小区光储充系统规模与配置优化研究

方亮 匡薇 刘育恒

湖州电力设计院有限公司 浙江 湖州 313000

随着能源危机日益严峻和环境问题的凸显，光伏发电和储能技术作为可再生能源的代表，受到越来越广泛的关注。小区光储充系统作为一种集光伏发电和储能为一体的能源供给方案，具有减轻电网负荷、提高能源利用率和改善能源供应可靠性的潜力。但是，要实现小区光储充系统的高效供能和经济可行性，需要深入研究系统规模与配置的优化问题。本文旨在探讨小区光储充系统规模与配置优化的关键问题。

1 系统组成与模型建立

1.1 光伏发电子系统特性及模型

光伏发电系统特性方面，光伏电池作为转换太阳辐射能为电能的关键元件，其特性直接影响系统的发电性能。不同类型的光伏电池（如多晶硅、单晶硅和薄膜等）具有不同的光电转换效率和温度特性。多晶硅光伏电池具有较高的成本效益和稳定性，而单晶硅光伏电池则在高温环境下具有更好的性能。薄膜光伏电池在柔性和低光条件下表现出色。深入了解各类型光伏电池的特性有助于合理选择光伏电池组件，以最大程度地提高系统的发电效率[1]。

在光伏发电系统的数学模型方面，一般采用等效电路模型进行建模，该模型基于光伏电池的I-V曲线和P-V曲线。此外，还可以采用更复杂的光伏模型，如双二次型模型和双指数模型，来更准确地描述光伏电池的非线性特性。光伏发电系统的数学模型还需要考虑温度和辐照度等环境因素对发电效率的影响。模型建立过程中，可以借助实验数据和仿真软件进行验证和优化，确保模型的准确性和可靠性。

1.2 储能技术与储能系统特性

储能技术在小区光储充系统中发挥着至关重要的作用，它能够解决光伏发电系统的间歇性和波动性，提高系统的供能可靠性和经济性。常见的储能技术包括锂离子电池储能系统、流电池储能系统和液流电池储能系统。锂离子电池因其高能量密度、较长寿命和较低自放电率成为小区光储充系统中最常用的储能技术之一。流电池包括钠硫电池、锌流电池等，其特点为高功率密度和可扩展性。液流电池通过储存电解液来存储能量，具有高效能量转换和较长的寿命。

储能系统的特性，包括储能容量、放电功率、充放电效率、循环寿命等。储能容量是储能系统能够存储的最大电能量，储能容量的大小直接关系到系统的持续供电时长和稳定性。放电功率是指储能系统从储能状态向外部释放电能的速率，放电功率的大小决定了系统在高负荷时段的供电能力[2]。充放电效率是衡量储能系统能量损失的重要指标，高充放电效率可以降低系统运行成本和提高能量利用率。循环寿命是指储能系统在特定条件下能够完成充放电循环的次数，随着循环次数的增加，储能系统的性能逐渐衰减。

1.3 光储充系统整体模型建立

光储充系统是一种复杂的能源系统，涵盖光伏发电子系统、储能技术和用户用电负荷等多个组成部分。

1.3.1 光伏发电子系统模型

在整体模型中，光伏发电子系统的建模是关键的一步。我们可以采用基于等效电路模型的方法来描述光伏电池的特性，并结合光伏发电的物理过程，如光照强度、温度等因素，建立动态功率输出模型。

设光伏电池的光照强度为G，温度为T，光伏发电功率为Ppv，可以使用如下的等效电路模型：

其中，I为光伏电池的输出电流，Iph为光生电流，I0为反向饱和电流，q为元电荷，V为光伏电池的电压，Rs为串联电阻，Rp为并联电阻，k为玻尔兹曼常数，T为光伏电池的温度。结合天气预报数据或实时监测数据，我们可以根据环境因素来确定光照强度G和温度T，并利用以上模型得到系统的实际发电功率Ppv。

1.3.2 储能系统模型

储能系统在光储充系统中承担着储存和释放能量的重要职责。在整体模型中，我们需要建立储能系统的数学模型，描述其充电和放电的过程，以及储能容量、放电功率和充放电效率等特性。

