高海拔高寒地区风光互补电站优化设计分析*

呼如威 冯婧恒， 万溧 刘诚鹏 温琪琪 赵斌，

（1.华北理工大学冶金与能源学院，河北 唐山 063210；2.西藏自治区能源研究示范中心，西藏 拉萨 850001）

高海拔高寒地区风力资源与太阳能资源丰富，而生态环境脆弱，极其适合大力发展新能源。其中太阳能户用系统广泛应用于缺电甚至无电等地区，可有效克服高海拔高寒地区昼夜温差大、空气稀薄而引起的散热、绝缘等问题的影响。光伏和风力发电技术既可以实现并网、离网运行，也可以与其它能源耦合构成互补发电系统。由于风力强度变化的不可预测性以及太阳能发电对天气和气候变化的依赖性，因此将两种可再生能源进行互补应用可以有效地提高能源整体利用效率。风光互补发电系统因其良好的稳定性和经济性已被广泛使用［1-3］，但目前系统能源利用效率较低，设备安全性较低，因此进行系统优化设计显得尤为重要。

1 互补系统

风光互补发电系统主要由太阳能电池板、风力发电机、储能电池、控制器、逆变器以及负载组成，如图1所示。

图1 风光互补发电系统示意图

1.1 发电系统

1.1.1 风力发电。风力发电是将风能转化为机械能再转化为电能的过程。根据发电机类型可分为：感应机和同步机；根据风轮转轴方向可分为：水平轴风力涡轮机和垂直轴风力涡轮机［4］。

1.1.2 光伏发电。太阳能光伏发电是利用半导体界面的光生伏特效应将太阳辐射能直接转化成电能，其主要由太阳能电池板（光伏组件）、控制器和逆变器构成。光生伏特效应，即在PN结上因半导体吸收光能，在电场作用下导致光生电子和空穴对分离而产生电动势的现象［5］。

1.2 储能系统

在风光互补发电系统中，电池组充当储能系统来存储风电和光伏发电电能，当风能和太阳能不足时，储能系统将进行放电。常见的蓄电池可分为三类：铅酸电池，碱性镍电池和铁镍电池。锂电池和铅碳电池目前也很常见。其中，铅酸电池由于成本低，安全性高，工艺改进而得到广泛应用［6］。电池充放电时，化学反应方程式表示为：

1.3 控制系统

控制系统是整个风光互补发电系统的枢纽。其中，控制器是保证电站正常运行的重要设备，其具有较完善的保护功能。目前，控制系统的主要控制功能包括最大功率跟踪控制、负载跟踪控制、电池充放电保护控制。控制系统可根据外部环境等影响因素和内部电量使用、储备情况对系统进行合理的调节［7］。

1.4 逆变系统

逆变器在风光互补发电系统中的主要功能是将储能装置中的直流电转换成交流电。变频器具有较完整的保护功能，并具有故障报警显示功能。此外逆变器还起到稳压的作用，具有提高转化效率、稳定工作状态及减少输出电能中高次谐波等优点［8］。

2 应用分析

2.1 应用现状

德国在风力发电技术方面处于领先地位，并计划在2050年前达到全国发电总量的50%.日本、欧盟和美国是太阳能发电领域的领导者，其发电量约占全球的80%.在风光互补领域，美国学者提出了Hybrid2仿真软件；印度学者提出迭代法优化系统，模拟最佳容量比组合；希腊学者通过遗传算法重新优化配置了系统发电设备的能力，均对优化做出了极大贡献［9］。同时，国外学者也对风光互补储能系统进行了深入研究，并取得了大量的研究成果。例如，加拿大萨斯喀彻温大学的Roy BillintonR等人研究了其容量扩展，并论证了扩容的可行性；美国的D.B.Nelson等人研发了一套用于计算风光互补发电系统的独立容量和设备数量的系统软件［10］。

在中国，预计到2030年风力发电将占全国发电量的8.4%左右，光伏发电装机容量将逐年增加。到2011年，累计装机容量达到3.1GW，到2020年预计将达到500GW。对于光伏产业国家大力扶持，使得其成本逐步下降，预计到2020年光伏发电成本将会降低到与火电发电成本基本一致［11］。同时，风光互补发电和储能系统也取得了一系列研究成果，如华南理工大学开发的风光互补发电系统。该系统实现了极端参数设计，如无刷双馈电机和光伏逆变器，并采用滑模变结构控制策略进行电压调节，功率因数补偿，谐波抑制和非线性负载问题进行了优化。合肥工业大学开发了一套风光互补的分布式发电系统，可优化负荷，风机和光伏组件成本设计［12］。

