基于供需彈性和儲能的風能優化調度方法研究

謝忠華，葉儼毅，劉 俊，楊 猛，肖坤軍

(1.江西電力交易中心有限公司，江西 南昌 330000； 2.四川中電啟明星信息技術有限公司，四川 成都 610000)

近年來，隨著新能源的不斷發展，可再生能源在電力系統中的占比逐漸增加，能源結構發生了前所未有的重大變化，此時新能源的定量評估和優化配置至關重要，開展能源系統彈性規劃方面的研究具有重要意義[1-4]。

針對新能源電力系統中發電端的波動性和不確定性以及用電端的隨機性，研究人員提出了彈性能源控制(或柔性能源控制、靈活性能源控制)方法，其核心是結合新能源的發電端和儲能裝置實現能源供給和需求的彈性平衡，促進新能源利用率的提升[5-6]。其中發電端彈性調控即火力發電、水力發電、風力發電、光伏發電等電源輸出的彈性調節；儲能裝置調控則是通過利用儲能設備的能量存儲和釋放特性為電力供需提供動態平衡，從而提升電力系統對于新能源波動性和隨機性的適應能力，增加新能源利用效率，進一步確保電網的安全和穩定運行[7-9]?？梢姀椥阅茉纯刂频暮诵?，①保證電力生產的彈性；②針對新能源的波動性進行合理的能源存儲[10-13]。然而目前針對這2個問題的聯合調控和協調還缺乏相關研究。

為此，本文針對新能源系統彈性調控的要求，從電源端、負荷端和供需余量的角度出發，建立了新能源彈性調控模型。該模型考慮了彈性供需分布的不確定性，建立了一套彈性指標體系和供需概率模型，實現了對系統彈性的定量評估，并且以系統運行成本最小和風電消納最大為優化目標，分析了不同彈性指標下的最優調控參數。研究結果表明本文的方法可實現高比例的可再生能源并網，提升新能源消納量。

1 數學模型

實際工況中新能源電力系統的電源與負荷都具有波動性，此時對發電端和儲能系統的建模調控，通常從概率的理論出發進行分析研究。具體方法是用特定的分布函數來描述電源端的電力產能和負荷端的電力需求，將這二者以隨機變量的形式引入到模型中。

1.1 電源端發電模型

本文建立的模型以1 d內的電力調控為研究對象，在該時間周期之內，電源端的電力生產取決于發電機的運行狀態，此時可引入一個隨機變量x來描述電源端的電力生產。此時可用式(1)、式(2)來計算發電機的電力生產與輸出功率之間的關系：

(1)

(2)

CIA模型制備成功大鼠隨機分為3組:模型組、丹溪痛風膠囊低劑量組和丹溪痛風膠囊高劑量組,另選取正常大鼠作為對照,每組8只。采用灌胃進行治療,丹溪痛風膠囊低劑量和高劑量組給藥劑量分別為3.2g/kg和6.4g/kg;正常組和模型組均給予等容積的生理鹽水。各組大鼠連續給藥28d。

1.2 新能源負荷模型

2018年9月22日，朱易進入了中國國家集訓隊，這對于緊缺人才的中國花滑隊來說，無遺是個“爆炸性”的好消息。讓朱易頗感驚喜的是，她的新任主教練，正是自己的偶像——“冰上蝴蝶”陳露！

(3)

由圖4可知，系統向上和向下的供需余量在正軸上分布更多，表明系統在此期間各能夠滿足彈性運行要求。系統彈性評價指標數值見表2。

1.3 供需余量模型

式中，Xi為電力供應量；Yi為電力需求量；R和D分別為電力生產和需求的集合；ε為判別新能源系統具有足夠彈性和閾值。

(4)

通常新能源電力生產和負荷需求并不會完全相同，而是處于一個動態平衡的狀態，此時新能源彈性供電x和需求y之間數值的差異，即是新能源系統的供需余量z，本文采用z<0時的概率衡量新能源系統是否具有良好的供需彈性，其計算見式(4)：

其中，式(5)表示新能源系統運行成本，主要有建設成本、運行成本和折舊成本；式(6)表示風力利用率，實際工況中受到儲能設備容量、線路傳輸功率等因素的影響，風力資源并不能完全得到利用。

minFc=min(Ccon+Cop+Crc)

