👨🎓个人主页
💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。
⛳️座右铭：行百里者，半于九十。
💥1 概述
文献来源：
摘要：随着新能源发电并网规模的增大,电力系统的峰谷差不断增加,常规机组的调峰能力越来越难以满足系统的调峰需求。因此,研究应对调峰缺额的方法,对含新能源发电电力系统的安全稳定运行具有重要意义。本课题研究了两种评估储能辅助常规机组调峰容量需求问题的方法,为解决新能源发电并网电力系统调峰问题提供方法和手段。1.提出了一种综合技术性和经济性的储能辅助常规机组调峰方案的实用制定策略。首先建立储能辅助调峰方案备选集,然后计算技术性评估指标和经济性评估指标,最后分析得到综合技术性和经济性的储能辅助常规机组调峰方案。采用区域电网和多渗透率场景的全国规划系统两个算例验证了所提储能辅助常规机组调峰方案实用制定策略的可行性和实用性。2.采用优化模型法,首先建立了以调峰运行成本最小为目标函数,包含调峰不足概率、弃风概率的可靠性约束和调峰不足量、弃风量的充裕性约束的储能辅助电力系统调峰容量优化配置模型。然后,对模型进行线性化处理,在YALMIP工具箱中调用CPLEX求解器对模型进行求解,优化得到储能辅助调峰的容量需求和功率需求。最后,对比分析有储能和无储能两种仿真方案下系统运行的技术性与经济性。两个算例的结果表明,储能运用于电力系统的调峰中,可以有效减少弃风现象和调峰不足情况的发生,提高新能源的利用效率和系统运行的可靠性。
关键词：
新能源;储能;调峰;技术性;经济性;
合理选取储能容量，使储能系统实现经济效益最优和可再生能源发电利用率最大化，是满足调峰需水的惦衣且日忠能灾量需求评估的方法主要分为三类，如图1-1的优化配置问题进行研究。目前针对储能容量需求评估的方法主要分为三类，如图1-1所示。
理论分析法包括时域分析法和频域分析法两个方面，时域分析是基于概率分析或者一阶滤波的方法对储能的容量需求进行分析，频域分析则采用傅里叶变换的方式进行分析。文献利用离散傅里叶变换对可再生能源输出功率进行频谱分析，考虑储能系统充放电效率、荷电状态及可再生能源发电系统目标功率输出波动率的约束，确定能够平抑新能源发电出力的最小储能系统容量;文献[33]提出了一种光电与建筑一体化(BIPV)的储能容量优化的频谱分析方法，根据平滑电网功率波动所需功率的频谱分析结果，确定储的控制容量需求;文献[34]利用离散傅里叶变换(DFT)对风电场输出功率偏差进行频谱分析，得到风电场对各类时间响应的控制需求量，采取不同的控制机制以补偿功率偏差。理论分析法的求解速度较快，但其不一定能够满足技术性的指标，也未考虑储能系统运行的经济性。
储能辅助电力系统调峰的容量需求研究
摘要
随着新能源发电并网规模的扩大，电力系统的峰谷差持续增加，传统调峰手段难以满足实时平衡需求。储能技术凭借快速响应、调节精度高的优势，成为辅助电力系统调峰的关键支撑。本文聚焦储能在调峰场景下的容量需求计算，从调峰机理、影响因素、量化方法三个维度构建容量需求评估体系，为储能电站的规划与配置提供理论依据。
一、电力系统调峰的背景与挑战
1.1 电力系统调峰的核心需求
电力系统调峰的核心是实时平衡发电侧出力与用户侧负荷的动态变化，确保频率稳定在允许范围（如我国工频50Hz±0.2Hz）。具体场景包括：
- 日内调峰：应对一天内的负荷波动（如早8点、晚19点的用电高峰），典型特征是峰谷差持续时间4-8小时，需储能具备短时大功率充放能力（如2-4小时放电时长）。
- 日内新能源消纳调峰：因风电、光伏的间歇性，午间光伏大发时可能出现“弃光”（发电过剩），晚间负荷高峰时新能源出力骤降，需储能在午间充电、晚间放电。
- 周/季调峰：应对周末负荷低谷或季节性用电差异（如冬季供暖负荷激增），需储能具备长时储能能力（如10小时以上放电时长），典型技术为抽水蓄能、压缩空气储能。
1.2 新能源大规模接入对调峰的影响
- 数据支撑：某区域电网夏季午间光伏出力达1500MW，而此时负荷仅3000MW，常规电源最小技术出力2500MW，需储能吸收1000MW过剩电力（1500+2500-3000=1000）。
- 问题加剧：新能源的随机性和反调峰特性导致系统调峰压力增大，传统火电机组调峰能力接近极限，弃风弃光现象频发。
