光伏不同滲透率下考慮源網荷儲深度互動的電力系統調峰策略

楊謙，劉繼春，蔣萬梟

(四川大學電氣工程學院，成都市 610065)

0 引 言

化石能源的枯竭以及環境的惡化，使得以一次能源為核心的傳統電力生產消費體系亟待轉型。風電、光伏等清潔能源是我國能源領域的重要發展方向，但目前對新能源出力特性維度研究過于單一，并且由于調峰資源及調峰容量的限制，導致系統在高滲透率新能源接入下難以維持系統電力供需平衡，使得系統調峰壓力驟增，帶來巨大挑戰。

對于未來態新能源出力場景的推演已做了大量研究，文獻[1]結合實時云圖、太陽陰影等對光伏出力的影響，推導出了長時間尺度的光伏場景。文獻[2]針對傳統預測算法在突變天氣條件下預測精度較低的問題，提出基于近鄰傳播聚類和回聲狀態網絡的組合算法，通過近鄰傳播算法對光伏出力進行分類，并根據預測日所屬類別建立回聲網絡狀態方程進行光伏出力預測。文獻[3]利用支持向量機、神經網絡及深度學習等機器學習方法對未來態短時間尺度新能源出力場景進行構建。但現有文獻大多都僅從新能源某一特性進行建模，并未考慮到新能源出力的多維特性。

電力系統調峰能力是指系統跟隨負荷變化的能力，新能源大規模并網后，電力系統調峰能力被嚴重削弱[4]。在考慮源網荷儲的電力系統調峰能力方面的研究，文獻[5]建立了考慮峰谷電價的風電-抽水蓄能聯合系統和能量轉化效益的定量評估模型，研究了風蓄聯合系統中抽水蓄能電站對風電移峰填谷的影響；文獻[6]建立了可變負荷、儲能電池、水電、火電、電制熱儲熱和核電等多種能源以及聯絡線、頻率綜合調節模型，進而提出了電網調峰裕度的計算和監測理論。文獻[7-8]基于對柔性負荷這一概念的研究和電網調峰調節分析，在傳統經濟性目標函數的基礎上建立了碳交易收益最大和綜合發電成本最小的多目標模型，該模型綜合考慮了非線性的柔性負荷響應成本和碳排放補償成本，并增加了柔性負荷約束條件。文獻[9]將高載能負荷規劃到調峰電源，以增加電力節能水平，從源、網、荷三方面提出電力節能量化指標。文獻[10]根據可再生能源系統容量推導適用于光伏和風力發電調峰的存儲裝置特征參數，通過德國配電網中的發電機實際數據，計算出調峰所需容量和充電循環次數之間的經驗關系，確定適當的調峰存儲技術。文獻[11-12]采用基于調峰充裕性的調峰能力算法，通過計算機組調峰容量來評價系統調峰充裕度，分析京津唐地區在風電并網后系統的調峰能力改變。但以上文獻在研究調峰時，均未綜合考慮源網荷儲各側資源調峰特性，無法有效促進各側資源深度互動。

針對上述文獻的不足之處，本文提出源網荷儲深度互動的電力系統調峰策略。首先，根據光伏不同滲透率，得到在允許峰谷差范圍內不同的系統調峰能力需求；然后，刻畫源網荷儲四側資源的經濟技術特性；最后，利用本文建立的模型得到在源網荷儲資源技術特性約束下，與系統調峰能力相匹配的4種資源的最優組合及其投運優先順序，體現源網荷儲資源間互補互濟的深度協同能力，完成不同滲透率與系統調峰能力的動態匹配。

1 源網荷儲深度互動調峰原理

隨著化石能源的枯竭，風電、光伏等新能源發電并網成為必然趨勢。其與水力發電、火力發電等常規發電方式最根本的不同點在于其出力具有隨機性、間歇性和不可控性。這些特點決定了新能源并網運行時，必須由常規電源為其出力提供補償，以保證對負荷安全可靠地供電。

