微電網系統最優容量配比及潮流分析研究

黎 青 王萬軍 周振平

微電網系統最優容量配比及潮流分析研究

黎 青1王萬軍2周振平3

（1. 陜西理工大學，陜西 漢中 723001；2. 龍源（北京）太陽能技術有限公司，北京 100083；3. 龍源（北京）風電工程技術有限公司，北京 100083）

微電網系統中如何進行風光儲容量的最優配置，是目前微電網行業面臨的一大難題。本文利用PVsyst軟件建立光伏發電系統模型，考慮溫度、灰塵等因素的影響，準確預測光伏系統的發電量；對負荷數據進行長期跟蹤，利用負荷密度預測的方法考慮未來五年負荷的增長，并對現有負荷進行詳細分析，建立負荷模型；結合Homer軟件仿真，從消納光伏發電系統剩余電力及峰谷電價差兩方面進行分析，以度電成本最低為目標，給出微電網系統中光伏系統與儲能容量的最佳配比。最后通過PSD-BPA軟件對該微電網系統進行潮流分析，以驗證光伏發電系統的接入節點電壓波動范圍符合規范要求。

最優配比；剩余電力；峰谷電價差；光伏系統；儲能

0 引言

由于煤炭、電力資源的短缺，2021年底多省區出現拉閘限電現象，給居民及工企業帶來了很大不便及經濟損失。若園區建立微電網系統，可緩解電力限制帶來的種種問題。

文獻[1]以某大型商貿中心為例，對分布式光伏發電系統進行研究。分布式光伏發電系統可解決企業部分用電，但由于光照時段及光資源不穩定的限制，僅有光伏系統很難滿足企業在電價峰值時段的供電需求及供電可靠性要求。為消除新能源出力的間歇波動特征帶來的影響，可增加儲能系統，提高微電網系統的穩定性。文獻[2]以儲能經濟最優為目標，經建模分析，對分時電價下的五種儲能電池進行容量配置；文獻[3]研究非支配排序的遺傳學算法求解電動汽車參與下的最優儲能容量配置；文獻[4]研究風機和儲能系統參與下的功率柔性分配策略；文獻[5]針對偏遠及海島地區，提出一種多元化預裝式儲能電站，采取遺傳學算法，給出多元儲能容量配置方案。文獻[6]面向區域電網，考慮發電系統的可靠性，以總費用期望等年值最小為優化目標，構建風光機組的容量配比；文獻[7]針對電網中的負荷率高及峰谷差價大等現象，提出用于變電站的儲能容量配置方法。上述研究或僅考慮了儲能的容量配置，或僅針對電力系統發電側可再生能源的配置。

本文以某產業園區微電網項目為例，通過分析該地區太陽能資源，使用太陽能光伏系統設計軟件PVsyst計算出25年光伏發電量。再結合該產業園的用電負荷情況，以負荷密度預測的方法考慮未來五年負荷的增長，預測該產業園區未來的負荷趨勢。在Homer軟件中建立模型，從光伏系統供給負荷后的剩余電力及峰谷電價差兩方面進行分析，以度電成本最低為目標，給出微電網系統中光伏系統與儲能容量的最佳配比。最后通過電力系統分析軟件PSD-BPA進行潮流分析，驗證該系統中光、儲、負荷供需平衡，系統穩定。

1 數據分析

1.1 光資源分析

利用PVsyst軟件對某產業園區的光伏系統進行建模，經計算裝機容量為2.143 2MW，首年發電量為214.5萬kW?h，系統效率為82%。該地區的月度水平輻射量見表1。

光伏系統在發電時會有損耗，包括交直流電纜的損耗、灰塵損耗、變壓器損耗、溫度損耗、組件修正系數、失配損耗等，在PVsyst軟件中建模時，設置直流電纜的損耗為1.5%、灰塵損耗為3%、變壓器銅損為1.2%、溫度功率衰減因子為-0.06%/℃、組件修正系數為-0.3%、失配損耗為1.2%。光伏組件的壽命按25年考慮，組件效率按壽命期25年內累計折損20%，首年衰減2.5%，第二年起，年均衰減為0.70%。

