中國儲能網(wǎng)訊：中國科學(xué)院電工研究所、中國科學(xué)院大學(xué)電子電氣與通信工程學(xué)院、太原科技大學(xué)電子信息工程學(xué)院的研究人員何俊強、師長立、韋統(tǒng)振，在2021年《電工技術(shù)學(xué)報》增刊2上撰文，針對儲能輔助火電機組二次調(diào)頻時儲能需求功率隨機性強的問題，提出一種基于馬爾科夫鏈的自適應(yīng)儲能需求功率預(yù)測模型。研究結(jié)果表明，相比無自適應(yīng)調(diào)整的馬爾科夫模型，所提自適應(yīng)預(yù)測模型的預(yù)測精度提高了8.28%；采用該文所提場景樹方法的預(yù)測精度相對于固定場景樹結(jié)構(gòu)方法提高了6.67%，較極大似然估計法提高了4.65%。
電力系統(tǒng)中可再生能源滲透率快速增大，其固有的間歇性和波動性問題加劇了電網(wǎng)的頻率波動，自動發(fā)電控制（Automatic Generation Control, AGC）指令調(diào)節(jié)更加快速、劇烈。傳統(tǒng)調(diào)頻火電機組調(diào)頻能力有限，難以滿足系統(tǒng)調(diào)頻需求。
近幾年，火電—儲能聯(lián)合調(diào)頻項目增長迅速，儲能系統(tǒng)（Energy Storage System, ESS）具有功率響應(yīng)速度快且精確的特點，參與電力調(diào)頻能夠有效提高系統(tǒng)的頻率響應(yīng)能力。然而，由于儲能成本高，考慮到項目經(jīng)濟(jì)性，一般儲能容量配置有限難以完全滿足系統(tǒng)調(diào)頻需求。同時，儲能系統(tǒng)頻繁不規(guī)則的充/放電會對使用壽命造成嚴(yán)重影響，因此，能量管理策略的優(yōu)劣對調(diào)頻性能以及儲能系統(tǒng)的壽命至關(guān)重要。而儲能需求功率模型是研究能量管理策略首先需要解決的基礎(chǔ)性和關(guān)鍵性問題。
目前，國內(nèi)外學(xué)者針對儲能參與AGC調(diào)頻領(lǐng)域的儲能需求功率建模及控制策略已開展了相關(guān)研究。但是，目前儲能參與AGC調(diào)頻領(lǐng)域的研究主要集中于儲能提高AGC性能的控制策略，或針對系統(tǒng)調(diào)度，建立各種儲能需求功率的小時級或日前預(yù)測模型?？紤]儲能需求功率的隨機性，應(yīng)用于實時控制的儲能需求功率模型方面鮮有研究。
為此，中國科學(xué)院電工研究所等單位的研究人員在分析AGC指令及火電機組功率響應(yīng)特點的基礎(chǔ)上，提出一種基于馬爾科夫鏈（Markov chain）的自適應(yīng)儲能需求功率預(yù)測模型。該儲能需求功率預(yù)測模型適用于鋰電池、鉛酸電池等能量型儲能參與電力系統(tǒng)二次調(diào)頻，同時適用于由功率型儲能（如超級電容器、飛輪儲能等）與能量型儲能組成的混合儲能參與火電機組二次調(diào)頻場景。
圖1 儲能需求功率預(yù)測模型建模流程
圖2 自適應(yīng)馬爾科夫預(yù)測模型算法流程
他們首先針對火電機組響應(yīng)AGC指令時功率隨機變化且難以實時監(jiān)測的問題，采用馬爾科夫鏈建立儲能需求功率模型，并針對AGC指令周期性波動的特點，采用后驗信息實時自適應(yīng)調(diào)整Markov轉(zhuǎn)移概率矩陣以提高預(yù)測精度。然后，針對隨機場景繁多的問題，提出一種可變預(yù)測時域的場景樹生成方法。該方法能夠在樹節(jié)點規(guī)模一定的前提下更有效地選擇預(yù)測場景。最后，通過算例分析了所提自適應(yīng)預(yù)測模型的準(zhǔn)確性。結(jié)果表明，所提模型能夠為優(yōu)化能量管理策略提供更有效、可靠的功率預(yù)測信息。
表1 不同場景選擇方法預(yù)測準(zhǔn)確度對比
研究人員表示，通過本課題工作可以得出以下結(jié)論：
1）采用馬爾科夫鏈來預(yù)測儲能的需求功率，并利用后驗需求功率信息實時自適應(yīng)調(diào)整預(yù)測模型。采用本課題算例，當(dāng)自適應(yīng)時間DT =3h時，自適應(yīng)Markov矩陣的方均根誤差為0.7139MW。相比未調(diào)整的馬爾科夫鏈預(yù)測模型，預(yù)測精度提升8.28%。算例結(jié)果表明所提自適應(yīng)馬爾科夫鏈模型的預(yù)測精度更高。
2）針對隨機性問題場景繁多的問題，提出一種可變預(yù)測時域的場景樹生成方法。該方法通過增加大概率場景的預(yù)測時域提高預(yù)測精度。同時，本課題將MLE方法和加權(quán)隨機采樣法相結(jié)合，提出一種新的場景選擇方法，不僅最大概率場景容易被選擇，同時相對低概率的場景也能被選擇，從而提高了場景的預(yù)測精度。算例結(jié)果表明采用本方法所選場景的方均根誤差相對固定場景樹結(jié)構(gòu)的方法提高了6.67%，較極大似然估計法提高了4.65%。
本文編自2021年《電工技術(shù)學(xué)報》增刊2，論文標(biāo)題為“基于馬爾科夫鏈的自適應(yīng)儲能需求功率預(yù)測模型”，作者何俊強、師長立 等。
