考慮多主體電力負(fù)荷不確定性的工業(yè)園區(qū)共享儲能配置與運行策略

潘倩華 林健全 孫偉卿

摘? 要： 工業(yè)園區(qū)是未來智能電網(wǎng)建設(shè)的重點領(lǐng)域之一，但是其電力需求主體多樣，光伏、風(fēng)電及負(fù)荷功率不確定性較大，易對園區(qū)供電系統(tǒng)運行的安全性造成威脅，同時也影響用戶用電經(jīng)濟性。合理配置儲能系統(tǒng)可以有效緩解以上問題，但是以目前的技術(shù)經(jīng)濟性，儲能設(shè)備投資成本高，回報周期長，難以有效吸引投資。本文考慮儲能系統(tǒng)的多重價值，以儲能綜合效益最優(yōu)為目標(biāo)，建立優(yōu)化共享儲能配置與運行策略的二層規(guī)劃模型?？紤]園區(qū)內(nèi)光伏的不確定性，上層規(guī)劃模型以全壽命周期內(nèi)靜態(tài)綜合經(jīng)濟效益最優(yōu)為目標(biāo)求解共享儲能配置容量，下層運行模型以共享儲能收益最大化為目標(biāo)求解其最優(yōu)運行策略。采用魯棒優(yōu)化算法求解上述不確定性模型，通過上下層模型之間的迭代計算確定共享儲能的最優(yōu)配置和運行策略。最后，以上海某園區(qū)為例進行仿真分析，結(jié)果表明，合理配置共享儲能能夠平抑多主體電力負(fù)荷需求的不確定性，有效提高清潔能源利用率，并在儲能與多主體用戶之間形成共贏。

關(guān)鍵詞： 共享儲能;配置與運行;二層規(guī)劃;魯棒優(yōu)化

中圖分類號： TP29 ???文獻標(biāo)識碼： A??? DOI：10.3969/j.issn.1003-6970.2020.07.054

本文著錄格式：潘倩華，林健全，孫偉卿. 考慮多主體電力負(fù)荷不確定性的工業(yè)園區(qū)共享儲能配置與運行策略[J]. 軟件，2020，41（07）：260-263+296

Configuration and Operation Strategy of Shared Energy Storage ConsideringMulti-body Power Load Uncertainty in Industrial Parks

PAN Qian-hua， LIN Jian-quan， SUN Wei-qing

（University of Shanghai for Science and Technology， Department of Electrical Engineering， Yangpu District， Shanghai 200093， China）

【Abstract】： Industrial park is one of the key areas for smart grid construction in the future. However， the uncertainty of photovoltaic， wind and load power poses threats to system operation safety， and also affects users economy. Energy storage system can effectively alleviate the above problems， but the investment cost of energy storage equipment is high. This paper considers the multiple values of energy storage systems， and aims to establish a two-layer planning model for shared energy storage configuration and operation strategy with the goal of optimal energy storage efficiency. The upper layer planning model solves the shared energy storage configuration capacity with the goal of the static comprehensive life cycle cost， and the lower layer operation model aims to maximize the shared energy storage revenue. Robust optimization algorithm is used to solve the above uncertainty model， and the optimal configuration and operation strategy of shared energy storage are determined by iterative calculation between the upper and lower layers. Finally， a simulation analysis of an industrial park in Shanghai shows that all the algorithm and models are efficient. Through the rational configuration of shared energy storage， the uncertainty of power load can be stabilized， the utilization of renewable energies can be improved， and a win-win solution can be realized between energy storage and multi-body loads.

【Key words】： Shared energy storage; Configuration and operation; Two-tier planning; Robust optimization

0? 引言

近年來，隨著經(jīng)濟水平的快速發(fā)展，以工業(yè)園區(qū)^[1]為載體的工業(yè)化是推動城鎮(zhèn)經(jīng)濟發(fā)展的有效途徑，在我國各地工業(yè)園區(qū)有如雨后春筍般的建立起來。工業(yè)園區(qū)聚集了多種電力用能主體，區(qū)域內(nèi)用能負(fù)荷總量大，隨著工業(yè)園區(qū)在國內(nèi)的迅速建設(shè)與發(fā)展，工業(yè)園區(qū)未來智能電網(wǎng)^[2]建設(shè)的重要領(lǐng)域之一。但是工業(yè)園區(qū)電力能源使用情況多變，每日的高峰用電與低谷用電量相差較大;

能源結(jié)構(gòu)復(fù)雜，園區(qū)內(nèi)已有光伏，風(fēng)電等無法完全消納，同時增加了園區(qū)內(nèi)電力系統(tǒng)的不穩(wěn)定性和用戶的用電成本。

