基于对侧变电站主变状态的储能电站滚动计划曲线生成

何大瑞，李 妍，程 亮，冯力勇，张 云

（1.国网江苏电力设计咨询有限公司，江苏南京 210008；2.国网江苏省电力有限公司，江苏南京 210024；3.长园深瑞继保自动化有限公司，广东深圳 518057）

随着大规模可再生能源接入整个电力系统，尤其是风电、光伏所具有波动性、随机性、难预测等特点，给电力系统稳定运行与控制带来巨大挑战。储能系统既可作为电源又可作为负荷，灵活的双向互动性能使其在可再生能源发电消纳中发挥重要作用[1-5]。特别是电化学储能，因其变流器具有响应速度快、精度高的特点，相比其他电源和负荷，具有更优良的调节控制性能。其中电网侧电化学储能电站可以为电网运行提供调峰、调频、备用、黑启动、需求侧响应等多种服务，提升电网运行效率，缓解地区供电负荷压力[6-9]；用户侧储能可以满足企业的需量控制和削峰填谷；电源侧储能可以实现储能与火电机组联合参与AGC，储能与新能源机组联合参与AGC，平抑新能源波动，减少弃风弃光的行为[10-16]。

目前电化学储能电站的主要控制模式分为调度实时控制和计划曲线模式。实时控制指令由上级调度直接下发到储能电站，由储能电站进行指令分析和执行。计划曲线由上级调度机构提前下发或者本地管理人员提前录入，储能电站根据实际运行情况进行分析和执行。计划曲线一般提前1～3 天下发，故对于储能电站所在区域电网（主要是对侧变电站）的运行情况考虑不足，在一些极端情况下，存在着对侧变电站重载时储能电站充电，轻载时放电等情况，既增加了区域电网的运行风险，又降低了区域电网运行的经济性。

为了提升含有储能电站的区域电网安全性和经济性，该文在综合考虑储能电站功率变换器（以下简称PCS）、电池管理系统（以下简称BMS）和储能电站站端一二次设备约束的模型基础上，将对侧变电站主变状态引入储能电站运行控制的约束条件，以日前区域负荷预测数据和变电站主变重过载约束为输入参数，对模型进行求解，得到最优的储能电站充放电计划曲线。为了解决日前预测数据的偏差对实时控制造成的影响，采用站端实时控制加滚动优化的方式，为储能电站的运行控制提供安全性和经济性保障。

1 考虑对侧变电站主变状态的储能电站运行模型

1.1 电化学储能电站运行目标

电化学储能电站优化运行的目标是达到全站经济性最高，即储能电站每天充放电收益最大。需要考虑峰谷电价和各个时段的功率输出。

假定电价为Ci，i代表不同时间段。不同时间段的电量为该时段功率和时间的乘积Pi×Δt，其中充电功率为负，放电功率为正。则储能电站每天的充放电收益为：

目标函数为max{Y}。

1.2 储能电站运行需求和约束

假设储能电站每台PCS 对应一个储能单元，则储能电站的运行满足以下约束条件：

1）每台PCS 的运行工况和最大可充放点功率约束。

式中，Pimin和Pimax由各台PCS 运行状态以及BMS 运行状态决定，各PCS 将数据上送给变电站端EMS 系统，由EMS 系统进行累加计算各PCS 数据得到。

2）每组电池堆的电量上下限约束，即储能单元SOC 约束。考虑到储能单元的充电效率和放电效率不同，将储能单元的出力分为充电功率Pic和放电功率Pid两部分。

式中，ηc和ηd是电化学储能电站的综合充放电效率。默认各组储能单元的充放电效率是相同的。Eimin和Eimax为各组储能单元的能量上下限的总加。E0为储能电站初始的电量状态，ti为第i个时间段对应的时间长度。根据目前的主流运行方式，一般设置为15 分钟。

