在配电网场景下的火电厂储能优化配置

唐蕾，郝思鹏，张前

(南京工程学院，南京 211100)

0 引 言

近年来，我国为了改善传统的发电方式，减少温室气体的排放，光伏、风电等新能源发电飞速发展，新能源并网设备的装机容量迅速增长，在节能减排的同时，发电并网大幅度增加了电网的负荷峰谷差，由于新能源发电本身具有的不确定性，增加了火电厂的调峰难度。由于传统火电机组调频响应时间长、爬坡速率慢的特点，新能源并网也加深了电网调频压力。电力系统的调峰主要依靠调峰电源完成，现阶段我国火电机组装机容量占比高，承担着主要的调峰任务，当火电机组可调节的电源容量远不能满足调峰需求时，弃风弃光现象以及火电机组频繁启停现象普遍发生。为缓解火电厂调峰调频的压力，研发出储能等各类补救措施。

由于储能系统造价昂贵，如何给火电厂配置储能以达到最好的经济效益是亟待解决的新问题。对于储能电场参与火电厂调频问题，文献[1]根据发电厂储能系统的特征对储能系统在发电厂中的应用进行分析和研究。针对储能系统参与火电厂自动发电控制(Automatic Generation Control，AGC)储能系统问题，文献[2]表明储能联合调频系统的调频性能明显优于机组单独调频，且调频深度显著提高，联合运行的补偿收益明显增加。文献[3]根据华北电网《两个细则》中自动发电控制补偿费用的计算方法，提出调节深度、调节性能Kp对AGC服务贡献补偿费用的影响。

针对储能参与火电厂调峰问题，文献[4]对储能参与火电厂调峰的效应以及容量配置做出综述。文献[5]提出一种储能与正常调峰、深度调峰、投油调峰、启停调峰相结合的优化调峰方法，构建组合调峰方案技术指标曲面和经济性指标曲面，两曲面交线为最优组合调峰方案。

储能的容量配置以及储能设备容量最小或者以成本最低的单一配置方法。文献[6]通过双层优化配置含有风电的火电厂储能容量，使得在经济效益最优的情况下火电厂调峰达到最优。文献[7]以解决新能源并网的功率波动问题，提出了风光储发电容量最优配比方法。文献[8]以功率容量最小为目标，提出了以时序电力平衡为基础的新能源电源规划方法和提高电力系统灵活性的储能配置方法来缓解调峰压力。建立多目标的优化模型可以兼顾储能系统的成本和效应，能让储能系统更经济，调峰效果更显著。文献[9]考虑梯次利用电池的双层储能容量配置模型，通过上层使储能投资和发电成本最低的模型结合下层考虑运行约束和电池模型约束，合理分配发电方式的出力，求解出的系统发电成本，并利用遗传算法迭代更新，得到火电厂调峰储能最优容量配置方案。文献[10]依据风电场中加入储能系统后的功能和效果，提出了一种平抑风力发电功率波动的储能容量的优化配置方法，使经济性达到最优。

以上研究成果在一定程度上为火电厂储能的配置起到了指导作用，但是储能电池的优化配置只考虑了电厂侧的负荷功率波动情况，导致从整个电网的储能配置来看，经济性达不到最高[11-13]。文中将储能配置从电厂侧单一控制转变为电网侧直接控制，使电厂侧储能不局限于辅助机组调频调峰，且能更大化增加储能运行的收益。

1 区域电网结构及其数学模型

1.1 区域电网结构

文章仅考虑区域电网中只有火电厂的情形。发电侧网络结构如图1所示。

图1 区域电网网络结构Fig.1 Network structure of regional power grid

储能系统往往接在火电厂高厂变的低压侧，网络拓扑图如图2所示。

图2 储能辅助调频整体网络拓扑图Fig.2 Topology diagram of energy storage assisted FM network

1.2 区域电网数学模型

1.2.1 火电机组模型

对于传统的火电机组，运行成本主要包含启停成本和煤耗成本，所以火电厂的运行成本表示为：

(1)

式中N为火电厂机组数量；T为一个计算周期，以一天24 h带入；ai、bi、ci分别为机组i的发电成本系数；pi,t为机组i在t时刻的发电功率；ui,t为机组i在t时段的启停状态，0表示停运，1表示启动；si,t为机组i在t时段的启动成本。

火电厂机组运行约束条件如下：

(1)机组出力上下限约束：

ui,tpi,min≤pi,t≤ui,tpi,max

(2)

式中pi,min、pi,max分别为机组i允许的最小有功出力、最大有功出力。

(2)机组爬坡约束：

(3)

式中Ri,up、Ri,down分别为机组i输出功率最大的向上调节速率、向下调节速率。

(3)机组启停约束：

(4)

(4)机组旋转备用约束：

(5)

1.2.2 储能系统模型

储能系统是电网的电能缓冲设备，它的接入可以缓解电网中供电失衡的状况。储能系统的运行成本主要为储能电池的使用寿命，使用寿命主要包括充放电次数和放电深度[14-15]。

所以其运行成本表示为：

(6)

式中Cs为储能电池充放电一次的成本；n1为储能装置全生命周期的循环次数，n2为半生命周期的循环次数；εi为过充过放的惩罚系数，电池过充过放时为1.5，正常工作时为1；Nc为储能电池生命周期内的等效完全循环次数；Ncy(Di)为当储能电池的放电深度为Di时的循环次数。

储能系统约束条件如下：

(1)储能的充放电功率约束：

(7)

(8)

(9)

(2)储能系统充放电功率调控范围约束。

当储能系统处于其允许的最大充电值或放点值时，储能系统将失去下调或上调的调控能力。

(10)

(11)

(3)储能的储存能量约束：

(12)

