李秀慧，崔 炎

（國(guó)網(wǎng)甘肅省電力公司，甘肅 蘭州 730030）

“碳達(dá)峰、碳中和”目標(biāo)下，我國(guó)每年風(fēng)光新能源的新增裝機(jī)容量將達(dá)到75 GW，電力系統(tǒng)正經(jīng)歷綠色低碳轉(zhuǎn)型和能源結(jié)構(gòu)變革[1-2]。新能源滲透率的升高使電網(wǎng)面臨日益嚴(yán)峻的電力電量不平衡問(wèn)題，新能源隨機(jī)性、波動(dòng)性和間歇性對(duì)電網(wǎng)安全穩(wěn)定運(yùn)行的沖擊日益加劇[3]。傳統(tǒng)火電等靈活性資源發(fā)展受限，電化學(xué)儲(chǔ)能作為前景廣闊的靈活資源將在新型電力系統(tǒng)中充當(dāng)重要角色[4-5]。因此，面向系統(tǒng)調(diào)峰、調(diào)頻等需求合理配置電化學(xué)儲(chǔ)能是緩解新能源電網(wǎng)電力電量不平衡矛盾的重要措施。

當(dāng)前國(guó)內(nèi)外學(xué)者立足調(diào)峰、調(diào)頻、抑制超低頻振蕩、消納新能源等儲(chǔ)能應(yīng)用場(chǎng)景，開(kāi)展了電化學(xué)儲(chǔ)能電站容量配置相關(guān)研究。文獻(xiàn)[6]提出一種儲(chǔ)能輔助電網(wǎng)調(diào)峰的雙層配置方案，并對(duì)儲(chǔ)能系統(tǒng)全壽命周期內(nèi)的經(jīng)濟(jì)性進(jìn)行分析；文獻(xiàn)[7]以頻率變化率和頻率偏差為限制條件，提出了一種高風(fēng)電滲透率下考慮電網(wǎng)頻率支撐需求的儲(chǔ)能系統(tǒng)配置方法；文獻(xiàn)[8]提出了電網(wǎng)側(cè)儲(chǔ)能電站參與超低頻振蕩抑制應(yīng)用的容量分配方法；文獻(xiàn)[9]構(gòu)建了基于分類概率機(jī)會(huì)約束信息間隙決策理論的配網(wǎng)儲(chǔ)能魯棒優(yōu)化配置模型。綜上，儲(chǔ)能電站容量配置相關(guān)研究多基于單一應(yīng)用場(chǎng)景，如調(diào)峰[6]、調(diào)頻[7]、消納新能源[9-10]、平抑波動(dòng)[11]、提高供電可靠性[12-13]等，然而僅考慮單一應(yīng)用場(chǎng)景配置儲(chǔ)能，忽略電網(wǎng)側(cè)儲(chǔ)能電站其他輔助服務(wù)價(jià)值，會(huì)低估儲(chǔ)能帶來(lái)的效益，造成規(guī)劃建設(shè)階段儲(chǔ)能配置容量與系統(tǒng)實(shí)際儲(chǔ)能需求容量不匹配，難以充分挖掘儲(chǔ)能調(diào)峰-調(diào)頻等多應(yīng)用場(chǎng)景協(xié)調(diào)運(yùn)行的潛力。

