含高比例風光接入的輸電網氫-電混合儲能系統配置方法

陳穎, 石永富，鐘鴻鳴, 王湘，雷霞，尹洪全, 劉鑫

(1.國網內蒙古東部電力有限公司，呼和浩特市 010010；2.西華大學電氣與電子信息學院，成都市 610039)

0 引 言

習近平總書記在2020年12月12日氣候雄心峰會宣布，中國二氧化碳排放量力爭在2030年前達到峰值，努力爭取 2060年前實現碳中和，2030年風電、光伏發電總裝機容量將達到1.2億千瓦以上[1]。隨著大規模新能源裝機并網發電，風光消納壓力將長期存在[2]。儲能裝置作為靈活性強的可調節資源，具有快速吞吐功率的能力，已受到國內外廣泛關注[3-5]。通過投資儲能裝置可以利用其對電量的時間轉移特性，降低棄風棄光率，減少高碳化石能源的消耗量[6]。混合儲能系統(hybrid energy storage system, HESS)通過不同類型儲能元件的互補性能，可以提高電網運行的經濟性[7]，同時還能降低棄風棄光率。

電網中儲能系統的容量合理配置是降低棄風棄光率的重要手段，對保證系統安全穩定運行、減少投資成本等方面具有重要的指導意義。近年來，對于儲能系統容量配置已有很多研究。文獻[8]提出了一種管理不平衡和調整儲能大小的方法，以達到確定的可控水平。文獻[9]提出了非直供電模式下的儲熱電混合儲能系統的就地供熱結構，建立了該模式下的混合儲能系統的供熱模型，然后提出了一種兼顧混合儲能系統經濟效益和功率優化分配的雙層優化模型，采用模糊隸屬度函數，通過滿意度比較得到儲能系統容量配置的最優解。文獻[10]針對園區綜合能源系統儲能容量優化配置問題，為提升園區綜合能源系統規劃-運行經濟性，提出了考慮電池壽命損耗的園區綜合能源系統電/熱混合儲能優化配置方法，并比較分析了電/熱混合儲能與單一儲能對系統規劃-運行經濟性和電池使用壽命的影響。文獻[11]以經濟性最優為原則進行混合儲能配置，使液態金屬電池和氫儲能兩種儲能裝置協調配合，共同平抑并網光伏電能的功率波動。

綜上，混合儲能系統在調節能力和經濟性兩個方面都比單一儲能更優。目前國內風電、光伏資源主要集中在“三北”地區，這些地區電網的風電光伏滲透率已經達到20%，需要大量外送，目前儲能配置問題的研究大多是以新能源場站、微網和配電網為背景，針對高比例可再生能源接入的輸電網的儲能系統研究相對薄弱。文獻[6]以實際大電網為例，考慮棄電率限制，利用恒功率法確定儲能的初始配置規模，再得到儲能最佳時長；進而對儲能進行優化配置，得到滿足棄電率約束的儲能最佳配置規模。文獻[12]以投資成本和消納性能最優為目標進行儲能容量需求計算。文獻[13]在電源側構建了電氫一體化能源站的可逆固體氧化物電池以及儲氫庫容量規劃模型。文獻[14]以提升新能源消納和經濟性為目標，提出了含風電場、制氫設備的煤風氫能源網的經濟運行策略。目前以輸電網為背景的電池儲能配置研究大多數是對單一儲能進行配置，較少對混合儲能系統進行研究。氫能具有清潔、高效、能量密度大和擴容成本低等優勢[15]，但氫儲能在低功率運行狀態下的效率較低，而蓄電池效率不隨功率變化而變化，能夠彌補氫儲能的缺點。因此研究氫-電HESS的協調配合，能夠提高能源利用率和降低成本。故本文選擇氫-電HESS進行輸電網的儲能配置研究。

綜上所述，本文以含高比例風光接入的輸電網為研究對象，進行氫-電混合儲能系統的優化配置研究。首先，對氫-電HESS的各組成部分分別進行建模，其次建立輸電網中風力和光伏發電的出力模型及電網約束模型，在此基礎上建立輸電網氫-電混合儲能系統功率與容量配置的雙層規劃模型；其后基于蓄電池和氫儲能的不同特性，提出一種氫-電HESS配合策略；最后以某地區含高比例風電光伏接入的220 kV-500 kV輸電網為例，采用雙層迭代粒子群算法與潮流計算相結合進行模型求解。

