考慮節能減排的分布式光伏儲能容量配置研究

郁 丹,吳 君,唐 人

(浙江華云電力工程設計咨詢有限公司,浙江 杭州 310014)

0 引言

隨著智能電網建設水平的不斷提高,對于以光電等清潔能源為基礎的電網運行穩定性以及電力設備運行節能水平的要求越來越高。近年來,光伏儲能技術在智能光電網絡建設以及綠色清潔新能源網中的地位越來越高,在節能減排過程中發揮著重要作用[1]。分布式光伏電源的儲能功能在很大程度上緩解了能源危機,為保護環境、實現節能減排提供了幫助。但是大規模分布式光伏電源節點接入配電網后,在為光伏行業發展提供便利的同時,因儲能不合理造成的浪費使能源損耗上升。在光伏儲能成本相對昂貴的市場環境下,需要將不可控電源轉化為可控電源,以保證供電質量、減小分布式電源接入的波動性,使分布式光伏儲能系統具有更好的應用前景[2]。實際上,光伏電源儲能容量的合理配置,能夠在降低前期投入的同時,一定程度地控制成本、減少非必要的浪費。但是,分布式光伏電源的工作時間、功耗各不相同,導致其儲能非正常損耗較快,不易于大規模存儲。一旦分布式光伏儲能節點的容量配置不合理,很容易造成能源浪費。因此,分布式光伏儲能容量配置問題在新能源推廣中受到了眾多學者以及電網工作人員的關注。為了維持系統頻率和電壓的穩定、促進可再生能源的廣泛應用,本文考慮節能減排,對分布式光伏儲能容量配置方法進行了研究。該研究對提高電能質量具有重要的現實意義。

1 分布式光伏儲能容量配置方法

為了完成分布式光伏儲能容量配置,使分布式電源持續穩定發揮作用,本文首先建立分布式光伏發電模型,獲取分布式光伏電源的參數以及最大功率點輸出功率,對光伏發電量進行預測,以保證電網安全與穩定運行;接著計算每日發電供應量和需求量的差值,確定分布式光伏儲能容量,并且設定具體的功率支撐條件,以保證儲能在突發故障時可以實現快速響應;最后以節能減排為目的設定約束條件以及目標函數,完成分布式光伏儲能容量配置,從而提高光伏能源利用率,達到節能減排的目的。

1.1 建立分布式光伏發電模型

分布式光伏發電系統由多塊光伏電池板組合而成。為了確定某一段時間內光照幅度的概率分布,需要搭建概率密度函數。該函數的表達式為:

(1)

式中:fu(c)為beta函數;c為一段時間內的太陽輻射強度;γ(·)為Gamma函數;β和α均為beta函數分布的參數[3]。

β和α的計算式為:

(2)

式中:λ為c的平均值;φ為c的方差。

分布式光伏發電的輸出功率與光伏陣列組件安裝位置的輻射度、溫度以及組件參數有關,因此需要計算在c下的最大功率點輸出功率。此情況下,組件溫度、額定電流、額定電壓、功率比以及最大功率點輸出功率等參數的計算式如下。

(3)

式中:T為組件溫度;Ta為環境溫度;T0為標準工作溫度;I為組件工作額定電流;IS為組件的短路電流;Ci為電流溫度系數;U為組件工作額定電壓;Umax為最大功率點處電壓;US為開路電壓;CU為電壓溫度系數;f為組件工作功率比;Pmax(c)為最大功率點輸出功率;N為分布式光伏電源組件數量。

根據式(3)可得到分布式光伏電源的參數以及最大功率點輸出功率,從而實現分布式光伏發電模型的搭建[4]。

1.2 預測光伏發電量

為了使儲能容量配置滿足大規模、大范圍的用電需求,以提高系統的綜合性能,需要充分發揮分布式光伏的儲能優勢,使儲能的使用性更靈活。為此,針對分布式光伏發電的隨機小擾動和處理波動問題,本文選取研究區域某年全年的光照歷史數據作為參照進行光伏出力預測[5]。本文在不同傾斜角幅度條件下,計算光伏發電板的輻射量hx。

(4)

式中:hd和h分別為水平面的散射量和總輻射量;δ為接收面的反射率;rd為傾斜面與水平面直射量的比值;θ為光電板傾斜角[6]。

(5)

由此預測分布式光伏發電板的發電量為:

(6)

式中:η為轉換效率;s為光伏陣列的面積。

通過上述計算,即可獲取預測的分布式光伏發電量,從而為解決分布式光伏出力所存在的隨機性和不確定性問題提供參考,以保證電網安全與穩定運行。

1.3 儲能容量估計

為了保證供電可靠性的同時實現節能減排,確定分布式光伏儲能容量非常重要[7]。為了有效實現這一目標,需要計算每日發電供應量和需求量的差值,并根據差值計算結果確定分布式光伏儲能容量,從而為后續儲能容量配置提供較為可靠的依據。本文根據電網發電量和需求量曲線,計算每日發電量和需求量的差值。

