短时-中长期协调的电-氢混合储能容量优化规划

李 渝, 张 红, 崔晓波, 孙谊媊, 贾 浩,袁 博, 李太华, 王 衡, 袁铁江

(1.国网新疆电力有限公司 调度中心, 新疆 乌鲁木齐 830002;2.大连理工大学 电气工程学院, 辽宁 大连 116024)

0 引 言

2021年3月,提出构建“以新能源为主体的新型电力系统”,为我国实现 “碳达峰、碳中和”目标制定了重要路线[1]。超大规模、超高比例新能源并网对电力系统的稳定控制、调度运行与规划决策等不同尺度带来了巨大挑战[2],储能技术被广泛应用于电源侧、电网侧、负荷侧的削峰填谷、调频调峰、黑启动等,辅助系统实现电力电量平衡。然而,超大规模、超高比例新能源电力系统能量平衡的重点已由日内调峰转向为中长时间(年、月)的能量平衡迁移问题,这导致系统对大规模长时储能需求激增。

目前,国内外学者开始季节性长时储能的创新形态与新能源电力系统功率型能量型储能互补应用技术的研究,储能技术种类众多,不同的储能技术优势和局限差异很大,而且在不同场景下提供的服务也不尽相同。根据储能技术特性,储能可分为短时功率型储能和长期能量型储能,如飞轮储能、超级电容等响应时间快可频繁充放电的属于短时功率型,而超高规模、超高比例新能源电力系统背景下锂电池等电化学储能,受技术经济约束为短时能量型储能[3-5],抽水蓄能与氢储能被认为是应对季节性调峰的经济技术可行的长时储能手段[6-9]。文献[7]提出了以锂电池为短时储能及氢储能为长期储能的储能调节系统,并将储能规划嵌入电源规划中,建立以系统综合成本最低为优化目标的量化分析模型和方法。文献[8]提出建立了超短时储能、短时储能与长时储能结合的储能体系结构,并基于此提出多时间尺度储能容量优化规划模型。文献[9]提出了氢储能为长时季节性储能的氢能发展框架,并提出了氢储能设备功率与容量的计算方法。文献[10] 针对工业园区综合能源系统的电热气负荷需求特点,以及低碳化发展的总体需要,提出了一种以氢储能作为多种能量形式转换枢纽的低碳园区综合能源系统架构,在分析氢储能单元电热气多能特性的基础上,建立了氢储能多能联储联供模型,并以投资运行成本以及碳排放为优化目标,提出了园区综合能源系统氢储能单元优化配置模型。文献[11] 以天然气-风-光-氢储能综合能源系统为规划对象,以年综合成本和年碳排放最小为优化目标,引入权重系数来表征决策者的优化偏好,基于混合整数线性规划对系统进行了容量配置优化。文献[12]提出以单位电量成本、负载失电率和能量过剩率最小为优化目标,提出包含光伏阵列、电储能系统、氢储能系统及电负荷的电-氢耦合混合储能微电网容量优化配置方法。文献[13]以系统净现值最大与度电成本最小为优化目标,优化配置氢储能与柴油发电混合备用系统。文献[14]以等年值成本最小为优化目标,优化配置风-光-氢多能互补微电网。文献[15]以净现值最小化为优化目标,以期望能量损失和期望负荷损失为技术约束,配置风-光-氢储能互补的清洁能源系统设备容量。文献[16]基于主从博弈论重点研究含氢储能电氢综合能源系统的优化运行策略。文献[17] 提出一种基于时序生产模拟,考虑弃风率的电解槽额定功率边界计算方法,并论证了电解槽功率配置与新能源消纳的问题。

目前,国内外已从系统设计、经济规划等多方面研究氢储能,但文献[10-15]均是针对微型新能源电力系统配置氢储能系统,未能反映氢储能规模化应用技术经济可行性。文献[7-9]虽针对新能源电力系统讨论了大规模氢储能的可行性,但较少讨论电源结构对短时储能与长时储能运行和规划的影响。因此,针对目前大规模氢储能运行规划理论欠缺的现状,首先,以电化学储能的最大放电时间为界限划分短时储能与长时储能,以火电机组的运行成本为优化目标,考虑短时电化学储能与长时氢储能设备运行约束,提出基于运行模拟混合储能系统的容量优化配置模型,并采用MATLAB优化工具箱CPLEX进行求解。最后,以我国西北某区实际数据为例,验证模型的有效性。