新能源系統所具有的發電波動性和隨機性，是發電和用電端急需彈性調控的主要原因。以風力發電為例，進行風力發電和負荷的彈性調控時，調控參數的計算取決于風力資源的具體分布、時間周期和負荷狀態。引入隨機變量y描述負荷側的不確定性，通過式(3)計算負荷端的狀態：

(5)

(6)

本文選取的優化目標有新能源成本最低以及風力利用率最大，分別采用式(5)和(6)表示：

2 案例分析

本文以24 h內的供需平衡為研究目標，進行彈性供需平衡的分析，基于長三角地區某大型工業園區的實際運行數據，進行能源優化協調分析。各類機組的調峰能力數值(機組調峰輸出與機組容量之比)見表1，其中最大負荷為3 990 kW，最小負荷為3 190 kW，新能源裝機容量為2 100 kW，新能源裝機容量約占高峰負荷的62.5%。

New Scheme and Energy Saving Analysis of Flue Gas White Fog Treatment in Thermal Power Plant LI Weike(50)

表1 案例機組參數

基于模型計算得到24 h內各機組輸出的累積概率分布，以采暖期為例，火電機組和熱電聯產機組出力的累積概率分布曲線如圖1所示。由圖1可知，熱電聯產機組和火電機組的輸出截然不同，其中熱電聯產機組輸出更集中，火電機組輸出更分散。為了降低火電產量為新能源提供足夠的消納空間，新能源機組實際出力與系統實際可接受出力的概率分布如圖2所示。

圖1 火電、熱電聯出力水平

圖2 新能源機組出力和消納水平

如圖2所示，取2條概率曲線面積之差，再與時間做乘積，即可得到新能源的功率極限，新能源的輸出在一次能源的輸入發生變化時，功率極限也將變化，此時輸出電壓和負載電壓嚴重不匹配時降造成功率限制。從這一原理出發，可以計算出系統彈性供需的概率分布，計算結果如圖3所示。

抽選我院收治的26例血管瘤患者為研究對象,其中男性患者10例,女性患者16例,年齡24~53歲,平均年齡(37.4±2.3)歲。

圖3 采暖期供需彈性

由圖3可知，由于要保證熱負荷機組的調峰范圍有限，供需余量集中在負半軸上，表明此時系統彈性不足。非采暖期的計算結果如圖4所示。

式中，L為負荷水平；Lmax為24 h內可能出現的最大負荷水平；Lmin為24 h內可能出現的最小負荷水平；計算時采用的時間周期為24 h，通過模型分析新能源的合理調峰。

圖4 非采暖期供需彈性

表2 彈性指標的數值

從表2可以看出，無論在采暖期還是非采暖期，系統彈性提高、非彈性期望值降低。此時隨著彈性儲備的增加負荷損失的可能性較小，彈性不足就會集中在各個時間段內。因此在供暖期這種向下的調控，將會導致供應不足的情況尤為明顯。此時新能源利用率很可能會被削減，采暖期的供需矛盾尤為明顯。為此針對不同調節方式的彈性供給能力進行定量分析，討論供暖期儲能側和負荷側調控對發電端的影響。以儲能設備和電熱設備為研究對象，假設將2類設備投入到容量相同的5 200 kW系統中運行。針對采暖期間系統彈性不足的問題，從儲能和負荷兩方面引入不同的調控方法進行改進，將結果與原火電機組的調控結果相對比，結果如圖5所示。

NORDAC FLEX變頻器（最高22 kW）集成了PLC和POSICON定位控制功能。其集成的PLC減少了更高級別控制負載，并實現了自動化模塊概念，還能處理來自連接的傳感器和執行器的數據，如有需要，還可直接啟動順序控制。安裝在電機上的NORDAC FLEX變頻器可從批量1開始進行模塊化擴展，并提供多種功能安全選項。

(3)檢驗判斷矩陣的隨機一致性比例RC是否滿足RC<0.1，若滿足則通過一致性檢驗。RC=IC/IR，且IC=(λ1j-n)/(n-1)，其中，IC為一致性檢驗指標，IR為平均隨機一致性指標，n為判斷矩陣的階數。

