梁 翀，高 亨，嚴 旭，陳玨羽

(1.廣西能源聯(lián)合售電公司，廣西 南寧 530023；2.廣西電網有限責任公司柳州供電局，廣西 柳州 545000；3.廣西電網有限責任公司電力科學研究院，廣西 南寧 530023；4.湖南大學電氣與信息工程學院，湖南 長沙 410082)

0 引言

2016年，全國風電發(fā)電量2 410億 kW·h，占全部發(fā)電量的4%，全年棄風電量497億 kW·h。目前全國棄風較為嚴重的地區(qū)是甘肅(棄風率為43%)、新疆(棄風率為38%)、吉林(棄風率為30%)、內蒙古(棄風率為21%)[1]。由于風能的隨機性和不穩(wěn)定性，風電場每天最大和最少發(fā)電量可能相差40～50倍，一天內的輸出功率變化處于非常不穩(wěn)定狀態(tài)[2]。同時風電具有反調峰特性，夜間用電負荷處于低谷時段但風力發(fā)電出力往往較大。風電的波動性和反調峰特性導致風電并網時需要有合理的電源進行調峰，以平衡負荷；而我國“三北”地區(qū)擁有大量按以熱定電方式運行的熱電聯(lián)產機組，以煤電為主的這一電源結構決定了其難以滿足風電并網的深度調峰需求，顧經常出現(xiàn)限電棄風現(xiàn)象[3-4]。

為改善風電并網現(xiàn)象，本文提出一種基于能源需求響應和分布式儲能的風電并網控制方法。通過改變熱電聯(lián)產機組以熱定電的運行方式，降低熱電聯(lián)產機組發(fā)熱功率來獲得額外可調度的發(fā)電容量；同時，在用戶側引入分布式儲能技術和電熱泵來合理調整用戶的能源需求響應，補償熱電聯(lián)產減少的發(fā)熱量，等效減小負荷峰谷差，從而降低風電并網調峰容量[5-9]。

1 分布式儲能技術比較

目前儲能技術主要包括電化學儲能、物理儲能、電磁儲能等。本文從技術特點、應用成熟度、投資成本3方面對主要類型的小容量儲能技術進行多維度的比較和分析，提出適用于改善風電并網的分布式儲能技術。

1.1 技術特點

從功率等級和放電響應時間2個維度對現(xiàn)有儲能技術進行比較，從而得到適用于分布式儲能應用的儲能技術，如圖1所示。

圖1 各類儲能技術的功率等級與放電時間Fig.1 Power level and discharge time of different energy storage technologies

從圖1中可看出：鉛酸電池、鋰離子電池、釩流電池、飛輪儲能具有放電響應時間快速的特點，特別適用于1～10 kW的小型分布式儲能系統(tǒng)；抽水蓄能、壓縮空氣等儲能技術適用于大規(guī)模儲能系統(tǒng)；超導儲能、超級電容具有接近毫秒級的響應時間，適用于改善電能質量的場合。

1.2 技術成熟度

目前主要幾類儲能技術的成熟度可劃分為成熟應用、產業(yè)化初期和初始研究3個階段，如圖2所示。

圖2 儲能技術成熟度示意圖Fig.2 Energy storage technologies maturity schematic

鉛酸電池是化學電池領域最成熟的技術，抽水蓄能是物理儲能中最成熟的技術。鋰離子電池、飛輪儲能、鈉硫電池也是較成熟的技術，商業(yè)化可行；但仍處于產業(yè)化初期階段，離大規(guī)模成熟應用還有一定距離。

1.3 投資成本

投資成本是儲能技術推廣應用的重要因素。表1列出了主要類型的分布式儲能技術的單位功率成本和單位容量成本，其中已經考慮了儲能技術的能量轉化效率[10]。

表1 各類儲能技術的特性比較Table 1 Comparison of various energy storage technologies

鉛酸電池的成本較低，技術成熟，但受限于循環(huán)壽命；鋰離子電池的性能優(yōu)于鉛酸電池，但價格較高；飛輪儲能的功率密度高，單位功率成本較低，單位容量成本非常昂貴，適合高功率、短時間的應用場合。

2 基于能源需求響應和分布式儲能的風電并網控制方法

2.1 控制方法

我國北方地區(qū)存在大量的熱電聯(lián)產機組，為解決熱電聯(lián)產機組與風電并網機組共存的矛盾，本文提出基于能源需求響應和分布式儲能的風電并網控制方法。通過控制用戶側的能源需求響應和分布式儲能裝置的充放電功率，實現(xiàn)改善風電并網容量的目的[11-13]。