设储能系统的电量为E，充电功率为Pc，放电功率为Pd，充电效率为ηc，放电效率为ηd，储能容量为Eb，可以使用如下的动态模型：

在优化配置中，我们可以根据系统的实际用电负荷需求来确定储能系统的充电和放电功率，进而优化系统的供能策略，以满足用户用电需求并最大程度地降低系统的运行成本。

1.3.3 用户用电负荷模型

用户用电负荷是光储充系统供能的重要参考。我们需要建立用户用电负荷的模型，分析用电负荷的季节性变化、日变化和负荷波动性，以确定系统的供能需求。

设用户用电负荷为Pload，我们可以根据历史用电数据或用电负荷曲线，建立用电负荷的概率模型，包括负荷的概率分布和负荷预测模型。通过对用户用电负荷的预测，可以进一步优化系统的供能策略，以满足用户需求并提高系统的供能可靠性。

1.3.4 光储充系统整体模型

在建立光储充系统的整体模型时，我们将光伏发电子系统模型、储能系统模型和用户用电负荷模型进行耦合，形成系统的动态模拟。可以使用如下的系统模型来描述光储充系统的整体运行：

其中，Ppv为光伏发电功率，Pd为储能系统的放电功率，Pload为用户用电负荷，Pc为储能系统的充电功率。在不同时间尺度上（如分钟级、小时级和日级），对系统的发电、储能和供电进行动态模拟，以实现系统运行的全面评估。

2 规模优化研究

2.1 影响光储充系统规模的因素分析

在开始规模优化研究之前，我们需要全面了解影响光储充系统规模的因素。这些因素包括但不限于：

（1）小区的能源需求：小区的用电负荷情况直接关系到系统的供能能力，因此需要详细分析小区的用电负荷曲线、用电负荷峰谷差异等特性。

（2）光伏发电系统的性能：光伏发电系统的容量和发电效率会影响系统的发电能力，因此需要分析光伏电池组件的性能和布局。

（3）储能系统的特性：储能系统的容量和放电功率直接决定系统的供电能力，因此需要评估不同储能技术的特性和配置方案。

（4）外部环境因素：外部环境因素如天气变化、季节变化等也会影响光储充系统的规模，因此需要考虑这些因素对系统运行的影响。

2.2 基于能源需求的光储充系统规模优化方法

基于能源需求的规模优化方法是根据小区的用电负荷需求，合理确定光储充系统的规模，以满足小区的供电需求。需要对小区的用电负荷需求进行充分了解和分析。通过历史用电数据和用电负荷曲线，可以得到不同时间段内的用电负荷变化情况，包括峰谷负荷差、负荷波动等。在此基础上，可以确定小区的负荷需求模式，为光储充系统的规模配置提供参考依据。针对小区的用电负荷需求模式，建立光伏发电和储能系统的动态模型。考虑光伏发电的不确定性，如天气条件的变化，通过概率模型预测光伏发电的功率输出。同时，建立储能系统的充放电模型，考虑储能设备的充放电效率和容量等特性。通过与用电负荷需求模式相匹配，确定合适的光伏发电和储能系统的规模配置，以满足小区的用电负荷需求。

在规模优化过程中，需要考虑不同规模配置下的系统性能指标，如供电可靠性和经济性。通过建立多目标优化模型，将供电可靠性和经济性作为目标函数，采用合适的优化算法，如遗传算法、粒子群优化算法等，找到最优的系统规模配置方案。在优化过程中，还可以设置约束条件，如设备容量上下限、投资成本限制等，以保证实际应用的可行性。

2.3 基于经济性的光储充系统规模优化方法

基于经济性的规模优化方法是考虑光储充系统的经济可行性，以最大程度地降低系统投资和运行成本。需要对光伏发电系统和储能系统的成本进行详细分析，包括设备成本、安装成本、运维成本等。同时，还需考虑不同储能技术的充放电效率、循环寿命等特性，从而综合评估储能系统的经济性。在得到光储充系统的成本和性能数据后，可以建立经济优化模型，通过最优化算法（如线性规划、整数规划等）寻找最佳的系统规模配置方案。该方案可以实现系统的最优经济效益，即在满足用电负荷需求的前提下，最大程度地降低系统投资和运行成本。

