含混合儲能的風光儲系統容量優化配置

向開端, 王輝,2*, 彭婷婷, 陳攀

(1.三峽大學電氣與新能源學院, 宜昌 443002; 2.湖北省微電網工程技術研究中心, 宜昌 443002)

隨著傳統化石能源的日益枯竭以及燃燒造成了諸如溫室效應等嚴重的環境問題,大力推行清潔能源的開發和利用是解決當前能源危機和環境問題的重要解決方案[1]。近年來,世界上許多國家和地區已經提出100%清潔能源系統的設想,并且在巴拉圭、冰島等國家已經實現[2]。由于可再生能源的不斷發展,電網對各種能源存儲技術的需求日益增長,合理地因地制宜建設如重力儲能等地下儲能工程可以有效解決中國“三北地區”的新能源消納問題[3-4]。國家發展改革委、國家能源局在2022年5月出臺了《關于進一步推動新型儲能參與電力市場和調度運用的通知》,鼓勵配建新型儲能與所屬電源聯合參與電力市場,加快推進獨立儲能參與電力市場配合電網調峰。國家能源局在《能源碳達峰碳中和標準化提升行動計劃》中提出,完善新型儲能技術標準,建設新型儲能項目建設,并細化儲能電站的應用場景。現有的儲能系統如抽水蓄能系統和壓縮空氣儲能系統,受選址和建設規模的要求,其應用受到一定限制,因此開發新型高效的儲能技術就成為了關鍵[5]。在中國西北地區,利用日益增多的廢棄礦區開展新能源及重力儲能項目開發建設,不僅可以推動新型儲能技術的多元化應用,同時可以對廢棄礦區等可利用資源進行再度整合利用。

考慮可再生能源的隨機性、間歇性和波動性,在微電網中合理地配置儲能設備,可以有效提高微電網的靈活性和供電可靠性[6]。在微電網運行過程中,某一時段可再生能源難以承載負荷需求量時,儲能設備可以提供負荷缺電量,維護微電網運行的穩定性。可再生能源發電量大于負荷需求量時,可以對多余的電量進行儲存,避免電能的浪費。通過綜合考慮設備特性,選擇相匹配的儲能設備及容量,以實現提高系統的整體運行效率。目前在多能源聯合發電系統容量配置問題中,廣泛應用遺傳算法、粒子群優化算法及鯨魚優化算法等,并取得一定研究成果。文獻[7]采用改進的灰狼算法對風光柴蓄的獨立微電網系統進行容量優化配置。文獻[8] 提出了一種量子遺傳算法的容量最優配置求解方法,求解獲得最優容量配置,并證明了其合理性和可行性。文獻[9]提出一種用戶分類的容量配置模型,采用改進的蝴蝶優化算法對模型進行了求解,證明了其有效性與合理性。

由于風光互補系統功率具有不穩定性[10],因此配備一定數量的儲能設備對平抑風光的波動性具有十分重要的意義。通過集合不同儲能技術特性的優點組成混合儲能系統,可以延長儲能系統的使用年限,更具經濟性和高效性。在混合儲能配置問題研究中,文獻[11]提出一種含氫儲能-蓄電池的混合儲能系統,利用HOMER Pro軟件進行了優化求解驗證其經濟型和有效性。文獻[12]提出一種超導儲能和蓄電池組成的混合儲能系統,采用分層控制策略對風電場功率進行補償。文獻[13]對超級電容-蓄電池的混合儲能系統提出一種利用統計學方法的功率分配策略,并驗證其有效性。

以上研究主要都是傳統的混合儲能系統,混合儲能系統基本都是蓄電池配合氫儲能、超導儲能、超級電容和壓縮空氣儲能等儲能技術。考慮到系統的經濟性要求,選擇成本較低的重力儲能技術結合電化學儲能電池在現有的研究內容較少。重力儲能系統作為一種獨特的儲能方式,可以利用高度儲存能量,其結構能夠適應地形的變化。儲能載體為重型物體,它不僅可以回收,而且幾乎不會污染環境,其施工條件不受地理環境的限制。同時中國西北地區現有許多廢棄礦井,具有先天的利用場景,不像抽水蓄能等現有成熟的儲能技術應用場景在西北地區的局限性,重力儲能技術在該場景有得天獨厚的優勢。因此考慮重力儲能和蓄電池耦合的混合儲能系統的容量優化配置具有十分重要的意義。文獻[14]分析了重力儲能的發展現狀,并對其關鍵技術原理進行了分析。文獻[15]提出風光重聯合發電系統,并引入了三個評價指標對最優容量進行排序評價,得出最優方案。文獻[16]提出一種通過引入日前市場電價來制定調度策略的重力儲能系統模型。

