多能源互补电力系统储能容量配置

摘 要：为解决由风电和太阳能并入电网引起的高峰削峰压力、低能源利用率和多能源互补系统经济性差等问题，本文基于对典型日风电和太阳能的预测输出和负荷，构建了一个能量存储和例行电力峰值削减的双层优化模型，外层旨在实现多能源互补系统的最大年净利润，而内层旨在实现最低日常运营成本的目标。用粒子群优化算法和非线性规划来协调和解决问题，以确定多能源互补系统的日内削峰调度方法。本文对一个实际电网的例子进行分析，结果显示，能量存储经过优化配置后，多能源互补系统可以极大提高新能源消耗水平，经济效益良好。

关键词：多能源互补；储能容量配置；弃能率

中图分类号：TM 73" " 文献标志码：A

随着清洁能源大规模并网，其波动性增加了峰负荷调节难度。由于常规发电机组最小输出限制，因此未充分利用部分清洁能源，使弃风弃光量增加。常规机组日常输出波动大，经济性差，难以满足削峰需求。储能实现电能存储与释放，与传统调峰结合，可改善峰调压力，增加风光容量。文献[1]采用序列运算方法，以多能互补微电网的电力消耗不足为计算目标，分析微网的可信容量。文献[2]建立了一个双层优化模型，以配置微电网系统在不同运行状态下的能量存储容量。文献[3]对添加能量存储后的系统效益进行全面评估，并建立了最优调度模型。文献[4]考虑了系统的需求响应和能量储存的不同寿命模型，提出了一种储火协同运行的方法，并比较了不同寿命模型的准确性。文献[5]建立了风光水火储协同调度的双层模型，并进行迭代求解。

本文以清洁能源的弃能率为主要约束条件，综合考虑系统投资成本和运营成本，构建了一个双层优化模型。采用非线性规划分别对内层和外层模型进行优化分析，使多目标优化快速收敛，并给出了原始系统的最优能量储存配置容量，兼顾了系统经济性和清洁能源消耗水平。

1 多能互补电力系统存储容量优化模型

1.1 风力发电输出模型

风力发电机的输出随着自然风能的变化而变化，因此风力发电机的输出会呈现不确定性和波动性。当风速服从威布尔分布函数时，风力发电机的输出功率PW的计算过程如公式（1）所示。

（1）

式中：Pr为风机的额定功率；vin为启动风速；vout为停机风速；vr为额定风速。

1.2 光伏输出模型

太阳辐射强度和操作温度直接影响光伏面板的输出功率。光伏输出模型PPV的计算过程如公式（2）所示。

PPV=GrAφS[1-ρ（TC-25）] " " " " " " " " （2）

式中：Gr为照明强度；A为硅板的面积；φS为标称效率；TC为硅板的温度；ρ为温度系数。

1.3 风光混合输出模型

风光混合输出模型由风力发电输出模型和光伏输出模型组成，其总功率的计算过程如公式（3）所示。

P=PW+PPV " " " " " " " （3）

1.4 储能模型

作为一种高质量的峰值调节资源，能量存储可以与传统机组合，有效地平滑系统的功率波动。

计算充电模型如公式（4）所示。

PBat=φIBat，t，cVBat，c " " " " " （4）

计算放电模型如公式（5）所示。

PBat，t=φ·IBat，t，d·VBat，d " nbsp; " " " " "（5）

式中：PBat为充放电功率；φ为功率因数；IBat，t，c、IBat，t，d分别为充电和放电电流；VBat，c、VBat，d分别为充电和放电电压。

2 双层优化模型

2.1 外层模型

目标函数 ：以系统的最大等效年收益F为目标函数。其计算过程如公式（6）所示。

F=Esell+Eecc+Erpp+Eep-Cin-Coper " " " " " " " "（6）

式中：Esell为电力销售收益；Eecc为能源收益，即电力收益；Erpp为容量收益；Eep为环保收益；Cin为能源存储设备的投入成本；Coper为运维成本。

电力销售收益的计算过程如公式（7）所示。

Esell=KsellWload " " " " " " " "（7）

式中：Ksell为系统售电的电价；Wload为系统售电的电量。

电力效益 ：风光例行系统配置了能源存储后，常规电力单元的发电量减少，系统的燃料消耗相应减少。电力效益的计算过程如公式（8）所示。

Eecc=λ（Wf-Wf-ess） " " " " " " "（8）

式中：Wf和Wf-ess分别为能源存储配置前后例行电力单元所需的年标准煤消耗；λ为标准煤的价格。

容量效益：根据规划年的最大负荷确定常规电力网的装机容量。配置能源存储设备后，将替代部分常规电力的装机容量，减少常规电力单元的投资，容量效益的计算过程如公式（9）所示。

