微电网电池储能消纳弃风优化模型

杨效嘉，杨俊友

(沈阳工业大学电气工程学院，辽宁 沈阳 110870)

0 引言

微电网是一个由多种分布式电源、储能系统和可控负荷组成的相对独立的低压电网，包含并网运行方式和孤岛运行方式[1]。随着能源危机加剧和环境污染日益严重，微电网作为一种新型能源网络化供应和管理技术，受到越来越多的关注[2]。

储能系统作为微网构成中的重要一环，也受到越来越多的关注。电力储能技术的发展已有十几年的历史，储能装置按其特点的不同，可分为超导储能、飞轮储能、超级电容储能和蓄电池储能等多种方式[3]，其中蓄电池储能具有充/放电速度快、效率高、使用寿命长、对地理条件要求低等优点[4]，其与微电网中可再生能源的配合可分为两大类：1)改善可再生能源的输出功率，使之平滑[5]；2)实现削峰填谷，优化可再生能源并网[6]。针对微电网中储能装置与可再生能源的配合，国内外许多学者对其进行了研究，其中包含储能装置的微电网经济性问题成为近年国内外学者研究的热点。

文献[7]在具体分析抽水蓄能电站运行特性的基础上建立了风电抽水蓄能协调运行的混合整数规划模型；但抽水蓄能出力特性无法满足风电广域平滑的需求，难以使系统达到最优电源出力结构，具有一定的局限性。文献[8-9]指出除抽水蓄能外，电池储能、超级电容储能、压缩空气储能均可提高电网中可再生能源利用率和系统稳定性。文献[10]将储能技术和需求侧管理结合起来，通过控制热电联产机组发热功率和负荷功率分配，来减小峰谷差，提高风电并网。文献[11]搭建了蓄热、风电供热及抽水蓄能3种消纳弃风方案的经济调度模型，并对3种方案下的节电效果和经济性进行了分析比较。文献[12]将蓄热和储电联合起来，提出一种储热与储电装置协调优化控制策略，极大促进了风电消纳能力。文献[13]中从工程形态层面，利用储能电站对特定的风电场进行研究，未从规划层面考虑利用储能来优化各电源出力，达到增加风电消纳的目的。文献[14]基于风电出力特性，将储能作为辅助电源配合其他机组参与系统调节，通过优化电源出力达到提升风电消纳的目的。

现有文献对利用蓄电池储能减少弃风的研究主要分为两方面：1)通过利用蓄电池的充放电模型对系统的频率进行调节，通过稳定频率来增加风电上网量；2)利用储能进行电网优化，调整各电源出力，较少考虑蓄电池运行特性对风电消纳效果的影响。

本文从整个微电网系统层面考虑，构建了多源储能电站优化调度模型。较之以往的调度模型，做了一些改进，将蓄电池储能系统的充放电运行特性纳入考虑。以系统最小运行成本为目标函数，引入弃风成本和蓄电成本，量化弃风经济损失和蓄电池损耗。通过比较配置储能装置前后弃风经济的损失，突显储能装置对提升风电消纳能力的作用。

1 蓄电储能消纳弃风基本原理

图1 系统总体结构Fig.1 Structure diagram of entire system

蓄电池储能系统的高灵活性和高效率性，使它被广泛使用。在可再生能源发电系统中，根据所需配置蓄能电池的功率大小和所要实现的目标，其应用模式可分为集中式和分布式[15]。蓄电池以集中式进行配置，具有功率等级高、放电时间长等优点。当储能电站和风电场配合使用时，能提高电网接纳风电的能力。在微电网中以集中方式配置蓄电储能，其系统运行示意图如图1所示。系统内的电力负荷主要由燃料电池、燃气轮机组和风电机组承担，热负荷由燃气轮机组和燃料电池共同承担。蓄电池既可作负荷又可作电源，其提高风电消纳的机制可描述为：1)当风电大发时，蓄电池充电将多余的风电给储存起来，此时可把储能电池看为额外负荷；2)利用储能充电/放电的灵活性，通过调度系统降低其他机组出力，间接增加风电上网量，促进风电消纳。

