考虑风电反调峰特性的储能调峰优化策略

2021-08-11靳一奇花赟昊王世萱焦哲晶

科学技术与工程 2021年20期

靳一奇，朱武，花赟昊，王世萱，焦哲晶

(上海电力大学电子与信息工程学院，上海 200090)

能源革命背景下提出的泛在电力物联网，更加注重能源的利用，更能在环境友好的前提下提高能源使用率[1-2]。因此，研究储能系统应用于电网调峰的同时还能有效应对可再生能源消纳问题就很有意义。根据《中国电力行业年度发展报告2020》统计：2019年，中国新增风光发电装机容量合计5 224×104kW，占中国新增发电装机容量的49.8%；不难看出风电光电等大规模新能源发电在中国能源结构中占比越来越高，无论是从电网的成本和效益角度考虑还是从环境保护等社会效益出发，都有助于中国经济与社会的快速发展。但是新能源技术的随机波动性和难以预测性对电力系统的影响也是不可忽视的[3]。

考虑到电力生产的特点，即发、供、用几乎同时完成，理想状态下的电力生产过程应该是供给侧和用户侧的实时平衡，但新能源发电会以负的负荷形式与其余负荷进行算术叠加，结果会对电力系统净负荷峰谷差产生影响。在电网负荷中对外显示为负，则称为反调峰特性，这种反调峰特性会使存在风电并网的系统调峰压力愈加严重，且系统的调峰容量需求更大[4]。文献[5]面对储能分别在系统的电源测、电网测以及用户侧等多种方式并存的场景，建立多种方式储能协调优化调度的多目标优化模型。

由中国发电能源结构决定，传统调峰手段包括火电和燃油燃气机组，但这些方法对电网负荷预测精准性要求高的同时还需要发电机组具备足够的调峰备用容量[6-7]。此外，电力生产的实时性造成调峰时发电机组的频繁启停，这不利于燃料资源的高效利用，也不符合绿色能源发展理念[8-9]。

文献[10]提出一种充分考虑电池储能系统实际约束的模型，可以实时简洁的对电池储能系统参与调峰的充放电时间段和充放电功率进行规划。文献[11]提出了一种以储能系统充放电电量平衡为准则的配电网调峰可变功率控制策略，有效缩减了配电网峰谷差值；储能系统优化方法中除了按照经济性指标对全年机组组合运行模拟来确定储能系统运行方案外，还是以恒功率法为主[12-13]，但由于风力发电在不同时期，其反调峰特性对负荷峰谷持续时间的影响差别很大，采用上述策略并不能保证调峰效果最优。文章首先以储能系统额定功率为约束，选取合适的功率迭代步长，分别计算出系统功率最低移峰功率值和最高填谷功率值，然后根据所需功率差在对应时段进行充放电动作，功率差超出范围的部分按照储能系统额定功率动作，最终实现对储能系统各时段充放电的实时优化控制。

1 储能参与“削峰填谷”原理分析

储能系统具有能量的时空转移特性，其参与含有风电出力的电力系统调峰从某种意义上讲就是指通过储能快速充放电来满足负荷在调度日内变化较小的目的，基本原理如图1所示。

图1 储能调峰基本原理

电网调峰需要满足的功率平衡等式为

(1)

由于风电出力对外大多显示反调峰特性，所以系统负荷的最大峰谷差值会增大，即系统调峰需求量变大。从图1中不难看出，传统调峰手段已无法满足调峰需求，在综合考虑经济成本等因素后会产生大量弃风现象。区别于传统调峰手段，通过采用储能系统辅助火电机组调峰，可以有效减少负荷需求量低时的弃风电量，缓解系统调峰压力。

2 储能调峰优化策略

2.1 模型的目标函数

风力发电目前是新能源发电中随机不确定性最大的一种，因此以含风电出力的电力系统为例分析储能在削峰填谷中的应用。因为电力系统追求的是负荷曲线相对平缓，所以通过构建以净负荷方差最优为目标函数的模型对削峰填谷效果进行衡量。

最小负荷方差可表示为

(2)

2.2 储能调峰优化模型的约束条件

为了使优化策略调峰更具优越性，系统约束在一些常规约束基础上增加了可靠性约束，具体如下。

2.2.1 系统功率等式约束

通常认为系统功率平衡约束是系统内包括风电实际上网功率在内的所有机组的出力必须和系统实际负荷加上实际网损相等，但为了简化模型，网损可以忽略不计，因此发电总量等于系统负荷功率加上储能的充放电功率再减去调峰不足量。

