蒙西地區(qū)儲能技術經(jīng)濟性優(yōu)化配置研究

竇東，王雁宇，李欣，楊文生，周文奇，李海清，張士營

(1. 內(nèi)蒙古電力經(jīng)濟技術研究院，內(nèi)蒙古 呼和浩特 010040；2. 華能新能源股份有限公司，北京 100036)

0 引言

在“30·60”雙碳目標以及構建新型電力系統(tǒng)的背景下，以風光為代表的可再生能源在未來將得到大力發(fā)展。蒙西地區(qū)作為中國重要的風光基地，提出計劃到“十四五”期間2025年新能源裝機容量占比將超過50%，成為全區(qū)電力的主體能源[1]。與此同時，降低新能源出力波動性、保障新能源高效消納和提升電力系統(tǒng)的靈活性和安全穩(wěn)定性等問題亟待解決。靈活的充放電特性使得儲能成為改善上述問題的重要調(diào)節(jié)性資源。研究在滿足電網(wǎng)技術需求的同時實現(xiàn)儲能的高效、經(jīng)濟性配置，具有重要意義。

目前，國內(nèi)外學者就儲能在不同應用場景下的規(guī)劃配置、運營管理以及技術經(jīng)濟分析等方面開展了廣泛的研究。新能源發(fā)電側，文獻[2-6]在考慮風電、光伏出力隨機波動性以及電力供需靈活性等因素影響下，提出兼顧經(jīng)濟性和靈活性的多類型儲能優(yōu)化配置方法，以降低新能源出力波動性并提高其利用效率。文獻[7-8]將儲能和需求響應技術納入新能源發(fā)電優(yōu)化調(diào)度中，提出由儲能、發(fā)電側以及需求響應側構成的聯(lián)合優(yōu)化模型，以促進新能源的出力消納及其經(jīng)濟性運行。在電網(wǎng)側，文獻[9-13]基于電網(wǎng)側儲能技術的需求場景、投資價值，提出電網(wǎng)側儲能的商業(yè)運營模式以及選址定容規(guī)劃模型，用以滿足電網(wǎng)側在不同應用場景下對大規(guī)模儲能技術進行經(jīng)濟高效運營的需求。在用戶側，文獻[14-17]通過構建峰谷電價、實時電價與用戶側儲能的成本動態(tài)聯(lián)動模型，提出用戶側儲能的經(jīng)濟性優(yōu)化控制策略，以解決用戶側儲能的容量優(yōu)化配置問題并推進其商業(yè)模式的發(fā)展。在儲能的投資分析方面，文獻[18-23]采用全壽命周期成本等方法，考慮商業(yè)運營模式、投資成本和經(jīng)濟效益，對多類型儲能技術在不同應用場景下的投資經(jīng)濟性、系統(tǒng)價值進行了評估測算。

上述儲能規(guī)劃配置方法在新能源側多為技術性優(yōu)化、缺乏經(jīng)濟性優(yōu)化在電網(wǎng)側多為電網(wǎng)側的單方面儲能價值測算；用戶側商業(yè)模式較為單一、應用場景局限，投資分析方面缺乏包含外部價值的綜合價值測算，此外，現(xiàn)有儲能的規(guī)劃配置方案多數(shù)為通用性的優(yōu)化方案，缺少有針對性的具有地區(qū)特色的儲能經(jīng)濟性配置方案。

綜上，本文提出針對蒙西地區(qū)的儲能技術經(jīng)濟性優(yōu)化配置模型，以降低風-光出力波動性和最大化儲能系統(tǒng)的綜合經(jīng)濟價值為目標，為蒙西地區(qū)的儲能的選型、選址和容量配置提供規(guī)劃建議。首先，基于蒙西地區(qū)的實際情況以及不同類型儲能應用場景，提出針對蒙西地區(qū)的儲能選型選址方案。其次，以最小化風光出力波動性和最大化儲能的綜合價值（內(nèi)部價值和外部價值）為目標，構建儲能技術經(jīng)濟性優(yōu)化配置模型，并針對該模型提出基于NSGA-II的求解算法。然后，以蒙西地區(qū)某風光接入點為例，計算滿足多目標條件下的儲能配置方案，以不同的風光占比和儲能的電池成本為影響因素，對該模型進行了靈敏度分析。最后，基于上述算例分析，提出了針對蒙西地區(qū)的儲能經(jīng)濟性配置決策指導方案。

