CN113872226A - 规模化储能参与辅助服务日前增补空间优化方法 - Google Patents

Abstract

本发明公开了一种规模化储能参与辅助服务日前增补空间优化方法。储能电站根据新能源出力月前预测与新能源电站签订双边交易计划，日前向调度上报可调空间。而新能源出力月前预测误差较大，储能可进行日前预测，根据其与月前预测差值额外上报空间，即上报增补空间，从而提高储能电站经济效益。本发明基于场景生成方法得到新能源次日出力预测结果；为实现储能日运行净收益最大化，在综合考虑辅助服务收益、电池老化成本和惩罚风险的基础上，建立储能参与辅助服务日前增补空间优化模型。本发明的这种增补空间优化方法，可以更充分地利用大规模储能资源，同时提高储能电站的经济效益，也对规模化储能的发展提供了有力支持。

Description

规模化储能参与辅助服务日前增补空间优化方法

技术领域

本发明涉及储能参与辅助服务次日出力计划上报策略技术领域，尤其涉及一种规模化储能参与辅助服务次日增补空间优化方法。

背景技术

在全球能源资源紧张背景下，可再生能源成为人类能源可持续发展的重要选择。由于可再生能源出力随机性、间歇性和难以准确预测等特点，电力系统的运行状态将呈现出较强的不确定性，其安全、稳定、经济运行将遭遇巨大挑战。大规模储能具有响应速度快、可精确控制、充放电双向调节能力等特点，将其应用于电力系统有功功率调节成为发展的必然趋势。

规模化储能一方面与新能源电站签订月度双边交易计划，另一方面上报可调空间供调度调配。原则上需优先消纳新能源，剩余空间上报调度安排调用。双边交易计划是依据月度预测签订，而月度预测误差大，需预留空间的裕量较大，这便会储能部分空间闲置，其能力难以充分发挥。因此，需合理上报储能次日可调空间，使储能资源得到更为充分的利用。

所研究增补空间上报问题，即不确定情况下储能空间预留问题，目的是在有效消纳新能源的前提下，对剩余的储能空间加以充分利用。新能源出力日前预测较月度预测的准确性会大大提高，因此在上报次日可调空间时，可以根据二者差值额外上报空间。储能可通过上报增补空间获得额外收益，而大规模储能具有容量巨大的特点，针对双边交易日前与月度预测的偏差量比较可观。但若因为上报增补空间而导致与新能源电站的双边交易无法正常完成，储能电站将得到违约惩罚。因此，次日增补空间的上报量需综合收益及惩罚风险来确定。本发明以规模化储能参与调峰服务为例，对储能参与辅助服务日前上报增补空间进行优化。本发明提出的增补空间优化方法，可以为规模化储能的建设与运行提供技术与理论依据。

发明内容

本发明针对上述问题，提供一种大规模储能电站参与辅助服务，并对日前增补空间进行优化的方法。

为了达到上述目的，本发明提供了一种规模化储能参与辅助服务次日增补空间优化方法，其包括：

S1：采用随机规划方法生成新能源出力场景，各个场景中给出新能源在次日各时段出力的出力情况，每个时段内新能源出力情况用随机时间序列表示为

对每个新能源出力场景赋予权值以表示每个场景发生的概率p_s(t)为：

式中

表示第τ个时段

发生的条件概率，s表示新能源出力场景数量；

S2：建立新能源输出功率预测误差的估计模型并计算每个场景新能源输出功率的不确定性程度，所述新能源输出功率预测误差的估计模型为：

式中，p表示自回归阶数，q表示滑动平均部分的阶数，α_i、β_j、σ²表示基于历史数据的预测误差，

表示预测跨度为t个时段的新能源输出功率预测误差与预测功率

的比值，ε表示高斯白噪声，其期望和方差分别为0，σ²；

S3：计算每个场景在各个时段的有功功率值

所述有功功率值

的计算公式为：

S4：对所生成的新能源出力场景进行场景缩减，以最终保留的子场景集与缩减前的场景集间的概率距离最小为目标进行迭代计算；

S5：以储能电站日运行净收益最大化为优化目标建立规模化储能参与多种辅助服务日前增补空间优化模型：

式中，E(F)表示储能电站日运行净收益，ρ_k表示第k个场景的存在概率；F_earn表示提供增补空间所获得的日收益；F_bess表示由于提供增补空间产生的电池老化成本；F_pun表示由于上报增补空间导致次日双边交易未完成而得到的经济惩罚，s1表示场景缩减后新能源出力场景的数量；

