電力需求響應機制下含電池儲能系統的風光 互補發電系統經濟調度研究

李 鵬

（北京市供用電建設承發包公司，北京 100062）

基于我國電力系統峰谷差逐漸拉大以及電價機制不完善的現狀，依靠傳統的電力需求響應以緩解系統在高峰時期的供電壓力存在一定的困難[1]。隨著智能電網負荷就地平衡的要求，分布式可再生能源發電技術得到了迅速的發展，因此從平衡電網供需角度看，解決分布式間歇性可再生能源的消納問題，是需求響應的另一種可行模式[2]。而儲能技術因其對功率和能量的時間快速轉移能力，是目前國內外提高間歇性能源消納能力的有效手段手段[3]。

在儲能結合間歇性能源研究中大致可歸為兩類：①平滑間歇性能源輸出；②提高間歇性能源在電力市場中的調度性研究[4-7]。其中：①主要包括一些簡單到復雜的儲能充放電算法，在這些算法中大多僅以電池荷電狀態（Stage of Charge）的上下限值作為儲能充放電的限制，少有根據當前SOC 和待充放電功率的判斷對儲能實際充放電做出自適應調節以到達優化儲能運行、延長電池壽命的目的；②主體思路是運用儲能在電力需求及電價低谷時段將間歇性能源發出過剩的電能存儲，在電力需求及電價高峰時段因間歇性能源發電不足而放電，實現自身盈利的同時，達到削峰填谷的效果，這種依據政策所設計的調度控制策略高度依賴于區域電力市場的規則。

本文將在電力市場機制下，提出并設計一種包含電池儲能的風光聯合控制系統，以實現風光在電力市場機制下經濟調度的同時，緩解系統在需求高峰時段的供電壓力。基于我國東部某區域電網的電力需求和分時電價數據對所提系統進行了仿真。

1 控制系統設計

與可再生能源集中式發電并網模式不同，采用分布式的接入模式直接接入低壓等級的電力需求側，以使功率就地平衡，基本結構示意圖如圖1所示。

圖1 風/光分布式接入需求側示意圖

為使間歇性風/光發電系統在競爭的電力市場中通過控制達到自身盈利的同時削減系統在電力需求高峰時段的供應電量，首先需要控制系統根據電力需求情況、不同需求時段電價信息生成一個參考功率值，并根據風光輸出預測值以及BESS 當前時刻充放電能力修正功率參考值。由圖1可知系統動態模型如式（1）所示。

式中，Pg為風光儲實際合成目標出力值，PW、Ppv分別為風、光實際出力值，Pb為BESS 充放電功率，放電時為Pb為正、充電時為負；Eb為儲能在當前時刻的存儲電量，η為BESS 能量轉換效率，分充電效率與放電效率。將式（1）表示成離散二階動態方程如式（2）所示。

式中，x1、x2為狀態變量，u1、u2為非控制輸入變量，v為受控輸入變量，y為輸出量。若寫成矩陣形式如式（3）所示。

式中，A、B、C、D為系數矩陣，分別如式（4）所示。

所設計控制系統框圖如圖2所示。各模塊具體設計將依次在后文詳述。

圖2 控制系統框圖

2 參考功率信號發生模塊

借助BESS，風光系統可分別運行在峰谷電價模式和轉移峰荷模式下進行調度，兩者分別與電價信息和需求數據相關，且都對應于時間。為兼顧兩種模式進行功率調度，采用模糊決策產生待跟蹤的功率信號y′(k)如式（5）所示。

式中，pL(k)、m(k)分別為調度間隔k內負荷需求大小和電價大小，兩者作為參考信號發生器的輸入量。負荷需求峰、谷、平時段在一年的時間內雖大致相似，但負荷大小以及電價信息在夏季和冬季有較大的不同，為簡化計算，采用聚類模糊對某地區一年的負荷需求數據及電價信息進行分析[8]，得到典型日負荷需求如圖3所示，及電價信息，此過程不是本文討論重點，不再詳述。

圖3 典型日負荷曲線

圖4中字母P 代表峰時電價，OP 代表谷時電價，S 代表平時電價。輸入、輸出變量模糊規則及隸屬度函數分別如表1、圖4所示。

其中定義L、M、SH、H、VH、MH代表負荷需求低、中、略高、高、非常高、極高；MS、MOP、MP、NOP、ANP、ANOP、EP、EOP是依據分時電價信息定義的早-平臺期、早-低谷期、早-高峰期、中午-低谷期、下午-高峰期、下午低谷期、晚-高峰期、晚-低谷期。

表1 模糊規則

圖4 輸入輸出隸屬函數

3 參考功率矯正模塊

在BESS 參與風電經濟調度過程中，由于風電很強的隨機性，其無規則的頻繁充放電大小常常使得電池soc 處在或接近上下限附近，而不利于下一時刻的優化調度。通過電池當前運行狀態的評估，來修正參考功率如圖2所示，以達到實時調整電池功率給定值，維持電池soc 在推薦值附近，提高BESS持續的充放電能力[9]。

