[论文解读] Limits on the Benefits of Energy Storage for Renewable Integration

Han-I Su, Abbas El Gamal|arXiv (Cornell University)|Sep 18, 2011

Microgrid Control and Optimization参考文献 16被引用 12

一句话总结

本文将单母线电力系统中的储能运行建模为无限时域随机规划问题，以最小化平均常规发电量或负荷削减概率。研究推导出最优控制策略，表明即使在净负荷不确定的情况下，仅使用适度容量的储能，通过利用可再生能源过剩电量进行贪婪充电、在负荷不足时放电，即可实现接近最优的性能，且在独立同分布（i.i.d.）和拉普拉斯分布的预测误差下依然有效。

ABSTRACT

The high variability of renewable energy resources presents significant challenges to the operation of the electric power grid. Conventional generators can be used to mitigate this variability but are costly to operate and produce carbon emissions. Energy storage provides a more environmentally friendly alternative, but is costly to deploy in large amounts. This paper studies the limits on the benefits of energy storage to renewable energy: How effective is storage at mitigating the adverse effects of renewable energy variability? How much storage is needed? What are the optimal control policies for operating storage? To provide answers to these questions, we first formulate the power flow in a single-bus power system with storage as an infinite horizon stochastic program. We find the optimal policies for arbitrary net renewable generation process when the cost function is the average conventional generation (environmental cost) and when it is the average loss of load probability (reliability cost). We obtain more refined results by considering the multi-timescale operation of the power system. We view the power flow in each timescale as the superposition of a predicted (deterministic) component and an prediction error (residual) component and formulate the residual power flow problem as an infinite horizon dynamic program. Assuming that the net generation prediction error is an IID process, we quantify the asymptotic benefits of storage. With the additional assumption of Laplace distributed prediction error, we obtain closed form expressions for the stationary distribution of storage and conventional generation. Finally, we propose a two-threshold policy that trades off conventional generation saving with loss of load probability. We illustrate our results and corroborate the IID and Laplace assumptions numerically using datasets from CAISO and NREL.

研究动机与目标

• 确定储能技术在缓解可再生能源波动性和降低对常规发电依赖方面的极限。
• 识别最小化平均常规发电量或负荷削减概率的储能最优控制策略。
• 量化在现实不确定性模型下实现显著效益所需的储能容量。
• 利用来自CAISO和NREL的真实数据，评估储能系统在多时间尺度电力系统运行中的性能。

提出的方法

• 将含储能的单母线系统中的潮流问题建模为无限时域平均成本随机规划问题。
• 将净可再生能源出力建模为确定性预测与随机预测误差的叠加。
• 假设预测误差为i.i.d.，并在拉普拉斯分布假设下，推导出储能和常规发电的闭式平稳分布。
• 提出一种双阈值控制策略，以在常规发电量节约与负荷削减风险之间实现最优权衡。
• 在每个时间尺度上使用动态规划求解剩余潮流问题。
• 利用来自CAISO和NREL的真实负荷与风电出力数据对结果进行数值验证。

实验结果

研究问题

• RQ1 储能对缓解可再生能源波动性、减少对常规发电依赖的效率如何？
• RQ2 最小化平均常规发电量或负荷削减概率的储能最优控制策略是什么？
• RQ3 在可再生能源出力不确定的情况下，实现储能大部分效益所需的储能容量是多少？
• RQ4 当预测误差为i.i.d.且服从拉普拉斯分布时，储能的渐近性能极限是什么？
• RQ5 多时间尺度动态特性如何影响储能控制策略的设计与性能？

主要发现

• 最小化平均常规发电量的最优策略是贪婪策略：储能仅在可再生能源过剩时充电，从不从常规发电充电。
• 在i.i.d.预测误差假设下，当误差服从拉普拉斯分布时，可推导出储能和常规发电的闭式平稳分布。
• 提出一种双阈值控制策略，可最优地权衡常规发电量节约与负荷削减概率。
• 基于CAISO和NREL数据的数值结果验证了i.i.i.d.和拉普拉斯分布假设，并确认在适度储能容量下即可实现大部分效益。
• 研究表明，即使储能容量有限，也能显著降低常规发电量和负荷削减概率，尤其在预测误差建模良好时更为明显。
• 最优策略避免从常规发电充电，因为这在效率不完美且成本结构线性的情况下是次优的。