李 偉，周 天，董紹光，葉麗雅，趙能能，何杲杳，耿光超

（1.國網(wǎng)浙江省電力有限公司培訓(xùn)中心，杭州 310015；2.浙江大學(xué) 電氣工程學(xué)院，杭州 310027；3.國網(wǎng)浙江省電力有限公司余姚市供電公司，浙江 余姚 315400）

0 引言

隨著“碳達(dá)峰、碳中和”目標(biāo)的提出，大力發(fā)展風(fēng)電、光伏等可再生能源已成為我國實現(xiàn)可持續(xù)發(fā)展的重要戰(zhàn)略［1］。根據(jù)國家發(fā)展改革委、國家能源局印發(fā)的《“十四五”現(xiàn)代能源體系規(guī)劃》，到2025年，非化石能源發(fā)電量比重達(dá)到30%左右。隨著分布式可再生能源發(fā)電裝機(jī)容量的不斷增大，其出力的隨機(jī)性、波動性與城市電網(wǎng)負(fù)荷時空匹配性差異問題將不斷凸顯，這對城市電網(wǎng)的可再生能源消納能力提出了更高的要求［2］。

與此同時，隨著經(jīng)濟(jì)社會的發(fā)展，城市電網(wǎng)中以電動汽車、電采暖等為代表的新型負(fù)荷呈現(xiàn)快速增長的趨勢。根據(jù)IEA（國際能源署）發(fā)布的《2023年全球電動汽車展望》報告，預(yù)計2023年全球電動汽車銷量將達(dá)到1 400萬輛，較2022年增長35%［3］。隨著電動汽車保有量的快速增長，其隨機(jī)充電行為也為城市電網(wǎng)的安全穩(wěn)定運(yùn)行帶來了新的挑戰(zhàn)［4-6］。

圖1 全球電動汽車年銷量變化趨勢Fig.1 Global trends in annual electric vehicle sales

儲能作為一種靈活性資源，可以幫助城市電網(wǎng)有效地提高可再生能源消納能力，通過錯峰充放電來實現(xiàn)可再生能源出力高峰、負(fù)荷需求高峰在時間坐標(biāo)上的平移［7-9］?；趦δ茉谔嵘娋W(wǎng)可再生能源消納能力、調(diào)峰等運(yùn)行場景下的應(yīng)用，國內(nèi)外許多學(xué)者對電網(wǎng)的儲能優(yōu)化配置及運(yùn)行調(diào)度問題進(jìn)行了研究。文獻(xiàn)［10］提出了一種考慮分布式發(fā)電負(fù)載的電-氫混合動力系統(tǒng)的雙層規(guī)劃方法，可提高有源配電網(wǎng)的穩(wěn)定性，平抑可再生能源帶來的隨機(jī)性與波動性。文獻(xiàn)［11］采用雙層嵌套結(jié)構(gòu)建立了以新能源消納電量最大、配電網(wǎng)運(yùn)行成本最小為目標(biāo)的多種靈活性資源協(xié)調(diào)調(diào)度模型，通過電網(wǎng)中已有的源網(wǎng)荷儲靈活性資源提高可再生能源消納能力。文獻(xiàn)［12］提出了考慮電動汽車充電站、儲能系統(tǒng)與配電網(wǎng)擴(kuò)展的聯(lián)合規(guī)劃模型，在滿足電動汽車充電需求的同時延緩了配電網(wǎng)的擴(kuò)建。在儲能的多功能復(fù)用方面，文獻(xiàn)［13-15］分別從輸電網(wǎng)、配電網(wǎng)的角度提出了提高可再生能源消納能力的儲能配置方法；文獻(xiàn)［16-17］提出了儲能參與平抑可再生能源波動性、調(diào)峰、調(diào)頻、峰谷套利等多重應(yīng)用場景下的配電網(wǎng)儲能需求評估方法，在提高儲能系統(tǒng)利用率的同時增強(qiáng)電網(wǎng)運(yùn)行的穩(wěn)定性。