針對于重力儲能項目的研究,中國已經進行了示范項目的推進。例如,2022年5月中國天楹與中國電網就重力儲能技術研究達成了戰略合作。共同協作,推進建設如東100 MWh用戶側重力儲能示范項目。

在上述研究基礎上,主要針對重力儲能-蓄電池混合儲能系統在風光儲微電網結構中的運行與規劃,通過對系統中各組件建模,結合約束條件,建立以年均系統成本最小為目標函數的系統容量配置模型,同時考慮負荷缺電率、可再生能源浪費率和可再生能源過裝率三個評價指標,利用改進優化算法求解容量配置優化問題,得到最優配置,最后利用算例分析該模型的經濟性與可靠性。

1 風光儲發電系統模型

1.1 系統結構

風光儲發電系統主要由風力發電、光伏發電、重力儲能裝置、蓄電池、變換器及本地負荷組成并與上級電網連接,由于重力儲能的場景大都在偏遠地區,距離大電網較遠,因此現僅考慮在孤島模式下進行運行,系統結構如圖1所示。

當分布式發電系統出力大于負荷需求時,處于儲能系統充電情況,當不平衡量大于總儲能額定功率,混合儲能系統共同進行充電,余電進行棄電計算,當大于蓄電池額定充電功率,由重力儲能充電,剩余不平衡量通過DC/DC變換器對蓄電池充電和棄電計算;當分布式發電系統出力小于負荷需求時,處于儲能系統放電情況,通過儲能系統對系統進行供電,當不平衡量小于蓄電池額定放電功率,由蓄電池優先供應,反之由重力儲能進行電量供應,電力供應不足由蓄電池進行供應,若供應仍不足,最后進行缺電計算。

圖1 風光儲發電系統結構Fig.1 Structure of power generation system of wind/solar with energy storage

1.2 風力發電系統模型

風力發電機輸出功率受到多種因素影響,其出力特性和風速之間的關系可近似用分段函數描述為

(1)

式(1)中:PWT為風力發電機實時功率;Pr為風力發電機額定功率;v為實時風速;vci為切入風速;vco為切出風速;vr為額定風速。

1.3 光伏發電系統模型

光伏組件實際輸出功率與太陽能輻射、環境溫度以及標準條件下額定功率等因素相關,其出力模型可表示為

(2)

式(2)中:PPV(t)為t時刻光伏的輸出功率;PSTC為標準條件下,光伏的額定輸出最大功率;GSTC為標準條件下太陽輻照度;Gc為工作點實際太陽輻照度;k為功率溫度系數;Tc(t)為t時刻工作點溫度;TSTC為標準條件下的工作溫度。

1.4 重力儲能系統模型

重力儲能裝置主要利用高差進行存儲能量,類似于抽水蓄能電站,但是建設條件不會像抽水蓄能電站那樣受地理環境所限制。同時可以將西北地區逐年廢棄的礦區加以利用起來,成為儲能裝置,其基本原理如圖2所示。

圖2 重力儲能裝置原理圖Fig.2 Schematic diagram of gravity energy storage device

在風光出力大于負荷時,通過電動機將多余的電量轉化成機械能,將儲能載體從低位平臺通過軌道運送到高位平臺,將電量最終轉化成為重力勢能存儲起來。相反在負荷高峰期,將儲能載體從高位平臺通過軌道傳送到低位平臺產生動能,帶動發電機進行將動能轉化成為電量。由于重力加速度的原因,會導致重物下滑收到一個加速度的影響,會導致放電過程的功率波動過大,通過電動機輔助平衡其出力波動,限制斜坡上的重物為一個勻速狀態。

綜合考慮重力儲能裝置對其出力特性進行建模主要分為以下兩個過程。

充電過程:

PGRC(t)=FCV=(mgsinθ+μmgcosθ)V

(3)

f=μmgcosθ

(4)

式中:PGRC為上升過程中的電動機功率;FC為上升過程中的電動機牽引力;f為摩擦力;m為重物質量;g為重力加速度;θ為軌道與水平方向的夾角;μ為摩擦系數;V為重物勻速下滑過程中的速度。

放電過程:

