分布式儲能技術在智能電網的應用

沈鑫，曹敏

(云南電力試驗研究院(集團)有限公司電力研究院，云南 昆明 650217)

0 前言

需求側管理技術是智能電網的重要組成部分。智能電網高級量測體系(AMI)的發(fā)展與應用，實現(xiàn)了電網數(shù)據(jù)中心與用電客戶的雙向數(shù)據(jù)通信，從而使用戶能夠獲知電網運行狀態(tài)和實時電價等關鍵信息，并在經濟利益的驅動下，主動參與到電網需求側管理上來［1］［2］。儲能技術是智能電網的另一個重要組成部分，在用戶側實現(xiàn)分布式儲能，一方面可保證供電可靠性，另一方面能讓用電負荷變得可操控，實現(xiàn)真正意義上的需求側管理。文獻［3］提出了分布式儲能控制技術模型，研究了需儲能裝置提供的總電量和用戶違約率、儲能裝置提供的電力及其持續(xù)時間的關系，并用IEEE30 節(jié)點系統(tǒng)驗證了儲能裝置電量上網后負荷峰谷差的縮小，然而文章并未深入探討分布式儲能裝置的控制機制。文獻［2］依據(jù)文獻［4］的研究成果，判斷大容量儲能裝置會在未來幾年內進入用戶家庭，并簡述了此類分布式儲能裝置對削峰填谷、保障電網安全穩(wěn)定運行的積極意義，但文章同樣沒有研究如何避免大量分布式儲能裝置可能集中性充放電帶來的更大負荷曲線波動。因此，在上述研究的基礎上，本文立足于智能電網AMI 及分布式儲能的實現(xiàn)，配合實時電價激勵機制，在需求側管理中引入概率統(tǒng)計理論，建立了數(shù)學模型，并在MATLAB 仿真驗證，最終得出了該模型的可行性。

1 分布式儲能需求側管理意義

全網負荷每時每刻都處于變化中，然而在脫離具體負荷數(shù)據(jù)、僅觀察負荷變化趨勢的情況下，同一個地區(qū)相鄰時間內的日負荷曲線卻都有著相似的典型特征。從日負荷曲線上看，夜里人類活動的減少和白天活動的增加這種變化帶來的峰谷差尤為明顯。傳統(tǒng)電力系統(tǒng)中，為維持發(fā)電和用電的及時平衡，電網的規(guī)劃、設計、調度和運行等大多基于滿足高峰負荷時的安全需求原則而考慮［5］。然而研究表明，高峰負荷持續(xù)的時間相對整個統(tǒng)計周期而言并不長，從我國近年來的電力持續(xù)負荷統(tǒng)計看，全國95%以上的高峰負荷年累計持續(xù)時間只有幾十個小時，為滿足這部分高峰負荷而增加調峰發(fā)電裝機乃至投入巨資改造電網，顯然是很不經濟的［6］。再者，火電在中國依然占據(jù)著很大比例，由于火電機組的啟停復雜，且消耗大量資源，導致火電廠的運行有強烈的連續(xù)性要求［8］，而現(xiàn)實生活中的負荷卻是波動的，這種生產方與需求方的不協(xié)調、不同步給電力系統(tǒng)的設計、運行帶來了很大難題。目前采用的抽水蓄能解決方式有著效率低下的天然劣勢。

隨著儲能技術的發(fā)展，設想在用戶的電表后都安裝大容量儲能設備。配合實時電價機制，當負荷增長進入高峰期時，電價隨之升高，用戶通過智能電網的通信網絡獲取到該實時電價信息，為追求利益，將主動放棄使用電網電能，改用儲蓄電能，促使負荷下降;當負荷下降進入低谷期時，電價隨之降低，用戶的儲能裝置將進入充電狀態(tài)，成為電網中的一部分負荷，促使負荷上升。可引入分布式儲能裝置，通過需求側管理達到削減高峰負荷目的的做法很重要。

