计及高比例可再生能源的配网系统储能多场景优化配置

孙开元, 岑海凤, 陈坤, 李涛, 林琳, 曾慧

(广东电网有限责任公司广州供电局, 广州 510013)

目前,不可再生能源日益匮乏,可再生能源发电技术得到广泛应用,风能、水能、太阳能等可再生能源被大规模利用,缓解了环境污染、能源短缺、气候变暖等问题[1]。随着可再生能源的并网,配网系统能源结构有所调整,可再生能源并网主要采用分散、集中两种接入方式,但两种接入方式都会对配网系统的功率波动造成影响[2]。储能可以增加配网系统静态运行的灵活性,实现能量的时序转移,是解决可再生能源接入对配网系统影响的有效方法。因此,研究配网系统储能多场景优化配置,通过储能的合理配置,满足接入高比例可再生能源的配网系统使用需求,发挥各类能源的互补特性,为配网系统的稳定运行提供保障[3]。

现阶段,储能优化配置相关研究已取得较大进展,分析配网系统基本结构,确定储能技术的应用位置,包括电网侧或用电侧,根据储能技术特性,将其划分为功率型储能和容量型储能两类,从负荷削峰填谷、平抑能源出力波动等角度出发,合理配置储能的功率范围和容量范围[4-5]。比如郭玲娟等[6]提出基于集合经验模态分解的储能优化配置,利用集合经验模态分解,结合配网系统分时电价和净负荷功率,分析储能总功率,求解储能优化配置模型。该方法能够使配网系统经济性得到提高,但储能配置约束条件不充分,可再生能源发电出力波动较大。温丰瑞等[7]提出了计及灵活性不足风险的储能优化配置,从灵活性供需平衡角度出发,将配网系统网架重构考虑在内,构建灵活性不足风险成本模型,提升储能出力调节的灵活性,根据不同滤波阶数下的充放电功率指令,实现储能安全经济的优化配置。该方法具有一定的有效性,但方法定量分析的可再生能源波动阈值范围较大,可再生能源和储能利用效率较低。

针对上述方法中存在的问题,为了解决传统方法中存在的可再生能源出力波动大、可再生能源和储能利用效率不高的问题,现提出计及高比例可再生能源的配网系统储能多场景优化配置方法。通过定义负荷储能释能场景和能源发电波动场景,构建储能多场景优化配置模型,采用遗传算法进行求解。从而确保高比例可再生能源接入配网系统运行的稳定性,提高可再生能源和储能利用效率。

1 配网系统储能多场景优化配置方法设计

在配网系统电源侧接入储能,定义配网系统储能配置场景,包括负荷储能释能场景、能源发电波动场景,提出平抑两个目标的多场景储能优化配置。

1.1 计算能源发电波动场景储能目标输出功率

计算能源发电波动场景下,储能系统充电放电的输出功率目标函数,并对其进行修正。可再生能源面对不同的天然气类型,其发电出力水平也不同,存在出力平稳和出力波动两种情况,针对可再生能源出力波动场景,采用一阶低通滤波方法,通过储能的存储电量和释放电量,补偿高比例可再生能源输出功率[8]。计算储能配置后配网系统的日发电出力为

(1)

式(1)中:A1为储能配置后配网系统的日发电出力;A2为配网系统原始日发电出力;a为低通滤波时间常数。

离散化式(1),得到t时刻储能调节后的配网系统发电出力[9]为

(2)

式(2)中:A1(t)为t时刻储能调节后的配网系统发电出力;Δt为配网系统运行的采样周期;A1(t-Δt)为t-Δt时刻储能配置后的发电出力;A2(t)为t时刻原始发电出力。

给定配网系统原始发电出力,得到各个时刻配网系统多能源发电量,计算t时刻能源发电波动场景中,储能充电放电的输出功率目标函数为

B(t)=A1(t)-A2(t)

(3)

式(3)中:B(t)为储能充电放电的输出功率目标函数,当B(t)>0时,储能系统释放储电量,否则存储电量。

采用概率分析的波动平抑方法,修正储能充电放电的输出功率B(t),优化低通滤波时间常数a,计算配网系统输出功率的波动率[10]为

(4)

