基于改進PSO的獨立風光系統混合儲能容量優化研究

張力月，張江濱

(西安理工大學 水利水電學院，西安　710048)

?

基于改進PSO的獨立風光系統混合儲能容量優化研究

張力月，張江濱

(西安理工大學 水利水電學院，西安710048)

為了提高獨立風光系統的供電可靠性，應為其配置儲能系統。但目前儲能裝置的成本高，故應合理地配置儲能系統容量。以計及儲能壽命的整個儲能系統工程使用年限內的總成本作為目標函數，以不同類型儲能各自補償頻段的分界頻率作為優化變量，以負荷缺電率(LPSP)、能量浪費率(SPSP)及儲能的荷電狀態等為約束條件，并采用改進粒子群算法求解該模型。最后，通過分析算例結果，驗證了該優化模型與算法的正確性和有效性。

獨立風光微電網；混合儲能；改進粒子群算法

隨著能源危機與環境污染日益嚴峻，開發利用風、光等可持續清潔能源成為研究熱點[1-3]。對于大電網沒有覆蓋到的偏遠地區，結合當地的自然資源，發展相應的新能源技術，解決當地電力需求是非常必要的。微電網技術應運而生且在國內外受到前所未有的關注。由于風電和光伏發電的輸出功率具有間歇性和隨機性等特點，同時負荷功率也存在一定的波動性，這是風光系統穩定運行的一個挑戰，可配置儲能系統來解決這一問題。

儲能系統作為風光微網的重要組成部分，在平抑可再生能源出力波動、提高供電可靠性、削峰填谷、跟蹤計劃出力等方面為微電網提供技術支撐。但單獨的儲能技術在滿足微電網多種要求時效果不理想。現階段，蓄電池&超級電容器混合儲能技術較為成熟，更適合同時進行平滑輸出和削峰填谷，還可以優化蓄電池的充放電過程，提高蓄電池壽命[4]。

文獻[5]提出了的儲能容量方法是以可再生能源輸出功率的頻譜分析為基礎，在目標功率波動的率約束下，確定儲能容量，但是并沒有對系統的經濟性進行計算；文獻[6]以光伏—混合儲能系統為研究對象，計及蓄電池&超級電容器的互補特性，并對蓄電池的壽命進行了評估，建立了混合儲能系統容量配置模型，但是沒有給出混合儲能裝置的具體補償范圍，過于籠統。文獻[7]以風電—混合儲能系統為研究對象，提出基于機會約束規劃的混合儲能配置模型，使系統輸出在某一置信水平處于給定的范圍內，實現了系統性能和經濟性之間的合理折中，但是在對混合儲能的功率分配時，未給出明確的計算方法，而且沒有進行經濟性評價。

在以上研究成果的基礎上，本文以獨立風光微網為研究對象，提出以不同類型儲能各自補償頻段的分界頻率作為優化變量，并基于雨流計數法對儲能壽命進行準確計算，最后對系統進行經濟性評價的模型。

1　風光發電系統結構與原理

基于蓄電池&超級電容器混合儲能的獨立風光微電網主要由風力發電機、光伏陣列、混合儲能系統、逆變器、負載等部分組成[8]，其結構簡圖如圖1所示。

圖1　基于混合儲能的獨立風光微網結構圖

在風光發電充足時，混合儲能系統充電，將多余的電能存儲起來，以提高風光利用率；在風光發電不足時，混合儲能系統釋放存儲的電能供給負荷，以保證系統平穩連續的供電，提高系統的供電可靠性。

2　混合儲能系統容量優化方法

為了實現配置混合儲能系統的目標，即跟蹤負荷曲線，本文以考慮儲能壽命和更換的成本為目標函數，以不同類型儲能各自補償頻段的分界頻率作為優化變量，綜合考慮微網功率平衡、儲能系統的效率、SOC特性以及負荷缺電率(LPSP)、能量浪費率(SPSP)等約束，建立蓄電池&超級電容器的混合儲能容量優化模型，模型求解的總體流程圖如圖2所示。