1 氫-電HESS模型與風光出力模型

1.1 蓄電池與氫儲能模型

蓄電池儲能與氫儲能是氫-電HESS的兩個部分。其中氫儲能系統由質子交換膜電解池(proton exchange membrane electrolyzer，PEME)、質子交換膜燃料電池(proton exchange membrane fuel cell，PEMFC)與儲氫罐(hydrogen storage，HS)組成，功能分別為“充電”、“放電”、“儲存氫氣”[16]。

1.1.1 蓄電池儲能模型

蓄電池儲能系統充放電模型為：

SOCi,t(1-δBS)

(1)

式中：SOCi,t為蓄電池i在t時刻的荷電量；Pcha,i,t、Pdis,i,t分別為蓄電池i的充放電功率；ηcha、ηdis分別為蓄電池的充放電效率；Icha,i,t表示蓄電池i在t時刻充電狀態的0-1變量，為1時充電，為0時不進行充電；Icha,i,t表示蓄電池i在t時刻放電狀態的0-1變量，為1時放電，為0時不進行放電；蓄電池不能同時充放電，因此Icha,i,tIdis,i,t=0；EBS,i,rate為蓄電池i的額定容量；δBS為蓄電池的自放電率。

蓄電池儲能系統約束條件為：

SOCmin≤SOCi,t+1≤SOCmax

(2)

SOCi,1=SOCi,T

(3)

0≤Pcha,i,t≤Icha,i,tPBS,i,rate

(4)

0≤Pdis,i,t≤Idis,i,tPBS,i,rate

(5)

式中：SOCmax、SOCmin分別為蓄電池儲能系統最大最小電荷量；T為配置周期；PBS,i,rate為蓄電池i的額定功率。

1.1.2 氫儲能系統模型

氫儲能系統充放電模型為：

(6)

式中：PPEME,j,t、PPEMFC,j,t分別為氫儲能系統j的充放電功率；ηPEME和ηPEMFC分別為充放電效率；SH2,j,t為氫儲能系統j在t時刻的等效SOC；uPEME,j,t和uPEMFC,j,t分別為氫儲能系統j的PEME和PEMFC在t時刻的啟停狀態變量，為1時表示啟動狀態，為0時表示停止狀態；EH2,j,rate為氫儲能系統j的額定容量。

氫儲能系統約束條件為：

PH2,j,min≤PPEME,j,t≤PH2,j,rate

(7)

PH2,j,min≤PPEMFC,j,t≤PH2,j,rate

(8)

SH2,j,1=SH2,j,T

(9)

(TPEMFC,on,j,t-1-TPEMFC,on,min)×
(uPEMFC,j,t-1-uPEMFC,j,t)≥0

(10)

(TPEMFC,off,j,t-1-TPEMFC,off,min)×
(uPEMFC,j,t-uPEMFC,j,t-1)≥0

(11)

(TPEME,on,j,t-1-TPEME,on,min)(uPEME,j,t-1-uPEME,j,t)≥0

(12)

(TPEME,off,j,t-1-TPEME,off,min)(uPEME,j,t-uPEME,j,t-1)≥0

(13)

uPEMFC,j,t+uPEME,j,t<2

(14)

式中：PH2,j,rate為氫儲能系統j的額定功率；PH2,j,min為氫儲能系統j工作時的最小功率；TPEME,on,j,t和TPEME,off,j,t分別為氫儲能系統j的PEME在t時刻已經連續運行、停運的時間；TPEMFC,on,j,t和TPEMFC,off,j,t分別為氫儲能系統j的PEMFC在t時刻已經連續運行、停運的時間；TPEME,on,min和TPEME,off,min分別為PEME的最小連續運行時間與最小連續停運時間；TPEMFC,on,min和TPEMFC,off,min分別為PEMFC的最小連續運行時間與最小連續停運時間。

1.2 氫-電HESS配合策略

氫儲能系統在高功率運行狀態下有更高的效率，綜合成本也更低，因此應使氫儲能系統在較高的功率下運行[14]。如附錄圖A1所示，蓄電池與氫儲能系統在儲能時長和儲能功率上互補，又因氫儲能系統功率與效率正相關，在功率達到一定閾值后氫儲能系統的運行綜合成本比蓄電池低[17]。故把兩種儲能系統相結合，同時提出了一種氫-電HESS配合策略，從而達到氫-電HESS充放電的最優解。設蓄電池儲能系統和氫儲能系統綜合成本相等時的功率為HESS的模式切換功率閾值PHESS,th。為了防止功率指令在閾值功率附近波動時，HESS在2種儲能模式下反復切換，設定如圖1所示的功率-儲能模式滯環。

