竇東，王雁宇，李欣，楊文生，周文奇，李海清，張士營

(1. 內(nèi)蒙古電力經(jīng)濟(jì)技術(shù)研究院，內(nèi)蒙古 呼和浩特 010040；2. 華能新能源股份有限公司，北京 100036)

0 引言

在“30·60”雙碳目標(biāo)以及構(gòu)建新型電力系統(tǒng)的背景下，以風(fēng)光為代表的可再生能源在未來將得到大力發(fā)展。蒙西地區(qū)作為中國重要的風(fēng)光基地，提出計(jì)劃到“十四五”期間2025年新能源裝機(jī)容量占比將超過50%，成為全區(qū)電力的主體能源[1]。與此同時(shí)，降低新能源出力波動(dòng)性、保障新能源高效消納和提升電力系統(tǒng)的靈活性和安全穩(wěn)定性等問題亟待解決。靈活的充放電特性使得儲(chǔ)能成為改善上述問題的重要調(diào)節(jié)性資源。研究在滿足電網(wǎng)技術(shù)需求的同時(shí)實(shí)現(xiàn)儲(chǔ)能的高效、經(jīng)濟(jì)性配置，具有重要意義。

目前，國內(nèi)外學(xué)者就儲(chǔ)能在不同應(yīng)用場(chǎng)景下的規(guī)劃配置、運(yùn)營管理以及技術(shù)經(jīng)濟(jì)分析等方面開展了廣泛的研究。新能源發(fā)電側(cè)，文獻(xiàn)[2-6]在考慮風(fēng)電、光伏出力隨機(jī)波動(dòng)性以及電力供需靈活性等因素影響下，提出兼顧經(jīng)濟(jì)性和靈活性的多類型儲(chǔ)能優(yōu)化配置方法，以降低新能源出力波動(dòng)性并提高其利用效率。文獻(xiàn)[7-8]將儲(chǔ)能和需求響應(yīng)技術(shù)納入新能源發(fā)電優(yōu)化調(diào)度中，提出由儲(chǔ)能、發(fā)電側(cè)以及需求響應(yīng)側(cè)構(gòu)成的聯(lián)合優(yōu)化模型，以促進(jìn)新能源的出力消納及其經(jīng)濟(jì)性運(yùn)行。在電網(wǎng)側(cè)，文獻(xiàn)[9-13]基于電網(wǎng)側(cè)儲(chǔ)能技術(shù)的需求場(chǎng)景、投資價(jià)值，提出電網(wǎng)側(cè)儲(chǔ)能的商業(yè)運(yùn)營模式以及選址定容規(guī)劃模型，用以滿足電網(wǎng)側(cè)在不同應(yīng)用場(chǎng)景下對(duì)大規(guī)模儲(chǔ)能技術(shù)進(jìn)行經(jīng)濟(jì)高效運(yùn)營的需求。在用戶側(cè)，文獻(xiàn)[14-17]通過構(gòu)建峰谷電價(jià)、實(shí)時(shí)電價(jià)與用戶側(cè)儲(chǔ)能的成本動(dòng)態(tài)聯(lián)動(dòng)模型，提出用戶側(cè)儲(chǔ)能的經(jīng)濟(jì)性優(yōu)化控制策略，以解決用戶側(cè)儲(chǔ)能的容量?jī)?yōu)化配置問題并推進(jìn)其商業(yè)模式的發(fā)展。在儲(chǔ)能的投資分析方面，文獻(xiàn)[18-23]采用全壽命周期成本等方法，考慮商業(yè)運(yùn)營模式、投資成本和經(jīng)濟(jì)效益，對(duì)多類型儲(chǔ)能技術(shù)在不同應(yīng)用場(chǎng)景下的投資經(jīng)濟(jì)性、系統(tǒng)價(jià)值進(jìn)行了評(píng)估測(cè)算。

