基于CO2排放量的風光互補發電系統容量優化配置

唐浩，楊國華，2，王鵬珍，李卿，張麗娜，劉帥，秦軍琴

(1．寧夏大學電氣工程與自動化系，銀川市750021; 2．寧夏沙漠信息智能感知重點實驗室，銀川市750021)

基于CO2排放量的風光互補發電系統容量優化配置

唐浩1，楊國華1，2，王鵬珍1，李卿1，張麗娜1，劉帥1，秦軍琴1

(1．寧夏大學電氣工程與自動化系，銀川市750021; 2．寧夏沙漠信息智能感知重點實驗室，銀川市750021)

風光互補發電系統的容量配置關系到系統的成本和減排效益等。按照系統全生命周期考慮，分別建立了風力發電機、光伏電池板和蓄電池組在各個階段CO2排放量的計算模型，給出了風光互補發電系統CO2排放量的計算公式;在系統成本、功率輸出波動性、互補優越性和備用容量等約束條件下，以CO2排放量最少為優化目標，對風光互補發電系統的容量進行優化配置;最后，以某地區風光互補發電系統為例對其容量進行配置，結果驗證了該方案的可行性。

風光互補發電系統;CO2排放量;容量;優化配置

0 引言

全球氣溫不斷升高與CO2的排放量密切相關。減少CO2排放量是中國和世界面臨的巨大挑戰之一。火力發電的CO2排放量占中國CO2排放總量的比例較大［1-2］。發展風電、光伏發電等清潔能源發電項目對減少CO2排放具有重要意義。風光互補發電系統利用風能和太陽能在時間和氣候上的互補性提高了系統輸出電能的穩定性和可靠性，提高了系統對能源的利用率，對節能減排具有積極的作用。

風光互補發電系統的容量配置，關系到系統運行的可靠性、輸出電能的穩定性、系統成本的高低以及減排效益等。容量選擇不當，不但不能減少CO2的排放量，反而會增加CO2的排放量。目前，針對風光互補發電系統容量配置的研究主要有2方面:一方面是針對風光互補發電系統整體容量的優化;另一方面是針對風光互補發電系統儲能容量的優化［3-4］。容量優化的方法主要有單目標優化和多目標優化［3-5］，優化目標主要有供電可靠性、系統成本、環境影響等。文獻［3］提出了以降低系統成本、負荷缺電率和能源浪費率為目標，基于遺傳算法對風光互補發電系統的容量進行優化配置。文獻［4］提出了一種改進的容量優化配置方法，分別考慮了系統獨立和并網2種運行方式，充分利用風光的互補性以系統成本和供電可靠性等為目標進行優化。文獻［5］以降低儲能設備成本為目標，基于改進粒子群算法對風光互補發電系統的儲能容量進行優化配置。然而，以CO2排放量為優化目標對系統整體容量進行配置的研究還比較少。此外，針對風力發電和光伏發電CO2排放量計算模型的研究主要是針對單獨風力發電和光伏發電，針對風光互補發電系統CO2排放量計算模型的研究較少。基于此，本文首先按照全生命周期考慮搭建風光互補發電系統CO2排放量的計算模型;其次，提出以CO2排放量最少為優化目標，在約束條件下對風光互補發電系統的容量進行配置;最后，通過算例驗證該方案的可行性。

1 風光互補發電系統

1.1風光互補發電系統模型

風光互補發電系統一般由風力發電機、光伏電池板、逆變器、整流器、備用電源等組成。按照匯流母線類型的不同，系統結構可分為共直流母線式、共交流母線式和交直流混合母線式［3，6］。本文以共直流母線式風光互補發電系統為例進行分析，其結構如圖1所示。

圖1 共直流母線式風光互補發電系統結構Fig.1 Structureofwind/PVhybridpower generatingsystembasedonDCBus

1.2風力發電機模型

風力發電機的輸出功率主要由風力的大小決定，其風力發電機輸出功率表達式［7-8］為

式中:PW(t)為風力發電機的輸出功率;v為風速;v0為風力發電機空載運轉時的啟動風速;v1為溢出風速;ρ為空氣密度;A為風流過的面積;Cp為風力發電機的風能利用率;Pr為風力發電機輸出的額定功率。