圖2　混合儲能容量優化配置的計算流程圖

2.1混合儲能的功率分配

在混合儲能能量交換過程中，首先根據獲取的風、光發電功率及負荷預測功率數據，計算需要補償的功率 。因為蓄電池儲能能量密度大、響應時間長、充放電次數少；超級電容器儲能能量密度小，但允許充放電次數高，充放電速率快，所以一般超級電容器補償高頻功率分量，蓄電池補償低頻功率分量；因此將需補償的功率 經過高通濾波器后，分別得到各自功率補償值，超級電容器Puc和蓄電池Pbat。

PHESS=PL(t)-[PW(t)+PPV(t)]

(1)

(2)

Pbat(t)=PHESS(t)-Puc(t)

(3)

(4)

(5)

式中Th——高通濾波器的時間常數；fp——兩種儲能補償頻段的分界頻率；TS——樣本數據的采樣周期；1/(2TS)——奈奎斯特采樣頻率。

為實現能量的循環利用，應對上述的功率進行調整，保證儲能的充放電量相等，公式如下：

(1)先在超級電容器容量計算時間尺度內對其和蓄電池功率進行修正。

(6)

Puc′=Puc-ΔP

(7)

Pbat=Pbat+ΔP

(8)

(2)然后在蓄電池的容量計算時間尺度內對其功率再次進行修正。

(9)

Pbat″=Pbat′-ΔP′

(10)

2.2儲能系統額定功率計算

通過功率分配及功率調整后，還需考慮實際儲能系統工作過程中的損耗，即充放電效率，具體計算如下：

(11)

在整個計算周期內，儲能實際充放電功率絕對值的最大值即為儲能系統的額定功率PESS，N。

2.3儲能系統額定容量計算

基于確定的儲能實際輸出功率數據，可計算得到各時刻的儲能系統累計充放電能量。

(12)

儲能系統的剩余能量變化可用荷電狀態來表示，具體如下：

(13)

式中SOC(t)——實時荷電狀態；SOC0——初始荷電狀態；EESS，N——額定容量。

儲能的SOC0應該滿足：在SOC0下，最大正能量max(EESS(t))波動時，SOC不低于下限值SOCmin，最大負能量min(EESS(t))波動時，SOC不高于上限值SOCmax，即：

(14)

取得滿足條件的最小EESS，N，可得：

(15)

通過上述公式便可求得儲能的初始荷電狀態，只要將SOC0設定為該值，即可滿足整個周期內的充放電要求。

(16)

2.4儲能系統經濟性評價

2.4.1經濟評價模型

(1) 成本目標

獨立風光微電網中混合儲能的配置，應在滿足風光系統基本運行的情況下，使其費用最小[9]。據此可建立混合儲能的成本目標函數：

C=(1+NGH)keEESS，N+(kp+ka+kwLGN+kpNGH)×PESS，N

(17)

(18)

式中ke，kp——儲能容量成本系數、功率成本系數；ka——儲能配套設施成本系數；kw——儲能運行維護成本；NGH——儲能更換次數；LGH——工程使用年限；LESS——蓄電池的使用壽命。

(2)負荷缺電率

當儲能系統放電時，如果由于儲能自身能量的限制導致放電后仍不能達到負荷要求時，會造成負荷供電不足，一般用負荷缺電率來衡量。

(19)

LPSP≤λL

(20)

式中PW(t)——t時刻風電發電功率，kW；PPV(t)——t時刻光伏發電功率，kW；PL(t)——t時刻負荷功率，kW；PDG——經混合儲能補償后的可再生能源輸出功率值，kW；λL——系統LPSP最大允許值。