上述儲(chǔ)能規(guī)劃配置方法在新能源側(cè)多為技術(shù)性優(yōu)化、缺乏經(jīng)濟(jì)性優(yōu)化在電網(wǎng)側(cè)多為電網(wǎng)側(cè)的單方面儲(chǔ)能價(jià)值測(cè)算；用戶側(cè)商業(yè)模式較為單一、應(yīng)用場(chǎng)景局限，投資分析方面缺乏包含外部?jī)r(jià)值的綜合價(jià)值測(cè)算，此外，現(xiàn)有儲(chǔ)能的規(guī)劃配置方案多數(shù)為通用性的優(yōu)化方案，缺少有針對(duì)性的具有地區(qū)特色的儲(chǔ)能經(jīng)濟(jì)性配置方案。

綜上，本文提出針對(duì)蒙西地區(qū)的儲(chǔ)能技術(shù)經(jīng)濟(jì)性優(yōu)化配置模型，以降低風(fēng)-光出力波動(dòng)性和最大化儲(chǔ)能系統(tǒng)的綜合經(jīng)濟(jì)價(jià)值為目標(biāo)，為蒙西地區(qū)的儲(chǔ)能的選型、選址和容量配置提供規(guī)劃建議。首先，基于蒙西地區(qū)的實(shí)際情況以及不同類型儲(chǔ)能應(yīng)用場(chǎng)景，提出針對(duì)蒙西地區(qū)的儲(chǔ)能選型選址方案。其次，以最小化風(fēng)光出力波動(dòng)性和最大化儲(chǔ)能的綜合價(jià)值（內(nèi)部?jī)r(jià)值和外部?jī)r(jià)值）為目標(biāo)，構(gòu)建儲(chǔ)能技術(shù)經(jīng)濟(jì)性優(yōu)化配置模型，并針對(duì)該模型提出基于NSGA-II的求解算法。然后，以蒙西地區(qū)某風(fēng)光接入點(diǎn)為例，計(jì)算滿足多目標(biāo)條件下的儲(chǔ)能配置方案，以不同的風(fēng)光占比和儲(chǔ)能的電池成本為影響因素，對(duì)該模型進(jìn)行了靈敏度分析。最后，基于上述算例分析，提出了針對(duì)蒙西地區(qū)的儲(chǔ)能經(jīng)濟(jì)性配置決策指導(dǎo)方案。

1 蒙西地區(qū)儲(chǔ)能選址選型研究

1.1 選址研究

對(duì)儲(chǔ)能的配置位置進(jìn)行合理規(guī)劃是降低儲(chǔ)能系統(tǒng)投資、提高運(yùn)行效益以及提升整個(gè)系統(tǒng)運(yùn)行穩(wěn)定性和資源利用效率的重要手段。文獻(xiàn)[24]提出了針對(duì)新能源側(cè)儲(chǔ)能選址優(yōu)化的通用性結(jié)論：在電力系統(tǒng)中的重要傳輸節(jié)點(diǎn)和可再生能源的發(fā)電接入點(diǎn)配置儲(chǔ)能可以在兼顧經(jīng)濟(jì)性和系統(tǒng)穩(wěn)定性的因素下達(dá)到儲(chǔ)能選址配置的最優(yōu)。因此，本文采用上述結(jié)論進(jìn)行蒙西地區(qū)儲(chǔ)能選址分析。以《內(nèi)蒙古電網(wǎng)2021年度運(yùn)行方式》提供的相關(guān)資料為參考依據(jù)，蒙西地區(qū)的風(fēng)電、光伏資源主要集中在烏蘭察布、包頭、巴彥淖爾以及錫林浩特地區(qū)，分別占蒙西地區(qū)新能源裝機(jī)容量的23.32%、21.63%、17.86%和15.62%。這些地區(qū)的重要傳輸結(jié)點(diǎn)以察右中、百靈、巴中、塔拉等500 kV變電站為主。在兼顧系統(tǒng)穩(wěn)定性及經(jīng)濟(jì)性因素下，重點(diǎn)在上述4個(gè)地區(qū)的新能源接入點(diǎn)和重要傳輸節(jié)點(diǎn)進(jìn)行儲(chǔ)能配置，具體選址如表1所示。其中，新能源接入點(diǎn)主要為220 kV變電站，重要傳輸節(jié)點(diǎn)為500 kV變電站，部分重要傳輸節(jié)點(diǎn)亦是新能源接入點(diǎn)，不再重復(fù)列出。

