李凌，卓毅鑫，崔長江，盧純顥，李一銘，劉思夷，林湘寧

(1.廣西電網(wǎng)有限責(zé)任公司電力調(diào)度控制中心，廣西 南寧 530023；2. 強電磁工程與新技術(shù)國家重點實驗室(華中科技大學(xué))，湖北 武漢 430074)

能源危機和環(huán)保需求促使風(fēng)電等清潔能源在世界范圍內(nèi)得到廣泛應(yīng)用。然而，由于風(fēng)能具有隨機性和波動性，大規(guī)模風(fēng)電并網(wǎng)將給電網(wǎng)安全穩(wěn)定運行帶來極大的挑戰(zhàn)[1-3]。近年來，各國陸續(xù)出臺相關(guān)政策，強制風(fēng)電場必須采取措施改善并網(wǎng)功率的平滑性，實現(xiàn)柔性并網(wǎng)。例如，愛爾蘭ESB公司明確規(guī)定在15 min內(nèi)小于100 MW的風(fēng)電場有功輸出波動不大于裝機容量的5%。雖然目前國內(nèi)風(fēng)電場并未做出相關(guān)限制，但是電力市場化和風(fēng)電柔性并網(wǎng)的趨勢必將普及到國內(nèi)，研究如何實現(xiàn)風(fēng)電柔性并網(wǎng)極為必要。

風(fēng)電預(yù)測精度是決定風(fēng)電柔性并網(wǎng)效果的關(guān)鍵因素，近年來關(guān)于風(fēng)電功率預(yù)測的研究主要集中在短期預(yù)測和超短期預(yù)測[4]。在短期預(yù)測中：文獻[5]基于對風(fēng)電功率時間序列波動性多重機制的研究，提出一種基于多重離群點平滑轉(zhuǎn)換自回歸模型的風(fēng)電功率預(yù)測方法；文獻[6]基于風(fēng)電功率數(shù)據(jù)特征聚類技術(shù)，提出一種使用經(jīng)驗正交函數(shù)法的區(qū)域風(fēng)電功率統(tǒng)計升尺度預(yù)測方法；文獻[7]引入非參數(shù)化方法，根據(jù)歷史風(fēng)資源狀況得到風(fēng)電出力的非參數(shù)條件概率預(yù)測結(jié)果，建立風(fēng)電日前消納調(diào)度模型?？紤]到短期預(yù)測誤差較大，在實際調(diào)度時進一步采用超短期預(yù)測方法提高預(yù)測精度，例如：文獻[8-9]基于馬爾可夫預(yù)測技術(shù)，采用小波變換理論剖析了風(fēng)電出力的時頻特性，得到了風(fēng)電出力在實時階段的波動變化特點；文獻[10]針對不變的預(yù)測模型難以支撐短期風(fēng)電功率預(yù)測模型的魯棒性問題，提出按時間序列動態(tài)模式離散分類優(yōu)化模型及在線匹配的思路；文獻[11]提出一種基于風(fēng)電功率超短期預(yù)測和混合儲能系統(tǒng)實現(xiàn)平抑功率在電池和超級電容器之間有效分配的方法；文獻[12]為最大程度地提高風(fēng)電跟蹤計劃出力能力，基于超短期風(fēng)電預(yù)測功率，建立了包含5個控制系數(shù)的儲能系統(tǒng)充放電控制策略。上述研究為降低風(fēng)電并網(wǎng)功率的波動性奠定了堅實的理論基礎(chǔ)，但是并沒有考慮風(fēng)電功率的預(yù)測誤差隨時間的遷移特性。一般來說，對于前瞻周期內(nèi)的不同時間斷面，一般預(yù)測的時間點距離起始時刻越遠(yuǎn)，其預(yù)測誤差越大[13]；因此，應(yīng)針對風(fēng)電功率預(yù)測誤差的時間遷移特性，對預(yù)測前瞻周期內(nèi)各個處于不同預(yù)測精度的數(shù)據(jù)點進行差異化處理，建立更為精準(zhǔn)的控制優(yōu)化模型。

