李中胜

(福建水利电力职业技术学院电力工程系,福建 永安 366000)

0 引言

大力发展风力发电对于实现我国能源结构优化转型具有积极的促进作用,但大规模风电并网下的电力系统调度运行与管理也面临着相应的挑战[1-2],电力系统储能容量的服务需求直线上升。

目前,电力系统储能单元的投资成本相对较高,储能容量的合理性直接影响着大规模风电并网下电力系统储能配置的经济性。如果储能容量配置条件较差,在发电量较大时,电力系统无法对超出的电量进行合理存储,导致风电资源不能得到合理的利用,从而造成严重的资源浪费。反之,储能单元设定较高,无法保证储能单元的经济性,会降低电力系统的使用寿命[3-4]。因此,合理配置储能单元,对于大规模风电并网下电力系统的运行效果具有直接影响。

针对前述问题,在本次研究中提出了大规模风电并网下的储能容量配置优化决策方法,获取更加有效的优化配置方案,争取改善当前储能容量配置优化情况,提升风电的存储量与利用率。

1 大规模风电并网下的储能容量配置优化决策方法设计

1.1 构建风力发电量预测模型

选用小波变换算法获取风力发电功率的时间间隔特征[5-6],通过此特征获取风电在不同时间单位下的发电量。根据小波变换的相关理论对风力发电过程进行分解,则有

(1)

(2)

式中:m表示出力系数;q表示发电利用因数;Tn表示风力发电量增长的时间系数。

根据式(2)将储能容量优化过程划分为多个方面的问题,具体内容如图1 所示。

图1 不同时间单位下储能容量问题示意图

将图1 中内容作为后续研究中的参考条件之一,在本环节中不对其进行赘述。将式(1)与式(2)进行整合,得到风力发电量预测结果。基于该结果对风力发电质量进行评估。

风力发电完成后,电网的电压会发生相对稳定的波动,此波动计算公式设定如式(3):

(3)

式中:αU表示电压发生的波动;UK表示发电后的实际电压测量值;UN表示额定电压值。通过式(3)可对电网电压的整体变化进行研究,但仅使用此数据对风电质量进行分析是远远不够的,需要对电压分位点的波动进行评估,此评估过程可表示为

(4)

式中:Ys表示短时间内的电压闪变值;Yl表示长时间内的电压闪变值;b(βo,Vχ)表示电网中公共连接点内部的阻抗角βo以及风电机组所处地区的平均风速Vχ的闪变系数;Wn表示风电机组的额定功率;Wo表示电网连接点的额定短路容量。对于大规模风电并网下的电力系统公共连接点的闪变系数[7],可使用式(5)进行估算:

(5)

将式(5)的计算结果代入式(4)中,并将式(3)～式(5)进行整合,使用此部分公式对风电质量进行评估,以此作为风电储能容量结构的基础优化条件。

1.2 确定储能容量配置优化目标函数

对大规模风电并网条件下的电力系统进行了系统分析,将储能容量优化成本以及风电废弃量的最小取值结果作为目标函数,并根据此目标函数确定了储能容量的配置函数。目标函数表达式可表示为

(6)

式中:f1储能单元运行成本;f2表示风电废弃量;G1表示风电机组的构成成本;G2表示微型燃机的运行成本;G3表示储能单元的运行成本;G4表示微型燃机的维护成本;G5表示微型燃机的燃料成本;G6表示污染治理成本;G7表示风电机组与储能单元的设备置换成本;E表示风电废弃量;G表示风电废弃量的成本。此目标函数在计算的过程中设有多个约束条件,具体约束函数设定如式(7)[8-9]:

(7)

式中:H1、H2以及H3分别表示风电机组、微型燃机与储能单元的数量;H1max表示风电机组的最大安装数量;H2max表示微型燃机的最大安装数量;H3min、H3max表示储能单元的最少安装数量以及最大安装数量。

Rmin≤R≤Rmax,

(8)

式中:R表示微型燃机的输出功率;Rmin与Rmax分别表示其功率的最大值与最小值。

(9)

QOCmin≤QOC(t)≤QOCmax,

(10)

式中:QOC(t)表示时间周期内储能单元的剩余容量;QOCmin表示储能单元的最小剩余容量;QOCmax表示储能单元的最大剩余容量。除前述约束条件外,还需保证电力系统的供电可靠性[10-11],此可靠性计算公式设定如式(11):

X≤Xmax,

(11)

式中:X表示额定供电不足概率;Xmax表示电力系统可允许的最大供电不足概率。对前述公式进行整合,对目标函数的计算过程展开控制,并将此目标函数作为储能配置优化决策方案的主要选择指标。

