1、第 49 卷 第 3 期：1161-1171 高电压技术 Vol.49,No.3:1161-1171 2023 年 3 月 31 日 High Voltage Engineering March 31,2023 DOI:10.13336/j.1003-6520.hve.20220863 2023 年 3 月 31 日第 49 卷 March 基于多场景运行模拟的风-储-车容量随机规划 杨 帆1，王维庆1，何 山1，赵海岭1,2，程 静1（1.新疆大学可再生能源发电与并网控制教育部工程研究中心，乌鲁木齐 830047；2.国网新疆电力有限公司，乌鲁木齐 830063）摘 要：为提高风电参与能量/
2、调频市场的积极性与灵活性，提出考虑源侧共享储能和荷侧电动汽车(electric ve-hicle，EV)联合风电集群参与并网的多场景随机规划方法。针对风电出力不确定性，建立预测误差持续性概率模型，结合拉丁超立方分层采样技术和轮盘赌法，控制蒙特卡洛抽样生成大量具有真实风电特征的场景。然后，刻画 EV 电池运行域，进而评估 EV 集群的可调节功率和容量，在此基础上，提出一种 SOC 自适应并入方法以显著降低零散控制复杂度，并建立成本引导下基于利润一致性的共享储能EV 集群间功率分配机制。最后，按照所提协同运行模拟策略，求解多场景下基于运行模拟的共享储能EV 集群容量随机规划模型。算例结果表明：EV
3、 集群 SOC 自适应并入法能够快速有效使集群内单体 SOC 趋于一体化，可高效参与源荷互动；考虑误差持续性随机规划模型能够有效模拟真实风电特征，并获得具有较好鲁棒性的容量配置，验证了所提方法有效性。关键词：共享储能；风电集群；容量规划；SOC 自适应并入；风电不确定性 Stochastic Planning of Wind-storage-vehicle Capacity Based on Multi-scenario Operation Simulation YANG Fan1,WANG Weiqing1,HE Shan1,ZHAO Hailing1,2,CHENG Jing1(1.Eng
4、ineering Research Center of Education Ministry for Renewable Energy Power Generation and Grid Connection,Xinjiang University,Urumqi 830047,China;2.State Grid Xinjiang Electric Power Co.,Ltd.,Urumqi 830063,China)Abstract：In order to improve the enthusiasm and flexibility of wind power to participate
5、in the energy/frequency modulation market,a multi-scenario capacity stochastic planning method considering the source-side shared energy storage and the grid connection of electric vehicle combined with wind power clusters is proposed.In accordance with the uncertainty of wind power output,a predict
6、ion error persistence probability model is established.Combined the Latin hypercube stratified sam-pling technology and roulette method,Monte Carlo sampling is controlled to generate a large number of scenes with real wind power characteristics.Then,the operating domain of EV batteries is described,
7、and then the adjustable power and ca-pacity of EV clusters are evaluated.On this basis,an SOC adaptive integration method is proposed to significantly reduce the complexity of scattered control,and a cost-oriented shared energy storage-EV cluster power allocation mechanism based on profit consistenc
8、y is established.Finally,according to the proposed cooperative operation simulation scenario,the capacity stochastic planning model of shared energy storage and EV cluster based on operation simulation under multiple scenarios is solved.The example results show that the adaptive integration method o
