光储联合发电系统随机优化调度方法研究

朱慧敏 李春来 苑舜 施涛

摘要：针对光储联合发电系统的优化调度问题，考虑光伏发电功率预测信息的不确定性，引入机会约束条件，提出了一种以系统发电成本最小化和光伏消纳最大化为目标的多目标随机优化调度方法，并结合某实际电网的光伏消纳问题进行案例分析。研究表明：该方法能够有效提高调度决策结果的置信水平，促进光伏发电的消纳，具有一定的工程实用价值。

关键词：光伏发电;电池储能;机会约束;随机调度

0    引言

近年来，随着光伏发电技术的不断成熟和广泛应用，我国光伏发电的装机容量显著增长[1-2]，但是受光照自然资源的影响，光伏发电出力呈现一定的间歇性、随机性和波动性。当光伏发电在电网总装机容量中的比例达到一定程度时，将会给电网的安全稳定运行造成冲击。为此，借助储能技术，构建光伏—储能联合发电系统，成为当前光伏发电系统平抑功率波动、改善电能质量，提高并网运行可靠性的一种典型模式[3-6]。目前，常用的储能技术主要有抽水蓄能、压缩空气储能和电池储能等。其中，抽水蓄能和压缩空气储能的应用受到地理条件的限制，而电池储能技术具有模块化、响应快、效率高等特点，与光伏发电系统集成，具有很好的适用性[7]。

当前，光储联合发电系统的调度控制问题是国内外研究热点。文献[8-9]提出了基于下垂控制的方法来协调多个储能单元分摊负荷功率。文献[10]将风光储微电网运行成本最少作为目标函数，计及功率平衡约束、荷电状态约束、发电容量约束，并考虑了微电网与大电网的交互功率。本文主要研究光储联合发电系统的优化调度问题，考虑光伏发电功率预测信息的不确定性，引入机会约束条件，提出了一种以系统发电成本最小化和光伏消纳最大化为目标的多目标随机优化调度方法，并结合某实际电网的光伏消纳问题进行案例分析，验证了上述模型算法的正确性和有效性。

1    储能系统模型

电池储能是光储联合发电系统中的储能装置，根据自身运行状态和调控指令进行充放电，以满足优化调度目标的要求。电池储能系统的工作特性如下式所示：

第一个等式表达储能装置在t+1时刻的储能水平等于t时刻储能装置的储能水平与t时刻储能装置的负荷功率的和减去t时刻储能装置的发电功率/循环损耗，其中Li  sto为储能装置循环损耗率;第二个不等式表示t时刻储能装置的储能水平Si，t level小于等于储能装置的总容量Si，t  sto;第三个不等式表示t时刻储能装置的负荷功率Pi，t  stoload小于等于储能装置的负荷容量Si，t L。

与此同时，受储能系统自身额定功率和容量的限制，储能的充放电过程中需满足一定的约束条件：

2    随机优化调度模型

光伏发电功率预测信息是光储联合发电系统优化调度的前提条件，其精度对调度决策的可信度有着至关重要的影响。但光伏发电的功率预测误差，作为随机变量客观存在。因此，在对含光伏发电的电力系统优化调度进行建模时，需要考虑随机误差的影响，通过随机优化方法提高调度决策结果的置信水平。

2.1    目標函数

由于光伏发电不需要消耗燃料，因此在考虑系统运行经济性时，可以不计光伏发电的发电成本，而只要求常规电源总的燃料成本最小。此外，依照我国目前优先消纳光伏发电的原则，在进行光伏发电优化调度时，应尽可能减少光伏受限。因此，在经济调度模型的目标函数中，需将光伏受限电量的期望作为惩罚因子给予考虑，以避免不必要的弃风弃光。当光伏电站i执行发电计划时，在t时刻的限电值Cit为：

式中，Pit为常规机组i在t时段的出力;fi（·）为常规发电机组i的燃料成本函数;Cit为新能源电站i在t时段的限电量;E（·）为期望值算子;Ng和Nw分别为常规机组和光伏电站的个数;T为调度周期总时段数;A1和A2分别为燃料成本和限电量期望的权重系数。

当A1>A2时，模型的优化目标为系统总的燃料成本最小;当A1

2.2    约束条件

本文采用机会约束量化光伏发电功率预测随机误差对调度决策结果的影响，将含随机变量的约束条件控制在一定的置信水平内，以供调度员决策参考。

（1）有功功率平衡约束：

（2）常规发电机组出力约束：

（3）常规发电机组爬坡约束：

（4）线路潮流约束。为了提高模型的求解速度，在线路潮流约束中，只关注有功方面，采用直流潮流进行计算：

3    算例分析

基于前述优化调度模型，利用时序生产模拟的方法对某电网实际运行情况进行了仿真分析。算例中电网为2017年电网实际网架，光伏装机容量5 144 MW，风电368 MW，常规电源装机为2017年某电网实际装机，储能装机为15 MW/15 MWh。联合优化调度结果及主要指标对比情况如表1所示。