表1 蒙西地區(qū)儲(chǔ)能配置選址Table 1 Site selection for energy storage configuration in western Inner Mongolia

1.2 蒙西地區(qū)儲(chǔ)能選型研究

文獻(xiàn)[24]從技術(shù)、經(jīng)濟(jì)、效率、環(huán)境4個(gè)維度建立了適應(yīng)各種場(chǎng)景的儲(chǔ)能選型指標(biāo)體系，通過貝葉斯最優(yōu)最劣法確定了不同場(chǎng)景下的指標(biāo)權(quán)重，并通過模糊前景理論對(duì)儲(chǔ)能在各種場(chǎng)景下的選型進(jìn)行了綜合評(píng)價(jià)，進(jìn)而得出了儲(chǔ)能在各類應(yīng)用場(chǎng)景的排序，如表2所示。該選型排序研究并未涉及與地區(qū)相關(guān)的因素，具有一定的通用性，因此本文采用該選型排序結(jié)論確定蒙西地區(qū)儲(chǔ)能類型。

表2 各類應(yīng)用場(chǎng)景下儲(chǔ)能選型排序Table 2 Type selection and sorting for energy storage in various application scenarios

本文主要針對(duì)儲(chǔ)能降低新能源出力波動(dòng)性的應(yīng)用場(chǎng)景進(jìn)行分析，該應(yīng)用場(chǎng)景屬于輔助服務(wù)的應(yīng)用場(chǎng)景范疇，由表2可知，在蒙西地區(qū)配置儲(chǔ)能以實(shí)現(xiàn)平抑新能源出力波動(dòng)性的最優(yōu)儲(chǔ)能選擇為鋰離子儲(chǔ)能。本文后續(xù)研究中，若無特殊指出，涉及的儲(chǔ)能均為鋰離子電池儲(chǔ)能。

2 儲(chǔ)能技術(shù)經(jīng)濟(jì)性優(yōu)化配置模型

本文以儲(chǔ)能降低風(fēng)光出力波動(dòng)性為技術(shù)目標(biāo)，以提升儲(chǔ)能系統(tǒng)的綜合利潤（投資凈現(xiàn)值）為經(jīng)濟(jì)目標(biāo)，考慮儲(chǔ)能系統(tǒng)的各類約束，實(shí)現(xiàn)對(duì)儲(chǔ)能系統(tǒng)的容量、功率的最優(yōu)化配置。

2.1 目標(biāo)函數(shù)

2.1.1 技術(shù)目標(biāo)

2.1.2 經(jīng)濟(jì)性目標(biāo)

（2）儲(chǔ)能收益。儲(chǔ)能的收益測(cè)算主要包括自身價(jià)值測(cè)算和外部?jī)r(jià)值測(cè)算。其收益構(gòu)成如圖1所示。

圖1 儲(chǔ)能的收益構(gòu)成Fig. 1 Revenue structure of energy storage

2.1.3 多目標(biāo)函數(shù)

2.2 約束條件

2.3 求解算法

儲(chǔ)能技術(shù)經(jīng)濟(jì)性優(yōu)化模型為多目標(biāo)優(yōu)化問題，基于加權(quán)法和目標(biāo)規(guī)劃算法的傳統(tǒng)數(shù)學(xué)優(yōu)化方法帶有一定的主觀性，無法有效求得多目標(biāo)算法的帕累托最優(yōu)解集合。NSGA-Ⅱ是目前求解大規(guī)模多目標(biāo)優(yōu)化模型的有效算法，具有計(jì)算速度快、求解精度高、解集收斂性好、可求得帕累托最優(yōu)解集等特點(diǎn)[27]?；诖?，本文采用NSGA-Ⅱ算法對(duì)儲(chǔ)能技術(shù)經(jīng)濟(jì)性優(yōu)化模型進(jìn)行求解，算法流程圖如圖2所示。