1 蒙西地區(qū)儲能選址選型研究

1.1 選址研究

對儲能的配置位置進行合理規(guī)劃是降低儲能系統(tǒng)投資、提高運行效益以及提升整個系統(tǒng)運行穩(wěn)定性和資源利用效率的重要手段。文獻[24]提出了針對新能源側儲能選址優(yōu)化的通用性結論：在電力系統(tǒng)中的重要傳輸節(jié)點和可再生能源的發(fā)電接入點配置儲能可以在兼顧經(jīng)濟性和系統(tǒng)穩(wěn)定性的因素下達到儲能選址配置的最優(yōu)。因此，本文采用上述結論進行蒙西地區(qū)儲能選址分析。以《內(nèi)蒙古電網(wǎng)2021年度運行方式》提供的相關資料為參考依據(jù)，蒙西地區(qū)的風電、光伏資源主要集中在烏蘭察布、包頭、巴彥淖爾以及錫林浩特地區(qū)，分別占蒙西地區(qū)新能源裝機容量的23.32%、21.63%、17.86%和15.62%。這些地區(qū)的重要傳輸結點以察右中、百靈、巴中、塔拉等500 kV變電站為主。在兼顧系統(tǒng)穩(wěn)定性及經(jīng)濟性因素下，重點在上述4個地區(qū)的新能源接入點和重要傳輸節(jié)點進行儲能配置，具體選址如表1所示。其中，新能源接入點主要為220 kV變電站，重要傳輸節(jié)點為500 kV變電站，部分重要傳輸節(jié)點亦是新能源接入點，不再重復列出。

表1 蒙西地區(qū)儲能配置選址Table 1 Site selection for energy storage configuration in western Inner Mongolia

1.2 蒙西地區(qū)儲能選型研究

文獻[24]從技術、經(jīng)濟、效率、環(huán)境4個維度建立了適應各種場景的儲能選型指標體系，通過貝葉斯最優(yōu)最劣法確定了不同場景下的指標權重，并通過模糊前景理論對儲能在各種場景下的選型進行了綜合評價，進而得出了儲能在各類應用場景的排序，如表2所示。該選型排序研究并未涉及與地區(qū)相關的因素，具有一定的通用性，因此本文采用該選型排序結論確定蒙西地區(qū)儲能類型。

表2 各類應用場景下儲能選型排序Table 2 Type selection and sorting for energy storage in various application scenarios

本文主要針對儲能降低新能源出力波動性的應用場景進行分析，該應用場景屬于輔助服務的應用場景范疇，由表2可知，在蒙西地區(qū)配置儲能以實現(xiàn)平抑新能源出力波動性的最優(yōu)儲能選擇為鋰離子儲能。本文后續(xù)研究中，若無特殊指出，涉及的儲能均為鋰離子電池儲能。

2 儲能技術經(jīng)濟性優(yōu)化配置模型

本文以儲能降低風光出力波動性為技術目標，以提升儲能系統(tǒng)的綜合利潤（投資凈現(xiàn)值）為經(jīng)濟目標，考慮儲能系統(tǒng)的各類約束，實現(xiàn)對儲能系統(tǒng)的容量、功率的最優(yōu)化配置。

2.1 目標函數(shù)

2.1.1 技術目標

2.1.2 經(jīng)濟性目標

（2）儲能收益。儲能的收益測算主要包括自身價值測算和外部價值測算。其收益構成如圖1所示。

圖1 儲能的收益構成Fig. 1 Revenue structure of energy storage

2.1.3 多目標函數(shù)

2.2 約束條件

2.3 求解算法

儲能技術經(jīng)濟性優(yōu)化模型為多目標優(yōu)化問題，基于加權法和目標規(guī)劃算法的傳統(tǒng)數(shù)學優(yōu)化方法帶有一定的主觀性，無法有效求得多目標算法的帕累托最優(yōu)解集合。NSGA-Ⅱ是目前求解大規(guī)模多目標優(yōu)化模型的有效算法，具有計算速度快、求解精度高、解集收斂性好、可求得帕累托最優(yōu)解集等特點[27]?；诖耍疚牟捎肗SGA-Ⅱ算法對儲能技術經(jīng)濟性優(yōu)化模型進行求解，算法流程圖如圖2所示。

圖2 模型求解流程Fig. 2 Flowchart of model solving

3 算例分析

以蒙西某風光資源豐富地區(qū)為例，基于儲能經(jīng)濟性優(yōu)化配置模型，計算分析針對該地區(qū)風光出力特性的經(jīng)濟性儲能配置方案。

3.1 算例參數(shù)設置

該地區(qū)的新能源由裝機容量為10 MW的風電站和2.5 MW的光伏發(fā)電站構成，能統(tǒng)一接入節(jié)點A。以季節(jié)變化為周期，該地區(qū)風、光的典型日出力曲線如圖3所示。根據(jù)國家《國家發(fā)展改革委關于2021年新能源上網(wǎng)電價政策有關事項的通知》，蒙西地區(qū)風電、光伏的上網(wǎng)電價為0.278 5 元/(kW·h)。

