配电网中储能系统的多维价值评估及应用

2023-01-08吴红斌汪湘晋

浙江电力 2022年12期

姚艳，吴红斌，林达，汪湘晋

（1.新能源利用与节能安徽省重点实验室（合肥工业大学），合肥 230009；2.国网浙江省电力有限公司电力科学研究院，杭州 310014）

0 引言

随着能源互联网的构建以及绿色低碳的发展需求，以风电、光伏为代表的可再生能源飞速发展，同时也对电力系统的规划与运行提出了更高的要求。储能在电力系统中具有广阔的应用前景，就配电网而言，可以灵活配置在配电网的DG（分布式电源）侧、线路侧和负荷侧以满足系统多样化的应用需求，如延缓配电网升级投资、改善电压水平、降低网损成本、低储高发套利和提高节煤低碳效益等［1-2］。储能配置的接入点、功率和容量的不同，其带来的系统价值也不同。因此，全面科学地评估储能系统，对于促进储能系统的大力发展和应用、保障配电网安全经济运行并预防薄弱环节具有重要意义［3］。

针对配电网储能系统价值评估问题，国内外已有相关研究。文献［4］以投资成本、寿命、净现值、投资回收周期等构建指标体系，并根据储能投资者的不同关注点进行指标赋权；文献［5］建立考虑多利益主体的分层储能系统综合评估指标体系，并提出基于AHP（层次分析法）和改进逼进理想解法的判定方法，计算综合评价结果；文献［6］针对用户储能系统配置方案评估决策问题，构建评估指标集并采用灰色-关联粗糙集方法进行指标筛选，提出基于改进三角模糊多准则妥协解排序法对配置方案进行评估排序；文献［7］分析储能技术性能、寿命周期内年效益、寿命周期内年成本和集成度，构建储能的实用性评价模型，分别开展不同准则的独立评价和综合评价；文献［8］提出系统价值评估方法，建立了储能同时应用在削峰填谷、平滑可再生能源和提高供电可靠性的多重价值评估模型。

然而，现有的储能系统综合评估指标体系较为单薄，随着储能服务形式的多样化，传统价值评估方法的灵活应用受到一定的制约和挑战。为全面评估配电网储能系统价值，在常规的考虑各应用场景下经济性指标基础上，本文计及储能系统投运配电网参与不同应用层面产生的附加效益：考虑供电可靠度和用电满意度，提出衡量可靠性效益的相关指标；考虑储能系统产生的节煤效益和低碳效益，提出考量配电网环保性效益的相关指标。综上，本文提出一种基于多维价值的配电网储能系统价值评估方法。通过分析储能的不同应用以及复合价值，在经济性维度、可靠性维度和环保性维度，全面选取预选指标，健全综合评价指标体系；利用变异特性，采用事件触发机制进行无效指标筛选；基于协同耦合度，采用容量耦合模型筛选冗余指标，形成指标体系；采用基于直觉模糊理论的变权层次分析法对指标体系中各层指标赋权，进一步确定各指标的综合权重系数，根据储能系统综合评价值对储能配置方案组进行优劣排序并评选出最优配置方案。

1 基于多维价值的预选指标体系构建

考虑储能系统在配电网中的不同应用及其复合价值，根据储能系统延缓配电网升级投资、改善电压水平、降低网损成本、低储高发以及提高节煤低碳效益等作用，从经济性、可靠性和环保性三个维度，选取39 个预选指标并根据指标间的相互联系将其分组分层，生成预选指标体系，如图1所示。