目前較好的解決方式是通過引入儲能系統(tǒng)來實現(xiàn)削峰填谷和不連續(xù)性清潔能源的消納。最主要的儲能方式是通過建立水電站或大壩抽水蓄，但這種方式在大部分工業(yè)園區(qū)很難實現(xiàn)儲能。用戶自行獨立購買儲能設(shè)備，考慮到目前的技術(shù)經(jīng)濟性，儲能設(shè)備投資成本高，回報周期長，難以有效吸引投資。所以本文就經(jīng)濟效益考慮使用共享儲能模式^[3]，通過高放低充實現(xiàn)儲能收益，同時儲能裝置可以和園區(qū)內(nèi)其他已有清潔能源用戶實現(xiàn)共享，能夠及時有效的消納園區(qū)內(nèi)多余的風(fēng)力，光伏等不連續(xù)性能源^[4]。

本文重點闡述了工業(yè)園區(qū)共享儲能配置與運行的二層規(guī)劃^[5]，并分析了園區(qū)內(nèi)存在的不確定性問題，基于園區(qū)用電日負(fù)荷曲線，采用隨機優(yōu)化算法^[6]和上下層模型迭代達到利益最大化，并結(jié)合實際算例驗證了共享儲能的可行性和優(yōu)勢。

1 ?共享儲能裝置的成本效益模型分析

1.1? 成本模型

（1）初期投資成本

1.2 ?效益模型

（1）減少用戶購電費用中的電量電費

用戶利用儲能裝置的削峰填谷作用，減少其購電費用中的電量電費為：

2 ?基于二層規(guī)劃的儲能優(yōu)化配置模型

2.1 ?上層模型

上層規(guī)劃模型以實現(xiàn)用戶側(cè)儲能裝置全壽命周期內(nèi)的靜態(tài)經(jīng)濟綜合效益最大化為目標(biāo)，該綜合效益包括兩個部分：一個是儲能裝置的全壽命周期成本;一個是其在壽命周期內(nèi)所產(chǎn)生的總效益。其數(shù)學(xué)模型為

2.2 ?下層模型

（1）規(guī)劃模型

（2）約束條件

1）充放電容量約束

儲能裝置每次的充放電容量應(yīng)小于其額定容量，且每天內(nèi)總的充放電總?cè)萘烤鶓?yīng)大于0。為了保證電池的使用壽命盡可能的長，應(yīng)使每日的放電容量近似等于充電容量。

2）時序約束

為了簡化計算并體現(xiàn)儲能的經(jīng)濟價值，將儲能的放電時間段限定在高峰電價時間段內(nèi); 將儲能的充電時間段限定在低谷電價時間段內(nèi)，下一次的充放電起始時刻應(yīng)晚于本次充放電的終止時刻。

3）SOC約束

蓄電池儲能裝置的荷電狀態(tài)（state of charge，SOC）即其剩余容量與完全充滿電狀態(tài)的容量之比，取值范圍為0～1，用符號表示。蓄電池儲能裝置的過充過放均會降低其使用壽命，所以應(yīng)將其限定在一個合理的范圍內(nèi)[^7]。

2.3 ?不確定性處理

考慮可再生分布式能源為光伏能源，光伏實際出力與實際負(fù)荷功率會在預(yù)測值的上下范圍波動，采用盒式不確定集U刻畫系統(tǒng)的不確定性為[^8]

3 ?求解算法

本文雖為二層模型，但其中包含不確定性因子，所以先采用魯棒優(yōu)化[^9]，其求解模型如下。

將問題轉(zhuǎn)換為確定性問題后，再利用粒子群優(yōu)化算法[^10]對確定的二層規(guī)劃算法進行求解。對于其中帶不等式約束的優(yōu)化問題，本文采用罰函數(shù)的外點法對約束條件進行處理，其定義如下。

模型的算法流程圖如圖1所示。

4 ?算例分析

以上海某3家實際10 kV電壓等級的企業(yè)用戶為例來對用戶側(cè)儲能裝置的綜合效益最優(yōu)運行策略進行分析計算。用戶1為兩班制企業(yè)用戶，對供電可靠性要求較高，其典型日負(fù)荷如表1所示。由表1可以得出用電高峰時間段大概為9：00—11：30和13：30—17：00;用電低谷時間大概為晚上21：00至第二天早上7：00。用戶2為早班制企業(yè)，其典型日負(fù)荷如表2所示。由表2可以得出用電高峰時間段大概為4：00—10：00;用電低谷時間大概為下午14：00至第二天早上3：30。用戶3為光伏發(fā)電廠，其日發(fā)電量如下圖1。電網(wǎng)電價機制采用上海市某配電站的分時電價，峰價為0.108萬元/MWh，時間段為 8：00—22：00;谷價為0.0408萬元/MWh，時間段為22：00—8：00。共享儲能電價為峰價為0.0780萬元/MWh，時間段為8：00—22：00;谷價為0.0490萬元/MWh，時間段為22：00—8：00。

