CN107565587A - 考虑爬坡功率有限度平抑的光伏电网储能配置方法及系统 - Google Patents

Abstract

本发明公开了一种考虑爬坡功率有限度平抑的光伏电网储能配置方法及系统，其中该光伏电网储能配置方法，包括基于储能系统ESS的充放电特性，基于光伏发电出力爬坡率建立ESS动作状态模型，并根据ESS的实时SOC对充放电功率进行动态调整以实现光伏波动的有限度平抑；考虑光伏电网中爬坡事件对电网调频备用的需求，以等效收益最大为目标，建立ESS容量的优化配置模型；求解ESS容量的优化配置模型，得到最优储能配置容量。本发明的该方法能够在有效平滑光伏功率波动的前提下，使系统等效收益最高，从而在平滑效果和经济效益之间取得一定的平衡。

Description

考虑爬坡功率有限度平抑的光伏电网储能配置方法及系统

技术领域

本发明属于光伏电网领域，尤其涉及一种考虑爬坡功率有限度平抑的光伏电网储能配置方法及系统。

背景技术

近年来，光伏发电技术在世界各地得到迅速发展，光伏渗透率也越来越高。与其它新能源发电相比，光伏发电的波动性和随机性更强，多云或雷阵雨天气发电功率在1分钟内甚至可骤降60％以上。在高渗透率光伏电网中，光伏发电功率的短期大幅度波动会引发系统频率波动，影响系统安全稳定运行。储能系统(energy storage system，ESS)具有响应速度快、双向调节等优势，已成为应对光伏功率大幅度随机波动的重要途径。但是，目前储能资源的价格比较昂贵，无法完全依赖储能系统应对光伏功率的大爬坡事件。因此，在高渗透率光伏系统中，对ESS进行优化配置，利用有限的储能容量实现光伏波动的有限度平抑，将是保证高渗透率光伏电网的频率稳定的重要方式。

目前，国内外学者对储能容量配置问题展开了较多研究，并取得一定的理论成果。但已有的ESS容量配置方法中，尚未见从光伏功率波动对电网频率影响的角度，考虑ESS投入对降低电网调频备用的影响，利用优化的储能容量应对高渗透率光伏电网中的功率大幅度爬坡事件。实际上，合理的控制策略可以利用有限储能容量实现光伏输出波动的最优平抑效果，降低电网调频备用的需求，保持电网频率的稳定。

发明内容

为了解决现有技术的不足，本发明的第一目的是提供一种考虑爬坡功率有限度平抑的光伏电网储能配置方法。该方法不仅能够增加等效收益提高系统运行经济性，而且在构建的储能充放电策略引导下，可有效处理光伏输出功率的大爬坡事件，减少光伏输出波动对电网频率的影响。

本发明的一种考虑爬坡功率有限度平抑的光伏电网储能配置方法，包括：

步骤1：基于储能系统ESS的充放电特性，基于光伏发电出力爬坡率建立ESS动作状态模型，并根据ESS的实时SOC对充放电功率进行动态调整以实现光伏波动的有限度平抑；

步骤2：考虑光伏电网中爬坡事件对电网调频备用的需求，以等效收益最大为目标，建立ESS容量的优化配置模型；

步骤3：求解ESS容量的优化配置模型，得到最优储能配置容量。

进一步的，在所述步骤1中，ESS动作状态包括：ESS不动作状态、ESS充电状态和ESS放电状态这三种动作状态。

进一步的，在所述步骤1中，在光伏出力趋于平缓的情况下，减小储能充放电次数，为下次大爬坡事件提供充足的储能备用，以实现在有限容量条件下的光伏波动的有效平抑。

进一步的，在所述步骤1中，根据ESS的实时SOC对充放电功率进行动态调整的过程包括：

当ESS的实时SOC小于预设SOC最小值，且光伏发电的爬坡率小于国家标准最大限值的相反数时，减小储能系统的放电功率；

当ESS的实时SOC小于预设SOC最小值，且光伏发电的爬坡率介于0与国家标准最大限值之间时，调整充电状态；

当ESS的实时SOC大于预设SOC最大值，且光伏发电的爬坡率介于国家标准最大限值的相反数与0之间时，调整放电状态；

当ESS的实时SOC大于预设SOC最大值，且光伏发电的爬坡率大于国家标准最大限值时，减小储能系统充电功率。

进一步的，在所述步骤1中，根据ESS的实时SOC对充放电功率进行动态调整的过程还包括：

当ESS的实时SOC不小于预设SOC最小值，且光伏发电的爬坡率小于国家标准最大限值的相反数时；或当ESS的实时SOC不大于预设SOC最大值，且光伏发电的爬坡率大于国家标准最大限值时，不限制储能系统的充电功率；

