大數據下分布式風電光伏儲能容量配置方法

饒成成

（廣東電網有限責任公司機巡管理中心，廣東廣州 510000）

風電系統具有間歇性、波動性的輸出特性，嚴重影響了電力系統的安全穩定運行[1]。現階段，光伏儲能系統的容量配置方法是實際儲能工程建設中的重要研究方向，許多學者都在相關領域作出研究，針對大型分布式風電光伏儲能系統調峰負荷瓶頸問題，提出了容量優化配置方法。霍現旭等人[2]提出采用上層優化微網經濟運行，下層優化儲電、儲熱容量配比，實現不同儲能形式下微網的成本最小化運行；孫秀娟等人[3]引入多類型需求響應模型，構建以總成本和光伏消納率為目標函數的儲能容量優化配置模型，實現了光伏發電的合理配置儲能容量；唐夏菲等人[4]提出以儲能成本最小為目標函數，建立風電場自建儲能與租賃云儲能容量最優配置模型，實現云儲能與自建儲能的合理配置。但以上研究主要針對一種情景下的儲能容量配置問題進行分析，很少涉及多個情景同時進行的情況。為此，提出了一種大數據下分布式風電光伏儲能容量配置方法。儲能容量配置系統應在保持波動性不變的前提下，接受棄風。

1 分布式風電光伏儲能損耗分析

微網絡儲能系統需要整流器和逆變器的支持，以保證儲能系統能夠準確、有效地調節系統需求[5-7]。儲能裝置的控制主要通過變頻器來實現，這種變頻器是用來調節蓄電池充放電的。蓄能器放電時，變頻器處于休息狀態；蓄能器在充電時，變頻器處于工作狀態[8]。分布式風電光伏儲能的實際使用壽命主要取決于儲能充放電循環次數，儲能周期作為一個充放電循環，一旦啟動，所儲存的能量將全部釋放，然后開始新一輪充放電，分布式風電光伏充、放電功率損耗如式（1）所示：

式（1）中，t表示時間；表示分布式風電光伏放電功率損耗；表示分布式風電光伏充電功率損耗[9]。

根據分布式風電光伏充、放電功率損耗，分析電力側效益，主要是為了在實際應用中降低備用容量投資和建設費用，使不同變電所的負荷在不同時段產生移峰效應，可充分利用峰谷電價差獲取利潤，分布在夜間的風電發電負荷和價格較低，用儲能控制對電能進行充電和儲存[10-11]。日間負荷大，電價高，儲能控制系統可在日間釋放儲能，實現了利用峰谷差獲取利潤的目的，從而完成了大規模儲能系統中移峰填谷的分析[12]。利用這種現象，研究分布式風電在大數據條件下的光伏儲能容量配置。

2 分布式風電光伏儲能容量配置

2.1 儲能裝置能量狀態調整

為了實現風電并網的經濟性和可靠性，在實際調度運行中，應允許風電機組和儲能混合系統的功率在規定的目標值范圍內波動[13]。從經濟性和可靠性兩個方面考慮，風電光伏發電和儲能的發電效率可在一定范圍內波動[14]。在風電光伏機組的輸出功率大于給定目標值的情況下，儲存剩余的風力。在風電光伏領域，當輸出功率小于給定目標時，儲能釋放的能量不足以進行補償[15]。

設分布式風電光伏儲能裝置的充放電功率為Es,t，表達式為：

式（2）中，Ew,t表示分布式風電光伏充放電損耗功率；Ed表示分布式風電光伏出力功率。分布式風電光伏儲能裝置的充放電功率受到其額定功率和充電狀態的限制，應有效地管理能級能量存儲設備，實時調整其能量狀態，以確保其始終在安全范圍內運行，以避免能量存儲設備過放電，從而延長其使用壽命。

設定4個臨界點，把儲能裝置的能量狀態分成3個分區，即非工作區間、工作區間和警戒工作區間，如圖1 所示。

圖1 儲能裝置能量狀態分區

由圖1 可知，早期預警工作范圍表明，儲能設備很容易從這一區域進入損耗或飽和狀態，因此，必須長時間避免在這一能量范圍內運行[16]。在蓄能器充電狀態處于正常工作區域時，根據分布式風電光伏場出力和目標電量的差異確定其充放電功率。儲能裝置充電狀態在警戒工作區間1 時，應采取棄風措施，防止儲能裝置超調；儲能裝置充電狀態處于警戒工作區間2 時，設置放電限位，引導儲能裝置降低放電功率，使儲能裝置的壽命損失接近其極限。