Erpp=KEssKG∆QG " " " " " " " " " "（9）

式中：KEss为等效年值系数；KG为常规电力单元的单位投资；∆QG为能源存储设备增加后替代的常规电力的装机容量。

2.2 内层优化模型

2.2.1 系统运行成本指标

常规发电机组煤耗运行成本指标：当常规电力机组进行峰值调峰时，仅考虑燃煤成本Ctpc，h，其计算过程如公式（10）所示。

Ctpc，h=（aP2tp，h+bPtp，h+c）Sc " " " " " " " " （10）

式中：Sc为燃煤的单价；Ptp，h为常规电力机组的实时输出；a、b、c为常数。

常规发电机组油耗成本指标：油耗成本Ctpo，h的计算过程如公式（11）所示。

Ctpo，h=Qo，hSo " " " " "（11）

式中：Qo，h为本阶段的油耗；So为单位油价。

2.2.2 目标函数

当常规发电机组的深度调峰低于常规峰值调峰的最小输出时，会给予一定补偿，系统的日常运行成本表达式如公式（12）所示。

（12）

式中：Itp，h为系统运行补偿收入；Ctp，h为机组的运行成本。

2.3 双层优化算法

本文使用双层优化算法来计算和解决高峰削峰压力、低能源利用率等问题。内层算法采用粒子群算法来计算能量存储和例行机组峰值调整期间每一时刻的最佳充放电功率。外层通过 Matlab 中的非线性规划求解工具箱来解决问题，从而获得能量存储设备的能量容量和功率容量。内层的解决方案受外层最佳结果的约束，而外层最佳结果则受到内部结果的制约。

3 案例分析

3.1 参数设置

3.1.1 模拟数据设置

使用西北地区典型日太阳能输出和负荷数据对计算案例进行模拟。该地区配备了最大功率为500MW的风力涡轮机、最大功率为700MW的光伏发电设备和最大输出为500MW的常规发电单元，可参与深度峰值调节。该地区常规发电单元需要在一天内多次调整输出进行峰值削减，经济效益较差。因此，常规发电单元和能量存储设备共同承担峰值调节任务是一个合理选择。

3.1.2 常规发电单元参数设置

常规发电单元的煤价为700元/t，深度峰值调节阶段的单元参数如下： 对本案例中的500MW常规发电单元来说，基本峰值削减阶段的最小输出值为250MW，不存在运行损失。无油注入的深度峰值调节阶段的最小输出值为200MW。油注入的深度峰值调节阶段的最小输出值为150MW，油耗为 5t/h，补偿为 0.4 元/kW·h。

3.1.3 能量存储设备参数设置

本文在发电测试中安装了能量存储设备，与多能源系统相辅相成。能量存储的参数见表1。

3.2 案例分析

选取一个典型时间，在配置能量存储之前，系统的日常运行由清洁能源发电厂协调，峰值削减仅由常规发电单元单独完成。由于常规单元的最小功率限制，因此系统将在10：00—16：00丢弃部分风电输出。未部署能源配置前，在正午前后，风光混合系统的发电量达到峰值，约为600MW。在早晨和黄昏，风光混合系统发电量达到最低值，约为300MW。凌晨和黄昏时的火力发电输出最高，约为400MW，在中午输出值最低，约为150MW。在能量存储能设备部署前，每日削峰成本与弃能率之间的关系见表2。