当ESS的实时SOC不大于预设SOC最大值，且光伏发电的爬坡率介于国家标准最大限值的相反数与0之间时；或当ESS的实时SOC不小于预设SOC最小值，且光伏发电的爬坡率介于0与国家标准最大限值之间时，储能系统不动作。

进一步的，在所述步骤2中，等效收益为投入ESS前后的等效成本之差，其中，等效成本是电网调频备用容量成本与ESS投资成本之和。

进一步的，在所述步骤2中，ESS容量的优化配置模型中还有约束条件，其中约束条件包括储能的容量约束、功率约束、AGC调频的调频容量约束和速率约束。

进一步的，约束条件还包括光伏并网爬坡率约束。

进一步的，在所述步骤3中，利用遗传算法求解ESS容量的优化配置模型。

本发明的第二目的还提供了一种光伏电网系统。

本发明的一种光伏电网系统，采用上述所述的考虑爬坡功率有限度平抑的光伏电网储能配置方法来实现储能的配置。

与现有技术相比，本发明的有益效果是：

(1)本发明针对高渗透率光伏系统储能的容量优化问题，本发明考虑了储能系统建设运行和AGC调频备用综合成本，建立了以配置储能系统后等效收益最大为目标函数的容量优化模型；

(2)本发明构建了用有限储能容量实现光伏波动有限度平抑和防止储能系统过充过放的充放电控制策略，实现了储能系统的有效充放电和容量优化配置。

(3)本发明的该方法能够在有效平滑光伏功率波动的前提下，使系统等效收益最高，从而在平滑效果和经济效益之间取得一定的平衡。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。

图1为本发明的考虑爬坡功率有限度平抑的光伏电网储能配置方法流程图。

图2(a)为某高渗透率光伏系统叠加光伏出力后系统2016年1月的等效负荷波动情况。

图2(b)为某高渗透率光伏系统叠加光伏出力后系统2016年7月的等效负荷波动情况。

图3为电网AGC调节需求概率分布示意图。

图4(a)为情景a下的储能系统的具体充放电过程分析图。

图4(b)为情景b下的储能系统的具体充放电过程分析图。

图4(c)为情景c下的储能系统的具体充放电过程分析图。

图4(d)为情景d下的储能系统的具体充放电过程分析图。

图5为等效收益和ESS成本变化趋势图。

图6(a)为晴天时的平抑效果示意图。

图6(b)为多云天时的平抑效果示意图。

图6(c)为阴天时的平抑效果示意图。

图6(d)为雨天时的平抑效果示意图。

图7(a)为晴天对应的SOC曲线示意图。

图7(b)为多云天对应的SOC曲线示意图。

图7(c)为阴天对应的SOC曲线示意图。

图7(d)为雨天对应的SOC曲线示意图。

具体实施方式

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

本发明所涉及到的名称术语解释：

(1)ESS，英文全称energy storage system，中文含义为储能系统。

(2)AGC，英文全称Automatic Generation Control，中文含义为自动发电量控制。

(3)高渗透率光伏电网，是指光伏电网占其他发电的比例超过预设阈值。

(4)爬坡事件：电气行业的定义为在单位时间内光伏发电输出功率的变化量。

(5)大爬坡事件：为单位时间内爬坡率大于国家光伏入网标准。

(6)ESS的SOC：指的是ESS剩余电池容量占储能系统总容量的比例。

其中，SOC，全称是State of Charge，荷电状态，也叫剩余电量，代表的是电池使用一段时间或长期搁置不用后的剩余容量与其完全充电状态的容量的比值，常用百分数表示。其取值范围为0～1，当SOC＝0时表示电池放电完全，当SOC＝1时表示电池完全充满。

图1为本发明的考虑爬坡功率有限度平抑的光伏电网储能配置方法流程图。

如图1所示，本发明的一种考虑爬坡功率有限度平抑的光伏电网储能配置方法，包括：

步骤1：基于储能系统ESS的充放电特性，基于光伏发电出力爬坡率建立ESS动作状态模型，并根据ESS的实时SOC对充放电功率进行动态调整以实现光伏波动的有限度平抑；