圖3 風電及光伏典型日出力曲線Fig. 3 Typical daily output curves of wind power and PV

基于該地區(qū)的實際特點，擬在節(jié)點A處配置鋰離子儲能系統(tǒng)，主要為新能源發(fā)電端提供輔助服務，因此該儲能系統(tǒng)對于發(fā)電端的影響為內(nèi)部價值，對于電網(wǎng)、用戶及環(huán)境的影響為外部價值。該儲能系統(tǒng)壽命為10年，容量衰減系數(shù)定為常數(shù)1，期末回收殘值率為10%。儲能的成本及效益計算采用凈年值計算方式，貼現(xiàn)率為8%。根據(jù)《華北電力調(diào)峰輔助服務市場運營規(guī)則》，儲能系統(tǒng)提供輔助服務的成本為0.4元/(kW·h)。儲能系統(tǒng)的其他參數(shù)設置如表3所示。

表3 儲能系統(tǒng)參數(shù)設置Table 3 Parameter setting for energy storage system

在進行儲能的收益計算時，儲能以平抑新能源發(fā)電的波動性為目的向其提供輔助服務，受到技術約束以及蒙西地區(qū)低峰谷電價差的限制，不考慮其自身通過電價差賺取收益。此外，儲能在發(fā)電端運用場景下，用戶側減少的停電損失難以衡量，為用戶減少的停電損失不再測算。因此，該儲能運用場景下，儲能的內(nèi)部價值測算包括提供輔助服務獲利、減少棄風、棄光電量損失以及期末設備殘值回收，外部價值測算包括延緩電網(wǎng)投資收益以及環(huán)境收益。儲能系統(tǒng)主要接入35 kV電壓等級的電網(wǎng)中，基于當?shù)?5 kV電壓等級的電網(wǎng)投資數(shù)據(jù)，運用文獻[28]的電網(wǎng)設備投資計算方法，可測算出該項收益約為1 391.23元/kW。儲能系統(tǒng)的環(huán)境效益可以量化為減少常規(guī)燃煤機組發(fā)電過程產(chǎn)生的SO2、CO2等污染物的排放，根據(jù)文獻[28]，其值約為0.12元/(kW·h)。

使用Matlab 2016 b對基于儲能技術經(jīng)濟性優(yōu)化模型的NSGA-II算法進行編程運算，算法采用十進制編碼方式?？紤]算法解集的收斂時間，參考文獻[27]的算法參數(shù)設置，對參數(shù)進行如下設置：種群規(guī)模為300，最大進化代數(shù)為100，交叉概 率 為0.9，變異概 率pm=1/n， 其 中 ηc=1/n，ηm=1/n，其他參數(shù)使用默認參數(shù)。

3.2 算例結果分析

（1）技術性優(yōu)化結果分析。

經(jīng)過優(yōu)化計算，可得到一系列不同風-光波動抑制率下的儲能系統(tǒng)功率及容量配置的帕累托最優(yōu)解集。抑制10 MW風電與2.5 MW光伏聯(lián)合出力波動性的儲能功率與容量配置方案如表4所示。

表4 不同風光出力波動抑制率下儲能系統(tǒng)配置方案Table 4 Configuration scheme for energy storage system under different σp

隨著風光出力波動抑制率要求的提高，儲能的功率、容量配置以及持續(xù)時長將快速增長。將風光出力的標準差降低10%最少需要配置0.495 MW/0.736 MW·h的儲能，儲能占新能源裝機容量占比僅為6.13%，持續(xù)時間為1.34 h；而將風光出力的標準差降低40%，則至少需要配置1.929 MW/5.724 MW·h的儲能，儲能占新能源裝機容量占比將提升到47.7%，持續(xù)時間需要提升到2.67 h。

該地區(qū)風-光聯(lián)合出力曲線可分為峰段（00:00—02:00、09:00—13:00、20:00—22:00）和谷段（03:00—05:00、15:00—19:00、23:00—24:00），為了滿足不同風光波動抑制率要求，儲能系統(tǒng)在滿足經(jīng)濟運行最優(yōu)的情況下，多次進行充放電操作。帕累托解集得出的不同風光出力波動抑制率下風-光、風-光-儲以及儲能的出力計劃對比情況如圖4所示。

圖4 不同σp下風-光-儲聯(lián)合出力情況Fig. 4 Wind power-PV-storage joint output under different σp

