- 頭條中科院電工所專家提出一種新的自適應儲能需求功率預測模型2022-05-12 作者：何俊強、師長立、韋統振 | 來源：《電工技術學報》 | 點擊率：導語中國科學院電工研究所、中國科學院大學電子電氣與通信工程學院、太原科技大學電子信息工程學院的研究人員何俊強、師長立、韋統振，在2021年《電工技術學報》增刊2上撰文，針對儲能輔助火電機組二次調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儲能需求功率預測模型。研究結果表明，相比無自適應調整的馬爾科夫模型，所提自適應預測模型的預測精度提高了8.28%；采用該文所提場景樹方法的預測精度相對于固定場景樹結構方法提高了6.67%，較極大似然估計法提高了4.65%。
電力系統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的頻率波動，自動發電控制（Automatic Generation Control, AGC）指令調節更加快速、劇烈。傳統調頻火電機組調頻能力有限，難以滿足系統調頻需求。
近幾年，火電—儲能聯合調頻項目增長迅速，儲能系統（Energy Storage System, ESS）具有功率響應速度快且精確的特點，參與電力調頻能夠有效提高系統的頻率響應能力。然而，由于儲能成本高，考慮到項目經濟性，一般儲能容量配置有限難以完全滿足系統調頻需求。同時，儲能系統頻繁不規則的充/放電會對使用壽命造成嚴重影響，因此，能量管理策略的優劣對調頻性能以及儲能系統的壽命至關重要。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性和關鍵性問題。
目前，國內外學者針對儲能參與AGC調頻領域的儲能需求功率建模及控制策略已開展了相關研究。但是，目前儲能參與AGC調頻領域的研究主要集中于儲能提高AGC性能的控制策略，或針對系統調度，建立各種儲能需求功率的小時級或日前預測模型。考慮儲能需求功率的隨機性，應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特點的基礎上，提出一種基于馬爾科夫鏈（Markov chain）的自適應儲能需求功率預測模型。該儲能需求功率預測模型適用于鋰電池、鉛酸電池等能量型儲能設備參與電力系統二次調頻，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頻場景。
圖1 儲能需求功率預測模型建模流程
圖2 自適應馬爾科夫預測模型算法流程
他們首先針對火電機組響應AGC指令時功率隨機變化且難以實時監測的問題，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調整Markov轉移概率矩陣以提高預測精度。然后，針對隨機場景繁多的問題，提出一種可變預測時域的場景樹生成方法。該方法能夠在樹節點規模一定的前提下更有效地選擇預測場景。最后，通過算例分析了所提自適應預測模型的準確性。結果表明，所提模型能夠為優化能量管理策略提供更有效、可靠的功率預測信息。
表1 不同場景選擇方法預測準確度對比
研究人員表示，通過本課題的工作可以得出以下結論：
1）采用馬爾科夫鏈來預測儲能的需求功率，并利用后驗需求功率信息實時自適應調整預測模型。采用本課題算例，當自適應時間DT =3h時，自適應Markov矩陣的方均根誤差為0.7139MW。相比未調整的馬爾科夫鏈預測模型，預測精度提升8.28%。算例結果表明所提自適應馬爾科夫鏈模型的預測精度更高。
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測時域提高預測精度。同時，本課題將MLE方法和加權隨機采樣法相結合，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測精度。算例結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構的方法提高了6.67%，較極大似然估計法提高了4.65%。
本文編自2021年《電工技術學報》增刊2，論文標題為“基于馬爾科夫鏈的自適應儲能需求功率預測模型”，作者何俊強、師長立 等。
