顧文侃,徐琳瑋,周廉鈞
(上海市電力公司浦東供電公司,上海 200125)
隨著全球能源結構的轉型和可再生能源的快速發展,雙碳能源時代已成為全球能源發展的新趨勢。在這一時代背景下,電力系統調度面臨著更為復雜的挑戰和變化。由于可再生能源的波動性和不確定性,電力系統的功率平衡和穩定性受到前所未有的挑戰。
在雙碳能源時代,即“碳達峰”與“碳中和”目標下,電力系統構成經歷深刻的變革,主要表現在更大規模地融合可再生能源,尤其作為主要電力來源的太陽能和風能,如圖1 所示。分布式微電網起至關重要的作用,允許小規模的電源近距離輸送電能,從而減少輸電損耗,并通過智能調度實現電力資源的高效利用。儲能技術不僅可以用于應對可再生能源的間歇性,還可以在高峰時段釋放電能以確保供電穩定。與此同時,綜合能源服務在這一架構中也占據重要地位,實現多種能源的有機結合與協同工作,滿足用戶對于電力、熱力以及燃氣的綜合需求。而智能電表和先進的電網管理系統為這一復雜的系統提供數據支撐與實時調度能力,確保系統在最優狀態下運行。這一構成不僅標志著電力系統從傳統化石能源向可再生能源的轉型,也意味著從中央集中式供電向分布式供電的轉變,為雙碳目標的實現提供堅實的技術基礎[1]。

圖1 雙碳能源時代下的電力系統構成
常見的儲能技術主要包括電化學儲能、電磁儲能以及熱-電儲能等。其中,電化學儲能主要是通過電化學反應來儲存電能,并在需要時將電化學能轉換為電能。這類儲能技術的代表是各類二次電池,如鉛酸電池、鎳氫電池、鋰離子電池等。此外,燃料電池和超級電容器也是電化學儲能的重要形式。電磁儲能技術的主要形式為超導磁儲能,利用超導線圈產生的強磁場來存儲能量。當需要釋放電能時,將磁能轉換回電能。由于超導狀態下的電阻為零,能量損失非常小。熱-電儲能主要是利用熱電偶效應,將多余的電能轉化為熱能儲存,之后再通過熱電偶將熱能轉換回電能[2]。
電化學儲能、電磁儲能以及熱-電儲能3 類主要儲能技術的關鍵特性如表1 所示。

表1 不同儲能技術的特性比較
由表1 可知,儲能技術具有各自獨特的特性和應用范圍。電化學儲能技術具有中至高的儲能容量,其效率范圍為80%~95%,使用壽命為5 ~20 年,成本則為500 ~5 000 元/(kW·h),滿足長周期、大規模的儲能需求。電磁儲能技術的儲能容量為低至中,但其最大的特點是具有極高的效率,達到95%~99%。此外,其使用壽命也相對穩定,為10 ~15 年,成本介于1 000 ~5 000 元/(kW·h),主要適用于短時應用和高頻響應場景。而熱-電儲能技術的儲能容量為中等,效率介于60%~80%,使用壽命為10~20年,成本則為300~2 000元/(kW·h),更適用于與熱能應用相結合的場景,如余熱回收和季節性儲能。各儲能技術都有其優勢和局限性,適合不同的應用場景,這也決定其在未來能源系統中的應用前景和市場份額。
儲能技術的調度策略包括如何有效地分配和利用儲能資源,以實現電力系統的經濟性、安全性以及可靠性。首先,儲能設備可以通過削峰填谷的方式,平滑電網負荷波動和可再生能源的不穩定輸出,減少對電力設備的磨損與老化,提高電力系統的整體效率。其次,儲能設備可以在電力系統的頻率和電壓控制中發揮作用,通過快速響應和調節,幫助維護電力系統的穩定運行。最后,儲能設備還可以作為備用電源,在電力系統故障或者其他突發事件時,提供臨時的電力供應,增強電力系統的韌性。這些調度策略在實踐中的運用可以大幅提高電力系統的運行效率和穩定性,降低系統運行成本,提升電力供應的可靠性。
以某風電場的平滑可再生能源輸出建設實踐為例,該風電場有一個總容量為50 MW 的電化學儲能系統。在一個典型的風速變化日,風電場的功率輸出在-20 ~+20 MW 波動。在沒有儲能系統的情況下,這種大幅度的波動會給電網帶來很大壓力,甚至可能導致電網頻率的異常。然而,有電化學儲能系統的幫助,當風電功率上升時,儲能系統可以吸收多余的電能;當風電功率下降時,儲能系統可以釋放電能,從而平滑風電的輸出。通過實際運行數據分析,儲能系統的運用成功減少風電功率波動的80%,顯著提高電網的穩定性。
某電網公司為提高電力系統的靈活性,在某地區部署以鋰電池為核心的電化學儲能系統。系統的總容量為100 MW·h,設計用于吸收夜間電網中的剩余電力,并在早晚高峰期間釋放電能,從而減輕高峰期間電網的負擔。實際運行數據表明,該儲能系統的使用實現削峰填谷,提高電力系統的靈活性。峰谷電價差可以為電網公司帶來良好的經濟效益[3]。
在某地區,電力系統因為大規模并網的風電和光伏電源,導致電網頻率和電壓穩定性受到嚴重挑戰。為此,該地電力公司投入并運行一套總容量為200 MW·h 的電化學儲能系統。該系統可根據電網的實時狀態,進行快速的有功和無功調節,以維持電網的電壓和頻率穩定。在并網的第一年,系統成功抑制30 次嚴重的電壓暫降和10 次頻率偏離,有效提高電網的穩定性和安全性。
基于雙碳目標的電力系統儲能調度優化模型是一種針對實現電力系統碳排放最小化和運行成本最低化的優化模型。該模型的主要目標是以最優的方式進行儲能系統的運行調度,從而在滿足電力系統運行安全性和穩定性的前提下,實現碳排放的減少與運行成本的降低。
具體來說,優化模型的目標函數是碳排放量ECO2和運行成本Crun的加權和,以此反映雙碳目標的要求,可以表示為
式中:ω1和ω2為權重系數,表示碳排放和運行成本在整體目標中的相對重要性。
這樣的設計充分反映了雙碳目標的要求,而優化的決策變量主要包括儲能系統的充電功率Pcharge和放電功率Pdischarge[4]。建立基于雙碳目標的電力系統儲能調度優化模型主要流程如圖2 所示。