圖2 模型求解流程Fig. 2 Flowchart of model solving

3 算例分析

以蒙西某風(fēng)光資源豐富地區(qū)為例，基于儲(chǔ)能經(jīng)濟(jì)性優(yōu)化配置模型，計(jì)算分析針對(duì)該地區(qū)風(fēng)光出力特性的經(jīng)濟(jì)性儲(chǔ)能配置方案。

3.1 算例參數(shù)設(shè)置

該地區(qū)的新能源由裝機(jī)容量為10 MW的風(fēng)電站和2.5 MW的光伏發(fā)電站構(gòu)成，能統(tǒng)一接入節(jié)點(diǎn)A。以季節(jié)變化為周期，該地區(qū)風(fēng)、光的典型日出力曲線如圖3所示。根據(jù)國家《國家發(fā)展改革委關(guān)于2021年新能源上網(wǎng)電價(jià)政策有關(guān)事項(xiàng)的通知》，蒙西地區(qū)風(fēng)電、光伏的上網(wǎng)電價(jià)為0.278 5 元/(kW·h)。

圖3 風(fēng)電及光伏典型日出力曲線Fig. 3 Typical daily output curves of wind power and PV

基于該地區(qū)的實(shí)際特點(diǎn)，擬在節(jié)點(diǎn)A處配置鋰離子儲(chǔ)能系統(tǒng)，主要為新能源發(fā)電端提供輔助服務(wù)，因此該儲(chǔ)能系統(tǒng)對(duì)于發(fā)電端的影響為內(nèi)部?jī)r(jià)值，對(duì)于電網(wǎng)、用戶及環(huán)境的影響為外部?jī)r(jià)值。該儲(chǔ)能系統(tǒng)壽命為10年，容量衰減系數(shù)定為常數(shù)1，期末回收殘值率為10%。儲(chǔ)能的成本及效益計(jì)算采用凈年值計(jì)算方式，貼現(xiàn)率為8%。根據(jù)《華北電力調(diào)峰輔助服務(wù)市場(chǎng)運(yùn)營規(guī)則》，儲(chǔ)能系統(tǒng)提供輔助服務(wù)的成本為0.4元/(kW·h)。儲(chǔ)能系統(tǒng)的其他參數(shù)設(shè)置如表3所示。

表3 儲(chǔ)能系統(tǒng)參數(shù)設(shè)置Table 3 Parameter setting for energy storage system

在進(jìn)行儲(chǔ)能的收益計(jì)算時(shí)，儲(chǔ)能以平抑新能源發(fā)電的波動(dòng)性為目的向其提供輔助服務(wù)，受到技術(shù)約束以及蒙西地區(qū)低峰谷電價(jià)差的限制，不考慮其自身通過電價(jià)差賺取收益。此外，儲(chǔ)能在發(fā)電端運(yùn)用場(chǎng)景下，用戶側(cè)減少的停電損失難以衡量，為用戶減少的停電損失不再測(cè)算。因此，該儲(chǔ)能運(yùn)用場(chǎng)景下，儲(chǔ)能的內(nèi)部?jī)r(jià)值測(cè)算包括提供輔助服務(wù)獲利、減少棄風(fēng)、棄光電量損失以及期末設(shè)備殘值回收，外部?jī)r(jià)值測(cè)算包括延緩電網(wǎng)投資收益以及環(huán)境收益。儲(chǔ)能系統(tǒng)主要接入35 kV電壓等級(jí)的電網(wǎng)中，基于當(dāng)?shù)?5 kV電壓等級(jí)的電網(wǎng)投資數(shù)據(jù)，運(yùn)用文獻(xiàn)[28]的電網(wǎng)設(shè)備投資計(jì)算方法，可測(cè)算出該項(xiàng)收益約為1 391.23元/kW。儲(chǔ)能系統(tǒng)的環(huán)境效益可以量化為減少常規(guī)燃煤機(jī)組發(fā)電過程產(chǎn)生的SO2、CO2等污染物的排放，根據(jù)文獻(xiàn)[28]，其值約為0.12元/(kW·h)。

