1、第 47 卷 第 4 期 电 网 技 术 Vol.47 No.4 2023 年 4 月 Power System Technology Apr.2023 文章编号：1000-3673（2023）04-1340-10 中图分类号：TM 721 文献标志码：A 学科代码：47040 考虑需求响应和源荷不确定性的光储微电网储能优化配置南斌1，董树锋1，唐坤杰1，朱勐婷1，张祥龙2，陈炜2（1浙江大学电气工程学院，浙江省 杭州市 310027；2国网经济技术研究院有限公司，北京市 昌平区 102209）Optimal Configuration of Energy Storage in PV-stor
2、age Microgrid Considering Demand Response and Uncertainties in Source and Load NAN Bin1,DONG Shufeng1,TANG Kunjie1,ZHU Mengting1,ZHANG Xianglong2,CHEN Wei2(1.College of Electrical Engineering,Zhejiang University,Hangzhou 310027,Zhejiang Province,China;2.State Grid Economic and Technological Research
3、 Institute Co.,Ltd.,Changping District,Beijing 102209,China)1ABSTRACT:In the context of electricity markets,the optimal configuration of energy storage in microgrids considering the demand response(DR)and the uncertainties in source and load is of great value to improve the operational performance o
4、f the microgrids and to promote the commercial application of microgrids and the energy transformation.Aiming at the configuration of energy storage system capacity in the grid-connected photovoltaic(PV)-storage microgrid,an optimal configuration strategy of energy storage considering the demand res
5、ponse and the uncertainties in source and load is proposed.First,the operation scenarios were reduced by clustering.By considering the costs of electricity purchase,energy storage configuration and loss,and tie line power fluctuation penalty comprehensively,a collaborative optimization model for pla
6、nning and operation of microgrid energy storage system considering long-term uncertainty was established.Then,a load guidance mechanism based on the scheduling priority was constructed,and the demand response results were calculated by the elasticity coefficients.Furthermore,a realization method of
7、the two-step energy storage configuration strategy was proposed.Finally,the rationality and effectiveness of the proposed method are verified by simulation.KEY WORDS:microgrid;energy storage capacity optimization;uncertainty;power fluctuation;demand response;scheduling priority 摘要：电力市场背景下，考虑需求响应和源荷不
8、确定性的微 基金项目：国家电网有限公司总部科技项目(5100-202256008A-1-1-ZN)。Project Supported by Science and Technology Project of State Grid Corporation of China(No.5100-202256008A-1-1-ZN).电网储能优化配置，对提高微电网运行性能、促进微电网商业化落地应用及能源转型具有重要价值。针对并网型光储微电网储能系统容量配置问题，提出了考虑需求响应和源荷不确定性的储能优化配置策略。首先，通过聚类对运行场景进行削减，综合考虑购电、储能配置及损耗和联络线功率波动惩罚等成本，
