基于混合储能的风光储联合发电系统优化研究

吴瑞鹏，张程翔

(国网浙江省电力有限公司电力科学研究院，杭州 310014)

0 引 言

近年来，通过合理的能源供应方式提高能源利用效率，减轻污染物排放对环境的影响，已得到各国学者的广泛关注。风光储联合发电系统由于其独特性能，被广泛认为是能够高效节能的满足多种类型能源需求的有效和潜在选择[1]。而储能技术作为近些年来的研究热点，在能源系统削峰填谷、微电网稳压稳流、可再生能源消纳等方面发挥着重要作用。在多国承诺2050年前实现“碳中和”的背景下，储能技术已经成为能源产业发展的重要载体[2]。许多国家明确提出储能在发展微电网、分布式能源和可再生能源等方面的重要性，并出台大量政策为储能技术特别是混合储能技术的发展提供保障[3]。

为此，本文提出了一种结合混合储能系统(锂电池和超级电容)和可再生能源综合利用技术(太阳能和风能)的风光储联合发电系统。针对本系统中的储能子系统提出低通滤波器与超级电容荷电状态二次反馈的系统控制策略。以系统年综合成本最小为目标，以本文所提结合人工鱼群算法的模拟退火算法为优化工具，采用10 min为步长对系统进行配置优化。最后，利用本文所提系统向杭州某正在开发中的社区提供多种能量。

1 系统描述

基于混合储能的风光储联合发电系统的结构图如图1所示。系统以风电、光伏、内燃机和集热器为核心向用户提供多种能量。系统采用光伏、风电、内燃机和市政电网联合为用户供电，采用混合储电系统和蓄热水箱等储能设备进行储能。

图1 基于混合储能的风光储联合发电系统

系统依次采用光伏、风电、内燃机、混合储电系统和市政电网为用户提供电负荷。采用吸收式制冷机组和电制冷机组联合为用户冷负荷，并用电制冷比分配；吸收式制冷机组所需的热量依次由集热器、内燃机回收余热、蓄热水箱和燃气锅炉提供。依次使用集热器、内燃机回收余热、蓄热水箱和燃气锅炉为用户提供热负荷。

2 优化方法

2.1 数学模型

为研究分析基于混合储能的风光储联合发电系统的运行特性、经济性能以及综合性能等，需要对系统中各设备进行数学建模。在本文中，基于混合储能的风光储联合发电系统各设备所采用的数学模型均属于通用模型，详细建模过程见文献[4]。

2.2 优化过程

针对基于混合储能的风光储联合发电系统，本节以新型优化算法为工具，提出兼顾设备配置和控制策略的多参数协同优化方法，以降低系统的投运成本。

2.2.1 决策变量

决策变量选取是否合理直接影响系统的优化结果，本文选取对基于混合储能的风光储联合发电系统的运行特性及投运成本有着重要影响的8个参数作为决策变量。这些决策变量分别为内燃机、光伏系统、风电系统和集热器额定功率、电制冷比、蓄热水箱、锂电池和超级电容额定容量。

2.2.2 约束条件

在对基于混合储能的风光储联合发电系统进行多参数协同优化时必须满足各设备的实时出力约束、设备启停约束、多种能源实时供需平衡约束等。

2.2.3 目标函数

系统能否能应用到实际工程中、除了要考虑系统能效性、环保性、独立性和可靠性外，首先要考虑该系统的经济性。系统的经济性好坏直接影响该能源系统是否能在实际工程应用中大规模的推广，而系统的年综合成本是评价一个系统经济性最常用的一个指标。故为了提高基于混合储能的风光储联合发电系统的经济性，以本文所提系统的年综合成本最小为目标函数，详细计算过程见文献[5]。

2.2.4 优化算法

人工鱼群算法具有计算和收敛速度快、不需要严格的机理模型、应用范围广泛等优势。模拟退火算法具有实用性广、计算量小、鲁棒性强等优势、能很好的解决非线性优化问题。故本研究将结合人工鱼群算法与模拟退火算法各自的优势，提出一种计算速度快、鲁棒性强、全局性好的新型优化算法，对本文所提系统的进行设备配置优化，得到以系统年综合成本最小为优化目标下的系统最佳运行状态。