式中eess,t为t时段储能系统储存的能量值；ηch为储能系统的充电功率；ηd为储能系统的放电效率；

(4)储能系统存储能量调控范围约束。

当储能系统存储的能量为最大值、最小值时，储能系统同样会失去调控能力，因此要预留部分存储空间。

(13)

(14)

式中emax、emin为储能系统存储能量允许的最大值、最小值。

(5)功率平衡约束。

配置储能后，火电机组、储能发电有功功率和负荷的有功功率在任何t时刻都达到平衡。

pi+pess,t-pl,t=0

(15)

1.2.3 储能参与火电厂AGC性能收益

为激励储能装置参与调频市场，提高调频服务质量，因此基于调节深度指标，对具备不同响应能力的调频资源给予不同程度的补偿。

(1)调节深度为每日调节量的总和，即：

(16)

式中D为机组当天AGC的调节深度；n为日调节次数；Dj为机组第j次的调节深度。

(2)调节性能指标Kp，即：

(17)

调节性能日指标为第i台机组一天内n次调节过程性能指标：

(18)

(3)日补偿费用：

f3=D×ln(Kp)×YAGC

(19)

式中YAGC为AGC补偿标准，取7.5 元/MW。

2 区域电网模型的求解方法

2.1 模型求解算法原理

区域电网下的火电厂储能优化配置问题，是在区域电网内不同节点接入多个火电厂，在满足约束条件的情况下，就是建立一个以经济性最优为目标的函数，以火电厂运行条件、储能充放电功率限额等为约束条件的数学模型。

通过Fmincon函数对其进行求解，其数学模型及常用格式如下：

x=Fmincon(fun,x0,A,b,Aeq,beq,Ib,ub)

(20)

式中fun为目标函数；x0为初始点；Fmincon为非线性约束函数；Ib、ub为变量x的上界约束、下界约束，使得Ib≤x≤ub；A，b为不等式约束Ax≤b；Aeq、beq为等式约束Aeqx=beq；若不需要此约束时，变量用“[]”代替。

2.2 模型求解算法流程

利用MATLAB下的Fmincon函数对电网侧储能进行规划，流程图如图3所示。

图3 储能容量与配置流程Fig.3 Energy storage capacity and configuration process

具体步骤如下：

步骤1：输入原始数据及相应参数，包括负荷，火电机组参数以及储能装置参数；

步骤2：进行初始潮流计算，得到配电网各节点初始电压和功率；

步骤3:利用Fmincon函数确定储能系统安装的节点；

步骤4：确定储能安装的容量；

步骤5：计算储能安装后的最终收益。

3 算例分析

3.1 算例简述

以某地区实测日负荷数据作为基础，拟合出24 h的负荷曲线，以IEEE 33节点配电网为例进行验证。

系统接入5个火力发电机机组。分别接入7节点、14节点、 24节点、 30节点和32节点。最大出力为200 MW。配电网系统如图4所示。

图4 配电网结构图Fig.4 Distribution network structure diagram

电价为：峰时0.55 元/kW·h，平时0.488 元/(kW·h)，谷时0.33 元/(kW·h)。

3.2 仿真分析

该区域的日负荷曲线如图5所示。根据区域配电网各节点的负荷数据进行潮流计算，得到一组各节点的功率和电压数据。对一天之内的数据进行计算，得到24组节点功率、电压数据。

图5 区域日负荷曲线Fig.5 Regional daily load curve

为说明模型的有效性，设计两个配置模式进行对比。模式1为根据各火电厂机组出力分别配储能。模式2为考虑配电网大环境下的储能配置。

(1)模式1的决策结果。

在模式1下，根据计算结果表明，5台机组的启停情况如表1所示，机组的调节性能及收益如表2所示，储能系统的充放电功率如图6所示。

表1 模式1对应的机组启停计划Tab.1 Unit start and stop plan corresponding to mode 1

表2 模式1对应的机组AGC性能及收益Tab.2 AGC performance and benefits of units in mode 1

图6 储能系统一天的充放电功率Fig.6 Charge and discharge power of energy storage system for one day

(2)模式2的决策结果。

在模式2下，火电机组的启停和收益如表3、表4所示。储能系统的充放电功率如图7所示。

表3 模式2对应的机组启停计划Tab.3 Unit start and stop plan corresponding to mode 2

表4 模式2对应的机组AGC性能及收益Tab.4 AGC performance and benefits of units in mode 2

图7 储能系统一天的充放电功率Fig.7 Charge and discharge power of energy storage system for one day

对比表1、表3可知，5台火电机组一天内共涉及20次启停，按照此策略配置储能后，机组启停次数减少为13次；对比表2、表4可知，按照此策略配置储能后，各火电机组调节深度均增加，储能参与的机组AGC调频补偿费用提高；对比图6、图7知，按照此策略配置后，储能电池的充放电功率上下波动区间减小，可以有效减少储能配置的容量从而降低配置所需的成本。

采用在配电网中配置多个火电厂储能的配置策略可以有效减少火电机组启停次数，机组的调节深度扩大，配置储能的容量减少，储能参与的AGC调频补偿收益增加。

4 结束语

文章建立了在配电网场景下的火电厂储能容量配置模型。模型仿真结果表明：此方法比单一侧火电厂储能配置能更有效减少火电机组的启停，平抑系统功率峰谷差，使系统运行更经济。

此方法的不足是没有考虑配电网中接入的光伏、风力发电，后续将进一步引入新能源发电，并利用储能的削峰填谷的特征来更有效配置发电侧储能，让系统运行和提高新能源消纳能力，但没有考虑火电机组出力的季节性变化问题。后续将研究大电网中多个火电厂的主次分类，主力火电厂为发电，次要火电厂为调峰调频，并对其进行储能容量配置，进一步提高系统运行的经济性。