利用電化學儲能追蹤風電預測曲線的風儲聯合調度經濟性分析

徐偉航，楊茂，孫莉

（1.現代電力系統仿真控制與綠色電能新技術教育部重點實驗室（東北電力大學），吉林 吉林 132012；2.國家電網長春供電公司，長春 130021）

0 引言

近年來，全球大部分國家都面臨著化石能源短缺的困境，因而清潔能源的發展倍受關注，其中風能憑借來源廣、成本低、環境友好的優勢得到高速發展。但是，風資源嚴重的波動性和隨機性，決定了風電功率強烈的不穩定性［1-3］。這一特性嚴重限制了風電的大規模并網，是電力系統穩定運行和風電場經濟運行的最大障礙。預測風電功率是降低風電的波動性和不確定性帶來的負面影響的最為有效的方法［2-6］，精準的風電功率預測不僅是制定風電發電計劃的基礎，而且是提高風電利用率，促進風電大規模并網的有力措施。受限于風電功率預測的精度，越來越多的風電場都會配備儲能系統，以彌補風電預測誤差同時提高風電利用率［7-8］。

因為風電的不確定性和波動性，跟蹤風電出力調度模式需要配置大容量的功率型儲能系統，但受制于儲能建設成本，大容量儲能不利于系統整體經濟性［9-12］。因此，目前國內外對利用風電場配備儲能系統研究主要集中在平抑風電功率，但是對于利用儲能系統追蹤風電預測曲線調度模式的研究較少。文獻［13-14］建立的儲能容量優化模型，綜合考慮了棄風量和儲能系統損失電量，以風儲電站成本最小為目標函數，但在計算儲能投入成本時忽略了風電預測誤差補償度的影響。文獻［15］提出了利用電化學儲能系統平抑風電波動的運行控制策略，降低了因風電波動性引起的系統調峰壓力，提高了風電利用率。文獻［16］提出在風電場配備大型電化學儲能系統，通過雙閉環控制策略，對有功功率進行平滑。但是文獻［15-16］只考慮通過增設儲能系統增加風電利用率，并未考慮到配置儲能系統容量的經濟性。文獻［17］以風儲聯合發電收益最大化為目標，建立了風儲聯合發電系統模型，將全年的風電功率預測曲線設置為調度曲線分析系統運行的經濟性，但是風電場實際出力曲線與預測曲線差異較大。文獻［18］將風電功率中的高頻部分進行過濾，通過控制濾波常數控制儲能系統補償風電功率高頻部分，但是并未考慮儲能系統的經濟性。

上述文獻均為風儲聯合調度模型，但是在各自的模型中均未考慮到風電場增設儲能系統后風電預測精度變化對風儲聯合調度經濟性的影響。為了解決上述問題，本文通過引入風電功率預測誤差懲罰成本反應預測精度變化對于儲能系統跟蹤效果和風儲聯合調度經濟性的影響，構建綜合考慮經濟性和風電不確定性的風儲聯合調度策略。

1 儲能全壽命周期成本

為使風電場實際功率出力追蹤預測曲線，需要在風電場增設儲能系統，因此不可避免地要增加儲能系統的投資成本，同時儲能系統的主體投資屬于一次性投資［19-20］，需要轉化為全壽命周期下的成本［21-22］。本文采用電化學儲能系統，儲能系統全壽命周期總成本Csum由初始投資成本Civ、年運行維護成本Com、更換成本CR、充電成本Cc、電站殘值Crec共同構成。

1.1 初始投資成本

儲能系統初始投資成本占總成本的主要部分，包括在設計、建造、施工等過程中所產生的總費用［10］。根據儲能系統的特點可分為容量成本Cive和功率成本Civp，即：

容量成本Cive指儲能系統與容量有關的建造和人工成本，如電化學儲能中的電池集裝箱、電池等的原材料費用和安裝費用，用單位儲能容量成本Ce和儲能容量We計算，如式（2）所示。

