储能技术负荷跟踪服务及其价值评估

俞　磊, 陈金锋

(国网浙江省电力公司杭州供电公司 变电运维室, 浙江 杭州　310000)



储能技术负荷跟踪服务及其价值评估

俞磊, 陈金锋

(国网浙江省电力公司杭州供电公司 变电运维室, 浙江 杭州310000)

研究了智能电网中储能技术提供的负荷跟踪服务,结合储能设备提供服务时充放电电量服从Laplace分布的特征,给出了储能充放电模型,并基于非序贯Monte Carlo方法给出了提供负荷跟踪服务的价值评估方法.

储能技术; Monte Carlo方法; 价值评估

智能电网中的储能技术被称为电力产业的第6价值链和21世纪电力产业的新经济增长点,储能技术迅猛发展并在智能电网中的大规模应用成为必然趋势.基于储能技术可提供的负荷跟踪服务,如何有效评估储能服务的价值,对储能技术的开发和大规模应用有着较强的推动作用[1-2].

1　储能提供负荷跟踪服务的分析

提供负荷跟踪服务的储能充放电过程具有连续性,在电网正常时刻,提供负荷跟踪服务,通过储能的充放电来弥补短期负荷预测的误差,使电网的供需达到平衡.图1为储能提供负荷跟踪和紧急备用服务充放电示意.图1中,从t0开始,储能不断地充放电,以满足负荷跟踪的要求.

图1　储能提供负荷跟踪服务充放电示意

2　储能的充放电模型及其价值评估

为了简化分析和突出本文的重点,本文只关注储能设备在每个阶段的充放电电量、充放电功率和每个状态下储能的荷电状态(state of charge,SOC),以及储能的充放电能量和功率方面的约束条件.虽然提供不同服务的储能设备的具体充放电过程存在一定的差异,但是均可以采用每个时间段的荷电状态变化来描述储能的充放电过程.本文重点分析提供负荷跟踪服务的价值.

储能设备某一时刻的荷电状态为:

(1)

式中:Si——第i阶段末储能的SOC值;

Si+1——下一阶段末储能的SOC值;

Ci——储能充电量;

Di——储能放电量;

α,β——充放电效率;

2.1 脑血流量以及微血管的改变 糖尿病患者脑部血流量相比正常同龄人为低。长期高血糖状态可造成大中动脉粥样硬化狭窄以及小血管变细，导致脑局部血流量减少，进一步加重小血管病变，促进了LA的形成［3-4］。

η——储能的能量储存效率.

储能需要同时满足功率和容量的约束.所谓储能的容量是指电池在满电的情况下对外放电,直到电池达到自身的临界电压下限为止所放出的所有电量.对于不同种类的电池,其电池容量会有不同,一般用C代表电池容量,单位为Ah或Wh.同时,储能系统的充放电深度与储能系统的寿命有直接的关系,过大或过小都不利于储能系统的使用,因此放电深度应保持在一个合理的范围内,一般为0.6～0.7.所谓储能的功率约束是指储能充放电功率存在极限.通常储能的约束条件可描述为:

(2)

式中:Smax,Smin——储能SOC的上下限;

Pmax,Pmin——储能的最大和最小充放电功率.

储能充放电过程存在着损耗,效率在70%～90%,为此需要将储能充放电过程的损耗计算在内.储能的损耗主要通过内阻的形式表示.储能系统内阻可分为欧姆内阻与极化内阻两部分,其中欧姆内阻是储能系统内部硬件自身的电阻,一般认为不变;极化内阻与储能系统内离子的浓度有直接的关系,小电流经过电池时,极化电阻较小,大电流经过时,极化电阻较大.通常而言,储能的充放电过程对储能中离子的影响不同,为此储能系统的充放电过程效率也会不同,但就本文而言,假设充放电效率相等是合理的,储能的充放电效率α和β相等,且将储能的充放电过程描述为荷电状态变化过程,并采用ΔS表示,则式(1)可以简化为:

(3)

电网故障发生的时间具有随机性,储能的充放电过程具有随需而变的特点,储能设备的SOC值无法用数学公式准确描述,因此确定储能设备的SOC值对于评估储能的价值具有重要意义.文献[3]采用负荷预测、间歇性电源出力预测逐个时间序列确定储能的充放电过程,最终确定储能的SOC值.然而在目前研究条件下,电网负荷预测、间歇性能源出力预测算法得出的结果与实际值存在不可忽视的误差,通过电网负荷预测、间歇性能源出力预测得出的充放电过程具有很大的不确定性,也无法判断具体的准确程度;同时,在每5 min作为一个时间段的情况下,计算量大,计算较复杂.文献[3]和文献[4]通过分析BPA(Bonneville Power Administration)数据得出,短期时间尺度(10 min,5 min)内的预测负荷与配电网实际负荷之间的不平衡量服从Laplace分布.提供负荷跟踪服务的储能设备可以平滑这种负荷的不平衡量,因此可假设提供负荷跟踪服务的储能设备的充放电量服从Laplace分布.Laplace分布的函数表达式为:

(4)

式中:μ——位置参数;

b——尺度参数.