（2）經(jīng)濟性優(yōu)化結果分析。

在不考慮儲能外部價值的情況下，該儲能項目投資經(jīng)濟性分析結果如表5所示。為了更加全面地反映經(jīng)濟性評價結果，表中加入投資回收期與內(nèi)部收益率的測算分析。隨著風光出力波動抑制率的逐漸提高，儲能的凈現(xiàn)值、內(nèi)部收益率逐漸下降，投資回收期逐漸提高，投資經(jīng)濟性呈下降趨勢。當 σp大于30%時，儲能系統(tǒng)的投資將不具有經(jīng)濟性，在規(guī)定壽命周期內(nèi)無法回收成本。

表5 不考慮外部價值的投資經(jīng)濟性分析結果Table 5 Result of investment economy analysis without considering external value

在考慮儲能的外部價值的情況下，該儲能項目投資經(jīng)濟性分析結果如表6所示。在考慮儲能的外部價值情況下，該儲能項目將具有良好的投資經(jīng)濟性。當 σp為10%時，該項目的內(nèi)部收益率高達60.73%，當 σp上升到40%時該項目仍具有18.19%的內(nèi)部收益率。

表6 考慮外部價值的投資經(jīng)濟性分析結果Table 6 Result of investment economy analysis considering external value

（3）帕累托曲線。

投資成本是儲能規(guī)劃設計的一項重要經(jīng)濟性指標，基于技術、經(jīng)濟性優(yōu)化結果可得到儲能系統(tǒng)投資成本與風-光-儲聯(lián)合出力標準差之間的帕累托曲線，如圖5所示。隨著風光出力波動抑制率的不斷提高，儲能的初始投資成本不斷提高，且提高速率逐漸增加。風光出力波動抑制率從5%提升到35%，儲能的初始投資成本僅增加658.61萬，而從35%提升到60%，儲能的初始投資成本增加1 213.02萬元，為滿足更高的風光出力的技術性要求需要投入的儲能成本將顯著提升。

圖5 儲能投資成本與風-光-儲聯(lián)合出力標準差帕累托曲線Fig. 5 Pareto curve of energy storage investment cost and standard deviation of wind power-PV-storage joint output

3.3 敏感性分析

不同風光裝機比例以及儲能成本均會對儲能的優(yōu)化配置以及投資經(jīng)濟性產(chǎn)生影響。本文以風光比例和儲能成本為影響因素，分別從儲能配置變化以及投資經(jīng)濟性兩個方面進行靈敏度分析。

（1）不同風光裝機比例對儲能配置的影響。

以10 MW的風電裝機為標準，光伏裝機容量占風電裝機容量占比變化從0到1.5，風光出力波動性抑制率從10%增長到40%情況下，儲能系統(tǒng)的配置情況如表7所示。

表7 不同風光比例下儲能配置方案Table 7 Energy storage configuration scheme under different ratios of PV installed capacity to wind power installed capacity

為了更直觀地表示不同風光裝機比例對于儲能配置的影響，基于表7繪制不同光伏風電裝機容量比例下儲能配置需求圖，如圖6所示。

圖6 不同風光比例下儲能配置需求Fig. 6 Energy storage configuration requirements under different ratios of PV installed capacity to wind power installed capacity

由表7和圖6可知，在風光出力波動抑制率一定的情況下，隨著光伏相對風電裝機占比的提升，儲能容量和功率配置需求均呈現(xiàn)上升趨勢，且容量配置需求增長趨勢顯著快于功率配置需求。當 σp=10%，光/風比例從0增長到1.5時，儲能的功率配置需求從0.28 MW增長到1.56 MW，漲幅為457.14%，而容量配置從0.31 MW·h增長到5.48 MW·h，漲幅高達1 667.74%。在光/風比例一定的情況下，隨著風光出力波動抑制率的增加，儲能的容量配置需求增長趨勢同樣顯著快于功率配置需求。當光/風比例為0.75，σp從10%增長到40%時，功率需求從1.1 MW增長到3.64 MW，漲幅為230.90%，而容量配置從2.5 MW·h增長到14.58 MW·h，漲幅高達483.2%，且儲能容量占可再生能源總裝機容量的比重高達83.3%。因此，較高的光/風比例以及出力波動抑制率要求下，儲能的經(jīng)濟性配置具有極高難度。當光/風比例和出力波動抑制率分別控制在35%和30%以內(nèi)時，儲能的配置較為經(jīng)濟合理。