在負荷高峰期，首先將熱電聯(lián)產機組作為“源控點”以減少供暖出力，從而獲得其發(fā)電出力增量；同時控制用戶側的分布式儲能系統(tǒng)向電網供電，等效地削減高峰負荷。然后根據供暖出力的減少量和用戶側的空間采暖能源需求，用戶側的分布式熱泵響應工作，補償機組供熱出力減小量，起到填補低谷負荷的作用。

而在負荷低谷期，同樣將減少熱電聯(lián)產機組的供暖出力以降低發(fā)電出力，從而減少此時風電并網的調峰壓力；同時控制用戶側的分布式儲能系統(tǒng)充電，等效地填補負低谷負荷。然后靠近機組的用戶側分布式熱泵響應工作，填補低谷負荷。

2.2 數學模型

首先將系統(tǒng)的實際運行時間R離散化為計算運行時間t。

t=R/Δt，t=0,1,2,…,T

(1)

式中：T為最大計算時間；表示向下取整；計算運行時間t代表歸一化時間，將總運行時間離散化為T+1個時段，每個時段長度即一個單位調度時長為 Δt。

同樣將熱電聯(lián)產機組與終端用戶之間的傳輸管道距離D離散化為計算供暖熱水傳輸距離[14]。

l=D/(vΔt)，l=0,1,2,…,L

(2)

式中：v為供冷冷水的流速，m/s；L為最遠計算距離；計算冷水傳輸距離l代表歸一化距離，按照管道距離將終端用戶離散化為L+1個用戶組，每個用戶組之間相隔供冷冷水在一個單位調度時長Δt流過的距離。

本模型是為優(yōu)化風電并網，減少負荷峰谷差，緩解系統(tǒng)調峰壓力。因此目標函數設定為系統(tǒng)的負荷峰谷差最小[15]。

(3)

式中：PRL(t)為調度后的等效負荷曲線；PRLA為PRL(t)的算術平均值。

(4)

式中：PL(t)為原來負荷曲線；PW(t)為風電出力；PC(t)是熱電聯(lián)產機組的原發(fā)電出力；PCD(t)為機組調整后的出力；PEHP(t)為分布式熱泵功率；PB(t)為分布式儲能系統(tǒng)功率。

將熱電聯(lián)產機組供暖出力從原來的QC(t)減少為QCD(t)。t時段冷水供給減少量將由0～L個用戶組的電力熱泵，分別在t～t+L時段通過消耗電力來補償熱電聯(lián)產機組供暖出力減少所帶來的采暖能源供應不足。

式中：QEHP(t+l,l)為t+l時刻管道距離l的用戶熱泵采暖響應功率。用戶側分布式熱泵的熱電比約束為

QEHP(t,l)=CEHPPEHP(t,l)

(7)

式中：QEHP(t,l)為t時刻管道距離l的用戶熱泵采暖響應功率；PEHP(t,l)為t時刻管道距離l的用戶熱泵耗電功率；CEHP為電力熱泵的性能系數。

3 仿真結果

本文利用甘肅省某日的風電出力曲線進行模擬仿真，仿真計算的總運行時間為24 h，單位調度時間Δt為15 min。城市供暖熱水流速為2.5 m/s；考慮到供暖效率，電廠的供暖范圍在9 km左右；每個用戶組之間的傳輸管道距離為2.25 km。分布式熱泵的性能系數是3。每個用戶組分布式儲能系統(tǒng)的總容量為200 MW。用戶集中供暖由25臺熱電聯(lián)產機組C135/N150-13.24負責，用戶供暖負荷是4 425 MW。

圖3為調整后的負荷曲線，負荷的峰谷差從5 181 MW降至1 291 MW，調整后的負荷曲線變得相對平緩。

圖3 調度前后的負荷曲線Fig.3 Load curve before and after scheduling

圖4為熱電聯(lián)產機組調度前后的出力情況。當負荷低谷時，機組減少供暖出力，減少發(fā)電出力；當負荷高峰時，機組減少供暖出力，增大發(fā)電出力，等效削減負荷。

圖4 調整前后的熱電聯(lián)產機組出力Fig.4 Output of cogeneration units before and after adjustment