隨著儲能技術(shù)的發(fā)展，在風(fēng)電場側(cè)配置儲能系統(tǒng)實現(xiàn)風(fēng)電柔性并網(wǎng)的研究成果較為豐碩。文獻[14]在充分分析風(fēng)電功率幅頻特性的基礎(chǔ)上，提出一種基于小波包分解理論的超級電容器平抑風(fēng)電場輸出功率高頻分量的方法；文獻[15]引入并構(gòu)建了基于蓄電池的風(fēng)電經(jīng)濟性調(diào)度模型，驗證了利用蓄電池提高風(fēng)電并網(wǎng)規(guī)模、降低風(fēng)電調(diào)度風(fēng)險的可行性；文獻[16-17]提出由超級電容器和氫儲能裝置組成混合儲能系統(tǒng)，在秒級時間尺度上平抑風(fēng)電并網(wǎng)功率和直流母線電壓波動；文獻[18-19]提出將風(fēng)電功率波動在秒級和分鐘級2種不同時間尺度上進行分解，并采用由超級電容器和蓄電池組成的混合儲能系統(tǒng)分別平抑2個時間尺度上的功率波動，在分鐘級時間尺度上除關(guān)注并網(wǎng)波動功率指標(biāo)外，同樣關(guān)注蓄電池壽命特性；文獻[20]以上海東海風(fēng)電場為例，對風(fēng)電耦合制氫系統(tǒng)的運行模式進行經(jīng)濟性分析；文獻[21]提出“波峰”制氫“削峰”、“波谷”氫氣發(fā)電“填谷”的風(fēng)氫互補發(fā)電系統(tǒng)。上述文獻主要關(guān)注單一蓄電池或氫儲能系統(tǒng)的工作特性，為風(fēng)電場柔性并網(wǎng)奠定了堅實的理論基礎(chǔ)，但是也存在局限性：①蓄電池-氫燃料電池在運行成本和儲能效率等方面存在互補優(yōu)勢和協(xié)同效益，目前學(xué)界鮮有涉及；②前瞻周期內(nèi)不同時間斷面風(fēng)電場運行成本的當(dāng)前效益不同，在模型預(yù)測控制(model predictive control，MPC)調(diào)度時需要對未來收益進行差異化折現(xiàn)，這可能導(dǎo)致風(fēng)電場調(diào)度策略改變，關(guān)于這方面的研究尚缺乏關(guān)注。

針對以上問題，本文立足于我國未來電力市場化趨勢，以實現(xiàn)風(fēng)電場經(jīng)濟性自調(diào)峰為主要目標(biāo)，采用帶位移因子和伸縮系數(shù)的t分布模擬超短期預(yù)測數(shù)據(jù)的預(yù)測誤差，并充分考慮蓄電池和氫燃料電池的優(yōu)勢互補特點，對蓄-氫混合儲能系統(tǒng)進行配置，提出一種對前瞻周期內(nèi)不同時間斷面的期望收益給予不同權(quán)重的滾動優(yōu)化策略。最后，通過仿真分析對所提策略的合理性與可行性進行驗證。

1 超短期預(yù)測誤差分析

與正態(tài)分布相比，帶位移因子和伸縮系數(shù)的t分布呈現(xiàn)胖尾特性，對風(fēng)電功率分鐘級誤差具有更好的擬合效果[22]。t分布概率密度函數(shù)

(1)

式中：Γ為伽馬函數(shù)；ν為t分布的形狀系數(shù)。

文獻[23]通過推導(dǎo)證明，對t分布進行適當(dāng)?shù)钠揭坪蜕炜s變換，可得到tlocation-scale分布。若隨機變量x滿足tlocation-scale分布，則變量y=(x-μ)/σ滿足形狀系數(shù)為ν的t分布，其中μ為位置系數(shù)，σ為尺度系數(shù)。tlocation-scale分布概率密度函數(shù)可表示為

(2)

如果某變量x服從tlocation-scale分布，則該變量95%的置信區(qū)間為[-σtinv(0.975)+μ，σtinv(0.975)+μ]，其中tinv為t分布的分位數(shù)函數(shù)。隨著預(yù)測時間m的增加，tlocation-scale分布參數(shù)中σ逐漸增大，且呈現(xiàn)先快速增加后增勢漸緩的特點，可采用σ=a+be-km對σ進行擬合，其中a、b、k均為擬合參數(shù)，σ隨時間m的變化情況如圖1所示。以此擬合不同時間預(yù)測誤差曲線，效果如圖2所示。

