基于氫儲能的含大規模風電電力系統經濟調度

岑有奎， 任建文*， 張豪林

(1.華北電力大學電力工程系， 保定 071003； 2.國網山東省電力有限公司煙臺供電公司， 煙臺 264000)

近年來，可再生能源發電并網容量不斷升高，并且“十四五”期間新能源仍將繼續快速發展[1]。電力系統逐步向高比例可再生能源和高比例電力電子設備的趨勢發展[2-3]。“雙高”背景下，風電消納問題顯著。為緩解風力發電的消納困難局面，實現國家CO2排放力爭于2030年前達到峰值、努力爭取2060年前實現碳中和的目標，需要發展清潔高效的儲能方式[4]。現階段儲能方式主要分為物理式儲能和化學式儲能兩大類，其中前者的思路是以動能或勢能的形式將電能進行轉化儲存，如飛輪儲能，抽水蓄能等。而飛輪儲能的容量較小，抽水蓄能等儲能方式對自然環境要求比較高，通過物理方式儲能受限于各種因素。相比之下化學儲能應用范圍更廣。化學儲能指將電能儲存于蓄電池、超級電容等器件或者基于電化學技術將電能轉化為其他形式的能量，如電解制氫，煤化工等。將風電電能轉換為氫能，是一種新的風電儲能思路[5-6]。氫能作為一種清潔、高效的能源形式，可以二次利用且無污染，適合大規模存儲和運輸[7]。各種工業制氫方法中，電解水制氫目前應用比較廣泛，具有控制靈活、產氫品質較高的特點。將電解水制氫與風電耦合，結合燃料電池的使用，可提高風電的品質，促進風電消納，增加風電綜合效益。

近年來風氫耦合發電技術取得了長足發展。文獻[8]在現有電轉天然氣技術基礎上構建氫能-天然氣混合儲能，驗證了含氫能-天然氣混合儲能電-氣綜合能源微網的經濟、環保性。文獻[9]提出的含電制氫裝置的綜合能源系統優化模型同時滿足了多種形式的負荷需求。文獻[10]構建的含制氫儲能的電-氣綜合能源經濟調度模型提高了系統的經濟性和環保性。文獻[11]考慮了氫能的交互轉換，提出了相關的綜合能源微網協調調度方法。文獻[12]以儲能經濟效益最大、能量損耗最小以及儲能調度參與下微網與外網間功率波動最小等為目標，提出一種電熱氫多元儲能優化調度模型。文獻[13]提出的由虛擬電廠和虛擬制氫中心構成的虛擬棄風-制氫聯合體在促進棄風消納、降低制氫成本和碳排放等方面具有顯著效果。當前，關于風電制氫儲能參與電力系統優化調度的研究，更多的文獻僅將制氫儲能視為綜合能源系統中多元儲能的一部分，或僅將電轉氫視為電轉氣過程的中間環節來分析其作用，未能充分發揮制氫儲能參與消納大規模清潔能源發電的優越性，且大部分研究未考慮清潔能源發電的不確定性。

首先考慮到風電出力的不確定性，采用考慮保守度可調的魯棒優化盒式集合來描述風電出力。在此基礎上，以降低系統成本和提高風電消納為目標，建立了考慮風電出力不確定性的優化調度模型。以期利用氫儲能來提升風電消納、降低系統運行成本，并且向外界出售氫氣，增加系統經濟收益，從而提高系統的經濟性。

1 基于氫儲能的含大規模風電電力系統的建模

1.1 風電出力的不確定性的建模

(1)

考慮到空間集群效應和時間平滑效應，分別對每個調度時段加入對所有風電場出力預測總體偏差量的限制，以及對特定的風電場加入對所有時段出力預測總體偏差量的限制。

(2)

(3)

(4)

(5)

綜上可得描述風電出力的集合PW為

(6)

由于式(6)表示的集合是多面體，若ΓS若ΓS和ΓT取整數，其所刻畫的不確定性最壞的情況必定會發生在極點上，因此只需考慮多面體的極點集，可表示為

(7)

1.2 基于氫儲能的含大規模風電電力系統

圖1 系統結構示意圖Fig.1 System structure diagram

氫儲能系統主要由電解槽(electrolyzer, EL)、燃料電池(fuel cell, FC)和儲氫罐(hydrogen tank, HT)組成[15]。圖1為基于氫儲能的含大規模風電電力系統的結構示意圖。系統仍以火電為主。風電通過輸電工程并入電網。富余的風電出力可用于電解水生產氫氣，壓縮儲存在高壓儲氫設備中，以此來減少棄風。儲存于儲氫罐的氫氣可運送到加氫站售出，也可以在風電出力不足時通過燃料電池再發電補充上網，以滿足負荷需求。