1.3光伏電池板模型

光伏電池板的輸出功率主要受太陽輻射強度大小和環境溫度共同影響，其光伏電池板輸出功率表達式［9］為

式中:PPV(t)為光照強度為G(t)時，光伏電池板陣列的輸出功率;PPV，stc為標準條件下單位太陽能光伏發電單元的最大輸出功率;Gstc為標準測試條件下的光照強度，Gstc=1 000 W/m2;Tstc為標準測試條件下的溫度，Tstc=25℃;k為溫度系數，一般取－0.45;T(t)為t時刻光伏電池板陣列的表面溫度。

1.4備用電源模型

風光互補發電系統的備用電源一般選用蓄電池組。用PSB(t)表示蓄電池組的輸出功率，則蓄電池組充放電時輸出功率模型［5］為

式中:PSB-in(t)和PSB-out(t)分別為蓄電池組充電和放電時的輸出功率;Eb為額定容量;η為自放電率;ηin為充電效率;ηout為放電效率;Δt為步長，取1 h;CSOC(t)為t時刻的荷電狀態，即

1.5風光互補發電系統工作狀態

根據天氣情況可將風光互補發電系統各部分的工作狀態分為4種，如表1所示。

表1 風光互補系統各部分工作情況Table1 Workingconditionsofeachpartof Wind/PVhybridsystem

根據各部分工作情況，風光互補發電系統的總功率輸出可表示為

2 風光互補發電系統CO2排放量計算模型

對于風光互補發電系統的CO2排放量計算模型，按照系統全生命周期的各個階段考慮，計及生產制造、運輸安裝、運行維護和回收處理過程中所產生的CO2排放量，以及建設安裝過程中對環境的破壞和環境恢復過程中所產生的CO2排放量。

2.1風力發電機和光伏電池板CO2排放量計算模型

風力發電機和光伏電池板的CO2排放量計算為

式中:CW為風力發電機的CO2排放量;N1為所需風力發電機的個數;CPV為光伏電池板的CO2排放量;N2為所需單位光伏電池板的個數;CW-S和CPV-S分別為單個風力發電機和單位面積光伏電池板在生產制造過程中所產生的CO2排放量:

式中:Mj表示風力發電機和光伏電池板生產制造過程中所需j種材料的質量或所消耗能源的量;Tj表示單位質量j種材料的碳排放系數或單位能耗量的碳排放量。表2給出了部分材料的CO2排放因子［10-13］。

表2 部分材料的CO2排放因子Table2 Carbonemissionfactorsofsomematerials

CW-Y和CPV-Y分別為單個風力發電機和單位面積光伏電池板在運輸過程中所產生的CO2排放量:

式中:L表示運輸的距離;H表示每km的耗油量;Tcy表示單位油耗的碳排放量。表3給出了部分燃料的碳排放因子［13］。

表3 部分燃料的碳排放因子Table3 Carbonemissionfactorsofpartialfuel

CW-W、CPV-W分別為單個風力發電機和單位面積光伏電池板在維護過程中所產生的CO2排放量。維護過程中的碳排放量按照年維修率折算，即

式中:n1和n2分別為風力發電機和光伏電池板的使用年限;pWi為風力發電機的年維修率;pPVi為光伏電池板的年維修率;TW-Ni為風力發電機的年碳排放量; TPV-Ni為光伏電池板的年碳排放量。

CW-H、CPV-H分別表示單個風力發電機和單位面積光伏電池板在回收處理過程中所產生的CO2排放量。回收處理過程中的碳排放量按照不同材料的回收率分別計算，即

式中:hj表示j種材料的回收率;THj表示j種材料處理過程中的單位碳排放量。表4給出了部分材料的回收率［13］。

表4 部分材料的回收率Table4 Recoveryofpartialmaterials

CW-C、CPV-C為風電場和光伏發電廠在建設過程中對環境破壞及后期恢復過程中所產生的 CO2排放量，即

式中:SW-N為風力發電建設中植被不可恢復的面積;SPV-N為光伏發電建設中植被不可恢復的面積;SW-Y為風力發電建設中植被可恢復的面積;SPV-Y為光伏發電建設中植被可恢復的面積;Tg為單位面積植被的固碳率;NY為植被恢復年限。表5給出了部分土地的單位固碳率［14-15］。

