基于风光储微电网混合储能系统容量优化配置的研究

罗 希,沈奕萱

(1．华电江苏能源有限公司新能源分公司，江苏 杨州 225001；2．中国矿业大学徐海学院，江苏 徐州 221000）

1 引言

智能电网环境下，形式多样的分布式电源大量并入配电网，一方面缓解了电力供需矛盾，另一方面积极促进了环境保护[1]。但分布式电源在出力上随机性较大(如风力发电、光伏发电严重依赖于天气因素)，一般辅之以储能装置来平抑其发供波动，亦即需组成所谓的微电网[2]。限于当前技术条件，储能装置的成本尚居高不下，导致问题有二[3-4]：①若该类装置配置过多，则抬升了微电网的发电成本，使微电网的经济性大打折扣，影响其推广；②若该类装置配置不足，则不能实现对各类负荷的高可靠供给，延缓了传统配电网向主动式配电网的有效转变。因此，基于对包含风、光等形式的分布式电源的微电网的运作分析，构建合理的数学模型来优化微电网中储能系统容量具有十分重要的现实意义。

文献[5]从能量管理的角度，借助混沌算法产生单一类型储能系统容量优化的策略。文献[6]依托粒子群算法，以一次性投资最小为目标函数，尝试对混合储能系统作容量配置。文献[7]引入分时优化思想，基于机会约束规划，对风光储互补系统进行了研究。文献[8]设想超级电容器和蓄电池进行储能互补，并运用HOM-ER软件开展仿真。文献[9]则着眼于微电网整体，构造多目标函数，用顺序二次规划法对DG和储能系统作同步优化。其他还有采用频谱分析、傅里叶变换、遗传算法等工具的优化方法[10-13]，限于篇幅不再赘述。总起来说，以上研究对微电网储能容量优化均有所裨益，但也存在一些不足：①多数研究侧重于寻优算法的引进，忽略对微电网内在机制的分析；②对不同储能方式结合比对的关注度不够。

事实上，一般常用的储能方式为蓄电池、锂电池和液流电池，但蓄电池因存在自放电特性，理论上不太适用于长期储能[14]；另两类则因成本高，难以推行于大容量储能场景。含氢储能是近年来兴起的一种新型储能方式[15]，它与蓄电池构成微电网混合储能系统能实现高性价比的充放电需求。本文将基于此技术架构，通过对风/光/储并网微电网各组成部分的模型解析，追求总净现值成本最小，以此产生储能系统最优容量配比。

2 关于微电网结构

当前常见的分布式发电中，以风力发电和光伏发电应用最为广泛。图1 所示为吸纳氢储能系统的交直流混合微电网结构。相关阐述：①微电网的主要电源来自两个独立板块，即风力发电和光伏发电。②放电优先级层面，氢储能高于蓄电池[16]。③在发电高峰期，电量首先以电解水形式生成氢气作为储存；若进行该项反应所需的电量小于分布式电源产出，则同时对蓄电池进行充电；若还有剩余，则上网输出。④在负荷高峰期，若分布式电源的全部产出不能满足需求，则根据电力缺口大小，按照“燃料电池发电→蓄电池输出→从电网购电”的顺序依次启动(不一定全部启用)。

图1 包含风/光/储的微电网系统架构

3 微电网模型解析

根据图1，包含风/光/储的微电网主要板块为风力发电系统、光伏发电系统、氢储能系统和蓄电池储能系统，下面逐一作模型介绍。

(1) 风力发电系统。

很显然，风力发电机WT 的输出与风速存在较大关系。根据文献[6]，二者之间可用式(1)进行拟合。

式中：Pr表征额定功率，v表征计算期间的实时风速，vci/vco/vr分别为切入/切出/额定风速。

(2) 光伏发电系统

文献[10]指出，光伏发电PV的输出与光照强度、环境温度极大相关，可用式(2)进行拟合，式中各参量含义见图2所示。

图2 光伏发电模型中各参数含义

(3) 氢储能系统HESS

该系统包括燃料电池FC、氢罐HT 和电解槽El。对它们的描述一般采用通用模型[2，4，8，9]，分别见式(3)、式(4)和式(5)所示。限于篇幅，将式(3)～式(5)中相关参量的含义或解释统一展示于图3中。

图3 氢储能系统数学模型各参数含义

燃料电池以氢罐中储存的氢气作为燃料发生电能，响应速度快，且功率输出稳定，可等视为柴油发电机。

(4) 电池储能系统BESS

该系统一般基于恒功率储能模式，荷电状态见式(6)所示。

式中：SOC(t0)表征t0时刻电池容量；ηch、Pch分别表征电池的充电效率和充电功率，ηdis、Pdis则对应为放电效率和放电功率；S表征电池额定容量；△t表征时间步长。

4 关于微电网优化配置的建模

在电力市场环境下，任何活动都需要考虑经济效益；微电网运行有自身的物理制约；另外，进行储能系统容量优化不能以牺牲微电网性能指标为代价。综合以上几个方面考虑，构建出如图4所示的建模技术路线。在此技术路线指引下，基于上文对微电网各部分的解析，给出式(7)～式(13)的优化模型。各参量说明见图5所示。

图4 微电网优化配置建模的技术路线

图5 微电网优化配置模型的参量阐释

最后定义分布式电源容量S(指完成优化后)：①风力发电机容量SWT；②光伏发电系统容量SPV；③电池储能系统容量SBESS；④氢储能系统容量SHESS。并用式(14)表示。

5 算例检验

以东部某地为算例背景，从气象部门和电力部门分取主要的相关资料进行曲线绘制，见图6～图8所示。限于篇幅，参与算例计算的其他数据(如组成微电网的各部分器件的成本)不再具体展示。

图6 一年中按日离散后的风速数据

图7 一年中按日离散后的小时光照数据

图8 典型日电力负荷曲线

为使仿真尽可能贴近实际，同时符合多方案优劣分析，本文特选荷马能源的HOMER Pro软件。方案集设置：①单一蓄电池方案；②氢储能-蓄电池混合储能方案(即本文推荐方案)；③单一锂电池方案；④单一液流电池方案。不同方案之间的比对参照项：总净现值成本TNPC、经营成本OPC、平均化能源成本LCOE、电力浪费PW、可再生能源利用率REU和负载缺失率LOR。

表1 所示为各方案下的容量配置结果，表2 所示为各方案的指标比对。

表1 各方案下的容量配置

表2 各方案的技术经济指标比对

由表2 可知：方案3、4 虽然个别指标较为优秀，但经济性太差，不足以说明问题；方案1、2 经济性相近，可进行逐项比对。

方案1、2比对结论：①方案2的TNPC优于方案1约7．0%；②方案2 的OPC 优于方案1 约48．0%；③方案2 的LCOE 优于方案1 约6．71%；④方案2 的REU 劣于方案1 约1．40%；⑤方案2 的PW 优于方案1 约96%；⑥方案2 的LOR 优于方案1 约16．6%。显然，以上“①”～“⑥”中，除了“④”略为逊色，方案2都要明显好于方案1，而且一些指标的领先幅度是比较可观的。因此，本文所提方案兼具科学性和合理性，值得推广。

6 结束语

针对风/光/储并网微电网经济性、实用性兼顾的问题，提出基于“氢储能+蓄电池”的混合储能结构予以应对。在充分阐析微电网各部分数学模型基础上，从全寿命周期成本角度建立微电网储能系统容量优化配置的模型，并进行了贴近工程实际的仿真计算。结果表明：本文所提方案能克服传统储能方式的各种弊端，达成经济、可靠、清洁之多赢。