(7)

式中:Pc(i)為第i日的預測光伏發電量能量差;Ps(i)為第i日光伏系統的輸出能量;Pm(i)為第i日光伏發電量負荷需求預測結果;P[x=Pc(i)]為第i日預測光伏發電量輸出能量正確的概率;pi為第i日的預測正確概率值。

在儲能容量選取時,光儲系統儲能容量估計結果Pr需滿足:

Pr∈[qmax,qmin]

(8)

式中:qmax、qmin分別為光儲系統儲能容量上限與下限。

一般情況下,光儲系統儲能容量估計結果Pr取值必須滿足上、下限要求。為了保證儲能在突發故障時可以及時提供功率支撐,需設定具體條件。

PM≥ΔPK

(9)

式中:PM為分布式光伏系統提供的功率;ΔPK為重要負載的最大功率缺失值。

由此能夠保證儲能大功率充放電在短時間內實現快速響應的效果[8]。

1.4 建立儲能容量配置模型

在確定了光伏發電量和儲能容量之后,本文需要根據節能減排目標,設置合理的目標函數以及控制變量和約束條件,以實現儲能容量配置,保證能源被最大化利用。本文設置控制變量X為儲能裝置容量的變化量Δq,以q0作為單位容量,通過以下映射關系將離散的變量連續化,以表示儲能裝置容量。

(10)

式中:qc為單位儲能成本。

本文將光伏發電估計量越線概率以罰函數的形式在目標函數中體現,以實現不等式約束的可控。本文經過迭代計算得到目標函數最小時的控制變量,從而得到最優儲能裝置容量。

(11)

式中:k1為存儲容量約束函數;k2為網損系數;Δqloss為光伏系統網損值;Δqc為單位儲能成本變化值;ρ為罰函數因子;pVlim為光伏發電估計量越限的最大概率限制值;Umin為電壓的最小值;pU為光伏發電估計量越限的基礎概率。

Δqloss的計算式為:

(12)

式中:Ui′為節點i′的電壓幅值;Uj為輻射量為j時的電壓幅值;Mi′j為節點導納陣元素的實部;vi′j為節點i′的電壓相角;Di′j為節點導納陣元素的虛部[9]。

在不等式約束條件下,本文考慮光伏系統的狀態變量約束,將支路功率偏差概率、支路容量均限制在約束范圍內?？刂谱兞考s束為:

(13)

式中:pl為波動偏差的概率;pllim為極限偏差概率。支路容量約束為:

Ei″

(14)

式中:Ei″max為支路i″上的支路容量極限;Ei″為支路i″上的支路容量;m′為光伏系統的支路數量。

經過原始數據的讀入,本文初始化迭代次數,計算適應度值后將其限制在約束范圍內,并將電壓越限概率引入目標函數中。達到最大迭代次數后,本文判斷終止條件,并輸出結果。記錄的最優位置即最優儲能容量,以此完成儲能容量的配置[10]。

2 試驗論證分析

2.1 試驗準備及過程

本文選取了某省分布式光伏發電配網系統作為網架結構。該系統中有26個節點。其中:節點0為平衡節點;節點12和節點24均為分布式光伏發電并網節點。

配電節點測試系統結構如圖1所示。

圖1 配電節點測試系統結構

由圖1可知本文測試系統節點位置及數量。其中:節點12和節點24的光伏峰值功率分別為1 200 kW和1 000 kW。

各節點負荷類型如表1所示。

表1 各節點負荷類型

由表1可知各節點負荷類型。本文根據光伏出力特性劃分,將節點12和節點24的光伏儲能并網點電壓劃分為3個階段,設定電池所處的運行區間在0.1～1.0之間。

試驗參數設置如下:T=45±3 ℃;Ta=21±12 ℃;To=25 ℃;I=9.75 A;IS=36.91 A;Ci=4.3;U=110 V;Umax=32.26 V;US=24.63 V;CV=4.5;f=3.7;Pmax(c)=13.97 kW;N=12;hx=6 986～7 540 MJ/m2;η=0.7;s=1.745 km2;qmax=600 kWh;qmin=100 kWh;k1=0.86;k2=0.77;Δqloss=12～86 kWh;Δqc=4.56元;ρ=0.36;ρVin=10 Wh;Umin=3.69 V;pV=0.13。

本文利用部分試驗參數構建分布式光伏發電模型,將hx、η以及s代入式(7),得到不同日期的光伏發電量預測結果。Pr滿足式(8)中Pr∈[qmax,qmin]的約束。結合該結果,本文將k1、k2、Δqloss、Δqc、ρ、plim、Vmin、pV代入式(11),結合式(11)的計算結果進行分布式光伏儲能容量配置。