步骤2：考虑光伏电网中爬坡事件对电网调频备用的需求，以等效收益最大为目标，建立ESS容量的优化配置模型；

步骤3：求解ESS容量的优化配置模型，得到最优储能配置容量。

下面具体地，针对本发明的考虑爬坡功率有限度平抑的光伏电网储能配置方法中的各个步骤予以详细分析：

一、针对等效负荷波动进行分析

光伏发电功率具有波动性和随机性的特点，可能会造成系统的频率波动，影响系统稳定运行。为分析光伏功率波动对系统频率备用的影响，本发明将其作为负的负荷与电网负荷叠加，得到光伏发电接入后的等效负荷。根据等效负荷的波动情况，确定系统所需调频备用容量。等效负荷的计算公式为：

P_d＝P_load-P_pv (1)

式中，P_d为系统等效负荷；P_load为系统实际负荷；P_pv为光伏发电功率。

图2(a)和图2(b)反应了某高渗透率光伏系统叠加光伏出力后系统等效负荷波动情况，显示了2016年1月和7月第一周光伏和负荷波动情况。从图中可以看出，当光伏发电输出功率波动性比较大时，叠加光伏出力将大大增加等效负荷的波动性，图2(a)第6天和图2(b)第4-7天最为明显。因此，为了接纳高比例的光伏发电，系统需要有足够的调频备用来维持系统稳定。

电网为应对负荷变化引起的频率波动，通过一次、二次和三次调频进行调节。其中，一次调频一般应对系统60秒内的功率波动；二次调频主要应对系统分钟级功率波动；三次调频主要应对小时级功率波动。

经研究表明：光伏出力波动主要为分钟级功率波动，且最主要集中在5分钟的时间尺度上。所以，在未配置储能的情况下，由光伏发电引起的频率波动将主要增加AGC的调频负担。

二、针对AGC备用需求进行分析

本发明通过滚动平均法分离等效负荷的分钟级功率波动，得到分钟级等效负荷分量幅值和变化率。根据概率分析得到系统所需AGC调节容量和调节速率。具体计算过程如下：

滚动平均法得到目标平抑输出的负荷值：

分钟级负荷分量幅值：

Z_d(t)＝P_d(t)-P_fd(t) (3)

分钟级负荷分量变化率：

R_d(t)＝Z_d+1(t)-Z_d(t) (4)

式中，P_fd为经滚动平均后t时刻的负荷值；2M为滚动求平均的求解时域，N为滚动平均向前或向后采样点数。

由于负荷分量和变化率分别服从标准差为σ₁和σ₂的正态分布且以选取满足99.8％样本调节需求的AGC调节容量为宜。选择±3σ₁为系统AGC调节容量需求，±3σ₂为系统AGC调节速率需求，既能满足系统对AGC调节的需求又能避免特殊运行工况甚至坏数据的干扰。电网配置一定的ESS后，通过合理的充放电控制策略，等效负荷的波动情况会有明显的改善，其等效负荷P_d计算公式为：

P_d＝P_load-(P_pv+P_ess)

式中P_ess为储能系统充放电功率，储能系放电P_ess>0，反之充电为负；P_pv为光伏发电功率；P_load为系统实际负荷。电网AGC调节需求概率分布示意图如图3所示。

如图3所示，随着配置ESS对光伏波动进行平抑后，等效负荷所需的AGC容量将小于未配置ESS时的容量需求，而且光伏波动平抑效果的提高越来越显著。为此，在高渗透率光伏电网中，配置有限容量的储能，以减少光伏功率的随机波动，尤其是大幅爬坡事件，将有效降低高渗透率光伏电网对AGC容量的需求。

由于目前ESS价格比较昂贵，无法完全依赖ESS应对光伏出力波动，因此本发明提出利用有限的ESS实现光伏爬坡功率有限度平抑的控制策略。在光伏出力波动量较大的情况下,通过储能系统充放电对其进行有限度地平抑，减小系统调频备用的压力；而在光伏发电功率较平滑的时刻，减小ESS的动作次数，提高其使用寿命。LiB(液态锂离子电池，Liquified Lithium-Ion Battery)是目前技术较为成熟的一种化学储能方式，相对于其它储能电池具有能量密度大、成本低和使用寿命长等诸多优点。本发明选取LiB对光伏输出波动进行平抑。但LiB的充放电功率、充放电深度和荷电状态等都会影响它的功能和使用寿命，因此在使用过程中要避免出现过充过放现象。