表5 部分土地的單位固碳率Table5 Carbonfixationrateofsomeunitland

2.2蓄電池CO2排放量計算模型

蓄電池的碳排放模型主要考慮生產、運輸安裝、后期維護以及后期處理的CO2排放量。蓄電池碳排放量計算公式表示為:

式中:CSB-S、CSB-Y、CSB-W分別為蓄電池生產制造、運輸安裝、后期維護過程中產生的CO2排放量;CSB-H為后期回收處理過程中產生的CO2排放量;WSB為蓄電池容量;Tb為單位容量蓄電池生產過程中的碳排放因子;pSB為蓄電池年維修率。

2.3風光互補發電系統總CO2排放量

系統總的CO2排放量主要考慮風力發電機、光伏電池板和蓄電池這3部分所產生的CO2排放量，逆變器、整流器、變壓器等設備產生的CO2排放量不予考慮，所以系統總的CO2排放量表示為

3 風光互補發電系統容量優化配置

3.1容量優化配置目標

風光互補發電系統的容量配置以CO2排放量最少為目標，其目標函數為

3.2約束條件

3.2.1 成本

成本包括初始建設投入成本和后期運營收益成本。初始投入成本表示為

式中:Ni(i=1，2，3)分別為所需風力發電機、光伏電池板、蓄電池的個數;Mi為單個設備的單價;Zi為單個設備的安裝施工成本;Wij為單個設備的年維護成本; Q0為變壓器、逆變器、整流器等設備成本的總和。

后期運營收益成本表示為

成本需滿足后期運營收益成本大于前期投入成本，即

3.2.2 風光互補發電系統輸出功率波動

風光互補發電系統利用風能和太陽能在時間、氣候和季節上的互補性，輸出功率較單一的風力發電和光伏發電具有較好的穩定性，不僅可以提高系統的并網率，還提高了資源的利用率。用D表示風光互補發電系統輸出功率的波動性，即:

為體現風光互補發電系統的優越性，其功率輸出波動應小于風力發電和光伏發電單獨運行時輸出功率的波動，即

3.2.3 并網功率波動性約束

對于并網型風光互補發電系統，為保證其輸出電能安全可靠地并入電網，其功率輸出的波動應滿足電網相關規定，其約束條件為

式中ε為電網所能承受的最大功率波動率。

3.2.4 備用容量限制

為保證風光互補發電系統可靠連續地運行，風光互補發電系統需增設一定容量的備用裝置，受備用容量的限制，風光互補發電系統容量配置應充分考慮備用容量。對于備用容量的大小按照平均功率儲能設備容量的計算方法［16］:

式中:WSB為風光互補發電系統儲能設備的容量;W為風光互補發電系統所需的最大儲能容量;Pave為風光互補發電系統全天輸出的平均功率;WPV為光伏陣列全天輸出的電能;WW為風機全天輸出的電能。

3.3容量優化配置流程

對風光互補發電系統的容量進行優化配置，首先根據已有的氣候數據和現有的運行數據進行估算，確定初始容量的范圍;然后按照約束條件分別對容量大小進行確定;其次對不同約束條件下容量取值范圍取交集;最后代入目標函數確定最小CO2排放量的容量取值。如果不同條件下容量沒有交集，對初始容量范圍重新確定，可適當修正約束條件。風光互補發電系統的容量配置流程如圖2所示。

圖2 風光互補發電系統容量優化配置流程Fig.2 Flowchartofcapacityoptimalconfigurationof wind/PVhybridpowersystem

4 算例分析

以某地區風光互補發電系統為例，對其容量進行優化配置。該地區風電場一期45 MW工程于2008年投入運行，風電工程通過一臺50 MV·A的變壓器升壓后并入電網，后在原有設備基礎上接入10 MW光伏發電設備組成風光互補發電系統。圖3為該地區某年內月平均風速;圖4為該地區某年內有日照的天數;圖5為該地區某年內平均日最高氣溫;圖6為系統在某年內的運行數據［17］。以CO2排放量最少為目標，在約束條件下，對系統容量進行優化配置。

