亚马逊
并网型风光互补发电系统储能优化调度研究
2023-11-13 21:00

并网型风光互补发电系统储能优化调度研究

近年来能源消耗不断加剧,因为大量化学能源如煤炭、石油等的大量使用,造成的环境问题日益突出,全世界都把目光转向了清洁能源,因此如何充分利用太阳能、风能等清洁能源对减少一次能源消耗及降低环境污染显得尤为重要。然而风力和光伏发电容易受到天气和气候的影响,极不稳定,这使得风光互补发电系统在并网过程中会对大电网的安全稳定运行有较大影响。

并网型风光互补发电系统与大电网间存在相融问题,为解决这一问题,建立风光储联合发电系统是主要研究方向,储能装置在系统中主要起到两个作用:一是进行了能量的缓冲,风力发电和光伏发电的不稳定性导致了直接并网会对电网的稳定运行产生影响,增加储能可保证可靠性;二是具有削峰填谷的作用,当自然条件良好、系统所发电量足够负荷消耗时,可将多余电量储存起来,当自然条件不够良好时又可为负荷提供一定的能量。当系统所发电量能满足负载的最低要求时,为减少系统的发电成本,除考虑协调系统中分布式电源的出力配合,还应综合考虑风光互补系统与大电网的电力能量交互和系统储能装置的工作运行状态。

文献[1]和[2]主要针对分布式电源的协调管理进行研究,文献[1]根据系统并网效益和输出功率的波动性,构造目标函数,采用NSGA-Ⅱ算法优化风力发电系统和光伏发电系统的输出功率,协调控制子系统的发电功率;文献[2]提出了风电优先、光电次之、蓄电池辅助的分配原则的供需动态平衡能量优化管理策略,风电和光电子系统采用双闭环控制结构,外层使用MPPT和LPTC算法来生成最佳功率点,内层实现MPPT和LPTC之间的平滑切换,来协调各个子系统的工作状态并维持动态平衡的能量供应和需求。

文献[3]和[4]主要针对储能系统的能量调度进行研究,文献[3]提出了基于能量波动和功率能量约束控制条件的风光互补系统储能协调控制管理策略,用加权移动平均自适应滤波算法来对储能风光输出功率进行平滑移动控制,通过对风光储能系统充放电的控制,达到对输出功率进行控制的目的;文献[4]提出了将多类型储能应用在储能系统控制策略的研究中,充分利用不同类型储能的优点,减少能量型储能的充放电次数,保持功率型储能的充放电能力,通过模糊控制策略进行优化储能控制,来提高风电跟踪计划出力的能力。从研究现状来看,目前的研究多以分布式电源的协调管理为主,并缺少对可控负荷的考虑。

1 风光储系统优化调度策略

1.1 并网型风光储互补系统运行方式

风光互补发电系统可同时利用风能和太阳能提供能量,并能考虑到时间和气候资源变化时风力机组和光伏电池不同的发电特性,控制系统正常运作和稳定输出功率。并网型风光互补系统主要由分布式电源部分、储能系统、并网逆变器等几部分组成,分布式电源包括风力发电子系统和光伏发电子系统(图1)。

图1 风光互补发电系统结构图

图1 风光互补发电系统结构图 下载原图

并网系统设计的原理是将风光互补发电系统发的直流电转换为交流电,通过并网逆变器,转换后的交流电要满足电网标准,且使用时不区分是哪一部分提供的能量。在负荷需求低于风光互补系统发电量的情况下,若储能装置还未满电且荷电状态未到上限,储能开始吸收能量,处于充电状态。若储能的荷电状态达到上限时,考虑到储能装置的寿命和安全性,停止充电。当风光互补系统的发电量不能满足负荷需求时,储能开始释放存储的能量,以补偿所需的负荷差,储能处于放电状态。

1.2 负荷分类

根据对供电可靠性的要求,将断电后对生活和生产产生较大影响的用电设备进行分级,优先保障停电影响较大的用电设备,将负荷分为一级负荷、二级负荷、三级负荷。当风光出力不满足负荷需求时,按照用电优先级从后向前依次切除负荷,这类负荷被称为可切负荷,并将一些可转移使用时间的负荷称为可转移负荷。

1.3 储能优化调度策略

风光储互补系统的运行控制多分为三种:平滑功率输出模式、跟踪计划出力模式和削峰填谷模式[5],本文主要讨论在削峰填谷模式运行条件下储能的能量调度策略。储能的优化调度不仅需考虑分布式电源的出力配合太阳能光伏并网发电系统设计与应用 亚马逊,还需考虑系统与外部大电网间的能量交互。因此,系统的优化调度策略不仅与系统本身的能量协调相关,也与外部大电网的需求侧政策紧密相连,本文提出了基于可控负荷并与峰谷电价相结合的优化调度策略,具体的优化调度策略如下:当风能和太阳能发电量不能满足负荷需求储能开始放电,若储能的荷电状态位于储能约束的下限时对部分负荷进行切除,直到风力和光伏发电回到正常水平;当储能能够正常充放电时,对部分负荷进行时间上的转移,由高电价期向低电价期转移,也可由风光发电不足时期向风光发电充足时期转移。

2 风光互补发电系统数学模型

风力发电出力数学模型:风力发电机组的作用是将风能转化为电能,风机的输出功率是风能利用的一个重要指标,风力机组的结构、风电场所在地的气象条件及风电场的运行情况都会对风机的输出功率产生影响,其中风速是最重要因素。风机功率的计算公式为式(1),式中Pwind额为额定功率,单位为kW;vt为当前风速,单位为m/s;v1为额定风速,单位为m/s;v2为切出风速,单位为m/s;v3为切入风速,单位为m/s。

