中國(guó)儲(chǔ)能網(wǎng)訊：中國(guó)科學(xué)院電工研究所、中國(guó)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(qiáng)、師長(zhǎng)立、韋統(tǒng)振，在2021年《電工技術(shù)學(xué)報(bào)》增刊2上撰文，針對(duì)儲(chǔ)能輔助火電機(jī)組二次調(diào)頻時(shí)儲(chǔ)能需求功率隨機(jī)性強(qiáng)的問(wèn)題，提出一種基于馬爾科夫鏈的自適應(yīng)儲(chǔ)能需求功率預(yù)測(cè)模型。研究結(jié)果表明，相比無(wú)自適應(yīng)調(diào)整的馬爾科夫模型，所提自適應(yīng)預(yù)測(cè)模型的預(yù)測(cè)精度提高了8.28%；采用該文所提場(chǎng)景樹(shù)方法的預(yù)測(cè)精度相對(duì)于固定場(chǎng)景樹(shù)結(jié)構(gòu)方法提高了6.67%，較極大似然估計(jì)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(dòng)性問(wèn)題加劇了電網(wǎng)的頻率波動(dòng)，自動(dòng)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(jī)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(chǔ)能聯(lián)合調(diào)頻項(xiàng)目增長(zhǎng)迅速，儲(chǔ)能系統(tǒng)（Energy Storage System, ESS）具有功率響應(yīng)速度快且精確的特點(diǎn)，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(chǔ)能成本高，考慮到項(xiàng)目經(jīng)濟(jì)性，一般儲(chǔ)能容量配置有限難以完全滿足系統(tǒng)調(diào)頻需求。同時(shí)，儲(chǔ)能系統(tǒng)頻繁不規(guī)則的充/放電會(huì)對(duì)使用壽命造成嚴(yán)重影響，因此，能量管理策略的優(yōu)劣對(duì)調(diào)頻性能以及儲(chǔ)能系統(tǒng)的壽命至關(guān)重要。而儲(chǔ)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(wèn)題。
目前，國(guó)內(nèi)外學(xué)者針對(duì)儲(chǔ)能參與AGC調(diào)頻領(lǐng)域的儲(chǔ)能需求功率建模及控制策略已開(kāi)展了相關(guān)研究。但是，目前儲(chǔ)能參與AGC調(diào)頻領(lǐng)域的研究主要集中于儲(chǔ)能提高AGC性能的控制策略，或針對(duì)系統(tǒng)調(diào)度，建立各種儲(chǔ)能需求功率的小時(shí)級(jí)或日前預(yù)測(cè)模型?？紤]儲(chǔ)能需求功率的隨機(jī)性，應(yīng)用于實(shí)時(shí)控制的儲(chǔ)能需求功率模型方面鮮有研究。
為此，中國(guó)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(jī)組功率響應(yīng)特點(diǎn)的基礎(chǔ)上，提出一種基于馬爾科夫鏈（Markov chain）的自適應(yīng)儲(chǔ)能需求功率預(yù)測(cè)模型。該儲(chǔ)能需求功率預(yù)測(cè)模型適用于鋰電池、鉛酸電池等能量型儲(chǔ)能參與電力系統(tǒng)二次調(diào)頻，同時(shí)適用于由功率型儲(chǔ)能（如超級(jí)電容器、飛輪儲(chǔ)能等）與能量型儲(chǔ)能組成的混合儲(chǔ)能參與火電機(jī)組二次調(diào)頻場(chǎng)景。
圖1 儲(chǔ)能需求功率預(yù)測(cè)模型建模流程
圖2 自適應(yīng)馬爾科夫預(yù)測(cè)模型算法流程
他們首先針對(duì)火電機(jī)組響應(yīng)AGC指令時(shí)功率隨機(jī)變化且難以實(shí)時(shí)監(jiān)測(cè)的問(wèn)題，采用馬爾科夫鏈建立儲(chǔ)能需求功率模型，并針對(duì)AGC指令周期性波動(dòng)的特點(diǎn)，采用后驗(yàn)信息實(shí)時(shí)自適應(yīng)調(diào)整Markov轉(zhuǎn)移概率矩陣以提高預(yù)測(cè)精度。然后，針對(duì)隨機(jī)場(chǎng)景繁多的問(wèn)題，提出一種可變預(yù)測(cè)時(shí)域的場(chǎng)景樹(shù)生成方法。該方法能夠在樹(shù)節(jié)點(diǎn)規(guī)模一定的前提下更有效地選擇預(yù)測(cè)場(chǎng)景。最后，通過(guò)算例分析了所提自適應(yīng)預(yù)測(cè)模型的準(zhǔn)確性。結(jié)果表明，所提模型能夠?yàn)閮?yōu)化能量管理策略提供更有效、可靠的功率預(yù)測(cè)信息。
表1 不同場(chǎng)景選擇方法預(yù)測(cè)準(zhǔn)確度對(duì)比
研究人員表示，通過(guò)本課題工作可以得出以下結(jié)論：
1）采用馬爾科夫鏈來(lái)預(yù)測(cè)儲(chǔ)能的需求功率，并利用后驗(yàn)需求功率信息實(shí)時(shí)自適應(yīng)調(diào)整預(yù)測(cè)模型。采用本課題算例，當(dāng)自適應(yīng)時(shí)間DT =3h時(shí)，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(cè)模型，預(yù)測(cè)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(cè)精度更高。
2）針對(duì)隨機(jī)性問(wèn)題場(chǎng)景繁多的問(wèn)題，提出一種可變預(yù)測(cè)時(shí)域的場(chǎng)景樹(shù)生成方法。該方法通過(guò)增加大概率場(chǎng)景的預(yù)測(cè)時(shí)域提高預(yù)測(cè)精度。同時(shí)，本課題將MLE方法和加權(quán)隨機(jī)采樣法相結(jié)合，提出一種新的場(chǎng)景選擇方法，不僅最大概率場(chǎng)景容易被選擇，同時(shí)相對(duì)低概率的場(chǎng)景也能被選擇，從而提高了場(chǎng)景的預(yù)測(cè)精度。算例結(jié)果表明采用本方法所選場(chǎng)景的方均根誤差相對(duì)固定場(chǎng)景樹(shù)結(jié)構(gòu)的方法提高了6.67%，較極大似然估計(jì)法提高了4.65%。
本文編自2021年《電工技術(shù)學(xué)報(bào)》增刊2，論文標(biāo)題為“基于馬爾科夫鏈的自適應(yīng)儲(chǔ)能需求功率預(yù)測(cè)模型”，作者何俊強(qiáng)、師長(zhǎng)立 等。