使用Matlab 2016 b對(duì)基于儲(chǔ)能技術(shù)經(jīng)濟(jì)性優(yōu)化模型的NSGA-II算法進(jìn)行編程運(yùn)算，算法采用十進(jìn)制編碼方式。考慮算法解集的收斂時(shí)間，參考文獻(xiàn)[27]的算法參數(shù)設(shè)置，對(duì)參數(shù)進(jìn)行如下設(shè)置：種群規(guī)模為300，最大進(jìn)化代數(shù)為100，交叉概 率 為0.9，變異概 率pm=1/n， 其 中 ηc=1/n，ηm=1/n，其他參數(shù)使用默認(rèn)參數(shù)。

3.2 算例結(jié)果分析

（1）技術(shù)性優(yōu)化結(jié)果分析。

經(jīng)過優(yōu)化計(jì)算，可得到一系列不同風(fēng)-光波動(dòng)抑制率下的儲(chǔ)能系統(tǒng)功率及容量配置的帕累托最優(yōu)解集。抑制10 MW風(fēng)電與2.5 MW光伏聯(lián)合出力波動(dòng)性的儲(chǔ)能功率與容量配置方案如表4所示。

表4 不同風(fēng)光出力波動(dòng)抑制率下儲(chǔ)能系統(tǒng)配置方案Table 4 Configuration scheme for energy storage system under different σp

隨著風(fēng)光出力波動(dòng)抑制率要求的提高，儲(chǔ)能的功率、容量配置以及持續(xù)時(shí)長(zhǎng)將快速增長(zhǎng)。將風(fēng)光出力的標(biāo)準(zhǔn)差降低10%最少需要配置0.495 MW/0.736 MW·h的儲(chǔ)能，儲(chǔ)能占新能源裝機(jī)容量占比僅為6.13%，持續(xù)時(shí)間為1.34 h；而將風(fēng)光出力的標(biāo)準(zhǔn)差降低40%，則至少需要配置1.929 MW/5.724 MW·h的儲(chǔ)能，儲(chǔ)能占新能源裝機(jī)容量占比將提升到47.7%，持續(xù)時(shí)間需要提升到2.67 h。

該地區(qū)風(fēng)-光聯(lián)合出力曲線可分為峰段（00:00—02:00、09:00—13:00、20:00—22:00）和谷段（03:00—05:00、15:00—19:00、23:00—24:00），為了滿足不同風(fēng)光波動(dòng)抑制率要求，儲(chǔ)能系統(tǒng)在滿足經(jīng)濟(jì)運(yùn)行最優(yōu)的情況下，多次進(jìn)行充放電操作。帕累托解集得出的不同風(fēng)光出力波動(dòng)抑制率下風(fēng)-光、風(fēng)-光-儲(chǔ)以及儲(chǔ)能的出力計(jì)劃對(duì)比情況如圖4所示。

圖4 不同σp下風(fēng)-光-儲(chǔ)聯(lián)合出力情況Fig. 4 Wind power-PV-storage joint output under different σp

（2）經(jīng)濟(jì)性優(yōu)化結(jié)果分析。

在不考慮儲(chǔ)能外部?jī)r(jià)值的情況下，該儲(chǔ)能項(xiàng)目投資經(jīng)濟(jì)性分析結(jié)果如表5所示。為了更加全面地反映經(jīng)濟(jì)性評(píng)價(jià)結(jié)果，表中加入投資回收期與內(nèi)部收益率的測(cè)算分析。隨著風(fēng)光出力波動(dòng)抑制率的逐漸提高，儲(chǔ)能的凈現(xiàn)值、內(nèi)部收益率逐漸下降，投資回收期逐漸提高，投資經(jīng)濟(jì)性呈下降趨勢(shì)。當(dāng) σp大于30%時(shí)，儲(chǔ)能系統(tǒng)的投資將不具有經(jīng)濟(jì)性，在規(guī)定壽命周期內(nèi)無法回收成本。

表5 不考慮外部?jī)r(jià)值的投資經(jīng)濟(jì)性分析結(jié)果Table 5 Result of investment economy analysis without considering external value