图1 预选指标体系层次结构模型

1.1 经济性维度

为获得更符合实际需求和长期规划效益的储能配置方案，计及限制因子计算储能投资和运维成本，并利用动态投资回收周期作为储能接入配电网后价值回收年限的依据。本文计及储能接入配电网对多方利益主体产生的经济价值：用于平滑可再生能源出力波动［9］，减少功率变化越限的考核罚款［10］；在峰谷电价下通过低储高发实现负荷侧经济效益；通过削峰填谷平缓负荷曲线，减少网损成本［11］；替代常规火电机组，为DG 并网运行提供备用容量；利用储能技术改善电能利用效率。基于以上分析，根据储能投运的成本指标、时间指标以及收益指标，在经济性维度选取3个一级指标、4个二级指标、8个三级指标。

1.1.1 成本指标

指标1：储能单位发电量成本SAW。

式中：P和E分别为储能配置功率和容量；Pt为时段t（以Δt=1 h 为1 个时段，全年按365 日计，共8 760 个时段；下标中的t表示时段t，下同）储能充放电功率和容量；r为储能项目投资收益率，取8%；N为储能使用年限；CP、CE、Cm分别为储能系统单位功率投运成本、单位容量投运成本、单位容量年维护费用的经济系数。

1.1.2 时间指标

指标2：储能动态投资回收周期Ty。

式中：Sy、SE、Sm分别为第y年配电网系统收益、投资成本、年运行维护成本；ρ为银行年利率。

1.1.3 收益指标

指标3—7：多应用各利益主体投资回报率，包括DG、负荷、电网、电源、储能系统的投资回报率KDG、Kload、Kgrid、KG、KESS。

指标8—10：配电网电能利用价值，包括电能溢出率REO、负荷缺供率RLS、电能利用率REU。

式中：PG，t为配电网供电功率。

1.2 可靠性维度

配电网储能系统可作为应急电源满足负荷持续供电的需求，在一定程度上减少由停电故障造成的经济损失，保障用户用电满意度。提供安全可靠的供电是提升用电满意度的基础，需要在保障配电网可靠供电能力的同时提高电网稳定运行水平［12］。因此，本文计及储能参与平滑可再生能源应用产生的附加效益，如提高配电网供电能力效益和平抑系统功率波动效益［13］。基于以上分析，根据用电满意度指标和供电可靠度指标，从可靠性维度选取2 个一级指标、4 个二级指标、6 个三级指标。

1.2.1 用电满意度指标

指标11 和12：用电缺供损失SESL和缺供补偿SESC。

式中：RIEA为配电站所供重要用户的缺电损失评价率；EENS为由停电造成重要用户的供电不足期望值；p{Wt

1.2.2 供电可靠度指标

指标13—15：考虑配电网正常运行情况，包括储能无故障工作率KMTBF、DG 出力包容度TDGO以及投运功率波动FSP。

指标16—18：考虑配电网停电故障情况，包括电能缺供期望值EES、配电网可用供电能力KAPSC、储能故障供电失效率KFPSF。

式中：fFD为重要用户供电不足频率；S(t)为时段t的配电网可用供电能力。

1.3 环保性维度

随着以新能源为主体的深度能源转型，储能系统作为高比例可再生能源关键支撑技术，能够替代常规燃煤电厂作为新能源发电的备用容量，促进可再生能源消纳，但目前的研究中缺乏对配电网储能系统环保效益的全面评估。本文计及储能系统接入配电网产生的节煤效益指标和低碳效益指标，从环保性维度选取2个一级指标、2个二级指标、10个三级指标。

1.3.1 节煤效益指标

指标19—24：考虑储能系统产生的节煤效益，包括配电网单位供电量燃煤量CUPC、储能系统残值Srec、单位GDP 能耗比年增幅KECU、人均能源消耗CEPP(y)、化石能源中煤炭占比降幅KCFE和非化石能源在一次能源中的占比B。

式中：定义CECU(y)=为单位GDP第y年能耗；定义CCFE(y)=为第y年化石能源中煤炭占比；A1（y）和A2（y）分别为一次能源消费总量中非化石能源和原煤占比；Tcc、Kacv、Lfcy分别为第y年配电网供电原煤耗量、原煤平均低位发热量、供电侧用电率；CB，y为第y年初储能的单位容量造价；γ1为储能的固定资产折旧率；SGDP和Np分别为第y年国内生产总值和用电人数；ζ′和ζ分别为非化石能源和一次能源消耗总量。

