蒙西地區(qū)近年來可再生能源裝機容量占比逐年提高，亟須配置大規(guī)模儲能降低其間歇性、波動性給電力系統(tǒng)帶來的影響。為實現(xiàn)蒙西地區(qū)儲能的最優(yōu)化配置，設(shè)計提出蒙西地區(qū)儲能技術(shù)經(jīng)濟(jì)性優(yōu)化配置模型。首先，兼顧技術(shù)性和經(jīng)濟(jì)性對蒙西地區(qū)儲能的選址、選型開展研究。其次，以平抑風(fēng)光出力波動性最大化和包含外部價值在內(nèi)的儲能項目收益最大化為目標(biāo)，構(gòu)建儲能技術(shù)經(jīng)濟(jì)性優(yōu)化配置模型，并采用NSGA-II算法對該模型進(jìn)行求解。對蒙西某風(fēng)光聚集地區(qū)的實證研究表明：當(dāng)風(fēng)光出力波動抑制率控制在30%以內(nèi)，且光伏占風(fēng)機的裝機比例較低時，配置一定規(guī)模的儲能可在技術(shù)、經(jīng)濟(jì)2個方面收到顯著成效。最后，基于選址選型和實證分析結(jié)果，給出蒙西地區(qū)的儲能配置方案。

    （來源：微信公眾號“中國電力”作者：竇東,王雁宇,李欣,楊文生,周文奇,李海清,張士營）

    引言

    在“30·60”雙碳目標(biāo)以及構(gòu)建新型電力系統(tǒng)的背景下，以風(fēng)光為代表的可再生能源在未來將得到大力發(fā)展。蒙西地區(qū)作為中國重要的風(fēng)光基地，提出計劃到“十四五”期間2025年新能源裝機容量占比將超過50%，成為全區(qū)電力的主體能源[1]。與此同時，降低新能源出力波動性、保障新能源高效消納和提升電力系統(tǒng)的靈活性和安全穩(wěn)定性等問題亟待解決。靈活的充放電特性使得儲能成為改善上述問題的重要調(diào)節(jié)性資源。研究在滿足電網(wǎng)技術(shù)需求的同時實現(xiàn)儲能的高效、經(jīng)濟(jì)性配置，具有重要意義。

    目前，國內(nèi)外學(xué)者就儲能在不同應(yīng)用場景下的規(guī)劃配置、運營管理以及技術(shù)經(jīng)濟(jì)分析等方面開展了廣泛的研究。新能源發(fā)電側(cè)，文獻(xiàn)[2-6]在考慮風(fēng)電、光伏出力隨機波動性以及電力供需靈活性等因素影響下，提出兼顧經(jīng)濟(jì)性和靈活性的多類型儲能優(yōu)化配置方法，以降低新能源出力波動性并提高其利用效率。文獻(xiàn)[7-8]將儲能和需求響應(yīng)技術(shù)納入新能源發(fā)電優(yōu)化調(diào)度中，提出由儲能、發(fā)電側(cè)以及需求響應(yīng)側(cè)構(gòu)成的聯(lián)合優(yōu)化模型，以促進(jìn)新能源的出力消納及其經(jīng)濟(jì)性運行。在電網(wǎng)側(cè)，文獻(xiàn)[9-13]基于電網(wǎng)側(cè)儲能技術(shù)的需求場景、投資價值，提出電網(wǎng)側(cè)儲能的商業(yè)運營模式以及選址定容規(guī)劃模型，用以滿足電網(wǎng)側(cè)在不同應(yīng)用場景下對大規(guī)模儲能技術(shù)進(jìn)行經(jīng)濟(jì)高效運營的需求。在用戶側(cè)，文獻(xiàn)[14-17]通過構(gòu)建峰谷電價、實時電價與用戶側(cè)儲能的成本動態(tài)聯(lián)動模型，提出用戶側(cè)儲能的經(jīng)濟(jì)性優(yōu)化控制策略，以解決用戶側(cè)儲能的容量優(yōu)化配置問題并推進(jìn)其商業(yè)模式的發(fā)展。在儲能的投資分析方面，文獻(xiàn)[18-23]采用全壽命周期成本等方法，考慮商業(yè)運營模式、投資成本和經(jīng)濟(jì)效益，對多類型儲能技術(shù)在不同應(yīng)用場景下的投資經(jīng)濟(jì)性、系統(tǒng)價值進(jìn)行了評估測算。