在考慮儲(chǔ)能的外部?jī)r(jià)值的情況下，該儲(chǔ)能項(xiàng)目投資經(jīng)濟(jì)性分析結(jié)果如表6所示。在考慮儲(chǔ)能的外部?jī)r(jià)值情況下，該儲(chǔ)能項(xiàng)目將具有良好的投資經(jīng)濟(jì)性。當(dāng) σp為10%時(shí)，該項(xiàng)目的內(nèi)部收益率高達(dá)60.73%，當(dāng) σp上升到40%時(shí)該項(xiàng)目仍具有18.19%的內(nèi)部收益率。

表6 考慮外部?jī)r(jià)值的投資經(jīng)濟(jì)性分析結(jié)果Table 6 Result of investment economy analysis considering external value

（3）帕累托曲線。

投資成本是儲(chǔ)能規(guī)劃設(shè)計(jì)的一項(xiàng)重要經(jīng)濟(jì)性指標(biāo)，基于技術(shù)、經(jīng)濟(jì)性優(yōu)化結(jié)果可得到儲(chǔ)能系統(tǒng)投資成本與風(fēng)-光-儲(chǔ)聯(lián)合出力標(biāo)準(zhǔn)差之間的帕累托曲線，如圖5所示。隨著風(fēng)光出力波動(dòng)抑制率的不斷提高，儲(chǔ)能的初始投資成本不斷提高，且提高速率逐漸增加。風(fēng)光出力波動(dòng)抑制率從5%提升到35%，儲(chǔ)能的初始投資成本僅增加658.61萬，而從35%提升到60%，儲(chǔ)能的初始投資成本增加1 213.02萬元，為滿足更高的風(fēng)光出力的技術(shù)性要求需要投入的儲(chǔ)能成本將顯著提升。

圖5 儲(chǔ)能投資成本與風(fēng)-光-儲(chǔ)聯(lián)合出力標(biāo)準(zhǔn)差帕累托曲線Fig. 5 Pareto curve of energy storage investment cost and standard deviation of wind power-PV-storage joint output

3.3 敏感性分析

不同風(fēng)光裝機(jī)比例以及儲(chǔ)能成本均會(huì)對(duì)儲(chǔ)能的優(yōu)化配置以及投資經(jīng)濟(jì)性產(chǎn)生影響。本文以風(fēng)光比例和儲(chǔ)能成本為影響因素，分別從儲(chǔ)能配置變化以及投資經(jīng)濟(jì)性兩個(gè)方面進(jìn)行靈敏度分析。

（1）不同風(fēng)光裝機(jī)比例對(duì)儲(chǔ)能配置的影響。

以10 MW的風(fēng)電裝機(jī)為標(biāo)準(zhǔn)，光伏裝機(jī)容量占風(fēng)電裝機(jī)容量占比變化從0到1.5，風(fēng)光出力波動(dòng)性抑制率從10%增長(zhǎng)到40%情況下，儲(chǔ)能系統(tǒng)的配置情況如表7所示。

表7 不同風(fēng)光比例下儲(chǔ)能配置方案Table 7 Energy storage configuration scheme under different ratios of PV installed capacity to wind power installed capacity

為了更直觀地表示不同風(fēng)光裝機(jī)比例對(duì)于儲(chǔ)能配置的影響，基于表7繪制不同光伏風(fēng)電裝機(jī)容量比例下儲(chǔ)能配置需求圖，如圖6所示。

圖6 不同風(fēng)光比例下儲(chǔ)能配置需求Fig. 6 Energy storage configuration requirements under different ratios of PV installed capacity to wind power installed capacity