考慮到電化學(xué)儲(chǔ)能仍具有較高成本，挖掘儲(chǔ)能多場(chǎng)景協(xié)調(diào)應(yīng)用，實(shí)現(xiàn)其參與電網(wǎng)多重輔助服務(wù)，可提高儲(chǔ)能經(jīng)濟(jì)效益以及電網(wǎng)的靈活性和穩(wěn)定性。有學(xué)者提出將儲(chǔ)能頻率調(diào)節(jié)、削峰填谷、消納新能源等多應(yīng)用場(chǎng)景結(jié)合起來(lái)。文獻(xiàn)[3]采用動(dòng)態(tài)規(guī)劃框架整合頻率控制和調(diào)頻目標(biāo)，實(shí)現(xiàn)儲(chǔ)能雙重輔助服務(wù)聯(lián)合優(yōu)化；文獻(xiàn)[14]利用頻率響應(yīng)備用容量約束將儲(chǔ)能一次調(diào)頻和儲(chǔ)能調(diào)峰統(tǒng)一到同一時(shí)間尺度下，實(shí)現(xiàn)百兆瓦級(jí)儲(chǔ)能參與電網(wǎng)雙重輔助服務(wù)；文獻(xiàn)[15]從電/熱儲(chǔ)能互補(bǔ)的角度提出了儲(chǔ)能在消納新能源棄電和削減電負(fù)荷高峰兩個(gè)場(chǎng)景下的協(xié)調(diào)運(yùn)行策略；文獻(xiàn)[16]考慮電池壽命衰減、運(yùn)行約束以及負(fù)荷和調(diào)節(jié)信號(hào)的不確定性，提出了儲(chǔ)能調(diào)峰和調(diào)頻聯(lián)合優(yōu)化框架；文獻(xiàn)[17]提出基于荷電狀態(tài)的儲(chǔ)能調(diào)峰-調(diào)頻工作區(qū)域劃分方法和協(xié)同控制策略，提高了儲(chǔ)能利用率。上述文獻(xiàn)雖然結(jié)合了儲(chǔ)能多重應(yīng)用場(chǎng)景，但并未將多重應(yīng)用場(chǎng)景下儲(chǔ)能的規(guī)劃配置與運(yùn)行調(diào)度有機(jī)融合，即在儲(chǔ)能配置時(shí)并未對(duì)儲(chǔ)能與常規(guī)機(jī)組的調(diào)峰-調(diào)頻多時(shí)間尺度運(yùn)行進(jìn)行刻畫(huà)。此外，面向新型電力系統(tǒng)的儲(chǔ)能優(yōu)化配置技術(shù)亦不能忽視碳約束的影響。

綜上研究與問(wèn)題，本文提出考慮新能源電網(wǎng)調(diào)峰調(diào)頻需求的儲(chǔ)能優(yōu)化配置方法。首先，建立典型日運(yùn)行模擬模型，考慮到調(diào)峰和調(diào)頻的時(shí)間尺度不同將典型日運(yùn)行模擬分為日前調(diào)峰與日內(nèi)調(diào)頻兩個(gè)階段，調(diào)峰階段以電源發(fā)電成本和棄風(fēng)棄光成本最小為目標(biāo)，計(jì)及網(wǎng)絡(luò)潮流約束、碳約束、儲(chǔ)能運(yùn)行約束等，調(diào)頻階段以機(jī)組調(diào)頻容量費(fèi)用、電量費(fèi)用和聯(lián)絡(luò)線功率交換偏差懲罰最小為目標(biāo)，計(jì)及功率平衡約束、AGC 可征用容量約束等。然后，建立儲(chǔ)能雙層優(yōu)化配置模型，上層為配置問(wèn)題，下層為運(yùn)行模擬問(wèn)題，通過(guò)差分進(jìn)化算法+Gurobi 求解器的混合算法進(jìn)行求解。

1 儲(chǔ)能與常規(guī)機(jī)組聯(lián)合調(diào)峰-調(diào)頻運(yùn)行

1.1 典型日下調(diào)峰-調(diào)頻運(yùn)行模擬

以滿足系統(tǒng)調(diào)峰調(diào)頻需求為導(dǎo)向的儲(chǔ)能配置研究需對(duì)其雙重輔助服務(wù)效果進(jìn)行量化。本工作采用典型日兩階段運(yùn)行模擬的方法量化儲(chǔ)能對(duì)系統(tǒng)調(diào)峰-調(diào)頻的貢獻(xiàn)。具體思路是通過(guò)對(duì)規(guī)劃年的負(fù)荷、風(fēng)電、光伏時(shí)序曲線進(jìn)行聚類得到典型日曲線；再基于典型日曲線進(jìn)行兩階段運(yùn)行模擬得到系統(tǒng)運(yùn)行成本；將儲(chǔ)能配置前后運(yùn)行成本求差即可得到儲(chǔ)能的貢獻(xiàn)。兩階段運(yùn)行模擬亦使儲(chǔ)能配置優(yōu)化問(wèn)題包含了調(diào)峰-調(diào)頻雙重應(yīng)用場(chǎng)景的運(yùn)行約束。