圖1 t location-scale分布的σ隨時間變化曲線Fig.1 σ curve in t loaction-scale distribution varying with time

圖2 0.25 h、1 h和2 h誤差擬合曲線Fig.2 Fitting error curves of 0.25 h，1 h and 2 h

超短期預(yù)測誤差的概率分布隨時間的變化情況如圖3所示。由圖3可知，超短期預(yù)測誤差分布隨著時間的增長而變得分散，這與圖2中擬合誤差曲線的變化情況相印證，可見tlocation-scale分布可以較好地還原超短期預(yù)測誤差變化規(guī)律。

圖3 3 h內(nèi)的功率誤差變化Fig.3 Power error change within three hours

因此，本文采用tlocation-scale分布來模擬前瞻周期內(nèi)風(fēng)電出力情況，力求提高對前瞻周期內(nèi)風(fēng)電出力的預(yù)測準(zhǔn)確性。

2 風(fēng)-蓄-氫聯(lián)合系統(tǒng)

在現(xiàn)有的儲能系統(tǒng)中，蓄電池和氫燃料電池系統(tǒng)備受關(guān)注。蓄電池具有靈活的調(diào)節(jié)性能，充放電效率較高，但充放電壽命損耗較為嚴(yán)重。氫燃料電池通過電解水制氫和氫氣燃燒過程進行充放電轉(zhuǎn)化，運行成本較低，但充放電過程存在嚴(yán)重的電量損耗。為了合理利用蓄電池與氫燃料電池的互補特性，本文將兩者結(jié)合起來運用到風(fēng)電場中。如圖4所示，蓄電池以及氫燃料電池與風(fēng)力機輸出端通過母線連接，借助主變壓器將風(fēng)電場并網(wǎng)功率送至電網(wǎng)。功率預(yù)測系統(tǒng)實時預(yù)測每個前瞻周期內(nèi)的風(fēng)電場功率，并借助控制系統(tǒng)調(diào)節(jié)風(fēng)電場輸出功率以及蓄電池和氫燃料電池的充放電功率。

圖4 風(fēng)-蓄-氫聯(lián)合系統(tǒng)Fig.4 Schematic diagram of wind-storage-hydrogen combination system

2.1 蓄電池模型

不計蓄電池的自放電過程，其充放電數(shù)學(xué)模型可表示為

EB(m)=

EB(m-1)+PBc(m)ηB-PBd(m)/ηB.

(3)

式中：EB為蓄電池的剩余能量；PBc、PBd分別為蓄電池的充電、放電功率；ηB為蓄電池的充放電效率，可達(dá)90 %。

定義蓄電池剩余能量百分比SOC為

(4)

式中EBm為蓄電池的額定容量。

2.2 氫儲能系統(tǒng)模型

氫儲能系統(tǒng)包括電解水裝置、燃料電池和儲氫裝置3個部分。在風(fēng)電過剩時，可借助電解水裝置利用富余電能制氫，并將氫氣存儲于儲氫裝置中；在風(fēng)電不足時，再將存儲的氫氣導(dǎo)入燃料電池反應(yīng)產(chǎn)生電能，實現(xiàn)氫儲能系統(tǒng)的充放電行為。對于電解水制氫過程，轉(zhuǎn)化效率與輸入功率之間成正相關(guān)關(guān)系，制氫裝置的效率和產(chǎn)量隨輸入功率的變化關(guān)系如圖5所示[24]。只有在輸入功率足夠大時，轉(zhuǎn)化效率才較為可觀，否則會因效率過低而導(dǎo)致運行經(jīng)濟性過低。

圖5 氫氣產(chǎn)量W及系統(tǒng)效率η曲線Fig.5 Curves of hydrogen production W and system efficiency η

電解水制氫過程儲氫量WH計算公式為

WH(m)=WH(m-1)+PHc(m)ηHc.