    上述儲能規(guī)劃配置方法在新能源側(cè)多為技術(shù)性優(yōu)化、缺乏經(jīng)濟(jì)性優(yōu)化在電網(wǎng)側(cè)多為電網(wǎng)側(cè)的單方面儲能價值測算；用戶側(cè)商業(yè)模式較為單一、應(yīng)用場景局限，投資分析方面缺乏包含外部價值的綜合價值測算，此外，現(xiàn)有儲能的規(guī)劃配置方案多數(shù)為通用性的優(yōu)化方案，缺少有針對性的具有地區(qū)特色的儲能經(jīng)濟(jì)性配置方案。

    綜上，本文提出針對蒙西地區(qū)的儲能技術(shù)經(jīng)濟(jì)性優(yōu)化配置模型，以降低風(fēng)-光出力波動性和最大化儲能系統(tǒng)的綜合經(jīng)濟(jì)價值為目標(biāo)，為蒙西地區(qū)的儲能的選型、選址和容量配置提供規(guī)劃建議。首先，基于蒙西地區(qū)的實際情況以及不同類型儲能應(yīng)用場景，提出針對蒙西地區(qū)的儲能選型選址方案。其次，以最小化風(fēng)光出力波動性和最大化儲能的綜合價值（內(nèi)部價值和外部價值）為目標(biāo)，構(gòu)建儲能技術(shù)經(jīng)濟(jì)性優(yōu)化配置模型，并針對該模型提出基于NSGA-II的求解算法。然后，以蒙西地區(qū)某風(fēng)光接入點為例，計算滿足多目標(biāo)條件下的儲能配置方案，以不同的風(fēng)光占比和儲能的電池成本為影響因素，對該模型進(jìn)行了靈敏度分析。最后，基于上述算例分析，提出了針對蒙西地區(qū)的儲能經(jīng)濟(jì)性配置決策指導(dǎo)方案。

    1蒙西地區(qū)儲能選址選型研究

    1.1選址研究

    對儲能的配置位置進(jìn)行合理規(guī)劃是降低儲能系統(tǒng)投資、提高運行效益以及提升整個系統(tǒng)運行穩(wěn)定性和資源利用效率的重要手段。文獻(xiàn)[24]提出了針對新能源側(cè)儲能選址優(yōu)化的通用性結(jié)論：在電力系統(tǒng)中的重要傳輸節(jié)點和可再生能源的發(fā)電接入點配置儲能可以在兼顧經(jīng)濟(jì)性和系統(tǒng)穩(wěn)定性的因素下達(dá)到儲能選址配置的最優(yōu)。因此，本文采用上述結(jié)論進(jìn)行蒙西地區(qū)儲能選址分析。以《內(nèi)蒙古電網(wǎng)2021年度運行方式》提供的相關(guān)資料為參考依據(jù)，蒙西地區(qū)的風(fēng)電、光伏資源主要集中在烏蘭察布、包頭、巴彥淖爾以及錫林浩特地區(qū)，分別占蒙西地區(qū)新能源裝機容量的23.32%、21.63%、17.86%和15.62%。這些地區(qū)的重要傳輸結(jié)點以察右中、百靈、巴中、塔拉等500kV變電站為主。在兼顧系統(tǒng)穩(wěn)定性及經(jīng)濟(jì)性因素下，重點在上述4個地區(qū)的新能源接入點和重要傳輸節(jié)點進(jìn)行儲能配置，具體選址如表1所示。其中，新能源接入點主要為220kV變電站，重要傳輸節(jié)點為500kV變電站，部分重要傳輸節(jié)點亦是新能源接入點，不再重復(fù)列出。

