平抑光伏波動的多儲能系統控制策略研究

蔡　放,許伯陽,鄭旭東

(1.東北電力大學 電氣工程學院,吉林 吉林 132012; 2.國網遼寧省電力公司 大連市供電公司,遼寧 大連 116000)

?

平抑光伏波動的多儲能系統控制策略研究

蔡放1,許伯陽1,鄭旭東2

(1.東北電力大學 電氣工程學院,吉林 吉林 132012; 2.國網遼寧省電力公司 大連市供電公司,遼寧 大連 116000)

為了提高光伏利用率，平抑光伏波動對電網造成的影響，研究了有效平抑光伏波動的儲能控制策略，并比較了三種儲能策略。通過某區域電站實測數據仿真計算,結果表明:分布式儲能平抑后功率曲線波動度以及儲能性能最差。集中式儲能波動度和動作次數雖有所降低,但是棄光量減少不明顯。類AGC儲能控制策略在儲能效能、棄光以及提高光伏入網規模優勢明顯。

光伏功率波動;功率相消;儲能性能;類AGC控制儲能;功率曲線波動度

截至2015年底,全國光伏電站裝機達到4318×104kW[1],由于光伏出力多依賴自然環境,具有不可控性,因此受電網調度約束控制,當光伏出力波動大于日前預測出力時,多余的出力需要舍棄,這就造成棄光現象。據統計,2015年全國大型光伏發電基地全年平均棄光率為10%,其中甘肅電網占比28%,所以平抑光伏波動使其適應確定性的電網預測出力,提高光伏利用率是光伏領域亟待解決的問題。

目前,儲能系統被認為是有效平抑波動最有效手段。文獻[2,3]在滿足負荷缺電率指標下,采用閥控鉛酸電池系統作為儲能系統投資最小;文獻[4]確立考慮經濟性的光伏儲能最優容量;文獻[5]提出用小波包方法分解光伏輸出功率信號,通過功率型儲能SOC的模糊控制優化不同儲能間的功率分配,改善了光伏出力波動的平抑效果。文獻[6]建立了基于鈉硫電池的儲能電站動態性能分析與評價模型,提出了BESS動態充放電控制策略。文獻[7]闡述儲能技術在電力系統中具有削峰填谷、提高電網運行穩定性改善電能質量等重要作用。

事實上,光伏波動的不利源于全網的光伏功率波動,面向單站的功率平抑存在儲能的過度調控。只有當站群功率波動超出系統有功能力調節范圍時,光伏-電網之間的源網矛盾才需要緩解。本文基于文獻[8]研究風電領域的基礎上,在光伏領域比對了分布式儲能控制策略、集中式儲能控制策略與類AGC儲能控制策略,結果表明類AGC儲能控制策略在平抑效果、棄光、經濟性、光伏入網規模等方面較其他兩種儲能策略有明顯優勢。

1　站群內光伏電站間能量的對消

單個光伏電站白天出力易受周圍環境影響,所以其功率波動幅值較大,最大功率幅值波動標幺值為0.14。站群內各光伏電站地理位置、光伏電站裝機規模等不同,當12個光伏電站匯聚到330 kV匯集站,匯聚站內最大功率幅值波動標幺值0.07、單站與站群波動曲線如圖1所示。

圖1　單站與站群波動圖

定義一個指標I,定量評價功率波動曲線的波動程度,把I值稱為功率波動曲線的波動度。

(1)

波動度I值越小,代表光伏電站的功率曲線波動越平緩,對電網調度及儲能系統最佳。功率波動度I值趨勢如圖2所示。

圖2　功率波動度I值趨勢圖

由圖2知,隨著匯集站光伏電站的增加,匯聚內群功率曲線波動度愈來愈小,匯聚后群功率波動較單站功率波動平緩,站群出力相比單站更不易受環境影響。

以平抑n個電站輸出功率為例,從數學角度分析群出力更為平緩的原因。n個電站輸出功率分別為Psolar·1,…Psolar·n。其參考功率分別為Pref·1,…Pref·n。n電站匯聚后PΣsolar=Psolar·1+…+Psolar·n?？倕⒖脊β蕿镻Σref=Pref·1+…+Pref·n。

1號電站的波動功率為

|ΔPf·1|=|Psolar·1-Pref·1|

(2)

n號電站的波動功率為

|ΔPf·n|=|Psolar·n-Pref·n|

(3)

n個光伏電站總輸出功率與總參考值的偏差量為

|ΔPf|=|PΣsolar-PΣref|=|Psolar·1-Pref·1+…+

Psolar·n-Pref·n|

(4)

根據絕對值不等式可得:

|ΔPf|≤|Psolar·1-Pref·1|+…+|Pref·n-Pref·n|

(5)