功率成本Civp指儲能系統與功率相關的建造和人工成本，如電化學儲能中的變壓器、變流器等，用單位功率成本Cp和裝機容量Qp計算，如式（3）所示。

1.2 年運行維護成本

年運行維護成指在儲能系統壽命周期內，為保證其安全穩定的運行進行維護所產生的材料、人工等成本，與儲能系統的初始投資有關，通過運行維護系數計算，計算公式為：

式中：Com為儲能系統年運行維護費用；μ為運行維護系數。

1.3 更換成本

本文使用電化學儲能系統，由于在運行過程中蓄電池性能會逐漸衰減直至報廢，此時需更換電池，每次更換所產生的設備和人工費用即為更換成本，計算公式如下。

式中：CR為儲能電站單次更換電池成本；α為儲能電池成本的年均下降比例；k為儲能電站設計運行壽命內儲能電池更換系數；n為儲能電池壽命，即電池循環次數。

1.4 充電成本

在儲能系統服役的過程中，有時需要從電網或者新能源電站充電，由此產生的費用即為充電成本。

式中：Cc為充電成本；Uc為充電單價，萬元/MWh，與儲能系統應用場景和電價有關；Qc為單次充電電量；Ny為年均充電次數；r為折現率；N為儲能電站設計服務年限；i為儲能電站已運行年限。

式中：θDoD為放電深度；η為充放電效率。

1.5 電站殘值

儲能系統在服役結束后需要進行回收，除去處置設備的人工等成本后的剩余價值即為電站殘值。不同種類電池差別較大，鉛蓄電池和全釩液流電池回收價值較高，約為20%～40%；電極中含有貴金屬的三元鋰電池，回收價值約為10%～18%。除了儲能電池外，儲能系統的功率轉換部件仍具有回收價值，因此，電化學儲能的殘值系數介于3%～40%，具體值視儲能類型而定。

式中：λrec為儲能電站殘值系數；Crec為回收價值。

1.6 全壽命周期總成本

本文從儲能系統的建設、運行、維護、回收4個方面進行分析，考慮各環節的儲能成本構建全壽命周期儲能總成本計算模型，計算公式如下。

式中：Csum為儲能系統服役期內總成本；N為儲能電站設計使用壽命；r為折現率；k為儲能電站設計運行壽命內儲能電池更換系數。

2 預測誤差懲罰成本

風電場經濟效益主要取決于風電場的并網電量，但是受風電的波動性和不確定性的影響，風電的大規模并網仍面臨巨大挑戰［23-25］。因此，對風電功率進行準確預測是提高風電場經濟效益、減少棄風量最為有效的途徑［26-29］。隨著風電場上報給調度中心的預測功率準確率提高，調度中心制定的出力計劃中風電占比會有所增加，風電場收益增加，同時對于預測誤差的懲罰減少，從收益和成本兩方面提高經濟效益。

根據能源局發布的發電廠并網運行管理實施細則［30］，各風電場均應展開風電功率預測工作，并上報預測結果。電力系統調度中心會根據風電場上報的除風電受限時段外的超短期功率預測準確率對風電場進行考核［31-32］。

按規定風電場上報的超短期預測功率需要以日為單位統計，以月為單位上報，準確率應不低于90%，當準確率低于90%時，按以下公式考核。

3 儲能追蹤出力模型

根據能源局發布的發電廠并網運行管理實施細則［30］，對于已經配有規模在兆瓦級及以上儲能設備的風電場，將儲能設備和風電場共同的發（受）電力作為風電場的考核值。所以可以利用儲能系統消納和補償風電場的實際出力，減少電力系統調度機構對風電場上報的預測功率誤差懲罰和產生的棄風量懲罰［33］，達到減少棄風量和提高風電場運行經濟效益的目的。

3.1 儲能追蹤出力模型

為了能夠提高風電場上報給電力系統調度中心的預測曲線精度，在風電場增設儲能系統。當風電場實際出力高于預測值時，儲能系統充電，減少棄風損失和誤差懲罰；當風電場實際出力低于預測值時，儲能系統放電，減少誤差懲罰。在實際的運行過程中，會出現預測曲線嚴重偏離實際出力的極端情況，若要使風電場實際出力嚴格追蹤預測曲線就需要配備裝機容量和額定充放電功率足夠大的儲能系統，達到短時間大量放電的目的。就目前的儲能發展來看，儲能系統的造價仍然很高，在風電場配備過大裝機容量和額定充放電功率的儲能系統產生的投資成本遠高于預測誤差引起的懲罰成本。因此，需要優化配置儲能系統的裝機容量，合理分配風電場和儲能系統的出力。為了解決上述問題，本文提出了考慮風電場預測誤差懲罰的風儲電站聯合經濟調度模型，該模型是以風儲電站經濟性最優，誤差懲罰最小為目標函數的多目標最優化問題。