2 分布式儲能需求側管理模型

上述通過儲能裝置調節(jié)負荷過程，在理想狀態(tài)下對于削峰填谷的作用非常明顯，然而卻并未考慮不可控因素:當負荷進入高峰期時，電價升高，所有用戶都獲取到了該信息，為避免使用高價電帶來的經濟損失，短時間內會不約而同脫離電網改用儲蓄電能，這將導致負荷瞬間銳減;此時由于負荷減少，電價瞬間降低，所有用戶又同時停止儲能裝置供電并讓儲能裝置充電，這將導致負荷又瞬間提升，如此循環(huán)往復，整個負荷曲線將變得震蕩、不可控。這種情況不但無法實現(xiàn)削峰填谷的效果，反而加劇了電網的不穩(wěn)定。因而需要一套機制有效地控制分布式儲能裝置充、放電，從而間接地控制負荷的增減，使負荷曲線趨于平緩穩(wěn)定。

設某一地區(qū)有n 個用戶，且每用戶為1 單位負荷。這一假設并不影響下面論證的客觀性——根據(jù)概率論，現(xiàn)實生活中每用戶的負荷數(shù)是隨機的，因而隨機選取足夠多的k 個用戶樣本，其均值將趨近于某一值，我們即取該值為1 個單位。

設某一次實時電價低于電價均值時，所有用戶讓自己的儲能裝置充電的概率分別為P1、P2、…、Pn－1、Pn。假定電網總負荷在n/2 單位時處于最佳狀態(tài)(無重過載且電網運載能力得到較好發(fā)揮，該值應視電網實際決定)，我們將負荷處于這一點時的電價定為1 個單位(此處1 單位電價應略低于現(xiàn)行電價均值)。這意味著，只要保持負荷總數(shù)處于n/2 狀態(tài)，則所有用戶的電費支出都會減少，而且供電可靠性更高，獲得的用電體驗更好;對于供電企業(yè)而言，由于電網一直處于最佳運行狀態(tài)，可減少大量維護成本，且線損降低，也無需投入巨資對變壓器、線路進行增容，因而電費收入雖有所減少，獲得的效益卻更多。

取一個較小的時間間隔(5 分鐘)分析，假設第0 分鐘控制中心檢測到全網的負荷為z 單位則此時應有部分負荷補充進來(可能是部分用儲備電能的用戶改用電網電能或部分用戶將儲能裝置投入充電。方便起見，假設此時并無用戶使用儲備電能)，設此時缺少的負荷為x單位。

當(1)式成立時，相當于做了n 次隨機試驗，記儲能裝置進行充電為事件A，有:

在n 足夠大的情況下，會有非常接近x 個單位的負荷接入電網。

3 模型分析

以圖1 廣東地區(qū)某日的負荷曲線為例。

圖1 負荷曲線圖

以天為單位建立基于概率統(tǒng)計的決策模型，首先需要確定一天時間內的負荷基準值。在第2節(jié)中，假定負荷基準值為n/2 單位(共n 個用戶，每用戶1 個單位負荷)，這種假定的前提是每個用戶的平均用電時間為半天。實際上負荷基準值應取日負荷的均值，依據(jù)是:在儲能裝置和概率統(tǒng)計決策的調整下，日負荷曲線將在負荷基準值上下小范圍波動，若負荷基準值過大于日負荷均值，將造成儲能裝置儲蓄電能過多，一天內無法消耗完，影響下一個日負荷曲線調整;若負荷基準值過小，則儲能裝置儲備的電能無法滿足高峰負荷期間的電能補充需求，調整后的日負荷曲線將有較大波動。

圖1 藍色曲線是每5 分鐘測得一個負荷值，24 小時內共288 個值連接而成的圖像。這些負荷值的均值約為414.27t 單位(t 為系數(shù))，以此為負荷基準值。從凌晨0 點開始，此時基準值和實際值之差約為61.70t 單位，假定日最高負荷為用戶總負荷數(shù)n，即n 為535.24t 單位(此處僅為論證方便取值，實際應用中該值應通過調查統(tǒng)計得出)，則此時應有P=P1=P2=…=Pn=61.70t/535.24t≈11.53%。電網控制中心通過信息網絡向所有用戶廣播此值，所有用戶端自行生成一個范圍在0～9 999 的隨機數(shù)q，當時，啟動儲能裝置充電。在用戶數(shù)足夠多的情況下，經過這一次決策調整，會有61.70t 單位負荷加入電網，使負荷達到基準值，如圖2 中A 點(考慮到通信和動作會有延時，因而A 點處于0 點稍后位置)。接下來的5 分鐘內，由于不斷有用戶停止用電，在0:05 時，實際負荷又減少了2.88t，此時控制中心廣播的P 值應為0.54%，用戶快速響應后，又有2.88t 單位的儲能裝置作為負荷接入電網充電，總負荷又恢復到基準值狀態(tài)，如圖2中B 點。

