低于现行电价均值)。这意味着，只要保持负荷总数处于n/2 状态，则所有用户的电费支出都会减少，而且供电可靠性更高，获得的用电体验更好;对于供电企业而言，由于电网一直处于最佳运行状态，可减少大量维护成本，且线损降低，也无需投入巨资对变压器、线路进行增容，因而电费收入虽有所减少，获得的效益却更多。

取一个较小的时间间隔(5 分钟)分析，假设第0 分钟控制中心检测到全网的负荷为z 单位则此时应有部分负荷补充进来(可能是部分用储备电能的用户改用电网电能或部分用户将储能装置投入充电。方便起见，假设此时并无用户使用储备电能)，设此时缺少的负荷为x单位。

当(1)式成立时，相当于做了n 次随机试验，记储能装置进行充电为事件A，有:

在n 足够大的情况下，会有非常接近x 个单位的负荷接入电网。

3 模型分析

以图1 广东地区某日的负荷曲线为例。

图1 负荷曲线图

以天为单位建立基于概率统计的决策模型，首先需要确定一天时间内的负荷基准值。在第2节中，假定负荷基准值为n/2 单位(共n 个用户，每用户1 个单位负荷)，这种假定的前提是每个用户的平均用电时间为半天。实际上负荷基准值应取日负荷的均值，依据是:在储能装置和概率统计决策的调整下，日负荷曲线将在负荷基准值上下小范围波动，若负荷基准值过大于日负荷均值，将造成储能装置储蓄电能过多，一天内无法消耗完，影响下一个日负荷曲线调整;若负荷基准值过小，则储能装置储备的电能无法满足高峰负荷期间的电能补充需求，调整后的日负荷曲线将有较大波动。

图1 蓝色曲线是每5 分钟测得一个负荷值，24 小时内共288 个值连接而成的图像。这些负荷值的均值约为414.27t 单位(t 为系数)，以此为负荷基准值。从凌晨0 点开始，此时基准值和实际值之差约为61.70t 单位，假定日最高负荷为用户总负荷数n，即n 为535.24t 单位(此处仅为论证方便取值，实际应用中该值应通过调查统计得出)，则此时应有P=P1=P2=…=Pn=61.70t/535.24t≈11.53%。电网控制中心通过信息网络向所有用户广播此值，所有用户端自行生成一个范围在0～9 999 的随机数q，当时，启动储能装置充电。在用户数足够多的情况下，经过这一次决策调整，会有61.70t 单位负荷加入电网，使负荷达到基准值，如图2 中A 点(考虑到通信和动作会有延时，因而A 点处于0 点稍后位置)。接下来的5 分钟内，由于不断有用户停止用电，在0:05 时，实际负荷又减少了2.88t，此时控制中心广播的P 值应为0.54%，用户快速响应后，又有2.88t 单位的储能装置作为负荷接入电网充电，总负荷又恢复到基准值状态，如图2中B 点。

图2

表1 中“当前负荷趋势”可通过对比当前负荷值与前一个时间点负荷值得知。这种对应关系形成的根本原因是:当实际负荷低于基准负荷且预计下一个时刻将会更低(下降趋势)时，由于所有用电客户此时都在用电网电能(初始状态没有储能装置供电、后续的此种情况在本模型体系中也只会形成这种状态)，所以必须通过投入储能装置充电增加负荷;当实际负荷低于基准值而预计未来会逐渐接近基准值(上升趋势)时，由于有储能装置正在充电，应该先停止这部分充电达到降低负荷的目的;当实际负荷大于基准值而且越来越大时，必须不断地投入储蓄电能使用，缓解负荷高峰供电压力;当实际负荷高于基准值但未来会自然下降时，应该部分停止使用储蓄电能，避免负荷下降太多带来震荡。

表1 储能装置的动作与当前实际负荷对应关系

前面选取0～100 分钟的曲线分析了第一种情况。由图1 可知，在450～490 分钟期间，实际负荷处于第二种情况，如图3 中C 点，在第455 分钟监测到负荷高于基准值，此时要停止部分储能装置充电使其恢复到基准值。在D 点附近，投入充电的储能装置已全部停止充电(在0～495 分钟区间内，负荷曲线的正增量和负增量刚好完全抵消)，即下一个时间点E 需要开始让部分储能设备放电，达到减少负荷的目的。同理，图4 中第675 分钟后出现第4 种情况，即F 点需要开始停止部分储能装置的放电。

图3

图4

图5

整个日负荷曲线调整后如图5 中红色锯齿状图形。

4 结束语

经过调整后的负荷曲线，很好地达到了削峰填谷的目的。然而上述论证过程是在全天负荷数据已知情况下进行的，很容易选取全天的负荷均值作为基准值。但实际应用中无法获知未来的负荷数据，因而基准值的选取必须依靠历史记录，通过综合考虑邻近几天的均值以及天气因素等，拟定一值，并根据实际不断予以修改，使最终的负荷曲线趋于平滑。

［1］王蓓蓓，李扬，高赐威.智能电网框架下的需求侧管理展望与思考［J］.电力系统自动化，2009，33 (20):17－22.

［2］张景超，陈卓娅.AMI 对未来电力系统的影响［J］.电力系统自动化，2010，34 (2):20－23.

［3］梁甜甜，高赐威，王蓓蓓.智能电网下电力需求侧管理应用［J］.电力自动化设备，2012，32 (5):81－85.

［4］KANG B W，CEDER G.Battery materials for ultrafast charging and discharging.Nature，2009，458 (235):190－193.

［5］杨卫东，姚建国，杨胜春.储能技术对未来电网发展的作用分析［J］.水电自动化与大坝监测，2012，36 (2):17－20.

［6］百度.需求侧管理_ 百度百科［OL］.(2012－04－24)［2013－ 07－ 01］.http://baike.baidu.com/view/329264.htm.

［7］国家电力监管委员会.2013 年中国发电装机规模有望跃居世界第一［OL］.(2013－03－04) ［2013－07－01］.http://www.serc.gov.cn/hysj/zhxx/201303/t20130304_ 37102.htm

［8］王锡凡.分段竞价的电力市场［J］.中国电机工程学报，2001，21 (12):3－6.