随着风电渗透率的增大,风电爬坡事件容易引发电力系统安全问题。该文针对风电爬坡事件造成的系统功率平衡问题,建立了可选型、定容的储能优化配置模型,用于决策满足系统充裕性需求的储能配置方案。针对目前储能价格偏高的现状,为减少储能的投资成本,该文的模型结合了储能和常规机组的技术特点,增强了配置结果的经济性。后,该文在算例中综合比较了储能和常规机组在多种典型场景下的技术特点,储能爬坡速度快、调节范围大、启停灵活等优势更适用于爬坡事件。

0 引言

风电技术是目前经济和成熟的一种可再生能源发电技术,风电在中国发展迅速,装机容量已位居世界首位[1]。大规模风电并网的情况下,风电场的波动性和不确定性对保证系统的功率平衡带来了新的挑战。天气的急剧变化容易引发风电爬坡事件[2],近年来,世界范围内发生的风电爬坡事件已对电网安全造成了不同程度的影响[3-5]。随着风电渗透率的逐渐增大,爬坡事件是大规模风电并网中不可忽略的因素。

常规电源的技术特点无法完全适应风电并网带来的问题,为储能提供了应用空间。具体体现在：1)常规机组爬坡率有限,难以应对风电短时爬坡事件,而储能具有充放电速度快的优势。2)常规机组运行范围有限,其出力范围受小技术出力限制,而储能可承担电源和负荷的双重功能,因此相同额定功率的储能具有更大的出力范围。3)常规机组频繁启停能力弱,无法应对短期内风电连续反向爬坡事件,储能灵活启停能力强。中国国家能源局和美国能源部都将大规模储能作为应对风电并网问题的重要选项[6],储能的运行和配置问题也被广泛研究[7-11]。

然而,目前大规模储能电站的投资成本普遍较高,只利用储能解决系统功率充裕性问题是不经济的。储能不能凭空产生能量,在充放电过程中存在能量损耗。由于技术和造价等原因,储能也难以完全满足大容量的系统功率需求。因此,储能不能完全替代常规电源,需要结合储能的灵活性优势和常规电源的能量和价格优势,根据系统需求合理配置储能。

目前,在应对大规模风电并网的储能配置问题研究中,广泛研究的储能应用场景主要集中在调峰上[12-15]。文献[12]提出了一种电池储能用于电网调峰的优配置方法。文献[13]根据可调容量占装机容量的比重提出了调峰容量比的概念,基于此确定抽水蓄能机组的装设容量。文献[14]针对风电接入系统的调峰问题基于well-being思想建立了含风电电力系统的调峰容量需求模型,提出了基于调峰需求的储能电源容量优化配置方法。文献[15]基于华东电网对考虑风电不确定性时的储能系统容量配置问题进行了研究。在电网的调度问题中,文献[16-17]已经将风电爬坡事件的影响考虑入内,然而在储能配置问题中,鲜有文献考虑风电爬坡事件对储能配置产生的影响。

目前的储能配置问题研究主要决策储能的容量,一些工作可进一步选择储能的技术类型。文献[18]总结了主流储能技术类型,针对海岛独立型微电网特点从技术和成本角度对不同类型储能进行了分析和选择,但该文献针对微网应用场景。文献[19]提出了考虑输电网络的储能配置方法,对抽水蓄能、压缩空气储能、锂电池储能和飞轮储能等进行了储能技术类型选择。然而,目前鲜有将常规机组作为可选技术类型以减少储能配置容量的报道。

本文考虑风电爬坡事件,建立了可选型、定容的储能优化配置模型,用于决策满足系统充裕性需求的储能配置方案。本文的模型结合了储能和常规机组的技术特点,可减少储能的投资成本、增强配置结果的经济性。算例部分通过几个典型爬坡场景综合比较了储能相比常规机组爬坡速度快、调节范围大、启停灵活等方面的优势。

1 考虑风电爬坡事件的储能配置问题模型

风电爬坡事件是一种短时间尺度下风功率大幅波动的事件,将会打破系统发电负荷平衡,给系统带来较大的冲击[16]。风电爬坡事件相比日常典型场景发生频次少,但若对其发生不采取措施可能会给电力系统带来重大停电事故。因此,在配置问题中应当考虑风电爬坡事件的影响。

