市場條件下含復(fù)合儲能的風(fēng)光水虛擬電廠容量優(yōu)化配置

范娟娟，龐靖宇，陽東，馮春蘭，林萍，袁景釗，樓杏丹

（浙江華云信息科技有限公司，浙江 杭州 310012）

化石能源的日益枯竭及其帶來的環(huán)境污染問題，使得發(fā)展可再生能源成為世界各國的必然選擇。風(fēng)電和光伏作為可再生清潔能源被大規(guī)模開發(fā)，然而風(fēng)電和光伏出力具有很大的不確定性[1]。近年風(fēng)光裝機(jī)占比不斷增大，為電力系統(tǒng)的穩(wěn)定運(yùn)行帶來了一定挑戰(zhàn)，此外，擁有風(fēng)光資產(chǎn)的運(yùn)營主體參與電力市場會增加購買高價電力的風(fēng)險。因此，平抑風(fēng)光的波動，已經(jīng)成為亟待解決的問題。

小水電具有靈活的調(diào)節(jié)性能，可有效補(bǔ)償風(fēng)光出力的波動性[2]，但水電的頻繁調(diào)節(jié)將會影響系統(tǒng)出力，降低系統(tǒng)的經(jīng)濟(jì)性。儲能高效快捷的充放電特性，可有效平抑風(fēng)光出力的波動性。國內(nèi)外建成的儲能工程有：遼寧電網(wǎng)全釩液流電池儲能示范電站；日本北海道風(fēng)電場的配套儲能電站[3]。鋰電池的充放電性能好，適合用于短時間尺度，但容量配置成本較高。壓縮空氣儲能系統(tǒng)具有儲能容量大、儲能周期長、壽命長、投資相對抽水蓄能電站較小等優(yōu)點(diǎn)，適用于長時間尺度的充放電優(yōu)化。近年來受到國際社會的關(guān)注，尤其是大力發(fā)展的先進(jìn)絕熱壓縮空氣儲能系統(tǒng)，實(shí)現(xiàn)了零排放，同時采用高壓氣罐儲氣技術(shù)，極大地減小了儲能裝置整體體積，為壓縮空氣儲能的應(yīng)用奠定了基礎(chǔ)[4]。中科中藍(lán)能源科技（北京）有限公司與榆林市人民政府、靖邊縣人民政府簽約建設(shè)100 MW級先進(jìn)壓縮空氣儲能項(xiàng)目[5]。如何實(shí)現(xiàn)特性各異的多種儲能靈活配置，使得在確保系統(tǒng)出力穩(wěn)定性的同時保證其經(jīng)濟(jì)性，是當(dāng)前研究的熱點(diǎn)問題。

目前，國家正在推進(jìn)電力現(xiàn)貨市場建設(shè)[6]，對于發(fā)電側(cè)運(yùn)營主體如含復(fù)合儲能的風(fēng)光水虛擬電廠的參與既是機(jī)遇也是挑戰(zhàn)?，F(xiàn)貨價格劇烈的波動性將會為虛擬電廠中復(fù)合儲能的容量配置帶來較大的風(fēng)險，風(fēng)光日前和實(shí)時出力的預(yù)測偏差也會加劇容量配置的困難程度。容量配置較小，無法有效平抑偏差；而容量配置過多，會降低虛擬電廠的經(jīng)濟(jì)效應(yīng)。同時，合理的提高風(fēng)光水互補(bǔ)總出力曲線與市場價格曲線匹配程度，使得虛擬電廠能夠在現(xiàn)貨市場中獲得更大收益。