为了减少国家要求范围内被弃用的清洁能源功率比例，使用能量存储和常规发电进行峰值调节。首先考虑风速、光照强度等不确定性因素，采用公式（1）～公式（3）分别对风光混合发电输出进行建模。设置功率电流、电压等参数，使用公式（4）、公式（5）对储能充放电行为进行建模。其次使用双层优化算法来计算和优化配置。内层以最小化系统日运营成本为目标，采用粒子群优化（PSO）算法求解日内每个时段储能充放电的最优功率调度。最后基于内层结果，以最大化系统年收益为目标，使用Matlab内置的非线性规划工具求解储能装置的总容量和功率容量。

双层优化算法相互制约，内层给出当前最优日调度，外层根据内层结果优化储能配置，迭代收敛。当10：00—16：00时，储能设备充电消纳剩余清洁能源发电，避免弃风能和光能，其余时段放电，替代部分火力发电输出。

此策略可以最大限度消纳新能源，同时降低火电运行成本，实现多赢局面。在引入能量存储设备后，系统的日常运行调度发生了变化，能量存储的放电为正，充电为负，总发电量在正午前后达到峰值，约为750MW，根据优化结果制定储能与火电的协同调峰日调度方案，其详细配置策略信息如图1所示。

通过上述建模、优化算法和调度策略，该案例较为全面地分析了储能设备在多能源电力系统中的作用和价值。结果表明，引入储能设备可以极大程度提高清洁能源的消纳水平，同时显著降低系统的运行成本和环境排放。具体来看，当未配置储能时，该地区风光发电严重“被困”。在10：00—16：00时段，由于火电机组的最小出力限制，因此系统需要每天弃风弃光约200MW，弃能率高达13.65%（见表2）。同时，为满足峰谷负荷的大幅波动调节需求，火电机组也需要大范围调整出力，运行模式十分紊乱，导致运营成本居高不下。而在配置了储能设备后，通过双层优化算法确定的储能容量配置和“新能源高出力时充电，低谷时放电”的协同调度策略，可以最大限度消纳清洁能源，提高新能源利用效率。根据测算，储能设备投入后，系统的日运行成本降至1654740元，弃能率仅为3%，远低于未配置储能时的水平。

此外，储能设备的充放电作用还可以显著平滑火电机组的出力曲线，使运行更经济，减少无效燃料消耗和污染排放。由此可见，储能设备在多能源电力系统中发挥了“能量馥染”的重要作用，较好地协调和平衡了清洁能源利用效率、系统经济性和环保要求之间的矛盾，对促进能源转型、实现绿色低碳发展具有重要意义。

4 结论

由于将清洁能源纳入电网会导致高峰负荷调节压力大、风能消耗率低以及经济状况差，因此本文提出了一种单日例行储能与峰值调节相结合的最佳运行方式。在双层优化计算中，内层和外层相互约束，考虑了风和光吸收率以及经济因素，并给出了最佳能量储存容量和功率容量。能量储存配置后，系统中弃风和光能的比率大大低于没有能量储存的情况，也缓解了独立削峰例行机组导致的清洁能源消耗与经济之间的矛盾。本文选取的例子具有一定的区域特定性，虽然能量储存配置容量过大，但优化方法仍然具有参考价值。后续需要进一步分析能量储存放电周期与系统运营成本以及整体经济之间的关系。

参考文献

[1]马兰，谢丽蓉，宋新甫，等.基于储能容量配置的综合能源多级分配策略[J].电网技术，2023，47（6）：2218-2230.

[2]刘佳玲，秦博宇，孙颖，等.面向清洁低碳转型的隧道智慧能源系统框架设计及储能容量优化配置[J].高电压技术，2022，48（7）：2563-2572.

[3]周任军，吴燕榕，潘轩，等.考虑电热需求响应的区域综合能源系统储能容量优化配置[J].电力科学与技术学报，2023，38（1）：11-17.

[4]刘道兵，袁野，李世春，等.利用氢储能在含可再生能源系统容量配置综述[J].电测与仪表，2022，59（12）：1-13.

[5]朱佳男，艾芊，李嘉媚.基于分布鲁棒优化的广义共享储能容量配置方法[J/OL].电力系统自动化，2024（48）：185-194[2024-02-01].http：//kns.cnki.net/kcms/detail/32.1180.TP.20231122.1036.006.html.