(3)能量浪費率

當儲能系統充電時，如果此時由于儲能系統自身能量限制導致充電后仍不能與負荷匹配時，會造成電力的盈余，一般用能量浪費率來衡量。

(21)

SPSP≤λS

(22)

式中λS——系統SPSP最大允許值。

綜上所述，因為LPSP或SPSP不滿足設定值時，本文均取0.05，會增加系統成本，故在優化過程中，若不滿足要求，則應增加系統的懲罰成本C1，最終得到本文優化目標函數f。

(23)

f=C+C1

(24)

2.4.2儲能壽命計算模型

采用經濟評價模型時，需要計算儲能裝置的壽命，因超級電容器的循環壽命可高達50萬次，故認為超級電容器在工程期內不需要更換，蓄電池的壽命計算采用雨流計數法。

電池的壽命與工作方式密切相關，放電深度(DOD)越大，循環壽命越短。首先通過雨流計數法計算電池的放電深度，然后根據電池放電深度與循環壽命的對應關系，得出電池的等效循環壽命。其中，一個充電半循環周期和一個放電半循環周期構成一個完整的循環周期。

本文采用如下所示的四階函數表征循環壽命與放電深度的關系，相應曲線如圖3所示。

NC，i=-a1DODi-a2DODi+a3DODi-a2DODi+A1

(25)

式中NC，i——循環次數；ai——擬合曲線常數；DODi——放電深度。

假設仿真時長為N*T，N為仿真步數，T為仿真步長，單位為秒。設總充放電次數為，Nd放電深度序列為DODi。

則有：

(26)

(27)

圖3　循環壽命與放電深度的關系

3　算例分析

3.1算例及計算方法

以25 kW 的風電系統和15 kW的太陽能光伏發電系統為例[10]。根據獨立風光系統混合儲能容量優化數學模型，在Matlab中編寫了相應的改進粒子群算法優化程序。該系統一天內可再生能源發電量和負荷實際需求數據(見圖4)。

圖4　系統24 h可再生能源發電量和負荷需求數據

3.2儲能優化配置結果

3.2.1不加儲能的獨立風光系統

針對不加儲能的獨立風光系統，以可靠性作為目標函數，即以獨立風光發電系統負荷缺電率(LPSP)及能量浪費率(SPSP)為目標函數，以功率平衡為約束條件，得到結果如表1所示。

表1　未加儲能前優化計算結果

圖5為未加儲能補償前，根據圖4中可再生能源發電量和負荷需求數據計算出的功率差額制成。

圖5　未加儲能補償前系統功率差額

分析上面結果可知，在未加儲能補償之前，獨立風光發電系統的功率差額波動很大，而且系統的負荷缺電率(LPSP)及能量浪費率(SPSP)值都偏大，這對于系統穩定運行是十分不利的，故此，在獨立風光發電系統基礎上增加儲能，以滿足負荷需求。

3.2.2加入儲能的獨立風光系統

根據上文中的目標函數和約束條件，采用改進的PSO算法，得到混合儲能的優化配置結果，并對比單一蓄電池儲能的配置結果如表2所示。

分析表2結果，加入混合儲能補償后，減少了負荷缺電率(LPSP)及能量浪費率(SPSP)，使得系統的供電可靠性得到提高，同時能減少系統成本花費。其中混合儲能系統在該典型日的充放電功率變化如圖6所示。

圖6　蓄電池&超級電容器補償功率

由圖6可見，由于超級電容器補償了需求功率的高頻分量，緩解了蓄電池頻繁充放電的壓力，使得蓄電池能平緩的充放電，可以較好地延長蓄電池的使用壽命。

表2　儲能優化計算結果

5　結語

本文以獨立風光微網為研究對象，配備儲能系統，跟蹤負荷曲線，提高電能質量。提出以計及儲能壽命的整個儲能系統工程使用年限中的總成本作為目標函數，利用改進PSO確定蓄電池和超級電容器各自的補償功率，進而確定了混合儲能系統的最優容量，并利用雨流計數法對蓄電池的壽命進行計算，從而準確得出成本大小，最后通過算例驗證了本文所提出的容量優化方法的正確性，這對于工程實際應用有很大參考價值。

[1]劉振亞.中國電力與新能源[M].北京:中國電力出版社,

2012.

