[论文解读] Scalable Planning for Energy Storage in Energy and Reserve Markets

Bolun Xu, Yishen Wang+5 more|arXiv (Cornell University)|Oct 28, 2016

Microgrid Control and Optimization参考文献 37被引用 4

一句话总结

本文提出了一种可扩展的双层优化框架，用于在联合电能量与旋转备用市场中规划储能系统，采用原始分解和基于子梯度的割平面法，实现大规模规划的可处理性。该方法通过回报率约束确保投资盈利能力，在240节点WECC系统模型上，其解的质量和计算效率均优于精确方法。

ABSTRACT

Energy storage can facilitate the integration of renewable energy resources by providing arbitrage and ancillary services. Jointly optimizing energy and ancillary services in a centralized electricity market reduces the system's operating cost and enhances the profitability of energy storage systems. However, achieving these objectives requires that storage be located and sized properly. We use a bi-level formulation to optimize the location and size of energy storage systems which perform energy arbitrage and provide regulation services. Our model also ensures the profitability of investments in energy storage by enforcing a rate of return constraint. Computational tractability is achieved through the implementation of a primal decomposition and a subgradient-based cutting-plane method. We test the proposed approach on a 240-bus model of the Western Electricity Coordinating Council (WECC) system and analyze the effects of different storage technologies, rate of return requirements, and regulation market policies on ES participation on the optimal storage investment decisions. We also demonstrate that the proposed approach outperforms exact methods in terms of solution quality and computational performance.

研究动机与目标

• 开发一种可扩展的储能系统规划框架，联合优化电力市场中的电能量套利与调频服务。
• 通过强制实施最低投资回报率约束，确保储能项目的长期投资盈利能力。
• 通过将全年高分辨率最优潮流问题分解为可处理的子问题，解决完整问题的计算不可行性。
• 在真实电网系统（如240节点WECC系统）上实现大规模系统规划，同时保持解的准确性。

提出的方法

• 本文采用双层优化公式，同时确定储能系统的最优选址与容量。
• 采用原始分解方法，将主问题（储能投资）与子问题（短期经济调度与调频服务）分离。
• 应用基于子梯度的割平面法，迭代优化对偶边界并提升主问题的收敛性。
• 利用强对偶性与KKT条件计算对偶函数的子梯度，实现高效的基于梯度的优化。
• 通过从KKT最优性导出的充分条件，确保充电/放电互补约束的精确松弛，避免非凸性问题。
• 在包含可再生能源弃用、输电约束与市场电价的240节点WECC系统上验证了该方法。

实验结果

研究问题

• RQ1 如何最优地确定储能系统的选址与容量，以在联合电能量与备用市场中实现最大盈利能力？
• RQ2 不同储能技术、回报率要求以及调频市场政策对最优投资决策有何影响？
• RQ3 基于分解的方法能否在大规模电力系统规划中实现优于精确方法的计算性能与解的质量？
• RQ4 在何种条件下，储能系统中非凸的充电/放电互补约束可被精确松弛？
• RQ5 纳入调频服务如何影响整体系统成本与储能投资的吸引力？

主要发现

• 所提出的基于分解的方法在计算性能方面显著优于精确方法，实现了对如240节点WECC模型等大规模系统的可扩展规划。
• 纳入调频服务显著提升了储能投资的盈利能力，尤其在高调频市场参与度下更为明显。
• 回报率约束有效确保了投资可行性，且最优储能选址会随不同回报率要求而发生变化。
• 所有测试案例中均满足充电/放电互补约束精确松弛的充分条件，验证了该方法的理论基础。
• 敏感性分析表明，调频市场政策与可再生能源渗透率对最优储能容量与选址决策具有显著影响。
• 该方法保持了高解的质量，所有测试场景下的系统成本节约均在相对容差ε=0.01范围内。