3.1.1 目標函數

本文所建立的優化模型是一個多目標優化模型，目標函數F1以風儲電站建設和運行的經濟性最優為目標，包括風電場風機的運行成本Cw，因傳輸限制造成的棄風損失成本Cqi，儲能系統動態運行成本Cbat，公式如下。

風機運行成本和棄風損失成本通過風電運行系數μw和棄風系數μqi求取，公式如下。

式中：μw為風電運行系數，即風電場風機的單位電量運維成本；Ew為風電場實際發出的電量；μqi為棄風系數，即單位棄風量損失成本；Eqi為受風電場傳輸限制造成的棄風量。

儲能系統動態運行成本Cbat通過在式（9）的基礎上引入儲能成本動態轉化系數μbat求得，首先將儲能系統單次動作功率轉化為鉛蓄電池循環次數占比，將動態的儲能系統荷電狀態值轉化為鉛蓄電池壽命占比，然后通過儲能電池更換系數k，轉化為儲能電站全壽命周期占比，進而實現將儲能全壽命周期成本轉化為動態成本。此外需要注意，因為儲能系統在電網結構中處于源測，無需進行充電成本的計算，充電成本為0，具體公式如下。

式中：Ebat·t為t時刻儲能系統荷電狀態（state of charge，SOC）；T為運行周期內儲能系統控制時刻數，本文設置控制周期為24 h，分辨率為15 min，所以T取值為96。

目標函數F2以風電場是上報的預測結果誤差懲罰成本最少為目標，通過式（19）求取，公式如下。

子目標函數F1和F2共同構成總目標函數F，但不同子目標函數中變量所代表的意義各不相同，所以本文對各個子目標函數進行歸一化處理，將多目標優化問題轉化為單目標優化問題，即：

3.1.2 約束條件

模型的約束主要包括風機和儲能系統運行狀態兩方面的約束。對于風機要保證風電場各個時刻出力小于風電場實際可發出的最大功率小于風電場的開機容量，同時保證風電場作為源測向電網輸送功率，即：

式中：Pw為風電場實際發電功率；Pw·max為風電場當前可發出的最大電功率；Ccap為風電場開機容量。

儲能系統的約束條件主要包括功率平衡和運行狀態兩方面的約束，既需要保證系統各部分出力平衡，也要保證儲能系統安全運行。

1）功率平衡約束

式中：Ppre為風電場上報到電力系統調度中心的各時刻預測功率；Pbat為儲能系統各時刻功率；Perr為各時刻經過儲能系統補償后仍然存在的功率偏差，對于嚴格跟蹤模式和允許棄風跟蹤模式Perr取0；Pdis為儲能系統各時刻放電功率；Pcha為儲能系統各時刻充電功率。

2）功率約束

式中Pcs為儲能系統額定充放電功率。

3）荷電狀態約束

式中：E0為儲能系統初始SOC 狀態，本文取0.5；μcha·i為i時刻充電系數，充電時取1，放電時取0；μdis·i為i時刻放電系數，放電時取1，充電時取0；Pcha·i為i時刻儲能系統充電功率；Pdis·i為i時刻儲能系統放電功率；Δt為儲能系統控制時間間隔。

實際應用中儲能系統是一次性建設，而調度計劃一般是每24 h更新一次，為了使模型可以不受調度計劃更新的影響，需要保證一個調度周期始末時刻儲能系統SOC狀態相同，即：

式中EN為每個調度周期末尾時刻儲能系統荷電狀態。

4 算例分析

4.1 數據說明

本文選取2021 年吉林省某風電場全年實測數據進行算例分析，數據分辨率為15 min，風電場總裝機容量249.9 MW。本文通過對比嚴格追蹤調度模式，允許棄風追蹤調度模式，優化追蹤模式，無儲能調度模式4 種不同調度模式下的風電場儲能系統的配置和風儲聯合調度情況，對不同調度模式下風儲電站的經濟性進行分析。儲能系統具體參數如表1所示。

表1 儲能系統參數Tab.1 Parameters of energy storage system

4.2 風電功率預測結果

本文通過Python 平臺搭建長短期神經網絡（long short term memory，LSTM）對風電功率進行預測。將2021 年每一季度的前兩個月數據作為訓練集，第三個月數據作為測試集。將上一時段的實際功率共同輸入到預測模型中，進行一天96 次滾動預測，每次輸出預測時段內16 個時刻點的預測功率，并將最后一個時刻點的預測結果作為最終預測值。圖1為測試集中一周的預測結果。