[2]風電領域.中國風電裝機年底將達1億瓦2020年將實現翻番.FRP/CM.2014(11): 116.

[3]中國經濟導報.前三季光伏發電量約180億千瓦時較去年全年翻番.B02.2014,11(22): 1.

[4]張文亮，丘明，來小康．儲能技術在電力系統中的應用[J]．電網技術，2008，32(7):1-9.

ZHANG Wen-liang,QIU Ming,LAI Xiao-kang.Application of Energy Storage Technologies in Power Grids[J].Power System Technology,2008,32(7):1-9.

[5]王成山,于波,肖峻,等．平滑微電網聯絡線功率波動的儲能系統容量優化方法[J]. 電力系統自動化，2013，37(3)：12-17．

WANG Cheng-shan,YU Bo,XIAO Jun,et al.An Energy Storage System Capacity Optimization Method for Microgrid Tie-line Power Flow Stabilization[J].Automation of Electric Power Systems,2013,37(3):12-17.

[6]韓曉娟,程成,籍天明,等．計及電池使用壽命的混合儲能系統容量優化模型[J]. 中國電機工程學報，2013，34(33)：91-97.

HAN Xiao-juan,CHEN Cheng,JI Tian-ming,et al.Capacity Optimal Modeling of Hybrid Energy Storage Systems Considering Battery Life[J].Proceedings of the CSEE,2013,34(33):91-97.

[7]謝石驍,楊莉,李麗娜. 基于機會約束規劃的混合儲能優化配置方法[J]. 電網技術,2012(5):79-84.

XIE Shi-xiao, YANG Li, LI Li-na.A Chance Constrained Programming Based Optimal Configuration Method of Hybrid Energy Storage System[J].Power System Technology,2012(5):79-84.

[8]徐林,阮新波,張步涵,等. 風光蓄互補發電系統容量的改進優化配置方法[J]. 中國電機工程學報,2012(25):88-98.

XU Lin,RUAN Xin-bo,ZHANG Bu-han,et al.An Improved Optimal Sizing Method for Wind-solar-battery Hybrid Power System[J].Proceedings of the CSEE,2012(25):88-98.

[9]王波. 儲能系統的優化建模與控制策略研究[D].合肥：合肥工業大學,2013.

[10]ANTONIS G, NIKOS D. Centralized control for optimizing micro grids operation[J]. IEEE Transactions on Energy Conversion, 2008,23(1).

(本文編輯：趙艷粉)

Optimization Research on the Hybrid Energy Storage Capacity of Stand-alone Wind/PV Micro-grid based on Improved PSO

ZHANG Li-yue, ZHANG Jiang-bin

(Xi′an University of Technology, Water conservancy and hydropower college, Shanxi Xi′an 710048,China)

In order to reduce the energy storage costs of stand-alone Wind/PV power generation system and improve the reliability of power supply, it is necessary to configure the capacity ratio of storage system reasonably. An optimization model is constructed, which considers the lowest cost as the optimization objective in view of the energy storage′s life, the dividing frequency of different types of energy storage′s own compensation frequency band as optimization variables, and considers the LPSP、 SPSP、 SOC as the constraint, then use the improved PSO algorithm to solve the optimization problem. Finally, the example results indicated that the optimization model and algorithm are correct and effective.

stand-alone Wind/PV Micro-grid; hybrid energy storage; improved PSO algorithm

10.11973/dlyny201604014

張力月(1992)，女，碩士研究生，研究方向為新能源技術研究以及其應用。

TM61

A

2095-1256(2016)04-0471-05

2016-03-13