儲能參與新能源消納的優(yōu)化控制策略
劉聯濤1, 劉飛1, 吉平2, 林偉芳2, 張祥成1, 田旭1, 高菲2
（1. 國網青海省電力公司經濟技術研究院，青海 西寧 810008; 2. 中國電力科學研究院有限公司，北京 100192）
摘要：在中國提升新能源消納能力、助力碳達峰碳中和目標實現的背景下，提出了一種基于解耦的儲能參與新能源消納的優(yōu)化控制方法。針對儲能系統(tǒng)優(yōu)化控制非線性模型求解難題，提出了基于解耦的線性簡化方法，利用枚舉優(yōu)化和迭代潮流計算結合方法，建立了滿足提升新能源消納目標和電網安全運行約束的儲能運行緊致約束條件。算例測試顯示，基于解耦的線性簡化模型與原有非線性模型保持一致，降低了高階優(yōu)化控制模型的求解難度，保障了儲能提升新能源消納的快速可靠決策，提升了新能源和儲能綜合運行效益。
引文信息
劉聯濤, 劉飛, 吉平, 等. 儲能參與新能源消納的優(yōu)化控制策略[J]. 中國電力, 2023, 56(3): 137-143.
LIU Liantao, LIU Fei, JI Ping, et al. Research on optimal control strategy of energy storage for improving new energy consumption[J]. Electric Power, 2023, 56(3): 137-143.
引言
碳達峰碳中和中長期目標的制定，體現了中國積極應對氣候變化的重要決心[1-2]。為推動該目標如期實現，中國發(fā)改委明確指出，加快推進能源結構優(yōu)化，嚴格控制化石能源消費，積極推進風電、光伏等清潔能源的發(fā)展。大規(guī)模新能源電源在實際運行中出現了限電問題[3-4]。對此在《貫徹落實<關于促進儲能技術與產業(yè)發(fā)展的指導意見>2019—2020年行動計劃》[5]中指出，鼓勵和支持負荷側儲能發(fā)展，探討儲能與分布式發(fā)電相結合，建設分布式能源系統(tǒng)，實現可再生能源就地就近消納利用。
目前儲能技術已成為實現可再生能源高效利用的關鍵技術和重要途徑，并得到廣泛認可[6-8]。文獻[9-10]開展了新能源消納評價研究，但更多側重于儲能運行策略研究。文獻[11-15]與負荷側儲能優(yōu)化運營[16-18]類似，著重考慮功率平衡，沒有考慮安全運行等非線性約束。文獻[11]提出一種光儲混合系統(tǒng)在平抑功率波動和峰谷電價套利2種模式下協(xié)調運行控制策略。文獻[12]針對提高新能源利用水平典型場景，開展電網側儲能典型案例的應用價值和經濟性研究。文獻[13]以光儲充電站的收益最大化為目標，詳細考慮光儲充電站中儲能運行效率和壽命衰減過程，構建儲能系統(tǒng)優(yōu)化運行模型。文獻[14]考慮儲能調峰能力，以系統(tǒng)調峰成本最小為目標得到不同光伏滲透率下的系統(tǒng)最優(yōu)調峰策略。文獻[15]提出一種基于靈活性平衡理論的可再生能源消納策略，實現參與消納各主體相互利益達到均衡。
文獻[19-21]綜合考慮了新能源接入系統(tǒng)安全性約束，但針對高階非線性優(yōu)化模型，多采用智能優(yōu)化算法，計算速度和穩(wěn)定性難以保證。文獻[19]通過迭代收斂方式最終獲得最優(yōu)運行策略。文獻[20]建立了源–儲–荷互動的分布式優(yōu)化博弈模型，結合粒子群算法和約束支配原則實現了分布式迭代求解。文獻[21]構建了集群儲能經濟模型，利用遺傳算法確定各節(jié)點儲能最優(yōu)時序出力。
在大規(guī)模新能源并網場景下，特別是在配電網中，制約新能源消納的原因主要為負荷較小無法實現就地消納時，反向潮流造成局部電壓升高[22-24]，從而降低了電網運行安全性。因此儲能運行控制模型須考慮電網安全性約束，并適應新能源和儲能快速發(fā)展需求，進一步提出適應大規(guī)模非線性優(yōu)化問題的快速穩(wěn)定的求解方法。在此背景下，本文提出了一種基于解耦的儲能參與新能源消納的優(yōu)化控制方法。該方法建立了提升新能源消納的儲能系統(tǒng)優(yōu)化控制模型。針對該非線性優(yōu)化模型的求解難題，提出了基于枚舉優(yōu)化和迭代潮流計算解耦的儲能系統(tǒng)功率的理想下限計算方法，保障了系統(tǒng)電壓運行安全約束。根據儲能系統(tǒng)的容量和功率約束進一步修正功率下限。在滿足修正后的功率約束條件下，建立解耦簡化后的儲能系統(tǒng)優(yōu)化控制的線性規(guī)劃模型，進而計算儲能優(yōu)化運行策略。
