集中式儲能運行備用能力的評估及仿真

雷長炎,王琦,謝東亮,李威,賴業寧,張政

(1. 南京師范大學南瑞電氣與自動化學院,江蘇 南京 210023；2. 南瑞集團(國網電力科學研究院)有限公司,江蘇 南京 211106)

0 引言

風、光發電固有的隨機性、間歇性的特點客觀上將對電網的可靠運行造成不利影響[1—4]。通過提升風、光出力預測水平能在一定程度上減小平均誤差,但很難消除出力預測的最大瞬時誤差[5],因此風、光要做到如常規水、火電一樣出力可期并不現實。這是進一步提高電網新能源接納能力所要跨越的關鍵障礙,解決辦法之一是為電網配置更多的快速備用容量[6—10]。目前電網中大部分旋轉備用由常規水、火電機組承擔,隨著新能源逐步取代火電,電網的備用資源也在同步減少。這與電網需求相矛盾,系統需要通過庫容式水電、儲能和需求側響應容量等多種途徑來補充備用容量的不足[11—12]。尤其針對想要實現全清潔能源供電的省份,這一需求更為迫切。

設立調峰、備用等輔助服務市場,有利于引導投資向提高電力系統靈活性方面轉型,最終促進包括造價昂貴的儲能系統在內的源/網/荷/儲備用資源的發展[13—16]。對多形態備用能力的準確評估是實現多形態備用優化配置的基礎[17—19]。集中式儲能( centralized energy storage,CES)容量是未來電網備用的重要組成部分,其技術仍處于快速發展階段,形態包括但不限于抽水蓄能電站、電池儲能站等。未來規劃中的電網側集中式儲能分布地域廣、接入規模大、響應速度快,將分擔原由常規電源負責的調峰、調頻、調壓等電網關鍵服務。

新能源高滲透下,平衡待調控出力(預測負荷與新能源出力之差,也稱“凈負荷”)的隨機波動需占用大量運行備用資源,學界對儲能參與運行備用也進行了相關研究。文獻[20]利用儲能平滑風電出力的剩余容量參與備用,選取場景集描述系統的不確定性,建立了儲能的有功和備用一體優化模型；文獻[21]建立了獨立儲能電站參與調峰和備用市場的運行策略模型。上述計算模型都只考慮了儲能的出力限制,而沒有考慮其有限的電量存儲能力,也未計及損耗,對儲能備用能力過高或過低的估計都將給電網運行帶來新的風險或浪費。文獻[22]研究了以電動汽車為代表的分布式儲能參與運行備用能力的量化評估方法。然而電動汽車并入/退出電網的時機和狀態都具有隨機性,與計劃性較強的CES在運行方式上存在顯著差異,但其思路值得借鑒。

文中首先分析了影響CES備用能力的主要因素,并提出適用于CES的充放電可行域概念；基于上述概念,提出在給定發(用)電計劃下計算CES運行備用能力的方法；最后通過仿真驗證了方法的有效性,分析了一系列因素對CES動態備用能力的影響,給出了改善CES備用能力的建議。

1 CES特性分析與建模

CES典型結構示意如圖1所示,CES可分為共享儲能體CES和非共享儲能體CES兩類。共享儲能體CES所有的發(用)電單元共享一個儲能體,典型代表是抽水蓄能電站。非共享儲能體CES的存儲能力依靠多個儲能單元實現,電池儲能站是典型的非共享儲能體CES,由于電池儲能是由巨量的單體電池串并聯組成,電池管理系統(battery ma-na-ge-ment system,BMS)會對回路中每一個電池單體施加控制,迫使其按照一致的荷電狀態(state of charge,SOC)工作。因此,典型應用中,非共享儲能體CES的每個儲能單元的出力和等效電量狀態均可視作一致。

圖1 CES典型結構示意Fig.1 Schematic diagram of typical CES structures

當只關心聚合態功率特性時,考慮內部各單元狀態一致,上述2種CES可以采用一致的約束模型,下文將不再區分這2種儲能類型。這2種CES的功率約束和電量約束可記為：

-PL,max≤P(t)≤PG,max

(1)

Emin≤E(t)≤Emax

(2)

式中：PL,max,PG,max分別為CES的最大充電功率和最大放電功率,均為正值；Emax,Emin分別為CES的最大、最小儲存電量。對于共享儲能體CES而言,PL,max,PG,max分別為其所有發(用)電單元的最大充電和放電功率之和,Emax,Emin分別為其儲能體的最大和最小儲存電量；對于非共享儲能體CES而言,PL,max,PG,max分別為其所有發(用)電單元的最大充電和放電功率之和,Emax,Emin為其所有儲能單元的最大和最小儲存電量之和。

計及損耗后,CES的儲能側充/放電功率為：

(3)

