分布式多源储能模糊聚类集群协调优化模型

韩永强， 王学超， 孙 碣， 孙永辉， 金红洋

（1.国网内蒙古东部电力有限公司经济技术研究院， 内蒙古 呼和浩特 010020； 2.沈阳工业大学 电气工程学院， 辽宁 沈阳 110870）

0 引言

随着多能源系统中新能源渗透率的提高，系统的灵活调节需求不断增加， 利用储能系统能量存储与释放的时空调节特性能够有效促进多能源系统高效灵活运行[1]~[3]。 因此，储能技术得到广泛应用，储能系统形式也由单一电池储能系统，逐步扩展为以电、 热作为能量存储与释放基本单元的多源储能系统[4]~[6]。

分布式多源储能系统是由时序调节性能灵活、 分布广泛的多源储能单元所组成的分布式复杂系统， 能够利用多能源能量供需之间的时序匹配特性缓解系统功率调节压力， 分布式多源储能系统的协调优化为多能源系统高效经济运行以及新能源消纳提供了一种有效的解决方案[7]~[10]。

目前， 已有学者开展了关于分布式多源储能系统协调调度的研究。 文献[11]针对热电系统能量平衡问题，提出基于电-氢-热能源转换、存储与释放的电热混合储能模型， 能够有效提升系统的经济性和灵活性。 文献[12]提出不同场景下的分布式储能系统优化调度模型， 该模型能够提升电网调峰、调压能力，同时降低系统煤耗成本。 文献[13]为提升系统运行经济性，提出了基于集群划分的分布式储能容量规划方法， 能够有效改善配电网运行状况。

基于上述背景， 本文提出分布式多源储能系统集群协调优化模型。首先，研究分布式多源储能系统拓扑结构及其在时间尺度和容量深度上的调节特性，量化分布式多源储能系统的调节能力；其次，基于储能系统调节能力进行节点集群划分，并建立基于节点集群划分的分布式多源储能系统集群协调调度模型；最后，以我国北方某城市电网实际数据及电热耦合系统数据建立仿真模型， 验证了所提方法的有效性。

1 分布式多源储能系统

1.1 分布式多源储能系统模型

分布式多源储能系统包含储电（ES）、电锅炉（EB）和储热（HS）设备。分布式储热设备是电能热能转换装置， 分布式多源储能系统能够利用电网多余电能及多种类能源的时空互补特性进行多能源系统能量优化。因此，分布式多源储能系统的优化调度，是实现电热多能源系统协调运行，解决新能源消纳的重要手段之一。

（1）电锅炉功率模型

电锅炉是将电能转换为热能的能源转换设备，产生的热能可为热力管网提供能量。电锅炉功率模型为

（2）储热功率模型

忽略储热设备热量耗散特性，储热功率模型为

（3）储电功率模型

储电功率模型为

1.2 分布式多源储能系统调节特性分析

分布式多源储能系统的调节能力与分布式储电及储热的容量大小、运行周期、运行状态和出力特性有关，同一分布式储能系统在不同时间尺度下具有不同的调节特性。 因此，为分析分布式多源储能系统的调节特性，须要建立分布式多源储能系统的调节能力模型。

（1）分布式储电

分布式储电响应速度快，使用寿命长，但成本高，一般用于15 min 以内的高渗透新能源电网能量供需平衡，充放能过程的调节能力模型为

（2）分布式储热

分布式储热容量大、响应能力强，可参与15 min 到1 h 的高渗透新能源电网能量供需平衡，充放能过程的调节能力模型为

本文将传统的电力系统向上、 向下调节特性[15]与时间尺度调节能力相结合，构建分布式多源储能系统的调节能力模型。 调节能力可分为6类，即：向上快速、向上中速、向上慢速、向下快速、向下中速、向下慢速：

式中：νi，t为节点i 在t 时刻的调节能力，是关于多源储能运行状态的函数，函数关系为fi，t（·），即对节点i 各类储能设备调节能力归一化处理之后数值求和。

2 分布式多源储能系统集群协调调度

针对分布式多源储能系统调节能力在时间尺度上的耦合特性，分布式多源储能系统集群协调优化目的是通过提取分散的多源储能节点调节能力，形成具有相似调节特性或相近调节功能的多源储能系统集群，从而在此基础上进行集群协调调度。

2.1 基于调节能力的分布式多源储能系统节点集群划分模型

本节提出基于模糊C 均值聚类的多源储能节点集群划分方法， 建立适用于多时间尺度能量供需平衡的多源储能节点集群划分模型。 假设分布式多源储能系统在电力系统中分散接入， 共包含N 个节点，则N 个节点某一时刻的调节能力集合为V=[v1，…，vn，…，vN]′，一个调度周期内的分布式多源储能系统调节能力样本数据可表示为