1 儲能系統(tǒng)優(yōu)化控制模型
當儲能系統(tǒng)運行目標為保障電網安全運行、提升新能源消納能力時，儲能系統(tǒng)優(yōu)化控制模型側重于利用其靈活的調控手段，減小新能源電源在實際運行中的限電量。在分布式新能源電源并網的中低壓電網中，制約新能源消納的主要因素為反向潮流導致的電壓抬升問題。因此優(yōu)化控制模型主要以降低限電量為目標，兼顧儲能運營成本，同時滿足電網安全運行約束和儲能系統(tǒng)自身運行約束。
儲能優(yōu)化控制模型以新能源電源和儲能運行總成本f最小為目標函數，即
式中： Δt 為時段間隔；T為調度時段數； NRES 為分布式電源數量；圖片分別為時刻t分布式電源i單位限電成本和限電功率； NES 為儲能數量； CES,t 為時刻t儲能系統(tǒng)充、放電電價；圖片為儲能系統(tǒng)i在時刻t的充、放電功率，充電時該值為正，放電時該值為負。
模型運行約束包括常用的電網功率平衡約束和電網安全約束，具體參見文獻[21]。
綜上可得由控制變量圖片建立的儲能系統(tǒng)優(yōu)化控制模型。該模型為非線性優(yōu)化模型，當電網規(guī)模較大、分布式電源和儲能數量較多時，其求解存在難度大、速度慢的問題。為了適應分布式電源和儲能大量接入場景下的計算需求，將研究更為簡化和穩(wěn)定的求解方法。
2 儲能系統(tǒng)優(yōu)化控制模型解耦求解方法
儲能系統(tǒng)優(yōu)化控制模型解耦求解思路為：考慮到模型中非線性特性主要體現在潮流平衡關系隱性表達的電壓約束上，因此要將功率平衡約束和電網安全約束解耦并簡化到儲能系統(tǒng)的運行約束中，即可將非線性優(yōu)化問題轉化為線性優(yōu)化問題?；谏鲜鏊悸?，提出的儲能系統(tǒng)優(yōu)化控制模型的解耦求解步驟如下。
1）利用枚舉優(yōu)化和迭代潮流計算完成儲能系統(tǒng)充放電功率的理想下限計算；
2）根據儲能系統(tǒng)的容量和功率約束，利用累加電量法和新能源整體消納比例計算修正后的充放電功率下限；
3）建立滿足修正后充放電功率約束條件的儲能線性規(guī)劃模型；
4）計算儲能運行策略和新能源限電功率。
2.1 儲能系統(tǒng)充放電功率理想下限計算
在包含多個分布式電源和儲能系統(tǒng)的配電網中，限電功率和儲能系統(tǒng)消納新能源出力的分配遵循公平性原則。
首先計算在新能源出力較大時段，各儲能單元完成100%消納所需的充放電功率理想下限。此時在潮流計算中，各分布式電源出力為該時段最大出力，各儲能單元功率設置為分攤電網無法消納的部分出力，即
式中： pRES,t 為時刻t的新能源消納比例；圖片為儲能系統(tǒng)i的分攤比例。
考慮到式（5）唯一變量 pRES,t 是[0,1]區(qū)間的數值，因此以1為變量初始值，以0.01為步長，進行枚舉優(yōu)化求解，充電功率理想下限計算流程如圖1所示，可得在電網無法完全消納新能源發(fā)電時段的各儲能單元充電功率理想下限。
圖1 充電功率理想下限計算流程
Fig.1 Calculation flowchart of charging power lower limit
為了保持電壓安全性，須計算儲能系統(tǒng)放電功率下限，設置此時儲能功率為
式中： sES,t 為儲能系統(tǒng)t時段放電比例，同樣屬于[0,1]區(qū)間。
pRES,t 求解后，利用枚舉優(yōu)化與迭代潮流計算結合的方法即可求解 sES,t 。將不同時段充電功率和放電功率理想下限結合，可得到各儲能單元的理想功率下限
2.2 儲能系統(tǒng)充放電功率下限修正
最后進行時段恢復，恢復后的圖片即為時刻t儲能系統(tǒng)i的實際功率下限，理想和實際功率下限的差值即為新能源各時段總限電功率。
2.3 建立解耦簡化的儲能系統(tǒng)線性模型
解耦后的儲能系統(tǒng)優(yōu)化控制模型的目標函數中不再考慮提升新能源消納能力，約束條件同樣不再包含功率平衡約束和電網安全約束。此時的優(yōu)化控制模型的目標函數僅為儲能運營成本最小化，功率約束條件的下限修正為實際功率下限，即
3 案例分析