目前主流調峰方式是利用電源側火電機組進行系統調峰，但隨著光伏滲透程度逐漸加深，火電機組調峰容量不足且深度調峰經濟性較低，這降低了火電機組的調峰積極性，使得系統調峰壓力進一步加劇。單一的調峰資源已經不能滿足系統調峰需求，因此，迫切需要探究更多類型資源互濟支撐方法來平衡系統波動。

不同于傳統單一調峰方式，本文提出了源網荷儲深度互動的電力系統調峰策略。圖1為源網荷儲深度互動的調峰原理示意圖。

圖1 源網荷儲深度互動調峰原理Fig.1 Principle of deeply interactive peak regulation of source-network-load-storage

首先，考慮風電出力的波動性、季節性與隨機性，收集并補齊風電歷史出力數據，通過模糊C均值聚類(fuzzy C-means，FCM)與高斯擬合法得到光伏多維出力特性；然后，刻畫了各資源調峰容量、系統故障處理能力、用戶滿意度等特性，獲得不同的調峰策略，也即對應了不同的電力系統調峰能力；最后，以電力系統調峰經濟性最優為目標，實現光伏不同滲透率與電力系統調峰能力的最優匹配。

2 源網荷儲調峰資源特性分析

2.1 不確定量模型

2.1.1光伏多維特性

光伏發電效率受時間、自然環境以及突發事件等多維度因素影響。光伏發電技術的原理是利用太陽光照射太陽能電池板的光生伏特效應將太陽能轉化為電能，其發電量主要受到光照強度、溫度等因素影響，因此其出力特性具有隨機性、波動性、季節性等特性，同時光照強度、溫度等因素大小也將直接影響光伏的出力大小。通過對歷史數據進行模糊C均值聚類及高斯擬合，將此類特性模型化，可得光伏出力特性：

(1)

PPV=rηmaxAPVηPVcosθ

(2)

根據統計，一天中太陽輻射量遵循Beta分布，而光伏出力與太陽輻射呈線性關系，故光伏出力也服從Beta分布，如下所示：

(3)

(4)

ε1、ε2可由下述公式得到：

(5)

式中：μ、δ分別為某時段內太陽輻射量的均值和標準差。

2.1.2負荷模型

現階段已有大量文獻研究負荷波動，本文采用最為常見的正態分布來描述負荷，如下所示[13]：

(6)

式中：Pload、μL、δL分別為參考時段內負荷值、負荷的均值和標準差。

2.2 源網荷儲調峰資源特性分析

現代電力系統調峰資源主要分布在源網荷儲四個方面，電源側通過調節電源出力大小及增設調峰機組來提高系統調峰能力，電網側通過增加網絡彈性來提高系統調峰能力，負荷側通過負荷分級需求響應來提高調峰能力，儲能側則在電力需求波動高峰時提供/儲存額外出力來提高系統調峰能力。

2.2.1常規調峰機組

電源側主要是增加調峰機組來提高系統調峰能力，常規調峰機組主要有水電和火電機組。水電機組不計調峰成本，故調峰成本主要來自火電?；痣姍C組調峰通常分為基礎調峰階段、不投油深度調峰階段、投油深度調峰階段三部分，基礎調峰階段的調峰成本即為燃煤成本和機組的開停機損耗，燃煤量采用耗量特性表示。而投油與不投油深度調峰階段還需考慮機組的損耗與油耗成本?；痣姍C組深度調峰的成本為[4]：

(7)

(8)

Csun(PT)=φCunit/[2Nt(PT)]

(9)

Coil=Cconcoil

(10)

式中：PT為火電機組出力；f(PT)為機組耗量特性函數；Csun(PT)、Coil分別為機組損耗成本與機組油耗成本；Pmax為機組最大出力；Pmin為機組基礎調峰階段的最小技術出力；Pa為不投油深度調峰階段的最低穩燃出力；Pb為投油深度調峰階段的穩燃極限出力；T、NG分別為總時段數與機組臺數；xi,t和yi,t表示機組i在t時段是否切換到啟動和停機狀態；a、b、c為火電機組煤耗函數系數；Pcoal為當前燃煤價格，元/t；pss、pst分別為機組一次開、停機成本；φ為火電機組運行影響系數，表示不同運行狀態對機組的影響；Cunit為機組的購機成本；Nt為轉子致裂循環周次，可由轉子低周疲勞曲線確定；Ccon為機組運行時的油耗量；coil為當前燃油價格。