二、储能辅助电力系统调峰的原理与优势
2.1 储能调峰的原理
储能通过“充电-放电”的灵活切换，在负荷低谷时段吸收多余电能，在负荷高峰时段释放存储能量，实现对系统峰谷差的“削峰填谷”调节。例如：
- 日内调峰案例：某城市电网日负荷曲线显示，最小负荷2000MW（凌晨3点），最大负荷5000MW（晚19点），峰谷差3000MW，需储能在低谷时段充电、高峰时段放电以填补差额。
2.2 储能调峰的优势
- 快速响应能力：电化学储能等新型储能技术可在毫秒级时间内响应调度指令，远快于传统火电机组的分钟级响应。
- 灵活部署：与抽水蓄能等传统储能方式相比，电化学储能对地理位置的依赖性较小，可灵活部署在电网的各个节点，更好地服务于分布式电源和负荷中心。
- 环保效益：储能系统本身不产生污染物，可有效降低电力系统的碳排放，促进能源的清洁化转型。
三、储能辅助调峰的容量需求影响因素
3.1 负荷特性
负荷的峰谷差越大，对调峰的需求越高，所需的储能容量也越大。需深入分析电力系统的历史负荷数据，了解负荷的日负荷曲线、季节性波动以及特殊事件（如极端天气）对负荷的影响。
3.2 新能源渗透率
新能源的渗透率越高，电力系统的波动性越大，对调峰的需求也越高。储能系统需平抑新能源出力的波动，提供稳定的电力支撑。需充分考虑新能源的装机容量、出力特性以及预测精度，评估储能容量的需求。
3.3 储能技术特性
不同类型的储能系统具有不同的能量密度、充放电效率、循环寿命和成本。需综合考虑以下因素：
- 锂离子电池：适用于需要快速响应的调峰应用，但成本较高。
- 抽水蓄能：适用于大规模的长时储能应用，但受地理位置限制。
- 压缩空气储能：能量密度高、运行成本低，但建设周期长。
3.4 电网结构与调度策略
- 电网互联互通程度：若电网互联互通程度较高，可通过区域间的电力调度平抑负荷波动，降低对储能的需求。
- 调度策略：合理的调度策略可有效利用储能资源，提高电力系统的整体效率。
3.5 经济性
储能系统的投资成本较高，需进行详细的成本效益分析，评估储能系统的经济性。需综合考虑储能系统的投资成本、运行维护成本以及带来的效益，如降低发电成本、提高新能源消纳率、减少输配电损耗等。
四、储能容量需求的研究方法
4.1 仿真模拟法
通过建立电力系统仿真模型，模拟不同场景下的电力系统运行情况，评估储能系统对电力系统运行的影响，确定储能容量需求。常用仿真软件包括PSASP、DigSilent PowerFactory、Matlab/Simulink等。
4.2 优化模型法
建立储能容量优化配置模型，以最小化电力系统的运行成本或最大化新能源消纳率为目标，通过优化算法求解储能容量。常用优化算法包括粒子群算法、遗传算法等。
4.3 数据分析法
利用历史数据，通过统计分析方法确定储能容量需求。常用数据分析工具包括Python、R、SPSS等。
五、储能容量需求优化配置模型
5.1 目标函数
储能容量优化配置模型以最小化运行成本为目标函数，包括：
- 发电成本：火电机组、新能源机组的发电成本。
- 储能系统投资运维成本：储能设备的投资成本、运行维护成本。
- 弃风惩罚成本：因储能容量不足导致的弃风损失。
- 调峰不足惩罚成本：因调峰能力不足导致的系统运行风险成本。
- 延缓火电投资成本：储能替代部分火电调峰能力的投资节省。
- 调峰经济收益：储能参与调峰带来的经济收益。
5.2 约束条件
- 系统功率平衡约束：系统内所有机组的出力必须等于系统负荷与网损之和。
- 火电机组出力上下限约束：机组的出力必须大于或等于其允许的最小出力，小于或等于其允许的最大出力。
- 风电出力上下限约束：风电的实际出力必须小于风电的理论出力。
- 储能系统充放电约束：储能系统的充放电功率、荷电状态需在合理范围内。
5.3 求解方法
对模型进行线性化处理，在YALMIP工具箱中调用CPLEX求解器对模型进行求解，优化得到储能辅助调峰的容量需求和功率需求。
六、案例分析
6.1 算例设置
设置含储能和不含储能两种仿真方案，采用区域电网和多渗透率场景的全国规划系统两个算例进行验证。
6.2 结果分析
- 技术性指标：储能运用于电力系统的调峰中，可有效减少弃风现象和调峰不足情况的发生，提高新能源的利用效率和系统运行的可靠性。