1.3.2 低碳效益指标

指标25—28：考虑储能系统产生的低碳效益，包括配电网单位供电量碳排放EUPC、单位GDP 二氧化碳排放年降幅KECE、人均碳排放量CECP(y)、绿色能源接纳度CGE。

式中：定义SECE(y)=为单位GDP第y年二氧化碳排放，其中Eg和Fg分别为第g种能源的消费总量和碳排放系数，K为能源种类数；Wfd和Wd分别为配电网供电量和供电侧用电量；a为供热比。

2 冗余指标筛选

考虑到不同应用层面催生的附加效益，以及指标体系的有效精简，本文利用指标自身变异特性和指标间协同耦合度对冗余指标进行筛选，变异特性以指标本身的鉴别能力有效性为依据，协同耦合度以指标间耦合度和附加价值为依据。

2.1 基于z-score法的指标标准化

不同三级指标的取值范围和量纲存在差异，通过z-score法对指标进行标准化。指标标准化公式为：

式中：i=1，2，…，n，j=1，2，…，m，n和m分别为指标的总个数和上级指标的总个数；si和xi分别为指标i的标准差和算术平均值；xij和zij分别为指标实际计算值和标准化后数值。

2.2 基于变异特性的冗余指标检验

为合理选取有效指标，缓解计算压力，采用事件触发机制［14］，基于变异特性对冗余指标进行筛选。事件触发机制实现了依据事件触发条件筛选数据，减少数据传输量，提高计算效率，如图2所示。

图2 基于变异特性的冗余指标筛选

定义εi，k=xi，k-xi，γ为指标i在两组配置方案k和γ之间的差值。生成变异特性判定函数：

定义指标是否被筛选的触发逻辑变量：

判定指标是否被筛选：

式中：δi为给定事件的触发阈值，取0.01；xi，k和分别为筛选前和经变异特性筛选后的指标标准值。

2.3 基于协同耦合度的冗余检验

在非线性、高耦合性的系统价值模型内，需考虑储能在多个运行层面系统价值的协同效应。为定量分析各指标的代表性，合理考虑附加价值的影响，采用容量耦合模型［15］，基于协同效应相关原理对冗余指标进行筛选。

定义耦合度衡量指标之间的相似程度为：

定义协同度表示对系统价值的贡献程度为：

生成协同耦合度函数为：

判定指标是否被筛选：

式中：x1，k和x2，k分别为方案k下任意两组指标值；分别为经协同耦合度筛选后的指标i和指标j的状态标准值；σ1和σ2分别为两组指标的重要程度系数，取0.5。

协调度范围与协调关系如表1所示。

表1 协调度范围与协调关系

3 储能系统价值综合评估

考虑到传统AHP客观性不足［16］以及系统价值问题的复杂性和强耦合性，其应用受到一定的制约和挑战［17］。本研究在直觉模糊集理论［18-22］的基础上，提出基于FAHP（模糊层次分析法）的综合权重系数计算方法。同时，为更好地反映模型的非线性、耦合性和动态性，对FAHP 的常权权重进行变权改进［23］，可以有效避免模型失效问题。

3.1 指标体系权重系数求解

3.1.1 构建直觉判断矩阵

比较相邻的两个指标对上一层次指标的重要程度，构造具有严格一致性的直觉判断矩阵R=(rij)n×n，rij为指标i相比于指标j重要程度的直觉模糊数［23］。评价与直觉模糊数如表2 所示。其中rij=(μij，vij)，i，j=1，2，…，n，μij表示对指标i的隶属度，vij表示对指标i的非隶属度，不确定度πij=1-μij-vij。μij∈[0，1]，vij∈[0，1]，μij=vji，μii=vii=0.5，μij+vij≤1。