9、构建考虑长期不确定性的微电网储能系统规划运行协同优化模型。其次，建立基于用户调度优先级的负荷引导机制，通过弹性系数计算需求响应结果。进一步地，提出一种两阶段储能规划配置策略实现方法。最后，通过算例仿真，验证了该方法的合理性与有效性。关键词：微电网；储能容量优化；不确定性；功率波动；需求响应；调度优先级 DOI：10.13335/j.1000-3673.pst.2022.0798 0 引言 随着能源危机的加剧，太阳能、风能等可再生能源得到了大力开发，推进新型电力系统规划与建设成为构建现代能源体系的关键1-3。然而，大规模推广新能源发电技术在促进能源转型的同时也给电网安全经济运行带来了挑战4-5。
10、在此背景下微电网技术逐渐兴起，利用微电网技术促进可再生资源友好接入电网成为目前的研究热点。储能系统可缓解可再生能源间歇性出力引起的系统功率波动，因此常将储能与可再生能源发电机组互补使用，提高微电网的经济与环境效益6-9。储能系统的容量配置对微电网运行效果有很大影响，储能容量过小不能有效提升微电网电能质量和运行性能，储能容量过大则会降低微电网运行经济性。由于储能系统长时间尺度的投资规划和短时间尺度的运行优化相互耦合10，而且运行中发电侧和第 47 卷 第 4 期 电 网 技 术 1341 需求侧均有较强的不确定性，因此储能容量合理配置是微电网规划运行的一个重要问题。国内外学者对微电网储能容量配置
11、问题已进行了一定研究。文献11以独立光储微电网为对象，以初始投资成本最小为目标，采用不同类型电池进行最优储能容量配置。文献12提出一种基于用户侧储能电池改善配电网电压水平的优化模型，并获得储能电池最优容量的优化配置方法。文献13综合采用能量型储能和功率型储能，提出了面向微网群的混合储能容量优化配置方法。进一步地，随着电力市场的完善，近年来有研究将储能与需求响应结合以提高微电网的经济性、可靠性和能源利用率14。文献15建立了基于电量电价弹性矩阵的用户响应模型，提出了分时电价下的微网运行策略，最后构建了光伏微网储能系统多目标容量优化配置模型。文献16建立了计及可中断负荷和可平移负荷的分布式电源容量
12、优化模型，通过算例仿真说明了独立微电网中引入可控负荷能够降低系统成本和弃风光率。文献17从用户对主能量市场实时电价进行响应后再利用储能充放电实现最优用电的角度提出了一种用户需求响应储能调节的优化模型。文献18 考虑光伏出力、负荷需求及分时电价，以用能成本最低为目标建立了光储系统联合容量配置模型。上述文献仅根据负荷用电特征计算需求响应结果，忽略了不同用户对电力消费增长做出的贡献差异，没有考虑面向不同用户的具体需求响应机制，不能充分发挥微电网运行中用户的受控潜力；而且大多采用单一典型日场景进行计算，没有考虑实际运行中发电侧和负荷侧的不确定性对储能容量配置的影响。因此，本文以新型城镇电力系统中常见的
13、并网型光储微电网为研究对象，首先考虑长时间尺度的光伏出力和用户负荷不确定性，对微电网发用电场景进行聚合削减，考虑运行经济性和功率波动水平，构建了微电网储能系统规划运行协同优化模型；其次考虑短时间尺度的需求响应，建立了用户调度优先级评价指标，对不同等级用户制定相应优惠政策，进而提出了考虑需求响应引导的储能规划配置策略；最后对一个典型光储微电网进行仿真与分析，验证了所提模型和方法的有效性和合理性。1 储能系统规划运行协同优化模型 构建双层的储能系统规划运行协同优化模型，其结构如图 1 所示。具体地，将考虑源、荷随机不确定性的储能系统长时间尺度容量配置问题放在外层模型中求解，目标函数为运行周期内总成
14、本最 运行周期内总成本最低；联络线交换功率波动降低长时间尺度：容量配置目标函数：运行周期内总成本约束条件：储能系统容量约束功率平衡约束优化变量：储能系统额定容量额定容量短时间尺度：运行优化目标函数：微电网期望运行成本约束条件：功率平衡约束储能系统运行约束联络线交互功率约束优化变量：储能系统充放电功率联络线交换功率等考虑源荷不确定性多场景运行成本协同优化 图 1 微电网储能系统容量优化双层模型示意图 Fig.1 Schematic of the double-layer optimization model of energy storage system capacity in microgr
15、id 小，优化变量为储能系统配置容量。将微电网短时间尺度运行优化问题放在内层模型中求解，以微电网日期望运行成本最小为目标。内外层模型通过交互优化变量相互耦合，一方面，储能系统的容量配置可以改变微电网功率分布，影响微电网短时间尺度下的优化调度；另一方面，通过合理制定储能系统充放电策略可以更有效地发挥可再生能源的优势，降低长时间尺度下不必要的硬件投资。1.1 考虑源荷不确定性的微电网典型运行场景生成 储能长时间尺度的投资配置与微电网源、荷运行情况有关，从长期来看微电网每日的光伏出力与负荷用电具有不确定性，因此，基于单日源荷数据进行储能规划不能满足实际运行中大多数场景需求。如文献10所述，微电网规划
16、中可以假设未来数年内的光伏出力和历史光伏出力数据具有相同分布，因此，历史数据可以用于描述未来的光伏出力。进一步地，由于历史场景过多，计算量较大，通过场景削减或聚合方法构造一个可以反映微电网原始场景特征的典型场景子集，降低微电网投资规划问题的计算复杂性。本文假设微电网未来的光伏出力及用户负荷功率与历史数据具有相同分布，考虑到求解其分布函数可能引入误差，因此直接以历史上每日运行数据作为原始场景。以不同水平的光伏出力和负荷功率作为初始聚类中心，采用一种能自动选择聚类中心数的自适应 K-means 方法19将历史运行场景削减为 M 个典型场景，如式(1)所示，并计算各场景出现的概率，在进行储能容量配置时考虑对不同场景的适用性。1342 南斌等：考虑需求响应和源荷不确定性的光储微电网储能优化配置 Vol.47 No.4 s1center1argmax(),=2,.,|ssssNissisiMllsWlPP(1)式中：M 为最佳聚类数；s 为聚类数；ls为损失指标；W 为较大的聚类数结束值；Ns为原始场景数；is为原始场景的编号；Pis为原始场景 is的功率向量；centerisP为 Pis所属簇