圖2

表1 中“當前負荷趨勢”可通過對比當前負荷值與前一個時間點負荷值得知。這種對應關系形成的根本原因是:當實際負荷低于基準負荷且預計下一個時刻將會更低(下降趨勢)時，由于所有用電客戶此時都在用電網電能(初始狀態(tài)沒有儲能裝置供電、后續(xù)的此種情況在本模型體系中也只會形成這種狀態(tài))，所以必須通過投入儲能裝置充電增加負荷;當實際負荷低于基準值而預計未來會逐漸接近基準值(上升趨勢)時，由于有儲能裝置正在充電，應該先停止這部分充電達到降低負荷的目的;當實際負荷大于基準值而且越來越大時，必須不斷地投入儲蓄電能使用，緩解負荷高峰供電壓力;當實際負荷高于基準值但未來會自然下降時，應該部分停止使用儲蓄電能，避免負荷下降太多帶來震蕩。

表1 儲能裝置的動作與當前實際負荷對應關系

前面選取0～100 分鐘的曲線分析了第一種情況。由圖1 可知，在450～490 分鐘期間，實際負荷處于第二種情況，如圖3 中C 點，在第455 分鐘監(jiān)測到負荷高于基準值，此時要停止部分儲能裝置充電使其恢復到基準值。在D 點附近，投入充電的儲能裝置已全部停止充電(在0～495 分鐘區(qū)間內，負荷曲線的正增量和負增量剛好完全抵消)，即下一個時間點E 需要開始讓部分儲能設備放電，達到減少負荷的目的。同理，圖4 中第675 分鐘后出現(xiàn)第4 種情況，即F 點需要開始停止部分儲能裝置的放電。

圖3

圖4

圖5

整個日負荷曲線調整后如圖5 中紅色鋸齒狀圖形。

4 結束語

經過調整后的負荷曲線，很好地達到了削峰填谷的目的。然而上述論證過程是在全天負荷數(shù)據(jù)已知情況下進行的，很容易選取全天的負荷均值作為基準值。但實際應用中無法獲知未來的負荷數(shù)據(jù)，因而基準值的選取必須依靠歷史記錄，通過綜合考慮鄰近幾天的均值以及天氣因素等，擬定一值，并根據(jù)實際不斷予以修改，使最終的負荷曲線趨于平滑。

［1］王蓓蓓，李揚，高賜威.智能電網框架下的需求側管理展望與思考［J］.電力系統(tǒng)自動化，2009，33 (20):17－22.

［2］張景超，陳卓婭.AMI 對未來電力系統(tǒng)的影響［J］.電力系統(tǒng)自動化，2010，34 (2):20－23.

［3］梁甜甜，高賜威，王蓓蓓.智能電網下電力需求側管理應用［J］.電力自動化設備，2012，32 (5):81－85.

［4］KANG B W，CEDER G.Battery materials for ultrafast charging and discharging.Nature，2009，458 (235):190－193.

［5］楊衛(wèi)東，姚建國，楊勝春.儲能技術對未來電網發(fā)展的作用分析［J］.水電自動化與大壩監(jiān)測，2012，36 (2):17－20.

［6］百度.需求側管理_ 百度百科［OL］.(2012－04－24)［2013－ 07－ 01］.http://baike.baidu.com/view/329264.htm.

［7］國家電力監(jiān)管委員會.2013 年中國發(fā)電裝機規(guī)模有望躍居世界第一［OL］.(2013－03－04) ［2013－07－01］.http://www.serc.gov.cn/hysj/zhxx/201303/t20130304_ 37102.htm

［8］王錫凡.分段競價的電力市場［J］.中國電機工程學報，2001，21 (12):3－6.