前述對(duì)時(shí)序曲線進(jìn)行聚類是因?yàn)槿粢匀陼r(shí)序負(fù)荷、風(fēng)電、光伏功率進(jìn)行優(yōu)化會(huì)存在求解規(guī)模過(guò)大的問(wèn)題，考慮到負(fù)荷、風(fēng)電、光伏功率有明顯的季節(jié)性，可采用K-means 聚類方法得到典型日功率曲線來(lái)表征全年的功率曲線。聚類步驟：首先，隨機(jī)選擇D個(gè)初始聚類質(zhì)心(規(guī)劃典型日)；其次，對(duì)年時(shí)序功率曲線以日為單位劃分的365個(gè)聚類單元進(jìn)行聚類；最終，得出D種規(guī)劃典型日以及各典型日的對(duì)應(yīng)天數(shù)。利用典型日的功率數(shù)據(jù)進(jìn)行后續(xù)優(yōu)化可大幅降低求解規(guī)模，縮短求解時(shí)間。

基于全年時(shí)序數(shù)據(jù)聚類處理的典型日調(diào)峰-調(diào)頻運(yùn)行模擬借鑒“here-and-now & wait-and-see”的思想，劃分為日前調(diào)峰階段和日內(nèi)調(diào)頻階段，如圖1所示。兩個(gè)階段時(shí)間尺度不同，日前調(diào)峰為1 h時(shí)間尺度的優(yōu)化，日內(nèi)調(diào)頻為5 min 時(shí)間尺度的優(yōu)化。日前調(diào)峰階段模擬儲(chǔ)能、機(jī)組等靈活資源的開(kāi)關(guān)機(jī)狀態(tài)、計(jì)劃出力和備用容量等，將第一階段基準(zhǔn)功率和可調(diào)容量傳遞給第二階段日內(nèi)調(diào)頻模擬靈活資源的功率調(diào)整量，日前調(diào)峰與日內(nèi)調(diào)頻有機(jī)整合則得到典型日的運(yùn)行模擬結(jié)果。

1.2 調(diào)峰階段運(yùn)行

1.2.1 目標(biāo)函數(shù)

1.2.2 約束條件

調(diào)峰運(yùn)行模擬約束條件考慮電網(wǎng)功率平衡以及各發(fā)電主體實(shí)際物理限制。本工作特別考慮了電網(wǎng)運(yùn)行的碳足跡約束，進(jìn)一步促進(jìn)新能源的消納。式(5)～(9)表示網(wǎng)絡(luò)潮流約束，式(10)～(14)表示機(jī)組運(yùn)行約束，式(15)～(20)表示儲(chǔ)能運(yùn)行約束，式(21)表示機(jī)組備用約束，式(22)表示儲(chǔ)能備用約束，式(23)表示系統(tǒng)分區(qū)備用約束，式(24)～(25)表示碳足跡約束。

1.3 調(diào)頻階段運(yùn)行

1.3.1 目標(biāo)函數(shù)

電力系統(tǒng)由多個(gè)控制區(qū)互聯(lián)組成，各互聯(lián)系統(tǒng)的靜態(tài)頻率保持一致，在調(diào)度管理上各區(qū)域的源荷功率平衡應(yīng)由本區(qū)域自己解決，也就是說(shuō)當(dāng)某一區(qū)域發(fā)生功率不平衡時(shí)，在保證系統(tǒng)頻率在正常范圍的前提下，聯(lián)絡(luò)線交互功率穩(wěn)態(tài)值應(yīng)與計(jì)劃值一致。對(duì)此，調(diào)頻階段目標(biāo)函數(shù)包含聯(lián)絡(luò)線交互功率偏差懲罰函數(shù)，以保證區(qū)域間聯(lián)絡(luò)線有功交換符合系統(tǒng)安全優(yōu)質(zhì)運(yùn)行要求。目標(biāo)函數(shù)見(jiàn)式(26)，具體包含機(jī)組二次調(diào)頻電量費(fèi)用Ffd和容量費(fèi)用FRd，以及聯(lián)絡(luò)線的偏差懲罰FLinePund。

1.3.2 約束條件

調(diào)頻運(yùn)行模擬約束條件包含發(fā)電機(jī)及儲(chǔ)能系統(tǒng)的調(diào)頻約束、電網(wǎng)功率平衡約束等。式(29)表示AGC可征用的機(jī)組備用容量約束，式(30)為機(jī)組二次調(diào)頻約束。與常規(guī)機(jī)組類似，式(31)～(32)表示儲(chǔ)能的調(diào)頻約束。式(33)表示日內(nèi)負(fù)荷、新能源發(fā)生計(jì)劃外波動(dòng)時(shí)的功率平衡約束，此外各控制區(qū)也要滿足功率平衡，以區(qū)域Ⅰ為例見(jiàn)式(34)。