(3)

式(3)中：εl,t为系统在第t时段出现调峰不足的状态，εl,t=0表示调峰充足，εl,t=1表示调峰不足；Pl,t为第t时段出现的调峰不足量。

2.2.2 火电机组约束

火电机组约束包括出力上下限约束和爬坡速率约束。机组的出力应大于或等于其出力最小值，小于或等于其出力最大值；爬坡速率约束可分为最大向上和向下爬坡率。

(4)

(5)

2.2.3 风电场的出力约束

2.2.4 储能系统约束

储能系统出力上下限约束，保证出力不超过最大功率，且不出现同时充放电。

(6)

储能系统荷电状态(state of charge, SOC)约束，通过引入SOC对储能系统的剩余电量进行判断。

(7)

式中：Et为储能系统在t时段储存的电量；C为储能系统额定容量；SOCmin为储能系统的最小荷电状态；SOCmax为储能系统的最大荷电状态；Δt为功率采样的时间间隔。

2.2.5 弃风约束

目前对于储能调峰优化模型建立中，考虑弃风约束的很少，为提高风电消纳，加入弃风量约束，使每天的弃风量在上下限内。

(8)

式(8)中：a和b为给定的每天弃风量上下限，由经验可得；弃风总量Enw为每一时段弃风功率总和。

2.2.6 可靠性约束

可靠性约束主要考虑在一定时间内调峰不足概率小于某一给定参数，另一可靠性为在一定时间内弃风概率小于某一给定参数。

(9)

3 储能参与调峰优化策略分析及评价

储能系统参与移峰填谷的优化策略研究中，以恒功率法最为常用，还有分别建立削峰、填谷和平衡电量三种模型的策略等，但是因为场景不同，实际负荷曲线偏差比较大，即出现峰谷时间不尽相同。这些方法都各自存在缺陷，不能很好地完成优化系统移峰填谷实时控制的效果。以恒功率法作为比较对象进行讨论。

3.1 优化恒功率策略

恒功率调度策略是指即使电网负荷由于客观原因产生变化，储能系统在任意时段依然根据预测负荷曲线制定充放电策略，并且是按照恒定功率执行。具体步骤如下。

(1)由储能系统额定容量C和恒定充放电功率P可以计算出总的充放电时间均为T=C/P。

(2)削峰时段即放电时段，首先根据历史数据通过负荷预测手段得到预测负荷曲线，以负荷峰值处为起点，将一条水平直线按照很小的迭代步长ΔP向下移动，这样水平线会和预测负荷曲线的高峰阶段有两个交点，当两交点之间的放电时长等于T时，迭代截止。若水平线与负荷曲线高峰区间交点不止两个，则相交时段的时间之和为T时，迭代截止。

(3)同理，填谷时段即充电时段，以负荷曲线谷值为起点，将水平线从下往上依次按照步骤(2)进行，确定储能系统最终充电时段。

总体上看，采用恒功率充放电策略，简化算法计算，结果稳定，可快速进行短期调峰优化，但是当应用场景属于新能源发电集中区时，实际负荷曲线与预测负荷曲线相差较大时，储能辅助调峰效果就会变差，甚至会出现反向充放电，增大电网峰谷差。

3.2 优化功率差策略

策略主要是充分考虑整个系统各个部分存在的约束，利用负荷预测曲线首先得出负荷基准值，确定算法迭代步长，逐步在满足所有约束后得到储能系统的最低移峰功率值和最高填谷功率值，再按照功率差计算出每个时段储能系统充放电功率。具体步骤如下。

(1)计算出负荷基准功率。

(10)

(2)根据负荷峰谷值Pmax、Pmin分别给出最低移峰功率初值P′1和最高填谷功率初值P′2。

(11)

式(11)中：PBess为储能系统额定功率。

(3)以Pav为初值，ΔP为迭代步长、迭代常数k=0,1,2,3,…，按照式(12)进行迭代。

(12)

如图2所示，当之前给出的约束条件有任何不满足要求时，返回初值Pav，依次以kΔP为步长迭代，直至满足所有约束要求，此时可以得到新的储能系统最低移峰功率限值P1和最高填谷功率限值P2。其中，t1—t2为储能系统充电时段，t3—t4为储能系统放电时段。

