结合随机规划和序贯蒙特卡洛模拟的风电场储能优化配置方法

3 算例分析

3.1 算例设置

以修改后的IEEE RTS-24节点系统为仿真系统,命名为IEEE MRTS-24。为仿真分析,对IEEE  RTS-24节点系统的修改如下：1)在节点1处接入总装机容量为300 MW的风电场,风速数据来自参考文献[28]采用的ARMA(4,  3)模型。2)将支路1-2、1-3、1-5的额定功率分别调整为80、50、80 MW。当节点1处的风电场可发有功功率大于200  MW时,送出通道1-2、1-3、1-5将会出现不同程度的阻塞,导致弃风。因此,可以在节点1处配置一定容量的储能系统,平抑风电场的有功出力波动并减少弃风电量。采用2020年锂电池储能的预计投资成本和循环次数[31],并设定使用寿命年限,如表1所示。锂电池的循环寿命指数系数k_p取为1.25[27],折现率取为4.9%。

表1 锂电池的投资成本与循环寿命

Tab. 1 Investment costs and cycle life of the ESS

3.2 仿真结果

算例的仿真分析主要包括以下内容：1)当不考虑储能配置时,利用多时段DC-OPF模型求解IEEE  MRTS-24系统在典型场景集下的各项成本以及线路利用情况。2)利用所提出的多场景随机规划模型求解储能的初始配置容量和功率,并得到储能初始配置方案下系统的各项成本和线路利用情况。3)利用多时段DC-OPF模型对配置P₁^ESS和E₁^ESS储能方案的系统进行日运行模拟,并根据储能的能量变化曲线E(t)E(t)计算储能使用寿命期间内100%充放电等效循环次数,对储能最优配置方案进行修正,得到P₂^ESS和E₂^ESS。4)对配置不同百分比E₂^ESS后的系统分别进行全年的日运行模拟,求解储能容量的收益投资比,并根据储能容量的收益投资比变化曲线对储能配置容量进行修正,得到E₃^ESS。

3.2.1 基于随机规划的储能初始配置方案

首先,对全年的风电出力曲线和日负荷曲线利用K-means聚类算法进行聚类,得到春夏秋冬4个季节的风电出力聚类曲线和工作日与非工作日2类日负荷聚类曲线,分别如图2和图3所示。

图2 春夏秋冬4个季节的风电聚类曲线

Fig. 2 Clustering curves of wind power in spring, summer, autumn and  winter

图3 工作日与非工作日典型负荷曲线

Fig. 3 Typical daily load curves in weekdays and weekends

将以上风电和负荷的典型曲线,组合成8种不同的典型场景,作为随机规划的典型场景集。利用多时段DC-OPF模型,求解不含储能配置时的IEEE  MRTS-24系统在典型场景集下的各项成本以及线路利用情况,结果分别如表2、3所示。

表2 不含储能时电网的综合成本

Tab. 2 Costs of IEEE MRTS-24 system without ESS

表3 不含储能时部分线路利用情况

Tab. 3 Line usage indices of IEEE MRTS-24 without ESS

其次,利用多场景随机规划模型求解IEEE  MRTS-24中储能的初始配置容量和功率,如表4所示,该储能初始配置方案下系统的各项成本和线路利用情况,如表5、6所示。

表4 风电场站内初始储能配置方案

Tab. 4 Initial investment plan of ESS

表5 储能初始配置方案下系统的综合成本

Tab. 5 Cost of IEEE MRTS-24 with the initial ESS investment plan

表6 储能初始配置方案下系统部分线路利用情况

Tab. 6 Line usage indices of IEEE MRTS-24 system with the initial ESS investment plan

从以上表格中的结果对比分析可知：

1)由表2和表5的结果对比可知,在未配置储能时,系统的弃风电量较大,弃风成本达到26.25×10⁶  USD。当系统配置储能后,全年的弃风成本下降为13.39×106USD,总的弃风成本下降了48.99%。

2)由表4和表5的结果可知,储能的初始最优配置功率PESS1P1ESS和容量E₁^ESS分别为172.34 MW和191.49  MW•h。虽然系统配置储能后,增加了6.08×10⁶  USD的储能投资成本,但系统全年的总成本依然从512.23×10⁶USD下降到了501.69×10⁶USD,即总成本下降了10.54×10⁶ USD。

