并網型風光氫儲微電網容量優化配置

趙娜, 張蓮, 王士彬, 李多, 黃偉

(1. 重慶理工大學電氣與電子工程學院, 重慶 400054；2. 國網重慶市電力公司市南供電分公司, 重慶 401336)

0 引言

隨著社會不斷發展, 人類對電力的需求不斷增加, 集中式大電網的弊端也逐漸顯露, 場地局限性大、 成本高昂、 環境污染嚴重、 難以滿足用電安全性要求等。 分布式發電系統利用可再生能源發電,具有配置靈活、 安全環保等優點, 但分布式發電也有一些缺點, 比如風能、 太陽能等可再生能源波動性大, 供電可靠性不強。 微電網是目前消納可再生能源和連接大電網的一種良好、 可靠的方式。 微電網的穩定運行離不開儲能技術, 儲能技術可以抑制風光的波動。 電池儲能具有安裝靈活、 響應快、 充放電速度快等特點, 氫儲能具有存儲時間長、 能量密度高、 無污染等優勢, 兩者具有互補的特性。

隨著儲能技術的發展, 單一的儲能不能同時滿足壽命長、 工作范圍寬等要求[1－2]。 因此, 相比于單一的儲能來說, 混合儲能具有很大的優勢。 目前, 針對含氫能的混合儲能的容量優化配置問題,國內外已有很多研究。 文獻[3] 以氫儲能為主、電化學能為輔, 提出計及電解槽特性的混合儲能能量運行策略, 通過算例驗證可以有效平抑風電的波動性。 文獻[4] 針對傳統制氫方式造成環境污染的問題, 提出風電制氫不僅可以實現綠色制氫, 還可以有效解決棄風問題。 文獻[5] 考慮各微網之間的功率交互約束, 提出了一種多微網系統運行策略, 經過多種方案的對比, 證明在容量優化模型中增加功率交互約束可以降低微電網成本并能提高穩定性。 文獻[6] 針對光伏發電的不穩定性問題,提出電氫混合儲能來對太陽能的波動性進行調節,并滿足用戶側的電熱氫負荷需求。 文獻[7] 將海水淡化系統和電解槽結合制氫, 建立雙層優化模型對微電網容量進行配置和運行調度。

目前針對含氫能的混合儲能微電網系統與大電網之間的交易研究較少[8], 本文建立并網型風光蓄氫的微電網模型, 以等年值成本和碳排放處理費用為目標函數, 利用層次分析法將多目標問題轉換成單目標問題, 比較不同儲能情況下, 各個方案的經濟性、 自平衡率及風光互補特性, 從而驗證混合儲能比單一儲能更具有優勢。

1 微電網結構和數學模型

1.1 微電網結構

微電網結構如圖1 所示, 由發電系統、 儲能系統和變換器等組成。 發電系統包括風力發電機、 光伏電池板, 儲能系統包括蓄電池、 電解槽、 燃料電池、 儲氫罐[9]。

1.2 各分布式電源數學模型

1.2.1 風力發電機模型

風力發電機原理是通過葉片捕獲空氣中的動能, 通過風力發電機將機械能轉換成電能。 在風輪系數、 葉片掠過面積及空氣密度不變的情況下, 風機輸出功率只與風速有關[10], 簡化后的風機輸出功率數學模型為:

式中,v為風機輪轂高度處的風速；vci、vco、vr分別為風機的切入、 切出、 額定風速；Pr為風機的額定功率。

1.2.2 光伏電池模型

光伏電池功率受光照強度和電池工作的溫度影響, 光伏電池板的輸出功率模型為[11]:

式中,fPV為功率降額系數, 一般取0.9；PSTC、GSTC、TSTC分別為標準測試條件下光伏電池板的額定功率、 輻照強度、 溫度；αp為功率溫度系數；G為實際輻照強度；T為光伏電池板表面溫度, 可以通過環境溫度和輻照強度進行估算[12]:

式中,Te是環境溫度。

1.2.3 蓄電池模型

蓄電池可以平抑風光的波動, 在風光出力不能滿足負荷時, 蓄電池可以放電來滿足負荷需求； 在風光出力大于負荷需求時, 蓄電池通過充電消耗多余電能。

蓄電池充電過程:

蓄電池放電過程:

式中,SOC(t －1) 、SOC(t) 分別為t －1、t時刻結束時蓄電池的荷電狀態；δ是蓄電池的自放電率；Pc、Pd分別為蓄電池的充電、 放電功率；Ec為蓄電池的額定容量；ηc、ηd分別為蓄電池的充、 放電效率；Δt為前后相鄰時刻的時間間隔。

蓄電池在t時刻的容量及上一時刻的容量與充放電功率有關, 即:

式中,Ebat(t －1) 、Ebat(t) 分別為t －1、t時刻蓄電池的容量。

1.2.4 氫儲能模型

氫儲能系統包括電解槽、 燃料電池、 儲氫罐三部分。 風光充足時, 蓄電池充滿后還有多余能量時, 電解槽消耗多余的電能將水電解成氫氣, 將制得的氫氣儲存在氫氣罐中供燃料電池使用。 電解槽模型可表示為:

式中,Pel－tank為電解槽的輸出氫氣功率；Pel為輸入電解槽的電功率；ηel為電解槽效率。

風光不足時, 蓄電池放電依舊不能滿足負荷,燃料電池通過氧化還原反應將燃料中的化學能轉換成電能[13]。 電解水的逆過程就是燃料電池的工作原理, 燃料電池輸出功率可表示為:

式中,Pfc－DC為燃料電池的輸出電功率；Ptank－fc為儲氫罐輸入到燃料電池的氫氣功率；ηfc為燃料電池的轉換效率。

儲氫罐在t時刻的能量與電解槽在t時刻產生的能量、 燃料電池在t時刻消耗的能量及上一時刻儲氫罐剩余能量有關[14]。t時刻儲氫罐能量可表示為:

式中,ηstor為儲氫罐的存儲效率；Etank(t －1) 、Etank(t) 分別為t －1 時刻、t時刻的儲氫罐能量。

電解槽的最大功率與額定功率和儲氫罐中的剩余容量有關[15]:

式中,Pel,max為電解槽的最大功率；Pel,r為電解槽的額定功率；Etank,max為儲氫罐的容量上限。

燃料電池的最大功率與額定功率和儲氫罐中的剩余容量有關:

式中,Pfc,max為燃料電池的最大功率；Pfc,r為燃料電池的額定功率；Etank,min為儲氫罐的容量下限。

2 系統優化配置模型及求解算法

2.1 目標函數

2.1.1 等年值成本

等年值成本包括初始投資成本、 運維成本、 置換成本及電網交易成本。

1) 初始投資成本

初始投資成本主要由風機、 光伏、 蓄電池、 電解槽、 儲氫罐、 燃料電池的初始投資成本組成。

風機、 光伏、 電解槽、 燃料電池的初始投資成本與各分布式電源的額定功率有關。

式中,Nwt、Npv、Nel、Nfc分別為風機、 光伏、 電解槽、 燃料電池的數量；cwt,in、cpv,in、cel,in、cfc,in分別為風機、 光伏、 電解槽、 燃料電池的投資成本系數, 元/kW；Pwt,r、Ppv,r、Pel,r、Pfc,r分別為風機、光伏、 電解槽、 燃料電池的額定功率, kW。

蓄電池、 儲氫罐的初始投資成本與分布式電源的額定容量有關。

式中,Nbat、Ntank分別為蓄電池、 儲氫罐的數量；cbat,in、ctank,in分別為蓄電池、 儲氫罐的投資成本系數, 元/ (kW·h)；Ebat,r、Etank,r分別為蓄電池、 儲氫罐的額定容量, kW·h。

資金恢復因數ICRF為:

式中,n為微電網壽命周期, 取20 年；r為折現率,取0.05。

2) 年運維成本

微電網的年運維成本主要由風機、 光伏、 蓄電池、 電解槽、 儲氫罐和燃料電池的年運維成本組成。

其中, 風機、 光伏、 電解槽和燃料電池的年運維成本可表示為:

式中,cwt,om、cpv,om、cel,om、cfc,om分別為風機、 光伏、電解槽、 燃料電池的年運維成本系數, 元/kW。

蓄電池、 儲氫罐的年運維成本可表示為:

式中,cbat,om、ctank,om分別為蓄電池、 儲氫罐的運維成本系數, 元/ (kW·h)。

3) 置換成本

置換成本是設備運行到一定時間性能衰退, 將舊的設備替換成新的設備而產生的費用。 年置換成本公式如下:

風機、 光伏、 儲氫罐的壽命年限與微電網壽命一致, 都是20 年, 不需要置換。 而蓄電池、 電解槽和燃料電池的壽命較短, 在微電網壽命周期內需要更換。

式中,cel,re、cfc,re分別為電解槽、 燃料電池的置換成本系數, 元/kW；cbat,re為蓄電池的置換成本系數, 元/ (kW·h)；cSFF(r,Yi) 為債償基金系數；Yi為各分布式電源的壽命周期。

4) 電網交易成本

電網交易成本包括購電和售電成本, 具體模型如下[16]:

式中,kbuy、ksell分別為購電和售電時的單位價格；Cbuy、Csell分別為購電和售電成本；Pbuy、Psell分別為購電量、 售電量。

2.1.2 碳排放處理成本

并網型風光蓄氫微電網中分布式電源都是清潔能源, 不會產生污染物。 而在微電網內部供電量滿足不了負荷需求時, 剩余電量由大電網滿足, 向大電網購買電量時會造成碳排放, 目標函數f2為:

式中,CCO2為CO2轉換量；μCO2為CO2處理費用系數, 元/kg。 其中, 與大電網交易時產生的CO2轉換量如下:

式中,λCO2為電網碳排放轉換系數, 取0.598 kg/ (kW·h)。

2.2 轉化為單目標函數

為了保證目標函數的量綱統一, 對目標函數f2引入一個處理費用系數μCO2, 從而方便將多目標函數轉化為單目標函數。 利用層次分析法確定兩個目標的權重系數。

式中,w1≥0,w2≥0,w1＋w2＝1,wi為各目標函數的權重, 權重的大小可以反映目標函數的重要程度。

2.3 約束條件

1) 功率平衡約束

為了保證微電網能夠正常運行, 需要對微電網滿足功率平衡約束:

式中,Pwt為風機輸出功率；Ppv為光伏電池板輸出功率；Pbat為蓄電池充放電功率, 放電為正, 充電為負；Pfc為燃料電池放電功率；Pgrid為與電網交易功率, 向電網購電為正, 售電給電網為負；Pel為電解槽充電功率；Pload為負荷需求功率。

2) 風機和光伏功率約束

式中,Pwt-max和Ppv-max分別為風機和光伏的最大輸出功率。

3) 蓄電池充放電約束

SOC 為剩余容量和蓄電池額定容量的比值,表示當前蓄電池的荷電狀態。

式中,SOC(t) 為蓄電池在t時刻的SOC 值；SOC-min、SOC-max為SOC 的最小、 最大值；Pch-max、Pdch-max分別為蓄電池的最大充、 放電功率。

4) 電解槽充電功率約束

式中,Pel-max為電解槽的最大充電功率。

5) 燃料電池放電功率約束

式中,Pfc-max為燃料電池的最大放電功率。

6) 儲氫罐容量約束

式中,Etank,max和Etank,min分別為儲氫罐的容量上下限。

7) 購售電功率約束

若微電網向大電網的售電功率過大, 會造成電壓波動, 影響電能質量。 若微電網向大電網購電功率過大, 說明微電網內部自平衡率低, 微電網自治能力弱。

式中,Pgrid-max為微電網與大電網交易的容量上限。

8) 各設備數量上下限

式中,Nwt-min、Npv-min、Nbat-min、Nel-min、Ntank-min、Nfc-min分別為風機、 光伏、 蓄電池、 電解槽、 儲氫罐、 燃料電池的最小安裝數量；Nwt-max、Npv-max、Nbat-max、Nel-max、Ntank-max、Nfc-max分別為風機、 光伏、 蓄電池、 電解槽、 儲氫罐、 燃料電池的最大安裝數量。

2.4 評價指標

2.4.1 自平衡率

并網型微電網通過自身分布式電源供電所能滿足的負荷比例可以反映微電網的供電能力及對大電網的依賴程度。 并網型微電網在內部不能滿足負荷需求時, 向大電網購電滿足剩余負荷需求, 自平衡率表示微電網內部提供給負荷的電量與負荷總需求電量的比例, 如公式(48) 所示:

式中,R表示自平衡率；Egrid-in為微電網向大電網的購電量；Etotal為負荷總需求量。

2.4.2 冗余度

并網型微電網可以將系統內部的多余功率出售給電網, 但過大的功率會造成潮流反向流動和功率波動。 冗余度是指并網型微電網一定周期內出售給大電網的分布式電源發電量比例, 即:

式中,β為冗余度；Pload,t為t時刻的負荷功率；Pbuy,t、Psell,t為t時刻的購電、 售電功率。

2.5 模型求解

使用gurobi 求解器和粒子群算法共同求解微電網模型。 粒子群算法源于模擬鳥捕食行為的研究,每個粒子都具有速度和位置兩個屬性, 粒子移動的快慢用速度表示, 移動的方向用位置表示。 在每次迭代過程中, 粒子通過個體歷史最優值和群體歷史最優值來更新自己的速度和位置, 使粒子不斷趨近最優解[17], 如公式(50) 及(51) 所示:

式中,c1、c2為學習因子；vi表示粒子的速度；xi表示粒子的位置；Nrand為介于0 到1 的隨機數；pp,i,k為個體極值；pg,i,k為群體極值；ω為慣性權重。

動態慣性權重往往比固定值得到更好的尋優結果, 慣性權重ω值大時, 利于粒子尋找全局最優解；ω值小時, 利于粒子尋找局部最優解。 目前使用較多的是線性遞減權值策略, 如公式 (52)所示:

式中,ωini為慣性權重ω的初始值；ωend為最大迭代次數時的慣性權重；Gk為最大迭代次數；g為當前迭代次數。

具體求解流程如圖2 所示。

圖2 求解流程

3 算例分析

3.1 系統參數

選取某地歷史典型日負荷、 風速、 光照強度、溫度等數據[18], 單位調度時間1 h, 微電網運行周期取20 年, 各分布式電源的成本見表1[19], 儲能設備的參數見表2[20]、 表3[21]。 微電網根據不同時間用電量不同, 采用的分時電價見表4[22]。

表1 分布式電源成本參數

表2 蓄電池基本參數

表3 氫儲能基本參數

表4 分時電價

3.2 優化結果

為驗證本文所建模型比單一儲能更具有優勢,設置三種方案對比分析。

方案1: 只有氫儲能作為微電網的儲能部分。

方案2: 只有蓄電池作為微電網的儲能部分。

方案3: 同時將蓄電池和氫儲能作為微電網的儲能部分。

根據前面建立的各分布式電源模型, 利用粒子群算法進行求解, 粒子群參數設置為: 加速因子c1＝c2＝1.5, 慣性權重ωini＝0.9,ωend＝0.4, 最大迭代次數為100 次, 求解得到3 種方案的配置結果見表5。

表5 三種方案的配置結果

從經濟性方面看, 三種方案中方案1 的成本最高, 方案3 成本最低； 方案1 只含氫儲能, 購電量高, 碳排放處理成本高； 方案3 的成本比方案1 少了21.2 萬元, 比方案2 少了4.8 萬元。

自平衡率可以反映并網型微電網對大電網的依賴程度, 自平衡率越高, 說明微電網對大電網的依賴程度越小。 方案3 的自平衡率比方案1 高23.89%, 比方案2 高了7.65%。 通過算例證明混合儲能的成本最低且自平衡率最高。

冗余度高一定程度上反映出微電網分布式電源配置容量過大。 方案3 的冗余度最低, 比方案2 的冗余度降低了19.00%, 比方案1 的冗余度降低了38.16%。

三種方案的迭代曲線如圖3 所示。

圖3 三種方案的迭代曲線

從圖中可以看出蓄電池和氫儲能共同作為微電網的儲能部分時微電網的總成本最低, 只含氫儲能的微電網成本最高, 且在迭代次數達到60 次時曲線才收斂。 結果證明并網型風光氫蓄微電網混合儲能比單一儲能經濟性更好。

4 結語

本文建立以等年值成本和碳排放處理成本為目標的并網型風光氫蓄微電網模型, 通過對目標函數統一量綱處理, 將多目標函數轉化成單目標函數,設置三種儲能方案, 對比三種方案的經濟性、 自平衡率及冗余度, 得到以下結論。

1) 氫蓄混合儲能比單一的氫儲能和蓄電池成本更低, 比單一的氫儲能成本少了21.2 萬元, 降低了10.02%； 比單一的蓄電池成本少了4.8 萬元,降低了2.46%。

2) 氫蓄混合儲能的自平衡率更高, 對大電網的依賴程度更小。 氫蓄混合儲能自平衡率比蓄電池和氫儲能提高了7.65%、 23.89%。

3) 通過冗余度可以限制售電電量, 合理配置可再生能源容量, 避免資源浪費, 氫蓄混合儲能的冗余度比蓄電池和氫儲能分別降低了19.00%、 38.16%。