计及风电消纳的共享储能优化模型

李建伟，张新燕*，王 衡，3

(1.新疆大学 电气工程学院，新疆 乌鲁木齐 830047；2.新疆大学 可再生能源发电与并网技术教育部工程研究中心，新疆 乌鲁木齐 830047；3.国网新疆电力有限公司, 新疆 乌鲁木齐 830063)

随着新能源发电技术的飞速发展，煤电厂(电气工程领域一般称为火电厂)生产的电能在能源结构中的占比将进一步降低.风力发电的波动及难以预测对电网的安全稳定运行带来了不利影响.储能作为能源领域的重要方向，是解决新能源消纳、风电生产与负荷需求不对称等问题的有效措施.单纯的弃电储能模式不可持续，同时价格昂贵的储能系统为风储运行带来了较高的成本.共享经济作为一种新的商业模式，已应用于越来越多的领域.为了高效利用储能，可在新能源密集的区域共享储能.目前，有关储能研究主要分为以下3类：①云储能.文献[5]提出了云储能的概念，证明了云储能可以降低用户成本.文献[6]将通信技术用于云储能，论证了该模式下用户有更好的收益.②社区和园区用户共享储能.文献[7]将共享储能电站应用于工业用户，有效降低了用户的用能成本.文献[8]采用租借的形式分配储能，进而解决微网的调度问题，可实现配电系统的智能化.文献[9]将共享储能应用于社区综合能源互联网，综合考虑系统设备的负荷，实现了能源用量和费用的优化.文献[10]基于共享理念对储能进行优化配置，对售电公司购电量和收益分配进行分析，证明了共享储能的经济性.文献[11]提出了由社区用户自行建造储能设备的模式，从横向和纵向对储能进行分析，证明该模式的收益远超出未配置储能的模式.文献[12]提出了组合双向拍卖的共享储能机制，实现了体系内用户的良性竞争.此类研究仅面向园区、家庭等用户，未能覆盖对储能需求较大的新能源电厂.③面向新能源电厂的储能.文献[13]提出了风电厂间共享储能的方案，该方案易受到电厂自身储能容量的限制，不能使共享储能效率最大化.

为此，笔者提出风电共享储能协同运行模式，通过电网和共享储能系统将区域内多家风电厂联合起来，建立风电共享储能的优化模型.将西北地区某新能源基地的风电厂群作为算例，验证共享储能的可行性.

1 风电共享储能协同运行模式

1.1 风电厂的出力特征

风电机组的功率受风速的影响较大.风电厂

i

的风电机组出力模型为

(1)

其中：

P

,为

t

时刻风电厂

i

的输出功率；

P

为风电厂

i

的额定功率；

v

，

v

，

v

分别为风电机组的切入、额定、切出风速；

a

，

a

，

a

的表达式为

(2)

依据上述风电机组的出力模型和西北地区某50 MW风电厂相关数据，得到该风电厂的功率和功率缺额如图1所示.

图1 50 MW风电厂的功率和功率缺额

风电厂工作过程中，电网侧和负荷侧的需求往往不对称.从图1可看出，该风电厂的输出功率存在较大波动，出力过剩和出力不足的情形无规律出现.当风电厂发生弃电时，共享储能系统就为风电厂提供储能空间，当电网和负荷有需求时，共享储能系统就供电.

1.2 风电共享储能的协同优化

风电共享储能协同优化的原理为：基于区域电网建立共享储能系统，收集各风电厂供给和需求信息，根据信息进行储电或供电，实现新能源弃电资源的转化利用，提高储能系统的利用率，增加储能系统收益.风电共享储能协同优化示意图如图2所示.

图2 风电共享储能协同优化示意图

1.3 共享储能的决策

根据风电厂的出力情况，共享储能系统有充电和放电两种工作状态.将

t

时刻风电厂

i

的功率需求

P

s,和实际功率

P

,之差定义为风电厂

i

时刻的功率缺额，其表达式为

ΔP

,=

P

s,-

P

,.

(3)

若

ΔP

,≤0，则

t

时刻风电厂

i

出力不能满足负荷需求，此时风电厂

i

成为电能需求者，共享储能系统根据接收到的功率需求信息向风电厂

i

供电.若

ΔP

,>0，则

t

时刻风电厂

i

出力超过需求，此时风电厂

i

冗余的电能对共享储能系统充电，共享储能系统将这部分能量存储起来或者向出力不足的其他风电厂供电.

1.4 共享储能的供需匹配

共享储能系统的总需求

D

和总供给

S

分别为

(4)

其中：

D

,为

t

时刻风电厂

i

向共享储能系统上报的能量需求；

S

,为

t

时刻风电厂

i

向共享储能系统上报的可供给能量.

在风电厂共享储能协同优化过程中，考虑到成本对储能系统容量的限制、各风电厂的电能总供给和总需求间的不对称、共享储能传输过程中存在的线路损耗，在电能供需过程中必须按供需比进行电能匹配而不是优先供应某一风电厂.共享储能的供需比表达式为

(5)

其中：

γ

为线路损耗.当

η

≥1时，电能供大于求，共享储能系统能为冗余电能提供存储空间，储能系统的成员风电厂对电能的需求能完全满足，根据供需比向共享储能系统供电，具体能量匹配关系为

D

′,=

D

,，

S

′,=

S

,/

η

，

(6)

其中：

D

′,为

t

时刻风电厂

i

从储能系统中得到的电能，

S

′,为

t

时刻风电厂

i

向储能系统供给的电能.当

η

<1时，电能供不应求，共享储能系统向风电厂供电以弥补功率缺额，具体能量匹配关系为

D

′,=

D

,

η

，

S

′,=

S

,.