為了應(yīng)對這些挑戰(zhàn)，文獻(xiàn)[7]提出了含風(fēng)光火儲的虛擬電廠優(yōu)化調(diào)度模型，研究了虛擬電廠的優(yōu)化運(yùn)行方式，系統(tǒng)出力的波動性得到明顯改善，但對于系統(tǒng)的經(jīng)濟(jì)性分析較少，沒有涉及復(fù)合儲能的應(yīng)用。文獻(xiàn)[8]研究了虛擬電廠電源出力特性，利用各種分布式電源出力靈活實(shí)現(xiàn)互補(bǔ)，完成對虛擬電廠的靈活調(diào)度。但未涉及系統(tǒng)的容量優(yōu)化配置。文獻(xiàn)[9]建立了系統(tǒng)的混合儲能容量配置模型，其經(jīng)濟(jì)性優(yōu)于配置單一儲能的虛擬電廠，分析了混合儲能的充放電特性，建立了容量配置方法，但是未考慮市場環(huán)境因素對容量配置的影響。文獻(xiàn)[10]建立了市場模式下的水光火虛擬電廠容量配置模型，利用各個設(shè)備的出力特性，提高了系統(tǒng)的互補(bǔ)性和經(jīng)濟(jì)性，但是缺少對實(shí)時市場的優(yōu)化建模，也沒有考慮復(fù)合儲能的應(yīng)用。文獻(xiàn)[11]考慮清潔能源的出力特性，提出了多虛擬電廠參與電力市場的優(yōu)化交易模型，但對于總出力的波動性分析不夠，沒有考慮復(fù)合儲能的應(yīng)用。文獻(xiàn)[12]建立了市場環(huán)境下電動汽車虛擬電廠的優(yōu)化調(diào)度策略，提高系統(tǒng)經(jīng)濟(jì)性，但是沒有考慮風(fēng)光出力等不確定性因素。

針對上述研究不足，本文考慮了風(fēng)光出力、電價的不確定性，在市場環(huán)境下，基于風(fēng)光蓄虛擬電廠的最大利益和出力波動性要求，提出了復(fù)合儲能容量配置模型。在日前市場中，根據(jù)對現(xiàn)貨市場電價的預(yù)測，調(diào)控水光風(fēng)互補(bǔ)總出力，增加與現(xiàn)貨價格曲線的匹配程度；在實(shí)時市場中，合理配置復(fù)合儲能的容量，消除風(fēng)光的預(yù)測誤差，利用壓縮空氣儲能對風(fēng)光水總出力進(jìn)行削峰填谷，通過鋰電池抑制短時間尺度內(nèi)波動，規(guī)避實(shí)時市場電價波動風(fēng)險，使得虛擬電廠能夠在現(xiàn)貨市場中獲得最大收益。算例仿真結(jié)果表明，本文所提的復(fù)合儲能容量配置方案有效平抑風(fēng)光波動保證了系統(tǒng)的經(jīng)濟(jì)性。

1 虛擬電廠出力特性模型

虛擬電廠將不同種類的分布式電源進(jìn)行聚合，實(shí)現(xiàn)清潔能源的可靠輸出。本文虛擬電廠包括風(fēng)電、光伏、小水電、壓縮空氣儲能和鋰電池，分別對不同電源進(jìn)行建模，作為構(gòu)建虛擬電廠等值模型的基礎(chǔ)，其中，根據(jù)不同類型儲能元件的物理特性，鋰電池可降低短時間間隔下的風(fēng)光水功率波動率，保證功率平滑性，采用壓縮空氣對風(fēng)光水功率波動率優(yōu)化效果不明顯，但其可實(shí)現(xiàn)長時間尺度下削峰填谷，保證功率輸出在預(yù)期范圍內(nèi)。虛擬電廠參與市場，日前市場進(jìn)行風(fēng)光水出力優(yōu)化，實(shí)時市場利用復(fù)合儲能平抑波動，消除風(fēng)光預(yù)測誤差，實(shí)現(xiàn)總出力的穩(wěn)輸出，提升系統(tǒng)經(jīng)濟(jì)性。虛擬電廠內(nèi)部元件關(guān)系如圖1所示。

圖1 虛擬電廠示意圖Fig.1 The schematic of the virtual power plant

1.1 風(fēng)力發(fā)電模型

風(fēng)電具有以下特性，風(fēng)速大于切入風(fēng)速時，風(fēng)機(jī)啟動運(yùn)行，風(fēng)速大于切出風(fēng)速時，停止運(yùn)行[11]。同時，風(fēng)力發(fā)電機(jī)存在額定風(fēng)速，當(dāng)風(fēng)速大于額定風(fēng)速時，其輸出為額定功率不變，風(fēng)電出力為

在虛擬電廠的運(yùn)行中，可以假設(shè)風(fēng)電機(jī)組的運(yùn)行成本近乎為0。

1.2 光伏發(fā)電模型

光伏出力具有較強(qiáng)的不確定性，出力與光照強(qiáng)度、周圍溫度呈現(xiàn)正相關(guān)[13]，光伏總出力為

光伏預(yù)測誤差的標(biāo)準(zhǔn)差為可認(rèn)為其服從以零為均值，μ=0，σpv為標(biāo)準(zhǔn)差的正態(tài)分布，其概率密度函數(shù)為