(5)

式中：PHc為輸入功率；ηHc為轉(zhuǎn)化效率。

對于燃料電池，其放電效率ηHd基本可視為常數(shù)(一般為70%)，在放電過程中儲氫量WH可表示為

WH(m)=WH(m-1)-PHd(m)/ηHd.

(6)

式中PHd為燃料電池的輸出功率。

3 風(fēng)-蓄-氫聯(lián)合系統(tǒng)滾動優(yōu)化策略

在當(dāng)前的技術(shù)水平下，日前功率預(yù)測的精度尚難令人滿意，協(xié)議上網(wǎng)功率很有可能與風(fēng)電實際出力產(chǎn)生非常大的偏差。在電力市場環(huán)境下，電網(wǎng)對風(fēng)電并網(wǎng)不僅有平滑性的要求，還會根據(jù)風(fēng)電場日前預(yù)測功率，指定允許的并網(wǎng)風(fēng)電功率波動范圍[25-27]。面向電力市場的風(fēng)電并網(wǎng)功率控制如圖6所示。當(dāng)風(fēng)電并網(wǎng)功率超過預(yù)計并網(wǎng)功率上限即Pint>Pu-limit時，風(fēng)電場將棄掉多余的風(fēng)電功率；當(dāng)風(fēng)電并網(wǎng)功率小于預(yù)計并網(wǎng)功率下限即Pint

為此，針對基于日前功率預(yù)測的風(fēng)電協(xié)議上網(wǎng)功率，風(fēng)電場在日內(nèi)調(diào)度時往往結(jié)合超短期功率預(yù)測對風(fēng)-蓄-氫聯(lián)合系統(tǒng)進行實時優(yōu)化調(diào)度。為了合理計及超短期預(yù)測誤差隨時間推移而變大的特點，

圖6 面向電力市場的風(fēng)電并網(wǎng)功率控制Fig.6 Electricity market oriented control of wind grid-connected power

本文采用折現(xiàn)方法對常規(guī)目標(biāo)函數(shù)進行改進，對每個時間斷面目標(biāo)值進行折現(xiàn)，提高滾動優(yōu)化的準(zhǔn)確性，降低風(fēng)電運行成本。

3.1 目標(biāo)函數(shù)

為了合理計及風(fēng)電功率超短期時變預(yù)測誤差的影響，對不同時間斷面風(fēng)電場運行成本折現(xiàn)后計入綜合成本。在經(jīng)濟學(xué)中，折現(xiàn)率的量化通常采用資產(chǎn)定價模型[27]，即

Ke=Rf+βRpm.

(7)

式中：Ke為權(quán)益資本成本，表示單位利益的投資成本；Rf為無風(fēng)險報酬率，通常取1；β為企業(yè)風(fēng)險系數(shù)，與距離預(yù)測開始的起始時間成正比；Rpm為資本溢價，通常為無風(fēng)險報酬率的比例系數(shù)。

對于預(yù)測數(shù)據(jù)而言，前瞻時間越長，風(fēng)險系數(shù)越大，投資成本越高。參考經(jīng)濟學(xué)資產(chǎn)定價模型，考慮未來發(fā)電不確定性的折現(xiàn)系數(shù)

rm=1/(1+um).

(8)

式中：u為折現(xiàn)率；rm為前瞻周期內(nèi)時間斷面m的折現(xiàn)系數(shù)。顯然，在同一時間窗內(nèi)，時間越長，rm對應(yīng)的值越小，此時運行狀況對整體的作用就越小。

因此，以前瞻周期內(nèi)風(fēng)電場運行成本C最小為目標(biāo)函數(shù)，即

(9)

式中：fmd為電網(wǎng)懲罰價格，Pmd為相應(yīng)的懲罰功率；fB為蓄電池充放電單位功率運行損耗成本；M為滾動優(yōu)化時段數(shù)，滾動優(yōu)化的時間間隔為15 min。

3.2 約束條件

a)蓄電池容量及功率約束為

SOC,min≤SOC(m)≤SOC,max.