3）储能单元充放电状态约束，储能单元可以单独处于充电状态或者放电状态，也可以处于不充不放的状态，但是不存在既充电又放电的状态。因此，引入充电状态εc和放电状态εd两个变量，其中εc和εd只有0 和1 两种状态。

4）对侧变电站主变状态约束。假设对侧变电站主变日负荷曲线为Li。主变容量为S。轻载系数和重载系数分别为KA和KB，其中KA和KB和S为常量。对于储能电站的运行控制，分为两种情况，第一种是不要求调节对侧变电站主变的轻载或者重载状态，只需要避免在对侧变电站轻载或者重载时，进行放电或者充电行为；即当Li+Pi≤S×KA时，εdi=0；当Li+Pi≥S×KB，εci=0。这种情况下，只是在原先计划曲线的基础上进行约束修正，虽然能够减少对侧变电站重过载的情况，但是储能系统不能自适应调节充放电功率，因此全站的经济效益会偏低。第二种情况如果需要储能电站参与调节对侧变电站主变的轻载或者重载，则约束条件描述如下：

式中，Pi为储能电站的日发电曲线，其中充电为负，放电为正。

以上模型均为线性模型，可以采用线性优化工具求解，该文采用GLPK 线性优化工具进行求解。

1.3 GLPK建模

假设计划曲线为一天共有n个点，则每个点对应的时间为24/n小时。根据上述优化目标和约束条件，可以建立相应的目标函数和系数矩阵。

变量包括Pic、Pid、εic和εid。变量为Xi=[Pic,Pid,εic,εid]T。约束条件如1.2 节所描述，其中式（5）的系数矩阵为n×2n矩阵。

下边界为：

上边界为：

式（6）的系数矩阵为n×4n矩阵。

下边界为RBmin=0，上边界为RBmax=-Pimin。

式（7）的系数矩阵为n×4n矩阵。

下边界为RCmin=-Pimax，上边界为RCmax=0。

式（8）的系数矩阵为n×2 矩阵。

下边界为RDmin=0，上边界为RDmax=1。

储能电站考虑对侧变电站主变状态的第一种情况，只需要判定实时参数即可。第二种情况，按照式（9），列出系数矩阵为n×2n矩阵。

下边界为REmin=S×KA-Li，上边界为REmax=S×KB-Li。

目标函数可以描述为：

将矩阵A和E扩展为n×4n阶的A′和E′，不足地方补0。即可获取整个模型系数矩阵为

下限约束为：

上限约束为：

GLPK 的最终模型描述为：

2 考虑对侧变电站主变状态的储能电站运行控制方法

在实际运行过程中，由于日前预测数据存在偏差，如实际负荷大于预测负荷，储能充电则可能导致变压器重过载，储能电站的状态也存在不确定性，不一定具备按照计划值响应的能力。因此，基于上述模型求解的优化曲线仅仅作为理想运行情况下的最优运行方式，无法处理运行过程中出现的不确定问题。

为了解决上述问题，可以采用站端实时控制加滚动优化的方式。即式（2）中的PCS功率上下限由额定功率改为实时获取，并作为后续优化计算的基准；式（5）中E0为当前实时的储能电站能量数据，而不是每天0点的数据。优化的时间段数为当前时间到优化周期截止的时间段。即1.3 节中GLPK 的系数矩阵维数随着每次优化而逐次递减。在每个优化周期内，以优化数据作为基准，实时跟踪对侧变压器主变数据，在储能基准功率的基础上，对日前负荷预测偏差ΔP进行实时修正，从而保证对侧变电站主变不重过载。

3 算例分析

以某8 MW/16 MW·h储能电站为例，该电站共配置16 台PCS，每台PCS 容量500 kW，假设充放电SOC区间为[10,90]。对侧变电站为110/10 kV，2 台主变容量为50 MVA，轻载系数为30%，重载系数为80%。选取一个典型日负载曲线如图1 所示的原负荷曲线。电价选取东部某省工业用电峰谷电价，其中高峰时段为8:00-12:00，17:00-21:00，平价时段12:00-17:00，21:00-24:00，低谷时段0:00-8:00，对应电价分别为1.0752 元/kW·h，0.6451 元/kW·h，0.3150 元/kW·h。充电效率为95%，放电效率也为95%。每天初始电量Emin设置为0。

