考虑风储多维运行边界的调峰资源优化配置模型

项 颂， 陈 璐， 苏 鹏， 顾大可， 王泽镝

（1.国网内蒙古东部电力有限公司， 内蒙古 呼和浩特 010020； 2.东北电力大学， 吉林 吉林132012； 3.沈阳工业大学， 辽宁 沈阳 110870）

0 前言

随着大规模风电场迅猛发展，风电的强波动性与随机性给电网稳定运行带来巨大压力[1]～[4]，而储能系统可为风电场与电网提供一个灵活的调节层，进而形成风储联合发电系统，可有效改善风电对电网的冲击[5]～[7]。但考虑配网安全约束及成本等因素，储能与风电的利用效率仍然有限。 因此，通过对风储联合发电系统与储热、火电等调峰资源进行合理的优化配置，是提高风电利用率与储能系统运行空间的有效途径。

目前，已有学者针对风储联合发电系统及调峰资源的优化配置进行了研究并取得了一定的成果。 文献[8]通过分析风储系统运行特性，提出了接入配网后的协同运行策略，可实现风储系统并网离网间的灵活切换；文献[9]为实现风电场经济效益最大化，构建了电动汽车参与运行的风储联合系统日内优化调度模型；文献[10]建立了风储系统与火电机组容量优化模型及联合调频策略，解决了风电并网后的调频问题；文献[11]考虑风电波动特性，建立了风、光、火、蓄、储的优化配置模型，实现了风电并网经济运行。

上述研究虽然在一定程度上解决了风储联合系统并网运行及调峰资源间的优化配置问题，但对于风电规模化并网后，其波动性和随机性对电网带来的冲击， 以及在运行边界约束下风电渗透率与储能系统运行空间的制约关系与运行效率并未进行深入的研究。因此，本文基于风储多维运行边界， 建立了提高风储联合系统运行效率及经济性的调峰资源优化配置模型， 以实现风储联合系统利用效率最大化和经济性最优。

1 风储多维运行边界

1.1 储能多维运行边界模型

为充分利用储能系统储放范围，应进行其运行边界的计算。 储能系统并网后，须考虑其自身运行特性及电网的稳定运行。储能系统的多维运行边界描述了储能系统在电网安全约束下所允许的储放范围，其数学模型为

1.2 风电对储能运行边界影响

2 基于风储多维运行边界的调峰资源优化配置模型

2.1 目标函数

式中：Ctc为风储系统及调峰资源的建设成本；Cmc为风储系统及调峰资源的维护成本；Cpc为风储系统运行的惩罚成本；Csu为风电的供能收益；Cpr为整个系统的调峰收益；Peb-s，i，Pg-s，i分别为电储热、常规调峰机组的容量；Cw-tc，Ce-tc，Ceb-tc，Cg-tc分别为风电、储能、电储热、常规调峰机组的单位建设成本；Cw-mc，Ce-mc，Ceb-mc，Cg-mc分别为风电、储能、电储热、常规调峰机组的单位维护成本；Cppc为单位功率的惩罚成本；Ppc为未能满足调峰需求的功率；Pw，i，t为风机t 时刻的供电出力；CG，CS分别为风电单位发电的政府补贴、交易电价；Psu，i，t，Pst，i，t分别为t 时刻进行调峰的供能、储能功率；Csu，Cst分别为调峰时供能、储能的收益。

2.2 约束条件

2.3 模型求解

针对本文提出的基于风储多维运行边界的调峰资源优化配置模型， 利用多目标遗传算法（Non-dominated Sorting Genetic Algorithm NSGA-Ⅱ）进行求解，协调多维运行边界计算结果与资源的容量配置， 可实现风储系统与调峰资源间最优组合，具体求解流程如图1 所示。

图1 求解流程Fig.1 The flow chart of solution

3 仿真验证

本文以IEEE33 节点系统为例， 接入风储系统，进行模型仿真分析与验证，算例拓扑结构如图2 所示，风储系统接入点为15，20，24，30。 负荷曲线如图3 所示。

图2 含风储联合系统的拓扑图Fig.2 Topology of distribution system containing wind farm with hybrid storage devices

图3 负荷曲线Fig.3 Load curve

在仿真验证过程中， 考虑储能系统的充放时间及相应特性， 通过确定储能系统的荷电状态分析其实际运行过程中的储放状态， 进而根据荷电状态与电流电压间的关系， 得到电池储能系统放电效率特性曲线，如图4 所示。

图4 电池储能系统放电效率特性Fig.4 Discharge efficiency characteristics of battery energy storage system

由图4 可知， 储能系统通过在合理的储放范围内运行，可以提高运行效率及使用寿命。电池储能系统荷电状态一般在10%～90%。

本文对两种调峰资源优化配置方案进行分析。方案1 考虑风储联合系统的多维运行边界，进行调峰资源优化配置； 方案2 不考虑风储联合系统的多维运行边界，进行调峰资源的配置。根据蒙东某配网实际负荷年曲线及电池储能的充放电效率特性，给出方案1 和方案2 的容量配置，如表1所示。

表1 容量配置对比Table 1 Capacity allocation contrast MW

根据容量配比及本文优化配置过程中系统的约束条件得到风储系统接入点的电压。如表2 所示。

表2 接入点区间电压对比Table 2 Interval voltage of access points contrast

由表2 可知， 由于方案1 考虑了风储多维运行边界，其接入点的区间电压均在允许范围内，而方案2 中节点15 和节点20 的电压上限与节点24 的电压下限超过约束范围。 因此，未考虑风储联合系统的多维运行边界进行优化配置， 容易产生电压越限风险。 通过仿真验证得到风储联合系统容量与年收益关系曲线，如图5 所示。

图5 风储容量与年收益关系Fig.5 Relationship wind farm with hybrid storage devices and annual revenue

由图5 可知， 风储系统入网可减少火电机组的配置，风储联合系统供能获得的收益，以及电储热协调消纳弃风供暖所带来的收益， 可大规模降低系统日运行成本，加快建设成本的回收。本文提出的考虑风储联系发电系统多维运行边界下的优化配置， 可以减少电压越限以及风电波动等因素带来的惩罚成本， 与不考虑多维运行边界情况相比，可配置更多风储系统的容量，充分利用风电与储能系统的储放空间，提高电网调节灵活性，具有更优的经济性。

4 结论

本文针对大规模风储联合系统并网， 考虑了储能系统储放范围与风电渗透率之间制约关系及电网稳定运行等约束，为提高风储系统运行效率，通过确定风储系统的多维运行边界， 提出了调峰资源优化配置模型， 并在IEEE33 节点上进行仿真分析。结果表明，考虑风储联合系统多维运行边界可减少电压越限，提高系统运行稳定性；与传统配置方式相比， 本文提出的考虑风储多维运行边界的调峰资源优化配置模型在满足调峰资源配置经济性最优的同时， 可以实现风储联合发电系统利用效率最大化，有效减少弃风现象，加快投资成本的回收。