    表1蒙西地區(qū)儲能配置選址

    Table1SiteselectionforenergystorageconfigurationinwesternInnerMongolia

    1.2蒙西地區(qū)儲能選型研究

    文獻(xiàn)[24]從技術(shù)、經(jīng)濟(jì)、效率、環(huán)境4個維度建立了適應(yīng)各種場景的儲能選型指標(biāo)體系，通過貝葉斯最優(yōu)最劣法確定了不同場景下的指標(biāo)權(quán)重，并通過模糊前景理論對儲能在各種場景下的選型進(jìn)行了綜合評價，進(jìn)而得出了儲能在各類應(yīng)用場景的排序，如表2所示。該選型排序研究并未涉及與地區(qū)相關(guān)的因素，具有一定的通用性，因此本文采用該選型排序結(jié)論確定蒙西地區(qū)儲能類型。

    表2各類應(yīng)用場景下儲能選型排序

    Table2Typeselectionandsortingforenergystorageinvariousapplicationscenarios

    本文主要針對儲能降低新能源出力波動性的應(yīng)用場景進(jìn)行分析，該應(yīng)用場景屬于輔助服務(wù)的應(yīng)用場景范疇，由表2可知，在蒙西地區(qū)配置儲能以實現(xiàn)平抑新能源出力波動性的最優(yōu)儲能選擇為鋰離子儲能。本文后續(xù)研究中，若無特殊指出，涉及的儲能均為鋰離子電池儲能。

    2儲能技術(shù)經(jīng)濟(jì)性優(yōu)化配置模型

    本文以儲能降低風(fēng)光出力波動性為技術(shù)目標(biāo)，以提升儲能系統(tǒng)的綜合利潤（投資凈現(xiàn)值）為經(jīng)濟(jì)目標(biāo)，考慮儲能系統(tǒng)的各類約束，實現(xiàn)對儲能系統(tǒng)的容量、功率的最優(yōu)化配置。

    2.1目標(biāo)函數(shù)

    2.1.1技術(shù)目標(biāo)

    本文設(shè)定蒙西地區(qū)配置儲能的主要技術(shù)目標(biāo)為降低可再生能源的出力波動性。采用文獻(xiàn)[25]對于風(fēng)電出力波動性的統(tǒng)計定義，使用風(fēng)-光-儲聯(lián)合出力的標(biāo)準(zhǔn)差表示可再生能源聯(lián)合儲能的出力波動性。其中，風(fēng)-光聯(lián)合出力標(biāo)準(zhǔn)差σPG和風(fēng)-光-儲聯(lián)合出力標(biāo)準(zhǔn)差σPGS分別為

    2.1.2經(jīng)濟(jì)性目標(biāo)

    在滿足儲能配置的技術(shù)指標(biāo)的同時，需要考慮儲能配置的經(jīng)濟(jì)性指標(biāo)，使儲能的配置達(dá)到成本最低、運行收益最大化的效果。儲能的技經(jīng)性指標(biāo)主要包括儲能的成本和包含外部價值的總收益。

    （2）儲能收益。儲能的收益測算主要包括自身價值測算和外部價值測算。其收益構(gòu)成如圖1所示。

    圖1儲能的收益構(gòu)成

    Fig.1Revenuestructureofenergystorage

    儲能的自身價值收益分為運行效益、輔助服務(wù)效益以及期末回收殘值。儲能的運行效益主要指儲能系統(tǒng)利用電價差進(jìn)行低儲高發(fā)所獲取的收益，即

    2.3求解算法

    儲能技術(shù)經(jīng)濟(jì)性優(yōu)化模型為多目標(biāo)優(yōu)化問題，基于加權(quán)法和目標(biāo)規(guī)劃算法的傳統(tǒng)數(shù)學(xué)優(yōu)化方法帶有一定的主觀性，無法有效求得多目標(biāo)算法的帕累托最優(yōu)解集合。NSGA-Ⅱ是目前求解大規(guī)模多目標(biāo)優(yōu)化模型的有效算法，具有計算速度快、求解精度高、解集收斂性好、可求得帕累托最優(yōu)解集等特點[27]?；诖?，本文采用NSGA-Ⅱ算法對儲能技術(shù)經(jīng)濟(jì)性優(yōu)化模型進(jìn)行求解，算法流程圖如圖2所示。