PGRD(t)=FDV=(mgsinθ-μmgcosθ)V

(5)

式(5)中:PGRD為下滑過程中的發電機功率;FD為下滑過程中的發電機所受到的牽引力。

由于大部分情況下礦井的坡度和有效高度都是在一個固定的場景下,僅考慮勻速階段的有效儲能高度,將重物的重量作為唯一變化量來規劃重力儲能的容量。

因此其重力儲能容量可表示為

WGR=mghg

(6)

式(6)中:WGR為重力儲能容量;hg為有效儲能高度。

1.5 蓄電池系統模型

在獨立微電網中蓄電池可以對負荷需求變化導致的波動進行平抑,當系統處于缺電狀態時進行放電,反之進行充電,其出力模型如下。

系統充電:

SOC(t)=SOC(t-1)(1-σ)+Pc(t)Δtηc/Eb

(7)

系統放電:

(8)

式中:SOC(t)為t時刻結束蓄電池剩余電量;σ為每小時蓄電池自放電率;Δt為時間步長;Pc、Pd為蓄電池第t時間段的充電、放電功率;ηc、ηd為蓄電池充電、放電效率;Eb為蓄電池的額定容量。

2 風光儲發電系統優化配置模型

2.1 目標函數

風光儲發電系統容量優化配置的目標是通過在滿足負荷需求及其他約束的條件下,合理配置風力發電機、光伏陣列以及儲能裝置的容量,使風光儲發電系統年均系統成本最小。采用的風光儲發電系統年均系統總成本包括各個電源組件的年均初始投資安裝成本、運行維護成本、置換成本和新能源補貼收益,目標函數表示為

Ctotal=min(CIN+COM+CRC-CSU)

(9)

式(9)中:Ctotal為系統年綜合總成本;CIN為系統初始成本;COM為運行維護成本;CRC為各部件置換成本;CSU為新能源補貼收益。

2.1.1 系統初始成本費用

系統初始投資成本主要考慮風機、光伏陣列、蓄電池和重力儲能裝置的購置成本,計算公式為

CIN=fD(NWTCWT1+NPVCPV1+NBATCBAT1+

WGRCGR1)

(10)

(11)

式中:NWT、NPV、NBAT、WGR分別為風電機組、光伏陣列、蓄電池的數量及重力儲能的容量;CWT1、CPV1、CBAT1、CGR1分別為風機、光伏電池、蓄電池單個設備的價格和重力儲能的單位容量價格;fD為折舊系數;d為折舊率[17];y為分布式電源使用年限。

2.1.2 系統年均運維成本費用

系統年均運維成本主要考慮各設備在壽命周期內的運行維護成本費用,計算公式為

COM=(NWTCWT2+NPVCPV2+NBATCBAT2+

WGRCGR2)

(12)

式(12)中:CWT2、CPV2、CBAT2、CGR2分別為風力發電機、光伏板、蓄電池和重力儲能設備的運行維護單價。

2.1.3 系統年均置換成本

年置換成本[18]分別由每個分布式電源的置換單價和與之相對應個數或容量相乘,最后進行相加所得到的成本。計算公式為

CRC=(NWTCWT3+NPVCPV3+NBATCBAT3+

WGRCGR3)

(13)

式(13)中:CWT3、CPV3、CBAT3、CGR3分別為風力發電機、光伏板、蓄電池和重力儲能設備的置換單價。

2.1.4 新能源補貼收益

由于風光機組的投資成本及發展,國家為鼓勵發展可再生能源,提出的一項電價補貼政策。計算公式為

(14)

式(14)中:λ為補貼系數,取0.015 元/kWh。

2.2 評價指標

微電網的性能可以通過評價指標來反應。負荷缺電率(loss of power supply probability,LPSP)是衡量風光儲發電系統獨立運行能力的重要指標[19]。可再生能源浪費率(waste of renewable energy,WORE)可有效反映系統的能量浪費的情況。可再生能源過裝率(renewable energy oversupply,REO)可以反映微電網的經濟特性。

(1)負荷缺電率:

(15)

式(15)中:ELpsp為t時刻缺負荷電量;El(t)為t時刻負荷電量。

(2)可再生能源浪費率:

(16)

式(16)中:EDump為t時刻棄電量;ECcr為t時刻風光聯合發電電量。

(3)可再生能源過裝率:

(17)

式(17)中:ECcr為t時刻風光聯合發電電量。

2.3 約束條件

(1)分布式電源數量約束:

(18)

式(18)中:NWT,MAX、NPV,MAX、NBAT,MAX分別為風電機組、光伏陣列和蓄電池組的安裝數量上限。

(2)重力儲能容量約束:

0≤WGR≤mghmax

(19)

式(19)中:WGR為重力儲能裝置的容量;m為重物的質量;g為重力加速度;hmax為最大高度。

(3)蓄電池的充放電能量約束:

(20)

式(20)中:Eb為蓄電池的額定容量;SOCmin和SOCmax分別為蓄電池儲能系統剩余電量約束的下限和上限;Pc(t)、Pd(t)分別為蓄電池的充放電功率約束的上下限。

(4)供電可靠性約束:

LPSP

(21)

式(21)中:LPSPmax為規定的最大負荷缺電率。

3 混合儲能系統運行控制策略與模型求解

3.1 混合儲能系統運行控制策略

混合儲能系統中各個儲能元件的充放電順序主要由系統運行控制策略所決定,它會影響儲能元件的工作情況,并對最終的配置方案產生影響。通過上面對重力儲能裝置和蓄電池的特性分析,合理規劃混合儲能系統的充放電策略。

計算風力發電功率和光伏發電功率之和與負荷功率的差值。若實時風力發電功率和光伏發電功率之和大于負荷功率時,先對不平衡功率進行判斷,若滿足條件,首先對重力儲能進行充能,剩余能量通過蓄電池進行儲存電量,反之由蓄電池直接進行充電。若實時風力發電功率和光伏發電功率之和小于負荷功率時,當不平衡功率大于蓄電池放電額定功率,由重力儲能優先工作,釋放電能以補充系統缺額功率,再由蓄電池發電補充缺額功率,反之直接由蓄電池進行供能。具體的系統運行策略流程如圖3所示。

圖3 系統運行策略圖Fig.3 System operation strategy diagram

3.2 模型求解方法

標準的粒子群算法較易過早收斂于局部極值,其關鍵原因是因為粒子群算法的性能受參數的選擇影響。標準粒子群算法的慣性權重因子和學習因子是固定不變的,容易陷入局部最優值[20]。

為了避免過早收斂于局部極值,可以讓粒子在搜索初期盡最大的可能飛躍整個搜索空間,實現多樣性。通過在迭代前期使用較大的慣性權重因子有利于全局搜索,后期較小的慣性權重因子有利于局部搜索,便于找到最優值。前期通過大學習因子和小社會因子在更大的空間搜索,后期一個減小一個增大,可以讓局部收斂尋優更加迅速[21]。改進策略的表達式為

(22)

(23)

式中:w1和w2分別為慣性權重因子的終止值和初始值;M為迭代的當前次數;Mmax為總的迭代次數;c1i和c1t為c1的初始值和終止值,初始值大于終止值c2i和c2t是c2的初始值和終止值,終止值大于初始值。

粒子群算法在解決容量配置等優化問題非常常見,能夠較好完成求解[22]。現通過改進后的粒子群算法對上述模型進行計算,將風力發電機數量、光伏陣列數量、重力儲能裝置的容量及蓄電池組的數量作為決策變量,在以上約束條件下,以適應度函數最小為目標計算最佳配置組合。其計算步驟和流程圖如圖4所示。

(1)輸入風光數據、負荷數據及各設備參數。

(2)初始化種群中每個粒子的速度及位置。

(3)通過適應度函數計算每個粒子的適應度值,對比并更新個體最優值和全局最優值。

圖4 算法流程Fig.4 Algorithm flow

(4)更新當前粒子的速度與位置,其中慣性權重因子和學習因子根據式(22)和式(23)進行取值。

(5)判斷循環次數,如果達到最大迭代次數,運算結束,否則轉回到步驟(3)。

4 算例分析

4.1 研究對象及基礎數據

以西北地區廢棄礦區為背景,根據某地區歷史氣象數據進行算例分析。年最大風速約為21.8 m/s,年光照強度最高約為1.1 kW/m2。以該地區一天的用電情況作為調度周期進行分析求解。全年的風速、光照強度如圖5、圖6所示。該地區典型日負荷曲線如圖7所示。