圖3 某年內月平均風速Fig.3 Monthlyaveragewindspeedinayear

圖4 某年內有日照天數Fig.4 Numberofsunshineinayear

圖5 某年內平均日最高氣溫Fig.5 Averagedailymaximumtemperatureinayear

圖6 某年內日間(08:00—18:00)的運行數據Fig.6 Anannualoperatingdatabetween08:00and18:00

在成本約束條件下，根據式(18)，減少Q0投入，使Q2＞Q1，可充分利用原有風電工程的輸變電設備。根據系統運行統計數據可知，某年內風力發電機發電功率大于42 MW且光伏發電功率大于8 MW，使主變壓器可能過負荷工作的時長僅有1 h，占全年發電時間(取3 650 h)的0.03%;風力發電機發電功率大于35 MW且光伏發電功率大于8 MW的重合頻次全年僅有15次［17］，其余時間主變壓器均有較大的容量空缺。根據風、光發電項目功率重合的頻次［17］計算可配置光伏發電設備的容量。

式中:Q為光伏發電容量;S為主變壓器額定功率; cosφ為主變壓器功率因數，取0.98;Pwind為風力發電機功率;K為光伏發電系統效率，取0.75。

風力發電機發電功率大于35 MW且與光伏發電設備同時工作的全年統計時長為413 h，占全年發電時長的11.30%。在不超過主變壓器輸送容量的前提下，根據公式(25)［17］可得此種情況下，最大可配置光伏發電容量為18.6 MW;風力發電機發電功率小于25 MW且與光伏發電設備同時工作的全年統計時長為2 334 h，占全年發電時長的63.95%，計算可得此種情況下可配置光伏發電容量最大為32.0 MW。可以看出風力發電機發電功率小于35 MW且與光伏發電設備同時工作的時長占全年發電時長的88.70%，即可配置光伏發電容量在18.6～32.0 MW時，全年大部分時間輸變電設備可正常工作，輸變電設備在充分利用的同時，減少了成本投入。

當光伏發電容量取25 MW時，根據式(24)計算可得系統儲能設備的備用容量為5 MW，且備用容量得到充分利用;當光伏發電容量取小于25 MW時，系統儲能設備的備用容量所占成本比重較大。在備用容量約束下，為體現系統的互補特性，使儲能設備得到充分利用，光伏發電容量取大于25 MW。根據式(19)—(20)計算可得系統輸出功率的波動值D。表6給出了風光互補發電系統容量配置取不同值時的部分參數［4，17］。

表6 不同容量配置的發電參數Table6 Generationparameterswithdifferentcapacities

由表6可知，隨著光伏發電容量的增加，系統輸出功率波動值D增加，系統發電量也增加，輸出功率波動值D與發電量的比值減小。在系統輸出功率波動值的約束下，光伏發電容量取大于28 MW時，輸出功率波動值與發電量比值較小，波動性與互補性兼顧。綜合考慮約束條件，光伏發電容量取 28～32 MW之間為宜，最后代入目標函數確定光伏發電容量取29 MW。

綜上所述，該地區在原有45 MW風電設備的基礎上，接入29 MW的光伏發電設備和5.5 MW的蓄電池組組成風光互補發電系統，在滿足約束條件的同時，CO2排放量最少。當風光互補發電系統容量配置(風力發電+光伏發電+備用電源)取45 MW+ 29 MW+5.5 MW時，比原有配置為45 MW+ 10 MW+0 MW的年發電量多33 252 MW·h，折算為火電可減少CO2排放25 271 t;比容量配置取45 MW +25 MW+5.5 MW時年發電量多6 996 MW·h，折算為火電可減少CO2排放5 320 t;比容量取45 MW+ 32 MW+5.7 MW時減少CO2排放量289 t。