ΔPinter=|ΔPf|-(|ΔPf·1|+…+|ΔPf·n|)

(6)

由式(5)、式(6)可知,單站功率波動幅值之和相比站群的功率波動大,由此若光伏電站需儲能平抑的光伏功率波動方向不同,則會導致儲能系統充放電功率的對消,對消功率為ΔPinter,對消的功率并未對減小光伏電站群出力與參考值之間的偏差產生影響,相當于分布式平抑光伏電站出力時儲能系統做了部分無用功,增加儲能系統的調控負擔,所以按照分布式與集中式配置儲能，則在平抑功率波動上會有儲能調控性能上的差異。

2　平抑光伏波動多儲能系統的控制策略

2.1分布式儲能控制策略

分布式儲能控制策略如圖3所示,平抑時每個電站參考功率Pref·i為日前預測出力Pdispatch·i,每個光伏電站儲能裝置都要平抑該光伏電站的功率波動,以減小實際值與參考之間的偏差。

圖3　光伏電站分布式儲能控制策略圖

2.2集中式儲能控制策略

按照本文第一節介紹,為減小無用功對儲能系統的消耗,可以采用光伏電站集中式儲能控制策略，如圖4所示，對光伏電站群出力波動進行集中平抑。

圖4　光伏電站集中式儲能控制策略圖

當選擇PΣref=PΣdispatch的集中式儲能控制策略時,站群內所有電站的功率都匯集到330 kV匯集站。

需要平抑的波動量較單站小,所需儲能系統吞吐電量會小,并且控制實現更直接,無需電站間儲能系統的通信協調。

2.3類AGC儲能控制策略

考慮到光伏的接入對電力系統的影響源于全網,而非單站的光伏功率波動,并且電力系統是一個功率實時平衡的系統,故只需調控站群的光伏功率不超過電力系統平衡的允許值,超出系統允許值的用儲能系統進行平抑,可有效的發揮電網對光伏的接納能力,提高光伏聯網的運行安全性,此控制方式為類AGC儲能控制策略,如圖5所示。為此需要構造電網接納光伏的運行可行域。

圖5　類AGC儲能系統控制策略圖

對于某區域電網接納光伏可行域的計算方法為如下:

電網負荷、水電、光伏,火電平衡關系為

Pload(t)=PH(t)+Psolar(t)+PTh(t)

(7)

電網接納光伏可行域為

Psolarspace(t)≤Pload(t)-PH·min(t)-PTh·min(t)

(8)

當部分光伏超出電網接納可行域時,儲能系統充放電功率及儲能容量為

(9)

式中:PH·min為水電站運行最小出力;PTh·min為火電機組運行最小出力。

2.4三種儲能控制策略的對比

三種儲能控制策略參數如表1所示。

表1　三種儲能控制策略參數Table 1　Three kinds of energy storage control strategy parameters

當采用Pref·i=Pdispatch·i的分布式儲能策略時,電站間功率的對消,各電站儲能系統作了部分無用功。對消的能量越大,n個儲能系統作的無用功就越多,n個儲能系統各自的吞吐電量就會越大,所需儲能總容量就會越大。

當選擇PΣref=PΣdispatch的集中式儲能策略時,儲能系統避免了光伏電站間輸出功率之間能量的對消,但是由于未考慮光伏的可接納空間,因此仍會發生不必要的儲能過度調控。

當選擇當采用PΣref=Psolarspace的類AGC策略時,在光伏功率波動超出電網接納光伏范圍時,儲能系統才需要動作平抑,儲能系統相當于熱備用電源,減少了儲能系統不必要的調控,也能提高電網接納光伏的水平。

3　算例分析

3.1算例條件

某省總裝機920 MW光伏電站群如圖6所示,共有12個光伏電站。

多儲能控制系統計算條件如下：

1)閥控鉛蓄電池壽命動作5000次,成本1500元/kW·h[9]。

2) 1 kW·h電減少0.98 kg CO2排放量[10]。

3) 儲能充放電效率70%,初始荷電狀態0.5,放點深度D=0.3[4],三種策略配置儲能總容量、性能相同。

4) 各電站的額定容量和各自儲能容量配置如表2所示。

圖6　920 MW光伏電站群

光伏電站編碼/號光伏裝機容量/MW額定功率/MW儲能容量/MW·h1802.00162601.50123501.251041002.502051604.00326501.25107701.75148701.75149601.501210401.00 811501.2510121303.2526總計92023.00 184

3.2算例結果分析

3.2.1分布式儲能系統控制策略平抑光伏波動

儲能系統充放電及容量變化曲線如7所示。

從圖7可以看出,在儲能系統性能方面，各電站發電功率特性各異,儲能系統存在“此充彼降”且調控頻繁,站群中儲能共動作次數為107次,累計吞吐電量為30.49 MW。當選擇閥控鉛蓄電池作為11號電站儲能系統,投入到停運僅運行334 d。