S6：求解所述规模化储能参与多种辅助服务日前增补空间优化模型，计算场景缩减后的新能源出力场景下储能电站的日运行最大净收益。

优选方式下，所述提供增补空间所获得的日收益F_earn计算公式为：

式中，P_rep(t)表示t时刻增补空间上报功率值；U(t)表示电力市场t时刻的调峰电价，Δt表示上报增补空间预测周期，β表示调度调用水平系数。

优化方式下，所述上报增补空间产生的电池老化成本F_bess计算公式为：

式中，C表示储能电池每充放1kWh电量所对应的储能电池损耗成本，P_sub(t)表示t时刻由于提供增补空间产生的储能功率，所述储能电池损耗成本C的计算公式为：

式中，I_bess表示储能电池投资建设成本，E_life表示电池所能处理的总能量，C_bat表示储能单位能量价格，E_bat表示储能电池额定容量，N表示储能电池循环使用次数，η表示储能电池充放电效率。

优选方式下，所述由于上报增补空间产生的双边交易计划的经济惩罚F_pun计算公式为：

式中，α表示未完成交易的经济惩罚单价，λ表示获得经济惩罚的布尔常量，P_lack表示实际交易中的缺失空间，布尔常量λ的计算公式为：

优选方式下，所述实际交易中的缺失空间P_lack的计算公式为：

式中，P_need表示实际交易中所需空间，P_plan表示月度双边交易计划占用空间。

优选方式下，所述场景削减的计算过程为：首先将需被删减的场景集置为空集，开始迭代计算，以删减前后的场景集合间概率距离最小为目标删除本次迭代中的相应场景，迭代至将场景数削减到预期数量，并将被消去场景发生的概率叠加到替代它的子场景，其中时段t的新能源出力场景i(t)和j(t)间的概率距离

本发明的有益效果为：本发明可以更充分地利用大规模储能资源，同时提高储能电站的经济效益，也对规模化储能的发展提供了有力支持。

附图说明

图1为本发明提供的一种规模化储能日前增补空间优化策略示意图；

图2为本发明提供的一种储能电站空间分配示意图；

图3为本发明提供的一种新能源出力场景缩减步骤示意图。

具体实施方式

具体实施例：

首先对于文中提及的术语进行简要解释。

增补空间：将储能与新能源电站的双边交易中所预留的储能空间中的一部分作为额外上报空间上报给调度，参与辅助服务；

新能源出力日前预测：基于大量历史数据，采用场景生成的方法，对次日各时段新能源电站出力情况进行预测；

额外经济收益：由上报增补空间所获得的额外收益、由于上报增补空间产生的电池老化成本以及由于上报增补空间而导致双边交易违约而产生的经济惩罚叠加得到；

双边交易违约惩罚：由每一时段未完成交易的经济惩罚单价乘以对应的违约量求和得到；

场景生成：应用大量新能源出力历史数据对新能源次日出力进行预测，包括场景产生和场景缩减两个步骤；

调度调用水平系数：上报的增补空间被调度调用的百分比；

单位电量成本：储能电池每充放1kWh电量所对应的储能电池损耗成本；

场景缩减：将部分子场景用与其概率距离最近的子场景代替，被消去的子场景发生的概率叠加到替代它的子场景上。

对新能源电站出力的日前预测相较于月度预测，准确性会大大提高。基于这一特性，可能出现储能与新能源电站的月度双边交易中一定空间不需要执行的情况，基于这一前提，本发明依据新能源出力日前预测提出一种规模化储能参与辅助服务日前增补空间优化方法，根据新能源出力日前预测比新能源出力月度预测更为精确这一特点，将双边交易中所预留的储能空间中的一部分作为额外上报空间上报给调度，参与辅助服务，优化规模化储能日前出力上报策略，使得规模化储能资源得到充分利用并提高经济收益。所述辅助服务包括调峰、一次调频、二次调频等，由调度中心下达指令，储能电站根据调度指令进行充放电。

如图1所示，规模化储能电站在月前与新能源电站签订月度双边交易出力计划，规定了各时段储能为新能源电站预留的出力空间，储能若未能按照规定出力计划出力将得到经济惩罚。储能电站在日前进行新能源出力预测，利用场景生成方法预测次日各时段新能源电站出力，基于预测结果及与月度预测的差值，综合考虑提供增补空间所得收益，电池老化成本以及由于上报增补空间导致双边交易违约所得的惩罚，对储能电站在次日各时段增补空间上报量进行优化。储能电站在日内实际进行出力，一方面执行双边交易，另一方面接受调度的调配，根据交易执行情况获得收益，若不能完成双边交易规定的出力计划，将按照合同得到违约惩罚。

