光儲聯合發電系統隨機優化調度方法研究

朱慧敏 李春來 苑舜 施濤

摘要：針對光儲聯合發電系統的優化調度問題，考慮光伏發電功率預測信息的不確定性，引入機會約束條件，提出了一種以系統發電成本最小化和光伏消納最大化為目標的多目標隨機優化調度方法，并結合某實際電網的光伏消納問題進行案例分析。研究表明：該方法能夠有效提高調度決策結果的置信水平，促進光伏發電的消納，具有一定的工程實用價值。

關鍵詞：光伏發電;電池儲能;機會約束;隨機調度

0? ? 引言

近年來，隨著光伏發電技術的不斷成熟和廣泛應用，我國光伏發電的裝機容量顯著增長[1-2]，但是受光照自然資源的影響，光伏發電出力呈現一定的間歇性、隨機性和波動性。當光伏發電在電網總裝機容量中的比例達到一定程度時，將會給電網的安全穩定運行造成沖擊。為此，借助儲能技術，構建光伏—儲能聯合發電系統，成為當前光伏發電系統平抑功率波動、改善電能質量，提高并網運行可靠性的一種典型模式[3-6]。目前，常用的儲能技術主要有抽水蓄能、壓縮空氣儲能和電池儲能等。其中，抽水蓄能和壓縮空氣儲能的應用受到地理條件的限制，而電池儲能技術具有模塊化、響應快、效率高等特點，與光伏發電系統集成，具有很好的適用性[7]。

當前，光儲聯合發電系統的調度控制問題是國內外研究熱點。文獻[8-9]提出了基于下垂控制的方法來協調多個儲能單元分攤負荷功率。文獻[10]將風光儲微電網運行成本最少作為目標函數，計及功率平衡約束、荷電狀態約束、發電容量約束，并考慮了微電網與大電網的交互功率。本文主要研究光儲聯合發電系統的優化調度問題，考慮光伏發電功率預測信息的不確定性，引入機會約束條件，提出了一種以系統發電成本最小化和光伏消納最大化為目標的多目標隨機優化調度方法，并結合某實際電網的光伏消納問題進行案例分析，驗證了上述模型算法的正確性和有效性。

1? ? 儲能系統模型

電池儲能是光儲聯合發電系統中的儲能裝置，根據自身運行狀態和調控指令進行充放電，以滿足優化調度目標的要求。電池儲能系統的工作特性如下式所示：

第一個等式表達儲能裝置在t+1時刻的儲能水平等于t時刻儲能裝置的儲能水平與t時刻儲能裝置的負荷功率的和減去t時刻儲能裝置的發電功率/循環損耗，其中Li? sto為儲能裝置循環損耗率;第二個不等式表示t時刻儲能裝置的儲能水平Si，t level小于等于儲能裝置的總容量Si，t? sto;第三個不等式表示t時刻儲能裝置的負荷功率Pi，t? stoload小于等于儲能裝置的負荷容量Si，t L。

與此同時，受儲能系統自身額定功率和容量的限制，儲能的充放電過程中需滿足一定的約束條件：

2? ? 隨機優化調度模型

光伏發電功率預測信息是光儲聯合發電系統優化調度的前提條件，其精度對調度決策的可信度有著至關重要的影響。但光伏發電的功率預測誤差，作為隨機變量客觀存在。因此，在對含光伏發電的電力系統優化調度進行建模時，需要考慮隨機誤差的影響，通過隨機優化方法提高調度決策結果的置信水平。

2.1? ? 目標函數

由于光伏發電不需要消耗燃料，因此在考慮系統運行經濟性時，可以不計光伏發電的發電成本，而只要求常規電源總的燃料成本最小。此外，依照我國目前優先消納光伏發電的原則，在進行光伏發電優化調度時，應盡可能減少光伏受限。因此，在經濟調度模型的目標函數中，需將光伏受限電量的期望作為懲罰因子給予考慮，以避免不必要的棄風棄光。當光伏電站i執行發電計劃時，在t時刻的限電值Cit為：

式中，Pit為常規機組i在t時段的出力;fi（·）為常規發電機組i的燃料成本函數;Cit為新能源電站i在t時段的限電量;E（·）為期望值算子;Ng和Nw分別為常規機組和光伏電站的個數;T為調度周期總時段數;A1和A2分別為燃料成本和限電量期望的權重系數。

當A1>A2時，模型的優化目標為系統總的燃料成本最小;當A1

2.2? ? 約束條件

本文采用機會約束量化光伏發電功率預測隨機誤差對調度決策結果的影響，將含隨機變量的約束條件控制在一定的置信水平內，以供調度員決策參考。

（1）有功功率平衡約束：

（2）常規發電機組出力約束：

（3）常規發電機組爬坡約束：

（4）線路潮流約束。為了提高模型的求解速度，在線路潮流約束中，只關注有功方面，采用直流潮流進行計算：

3? ? 算例分析

基于前述優化調度模型，利用時序生產模擬的方法對某電網實際運行情況進行了仿真分析。算例中電網為2017年電網實際網架，光伏裝機容量5 144 MW，風電368 MW，常規電源裝機為2017年某電網實際裝機，儲能裝機為15 MW/15 MWh。聯合優化調度結果及主要指標對比情況如表1所示。