由于式(7)為分段函數，不利于求解，因此引入布爾變量m和n，故機組i的調峰成本可改寫為：

(11)

(12)

2.2.2輸電系統響應

故障應對能力是指電力系統在遇到故障時的緊急處理能力，增強網絡彈性可有效降低線路故障概率。電網側調峰是通過增強電力系統網絡彈性來提高電力系統調峰能力，適當改變輸電線路的潮流分布可緩解線路過載、節點電壓越限等電網阻塞，以增強系統故障應對能力。本文采用的線間潮流控制器(interline power flow controller，IPFC)作為一種功能強大的新型柔性輸電系統控制裝置，它具備直接控制串聯部分所安裝線路潮流的能力，而且可以實現不同線路間功率的定向、定量交互，進而達到同時控制不同線路間潮流的目的，IPFC的結構見參考文獻[14]。

在確定系統結構參數和負荷的情況下，使用線間潮流控制器改變潮流分布以增強電網彈性，實現系統安全運行的目的。安裝IPFC線路增加的有功潮流ΔP、電壓差ΔV為：

(13)

(14)

式中：Vi、Vj分別表示節點i和j的電壓；Vseij為等效電壓源幅值；xij為節點i和j之間的電抗；ψj為Vi與Vj的相位差；Pij表示支路ij的有功功率。

約束條件為：

(15)

分別表示支路ij的有功功率最小、最大值。線間潮流控制器經濟成本低，可忽略不計。

2.2.3負荷分級需求響應

圖2為負荷分級響應示意圖，調度中心可根據智能用電系統確定調峰需求量，上級調度命令逐層到達基層變電站[15-16]，再由負荷中心的數據中心控制多個負荷點按照一定次序響應負荷，實現負荷與電網的需求聯動。

圖2 分級需求響應Fig.2 Grading response requirements

由于智能調度中心的存在，本文主要考慮通過可轉移負荷實現負荷側對調峰壓力的緩解。可轉移負荷是指日常生活中可以變換使用時間的負荷，例如洗衣機、空調等，稍微調整使用時間，對系統產生的影響不大，但會影響用戶的滿意程度。因此，當需要用戶配合進行調峰時，需給用戶參與調峰進行補償。設置不同的用戶滿意度閾值，使得在根據不同滲透率匹配最優調峰策略時，也可考慮到用戶的滿意度。可轉移費用如下所示：

(16)

2.2.4儲能系統

儲能設備通過在負荷低谷時期充電、高峰時期放電來緩解電量缺失和富余情況，進而降低系統負荷峰谷差。儲能設備作為電力系統的一種優質調峰資源[17]，可以有效地平滑系統因新能源并網帶來的功率波動，合理調度儲能設施，鼓勵并優先使用儲能輔助調峰是解決調峰問題的有效途徑。最常見的電池儲能系統充放電成本函數如下：

(17)

3 光伏不同滲透率與系統調峰能力匹配

3.1 源網荷儲深度互動模型

不同于傳統單一資源的調峰方式，源網荷儲深度互動調峰方式考慮了各側資源間互補互濟的深度協同能力，再與不同的光伏滲透率匹配出最優策略，以平衡系統峰谷差。針對多因素影響的調峰資源耦合方式建模思路，本文是將一個多因素影響的能源系統抽象成如圖3所示的二端口網絡。

圖3 源網荷儲深度互動樞紐Fig.3 Deep interactive hub of source-net-load-storage

圖3中f1～fn為該樞紐的輸入，包括調峰需求、各側調峰資源技術特性、用戶滿意度等；S1～S4為調峰資源類型，其不同的組合方式即代表不同的調峰策略。源網荷儲深度互動樞紐輸入輸出關系可由如下數學模型表示。

(18)