表1 月度水平輻射量

考慮到系統損耗及光伏組件衰減后，光伏電站第年的年實際發電量計算公式為

式中：為第年，≥2；1為光伏電站首年發電量。光伏電站壽命期內逐年發電量見表2。

表2 光伏電站壽命期內逐年發電量

（續表2）

該光伏系統25年總發電量約為4 900.50萬kW?h，25年年平均發電量約196.02萬kW?h，年等效利用小時數為914.61h。

1.2 負荷分析

圖1是某產業園區2017年3～4月中30天的日用電量變化曲線，其中最大用電量在4月8日，消耗電能1.823 5萬kW?h，最小在4月5日，消耗電能為0.575 2萬kW?h。30天的平均日消耗電能為1.159 3萬kW?h。

圖1 某產業園區日用電量變化曲線

對2016年及2017年1～4月某產業園區的月度用電情況進行分析，月度用電量變化曲線如圖2 所示。

圖2中方框實線代表2016年各月的用電量情況，三角實線代表2017年1～4月的用電量情況。對圖2數據進行分析可得：

1）分析2016年各月的用電量，12月的用電量遠高于其他月份，這是由于12月該園區二期開始投入使用；3～5月的用電量偏小。

圖2 月度用電量變化曲線

2）比較2016年1～4月及2017年1～4月的用電量可看出，各月用電量變化趨勢相同，說明該產業園區的負荷基本為固定負荷。但是由于2017年該園區二期投運，使用電量整體有一定幅度的增長，差值約為15萬kW?h。

該產業園區的電度電費主要由兩個方面構成：大工業用電及非居民照明用電。其收取的峰谷電價基準不同，峰谷電價單價見表3。

表3 峰谷電價單價

將非居民照明的用電量按電價折算至大工業用電，統一電價基準。折算后的各月峰谷用電量如圖3所示。

圖3 折算后的各月峰谷用電量

各月的平價用電量均最大，大約占37%，峰價用電量占總用電量35%左右，谷價用電量最少，占28%。峰值時電價最高，可利用峰谷電價差的優勢收益。

1.3 用電分類及負荷趨勢預測

一方面，由于某產業園區還未完全建成，部分三期廠房、辦公樓等還未投入，未來的負荷勢必要增加；另一方面，用戶側需求是隨時間變動的，負荷具有不確定性，因此負荷預測時應對這些因素進行考慮。

負荷預測的方法有類比法、負荷密度法、比例系數增長法、季節時間序列預測法等[8]，根據目前所掌握的該產業園區用電數據及三期擴建規劃情況，在此選用負荷密度預測法進行負荷預測。

負荷密度預測即從該地區的人口或土地面積的平均耗電量出發進行預測，總耗電量是通過單位耗電面積乘以總面積求得。從總平面圖上分析該產業園區預建面積約為現有面積的三分之一，因此以30%的增加量進行預測。目前，該產業園區的平均日消耗電能為1.159 3萬kW?h，三期建成后，該產業園區的用電量為現在的1.3倍，即日均用電量為1.507 09萬kW?h。

通過1.2節對比分析的結論可知，峰價用電量占總用電量35%左右，即峰值時段用電量為0.527萬kW?h。按360天統計，該園區年用電峰值量為189.72萬kW?h。

1.4 現有光伏系統與負荷用電量需求對比分析

將該園區3月20日光伏發電系統的發電量與負荷用電量進行比較，數據如圖4所示。其中，菱形實線為發電量數據，方框實線為8:00—19:00的小時用電量數據，測得日總用量為1.316 7萬kW?h，平均小時用電量為548.63kW?h，如圖4中橫直線所示。圖4中橫直線高于方框實線的主要原因是：該園區夜間生產車間工作，車間大功率用電設備多，使全天總用電量增加，從而導致平均小時用電量高于白天小時用電量。

