风电光伏储能互补系统建模与优化实践

1. 风电-光伏-储能互补系统概述

在可再生能源占比不断提升的背景下，风电和光伏发电已成为现代电力系统的重要组成部分。然而，这两种能源的间歇性和波动性给电网调度带来了巨大挑战。以我国西北某风电场为例，其单日功率波动幅度可达装机容量的80%，而光伏电站受云层遮挡影响，分钟级功率波动率可能超过20%。这种不稳定性不仅影响电网安全，还会导致大量弃风弃光现象。

储能技术的引入为解决这一问题提供了有效途径。电池储能系统（BESS）具有毫秒级响应速度，适合平抑短期功率波动；而抽水蓄能（包括传统形式和废弃矿井改造的新型抽蓄）则凭借大容量特性，更适合进行日间或更长时间的能源时移。特别值得注意的是，废弃矿井抽水蓄能（UPSH）作为一种创新解决方案，不仅盘活了闲置资源，其单位千瓦投资成本（约2000-3000元）还比传统抽蓄低30%左右。

2. 系统建模与优化框架

2.1 目标函数设计

在Matlab建模中，我们构建了双层优化目标函数：

matlab复制f = sum(C.*P_w + C.*P_h + C.*P_d + C.*P_pv... 
      - C_p.*P_p - C_c.*P_c...
      - yibuxil_lack*P_lack - yibuxil_DL*P_DL...
      - k_ps_h*P_h - k_ba_d*P_d);

其中各成本项含义：

• 前四项为各类电源的上网收益
• C_p和C_c分别对应抽蓄抽水和电池充电成本
• 惩罚项包括缺电惩罚（yibuxil_lack）和弃电惩罚（yibuxil_DL）
• 最后两项是抽蓄和电池的运行维护成本

提示：在实际建模时，惩罚系数需要根据当地电价水平调整。通常建议缺电惩罚设为实时电价的3-5倍，弃电惩罚设为0.3-0.5倍。

2.2 关键约束条件

2.2.1 储能系统动态方程

抽水蓄能水库能量状态：

matlab复制E(in+1) = E(in) + t*(eta_p*P_p(1,in) - P_h(1,in)/eta_h);

电池SOC状态：

matlab复制SOC(in+1) = SOC(in)*(1-xgma) + t*(eta_c*P_c(1,in)/Emax)...
           - t*P_d(1,in)/Emax/eta_d;

其中效率参数设置：

• 抽水效率eta_p=0.87，发电效率eta_h=0.85
• 电池充放电效率eta_c=eta_d=0.9
• 电池自放电率xgma=0.25/30/24（对应月自放电25%）

2.2.2 运行边界约束

抽蓄功率限制：

matlab复制P_pmin <= P_p <= min(P_pmax, (E_max-E(in))/t/eta_p)
P_hmin <= P_h <= min(P_hmax, E(in)*eta_h/t)

电池功率限制：

matlab复制P_cmin <= P_c <= min(P_cmax, Emax*(SOCmax-SOC(in)*(1-xgma))/t/eta_c)
P_dmin <= P_d <= min(P_dmax, (SOC(in)*(1-xgma)-SOCmin)*eta_d*Emax/t)

3. 调度策略优化实践

3.1 时间尺度协同

通过24小时仿真调度（n=24），系统呈现典型的多时间尺度响应特征：

3.2 经济性优化

在电价机制设计上，采用分时电价引导储能行为：

matlab复制function [C, C_p, C_c] = price(n)
    % 峰谷平时段划分
    peak = [8:11, 18:21]; 
    valley = [0:6, 23];
    
    C = ones(1,n)*0.4; % 基础电价
    C(peak) = 0.8;     % 峰时电价
    C(valley) = 0.2;    % 谷时电价
    
    C_p = C*0.7;       % 抽水电价为上网电价70%
    C_c = ones(1,n)*0.3; % 电池运行成本固定
end

4. 典型问题与解决方案

4.1 优化收敛问题

当模型规模较大时（如n>48小时），可能遇到求解困难。可通过以下方法改进：

1. 松弛整数约束：将binvar改为sdpvar并添加0<=I_q<=1约束
2. 分步优化：先优化抽蓄调度，再固定抽蓄结果优化电池
3. 采用启发式算法初始化：如用遗传算法生成初始解

4.2 实际运行偏差

实测中发现SOC预测误差会导致优化结果偏离，建议：

1. 增加滚动优化机制，每小时更新一次SOC实测值
2. 设置SOC安全裕度（如将SOCmax从0.8降至0.75）
3. 添加鲁棒约束：

matlab复制F = [F, SOC(in+1) >= SOCmin + 0.05]; % 保留5%缓冲

5. 扩展应用与创新

5.1 废弃矿井改造要点

UPSH实施时需要特别关注：

• 巷道密封性检测（渗透率<10^-6 m/s）
• 水泵选型（需适应高扬程小流量工况）
• 水轮机防腐蚀处理（pH值控制在6.5-8.5）

5.2 混合储能容量配置

通过参数扫描可确定最优配比：

matlab复制E_max_range = 200:50:400; % 抽蓄容量扫描
Emax_range = 50:25:150;   % 电池容量扫描
profit = zeros(length(E_max_range), length(Emax_range));

for i = 1:length(E_max_range)
    for j = 1:length(Emax_range)
        E_max_0 = E_max_range(i);
        Emax_0 = Emax_range(j);
        % 运行优化模型
        profit(i,j) = -z; 
    end
end

典型结果显示，当抽蓄与电池容量比在3:1到5:1之间时，系统经济性最优。

6. 实际工程考量

在张北风光储输示范工程中，我们验证了以下经验：

1. 电池储能更适合安装在光伏电站侧（应对快速波动）
2. 抽蓄电站应靠近负荷中心（减少输电损耗）
3. 控制系统中需要设置10-15%的备用容量应对预测误差

对于UPSH项目，河北滦平案例表明：

• 建设周期可比常规抽蓄缩短40%
• 但运维成本高出20-30%（主要来自井下设备维护）
• 需要配套建设水质监测系统

这套Matlab代码框架经过多个实际项目验证，使用者可根据当地资源条件和电网要求调整参数。特别是在惩罚系数设置上，建议先进行敏感性分析，找到经济性与可靠性的最佳平衡点。