然而，現(xiàn)有研究成果主要考慮儲能在配電網(wǎng)中的多功能復(fù)用，對儲能在城市電網(wǎng)不同運(yùn)行場景下的調(diào)節(jié)能力研究不足，側(cè)重于研究電網(wǎng)側(cè)儲能的優(yōu)化配置問題，通過規(guī)劃配電網(wǎng)用戶側(cè)儲能來解決電網(wǎng)運(yùn)行問題的研究不足。針對上述研究現(xiàn)狀，本文提出了一種考慮多運(yùn)行場景的城市電網(wǎng)儲能需求評估方法，針對當(dāng)前城市電網(wǎng)存在的可再生能源消納能力不足和大量電動汽車接入導(dǎo)致的局部過載問題，建立了考慮城市電網(wǎng)運(yùn)行約束、儲能運(yùn)行約束與可再生能源棄電約束的用戶側(cè)儲能需求評估優(yōu)化模型。通過浙江省某區(qū)域37節(jié)點城市電網(wǎng)算例驗證本文提出的城市電網(wǎng)儲能需求評估方法的有效性。

1 城市電網(wǎng)用戶側(cè)儲能需求評估模型

根據(jù)國家電網(wǎng)公司2019年12月發(fā)布的《關(guān)于進(jìn)一步嚴(yán)格控制電網(wǎng)投資的通知》，電網(wǎng)不得以投資、租賃或合同能源管理等方式開展電網(wǎng)側(cè)電化學(xué)儲能設(shè)施建設(shè)。城市電網(wǎng)中配置儲能的主體包括分布式新能源、電動汽車充電站、電力負(fù)荷等分布式用戶。本文提出的考慮多運(yùn)行場景的城市電網(wǎng)用戶側(cè)儲能需求評估方法通過綜合考慮各運(yùn)行場景下的儲能配置需求，提高用戶側(cè)儲能在不同場景下的復(fù)用率，為建設(shè)用戶側(cè)儲能提供依據(jù)。

1.1 運(yùn)行場景生成及其權(quán)重構(gòu)成

在文獻(xiàn)［14］所述電網(wǎng)運(yùn)行瓶頸識別模型的基礎(chǔ)上，添加了配電網(wǎng)潮流約束、線路傳輸功率約束與清潔能源消納約束，構(gòu)建了模擬的城市電網(wǎng)運(yùn)行瓶頸識別模型。根據(jù)文獻(xiàn)［18］的K-means 聚類方法對識別出的運(yùn)行瓶頸進(jìn)行聚類，得到城市電網(wǎng)運(yùn)行場景集合S。

城市電網(wǎng)用戶側(cè)儲能需求評估模型在處理各運(yùn)行場景權(quán)重構(gòu)成τ(s)時，同時考慮場景s出現(xiàn)的頻率ρ(s)［19］與場景s出現(xiàn)時對城市電網(wǎng)造成的危害性λ(s)，如式（1）所示。其中，場景對電網(wǎng)的危害性通過發(fā)生該場景時城市電網(wǎng)保持正常運(yùn)行需要花費的成本來衡量，可以近似地等效為電網(wǎng)維持正常運(yùn)行需支付的費用，如棄電電價、切負(fù)荷電價等。

1.2 目標(biāo)函數(shù)

考慮多運(yùn)行場景的城市電網(wǎng)用戶側(cè)儲能需求評估優(yōu)化模型的目標(biāo)函數(shù)為總成本Cobj最小，即用戶側(cè)儲能新建投資成本Ces（包括儲能功率建設(shè)成本與儲能容量建設(shè)成本）、儲能充放電運(yùn)行成本Ceso、可再生能源棄電成本Cab之和最小，如式（2）所示。式（3）—（5）給出了各項成本的具體計算方式。

1.3 約束條件

構(gòu)建儲能需求評估優(yōu)化模型時除了需要考慮城市電網(wǎng)的基本運(yùn)行約束條件，還需考慮用戶側(cè)儲能的運(yùn)行約束條件與可再生能源出力約束條件，以滿足城市電網(wǎng)在各場景下的運(yùn)行需求。

1.3.1 功率平衡約束

城市電網(wǎng)在運(yùn)行時須保持各節(jié)點功率平衡，式（6）表示各節(jié)點的注入功率，式（7）表示城市電網(wǎng)中各節(jié)點的功率平衡約束。

1.3.2 線路最大傳輸功率約束

對于城市電網(wǎng)中的各條線路，其最大傳輸功率不能超過線路承載能力的額定值。式（8）表示城市電網(wǎng)的線路最大傳輸功率約束。

式中：Plij，max為線路l(i，j)的額定最大傳輸功率。

1.3.3 輸、配電網(wǎng)交換功率上下限約束

由于輸電網(wǎng)向配電網(wǎng)供電的調(diào)節(jié)能力有限，故輸電網(wǎng)與配電網(wǎng)在交換功率時存在上下限約束，如式（9）所示。

