徐 毅

（國(guó)網(wǎng)冀北電力有限公司經(jīng)濟(jì)技術(shù)研究院, 北京 100038 ）

關(guān)于儲(chǔ)能設(shè)備優(yōu)化定位的思考

徐 毅

（國(guó)網(wǎng)冀北電力有限公司經(jīng)濟(jì)技術(shù)研究院, 北京 100038 ）

隨著風(fēng)能在電力系統(tǒng)中占比的不斷增長(zhǎng),其對(duì)電力系統(tǒng)運(yùn)行控制的重大影響越來(lái)越被重視。電力儲(chǔ)能設(shè)備能夠在削峰填谷和加強(qiáng)系統(tǒng)可靠性方面提供很好的解決方案。因此,電力儲(chǔ)能設(shè)備的選址問(wèn)題就成為了一個(gè)需要研究的課題。針對(duì)這一問(wèn)題提出了一種關(guān)于儲(chǔ)能設(shè)備單元在有風(fēng)能的電力系統(tǒng)中的優(yōu)化定位方法,即通過(guò)遺傳算法來(lái)確定儲(chǔ)能設(shè)備的最佳位置。最后, 將該方法應(yīng)用于有改進(jìn)的IEEE 24 節(jié)點(diǎn)的系統(tǒng)中,并分析說(shuō)明其結(jié)果,證實(shí)其有效可行。

電力儲(chǔ)能；優(yōu)化定位；最優(yōu)潮流；概率最優(yōu)潮流；風(fēng)能

0 引言

電力系統(tǒng)運(yùn)營(yíng)者需要提供高效優(yōu)質(zhì)的服務(wù)來(lái)滿足電力市場(chǎng)的需求。近些年，新興能源一直保持增長(zhǎng)態(tài)勢(shì)，尤其是風(fēng)能的增長(zhǎng)尤為突出。2012年，風(fēng)能是美國(guó)新增發(fā)電容量中最主要的來(lái)源，這甚至比其他新興能源的總和還多[1]。與此同時(shí)，這些綠色清潔能源的不確定性和間歇性也對(duì)電網(wǎng)的可靠性帶來(lái)影響。在新興能源為高占比的電網(wǎng)運(yùn)行中，當(dāng)面對(duì)不可預(yù)測(cè)的突然的新型能源的產(chǎn)出的減少或者用電需求的增加時(shí)，電力儲(chǔ)能設(shè)備的使用被認(rèn)為是有效處理這種變化的方案。

大規(guī)模儲(chǔ)能設(shè)備能夠使用多種形式的能量然后再轉(zhuǎn)化為電能，比如化學(xué)能、動(dòng)能等[2]。主要的功能包括有減少運(yùn)行成本、延后輸電網(wǎng)的升級(jí)擴(kuò)張、削減備用容量等。進(jìn)而，電力儲(chǔ)能設(shè)備的定位問(wèn)題就成為了亟待解決的主要課題。在有風(fēng)能的電力系統(tǒng)中，儲(chǔ)能設(shè)備的優(yōu)化定位可以帶來(lái)巨大的效益并使其充分發(fā)揮所具有的功能。風(fēng)能輸出的巨大變化能夠以恰當(dāng)?shù)姆绞酵ㄟ^(guò)儲(chǔ)能設(shè)備調(diào)節(jié)。利用儲(chǔ)能設(shè)備一般的工作方式是用其存儲(chǔ)過(guò)剩的風(fēng)能并在合適的時(shí)間進(jìn)行放電。但是并不存在有統(tǒng)一固定的工作方式，根據(jù)具體的情況也存在有多種不同的靈活工作方式。優(yōu)化電力儲(chǔ)能設(shè)備定位目的是在滿足系統(tǒng)各方面的約束條件下使得電力儲(chǔ)能設(shè)備發(fā)揮最大作用。