表2 定性评价与直觉模糊数

3.1.2 计算综合权重系数

1）计算常权权重向量。对于满足一致性的直觉判断矩阵，同层各项指标间的常权权重向量计算公式为：

2）计算变权权重向量ωi。为定量表示指标状态值和权重系数的相关性，利用经调节系数改进的均衡系数计算指标变权权重。

在满足归一性和连续性的映射条件下，可以将常权向量转换为变权向量。变权计算公式为：

均衡系数的取值方法为［24］：

式中：⊗为直觉模糊运算算子；αij和β分别为指标的均衡系数和调节系数；为指标状态标准值；和ωij分别为指标常权权重和变权权重。

若指标值小于状态标准值，则表明该指标对系统价值的贡献程度劣于综合贡献程度，越大，指标对系统价值的威胁越大，应考虑在调节系数β的基础上增大均衡系数αij，反之同理。

3）计算综合权重系数Wi。考虑到各权重向量的元素均为直觉模糊数，常规的加和算子、乘法算子已经不能满足实际需求，本文引入直觉模糊数运算算子，计算指标层各因素相对于目标层的综合权重Wi：

式中：⊕为直觉模糊数运算算子；ωp、ωpq、ωpqi分别为一级指标、二级指标、三级指标的权重系数；m1、m2、m3分别为一级指标、二级指标和三级指标个数。

3.2 储能系统多维价值评估

计算配电网储能系统综合评价值Fi：

式中：Xpqi和Wpqi分别为指标状态标准值和指标综合权重系数。

储能系统多维价值评估步骤如下：

步骤1，从经济性、可靠性和环保性维度全面选取预选指标。

步骤2，基于指标的变异特性和协同耦合度筛选冗余指标。

步骤3，构建直觉判断矩阵并计算常权权重。

步骤4，采用均衡系数和调节系数对常权权重进行变权改进，并生成综合权重。

步骤5，计算不同方案下储能系统综合评价值，综合评价值最高的方案即为最佳储能配置方案。

4 算例分析

4.1 算例系统

本文以Garver 6 节点测试系统进行算例分析，发电机、风电、负荷数据与文献［25］相同，在节点2和节点5配置储能。选择磷酸铁锂电池储能系统，储能的寿命周期为10 年（1 年以365 日计算），储能充放电深度为10%～90%，充放电效率ηch=ηdisch=90%。电价采用上海市夏季分时电价，峰时、平段、谷时电价分别为1.063 元/kWh、0.635元/kWh、0.233 元/kWh。价值评估模型的参数设定如表3所示。

表3 模型评价参数设定

4.2 评估结果分析

由上文分析可知，根据储能的安装位置、充放电功率和容量的不同，设置9种配置方案进行对比评价，如表4所示。

表4 配置方案设置

计算不同配置方案下的指标标准值，根据计算结果绘制9种方案下的评估指标雷达图，如图3所示。可见，方案6未出现明显劣性指标，方案3在储能单位发电量成本SAW、动态投资回收周期Ty、负荷缺供率RLS和化石能源中煤炭占比降幅KCFE等指标上明显优于其他方案，但在DG投资回报率KDG、配电网单位供电量碳排放EUPC、缺供期望值EES和投运功率波动FSP指标上存在极大不足。

图3 评估指标雷达图

根据本文所述变权-FAHP法，通过式（39）—（42）计算各指标综合权重系数，结果见表5。

表5 指标综合权重系数

根据指标标准值与综合权重系数，通过直觉模糊运算法则得到9种方案下配电网储能最高综合评价值，各方案下综合评价值如图4所示。

由图4可见，配置容量小于10 MWh时，储能无法产生较好的经济性和可靠性效益。储能的配置容量相对于负荷需求过小，导致负荷的投资回报率Kload、负荷缺供率RLS以及缺供期望值EES等指标值过低；对于配置功率较小的方案，DG的投资回报率KDG、投运功率波动FSP以及DG 出力包容度TDGO等指标值不大，储能的系统价值较小。同时，储能配置的功率和容量过大时，储能系统综合评价值不高，这是由于储能投资成本、运维成本较高，会使储能单位发电量成本SAW、动态投资回收成本Ty等指标状态值不佳，需要较长的年限才能实现成本回收甚至盈利。

