集中式储能运行备用能力的评估及仿真

雷长炎,王琦,谢东亮,李威,赖业宁,张政

(1. 南京师范大学南瑞电气与自动化学院,江苏 南京 210023；2. 南瑞集团(国网电力科学研究院)有限公司,江苏 南京 211106)

0 引言

风、光发电固有的随机性、间歇性的特点客观上将对电网的可靠运行造成不利影响[1—4]。通过提升风、光出力预测水平能在一定程度上减小平均误差,但很难消除出力预测的最大瞬时误差[5],因此风、光要做到如常规水、火电一样出力可期并不现实。这是进一步提高电网新能源接纳能力所要跨越的关键障碍,解决办法之一是为电网配置更多的快速备用容量[6—10]。目前电网中大部分旋转备用由常规水、火电机组承担,随着新能源逐步取代火电,电网的备用资源也在同步减少。这与电网需求相矛盾,系统需要通过库容式水电、储能和需求侧响应容量等多种途径来补充备用容量的不足[11—12]。尤其针对想要实现全清洁能源供电的省份,这一需求更为迫切。

设立调峰、备用等辅助服务市场,有利于引导投资向提高电力系统灵活性方面转型,最终促进包括造价昂贵的储能系统在内的源/网/荷/储备用资源的发展[13—16]。对多形态备用能力的准确评估是实现多形态备用优化配置的基础[17—19]。集中式储能( centralized energy storage,CES)容量是未来电网备用的重要组成部分,其技术仍处于快速发展阶段,形态包括但不限于抽水蓄能电站、电池储能站等。未来规划中的电网侧集中式储能分布地域广、接入规模大、响应速度快,将分担原由常规电源负责的调峰、调频、调压等电网关键服务。

新能源高渗透下,平衡待调控出力(预测负荷与新能源出力之差,也称“净负荷”)的随机波动需占用大量运行备用资源,学界对储能参与运行备用也进行了相关研究。文献[20]利用储能平滑风电出力的剩余容量参与备用,选取场景集描述系统的不确定性,建立了储能的有功和备用一体优化模型；文献[21]建立了独立储能电站参与调峰和备用市场的运行策略模型。上述计算模型都只考虑了储能的出力限制,而没有考虑其有限的电量存储能力,也未计及损耗,对储能备用能力过高或过低的估计都将给电网运行带来新的风险或浪费。文献[22]研究了以电动汽车为代表的分布式储能参与运行备用能力的量化评估方法。然而电动汽车并入/退出电网的时机和状态都具有随机性,与计划性较强的CES在运行方式上存在显著差异,但其思路值得借鉴。

文中首先分析了影响CES备用能力的主要因素,并提出适用于CES的充放电可行域概念；基于上述概念,提出在给定发(用)电计划下计算CES运行备用能力的方法；最后通过仿真验证了方法的有效性,分析了一系列因素对CES动态备用能力的影响,给出了改善CES备用能力的建议。

1 CES特性分析与建模

CES典型结构示意如图1所示,CES可分为共享储能体CES和非共享储能体CES两类。共享储能体CES所有的发(用)电单元共享一个储能体,典型代表是抽水蓄能电站。非共享储能体CES的存储能力依靠多个储能单元实现,电池储能站是典型的非共享储能体CES,由于电池储能是由巨量的单体电池串并联组成,电池管理系统(battery ma-na-ge-ment system,BMS)会对回路中每一个电池单体施加控制,迫使其按照一致的荷电状态(state of charge,SOC)工作。因此,典型应用中,非共享储能体CES的每个储能单元的出力和等效电量状态均可视作一致。

图1 CES典型结构示意Fig.1 Schematic diagram of typical CES structures

当只关心聚合态功率特性时,考虑内部各单元状态一致,上述2种CES可以采用一致的约束模型,下文将不再区分这2种储能类型。这2种CES的功率约束和电量约束可记为：

-PL,max≤P(t)≤PG,max

(1)

Emin≤E(t)≤Emax

(2)

式中：PL,max,PG,max分别为CES的最大充电功率和最大放电功率,均为正值；Emax,Emin分别为CES的最大、最小储存电量。对于共享储能体CES而言,PL,max,PG,max分别为其所有发(用)电单元的最大充电和放电功率之和,Emax,Emin分别为其储能体的最大和最小储存电量；对于非共享储能体CES而言,PL,max,PG,max分别为其所有发(用)电单元的最大充电和放电功率之和,Emax,Emin为其所有储能单元的最大和最小储存电量之和。

计及损耗后,CES的储能侧充/放电功率为：

(3)