式(4)中:maxC(t)为配网系统输出功率的波动率;c为可再生能源发电机组的装机容量;A2(t-Δt)为t-Δt时刻机组发电出力。

(5)

当a对应的配网系统输出功率的波动率满足式(5),判定该低通滤波时间常数为最优值,若不满足式(5),令初始值为a+0.1,再与波动率期望值进行比较,直至波动率达到满足条件,得到最优低通滤波时间常数a′,将a′代入式(1),得到修正后的储能充电放电目标函数。至此完成能源发电波动场景储能目标输出功率的计算。

1.2 计算负荷储能释能场景储能目标输出功率

采用上下限约束法,计算负荷储能释能场景下,配网储能输出功率的目标函数。绘制配网系统负荷曲线,预设负荷曲线上限值D1和下限值D2,计算公式为

(6)

式(6)中:E为配网系统24 h的负荷均值;d为负荷削峰系数;f为配网4 h的负荷峰谷差值。

当配网负荷超过D1时,储能系统释放电量,当负荷超过D2时,令储能系统存储电量,保证储能调节后的配网负荷位于区间[D2,D1][11]。利用负荷峰谷差变化率F,优化负荷削峰系数,F计算公式为

(7)

式(7)中:g为配网系统24 h原始负荷的峰值。

通过给定的削峰系数,得到该参数对应的负荷峰谷差变化率,在32%～38%,当F大于期望值时,调整负荷削峰系数为d+0.1,代入式(7),比较重新计算的F和期望值,直至F小于期望值,得到最优负荷削峰系数d′,代入式(6),优化负荷曲线上下限值,确定储能调节后的最优负荷区间,得到配网系统目标负荷G1(t)。计算负荷储能场景中储能调节输出功率目标函数[12]为

H(t)=G2(t)-G1(t)

(8)

式(8)中:H(t)为负荷储能场景中储能调节输出功率目标函数;G1(t)为配网系统目标负荷;G2(t)为配网系统原始负荷。

至此完成负荷储能释能场景储能目标输出功率的计算。

1.3 构建配网系统储能多场景优化配置模型

以日净收益最大化为目标,结合多场景输出功率B(t)和H(t),组成储能优化配置目标函数,获得配网系统储能配置模型。计算配网系统火电机组发电出力费用为

(9)

式(9)中:h1为配网系统火电机组发电出力费用;I1(t)为t时刻开机成本;I2(t)为t时刻停机成本;I3(t)为t时刻不可再生能源消耗费用;K1(t)为t时刻火电机组输出功率。

燃气机组发电出力费用[13]为

(10)

式(10)中:h2为燃气机组发电出力费用;J为单位体积的燃气售价;L为燃气机组运行模式数量;j表示模式类别;k1(t)为转移成本;k2(t)为运行成本。

加入弃风、弃光、弃水的惩罚费用,计算配网系统运行费用[14]为

h3=h1+h2+r1l1m1+r2l2m2+r3l3m3

(11)

式(11)中:h3为配网系统运行费用;l1、l2、l3分别为弃风、弃光、弃水的惩罚参数;r1、r2、r3分别为风电上网单价、光伏上网单价、水电上网单价;m1、m2、m3分别为配网系统的弃风电量、弃光电量、弃水电量。

将最大化输出功率B(t)和H(t)以及最小化配网系统运行费用h3作为模型目标函数。

定义储能配置模型约束条件,约束机组输出功率、发电出力减小速率和增加速率、开机时间和停机时间。控制机组运行特性后,约束配网系统功率平衡,表达式为

K2+K3+K4-m1-m2-m3=M

(12)

式(12)中:K2、K3、K4分别为风电、光伏、水电输出功率;M为配网系统外送线路的外送功率。

求取配网系统所有机组的出力总和,根据机组最大出力,确定所有机组的出力上限,为防止配网系统频率急剧下降,令出力上限减去配网系统总损耗和总负荷,得到旋转备用容量N,配置旋转备用容量应对可再生能源波动,旋转备用约束条件为

