一种分布式储能集群调度方法

阮志杰 余俊杰 杨涌新

（广东电网有限责任公司中山供电局 广东省中山市 528400）

储能技术对于全球节能减排与优化能源结构的目标实现有着积极的推动作用，尤其随着可再生能源接入比例的增大、智能电网概念的提出、政府的支持与资本的追逐，规模化储能技术应用的市场前景逐渐显现[1]。其应用贯穿于电力系统的发、输、供、配、用各个环节[2]。

将储能设备集群可以实现电网的调峰等辅助服务，利用多个储能设备构成的集群，融合了发电、负荷和储能设备于一体，储能设备的参与可以有效实现对关口输送功率波动的平抑。然而，储能设备自身存在多种约束条件[3]，各个时间的充放电之间存在耦合约束关系，而且为了设备维护成本的考虑，储能设备的充放电功率不能进行频繁的波动，上述特性给储能设备集群的优化调度带来了困难。

进行大电网的潮流分析，实时计算出各个集群的有功目标值下发到集群控制装置，集群控制装置则控制辖区内各分布式光伏和储能装置的有功输出达到调度有功目标值。

本文研究目标是在考虑集群内部储能设备约束的前提下，给出了平抑关口功率波动的和避免储能设备充放电功率的目标函数，实现了对分布式储能集群的优化调度[2]。

1 分布式储能集群调度的数学模型

1.1 储能设备模型

对于单个储能设备，其充放电功率分别有如下最大值约束条件：

另外，同一个储能设备的充放电功率应该至少有一个为0，因此有：

定义第i个储能设备在时刻t的净输出功率为：

储能设备存在如下爬坡约束：

1.2 分布式储能集群调度的目标函数

求解不考虑储能设备情况下集群关口各时刻的总预测注入功率：

由于集群的总净预测有功注入功率波动往往较为剧烈，为了避免其波动对优化结果的影响，导致储能设备频繁地充放电，因此可以将其进行低通滤波处理，采用滑动均值滤波的方式，进行滤波。

分别求各个时刻集群的预测关口功率：

图1：考虑充放成本的分布式储能集群调度系统结构图

其中，n表示储能集群中储能设备的数量。

定义各个时刻集群的预测关口功率的均值为：

2 优化调度系统的结构

该分布式储能集群调度系统的整体控制结构如图1所示，上层为该调度系统的控制中心，下层为分布在集群内部的各个储能设备控制器。该储能调度系统可以进行日前优化调度、滚动优化调度和实时优化调度，三者之间的区别为，进行的优化时所输出的储能设备调度计划时间跨度不同。

在日前优化调度模式下，以15分钟作为一个决策时刻间隔，所考虑的时间范围为未来一天24小时的时段，此时上述模型中输出时刻数量为96个。下层的分布式储能设备控制器将储能设备现有的能量值上传给上层的控制中心；控制中心收集电网侧所采集的未来一天的可再生能源最大出力预测值和负荷预测值，基于预测值获得未来一天各个时刻节点的预测净有功注入功率，进而得到未来一天的集群关口功率预测值。基于上述预测值和储能设备的当前状态通过分布式储能集群调度模型进行求解可以得到储能集群中未来一天的储能设备的充放电调度计划。按照该计划对储能设备进行调度即可实现在避免集群储能设备频繁充放电的情况下实现对关口波动的平抑。

在滚动优化调度模式下，所考虑的时间范围为未来的3个小时，此时上述模型中输出时刻数量为12个。下层的分布式储能设备控制器仍然将储能设备现有的能量值上传给控制中心，控制中心基于当前最新的可再生能源出力和负荷的预测结果，得到当前时刻至日末的最新预测结果，更新相应的预测净有功注入功率和集群关口功率预测值。求解当前时刻至日末时刻的储能调度优化问题，更新未来3个小时的调度计划。

在实时调度模式下，所考虑的时间范围为未来的15分钟，此时上述模型中输出时刻数量为1个。上层控制中心收集下层分布式储能设备的实时能量值，并基于实时的可再生能源出力和负荷预测值获取实时的有功注入功率和集群关口功率。求解当前时刻至日末时刻的储能调度优化问题，更新储能集群未来15分钟的调度计划。

图2：储能优化调度效果图

上述日前、滚动和实时三种模式涉及的时间尺度不同，应该通过三者结合的方式进行应用。在第二天开始之前，控制中心进行日前优化调度，获取未来一天集群储能调度计划；每隔1个小时，控制中心进行滚动优化调度，在未来一天集群储能调度计划的基础之上更新未来3个小时的调度计划；每隔15分钟，控制中心进行实时优化调度，在日前和滚动的调度计划基础之上，更新未来15分钟的调度计划。这样，既保证了对储能设备未来调度计划预期的产生，又能够根据最近获取的更加精确的预测结果实现优化调度。

3 算例分析

分布式储能集群调度方法的优化效果示意图如图2所示。该算例集群中含有分布式储能设备总的最大充放电功率为70MW。

设定各个储能设备储能最小能量、最大能量占储能设备最大储存能量的比例分别为0.2和1.0，所有储能设备的充电和放电效率全部设定为95%，自然的损耗率设定为0.99。

基于实际系统的天气预测，得到可再生能源最大输出功率预测值和集群的负荷节点预测值，在未加入储能设备充放电的网络中，假设一天之中各个时间节点的关口输出功率的预测值曲线如图2中的黑色虚线所示。按照分布式储能集群调度模型中求解储能设备的集群优化调度问题，可以得到集群关口如图2红色曲线所示的集群关口输出功率结果。

图3(a)(b)分别为集群中全体储能设备的输出功率和总的能量值所占最大值的比例。可以看到，在加入储能设备后，集群关口功率的波动幅值明显得到改善，最大关口峰值功率由205WM下降到了121MW，降低了约40%。同时，从储能调度曲线来看，当储能设备输出功率大于0时表示放电、小于0时表示充电，可以看到优化后得到的曲线中，储能设备的输出功率没有频繁地在正负之间转换，即无频繁充放电切换的现象出现，满足的优化问题的要求。另外，从储能设备的能量值变化过程来看，储能设备中的能量所占储能设备最大存储能量的百分比没有低于最小值0.2，也没有超出最大值1.0，保证了储能设备自身功率约束和能量约束条件的成立。

图3

4 结论

本文构建了一种考虑充放成本的分布式储能集群调度方法。首先对单个储能设备的约束条件进行建模，考虑储能设备充放电功率约束和能量约束条件；随后针对集群关口功率的波动形式，给出了平抑关口功率波动的和避免储能设备充放电功率频繁波动的目标函数，通过求解优化问题即可实现目标。所提出的方法实现了对储能集群的优化调度，在实际应用中具有较大价值。