式中：P(t)为t时刻网侧实时充/放电功率,放电时为正数,充电时为负数；ηL,ηG分别为充电效率和放电效率；Uc(t)为充电状态0-1整数变量,Uc(t)=1表示储能处于充电状态,Uc(t)=0表示储能处于放电状态或者不充不放状态；Ud(t)为放电状态0-1整数变量,Ud(t)=1表示储能处于放电状态,Ud(t)=0表示储能处于充电状态或者不充不放状态。Uc(t)+Ud(t)≤1。

任意时刻t的电量状态E(t)是初始时刻以来计及损耗的储能侧充/放电功率的积分,可表示为：

(4)

式中：E(0)为起始电量状态。

2 储能备用能力评估方法

储能备用能力评估方法主要是分析起始电量、期望电量范围、最大充放电功率、最大储存电量和调度机构提前为储能安排的发(用)电计划等参数,得到储能的功率边界和电量边界,同时满足功率边界和电量边界的区间就是运行可行域,再根据可行域计算备用能力。方法流程如图2所示。

图2 方法流程Fig.2 Flow chart of method

功率边界需满足式(5)和式(6)：

Rup(t)≤PG,max-P(t)

(5)

Rdown(t)≤PL,max+P(t)

(6)

式中：Rup(t),Rdown(t)分别为t时刻的上、下调备用容量。

电量边界的存在是为了保证各个时刻储能的发(用)电计划都不会因电量已满或不足而违约：

Emin(t)≤E(t)≤Emax(t)

(7)

式中：Emin(t),Emax(t)分别为t时刻允许到达的最小、最大电量状态。

求取任意时刻的Emin(t)和Emax(t)对CES备用能力的量化非常重要。为了降低复杂性,对时间轴进行离散化处理,将调度周期T分割为n个长度为Δt的时段,将每个Δt内的功率视为固定值,则Emin(k),Emax(k)可按式(8)—式(14)计算：

Emax(k)=min{Ef,max(k),Eb,max(k)}

(8)

Emin(k)=max{Ef,min(k),Eb,min(k)}

(9)

Ef,max(k)=min{E(k-1)+PL,maxηLΔt,Emax}

(10)

Ef,min(k)=max{E(k-1)+PG,max/ηGΔt,Emin}

(11)

Eb,max(k)=min{Emax(k+1)+PGL(k)Δt,Emax}

(12)

Eb,min(k)=max{Emin(k+1)+PGL(k)Δt,Emin}

(13)

(14)

CES的运行可行域原理示意如图3所示。

图3 集中式储能的运行可行域Fig.3 Feasible domain for a centralized energy storage′s operation

图3(a)为功率-时间平面(P-t平面),图3(b)为电量-时间平面(E-t平面),黑色实线为依储能发或用电计划运行；k为离散后的某一时间段；k-1为时间段k的前一个时间段；k+1为时间段k的后一个时间段；P(k)为时间段k内集中式储能的充/放电功率(即发(用)电计划)。不可行域代表储能功率或电量无法到达或到达后注定无法满足后续时段发(用)电计划的状态区间；反之,可行域指储能功率和电量能够到达且到达后能够满足后续时段发或用电计划的状态区间。可行域会因初始状态及发或用电计划的调整而不断变化,因此具有动态性。充/放电计划只有运行于可行域中才具备可行性。

联立式(1)—式(14),取电量边界和功率边界的最小值,可得：

(15)

(16)

式中：P(k)为k时段的运行功率；Rup(k)为k时段的上调备用容量最大值；Rdown(k)为k时段的下调备用容量最大值。文中将备用容量最大值称为“备用能力”。

3 仿真分析

在完成CES备用能力量化基础上,继续验证评估方法的有效性,研究CES参与备用对新能源消纳的影响,并从电量/容量比、备用合约等方面分析影响备用能力的因素及提升能力的措施。

3.1 方法的验证

基于文中所提方法计算上/下调备用能力,通过仿真模拟调度指令超出能力值时储能电站的表现。计划功率是指调度机构提前为储能电站安排的充/放电功率计划；实际功率是指储能电站的实际充/放电功率,通过在计划功率的基础上对某一时段功率调整得到,调整值等于文中方法计算出的上/下调备用能力,其余时段实际功率和计划功率保持相同。

测试中令Δt为1 h,测试的小型储能电站参数如表1所示,选取该储能电站某典型计划功率进行仿真,典型计划功率曲线如图4(a)、(b)中黄色实线所示。

表1 小型储能电站参数Table 1 Parameters of small energy storage power station

图4 运行备用能力评估算法的验证Fig.4 Verification of the storage reserve capability assessment algorithm

图4(a)表明,01:00收到电网调度机构下达的功率调节指令并开始调节(调节量采纳式(15)的结果),在储能电站提供上调备用后,02:00—09:00时段实际电量刚好触及电量下界,上调备用能力刚好为0,也不必调整后续时段的发(用)电计划。