本发明介绍一种针对规模化储能参与辅助服务日前增补空间的优化方法。其中，该方法应用于规模化储能电站的出力计划上报策略，以储能电站日收益最大化为目标，综合考虑上报增补空间参与辅助服务所获收益、电池老化成本以及由于上报增补空间导致双边交易违约而产生的经济惩罚，优化得到次日各时段最优上报增补空间。

储能电池在负荷峰时段放电，在负荷谷时段充电，有效完成系统调峰需求并获得经济收益，为保证储能自身SOC处于良好状态并能在在负荷峰时段有足够的放电能力，储能需具备足够的电能存储能力用以在负荷谷时段充分充电。

参见图2的储能电站空间分配示意图。根据《东北电力辅助服务市场运营原则》相关规定，大规模储能电站既有一定的自主性，又要参与电网调度。储能不参与集中竞价，直接与风电、光伏等开展双边交易，意向经确认后形成交易结果。这部分计划调度除校核情况外应无权干涉。交易计划制定为月度及以上，双边交易未成交或交易后还具有的剩余能力是调度可安排调用的空间。而双边交易中，由于风电、光伏自身原因及风、光资源不足等未发出的交易电力视为已完成。即双边交易中实际交易空间与月度双边交易计划所要求的储能空间会存在差值，而此差值仍算作已经完成的交易，储能仍然可以获得交易补偿。那么，储能可以考虑将这部分空间提供给调度调配，参与辅助服务，增加储能这种优质资源的可调度空间，并获得附加的经济利益。而大规模储能由于具有容量巨大的特点，针对双边交易日前预测与月度预测的偏差量是比较可观的，所以对这部分空间很有再利用的价值，即上报增补空间。

大规模储能若上报可调空间，参与系统辅助服务，必须在日前向系统调度上报确定的可供调度空间。而日前对新能源功率的预测与月度的预测结果不确定性、准确性程度均不同。同时，日前预测也具有一定的不确定性，而上报给调度的空间又应该是确定的量，因此上报增补空间也存在一定的风险，可能导致无法完成双边交易，产生经济惩罚。因此需要充分考虑上报增补空间产生的额外收益及由于上报增补空间导致双边交易违约而产生的惩罚风险，优化得出次日最优上报增补空间。

本发明研究的关键问题如下：1)考虑月度与日前新能源出力预测的不确定性程度，基于新能源电站出力的历史数据，建立新能源电站日前实际出力预测量模型；2)综合考虑提供增补空间所得收益，电池老化成本以及由于上报增补空间导致双边交易违约所得的惩罚，建立并求解规模化储能参与多种辅助服务日前增补空间优化模型。实现规模化储能经济收益最大化的同时，充分发挥其优势，有效保障电网安全优质经济运行。

上报增补空间需要充分考虑双边交易需求，在尽量避免双边交易违约的基础上额外上报空间，获得收益。因此，对于双边交易中新能源出力这一不确定信息的预测十分重要。本发明采用功率场景生成的方法，这种方法常用于描述次日出力的不确定性，经常用于建模分析，对于解决不确定性出力对经济性问题带来的影响十分适用。待求解问题中包含新能源出力，属于随机信息，因此采用随机规划方法进行求解，常用的随机规划方法一般有：基于期望场景最优的随机规划方法、机会约束规划、相关机会目标规划，本发明中选取基于期望场景最优的随机规划方法进行求解，原理是依据不确定因素概率分布的统计或预测结果，处理问题的方式为根据典型场景模拟得各场景可能发生概率并进行累计求期望，所得到的优化决策结果更符合实际运行场景。采用场景生成的方法，对次日各时段新能源电站出力情况进行预测，预测结果越精确，上报次日增补空间得到惩罚的几率越低。

应用大量新能源出力历史数据对新能源次日出力进行预测，包括场景产生和场景缩减两个步骤。

首先基于新能源出力历史数据进行场景产生。未来若干时段新能源出力情况可以用随机时间序列

表示，各个场景中给出新能源在次日各时段处理的出力情况，具体出力值基于其实际出力的历史数据，本实施例中基于历史数据抽取1000个新能源输出功率场景。对每一个场景赋予权值以表示其发生的概率为：