下面将针对储能电站按照固定计划运行方式、对侧主变重载时禁止充电轻载时禁止放电的运行方式、储能电站日前优化和储能电站滚动优化4 种运行方式，进行计算分析，并比较每种方式的特点。

3.1 储能电站按照固定计划充放电

目前很多储能电站按照固定时间充放电的模式运行，常见的有单日一充一放，两充两放等模式。选取该站两充两放的计划曲线，2:00-6:00 以4 MW 充电，10:00-12:00 以8 MW 放电，12:00-14:00 以8 MW充电到上限，20:00-22:00 以8 MW 放电。固定充放电计划的储能电站日运行曲线如图1 所示。

图1 固定计划充放电计算结果曲线

由图1的计算结果可以看出，该模式下，当天充放电的收益为13 247.21元，其中有24个数据点处于变压器重载运行。因此该种方案能够使储能电站经济性最大，但是不能解决对侧变电站主变重载运行的问题，而且可能随着储能电站的充放电，造成新的重过载问题。

3.2 储能电站主动参与对侧变电站轻重载调节

储能电站考虑对侧变电站主变状态的第一种情况，对计划曲线进行优化，结果如图2 所示。

图2 只考虑主变约束的充放电结果曲线

由图2 计算结果可以看出，只针对对侧变电站主变状态进行原有的计划曲线优化，会导致部分充电时段不能充电，从而在用电高峰期无电可放，该方案虽然能够一定程度上减少对侧变电站主变的重过载情况，但是并不能完全解决，依然有20 个数据点重载。而且储能的运行方式由两充两放实际上变为一充一放，经济效益为11 037.78 元。因此需要根据日负荷变化情况对储能电站的计划曲线进行优化。按照式（9），优化后的曲线如图3 所示。

图3 自适应充放电结果曲线

由图3计算结果可以看出，采用优化算法，能够有效减少对侧变电站主变的重过载情况。同时对于经济效益也有一个显著提高，充放电经济效益为14 947.72元。通过对比，可以发现该方案在不影响储能电站经济性的同时，能够有效减少对侧变电站主变的重过载情况。

3.3 储能电站滚动计划曲线调节

假设实际运行数据与预测数据存在一定偏差，作为示范，选取峰值时间点19：00 的功率与预测数据有+3%的偏差，平值时间点14：00 的功率与预测数据有-5%的偏差，谷值时间点4：00 的功率与预测数据有-10%的偏差。日前优化采用图3 中计算结果，日前预测后的计算结果如图4 所示。

图4 日前优化曲线与滚动优化曲线对比

由图4 可以看出，采用滚动优化能够有效减少对侧变电站主变重过载的情况，对于负荷增加的19：00 点数据，如果按照原计划，则必然会造成变压器重载的情况，通过滚动优化可以有效避免这种情况的发生。据图可以计算得出全天充放电经济收益为14 950.28 元，经济性基本不受影响。由于预测数据存在偏差是普遍现象，因此采用滚动优化能够有效提升储能电站的实际效果。

4 结论

该文将对侧变电站的运行状态加入储能电站的运行约束条件，从而生成与对侧变电站协调运行的储能电站运行模型。并且结合分时电价，对其运行方式的经济效益进行分析，同时采用滚动优化的方法解决预测数据偏差带来的不确定性。通过与目前常见的运行方式进行对比，得出结论，储能电站考虑对侧变电站主变状态的滚动优化方法，能够在不影响经济效益的前提下，有效减轻上级变电站重过载情况，提升区域电网的运行安全性和经济性。