2.3 案例研究

本文选取杭州市某正在开发中的混合社区为研究案例，该社区包含学校建筑、办公建筑荷居民建筑三种建筑类型，且住宅建筑和公共建筑的各自占比约为50%。杭州地区的气候区属于典型的夏热冬冷区域，冬季需要对建筑进行供暖、夏季和过渡季节需要对建筑进行供冷、全年的电负荷波动不大。此外杭州地区的太阳能和风能资源较为丰富，适合发展分布式光伏、光热和风电，该地区的室外参数条件如图2所示。

图2 杭州地区室外气象参数

图3表示的是杭州某社区在典型年的全年冷热电负荷，该社区负荷由DeST模拟得到。其中，社区的电负荷全年大致以周为周期进行变化，在寒暑假期间电负荷相对较小，且周末电负荷约为工作日的1/3。

图3 社区冷热电负荷

2.4 参数设置

本文研究的是混合社区，为简化计算均采用城市工商电力和天然气的价格，杭州地区城市用电、燃气价格见表1。基于混合储能的风光储联合发电系统中各设备的初始投资和维护成本见表2。各决策变量的取值范围见表3。

表1 杭州地区购能的单位成本[4]

表2 设备经济参数[3-4]

表3 各决策变量取值范围

3 结果与讨论

3.1 优化结果

各决策变量的优化结果如表4所示。其中，“方案一”是以系统年综合成本最小为优化目标，“方案二”是以系统一次能源节约率最大为优化目标，见表4，两个方案的蓄热水箱额定容量相差不大，仅相差186 kWh。因为蓄热的单位成本较为便宜，故无论是以经济为目标还是以能效为目标，都会增大蓄热水箱的容量。方案二的内燃机额定功率比方案一少128 kW，光伏安装功率却大601 kW。因为天然气的单价较为便宜，而光伏的单位初始投资较为昂贵，且本研究考虑了光伏并网的惩罚成本，故引起上述现象产生。此外，方案二的锂电池和超级电容的额定容量分别比方案一多了1 378 kWh和201 kWh。储电的单位成本较为昂贵，当以经济为目标时会尽量减少储电容量。

表4 各决策变量的优化结果

系统各性能指标值见表5。其中，方案一的年综合成本比方案二少了6.2×105元(少22.8%)，年值节约率高了20.5%。当以系统经济性为目标时，启发式算法在优化过程中将尽可能地降低系统投运成本，提高系统的经济性。而方案二的一次能源节约率和CO2减排率分别比方案一高了14.7%和6.6%。当以系统能效性为目标时，本文所提算法将尽可能提高系统的节能效果，而系统环保性和能效性之间基本呈现正相关。

表5 经优化后系统的各性能指标

3.2 典型日电能平衡

系统在夏季典型日(7月15日)的电能平衡如图4所示。锂电池和超级电容的荷电状态(SOC)始终处于高位状态。在该典型日，太阳能资源相对较好，故采用内燃机和光伏系统发电能满足用户电量需求，不需要从市政电网购电。

图4 系统夏季典型日电能平衡(7月15日)

系统在冬季典型日(1月15日)的电能平衡如图5所示，从凌晨至下午锂电池和超级电容的荷电状态一直处在低位状态。在夜间，风力发电机开始发电，系统多余的电量由锂电池和超级电容进行存储，而在该典型日，当地的太阳能资源相对匮乏，故在白天期间，内燃机和光伏发电量并不能完全用户电负荷需求，系统需要从市政电网购电补充负荷缺口。

图5 系统冬季典型日电能平衡(1月15日)

4 结束语

本文提出的结合混合储能(锂电池和超级电容)和可再生能综合利用技术(太阳能和风能)的风光储联合发电系统能够为风能和太阳能的就地利用提供一个参考。采用本文所提出的低通滤波器结合超级电容荷电状态二次反馈的控制策略，以系统年综合成本最小为优化目标，采用新型智能算法优化后该系统的年综合成本、一次能源节约率和CO2减排率分别为2.7×106元、49.3%和63.4%。方案一(经济性为目标)在保证系统节能减排效果的前提下有着优异的经济性，方案二(节能性为目标)由较好的节能减排效果，但经济性一般；故以方案一的经济、节能及环保优势，有着广泛的推广潜力。此外，结合混合储能后，本文所提的系统具有优异的风光互补优势。

本文提出的风光储联合发电系统能够为太阳能和风能的就地利用提供一个参考。提出的低通滤波器结合超级电容荷电状态二次反馈的控制策略将为延长混合储能系统寿命、提高可再生能源利用的经济性提供一个方案。