圖6 年光照強度曲線Fig.6 Annual light intensity curve

設定風機單個額定功率為10 kW,光伏陣列單個額定功率為250 W。蓄電池組采用單一額定容量為6 kWh,額定功率為1.2 kW的蓄電池,其最大放電深度為70%。由于利用廢棄礦區為背景,重力儲能裝置的初期投資成本會相應降低一點,重力儲能裝置中的重物單個重量為5 kg,利用重物的數量對容量進行配置,坡度為30°,最高有效落差為1 000 m,重力加速度為9.8 m/s2,摩擦系數μ為0.05,重物下滑過程中的速度為10 m/s。風光儲發電系統優化規劃使用年限為20年,折舊率為5%。充放電效率為0.90[23]。因分布式電源使用壽命均大于規劃使用年限,這里不再對置換費用進行考慮。表1所示為系統中各組件的成本數據[24]。

圖7 典型日負荷曲線Fig.7 Typical daily load curve

表1 分布式電源的成本數據[24]Table 1 Cost data of distributed power supply[24]

4.2 基于不同儲能技術的配置方案比較分析

由于各種儲能技術之間的不同特性,改變不同的儲能配置方案,分析得到較好的配置方案。分析以下三種不同儲能技術組成的方案:方案1為風光蓄組成的單一儲能系統,方案2為風光重組成的單一儲能系統,方案3為風光重蓄組成的混合儲能系統。采用改進粒子群算法對3種方案進行求解。表2和表3分別為配置結果和優化目標及評價指標。

分析三種不同方案的配置結果,單一儲能配置方案中,方案1風光蓄這一配置方案所需要的風電機組和光伏陣列會大于方案2風光重這一配置方案,因為儲能特性決定,風光的配置增大,此時的風光很大一部分浪費,方案2的儲能特性,讓風光資源得到較好的利用。方案2與方案3年綜合成本比方案1分別下降了21.88%和16.24%。方案2與方案3的負荷缺電率比方案1分別降低了74.32%和85.90%,可再生能源能源浪費率分別降低了70.27%和89.23%。相比較其他方案,方案3的含重力儲能的混合儲能系統優勢明顯,在保證可靠性的前提下提高了系統經濟性和可再生能源的利用率。

表2 容量優化配置結果Table 2 Capacity optimization configuration results

表3 方案優化結果對比Table 3 Comparison of scheme optimization results

4.3 基于季節性因素的配置方案比較分析

由于風光資源的隨機性和間歇性,風光出力具有季節特性,不同季節表現不同的風光出力特性。

西北地區主要因為大陸季風氣候影響,風速普遍峰差大,夏季光照強度大,冬季光照強度較小。研究分析夏冬季節因素對容量配置的影響十分具有現實意義。將方案1設為夏季,方案2設為冬季。表4和表5分別為配置結果和優化目標及評價指標。

表4 容量優化配置方案Table 4 Capacity optimization configuration results

表5 方案優化結果對比Table 5 Comparison of scheme optimization results

分析方案1和方案2。結果表明容量配置受季節性出力差異影響較大,方案2的年綜合成本比方案1上升18.61%;方案2的負荷缺電率比方案1下降16.41%;方案2的可再生能源浪費率比方案1上升3.22%;方案2比方案1可再生能源過裝率上升了2.75%。方案1儲能的容量配置小于方案2,主要是由于該地區夏季光照資源豐富,冬季光照資源相對貧乏,同時由于冬季風速全時段基本處于切入風速與滿發風速之間,聯合發電量不夠穩定,經常會導致缺電或者棄電的情況發生,因此冬季通過增大儲能的容量配置滿足系統供電可靠性。

5 結論

針對西北地區棄風棄光問題,建立了以年綜合成本最小為目標的含重力儲能的風光儲發電系統容量優化配置模型。此外,針對不同季節以及不同儲能配置的場景下運用改進粒子群算法對模型進行求解,通過分析結果,得出以下結論。

(1)構建了一種的重力儲能-蓄電池混合儲能系統,通過合理的配置容量配置,能夠提高對清潔能源的高效利用,大大降低清潔能源的浪費,同時也通過混合儲能的優勢互補特性,進一步減低了缺電率,保證孤島運行下的供電可靠性,為新型儲能技術的微電網容量優化提供參考。

(2)季節影響對整個風光儲系統的容量配置是有一定的影響的,在微電網實際規劃中,將季節因素考慮進去,能配置更合理的微電網系統。

(3)基于本文選取的場景,通過合理的利用廢棄礦井的地下空間以及殘留設施建造重力儲能在西北地區具有實際意義,能夠減少土地資源浪費,為廢棄礦井的合理利用提供參考。