    模型求解流程

    Fig.2Flowchartofmodelsolving

    3算例分析

    以蒙西某風(fēng)光資源豐富地區(qū)為例，基于儲能經(jīng)濟(jì)性優(yōu)化配置模型，計算分析針對該地區(qū)風(fēng)光出力特性的經(jīng)濟(jì)性儲能配置方案。

    3.1算例參數(shù)設(shè)置

    該地區(qū)的新能源由裝機容量為10MW的風(fēng)電站和2.5MW的光伏發(fā)電站構(gòu)成，能統(tǒng)一接入節(jié)點A。以季節(jié)變化為周期，該地區(qū)風(fēng)、光的典型日出力曲線如圖3所示。根據(jù)國家《國家發(fā)展改革委關(guān)于2021年新能源上網(wǎng)電價政策有關(guān)事項的通知》，蒙西地區(qū)風(fēng)電、光伏的上網(wǎng)電價為0.2785元/(kW·h)。

    風(fēng)電及光伏典型日出力曲線

    Fig.3TypicaldailyoutputcurvesofwindpowerandPV

    基于該地區(qū)的實際特點，擬在節(jié)點A處配置鋰離子儲能系統(tǒng)，主要為新能源發(fā)電端提供輔助服務(wù)，因此該儲能系統(tǒng)對于發(fā)電端的影響為內(nèi)部價值，對于電網(wǎng)、用戶及環(huán)境的影響為外部價值。該儲能系統(tǒng)壽命為10年，容量衰減系數(shù)定為常數(shù)1，期末回收殘值率為10%。儲能的成本及效益計算采用凈年值計算方式，貼現(xiàn)率為8%。根據(jù)《華北電力調(diào)峰輔助服務(wù)市場運營規(guī)則》，儲能系統(tǒng)提供輔助服務(wù)的成本為0.4元/(kW·h)。儲能系統(tǒng)的其他參數(shù)設(shè)置如表3所示。

    表3儲能系統(tǒng)參數(shù)設(shè)置

    Table3Parametersettingforenergystoragesystem

    在進(jìn)行儲能的收益計算時，儲能以平抑新能源發(fā)電的波動性為目的向其提供輔助服務(wù)，受到技術(shù)約束以及蒙西地區(qū)低峰谷電價差的限制，不考慮其自身通過電價差賺取收益。此外，儲能在發(fā)電端運用場景下，用戶側(cè)減少的停電損失難以衡量，為用戶減少的停電損失不再測算。因此，該儲能運用場景下，儲能的內(nèi)部價值測算包括提供輔助服務(wù)獲利、減少棄風(fēng)、棄光電量損失以及期末設(shè)備殘值回收，外部價值測算包括延緩電網(wǎng)投資收益以及環(huán)境收益。儲能系統(tǒng)主要接入35kV電壓等級的電網(wǎng)中，基于當(dāng)?shù)?5kV電壓等級的電網(wǎng)投資數(shù)據(jù)，運用文獻(xiàn)[28]的電網(wǎng)設(shè)備投資計算方法，可測算出該項收益約為1391.23元/kW。儲能系統(tǒng)的環(huán)境效益可以量化為減少常規(guī)燃煤機組發(fā)電過程產(chǎn)生的SO2、CO2等污染物的排放，根據(jù)文獻(xiàn)[28]，其值約為0.12元/(kW·h)。

    使用Matlab2016b對基于儲能技術(shù)經(jīng)濟(jì)性優(yōu)化模型的NSGA-II算法進(jìn)行編程運算，算法采用十進(jìn)制編碼方式。考慮算法解集的收斂時間，參考文獻(xiàn)[27]的算法參數(shù)設(shè)置，對參數(shù)進(jìn)行如下設(shè)置：種群規(guī)模為300，最大進(jìn)化代數(shù)為100，交叉概率為0.9，變異概率pm=1/n，其中ηc=1/n，ηm=1/n，其他參數(shù)使用默認(rèn)參數(shù)。

    3.2算例結(jié)果分析

    （1）技術(shù)性優(yōu)化結(jié)果分析。

    經(jīng)過優(yōu)化計算，可得到一系列不同風(fēng)-光波動抑制率下的儲能系統(tǒng)功率及容量配置的帕累托最優(yōu)解集。抑制10MW風(fēng)電與2.5MW光伏聯(lián)合出力波動性的儲能功率與容量配置方案如表4所示。

