風光蓄互補發電系統電源容量優化配置

歐嘉文 許又丹 吳薛偉 王茜茹

(中國農業大學,北京 100083)

風光蓄互補發電系統電源容量優化配置

歐嘉文 許又丹 吳薛偉 王茜茹

(中國農業大學,北京 100083)

風力、光伏發電隨時間、空間的變化趨勢具有良好的互補性,故可建立風光互補發電系統改善二者的隨機性、波動性與間歇性等不利特性。為彌補風光輸出的上述不利特性,可在風光互補發電系統中配置儲能裝置,組成風/光/蓄微電網,進行經濟、穩定地供電。[4]

在對風/光/蓄微電網進行經濟評估時充分考慮各分布式電源的全生命周期成本的優化配置研究還較為少見。本文采用遺傳算法,考慮在滿足供電可靠性條件下,全生命周期成本最小為其中優化子目標,取各電源裝機數量、蓄電池充放電次數等作為約束條件,提出一種改進容量優化配置模型。最后以某一實地為例,對方案進行仿真和計算,驗證所提出的優化方法。

風光蓄互補發電 微電網 全生命周期

1 風/光/蓄微電網各部分數學模型

1.1 風/光/蓄微電網的基本結構

風光互補發電系統結構中分布式電源為風力發電機和光伏陣列,蓄電池作為儲能元件。當風力發電機、光伏陣列提供的電能大于負載所需,則給蓄電池充電儲存能量;當風力發電機、光伏陣列不能滿足負載時,蓄電池放電為負載供電。

1.2 風力發電機模型

風力發電是利用風力機將風能轉化為機械能,然后通過風力發電機轉換為電能。大量實驗表明,風機的輸出功率與實際風速及風力發電機的輸出特性有關。因此,風力發電機的數學模型為

1.3 光伏發電模型

光伏發電是利用光伏陣列將光能轉化為電能。光伏陣列的輸出功率與光照度、溫度等自然條件有關。光伏陣列的功率輸出為

式中, fPV為光伏系統的功率降額因數,表示光伏系統實際輸出功率與額定條件下輸出功率的比值; YPV為光伏陣列容量(kW); IT為地表水平面實測光照度; IS為標準測試條件下的光照度; ∝P為功率溫度系數; Tcell為當前光伏電池的表面溫度(℃); Tcell, STC為標準測試條件下的光伏電池溫度。

1.4 蓄電池充放電模型

當風力和光伏出力不足時,蓄電池放電,系統的功率關系為

當風力和光伏出力充足時,系統多余的功率蓄電池充電,系統的功率關系為

2 風光互補發電系統的容量優化配置模型

2.1 優化配置目標函數

本文綜合建立了全生命周期成本、負荷缺電率(loss of power supply probability,LPSP)、風光互補特性和能源浪費率4個指標最小為優化子目標的多目標規劃模型。目標函數表達式為

式中： FCOST為風光互補發電系統年投資運行費用; fLPSP為負荷缺電率; fWASTE為能源浪費率; DL為風光互補特性。

2.2 優化配置的子目標

2.2.1 全生命周期成本

借鑒微電源經濟性計算HOMER軟件[1],本文基于全生命周期的風光互補發電系統投資運行費用為分別為微電源種類、個數和第 i類微電源的最大個數; eij為0-1變量,決定第 i類第 j個微電源安裝與否;

剩余價值的計算公式如下：

式中, TE為原件運行年限; TG為風光互補發電系統運行年限。

2.2.2 負荷缺電率

負荷缺電率 fLPSP定義為

式中, N為選取的采樣區間的點數。 fLPSP越小,供電可靠性越高。

2.2.3 風光互補特性

本文利用風電、光伏的輸出功率和相對于負荷功率的波動率 DL來表征風光互補特性。

2.2.4 能源浪費率

能源浪費率 fWASTE定義為

式中, N為選取的采樣區間的點數。

2.3 多目標權重標準化

本文利用判斷矩陣法將多目標函數轉化為單目標函數

判斷矩陣法的核心是根據各目標之間的等級關系確定判斷矩陣,形成準則如表1所示。

針對風光畜的容量優化問題,可將兩個目標根據重要性分等級：負荷缺電率之間反映供電可靠性,作為第1等級目標;全生命周期成本作為反映當前方案經濟性的重要考核指標,將其作為第2等級目標;風光互補特性反映了風電、光伏的輸出功率曲線與負荷曲線的接近程度,將其作為第3等級目標;能源浪費率作為第4等級目標。結合上述分析,取判斷數形成判斷矩陣

2.4 優化配置約束條件

2.4.1 供電可靠性

負荷供電的可靠性水平用負荷缺電率來衡量,要求負荷缺電率小于制定的標準值

經過矩陣處理后,得到目標權重矢量

式中,Lλ為負荷允許的最大缺電率。

2.4.2 風力發電機的相關約束

由于地理環境等限制,使得具備建立風光互補供電系統的建設面積會受到一定限制,因此風機數量應小于最大裝機容量。

2.4.3 蓄電池充放電約束

本文對鉛酸蓄電池建模,采用動態充放電模型,考慮鉛酸蓄電池的壽命因素,對系統運行過程中蓄電池的充放電作了限制

表1 判斷矩陣形成準則

表2 最小成本下系統優化配置結果

2.4.4 蓄電池的充放電次數約束

鉛酸蓄電池的充放電次數和放電深度對其壽命影響很大,因此需要對其放電次數和放電深度進行限制為充放電功率,其中

式中, SOC為蓄電池的荷電狀態,其中為給定值;為循環充放電次數,其中為給定值。

3 基于遺傳算法的容量優化配置求解方法

遺傳算法是模擬達爾文生物進化論的自然選擇和遺傳學機理的生物進化過程的計算模型,是一種通過模擬自然進化過程搜索最優解的方法。本文利用遺傳算法,通過變異、交叉、迭代來尋找最優解。