5 結論

針對風光互補發電系統，本文搭建了系統CO2排放量的計算模型。按照全生命周期分別從設備的生產制造、運輸安裝、運行維護以及回收處理等方面進行模型的搭建。對風光互補發電系統的CO2排放量做了較為全面的分析計算。針對風光互補發電系統的容量配置，本文提出在綜合考慮當地風光資源的互補性，系統的成本和備用容量等約束條件下以CO2排放量最少為優化目標進行容量配置。算例結果表明合理配置風光互補發電系統的容量，不僅可以提高系統對能源的利用率，減少資源的浪費，還可以減少系統CO2排放量，對節能減排具有積極的作用。

［1］徐鋼，田龍虎，劉彤，等．中國電力工業CO2減排戰略分析［J］．中國電機工程學報，2011，31(17):1-8．XU Gang，TIAN Longhu，LIU Tong，et al．Strategic analysis of CO2mitigation in Chinese power industry［J］．Proceedings of the CSEE，2011，31(17):1-8．

［2］趙毅，趙麗媛，錢新鳳．電力行業二氧化碳減排策略分析與展望［J］．電力科技與環保，2015，31(5):14-16．ZHAO Yi，ZHAO Liyuan，QIAN Xinfeng．Strategic analysis and prospect on catbon dioxide emission reduction of power industry［J］．Electric Power Technology and Environmental Protection，2015，31 (5):14-16．

［3］劉艷平，賈春娟．基于遺傳算法的獨立型風光互補發電容量優化［J］．電力系統及其自動化學報，2015，27(10):69-74．LIU Yanping，JIA Chunjuan．Capacity optimization of independent wind/PV hybrid power generation system based on GA［J］．Proceedings of the CSU-EPSA，2015，27(10):69-74．

［4］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，2012，32(25):88-98．XU Lin，RUAN Xinbo，ZHANG Buhan，et al．An improved optimal sizing method for wind-solar-battery hybrid power system［J］．Proceedings of the CSEE，2012，32(25):88-98．

［5］周天沛，孫偉．風光互補發電系統混合儲能單元的容量優化設計［J］．太陽能學報，2015，36(3):756-762．ZHOU Tianpei，SUN Wei．Capacity optimization of hybrid energy storage units in wind/solar generation system［J］．Acta Energiae Solaris Sinica，2015，36(3):756-762．

［6］楊國華，朱向芬，周鑫，等．基于遺傳算法的風電混合儲能容量優化配置［J］．電氣傳動，2015，45(2):50-53．YANG Guohua，ZHU Xiangfen，ZHOU Xin，et al．Hybrid energy storage capacity optimization for independent wind generation system based on genetic algorithm［J］．Electric Drive，2015，45(2): 50-53．

［7］南國君，丁明，王貽玲．共直流母線式風光互補發電系統的仿真研究［J］．合肥工業大學學報(自然科學版)，2011，34(12): 1802-1805，1912．NAN Guojun，DING Ming，WANG Yiling．Research on the simulation ofwind-solar hybrid power system with common dc bus［J］．Journal of Hefei University of Technology(Natural Science)，2011，34(12):1802-1805，1912．

［8］李勁彬，陳雋．風光互補可再生能源發電的綜合效益優化研究［J］．電氣自動化，2013，35(5):24-26．LI Jinbin，CHEN Jun．Research on the optimization of comprehensive benefits of wind-solar hybrid renewable generation system［J］．Electrical Automation，2013，35(5):24-26．

［9］葛宇軒．風光互補供電系統優化配置研究［D］．長沙:長沙理工大學，2013．GE Yuxuan．Research on configuration optimization of wind-solar power system［D］．Changsha:Changsha University of Science＆Technology，2013．

［10］崔明琦，宋松林，吳啟震，等．國內外電動機產品碳足跡核查方法比較分析［J］．質量技術監督研究，2015(3):44-47．CUI Mingqi，SONG Songlin，WU qizhen，et al．Comparative analysis of carbon footprintverification method aboutmotor product at home and abroad［J］．Quality and Technical Supervision Research，2015(3):44-47．

［11］沈琳．基于BIM技術的建設項目全生命周期環境影響評價研究［D］．南京:南京林業大學，2015．SHEN Lin．The environmental impact assessment of whole life cycle of the construction project based on BIM technology［D］．Nanjing: Nanjing Forestry University，2015．