三、爬坡事件及储能系统分类

若时间区间Δt较短，忽略Δt区间内大爬坡事件的可能性，则光伏发电的爬坡λ计算公式如下：

其中，P_pv(t+Δt)和P_pv(t)分为t+Δt和t时刻光伏发电输出功率。本发明的大爬坡事件为单位时间内爬坡率大于国家光伏入网标准，即：λ＞λ_val。其中λ为爬坡率，λ_val为光伏电站有功功率变化国家标准最大限值。

基于光伏发电出力爬坡率将ESS分为三种动作状态。若光伏发电输出功率比较平缓，即未出现大爬坡事件的情况下，ESS不动作；若当前时刻光伏输出功率变动剧烈，即出现大爬坡事件的情况下，对光伏发电功率进行平抑。具体分类如下：

(1)储能系统不动作。

若光伏发电输出功率比较平滑、未出现大爬坡事件，则储能系统不动作。具体表达式如下：

式中，P_pv(t)为当前时刻光伏发电功率；P_com(t-Δt)为前一时刻光伏并网功率；Δt为采样点间隔。P_bess(t)＝0表示储能系统不动作。

(2)储能系统充电

若光伏发电输出功率突然增加、爬坡率比较大的情况下，储能系统需要充电吸收多余电量，具体表达式如下：

式中，ΔP为允许爬坡功率，一般来说ΔP＝λ_valΔt；其中P_bess(t)<0，即t时刻对储能系统进行充电。

(3)储能系统放电

若光伏发电输出功率突然减小、爬坡率比较大的情况下,储能系统需要立即放电弥补系统功率降低，具体表达式如下：

其中，P_bess(t)>0，t时刻储能系统放电。

为具体分析，图4(a)-图4(d)为储能系统的具体充放电过程分析图。图中分析了四种光伏发电出现大爬坡事件的4种场景下，储能系统的充放电功率P_bess和平抑之后输出功率P_com的变化过程。

场景a中t₀-t₂时刻光伏出力未出现波动，满足公式(6)，储能系统不动作；t₂-t₃时刻光伏发电出力突然降低并满足公式(8)，ESS通过放电对P_com进行平抑；t₃-t₅时刻虽然光伏出力不变，但P_pv(t)<P_com(t-1)且爬坡率比较大，仍然满足公式(8)，故ESS持续放电，但放电功率逐渐变小；t₅-t₆时刻由于光伏出力突然增加，故ESS由放电改为充电，到t₈时刻此次光伏大爬坡事件平抑过程结束。场景b中t₅-t₆时刻虽然光伏出力增加，但P_pv(t)<P_com(t-1)仍然满足公式(8)，所以ESS仍然放电，其它过程与场景a类似。

场景c、d在场景a、b的基础上，考虑光伏输出功率缓降快升和快降缓升的情况。场景c中t₀-t₅时刻虽然光伏发电出力一直处于波动状态，但是波动量比较小无需动用ESS进行抑；t₅-t₇时刻光伏出力出现急速下降，满足式(8)，需要通过储能系统放电弥补光伏功率输出；t₇-t₁₀时刻与场景a的t₅-t₈时刻储能系统动作状态一致。整个光伏出力平抑过程到t₁₀时刻结束。场景d的t₆-t₇时刻虽然光伏发电输出功率爬坡率比较大，但P_pv(t)＝P_com(t-1)满足公式(6)，所以储能系统不动作，其它过程前面场景都有类似过程。在光伏出力趋于平缓的情况下有效减小储能充放电次数，为下次大爬坡事件提供充足的储能备用，在有限容量的条件下，实现光伏波动的有效平抑。

四、ESS的SOC对储能充放电功率和状态的调整

ESS的SOC过低不仅会缩短LIB的使用寿命，而且会因充放电容量不足影响大爬坡事件的平抑效果。本发明根据储能系统当前SOC值对储能充放电功率和状态进行一定的调整，表1为调整状态表。