式中，

表示第τ个时段

发生的条件概率；

表示第1时段

发生的概率。建立新能源输出功率预测误差的估计模型分析新能源输出功率的不确定性，选择自回归滑动平均模型来进行估计，所述自回归滑动平均模型为：

式中p、q分别为自回归及滑动平均部分的阶数，α_i、β_j、σ²为基于历史预测误差，

为预测跨度为t个时段的新能源电场输出功率预测误差与预测功率

的比值。新能源电场输出功率场景s在各个时段的有功功率值为

从而得到各时段新能源在任一场景的出力值。

参见图3的新能源出力场景缩减步骤示意图。由于生成的场景较多，计算量较大，因此需要进行场景缩减以提高计算效率。时段t场景i(t)和j(t)间的距离为

场景缩减的基本思想是缩减之前的场景集合与最终保留的场景子集合之间的概率距离最小，将被消去的子场景发生的概率叠加到替代它的子场景上。

优化目标为储能电站日净收益最大化。计算的方法为用上报增补空间得到的额外收益，减掉由于上报这部分空间而导致储能电池老化所产生的电池损耗成本，再减去由于上报增补空间导致双边交易违约所产生的惩罚。而双边交易实际出力需求是个不确定量，用场景生成的方法进行了表征，因此最后计算的收益是一个期望值，其优化模型为：

式中ρ_k表示第k个场景的存在概率；F_earn表示提供增补空间所获得的日收益；F_bess表示由于提供增补空间产生的电池老化成本；F_pun表示由于上报增补空间导致次日双边交易未完成而得到的经济惩罚。

对上报增补空间参与辅助服务所产生的收益计算，用每一时段上报的空间乘以对应时段的电价求和得到所产生的收益，其计算公式为：

式中F_earn表示供额外提供空间所获得的日收益，P_rep(t)表示t时刻增补空间上报值；U(t)表示电力市场t时刻的调峰电价，Δt表示上报增补空间预测周期，周期为1h，β表示调度调用水平系数。在计算上报增补空间所得额外收益还要考虑一个因素，即上报的空间未必完全被系统调用，因此在本发明收益计算模型中加入了一个调度调用水平系数β来表征所上报的增补空间被调度调用的百分比，从而得到不同调度调用水平下可实际用于计算额外收益的空间。

对于上报增补空间产生的电池老化成本的计算，用单位电量成本乘以上报增补空间并对所有时段进行求和得到电池老化成本，其计算公式为：

式中C表示储能电池每充放1kWh电量所对应的储能电池损耗成本，其计算公式为：

I_bess表示储能电池投资建设成本，E_life表示电池所能处理的总能量，C_bat表示储能单位能量价格，E_bat表示储能电池额定容量，N表示电池循环使用次数，η表示电池充放电效率。

当双边交易实际需求在月度双边交易计划规定的范围内，储能用于计算惩罚的缺失量是用双边交易实际需求+上报空间-总的双边交易计划的空间，当双边交易实际需求不在月度双边交易计划规定的范围内，储能仅承担其上报的这部分惩罚，对由于上报增补空间产生的双边交易计划的惩罚计算，用每一时段未完成交易的经济惩罚单价乘以对应的缺失量求和得到经济惩罚，其计算公式为：

式中F_pun表示一天内未完成交易所得到的经济惩罚，α表示未完成交易的经济惩罚单价，λ表示获得经济惩罚的布尔常量，缺失量P_lack大于0时λ取1，反之取0，其计算公式为：

式中P_lack表示实际交易中的缺失空间，其计算公式为：

式中P_need表示实际交易中所需空间，P_plan表示月度双边交易计划占用空间。

在以上的分析中，应始终保证每天结束时刻储能SOC为规定值或在规定范围，以保证次日正常运行，本发明算例中设定储能在每天初始及结束时刻的SOC为0.1S_n，即S₀＝S_T＝0.1S_n；储能任意时刻的充放电功率应位于额定充电功率及额定放电功率范围之内，即-P_n≤P_sub≤P_n；储能当前时段初始SOC等于上一时段初始SOC减去上一时段充放电电量，即S_t+1＝S_t-P_tΔt；储能任意时刻的SOC应位于0到额定容量之间，即0≤S_t≤S_n。