- 经济性指标：通过成本效益分析，合理选取储能容量可使储能系统实现经济效益最优和可再生能源发电利用率最大化。
七、储能技术发展趋势与未来展望
7.1 技术创新
- 提高能量密度：减小储能系统的占地面积，降低投资成本。
- 提高循环寿命：降低运行维护成本，提高储能系统的经济性。
- 智能化运行：采用先进的控制技术和优化调度算法，实现储能系统的智能化运行。
7.2 应用场景拓展
- 多元化储能技术：发展氢储能、液流电池储能等多元化储能技术，满足不同应用场景的需求。
- 标准化与模块化设计：推进储能系统的标准化和模块化设计，降低生产成本和安装成本，提高通用性和可维护性。
7.3 政策支持
- 政策激励：政府出台一系列政策措施，鼓励储能技术的研发和应用，如研发投入、市场推广等。
- 标准化与规范化：制定行业标准，加强质量监督，促进储能技术的健康发展。
📚2 运行结果
部分代码：
%% 连续变量
% 决策变量：火电出力, 风电出力, 调峰不足,u储能放电，u储能充电 ，储能容量,
P_fire = sdpvar(1,24); % 火电出力出力
P_wind = sdpvar(1,24); %风电出力
P_loss = sdpvar(1,24); %调峰不足
%储能
P_ch = sdpvar(1,24); % 蓄电池充电功率
P_dis = sdpvar(1,24); % 蓄电池放电功率
Uchr = binvar(1,24); % 电池充电状态，1表示充电
U_dis = binvar(1,24); % 电池放电状态，1表示放电
W_Bt= sdpvar(1,24); % 蓄电池的荷电状态
H_SS= sdpvar(1); % 蓄电池容量
%% 约束
constraint=[];
for t=1:24 % (1) 电能平衡约束
constraint = [constraint, P_fire(t)+P_wind(t)+P_loss(t)+P_dis(t)-P_ch(t)-Pload(t)==0 ];
end
constraint=[constraint, 0 <= H_SS <= E_max];
for t=1:24 % 蓄电池不等式约束
constraint=[constraint, 0<=P_ch(t)<=Uchr(t)*E_max];
constraint=[constraint, 0<=P_dis(t)<=U_dis(t)*E_max];
constraint=[constraint, Uchr(t)+U_dis(t)<=1];
constraint=[constraint, H_SS*soc_min<=W_Bt(t)<=H_SS*soc_max];
end
for t=1:24 % 蓄电池等式约束
if t==1
constraint=[constraint, W_Bt(t)==H_SS*soc0+P_ch(t)*eta-P_dis(t)/eta];
else
constraint=[constraint, W_Bt(t)==W_Bt(t-1)+P_ch(t)*eta-P_dis(t)/eta];
end
end
constraint = [constraint, H_SS*soc0==W_Bt(24) ];
%% 火电上下限约束
for t=1:24
constraint=[constraint, pf_min<=P_fire(t)<=pf_max] ;
end
%% 火电爬坡约束
for t=2:24
constraint=[constraint, -delta<=P_fire(t)-P_fire(t-1)<=delta] ;
end
%% 风电上下限约束
for t=1:24
constraint=[constraint, 0 <= P_wind(t) <= Pwind(t)] ;
end
%% 调峰不足约束
for t=1:24
constraint = [constraint, 0<= P_loss(t) <=Pload];
end
🎉3参考文献
部分理论来源于网络，如有侵权请联系删除。
[1]汪赛. 储能辅助电力系统调峰的容量需求研究[D].广西大学,2018.