圖1 部分風電功率預測結果Fig.1 Prediction results of partial wind power

對測試集預測結果進行統計，具體量化評價指標如表2 所示，測試集整體均方根誤（root mean squared error，RMSE）為0.102 5，平均絕對誤差（mean absolute error，MAE）為0.095 5，測試集中每日預測精度均不相同，且預測精度最高與預測精度最低的兩天RMSE 值和MAE 值相差較大，為使本文所提調度策略更具普適性，選取測試集中預測精度最低的一天作為后續算例分析數據，預測結果如圖2所示。

圖2 預測精度最低日預測結果Fig.2 Daily prediction results with the lowest prediction accuracy

表2 風電功率預測結果評價指標Tab.2 Evaluation indicators of wind power prediction results

4.3 調度結果對比

4.3.1 模型求解

為避免智能算法求解優化問題易陷入局部最優解的情況，本文通過調用MATLAB 中的CPLEX 工具箱對優化模型進行求解，所有數值模擬均在具有Intel Core Duo CPU（2.4 GHz）和8 GB RAM 的PC平臺上進行測試。

4.3.2 嚴格追蹤模式

嚴格追蹤模式通過在風電場增加儲能系統，不考慮經濟成本，不限制儲能系統裝機容量，不存在風電場傳輸限制（無棄風），使風電場上報的預測曲線準確率達到100%。在風電真實出力大于預測值時，儲能系統充電將多余電量完全吸收；在風電真實出力小于預測值時，儲能系統放電嚴格補償缺失電量，不增加系統備用容量。使風儲聯合出力曲線與風電電場上報的預測曲線完全相同，如圖3 所示。風電場和儲能系統調度周期內的具體出力情況如圖4所示。

圖3 嚴格追蹤模式出力曲線Fig.3 Output curves in strict tracking mode

圖4 嚴格追蹤模式出力情況Fig.4 Output situation in strict tracking mode

嚴格追蹤模式下各時刻儲能系統的荷電狀態變化情況如圖5 所示。由圖中可以看出，在嚴格追蹤模式下儲能系統出現長時間充放電的情況，在時刻點28—48 和76—96 之間尤為明顯。儲能系統長時間充放電是導致風電場配備的儲能系統裝機容量過大，經濟成本過高的主要原因。

圖5 嚴格追蹤模式儲能系統荷電狀態Fig.5 State of charge of energy storage system in strict tracking mode

4.3.3 允許棄風追蹤模式

允許棄風追蹤模式在嚴格追蹤調度模式的基礎上進行一定放松，同樣是為了追求高比例風電利用率，但是考慮一定經濟成本，對儲能系統裝機容量增加一定限制，在不增加系統備用容量的前提下，允許存在棄風成本。因為對于電力系統來說，備用容量增加所帶來的成本遠大與因棄風降低的收益。由圖6 可以看出，相對于嚴格追蹤模式，允許棄風調度模式在時刻57 和時刻59 增加了棄風量，但根據圖7 所示，整體出力情況仍然與嚴格追蹤模式接近。

圖6 允許棄風追蹤模式出力情況Fig.6 Output situation in allowable wind abandonment tracking mode

圖7 允許棄風追蹤模式出力曲線Fig.7 Output curves in allowable wind abandonment tracking mode

允許棄風調度模式下儲能系統荷電狀態如圖8所示，從圖中可以看出，儲能系統仍存在長時間充放電的情況。在棄風時刻57和59儲能仍進行放電，因為在相鄰時段內，風電最大可用出力遠高于風電功率預測值，儲能系統將進行長時間的充電，需要儲能系統提前釋放容量，但為了降低預測誤差懲罰成本，將放電時刻集中于棄風時刻57 和59，將預測誤差懲罰成本轉化為棄風損失成本，達到降低總成本的目的。

圖8 允許棄風追蹤模式儲能系統荷電狀態Fig.8 State of charge of the energy storage system in allowable wind abandonment tracking mode

