区分工作日和非工作日负荷的用户侧储能多目标优化策略
孙伟伟1,2 , 寇潇文1,2 , 周光1,2 , 李满礼1,2
（1. 南瑞集团（国网电力科学研究院）有限公司，江苏 南京 211000; 2. 国电南瑞科技股份有限公司，江苏 南京 211000）
摘要：
引文信息
孙伟伟, 寇潇文, 周光, 等. 区分工作日和非工作日负荷的用户侧储能多目标优化策略[J]. 中国电力, 2022, 55(6): 194-201.
SUN Weiwei, KOU Xiaowen, ZHOU Guang, et al. Multi-objective optimization strategy of user-side energy storage operation differentiating working / nonworking load[J]. Electric Power, 2022, 55(6): 194-201.
引言
电池储能系统作为“缓冲器”可在时间上转移负荷，广泛应用在电力系统中，主要参与调频[1-2] 、削峰填谷[3-4] 、需求响应[5] 、虚拟电厂[6] 等电力辅助服务。用户侧储能曾被业内视为最具潜力的储能发展领域，但受制于储能的高成本及峰谷差价小等因素，导致用户侧储能市场发展受挫，市场规模较小。而各地“电改”之后，电力市场价格将更加灵活，如江苏省发展改革委2020年发布了《关于江苏电网2020—2022年输配电价和销售电价有关事项的通知》，此次电价调整，峰谷价差比之前约增加了0.02元，有效刺激了用户部署电池储能系统，减小了运营成本。如果用户配备一定容量的储能，可实现电费弹性可控，不仅可利用峰谷套利，而且可参与需求侧响应等领域，开辟新的盈利空间。因此，对于用户侧储能的研究得到广泛关注。用户侧储能优化主要分为储能优化配置和运行优化两方面。文献[7]考虑峰谷套利、补贴、全寿命周期成本等因素，提出了储能的优化配置方案。文献[8-9]以投资运维成本、收益为模型，以经济性为目标，优化确定不同种类的储能容量配置。文献[10]在光储并网微电网系统下，给出一种考虑需求侧响应的电池储能优化配置方法。对于大工业用户，电费主要构成为基本电费与电度电费。其中基本电费的收取分为变压器容量形式和最大需量形式，目前用户选择按实际需量形式缴费的较多，电度电费则是根据用户实际用电量与对应时刻电价的乘积得到。在实际工程应用中，对于已安装储能的用户，目前大部分都依据峰平谷电价时间段，采用最大化利用峰平谷电价差产生削峰填谷收益的控制策略。但该策略可能造成月最大需量的提高，导致用户虽然降低了电度电费，但增加了基本电费，综合收益较低。对于大工业用户或制造业用户，其需量电费会占到总电费的20%左右[11] ，如果对需量电费进行管理，则能够直接降低用电成本。文献[12-13]考虑了峰谷套利的优化运行，并未考虑需量管理。文献[14]采用两阶段模型进行储能配置和运行优化，未考虑储能充放电状态转换次数，增加了储能运行损耗。文献[15]考虑不同用户侧储能配置评估与运行优化模型，重点研究了不同用户的储能优化配置。文献[16]考虑了功率因数调整对电费的影响，虽然增加了需量约束，但是并未对需量管理进行优化。文献[17]提出双层决策模型，加入需量因素，但并未考虑储能每日充放电次数过多对储能电池寿命的影响。文献[18]增加了储能吞吐量约束，但也只能减少充放电状态转换的次数，而不能明显降低充放电状态与待机状态的转换次数。文献[19-21]以配电网网损和电压偏差最小为目标进行储能运行优化。文献[22-24]则加入光伏、空调等柔性可调负荷的因素进行储能优化配置。目前的储能容量设计及运行策略一般是基于正常工作负荷进行的设计与优化，并未区分工作日负荷及非工作日负荷，法定节假日使非工作日天数占比增加，直接影响储能的经济性优化。针对以上不足，本文针对大工业用电用户，提出区分工作日和非工作日负荷的用户侧储能多目标优化策略。该策略综合考虑了储能收益、需量管理、负荷波动幅度增加率及充放电过程控制，输出储能充放电功率指令。最后通过以某大工业用户作为算例，进行了有效性验证，测算结果表明所提策略在实现用户侧储能经济效益提升的基础上，还可实现负荷波动幅度增加率减小及充放电过程控制以减小充放电及待机状态的转换次数。
1 储能优化约束
（1）储能功率约束。储能充放电功率不能超过其配置的额定功率，即P SN 为储能额定功率，kW；P s (t ) 为储能 t 时刻充放电功率，kW，定义储能充电时为正，放电时为负。 （2）储能荷电状态（state of charge，SOC）约束。储能充放电整个过程中SOC不能超出其规定的上下限，并且储能每个调节周期始末SOC保持一致，确保周期调节的连续性，即式中： S min 为储能SOC下限；S max 为储能SOC上限；S (t ) 为 t 时刻储能SOC值；S (1) 为第1个时刻点储能SOC值；S (T ) 为 T 时刻储能SOC值。