1 混合储能系统的优化运行模型

1.1 目标函数

系统运行成本为全年8 760 h内电网的总运行成本,可通过式(1)计算,主要包括火电机组的煤耗成本。风电、光伏,水电等新能源以及短时电化学储能和长时间氢储能系统的运行成本为零,不考虑新能源弃电成本。

(1)

式中:ai、bi、ci——燃料成本系数;

PG,t,g——常规发电机组在第t时段输出的有功功率。

1.2 约束条件

1.2.1 功率平衡约束

功率平衡约束可通过下式来表达:

(2)

(3)

式中:ΩG、ΩW——燃煤机组和风电机组集合;

ΩEL、ΩFC——电解槽和燃料电池的集合;

ΩR——可再生能源集合;

ΩPV——光伏机组集合;

ΩH——水电机组集合;

Pld.t——t时刻区域的电负荷;

PG,t,g、PW,t,w——燃煤机组和风电机组在t时刻机组/设备的出力,为决策变量;

PFC,t,f——燃料电池在t时刻机组/设备的出力,为决策变量;

PEL,t,e——电解槽在t时刻的耗电功率,为决策变量;

PPV,t,pv、PH,t,h——t时刻光伏出力、水电出力。

1.2.2 常规机组出力约束

(4)

1.2.3 常规机组爬坡约束

(5)

1.2.4 新能源机组出力约束

0≤PH,t,h≤CapH,h

(8)

式中:PWF,t,w——单位时段t内第w个风电场的预测出力;

PPVF,t,pv——单位时段t内第pv个光伏电场的预测出力;

CapH,h——第h个水电站的装机容量。

1.2.5 短时电化学储能运行约束

考虑到当前电力系统日内调峰对储能放电时长的需求一般为4～6 h,将短时储能持续放电时间设置为6 h。

(9)

式中:B——电化学储能;

CapB——短时电化学储能容量;

EB,t——t时刻储能的荷电状态;

ηB——储能充放电效率;

HB——储能持续充放电时间;

1.2.6 长时氢储能系统运行约束

长时氢储能系统主要包括3个部分:电解制氢系统、压缩储氢系统和燃料电池系统。

电解槽耗电功率和产氢流量约束为

(10)

式中:vH2——电解水制氢系统的制氢速率;

ηF——法拉第效率;

ηel——电解槽效率,0<ηel<1;

Iel——电解槽电流;

F——法拉第常数;

Vm——气体摩尔体积,为24.5 L/mol;

Ωel——电解小室个数;

Uel——单个电解小室电压,为2 V。

压缩储氢装置运行约束为

(11)

式中:vEL,H2,t——t时刻电解槽产氢速率;

ηfc——燃料电池的发电效率;

VSTO,H2,t——压缩储氢系统在t时刻的储氢量;

HSTO——长时氢储能系统放电小时数;

VSTO,H2,0——运行模拟开始压缩储氢装置的储氢量;

VSTO,H2,Td——运行模拟末尾压缩储氢装置的储氢量;

2 混合储能功率与容量计算方法

2.1 短时储能功率计算

PR=max[PN]

(12)

式中:PR——短时储能额定功率;

PN——短时储能充放电功率时序。

2.2 短时储能容量计算

SR=max[SOCES]-min[SOCES]

(13)

式中:SR——短时储能额定容量;

SOCES——短时储能电能状态时序。

2.3 电解槽功率计算

PEL=max[PEL]

(14)

式中:PEL——电解槽额定功率;

PEL——电解槽制氢功率时序。

2.4 储氢容量计算

VR=max[HOCES]-min[HOCES]

(15)

式中:VR——长时氢储能额定容量;

HOCES——储氢量状态时序。

2.5 燃料电池功率计算

PFC=max[PFC]