表1调整状态表

1)S0为减放状态，由于SOC<SOC_min，储能系统剩余可放电容量比较小，为避免储能系统过放和应对未来可能出现的大爬坡事件，此刻需要减小储能系统放电功率。

2)S1为正常充放电状态。光伏输出波动性比较大，需要储能系统进行平抑，而且储能系统的剩余充放电容量比较多，不需要限制其充电功率。

3)S2为储能系统不动作状态。光伏输出比较平缓，不需要储能系统进行动作，而且储能系统的剩余充放电容量比较充足，也无需进行自我储备。

4)S3为储能系统放电调整状态，S4为储能系统调整充电状态。储能系统的SOC<SOC_min或者SOC>SOC_max处于警戒状态，为避免过充过放，即使光伏波动比较小，不需要储能系统进行平抑，储能系统也根据自身SOC状态进行合理充放电。

5)S5为减充状态，由于SOC>SOC_max，储能系统剩余可充电容量比较小，为避免储能系统过充和应对未来可能出现的光伏大爬坡事件，此刻需要减小储能系统充电功率。

其中，SOC_mi和SOC_max分别为预设SOC最小值和预设SOC最大值。

基于SOC动态调整的平抑光伏大爬坡事件控制策略能充分利用ESS的优势平抑光伏出力的大幅度波动，而对小幅度波动不采取措施；在有限储能容量的前提下实现光伏爬坡有限度平抑。同时，通过SOC状态进行的动态调整，能够有效减小ESS过充过放次数，使LiB的SOC处于合理的运行区间，提高电池使用寿命。

五、目标函数构建

通过上述分析，可以看出ESS的投入将有效降低高渗透率光伏电网调频备用的需求，而同时ESS需要相应的投资成本，因此电网调频减少的备用容量与ESS投入容量具有相互制约关系。

为此，本发明以电网调频备用容量成本和ESS投资成本之和作为等效成本，并以投入ESS前后的等效成本之差作为等效收益。容量优化模型以等效收益J最大为目标函数建立，其中配置ESS前的总成本为AGC调频备用成本F’_AGC；配置ESS后的成本为储能系统投资成本F_bess和AGC调频备用成本F_AGC的总和。

目标函数为：

max J＝F'_AGC-(F_AGC+F_bess) (9)

考虑光伏功率出力的年度周期性，本发明以年度为计算周期，考虑储能的年度的等效成本及调频备用的年度成本。ESS投资成本包括安装建设成本和年运行成本，年总成本根据使用寿命进行统一评估：

F_b＝C_b+C_e (10)

式中F_b为储能系统成本费用年值，C_b为分摊的年建设成本，C_e为年运行成本。

1)在ESS的寿命周期内，根据ESS的使用寿命对ESS成本进行分摊处理，得到建设成本年值如式(11)所示。

式中，C_bess为储能系统单位容量建设成本，V_bess为储能系统最优配置容量，N为储能系统等效运行年限。

为简化计算，仅考虑充放电次数和放电深度对电池循环寿命的影响。储能电池第i次充放电的放电深度为D_ODi,则等效循环次数为：

考虑到锂离子电池过充过放时的使用寿命会明显缩短，本发明选取以放电深度为0.8时ESS对应的循环寿命L_cd(D_OD0.8)为基准进行计算。L_cd(D_ODi)为放电深度为D_ODi时ESS对应的循环寿命。

电池在一个计算周期内的等效循环次数为

电池的年等效寿命损耗，即电池等效使用年限：

其中D为年计算周期数。d＝1,2,…,D。

2)ESS的年运行维护成本包括人力、管理费用等固定成本，电费、燃料费等可变维护成本。运行维护费用C_e＝μC_b，μ为ESS运行维护成本与初始投资的比值，一般取值为2％。

由此，储能系统成本费用年值计算公式如下所示：

2011年美国联邦能源监管委员会(FERC)的755号命令发布之后，各电力市场调频服务费用结算方式相继推出两部制结算规则，即兼顾调频容量和里程的结算方式，具体的计算过程如下：

F_v＝price_VV_AGC (16)

F_m＝price_MM_AGCS_core (17)