以大型钒液流储能电站为例进行具体计算，其装机容量为200MWh，最大充电/放电功率为50MW，储能功率容量比为1:4，最小电量为0。在仿真阶段，其初始SOC为0.1，充放电效率均为0.9。算例中所得收益为上报增补空间所获得的收益，即与常规出力上报策略相比所得的额外收益。采用MATLAB调用CPLEX优化工具箱进行求解。优化得到的日运行净收益期望值为4.115万元。为验证所得优化结果的有效性与合理性，将优化结果即优化得到的最优上报功率分别带回到随机场景中进行验证，根据验证结果，95％的场景下实际收益在期望收益的±40％范围内波动。其中也存在较为极端的情况，收益只有0.1083万元，但虽然极端情况收益与期望收益差距较大，但仍有收益，即与常规出力上报策略相比，本发明所述方法可有效提高储能设备利用率，增加储能电站收益。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (6)

1.一种规模化储能参与辅助服务日前增补空间优化方法，其特征在于，其步骤包括：

S1：采用场景生成方法生成新能源出力场景，各个场景中给出新能源在次日各时段出力的出力情况，每个时段内新能源出力情况用随机时间序列表示为

对每个新能源出力场景赋予权值以表示每个场景发生的概率p_s(t)为：

式中

表示第τ个时段

发生的条件概率，s表示新能源出力场景，t表示时段；

S2：建立新能源出力预测误差的估计模型并计算每个场景新能源输出功率的不确定性，所述新能源输出功率预测误差的估计模型为：

式中，p表示自回归阶数，q表示滑动平均部分的阶数，α_i、β_j、σ²表示基于历史数据的预测误差，

表示预测跨度为t个时段的新能源输出功率预测误差与预测功率

的比值，ε表示高斯白噪声，其期望和方差分别为0，σ²；

S3：计算每个场景在各个时段的有功功率值

所述有功功率值

的计算公式为：

S4：对所生成的新能源出力场景进行场景缩减，以最终保留的子场景集与缩减前的场景集间的概率距离最小为目标进行迭代计算；

S5：以储能电站日运行净收益最大化为优化目标建立规模化储能参与多种辅助服务日前增补空间优化模型：

式中，E(F)表示储能电站日运行净收益，ρ_k表示第k个场景的存在概率；F_earn表示提供增补空间所获得的日收益；F_bess表示由于提供增补空间产生的电池老化成本；F_pun表示由于上报增补空间导致次日双边交易未完成而得到的经济惩罚，s1表示场景缩减后新能源出力场景的数量；

S6：求解所述规模化储能参与多种辅助服务日前增补空间优化模型，计算场景缩减后的新能源出力场景下储能电站的日运行最大净收益。

2.根据权利要求1所述规模化储能参与辅助服务日前增补空间优化方法，其特征在于，所述提供增补空间所获得的日收益F_earn计算公式为：

式中，P_rep(t)表示t时段增补空间上报功率值；U(t)表示电力市场t时段的调峰电价，Δt表示上报增补空间预测周期，β表示调度调用水平系数。

3.根据权利要求1所述规模化储能参与辅助服务日前增补空间优化方法，其特征在于，所述上报增补空间产生的电池老化成本F_bess计算公式为：

式中，C表示储能电池每充放1kWh电量所对应的储能电池损耗成本，P_sub(t)表示t时刻由于提供增补空间产生的储能功率，所述储能电池损耗成本C的计算公式为：

式中，I_bess表示储能电池投资建设成本，E_life表示电池所能处理的总能量，C_bat表示储能单位能量价格，E_bat表示储能电池额定容量，N表示储能电池循环使用次数，η表示储能电池充放电效率。

4.根据权利要求1所述规模化储能参与辅助服务日前增补空间优化方法，其特征在于，所述由于上报增补空间产生的双边交易计划的经济惩罚F_pun计算公式为：

式中，α表示未完成交易的经济惩罚单价，λ表示获得经济惩罚的布尔常量，P_lack表示实际交易中的缺失空间，布尔常量λ的计算公式为：

5.根据权利要求4所述规模化储能参与辅助服务日前增补空间优化方法，其特征在于，所述实际交易中的缺失空间P_lack的计算公式为：

式中，P_need表示实际交易中所需空间，P_plan表示月度双边交易计划占用空间。

6.根据权利要求1所述规模化储能参与辅助服务日前增补空间优化方法，其特征在于，所述场景削减的计算过程为：首先将需要被删减的场景集置为空集，开始迭代计算，以删减前后的场景集合间概率距离最小为目标删除本次迭代中的相应场景，迭代至将场景数削减到预期数量，并将被消去场景发生的概率叠加到替代它的子场景，其中时段t的新能源出力场景i(t)和j(t)间的概率距离

Images