大规模虚拟储能模式平抑新能源功率预测误差研究

樊国旗，刘桂龙，樊国伟，王志远，赵普志，卫 瑞，印 欣，曾林俊

(1.国网金华供电公司，浙江 金华 321017； 2.中国海诚工程科技股份有限公司，上海 200031；3.国网新疆电力有限公司，新疆 乌鲁木齐 830011； 4.西安西电避雷器有限责任公司，陕西 西安 710200；5.湖南大学电气与信息工程学院，湖南 长沙 410082)

0 引 言

新能源可再生特点在促进经济可持续发展中发挥着越来越重要的作用[1]，但是新能源功率预测误差对电力系统调节能力带来巨大的压力[2]，导致新能源功率预测误差造成新能源限电。

目前主要通过电源侧、负荷侧及电力市场建设来促进新能源消纳[3-6]。文献[7-8]利用需求侧响应平衡新能源功率预测误差，促进新能源消纳。文献[9]通过电热综合系统联合调度应对风电功率预测不确定性，减少弃风。文献[10]利用储能减少风电预测误差。文献[11]首先利用高斯分布拟合风电预测功率，然后利用源荷互动促进风电消纳。文献[12]将风电预测值和实际值聚类成多目标场景，然后利用风电-水电联合调度验证其优良调峰能力和经济效果。

某地区含有大量自备电厂，通过大规模虚拟储能平抑新能源功率预测误差，可促进新能源消纳。下面提出大规模虚拟储能平抑新能源功率预测误差优化调度方法，针对新能源预测功率误差问题，采取自备电厂虚拟平抑预测误差，并对比不含虚拟储能调度方法的系统成本及新能源限电情况，通过对某地区实际电网进行算例仿真，验证所提调度方法的可行性；并分析虚拟储能参与比例、新能源功率预测准确率和新能源预测功率纳入率等关键因素对新能源限电的影响。

1 新能源功率预测误差及其平抑调度方法

1.1 新能源功率预测误差分布

日前新能源预测功率基于输入风速、光照强度等拟合得到超短期新能源功率预测数据，预测误差较大。根据历史数据得到预测的置信度Apos。

(1)

式中：Pn，f为新能源预测功率；Pn为新能源实际功率。

置信度Apos为95%时，新能源功率预测准确性如图1所示。

图1 置信度95%时新能源功率预测准确性

由图1可知95%置信度时新能源预测准确率分别为0.236 7(Pn，fPn)。

1.2 新能源纳入发电计划方法

由于新能源比例不断增高，因此需要将新能源纳入发电计划中。如果将新能源完全纳入发电计划，则可能因预测功率高于实际功率过大产生新能源限电，或者因预测功率低于实际功率过多导致失负荷。电网目标为可靠、安全、经济、高效和环境友好，其首要目标为可靠和安全，其次为经济和高效。因此为了电网可靠安全，将新能源按照一定置信度预测准确率纳入发电计划，尽量避免失负荷导致电网安全可靠问题。

首先，按照95%置信度的新能源预测准确率纳入发电计划；其次，将预测非自备负荷与纳入新能源预测功率拟合，得到考虑新能源预测准确率的预测非自备等效负荷PL，g，e，n，由于负荷预测准确率较高，因此用实际非自备负荷代替预测非自备负荷。

(2)

PL，g，e，n=PL，g-Pn，n

(3)

式中，PL，g为非自备负荷。

由于自备企业负荷由自备电厂机组供电，因此需要独立考虑。自备负荷和非自备负荷组成系统负荷为

PL=PL，g+PL，z

(4)

式中，PL，z为自备负荷。

1.3 考虑虚拟储能平抑新能源误差调度方法

自备企业通过调整自备电厂机组出力参与大规模虚拟储能，平抑新能源预测功率误差。当新能源预测功率大于实际功率时，首先减少火电机组出力，当仍不能满足要求时，降低自备电厂机组出力；如果仍然不能满足要求，则将该部分新能源采取限电处理。当新能源预测功率小于实际功率时，首先增加火电机组出力；当仍不能满足要求时，增加自备电厂机组出力，此时如果仍然不能满足要求，则对该部分负荷采取失负荷处理。

2 调度计划

2.1 目标函数

调度目标：新能源限电量最小。

(5)

式中，Pn，a为新能源限电功率。

新能源限电及虚拟储能调用总成本Ce为

Ce=Cn，a+Cx

(6)

式中：Cn，a为新能源限电成本；Cx为虚拟储能调用成本。

系统总成本Cs为

Cs=Ce+Cf(z)

(7)