與電力儲(chǔ)能系統(tǒng)方面相關(guān)的研究已經(jīng)開(kāi)展多年了，最早是開(kāi)始于1963年的水力火力協(xié)調(diào)方面的研究。隨著科學(xué)技術(shù)的發(fā)展，更多不同形式的儲(chǔ)能方式被開(kāi)發(fā)并應(yīng)用到系統(tǒng)中，比如，飛輪、壓縮空氣儲(chǔ)能系統(tǒng)CAES（Compressed Air Energy Storage）、電池等。近幾年，絕大多數(shù)的研究都集中在調(diào)度與協(xié)調(diào)與其他類型發(fā)電廠的配合上。根據(jù)具體的研究目的，多種建模方法被發(fā)展并應(yīng)用。例如，德國(guó)的離散型電力市場(chǎng)模型被用于估計(jì)大規(guī)模風(fēng)能發(fā)電廠在系統(tǒng)運(yùn)行和CAES儲(chǔ)能設(shè)備投資經(jīng)濟(jì)效益之間的影響關(guān)系[3]。只有極少數(shù)的研究關(guān)注于儲(chǔ)能設(shè)備在有新興能源的電網(wǎng)中的優(yōu)化定位問(wèn)題[4-6]。所有這些研究都是小儲(chǔ)能設(shè)備在配電網(wǎng)中的應(yīng)用。也有少數(shù)研究[7-9]是在輸電網(wǎng)背景下進(jìn)行的。但是，其中部分研究[8-9]是使用確定模型建模，這就欠缺了對(duì)新興能源自然屬性的考慮。在文獻(xiàn)[7]中，所使用的多變量2m點(diǎn)估算方法的準(zhǔn)確性問(wèn)題還待商榷。再者，在對(duì)環(huán)境問(wèn)題不斷關(guān)注的背景下，這些研究中都沒(méi)有將CO2價(jià)格這個(gè)重要因素考慮進(jìn)去。

本文中使用概率化最優(yōu)潮流方法和遺傳算法來(lái)優(yōu)化電力儲(chǔ)能設(shè)備在含有風(fēng)電廠的電力系統(tǒng)中的優(yōu)化定位問(wèn)題。優(yōu)化定位儲(chǔ)能設(shè)備主要包括2個(gè)步驟。概率化優(yōu)化最優(yōu)潮流的主要作用是通過(guò)2m+1點(diǎn)估算法最小化運(yùn)行費(fèi)用，遺傳算法的主要作用是根據(jù)適應(yīng)性函數(shù)篩選出最合適的配置點(diǎn)。最后，將上述方法應(yīng)用于一個(gè)有改進(jìn)的IEEE 24 節(jié)點(diǎn)的電力系統(tǒng)中，并對(duì)結(jié)果做出相應(yīng)的說(shuō)明。在本示例中儲(chǔ)能設(shè)備工作的方式為之后的進(jìn)一步研究提供了有價(jià)值的數(shù)據(jù)參考。

1 儲(chǔ)能設(shè)備優(yōu)化定位方法

1.1 一般流程

圖1描述了確定電力儲(chǔ)能設(shè)備最優(yōu)化定位的一般化流程。其中風(fēng)能和負(fù)荷作為輸入量,即為概率化最優(yōu)潮流計(jì)算的變量。遺傳算法用于尋找儲(chǔ)能設(shè)備的最適合定位點(diǎn)。必要時(shí)對(duì)上述步驟進(jìn)行循環(huán)。

圖1 優(yōu)化定位一般化流程

1.2 概率化最優(yōu)潮流

與傳統(tǒng)方法相比，概率化最優(yōu)潮流POPF （Probabilistic Optimal Power Flow）方法提供了更實(shí)際可行的結(jié)果因?yàn)槌浞挚紤]了風(fēng)能的特性。目前存在有很多不同的建模方法來(lái)處理風(fēng)能的不確定性，比如Monte Carlo 模擬法、分析法等。本文使用的點(diǎn)估計(jì)法是通過(guò)計(jì)算隨機(jī)變量的矩來(lái)實(shí)現(xiàn)的。文獻(xiàn)[10]研究中所使用的用于解決潮流問(wèn)題的點(diǎn)估計(jì)法要優(yōu)于文獻(xiàn)[11]和文獻(xiàn)[12]的方法。特別是2m+1 方法的準(zhǔn)確性明顯由于2m 方法，且運(yùn)算效率也高于3m 方法。

圖2是對(duì)點(diǎn)估算法的一般性描述。對(duì)于給定的輸入數(shù)據(jù)，圖中底部的實(shí)線通過(guò)若干選定的點(diǎn)來(lái)估算出輸出數(shù)據(jù)的分布特性。