由表1可知，在不进行联合优化调度的情况下，某电网2017

年1月光伏发电量为543 957 MWh，限电量为37 340 MWh，限电率为6.4%，其中受断面约束而导致的限电量为17 574 MWh，因调峰不足而导致的限电量为19 766 MWh;在开展光储联合优化调度后，由于储能系统的存在，系统调节能力得到充分发挥和改善，该月光伏发电量增至563 723 MWh，限电量下降至17 574 MWh，限电率下降3.4%。

同时，以该月中的一周为例进行详细分析，在不进行含储能的联合优化调度情况下，该周某电网各类电源运行情况如图1所示，而图2所示为在开展联合优化调度情况下某电网一周的生产模拟结果。

由图1、图2可知，通过开展含储能的多种电源之间的联合优化调度，某电网光伏受限电量明显下降。如表2所示，开展联合优化调度后，生产模拟结果显示该周光伏发电受限天数下降2天，限电率为2.28%，大幅下降了6.58%。

考虑到某电网未来光伏发电装机持续增长，预计到2020年时光伏发电将达到10 GW，风电将达到3 000 MW（表3），同时随着储能设备、系统成本的不断下降，大规模光伏发电与储能联合调度运行必将作为解决某电网乃至我国光伏发电受限问题的重要技术手段，成为电网调度运行的常态。

利用时序生产模拟仿真分析计算，某电网2017年弃光率为3.7%。按照2020年某电网及电源规划情况，计算2020年某电网光伏消纳情况。2020年预计全年光伏发电量64.76亿kWh，弃光电量约105.42亿kWh，弃光率61.95%;火电年发电量为336.27亿kWh，火电年利用小时数为4 278 h;水电年发电量为469.78亿kW，水电年利用小时数为3 594 h。

通过以上结果可知，若按照当前某电网电源规划发展，至2020年光伏发电消纳形势将十分严峻。本文采用前述优化调度方法，对2020年某电网光伏储能联合运行情况进行了仿真计算，在边界条件与2017年相同的情况下，计算结果显示，当配套建设约120万kW储能电站与规划中的10 GW光伏发电联合运行时，可将某电网总体弃光率控制在5%的较低水平，光伏与储能联合调度运行对于某电网的光伏发电充分消纳作用十分显著。

4    结语

本文主要研究光储联合发电系统的优化调度问题，研究表明：电池储能系统作为一种模块化、快速、高效的储能技术，在平抑光伏发电功率波动、促进光伏发电消纳等方面具有很好的适用性。与此同时，在包含光伏发电的电力系统优化调度问题中，需要考虑光伏发电功率预测信息的不确定性，通过基于机会约束的随机优化方法提高调度决策结果的置信水平。后續将进一步研究多点电网侧储能设施与光伏发电的联合调度问题，为提高光储联合发电调度决策的精度、促进光伏消纳提供技术支撑。

[参考文献]

[1] 曾祥军，李凤婷.光伏电站接入系统方案分析[J].电测与仪表，2016，53（1）：84-89.

[2] 冯庆东.分布式发电及微网相关问题研究[J].电测与仪表，2013，50（2）：54-59.

[3] 甘思琦，孔令国，蔡国伟，等.光储联合发电系统建模及并网控制[J].中国电力，2015，48（3）：116-121.

[4] BEDIR A，OZPINECI B，CHRISTIAN J E.The impact of plug-in hybrid electric vehicle interaction with energy storage and solar panels on the grid for a zero energy house[C]//Transmission and Distribution Confer-ence and Exposition，2010 IEEE PES，2010：1-6.

[5] LIU C H，CHAU K T，ZHANG X D.An efficient wind-photovoltaic hybrid generation system using doubly excited permanent-magnet brushless machine[J].IEEE Transactions on Industrial Electronics，2010，57（3）：831-839.

[6] 张景明，李岩松，杜儒剑，等.光储联合并网系统建模与低压耐受能力的研究[J].电力建设，2015，36（4）：27-31.

[7] 李碧辉，申洪，汤涌，等.风光储联合发电系统储能容量对有功功率的影响及评价指标[J].电网技术，2011，35（4）：123-128.

[8] KHORSANDI A，ASHOURLOO M，Mokhtari H.A decentralized control method for a Low-Voltage DC microgrid[J]. IEEE Transactions on Energy Conversion，2014，29（4）： 793-801.

[9] NASIRIAN V，MOAYEDI S，DAVOUDI A，et al.Distributed cooperative control of DC microgrids[J].IEEE Transac-

tions on Power Electronics，2015，30（4）：2288-2303.

[10] 刘娇娇，王致杰，袁建华，等.基于PSO算法的风光储微电网优化调度研究[J].华东电力，2014，42（8）：1534-1539.

收稿日期：2020-03-07

作者简介：朱慧敏（1982—），女，青海西宁人，博士研究生，高级工程师，从事太阳能并网技术领域的研究工作。