圖1 氫-電HESS分配策略模式切換流程圖Fig.1 Flow chart of distribution strategy mode switching of hydrogen-electricity HESS

模式1：在功率指令未達到閾值時，氫儲能系統關閉，蓄電池承擔電能充放的功能。

模式2：當功率指令超過閾值后，氫儲能系統根據功率指令正負啟動PEMFC或PEME。

其中PHESS,t為t時刻氫-電HESS的充放電功率；PBS,t為t時刻蓄電池儲能系統的充放電功率；PH2,t為t時刻氫儲能系統的充放電功率；ξ為返回系數，取值大于1；b為當前模式切換變量，為1時表示模式1，為2時表示模式2。

返回系數的取值應重點考慮氫儲能設備的最小連續運行時間與最小連續停運時間對模式切換的影響。返回系數ξ取值較小時，會使切換過于敏感，導致遲滯環作用降低或無效；返回系數ξ取值較大時，會使氫-電HESS中的兩種儲能工作在效率相對較低的區間，增加綜合成本。

1.3 風光出力模型

1.3.1 風電出力模型

風電出力與風速正相關，國內外普遍使用的風電出力公式為：

(15)

本文使用風速vm,t的歷史數據對風電理想出力進行計算。

1.3.2 光伏出力模型

本文使用的光伏出力模型為：

(16)

θn=θTEST[1-φ(Tn,t-TTEST)]

(17)

本文使用太陽輻照度Ln,t的歷史數據對光伏理想出力進行計算。

2 氫-電HESS的雙層規劃模型及求解

本文的配置優化目標為年綜合成本和棄風棄光率最小，根據這兩個優化目標，建立了氫-電HESS的雙層規劃模型。

2.1 上層模型

上層模型中，目標是輸電網年綜合成本最小，決策變量是氫-電HESS的并網位置，約束條件有氫-電HESS容量約束和氫-電HESS功率約束。

2.1.1 目標函數

minF1=CI+COM+CP+CL

(18)

式中：F1為上層目標函數，即年綜合成本；CI為氫-電HESS等年值安裝成本；COM為氫-電HESS年運行維護成本；CP為年發電成本；CL為年網損成本[18]。

1)氫-電HESS等年值安裝成本：

(19)

(20)

(21)

(22)

(23)

式中：CI_BS為蓄電池儲能系統等年值安裝成本；CI_H2為氫儲能系統等年值安裝成本；r為貼現率；τ為設備壽命周期；cI_BS,p、cI_BS,e、cI_H2,p、cI_H2,e分別為蓄電池儲能系統單位功率投資成本、蓄電池儲能系統單位容量投資成本、氫儲能系統單位功率投資成本、氫儲能系統單位容量投資成本；PBS,rate、EBS,rate、PH2,rate、EH2,rate分別為蓄電池儲能系統總額定功率、蓄電池儲能系統總額定容量、氫儲能系統總額定功率、氫儲能系統總額定容量；NBS、NH2分別為蓄電池儲能系統和氫儲能系統數量。

2)氫-電HESS年運行維護成本：

(24)

(25)

(26)

式中：COM_BS為蓄電池儲能系統的年運行維護成本；COM_H2為氫儲能系統的年運行維護成本；cOM_BS、cOM_H2分別為蓄電池儲能系統和氫儲能系統的單位運行功率成本；PBS,t為蓄電池儲能系統在t時刻的總功率；PH2,t為氫儲能系統在t時刻的總功率。

3)各機組年發電及維護成本：

(27)

式中：CG、CW、CPV分別為火力、風電、光伏的年發電及維護成本；NG、NW、NPV分別為火電機組、風電場、光伏電站的數量；cG、cW、cPV分別為火力、風電、光伏的單位發電及維護成本之和；PG,l,t、PW,m,t、PPV,n,t分別為火力、風電、光伏的實際發出功率。

4)年網損成本:

(28)

式中：closs為單位網損成本；Ploss,t為有功損耗。

2.1.2 約束條件

1)氫-電HESS容量約束:

0≤EBS,i,rate≤EBS,max

(29)

0≤EH2,j,rate≤EH2,max

(30)

式中：EBS,max、EH2,max分別為蓄電池儲能系統和氫儲能系統在每個節點能夠建設的最大容量。

2)氫-電HESS功率約束：

0≤PBS,i,rate≤PBS,max

(31)

0≤PH2,j,rate≤PH2,max

(32)

式中：PBS,max、PH2,max分別為蓄電池儲能系統和氫儲能系統在每個節點能夠建設的最大功率。

2.2 下層模型

下層模型中，目標是棄風棄光率最小，決策變量是并網蓄電池儲能系統和氫儲能系統的額定容量和額定功率；約束條件有功率平衡約束、節點功率平衡約束、節點電壓限制約束、支路容量約束和備用約束。

2.2.1 目標函數

(33)

式中：F2為下層目標函數，即棄風棄光率。

2.2.2 約束條件

1)功率平衡約束：

(34)

式中：N為節點數；Pload,k,t為節點k在t時刻的負荷功率。

2)節點功率平衡約束、節點電壓限制約束、支路容量約束:

(35)

Ui,min≤Ui,t≤Ui,max

(36)

Sij,t≤Sij,max

(37)

式中：Pi,t、Qi,t分別為t時刻節點i的有功和無功注入；Ui,t、Uj,t分別為t時刻節點i和節點j的電壓幅值；Gij、Bij分別為t時刻支路ij的電導和電納；θij為節點i與節點j電壓間的相角差；Ui,max、Ui,min分別為節點i電壓幅值的上下限；Sij,t為t時刻支路ij的功率值；Sij,max為支路ij的最大傳輸功率。

3)備用約束。

電網需要留有足夠的備用來應對負荷波動等情況。

(38)

式中：Pr{·}為{}中不等式成立的概率；ΔPG,l,t為火電廠l在t時刻可以提供的備用容量；ΔPW,m,t、ΔPPV,n,t、ΔPload,k,t分別為風電、光伏出力和負荷在t時刻的預測誤差，預測誤差一般采用正態分布得到[19-20]；ΔPBS,t、ΔPH2,t分別為蓄電池儲能系統和氫儲能系統在t時刻可以提供的備用容量；β為置信度。

2.3 雙層規劃模型求解

在實際的儲能配置問題中，需要先考慮經濟性最優，然后在此基礎上考慮棄風棄光率最低，即上層目標最優前提下求得下層最優。同時考慮到輸電網優化配置是一個非線性多目標問題，難以得到全局最優解，因此本文采用與潮流計算結合的雙層迭代粒子群算法進行求解。粒子群算法具有計算效率高、簡單易實現的優點。結合本文研究對象及運行控制策略，利用粒子群算法對輸電網優化配置進行上下層相互迭代，從而得到最優解，其中：

上層規劃模型采用粒子群算法進行求解，其中粒子為是否在節點i配置氫-電HESS的0-1變量Li。當Li=0時，表示不在節點i配置氫-電HESS；當Li=1時，表示在節點i配置氫-電HESS。

下層規劃模型采用與潮流計算結合的粒子群算法進行求解，每個粒子為接入各節點的氫-電HESS，包含4個部分：接入各節點的蓄電池儲能系統額定容量EBS,i,rate、蓄電池儲能系統額定功率PBS,i,rate、氫儲能系統額定容量EH2,i,rate和氫儲能系統額定功率PH2,i,rate。當上層粒子Li=0時，節點i的氫-電HESS額定容量和額定功率均為0。

在迭代過程中，上層粒子需要作為參數輸入下層，決定下層粒子在各節點的初始化和更新；下層的容量和功率優化結果需要輸入上層，計算上層目標，更新最優值和適應度。

具體實施步驟如下：

步驟1：初始化上層粒子群。根據上層規劃決策變量的取值范圍，初始化粒子群的速度、位置、個體最優值和群體最優值，設置當前迭代次數iter=1。

步驟2：上層粒子作為參數輸入下層規劃模型，更新迭代次數iter=iter+1。

步驟3：下層優化。步驟如下：

1)初始化下層粒子群。以上層粒子和下層規劃決策變量的取值范圍為條件，初始化下層粒子的速度和位置，初始化個體最優值和種群最優值，設置當前迭代次數iter2=0。

2)計算下層粒子適應度。根據下層粒子數據，更新輸電網潮流程序中各節點接入的氫-電HESS額定容量和額定功率。進行潮流計算，獲得下層粒子群的適應度。

3)更新下層粒子群的個體最優值、個體最優適應度、種群最優值和種群最優適應度。將粒子群的適應度依次與當前對應的個體最優適應度進行比較，更新個體最優值和個體最優適應度。再將個體最優適應度依次與當前群體最優適應度進行比較，更新群體最優值和群體最優適應度。