3.2 滲透率與系統調峰能力最優匹配模型

以系統總調峰成本最低為目標函數，得出滿足源網荷儲資源特性下的最優調峰策略，從而實現光伏滲透率與系統調峰能力的最優匹配。其調峰成本函數如下：

(19)

(20)

(21)

源網荷儲多側資源協同參與調峰時，需滿足諸多約束條件，系統電力平衡條件如式(22)所示。

(22)

調峰機組約束及系統網絡約束條件如(23)—(30)所示。其中，式(23)為調峰機組的出力范圍；式(24)—(28)為機組的開停機時間及開停機次數約束。

(23)

(24)

(25)

(26)

(27)

(28)

BxΦ=P

(29)

(30)

可轉移負荷的約束條件如式(31)—(33)所示。

(31)

(32)

(33)

建湖縣水稻種植方式主要是麥后直播和機插栽插兩種形式，面積大約1：1，水稻品種主要為：淮稻5號、南粳9108、華粳5號、蘇秀867、武運粳27等，常年直播稻播種時間在6月10日前后，機插秧在6月20日左右栽插。由于種植方式、栽培品種以及氣候條件的變化，其病蟲發生表現為三個特點：

儲能系統的約束條件如(34)—(37)所示。

(34)

Soc,min≤Soc,t+1≤Soc,max

(35)

Pes,c,min≤Pcha,t≤Pes,c,max

(36)

Pes,de,min≤Pde,t≤Pes,de,max

(37)

3.3 模型的轉化與求解

3.3.1模型的轉化

本文建立的優化調度模型是復雜的混合整數二次規劃問題，而火電機組深度調峰成本為非線性約束條件，無法利用CPLEX軟件求解，故將式(10)、(11)轉化為一系列不等式約束集合，即將火電機組深度調峰成本的非線性規劃問題轉化為混合整數線性規劃(mixed integer linear programming，MILP)問題，便于模型利用MATLAB求解。其等效約束如下：

(38)

式中：z代表機組狀態變量；g、h分別為大于0的常量，保證m′=z=0,n′=z=0時第4行和第6行不等式成立。

3.3.2匹配模型求解步驟

本文研究光伏不同滲透率與電力系統調峰能力匹配的流程如圖4所示。

圖4 光伏滲透率與調峰能力的匹配流程Fig.4 Matching flowchart of photovoltaic penetration rate and peak regulation capacity

步驟1：收集光伏歷史出力數據，利用樣條插值法將缺損數據補齊，再利用FCM聚類法與高斯模擬將光伏出力的隨機性、波動性等多維特性模型化。

步驟2：設置光照序列 、滲透率序列 、調峰裕度集合。

步驟3：判斷系統是否需要調峰，是，則進行下一步。

步驟4：利用功率分布轉移因子法將式(29)轉化為線性約束條件。

步驟5：綜合考慮源網荷儲各側資源的調峰經濟技術特性，利用源網荷儲深度互動匹配模型獲得調峰策略集合。

步驟6：以系統調峰經濟性最優為目標，優化出對應光伏滲透率下的最優調峰策略，并調整光伏滲透率、系統調峰裕度。

步驟7：輸出不同調峰裕度與不同光伏滲透率下各資源出力及調峰成本。

4 算例分析

4.1 算例系統

本文以改進的某實際電網系統進行仿真分析，網架結構見本文附錄圖A1。該系統包含2個50 MW的光伏陣列；一座梯級水電站，總裝機容量為120 MW。2個容量為10 MW的儲能裝置，儲能設備相關參數見參考文獻[18]。其中調峰電廠共有2臺機組，忽略機組實際調峰能力，參照我國現有規定，設定Pb為機組額定容量Pn的30%，Pa為Pn的45%，Pmin為Pn的60%?；痣姍C組的參數源于參考文獻[19]，如表1所示。其余參數取自于參考文獻[20-21]。負荷預測采取本地同年某日的預測值，光伏預測曲線為本地2019年某典型日的光伏陣列的歷史出力數據經過FCM擬合而成，如圖5所示，改變其裝機容量即可對應不同滲透率。本文中煤價選取的是某電廠2019年入爐標煤單價577.55元/t，油價選取的是同年某市12月平均油價6 450.1元/t。