2 儲(chǔ)能電站容量配置雙層優(yōu)化

2.1 配置問(wèn)題框架

建立儲(chǔ)能規(guī)劃-運(yùn)行雙層優(yōu)化模型，如圖2 所示。上層為儲(chǔ)能配置問(wèn)題，以規(guī)劃年儲(chǔ)能投資成本和系統(tǒng)運(yùn)行成本最小為目標(biāo)；下層為典型日運(yùn)行模擬問(wèn)題，分為調(diào)峰-調(diào)頻兩個(gè)階段即第1 節(jié)所述模型。雙層優(yōu)化問(wèn)題的上層模型生成儲(chǔ)能配置結(jié)果并傳遞給下層，下層模型基于不同典型日生成運(yùn)行模擬結(jié)果并回傳給上層，隨后上層計(jì)算規(guī)劃年總成本并更新儲(chǔ)能配置結(jié)果，通過(guò)不斷交互迭代實(shí)現(xiàn)儲(chǔ)能系統(tǒng)的最優(yōu)配置。

圖2 考慮綜合成本的儲(chǔ)能配置框架Fig.2 Energy storage configuration framework considering comprehensive cost

2.2 儲(chǔ)能配置模型

2.2.1 目標(biāo)函數(shù)

上層配置問(wèn)題的目標(biāo)函數(shù)式(35)包含儲(chǔ)能等值年投資成本、儲(chǔ)能年運(yùn)維成本以及系統(tǒng)規(guī)劃年運(yùn)行成本，其中系統(tǒng)規(guī)劃年運(yùn)行成本由下層各典型日運(yùn)行模擬結(jié)果加權(quán)算得，權(quán)重系數(shù)為各典型日表征的天數(shù)。

2.2.2 約束條件

受限于儲(chǔ)能技術(shù)、可建設(shè)場(chǎng)地面積、資金預(yù)算等因素，上層儲(chǔ)能配置模型包含最大安裝功率、最大安裝容量約束和最大投資金額限制，即式(38)。關(guān)于下層模型-典型日運(yùn)行模擬已在第一節(jié)中詳細(xì)闡述。

2.3 問(wèn)題求解

針對(duì)上述儲(chǔ)能規(guī)劃-運(yùn)行雙層優(yōu)化問(wèn)題，采用差分進(jìn)化算法+Gurobi 求解器的混合算法進(jìn)行求解。將下層模型嵌套至上層模型中，上層采用差分進(jìn)化算法對(duì)儲(chǔ)能配置決策進(jìn)行迭代尋優(yōu)，下層典型日運(yùn)行模擬為混合整數(shù)線性規(guī)劃問(wèn)題，使用商業(yè)求解器Gurobi進(jìn)行求解，求解流程如圖3所示。

圖3 儲(chǔ)能配置流程示意圖Fig.3 Schematic diagram of energy storage configuration process

3 算例分析

3.1 算例條件

3.2 配置結(jié)果分析

圖4 改進(jìn)的PJM-5節(jié)點(diǎn)算例系統(tǒng)Fig.4 Improved PJM-5 node example system

表1 儲(chǔ)能系統(tǒng)經(jīng)濟(jì)參數(shù)Table 1 Economic parameters of energy storage system

表2 各能源類型CO2當(dāng)量值Table 2 CO2 equivalent value for each energy type

圖5 負(fù)荷、光伏、風(fēng)電全年功率曲線Fig.5 Annual power curves of load,photovoltaic and wind power

圖6 典型日負(fù)荷、光伏、風(fēng)電曲線Fig.6 Typical daily load,photovoltaic,wind power curve

3種方案下運(yùn)行成本如表3所示，方案1儲(chǔ)能系統(tǒng)配置功率比方案2高9 MW，配置容量低39 MWh，儲(chǔ)能年均成本低9 × 105美元，這是因?yàn)樾枰蟮膬?chǔ)能功率參與系統(tǒng)調(diào)頻響應(yīng)。方案1由于配置的容量相較于方案2更低，且單位容量?jī)r(jià)格比單位功率價(jià)格更高，因此儲(chǔ)能年均投資成本更低。方案1對(duì)比方案2和方案3大幅降低了系統(tǒng)的棄負(fù)荷成本，可見(jiàn)儲(chǔ)能系統(tǒng)能有效消納新能源，減少了棄風(fēng)光成本。方案1的系統(tǒng)調(diào)峰成本相較于方案2和方案3分別下降了12%和18%，調(diào)頻成本下降了91%，儲(chǔ)能系統(tǒng)大幅降低了系統(tǒng)的調(diào)峰調(diào)頻成本。綜合以上所有成本，方案1的系統(tǒng)年均總成本比方案2低3.9×107美元，比方案3低4.7 × 107美元，儲(chǔ)能系統(tǒng)參與雙重應(yīng)用場(chǎng)景比單一場(chǎng)景和無(wú)儲(chǔ)能場(chǎng)景系統(tǒng)年總成本更低。

