“源-储-荷”三阶段协调优化研究

蒋一雷，王松，胡子文，杨淦林，魏苏颖，王天辰

（南京工程学院，江苏 南京 211167）

0 引言

能源是推动国民经济和社会发展的基础动力和必要条件，而随着我国经济的不断快速发展，化石能源供应紧缺及其带来的生态环境污染等问题日益严重，清洁能源的地位愈发重要。

新能源与传统能源的巨大差别在于新能源具有无污染和可再生性，在各个国家的电力供应能源中占比逐年攀升。然而，由于受到天气、市场、使用等因素的影响，新能源自身仍然存在着较大的波动性和不确定性，大规模使用新能源发电参与市场竞争将给电力市场交易机制以及电力系统安全稳定运行带来极大挑战。因此，研究新能源发电出力预测技术具有重要意义。

储能具有迅速充电或放电的能力，可以有效应对新能源发电引起的电网频率、电压及相位变化，促进新能源大规模发电并稳定上网，加快安全、经济、清洁、绿色电力网络的建设。其中，锂电池储能有容量大、寿命长、响应速度快的特点，是目前国内外企业与研究机构的重点研究对象。

新能源直接参与市场竞争获利，储能系统通过低价蓄电、高价放电的价格差获利的模式成为趋势。因此，以“源-储-荷”联合系统为研究对象，结合电力市场三阶段协调优化策略，建立“源-储-荷”联合系统三阶段协调优化模型，实现联合系统收益最大的目标。

1 BP神经网络的光伏出力预测

使用BP神经网络对光伏出力进行预测[1]。BP神经网络是一种由大量的处理小单元相互连接共同组成的非线性自适应系统。通过模拟大脑神经网络出力和记忆信息的方式，对数据进行处理。通过调节网络的复杂程度，调整内部大量神经元的连接方式，达到处理信息的目的。选用一年365天的数据，每隔15分钟记录一次。可以比较精确地预测未来一天的光伏出力数据。可以得到未来一天的光伏数据。

2 负载功率预测

使用支持向量机的方法对用户端负载功率进行预测，支持向量机SVM是从线性可分情况下得到最优的分类面。想要做到最优分类，一是要求分类先能够将两类无错误地分开，使经验风险达到最小，二是保证两类之间的分类间隔最大，使得推广性中的置信范围最小。支持向量机通过定义适当的内积函数进行非线性变换将输入空间变换到高维空间，在这个新的高维空间中求取最优线性分类面。支持向量机求得的分类函数类似一个神经网络，将若干个中间层节点的线性组合进行输出，可以使用支持向量机的方法预测下一天的负荷数据。

3 储能系统运行分析

储能系统运行分析，首先要分析储能运行特性，其中，最大充电功率限制、最大放电功率限制、荷电状态（SOC）上限与下限约束是储能系统运行的主要约束条件。为保证储能持续运行的周期性，储能系统的每个调度周期开始和结束时的荷电状应保持态应一致[2]。

以锂电池为例，锂电池的放电效率与放电功率的大小相关，描述储能的动态放电效率可以用功率效率函数表示[3]。

充放电效率的曲线具有单调递减特征，曲线斜率基本不变，放电效率减少的速率也几乎不变。可以简化成一个线性函数。放电效率范围为78%～95%。

放电效率函数如（1）所示：

在充电环节中，可以把电池的充电环节分成三段，充电环节的功率调节范围为70%～100%，三段的效率取值可分别取0.5，0.68，0.8；电池效率在额定功率内的取值范围为0.87～0.97，此处可以常数处理，取中间值0.93。

充电效率函数如下所示：

4 市场优化模型

本文将主要从日前市场的初步调配完成最终储能系统模型[4]。日前市场主要用于预测大方向，它的时间提前量为一天，通过对数据的分析从而预测出市场的需求和计划出力，在日前形成与实际运行情况相符合的优化交易计划。

为追求经济效益这一目标，确立光伏发电与储能售电收入为主要收益。除去系统负荷、储能购电、储能运行损耗这些成本因素，最终确立联合系统。以联合系统收益最大为目标函数，表示为：

联合系统光伏发电与储能售电收入：

联合系统支出购电成本：

储能系统运行损耗：

日前优化的约束条件包括联合系统功率平衡约束：

功率平衡约束：

光伏发电功率调度约束：

储能系统充电/放电约束：考虑到储能系统动态效率特性，首先将储能的充电功率用m段拟合，则有：

储能荷电状态约束：

联合系统与配电网传输约束：

“源-储-荷”的协调运行策略通过日前优化调整已确定。当实时光伏发电功率不足市场需求时，可从向平衡市场购买相应差额的电量以弥补预定电功率的不足；而光伏发电功率超出市场需求时，因为接近实时调控，那么多出的电功率会挪作他用或者直接放弃。

5 算例分析

为了验证本文所提供模型的有效性，在MATLAB R2016a的开发环境下，调用CPLEX12.8进行求解。

本文选取了宁夏某一地区容量大小为5 MW的光伏发电场，配以锂电池储能，符合选取宁夏市棉纺印染加工行业某一用户2017年的用电数据构成典型年负荷曲线。储能类型为锂电池储能，充放电效率为74%，寿命为10年，单位电量成本为3元/（kW·h），储能的荷电状态下限为0.3，上限为1，储能荷电状态初始值为0.5。

5.1 负荷特性分析

由于大工业用户用电的规律性，方便于分析各类用户的运行负荷。将同时段的运行负荷数据进行累加，使用支持向量机进行预测可以得到负荷功率数据。

5.2 源储荷三阶段分析

经过上文的计算分析后，可以得到源储荷协调优化的示意图，如图所示。纺织厂的用电负荷，用红线表示。黄色表示光伏发电出力，橙色表示蓄电池放电功率，蓝色表示电网交换功率[6]，绿色表示蓄电池充电功率。

5.3 购售电和电池充放电功率

以蓄电池储能为例。光伏发电多出来的电能需要储存到蓄电池中。以应对后面可能出现的新能源出力不足的情况，可以较好地满足负载要求。为了新能源发电的效益，电池的充放电与实时电价有关。若购电电价较高，那么会优先使用新能源供电，避免购电的高成本。同理，如果购电电价较低，那么可能会优先从电网购电，先把新能源发电的电量储存起来，等售电电价较高时再售出。

6 结语

本文研究源储荷联合系统的储能容量优化配置模型，以系统总收益最大为目标函数，分析对源储荷联合系统的储能容量配置的影响因素。在功率预测的基础上，通过合理配置弹性负荷并进行合理的市场优化。能够在调整电功率波动的基础上，提高光伏发电场带来的经济效益。