基于改进PSO的独立风光系统混合储能容量优化研究

张力月，张江滨

(西安理工大学 水利水电学院，西安　710048)



基于改进PSO的独立风光系统混合储能容量优化研究

张力月，张江滨

(西安理工大学 水利水电学院，西安710048)

为了提高独立风光系统的供电可靠性，应为其配置储能系统。但目前储能装置的成本高，故应合理地配置储能系统容量。以计及储能寿命的整个储能系统工程使用年限内的总成本作为目标函数，以不同类型储能各自补偿频段的分界频率作为优化变量，以负荷缺电率(LPSP)、能量浪费率(SPSP)及储能的荷电状态等为约束条件，并采用改进粒子群算法求解该模型。最后，通过分析算例结果，验证了该优化模型与算法的正确性和有效性。

独立风光微电网；混合储能；改进粒子群算法

随着能源危机与环境污染日益严峻，开发利用风、光等可持续清洁能源成为研究热点[1-3]。对于大电网没有覆盖到的偏远地区，结合当地的自然资源，发展相应的新能源技术，解决当地电力需求是非常必要的。微电网技术应运而生且在国内外受到前所未有的关注。由于风电和光伏发电的输出功率具有间歇性和随机性等特点，同时负荷功率也存在一定的波动性，这是风光系统稳定运行的一个挑战，可配置储能系统来解决这一问题。

储能系统作为风光微网的重要组成部分，在平抑可再生能源出力波动、提高供电可靠性、削峰填谷、跟踪计划出力等方面为微电网提供技术支撑。但单独的储能技术在满足微电网多种要求时效果不理想。现阶段，蓄电池&超级电容器混合储能技术较为成熟，更适合同时进行平滑输出和削峰填谷，还可以优化蓄电池的充放电过程，提高蓄电池寿命[4]。

文献[5]提出了的储能容量方法是以可再生能源输出功率的频谱分析为基础，在目标功率波动的率约束下，确定储能容量，但是并没有对系统的经济性进行计算；文献[6]以光伏—混合储能系统为研究对象，计及蓄电池&超级电容器的互补特性，并对蓄电池的寿命进行了评估，建立了混合储能系统容量配置模型，但是没有给出混合储能装置的具体补偿范围，过于笼统。文献[7]以风电—混合储能系统为研究对象，提出基于机会约束规划的混合储能配置模型，使系统输出在某一置信水平处于给定的范围内，实现了系统性能和经济性之间的合理折中，但是在对混合储能的功率分配时，未给出明确的计算方法，而且没有进行经济性评价。

在以上研究成果的基础上，本文以独立风光微网为研究对象，提出以不同类型储能各自补偿频段的分界频率作为优化变量，并基于雨流计数法对储能寿命进行准确计算，最后对系统进行经济性评价的模型。

1　风光发电系统结构与原理

基于蓄电池&超级电容器混合储能的独立风光微电网主要由风力发电机、光伏阵列、混合储能系统、逆变器、负载等部分组成[8]，其结构简图如图1所示。

图1　基于混合储能的独立风光微网结构图

在风光发电充足时，混合储能系统充电，将多余的电能存储起来，以提高风光利用率；在风光发电不足时，混合储能系统释放存储的电能供给负荷，以保证系统平稳连续的供电，提高系统的供电可靠性。

2　混合储能系统容量优化方法

为了实现配置混合储能系统的目标，即跟踪负荷曲线，本文以考虑储能寿命和更换的成本为目标函数，以不同类型储能各自补偿频段的分界频率作为优化变量，综合考虑微网功率平衡、储能系统的效率、SOC特性以及负荷缺电率(LPSP)、能量浪费率(SPSP)等约束，建立蓄电池&超级电容器的混合储能容量优化模型，模型求解的总体流程图如图2所示。

图2　混合储能容量优化配置的计算流程图

2.1混合储能的功率分配

在混合储能能量交换过程中，首先根据获取的风、光发电功率及负荷预测功率数据，计算需要补偿的功率 。因为蓄电池储能能量密度大、响应时间长、充放电次数少；超级电容器储能能量密度小，但允许充放电次数高，充放电速率快，所以一般超级电容器补偿高频功率分量，蓄电池补偿低频功率分量；因此将需补偿的功率 经过高通滤波器后，分别得到各自功率补偿值，超级电容器Puc和蓄电池Pbat。

PHESS=PL(t)-[PW(t)+PPV(t)]

(1)

(2)

Pbat(t)=PHESS(t)-Puc(t)

(3)

(4)

(5)

式中Th——高通滤波器的时间常数；fp——两种储能补偿频段的分界频率；TS——样本数据的采样周期；1/(2TS)——奈奎斯特采样频率。

为实现能量的循环利用，应对上述的功率进行调整，保证储能的充放电量相等，公式如下：

(1)先在超级电容器容量计算时间尺度内对其和蓄电池功率进行修正。

(6)

Puc′=Puc-ΔP

(7)

Pbat=Pbat+ΔP

(8)