1.3 氫儲能系統的數學模型

(8)

(9)

(10)

2 基于氫儲能的含大規模風電電力系統經濟調度模型

2.1 目標函數

所建立的模型旨在利用氫儲能來提升風電消納、降低系統運行成本，并且向外界出售氫氣，增加系統經濟收益，從而提高系統的經濟性。目標函數為

minF=F1-FH

(11)

F1=FG+FW+FC

(12)

式(12)中：F1為系統總運行成本；FH為系統對外售氫的收益；FG為火電機組運行成本；FW為棄風懲罰成本；FC為壓縮儲存氫氣成本。

(13)

(14)

(15)

(16)

2.2 約束條件

(1)風電出力約束。

(17)

(2)火力發電機組約束。火力發電機組約束包括輸出功率上下限約束，最小啟停時間約束，上、下爬坡約束以及正、負旋轉備用約束分別為

(18)

(19)

-Rd≤Pi,t-Pi,t-1≤Ru

(20)

(21)

(22)

(3)氫儲能部分相關約束。燃料電池、電解槽輸出功率上下限約束、氫氣儲存量的上下限約束、氫氣存儲平衡約束分別為

(23)

(24)

(25)

(26)

(27)

(4)功率平衡約束。

(28)

上述優化調度模型中，風電出力均為未考慮不確定性的預測值。為了更加貼近實際情況，需另建立考慮風電出力不確定性的弱魯棒優化調度模型以做對比，只需將風電出力預測值置換為用弱魯棒優化描述的實際出力值，其他部分一致，不復贅述。

3 模型求解

所建立的基于氫儲能的含大規模風電電力系統經濟調度模型為混合整數規劃模型，可在MATLAB R2015b平臺上利用GUROBI 9.0.3求解器進行求解。具體步驟如下。

步驟1輸入次日電、氫負荷預測值和風電預測出力。

步驟2輸入火電機組參數、氫儲能設備參數。根據次日電、氫負荷預測值和風電預測出力，考慮設備的相關約束條件，以盡量降低系統成本、增加風電消納為目標，制定火力機組、氫儲能設備次日的啟停計劃和出力計劃，設置風電的入網功率。

步驟3利用弱魯棒優化描述風電出力的不確定性，建立考慮風電出力不確定性的弱魯棒優化調度模型并求解，制定相應的調度計劃以應對可能由風電出力不確定性帶來的風險。

4 算例分析

所建立的優化調度模型包括10臺常規機組，一個風電場和一個制氫儲能系統。火力機組的相關數據見文獻[17]，具體如表1所示。風電場以某總裝機容量為400 MW的風電集群為例。氫儲能系統的容量設為50 MW[18]，氫儲能系統參數參考文獻[16]，具體如表2所示。氫氣售價設為35 元/kg。當地電負荷和氫負荷[8]相關數據如圖2所示。根據天氣預報，該地區風電出力相關預測數據如圖3所示。設置魯棒保守度調節因子為0.5。每1小時為1個調度時段，一共24 h。

為了更好地分析氫儲能降低棄風以及系統運行成本的作用，對比是否考慮風電出力的不確定性對該系統優化調度的影響，設置了以下3個情景。

情景1不含氫儲能系統，不考慮風電出力不確定性。

表1 火電機組運行參數Table 1 Parameters of thermal units

表2 氫儲能系統參數Table 2 Hydrogen energy storage system parameters

圖2 負荷需求Fig.2 Load demand

圖3 風電場出力Fig.3 Output of the wind farm

情景2含氫儲能系統，不考慮風電出力不確定性。

情景3含氫儲能系統，考慮風電出力不確定性。

另外，為進一步體現氫儲能的經濟性，于情景3設置氫儲能系統對外售氫。由于當地氫負荷需求量設為確定值，且只占系統儲氫量很小一部分，是否售氫對系統運行的影響幾乎可以忽略不計，因此并不影響情景2、情景3相互對照。