模糊C 均值聚类目标函数为

式中：unc为隶属度；lnc2为聚类中心到样本的距离；J 为加权平方和。

基于模糊C 均值聚类方法的分布式多源储能系统节点集群划分步骤如下。

①初始化隶属度矩阵U（0），调度周期T=24，聚类个数C=6。

②计算聚类中心U＇，取d 次迭代：

③对隶属度矩阵进行修正：

④计算目标函数：

⑥得到预设的6 类基于调节能力划分的分布式多源储能系统子群{P˜DMSS，e|e=1，…，6}。

由上述算法可得到基于调节能力的分布式多源储能系统节点集群划分结果， 能够为实现布局分散， 时域调节灵活性强的分布式多源储能系统细调， 集群参与多能源系统实时能量平衡提供基础。

2.2 集群协调调度模型

2.2.1 目标函数

根据分布式多源储能系统节点的集群划分结果，建立集群协调优化模型，优化目标为

式中：CFFU为最小化火电机组运行成本；CT为分布式多源储能系统能量转换成本；CL为分布式多源储能系统能量损失成本；CC为新能源弃电成本。

2.2.2 约束条件

（1）能量平衡约束

式中：LE，t和LH，t分别为电负荷和热负荷。

（2）电锅炉设备约束

式中：PEB，max为电锅炉输入功率上限。

（3）储电装置约束

2.3 调度模型求解

分布式多源储能系统作为高渗透新能源电网能量供需平衡以及新能源消纳的重要手段， 其调度方式不同于传统电网调度， 不仅要考虑分布式多源储能系统集群的调节能力与多能源系统的协同关系， 还必须考虑整个电热能源系统运行的经济性。 本文提出的分布式多源储能系统集群协调调度策略如图1 所示。

图1 集群协调调度策略图Fig.1 The strategy diagram of cluster coordination scheduling

该调度策略主要目的是利用分布式多源储能系统在时间尺度和调节深度上的调节能力， 应对多能源系统中由于高比例新能源波动性所产生的向上调节和向下调节需求， 从而进行基于调节能力集群划分的分布式多源储能系统集群协调调度决策， 采用基于MATLAB2019a 平台调用CPLEX商业软件进行调度模型求解。

3 算例分析

3.1 参数设置

基于我国北方某城市电网风电、 光伏和电负荷实际数据， 以及城市内热负荷和能源转换存储设备的容量实际值建立仿真模型。 仿真系统火电机组装机容量1 300 MW， 风电装机容量600 MW， 光伏装机容量500 MW， 最大电负荷1 100 MW、最大热负荷600 MW。调度周期为24 h，步长为1。 分布式多源储能系统参数如表1 所示。

表1 分布式多源储能系统参数Table 1 The parameters of distributed multi- energy storage system

3.2 结果分析

图2 分布式多源储能系统集群划分结果Fig.2 The cluster partition results of distributed multi-energy storage system

采用本文提出的分布式多源储能模糊聚类集群协调优化模型， 得到基于调节能力的分布式多源储能系统节点集群划分结果如图2 所示。由图2可知，在一个调度周期内，由于调节时间尺度和调节容量深度的不同，分布式储电、储热的调节能力分布较为分散。 采用本文基于调节能力的集群划分方法，计算得到分布式多源储能系统子集，共6 类， 可为分布式多源储能系统在集群协调调度中的优化调控提供数据支撑。

图3 为分布式多源储能系统集群协调调度结果，图中储能设备出力为净出力，取放能功率为正值，充能功率为负值。 由图3 可以看出，在电力峰值时段，电锅炉功率降低，储电功率增加，储电设备出力增加，可应对电负荷增加需求。在电力谷时段，储电设备由于调节成本高，出力变化不明显，电锅炉功率增加，同时储热设备净出力为负值，利用低谷电储能。 因此， 整个系统集群协调调度策略，可在提升电网调节能力的同时，满足整个调度周期内的电热负荷需求。 由于采用基于调节能力集群划分的集群协调调度，故该调度策略能够有效应对峰谷各个时段的调峰需求，同时有效解决风电、光伏的消纳问题，提升多能源系统调节能力。

图3 分布式多源储能系统集群协调调度结果Fig.3 The cluster coordinated scheduling results of distributed multi-energy storage system

4 结束语

本文采用分布式多源储能系统作为多能源系统运行的基本能源转换和存储单元， 其调节能力在时间尺度和容量深度上具有明显的互补增效特性。因此，本文所提出的基于调节能力集群划分的分布式多源储能系统集群协调优化模型，是保障多能源系统能量供需平衡，实现分布式多源储能系统协调优化以及提高新能源消纳水平的重要手段。

仿真结果表明， 分布式多源储能系统集群协调优化方法能够在充分利用分布式储电和储热调节能力的前提下， 形成具有高效协调能力的分布式多源储能系统子群落， 建立基于各功能子群落的系统集群协调调度策略，可降低系统调度成本，同时也能够通过分布式多源储能系统自身能量转换和存储特性，为新能源提供较大的并网空间。