表1 火電機組參數Table 1 Parameters of thermal power units

4.2 源網荷儲深度互動分析

選取85%、95%這2種調峰裕度，CON取85，在源網荷儲各側資源深度互動下探究不同滲透率與電力系統調峰能力的最優匹配，得到在10.25%、16.12%、21.71%、28.46%、35.64%這5種滲透率、2種調峰裕度下各調峰資源參與情況，如表2所示。

圖5 本地負荷與光伏預測曲線Fig.5 Local load and PV forecast curves

由表2中資源組合參與情況可知，儲能作為一種優質的調峰資源，調峰成本較小且出力特性穩定，調用優先級高于需求響應。當滲透率較低且為10.25%時，僅由火電機組參與即可完成調峰任務。當滲透率為16.12%時，此時已經產生一定的峰谷差，在85%和95%這2種調峰裕度下，平衡系統波動已需要常規調峰機組與儲能設備兩者協同完成。當滲透率為21.71%和28.46%時，此時由于儲能設備調峰容量有限，系統的波動便需要常規調峰機組、需求響應和儲能設備協同完成。而在滲透率為35.64%時，此時光伏滲透率較大，在傳輸電能時超過了系統的網絡約束，則需要線間潮流控制器改變網架中重載線路潮流，在滿足線路約束條件后與源荷儲三側資源協同完成系統調峰任務，而傳統的利用火電機組調峰方法則可能會出現無法完成調峰任務的情況。由此可見，隨著光伏滲透率的升高，系統的波動也越來越大，需要平衡系統波動而參與的調峰資源類型也逐漸增多。

表2 不同滲透率下各資源參與情況Table 2 Resource participation under different penetration rate

4.3 不同滲透率與系統調峰能力的最優策略分析

綜合考慮源網荷儲四側調峰資源經濟特性，以系統調峰成本最小為目標函數，在經源網荷儲四側資源深度互動匹配出的調峰策略集合中，得出光伏不同滲透率與系統調峰能力的最優匹配策略，得到不同滲透率下各資源的出力情況，如表3所示。

表3 不同滲透率下各資源出力及系統總調峰成本Table 3 Each resource output and system total peak-regulating cost under different penetration rate

由表3可看出，隨著滲透率的不斷提高，源網荷儲參與調峰的資源類型逐漸增加，系統總調峰成本也隨之增加。當在滲透率較低時，系統產生的波動僅由火電機組非深度調峰即可完成，此時主要調峰費用包括燃煤成本及火電調峰機組開停機成本。當滲透率在16.12%～21.71%之間時，此時由于光伏出力而產生的部分波動已無法通過火電機組基礎調峰階段進行調節，而儲能作為優質的調峰電源，充放電價格與日前市場出清價格關聯，而需求側則會受到用戶滿意度的影響，故在此階段也需要一部分的儲能調峰成本。當滲透率達到28.46%、調峰裕度為95%時，此時的系統總調峰費用已經高達141.123萬元，此時源荷儲三側均已參與到調峰任務中，這是由于儲能側容量有限，且源端調峰機組進入不投油深度調峰階段，考慮到經濟性，則會損失一定的用戶滿意度增加需求響應成本。當光伏滲透率為35.64%時，此時系統波動導致線路阻塞，則需線間潮流控制器配合源荷儲三側共同工作，改變線路潮流以平衡系統波動。

圖6為光伏不同滲透率下、調峰裕度取85%與95%時，傳統的單一資源火電機組調峰與本文提出的源網荷儲深度互動調峰策略的系統調峰成本對比。從圖中可看出，當滲透率為10.25%與16.12%時，兩種方法的調峰成本基本相同，這是因為在低滲透率下，系統的波動大多都由火電機組平衡，此時的調峰成本都為機組煤耗成本與機組開停機成本。當滲透率大于21.71%時，參與系統調峰的資源類型逐漸增多，而并不局限于傳統的利用火電機組深度調峰完成，減少了油耗及損耗成本，因此，源網荷儲深度互動調峰方法成本逐漸低于傳統調峰方法的成本。