(7)

2 风电共享储能的优化模型

2.1 目标函数

为了论证风电共享储能优化模型的经济性和对风电消纳的效果，定义目标函数为

(8)

其中：

W

为系统收益，

T

为总计算时长，

W

sel,为售电收益，

W

为储能成本，

W

lost,为输电损耗.

风电共享储能系统的售电收益的计算公式为

(9)

(10)

共享储能带来了风电厂间更为复杂的能量流动，因此系统输电损耗不可忽视.输电损耗的计算公式为

W

=

c

D

′,△

t

，

(11)

其中：

c

为输电电价.

储能系统的成本包含额定电量容量成本和额定功率容量成本.储能成本的计算公式为

(12)

其中：

P

表示储能系统的额定功率容量，

E

表示储能系统的额定电量容量，

c

为储能系统的功率容量成本系数，

c

为储能系统的电量容量成本系数，

τ

为年利率，

y

为储能系统的寿命年限.

2.2 约束条件

2.2.1 储能功率约束

储能功率约束分为成员风电厂功率约束和总功率约束，风电厂功率、总功率约束分别为

(13)

2.2.2 储能系统的SOC约束

荷电状态(state of charge，简称SOC)是储能系统的重要参量.根据储能系统能量流动，可得到储能系统的SOC动态变化情况.运行过程中，过度充放电会使储能系统的寿命降低，进而影响储能系统的安全运行.储能系统的荷电状态应满足如下约束

SOC≤SOC≤SOC，

(14)

其中：SOC为储能系统荷电状态的最小值，SOC为储能系统荷电状态的最大值.

2.2.3 储能系统充放电功率约束

在任何时刻，储能系统的充放电不能同时进行，且充放电的功率应在限定范围.储能系统充放电功率约束如下

(15)

2.3 模型的求解

粒子群算法具有操作简单、迭代次数少的优点.该算法基于群体智能理论，通过个体信息的共享机制，计算当前位置的适应度，多次迭代得到最优解.该文用粒子群算法对模型进行求解,求解流程如图3所示.

图3 粒子群算法流程

3 算例分析

3.1 算例参数

为验证笔者提出的共享储能优化模型的可行性，选取西北地区某新能源基地的风电厂群为算例.基地内有5座风电厂，成员风电厂额定功率分别为100，200，200，100，50 MW，编号分别为1～5.算例中的共享储能系统的相关参量如表1所示.

表1 算例中的共享储能系统的相关参量

3.2 共享储能的容量优化

对5个风电厂设置以下5种场景：①未配置储能，即5座风电厂单独运行.②每个风电厂按照额定功率的20%配置储能功率容量，充电时长为1 h.③风电厂群配置的额定功率容量为20 MW，共享储能的充电时长为2 h.④风电厂群配置的额定功率容量为40 MW，共享储能的充电时长为2 h.⑤风电厂群配置的额定功率容量为60 MW，共享储能的充电时长为2 h.

图4为5种场景下各风电厂的售电量.图5为5种场景下的系统受益和储能成本.

图4 5种场景下各风电厂的售电量

图5 5种场景下的系统收益和储能成本

由图4,5可知：在场景②下，5座风电厂的总售电量为4 934.59 MW·h，储能成本为2.65万元，系统收益为249.64万元；相对于场景①，弃风电量减小了431.44 MW·h，系统收益增加了15.48万元；弃风率由场景①的16.5%降低为9.15%.可见，配置一定容量的储能可有效增加风电厂收益，且能增强风电消纳能力.

在场景③下，5座风电厂的总售电量为4 718.87 MW·h，储能成本为0.79万元，系统收益为242.43万元；相对于场景①，弃风电量减小了245.72 MW·h，系统收益增加了8.27万元；弃风率由场景①的16.5%降低为12.5%.可见，共享储能模式能有效减小弃电及提高收益.

在场景④下，5座电厂总售电量为5 015.485 MW·h，储能成本为1.22万元，系统收益为255.25万元；相对于场景②，系统收益增加了5.61万元，储能成本减少了1.44万元.可见，风电共享储能系统在降低储能成本、提高收益方面更具优势.

对比场景③、④和⑤可知，储能功率容量增加到一定程度后，风电消纳的能力并不能随之提升.从储能成本及弃风率综合分析可知，额定功率容量为40 MW、充电时长为2 h的共享储能系统的综合效益最佳.

3.3 稳定性与经济性分析

在风电厂群构建共享储能系统的过程中，应统筹考虑系统及个体的稳定性和经济性，要保证所有成员风电厂能实现良好的经济效益.因此，下面对共享储能优化模型的稳定性与经济性进行分析.

共享储能系统的荷电状态如图6所示.由图6可知，共享储能系统在工作过程中的荷电状态位于0.2～0.9的安全范围内，没有出现过充和过放情况，因此系统能安全稳定运行.

图6 共享储能系统的荷电状态

图7为单独运行及共享储能模式下各成员电厂的售电量对比.由图7可知，各电厂的售电量相对于单独运行的模式均有所上升，各成员电厂在共享储能模式下均能收益.

图7 单独运行与共享储能模式下各成员电厂的售电量对比

4 结束语

笔者提出了风电共享储能协同运行模式，建立了共享储能优化模型.该模型能有效增加储能设备的利用率、降低运行成本.算例分析结果表明：配置一定容量的共享储能可有效降低新能源的弃电比、增加售电收益.风电共享储能系统符合当前“共享型、平台型、枢纽型”电网建设的要求.该模型联合电源侧和负荷侧，使用市场手段，实现了源网共赢.共享储能参与调频服务的效果及效益将为笔者后续研究内容.