式中：P(t)為t時刻網側實時充/放電功率,放電時為正數,充電時為負數；ηL,ηG分別為充電效率和放電效率；Uc(t)為充電狀態0-1整數變量,Uc(t)=1表示儲能處于充電狀態,Uc(t)=0表示儲能處于放電狀態或者不充不放狀態；Ud(t)為放電狀態0-1整數變量,Ud(t)=1表示儲能處于放電狀態,Ud(t)=0表示儲能處于充電狀態或者不充不放狀態。Uc(t)+Ud(t)≤1。

任意時刻t的電量狀態E(t)是初始時刻以來計及損耗的儲能側充/放電功率的積分,可表示為：

(4)

式中：E(0)為起始電量狀態。

2 儲能備用能力評估方法

儲能備用能力評估方法主要是分析起始電量、期望電量范圍、最大充放電功率、最大儲存電量和調度機構提前為儲能安排的發(用)電計劃等參數,得到儲能的功率邊界和電量邊界,同時滿足功率邊界和電量邊界的區間就是運行可行域,再根據可行域計算備用能力。方法流程如圖2所示。

圖2 方法流程Fig.2 Flow chart of method

功率邊界需滿足式(5)和式(6)：

Rup(t)≤PG,max-P(t)

(5)

Rdown(t)≤PL,max+P(t)

(6)

式中：Rup(t),Rdown(t)分別為t時刻的上、下調備用容量。

電量邊界的存在是為了保證各個時刻儲能的發(用)電計劃都不會因電量已滿或不足而違約：

Emin(t)≤E(t)≤Emax(t)

(7)

式中：Emin(t),Emax(t)分別為t時刻允許到達的最小、最大電量狀態。

求取任意時刻的Emin(t)和Emax(t)對CES備用能力的量化非常重要。為了降低復雜性,對時間軸進行離散化處理,將調度周期T分割為n個長度為Δt的時段,將每個Δt內的功率視為固定值,則Emin(k),Emax(k)可按式(8)—式(14)計算：

Emax(k)=min{Ef,max(k),Eb,max(k)}

(8)

Emin(k)=max{Ef,min(k),Eb,min(k)}

(9)

Ef,max(k)=min{E(k-1)+PL,maxηLΔt,Emax}

(10)

Ef,min(k)=max{E(k-1)+PG,max/ηGΔt,Emin}

(11)

Eb,max(k)=min{Emax(k+1)+PGL(k)Δt,Emax}

(12)

Eb,min(k)=max{Emin(k+1)+PGL(k)Δt,Emin}

(13)

(14)

CES的運行可行域原理示意如圖3所示。

圖3 集中式儲能的運行可行域Fig.3 Feasible domain for a centralized energy storage′s operation

圖3(a)為功率-時間平面(P-t平面),圖3(b)為電量-時間平面(E-t平面),黑色實線為依儲能發或用電計劃運行；k為離散后的某一時間段；k-1為時間段k的前一個時間段；k+1為時間段k的后一個時間段；P(k)為時間段k內集中式儲能的充/放電功率(即發(用)電計劃)。不可行域代表儲能功率或電量無法到達或到達后注定無法滿足后續時段發(用)電計劃的狀態區間；反之,可行域指儲能功率和電量能夠到達且到達后能夠滿足后續時段發或用電計劃的狀態區間。可行域會因初始狀態及發或用電計劃的調整而不斷變化,因此具有動態性。充/放電計劃只有運行于可行域中才具備可行性。

聯立式(1)—式(14),取電量邊界和功率邊界的最小值,可得：

(15)

(16)

式中：P(k)為k時段的運行功率；Rup(k)為k時段的上調備用容量最大值；Rdown(k)為k時段的下調備用容量最大值。文中將備用容量最大值稱為“備用能力”。

3 仿真分析

在完成CES備用能力量化基礎上,繼續驗證評估方法的有效性,研究CES參與備用對新能源消納的影響,并從電量/容量比、備用合約等方面分析影響備用能力的因素及提升能力的措施。

3.1 方法的驗證

基于文中所提方法計算上/下調備用能力,通過仿真模擬調度指令超出能力值時儲能電站的表現。計劃功率是指調度機構提前為儲能電站安排的充/放電功率計劃；實際功率是指儲能電站的實際充/放電功率,通過在計劃功率的基礎上對某一時段功率調整得到,調整值等于文中方法計算出的上/下調備用能力,其余時段實際功率和計劃功率保持相同。

測試中令Δt為1 h,測試的小型儲能電站參數如表1所示,選取該儲能電站某典型計劃功率進行仿真,典型計劃功率曲線如圖4(a)、(b)中黃色實線所示。

表1 小型儲能電站參數Table 1 Parameters of small energy storage power station

圖4 運行備用能力評估算法的驗證Fig.4 Verification of the storage reserve capability assessment algorithm

圖4(a)表明,01:00收到電網調度機構下達的功率調節指令并開始調節(調節量采納式(15)的結果),在儲能電站提供上調備用后,02:00—09:00時段實際電量剛好觸及電量下界,上調備用能力剛好為0,也不必調整后續時段的發(用)電計劃。