本文試驗共分為兩部分。第一部分試驗對光伏系統處理預測的結果進行驗證,以分析本文方法的處理預測效果。在系統真實發電數據中,試驗對光伏系統出力情況進行預測,對比實際處理與預測處理結果,評價預測可信度。第二部分試驗對容量配置效果進行分析。通過分析系統節點電壓曲線、光伏儲能充放電功率曲線、光伏儲能荷電狀態(state of charge,SOC)曲線,可以對本文方法的可行性和合理性進行深入檢驗,以此分析容量配置效果。

2.2 光伏儲能指標

試驗使用以下指標對所提方法的分布式光伏儲能容量配置效果進行評價。

①儲能容量估算值。

(15)

式中:Pc、Pdc分別為儲能系統充電功率、放電功率;εc、εdc分別為儲能系統是否充放電的二進制數,取值為0或1;ηc、ηdc分別為儲能系統充、放電效率。

②節點電壓。

節點電壓指在電路中任意選取一個節點作為參考節點,并令其電壓為0后,考慮其余節點與該參考節點之間的電壓。其控制性能高,計算簡便。電壓曲線的波動越平緩,說明電壓穩定性越高。

③充放電功率。

(16)

式中:PB為儲能系統充放電功率;PG為交互功率;PL為負荷功率;PPV為光伏電源輸出功率;η′為儲能系統整體電效率。

④SOC。

(17)

式中:ΔPr為儲能系統的SOC;Prate為儲能系統的額定容量。

2.3 光伏系統出力預測結果

夏季和冬季為用電高峰期,會出現明顯的用電增長。因此,本文選用節點12和節點24發電量為試驗數據。節點12發電量為冬季某月全月數據。節點24發電量為夏季某月全月數據。本文將分布式光伏儲能容量估計值和實際值進行對比。

容量估計值與實際值對比如圖2所示。由圖2可知,本文方法的分布式光伏儲能容量估計曲線與實際儲能容量曲線的變化趨勢基本一致,且誤差較小。對于節點12,分布式光伏儲能容量估計值和實際值對比的最大誤差值為48 kW·h。對于節點24,分布式光伏儲能容量估計值和實際值對比的最大誤差值為56 kW·h。由于天氣狀況存在較大的隨機性,產生了一定的誤差。但總體來看,運用本文方法得到的儲能容量估計結果仍有價值。其估計結果的可信度較高,能夠為后文合理地進行儲能容量配置提供較為可靠的依據。

圖2 容量估計值與實際值對比

2.4 容量配置效果

電壓幅值標幺值為1.05。本文將全天不同時段的測試系統的節點電壓數據和光伏儲能運行狀態數據進行匯總。

系統節點電壓曲線如圖3所示。

圖3 系統節點電壓曲線

圖3中電壓曲線的波動較為平緩。同時,節點12和節點24均規避了電壓越限的風險,證明系統電壓穩定,能夠保證供電穩定性。

一般情況下,光伏儲能充放電功率合理范圍在-1～+1 MW內。通常情況下,SOC區間會在中間部分(即30%～80%),出現過充和過放問題的可能性較小。

分布式光伏儲能運行狀態如圖4所示。圖4清晰地展示了分布式光伏儲能裝置的運行狀態。在24 h的運行時間中,光伏儲能的最大輸出功率始終處于合理范圍內,避免了過度的電量消耗。SOC也始終在30%～80%這一合理區間內,說明這種情況下分布式光伏儲能出現過充和過放問題的可能性較小,以此有效減少了全天的網損電量。全天充放電平衡滿足約束條件,達到了節能減排的目的。由此可見,本文方法具有可行性和合理性。

圖4 分布式光伏儲能運行狀態

3 結論

本文通過構建分布式光伏發電模型,獲取分布式光伏電源的參數以及最大功率點輸出功率,根據最大功率點輸出功率預測光伏發電量。本文在得到光伏發電量預測結果后,將節能減排作為目標,設置分布式光伏儲能容量配置的約束條件以及目標函數,完成分布式光伏儲能容量配置。經試驗論證分析,本文方法的分布式光伏儲能容量估計值與實際值相差較小,光伏儲能的最大輸出功率以及SOC始終處于合理范圍內,避免了過度的電量消耗,能夠實現節能減排的目標。本文解決了分布式光伏儲能系統中如何分配儲能容量的問題。通過合理地配置儲能容量,可以有效提高光伏發電效率,從而提升能源利用效率和經濟效益。因此,本文為清潔能源利用的研究者和實踐者提供了借鑒,具有一定的理論和應用價值。未來還將進行復合儲能配置的研究,使本文方法更具可靠性和實用性。