4)下層粒子群更新。更新下層粒子的速度和位置，并判斷更新后的值是否滿足條件：若更新前、后的速度一致，則對當前速度乘以一個(0,1)之間的隨機數；若更新后的粒子出現越界情況，則使越界粒子等于最近的邊界值。更新迭代次數iter2=iter2+1。

5)迭代次數判斷。判斷是否滿足條件iter2

步驟4：計算上層粒子適應度。根據當前種群粒子數據，求取粒子適應度。

步驟5：上層粒子群更新。同步驟3。

步驟6：更新上層粒子群的個體最優值、個體最優適應度、群體最優值和群體最優適應度。同步驟3。

步驟7：迭代次數判斷。判斷是否滿足條件iter1

3 算例分析

3.1 算例說明

本文進行算例仿真的計算環境為Intel Xeon E5-2680 v4 2.40 GHz雙CPU，96 GB內存，NVIDIA RTX 2080 Ti GPU臺式機，算例仿真的網絡為某地區80節點含高比例風電和光伏接入的輸電網，網絡拓撲結構如圖2所示。

圖2 某地區80節點輸電網網架結構Fig.2 80-node transmission grid structure in a certain area

該算例的網架結構包括 80 個節點，其中節點1為外送節點，負荷節點有38個，火電節點有6個，風電光伏節點有36個，各類型電站接入節點如附錄表A1所示。網絡有220 kV和500 kV兩個電壓等級。

風電光伏出力和負荷功率數據采用該地區2019年的實測數據，如圖3—5所示。火力發電總裝機容量為1 600 MW；風力發電總裝機容量為5 075 MW；光伏發電總裝機容量為194 MW。配置儲能系統前，整個電網的外送負荷占總負荷的48.23%，屬于典型的電力外送電網。

圖3 風光理想出力Fig.3 The ideal output of photovoltaic and wind power

由圖3—5可知：由風光理想出力曲線可以得出春秋兩季為風光發電的旺季，冬季其次，夏季最次，年平均風光出力為1 769.74 MW；本地負荷在夏季最高，春秋冬三季比較平均，年平均本地負荷為763.34 MW。外送負荷與風光理想出力的變化趨勢基本相同，呈正相關，年平均外送負荷為711.14 MW。

雙層粒子群算法中，上層求解復雜度低，為了加快求解效率，上層種群規模較小；下層求解復雜度高，為了避免陷入局部收斂，下層種群規模需要比上層稍大。慣性權重系數設置參考了文獻[18]。故仿真參數設置為：上層種群規模為30；下層種群規模為50；上層迭代次數為50；下層迭代次數為100；上下層最大慣性權重系數取0.9，最小慣性權重系數取0.4。置信度為0.9。配置周期為一年，即8 760 h。通過多次仿真實驗，返回系數ξ取值為1.05。

圖4 每小時本地負荷功率Fig.4 Local load power per hour

圖5 每小時外送負荷功率Fig.5 Delivered load power per hour

3.2 仿真結果

3.2.1 配置場景

為了驗證模型及配合策略的有效性，本文選取了4個不同的場景進行對比，并分析不同情況下的儲能配置問題。

場景1：無儲能系統。

場景2：只配置蓄電池儲能系統。配置單一的儲能系統不需要儲能系統的配合策略。本文蓄電池儲能系統使用鋰離子電池，相關參數參考文獻[21]。

場景3：只配置氫儲能系統。與場景2相同，不需要儲能系統的配合策略。

場景4：配置氫-電HESS，采用本文提出的氫-電HESS配合策略。

3.2.2 各場景配置結果

場景2蓄電池儲能系統的配置結果如附錄表A2所示，有31個節點配置了蓄電池儲能系統。儲能系統總額定容量為3 423.48 MW·h，總額定功率為699.91 MW。