式中price_V和price_M分别为AGC购买容量单价和调频里程单价；V_AGC为机组的中标容量，M_AGC为机组在该调频时段的实际调频里程，其测算方法参照美国CASIO电力市场最新规则；S_core为调频效果得分。S_core针对每台机组提供AGC服务进行量化评价，效果得分一般由三部分构成：准确度、延时和精确度三者加权相加得到，取值在0-1之间。每个机组调频补偿价格不是本发明研究重点，为方便计算S_core均取值为1。实际调频里程M_AGC的计算过程如下：

M_AGC＝min(S_RE,j+1,S_AGC,j+1)-S_RE,j (18)

M_AGC＝S_RE,j-max(S_RE,j+1,S_AGC,j+1)S_RE,j＞S_RE,j+1 (19)

式中，S_RE,j为已经过延时处理的与时刻j的指令值对应的机组响应值，S_RE,j+1为下一时刻的机组响应值；S_AGC,j、S_AGC,j+1分别为在j、j+1时刻的AGC指令。计算调频时段内每一采样点间隔内的实际里程进行累加，便得到该调频时刻段实际调频里程之和。

由此，储能系统建设运行成本配置ESS前系统总的调频成本计算公式如式(20)所示；储能系统容量优化模型的目标函数如式(21)所示。

六、约束条件

在储能容量优化的过程中需要考虑储能的容量、功率约束和AGC调频的调频容量和速率约束。

(1)ESS充放电功率和容量约束：

-P_BE,cmax≤P_bess(t)≤P_BE,dmaxt＝1,2,3…T (22)

E_BE,min≤E_bess(t)≤E_BE,maxt＝1,2,3…T (23)

式中P_BE,cmax和P_BE,dmax分别为储能系统额定充0电和放电功率；E_BE,max和E_BE,min分别为储能系统剩余容量最大、最小约束。

(2)AGC调节速率约束：

-S_AGC,dmax≤S_RE(t)≤S_AGC,umaxt＝1,2,3…T (24)

-S_AGC,dmax≤S_AGC(t)≤S_AGC,umaxt＝1,2,3…T (25)

式中S_AGC,dmax和S_AGC,umax分别为是AGC备用调频机组向下和向上最大调节速率；S_RE(t)和S_AGC(t)分别为t时刻的实际机组调频相应和AGC指令。

(3)光伏电站入网波动功率需满足国家入网标准，为保证系统安全肯定运行，需要对光伏并网爬坡率进行约束，计算公式如下：

七、对优化模型进行求解

利用全局搜索能力强，计算效率高的遗传算法(GA)对优化模型进行求解计算，具体的算法及计算步骤如下：

步骤3.1：创建一个随机种群，最优解将通过初始假设进化求得。

步骤3.2：计算光伏输出爬坡率，若出现大爬坡事件，采取S2、S3、S4对应的充放电策略；若未出现大爬坡事件，采取S0、S1、S5对应的充放电策略。

步骤3.3：按照式(10)-(20)计算各成本参数，式(21)计算适应度值。

步骤3.4：当最优个体的适应度和群体适应度不再上升则算法的迭代过程收敛、算法结束，否则根据它们的适应值和式(22)-(26)约束条件选择父辈，通过繁殖、交叉、变异形成下一代，并重复步骤3.2和步骤3.3。

八、验证

以某高渗透率光伏电网的运行数据来验证本发明方法的有效性。该小型电网以火电和光伏发电为主，火电机组装机容量为300MW，光伏发电装机总容量为40MW，光伏渗透率为13.3％；电网的典型日负荷的高峰负荷接近180MW。

提取该电网2016年一年的光伏电站运行数据和负荷数据验证本发明所提方法的有效性，依据最新相关数据，本发明确定相关计算参数见表2所示。依据本发明所提储能容量优化策略计算结果如表3所示。

表2求解参数

参数	SOCmin	SOCmax	λval(MW/min)
				取值	0.2	0.8	0.2
参数	PBE,cmax	PBE,dmax	Cbess(万元/MWh)
				取值	-6	6	544
参数	Lcd(DOD0.8)	priceV(元/MWh)	priceM(元/MW)
				取值	4700	75	120

表3计算结果

收益	F’AGC(万元)	FAGC(万元)	ΔFAGC(万元)
				金额	2495.1	2149.8	345.3
收益	Vbess,best(MWh)	Fbess(万元)	J(万元)
				金额	4.9832	243.58	101.75