(2)然后在蓄电池的容量计算时间尺度内对其功率再次进行修正。

(9)

Pbat″=Pbat′-ΔP′

(10)

2.2储能系统额定功率计算

通过功率分配及功率调整后，还需考虑实际储能系统工作过程中的损耗，即充放电效率，具体计算如下：

(11)

在整个计算周期内，储能实际充放电功率绝对值的最大值即为储能系统的额定功率PESS，N。

2.3储能系统额定容量计算

基于确定的储能实际输出功率数据，可计算得到各时刻的储能系统累计充放电能量。

(12)

储能系统的剩余能量变化可用荷电状态来表示，具体如下：

(13)

式中SOC(t)——实时荷电状态；SOC0——初始荷电状态；EESS，N——额定容量。

储能的SOC0应该满足：在SOC0下，最大正能量max(EESS(t))波动时，SOC不低于下限值SOCmin，最大负能量min(EESS(t))波动时，SOC不高于上限值SOCmax，即：

(14)

取得满足条件的最小EESS，N，可得：

(15)

通过上述公式便可求得储能的初始荷电状态，只要将SOC0设定为该值，即可满足整个周期内的充放电要求。

(16)

2.4储能系统经济性评价

2.4.1经济评价模型

(1) 成本目标

独立风光微电网中混合储能的配置，应在满足风光系统基本运行的情况下，使其费用最小[9]。据此可建立混合储能的成本目标函数：

C=(1+NGH)keEESS，N+(kp+ka+kwLGN+kpNGH)×PESS，N

(17)

(18)

式中ke，kp——储能容量成本系数、功率成本系数；ka——储能配套设施成本系数；kw——储能运行维护成本；NGH——储能更换次数；LGH——工程使用年限；LESS——蓄电池的使用寿命。

(2)负荷缺电率

当储能系统放电时，如果由于储能自身能量的限制导致放电后仍不能达到负荷要求时，会造成负荷供电不足，一般用负荷缺电率来衡量。

(19)

LPSP≤λL

(20)

式中PW(t)——t时刻风电发电功率，kW；PPV(t)——t时刻光伏发电功率，kW；PL(t)——t时刻负荷功率，kW；PDG——经混合储能补偿后的可再生能源输出功率值，kW；λL——系统LPSP最大允许值。

(3)能量浪费率

当储能系统充电时，如果此时由于储能系统自身能量限制导致充电后仍不能与负荷匹配时，会造成电力的盈余，一般用能量浪费率来衡量。

(21)

SPSP≤λS

(22)

式中λS——系统SPSP最大允许值。

综上所述，因为LPSP或SPSP不满足设定值时，本文均取0.05，会增加系统成本，故在优化过程中，若不满足要求，则应增加系统的惩罚成本C1，最终得到本文优化目标函数f。

(23)

f=C+C1

(24)

2.4.2储能寿命计算模型

采用经济评价模型时，需要计算储能装置的寿命，因超级电容器的循环寿命可高达50万次，故认为超级电容器在工程期内不需要更换，蓄电池的寿命计算采用雨流计数法。

电池的寿命与工作方式密切相关，放电深度(DOD)越大，循环寿命越短。首先通过雨流计数法计算电池的放电深度，然后根据电池放电深度与循环寿命的对应关系，得出电池的等效循环寿命。其中，一个充电半循环周期和一个放电半循环周期构成一个完整的循环周期。

本文采用如下所示的四阶函数表征循环寿命与放电深度的关系，相应曲线如图3所示。

NC，i=-a1DODi-a2DODi+a3DODi-a2DODi+A1

(25)

式中NC，i——循环次数；ai——拟合曲线常数；DODi——放电深度。

假设仿真时长为N*T，N为仿真步数，T为仿真步长，单位为秒。设总充放电次数为，Nd放电深度序列为DODi。

则有：

(26)

(27)

图3　循环寿命与放电深度的关系

3　算例分析

3.1算例及计算方法

以25 kW 的风电系统和15 kW的太阳能光伏发电系统为例[10]。根据独立风光系统混合储能容量优化数学模型，在Matlab中编写了相应的改进粒子群算法优化程序。该系统一天内可再生能源发电量和负荷实际需求数据(见图4)。

图4　系统24 h可再生能源发电量和负荷需求数据

3.2储能优化配置结果

3.2.1不加储能的独立风光系统

针对不加储能的独立风光系统，以可靠性作为目标函数，即以独立风光发电系统负荷缺电率(LPSP)及能量浪费率(SPSP)为目标函数，以功率平衡为约束条件，得到结果如表1所示。

表1　未加储能前优化计算结果

图5为未加储能补偿前，根据图4中可再生能源发电量和负荷需求数据计算出的功率差额制成。

图5　未加储能补偿前系统功率差额

分析上面结果可知，在未加储能补偿之前，独立风光发电系统的功率差额波动很大，而且系统的负荷缺电率(LPSP)及能量浪费率(SPSP)值都偏大，这对于系统稳定运行是十分不利的，故此，在独立风光发电系统基础上增加储能，以满足负荷需求。