（2）儲能成本對投資經(jīng)濟性的影響。

以風光出力波動抑制率為40%的情況說明儲能成本變化對于經(jīng)濟性分析指標及技術指標的影響情況，具體結果如表8所示。其中，成本系數(shù)表示儲能現(xiàn)有成本與原有成本的比值。

表8 不同成本系數(shù)下儲能投資經(jīng)濟性分析Table 8 Economy analysis of energy storage investment under different cost coefficients

從表8可以看出，儲能的功率配置、容量配置和現(xiàn)金流入對于儲能的成本變化并不敏感，儲能成本的下降主要影響其初始投資成本，進而影響凈現(xiàn)值、投資回收期以及內(nèi)部收益率等投資經(jīng)濟性指標。成本系數(shù)為1時，該項目的內(nèi)部收益率僅為5%，低于設定的8%的貼現(xiàn)率，不具有經(jīng)濟性，當儲能成本下降20%時，該項目的內(nèi)部收益率則增長到9%，初步具有投資經(jīng)性，而當儲能成本下降50%時，該項目的內(nèi)部收益率高達20%，具有良好的投資經(jīng)濟性。因此，儲能成本下降是提升儲能大規(guī)模配置積極性的重要影響因素。

3.4 決策指導

基于選型選址和案例分析結果，對蒙西地區(qū)進行整體優(yōu)化，提出蒙西地區(qū)儲能配置的規(guī)劃方案。該儲能配置方案的技術目標為將風光出力波動率降低30%，經(jīng)濟目標為實現(xiàn)儲能的利潤最大化。為了反映儲能成本變化對于儲能整體投資的影響，基于不同儲能成本設置2個儲能成本場景。情景1：儲能單位容量成本為1.4元/MW·h，單位功率成本為0.35元/MW；情景2：儲能單位容量成本為1元/MW·h，單位功率成本為0.35元/MW。其他參數(shù)設置與案例參數(shù)設置保持一致。不同成本場景下蒙西地區(qū)的儲能配置計劃如表9所示，儲能配置的地址選擇如圖7所示。

圖7 蒙西地區(qū)儲能選址簡圖Fig. 7 Simplified site selection map for energy storage in western Inner Mongolia

表9 不同成本場景下蒙西地區(qū)的儲能配置計劃Table 9 Energy storage configuration plan for western Inner Mongolia in different cost scenarios

根據(jù)《內(nèi)蒙古自治區(qū)關于加快推動新型儲能發(fā)展的實施意見》，配建儲能規(guī)模原則上不低于新能源項目裝機量的15%，本文儲能配置方案中，各地區(qū)的儲能配置容量均符合該政策要求?，F(xiàn)有可再生能源裝機水平下，實現(xiàn)降低風光出力波動性的技術要求，蒙西地區(qū)需要在情景1下投入96.95億元建設電化學儲能，而在情景2下投入71.71億元建設電化學儲能。以情景1為例，包頭地區(qū)儲能投資需求最高，達到31.05億元，錫林浩特地區(qū)的儲能投資需求最低，為15.43億元。

4 結論

本文考慮儲能的綜合價值及其抑制風光出力波動的技術作用，提出針對蒙西地區(qū)的儲能優(yōu)化配置模型及具體方案。基于蒙西地區(qū)新能源實際分布及需求提出儲能選址、選型方案，以最大化風光出力波動抑制率和儲能項目利潤為目標，構建蒙西地區(qū)儲能技術經(jīng)濟性優(yōu)化配置模型，并采用NSGA-II算法對該雙目標優(yōu)化模型進行求解。然后，基于蒙西某風光地區(qū)開展儲能技術經(jīng)濟性優(yōu)化配置案例分析。最后，基于選址選型結果以及案例分析結果，針對蒙西地區(qū)4大風光資源聚集區(qū)提出儲能配置方案，得出主要結論如下。

（1）儲能的經(jīng)濟性配置需要合理的風光出力波動抑制率范圍，現(xiàn)有條件下，當風光出力波動性抑制率小于30%時儲能項目具有投資可行性；（2）光伏相對風電裝機的比例越大，儲能配置的經(jīng)濟性越差，當該比例在35%以內(nèi)且風光出力波動性抑制率小于30%時，儲能配置具有一定投資可行性；（3）儲能成本的降低不影響儲能配置的技術需求，但可以有效提高儲能項目的投資回報率。

對于蒙西地區(qū)儲能技術經(jīng)濟性配置研究，可實現(xiàn)通過儲能的經(jīng)濟性優(yōu)化配置降低可再生能源出力波動性的目的，為地區(qū)的儲能的選型、選址、功率及容量的優(yōu)化配置提供決策指導，助力蒙西地區(qū)可再生能源的快速發(fā)展。