4.1 風電消納量和系統各部分出力分析

圖4為風電出力預測值、情景1、情景2、情景3實際電網調度風功率、情景3風電實際出力隨時間變化曲線。

圖4 各個情景中的風電相關出力Fig.4 Wind power related output in various scenarios

圖4中，在時段0:00—6:00，該地區風力強勁但是當地負荷需求較低。對比情景1、情景2電網調度風功率曲線可看出，由于風電的反調峰特性，情景1在該時段的棄風量比較大，而情景2基本實現了風電的全額消納。這是因為情景1中不含氫儲能系統，而情景2中的氫儲能設備能利用多余的風電電解水制造氫氣，提高了風電的利用率。另外，由于情景3中考慮了風電出力的不確定性，情景3風電實際出力曲線與風電預測值曲線并不完全重合，這是因為決策者以更加謹慎保守的態度應對風電出力不確定性的變化，風電的實際出力與其預測值存在著一定的偏差。

圖5描述了情景2中系統各部分設備的出力及負荷需求隨時間的變化。

圖5 情景2中系統各部分出力及負荷需求Fig.5 Output of each part of the system and the load demand in scenario 2

時段0:00—5:00中，風力強勁但負荷需求不高，情景2中的風電制氫裝置利用富余的風電通過電解槽電解水生產氫氣，經壓縮存儲到儲氫設備，實現了能量的轉換與存儲，減少了風電的浪費。而在當天的其他時段，該地區的負荷需求增加，燃料電池利用儲存的氫氣發電滿足電力負荷需求。

4.2 風電出力的表示形式對系統的影響

表3為情景3中不同的風電表示形式對系統的影響。與不考慮風電出力不確定性的情況相比，以弱魯棒優化方法來描述風電出力使得棄風量增大、系統成本升高，這是因為這種情況下風電出力更加貼合實際情況，系統需另外付出成本來應對可能由風電波動帶來的風險。而以傳統魯棒優化方法來描述風電出力時系統的棄風量和成本最高，這是因為傳統魯棒優化設定風電運行在條件最惡劣的情況下，風電出力波動最大，系統為增強應對風險能力所付出的成本也最高。相較于傳統魯棒優化，弱魯棒優化方法同時考慮了解的魯棒性和經濟性，降低了問題求解的保守度。

圖6為情景3中魯棒保守度調節因子的變化對系統成本的影響。可見魯棒保守度調節因子越大，系統總成本越高，這是因為調度員對風電出力持更保守的態度來應對可能出現的風險。當魯棒保守度調節因子取0則相當于忽略了風電出力的不確定性，視風電實際出力等于預測值；當取1時，風電出力變化范圍最大，調度決策最為保守，一定程度上犧牲了系統的經濟性來加強魯棒性，系統有更強的能力來應對未知風險。

表3 不同風電表示形式對系統的影響Table 3 Impact of different forms of wind power on the system

圖6 魯棒保守度調節因子對系統的影響Fig.6 Impact of the robust conservation adjustment factor on the system

4.3 不同情景中系統的經濟性分析

由情景1與情景2對比(表4)可知，系統中引入制氫儲能設備參與調度降低了火電成本，減輕了火力機組的調峰壓力，從而減少溫室氣體排放量，有助于中國“雙碳”目標的實現。制氫儲能顯著地提高了風電消納水平，從而提高了系統的經濟性。由情景2與情景3對比可知，當考慮風電出力的不確定性時，系統的總運行成本略微升高，這是因為系統需付出更大的成本以應對可能出現的風險。由情景3可知，系統對外出售氫氣帶來的收益降低了系統的總成本。除此之外，從長遠角度看，制氫儲能為當地化工企業或公共交通系統等終端產業提供氫氣，可帶動當地其他相關產業發展，體現了氫儲能相較于其他形式儲能的又一優點。

表4 不同情景中系統的成本和收益Table 4 System costs and benefits in different scenarios

5 結論

為應對“雙高”背景下風電消納困難問題以及實現“雙碳”目標，結合風電制氫這種新興的儲能方式，提出了基于風電制氫的風儲聯合系統優化調度模型。得出如下結論。

(1)相比于風電場獨自發電上網，引入制氫儲能設備后系統充分利用棄風，有效消納風電，實現能量的轉換與儲存，降低了火力機組的發電成本，減輕了火力機組的調峰壓力。同時相較于其他儲能方式，氫儲能改善當地風電消納情況之余，還可對外售氫，增加額外的經濟收益，從而進一步降低系統總體的運行成本。另外，氫儲能為當地用氫終端產業提供原料，帶動當地經濟發展。

(2)利用考慮保守度可調的魯棒優化描述風電出力，能有效應對風電出力的不確定性，兼顧了求解的魯棒性和經濟性，降低了魯棒優化的保守度。