一种风光发电系统的储能优化新方案

     作者：张毅                                                                                          

    风光发电本身具有一定的不稳定性，并网后会产生功率的波动和能量的缺失。因此，合理的配置储能系统来平抑功率的波动和弥补能量的缺失是使电网稳定运行的前提条件，所以储能系统的优化具有重大的现实意义。

    现有储能元件中，蓄电池能量密度高，但其功率密度和充放电效率低；而超级电容器功率密度和充放电效率高，但能量密度低。因此，可以结合储能系统和超级电容器优缺点互补的特性来合理的配置储能系统，不仅可以提高电网运行的稳定性而且可以节约经济成本。文献对大规模风电并网的储能系统进行了研究，并且对风力发电特性进行了深入的分析，得出应配置相应的储能来平滑功率的波动和能量的缺失，但是没有涉及风光互补的储能配置的优化方案。文献中给出了储能优化的的配置模型及约束条件，并以经济最优为目标，得到了储能优化的配置结果并得到了验证，但是没有考虑到储能系统在充放电过程中的转化效率。文献针对微电网的并网特性，研究了储能优化的配置方案，但是都是对于小规模光伏和风力发电的并网，并且假定功率恒定，不仅没有考虑功率的波动，而且所得的结果不具有代表性。本文将针对新疆哈密大规模风光并网发电系统，以蓄电池和超级电容器作为储能系统，充考虑到储能系统的充放电特性及系统的能量转化效率，以经济最优为优化目标，采用粒子群算法进行优化。

    1新疆哈密地区风光并网发电系统结构

    哈密大规模风光并网发电系统结构如图1所示。

    基于新疆哈密地区将风光互补分布式发电系统并人电网，它包括风力机组、光伏阵列、火电厂、储能系统。由于风电场各风力机组运行情况在同一时间的不一致性和其它外在因素的影响，各风力机发电量也不尽相同，而且他们本身具有动态互补的关系。因此，为了降低储能系统的容量配置，满足电网对风光储能系统的统一调度，都经过逆变器接入供交流母线上，再并人电网。

    2储能容量优化算法

    2.1储能优化模型

    大规模风光伏发电系统并网时，风光储混合发电系统应满足该电网的调度需求。合理的配置储能系统，及时补充电网的缺失电量和吸收电网的盈余电量，不仅能提高电网运行的稳定性，而且还能节约一定的经济成本。因此，原则上风光互补发电系统应与负荷的调度任务相匹配：在配置储能系统时，超级电容器和蓄电池的分配应以投资最少为目标来进行优化。电能匹配原则为

    式中：Ep，Ew，Eiood分别为光伏发电量、风力发电量和电网调度电量：Ebu，Eu分别为蓄电池电量和超级电容器电量；Pbu，pu分别为蓄电池功率和超级电容器功率；ΔEdmex，ΔPdmx分别为电能缺失最大值和功率缺失最大值。

    优化目标函数：

    式中：minf为储能系统的投资费用；c1，c2分别为蓄电池个数和超级电容器个数；mba，mu分别为蓄电池和超级电容器的单价。

    2.2储能优化约束条件

    在大规模风光互补电网中，由于风光出力的不确定性，电网调度时会出现电能的缺失，当电网有盈余的电量时，储能系统应吸收多余的电量：当电网电量不足时，储能系统应补充缺失的部分。

    2.2.1电量约束

    储能系统在满足电能的补给和储存时，为了进一步提高电网运行的稳定性和可靠性，应充分考虑储能系统的充放电效率和电网系统的转换效率。电网缺失电量：

    式中：ΔEd为电网缺失电量，当ΔEd>0时，储能系统充电，当AEd时，储能系统放电。

    储能系统充放电时分别满足：

    储能系统放电：

    储能系统充电：

    式中：nc，nhsf，nuf，nue，nue分别为系统的转换效率、蓄电池的放电效率、超级电容器的放电效率、蓄电池的充电效率、超级电容器的充电效率；△Edmx，ΔEdmin分别为电网缺失功率的最大值和最小值。

    2.2.2功率约束

    合理的配置储能系统使其满足电网功率需求时，要充分考虑蓄电池和超级电容器的自身特性，蓄电池作为提供电能的主要部分，而超级电容器则是在功率出现大幅度波动的时候发挥其强大的吞吐能力平滑功率的波动。约束方程为