利用粒子群優(yōu)化算法對該算例進行仿真分析，可得圖6結(jié)果。

綜上所述，可以得出以下結(jié)論：

（1）共享儲能商在儲能裝置的全壽命周期 10 年內(nèi)獲得的最大綜合效益約為1383.3萬元，成本約為1297萬元，平均年凈收益為138.33萬元，平均年利潤率約為10.7%。用戶可在9年左右回收成本。用戶購電是其主要效益來源。

（2）對于光伏發(fā)電廠家提供的不確定負(fù)荷，由魯棒優(yōu)化求解得到其最壞情況下的供電量，即每小時售給共享儲能商0電量。

（3）對于共享儲能商來說，儲能裝置每年為其帶來的凈收益為10萬元左右，其中很大一部分來源于購電差價，雖然使用用戶的增加可以帶來效益的增加，但目前峰谷電價差不明顯，且蓄電池儲能裝置的造價較高，并不能從根本上提高效益。但是，隨著儲能技術(shù)的進步和我國電價機制的逐步成熟，峰谷電價差的拉大將有利于實現(xiàn)共享儲能商效益的增加。所以隨著蓄電池儲能技術(shù)的逐漸成熟和我國電價機制的逐步完善，安裝共享儲能裝置會帶來良好的經(jīng)濟效益。

5 ?結(jié)論

本文提出了二層規(guī)劃方法，用于計算工業(yè)園區(qū)共享儲能考慮風(fēng)電、光伏、負(fù)荷功率的不確定性的最優(yōu)配置和運行策略。上層規(guī)劃模型對儲能裝置的配置功率和配置容量進行優(yōu)化，而下層規(guī)劃模型則對儲能裝置的日充放電起始、終止時刻進行優(yōu)化，從而實現(xiàn)了最終的綜合效益最優(yōu)。并使用隨機優(yōu)化算法進行計算，結(jié)果表明，通過高充低放及收購光伏發(fā)電，合理配置共享儲能能夠平抑多主體電力負(fù)荷需求的不確定性，有效提高清潔能源利用率，并在儲能與多主體用戶之間形成共贏。未來，隨著能源多元化，清潔能源的使用，儲能成本的不斷下降以及工程技術(shù)逐步完善，共享儲能必將在工業(yè)園區(qū)發(fā)揮重要作用。

參考文獻

[1]?????? 羅艷玲， 鄢烈祥， 盧海， 林子雄. 基于分布式能源的工業(yè)園區(qū)能源規(guī)劃[J]. 化工進展， 2013， 32（02）： 308-312+319. 08-312+319.

[2]?????? 林海， 張相文， 羅華永. 國家電網(wǎng)運營診斷指標(biāo)體系研究[J]. 軟件， 2016， 37（01）： 122-126.

[3]?????? 孫偲， 陳來軍， 邱欣杰， 鄭天文， 梅生偉. 基于合作博弈的發(fā)電側(cè)共享儲能規(guī)劃模型[J]. 全球能源互聯(lián)網(wǎng)， 2019， 2（04）： 360-366.

[4]?????? 劉勝永. 基于風(fēng)/光發(fā)電系統(tǒng)的儲能系統(tǒng)建模與控制[D]. 合肥工業(yè)大學(xué)， 2016.

[5]?????? 雷金勇， 郭祚剛， 陳聰， 等. 考慮不確定性及電/熱儲能的綜合能源系統(tǒng)兩階段規(guī)劃-運行聯(lián)合優(yōu)化方法[J]. 電力自動化設(shè)備， 2019， 39（8）： 169-175.

[6]?????? 曹盟盟， 姚文斌. 基于改進粒子群算法的虛擬機放置算法[J]. 軟件， 2015， 36（12）： 89-92.

[7]?????? 陳婕， 金馨. 基于極限學(xué)習(xí)機的鋰電池健康狀態(tài)預(yù)測[J]. 軟件， 2018， 39（2）： 191-196.

[8]?????? 吳江， 孫劍偉. 一種基于云模型的數(shù)據(jù)預(yù)測算法[J]. 軟件， 2015， 36（12）： 212-215.

[9]?????? 韓杏寧， 黎嘉明， 文勁宇， 艾小猛， 黎靜華， 羅衛(wèi)華. 含多風(fēng)電場的電力系統(tǒng)儲能魯棒優(yōu)化配置方法[J]. 中國電機工程學(xué)報， 2015， 35（09）： 2120-2127.

[10]??? 趙乃剛. 一種新的基于模擬退火的粒子群算法[J]. 軟件， 2015， 36（7）： 1-4.