圖4 3月20日小時數據

由圖4數據可看出，在9:00～17:00，光伏發電系統的發電量可滿足該產業園區負荷用電需求。該園區當日的總負荷用電量為1.316 7萬kW?h，光伏系統發電量預測為0.518 7萬kW?h。獨立光伏發電系統無法滿足日負荷需求。

由上述分析可知，光伏發電系統在某些時段輸出功率過剩，但總量上無法滿足負荷需求。為解決此問題并降低園區的用電成本，本文從消納光伏系統的剩余電力及利用削峰填谷兩個方面進行儲能電池配置，搭建微電網系統。

2 儲能配置容量

2.1 光伏系統剩余電力儲能容量計算

為求出從光伏系統余電儲存峰值釋放的角度需配置的最小儲能容量，假設該產業園區不從電網接收電能，不考慮負荷供電可靠性，使用Homer軟件進行建模仿真。

Homer模型：建立2.143MW光伏組件模型，日均用電量為1.24萬kW?h、峰值為944kW的負荷模型，額定容量為480～1 440kW?h的電池模型，配置2MW光伏逆變器。

經計算，不同儲能電池容量下的光伏系統的年棄電量、棄電率、負荷年缺電量、負荷缺電率、系統年缺電量、系統缺電率見表4。

表4 不同儲能裝機容量下電性能參數計算結果

當配置480kW?h的儲能系統時，光伏系統的年棄電量為135 966kW?h，占光伏系統發電量的7%。隨著儲能系統裝機容量的增加，系統的棄電量逐漸減小，不同儲能裝機容量下的光伏系統年棄電量變化趨勢如圖5所示。

圖5 不同儲能裝機容量下光伏系統年棄電量變化趨勢

當儲能裝機容量增加至1 140kW?h時，光伏系統的棄電量逐漸趨近于0。

為計算棄電量為0時，儲能的最小裝機容量，對1 200～1 260kW?h區間的儲能容量進行進一步細化，重新建模后的棄電量如圖6所示。

圖6 1 200～1 260kW?h儲能裝機容量下的棄電量

當儲能的裝機容量為1 255.2kW?h時，光伏系統的年棄電量僅為0.467kW?h，故從光伏系統剩余電力全部存儲的角度，需配置的最小儲能裝機容量為1 255.2kW?h。

當微電網系統配置1 255.2kW?h的儲能電池時，電價峰值時段的光伏系統的年發電量為57.26萬kW?h，儲能系統的年出力為102.45萬kW?h，總計159.71萬kW?h電量。而該園區年用電峰值量為189.72萬kW?h，因此峰值時段其余的30.18萬kW?h電量，可通過削峰填谷方式配置儲能，進一步降低用電成本。

2.2 削峰填谷儲能容量計算

經1.2節分析，利用削峰填谷配置儲能系統具有經濟性。

30.18萬kW?h為年用電量，以全年8 760h計算，每小時的用電量為34.452kW?h，儲能系統蓄電池容量的基本公式為

式中：為可靠系數，一般取1.1；、、分別為蓄電池電壓、電流、功率；為蓄電池循環效率；DOD為蓄電池放電深度，深度循環時取80%；為蓄電池溫度系數，當1＜電池放電率＜10時，取0.008；為電池的使用時間；為溫度。

結合該地區氣象資料，其多年極端最低氣溫為-21.2℃；考慮峰谷電價差很大的因素，初步擬定儲能系統存儲的電量供晚上18:00—22:00高峰時段負荷需求；儲能電池的放電深度按80%計算，電池的循環效率按85%考慮，儲能系統容量根據式（2）計算為

根據以上從余電儲存峰值釋放的角度分析得出儲能的最小裝機容量為1 255.2kW?h，削峰填谷需要配置的儲能系統最小容量為471.55kW?h，故本文推薦配置的儲能系統容量為1.727MW?h。