表3 3種方案配置結(jié)果對(duì)比Table 3 Comparison of configuration results in the three schemes

3.2.1 經(jīng)濟(jì)性分析

為分析考慮雙重應(yīng)用場(chǎng)景配置儲(chǔ)能的合理性，設(shè)計(jì)3 個(gè)規(guī)劃方案進(jìn)行對(duì)比。方案1 考慮系統(tǒng)調(diào)峰調(diào)頻需求配置儲(chǔ)能；相較于雙重應(yīng)用場(chǎng)景，現(xiàn)有文獻(xiàn)[22-23]多考慮儲(chǔ)能系統(tǒng)參與單一調(diào)峰場(chǎng)景的配置優(yōu)化，因此設(shè)定方案2，僅考慮系統(tǒng)調(diào)峰需求配置儲(chǔ)能，作為本工作規(guī)劃方案的對(duì)比；方案3 無(wú)儲(chǔ)能，僅有火電機(jī)組調(diào)峰調(diào)頻。

3.2.2 調(diào)峰效果和新能源消納程度分析

為分析儲(chǔ)能系統(tǒng)配置后對(duì)系統(tǒng)調(diào)峰效果的影響，引入3個(gè)方案下凈負(fù)荷曲線，如圖7所示，以各典型日無(wú)儲(chǔ)能方案作為對(duì)比，可看出在18:00～24:00 時(shí)段，方案1和方案2的系統(tǒng)凈負(fù)荷更低，且方案1系統(tǒng)凈負(fù)荷低于方案2系統(tǒng)凈負(fù)荷，說(shuō)明考慮調(diào)峰調(diào)頻運(yùn)行的儲(chǔ)能配置相較于方案2、3更有利于削減系統(tǒng)尖峰負(fù)荷。典型日3的4:00～10:00時(shí)段，方案1和方案2的系統(tǒng)凈負(fù)荷高于方案3的系統(tǒng)凈負(fù)荷，說(shuō)明配置的儲(chǔ)能填補(bǔ)了系統(tǒng)負(fù)荷缺額，此時(shí)儲(chǔ)能系統(tǒng)作為負(fù)荷吸收電網(wǎng)電能進(jìn)行充電。典型日2的7:00～17:00時(shí)段，方案1系統(tǒng)凈負(fù)荷低于方案2、3的系統(tǒng)凈負(fù)荷，這是因?yàn)榈湫腿?的風(fēng)光出力大幅高于典型日1、3出力，系統(tǒng)凈負(fù)荷低體現(xiàn)了儲(chǔ)能在系統(tǒng)中發(fā)揮了調(diào)峰的作用。

圖7 3種方案的凈負(fù)荷曲線對(duì)比Fig.7 Net load curves of the three schemes were compared

典型日2 的機(jī)組開(kāi)機(jī)狀態(tài)如圖8 所示，方案1相較方案2、3，其7:00～18:00時(shí)段火電機(jī)組G1、G2的關(guān)機(jī)時(shí)間更長(zhǎng)，說(shuō)明配置儲(chǔ)能后，區(qū)域Ⅰ的負(fù)荷大部分由新能源機(jī)組承擔(dān)。方案2、3 則發(fā)生了新能源的棄風(fēng)、棄光現(xiàn)象，可見(jiàn)配置儲(chǔ)能有利于消納新能源，并減少火電機(jī)組運(yùn)行。將典型日數(shù)據(jù)輸入模型模擬運(yùn)行，得到年8760 個(gè)小時(shí)各方案的新能源出力分布函數(shù)曲線如圖9 所示，方案1 中儲(chǔ)能雖然參與了系統(tǒng)的調(diào)頻調(diào)峰場(chǎng)景，系統(tǒng)仍不能將新能源出力完全消納，這是因?yàn)檫\(yùn)行模型是以總運(yùn)行成本最低為目標(biāo)函數(shù)，若完全消納則不能達(dá)到全局最優(yōu)，但是與方案2、3相比，方案1已實(shí)現(xiàn)了大幅消納新能源出力的效果。