圖5為用戶供暖負荷的空間分布及各終端用戶組處分布式熱泵的使用情況，即電力熱泵供暖負荷的時間空間分布。

圖5 用戶組分布式熱泵供暖負荷分布Fig.5 Distribution of space heating of EHP

4 結論

本文提出了一種基于能源需求響應和分布式儲能的風電并網控制方法。本方法并不直接控制風電并網功率，而是協(xié)調優(yōu)化控制熱電聯(lián)產機組出力、用戶側供暖需求響應和分布式儲能充放電功率，減少負荷峰谷差，緩解風電并網的系統(tǒng)調峰壓力。本方法利用了北方地區(qū)現(xiàn)存的大量采暖負荷及供熱系統(tǒng)，改善了風電大量棄風的現(xiàn)象；因為不需要新建純凝汽火電機組，減小了電源投資，可以把有限的資金更好地利用于電網建設上。

[1] 國家能源局. 2016年風電并網運行情況[EB/OL]. (2017-01-26)[2017-10-01]. http://www.nea.gov.cn/2017-01/26/c_136014615. htm.

[2] 肖創(chuàng)英， 汪寧渤， 陟晶， 等. 甘肅酒泉風電出力 特性分析[J]. 電力系統(tǒng)自動化, 2010, 34(17)： 64-67.

XIAO Chuangying, WANG Ningbo, ZHI Jing, et al. Power characteristic of Jiuquan wind base[J]. Automation of Electric Power Systems, 2010, 34(17)： 64-67．

[3] 國家能源局． 關于發(fā)展熱電聯(lián)產的規(guī)定(1268號文件)[Z]． 2000．

[4] 國務院辦公廳關于轉發(fā)發(fā)展改革委等部門《節(jié)能發(fā)電調度辦法(試行)》的通知(國辦發(fā)[2007]53號文)[Z]． 2007．

[5] PIERLUIGI M. Cogeneration systems with electric heat pumps: energy-shifting properties and equivalent plant modelling[J]. Energy Conversion and Management, 2009, 50(8): 1991-1999.

[6] CHUA K J, CHOU S K, YANG W M. Advances in heat pump systems: a review[J]. Applied Energy, 2010, 87(12): 3611-3624.

[7] SHIGERU B, HIROKI W, HIROSHI A, et al. Impact of various characteristics of electricity and heat demand on the optimal configuration of a microgrid[J]. Electrical Engineering in Japan, 2009, 169(2): 6-13.

[8] ALI M, JOKISALO J, SIREN K, et al. Combining the demand response of direct electric space heating and partial thermal storage using LP optimization[J]. Electric Power Systems Research, 2014, 106: 160-167.

[9] 郭力， 許東， 王成山, 等． 冷電聯(lián)供分布式供能系統(tǒng)能量優(yōu)化管理[J]． 電力系統(tǒng)自動化， 2009， 33(19)： 96-100．

GUO Li, XU Dong, WANG Chengshan, et al. Energy optimization and management of combined cooling and power distributed energy supply system[J]. Automation of Electric Power Systems, 2009, 33(19)： 96-100．

[10] 吳福波， 楊波， 葉季蕾. 電力系統(tǒng)儲能應用技術[M]. 北京: 中國水利水電出版社, 2014.

[11] 嚴旭， 吳鍇， 周孟戈， 等． 基于不同可調度熱源的風電出力平滑模型[J]． 電力系統(tǒng)保護與控制， 2013， 41(21)： 122-128．

YAN Xu, WU Kai, ZHOU Mengge, et al. Model of smoothing wind power based on variousdispatchable heat sources[J]. Power System Protection and Control, 2013, 41(21): 122-128．

[12] 楊錫運， 雷學麗， 任杰, 等. 利用棄風量供暖的運營模式及經濟性分析[J]． 分布式能源， 2016， 1(1)： 28-32.

YANG Xiyun, LEI Xueli, REN Jie, et al. Operation model and economic of using cutailed wind power for heat[J]. Distributed Energy, 2016, 1(1): 28-32.

[13] 馮斐， 任遠洋， 王德林． 基于儲能系統(tǒng)的風電場功率控制研究[J]． 分布式能源， 2017， 2(2)： 20-24.

FENG Fei, REN Yuanyang, WANG Delin. Wind farm power control based on energy storage system[J]. Distributed Energy, 2017, 2(2): 20-24.

[14] LONG Hongyu, XU R L, HE J J, et al. Incorporating the variability of wind power with electric heat pumps[J].

Energies, 2011, 4(10): 1748-1762．

[15] YAN Xu, GAO Jianchao, YANG Yulong, et al. The method of improving wind power integration based on smart combined heating and cooling systems[C]//The 2nd IET Renewable Power Generation Conference, Beijing, 2013.