西藏在风能利用方面发展较早。至1983年，那曲地区共引进35台风力发电机组。1986年日喀则地区引进了72台风力发电机组，1985年，山南地区措美县引进了102台风机；1990年阿里地区总共引进了10台风机。在“九五”期间，那曲地区建成并投入使用的4千瓦风光互补发电站；2002年，西藏实施“送电到乡”工程，在那曲共建设10座风光互补发电站。目前，100-1000瓦风力发电系统技术成熟，那曲地区太阳能互补发电的应用较多［13］。

2.2 存在问题

对于已建的高海拔高寒地区风光互补电站中均采用水平轴风力机，其不仅需要对风装置，且发电机组放置于塔架顶端，存在系统复杂，叶片易断裂及维修成本高等缺点。

西藏大部分地区利用风能资源，年平均有效风能密度可达130-200 W/m2，年有效风力小时数高达4000小时以上，年平均大风日多达100-150天，最多可达200天，比同纬度中国东部地区（5-25天）高3-4倍［14］。由于高海拔地形地势变化较大，局部区域风向变化较频繁，如果安装水平轴风力机，需要经常换向偏航，会直接导致输出功率降低。

图2 安多地区风向玫瑰图

图2所示是安多地区风向玫瑰图，从图2可以看出，各个风向比例较均匀，主导风向不明显。因此，风向不稳定是高原地区风能利用的重要影响因素。

在屋顶或狭窄位置以及风向多变的复杂环境中，由于垂直轴风力机对风向变化的不敏感性，更突显出其优越性，高原地区风向的不稳定性，有利于中小型垂直轴风力机的推广应用。

空气密度由于海拔的上升而减小，在相同的风速条件下，风能密度随海拔的上升同样减小，因此风力机输出功率随海拔的上升而降低。在高海拔高寒地区紫外线强、辐射大，太阳能集热器的吸热涂层以及光伏组件的背板易受到破坏，电气元件老化加速。由于高原气候的影响、昼夜温差大，系统的结构（如支架、管路等）热胀冷缩产生巨大机械应变，易遭到损坏，因此需选取合适的蓄能方式。

3 设计优化

风光互补发电系统设计优化主要指能量管理、系统配置、协同控制及负荷匹配等的优化。

3.1 能量管理

高海拔地区蓄电池组物理和化学活性的削弱导致其转化效率降低，使用寿命缩短等问题，探讨高海拔地区储能蓄电池组的能量管理优化方法。

陈玄一［15］提出了一种基于多元自适应回归样条算法的蓄电池剩余容量估算模型，对能量管理系统采用模糊控制理论进行设计；使用MATLAB制作仿真控制表，根据风光互补特性，对其容量配置进行数学优化，并利用HOMER软件对新旧优化模型进行比较；最后制作控制器硬件，编程软件，调试控制器和验证模糊控制策略的可行性。该方法能准确估计电池的剩余容量，提高系统的稳定性和能源利用效率。

张计科［16］提出采用风电优先、光电次之、蓄电池辅助的能量分配原则与功率供需动态平衡的能量优化管理机制，提出功率协调控制策略。采用MPPT或LPTC算法在功率外环产生最佳功率点电压，在电压内环实现最佳功率点电压的快速、自动、无差跟踪，实现LPTC和MPPT算法之间的平滑切换。该方法的优点是根据各系统的运行状态，实现系统工作模式控制及能量优化管理，协调各系统工作状态。

韦学辉［17］提出了多目标差分进化算法的改进研究，引入参数自适应方法、混沌初值理论和线性加权和方法以达到改进的效果。并对电源经济性和可靠性容量配置进行研究，进行IMOEA/D的微源容量配置优化，与其他算法进行比较，得出电源容量优化配置组合。为提高能源利用效率，采用光伏电源和风力发电机变步爬山法的MPPT仿真模型和电池的恒压充放电能量控制模型。该方法的优点是系统的经济成本达到最小，优化电源的容量配置，改良蓄电池的控制方法。

3.2 系统配置

由于电子和电气部件受温度，湿度和空气密度的影响很大，因此可能会被拒绝使用或处理不当，并且在高海拔和寒冷地区使用时，其绝缘性能和容量可能会降低。由此探讨高海拔高寒地区风光互补电站设备选型的匹配规律。