3)由表3和表6的结果可知,系统配置储能后,风电送出通道1-2和1-5这2条线路的利用小时数和满载小时数都得到了不同程度的增加,即提高了线路1-2和1-5的利用效率。

3.2.2 基于运行模拟对储能配置容量的修正

1)基于储能等效循环寿命修正E₁^ESS。

随机选取系统某天的运行模拟结果中,储能能量E(t)E(t)变化曲线和风电场的可出力曲线,见图4。

图4 储能能量变化曲线与风电场预期出力曲线

Fig. 4 ESS energy curve and wind power expected output curve

由图4的结果可知,当风电场的预期出力较大时,往往伴随着储能存储能量,以便减少弃风。当风电场预期出力较小时,储能便释放能量,以减小风电场和储能的联合出力的波动。因此,通过在风电场配置一定容量的储能,能够有效减小风电场的出力波动,提高风电的消纳水平。

式中Y_r为储能修正后的使用寿命年限,由式(18)计算可得Y_r为8年。

储能使用寿命年限的变化,将导致储能投资成本年金值的变化,因此,利用1.1节中的多场景随机规划模型重新求解得到修正后的储能配置方案,得到P₂^ESS和E₂^ESS分别为158.73  MW和176.37 MW•h。通过运行模拟,得到修正后的储能配置方案在8a间100%充放电等效总循环次数为6100次,满足储能循环次数寿命的要求。

2)基于储能容量收益投资比修正E₂^ESS。通过对IEEE  MRTS-24系统配置不同百分比E₂^ESS(70%~130%)的储能,并对其进行全年的日运行模拟,求解得到储能容量的收益投资比变化曲线如图5所示。

图5 配置不同百分比EESS2E2ESS时储能容量的收益投资比

Fig. 5 Income/investment ratio of the ESS capacity with different  percentageE₂^ESS

由图5的结果可知,随着所配储能容量从70%E₁^ESS不断增加到130%E₁^ESS,储能容量的收益投资比不断下降,说明随着所配置储能的容量饱和度不断增加,储能容量的收益投资比不断减小。直到当储能容量配置为110%E₁^ESS时,储能容量的收益/投资比已降到了1.048,为保证所配储能容量具有较高的经济效益,本文选取储能容量收益投资比处于1~1.05之间,并最接近1.05时的储能容量(即110%E₁^ESS)作为修正后的储能配置容量,即E₃^ESS=194.01  MW⋅h。采用运行模拟验证得到修正后的储能配置方案E₃^ESS在8a间100%充放电等效总循环次数约为5800次,满足储能循环次数寿命的要求,因此储能最终的配置容量为194.01  MW•h。

4 结论

本文考虑风速的时序变化,提出了结合随机规划和序贯蒙特卡洛模拟的风电场储能优化配置方法。通过算例仿真分析,得到的主要结论如下：

1)通过求解多场景随机规划模型得到的储能初始配置方案,有效降低了系统全年的弃风电量和综合成本,并提高了部分风电送出通道的利用率。

2)通过对配置初始储能方案的联合发电系统进行运行模拟,进一步考虑了风电场全年出力变化和储能寿命折损对储能优化配置结果的影响,并基于运行模拟中求得的储能等效循环次数和储能容量的收益投资比变化曲线,对储能的初始配置方案进行修正,获得了更合理的储能配置结果。

未来的研究工作将进一步研究储能的多点布局选址优化,以及储能选址、定容和电网规划的联合优化问题。

参考文献

[1] 韩杏宁,陈雁,文劲宇.风电场储能装置的鲁棒优化配置[J].高电压技术,2015,41(7):2217-2224. Han  Xingning,Chen Yan,Wen Jinyu.Robust allocation of energy storage system for  multiple wind farms[J].High Voltage Engineering,2015,41(7):2217-2224(in  Chinese).

[2] 韩杏宁,黎嘉明,文劲宇,等.含多风电场的电力系统储能鲁棒优化配置方法[J].中国电机工程学报,2015,35(9):2120-2127.  Han Xingning,Li Jiaming,WenJinyu,et al.Optimization for robust energy storage  allocation in power system with multiple wind farms integrated[J].Proceedings of  the CSEE,2015,35(9):2120-2127(in Chinese).