圖2 基于雙碳目標的電力系統儲能調度優化模型建立流程
第一步,確定優化目標,即最小化Fopt。第二步,建立約束條件。約束條件包括電力系統的功率平衡約束、儲能系統的充放電約束以及電力系統的安全穩定約束等。第三步,結合優化目標與約束條件,構建數學模型。第四步,使用優化算法,如線性規劃、遺傳算法等,對模型進行求解,得到最優的儲能調度策略。第五步,分析優化結果,并基于這些結果為電力系統的儲能調度制定合理的策略。
電力系統的功率平衡約束為
式中:Pload為需求功率;Pgen為供給功率。
儲能系統的充放電約束為
儲能系統的運行策略優化是一個關鍵的環節,涉及到如何根據電力系統的運行狀況和市場價格等信息,制定出合理的儲能充放電策略,以實現系統效益的最大化。在制定儲能系統的運行策略時,需要考慮的主要因素包括電力市場價格、電網負荷狀況、可再生能源出力以及儲能系統自身的技術特性等。在這些因素的影響下,儲能系統的運行策略需要進行動態的調整。
為實現儲能系統的運行策略優化,可以構建一個多期決策的優化模型。在這個模型中,優化目標是最大化儲能系統的收益,而決策變量則是每個時段的充電和放電決策。約束條件包括儲能系統的技術約束(如充放電功率、儲能容量等)、電網運行約束(如功率平衡、安全穩定等)以及市場運行約束(如市場價格、交易規則等)[5]。對于這種優化模型,可以采用動態規劃、強化學習等方法進行求解。通過優化算法,可以得到最優的儲能運行策略,有效提高儲能系統的運行效益,同時支持電力系統實現雙碳目標。
人工智能(Artificial Intelligence,AI)、大數據、機器學習等先進技術已在電力系統中得到廣泛應用,它們為儲能系統的優化策略提供新的可能性。
首先,人工智能和機器學習可以用于預測電力市場的價格、電網負荷、可再生能源的出力等關鍵因素。通過對大量歷史數據的學習,AI 和機器學習算法可以建立精確的預測模型,為儲能系統的調度決策提供準確的輸入信息。其次,人工智能和機器學習還可以直接應用于儲能系統的優化決策。例如,深度強化學習(Deep Reinforcement Learning,DRL)算法可以處理具有復雜約束和高維決策空間的優化問題,適合于解決儲能系統的運行策略優化問題。最后,大數據技術可以處理和分析電力系統的海量數據,挖掘其中的關鍵信息和知識,為儲能系統的優化運行提供支持。
在實際應用中,這些先進技術可以與傳統的優化算法相結合,形成混合智能優化策略,以實現電力系統儲能的高效優化運行。這將對電力系統的穩定運行和雙碳目標的實現產生積極影響。
在雙碳能源時代,大規模集成可再生能源成為電力系統發展的重要趨勢,而儲能技術的應用顯著提升電力系統調度的靈活性和穩定性,為實現電力系統的綠色、低碳、高效運行提供有效的支持。針對雙碳能源時代的電力系統特性,詳細研究各類儲能技術的性質和應用策略,并提出基于雙碳目標的儲能調度優化模型、儲能系統的運行策略優化以及基于先進技術的儲能優化策略,為電力系統儲能的有效應用與優化調度提供理論依據和技術路徑。