可以看出σpv與預(yù)測出力成正比。

1.3 水電出力模型

小型水電機(jī)組除了能提供清潔能源，還可以起到調(diào)度發(fā)電機(jī)組的作用，用于平滑風(fēng)力、光伏的出力。水電機(jī)組的出力主要與水庫的水頭、發(fā)電流量有關(guān)[14]，水電機(jī)組出力可以表示為

1.4 復(fù)合儲能模型

儲能系統(tǒng)一方面進(jìn)行能量轉(zhuǎn)移，將當(dāng)前時刻過剩的電能轉(zhuǎn)移至未來電能不足的時刻，最大化利用可再生能源；另一方面進(jìn)行功率平滑，實(shí)現(xiàn)功率的穩(wěn)定性輸出。

壓縮空氣儲能通過壓縮空氣將電能進(jìn)行存儲[15]。根據(jù)其運(yùn)行原理，當(dāng)氣壓從p1上升至p2所需要的能量如下式所示：

式中：ma為空氣質(zhì)量；ca為空氣的定壓比熱容；Te為環(huán)境溫度；ηcaes為壓縮空氣儲能系統(tǒng)效率；p0為環(huán)境壓力；γ為比熱容比。

當(dāng)氣壓從p2減小至p1，釋放的能量為

鋰電池的充放電功率約束如下式所示：

鋰電池總電量應(yīng)維持在一定范圍內(nèi)，以免對鋰電池的使用壽命造成損害，如下式所示：

荷電狀態(tài)可反映儲能裝置的電量情況，其值為儲能裝置剩余電量和額定容量的比值，如下式：

式中：Ex,t為相應(yīng)儲能裝置t時刻剩余電量；Ex為相應(yīng)儲能裝置額定容量。

分別定義鋰電池儲能和壓縮空氣儲能的荷電狀態(tài)，及其上下限如下式所示：

式中：SOCbat,min，SOCbat,max分別為鋰電池荷電狀態(tài)上、下限；SOCcaes,min，SOCcaes,max分別為壓縮空氣儲能荷電狀態(tài)上、下限。

2 虛擬電廠參與市場環(huán)境下容量配置模型

2.1 現(xiàn)貨市場價格預(yù)測

在未來實(shí)行電力市場、特別是存在電力現(xiàn)貨市場條件下，此時現(xiàn)貨市場電價具有較強(qiáng)的不確定性和波動性，現(xiàn)貨價格的劇烈變化將會為發(fā)電系統(tǒng)帶來較高的風(fēng)險，直接影響系統(tǒng)容量配置的經(jīng)濟(jì)性?，F(xiàn)貨市場的電價序列是一個隨機(jī)的時間序列，本文通過對歷史電價的抽取和分析，基于時間序列分析法中的ARIMA自回歸積分滑動平均模型并計(jì)入現(xiàn)貨價格的波動性，建立現(xiàn)貨價格不確定性模型：

2.2 虛擬電廠復(fù)合儲能容量配置模型

儲能裝置可有效平抑虛擬電廠輸出功率波動，改善并網(wǎng)功率電能質(zhì)量，實(shí)現(xiàn)聯(lián)絡(luò)線功率削峰填谷，提高風(fēng)光電資源的并網(wǎng)消納率。本文考慮虛擬電廠參與市場交易，計(jì)入儲能系統(tǒng)的初始投資成本、壽命損耗成本、運(yùn)行維護(hù)成本，滿足系統(tǒng)波動性互補(bǔ)要求，以效益最大化為目標(biāo)函數(shù)，目標(biāo)函數(shù)如下式所示：

式中：R為系統(tǒng)一年的售電收入；Civ，Com，Cls分別為儲能系統(tǒng)的初始投資成本、壽命損耗成本和鋰電池的運(yùn)行維護(hù)成本。

系統(tǒng)一年的售電收入R可通過下式計(jì)算：

2.2.1 售電收入

1）售電收入主要由日前市場和實(shí)時市場兩部分組成。日前市場中，預(yù)測風(fēng)電和光伏的出力，優(yōu)化水電機(jī)組出力，虛擬電廠的收益和出力可表示為