場景3氫儲能系統的配置結果如附錄表A3所示，有12個節點配置了氫儲能系統。儲能總額定容量為2 273.69 MW·h，總額定功率為565.96 MW。

場景4的氫-電HESS的配置結果如附錄表A4所示，有 30個節點配置了儲能系統，其中有9個節點配置了氫-電HESS，另外21個節點只配置了蓄電池儲能系統。儲能系統總額定容量為3 715.38 MW·h，總額定功率為729.22 MW。

場景2和場景4的選址結果大體相同；場景3的選址結果與場景2和場景4差別較大，主要是因為氫儲能系統最低容量和功率的約束導致部分需要低功率儲能的節點無法配置，從而使總額定容量和總額定功率相對較小。

不同場景下的各項成本如表1所示。對比場景1、2、3和4，分析儲能系統配置對輸電網的影響。場景2、3和4的火力發電成本比場景1分別降低了37.81%、18.54%和46.68%，年綜合成本分別降低了4.14%、1.84%和4.78%。說明輸電網在配置儲能系統后能夠有效對風電光伏出力進行時序上的轉移，從而有效減少高碳化石能源的消耗量。各場景對應的棄風棄光情況如表2和圖6所示。場景2、3和4的棄風棄光率分別比場景1降低了3.95%、2.37%和5.48%，可以得出場景4的結果最優。配置儲能系統后棄風棄光率降低的并不多，但配置儲能系統的目的并不是一味地降低棄風棄光率，還要考慮儲能系統的利用率，在綜合成本最低的情況下進行儲能系統配置。

表1 不同場景的各項成本和投資回收年限Table 1 List of costs and payback period for different scenarios

圖6 各場景月棄風棄光量Fig.6 Amount of monthly abandoned wind and PV in various scenarios

表2 各場景的棄風棄光率和年網損Table 2 Wind and PV curtailment rate and annual network loss in various scenarios

氫儲能系統的單位額定功率成本約為蓄電池儲能系統的2倍，氫儲能系統的儲氫罐單位容量成本約為蓄電池儲能的1/15[22]。對比場景4、場景2和場景3，分析單一蓄電池儲能系統和單一氫儲能系統的配置與氫-電HESS配置的不同。在表1中場景4的火力發電成本比場景2和場景3分別降低了14.26%和34.54%，安裝成本也更低，同時場景4中氫-電HESS的總額定容量和總額定功率更高。在表2中場景4的棄風棄光率比場景2和場景3分別降低了1.53%和3.11%。另外，場景3因氫儲能安裝的最低容量和功率約束，氫儲能安裝位置較少，安裝總容量較小，所以對風電光伏出力進行時序上的轉移能力也較弱。綜上，場景4用更低的成本配置了更高的容量和功率，能更有效地對風電光伏出力進行時序上的轉移，減少更多高碳化石能源的消耗量，同時能夠進一步降低棄風棄光率。

此外，對比表1中三個場景的投資回收年限，場景2的回收年限最長，場景4的回收年限最短。因本文只考慮了儲能系統的配置成本，沒有考慮儲能系統建設時的用地和設施成本，故所有場景的投資回收年限均較短。

表2中各場景的年網損差別很小，是由于該輸電網很依賴電力外送，外送電量占生產電量的近一半，儲能系統對風電光伏出力進行時序上的轉移并不能有效減少線路上流動的電量。

綜上，本文提出的氫-電HESS能在更低的綜合成本下配置更大規模的儲能系統，能夠較大地降低高碳化石能源的消耗量，同時還能降低棄風棄光率。

3.2.3 典型日系統運行工況分析

該地區的供暖期和非供暖期時間均為半年，故分別在供暖期和非供暖期選取典型日進行分析。其中供暖期和非供暖期典型日分別處于風電旺季和淡季。圖7、8分別為供暖期典型日節點1—30運行工況時空分布圖和非供暖期典型日節點31—60運行工況時空分布圖，其中負荷和儲能系統充電為正，火力、風光發電和儲能系統放電為負，但不包括外送負荷。

圖7 供暖期典型日節點1—30運行工況時空分布圖Fig.7 Spatial and temporal distribution of operating conditions of node 1 to 30 on typical days during the heating period

圖8 非供暖期典型日節點31—60運行工況時空分布圖Fig.8 Spatial and temporal distribution of operating conditions of node 31 to 60 on typical days during non-heating period