由本发明方法计算得到高渗透率光伏系统最优配置容量为4.9832MWh，储能系统的成本年值费用为243.6万元，节约的AGC调频费用为345.3万元，故配置ESS的等效收益为101.75万元。从计算结果可以看出，通过配置ESS后系统存在比较高的等效收益，大幅度提高了系统的运行经济性。为进一步验证本发明方法的有效性，接下来从高渗透率光伏系统配置ESS的经济性和有效性两方面进行分析。

为考察不同ESS容量配置情况下系统运行成本和等效收益变化情况，选取ESS最优配置容量附近区间进行分析，等效收益和ESS成本变化趋势如图5所示。

由图可以看出随着ESS配置容量逐渐增加，AGC调频节约成本ΔF_AGC越来越大，但当储能容量V_ess>10MWh时，对AGC调频成本的降低作用越来越小。随着ESS容量增加，其建设运行成本几乎呈正比例速度增加，且两者存在交汇点，故需合理确定V_ess才能使系统等效收益最高。在等效收益方面，V_ess<5MWh时，随着ESS的配置容量增加等效收益逐渐提高；V_ess>5MWh时，等效收益逐渐降低，在储能容量超过10MWh时等效收益甚至为负值，即配置ESS后系统调频总成本反而会提高。综上所述，当ESS配置容量比较有限时，储能容量的增加会明显减小AGC调频成本，提高系统运行经济性；但当ESS配置容量比较充足后，其容量的增加难以带来明显的经济效益，反而会出现负收益。

配置ESS的平抑效果验证：

算例1：ESS的配置容量在一定程度上会影响系统功率波动平抑效果。本发明定义日平均功率波动强度β来衡量功率波动大小，其定义为：

其中，P(t)为系统等效负荷，t_st、t_ed分别为所选负荷和光伏输出功率数据时间区间的初始时刻和结束时刻。以2016年全年运行数据进行分析，以最优配置容量V_bess,best为基准值，分别选取标幺值：0.1、0.5、1、1.5、2.0，计算日平均功率波动强度，结果如表4所示。

表4计算结果

由表中计算结果可以看出随着ESS配置容量的增加β逐渐减小，即高渗透率光伏系统的等效负荷波动逐渐减小。当配置最优储能容量时β降低11％，对系统稳定运行具有一定积极作用。

算例2：由于光伏发电受天气因素影响非常明显。图6(a)-图6(d)分析了4种典型天气情况下，ESS对光伏出力波动的平抑效果。图7(a)-图7(d)为对应ESS的荷电状态SOC变化状况。表5为对应日等效收益情况。

表5典型天气对应日等效收益

图7(a)晴天光伏出力一天都未出现大幅度波动，ESS充放电功率为零，对应SOC值不变。系统中配置的ESS未得到利用，对当天系统的频率调节也未做出贡献，配置储能系统的收益为零。而即使储能系统没有进行充放电，仍有分摊的ESS配置和运行成本，故等效收益为负数。

图7(b)多云天10至16时光伏发电功率发生频繁地波动。图中可以看出，通过ESS的充放电能够对光伏波动进行有效平抑，期间ESS的SOC都在合理范围内变化。通过配置ESS，光伏出力的平滑性得到有效改善，在四天中对应当天日等效收益最多。

图7(c)阴天光伏出力大爬坡事件出现次数与多云天气相比明显减少，但持续时间比较长，会导致ESS单次充放电容量比较大，故SOC的变化幅度比较大，由于基于SOC对储能充放电功率进行了动态调整，未出现过充过放现象。

图7(d)雨天光伏发电功率小，波动幅值也小，故ESS基本不动作。配置ESS的收益不抵其运行和配置费用，故等效收益为负。

由上述分析可知：不同天气情况下，ESS发挥的作用和日等效收益会有明显的不同。多云和阴天情况下，高渗透率光伏系统配置ESS的等效收益最大；晴天和阴雨天配置ESS甚至会有一定损失。在天气多变的高渗透率光伏发电地区，更应该考虑配置ESS的必要性。

综上所述，本发明所提的储能容量优化方法不仅能够增加等效收益提高系统运行经济性，而且在构建的储能充放电策略引导下，可有效处理光伏输出功率的大爬坡事件，减少光伏输出波动对电网频率的影响。

