基于對側變電站主變狀態的儲能電站滾動計劃曲線生成

何大瑞，李 妍，程 亮，馮力勇，張 云

（1.國網江蘇電力設計咨詢有限公司，江蘇南京 210008；2.國網江蘇省電力有限公司，江蘇南京 210024；3.長園深瑞繼保自動化有限公司，廣東深圳 518057）

隨著大規模可再生能源接入整個電力系統，尤其是風電、光伏所具有波動性、隨機性、難預測等特點，給電力系統穩定運行與控制帶來巨大挑戰。儲能系統既可作為電源又可作為負荷，靈活的雙向互動性能使其在可再生能源發電消納中發揮重要作用[1-5]。特別是電化學儲能，因其變流器具有響應速度快、精度高的特點，相比其他電源和負荷，具有更優良的調節控制性能。其中電網側電化學儲能電站可以為電網運行提供調峰、調頻、備用、黑啟動、需求側響應等多種服務，提升電網運行效率，緩解地區供電負荷壓力[6-9]；用戶側儲能可以滿足企業的需量控制和削峰填谷；電源側儲能可以實現儲能與火電機組聯合參與AGC，儲能與新能源機組聯合參與AGC，平抑新能源波動，減少棄風棄光的行為[10-16]。

目前電化學儲能電站的主要控制模式分為調度實時控制和計劃曲線模式。實時控制指令由上級調度直接下發到儲能電站，由儲能電站進行指令分析和執行。計劃曲線由上級調度機構提前下發或者本地管理人員提前錄入，儲能電站根據實際運行情況進行分析和執行。計劃曲線一般提前1～3 天下發，故對于儲能電站所在區域電網（主要是對側變電站）的運行情況考慮不足，在一些極端情況下，存在著對側變電站重載時儲能電站充電，輕載時放電等情況，既增加了區域電網的運行風險，又降低了區域電網運行的經濟性。

為了提升含有儲能電站的區域電網安全性和經濟性，該文在綜合考慮儲能電站功率變換器（以下簡稱PCS）、電池管理系統（以下簡稱BMS）和儲能電站站端一二次設備約束的模型基礎上，將對側變電站主變狀態引入儲能電站運行控制的約束條件，以日前區域負荷預測數據和變電站主變重過載約束為輸入參數，對模型進行求解，得到最優的儲能電站充放電計劃曲線。為了解決日前預測數據的偏差對實時控制造成的影響，采用站端實時控制加滾動優化的方式，為儲能電站的運行控制提供安全性和經濟性保障。

1 考慮對側變電站主變狀態的儲能電站運行模型

1.1 電化學儲能電站運行目標

電化學儲能電站優化運行的目標是達到全站經濟性最高，即儲能電站每天充放電收益最大。需要考慮峰谷電價和各個時段的功率輸出。

假定電價為Ci，i代表不同時間段。不同時間段的電量為該時段功率和時間的乘積Pi×Δt，其中充電功率為負，放電功率為正。則儲能電站每天的充放電收益為：

目標函數為max{Y}。

1.2 儲能電站運行需求和約束

假設儲能電站每臺PCS 對應一個儲能單元，則儲能電站的運行滿足以下約束條件：

1）每臺PCS 的運行工況和最大可充放點功率約束。

式中，Pimin和Pimax由各臺PCS 運行狀態以及BMS 運行狀態決定，各PCS 將數據上送給變電站端EMS 系統，由EMS 系統進行累加計算各PCS 數據得到。

2）每組電池堆的電量上下限約束，即儲能單元SOC 約束。考慮到儲能單元的充電效率和放電效率不同，將儲能單元的出力分為充電功率Pic和放電功率Pid兩部分。

式中，ηc和ηd是電化學儲能電站的綜合充放電效率。默認各組儲能單元的充放電效率是相同的。Eimin和Eimax為各組儲能單元的能量上下限的總加。E0為儲能電站初始的電量狀態，ti為第i個時間段對應的時間長度。根據目前的主流運行方式，一般設置為15 分鐘。