1.3 储能容量配置优化决策

在前文设计内容的基础上,使用拉丁超立方采样方法对风力发电量预测模型的预测结果进行抽样,并逐个使用目标函数对其进行计算与控制,得到不同的决策方案,然后对此部分方案进行对比,得到最优决策方案。

设定预测模型的误差值为随机变量ci,此时累积概率函数可表示为[12-13]

yi=fi(ci)。

(12)

(13)

对预测结果进行随机取样,对取样结果进行评定,如符合相关要求,将其作为储能优化决策的数据基础[14]。根据预先设定的目标函数以及约束函数,构建决策模型,具体内容如式(14)～(15):

minLi=max(zi(t))-min(zi(t)),

(14)

可得到最终的决策方案,为保证此方案具有一定的可行性,构建相应的验证指标对式(14)的计算结果进行控制,则有

(15)

式中zi(t)表示研究周期内储能单元配置容量[15],对已获取到的决策方案进行验证,以此确保决策方案的科学性。

对前述设定内容进行整合,至此,大规模风电并网下的储能容量配置优化决策方法设计完成。

2 实例论证分析

为证实设计方法在常规环境中具有应用价值且选择的决策方案可解决当前运行问题,构建20台机器测试系统,对此方法的应用效果进行分析。

2.1 实例参数设定

采用20机测试系统进行仿真实验,其中含有10台风电机以及部分微燃机和储能单元,机组参数与负荷数据见表1。

表1 机组参数及负荷量统计表

风力发电机5、7、9各时间段的发电功率约束设定为60 MW、75 MW、80 MW,设备常规备用负荷为总负荷的15%。风电备用比例系数取值为0.15。模拟冬季时风力发电机6、7、8、10的最小发电量为额定发电量的60%、65%、50%和45%,非冬季时风力发电机供电量为最低。

本次实验以我国某实际大规模风电并网储能结构为例,对此电网的储能数据进行统计与分析,获取此电力系统24 h的风力发电量、负荷如图2所示。

图2中的内容为此电力系统的基础运行情况,根据此情况对储能单元进行优化,分析提出方法的使用效果。

图2 电力系统日负荷/风力发电曲线

2.2 优化决策方案应用模拟

使用文中方法,对机组测试系统进行优化,利用式(3)和式(4)计算风电并网后的电网电压和运行波动。基于优化目标函数式(6)和约束条件式(7)获得优化配置方案,得到储能单元节点数量的最大值。所得储能容量配置优化结果见表2。

表2 储能容量优化配置结果

对表2中的数据进行分析可以看出,当风电并网后,电力系统的输电质量下降。电压波动较大,已经超出现有波动允许量的上限。从储能单元优化结果可以看出,此储能单元可接入10个储能节点,使用本文方法后交易费用明显降低,说明此方法具有一定的可行性与科学性。这是因为本文设置的优化目标函数将交易成本和电力系统供电可靠性作为优化目标,得到最优决策方案,使电压波动和成本有效降低。

2.3 实验对比分析

对优化前后储能单元运行情况和经济效益进行对比,测试本文提出方法的应用效果。

对图3中的内容进行分析可以看出,风电储能节点个数与运行成本成反比例。优化前储能单元的运行情况明显与目标函数曲线有较大的差异性。优化后储能单元运行情况与目标函数走向较为一致且整体数值较为接近。因为使用拉丁超立方采样方法对风力发电量预测模型的预测结果进行抽样,并逐个对随机变量数值进行评定与控制,将符合要求的数值作为储能优化决策的数据基础,使得储能单元运行与目标函数走向一致且整体数值较为接近。由此可以看出,本文方法的使用效果较好。

图3 优化前后储能单元运行情况与目标函数关系

对电力系统维护成本、环保处理成本以及风电废弃成本进行统计,对比优化前后的电力系统相关费用,具体内容如图4所示。

对图4中的内容进行分析可以看出,优化后的电力系统各项运行费用均得到了控制,可有效提升电力系统的经济效益。同时,通过对比风电废弃成本也可以确定此方法使用效果较好,储能单元的经济效益也得到提升。这是因为本文方法在成本优化目标函数建立的过程中全面考虑了储能单元运行成本、微型燃机的运行成本、微型燃机的维护成本、微型燃机的燃料成本、污染治理成本、风电废弃量的成本等多成本因素,因此,优化配置后大幅度降低了运行费用。

图4 储能容量配置优化后电力系统各项费用统计

3 结语

为了使风电更好地服务于人们的生产生活,有必要对电力系统的储能单元进行合理的优化,使用拉丁超立方采样方法对预测结果进行抽样,将储能容量优化成本以及风电废弃量的最小取值结果作为目标函数,结合储能单元的容量限制条件,分析了电网的电压波动情况,进而明确了储能单元的运行情况与目标函数曲线,匹配了更加有效的配置优化方案。