(10)

式中SOC,min、SOC,max分別為蓄電池剩余能量百分比的下限和上限，一般分別取值0.1和1.0。

此外，蓄電池具有充放電功率約束，即：

0≤PBc(m)≤PBc,max；

(11)

0≤PBd(m)≤PBd,max.

(12)

式中PBc,max、PBd,max分別為最大充電、放電功率。

b)氫燃料電池的約束條件包括儲氫罐容量WH約束以及運行功率PH(放電為正)約束，即：

0≤WH(m)≤WH,max；

(13)

-PHc,max≤PH(m)≤PHd,max.

(14)

式中：WH,max為儲氫罐容量上限；PHc,max、PHd,max分別為氫燃料電池的最大充電、放電功率允許值。

c)風(fēng)電并網(wǎng)功率約束為：

Pr(m)=Pw(m)+PBd(m)-PBc(m)+

PHd(m)-PHc(m)-Paban(m)；

(15)

0.9Ppro(m)≤Pr(m)+Pmd(m)≤1.1Ppro(m).

(16)

式中：Pr(m)為風(fēng)電場實際并網(wǎng)功率；Pw(m)為風(fēng)電場可發(fā)功率；Paban(m)為風(fēng)電場棄風(fēng)功率；Ppro(m)為風(fēng)電場日前協(xié)議上網(wǎng)功率。

3.3 滾動優(yōu)化過程

基于MPC方法，采用滾動優(yōu)化的控制策略，對典型日內(nèi)各個調(diào)度時刻的功率進行優(yōu)化，其基本流程如圖7所示，其中N為日內(nèi)調(diào)度時段數(shù)，本文以15 min為時間間隔，故N=96。

圖7 滾動優(yōu)化流程Fig.7 Flowchart of rolling optimization

4 仿真分析

4.1 仿真算例

本文以某100 MW風(fēng)電場為例，并配置20 MWh蓄電池和60 MWh氫儲能系統(tǒng)，其中蓄電池最大充放電功率為5 MW，氫儲能系統(tǒng)的最大充放電功率為12 MW。tlocation-scale分布對應(yīng)參數(shù)參考文獻[24]，其中μ=0，ν=1.47，σ隨時間的變化情況見表1。前瞻周期為2 h，滾動時間單位為15 min。

表1 σ隨時間的變化Tab.1 Changes of σ varying with time

參考西班牙風(fēng)電并網(wǎng)標(biāo)準(zhǔn)，即當(dāng)風(fēng)電實際上網(wǎng)電量與其日前發(fā)電協(xié)議出現(xiàn)較大偏差時，風(fēng)電企業(yè)須向電網(wǎng)繳納超過其上網(wǎng)電價數(shù)十倍的罰款，相關(guān)費用高達(dá)7.8歐元/kWh[28]。為了體現(xiàn)我國未來電力市場化趨勢對風(fēng)電場運行經(jīng)濟性的影響，假設(shè)風(fēng)電懲罰費率為2元/kWh(為當(dāng)前風(fēng)電標(biāo)桿電價的4倍)，蓄電池?fù)p耗成本為0.8元/kWh，儲氫罐容量WH2=104m3，初始時蓄電池SOC=0.5。

4.2 對比方案分析

為深入研究風(fēng)電場儲能系統(tǒng)作用以及誤差折現(xiàn)效果，本文設(shè)計以下3種方案進行對比分析：

a)方案1：風(fēng)電場配有蓄-氫儲能系統(tǒng)，采用誤差折現(xiàn)滾動優(yōu)化。

b)方案2：風(fēng)電場不配置任何儲能系統(tǒng)，采用誤差折現(xiàn)滾動優(yōu)化。

c)方案3：風(fēng)電場配有蓄-氫儲能系統(tǒng)，但不采用誤差折現(xiàn)滾動優(yōu)化。

圖 8為方案1的風(fēng)電場功率分布曲線。由圖8可知，雖然日內(nèi)實際風(fēng)電功率普遍超出了風(fēng)電協(xié)議上網(wǎng)功率上下限，但是得益于風(fēng)電場配置的蓄-氫混合儲能系統(tǒng)的調(diào)節(jié)性能，以及誤差折現(xiàn)滾動優(yōu)化策略，優(yōu)化所得的方案1中風(fēng)電實際并網(wǎng)功率基本達(dá)到協(xié)議并網(wǎng)要求。在調(diào)度周期內(nèi)，共有163 MWh風(fēng)電功率被補償或消納，僅在09：30—13：00和22：45—24：00存在78 MWh風(fēng)電功率缺額未被補償?？梢姡桨?中的風(fēng)電場實現(xiàn)了較好的并網(wǎng)效果。