3）儲能單元充放電狀態約束，儲能單元可以單獨處于充電狀態或者放電狀態，也可以處于不充不放的狀態，但是不存在既充電又放電的狀態。因此，引入充電狀態εc和放電狀態εd兩個變量，其中εc和εd只有0 和1 兩種狀態。

4）對側變電站主變狀態約束。假設對側變電站主變日負荷曲線為Li。主變容量為S。輕載系數和重載系數分別為KA和KB，其中KA和KB和S為常量。對于儲能電站的運行控制，分為兩種情況，第一種是不要求調節對側變電站主變的輕載或者重載狀態，只需要避免在對側變電站輕載或者重載時，進行放電或者充電行為；即當Li+Pi≤S×KA時，εdi=0；當Li+Pi≥S×KB，εci=0。這種情況下，只是在原先計劃曲線的基礎上進行約束修正，雖然能夠減少對側變電站重過載的情況，但是儲能系統不能自適應調節充放電功率，因此全站的經濟效益會偏低。第二種情況如果需要儲能電站參與調節對側變電站主變的輕載或者重載，則約束條件描述如下：

式中，Pi為儲能電站的日發電曲線，其中充電為負，放電為正。

以上模型均為線性模型，可以采用線性優化工具求解，該文采用GLPK 線性優化工具進行求解。

1.3 GLPK建模

假設計劃曲線為一天共有n個點，則每個點對應的時間為24/n小時。根據上述優化目標和約束條件，可以建立相應的目標函數和系數矩陣。

變量包括Pic、Pid、εic和εid。變量為Xi=[Pic,Pid,εic,εid]T。約束條件如1.2 節所描述，其中式（5）的系數矩陣為n×2n矩陣。

下邊界為：

上邊界為：

式（6）的系數矩陣為n×4n矩陣。

下邊界為RBmin=0，上邊界為RBmax=-Pimin。

式（7）的系數矩陣為n×4n矩陣。

下邊界為RCmin=-Pimax，上邊界為RCmax=0。

式（8）的系數矩陣為n×2 矩陣。

下邊界為RDmin=0，上邊界為RDmax=1。

儲能電站考慮對側變電站主變狀態的第一種情況，只需要判定實時參數即可。第二種情況，按照式（9），列出系數矩陣為n×2n矩陣。

下邊界為REmin=S×KA-Li，上邊界為REmax=S×KB-Li。

目標函數可以描述為：

將矩陣A和E擴展為n×4n階的A′和E′，不足地方補0。即可獲取整個模型系數矩陣為

下限約束為：

上限約束為：

GLPK 的最終模型描述為：

2 考慮對側變電站主變狀態的儲能電站運行控制方法

在實際運行過程中，由于日前預測數據存在偏差，如實際負荷大于預測負荷，儲能充電則可能導致變壓器重過載，儲能電站的狀態也存在不確定性，不一定具備按照計劃值響應的能力。因此，基于上述模型求解的優化曲線僅僅作為理想運行情況下的最優運行方式，無法處理運行過程中出現的不確定問題。

為了解決上述問題，可以采用站端實時控制加滾動優化的方式。即式（2）中的PCS功率上下限由額定功率改為實時獲取，并作為后續優化計算的基準；式（5）中E0為當前實時的儲能電站能量數據，而不是每天0點的數據。優化的時間段數為當前時間到優化周期截止的時間段。即1.3 節中GLPK 的系數矩陣維數隨著每次優化而逐次遞減。在每個優化周期內，以優化數據作為基準，實時跟蹤對側變壓器主變數據，在儲能基準功率的基礎上，對日前負荷預測偏差ΔP進行實時修正，從而保證對側變電站主變不重過載。

3 算例分析

以某8 MW/16 MW·h儲能電站為例，該電站共配置16 臺PCS，每臺PCS 容量500 kW，假設充放電SOC區間為[10,90]。對側變電站為110/10 kV，2 臺主變容量為50 MVA，輕載系數為30%，重載系數為80%。選取一個典型日負載曲線如圖1 所示的原負荷曲線。電價選取東部某省工業用電峰谷電價，其中高峰時段為8:00-12:00，17:00-21:00，平價時段12:00-17:00，21:00-24:00，低谷時段0:00-8:00，對應電價分別為1.0752 元/kW·h，0.6451 元/kW·h，0.3150 元/kW·h。充電效率為95%，放電效率也為95%。每天初始電量Emin設置為0。