4.3.4 優化追蹤模式

優化追蹤模式就是對儲能系統容量進行限制，綜合考慮風儲聯合運行的經濟性與預測曲線的準確率，在允許一定預測誤差的前提下降低風儲電站成本。目前，風電場配置儲能系統裝機容量通常為風電場裝機容量的10%～20%，本文選擇額定功率為風電場裝機容量20%，額定容量按4 小時放電時長配置的儲能系統配合風電實際出力追蹤風電功率預測曲線。具體出力情況如圖9所示。

圖9 優化追蹤模式出力情況Fig.9 Output situation in optimized tracking mode

圖10 給出了優化追蹤模式下風儲聯合出力曲線。由圖中可以看出，優化追蹤模式下出力風儲聯合功率曲線不再完全地等同于預測曲線。這是因為綜合考慮經濟性與預測準確率之后，風電場配置的儲能系統裝機容量大幅度降低。

圖10 優化追蹤模式下出力曲線Fig.10 Output curves in optimized tracking mode

由圖11 可以看出，相對于其他兩種調度模式，優化追蹤模式下儲能系統的充放電狀態變化更加頻繁，儲能系統通過多次充放電來平衡預測曲線與真實曲線之間的差值，使得預測誤差整體在一個小范圍內波動，而且使得大部分是預測誤差在風電場允許的預測誤差范圍內，減少了預測誤差懲罰成本，進一步提高了風儲電站的經濟性。但是在某些時刻風儲聯合出力曲線遠超預測曲線，因為在這些時刻儲能系統荷電狀態達到飽和，且臨近時間段風電實際出力長時間大于預測值，為滿足之后的調度需求并保證一定的安全裕度，需要儲能系統集中時刻進行放電，將誤差懲罰成本降到最低，以此來保證風儲聯合出力曲線與預測曲線的追蹤關系。

圖11 優化追蹤模式儲能系統荷電狀態Fig.11 State of charge of energy storage system in optimized tracking mode

4.3.5 不同調度模式對比

本文對比分析了一個調度周期內4 種不同調度模式下各部分經濟成本和風電利用率。其中無儲能模式下不進行棄風將風電完全并網，因此本文對無儲能模式只進行量化計算，并與其他調度模式對比。因為4 種調度模式下實際發電量有所不同，故轉化為單位度電成本進行分析，具體結果如表3所示。

表3 不同調度模式對比Tab.3 Comparison of different dispatching modes

從表3 中可以看出儲能系統成本占總成本的主要部分。4 種調度模式中嚴格追蹤模式是最理想的情況，預測誤差成本為0，風電利用率達到100%，但是度電成本遠高于其他調度模式，為了追求準確率需要配備大容量的儲能系統來應對各種極端情況，導致儲能投資成本遠高于其他調度模式；允許棄風追蹤模式相對于嚴格追蹤模式經濟性有了一定提高，風電功率預測的準確率也很理想，但是儲能系統的配置仍然遠高于目前風電場所配置的儲能系統裝機容量，經濟性仍然較差；優化追蹤模式下的儲能系統裝機容量遠小于其他調度模式，滿足目前風電場所配備儲能系統的要求，通過控制儲能系統充放電狀態，使得風儲聯合出力曲線圍繞預測曲線上下波動，避免儲能系統的長時間充放電，以此來達到大幅度減小儲能系統裝機容量，減小儲能系統建設成本的目的，使得經濟性遠遠優于嚴格追蹤模式和允許棄風模式。相對于無儲能模式優化跟蹤模式雖然增加了儲能系統投資，但是因增設儲能系統風電場風電利用率大幅提高，棄風懲罰成本減小，風電場收益增加，同時預測準確率提高，預測誤差懲罰成本大幅減小，總體經濟性大幅度提高。

5 結論

本文通過在風電場增加儲能系統，構建利用儲能系統追蹤風電功率預測曲線風儲聯合經濟調度模型。在模型中綜合考慮風電預測誤差成本以及風儲電站的建設和運行成本，獲得風儲聯合出力計劃。最后，通過對吉林省某風電場算例的分析，得出以下結論。

1）儲能系統的投資成本仍然是風儲聯合運行的主要成本，而其中儲能系統初始投資又是儲能系統投資成本的主要部分，降低儲能電池原料成本，開發新型儲能設備是提高經濟性最有效的途徑，也將是以后的重點研究方向。

2）在風電場增設儲能系統，利用儲能系統追蹤風電預測曲線，可以大幅提高風電利用率和風電場上報的預測功率精度，增大風電場收益的同時減小預測誤差懲罰成本，為大規模的風電并網提供基礎。