被選定的點(diǎn)的坐標(biāo)為（pl,k, wl,k），它與其他變量間的關(guān)系表達(dá)式為

圖2 點(diǎn)估算法的一般性描[10]

其中,（pl,k, ωl, k）是變量pl的第k個(gè)中心距。ξl, k是標(biāo)準(zhǔn)定位。μpl和σpl分別是輸入數(shù)據(jù)的平均值和方差。λl, j是輸入數(shù)據(jù)的第j個(gè)標(biāo)準(zhǔn)中心矩。變量m是指輸入變量的個(gè)數(shù)。fpl是pl的概率密度函數(shù)。

對(duì)于2m+1方案，則有如下數(shù)據(jù)。其中，K=3 , ξl, 3=0， 則有

圖3展示了2m+1方案的具體實(shí)現(xiàn)步驟。

圖3 2m+1方案流程

1.3 風(fēng)能的模擬方案

風(fēng)能是通過(guò)風(fēng)速的歷史數(shù)據(jù)轉(zhuǎn)換而來(lái)。風(fēng)速被模擬為1個(gè)2個(gè)參數(shù)的韋伯分布，其概率密度函數(shù)如式（9）所示，曲線擬合的方法用于估算其參數(shù)。風(fēng)機(jī)的輸出與風(fēng)速的關(guān)系[13]如式（10）所示。當(dāng)風(fēng)速低于切入風(fēng)速或高于切出風(fēng)速時(shí)，其風(fēng)能輸出為零；當(dāng)風(fēng)速介于額定風(fēng)速和切出風(fēng)速中間時(shí)，風(fēng)能輸出為額定風(fēng)力發(fā)電機(jī)功率；當(dāng)風(fēng)速介于切入風(fēng)速和額定風(fēng)速中間時(shí)，風(fēng)能輸出為一定比例的額定風(fēng)力發(fā)電機(jī)功率。

其中，f (x)是以k和λ為參數(shù)的韋伯分布函數(shù)，Gwr是風(fēng)力發(fā)電機(jī)功率，Gw是風(fēng)能輸出，vi是切入風(fēng)速，v0是切出風(fēng)速，vr是額定風(fēng)速。

1.4 最優(yōu)潮流

輸變電工程建設(shè)需要大量的建筑材料、物資、生產(chǎn)設(shè)備的購(gòu)買費(fèi)用和維修費(fèi)用，還有施工人員的工資、獎(jiǎng)金、社保等費(fèi)用。

MATPOWER是一個(gè)由Zimmerman等開(kāi)發(fā)的基于Matlab的開(kāi)源電力系統(tǒng)仿真程序包[14]。使用MATPOWER解析確定型的電力系統(tǒng)模型，用其最小化目標(biāo)函數(shù)，如式（11）所示。同時(shí)在最優(yōu)潮流中考慮了CO2排放價(jià)格。其展開(kāi)的具體形式如式（12）所示。

其中，Cj表示燃料價(jià)格，e fj是CO2的排放系數(shù)，Cco2是CO2的價(jià)格，Pi表示第i臺(tái)發(fā)電機(jī)的有功輸出，ki0，ki1和ki2為熱耗率系數(shù)。

1.5 遺傳算法

遺傳算法的使用是為了找到最合適的儲(chǔ)能設(shè)備定位點(diǎn)。需要達(dá)到的目標(biāo)包含在適應(yīng)性函數(shù)式（13）中。

其中，D表示負(fù)荷側(cè)的需求，P表示來(lái)自電源的有功，k表示儲(chǔ)能單元所在的節(jié)點(diǎn)。適應(yīng)性方程表示儲(chǔ)能設(shè)備的充電量。遺傳算法中，參數(shù)的設(shè)置很關(guān)鍵。一個(gè)合適的種群數(shù)量的選取能夠改善結(jié)果的收斂性。

2 應(yīng)用舉例

本文的測(cè)試系統(tǒng)選用有改動(dòng)的IEEE 24節(jié)點(diǎn)系統(tǒng)[15]，如圖4所示。將風(fēng)電場(chǎng)置于第19個(gè)節(jié)點(diǎn)，因?yàn)橥ǔＧ闆r下風(fēng)電站遠(yuǎn)離負(fù)荷中心。負(fù)荷的允許參數(shù)來(lái)源于德克薩斯電力可靠性委員會(huì)ERCOT的官方網(wǎng)站，是2013年3月1日的每小時(shí)負(fù)荷參數(shù)文檔。