設計放電懲罰遵循原則：儲能裝置的剩余容量較大時，懲罰因子較大；反之，儲能裝置剩余能量較小時，懲罰因子較小。設5 個區域的放電懲罰系數為a1～a5，由式（3）擬合得到的放電懲罰結果：

將所設計的放電懲罰系數計入目標函數中，使得分布式風電光伏儲能裝置在剩余較少能量時，盡量減少放電。

2.2 分布式儲能布局和容量配置建模

通過調整儲能裝置能量狀態，計算放電懲罰結果，以此為基礎，盡量減少放電。在該情況下，確定f1和f2兩個充放電目標函數指數，結合分布式風電光伏負荷偏差量最小目標，對分布式儲能布局，目標函數表達式如下：

在儲能總體布局中，通過改變權值調整調峰充谷和抑制波動性的重點，以滿足不同儲能應用的需要。圖2 中顯示了儲能系統跨時間尺度的總體布局，對分層儲能的研究主要集中在削峰填谷、平滑功率波動、改善電能質量等方面。

圖2 跨時間尺度儲能統籌布局

由圖2 可知，針對儲能系統分層時間尺度、應用方式及儲能類型等特點，建立了具有不同時間尺度的布局評價指標體系，該方法可作為分層儲能系統選址、容量等的目標函數和結果評價驗證指標，有效地解決了不同類型單一時間尺度規劃不兼容的問題。

2.3 儲能容量配置流程設計

充分考慮跨時間尺度儲能統籌布局不確定性因素，使用大數據分析方法求解目標函數。大數據分析方法在求解迭代過程中儲能容量更新公式如下所示：

儲能容量配置流程如圖3 所示。

圖3 儲能容量配置流程

由圖3 可知，針對層次式儲能的位置問題，需在最大負荷點處安裝集中式儲能，分布式儲能是指將分布式發電安排在最近的位置，能達到很好的調峰和谷底填充效果，有效平滑凈負荷功率的波動。通過儲能容量配置流程，完成大數據下分布式風電光伏儲能容量配置。

3 實 驗

以華東地區風電光伏為例，對大數據下分布式風電光伏儲能容量配置合理性進行實驗驗證分析。

3.1 實驗項目

華東電網氣候溫和，四季分明，全年負荷呈“雙峰雙谷”特征。夏季和冬季用電高峰出現在夏季的7、8月份和12、1月，春、秋兩季用電量較低，一般在4月、10 月。以夏天典型的負荷日為例，如圖4 所示。

圖4 華東電網2018年運行工況

華東各地并網和新增風電光伏容量如表1所示。

表1 華東各地并網和新增風電光伏容量

3.2 實驗結果與分析

分別使用文獻[2]大型蓄電池儲能系統容量配置、文獻[3]通過非參數估計和曲線擬合儲能容量配置、文中大數據下儲能容量配置方法，分析在不同場景的儲能容量大小，如圖5 所示。

圖5 不同配置方法儲能容量大小對比分析

由圖5可知，在大霧天氣下，使用文獻[2]方法在供電充裕度達到最大值1.0 時，儲能容量達到38 MW，與預期配置30 MW 相比，多了8 MW；使用文獻[3]方法在供電充裕度達到最大值1.0 時，與預期配置的30 MW 一致，但最初的儲能容量比預期配置低8 MW；使用文中方法，儲能容量與預期配置結果一致。在大雨天氣下，使用文獻[2]方法在供電充裕度達到最大值1.0時，儲能容量達到45 MW，與預期配置38 MW相比，多了7 MW；使用文獻[3]方法在供電充裕度達到最大值1.0 時，比預期配置38 MW 少了3 MW；使用文中方法，儲能容量與預期配置結果一致。在雷暴天氣下，使用文獻[2]方法在供電充裕度達到最大值1.0 時，儲能容量與文獻[3]方法一致，都為38 MW；使用文中方法，儲能容量與預期配置結果一致。

4 結束語

大數據下分布式風電光伏儲能容量配置通過將廣泛分布的終端用戶儲能設備匯集到分布式風電光伏儲能中，實現電網與用戶的雙向交互，當總容量不變時，可降低高功率儲能系統的應用容量，從而降低建設成本，增加輔助服務的收益。

雖然從解決配電網安全問題的角度考慮儲能設備的選址和容量分配，但是忽略了儲能建設成本對容量配置的影響，成本是制約儲能系統在實際應用中大規模推廣的主要因素，也是今后研究工作需要綜合考慮的重點。