式中，Cf为火电(自备)机组运行成本。

参与虚拟储能自备电厂同为火电机组，因此火电(自备)机组运行成本统一表示为

(8)

式中：T1为火电(自备)机组运行总时间；N1为火电(自备)机组数量；Pf(z)，i为第i台火电(自备)机组的功率大小；ai、bi、ci分别为火电发电二次、一次和常数成本系数。

新能源限电成本为

(9)

式中：cn，a为新能源限电单位限电成本；T2为新能源限电时间。

虚拟储能调用成本为

(10)

式中：Px为虚拟储能调用功率；cx为虚拟储能调用单位成本；T3为虚拟储能调用时间。

2.2 约束条件

1)系统功率平衡约束

日前功率平衡约束为：

(11)

(12)

日内功率平衡约束为：

PF+Px+Pn=PL，g-Pn，a

(13)

(14)

2)火电机组约束

火电(自备)机组出力Pf(z)，i约束为

(15)

爬坡约束为

(16)

3)虚拟储能调用约束

(17)

3 算例分析

3.1 地区情况

某地区新能源短期预测功率、新能源实际功率、非自备负荷和自备负荷如图2所示，设虚拟储能调用成本为50元/MWh，新能源限电成本为500元/MWh。

火电(自备)机组参数见表1。

图2 负荷和新能源曲线

表1 火电(自备)机组参数

3.2 效益评估

两种调度方法均以新能源限电量最小为原则，由于是混合整数非线性规划问题，这里采用lingo12进行计算，日前计划主要考虑电网安全。最大负荷与开机数量如表2所示。

表2 火电(自备)机组开机数量

日前调度无虚拟储能参与新能源消纳和新能源消纳空间如图3所示；日前调度虚拟储能参与新能源消纳和新能源消纳空间如4所示。

图3 无虚拟储能日前新能源消纳

图4 含虚拟储能日前新能源消纳

无虚拟储能日前新能源限电33 613.4 MWh，新能源限电率19%；调用虚拟储能电量与新能源限电量相同。

日内调度无虚拟储能参与新能源消纳空间和新能源限电如图5所示。

图5 无虚拟储能日内新能源消纳

日内调度虚拟储能参与新能源消纳和新能源消纳空间如6所示。

图6 含虚拟储能日内新能源消纳

无虚拟储能日内新能源限电81 807.3 MWh，新能源限电率35%；调用虚拟储能电量与新能源限电量相同。

不同调度方法下成本对比如表3所示。

表3 调度成本对比

由表3可知，日前调度采用大规模虚拟储能模式，成本可减少2 146.9万元；日内调度采用大规模虚拟储能模式，成本可减少5 036.3万元。

3.3 关键影响因素的灵敏度分析

1)虚拟储能参与比例影响

虚拟储能参与比例与新能源限电率关系如图7所示。

图7 虚拟储能参与比例与新能源限电率关系

由图7可知，虚拟储能参与比例为0时，新能源限电率为34.9%；虚拟储能参与比例为80%时，新能源限电率为0。该新能源出力状况下，虚拟储能参与调度可实现全部消纳新能源。

2)新能源功率预测准确率影响

新能源功率预测准确率与满足无新能源限电时虚拟储能参与比例关系如图8所示。

图8 新能源功率预测准确率与虚拟储能参与比例关系

当新能源功率预测准确率达到100%时，虚拟储能参与比例为33.9%时不发生新能源限电。当新能源功率预测准确率为0时，所需虚拟储能参与比例需达到104.5%，新能源才不会被限电，即当虚拟储能全部参与比例为100%时，仍会有102.3 MWh新能源被限，限电率为0.04%。

3)新能源预测功率纳入率影响

新能源功率预测功率纳入率与满足无新能源限电时虚拟储能参与比例关系如图9所示。

图9 新能源预测功率纳入率与虚拟储能参与比例关系

当新能源预测功率纳入率为100%时，虚拟储能参与比例为49.3%时不发生新能源限电。当新能源预测功率纳入率为0时，所需虚拟储能参与比例需为104%才不会发生新能源限电，即当虚拟储能参与比例为100%时，仍会有409.1 MWh新能源被限，此时新能源限电率为0.1%。

4 结 语

1)新能源功率预测准确率不高会导致系统调节能力不足，进而导致新能源限电；大规模虚拟储能可以平抑新能源功率预测误差，减少新能源限电。

2)大规模虚拟储能参与比例提高可减少新能源限电率，因此需要提高虚拟储能参与比例，促进新能源消纳。

3)新能源功率预测准确率越高、新能源预测功率纳入率越高，所需参与的虚拟储能越低；因此需要提高新能源功率预测准确率，间接提高新能源预测功率纳入率。