2 风电与蓄能电池联合运行模型

2.1 弃风成本

微电网系统在实际运行过程中，可能会出现风电机组所产电能大于用户需求电能(尤其是在夜间)，因此有一部分电能无法被利用从而产生弃风，这一部分弃风所对应的经济损失就称为弃风成本。t时刻的弃风成本可表示为

(1)

2.2 蓄电池运行成本

蓄电池在实际运行过程中存在电能消耗和自然放电现象，现将这一部分损耗定为自然损耗成本；另外由于储能装置的造价较高，在进行电网优化调控时，电池充放电调节次数对电池寿命的影响及由此带来的成本变化亦不容忽视。在以往的研究中并未将这两种损耗成本合起来进行深入研究。为此，在计及蓄电池充/放电出力特性下，将充/放电过程中的自然损耗成本及充放电次数所带来的寿命损耗成本一同定义为蓄电池运行成本。t时刻的蓄电池运行成本可表示为

式中：β为蓄电成本系数，本文取0.23元/(kW·h)；εloss为蓄电池在运行过程中消耗的电能和自然损失的电能之和占储电总量的比例；Wx,t表示t时刻蓄电池损失电量；Wc,t为t时段储能电池储电量；Wc,t>Wc,t-1时蓄电池充电，Wc,t

2.3 环境成本

燃料电池与燃气轮机组在发电过程中会燃烧化石燃料，产生CO2、SO2、NOx等污染气体。将气体的排放总量乘以各自的单位处理费用再相加所得的和就是环境成本。t时刻的环境成本可表示为

(8)

2.4 目标函数

本文以风电-储能电站的联合系统运行成本最小为目标函数，研究在电网中加入储能装置后风电消纳问题。调度周期为1 d(T=24 h)，目标函数为

(9)

式中：ck为氢气价格，本文取2元/m3；c为天然气价格，本文取2.05元/m3；LHV1、LHV2分别为氢气、天然气低热值，本文分别取10.78和9.77 kW·h/m3；PMT,n,t为第n台气轮机组在t时段输出的电功率；ηFC、ηMT分别为燃料电池和燃气轮机组的工作效率，本文取0.65和0.29。

2.5 约束条件

2.5.1 弃风约束

(10)

2.5.2 发电单元约束

机组出力约束为

式中：PFC,k,max、PFC,k,min分别为第k台燃料电池在t时刻的最大、最小运行功率；PMT,n,max、PMT,n,min分别为第n台燃气轮机组在t时刻的最大、最小运行功率。

2.5.3 功率平衡约束

热功率和电功率平衡约束分别为

式中：WFC,k,t、WMT,n,t分别为第k台燃料电池和第n台微型燃气轮机在t时刻的发热量；WD,t为t时刻的热负荷；PBS_cha,t为电池组在t时段的充电功率；PLD,t为系统t时刻的电负荷。

2.5.4 电储能约束

式中：WSOCmax、WSOCmin分别为荷电状态的最大值与最小值，一般取0.2和0.8；τ为电储能自放电率；PBS_cha,t、PBS_dis,t、γBS_cha、γBS_dis分别为电池组在t时段的充/放电功率及效率；WBS,nom为蓄电池额定容量。

3 模型求解

本文将弃风消纳问题转化为包含弃风成本的经济调度问题，通过利用蓄电池的充/放电特性，以优化各电源出力，达到运行经济成本最低的目的。

上述优化调度模型是一个多维的、非线性优化问题，相比单独的电力系统优化调度，由于模型中包含大量的等式和不等式约束，复杂度大大增加。传统优化算法在求解多维、非线性优化问题上较为困难，而智能优化算法则相对容易。粒子群优化算法是智能算法中比较常用的算法，其求解过程思路比较清晰，对约束条件的处理也比较灵活，适合于求解上述优化调度模型。