K1+K5>N

(13)

式(13)中:K1为火电机组输出功率;K5为燃气机组输出功率。

由于配网系统网络潮流变化较大,将系统网架和电量传输稳定极限考虑在内,约束配网网架直流潮流,表达式为

minP

(14)

式(14)中:O为配网系统网架矩阵;minP、maxP为线路传输电量稳定极限。

由目标函数和约束条件,组成储能优化配置模型。至此完成配网系统储能多场景优化配置模型的构建。

1.4 计算配网系统储能最优功率和最优容量

求解配网系统储能多场景优化配置模型,获得储能最优功率和最优容量。赋予储能功率和容量初始值,生成储能配置初始方案,计算初始方案的目标函数,同时判定该方案是否满足模型约束条件,若满足约束条件,记录该方案的储能功率和容量,然后减小功率值和容量值,计算新的配置方案目标函数和约束条件,重复以上过程,得到满足约束条件的所有功率容量配置方案。采用遗传算法,染色体编码储能功率容量,利用自然数组,表示储能配置方案,把所有满足约束条件的储能功率容量,作为遗传算法的初始种群,对初始种群进行交叉变异,扩大储能最优配置方案的搜索范围[15]。初始种群适应度函数为

Q=B(t)+H(t)-h3

(15)

式(15)中:Q为初始种群适应度函数。

在初始种群中选择Q较高的个体,将其遗传至下一代,持续迭代更新,直至种群适应度函数不再变化。输出Q最高的染色体,将该染色体表示的储能功率容量,作为最佳功率和最佳容量,得到储能配置最优方案。至此完成储能最优功率和最优容量的计算,实现配网系统储能多场景优化配置方法设计。

2 实验分析

为了验证计及高比例可再生能源的配网系统储能多场景优化配置方法的有效性,将所提方法与文献[6]提出基于集合经验模态分解的储能优化配置方法、文献[7]提出计及灵活性不足风险的储能优化配置方法进行对比实验,比较3种方法优化后,可再生能源出力波动大小以及可再生能源和储能的利用效率。

2.1 实验设置

选择一个配网系统作为储能配置计算实验,该配网系统含有17个节点,配网系统拓扑结构如图1所示。

箭头表示负荷,包括商业负荷、居民负荷、工业负荷;WT表示风力发电机;PT表示光伏阵列;FC表示火电机组;MT表示燃气轮机

节点1为高压电网,通过表压器与配网系统馈线相连,光伏电源安装于负荷节点6、15上,装机容量分别为60 MW和100 MW,燃料电池安装于节点11、17上,装机容量分别为15 MW和80 MW,风电电源安装于节点8、9、13上,装机容量分别为40、30、90 MW,燃气机组安装于节点16上,燃气售价如下:0:00—8:00时间段的价格为0.054元/(kW·h),8:00—12:00时间段为0.127元/(kW·h),0:00—8:00时间段为0.098元/(kW·h),0:00—8:00时间段为0.127元/(kW·h),0:00—8:00时间段为0.098元/(kW·h)。设置采样周期为5 min,采集配网系统负荷、光伏机组、风电机组、火电机组的真实数据,弃风惩罚参数为900元/(MW·h),弃光惩罚参数为800元/(MW·h)。

2.2 实验结果分析

3种方法分别对配网系统储能配置进行优化,配置结果如下。所提方法配置的储能功率和容量分别为1 293 MW和3 303 MW·h,文献[6]方法配置功率和容量分别为1 093 MW和2 716 MW·h,文献[7]方法配置功率和容量分别为927 MW和2 917 MW·h。

2.2.1 可再生能源波动平抑效果测试

记录3种方法储能配置优化后的可再生能源发电出力情况,风电出力和光伏出力的波动如图2所示。

图2 可再生能源输出功率

根据图2可知,风电机组发电出力的采样时间段为0:00—24:00,光伏机组采样时间段为6:00—18:00。采用所提方法进行储能配置优化后,风电出力和光伏出力更加平稳,而文献[6]方法和文献[7]方法具有较大波动性。主要是由于所提方法采用一阶低通滤波方法,通过储能的存储电量和释放电量,补偿了高比例可再生能源输出功率,使得可再生能源输出功率波动较小。