圖8 方案1風(fēng)電場并網(wǎng)功率曲線Fig.8 Wind integrated power curves of scheme 1

方案1中混合儲能的充放電策略(功率為正表示放電)如圖9所示。由圖9可知，在誤差折現(xiàn)滾動優(yōu)化策略指引下，風(fēng)電超短期預(yù)測功率更為精準(zhǔn)，蓄電池和氫燃料電池的互補特性得以充分發(fā)揮。具體而言，在風(fēng)電功率缺額的07：15—09：30和18：15—20：00期間，為達(dá)到并網(wǎng)協(xié)議要求，風(fēng)電場利用儲能系統(tǒng)進行自調(diào)峰。由于氫儲能系統(tǒng)無需承擔(dān)額外的運行成本，運行中優(yōu)先考慮氫儲能系統(tǒng)進行放電，能量或功率受限時才采用蓄電池支撐，該段時間蓄電池釋放11 MWh能量，氫燃料電池提供43 MWh能量。而在09：30—13：00，由于儲能系統(tǒng)能量耗竭，風(fēng)電場失去調(diào)節(jié)能力，不得不向電網(wǎng)購入64 MWh電量并支付相應(yīng)懲罰費用。在風(fēng)電功率較高的13：00—17：30以及20：00—22：30期間，考慮到氫儲能系統(tǒng)運行功率較低時的低效工作特性，在富余功率較大時利用氫儲能系統(tǒng)消納67 MWh，而在富余功率較小時利用蓄電池消納14 MWh富余能源。此外，受限于儲能系統(tǒng)額定功率約束，在20：00—21：45有55 MWh風(fēng)電被舍棄?？梢?，風(fēng)電場通過蓄-氫儲能系統(tǒng)在全時段的移峰填谷，有效減小了向電網(wǎng)購買的懲罰功率，從而規(guī)避了需要向電網(wǎng)支付高額懲罰費用的風(fēng)險。

圖9 方案1儲能功率變化與懲罰功率Fig.9 Change of energy storage power and punish power of scheme 1

方案2風(fēng)電場并網(wǎng)功率分布情況如圖10所示。由圖10可知，日內(nèi)風(fēng)電場出力在較長時段超出了協(xié)議并網(wǎng)功率上下限。較之配置了蓄-氫儲能系統(tǒng)的方案1，方案2自調(diào)節(jié)手段十分匱乏。針對風(fēng)電出力超發(fā)，風(fēng)電場通過主動棄風(fēng)滿足并網(wǎng)要求。而對于風(fēng)電出力短缺的場景，由于風(fēng)電場內(nèi)部完全缺乏功率調(diào)節(jié)手段，不得不支付因功率缺額而產(chǎn)生的懲罰費用。調(diào)度周期內(nèi)，風(fēng)電場共棄風(fēng)145 MWh，產(chǎn)生142 MWh電量缺額?？梢?，缺乏儲能調(diào)節(jié)手段的方案2的風(fēng)電場并網(wǎng)功率極不理想。

圖10 方案2風(fēng)電場實際上網(wǎng)功率與懲罰功率Fig.10 Actual integrated power and punish power of wind farm of scheme 2

方案3的風(fēng)電場并網(wǎng)功率分布情況如圖11所示。由圖11可知，未采用誤差折現(xiàn)滾動優(yōu)化時，風(fēng)電場可能會對預(yù)測數(shù)據(jù)產(chǎn)生誤判，導(dǎo)致未能有效利用蓄-氫儲能系統(tǒng)的調(diào)節(jié)能力，在08：00—09：30導(dǎo)致實際上網(wǎng)風(fēng)電出現(xiàn)12 MWh缺額。較之方案1，方案3尚有優(yōu)化空間。