基本的粒子群算法在处理多约束条件问题时可能使寻优陷入局部最优解。为提高算法的全局收敛性，对粒子群算法进行改进，引入惯性因子，避免粒子陷入局部最优解。

改进的粒子群算法求解流程如图2所示。

图2 模型求解流程图Fig.2 Flow diagram of solving equation

1) 初始化粒子群体(粒子数目m=30，例子维数D=4，惯性权重wmax=0.9、wmin=0.4，学习因子c1=2、c2=2，最大速度vmax=200，迭代次数N=300)；

2) 根据适应度函数，评价初始阶段每个粒子的适应度，得到初始全局最优位置；

4) 根据适应度函数，评价更新后每个粒子的适应度，将其当前适应值与全局最优位置对应的适应值做比较，如果当前的适应值更高，则将当前粒子的位置更新为全局最优位置；

5) 以此类推进行迭代，如未满足约束条件，返回步骤3)，若满足则退出运行得到最优解。

4 算例仿真与结果分析

4.1 算例参数

对一个实际的微电网系统进行分析，系统运行在孤网运行模式下，调度周期为1 d(T=24 h)，调度时段为1 h。燃料电池与燃气轮机组污染气体排放参数及电力行业污染气体环境价值标准和罚款参数均采用文献[16]中的数据。燃料电池、燃气轮机组和风电机组的相关参数如表1所示，蓄电池的相关参数如表2所示。风电预测出力曲线和负荷需求曲线如图3所示。

表1 火电机组、燃气轮机组与风电机组的相关参数Table 1 Parameters of thermal power units, gas turbine units and wind turbines

4.2 结果分析

4.2.1 调度结果分析

图4为优化调度结果曲线图。从图4中可看出，当以系统运行成本最小为目标函数进行微电网经济调度时，由于燃气轮机的燃料成本小于燃料电池的燃料成本，所以电网优先利用燃料电池供电。在1:00—7:00、23:00—24:00时段，燃气轮机出力首先满足电网热负荷需求；同时,由于用电负荷减少，风电机组与燃气轮机组产的电能大于用电负荷，此时蓄电池以最大充电功率充电，尽可能地将多余风电进行存储；在11:00—13:00和19:00—21:00时段，用电负荷处于高峰，风电机组和燃气轮机所发电能不足以满足负荷需求，此时蓄电池以最大放电功率放电，尽可能满足用电负荷需求，其他不足电量再由燃料电池提供，减少燃料电池运行成本，也起到了“削峰”的作用。

表2 蓄电池相关参数Table 2 Parameters of storage battery

图3 风电预测出力和负荷需求曲线图Fig.3 Wind power forecast output and load demand curve

图4 经济调度优化结果Fig.4 Results of economical optimal dispatch

4.2.2 弃风消纳经济性分析

将配置蓄电池前后系统各项成本进行整理得到表3。从表3中可看出，配置蓄电池后，由于有蓄电池参与系统调度，燃料成本和弃风成本都有显著下降，与未配置蓄电池前相比，燃料成本减少40.92元，弃风成本减少86.88元，环境成本减少较少，为2.56元，增加蓄电池运行成本10.92元，总成本减少119.44元，较配置前总成本减少近1/2，具有良好的经济性。

表3 配置蓄电池前后的成本Table 3 Cost with or without storage battery

5 结论

本文研究了利用蓄电池消纳弃风的优化调度问题，建立了多源储能电站优化运行模型。在满足系统约束条件下，计及蓄电池出力特性，模型中量化了弃风损失和蓄电成本，通过经济性的比较，凸显了储能装置对提升风电消纳能力的效果。仿真结果表明：在微电网中加入蓄电池后，系统能源消耗减少，消纳风电电量得到提高，弃风现象得到减缓，系统运行更加经济。