    式中：a，β分别为蓄电池和超级电容器提供功率的比例系数；Apd为电网缺失的瞬时功率。

    电网功率的波动性决定了储能系统的能量会随着时间的变化而变化，为满足调度任务必须提供充足的功率来弥补功率缺额保证电网的持续运行。系统功率缺额满足：

    当Ap (t）＞0时，储能系统充电；当Δp (t)<0时，储能系统放电。蓄电池与超级电容器储能满足：

    充电状态：

    放电状态：

    式中：pw(t)，ppv（t)，Pload(t)分别为风电、光伏、负荷功率随时间的变化值；Eba(t-r)，Eu(t-r)分别为蓄电池和超级电容器在t-r时刻的电量；r为冲击负荷的持续时间。

    2.3粒子群算法

    本文使用的粒子群算法是基于对鸟类的模拟而衍生出的一种优化算法。此算法运用了数学上的迭代算法，以粒子种群为对象，每次迭代结果都与个体最优解和全局最优解比较，最终达到符合条件的最优解。此算法在优化函数时不仅效率高而且容易实现。

    粒子总数为N，粒子空间维数为D。则种群中粒子i的位置Xi=[Xil，L，xiN]T，粒子i移动的速度V，[vil,L,uiN]T。移动过程中粒子i的最优位置Pi(0)=[Pil,L,Pin]T],粒子种群的最优位置pg=[pgl，L，pgN]T。每次迭代中，粒子群根据跟踪Pi,Pg两个极值进行更新，从而找到最优解。粒子i的迭代公式如下：

    式中：t为迭代次数；n，r1，r2为之间的随机数；Cl，c2为自定义常数。

    基于粒子群优化算法的储能系统优化配置流程如图2所示。

    3计算分析

    哈密地区的风光资源储量丰富。截止到2015年，哈密地区风电的总装机容量为4 800 MW，其中2 000 MW,2 500 MW分别由交流750 kV和直流800 kV外送到西北地区，内消为300 MW。到“十二五”末，哈密地区光伏总装机容量将达1000MW,其中750 MW外送，内消为250 MW。哈密地区电网网架地理接线如图3所示。

    风电和光伏出力预测和电网调度数据如图4所示，风力年发电量的平均值为258.62 MW,光伏年发电量的平均值为189.68 MW,负荷年用电量的平均值为268.85 MW。因此，电网将以额定容量360 MW对对电厂和光伏电站进行调度。

    根据预测数据可知，并网功率缺额最大瞬时值为185.5 MWh，并网电量缺额最大值为316.26 MW，电网电量盈余最大值为385.68 MW。在保证电网稳定运行的前提下，储能系统储存的总容量应满足电网的电量最大缺额并及时补充功率的最大缺失，同时还应满足系统的总容量小于电网的最大盈余，合理利用储能系统的充放电特陛，使能量利用率达到最高。

    储能系统的参数如表1所示。

    在结合优化目标和考虑储能系统充放电效率以及储能的合理分配时，哈密地区电网加入储能系统优化前后电量缺失对比隋况如图5所示。

    由图5分析可知，哈密地区大规模风光并网会产生功率的波动和电能的缺失，合理的配置储能系统可以平滑功率的波动以及弥补电能的缺失，从而使电网稳定运行。根据储能容量的变化范围，初始化粒子群确定粒子群参数，经过粒子群算法优化后，在不同储能分配方式下，通过储能优化配置流程计算得到的优化结果如表2所示。

    由表2可知，蓄电池组成的储能系统成本约13千万元，超级电容器组成的储能系统成本约89千万元，而蓄电池和超级电容器组成的储能系统成本约9千万元。在保证经济性的前提条件下，充分利用超级电容器和蓄电池各自的优点，用粒子群算法进行优化，在大的瞬时功率缺失时超级电容器及时补充缺失功率；蓄电池在连续电能缺失时及时补充缺失电量。因此，合理的配置储能系统，不仅能提高系统运行的稳定性，而且能降低经济成本。

    4结束语

    本文针对新疆哈密地区大规模风光并网的储能系统，经粒子群优化配置后，能够平抑大规模风光并网的功率波动和弥补其能量的缺失，提高了电网运行的稳定性和可靠性，并且大幅度提高了系统的经济性。但本文未考虑风电机组和光伏阵列在故障情况下对电网功率波动及储能配置方面的影响，还有待进一步研究。

    5摘要：文章通过对哈密地区大规模风光出力的分析和预测，为平抑功率的波动和弥补能量的缺失，配置r以蓄电池和超级电容器组成的储能系统，考虑其充放电效率和电网的转换效率，以经济最优为目标，通过粒子群算法进行优化，验证了储能系统的合理性。此储能系统不仅能平抑电网功率的波动和弥补电网的能量缺失，而且可以大幅度提高经济性和能源的利用率。