圖11 方案3風(fēng)電場并網(wǎng)功率曲線Fig.11 Integrated power of wind farm of scheme 3

進一步分析方案3中的儲能系統(tǒng)功率分布情況。如圖12所示，在滾動優(yōu)化時，方案3對未來不同時段的預(yù)測數(shù)據(jù)同等對待，出現(xiàn)較大偏差。例如，在05：00—07：15，方案3優(yōu)先使用氫-燃料電池消納富余能源；雖然有助于降低系統(tǒng)運行成本，但是氫-燃料電池低效的工作狀態(tài)導(dǎo)致能量儲存量極為有限，致使在07：15—08：15的氫-燃料電池放電過程中，儲存的能量被全部耗竭；在08：15—09：30，受限于額定功率，蓄電池?zé)o法獨立填充風(fēng)電缺額，不得不支付部分懲罰費用?？梢?，方案3的調(diào)度策略并不理想。

圖12 方案3儲能功率變化與懲罰功率Fig.12 Change of energy storage power and punish power of scheme 3

4.3 經(jīng)濟性分析

3種方案的日運行經(jīng)濟性見表2。由于嚴(yán)重缺乏調(diào)節(jié)手段，方案2日運行成本高達(dá)284 000元，在3種方案中經(jīng)濟性最差；方案3雖然配置了儲能系統(tǒng)，但是由于預(yù)測誤差不夠精準(zhǔn)，未能充分發(fā)揮儲能系統(tǒng)的調(diào)節(jié)作用，日運行成本為196 601元，經(jīng)濟性居中；只有在配置儲能系統(tǒng)和采用誤差折現(xiàn)滾動優(yōu)化的方案1中，日運行成本僅為173 830元，經(jīng)濟性最優(yōu)?？梢姡疚乃岬目紤]預(yù)測誤差折現(xiàn)效應(yīng)的風(fēng)電場柔性并網(wǎng)策略具有優(yōu)越性。

表2 不同配置方案下風(fēng)電場運行成本對比Tab.2 Comparisons of wind farm operation costs of different schemes

4.4 影響因素分析

4.4.1 折現(xiàn)系數(shù)與誤差系數(shù)的影響

為了選擇最優(yōu)的折現(xiàn)系數(shù)，針對方案1在預(yù)測誤差固定的情況下改變折現(xiàn)系數(shù)，求取使得運行經(jīng)濟性最優(yōu)時的折現(xiàn)系數(shù)。由于不同的超短期預(yù)測方法可能有不同的預(yù)測誤差，進一步分析預(yù)測誤差的大小對滾動優(yōu)化經(jīng)濟性和最優(yōu)折現(xiàn)系數(shù)的影響，結(jié)果如圖13所示。

結(jié)合圖13可知，當(dāng)超短期預(yù)測功率不考慮預(yù)測誤差時，風(fēng)電場單日運行成本將隨著折現(xiàn)率u的增大而逐漸上升，此時最優(yōu)折現(xiàn)率u=0，采用誤差折現(xiàn)方法并非最佳選擇。而當(dāng)超前預(yù)測功率以一定誤差偏離實際功率時，經(jīng)濟成本將隨著折現(xiàn)率u的增大呈先減小后增大趨勢，但均高于忽視預(yù)測誤差場景下的系統(tǒng)日運行成本。究其原因，前瞻周期內(nèi)的功率預(yù)測誤差影響了控制策略的準(zhǔn)確性，從

圖13 日運行成本隨折現(xiàn)率的變化情況Fig.13 Changes of daily operation costs with discount rates

而使得調(diào)度成本受預(yù)測誤差的影響而增大。隨著折現(xiàn)率u不斷增大，盡管功率預(yù)測誤差同樣存在，但對應(yīng)誤差較大的時間斷面所占權(quán)重減小，降低了誤差因素的干擾，使得控制策略更為準(zhǔn)確。也就是說，當(dāng)折現(xiàn)率u增大到一定程度后，未來時間斷面所占權(quán)重較低，對當(dāng)前決策的影響淡化，使調(diào)度策略更為注重當(dāng)前運行狀況，而忽略未來時間斷面的潛在調(diào)峰風(fēng)險，一旦出現(xiàn)較大功率缺額，將會導(dǎo)致風(fēng)電場的懲罰費用增加。