1.3.4 儲能運(yùn)行約束

儲能運(yùn)行約束如式（10）—（18）所示。式（10）、式（11）為儲能的功率上、下限約束。式（12）為儲能的注入功率表達(dá)式。式（13）為儲能的工作狀態(tài)約束，保證儲能在同一時刻只能處于充電狀態(tài)、放電狀態(tài)或停機(jī)狀態(tài)三者之一。式（14）為儲能的功率與容量比值約束，出于用戶側(cè)儲能項目的經(jīng)濟(jì)性考慮，儲能的容量與功率比值不應(yīng)小于2∶1。式（15）為儲能的能量狀態(tài)表達(dá)式。式（16）表示儲能的能量須保持在一定工作區(qū)間內(nèi)。式（17）、式（18）分別表示儲能在0時刻與T時刻的能量約束。

1.3.5 可再生能源消納約束

式（23）描述了可再生能源發(fā)電機(jī)組在任意時刻棄電的比例約束。

2 算例分析

2.1 參數(shù)設(shè)置

本算例基于浙江省某城市電網(wǎng)配電區(qū)域37 節(jié)點配電網(wǎng)模型，該配電網(wǎng)網(wǎng)絡(luò)拓?fù)淙鐖D2所示，由電壓等級35 kV、容量8 000 kVA的主變壓器供電，輻射11個電壓等級10 kV、容量1 250 kVA的專用變壓器用戶，該區(qū)域負(fù)荷容量為6 000 kW。使用Julia JuMP構(gòu)建優(yōu)化模型，調(diào)用Gurobi求解器對模型進(jìn)行求解。在節(jié)點7、27處安裝PV（光伏發(fā)電機(jī)組），總裝機(jī)容量為1 200 kW；節(jié)點5、12、13、16、19、24、34 處安裝電動汽車充電站。其中，節(jié)點12、24 處為以公交大巴為主的充電站，節(jié)點5、34 處為以通勤大巴為主的充電站，節(jié)點19 處為以電動物流車為主的充電站，節(jié)點13和16處為以電動出租車為主的充電站。根據(jù)浙江省能源局印發(fā)的《浙江省可再生能源發(fā)展“十四五”規(guī)劃》，截至2020年底，光伏發(fā)電與風(fēng)力發(fā)電裝機(jī)容量比例約為8.15∶1，故在本算例模型中可再生能源發(fā)電僅考慮光伏。通過對該城市電網(wǎng)歷史數(shù)據(jù)進(jìn)行瓶頸識別與運(yùn)行場景聚類，得到城市電網(wǎng)正常運(yùn)行、可再生能源消納不足、電網(wǎng)局部過載3個典型運(yùn)行場景。

圖2 浙江省某區(qū)域37節(jié)點配電網(wǎng)Fig.2 A 37-node distribution network in a region of Zhejiang Province

根據(jù)作者前期調(diào)研，各類型電動汽車充電站典型日負(fù)荷曲線如圖3所示。電動汽車充電負(fù)荷往往具有日負(fù)荷率低的特征，即其充電行為多集中在某幾個時間段內(nèi)。

圖3 各類型電動汽車充電站典型日負(fù)荷曲線Fig.3 Load curves of all types of EV charging stations on a typical day

本算例中用到的其他各項經(jīng)濟(jì)技術(shù)指標(biāo)如表1所示。

表1 各項經(jīng)濟(jì)技術(shù)參數(shù)Table 1 Economic and technical parameters

2.2 城市電網(wǎng)單運(yùn)行場景儲能需求評估

對城市電網(wǎng)進(jìn)行各運(yùn)行場景儲能需求評估，所得結(jié)果如下。需要說明的是，算例中出現(xiàn)的儲能充放電需求為在其正常進(jìn)行峰谷套利、調(diào)峰調(diào)頻等行為的基礎(chǔ)上輔助城市電網(wǎng)運(yùn)行所需的額外充放電功率。

2.2.1 正常運(yùn)行場景

在正常運(yùn)行場景下，城市電網(wǎng)負(fù)荷呈現(xiàn)出典型的峰谷特性，各電動汽車根據(jù)其充電特性進(jìn)行充電，光伏發(fā)電機(jī)組正常運(yùn)行，與負(fù)荷預(yù)測情況、可再生能源出力預(yù)測情況基本一致，城市電網(wǎng)能夠正常運(yùn)行。正常運(yùn)行場景下的負(fù)荷水平、光伏出力曲線如圖4所示。