Laplace分布的概率密度函数与正态分布概率密度函数相似,但正态分布是用相对于μ平均值的差的平方来表示,而Laplace概率密度用相对于平均值的差的绝对值来表示,因此Laplace分布的尾部比正态分布更平坦.有文献表明,Laplace分布更适合描述预测负荷与实际负荷之间的不平衡量[5].储能任意时刻的荷电状态可以通过模拟充放电过程得到.任意时刻储能的SOC值可以表示为:

(5)

式中:St——待求t时刻的储能SOC值;

n——时长为t的时间间隔内储能设备的充放电过程次数.

本文假设每个过程内储能充放电功率保持恒定不变,并假设在t时间段内储能的充放电状态不变.St可通过采用非序贯Monte Carlo方法抽样每个时间段内储能的荷电状态变化量Si获得.假设时间t可分为时间间隔为τ(τ取值为5 min)的n个过程,由于随机变量取值均匀分布,所以概率统一取值1/n.在每个过程内储能的充放电量可由式(6)描述的(μ,b)为参数的Laplace分布的随机数结合储能设备的充放电功率约束得到.

(6)

式中:x——抽样得到的满足Laplace分布的随机变量;

u——区间(-0.5,0.5)上服从均匀分布的随机变量.

在每次Monte Carlo抽样过程中,ΔSi的取值为:

(7)

由式(6)得到的随机变量x不一定满足储能的容量和荷电状态的约束,为此需采用式(7)进行修正.采用非序贯Monte Carlo方法运用式(6)连续抽样n次,即可得到每个过程的充放电量x,再用式(7)将x值修正成需要的ΔSi,代入式(5)计算出状态末储能荷电状态值Si,最终得到储能t时刻的荷电状态值St.

2.2储能提供负荷跟踪的价值评估

目前我国尚未颁布储能参与电网辅助市场服务的定价机制.美国于2011年推出的755法案(Order 755:Frequency regulation compensation in the organized wholesale power markets)规定了储能参与电网的辅助服务并获得收益的问题.对于提供负荷跟踪服务的储能设备,按照储能的服务形式,需考虑配电网正常供电状态下,储能提供负荷跟踪服务的租赁价格.储能提供负荷跟踪服务的收益目前尚无官方文件规定.在实际应用中,调节量、调节精度和调节速率是考核辅助服务收益的重要指标.本文假设储能参与电网的辅助服务对应一个固定的租赁价格[6].

假设配电网安装的储能提供负荷跟踪服务采用的是租赁形式,则:

V1=PDT

(8)

式中:P——储能的功率,MW;

D——每兆瓦储能的租赁价格;

T——年均租赁时间.

对于提供分时段共享储能服务的储能设备,储能的价值评估较复杂,涉及储能的所有权和控制策略.对于提供此类服务的储能设备,价值评估可通过评估储能在各时段的价值得到储能的总价值,即:

(9)

式中:Vi——i时段储能的价值;

n——储能的时段数.

在不同的时段,依据储能提供的服务的不同,Vi的计算方法也不同.Vi的计算公式需要依据储能的服务价值和约定费率计算.

3　结　语

本文应用Laplace方法描述了储能设备的充放电过程.基于非序贯Monte Carlo方法给出了提供负荷跟踪服务的价值评估方法.通过价值评估结果表明,合理设计储能的应用方式,可以提高储能的价值,促进储能技术的发展.

[1]STANLEY W.History,evolution,and future status of energy storage[J].Proceedings of the IEEE,2012(13):1 518-1 534.

[2]BRUCE D,HARESH K,JEAN M T.Electric energy storage for the grid:a battery of choices[J].Science,2011(8):928-935.

[3]杨裕生,程杰,曹高萍.规模化储能装置经济效益的判据[J].电池,2011(1):19-21.

[4]FIGUEIREDO F C,FLYNN P C,CABRAL E A.The economics of energy storage in 14 deregulated power markets[J].Energy Studies Review,2006,14(2):131-152.

[5]孙振新,刘汉强,郭烨.储能经济型研究[J].中国电机工程学报,2013(增刊):54-58.

[6]崔强,王秀丽,刘祖永.市场环境下计及储能电站运行的联动电价研究及其效益分析[J].中国电机工程学报,2013,33(13):62-68.

(编辑胡小萍)

Energy Storage Technology Load TrackingService and Its Value Assessment

YU Lei, CHEN Jinfeng

(Transforming and Maintenance Section, Hangzhou Power Supply Corporation, Zhejiang Electric Power Corp., State Grid, Hangzhou310000, China)

The energy storage technology in the smart grid to provide load tracking service is studied in combination with energy storage devices which provide service charge and discharge power to obey the Laplace distribution characteristics,energy storage charge.A discharge model is given based on the basis of the sequential Monte Carlo method with load value assessment method of tracking service.

energy storage technology; monte carlo; value assessment

10.3969/j.issn.1006-4729.2016.03.018

2015-12-28

简介：俞磊(1983-),男,硕士,工程师,浙江杭州人.主要研究方向为电力系统的运行与维护.E-mail:13958115453@139.com.

TM176;F426.61

A

1006-4729(2016)03-0293-03