图4 储能最高综合评价值

综上分析，相比于其他方案，方案5（即在节点2 和5 配置功率10 MW、容量10 MWh 的储能）能够获得良好的多维价值。

4.3 冗余指标筛选的有效性

为验证冗余指标筛选后生成配置方案的有效性，将筛选前后各方案的排序结果和计算时长进行对比，结果如表6所示。

由表6可见，筛选前指标体系中有39个指标，筛选后为32 个，筛选前后配置方案的排序结果相同，均为方案5>方案6>方案2>方案9>方案8>方案3>方案1>方案4>方案7。相比于基于预选指标体系直接计算系统价值，利用变异特性和协调耦合度筛选冗余指标并生成指标体系进而计算系统价值所需计算时长较短，未经筛选直接计算储能系统价值需要26.51 s，而利用筛选后的指标体系进行计算需要21.14 s，计算时间缩短20.26%，而且配电网系统越复杂，指标间协同效应越强，优越性越明显。

表6 筛选前后结果对比

4.4 综合权重系数确定方法对比

为分析权重计算方法对储能最高综合评价值的影响，验证变权-FAHP的灵活性和实用性，分别采用传统AHP、FAHP和变权-FAHP对9种配置方案下的配电网储能系统价值进行评估，结果如图5所示。

由图5 可见，AHP 的排序结果在方案2 和方案3 中存在一定偏差；这是由于AHP 仅凭经验直接给出权重值而没有考虑专家判断的不确定性，导致排序结果难以客观准确。变权-FAHP 与FAHP 的排序结果一致，但辨识度显著提高；这是由于调整常权权重后，变权-FAHP的评价结果考虑了隶属于同一上级指标下各项指标状态值的相互影响，根据|-xi|的大小对隶属于同一上级指标的下层指标进行调节系数赋值，可以有效调节状态值较差的指标权重系数，规避FAHP 存在的盲目性和不确定性风险，凸显影响储能系统价值的关键指标和薄弱环节。

图5 不同权重确定方法下评估结果对比

4.5 单维评估与多维评估方法对比

为进一步分析多维价值评估方法的必要性，定义全寿命价值回收周期指标，对比分析多维价值评估方法和单维价值评估方法，如图6所示。单维价值层面选取储能参与平滑可再生能源和削峰填谷两种应用场景作为代表，全寿命价值回收周期计及上文所述经济性、可靠性和环保性维度。

图6 全寿命价值回收周期指标对比

由图6可见，对于同一配置方案，储能系统综合评价值越低，全寿命价值回收周期越大；这是由于该配置方案存在功率容量较小无法满足系统需求或储能容量较大投资价值不高的问题。在9组不同配置方案下，储能参与平滑可再生能源应用的价值回报周期为7～13年，参与削峰填谷应用为9～15年，而计及多维应用价值为3～6年。相比于单维价值评估，多维价值评估具有相似的变化趋势，但多维价值评估方法的全寿命价值回收周期较短；这是由于多维价值评估方法在常规考虑基本应用价值的基础上，全面计及储能系统在配电网中的多维应用层面价值，如平滑可再生能源、削峰填谷、降低网损成本、保障可靠性效益以及提高节煤低碳效益等，同时还考虑应用层面间产生的附加效益。在配置方案具有可比性的情况下，多维价值评估方法在客观全面地计及多维应用价值的同时，考虑了不同应用层面间的协同关系，在较短时间内实现较好的价值回收，具备良好的投资条件。