圖4 城市電網(wǎng)正常運(yùn)行場景Fig.4 Normal operating scenario of urban grids

城市電網(wǎng)在正常運(yùn)行場景下僅需要在節(jié)點9 處需要配置額定功率為64.7 kW，額定能量為129.4 kWh的儲能。該儲能主要用于削峰填谷，其充放電功率需求曲線如圖5所示，與圖4中總負(fù)荷的峰谷趨勢相吻合。22：00后由于電動汽車充電需求增加，儲能放電功率又出現(xiàn)一個高峰時段。

圖5 正常運(yùn)行場景儲能充放電功率需求曲線Fig.5 Power demand curves of energy storage charging anddischarging under normal operating scenarios

2.2.2 可再生能源消納不足運(yùn)行場景

在可再生能源消納不足運(yùn)行場景下，可再生能源出力高出其預(yù)測出力水平，而城市電網(wǎng)的供電水平與負(fù)荷水平與正常運(yùn)行場景基本一致，使得部分可再生能源發(fā)出的電力無法被消納，造成棄光的現(xiàn)象。該場景下城市電網(wǎng)需在節(jié)點7、節(jié)點12與節(jié)點27處分別安裝儲能，其具體需求情況如表2所示。

表2 城市電網(wǎng)可再生能源消納不足場景儲能需求情況Table 2 Demand for energy storage in scenarios with insufficient renewable energy consumption in urban grids

在該運(yùn)行場景下，兩個光伏電站安裝用戶側(cè)儲能，主要用于消納可再生能源發(fā)出的多余電量。同樣的，22：00后儲能將多余電量放出，用于滿足電動汽車的充電需求。其充放電功率需求曲線如圖6所示。

圖6 可再生能源消納不足場景儲能充放電功率需求曲線Fig.6 Power demand curves of energy storage charging and discharging under insufficient renewable energy consumption scenario

2.2.3 局部過載運(yùn)行場景

圖7展示了電動物流車充電站與公交大巴充電站所在節(jié)點的負(fù)荷水平曲線，當(dāng)電動汽車集中充電時城市電網(wǎng)局部節(jié)點會出現(xiàn)較大峰荷。

圖7 城市電網(wǎng)局部負(fù)荷曲線Fig.7 Curves of local loads in urban grids

在局部過載運(yùn)行場景下，由于大量的電動汽車在某時刻同時充電，導(dǎo)致該充電站所在節(jié)點出現(xiàn)局部過載的現(xiàn)象，如圖8所示。其中，19 節(jié)點處的電動物流車充電站與34 節(jié)點的出租車充電站分別在15：00與21：00出現(xiàn)了大量電動汽車同時充電的現(xiàn)象，超出了連接至該點的線路傳輸功率最大值，導(dǎo)致局部過載現(xiàn)象的發(fā)生。

圖8 城市電網(wǎng)局部過載場景Fig.8 Local overload scenario in urban grids

該運(yùn)行場景下，城市電網(wǎng)需要分別在節(jié)點19、24、27、29、34 安裝用戶側(cè)儲能，其具體需求情況如表3所示。

表3 城市電網(wǎng)局部過載場景儲能需求情況Table 3 Demand for energy storage under local overload scenario of urban grids

此時，城市電網(wǎng)安裝的用戶側(cè)儲能主要用于解決局部過載的問題，除了出現(xiàn)局部過載的節(jié)點外，與過載節(jié)點臨近的節(jié)點也需要安裝儲能來減輕線路的功率傳輸壓力。其充放電功率需求曲線如圖9所示。

圖9 局部過載場景儲能充放電功率變化曲線Fig.9 Curves of power change under local overload scenario

2.3 城市電網(wǎng)多運(yùn)行場景儲能需求評估

2.3.1 運(yùn)行場景權(quán)重選取

根據(jù)對該城市電網(wǎng)歷史數(shù)據(jù)的瓶頸識別結(jié)果，各運(yùn)行場景出現(xiàn)的頻率如表4所示。正常運(yùn)行場景下城市電網(wǎng)維持運(yùn)行的成本可用上網(wǎng)電價來衡量，市場均價約為0.42元/kWh?？稍偕茉聪{不足場景下城市電網(wǎng)維持運(yùn)行需額外支付的成本可用棄光費用來衡量，為0.42元/kWh。局部過載場景下城市電網(wǎng)維持運(yùn)行需額外支付的成本可用切負(fù)荷費用來衡量，為20 元/kWh。根據(jù)式（1）計算得到城市電網(wǎng)運(yùn)行場景的權(quán)重取值，結(jié)果如表4所示。