圖4 IEEE 24 節(jié)點(diǎn)系統(tǒng)圖

儲(chǔ)能設(shè)備工作模式是指設(shè)備具體何時(shí)充放電。它根據(jù)不同的情況有多種模式，都對(duì)結(jié)果有直接影響。

本例中儲(chǔ)能設(shè)備和風(fēng)電場(chǎng)配合工作，吸收多余的風(fēng)電。本例中風(fēng)電場(chǎng)優(yōu)先給鄰近的負(fù)荷中心供電，再將富余的電能存儲(chǔ)，如若風(fēng)電場(chǎng)不能夠滿足周圍的用電需求，則儲(chǔ)能設(shè)備開(kāi)始放電。

2.2 結(jié)果

在不同功率的風(fēng)電場(chǎng)情況下，最優(yōu)化的儲(chǔ)能設(shè)備定位節(jié)點(diǎn)如表1所列。所示信息表明，隨著風(fēng)電場(chǎng)功率的升高，儲(chǔ)能設(shè)備更傾向于靠近負(fù)荷中心。當(dāng)風(fēng)電場(chǎng)功率處于100 MW至200 MW時(shí)，儲(chǔ)能設(shè)備處于高電壓等級(jí)的節(jié)點(diǎn)上。如圖5所示，儲(chǔ)能設(shè)備的充電量和利用率隨著風(fēng)電場(chǎng)功率的升高而上升。其中，利用率是儲(chǔ)能設(shè)備的充電量與額定風(fēng)電發(fā)電量的比值。由儲(chǔ)能設(shè)備的工作方式可知，這是對(duì)富余風(fēng)電的有效利用。

表1 示例結(jié)果信息表

圖5 充電量和利用率曲線圖

圖6所示為測(cè)試系統(tǒng)在有無(wú)儲(chǔ)能設(shè)備時(shí)運(yùn)行成本費(fèi)用的比較。顯而易見(jiàn)，有儲(chǔ)能設(shè)備時(shí)的費(fèi)用遠(yuǎn)低于無(wú)儲(chǔ)能設(shè)備。在無(wú)儲(chǔ)能設(shè)備的情況下，隨著風(fēng)電場(chǎng)輸出功率的升高，費(fèi)用降低，如圖中實(shí)線所示。在有儲(chǔ)能設(shè)備的情況下，隨著風(fēng)電場(chǎng)輸出功率的升高，費(fèi)用升高，如圖中虛線所示在風(fēng)電場(chǎng)輸出功率約為160 MW時(shí)，費(fèi)用上升明顯加快，因?yàn)楦鶕?jù)儲(chǔ)能設(shè)備的工作模式，此時(shí)其較少有時(shí)機(jī)放電，需要傳統(tǒng)發(fā)電機(jī)增大輸出以滿足負(fù)荷需求，使得費(fèi)用快速增加。

圖6 運(yùn)行成本費(fèi)用的比較圖

圖7所示為測(cè)試系統(tǒng)在有無(wú)儲(chǔ)能設(shè)備時(shí)CO2排量的比較。其基本特征與圖6相似，原因相同。

圖7 CO2排放量比較圖

3 結(jié)束語(yǔ)

本文給出了一種通用有效的方法用于在有新能源的電網(wǎng)中優(yōu)化儲(chǔ)能定位。該方法通過(guò)2m+1方案和遺傳算法，降低運(yùn)行成本費(fèi)用和提高儲(chǔ)能設(shè)備利用率，尋求儲(chǔ)能設(shè)備最優(yōu)定位點(diǎn)。以有修改IEEE 24節(jié)點(diǎn)系統(tǒng)為實(shí)例顯示了有儲(chǔ)能設(shè)備相配合運(yùn)行的優(yōu)點(diǎn)。其中儲(chǔ)能設(shè)備的工作模式是關(guān)鍵因素。示例說(shuō)明了該方法的準(zhǔn)確性和高效性，同時(shí)其仍有更多改進(jìn)之處有待進(jìn)一步探討。

[1] R. Wiser, M. Bolinger, 2012 wind technologies market report[R]. U.S. Department of Energy DOE/GO-102013-3948, 2012.