在此基础上,找出机组1 min最大波动量,并将图2数据代入式(4),计算储能优化后的机组1 min最大波动率,最大波动量和波动率实验对比结果如表1所示。

表1 最大波动量和最大波动率实验对比结果

根据表1可知,所提方法相比文献[6]方法和文献[7]方法的风力出力最大波动量分别减少了1.150 3 MW和2.01 MW,最大波动率分别减少了4.09%和4.31%,光伏出力最大波动量分别减少了1.597 8 MW和2.055 8 MW,最大波动率分别减少了5.80%和6.91%。由此可知,所提方法的风能和光能出力波动平抑效果最好。

2.2.2 可再生能源利用效率测试

改变配网系统燃气机组的装机容量,分别为直流外输线路配套50、100、150 WM燃气机组,比较不同燃气机组配套方案下,3种方法储能优化后的弃风率和弃光率,若弃风率和弃光率越低,则表明可再生能源利用效率越高,实验对比结果如表2所示。

表2 弃风率和弃光率实验对比结果

根据表2计算可知,不同燃气机组配套方案下,所提方法的平均弃风率为11.64 MW,平均弃光率为12.86 MW,而文献[6]方法和文献[7]方法的平均弃风率分别为14.42 MW和16.80 MW,平均弃光率分别为16.34 MW和18.31 MW。由此可知,所提方法相比文献[6]方法和文献[7]方法,弃风率分别减少了2.78 MW和4.70 MW,弃光率分别减少了3.94 MW和5.45 MW。由此可知,所提方法能够有效提高可再生能源的利用效率。主要是由于所提方法在考虑高比例可再生能源接入时,定义了配网系统储能配置场景,从而有利于可再生能源利用效率的提高。

2.2.3 储能利用效率测试

记录配网系统储能的实际出力情况,储能释放电量越多,表明利用效率越高,不同燃气机组配套方案下,3种方法储能日出力实验对比结果如图3所示。

图3 储能出力实验对比结果

根据图3计算可知,所提方法的平均储能出力为12.11 MW,而文献[6]方法和文献[7]方法的平均储能出力分别为9.92 MW和8.09 MW,所提方法相比文献[6]方法和文献[7]方法的储能出力分别增加了2.19 MW和4.02 MW。由此可知,所提方法能够有效提高储能利用效率。主要是由于所提方法以日净收益最大化为目标,结合多场景输出功率,组成优化配置目标函数,采用遗传算法对目标函数构建的模型进行求解,使得储能利用效率得到了提高。

3 结论

此次研究针对接入高比例可再生能源的配网系统,设计了一种储能多场景优化配置方法,通过定义负荷储能释能场景和能源发电波动场景,构建储能多场景优化配置模型,采用遗传算法进行求解。得出以下结论。

(1)所提方法采用一阶低通滤波方法,通过储能的存储电量和释放电量,补偿了高比例可再生能源输出功率,使得可再生能源输出功率波动较小,风能和光能出力波动平抑效果好。

(2)所提方法在考虑高比例可再生能源接入时,定义了配网系统储能配置场景,从而有利于可再生能源利用效率的提高。

(3)所提方法以日净收益最大化为目标,结合多场景输出功率,组成优化配置目标函数,采用遗传算法对目标函数构建的模型进行求解,使得储能利用效率得到了提高。

综上所述,所提方法使可再生能源出力更加平稳,减少了弃风率和弃光率,增加了储能出力,提高了可再生能源和储能利用效率。但此次设计方法仍存在一些不足,未考虑经济效益对可行性的影响,在今后的研究中,会减小配电系统的储能配置规模,分析储能在调频等方面的经济效益,改善发电机组运行方式,进一步完善储能配置,并将其应用到实际配网工程中。