图4(b)表明,15:00收到电网调度机构下达的功率调节指令并开始调节(调节量采纳式(16)的结果),在储能电站提供下调备用后,16:00—18:00时段电量触及电量上界,下调备用能力刚好为0,也不必调整后续时段的发(用)电计划。

由此可知,继续提高功率调整要求,会导致储能电站无法保证后续时段的发(用)电计划按照计划功率执行。因此,在该算例条件下,文中算法计算所得备用能力是充分且必要的。

3.2 实际系统备用能力分析

基于某新能源外送省份实际规划数据开展分析,其储能容量及新能源装机取自该省的规划报告,参数见表2,发(用)电计划采用夏、冬季典型值,并离散化处理(Δt取1 h)。

表2 省级电网CES等效参数Table 2 Equivalent parameters of provincial grid CES

利用文中所提评估方法计算实际CES的1 h备用能力,如图5所示。

图5 集中式储能的1 h备用能力(始于50% SOC)Fig.5 The predicted 1 h reserve capacity of the centralized energy storage system (SOC starts from 50% for all units)

由图5可知,CES的备用能力很大程度上由夏、冬季典型日发(用)电计划曲线(图中实线,正、负值分别表示放、充电)决定：除了功率层面约束的影响外,夏季汛期更趋集中的发(用)电计划安排(夏季02:00—06:00集中放电与冬季06:00—10:00对比),令储能电量不足,严重限制了局部时段的上调备用能力(00:00—10:00时段)。

储能的下调备用能力可以增加新能源的消纳,其提供的上调备用能力可以缓解调峰压力,降低火电机组出力,间接增加新能源消纳。图6显示了夏季汛期储能参与备用前后对系统弃风光电量的影响。可见,计及储能参与备用的容量后,省内旋转备用不足的局面得到大幅缓解,在该典型日内,理论上最大可减少高达76 GW·h的弃风光电量。

图6 新增规模储能备用对全省弃风光电量的影响Fig.6 Increased massive energy storage reserve′s influ- ence on wind and solar curtailment in the whole province

3.3 电量/容量比对备用能力的影响

装机电量是指储能可以存储的最大电量Emax,装机容量是指储能的最大放电功率PG,max,电量/容量比是指储能在初始电量为满时以最大功率放电至电量为空需要的时间。在保持储能最大功率不变的同时,扩大储能容量以存储更多的等效电量,如图7所示。

图7 电量/容量比对备用能力的影响Fig.7 Effect of power/capacity ratio on spare capacity

当CES的电量(Emax)∶容量(PG,max)由4∶1向6∶1不断提升时,主要受电量约束影响时段的1 h备用能力不断增加。以电量/容量比为4时一个周期内各时段的备用能力之和为基准值,电量/容量比为5和6时全天上调备用能力分别可以增加24%和30%,下调备用能力可以增加27%和31%。显然,电量/容量比越大则可提供的备用能力越多,但当电量/容量比达到一定程度,则对备用能力的影响较小,继续增加将无法提升储能的备用能力,这是因为此时储能的备用已经不受电量约束,仅由功率约束决定。

3.4 备用合约的影响

辅助服务市场旨在促进利益主体参与包括备用在内的电网关键过程,这一点集中体现在备用合约设计上。

合约周期是指CES必须持续提供一定备用能力的时长。周期过短,服务的间歇性会加剧调控的复杂性、减低可靠性；周期过长,又直接挑战储能的电量约束,打击CES的参与积极性。

图8比较了1 h,4 h,8 h合约周期对CES备用能力的影响,以合约周期为8 h时全时段备用能力之和为基准值,4 h和1 h的上调备用能力分别增加了23%和76%,下调备用能力增加了7%和41%。结果表明,储能参与短时备用市场可以提供的备用显著增加。

图8 合约周期对备用能力的影响Fig.8 Impact of contract cycle on spare capacity

4 结语

文中综合考虑CES功率、电量两方面的约束,首次提出了CES运行可行域的概念,并基于该概念进一步给出了确定发(用)电计划下评估CES实时运行备用能力的量化方法,算例验证了该方法的适用性。运用该方法,仿真分析了CES参与某省电网备用服务前后省内备用储备和1日弃风光电量发生的显著变化,显示了综合利用CES调峰、备用能力促进新能源消纳的作用。最后初步讨论了影响CES备用能力的关键因素及其改善方法,包括优化电量/容量比、合约周期等。后续研究计划包括计及CES备用能力后的电力系统运行优化等问题。

本文得到国网江苏省电力有限公司科技项目(J2019055),江苏省研究生科研与实践创新计划项目(KYCX18_1228)资助,谨此致谢！