[3] 戴蕾思,叶承晋,傅旭华,等.考虑概率分布约束的含高渗透率风电电力系统储能鲁棒优化方法[J].电网技术,2017,41(3):769-774.  Dai Leisi,Ye Chengjin,FuXuhua,et al.Distributional robust joint chance  constrained optimal capacity installment of energy storage in power system with  high penetration of wind power[J].Power System Technology,2017,41(3):769-774(in  Chinese).

[4] 江润洲,邱晓燕,陈光堂.风电场混合储能系统优化配置方法[J]. 电力系统及其自动化学报,2015,27(1):37-42. Jiang  Runzhou,Qiu Xiaoyan,ChenGuangtang.Optimal configuration method of hybrid energy  storage system for wind power[J].Proceedings of the CSU-EPSA,2015,27(1):37-42(in  Chinese).

[5] 兑潇玮,朱桂萍,刘艳章.考虑预测误差的风电场储能配置优化方法[J].电网技术,2017,41(2):434-439.Dui  Xiaowei,Zhu Guiping,Liu Yanzhang.Research on battery storage sizing for wind  farm considering fore error[J].Power System Technology,2017,41(2):434-439(in  Chinese).

[6] 徐国栋,程浩忠,方斯顿,等.用于提高风电场运行效益的电池储能配置优化模型[J].电力系统自动化,2016,40(5):62-70. Xu  Guodong,Chen Haozhong,Fang Sidun,et al.Optimal configuration method of battery  energy storage for improving the operation efficiency of wind farm[J].Automation  of Electric Power System,2016,40(5):62-70(in Chinese).

[7] 程庭莉,陈民铀,罗欢.含可再生能源发电的配网储能多目标优化配置方法[J].电网技术,2017,41(9):2808-2815. Cheng  Tingli,Chen Minyou,Luo Huan.Multi-objective allocation of energy storage in  distribution network penetrated with renewable energy generation[J].Power System  Technology,2017,41(9):2808-2815(in Chinese).

[8] 张坤,毛承雄,谢俊文,等.风电场复合储能系统容量配置的优化设计[J].中国电机工程学报,2012,32(25):79-87. Hang  Kun,Mao Chengxiong,Xie Junwen,et al.Optimal design of hybrid energy storage  system capacity for wind farms[J].Proceedings of the CSEE,2012,32(25):79-87(in  Chinese).

[9] Xiong P,Singh C.Optimal planning of storage in power systems integrated  with wind power generation[J].IEEE Transactions on Sustainable  Energy,2015,7(1):232-240.

[10] Jabr R A,Džafić I,Pal B C.Robust optimization of storage investment on  transmission networks[J].IEEE Transactions on Power  Systems,2014,30(1):531-539.

[11] Qiu T,Xu B,Wang Y,et al.Stochastic multistage coplanning of  transmission expansion and energy storage[J].IEEE Transactions on Power  Systems,2016,32(1):643-651.

[12] Asensio M,de Quevedo P M,Munoz-Delgado G,et al.Joint Distribution  network and renewable energy expansion planning considering demand response and  energy storage ̶ Part I:stochastic programming model[J].IEEE Transactions on  Smart Grid,2016,PP(99):1-1.

[13] Asensio M,Quevedo P M D,Munoz-Delgado G,et al.Joint distribution  network and renewable energy expansion planning considering demand response and  energy storage ̶ Part II:numerical results and considered metrics[J].IEEE  Transactions on Smart Grid,2016,PP(99):1-1.

[14] 叶瑞丽,郭志忠,刘瑞叶,等.基于置信区间估计及储能装置优化配置的风电场可靠出力研究[J].电力自动化设备,2017,37(5):85-91.  Ye Ruili,Guo Zhizhong,Liu Ruiye,et al.Research on wind farm reliability based on  confidence interval estimation and optimal allocation of energy storage  device[J].Electric Power Automation Equipment,2017,37(5):85-91(in Chinese).

[15] 梁亮,李建林,惠东.大型风电场用储能装置容量的优化配置[J]. 高电压技术,2011,37(4):930-936.Liang  Liang,Li Jianlin,Hui Dong.Optimization configuration for capacity of energy  storage system in large-scale wind farm[J].High Voltage  Engineering,2011,37(4):930-936(in Chinese).

