基于实时多步优化的批发市场大规模电力用户存储调度模型

赵文娜 贺卫华 赵金 朱星伟 薛艳军 毛文照

【关键词】分布式存储;能量转移;优化;调度

在过去十年中，世界各地的发电方式发生了重大变化。可再生能源市场渗透率的增加改变了能源市场的整体行为，甚至开始出现负电价。负能源价格代表供应大于市场需求。当需求处于最低水平时，大多数负价格时段出现在夜间。在供电端，由于风力等能源的间歇性运行（在夜间不需要时产生最大功率）以及核电厂的不灵活发电出现了问题。电网规模的存储可用于解决上述问题。同时，通过将剩余能源从非高峰时段转移到高峰时段，实现套利获利。在这种情况下，需要适当的方法和模型来为消费者聚合存储的各种好处。

在本节中，介绍了所提出的负载存储系统的最优调度模型，模型的总体框架如图1所示。该模型旨在：1、降低大规模消费者的电力成本;2、降低存储运营成本;3、调整存储电荷状态（SOC）以创建储备边际;采用软约束、松弛变量和惩罚机制，在优化调度算法中引入了适合大规模负荷的实时负荷预测器;在电网停电的情况下，预留的能量可以部分供给负荷。模型中，存储与大型负荷联合运行。在配电层，负荷由存储器和电网提供，负载存储系统只是一个消费者，因为它不向电网注入任何电力。存储控制器由负荷预测和市场价格提供，明确了预测方法的选择不会影响模型的有效性。通过实时优化调度算法确定存储设备的充放电时间。以T小时为间隔，对下一个T小时进行最优调度。以T小时时间间隔在每个时间步长上重新运行预测器和优化问题，更新预测数据和最优决策。这个过程，在本文中称为实时调度，是为了考虑负载和市场价格数据的时变性质。通过使用实时更新的预测数据，可以更准确地安排存储。因此。存储不是在实时市场中运行的。相反，它被安排在每个优化周期的下一个T小时（即本文中的24小时）。

需强调的是负载存储系统的调度和操作由用户来处理。这是因为假设消费者投资于存储，并将直接受益于从高峰到非高峰期间的负载转移和在停电情况下的电力可用性。通过调峰和降低电网拥塞的概率，电网也间接受益于存储操作。

作为一个真实的案例研究，我们选择了我国某一试点省份的一个大型机构电力消费者。一般情况下，大型用户可以从当地配电公司或电力批发市场购买电力。在本研究中，假设被选择的大规模消费者直接从批发市场购买电力，并以小时为基础进行实时定价。

为了评价负荷预测模型的准确性，对选定的实际负荷计算了预测误差的均值和标准差。概率密度函数（PDF）和预测误差的概率如图2所示。从图2可以看出，在大多数情况下，预测误差的均值和标准差都很低，即在超过50%的情况下，误差小于5%。这揭示了预测模型的可行性和有效性。仿真结果表明，这种程度的负荷预测误差对调度模型的最优运行影响不大。为了比较储能对电网吸收总功率的影响。图3为三种不同情况下，负荷存储系统从电网吸收的总功率以及存储的预定充电（正功率）和放电（负功率）情况。如图3（a）所示，由于存储操作，在情形1和情形2中，载荷分布都比情况0更平坦。然而，在情形1和情形2之间有一个小的区别，在情形2中，在高峰时期吸收的功率更少。如图3（b）和（d）所示，负荷分布和存储运行受到市场价格预测误差的影响。由于情形1和情形2在非高峰时段都吸收了更多的电能，因此与情形0相比，电力成本降低。然而，在高峰期，由于价格预测错误，存储运行不是最优的。该模型在每个时间步更新存储计划，减少了市场价格预测误差的不利影响。

本文提出了一种新型实时优化调度模型，以汇总大型电力消费者的存储收益。将所提出的模型应用于我国某一试点省份的一个真实世界的大型电力负载进行了验证，并与文献中提出的自调度模型进行了比较。采用所提出的实时模型，负荷用电成本降低3.9%，而基于自调度模型的成本降低了3.3%，从而节约了0.6%。考虑到与DAM价格相关的不确定性，使用提出的和自调度模型的成本分别降低了2.4%和0.6%，从而节省了1.8%。此外，与自调度模型相比，该模型在完美价格预测和不完美价格预测下分别减少了4.1%和8.3%的仓储运营时间。因此，所提出的实时模型不仅更有利于负荷，降低了电力成本;它还降低了存储运营成本，并通过减少操作时间延长了存储寿命。结果表明，2012-2014年储能降低电费的趋势呈上升趋势。因此，预计在不久的将来，大规模消费者的存储投资收益性将会提高。数值评估存储对负荷和网格的进一步好处，例如为负荷提供预留能量和减少网格拥塞的可能性是未来研究的主题。