然而,在储能配置问题的场景中考虑了包括风电爬坡事件场景在内的诸多场景,会导致储能配置容量过大。如何建立合适的配置模型,结合储能和常规设备的技术特点保证系统安全,同时减少价格昂贵的储能的配置容量,是本文研究的重点。由于主要着眼于系统功率平衡问题,本文建模中选用常规发电机组作为和储能同时配置的常规设备。因此,本节建立了可选型、定容的储能优化配置模型,通过储能和常规机组的联合配置,可减少储能的投资成本、增强配置结果的经济性。

1.1 目标函数

目标函数由建造投资费用与电网运行费用、备用费用等部分组成,如式(1)所示。常规机组旋转备用功率的计算方法和相关约束表达在本文附录A中进行了说明。

式中：Ω_g、Ω_nes和Ω_ng分别为现有常规机组、待选储能机组和待选常规机组的集合;N_t为场景考虑的时段数;x_i为表征待选常规机组i是否投资的0-1变量;C_i^cons为待选常规机组i的建设费用;P_i和E_i分别为储能机组i的额定功率和额定容量;α_i和β_i分别为储能单位功率和单位容量的建设费用;ξ_i为储能年限折算系数;Pr(s)为场景s发生的概率;p_i,s,t为常规机组i在场景s第t时段的功率;C_i为常规机组i的运行费用;r_i,s,t为相应的旋转备用功率;C_i^re为常规机组i的旋转备用费用,0-1变量v_i,s,t表征常规机组是否启动;C_i^st为常规机组i的开机费用;C_i^out和C_iⁱⁿ分别为储能机组i的充电和放电运行费用;和分别为储能机组i在场景s第t时段的充放电功率;w^c_s,t和d^c_s,t分别为切负荷和弃风的功率;C_i^wc和C_i^dc分别为切负荷和弃风的费用。

1.2 基于场景的运行约束

运行约束基于典型日常场景和典型爬坡场景,保证投资决策能满足不同运行场景下系统的功率平衡。

1.2.1 系统功率平衡约束

各场景下的系统功率平衡约束如式(2)所示,

式(3)和式(4)分别限制了弃风和切负荷的比例。

式中：Ω_w和Ω_d分别为风电场和负荷的集合;w_s,t和d_s,t分别场景s第t时段的风电和负荷功率;φ^_w和φ^_d分别为弃风和切负荷的比例限制。

为方便下文叙述,式(2)—(4)抽象表达为式(5)。

式中：p^g、p^nes和p^ng分别为现有常规机组、待选储能机组和待选常规机组的功率;w^c和d^c分别为弃风和切负荷的功率。

1.2.2 常规机组约束

常规机组约束包括常规机组的功率、爬坡、机组启停等约束。现有常规机组和待选常规机组抽象表达分别如式(6)和式(7)所示,鉴于篇幅所限,具体表达式见附录A。

式中：u^g为现有常规机组的启停决策变量;u^ng和x^ng分别为待选常规机组启停和投资决策变量。

1.2.3 待选储能机组约束

待选储能机组约束如式(8)—(16)所示。

其中：式(8)(9)是储能的功率上下限约束;和分别表示储能充放电工作状态的0-1变量;μ_i为裕度系数。式(10)是储能注入功率表达式,p_i,s,t是储能注入电网的功率。式(11)是储能的工作状态约束,它保证了储能机组在一个时刻只能工作在吸收功率(=1,=0)、发出功率(=0,=1)或者停机(=0,=0) 3种状态中的一种状态,不能同时充放电。式(12)是储能单位时间爬坡率约束,R_Ui和R_Di分别是储能功率上爬坡和下爬坡的上限,Δt为每个时段的时间间隔。式(13)—(16)是储能的能量约束,对于不同类型的储能,能量约束表达形式的物理意义有所不同,例如电池储能是对SOC的限制,抽水蓄能是对库容的限制。其中,e_i,s,t为储能机组ii在场景s第t时段的能量(SOC或库容),δ_i为储能机组i的能量自损耗系数,η_iⁱⁿ、η_i^out分别为储能机组ii充电和放电过程中的能量转化效率;γ_i,s,tE_i、E_i分别表示待配置储能机组i的能量上下限,E_i是待优化变量,γ_i,s,t、分别是[0, 1]区间内的归一化系数。