采用IEEE 33節(jié)點測試算例系統(tǒng)對所提方法進行驗證。節(jié)點7、10、15和18分別接入裝機容量為560 kW的光伏發(fā)電系統(tǒng)，裝機總容量占負荷基值的50%。節(jié)點13接入額定容量為450 kW·h，最大充放電功率為225 kW的儲能系統(tǒng)，儲能配置比例為光伏容量的10%，儲能時長為2 h，滿足目前光伏配建儲能的主流要求。儲能系統(tǒng)荷電狀態(tài)正常運行范圍為0.1~0.9，電網電壓安全運行的上限為1.05(p.u.)，下限為0.95(p.u.)。
光照場景選取夏季光照曲線，太陽輻照基準值設為1 000 W/m2。負荷場景選用典型的工業(yè)負荷，負荷基值參照文獻[25]。電價數據參考某省工業(yè)分時電價。上述參數在典型日各時段數據如圖2所示。
圖2 太陽輻照度、負荷和電價的典型日數據
Fig.2 Typical daily solar irradiance, load and electricity price
儲能系統(tǒng)功率以及光伏系統(tǒng)限電曲線如圖3所示。從圖3中可以看出，為了完全消納光伏出力，不考慮儲能系統(tǒng)約束的理想功率下限在12:00—15:00分別達到了27.9 kW、259.7 kW、228.6 kW和74.5 kW。該功率已經超過了儲能系統(tǒng)實際運行能力，因此實際功率下限修正為18.1 kW、146.3 kW、146.3 kW和48.5 kW。修正后光伏出力無法完全消納，則理想功率下限和實際功率下限的差值分別為9.8 kW、113.4 kW、82.3 kW和26.0 kW。
圖3 儲能功率下限和光伏限電曲線
Fig.3 Energy storage power limit and photovoltaic curtailment
考慮與不考慮光伏消納提升的儲能系統(tǒng)運行策略如圖4所示。從圖4中可以看出，儲能運行策略在中午光伏出力高峰時段差異性較大?？紤]光伏消納提升時，其優(yōu)化運行策略完全符合實際功率下限約束，說明了實際功率下限計算的合理性。不考慮光伏消納提升的儲能系統(tǒng)充、放電特性僅與電價峰谷特性緊密相關，與光伏出力特性并無關聯。
圖4 儲能系統(tǒng)運行策略
Fig.4 Operation strategy of energy storage system
雖然解耦后儲能優(yōu)化控制模型中不包含功率和電壓約束，但經過校驗可以看出在13:00時考慮光伏消納提升后測試系統(tǒng)的電壓完全滿足電壓安全約束，測試系統(tǒng)電壓分布如圖5所示，從而驗證了所提解耦方法的有效性。在不考慮光伏消納提升的儲能系統(tǒng)運行策略下，測試系統(tǒng)中12~18節(jié)點的電壓在13:00均超過上限。
圖5 測試系統(tǒng)電壓分布
Fig.5 Test system voltage distribution
2種目標下光伏限電功率如圖6所示。當儲能考慮光伏消納提升時，光伏日限電量僅為231.7 kW·h，此時儲能日收益為376.2元。當儲能不考慮光伏消納提升時，光伏日限電量為603.4 kW·h，此時儲能日收益為475.9元。儲能不考慮光伏消納提升時，儲能收益提高了26.5%，但是限電量增加了160.4%，其社會總效益仍呈現了大幅降低趨勢。采用提出的儲能優(yōu)化控制模型和方法，能夠實現光伏和儲能系統(tǒng)的綜合效益提升，并且降低大規(guī)模電網的求解難度。
圖6 光伏系統(tǒng)總體限電功率
Fig.6 Total curtailment power of photovoltaic
4 結語
本文提出了一種基于解耦的儲能參與新能源消納的優(yōu)化控制方法。該方法利用枚舉優(yōu)化和迭代潮流計算相結合的方法，通過對儲能實際運行功率下限的計算，簡化了原有模型中的功率平衡約束和電網安全約束，為大規(guī)模配電網中的非線性優(yōu)化模型提供了快速穩(wěn)定的求解方法。算例測試結果顯示，該方法得到的儲能充、放電特性仍能保證電網安全約束等原有模型中的非線性約束，驗證了基于解耦的儲能優(yōu)化控制簡化模型仍和原有模型保持高度一致，實現了原有模型優(yōu)化目標中新能源和儲能的綜合運行效益提升。所提方法保障了儲能提升新能源消納的快速可靠決策，為大規(guī)模儲能系統(tǒng)優(yōu)化運行提供了技術支撐。