3.2.2加入储能的独立风光系统

根据上文中的目标函数和约束条件，采用改进的PSO算法，得到混合储能的优化配置结果，并对比单一蓄电池储能的配置结果如表2所示。

分析表2结果，加入混合储能补偿后，减少了负荷缺电率(LPSP)及能量浪费率(SPSP)，使得系统的供电可靠性得到提高，同时能减少系统成本花费。其中混合储能系统在该典型日的充放电功率变化如图6所示。

图6　蓄电池&超级电容器补偿功率

由图6可见，由于超级电容器补偿了需求功率的高频分量，缓解了蓄电池频繁充放电的压力，使得蓄电池能平缓的充放电，可以较好地延长蓄电池的使用寿命。

表2　储能优化计算结果

5　结语

本文以独立风光微网为研究对象，配备储能系统，跟踪负荷曲线，提高电能质量。提出以计及储能寿命的整个储能系统工程使用年限中的总成本作为目标函数，利用改进PSO确定蓄电池和超级电容器各自的补偿功率，进而确定了混合储能系统的最优容量，并利用雨流计数法对蓄电池的寿命进行计算，从而准确得出成本大小，最后通过算例验证了本文所提出的容量优化方法的正确性，这对于工程实际应用有很大参考价值。

[1]刘振亚.中国电力与新能源[M].北京:中国电力出版社,

2012.

[2]风电领域.中国风电装机年底将达1亿瓦2020年将实现翻番.FRP/CM.2014(11): 116.

[3]中国经济导报.前三季光伏发电量约180亿千瓦时较去年全年翻番.B02.2014,11(22): 1.

[4]张文亮，丘明，来小康．储能技术在电力系统中的应用[J]．电网技术，2008，32(7):1-9.

ZHANG Wen-liang,QIU Ming,LAI Xiao-kang.Application of Energy Storage Technologies in Power Grids[J].Power System Technology,2008,32(7):1-9.

[5]王成山,于波,肖峻,等．平滑微电网联络线功率波动的储能系统容量优化方法[J]. 电力系统自动化，2013，37(3)：12-17．

WANG Cheng-shan,YU Bo,XIAO Jun,et al.An Energy Storage System Capacity Optimization Method for Microgrid Tie-line Power Flow Stabilization[J].Automation of Electric Power Systems,2013,37(3):12-17.

[6]韩晓娟,程成,籍天明,等．计及电池使用寿命的混合储能系统容量优化模型[J]. 中国电机工程学报，2013，34(33)：91-97.

HAN Xiao-juan,CHEN Cheng,JI Tian-ming,et al.Capacity Optimal Modeling of Hybrid Energy Storage Systems Considering Battery Life[J].Proceedings of the CSEE,2013,34(33):91-97.

[7]谢石骁,杨莉,李丽娜. 基于机会约束规划的混合储能优化配置方法[J]. 电网技术,2012(5):79-84.

XIE Shi-xiao, YANG Li, LI Li-na.A Chance Constrained Programming Based Optimal Configuration Method of Hybrid Energy Storage System[J].Power System Technology,2012(5):79-84.

[8]徐林,阮新波,张步涵,等. 风光蓄互补发电系统容量的改进优化配置方法[J]. 中国电机工程学报,2012(25):88-98.

XU Lin,RUAN Xin-bo,ZHANG Bu-han,et al.An Improved Optimal Sizing Method for Wind-solar-battery Hybrid Power System[J].Proceedings of the CSEE,2012(25):88-98.

[9]王波. 储能系统的优化建模与控制策略研究[D].合肥：合肥工业大学,2013.

[10]ANTONIS G, NIKOS D. Centralized control for optimizing micro grids operation[J]. IEEE Transactions on Energy Conversion, 2008,23(1).

(本文编辑：赵艳粉)

Optimization Research on the Hybrid Energy Storage Capacity of Stand-alone Wind/PV Micro-grid based on Improved PSO

ZHANG Li-yue, ZHANG Jiang-bin

(Xi′an University of Technology, Water conservancy and hydropower college, Shanxi Xi′an 710048,China)

In order to reduce the energy storage costs of stand-alone Wind/PV power generation system and improve the reliability of power supply, it is necessary to configure the capacity ratio of storage system reasonably. An optimization model is constructed, which considers the lowest cost as the optimization objective in view of the energy storage′s life, the dividing frequency of different types of energy storage′s own compensation frequency band as optimization variables, and considers the LPSP、 SPSP、 SOC as the constraint, then use the improved PSO algorithm to solve the optimization problem. Finally, the example results indicated that the optimization model and algorithm are correct and effective.

stand-alone Wind/PV Micro-grid; hybrid energy storage; improved PSO algorithm

10.11973/dlyny201604014

张力月(1992)，女，硕士研究生，研究方向为新能源技术研究以及其应用。

TM61

A

2095-1256(2016)04-0471-05

2016-03-13