    表4不同風(fēng)光出力波動抑制率下儲能系統(tǒng)配置方案

    Table4Configurationschemeforenergystoragesystemunderdifferentσp

    隨著風(fēng)光出力波動抑制率要求的提高，儲能的功率、容量配置以及持續(xù)時長將快速增長。將風(fēng)光出力的標(biāo)準(zhǔn)差降低10%最少需要配置0.495MW/0.736MW·h的儲能，儲能占新能源裝機容量占比僅為6.13%，持續(xù)時間為1.34h；而將風(fēng)光出力的標(biāo)準(zhǔn)差降低40%，則至少需要配置1.929MW/5.724MW·h的儲能，儲能占新能源裝機容量占比將提升到47.7%，持續(xù)時間需要提升到2.67h。

    該地區(qū)風(fēng)-光聯(lián)合出力曲線可分為峰段（00:00—02:00、09:00—13:00、20:00—22:00）和谷段（03:00—05:00、15:00—19:00、23:00—24:00），為了滿足不同風(fēng)光波動抑制率要求，儲能系統(tǒng)在滿足經(jīng)濟(jì)運行最優(yōu)的情況下，多次進(jìn)行充放電操作。帕累托解集得出的不同風(fēng)光出力波動抑制率下風(fēng)-光、風(fēng)-光-儲以及儲能的出力計劃對比情況如圖4所示。

    不同σp下風(fēng)-光-儲聯(lián)合出力情況

    Fig.4Windpower-PV-storagejointoutputunderdifferentσp

    （2）經(jīng)濟(jì)性優(yōu)化結(jié)果分析。

    在不考慮儲能外部價值的情況下，該儲能項目投資經(jīng)濟(jì)性分析結(jié)果如表5所示。為了更加全面地反映經(jīng)濟(jì)性評價結(jié)果，表中加入投資回收期與內(nèi)部收益率的測算分析。隨著風(fēng)光出力波動抑制率的逐漸提高，儲能的凈現(xiàn)值、內(nèi)部收益率逐漸下降，投資回收期逐漸提高，投資經(jīng)濟(jì)性呈下降趨勢。當(dāng)σp大于30%時，儲能系統(tǒng)的投資將不具有經(jīng)濟(jì)性，在規(guī)定壽命周期內(nèi)無法回收成本。

    表5不考慮外部價值的投資經(jīng)濟(jì)性分析結(jié)果

    Table5Resultofinvestmenteconomyanalysiswithoutconsideringexternalvalue

    在考慮儲能的外部價值的情況下，該儲能項目投資經(jīng)濟(jì)性分析結(jié)果如表6所示。在考慮儲能的外部價值情況下，該儲能項目將具有良好的投資經(jīng)濟(jì)性。當(dāng)σp為10%時，該項目的內(nèi)部收益率高達(dá)60.73%，當(dāng)σp上升到40%時該項目仍具有18.19%的內(nèi)部收益率。

    表6考慮外部價值的投資經(jīng)濟(jì)性分析結(jié)果

    Table6Resultofinvestmenteconomyanalysisconsideringexternalvalue

    （3）帕累托曲線。

    投資成本是儲能規(guī)劃設(shè)計的一項重要經(jīng)濟(jì)性指標(biāo)，基于技術(shù)、經(jīng)濟(jì)性優(yōu)化結(jié)果可得到儲能系統(tǒng)投資成本與風(fēng)-光-儲聯(lián)合出力標(biāo)準(zhǔn)差之間的帕累托曲線，如圖5所示。隨著風(fēng)光出力波動抑制率的不斷提高，儲能的初始投資成本不斷提高，且提高速率逐漸增加。風(fēng)光出力波動抑制率從5%提升到35%，儲能的初始投資成本僅增加658.61萬，而從35%提升到60%，儲能的初始投資成本增加1213.02萬元，為滿足更高的風(fēng)光出力的技術(shù)性要求需要投入的儲能成本將顯著提升。

    圖5儲能投資成本與風(fēng)-光-儲聯(lián)合出力標(biāo)準(zhǔn)差帕累托曲線

    Fig.5Paretocurveofenergystorageinvestmentcostandstandarddeviationofwindpower-PV-storagejointoutput