分布式儲能策略平抑后各指標如表3所示。

從表3中可以看出,平抑效果方面,經儲能裝置平抑后,整體功率曲線波動度有所下降,但平抑效果不好,平抑后部分電站曲線波動程度仍大于面向匯聚站的群功率曲線的波動;在棄光方面,分布式儲能控制策略作用后棄光量仍然較大。

圖7　儲能充放電及容量變化曲線

電站/號波動度棄光率/%動作次數吞吐電量/MW10.25118.6101.198630.28320.0122.992060.24418.7111.9234110.29821.9152.9625

3.2.2集中式儲能系統控制策略平抑光伏波動

集中儲能系統充放電及容量變化曲線如圖8所示。

圖8　集中儲能系統充放電及容量曲線圖

由圖8看出,在儲能系統性能方面,集中式儲能控制策略下,儲能日動作次數共6次明顯降低,總吞吐電量為19.76 MW,較分布式儲能系統吞吐量小。所以在滿足相同平抑指標情況下,可以較分布式儲能系統選取更小的儲能容量,更為經濟。

在平抑效果方面,經集中式儲能策略平抑后功率曲線波動度I=0.194,比單站低,所以在平抑效果方面也比分布式儲能控制策略好。

在棄光方面,棄光率為14%,棄光量相比分布式儲能策略沒有明顯減少。

3.2.3類AGC儲能系統控制策略平抑光伏波動

接納可行域與光伏出力關系如圖9所示。

圖9　接納可行域與光伏出力關系

從圖9(a)可以發現當前光伏出力均在可行域空間范圍內,所以電網可以接受現有光伏裝機容量,無需儲能系統進行動作。

從圖9(b)可以看到，假使光伏的裝機為現在裝機的1.45倍,負荷、水電、火電裝機均不變，則大部分時段都無需啟動儲能系統,儲能系統相當于系統的熱備用電源,這樣可大大提高電網對光伏出力、波動的接納能力。

儲能系統充放電及容量曲線如圖10所示。由圖10可知,在儲能系統性能方面,儲能系統共動作3次,總吞吐電量為20.90 MW·h,與集中式儲能策略基本持平,較分布式儲能系統小。但動作次數較集中式儲能策略少,調控性能得到進一步優化。

圖10　儲能系統充放電及容量曲線圖

在平抑效果方面,平抑后功率曲線波動度僅為0.013,比集中式控制策略表現更好,說明平抑后功率曲線波動較小,比前兩種儲能控制策略更好地解決功率波動的問題。

在棄光方面,棄光率僅為0.31%,棄光較前兩種儲能策略有明顯的改善。

3.2.4三種儲能控制策略的比較

三種儲能方式指標對比如表4所示。

由表4可知，在相同的儲能參數配置下,當采用類AGC控制儲能時,相比分布式儲能控制策略,儲能動作次數與吞吐電量都要比前者小,并且平抑效果也更好。同樣相比集中式儲能策略,多接納光伏電量1723.5 MW·h,棄光量減少了96.8%,CO2排放減少95.6%。儲能系統調控次數僅為3次,明顯降低。以3年為周期計算儲能系統成本,類AGC策略配置儲能僅需40 020萬元,比集中式儲能策略配置儲能系統節省23 460萬元,類AGC控制策略優化了儲能系統的經濟及低碳效益。

表4　三種儲能方式指標對比Table 4　Index comparison of three kind of energy strateg methods

4　結　語

本文依據實測數據,分析了平抑光伏功率波動所需儲能控制策略,并以某省920 MW光伏站群平抑功率波動為例,對比了三種儲能控制策略,主要結論如下:

1) 匯聚站群光伏功率波動較單站平緩,波動度 較單站低,單站之間功率存在對消,平抑單站功率波動,儲能系統會做部分無用功。

2) 相比分布式儲能控制策略,類AGC策略儲能系統吞吐電量少,可以選取更小的最優儲能容量,儲能所需容量成本降低。

3) 類AGC策略較集中式儲能控制策略多接納光伏1723.5 MW·h,并且大大減少棄光量,棄光量減少96.8%,增大電網對光伏的接納量。

4) 類AGC儲能策略大大減少CO2的排放,相比集中式策略減少95.6%的CO2排放,優化了儲能的低碳效益。

5) 類AGC控制策略經濟性最優,較集中式控制儲能節省23 460萬元,優化了儲能經濟效益。

6) 在棄光、平抑效果、經濟性以及接納光伏入網規模方面,類AGC最具優勢,其次為集中式儲能控制策略,最后為分布式儲能控制策略。

[1] 國家能源局. 國家能源局2015年光伏發電相關統計數據[R].