由圖7可知，節點7、14、29配置的氫-電HESS在發電高峰期進行了充電，發電低谷進行了放電；節點3、16的火力發電有了較大的減少，共減少了31.67%；節點24、25、26的風光實際出力有了明顯的增加，共增加了9.35%。說明在風電旺季氫-電HESS能有效對風電光伏出力進行時序上的轉移，增加風光的消納量，減少化石能源的消耗量。從時間上可以看出，01:00—09:00儲能系統放電，同時火電出力減少；10:00—16:00儲能系統充電，同時風光出力增加。從空間上，對火電或風光發電都是使用最近且有調節能力的儲能系統進行調節。

由圖8可知，節點34、47、50的火力發電有了較大減少，共減少了29.34%；節點46、48、49、51配置的氫-電HESS大部分時間處于放電狀態，以減小火電出力；此時為風電淡季，風光出力全部得到了消納。說明在風電淡季氫-電HESS能有效的減少火電出力，增加電網的備用，提高系統的穩定性。從時間上可以看出，01:00—05:00儲能系統放電，同時火電出力大幅度減少；06:00—10:00儲能系統放電減緩，同時火電出力小幅度減少。從空間上，對火電或風光同樣是使用空間上最近且具有調節能力的儲能系統進行調節。

綜上，本節通過對供暖期和非供暖期的典型日運行工況進行分析，說明配置氫-電HESS對增加風光消納量、減少高碳化石能源的消耗量和提高電網穩定性有良好的效果。

3.2.4 有無氫-電HESS配合策略對比

根據場景4得出的配置結果進行有無氫-電HESS配合策略對比。有配合策略的氫-電HESS使用本文提出的帶有遲滯環的氫-電HESS配合策略控制儲能模式的切換。無配合策略的氫-電HESS當切換功率達到閾值PHESS,th時就馬上進行儲能模式的切換。

圖9為某日氫-電HESS的充放電功率曲線。在05:00，氫-電HESS的切換功率低于閾值PHESS,th，但又大于PHESS,th/ξ，此時無配合策略的氫-電HESS進行了模式切換，而有配合策略的氫-電HESS沒有進行模式切換。在接下來的06:00—08:00，切換功率大于PHESS,thξ，然而無配合策略的氫-電HESS因氫儲能系統不滿足最小連續停運時間而無法啟動，導致模式無法切換；到09:00時，氫儲能系統達到最小連續停運時間后才進行了模式切換。到10:00時，切換功率小于PHESS,th/ξ，無配合策略的氫-電HESS因氫儲能系統不滿足最小的連續運行時間，模式無法切換，而有配合策略的氫-電HESS進行了模式切換。18:00—21:00情況與前面類似。故可以看出有配合策略比無配合策略的氫-電HESS充放電結果更優。

圖9 有無配合策略的氫-電HESS充放電情況Fig.9 Hydrogen-electricity HESS charge and discharge with or without coordination strategy

綜上可以得出氫-電HESS配合策略能夠有效避免切換功率在閾值PHESS,th附近波動時的錯誤切換，使氫-電HESS能夠在最佳狀態下運行。

4 結 論

本文提出了含高比例可再生能源接入的輸電網氫-電混合儲能系統配置方法。建立了氫-電HESS的雙層規劃模型，基于蓄電池和氫儲能系統的不同特性，提出了一種氫-電HESS配合策略，并采用雙層迭代粒子群算法與潮流計算相結合進行模型求解。主要結論如下：

1)儲能系統對風電光伏出力進行時序上轉移的能力主要是受容量和功率的限制，本文提出的氫-電HESS比傳統單一蓄電池儲能系統在建設和維護成本降低了2.60%的情況下，還能夠增加8.53%的容量和4.18%的功率，從而提高對風電光伏出力進行時序上轉移的能力，減少高碳化石能源的消耗量，降低棄風棄光率。

2)氫-電HESS不僅能在整體上降低火電出力，提高風光消納量，通過對典型日的分析，氫-電HESS還能降低火電的整體出力曲線，使得火電備用更充足，提高了系統的穩定性。

3)氫-電HESS配合策略能夠有效避免切換功率在閾值PHESS,th附近波動時的錯誤切換，使氫-電HESS在最佳狀態下運行。

本文的氫儲能模型只有制氫沒有售氫，未來可以進一步研究售氫對含高比例可再生能源網絡配置和調度的影響。