［12］王譯萱，郁亞娟，梁雨晗，等．鋰離子電池與鎳氫電池、太陽能電池碳足跡比較［J］．環境工程，2015，33(增刊):634-637．WANG Yixuan，YU Yajuan，LIANG Yuhan，et al．Carbon footprint comparison of lithium ion battery，nickel metal hydride battery and solar cell［J］．Environmental Engineering，2015，33(Supplement): 634-637．

［13］戢時雨，高超，陳彬，等．基于生命周期的風電場碳排放核算［J］．生態學報，2016，36(4):915-923．JI Shiyu，GAO Chao，CHEN Bin，etal．Carbon emission accounting for wind farm based on life cycle assessment［J］．Acta Ecologica Sinica，2016，36(4):915-923．

［14］郭然，王效科，逯非，等．中國草地土壤生態系統固碳現狀和潛力［J］．生態學報，2008，28(2):862-867．GUO Ran，WANG Xiaoke，LU Fei，et al．Soil carbon sequestration and its potential by grassland ecosystems in China［J］．Acta Ecologica Sinica，2008，28(2):862-867．

［15］段華平，張悅，趙建波，等．中國農田生態系統的碳足跡分析［J］．水土保持學報，2011，25(5):203-208．DUAN Huaping，ZHANG Yue，ZHAO Jianbo，et al．Carbon footprint analysis of farmland ecosystem in China［J］．Journal of Soil and Water Conservation，2011，25(5):203-208．

［16］張明銳，林承鑫，王少波，等．一種并網型風光互補發電系統的建模與仿真［J］．電網與清潔能源，2014，30(1):68-74，80．ZHANG Mingrui，LIN Chengxin，WANG Shaobo，et al．Modeling and simulation of grid-connected wind/PV hybrid generation system［J］．Power System and Clean Energy，2014，30(1):68-74，80．

［17］陳征宇．寧夏太陽山地區風光互補發電系統建設可行性研究［J］．機電信息，2014(6):3-4．

(編輯 景賀峰)

Capacity Optimal Configuration of Wind/PV Hybrid Power System Based on Carbon Dioxide Emission

TANG Hao1，YANG Guohua1，2，WANG Pengzhen1，LI Qing1，ZHANG Lina1，LIU Shuai1，QIN Junqin1

(1．Department of Electrical Engineering and Automation，Ningxia University，Yinchuan 750021，China; 2．Ningxia Key Laboratory of Intelligent Sensing for Desert Information，Yinchuan 750021，China)

The capacity configuration of the wind/PV hybrid power generation system is related to the benefit of reducing emission and the cost of the system．According to the system's life cycle，this paper establishes the calculation model of carbon dioxide emission of wind power generator，photovoltaic cell panel and storage battery in different stages，and proposes the calculation formula of carbon dioxide emission of wind/PV hybrid power generation system．Under the constraints of system cost，power output fluctuation，complementary advantages and spare capacity，the optimal capacity of wind solar complementary power system is optimized with the minimum carbon dioxide emissions as the optimization objective．Finally，taking the wind/PV hybrid power system in somewhere as an example，its capacity configuration is optimized，whose results verify the feasibility of the scheme．

wind/PV hybrid power generation system;carbon dioxide emission;capacity;optimal allocation

TM 619

A

1000－7229(2017)03－0108－07

10.3969/j．issn.1000－7229.2017.03.015

2016-11-15

唐浩(1990)，男，碩士研究生，主要研究方向為電工電子新技術;

楊國華(1972)，男，碩士，教授，碩士生導師，本文通信作者，主要研究方向為新能源電力系統自動化技術;

王鵬珍(1992)，女，碩士研究生，主要研究方向為電工電子新技術;

李卿(1992)，男，碩士研究生，主要研究方向為電工電子新技術;

張麗娜(1992)，女，碩士研究生，主要研究方向為電工電子新技術;

劉帥(1990)，男，碩士研究生，主要研究方向為電工電子新技術;

秦軍琴(1977)，女，碩士，副教授，主要研究方向為自動化與數學建模。

國家自然科學基金項目(71263043);寧夏自治區研究生教育創新計劃項目(2014)

Project supported by National Natural Science Foundation of China (71263043)