2016.

National Energy Administration. September 1, 2015 photovoltaic building information presentation released by the National Energy Administration[R]. 2016.

[2] 吳小剛, 劉宗歧, 田立亭, 等. 獨立光伏系統儲能光儲容量優化配置方法[J]. 電力系統自動化, 2015, 38(5), 1271-1276.

WU Xiaogang, LIU Zongqi, TIAN Liting, et al. Optimized capacity configuration of photovoltaic generation and storage energy device for stand-alone photovoltaic generation system[J].Power System Technology. 2015, 38(5): 1271-1276.

[3] 胡國珍, 段善旭, 蔡濤, 等. 基于液流電池儲能的光伏發電系統容量配置及成本分析[J]. 電工技術學報, 2012, 27(5): 260-267.HU Guozhen, DUAN Shanrui, CAI Tao, et al. Sizing and cost analysis of photovoltaic generation system based on vanadium redox battery[J]. Transactions of China Electrotechnical Society, 2012, 27(5):260-267.

[4] 劉冠群, 袁越, 王敏, 等. 考慮經濟成本的光伏電站儲能容量配置[J]. 可再生能源, 2014, 32(1): 1-5.

LIU Guanqun, YUAN Yue, WANG Min, et al. Energy storage capacity determining of PV plant considering economic cost[J]. Renewable Energy Resource, 2014, 32(1): 1-5.

[5] 吳振威, 蔣小平, 馬會萌，等. 用于混合儲能平抑光伏波動的小波包-模糊控制[J]. 中國電機工程學報, 2014, 34(3):317-324.WU Zhenwei, JIANG Xiaoping, MA Humeng，et al. Wavelet packet-fuzzy control of hybrid energy storage systems for PV power smoothing[J]. Proceedings of the CSEE, 2014, 34(3):317-324.

[6] 丁明, 徐寧州, 畢銳, 等. 用于平抑可再生能源功率波動的儲能電站建模及評價[J]. 電力系統自動化, 2011, 35(2): 66-71.

DING Ming, XU Ningzhou, BI Rui, et al. Modeling of bess for smoothing renewable energy output fluctuations[J]. Automation of Electric Power System, 2011, 35(2): 66-71.

[7] 高春雷. 儲能技術在電力系統中的應用[J]. 黑龍江電力, 2013, 35(5): 395-426.

GAO Chunlei. Application of energy storage technology in electric power system[J]. Heilongjiang Electric Power,2013, 35(2): 395-426.

[8] YAN Gangui, ZHENG Xudong. A quasi-automated generation control strategy for multiple energy systems to optimize low-carbon benefits[J]. Clean Energy, 2015, 3(1): 93-102.

[9] 國家電網公司“電網新技術前景研究”項目咨詢組. 大規模儲能技術在電力系統中的應用前景分析[J]. 電力系統自動化, 2013, 37(1): 3-8.

Consulting Group of State Grid Corporation of China to Prospects of New Technologies in Power Systems. An analysis of prospects for application of large-scale energy storage technology in Power Systems[J]. Automation of Electric Power System,2013,37(1):

3-8.

[10] 嚴干貴, 王月, 李軍徽, 等. 匹配風電接納可行域的儲能系統控制方法機器經濟性評估[J]. 高電壓技術, 2015, 41(7):2148-2155.

YAN Gangui, WANG Yue, LI Junhui, et al. Control methods and economic evaluation of energy storage system to match feasible area of wind power[J]. High Voltage Engineering, 2015, 41(7):2148-2155.

(責任編輯侯世春)

Control stategy studty of smoothing PV power fluctuation based on multiple energy storage systems

CAI Fang1, XU Boyang1, ZHENG Xudong2

(1.School of Electrical Engineering, Northeast DianLi University, Jilin 132012, China; 2.Dalian Power Supply Company, State Grid Liaoning Electric Power Corporation, Dalian 116000, China)

In order to improve the utilization of photovoltaic, stabilize PV fluctuation caused by power to influence of can effectively stabilize PV fluctuation of storage system control strategy, and compare the three storage strategies. Through calculating measured data of PV stations group, the results show that the distributed stragegy’s roughness of power curve and energy storage property are worst. The aggregated control’s solar loss doesn’t reduce significantly comparing with the distributed, but performing better on roughness of power curve and energy storage property than the distributed. The QAGC has obvious advantages of solar loss, roughness of power curve and improving scale of grid-connected PV stations.

PV fluctuation; energy offset; performance of energy storage; QAGC; roughness of power curve

2016-02-05；

2016-03-13。

蔡放(1989—),男，碩士研究生，研究方向為新能源發電與并網。

TM74;TM911

A

2095-6843(2016)04-0351-06