    3.3敏感性分析

    不同風(fēng)光裝機比例以及儲能成本均會對儲能的優(yōu)化配置以及投資經(jīng)濟(jì)性產(chǎn)生影響。本文以風(fēng)光比例和儲能成本為影響因素，分別從儲能配置變化以及投資經(jīng)濟(jì)性兩個方面進(jìn)行靈敏度分析。

    （1）不同風(fēng)光裝機比例對儲能配置的影響。

    以10MW的風(fēng)電裝機為標(biāo)準(zhǔn)，光伏裝機容量占風(fēng)電裝機容量占比變化從0到1.5，風(fēng)光出力波動性抑制率從10%增長到40%情況下，儲能系統(tǒng)的配置情況如表7所示。

    表7不同風(fēng)光比例下儲能配置方案

    Table7EnergystorageconfigurationschemeunderdifferentratiosofPVinstalledcapacitytowindpowerinstalledcapacity

    為了更直觀地表示不同風(fēng)光裝機比例對于儲能配置的影響，基于表7繪制不同光伏風(fēng)電裝機容量比例下儲能配置需求圖，如圖6所示。

    不同風(fēng)光比例下儲能配置需求

    Fig.6EnergystorageconfigurationrequirementsunderdifferentratiosofPVinstalledcapacitytowindpowerinstalledcapacity

    由表7和圖6可知，在風(fēng)光出力波動抑制率一定的情況下，隨著光伏相對風(fēng)電裝機占比的提升，儲能容量和功率配置需求均呈現(xiàn)上升趨勢，且容量配置需求增長趨勢顯著快于功率配置需求。當(dāng)σp=10%，光/風(fēng)比例從0增長到1.5時，儲能的功率配置需求從0.28MW增長到1.56MW，漲幅為457.14%，而容量配置從0.31MW·h增長到5.48MW·h，漲幅高達(dá)1667.74%。在光/風(fēng)比例一定的情況下，隨著風(fēng)光出力波動抑制率的增加，儲能的容量配置需求增長趨勢同樣顯著快于功率配置需求。當(dāng)光/風(fēng)比例為0.75，σp從10%增長到40%時，功率需求從1.1MW增長到3.64MW，漲幅為230.90%，而容量配置從2.5MW·h增長到14.58MW·h，漲幅高達(dá)483.2%，且儲能容量占可再生能源總裝機容量的比重高達(dá)83.3%。因此，較高的光/風(fēng)比例以及出力波動抑制率要求下，儲能的經(jīng)濟(jì)性配置具有極高難度。當(dāng)光/風(fēng)比例和出力波動抑制率分別控制在35%和30%以內(nèi)時，儲能的配置較為經(jīng)濟(jì)合理。

    （2）儲能成本對投資經(jīng)濟(jì)性的影響。

    以風(fēng)光出力波動抑制率為40%的情況說明儲能成本變化對于經(jīng)濟(jì)性分析指標(biāo)及技術(shù)指標(biāo)的影響情況，具體結(jié)果如表8所示。其中，成本系數(shù)表示儲能現(xiàn)有成本與原有成本的比值。

    表8不同成本系數(shù)下儲能投資經(jīng)濟(jì)性分析

    Table8Economyanalysisofenergystorageinvestmentunderdifferentcostcoefficients

    可以看出，儲能的功率配置、容量配置和現(xiàn)金流入對于儲能的成本變化并不敏感，儲能成本的下降主要影響其初始投資成本，進(jìn)而影響凈現(xiàn)值、投資回收期以及內(nèi)部收益率等投資經(jīng)濟(jì)性指標(biāo)。成本系數(shù)為1時，該項目的內(nèi)部收益率僅為5%，低于設(shè)定的8%的貼現(xiàn)率，不具有經(jīng)濟(jì)性，當(dāng)儲能成本下降20%時，該項目的內(nèi)部收益率則增長到9%，初步具有投資經(jīng)性，而當(dāng)儲能成本下降50%時，該項目的內(nèi)部收益率高達(dá)20%，具有良好的投資經(jīng)濟(jì)性。因此，儲能成本下降是提升儲能大規(guī)模配置積極性的重要影響因素。