9、f EV cluster SOC can be adopted to quickly and ef-fectively integrate a single SOC in the cluster,and can efficiently participate in the source-load interaction.The stochastic programming model considering error persistence can effectively simulate real wind power characteristics and obtain robust c
10、apacity allocation,which verifies the effectiveness of the proposed method.Key words：shared energy storage;wind power cluster;capacity planning;SOC adaptive integration;uncertainty of wind power 0 引言1 电力作为能源转型的枢纽，构建高比例可再生 基金资助项目：国家自然科学基金(52067020)；新疆维吾尔自治区高校科研计划(XJEDU2019I009；XJEDU2021I010)。Project
11、supported by National Natural Science Foundation of China(52067020),Scientific Research Projects of XJEDU(XJEDU2019I009,XJEDU2021I010).能源的新型电力系统是实现碳达峰、碳中和目标的关键路径1-2。由于新能源具有随机性、间歇性等特点，应用储能实现新能源可靠上网对电力系统平稳运行至关重要3。自配储能存在投资成本高和回收周期长问题，近几年“共享储能”的概念得到了国内外学者关注4-5，探索共享储能的应用场景和规划方法能够降低新能1162 高电压技术 2023,49(3)
12、源企业购储成本。文献6提出“云储能”概念，既可在用户侧分布式储能云端共享，也可以利用集中式储能，实现空闲储能资源按需使用，提升储能利用率。文献7提出共享储能典型商业运行模式，将储能系统的所有权和使用权分离，储能服务商负责对储能装置进行投资建设，并将储能资源租赁给有储能需求的用户。文献8提出了使用共享储能系统为多个拥有新能源资源的电力用户提供服务的方案，从而平滑新能源机组的出力波动，提高售电收益。文献9考虑建设集中式共享储能系统致力于为多个新能源场站提供跟踪出力计划、弃风消纳的服务，为发电侧共享储能应用提供了参考。特别是青海省实际落地大容量共享储能项目验证了大容量独立主体共享储能的可实践性10。
13、考虑到新能源出力不确定性，基于常规的确定性调度模型求解结果偏小，无法适用大规模风电并网系统11，而场景分析法作为随机优化调度模型的一种，利用不确定变量的概率分布函数抽样生成多个可能出现的场景，得到了较为广泛的应用。常规储能与共享储能的配置方法部分具有相通性，在风电不确定性方面，文献12采用非参数核密度估计法对风电预测误差进行置信区间估计，求解满足不同置信区间要求的储能配置，文献13通过从历史数据中选取典型场景集构建储能随机规划模型，文献14直接划分了历史预测误差允许范围，配置风场混合储能，文献15针对预测误差概率分布采用分层抽样生成场景集；但上述文献对预测误差特性分析仍存在不足，场景生成无法包
14、含真实预测误差持续性和长尾特征，造成容量规划结果可能存在较大偏差，影响风电集群参与上网的收益。同时，为进一步降低共享储能第三方投资商风险，开展需求侧响应参与的风储系统研究有助于提升风电参与市场的主动性和灵活性。文献16提出考虑需求侧资源和共享储能跟踪风电出力计划，从而提高新能源消纳水平。文献17引入多类需求响应参与下含风电的电力系统调度模型，表明同时引入需求侧响应和储能可更好消纳风电。电动汽车集群作为需求侧响应的重要负荷，可通过车电互联(vehicle to grid,V2G)技术与发电侧互动18，是目前实际利用较为可行的一类需求侧响应资源。针对电动汽车(electric vehicle,EV
15、)集群参与上网，文献19考虑电动汽车荷电状态(state of charge,SOC)值影响，建立关于 SOC 值的容量函数，提出功率按照SOC 比例分配的控制策略。文献20针对 EV 集群参与电网二次调频应用背景，对 EV 集群的调频指令传递层层互联，最终根据功率分配下发至每一个充电桩。上述文献中大规模 EV 进行独立控制需要模拟各独立 EV 的特性，模型复杂度高，实时控制通信压力较大。同时，文献多假设电网中 EV 集群足够大，并未考虑到多数实际区域电网中 EV 集群尚未广泛存在，导致成本分析较为片面，且西北新能源富集区季节性差异较大，对季节性 EV 集群储能特性影响研究尚存不足。针对上述所
16、提现状，本文结合多场景随机规划和 EV 集群控制方法，提出一种基于运行模拟的共享储能和 EV 集群容量规划方法。首先，针对风电不确定性，分析误差具备的持续性和长尾特性，建立误差持续性概率模型，然后结合概率模型和轮盘赌法，将拉丁超立方分层采样技术嵌入蒙特卡洛随机量中，控制随机量产生记忆性，从而表征时序数据的前后联系，产生包含更多真实特征的风电随机规划场景集。其次，针对 EV 集群控制复杂问题，提出一种 SOC 自适应并入方法，显著降低分散控制复杂度，有效支撑 EV 参与源荷互动。最后，为调动灵活性资源参与源荷互动，针对共享储能及 EV集群间功率分配与定价问题，建立成本引导下基于利润一致性的功率分配机制，并考虑季节性风电出力对容量配置、温度差异对 EV 电池性能等影响，建立精细化储能模型，详实成本测算，提升风电集群参与上网的积极性和灵活性。1 风-储-车联合运行控制策略 1.1 风-储-车协同运行机制 大容量共享储能具有综合成本低、集约化建设运维、便于调度管理等优势，建设集中式共享储能电站满足新能源并网成为当前的发展趋势之一，按照风电集群需求配置共享储能电站和 EV 集群规模，能够大幅减少