图2 控制策略原理示意图

当含新能源发电的系统实际负荷大于P1的时候，储能系统放电，放电功率为此时负荷与前式中提到的最低移峰功率限值P1的差ΔPBESS1；当实际负荷小于P2的时候，储能系统充电，充电功率为前式中提到的最高填谷功率限值P2和此时负荷的差值ΔPBess4，功率差为ΔPBess2，ΔPBess3储能系统既不充电也不放电，完成本策略的流程如图3所示。

图3 控制策略流程图

新能源技术发展迅速，所以随机性电源并网带来的波动更大，因此实际负荷曲线和预测负荷曲线吻合难度增大。本文策略中考虑到充电总量和放电总量相等，可根据实际电网负荷变动准确识别峰谷时段，随时对充放电做出调整，并且充分将储能系统实际约束考虑在内，可以延长储能系统的使用寿命。

3.2 调峰评价指标

为了对本文策略和恒功率策略进行对比评价，给出如下评价指标。

(1)负荷绝对峰谷差ΔPl。

ΔPl=Pmax-Pmin

(13)

(2)谷峰系数。

负荷谷风系数α可以表示负荷曲线的平缓程度，α值越大则表示负荷曲线波动幅度越小即越平缓。

α=Pmin/Pmax

(14)

(3)弃风总量。

(15)

弃风总量如式(8)中Enw所示，当风电上网功率高于系统可接纳功率时，会出现弃风现象。

4 算例分析

选取慈溪电力公司2016年某几日负荷作为实验数据，进行电网调峰实例仿真。为了展现本文策略的可靠性，将其与恒功率策略进行实验对比。储能系统选用已经大规模投入使用的电池储能系统，其参数如表1所示。

表1 储能系统参数

首先利用该地区前一日负荷数据进行预测，以储能系统额定功率10 MW为约束，结合负荷预测曲线按照调整步长ΔP=0.01 MW确定最低移峰功率限值P1和最高填谷功率限值P2，然后根据当日实际负荷与限值的差距进行调峰。恒功率法和本文策略的仿真实验结果如图4、图5所示。

从图4、图5可以看出：新能源并网带来的更大峰谷差在储能系统参与电网削峰填谷后，有了向好的改变，负荷波动较大的问题得到有效改善。

图4 恒功率调峰前后对比

图5 本文策略调峰前后对比

对比图4和图5可知，同恒功率法相比较，本优化策略的优势在于充分考虑到储能系统容量、荷电状态等各种约束条件，并对系统进行实时控制；而选择恒功率法时，当预测负荷峰谷出现和截止的时间与实际存在偏差时，就会出现图4中的调峰未完成区域。由表2可以看出，本文策略和恒功率分别调峰后，负荷峰谷差对比未调峰前都有明显的缩减，且文章提出的策略改善效果更佳，比恒功率策略峰谷差降低了321.1 kW。图6对比了两种策略储能系统的荷电状态，恒功率方法始终是满充满放，不利于延长储能系统使用寿命。

图6 储能系统荷电状态对比

由表2结果不难看出，本文策略和恒功率分别调峰后，负荷峰谷差对比未调峰前都有明显的缩减，且文章提出的策略改善效果更佳，比恒功率策略峰谷差降低了321.1 kW。

谷峰系数则能够反映出负荷系数波动是否剧烈，表2中数据明显可以看出，本文策略调峰后，谷峰系数更大。从弃风总量指标来看，两个策略相差无几，都可以很好地完成系统削峰填谷任务。

表2 实验结果

恒功率法控制策略流程简单，不考虑系统实际负荷的变化，储能系统在任意时段都是按照预测负荷曲线制定充放电计划，并且充放电功率是恒定不变的。其优缺点突出，优点在于计算过程简单，实现方法更贴近实际，但是误差较大，尤其在负荷削峰填谷的实时控制方面，所以其对实际电网负荷的契合度要求非常高，只能选择性的应用于一些控制方式要求不复杂和精度需求不大的场景，如深圳宝清的储能电站。当系统实际负荷曲线与预测负荷曲线不能完全拟合时，恒功率控制的劣势尤为凸出，而本文提出的优化策略可根据实际负荷随时随地灵活调整储能系统出力大小，避免出现控制失策的局面，提高储能参与电网削峰填谷的效果。