针对高渗透率光伏系统储能的容量优化问题，本发明考虑储能系统建设运行和AGC调频备用综合成本，建立以配置储能系统后等效收益最大为目标函数的容量优化模型。构建了用有限储能容量实现光伏波动有限度平抑和防止储能系统过充过放的充放电控制策略，实现了储能系统的有效充放电和容量优化配置。算例结果表明，该方法能够在有效平滑光伏功率波动的前提下，使系统等效收益最高，从而在平滑效果和经济效益之间取得一定的平衡。

本发明还提供了一种光伏电网系统。

本发明的一种光伏电网系统，采用如图1所示的考虑爬坡功率有限度平抑的光伏电网储能配置方法来实现储能的配置。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种考虑爬坡功率有限度平抑的光伏电网储能配置方法，其特征在于，包括：

步骤1：基于储能系统ESS的充放电特性，基于光伏发电出力爬坡率建立ESS动作状态模型，并根据ESS的实时SOC对充放电功率进行动态调整以实现光伏波动的有限度平抑；

步骤2：考虑光伏电网中爬坡事件对电网调频备用的需求，以等效收益最大为目标，建立ESS容量的优化配置模型；

步骤3：求解ESS容量的优化配置模型，得到最优储能配置容量。

2.如权利要求1所述的一种考虑爬坡功率有限度平抑的光伏电网储能配置方法，其特征在于，在所述步骤1中，ESS动作状态包括：ESS不动作状态、ESS充电状态和ESS放电状态这三种动作状态。

3.如权利要求1所述的一种考虑爬坡功率有限度平抑的光伏电网储能配置方法，其特征在于，在所述步骤1中，在光伏出力趋于平缓的情况下，减小储能充放电次数，为下次大爬坡事件提供充足的储能备用，以实现在有限容量条件下的光伏波动的有效平抑。

4.如权利要求1所述的一种考虑爬坡功率有限度平抑的光伏电网储能配置方法，其特征在于，在所述步骤1中，根据ESS的实时SOC对充放电功率进行动态调整的过程包括：

当ESS的实时SOC小于预设SOC最小值，且光伏发电的爬坡率小于国家标准最大限值的相反数时，减小储能系统的放电功率；

当ESS的实时SOC小于预设SOC最小值，且光伏发电的爬坡率介于0与国家标准最大限值之间时，调整充电状态；

当ESS的实时SOC大于预设SOC最大值，且光伏发电的爬坡率介于国家标准最大限值的相反数与0之间时，调整放电状态；

当ESS的实时SOC大于预设SOC最大值，且光伏发电的爬坡率大于国家标准最大限值时，减小储能系统充电功率。

5.如权利要求4所述的一种考虑爬坡功率有限度平抑的光伏电网储能配置方法，其特征在于，在所述步骤1中，根据ESS的实时SOC对充放电功率进行动态调整的过程还包括：

当ESS的实时SOC不小于预设SOC最小值，且光伏发电的爬坡率小于国家标准最大限值的相反数时；或当ESS的实时SOC不大于预设SOC最大值，且光伏发电的爬坡率大于国家标准最大限值时，不限制储能系统的充电功率；

当ESS的实时SOC不大于预设SOC最大值，且光伏发电的爬坡率介于国家标准最大限值的相反数与0之间时；或当ESS的实时SOC不小于预设SOC最小值，且光伏发电的爬坡率介于0与国家标准最大限值之间时，储能系统不动作。

6.如权利要求1所述的一种考虑爬坡功率有限度平抑的光伏电网储能配置方法，其特征在于，在所述步骤2中，等效收益为投入ESS前后的等效成本之差，其中，等效成本是电网调频备用容量成本与ESS投资成本之和。

7.如权利要求1所述的一种考虑爬坡功率有限度平抑的光伏电网储能配置方法，其特征在于，在所述步骤2中，ESS容量的优化配置模型中还有约束条件，其中约束条件包括储能的容量约束、功率约束、AGC调频的调频容量约束和速率约束。

8.如权利要求7所述的一种考虑爬坡功率有限度平抑的光伏电网储能配置方法，其特征在于，约束条件还包括光伏并网爬坡率约束。

9.如权利要求1所述的一种考虑爬坡功率有限度平抑的光伏电网储能配置方法，其特征在于，在所述步骤3中，利用遗传算法求解ESS容量的优化配置模型。

10.一种光伏电网系统，其特征在于，采用如权利要求1-9中任一项所述的考虑爬坡功率有限度平抑的光伏电网储能配置方法来实现储能的配置。