注意到,式(8)(9)中存在连续变量Pi和0-1变量和的乘积项,本文使用大M法将其消除,使储能约束保持混合整数线性性质。具体如式(17)—(20)所示,其中M的合理取值需要保证,P_i^∗为储能机组ii优的额定功率。

为方便下文叙述,将式(10)—(20)抽象表达为式(21)。

式中：p^nes、pⁱⁿ(p^out)、uⁱⁿ(u^out)和e分别为储能机组注入功率、充(放)电功率、充(放)电工作状态和能量的变量。

1.3 储能-常规机组联合配置问题模型

建立的可用于选型、定容的储能-常规机组联合配置模型为式(22)。具体地,以式(1)为目标函数,式(2)—(4)、(6)(7)、(10)—(20)为约束的优化配置问题模型。

模型I(储能-常规机组联合配置模型) ：

1.4 对比模型

为便于与本文建立的模型对比,分析不同场景下储能和常规机组技术特点,同时对比各种类型储能之间的相对优劣,将本文第2节建立的储能-常规机组联合配置模型(模型I)进行简化,得到了储能单独配置模型(模型II)和常规机组单独配置模型(模型III)。其表达式分别为式(23)和式(24),其中目标函数obj _ IIbj _ II和obj _ IIIbj _ III见附录B中的式(B1)和式(B2)。

模型I、模型II和模型III都是混合整数线性规划模型,本文使用Cplex软件求解。

模型II(储能单独配置模型)：

模型III(常规机组单独配置模型)：

以上对比模型的功能在于：1)用于对比说明本文建立的储能-常规机组联合配置模型(模型I)的有效性。2)使用模型II对不同类型的储能进行单独配置,可进行技术经济型分析,得到某种储能价格未来降到何种程度可选用的结论。3)使用模型II和模型III,对比分析不同场景下各类型储能和常规机组的相对优劣势。

不同场景下各类型储能和常规机组的相对优劣势的探讨有助于理解不同场景特点和不同设备特点的相互匹配关系,特别是有助于认识风电爬坡事件的特点以及挖掘储能的应用场景。

2 算例验证

本文使用8节点系统为算例,说明可用于选型、定容的储能优化配置模型的功能,以及如何通过合理配置消除不同场景下电网调度存在的功率平衡问题。

2.1 8节点系统概述

本文采用的8节点系统现有5个常规发电机组和2个风电场,其中风电场W1装机容量为550 MW,风电场W2的装机容量为450 MW。图1为所采用的8节点系统的示意图,表1为该系统现有常规机组的参数,表2为待选常规机组的参数。表3为各种类型储能的技术指标。

图1 8节点系统示意图

Fig. 1 8-bus power system diagram

表1 8节点系统现有常规机组参数

Tab. 1 Parameters of exist conventional generators

表2 待选类型常规机组的技术经济参数

Tab. 2 Parameters of 3-types of conventional generators for ion

表3 待选类型储能的技术经济参数

Tab. 3 Parameters of 3-types of energy storage units for ion

2.2 模型功能叙述

本文的模型适用于储能机组配置(模型II)、常 规机组配置(模型III)和储能常规机组的联合配置(模型I)表4展示了以上几种配置方案的结果对比。

表4 配置方案

Tab. 4 Configuration results

可以发现储能的配置较常规机组单独配置在同样满足所有配置约束的情况下,更加经济。同时,该方法也同样选择出了目前的经济技术指标下,抽水蓄能较铅炭电池、磷酸铁锂电池更适合选用。按该系统的需求,铅炭电池、磷酸铁锂电池的单位能量和功率价格若分别小于抽水蓄能的22.84%、19.61%,则更适合选用。因此,本文提出的方法可用于选型、定容的储能优化配置。