圖8 典型日2下3種方案的機(jī)組開(kāi)機(jī)狀態(tài)Fig.8 Unit startup status in three schemes on typical day 2

圖9 新能源出力的概率分布曲線Fig.9 Distribution function curve of new energy output

3.2.3 系統(tǒng)運(yùn)行碳足跡分析

典型日2下3種方案的碳足跡如圖10所示，由式(24)可知，系統(tǒng)總碳足跡由火電、光伏和風(fēng)電出力共同決定，且火電碳足跡當(dāng)量值大幅高于光伏和風(fēng)電，可見(jiàn)火電機(jī)組出力對(duì)碳足跡有決定性的影響，圖7典型日2的凈負(fù)荷曲線與圖10曲線大致擬合，是因?yàn)榕渲脙?chǔ)能系統(tǒng)后，方案1的光伏、風(fēng)電出力占比提升，使總體碳足跡更低，間接說(shuō)明了系統(tǒng)運(yùn)行產(chǎn)生的碳排放更少。

圖10 典型日2下三種方案的碳足跡Fig.10 Carbon footprint of three schemes on typical day 2

3.2.4 儲(chǔ)能運(yùn)行及AGC調(diào)頻分析

方案1 和方案2 下儲(chǔ)能系統(tǒng)調(diào)峰、調(diào)頻出力及SOC 變化曲線如圖12 所示，圖中方案1 和方案2的儲(chǔ)能日前運(yùn)行并不相同，可知考慮儲(chǔ)能頻率響應(yīng)會(huì)影響儲(chǔ)能日前調(diào)峰運(yùn)行。典型日2 下AGC 征用的火電機(jī)組總?cè)萘咳鐖D11所示，方案1、方案2和方案3均能使系統(tǒng)頻率和區(qū)域聯(lián)絡(luò)線傳輸功率保持在正常區(qū)間內(nèi)，方案2的AGC征用容量與方案3基本相同，說(shuō)明儲(chǔ)能若不參與調(diào)頻，則系統(tǒng)的頻率調(diào)整均由常規(guī)機(jī)組完成；方案1 的AGC 征用容量遠(yuǎn)小于方案2，說(shuō)明儲(chǔ)能響應(yīng)ACE信號(hào)可以減少常規(guī)機(jī)組的功率調(diào)整。結(jié)合表3，因?yàn)閮?chǔ)能系統(tǒng)調(diào)頻比火電機(jī)組調(diào)頻的成本更低，因此方案1系統(tǒng)調(diào)頻成本更低，綜上，在規(guī)劃階段考慮儲(chǔ)能調(diào)峰調(diào)頻運(yùn)行可以更好匹配系統(tǒng)的實(shí)際儲(chǔ)能需求。

圖11 典型日2下AGC征用的火電機(jī)組總?cè)萘縁ig.11 Total capacity of thermal power units requisitioned by AGC in typical day 2

圖12 儲(chǔ)能調(diào)峰、調(diào)頻出力及SOC變化曲線Fig.12 Energy storage peak modulation,frequency modulation output and SOC change curve

4 結(jié) 論

針對(duì)新能源電網(wǎng)的調(diào)峰調(diào)頻需求，本工作提出儲(chǔ)能參與雙重應(yīng)用場(chǎng)景的最優(yōu)配置方法。首先模擬典型日調(diào)峰-調(diào)頻兩階段運(yùn)行，然后基于不同典型日下運(yùn)行模擬提出儲(chǔ)能規(guī)劃-運(yùn)行雙層優(yōu)化方法。算例結(jié)果表明：

（1）與僅計(jì)及調(diào)峰需求配置儲(chǔ)能相比，考慮調(diào)峰-調(diào)頻需求配置儲(chǔ)能的經(jīng)濟(jì)性更優(yōu)、系統(tǒng)靈活性更高；

（2）考慮調(diào)峰需求配置儲(chǔ)能可平整系統(tǒng)的凈負(fù)荷曲線，提升新能源并網(wǎng)消納，實(shí)現(xiàn)火電機(jī)組發(fā)電占比下降并減少系統(tǒng)運(yùn)行碳排放；

（3）考慮調(diào)頻需求配置儲(chǔ)能可降低火電機(jī)組AGC 征用總?cè)萘?，?chǔ)能系統(tǒng)以其快速充放電能力以及成本較低的優(yōu)勢(shì)響應(yīng)了系統(tǒng)的調(diào)頻需求。