（3）储能荷电状态连续性约束。储能荷电状态变化由功率、容量等确定，即S (t +1) 为储能 t +1 时刻的荷电状态；S (t ) 为储能 t 时刻的荷电状态；E 为储能容量，kW·h；ΔT 为充放电时间，h。（4）储能倍率约束为式中： ε 为储能电池能量倍率，1/h。
（5）功率约束，为禁止增加用户负荷尖峰及储能向电网倒送电，功率约束增加系数 β ，即式中： P l (t ) 为用户 t 时刻的负荷；P lmaxm 为用户最大负荷；β 为系数，如果 β =1 ，则该约束确保了储能没有增加用户的负荷尖峰，但可能影响峰谷套利的收益，使得储能的需量管理和峰谷套利综合收益降低，所以根据用户负荷情况及优化效果，可设置一个 β ＞1 的合适值。
2 储能优化模型
2.1 需量优化模型 式中： F 为月总电费，元；C M 为月电度电费，元；C J 为月基本电费，元。
基本电费由最大需量和单价构成，即式中： a 为基本电费单价，元/（kW·月）；P Xmax 为月最大需量，kW。
最大需量依赖于负荷尖峰特性，并且工作日负荷大于非工作日负荷，基于典型工作日负荷计算月最大需量，通过增加约束进行优化，即式中： P lg (t ) 为 t 时刻工作日典型日负荷，满足 P l (t ) 的约 束要求。
电度电费由每天的用电成本构成，即式中： N 为当月工作天数；M 为当月非工作日天数；m k P lf (t ) 为 t 时刻非工作日典型日负荷，满足 P l (t ) 的约束要求；T 为一天的采样时刻点数。
2.2 储能收益模型 C f 为储能优化前的日电度电费，元；C a 为储能优化后的日电度电费，元。 2.3 负荷波动幅度增加率模型 中： P lsmax 、P lsmin 为储能优化后的负荷最大值和最小值，kW；P lmax 、P lmin 为储能优化前的负荷最大值和最小值，kW；P lsmax 和 P lsmin 通过增加约束式（12）进行 优化。2.4 SOC过程控制模型 Vk 为 k 时段SOC积分值；t k 1 为 k 时段开始时刻；t k 2 为 k 时段结束时刻；σ k −1。以江苏地区大工业分时用电为例，其110 kV大工业用电分时电价见表1，则式（13）中，k =(1,2,3,4,5) 依次表示谷、峰、平、峰、平5种时段。
表1 江苏大工业分时电价 Table 1 Jiangsu large industrial time of use price
（1）在谷时段，减少充放电与待机状态转换次数的同时，为确保谷时优先充电，避免可能出现谷时能充满而实际未能充满的现象（充满是指达到储能SOC上限），设置 σ 1 =−1 。
（2）在第1个和第2个峰时段，控制储能先放电或后放电不影响优化成效， σ 2 和 σ 4 的值取1或−1皆可。
（3）在第1个平时段，可参考谷时段，优先充电，设置 σ 3 =−1 。
（4）在第2个平时段，置 σ 5 =1 ，使储能尽量处于待机状态。
2.5 储能功率优化模型 式中： F 1 、 F 2 及 F 3 分别为上述储能收益模型、负荷波动幅度增加率模型及SOC过程控制模型，为确保储能优化效果，引入权重 λ 1 和 λ 2 ，其取值要使 λ 1 F 2 和 λ 2 F 3 相对 F 1 的值较小，同时使负荷波动幅度增加率这个 次级目标最小化，具体可根据用户负荷，利用仿真测试而定。
3 储能多目标优化
区分工作/非工作日负荷的用户侧储能多目标优化策略主要由需量优化模型和储能功率优化模型构成，通过需量优化模型计算出月最大需量 P Xmax ，再用储能功率优化模型求得储能充放电功率，主要流程如图1所示。其中，b 为用户变压器容量单价，元/（kW·月）；P BN 为用户变压
图1 用户侧储能优化策略 Fig.1 Optimization strategy of user-side energy storage
4 算例分析
为验证所提优化策略的有效性，以南京某大工业用户用电为例，采用Matlab仿真，基于Yalmip平台调用Cplex求解器进行优化计算。该用户变压器容量为20 MW，加装储能容量为2500 kW /1 MW·h，储能荷电状态SOC上限为0.95，下限为0.1， a =40 元/（kW·月），b =30 元/（kW·月），同时设定工作日和非工作日天数 N =22 、M =8 。用户典型工作/非工作日负荷曲线如图2所示，采样间隔为5 min，T =288 。
图2 大工业用户典型日负荷 Fig.2 Typical daily load of large industrial users
对一般削峰填谷运行策略、需量管理运行策略和本文提出的区分工作日和非工作日负荷的用户侧储能多目标优化策略进行Matlab仿真，功率曲线输出结果如图3~8所示。