(16)

式中:PFC——燃料电池额定功率;

PFC——燃料电池放电功率时序。

3 算例分析

为验证上述模型的可行性与有效性,以我国西北某新能源富集区域实际数据,计算其近(2025年)、中(2030年)、远(2060年)期短时储能与长时储能功率与容量的规划值。运行模拟的边界条件如表1所示。上节混合储能容量优化模型采用MATLAB优化工具箱CPLEX进行求解。

表1 运行模拟边界条件

经计算,2025年、2030年与2060年风电装机占比分别为24.31%、25.18%、46.87%;光伏装机占比分别为12.47%、14.63%、19.78%。2025年、2030年与2060年新能源总装机占比分别为36.78%、39.81%、66.65%,结果显示:到2060年电源中新能源占比超过50%,成为最主要电源。

2025年各电源出力优化结果、短时储能容量变化、长时氢储能能量变化分别如图1～图3所示;2030年各电源出力优化结果、短时储能容量变化、长时氢储能能量变化分别如图4～图6所示;2060年各电源出力优化结果、短时储能容量变化、长时氢储能能量变化分别如图7～图9所示。

图1 2025年各电源出力优化结果

图2 2025年短时储能容量变化

图3 2025年长时氢储能能量变化

图4 2030年各电源出力优化结果

图5 2030年短时储能容量变化

图6 2030年长时氢储能能量变化

图7 2060年各电源出力优化结果

图8 2060年短时储能容量变化

图9 2060年长时氢储能能量变化

由图1、图4与图7的运行模拟结果显示:① 2025年火电机组发电量与发电水平远大于新能源发电,电化学储能的次数与氢储能调节的次数明显低于2030年与2060年,原因是此时火电机组容量较大,可通过深度调峰延缓经济成本较高的储能设备的配置;② 2025年与2030年氢储能工作的时间较短,原因是在火电机组深度调峰与电化学储能的支撑下,系统6 h以上长时的电量缺失不显著,但图7显示在2060年新能源的装机容量超过火电机组,发电量也与火电机组相当,此时系统对于长时储能需求大幅上升,原因其一是火电机组退役,系统自带的灵活性调节能力下降,其二是新能源容量系数低,不足以支撑供能,系统充裕性不足。

由图2、图5、图 8与图3、图6、图9结果显示:随着新能源占比越大,短时储能的容量与长时储能能量大幅变化的次数增多,表明电力电量大规模长时缺失的频率越高。

2025年、2030年与2060年电化学储能与氢储能规划,短时储能与长时储能的优化结果如表2所示。由表2可知,随着电源侧风电与光伏装机占比提升,其处理长时歇导致长时储能的容量与燃料电池功率大幅提升。

表2 短时储能与长时储能的优化结果

经计算,2025年、2030年与2060年风电装机占比分别为24.31%、25.18%、46.87%;风电发电量占比为17.52%、15.68%、51.32%;风电利用小时数分别为2 126、2 133、2 048;光伏装机占比分别为12.47%、14.63%、19.78%;光伏发电量占比分别为3.6%、3.63%、8.88%;光伏利用小时数分别为851、849、839;风电利用率分别为99.41%、99.74%、95.78%;光伏利用率分别为99.71%、99.51%、98.40%。

4 结 语

本文首先阐述了超大规模超高比例新能源电力系统配置长时储能的必要性,然后以火电机组的运行成本为优化目标,电化学储能的最大放电时间为界限划分短时储能与长时储能,进而提出基于运行模拟混合储能系统的优化运行模型与容量配置方法,并采用MATLAB优化工具箱CPLEX进行求解。最后,以中国西北某区实际数据为例,验证新型电力系统对于长时大规模调节手段的急切需求,仿真结果表明:

(1) 新能源装机占比由30%增至60%时,因火电机组退役,系统自带的灵活性调节能力下降,新能源容量系数低,导致长时储能配置容量指数级增长,论证了新型电力系统长时大规模储能的必要性。

(2) 考虑混合储能系统协同优化运行保证不同新能源发电水平下利用率均大于98%,验证所提方案的有效性。