2.2.2 售電成本

售電成本主要由初始投資成本、壽命損耗成本和運(yùn)行維護(hù)成本三部分組成。

1）本文中儲能系統(tǒng)包括鋰電池和壓縮空氣儲能，因此儲能系統(tǒng)的初始投資成本由鋰電池的初始投資成本及壓縮空氣儲能的初始投資成本構(gòu)成，如下式所示：

2.3 復(fù)合儲能容量配置方法

本文將系統(tǒng)總出力波動率設(shè)置為約束，因此本文模型是一個經(jīng)濟(jì)性最優(yōu)的單目標(biāo)混合整型和小數(shù)規(guī)劃問題。模型中存在部分非線性約束如式（12）、式（13），因此難以直接運(yùn)用線性優(yōu)化工具求解。由于Lingo軟件能夠?qū)旌险秃托?shù)的非線性模型進(jìn)行求解，因此將上述模型在Lingo語言環(huán)境下編寫，并驗(yàn)證可以求解，求解流程圖如圖2所示。

圖2 復(fù)合儲能容量配置方法流程Fig.2 Flow chart of hybrid energy storage sizing

考慮風(fēng)光出力的不確定性和出力偏差，以及現(xiàn)貨價格的波動性，提出了基于系統(tǒng)經(jīng)濟(jì)性與波動性的復(fù)合儲能容量配置方法，其具體流程介紹如下。

系統(tǒng)容量配置具體規(guī)劃步驟如下：

1）輸入系統(tǒng)數(shù)據(jù)。風(fēng)光水裝機(jī)容量及參數(shù)，壓縮空氣儲能和鋰電池等基本參數(shù)。

2）預(yù)測風(fēng)光日前出力數(shù)據(jù)、日前市場電價。

3）日前市場優(yōu)化。優(yōu)化風(fēng)光水日前市場出力，提高系統(tǒng)收益。

4）預(yù)測實(shí)時市場風(fēng)光出力，和實(shí)時市場電價，計(jì)算風(fēng)光預(yù)測偏差。

5）考慮風(fēng)光出力偏差，在Lingo語言環(huán)境下建立優(yōu)化模型，得到基于經(jīng)濟(jì)性和波動性的復(fù)合儲能充放電方式，確定并優(yōu)化復(fù)合儲能容量配置方案。

6）判斷所有規(guī)劃方案是否計(jì)算完畢，是則轉(zhuǎn)到下一步，否則轉(zhuǎn)向步驟5）。

7）輸出所有容量配置方案的優(yōu)化結(jié)果和相對應(yīng)的年收益率，確定容量配置方案。

3 算例分析

3.1 基礎(chǔ)數(shù)據(jù)

算例分析了電力市場環(huán)境下，考慮風(fēng)光的波動性以及現(xiàn)貨價格的不確定性的條件下，基于虛擬電廠兩階段優(yōu)化方法，求得了復(fù)合儲能容量配置方案。虛擬電廠由15 MW的風(fēng)電、10 MW的光伏、5 MW的小水電和復(fù)合儲能組成，復(fù)合儲包含壓縮空氣儲能和鋰電池，系統(tǒng)儲能設(shè)備參數(shù)如下所示。鋰電池參數(shù)為：功率成本系數(shù)1 000元/kW，容量成本系數(shù)3 500元/kW·h，運(yùn)行維護(hù)成本系數(shù)0.05元/（kW·h），剩余電量上限75%，剩余電量下限30%，充放電效率90%。壓縮空氣儲能參數(shù)為：功率成本系數(shù)4 000元/kW，容量成本系數(shù)200元/（kW·h），運(yùn)行維護(hù)成本系數(shù)0.15元/（kW·h），剩余電量上限90%，剩余電量下限10%，充放電效率75%。

算例選用北歐日前市場電價作為基礎(chǔ)數(shù)據(jù)，利用ARIMA模型進(jìn)行日前電價預(yù)測，并根據(jù)電價模型在日前電價的基礎(chǔ)上給出了實(shí)時電價，本文中做的min級的優(yōu)化，時間尺度為15 min一個優(yōu)化時間段。現(xiàn)貨市場電價曲線如圖3所示。