表4 城市電網(wǎng)運(yùn)行場景權(quán)重取值Table 4 Weighting values for urban grid operation scenarios

2.3.2 儲能需求評估結(jié)果

根據(jù)本文所提出的城市電網(wǎng)用戶側(cè)儲能需求評估方法，構(gòu)建優(yōu)化模型后求解得到該城市電網(wǎng)的儲能需求情況如表5所示。除局部過載場景中的局部過載節(jié)點所連接的傳輸線路存在線路過載的現(xiàn)象，其他場景下的各線路均保留有一定的傳輸裕度，相鄰節(jié)點建設(shè)的儲能也能夠為本節(jié)點所用。因此城市電網(wǎng)多運(yùn)行場景的儲能需求計算結(jié)果并非單場景儲能需求節(jié)點最大值的線性疊加。

表5 儲能需求情況Table 5 Demand for energy storage

而僅將不同運(yùn)行場景下的儲能需求評估結(jié)果進(jìn)行線性疊加，則該城市電網(wǎng)共需要安裝750 kW/1 500 kWh的儲能，比考慮多運(yùn)行場景的儲能需求增加了51.8%。因此，在考慮多運(yùn)行場景后，各節(jié)點的儲能實現(xiàn)了多功能的復(fù)用，既能在正常運(yùn)行場景下調(diào)節(jié)負(fù)荷峰谷值，又可以提高城市電網(wǎng)可再生能源消納能力，緩解電網(wǎng)局部過載的壓力。

2.3.3 經(jīng)濟(jì)性評價

根據(jù)求解得到的儲能需求進(jìn)行城市電網(wǎng)投資與運(yùn)行成本計算，同時比較僅考慮單一運(yùn)行場景下的成本。設(shè)用戶側(cè)儲能的運(yùn)行周期為15年，年利率為6%，將儲能建設(shè)成本折算為年金，所得結(jié)果如表6所示，總計一列中，儲能建設(shè)成本為3個運(yùn)行場景疊加，棄光成本與儲能運(yùn)行成本根據(jù)出現(xiàn)場景概率進(jìn)行疊加。

表6 儲能投資與系統(tǒng)運(yùn)行成本Table 6 Costs of energy storage investment and system operation萬元

由此可見，與僅考慮單一場景的儲能需求評估方法相比，考慮多運(yùn)行場景的儲能需求評估方法能夠減少32.7 個百分點的城市電網(wǎng)的投資與運(yùn)行成本，顯著提高了用戶側(cè)儲能投資的經(jīng)濟(jì)性。

3 結(jié)語

本文提出了一種考慮多運(yùn)行場景的城市電網(wǎng)用戶側(cè)儲能需求評估方法。針對當(dāng)前城市電網(wǎng)存在的可再生能源消納能力不足、大量電動汽車接入導(dǎo)致的局部過載問題建立了考慮城市電網(wǎng)運(yùn)行約束、儲能運(yùn)行約束與可再生能源棄電約束的用戶側(cè)儲能需求評估優(yōu)化模型，并通過城市電網(wǎng)不同運(yùn)行場景的出現(xiàn)概率與危害性對各運(yùn)行場景進(jìn)行加權(quán)，量化儲能需求評估中的不確定性。為了驗證該方法的有效性，通過浙江省某區(qū)域37 節(jié)點配電網(wǎng)進(jìn)行算例分析。算例分析結(jié)果表明，該方法可以有效地評估城市電網(wǎng)的儲能需求，通過調(diào)度儲能資源可以提高電網(wǎng)的可再生能源消納能力，避免局部過載的情況。同時，該方法評估得到的儲能需求情況與投資運(yùn)行成本顯著小于單運(yùn)行場景的線性疊加。由于本文的需求評估模型未考慮線路損耗、電壓等約束條件，在儲能需求評估的精確性方面存在一定局限性，未來將進(jìn)一步完善城市電網(wǎng)的儲能需求評估方法。