刘天晓［18］提出构建风电、光伏及蓄电池电源的数学模型；着眼于输出能力与气候变化的耦合关系，定量关系建立风光互补系统的仿真模块，在研究风光蓄互补发电系统多目标优化匹配方法时采用基于交叉遗传的粒子群算法（Breed PSO），建立系统的优化模型。优化匹配算法使用MATLAB软件，分析系统优化配置容量及成本，与单独的光伏或风能设备进行比较，得出风光互补发电系统有极大改善。

常新［19］提出了PV和风电并用时的输出功率相关性。采用最小二乘法计算风电的概率密度函数，用均值和方差估计的方法得到光电功率的概率密度函数。然后用Copula函数计算两代的联合概率密度;以负载损失率为约束条件，系统运行成本为目标建立优化配置模型；采用遗传算法对优化配置的模型进行计算，通过具体数据与模型优化数据进行比较，容量配置方案能在满足负载能量需求的同时，降低成本。

于文英等［20］提出通过建立函数模型，模型以经济性指标LCE，功率的最大化指标Poutmax和系统可靠性指标LPSP为目标来进行系统优化。并针对适应度值标定和种群多样化两方面对遗传算法进行改进，由此得到更优化的配置。此方法的优点是可以确定合适的风力机、PV组件和蓄电池的类型数量，改进遗传算法可以获得更高的全局收敛能力和搜索效率。

3.3 协同控制

针对能源系统在运行过程中的能量产生、储备及传输等工作环节，进行高寒高海拔地区风光互补发电和储能系统的协同特性研究，探讨高寒高海拔地区风光互补储能系统协同控制的耦合规律。

CSU大学和NREL［21］合作开发了Hybrid2应用软件。根据联合电力系统结构，负荷特性，风速，太阳辐射等安装现场数据，得到8760h年的仿真结果。该仿真软件可以非常精确地模拟风力-光学混合动力系统。

梅宏琛［22］对风光互补系统的各个模块进行了仿真，对系统的光伏和风力发电的最大功率跟踪进行了基于拓扑结构的仿真，对比了几种常用方法的特点，并对改进算法进行了验证和比较，该算法比原有的控制方法更能提高动态性能和稳定性。

许慧怡［23］设计了一种风光互补发电系统，可以基于多模式分析方法，通过气象因素手动或自动改变供电方式。该系统共有4种工作模式，仿真结果表明系统输出稳定，能够满足用户的电力需求。该系统还可以最大程度地保护电池寿命。

3.4 负荷匹配

风光互补发电系统设计中经常会出现“大马拉车”或“小马拉车”的现象，高功率风光互补发电站的发电负荷匹配设计研究，探讨高海拔高寒地区风光互补电站与负载的匹配性耦合规律，意义重大。

艾斌等［24］提出了一种以CAD（计算机辅助设计）设计方法来优化配置。计算由光伏阵列和不同容量的电池组成的风-光-储年度电力供应折旧率（LPSP），该组合与风力发电机组的容量相匹配。根据最小化总投资成本的原则，选择与满足用户给定系统LPSP值的可靠性的风力涡轮机容量相对应的一组风光储电组合;通过改变风机容量，不同容量的风机数量得到优化，以满足用户的电力需求。同时，总设备购买成本组合是最低的。

R.Dufo Lz［25］用C语言开发了一个用于轻风，光电柴油和其他互补发电系统的优化系统。萨拉戈萨的轻型/柴油混合动力发电系统的设计和优化，并与补充优化系统HOMER进行了比较。结果表明，该系统可以根据负载和照明条件来确定太阳能组件，电池和柴油发动机的容量。并且可以找到电池的最佳充电状态，以最小的成本获得系统的最大输出功率。

4 结论

太阳能和风能虽然取之不尽，但单独使用效率却偏低。首先在高海拔高寒地区采用垂直轴风力机，提高系统安全性；其次从能量管理角度入手优化系统，通过回归样条算法对蓄电池剩余容量进行估算或采用动态平衡的能量优化管理机制等方法对能量进行优化。

系统配置采用基于交叉遗传的粒子群算法或遗传算法等进行仿真模拟，得到优化的系统配置模型，即可降低成本，提高效率。

采用非线性优化的方法或建立函数模型从最优控制策略和功率最大化方面对整个系统进行优化，从而使系统的能源利用效率最大化。