3 經濟性分析

該產業園區裝設2.142MW光伏發電系統，1.727MW?h儲能系統，分析園區的用電成本。

在Homer軟件中建立各元件的經濟模型[9]，光伏系統的初始投資取4元/W，不考慮年運維費用，其壽命周期為25年；系統效率為82%；組件為平鋪方式，不含跟蹤系統；安裝傾角及方位角為0°；地面反射率為0.2，設置光伏系統各經濟參數。

儲能系統的初始投資按3.5元/(W?h)，壽命周期按10年考慮，設置儲能系統的經濟模型各參數。

該產業園區裝設2.142MW光伏發電系統，1.727MW?h儲能系統的初始投資為1 461.25萬元。其中光伏系統的初始投資為856.8萬元，儲能系統的投資為604.45萬元。

經Homer軟件仿真計算，該產業園區裝設2.142MW光伏發電系統，1.727MW?h儲能系統時，園區的度電成本為0.84元/(kW?h)。仿真所得經濟數據見表5。

本方案每年可為園區節約153.99萬元電費，項目初始投資為1 461.25萬元，回收期約9.49年。同時，本方案可將峰值時段的電價由0.886 0元/(kW?h)降至0.84元/(kW?h)，具有經濟性。

表5 經濟數據

4 系統潮流分析

該產業園區包括生產廠房、辦公樓、生活區等，為滿足其供電要求，現設置變壓器：戶外箱變T1（1 600kV?A）、聯合生產廠房變壓器T2（1 600kV?A）、聯合生產廠房變壓器T3（1 600kV?A）、電源設備間變壓器T4（1 250kV?A）、戶外箱變T5（800kV?A）、光伏升壓變壓器及儲能系統變壓器。由總配變電所的10kV電源經過YJV22—8.7/10kV—3×95電纜分別接至各變壓器的高壓側。戶外箱變T1位于宿舍樓附近，主要供生活區供電；T2、T3變壓器位于二期廠房內的車間變電所，主要供逆變器裝配一、二車間及逆變器研發區、半成品裝配區、戶外龍門吊及研發樓等配電照明；T4變壓器位于二期廠房內電源設備間變電所，主要供研發區、中間輔房二層配電及冷熱機房配電照明；戶外箱變T5位于二期辦公樓旁，主要供二期辦公樓內的照明、空調、客梯、消防等使用。該產業園內除消防控制室照明、主要通道照明、樓梯間照明、客梯、消防電梯等為二級負荷外，其余均為三級負荷，二級負荷還設置了備用電源柴油發電機供電。具體的配電系統如圖7所示。

圖7 配電系統

根據圖7在PSD-BPA軟件中進行潮流分析，并繪制微電網系統單線圖如圖8所示。

含光伏和儲能系統的微電網計算，使用PVsyst軟件導出光伏發電系統在某一天的典型日小時輸出功率數據，在PSD-BPA軟件中建立模型，采用牛頓-拉夫遜法進行該系統一天內24h的潮流計算[10]。設并網點為平衡節點，其電壓幅值、相位分別為1.02p.u.、0rad，光伏系統及儲能系統設置為PQ節點。

2.142MW光伏系統某一天的典型日小時輸出功率如圖9所示，光伏系統出力受日照影響，在早6:00—晚19:00有功率輸出，其余時間受日照限制，光伏發電系統無功率輸出。

圖8 微電網系統單線圖

圖9 2.142MW光伏系統某一天的典型日小時輸出功率

通過PSD-BPA軟件進行潮流計算，光伏接入節點DG1的潮流計算結果如圖10所示。由圖10可看出，光伏發電系統的接入節點DG1的電壓波動范圍為0.992p.u.～1.039p.u.，偏差絕對值為4.7%，滿足GB 12325—2008《電能質量供電電壓偏差》標準中20kV及以下三相供電電壓偏差為標稱電壓±7%的要求[11]。

圖10 DG1潮流計算結果

5 結論

本文通過對用戶側負荷進行分析、光資源計算，結合消納光伏發電系統剩余電力及峰谷電價差兩種策略，給出微電網系統能源配比的計算方法，以某產業園區的具體應用實例進行分析說明，通過經濟性對比分析可看出，方法滿足行業標準要求，具有可行性。通過潮流計算可知，光伏系統接入節點電壓符合國家標準要求。

[1] 張藍宇, 李俊, 歐陽進, 等. 大型建筑屋頂分布式光伏發電項目的研究與應用[J]. 湖南電力, 2019, 39(6): 34-37.

