用户侧储能系统容量优化配置及辅助软件研究

文/陈旭海 陈佳桥 叶春 王金友

1 引言

储能是国家战略性新兴产业，是能源互联网的重要组成部分和关键支撑技术，具有快速响应和双向调节、环境适应力强、建设周期短等技术优势。规模化应用将对能源转型、电网格局、电源结构产生重大影响。随着储能技术突破和成本快速下降，储能应用前景日趋广阔。目前已有的储能方式主要可分为电化学储能与物理储能。电化学储能由于具有使用方便、环境污染少、不受地域限制、转化效率高、比能量和比功率高等优点得到广泛的应用。

由于目前储能系统成本较高，而蓄电池成本占项目总投资70～80%，因此影响混合储能系统经济效益的主要因素是储能系统的规模配置。储能容量不合适将不利于电网安全稳定运行或降低电网经济性。合理的容量配置既可以节省成本，又可以提高储能的利用率，使其在必要的功能范围内得到充分的价值体现。储能容量优化配置需要综合考虑储能技术特性、安装运行成本费用等因素，寻求最优容量配置方案，以提高系统运行稳定性、可靠性及经济性。因此，储能装置的容量配置需满足两个要求，即在保证完成自身承担的任务、满足电网运行需求的同时应满足电网的经济性需要，确保以最小的成本实现电力系统的优化运行。

用户侧是电力使用的终端，用户是电力的消费者和使用者，发电及输配电侧的成本及收益以电价的形式表现出来，转化成用户的成本，因此电价的高低会影响用户的需求。储能应用与用户侧，可以起到用户分时电价管理、容量费用管理、需求侧响应、改善电能质量等功能。

本文以Matlab作为储能系统规划设计的基础性工具，并以其中的（graphical user interface,GUI）开发环境(GUIDΕ）设计用户侧储能容量仿真配置，并通过实例验证所提方法的有效性。

2 储能系统容量优化配置算法

在储能电池的容量配置和经济性评估方面，目前主要的容量配置及其优化方法有差额补充法、波动平抑分析法和经济性评估法等。由于储能电站项目通常以投资回报作为导向，因此本研究采用经济性评估法对储能系统的功率及容量进行优化配置，构建了储能系统的经济运行模型，采用智能算法对目标函数进行寻优求解。

如图1所示，智能算法采用三层前馈阶层网络，即输入层、隐含层以及输出层，各层之间实行连接，具体结构如下：

（1）输入层：将所构建样本的输入向量{P1,P2,P3…Pq, Q1,Q2,Q3…Qq},进行前向计算；

（2）隐含层：训练神经网络，能从输入、输出的数据中提取出规律性的知识，记忆于网络的权值中，并且具有泛化能力；

式中Wj1、Wj2、…Wjn分别表示神经元1、2、…n与第j个神经元的连接强度，即权值；bk是隐含层和输出层的阈值。

图1：智能算法网络结构图

图2：Back-Propagation算法的流程图

图3：智能算法整体的流程图

（3）输出层：对触发的强度进行与第四层权值求积再求和，并通过sigmoid函数将输出值压缩在（0,1）之间，得到第j个输出yj：

图4：GUI参数设置界面及仿真流程

设定目标函数为：

式中：tj(k)表示期望输出，yj(k)表示神经网络输出。

要使智能算法产生所希望的行为，必须对其进行训练学习，不断调整权值，使网络的实际输出值和期望值之间的方差达到最小。学习效果直接影响到网络的控制精度。训练神经网络常用算法主要有随机梯度下降(SGD)、Back-Propagation(BP)算法，本文选用BP算法训练网络，其算法流程图如图2所示，智能算法整体的流程图如图3所示。使用Back-Propagation算法对网络权值进行修正更新：

表1：峰谷分时段

图5：3月某星期负荷曲线

通过链式法则可得参数更新式为：

3 基于Matlab/GUI用户编程界面

Matlab软件的图形用户界面可以方便地调用Matlab自身的功能、灵活地设计用户操作界面，本研究以Matlab/GUI为平台编写储能系统运行软件，利用Matlab强大的计算功能模拟储能系统的运行工况，并对其经济性进行分析。GUI界面如图4所示，图4(a)为储能系统的运行参数值的设定，包括主变容量、电价、储能功率容量及其成本，通过运行4(a)则可对储能系统参数进行设置，设置界面如图4(b)所示，输入系统参数值后即可运行仿真结果与储能运行工况，得出仿真结论。

4 算例分析

图6：智能算法训练过程

图7：储能运行工况

以某工业用户为例,一年中某个星期的典型日负荷曲线如图5所示，用户峰谷时间如下表所示，本文选取福建省峰谷电价对储能效益展开分析。

算例中储能基本容量电费按36元/kVA/月,需量电费按24元/kVA/月计算。以磷酸铁锂锂电池储能系统为例,其单位容量成本约为2200元/(kW·h)，其单位功率成本约为440元/kW。

图6为运行迭代次数与目标函数的关系曲线图，随着训练次数的增加，目标函数的误差逐渐减少，当训练次数为7751次时训练误差小于10-8，目标函数误差满足迭代要求。

通过智能算法对目标函数寻优求解，综合实际储能容量配置的需求，配置储能系统的规模为4MW/6MWh，此时储能系统回收期不计储能效率损耗及税收等，其储能削峰填谷运行工况如图7所示，采用恒功率充放电模式，不计储能系统损耗，实现了低电价储能，高电价释能，储能日循环次数为3次。 配置储能后年节省电量电费约为223万，年节省基本电费5.18万，储能系统回收期约为6.5年。

5 结论

本文采用智能算法对储能系统进行配置，以Matlab/GUI为平台编写储能系统运行软件，在以储能系统回收周期最短为目标对储能功率容量优化配置。并对储能运行工况进行分析，仿真结果证明了所提方法的有效性。