圖5 不同彈性調控方法得到的結果

由圖5可以看出，不同的彈性調控方法對系統供需余量有不同的影響，系統供需余量的概率分布不僅形態發生改變，而且在水平方向上有不同程度的平移。其中儲能設備對系統彈性的提高貢獻最為明顯。各種調控方法的具體調控能力見表3。

例如，學生筆記時對“組成蛋白質的元素”在理解“氨基酸”的概念以及“氨基酸如何形成蛋白質”后可省略；對“線粒體、葉綠體基質中含有的特殊成分與結構——DNA、 RNA和核糖體”在學習了“原核生物與內共生起源學說”后可省略，因為前者均可由后者推知。當然這需要教師對課程內容的重構。因此，學生筆記更多的是對課程內容的選擇與對課程內容是否理解的認知。

表3 各種調控方法的調控能力

由表3可知，任何彈性調控方法都不能完全彌補彈性不足問題，不同類型彈性調控成本各不相同，其中火電調控最大，其次是熱電聯裝置，儲能設備最小。因此為了確保系統具有足夠的彈性，需要充分利用儲能設備。通過定量比較3種彈性調控方法的具體調控水平，以不同類型彈性供給成本作為評判標準，引入凈收益增量比最大的思想，同時維持調控成本最低的原則，進行優化模型迭代求解，以確定最優調控方法。調控時將資源配置能力作為耦合變量進行調控，滿足功率平衡約束和靈活性平衡約束的條件下，將求解過程分為2個階段：①基于現有輸出信息，給出初始調控成本；②以初始成本作為迭代的起始點，結合彈性評價指標，進行迭代計算，得到最優調控方案。

計算時將各類彈性調控總容量設置為20 000 kW，以200 kW為搜索步長，計算得到彈性供給的最優解軌跡，在最優彈性協調規劃方案下系統投資、凈收入和彈性指標之間的對應關系如圖6所示。

圖6 最優彈性調控結果

通過比較凈收入曲線和彈性變化曲線，可以確定不同彈性閾值下系統的最優彈性調控方案。例如以0.045作為系統彈性閾值時，對應的彈性投資能力為7 500 kW，此時最優彈性供給能力為8 000 kW；如果使用0.02作為系統彈性閾值，對應的彈性配置能力則大于12 500 kW，結合此時凈收入的變化趨勢，即可確定最優配置能力為12 500 kW。不同彈性閾值下調控配置方案見表4。

表4 不同彈性閾值下的調控方案

由表4可知，不同調控方法在不同的彈性閾值下具有不同的規劃效益，其中火電機組的最優調峰容量對閾值變化不太敏感。在低彈性閾值下，可見最優儲能容量較低，即較少的儲能投資就可以滿足系統彈性調控要求；隨著彈性閾值的增加，儲能最優容量會增加；當閾值小于0.045時需要增加儲能；當小于0.024時需要增加儲能；當閾值高于0.045時，系統可以通過熱電機組調峰和儲能設備來滿足彈性需求。此時得到的風電消納帕累托最優解分布情況如圖7所示。

圖7 帕累托最優解集分布情況

根據圖7可知，按照該工業園區的實際能源消費和生產情況，風電消納量在2 MW以內其成本都沒有明顯變化，3～6 MW內成本逐漸抬升，當風電消納量大于6 MW時成本將急劇增長，表明該新能源配置方式下風電消納在6 MW范圍內均是經濟可行的。

西起第九行（對照）：羊糞肥200 kg、尿素4 kg、復合肥14 kg，尿素2.5 kg、復合肥2.2 kg。

3 結論

針對新能源電力系統的能源消耗和存儲配置問題，本文從系統的供需平衡特性出發，以系統中多種能源的綜合運行成本最低和風能消耗最大化作為儲能容量配置的優化目標，建立了彈性儲能優化模型。通過仿真研究了影風電系統經濟運行和風能消耗2個主要因素。計算實例顯示了優化配置方式對提高當前風電消耗水平的作用，以及對提高綜合能源系統綜合運行成本和整體靈活性的貢獻，驗證了本文方法的有效性。