[2] V. Vittal, G. T. Heydt, S. Hariharan, et al. Tools and Techniques for Considering Transmission Corridor Options to Accommodate Large Scale Renewable Energy Resources[R]. PSERCProject S-41 Report, 2012.

[3] D. J. Swider. Compressed Air Energy Storage in an Electricity System With Significant Wind Power Generation[J].Energy Conversion, IEEE Transactions, 2007( 22): 95-102.

[4] G. Celli, S. Mocci, F. Pilo, et al. Optimal integration of energy storage in distribution networks[J]. Power Tech, 2009 IEEE Bucharest, 2009:1-7.

[5] G. Carpinelli, F. Mottola, D. Proto, et al.Optimal allocation of dispersed generators, capacitors and distributed energy storage systems in distribution networks[J].Modern Electric Power Systems (MEPS), 2010 Proceedings of the International Symposium, 2010:1-6.

[6] A. K. Basu, S. Chowdhury, and S. P. Chowdhury. Impact of Strategic Deployment of CHP-Based DERs on Microgrid Reliability[J]. Power Delivery, IEEE Transactions,2010(25):1697-1705.

[7] M. Ghofrani, A. Arabali, M. Etezadi-Amoli.A Framework for Optimal Placement of Energy Storage Units Within a Power System With High Wind Penetration[J]. Sustainable Energy, IEEE Transactions, 2013( 4)：434-442.

[8] S. Bose, D. F. Gayme, U. Topcu, et al. Optimal placement of energy storage in the grid[J]. Decision and Control (CDC), 2012 IEEE 51st Annual Conference, 2012: 5605-5612.

[9] K. Dvijotham, S. Backhaus, and M. Chertkov. Operations-based planning for placement and sizing of energy storage in a grid with a high penetration of renewables[J].arXiv preprint arXiv:1107.1382, 2011.

[10] J. M. Morales and J. Perez-Ruiz. Point Estimate Schemes to Solve the Probabilistic Power Flow[J].Power Systems, IEEE Transactions, 2007(22): 1594-1601.

[11] K. Li. Point-estimate method for calculating statistical moments[J]. Journal of Engineering Mechanics, 1992(118): 1506-1511.

[12] M. E. Harr. Probabilistic estimates for multivariate analyses[J]. Applied Mathematical Modelling, 1989(13): 313-318.

[13] S. Roy. Market constrained optimal planning for wind energy conversion systems over multiple installation sites [J]. Energy Conversion, IEEE Transactions,2002(17): 124-129.

[14] R. D. Zimmerman, S. Murillo, x, C. E. nchez, and R. J. Thomas. MATPOWER: Steady-State Operations, Planning, and Analysis Tools for Power Systems Research and Education[J].Power Systems, IEEE Transactions, 2011(26):12-19.

[15] C. Grigg, P. Wong, P. Albrecht, et al. The IEEE Reliability Test System-1996. A report prepared by the Reliability Test System Task Force of the Application of Probability Methods Subcommittee[J].Power Systems, IEEE Transactions, 1999(14):1010-1020.

Optimal Location of Energy Storage Equipment

XU Yi

（State Grid Jibei Electric Economic Research Institute, Beijing 100038, China）

With the gradually increased proportion of wind energy in power system, the significant impacts of wind energy on power system operation got more attentions. Electrical energy storage equipment provides a satisfied solution on peak shaving operation and reliability enhancement. The location problem for electrical energy storage is becoming a prominent issue needing to be figured out. This paper gives a general procedure on optimal location of storage unit in a power system with wind energy. Wind generation is modeled probabilistically using actual wind speed historical data. Then the genetic algorithm is used for selecting the desired location for a storage unit. The proposed method is applied on a modified IEEE 24-bus system, and it is verified to be feasible.

power energy storage; optimal location; optimal power flow; probabilistic optimal power flow; wind energy

TM910

A

1671-0320（2016）04-0011-05

2016-05-09，

2016-06-12

徐 毅（1983），男，山西太原人，2014年畢業(yè)于美國(guó)威奇塔州立大學(xué)電氣工程專業(yè)，博士，工程師，主要研究方向?yàn)殡娏ο到y(tǒng)優(yōu)化運(yùn)行。