[16] 王成福,李熙娟,梁军,等.计及预测功率的含储能风场群优化调控方法[J].电网技术,2017,41(4):1253-1260. Wang  Chengfu,Li Xijuan,Liang Jun,et al.Optimal dispatch and control of active power  for wind farm cluster including storages considering the foreing  power[J].Power System Technology,2017,41(4):1253-1260(in Chinese).

[17] 廖庆龙,谢开贵,胡博.含风电和储能电力系统的时序随机生产模拟[J].电网技术,2017,41(9):2769-2776. Liao  Qinglong,Xie Kaigui,Hu Bo.Sequential probabilistic production simulation of  power systems with wind power and energy storage[J].Power System  Technology,2017,41(9):2769-2776(in Chinese).

[18] Zhang F,Xu Z,Meng K.Optimal sizing of substation-scale energy storage  station considering seasonal variations in wind energy[J].IET Generation  Transmission & Distribution,2016,10(13):3241-3250.

[19] Zhang F,Wang G,Meng K,et al.Improved cycle control and sizing scheme  for wind energy storage system based on multi-objective optimization[J].IEEE  Transactions on Sustainable Energy,2016,PP(99):1-1.

[20] Nguyen N T A,Le D D,Moshi G G,et al.Sensitivity analysis on locations  of energy storage in power systems with wind integration[J].IEEE Transactions on  Industry Applications,2015,52(6):5185-5193.

[21] 沈子奇,裴玮,邓卫,等.考虑电池寿命和运行控制策略影响的风电场储能容量优化配置[J].高电压技术,2015,41(7):2236-2244.  Shen Ziqi,Pei Wei,Deng Wei,et al.Storage capacity optimization for wind farm  considering the impact of battery lifetime and control strategy[J].High Voltage  Engineering,2015,41(7):2236-2244(in Chinese).

[22] 栗然,党磊,周鸿鹄,等.基于费用效率法的风电场混合储能容量优化配置[J].电力系统保护与控制,2015,43(24):55-62. Li  Ran,Dang Lei,Zhou Honghu,et al.Capacity optimization disposition of hybrid  energy storage in wind field based on cost efficiency model[J].Power System  Protection and Control,2015,43(24):55-62(in Chinese).

[23] Hozouri M A,Abbaspour A,Fotuhi-Firuzabad M,et al.On the use of pumped  storage for wind energy maximization in transmission- constrained power  systems[J].IEEE Transactions on Power Systems,2015,30(2):1017-1025.

[24] 吴玮坪,胡泽春,宋永华,等.结合半正定规划和非线性规划模型的OPF混合优化算法研究[J].中国电机工程学报,2016,36(14):  3829-3836. Wu Weiping,Hu Zechun,Song Yonghua,et al.Hybrid optimization of  optimal power flow by combining the seefinite programming and nonlinear  programming[J].Proceedings of the CSEE,2016,36(14):3829-3836(in Chinese).

[25] Ding H,Hu Z,Song Y.Value of the energy storage system in an electric  bus fast ging station[J].Applied Energy,2015(157): 630-639.

[26] Zhang N,Kang C,Kirschen D S,et al.Planning pumped storage capacity for  wind power integration[J].IEEE Transactions on Sustainable  Energy,2013,4(2):393-401.

[27] He G,Chen Q,Kang C,et al.Optimal bidding strategy of battery storage  in power markets considering performance-based regulation and battery cycle  life[J].IEEE Transactions on Smart Grid,2016,7(5):2359-2367.

[28] Billinton R,Wangdee W.Reliability-based transmission reinforcement  planning associated with large-scale wind farms[J].IEEE Transactions on Power  Systems,2007,22(1):34-41.

[29] 程林,何剑.电力系统可靠性原理和应用[M].北京:清华大学出版社,2015:199-203.

[30] 王聪. 基于聚类算法的风电场动态等值问题研究[D].吉林:东北电力大学,2012.

[31] 中国储能网新闻中心.未来几年锂电池价格将呈逐年下降趋势[EB/OL].[2017-08-10].2014.

关注一下，获取最全储能资料包，请回复：资料