图3 工作日削峰填谷运行策略优化效果 Fig.3 Optimization effect of the general peak shaving operation strategy on working day
图4 非工作日削峰填谷运行策略优化效果 Fig.4 Optimization effect of the general peak shaving operation strategy on nonworking day
图5 工作日需量管理运行策略优化效果 Fig.5 Optimization effect of demand management operation strategy on working day
图6 非工作日需量管理运行策略优化效果 Fig.6 Optimization effect of demand management operation strategy on nonworking day
图7 工作日本文运行策略优化效果 Fig.7 Optimization effect of this paper operation strategy on working day
图8 非工作日本文运行策略优化效果 Fig.8 Optimization effect of this paper operation strategy on nonworking day
图3和图4为一般削峰填谷运行策略优化结果，该策略仅考虑峰谷套利最大化。可以看出，一般削峰填谷运行策略在各时段内的充放电随机无序，导致充放电及待机状态转换次数较多；储能优化后的负荷最大需量大幅增加，同时负荷波动幅度比优化前增大很多，尤其在非工作日情况下负荷波动幅度成倍增长。图5和图6为一般需量管理运行策略优化结果，该策略不仅考虑储能峰谷套利，也考虑需量管理。可以看出，需量管理运行策略在各时段内的充放电也是随机无序，但比一般削峰填谷运行策略稍好；储能优化后，确保了没有增加新的负荷尖峰，最大需量得到控制，同时负荷波动幅度相比一般削峰填谷运行策略要小。图7和图8为本文运行策略优化结果，经仿真测试，置 λ 1 = 700 、 λ 2 = 1 。可以看出，该策略综合考虑了储能收益、需量 管理、负荷波动幅度增加率及充放电过程控制。充放电及待机状态的转换次数在10次以内，达到“两充两放”的效果；最大需量相比一般削峰填谷运行策略要小，但比一般需量管理运行策略要大；负荷波动幅度相比其他策略明显更小。表2对比了不同运行策略下的优化结果，最大需量方面，本文优化策略的最大需量介于一般削峰填谷运行策略和需量管理运行策略之间；SOC过程控制方面，本文优化策略的充放电及待机状态转换次数大幅减少；储能收益方面，本文优化策略的储能工作日收益和削峰填谷运行策略一样达到最大收益，比一般需量管理运行策略收益要大，几种不同运行策略的非工作日储能收益相同；在负荷波动幅度增加率方面，本文优化策略的负荷波动幅度增加率最小，并且相比削峰填谷运行策略和需量管理运行策略，非工作日比工作日的负荷波动幅度增加率降低的更多，效果更显著；在用户最关心的月度用电成本上，本文优化策略的月度电费最小。
表2 不同运行策略下优化结果对比 Table 2 Comparison of optimization results under different operation strategies
5 结论
本文通过构建需量管理、储能收益、负荷波动幅度增加率及SOC过程控制模型，提出了区分工作/非工作日负荷的用户侧储能多目标优化策略，主要结论如下。（1）用户侧储能的收益主要源于基于分时电价的峰谷套利，但仅考虑峰谷套利，会增大最大需量，降低用户的经济收益。考虑了需量管理可降低用户的用电成本，但不增加负荷尖峰的做法，降低了工作日下的储能日收益。（2）区分工作/非工作负荷，综合考虑需量管理、储能收益、负荷波动幅度增加率及SOC过程控制，进一步降低了月度用电成本、负荷波动幅度增加率及充放电及待机转换次数，不仅使用户最关心的用电成本这个直接经济效益得到提升，而且负荷波动幅度增加率的降低和充放电及待机转换次的减少，增加了安全和储能寿命等间接经济效益。（责任编辑 蒋东方）
作者介绍
孙伟伟（1990—），男，通信作者，硕士研究生，工程师，从事综合能源协调控制研究，E-mail：sundouwei_607@ 126.com; ★
寇潇文（1993—），男，硕士研究生，工程师，从事微电网电力协调控制系统研究，E-mail：kouxiaowen@sgepri. sgcc.com.cn; ★
周光（1988—），男，硕士，工程师，从事现货交易、虚拟电厂研究，E-mail：zhouguang@sgepri.sgcc.com.cn.