光伏发电出力数学模型:光伏电池的作用是将光能转化为电能输出,光伏电池组本身的电气属性和温度等外部自然环境都会对光伏输出功率产生影响,辐照度和温度是影响光伏功率的最主要因素,光伏功率的计算公式为,式中Ppv额为标准条件下的额定功率,单位为kW;Tt为当前温度,℃;TSTC为标准温度,取25℃;Gt为当前光强;GSTC为标准光强,取1000W/m2;k为温度系数。

储能充放电数学模型:储能出力模型中主要考虑储能的电池荷电状态(SOC),本文采用的模型主要考虑储能的存储容量约束和充放电功率约束,储能出力控制模型见式(2),式中Ct为当前容量;CESS为系统容量;Pch为充电功率,单位为kW;ηch为充电效率,%;Pdis为放电功率,单位为kW;ηdis为放电效率,%;SOC(t)为蓄电池在t时刻的荷电状态;SOC(t-1)为蓄电池在(t-1)时刻的荷电状态。

3 目标规划数学模型

3.1 目标函数

对于规划目标函数,在保证供电可靠的前提下系统的运行成本最低,本文主要考虑了系统运行时包括与大电网能量交互时产生的交互成本、储能老化成本及发电维修成本,其具体表达式为minC=C1+C2+C3,C1为系统与大电网能量交互时产生的交互成本,,式中Pgrid为与大电网交互的功率,Price为实时电价;C2为储能老化成本,,式中ε1为储能老化成本系数;PESS为充放电功率;C3为发电维修成本,,式中ε2为发电维修成本系数,Ppv为光伏发电出力,Pwind为风力发电出力。

3.2 约束条件

功率平衡约束:在系统运行时,系统中的风电、光伏、储能和负荷必须满足有功功率平衡,各机组的出力必须满足Pload+PESS+Ppv+Pwind+Pgrid=0,其中Pload为系统的固定负荷;Pload=P刚+Pload-cut+Pload-转移,式中P刚为刚性负荷,Pload-cut为可切负荷,Pload-转移为可转移负荷,PESS为储能充放电功率,Ppv为光伏发电出力,Pwind为风力发电出力,Pgrid为与大电网交互的功率。

可控负荷约束:可切负荷指选择切除一些其他不重要的负荷来维持系统正常的运行工作:0≤Pload-cut ≤Pload-max,可转移负荷是指在出力充足的情况下,能进行转移其运行时间的负荷,并具有特定的运行周期。可转移负荷时间约束t(Pload-转移)∈t1,t2,t(Pload-转移)为可转移负荷的时间区间,t1为开始转移时间,t2为结束转移时间。

储能电量约束:因为储能的安全性和寿命与电池的荷电状态紧密相关,所以需满足荷电状态约束和储能功率约束并网型风光互补发电系统储能优化调度研究,具体约束条件为:SOCmin ≤SOCt≤SOCmax,式中SOCmin取0.1,SOCmax取0.9,SOCt为t时刻储能的荷电状态。

式中Pch为充电功率,Pdis为放电功率,Pch-max为最大充电功率,Pdis-max为最大放电功率。为保证每时每刻能充电或放电,所以Pch×Pdis=0。

4 仿真分析

算例中太阳能光伏并网发电系统设计与应用 亚马逊,光伏电池的容量为50kW,风电机组的容量为50kW,储能的容量为50kW,选取扬州市一天的气象数据作为样本数据进行分析,具体气象数据见图2~4。

图2 24h温度变化曲线图

图2 24h温度变化曲线图 下载原图

图3 24h风速变化曲线图

图3 24h风速变化曲线图 下载原图

图4 24h光照强度变化曲线图

图4 24h光照强度变化曲线图 下载原图

在Matlab环境下采用遗传算法对本文设计的储能调度策略进行仿真。根据数学模型,得到这天的风力输出和光伏输出如图5~6所示。在仿真过程中假设24小时的负荷情况如图7所示。根据峰谷电价政策,不同时间段的电价有所区别,在用电高峰期价格较高,用电低谷期价格较低,具体电价分布如图8。储能的出力经过优化仿真后如图9,储能的SOC情况如图10,SOC始终维持在0.1到0.9之间,储能运行状况良好。

图5 风力发电输出功率曲线图

图5 风力发电输出功率曲线图 下载原图

图6 光伏发电输出功率曲线图

图6 光伏发电输出功率曲线图 下载原图

图7 模拟负荷曲线图

图7 模拟负荷曲线图 下载原图

图8 电价分布

图8 电价分布 下载原图

图9 储能出力曲线图

图9 储能出力曲线图 下载原图

图1 0 储能SOC变化曲线图

图1 0 储能SOC变化曲线图 下载原图

图1 1 优化前后与大电网交互对比图

图1 1 优化前后与大电网交互对比图 下载原图

图1 2 系统优化仿真结果综合图

图1 2 系统优化仿真结果综合图 下载原图

5 结论分析

图11为优化前后储能与大电网的交互功率的对比图,图12为系统优化仿真结果综合图,据图11可得到如下结论:晚上20:00左右为用电高峰期,此时电价较高,夜晚光伏发电不工作,风机发电量不够负荷使用,此时不足部分由储能提供;据图11可看出优化前后的储能与大电网交互功率的对比。优化前,在20:00左右的用电高峰期系统的发电量不够使用,传统的交互策略导致需要向电网高价购电,而优化后需购买的用电量大大减少,购电成本大幅降低,提高了全天的系统收益。

从整体的经济效益看,日优化前所计算的收益为344.3711元,日优化后则为369.1697元114信息网MIP移动站,且优化时考虑了储能的使用寿命,综上所述,本策略合理地对储能的出力进行了调度,并提高了系统的并网收益。

【本文来源于互联网转载,如侵犯您的权益或不适传播,请邮件通知我们删除】

发表评论
0评