圖6 傳統調峰與源網荷儲最優策略成本比較Fig.6 Cost comparison between the traditional method and the optimal strategy of source-network-load-storage

圖7為在源網荷儲各側資源深度互動后，不同光伏滲透率及調峰裕度條件下各資源的調峰成本。

由圖7可知，在不同滲透率下，源端火電機組調峰成本遠大于其他兩種調峰資源的成本，這是由于火電機組的調峰容量遠大于儲能和負荷側資源的調峰容量。隨著光伏滲透率的升高，光伏出力波動性變大，一部分火電機組逐漸進入深度調峰階段，油耗及損耗也大大增加，火電機組調峰成本也隨之變大，因此需要采取增加調峰補償等手段來刺激火電機組的調峰積極性。與此同時，當α≤10.25%時，調峰成本僅為火電機組常規調峰成本，此時光伏滲透率較低，僅調用火電機組進行基礎調峰即可完成；當10.25%<α≤21.71%時，此時凈負荷波動變大，由于儲能經濟性較高且不會影響負荷滿意度，調用源儲兩側資源可完成調峰任務；當21.71%<α<28.46%時，此時高滲透率下峰谷差波動更大，為保證經濟性，故源荷儲三側資源均參與了系統調峰任務；而當α≥35.64%時，此時易造成網絡阻塞，可調用IPFC適當改變線路潮流，四側資源協同完成調峰任務?？梢钥闯?，各資源參與調峰的優先級均是以系統調峰經濟性最優為目標來確定，這與本文所建立優化模型的邏輯是相符的。

圖8為不同光伏滲透率下火電調峰機組各種損耗的成本曲線，圖8(a)為傳統單一的火電機組調峰方式，圖8(b)為本文提出的源網荷儲深度互動調峰方式。從圖8兩圖對比可以發現，兩種調峰策略下的機組開停機成本并沒有太大變化，油耗與機組損耗則發生了較大變化。這是由于火電機組的開停機成本較高，當滲透率較高時，火電機組可進入不投油深度調峰階段、投油深度調峰階段，減少機組的開停機次數。同時，由于調峰資源容量增多，在不同滲透率下源網荷儲深度互動方式的經濟性則更優。

圖8 不同光伏滲透率下調峰機組損耗成本Fig.8 Loss cost of peak-regulating units under different penetration rate

圖9為不同光伏滲透率區間源網荷儲深度互動調峰策略中調峰資源的組合情況。隨著光伏滲透率逐漸升高，根據經濟性目標求得的最優調峰策略中資源的種類也越來越多?？梢?，隨著光伏滲透率的升高，系統的調峰容量需求也逐漸增大。

圖9 不同光伏滲透率下的調峰策略Fig.9 Peak regulation strategies under different penetration rate

5 結 論

本文基于光伏大規模并網的背景，綜合分析了源網荷儲四側調峰資源間的互補互濟能力，利用源網荷儲深度互動實現了不同光伏滲透率與系統調峰能力的匹配。本文研究表明：

1)隨著光伏滲透率的增大，系統的調峰壓力也隨之升高，通過源網荷儲深度互動，能夠充分利用調峰資源減小系統調峰壓力，提高系統供電可靠性。

2)在不同的光伏滲透率下設置系統調峰裕度，根據源網荷儲各側資源調峰特性得出對應光伏滲透率下的最優調峰策略，實現光伏滲透率與電力系統調峰能力的匹配。

3)在不同滲透率與調峰裕度下，調峰容量的增加減緩了火電機組進入深度調峰的時段，系統及火電機組調峰成本對應減少。故伴隨新能源并網規模變大，可適當增加系統調峰容量提高系統調峰能力。

本文提出的源網荷儲深度互動調峰策略，可在未來新能源大規模并網下為解決因新能源多維時空特性而造成的系統調峰需求問題提供參考，對提高和穩定系統調峰需求具有重要意義。在電力市場環境下，基于市場資源配置與系統調峰能力匹配從而提高新能源消納將是下一步研究方向。