[2] 陳景文, 肖妍, 莫瑞瑞, 等. 考慮光伏校正的微電網儲能容量優化配置[J]. 電力系統保護與控制, 2021, 49(10): 59-66.

[3] 陸燕娟, 潘庭龍, 楊朝輝. 計及電動汽車的社區微網儲能容量配置[J]. 太陽能學報, 2021, 42(12): 362- 367.

[4] 張靖, 張志文, 胡斯佳, 等. 獨立微電網風儲協同調頻的功率柔性分配策略[J]. 電工技術學報, 2022, 37(15): 3767-3780.

[5] 袁鐵江, 張昱, 栗磊, 等. 計及功率密度約束含氫儲能的預裝式多元儲能電站容量優化配置研究[J]. 電工技術學報, 2021, 36(3): 496-506.

[6] 宋宇, 李涵, 楚皓翔, 等. 計及可靠性的風光互補發電系統容量優化配比研究[J]. 電氣技術, 2022, 23(6): 49-58, 68.

[7] 白樺, 王正用, 李晨, 等. 面向電網側、新能源側及用戶側的儲能容量配置方法研究[J]. 電氣技術, 2021, 22(1): 8-13.

[8] 牛東曉, 曹樹華, 盧建昌. 電力負荷預測技術及其應用[M]. 2版. 北京: 中國電力出版社, 2009.

[9] AL-KARAGHOULI A, KAZMERSKI L L. Optimi- zation and life-cycle cost of health clinic PV system for a rural area in southern Iraq using HOMER software[J]. Solar Energy, 2010, 84(4): 710-714.

[10] 彭寒梅, 昌玲, 郭穎聰, 等. 主從控制微電網的動態區間潮流計算[J]. 電網技術, 2018, 42(1): 195-202.

[11] 電能質量 供電電壓偏差: GB/T 12325—2008[S]. 北京: 中國標準出版社, 2009.

Research on optimal capacity ratio and power flow analysis of the microgrid system

LI Qing1WANG Wanjun2ZHOU Zhenping3

(1. Shaanxi University of Technology, Hanzhong, Shaanxi 723001;2. Long Yuan (Beijing) Solar Energy Technology Co., Ltd, Beijing 100083;3. Long Yuan (Beijing) Wind Power Engineering Technology Co., Ltd, Beijing 100083)

How to optimize the allocation of wind, photovoltaic and energy storage capacity in the microgrid system is a major problem faced by microgrid industry at present. This paper establishes the photovoltaic power generation system model using PVsyst software, considering the influence of temperature, dust and other factors, to accurately predict the power generation of photovoltaic system. The load data is tracked for a long time. The load growth in the next five years is considered by using the load density prediction method, and the existing load is analyzed in detail to establish a load model. Combined with the simulation analysis of Homer software, the research and analysis are carried out from the aspects of absorbing the residual power of photovoltaic power generation system and the difference between peak and valley electricity prices. With the lowest electricity cost as the goal, the optimal ratio of photovoltaic system and energy storage capacity in the microgrid system is given. Finally, the power flow analysis of the microgrid system is carried out through PSD-BPA software, and the voltage fluctuation range of the access node of photovoltaic system is verified to meet the specification requirements.

optimal ratio; surplus power; peak valley electricity price difference; photovoltaic system; energy storage

陜西理工大學科研項目“智能微電網系統研究”（SLGKYXM2203）

2022-07-07

2022-09-10

黎 青（1990—），女，陜西省咸陽市人，碩士，主要從事新能源發電、微電網系統分析等方面研究工作。