下面將針對儲能電站按照固定計劃運行方式、對側主變重載時禁止充電輕載時禁止放電的運行方式、儲能電站日前優化和儲能電站滾動優化4 種運行方式，進行計算分析，并比較每種方式的特點。

3.1 儲能電站按照固定計劃充放電

目前很多儲能電站按照固定時間充放電的模式運行，常見的有單日一充一放，兩充兩放等模式。選取該站兩充兩放的計劃曲線，2:00-6:00 以4 MW 充電，10:00-12:00 以8 MW 放電，12:00-14:00 以8 MW充電到上限，20:00-22:00 以8 MW 放電。固定充放電計劃的儲能電站日運行曲線如圖1 所示。

圖1 固定計劃充放電計算結果曲線

由圖1的計算結果可以看出，該模式下，當天充放電的收益為13 247.21元，其中有24個數據點處于變壓器重載運行。因此該種方案能夠使儲能電站經濟性最大，但是不能解決對側變電站主變重載運行的問題，而且可能隨著儲能電站的充放電，造成新的重過載問題。

3.2 儲能電站主動參與對側變電站輕重載調節

儲能電站考慮對側變電站主變狀態的第一種情況，對計劃曲線進行優化，結果如圖2 所示。

圖2 只考慮主變約束的充放電結果曲線

由圖2 計算結果可以看出，只針對對側變電站主變狀態進行原有的計劃曲線優化，會導致部分充電時段不能充電，從而在用電高峰期無電可放，該方案雖然能夠一定程度上減少對側變電站主變的重過載情況，但是并不能完全解決，依然有20 個數據點重載。而且儲能的運行方式由兩充兩放實際上變為一充一放，經濟效益為11 037.78 元。因此需要根據日負荷變化情況對儲能電站的計劃曲線進行優化。按照式（9），優化后的曲線如圖3 所示。

圖3 自適應充放電結果曲線

由圖3計算結果可以看出，采用優化算法，能夠有效減少對側變電站主變的重過載情況。同時對于經濟效益也有一個顯著提高，充放電經濟效益為14 947.72元。通過對比，可以發現該方案在不影響儲能電站經濟性的同時，能夠有效減少對側變電站主變的重過載情況。

3.3 儲能電站滾動計劃曲線調節

假設實際運行數據與預測數據存在一定偏差，作為示范，選取峰值時間點19：00 的功率與預測數據有+3%的偏差，平值時間點14：00 的功率與預測數據有-5%的偏差，谷值時間點4：00 的功率與預測數據有-10%的偏差。日前優化采用圖3 中計算結果，日前預測后的計算結果如圖4 所示。

圖4 日前優化曲線與滾動優化曲線對比

由圖4 可以看出，采用滾動優化能夠有效減少對側變電站主變重過載的情況，對于負荷增加的19：00 點數據，如果按照原計劃，則必然會造成變壓器重載的情況，通過滾動優化可以有效避免這種情況的發生。據圖可以計算得出全天充放電經濟收益為14 950.28 元，經濟性基本不受影響。由于預測數據存在偏差是普遍現象，因此采用滾動優化能夠有效提升儲能電站的實際效果。

4 結論

該文將對側變電站的運行狀態加入儲能電站的運行約束條件，從而生成與對側變電站協調運行的儲能電站運行模型。并且結合分時電價，對其運行方式的經濟效益進行分析，同時采用滾動優化的方法解決預測數據偏差帶來的不確定性。通過與目前常見的運行方式進行對比，得出結論，儲能電站考慮對側變電站主變狀態的滾動優化方法，能夠在不影響經濟效益的前提下，有效減輕上級變電站重過載情況，提升區域電網的運行安全性和經濟性。