3.1 染色體編碼策略

本文首先根據風機與光伏等相關約束,選取風機與光伏數量范圍,在該范圍下計算蓄電池數量并設置初始種群的性質。對于該范圍下的風機光伏數量,計算出有N種組合方式,將其作為種群數量。每個個體的染色體上有三個基因,分別為風機數量、光伏數量和蓄電池數量。

3.2 優化配置流程

(1)輸入待優化配置的地區的風力、光伏、溫度、地區面積和負荷等數據。

(2)獲得初始風力發電機、光伏陣列數據范圍。

(3)編碼。

(4)產生初始化種群,設置迭代次數。

(5)進行蓄電池數量計算。

(6)計算適應度函數,對違反約束條件的個體,在適應度函數后添加罰函數。

4 算例分析

4.1 算例

應用本文所提的算法模型,對表1及圖1所示的實際數據進行互補發電系統的優化配置。表1給出的數據為某地區一年中4天(96小時)的負載、風力、光照、溫度等數據。該系統內部峰荷為37.19kW,平均負荷為17.46kW,且一年中電荷負載的起伏比較大。

下面結合說明本程序的計算原理：

由于本文的規劃模型適用于偏遠地區,土地資源豐富,不用考慮占地面積的約束,系統的規劃主要受微電網所在地區的可再生能源資源的限制,因此本文對以下三種情形進行計算：(1)微電網的備選能源僅考慮風機和蓄電池,此種情形適用于風力資源豐富而光能資源相對缺乏的地區;(2)微電網的備選電源僅考慮光伏陣列和蓄電池,此種情形適用于光能資源豐富而風力資源相對缺乏的地區;(3)微電網的備選能源全部考慮分機、光伏陣列和蓄電池,此種情形適用于風、光資源都十分豐富的地區應用。

在以上三種情形下,應用本程序,表2給出了最小投資成本目標下,采用遺傳算法求解得到的三種情形的微電網優化配置結果。

4.2 算例分析

(1)表3中可以看出,在風力資源和光能資源都充足的條件下,能以最少的成本實現系統的優化配置,所以,該系統用在風光資源充足的地區最合適。

(2)當風、光資源只有一種時,充足的光照比充足的風能更加節省系統投資。

(3)本文的成本只考慮風機、光伏電池、蓄電池的購買成本(價格),并未考慮其安裝、運輸等費用,實際應用時應結合當地的實際情況進行考慮。

5 結語

本文提出一種基于遺傳算法的風光蓄互補發電系統優化配置方案。從節約投資成本的角度出發,綜合考慮了風機、光伏電池、蓄電池的設備花費、供電可靠性、缺電率等因素,建立了多目標優化,計及儲能電源充放電、微電網系統全年離網孤島運行充裕性為約束條件,通過遺傳算法快速、有效地找出最佳配置組合的微電網系統電源配置方案。通過對某處實際數據進行算例分析,得出了如下結論：

(1)本系統在風力、光能資源豐富的地區能充分利用資源、發揮最大效果、實現投資成本的最小化。

(2)從節約投資成本的角度來看,光照資源豐富的地區比風力資源豐富的地區更加適合發展微電網。

(3)微電網能夠利用當地的自然能源進行發電,并結合蓄電池的充放電功能實現獨立系統的穩定供電。這種充分利用自然資源、節能環保、安全穩定的供電系統應該大力推廣發展。

[1]國家電網公司．《風光儲輸示范工程關鍵技術研究》國家科技支撐計劃可行性論證報告[R].北京：國家電網公司,2010．

[2]張麗英,葉廷路,辛耀中,等.大規模風電接入電網的相關問題及措施[J]．中國電機工程學報,2010,30(25)：1-9．

[3]王一波,許洪華.基于機會約束規劃的并網光伏電站極限容量研究[J].中國電機工程學報,2010,30(22)：22-28．

[4]王皓懷,湯涌,侯俊賢,鄒江峰,梁雙,蘇峰.風光儲聯合發電系統的組合建模與等值[J].中國電機工程學報,2011,34：1-9+11.

[5]何勇琪,張建成,鮑雪娜.并網型風光儲混合發電系統中儲能系統容量優化研究[J].華北電力大學學報(自然科學版),2012,04：1-5.

[6]李登峰,謝開貴,胡博,陳濤,萬凌云.基于凈效益最大化的微電網電源優化配置[J].電力系統保護與控制,2013,20.

[7]周康.風光(柴)儲聯合發電系統容量配置方法研究[D].電子科技大學,2012.

[8]朱蘭,嚴正,楊秀,符楊,陳潔.風光儲微網系統蓄電池容量優化配置方法研究[J].電網技術,2012,12：26-31.