考慮到不同超短期預(yù)測方法的誤差存在差異，進一步研究預(yù)測誤差對風(fēng)電場經(jīng)濟成本的影響。由圖13可見，隨著預(yù)測誤差的增加，系統(tǒng)整體的經(jīng)濟運行成本逐漸上升，對應(yīng)的最優(yōu)折現(xiàn)率u也有所減小。當(dāng)預(yù)測誤差為σ、1.3σ、1.5σ時，風(fēng)電場最優(yōu)經(jīng)濟成本分別為17.38萬元、17.51萬元、17.94萬元，最優(yōu)折現(xiàn)率分別為0.02、0.03、0.04。隨著預(yù)測誤差的增加，調(diào)度策略的準(zhǔn)確性受到影響，使得調(diào)峰風(fēng)險增大，經(jīng)濟成本也隨之增加。由此可見，應(yīng)增大折現(xiàn)率u，以減小預(yù)測誤差對調(diào)度決策的影響。

4.4.2 滾動優(yōu)化窗長的影響

滾動優(yōu)化的效果與滾動窗長密不可分，當(dāng)滾動窗長較小時，調(diào)度策略會較為短視，難以實現(xiàn)全局最優(yōu)；當(dāng)滾動窗長較大時，由于預(yù)測誤差隨時間增加而增大，對調(diào)度策略的準(zhǔn)確性產(chǎn)生不利影響。因而在不同預(yù)測誤差條件下，采用相應(yīng)的最優(yōu)折現(xiàn)率，分析滾動窗長對運行成本的影響，結(jié)果如圖14所示。

由圖14可知，當(dāng)不考慮預(yù)測誤差時，風(fēng)電場運行成本隨著滾動窗長的增大呈先下降后平穩(wěn)趨勢。究其原因，當(dāng)滾動窗長較小時，儲能系統(tǒng)不能很好地應(yīng)對未來風(fēng)電的變化，導(dǎo)致運行成本上升；隨著滾動窗長增大，儲能系統(tǒng)能較好地將未來時段風(fēng)電變化納入考量，使運行成本更為經(jīng)濟。隨著誤差水平的增大，風(fēng)電場運行成本逐漸增大。當(dāng)預(yù)測誤差為σ、1.3σ、1.5σ時，最優(yōu)窗長分別為4.25 h、4.00 h和3.50 h，原因在于預(yù)測誤差越大，未來較長時段的預(yù)測誤差就越大，其對調(diào)度策略的參考價值就越弱，甚至?xí)斐烧`導(dǎo)，因而隨著預(yù)測誤差增大，對應(yīng)最優(yōu)滾動窗長將會減小。

圖14 滾動窗長與日運行成本的關(guān)系Fig.14 Relationship between rolling window length and daily operation cost

5 結(jié)論

為應(yīng)對滾動優(yōu)化前瞻周期內(nèi)超短期預(yù)測誤差隨時間推移而逐漸增大的問題，采用帶位移因子和伸縮系數(shù)的t分布對風(fēng)電超短期預(yù)測誤差進行擬合，并提出了一種對前瞻周期內(nèi)不同時間斷面的功率給予不同折現(xiàn)權(quán)重的滾動優(yōu)化方法。主要結(jié)論如下：

a)風(fēng)電場側(cè)配置蓄-氫混合儲能系統(tǒng)有助于實現(xiàn)風(fēng)電場柔性并網(wǎng)，提高風(fēng)電場運行經(jīng)濟性，同時降低大電網(wǎng)運行壓力。

b)考慮風(fēng)電功率預(yù)測的胖尾效應(yīng)，基于預(yù)測誤差折現(xiàn)方法的滾動優(yōu)化策略能夠使儲能的充放電控制更加準(zhǔn)確，有助于提高風(fēng)電場運行經(jīng)濟性。

c)增大折現(xiàn)率u，能夠降低預(yù)測誤差對風(fēng)電場調(diào)度決策的影響。