圖3 現(xiàn)貨市場電價曲線Fig.3 Curves of spot price

風(fēng)光的日前出力預(yù)測如圖4和圖5所示，并在其日前出力的基礎(chǔ)上，根據(jù)其出力的不確定性，計(jì)入預(yù)測偏差，即得到實(shí)時出力數(shù)據(jù)。從圖4和圖5中可以看出，風(fēng)電和光伏在日前和實(shí)時出力存在明顯的偏差，由于其隨機(jī)性、波動性，大規(guī)模風(fēng)光并網(wǎng)，將會影響電網(wǎng)的穩(wěn)定性。復(fù)合儲能用于平穩(wěn)風(fēng)光的出力，風(fēng)光出力可以分為平穩(wěn)分量和波動分量如圖6和圖7所示。利用壓縮空氣儲能處理滑動平穩(wěn)分量的上下限，利用壓縮空氣儲能抑制波動分量，使得風(fēng)光的總出力滿足平滑穩(wěn)定的需求。

圖4 光伏出力Fig.4 Output of photovoltaic

圖5 風(fēng)電出力Fig.5 Output of wind power

圖6 風(fēng)光出力與平穩(wěn)分量Fig.6 Output of wind and PV and stationary component

圖7 風(fēng)光波動分量Fig.7 Fluctuating component of wind and PV

3.2 仿真結(jié)果分析

算例中取修正系數(shù)α為0.25。調(diào)節(jié)日前市場水電出力和復(fù)合儲能充放電功率，對風(fēng)光出力的上下限進(jìn)行調(diào)整，使其總出力在一定范圍內(nèi)。

3.2.1 日前市場

日前市場中，考慮現(xiàn)貨價格的不確定性，在風(fēng)光預(yù)測的基礎(chǔ)上，以滿足系統(tǒng)經(jīng)濟(jì)性和總出力互補(bǔ)性指標(biāo)，優(yōu)化水電站出力。同時，水電在豐水期和枯水期出力具有較大差異，得到風(fēng)光水在不同時期的出力如圖8和圖9所示。

從圖8、圖9可以看出，水電站在枯水期的出力明顯低于豐水期，枯水期風(fēng)光水的總出力波動相對大于豐水期。兩個時期的出力形態(tài)大體一致，出力曲線趨勢與日前電價趨勢基本一致，在日前電價較高的時段，水電站的出力明顯增大，日前電價較低點(diǎn)，水電出力較低，系統(tǒng)經(jīng)濟(jì)性提高。同時，虛擬電廠出力需要滿足互補(bǔ)指標(biāo)，水電站出力曲線趨勢與日前電價曲線趨勢仍存在一定的差異性。

圖8 豐水期日前市場出力曲線Fig.8 Output curves in day-ahead market in wet season

圖9 枯水期日前市場出力曲線Fig.9 Output curves in day-ahead market in dry season

3.2.2 日前市場

風(fēng)光出力具有較強(qiáng)的不確定性，其日前預(yù)測出力與實(shí)時出力值存在明顯偏差。水電站出力計(jì)劃在日前已經(jīng)制定，一般不再進(jìn)行改變，利用復(fù)合儲能處理風(fēng)光日前與實(shí)時的出力偏差，同時利用復(fù)合儲能進(jìn)一步平抑風(fēng)光的波動性。壓縮空氣儲能和鋰電池出力曲線如圖10和圖11所示。

圖10 豐水期實(shí)時出力曲線Fig.10 Output curves in real-time market in wet season

圖11 枯水期實(shí)時出力曲線Fig.11 Output curves in real-time market in dry season

圖10，圖11中的壓縮空氣儲能和鋰電池的容量分別為6 MW和3 MW，可以看出壓縮空氣儲能出力變化較大，鋰電池的出力波動較小。壓縮空氣儲能在較長時間尺度內(nèi)對風(fēng)光水總出力進(jìn)行削峰填谷，在風(fēng)光水出力的峰值，壓縮空氣儲能處于充電狀態(tài)；在風(fēng)光水出力的低谷，壓縮空氣儲能處于放電狀態(tài)，系統(tǒng)總出力曲線的上下限得到了明顯的調(diào)整。鋰電池具有更加靈活的充放電性能，可以在更小的時間尺度內(nèi)減小總出力的波動，進(jìn)一步提高總出力的穩(wěn)定性，系統(tǒng)總出力曲線的平穩(wěn)性得到了明顯改善。