由表7和圖6可知，在風(fēng)光出力波動(dòng)抑制率一定的情況下，隨著光伏相對(duì)風(fēng)電裝機(jī)占比的提升，儲(chǔ)能容量和功率配置需求均呈現(xiàn)上升趨勢(shì)，且容量配置需求增長(zhǎng)趨勢(shì)顯著快于功率配置需求。當(dāng) σp=10%，光/風(fēng)比例從0增長(zhǎng)到1.5時(shí)，儲(chǔ)能的功率配置需求從0.28 MW增長(zhǎng)到1.56 MW，漲幅為457.14%，而容量配置從0.31 MW·h增長(zhǎng)到5.48 MW·h，漲幅高達(dá)1 667.74%。在光/風(fēng)比例一定的情況下，隨著風(fēng)光出力波動(dòng)抑制率的增加，儲(chǔ)能的容量配置需求增長(zhǎng)趨勢(shì)同樣顯著快于功率配置需求。當(dāng)光/風(fēng)比例為0.75，σp從10%增長(zhǎng)到40%時(shí)，功率需求從1.1 MW增長(zhǎng)到3.64 MW，漲幅為230.90%，而容量配置從2.5 MW·h增長(zhǎng)到14.58 MW·h，漲幅高達(dá)483.2%，且儲(chǔ)能容量占可再生能源總裝機(jī)容量的比重高達(dá)83.3%。因此，較高的光/風(fēng)比例以及出力波動(dòng)抑制率要求下，儲(chǔ)能的經(jīng)濟(jì)性配置具有極高難度。當(dāng)光/風(fēng)比例和出力波動(dòng)抑制率分別控制在35%和30%以內(nèi)時(shí)，儲(chǔ)能的配置較為經(jīng)濟(jì)合理。

（2）儲(chǔ)能成本對(duì)投資經(jīng)濟(jì)性的影響。

以風(fēng)光出力波動(dòng)抑制率為40%的情況說明儲(chǔ)能成本變化對(duì)于經(jīng)濟(jì)性分析指標(biāo)及技術(shù)指標(biāo)的影響情況，具體結(jié)果如表8所示。其中，成本系數(shù)表示儲(chǔ)能現(xiàn)有成本與原有成本的比值。

表8 不同成本系數(shù)下儲(chǔ)能投資經(jīng)濟(jì)性分析Table 8 Economy analysis of energy storage investment under different cost coefficients

從表8可以看出，儲(chǔ)能的功率配置、容量配置和現(xiàn)金流入對(duì)于儲(chǔ)能的成本變化并不敏感，儲(chǔ)能成本的下降主要影響其初始投資成本，進(jìn)而影響凈現(xiàn)值、投資回收期以及內(nèi)部收益率等投資經(jīng)濟(jì)性指標(biāo)。成本系數(shù)為1時(shí)，該項(xiàng)目的內(nèi)部收益率僅為5%，低于設(shè)定的8%的貼現(xiàn)率，不具有經(jīng)濟(jì)性，當(dāng)儲(chǔ)能成本下降20%時(shí)，該項(xiàng)目的內(nèi)部收益率則增長(zhǎng)到9%，初步具有投資經(jīng)性，而當(dāng)儲(chǔ)能成本下降50%時(shí)，該項(xiàng)目的內(nèi)部收益率高達(dá)20%，具有良好的投資經(jīng)濟(jì)性。因此，儲(chǔ)能成本下降是提升儲(chǔ)能大規(guī)模配置積極性的重要影響因素。

3.4 決策指導(dǎo)

基于選型選址和案例分析結(jié)果，對(duì)蒙西地區(qū)進(jìn)行整體優(yōu)化，提出蒙西地區(qū)儲(chǔ)能配置的規(guī)劃方案。該儲(chǔ)能配置方案的技術(shù)目標(biāo)為將風(fēng)光出力波動(dòng)率降低30%，經(jīng)濟(jì)目標(biāo)為實(shí)現(xiàn)儲(chǔ)能的利潤最大化。為了反映儲(chǔ)能成本變化對(duì)于儲(chǔ)能整體投資的影響，基于不同儲(chǔ)能成本設(shè)置2個(gè)儲(chǔ)能成本場(chǎng)景。情景1：儲(chǔ)能單位容量成本為1.4元/MW·h，單位功率成本為0.35元/MW；情景2：儲(chǔ)能單位容量成本為1元/MW·h，單位功率成本為0.35元/MW。其他參數(shù)設(shè)置與案例參數(shù)設(shè)置保持一致。不同成本場(chǎng)景下蒙西地區(qū)的儲(chǔ)能配置計(jì)劃如表9所示，儲(chǔ)能配置的地址選擇如圖7所示。