3.1 BESS 運行評估指標

1）BESS 充放電平衡度指標B(k)：以衡量BESS充放電能力，如式（6）所示。

式中，Csoc。ref為電池soc 的推薦值，Csoc。max、Csoc。min分別為電池最大荷電值和最小荷電值，為防止Csoc。ref過高或過低導致下一次充電放電的能力降低，取Csoc。ref=(Csoc。max+Csoc。min)/2。當B(k) 越趨于1 時，表明BESS 放電能力越強，而充電能力越弱；當B(k)越趨于-1 時，表明BESS 放電能力越弱，而充電能力越強；當B(k) 趨于0 時，表明BESS 充放電能力平衡。

2）BESS 出力強度指標T(k)：以衡量BESS 每次充放電功率大小，如式（7）所示。

式中，PBESS。ref（k）表示k時刻BESS 功率指令參考值，PBESS.cmax、PBESS.dmax分別為BESS 最大充放電功率，wc、wd為權重因子。當T(k)越趨于1 時，表明BESS 放電功率指令趨于最大值；當T(k)越趨于-1 時，表明充電功率趨于最大值；當T(k)趨于0 時，表明參考功率指令為0。

3.2 功率矯正模塊

通過對BESS 充放電平衡指標和出力強度指標的計算，為使指標處在理想狀態，將修正參考功率信號，兩指標作為模塊的輸入與模塊輸出的修正功率關系方程如式（8）所示。

相應模糊規則見表2。輸入與輸出隸屬函數如圖5所示。

表2 模糊規則

圖5 輸入輸出隸屬函數

其中定義NB、NM、NS、NVS、ZO、VS、PS、PM、PB代表負大、負中、負小、負略小、零、正略小、正小、正中、正大。

4 仿真分析

某地區峰時電價執行價格為0.9875 元/kW·h，執行時間段為14∶00—17∶00、19∶00—22∶00；平時電價執行價格為0.61 元/kW·h，執行時段為8∶00—14∶00、17∶00—19∶00、22∶00—24∶00；谷時電價執行價格為0.3197 元/kW·h，執行時段為24∶00—8∶00。選取鋰離子電池作為本文儲能系統，充放電效率同為90%，最大循環深度為80%[10]，配置容量為1MW/1MW·h。風電最大輸出功率為3MW，光伏最大輸出功率為1MW。仿真結果如圖6所示。

圖6 待跟蹤功率及風光實際輸出功率

風電、光伏由于間歇性及預測誤差，導致無法較準確跟蹤指令；本文設計采用含功率矯正模塊下的風光儲聯合跟蹤指令效果明顯優于未含矯正模塊下的風光儲跟蹤效果。由于功率矯正優化了儲能充放電功率，因此較未含功率矯正模塊下儲能充放電要合理，兩種情況下儲能SOC 對比如圖7所示，SOC1 代表含功率矯正模塊下的儲能SOC 曲線，SOC2 代表未含功率矯正模塊下的SOC 曲線，SOC1較SOC2 更為平衡合理。

圖7 SOC 曲線對比圖

5 結論

本文將在電力市場機制下，提出并設計一種包含電池儲能的風光聯合控制系統，該系統包含基于負荷需求及電價信息的參考功率發生器及及基于模糊理論的功率矯正器。通過仿真計算驗證了控制系統正確性與有效性，能夠很好的跟蹤參考功率，且在跟蹤過程中電池儲能每一次充放電功率較為合理。

[1] 翟橋柱,王凌云.需求響應對降低發電成本的效益估計[J].中國電機工程學報,2014,34(7): 1198-1205.

[2] 雷亞洲.與風電并網相關的課題研究[J].電力系統自動化,2003,27(8): 84-89.

[3] 袁小明,程時杰,文勁宇.儲能技術解決大規模風電并網問題中的應用前景分析[J].電力系統自動化,2013,37(1): 14-18.

[4] 韓曉娟,陳躍燕,張浩,等.基于小波包分解的混合儲能技術在平抑風電場功率波動中的應用[J].中國電機工程學報,2013,33(19): 8-13.

[5] 吳振威,蔣小平,馬會萌,等.用于混合儲能平抑光伏波動的小波包-模糊控制[J].中國電機工程學報,2014,34(1): 317-324.

[6] 王成山,于波,肖俊,等.平滑可再生能源發電系統輸出波動的儲能系統容量優化方法[J].中國電機工程學報,2012,32(16): 1-8.

[7] 丁明,徐寧舟,畢銳.用于平抑可再生能源功率波動的儲能電站的建模評價[J].中國電機工程學報,2011,35(2): 66-72.

[8] 李蓓,郭劍波.平抑風功率的電池儲能系統控制策略[J].電網技術,2012,36(8): 39-43.

[9] 丁明,林根德,陳自年,等.一種適用于混合儲能系統的控制策略[J].中國電機工程學報,2012,32(7): 1-6.

[10] TRAN D,KHAMBADKONE A M.Energy management for lifetime extension of energy storage system in micro-Grid applications[J].IEEE TRANSACTIONS ON SMART GRID.2013,4(3): 1289-1296.