同時，從圖10，圖11中可以看出豐水期的發(fā)電系統(tǒng)總出力曲線的波動性明顯低于枯水期，豐水期出力更加平穩(wěn)；枯水期的復(fù)合儲能充放電頻率和功率明顯高于豐水期。

3.2.3 波動性

分析原始風(fēng)電、光伏出力的兩點(diǎn)間最大的波動值，并分別求得加入水電、壓縮空氣儲能、鋰電池后的出力波動指標(biāo)如表1所示。且不考慮風(fēng)光水的投資和運(yùn)行成本，計(jì)入市場收益和儲能成本，根據(jù)上述得到虛擬電廠的最大利潤為16 754.93萬元。

表1 出力曲線波動性分析Tab.1 Analysis of the volatility of the output curve

表1中，A為風(fēng)電，B為光電，C為風(fēng)光，D為風(fēng)光水，E為壓縮空氣儲能，F(xiàn)為鋰電池，G為復(fù)合儲能。

3.2.4 復(fù)合儲能容量配置靈敏度分析

由于枯水期水電調(diào)節(jié)能力較弱，風(fēng)光水波動性較大，場景相對惡劣，所以針對枯水期進(jìn)一步分析復(fù)合儲能容量配置方案對系統(tǒng)指標(biāo)的影響，基于上述優(yōu)化運(yùn)行方式，改變復(fù)合儲能容量配置和修正系數(shù)，求得其波動性和經(jīng)濟(jì)性指標(biāo)如表2所示。

表2 不同復(fù)合儲能容量配置下經(jīng)濟(jì)性與波動性Tab.2 Economics and volatility under different composite energy storage capacity configurations

從表2分析可以看出，復(fù)合儲能容量配置不斷增加時，虛擬電廠出力的波動性不斷減小，容量配置成本不斷提升，系統(tǒng)的經(jīng)濟(jì)性降低。當(dāng)壓縮空氣儲能和鋰電池的容量從6 MW和3 MW分別增加至7 MW和4 MW，總出力波動性無明顯下降。復(fù)合儲能的容量配置要在滿足系統(tǒng)波動性指標(biāo)要求的基礎(chǔ)上，兼顧系統(tǒng)經(jīng)濟(jì)性。

4 結(jié)論

本文考慮了風(fēng)光出力的隨機(jī)性，小水電的調(diào)節(jié)能力，并根據(jù)不同類型儲能元件的物理充放電特性，構(gòu)建基于壓縮空氣儲能和鋰電池的復(fù)合儲能系統(tǒng)，進(jìn)一步建立了風(fēng)光水儲虛擬電廠出力互補(bǔ)模型，并且計(jì)入市場模式，量化現(xiàn)貨價格不確定性，提出了在參與日前市場與實(shí)時市場獲得最大收益的目標(biāo)，最終得到復(fù)合儲能系統(tǒng)滿足互補(bǔ)和最大收益的容量配置方法。通過算例仿真，得出了以下結(jié)論：

1）含風(fēng)光水的虛擬電廠，小水電提高系統(tǒng)經(jīng)濟(jì)性的同時，可利用其調(diào)節(jié)性能在一定程度上緩解系統(tǒng)出力的波動性，豐水期的調(diào)節(jié)效果優(yōu)于枯水期。而配置復(fù)合儲能，在降低成本的同時，可進(jìn)一步提高系統(tǒng)出力的穩(wěn)定性。

2）風(fēng)光出力具有較強(qiáng)的不確定性和預(yù)測偏差，以及市場環(huán)境下，現(xiàn)貨價格劇烈的波動性為虛擬電廠參與市場交易帶來了較大的風(fēng)險。本文提出的含復(fù)合儲能的虛擬電廠容量配置優(yōu)化模型，一方面可以通過壓縮空氣儲能和鋰電池的充放電特性平抑總出力的波動，另一方面可以補(bǔ)償風(fēng)光出力的預(yù)測偏差，規(guī)避市場風(fēng)險。

3）壓縮空氣儲能和鋰電池組成的復(fù)合儲能，有效降低了總出力的波動性。靈敏度分析中，增加儲能的容量配置，可進(jìn)一步緩解系統(tǒng)波動性，但作用效果逐漸降低，配置成本明顯提高。本文所提的6 MW壓縮空氣儲能和3 MW鋰電池的復(fù)合儲能容量配置，可在保證系統(tǒng)經(jīng)濟(jì)性的同時，有效緩解系統(tǒng)的波動性。