由表1可知，在不進行聯合優化調度的情況下，某電網2017

年1月光伏發電量為543 957 MWh，限電量為37 340 MWh，限電率為6.4%，其中受斷面約束而導致的限電量為17 574 MWh，因調峰不足而導致的限電量為19 766 MWh;在開展光儲聯合優化調度后，由于儲能系統的存在，系統調節能力得到充分發揮和改善，該月光伏發電量增至563 723 MWh，限電量下降至17 574 MWh，限電率下降3.4%。

同時，以該月中的一周為例進行詳細分析，在不進行含儲能的聯合優化調度情況下，該周某電網各類電源運行情況如圖1所示，而圖2所示為在開展聯合優化調度情況下某電網一周的生產模擬結果。

由圖1、圖2可知，通過開展含儲能的多種電源之間的聯合優化調度，某電網光伏受限電量明顯下降。如表2所示，開展聯合優化調度后，生產模擬結果顯示該周光伏發電受限天數下降2天，限電率為2.28%，大幅下降了6.58%。

考慮到某電網未來光伏發電裝機持續增長，預計到2020年時光伏發電將達到10 GW，風電將達到3 000 MW（表3），同時隨著儲能設備、系統成本的不斷下降，大規模光伏發電與儲能聯合調度運行必將作為解決某電網乃至我國光伏發電受限問題的重要技術手段，成為電網調度運行的常態。

利用時序生產模擬仿真分析計算，某電網2017年棄光率為3.7%。按照2020年某電網及電源規劃情況，計算2020年某電網光伏消納情況。2020年預計全年光伏發電量64.76億kWh，棄光電量約105.42億kWh，棄光率61.95%;火電年發電量為336.27億kWh，火電年利用小時數為4 278 h;水電年發電量為469.78億kW，水電年利用小時數為3 594 h。

通過以上結果可知，若按照當前某電網電源規劃發展，至2020年光伏發電消納形勢將十分嚴峻。本文采用前述優化調度方法，對2020年某電網光伏儲能聯合運行情況進行了仿真計算，在邊界條件與2017年相同的情況下，計算結果顯示，當配套建設約120萬kW儲能電站與規劃中的10 GW光伏發電聯合運行時，可將某電網總體棄光率控制在5%的較低水平，光伏與儲能聯合調度運行對于某電網的光伏發電充分消納作用十分顯著。

4? ? 結語

本文主要研究光儲聯合發電系統的優化調度問題，研究表明：電池儲能系統作為一種模塊化、快速、高效的儲能技術，在平抑光伏發電功率波動、促進光伏發電消納等方面具有很好的適用性。與此同時，在包含光伏發電的電力系統優化調度問題中，需要考慮光伏發電功率預測信息的不確定性，通過基于機會約束的隨機優化方法提高調度決策結果的置信水平。后續將進一步研究多點電網側儲能設施與光伏發電的聯合調度問題，為提高光儲聯合發電調度決策的精度、促進光伏消納提供技術支撐。

[參考文獻]

[1] 曾祥軍，李鳳婷.光伏電站接入系統方案分析[J].電測與儀表，2016，53（1）：84-89.

[2] 馮慶東.分布式發電及微網相關問題研究[J].電測與儀表，2013，50（2）：54-59.

[3] 甘思琦，孔令國，蔡國偉，等.光儲聯合發電系統建模及并網控制[J].中國電力，2015，48（3）：116-121.

[4] BEDIR A，OZPINECI B，CHRISTIAN J E.The impact of plug-in hybrid electric vehicle interaction with energy storage and solar panels on the grid for a zero energy house[C]//Transmission and Distribution Confer-ence and Exposition，2010 IEEE PES，2010：1-6.

[5] LIU C H，CHAU K T，ZHANG X D.An efficient wind-photovoltaic hybrid generation system using doubly excited permanent-magnet brushless machine[J].IEEE Transactions on Industrial Electronics，2010，57（3）：831-839.

[6] 張景明，李巖松，杜儒劍，等.光儲聯合并網系統建模與低壓耐受能力的研究[J].電力建設，2015，36（4）：27-31.

[7] 李碧輝，申洪，湯涌，等.風光儲聯合發電系統儲能容量對有功功率的影響及評價指標[J].電網技術，2011，35（4）：123-128.

[8] KHORSANDI A，ASHOURLOO M，Mokhtari H.A decentralized control method for a Low-Voltage DC microgrid[J]. IEEE Transactions on Energy Conversion，2014，29（4）： 793-801.

[9] NASIRIAN V，MOAYEDI S，DAVOUDI A，et al.Distributed cooperative control of DC microgrids[J].IEEE Transac-

tions on Power Electronics，2015，30（4）：2288-2303.

[10] 劉嬌嬌，王致杰，袁建華，等.基于PSO算法的風光儲微電網優化調度研究[J].華東電力，2014，42（8）：1534-1539.

收稿日期：2020-03-07

作者簡介：朱慧敏（1982—），女，青海西寧人，博士研究生，高級工程師，從事太陽能并網技術領域的研究工作。