圖7 蒙西地區(qū)儲(chǔ)能選址簡(jiǎn)圖Fig. 7 Simplified site selection map for energy storage in western Inner Mongolia

表9 不同成本場(chǎng)景下蒙西地區(qū)的儲(chǔ)能配置計(jì)劃Table 9 Energy storage configuration plan for western Inner Mongolia in different cost scenarios

根據(jù)《內(nèi)蒙古自治區(qū)關(guān)于加快推動(dòng)新型儲(chǔ)能發(fā)展的實(shí)施意見》，配建儲(chǔ)能規(guī)模原則上不低于新能源項(xiàng)目裝機(jī)量的15%，本文儲(chǔ)能配置方案中，各地區(qū)的儲(chǔ)能配置容量均符合該政策要求?，F(xiàn)有可再生能源裝機(jī)水平下，實(shí)現(xiàn)降低風(fēng)光出力波動(dòng)性的技術(shù)要求，蒙西地區(qū)需要在情景1下投入96.95億元建設(shè)電化學(xué)儲(chǔ)能，而在情景2下投入71.71億元建設(shè)電化學(xué)儲(chǔ)能。以情景1為例，包頭地區(qū)儲(chǔ)能投資需求最高，達(dá)到31.05億元，錫林浩特地區(qū)的儲(chǔ)能投資需求最低，為15.43億元。

4 結(jié)論

本文考慮儲(chǔ)能的綜合價(jià)值及其抑制風(fēng)光出力波動(dòng)的技術(shù)作用，提出針對(duì)蒙西地區(qū)的儲(chǔ)能優(yōu)化配置模型及具體方案。基于蒙西地區(qū)新能源實(shí)際分布及需求提出儲(chǔ)能選址、選型方案，以最大化風(fēng)光出力波動(dòng)抑制率和儲(chǔ)能項(xiàng)目利潤為目標(biāo)，構(gòu)建蒙西地區(qū)儲(chǔ)能技術(shù)經(jīng)濟(jì)性優(yōu)化配置模型，并采用NSGA-II算法對(duì)該雙目標(biāo)優(yōu)化模型進(jìn)行求解。然后，基于蒙西某風(fēng)光地區(qū)開展儲(chǔ)能技術(shù)經(jīng)濟(jì)性優(yōu)化配置案例分析。最后，基于選址選型結(jié)果以及案例分析結(jié)果，針對(duì)蒙西地區(qū)4大風(fēng)光資源聚集區(qū)提出儲(chǔ)能配置方案，得出主要結(jié)論如下。

（1）儲(chǔ)能的經(jīng)濟(jì)性配置需要合理的風(fēng)光出力波動(dòng)抑制率范圍，現(xiàn)有條件下，當(dāng)風(fēng)光出力波動(dòng)性抑制率小于30%時(shí)儲(chǔ)能項(xiàng)目具有投資可行性；（2）光伏相對(duì)風(fēng)電裝機(jī)的比例越大，儲(chǔ)能配置的經(jīng)濟(jì)性越差，當(dāng)該比例在35%以內(nèi)且風(fēng)光出力波動(dòng)性抑制率小于30%時(shí)，儲(chǔ)能配置具有一定投資可行性；（3）儲(chǔ)能成本的降低不影響儲(chǔ)能配置的技術(shù)需求，但可以有效提高儲(chǔ)能項(xiàng)目的投資回報(bào)率。

對(duì)于蒙西地區(qū)儲(chǔ)能技術(shù)經(jīng)濟(jì)性配置研究，可實(shí)現(xiàn)通過儲(chǔ)能的經(jīng)濟(jì)性優(yōu)化配置降低可再生能源出力波動(dòng)性的目的，為地區(qū)的儲(chǔ)能的選型、選址、功率及容量的優(yōu)化配置提供決策指導(dǎo)，助力蒙西地區(qū)可再生能源的快速發(fā)展。