圖4(b)表明,15:00收到電網調度機構下達的功率調節指令并開始調節(調節量采納式(16)的結果),在儲能電站提供下調備用后,16:00—18:00時段電量觸及電量上界,下調備用能力剛好為0,也不必調整后續時段的發(用)電計劃。

由此可知,繼續提高功率調整要求,會導致儲能電站無法保證后續時段的發(用)電計劃按照計劃功率執行。因此,在該算例條件下,文中算法計算所得備用能力是充分且必要的。

3.2 實際系統備用能力分析

基于某新能源外送省份實際規劃數據開展分析,其儲能容量及新能源裝機取自該省的規劃報告,參數見表2,發(用)電計劃采用夏、冬季典型值,并離散化處理(Δt取1 h)。

表2 省級電網CES等效參數Table 2 Equivalent parameters of provincial grid CES

利用文中所提評估方法計算實際CES的1 h備用能力,如圖5所示。

圖5 集中式儲能的1 h備用能力(始于50% SOC)Fig.5 The predicted 1 h reserve capacity of the centralized energy storage system (SOC starts from 50% for all units)

由圖5可知,CES的備用能力很大程度上由夏、冬季典型日發(用)電計劃曲線(圖中實線,正、負值分別表示放、充電)決定：除了功率層面約束的影響外,夏季汛期更趨集中的發(用)電計劃安排(夏季02:00—06:00集中放電與冬季06:00—10:00對比),令儲能電量不足,嚴重限制了局部時段的上調備用能力(00:00—10:00時段)。

儲能的下調備用能力可以增加新能源的消納,其提供的上調備用能力可以緩解調峰壓力,降低火電機組出力,間接增加新能源消納。圖6顯示了夏季汛期儲能參與備用前后對系統棄風光電量的影響?？梢?計及儲能參與備用的容量后,省內旋轉備用不足的局面得到大幅緩解,在該典型日內,理論上最大可減少高達76 GW·h的棄風光電量。

圖6 新增規模儲能備用對全省棄風光電量的影響Fig.6 Increased massive energy storage reserve′s influ- ence on wind and solar curtailment in the whole province

3.3 電量/容量比對備用能力的影響

裝機電量是指儲能可以存儲的最大電量Emax,裝機容量是指儲能的最大放電功率PG,max,電量/容量比是指儲能在初始電量為滿時以最大功率放電至電量為空需要的時間。在保持儲能最大功率不變的同時,擴大儲能容量以存儲更多的等效電量,如圖7所示。

圖7 電量/容量比對備用能力的影響Fig.7 Effect of power/capacity ratio on spare capacity

當CES的電量(Emax)∶容量(PG,max)由4∶1向6∶1不斷提升時,主要受電量約束影響時段的1 h備用能力不斷增加。以電量/容量比為4時一個周期內各時段的備用能力之和為基準值,電量/容量比為5和6時全天上調備用能力分別可以增加24%和30%,下調備用能力可以增加27%和31%。顯然,電量/容量比越大則可提供的備用能力越多,但當電量/容量比達到一定程度,則對備用能力的影響較小,繼續增加將無法提升儲能的備用能力,這是因為此時儲能的備用已經不受電量約束,僅由功率約束決定。

3.4 備用合約的影響

輔助服務市場旨在促進利益主體參與包括備用在內的電網關鍵過程,這一點集中體現在備用合約設計上。

合約周期是指CES必須持續提供一定備用能力的時長。周期過短,服務的間歇性會加劇調控的復雜性、減低可靠性；周期過長,又直接挑戰儲能的電量約束,打擊CES的參與積極性。

圖8比較了1 h,4 h,8 h合約周期對CES備用能力的影響,以合約周期為8 h時全時段備用能力之和為基準值,4 h和1 h的上調備用能力分別增加了23%和76%,下調備用能力增加了7%和41%。結果表明,儲能參與短時備用市場可以提供的備用顯著增加。

圖8 合約周期對備用能力的影響Fig.8 Impact of contract cycle on spare capacity

4 結語

文中綜合考慮CES功率、電量兩方面的約束,首次提出了CES運行可行域的概念,并基于該概念進一步給出了確定發(用)電計劃下評估CES實時運行備用能力的量化方法,算例驗證了該方法的適用性。運用該方法,仿真分析了CES參與某省電網備用服務前后省內備用儲備和1日棄風光電量發生的顯著變化,顯示了綜合利用CES調峰、備用能力促進新能源消納的作用。最后初步討論了影響CES備用能力的關鍵因素及其改善方法,包括優化電量/容量比、合約周期等。后續研究計劃包括計及CES備用能力后的電力系統運行優化等問題。

本文得到國網江蘇省電力有限公司科技項目(J2019055),江蘇省研究生科研與實踐創新計劃項目(KYCX18_1228)資助,謹此致謝！