    3.4決策指導(dǎo)

    基于選型選址和案例分析結(jié)果，對蒙西地區(qū)進(jìn)行整體優(yōu)化，提出蒙西地區(qū)儲能配置的規(guī)劃方案。該儲能配置方案的技術(shù)目標(biāo)為將風(fēng)光出力波動率降低30%，經(jīng)濟(jì)目標(biāo)為實現(xiàn)儲能的利潤最大化。為了反映儲能成本變化對于儲能整體投資的影響，基于不同儲能成本設(shè)置2個儲能成本場景。情景1：儲能單位容量成本為1.4元/MW·h，單位功率成本為0.35元/MW；情景2：儲能單位容量成本為1元/MW·h，單位功率成本為0.35元/MW。其他參數(shù)設(shè)置與案例參數(shù)設(shè)置保持一致。不同成本場景下蒙西地區(qū)的儲能配置計劃如表9所示，儲能配置的地址選擇如圖7所示。

    表9不同成本場景下蒙西地區(qū)的儲能配置計劃

    Table9EnergystorageconfigurationplanforwesternInnerMongoliaindifferentcostscenarios

    圖7蒙西地區(qū)儲能選址簡圖

    Fig.7SimplifiedsiteselectionmapforenergystorageinwesternInnerMongolia

    根據(jù)《內(nèi)蒙古自治區(qū)關(guān)于加快推動新型儲能發(fā)展的實施意見》，配建儲能規(guī)模原則上不低于新能源項目裝機量的15%，本文儲能配置方案中，各地區(qū)的儲能配置容量均符合該政策要求。現(xiàn)有可再生能源裝機水平下，實現(xiàn)降低風(fēng)光出力波動性的技術(shù)要求，蒙西地區(qū)需要在情景1下投入96.95億元建設(shè)電化學(xué)儲能，而在情景2下投入71.71億元建設(shè)電化學(xué)儲能。以情景1為例，包頭地區(qū)儲能投資需求最高，達(dá)到31.05億元，錫林浩特地區(qū)的儲能投資需求最低，為15.43億元。

    4結(jié)論

    本文考慮儲能的綜合價值及其抑制風(fēng)光出力波動的技術(shù)作用，提出針對蒙西地區(qū)的儲能優(yōu)化配置模型及具體方案?；诿晌鞯貐^(qū)新能源實際分布及需求提出儲能選址、選型方案，以最大化風(fēng)光出力波動抑制率和儲能項目利潤為目標(biāo)，構(gòu)建蒙西地區(qū)儲能技術(shù)經(jīng)濟(jì)性優(yōu)化配置模型，并采用NSGA-II算法對該雙目標(biāo)優(yōu)化模型進(jìn)行求解。然后，基于蒙西某風(fēng)光地區(qū)開展儲能技術(shù)經(jīng)濟(jì)性優(yōu)化配置案例分析。最后，基于選址選型結(jié)果以及案例分析結(jié)果，針對蒙西地區(qū)4大風(fēng)光資源聚集區(qū)提出儲能配置方案，得出主要結(jié)論如下。

    （1）儲能的經(jīng)濟(jì)性配置需要合理的風(fēng)光出力波動抑制率范圍，現(xiàn)有條件下，當(dāng)風(fēng)光出力波動性抑制率小于30%時儲能項目具有投資可行性；（2）光伏相對風(fēng)電裝機的比例越大，儲能配置的經(jīng)濟(jì)性越差，當(dāng)該比例在35%以內(nèi)且風(fēng)光出力波動性抑制率小于30%時，儲能配置具有一定投資可行性；（3）儲能成本的降低不影響儲能配置的技術(shù)需求，但可以有效提高儲能項目的投資回報率。

    對于蒙西地區(qū)儲能技術(shù)經(jīng)濟(jì)性配置研究，可實現(xiàn)通過儲能的經(jīng)濟(jì)性優(yōu)化配置降低可再生能源出力波動性的目的，為地區(qū)的儲能的選型、選址、功率及容量的優(yōu)化配置提供決策指導(dǎo)，助力蒙西地區(qū)可再生能源的快速發(fā)展。