3 配置优化研究

3.1 不同光储充系统配置方案比较

在光储充系统中，不同的配置方案包括不同类型的光伏发电系统、储能技术和系统规模等。对不同配置方案进行比较，可以考虑以下几方面：

对不同类型的光伏发电系统进行比较。多晶硅、单晶硅和薄膜光伏电池是目前常见的光伏发电技术。多晶硅光伏电池因其生产成本较低，性能稳定性较好，广泛应用于大规模光伏电站。单晶硅光伏电池具有较高的光电转换效率，适用于空间受限的场所。薄膜光伏电池则具有较低的制造成本和较好的高温性能，适合一些特殊应用场景。通过比较这些不同类型的光伏发电系统特性，可以选择最适合小区光储充系统的光伏电池类型。

储能技术的选择也对光储充系统的性能产生重要影响。锂离子电池、流电池和液流电池是常用的储能技术。锂离子电池具有高能量密度和较长循环寿命，是目前最常见的储能技术之一。流电池由于其高功率密度和可扩展性，适用于瞬时负荷需求较大的场景。液流电池通过储存电解液来存储能量，具有高效能量转换和较长的寿命。在比较不同储能技术的特性后，可以根据小区的用电负荷需求和经济性选择最合适的储能技术配置方案。

需要对不同系统规模进行比较。系统规模直接影响着光储充系统的供能能力和经济性。较小规模的系统可能无法满足小区的用电负荷需求，而过大规模的系统可能导致资源浪费和经济成本增加。因此，通过对不同规模系统的运行性能和经济性进行对比，可以找到最优的系统规模配置方案。

表1 不同光伏发电系统类型的特性比较

表2 不同储能技术的特性比较

3.2 考虑供能可靠性的光储充系统配置优化

供能可靠性是光储充系统配置中一个至关重要的指标。为了考虑供能可靠性，需要对光伏发电系统的不确定性进行建模。光伏发电受天气条件影响，如云量、日照时数等变化会导致发电功率波动。可以采用概率模型来描述光伏发电的不确定性，并结合历史气象数据或天气预报数据，进行发电功率的概率分布预测。这样，就能对不同天气条件下的光伏发电能力有一个更准确的估计。

供能可靠性还与储能系统的供能能力紧密相关。储能系统的充放电效率、容量和放电功率等特性影响着其在供电时的稳定性。在配置优化中，可以通过建立储能系统的动态模型，考虑其充放电过程以及与光伏发电系统的协调，来评估储能系统在不同负荷需求下的供能可靠性[3]。

接下来，还需要考虑用户用电负荷的需求可靠性。用户用电负荷可能会存在不确定性和波动性，因此我们可以通过分析历史用电数据，建立用电负荷的概率模型，并结合未来用电负荷的预测，来评估用户用电负荷的可靠性。

综合考虑光伏发电系统、储能系统和用户用电负荷的供能可靠性，我们可以建立多目标优化模型，以最大化系统的供能可靠性为目标。通过最优化算法，如遗传算法、蚁群算法等，找到最佳的系统配置方案，以实现系统在不同天气条件和负荷波动下的高供能可靠性。

3.3 考虑经济性的光储充系统配置优化

在光储充系统配置优化中，经济性是一个重要的考虑因素。需要对光伏发电系统和储能系统的成本进行详细分析。光伏发电系统的成本主要包括光伏电池组件的采购成本、安装成本和运维成本等。而储能系统的成本包括储能设备的购置成本、安装成本和维护成本等。在对成本进行全面分析的基础上，可以建立光储充系统的经济模型，考虑不同配置方案的总体投资成本。经济性还与光储充系统的性能和效益紧密相关。需要评估不同配置方案下系统的发电效率、储能效率和供电成本等指标。通过综合考虑这些因素，可以得到各个配置方案的经济性评估结果。

在配置优化中，可以建立多目标优化模型，以最小化系统的总体投资和运行成本为目标。通过最优化算法，如线性规划、整数规划等，找到最佳的系统配置方案，以实现系统的高经济性。还可以考虑不同投资回收期内的经济性评估。在光储充系统的设计和规划中，我们可以对不同投资回收期进行经济性分析，比较不同方案在不同时间尺度内的经济效益，以找到最优的配置方案。

4 结语

本论文通过对小区光储充系统规模与配置优化的研究，深入探讨了光伏发电子系统特性和储能技术特性对系统性能的影响。通过规模优化和配置优化的方法，实现了系统的高效供能和经济可行性。本文的研究成果将为小区光储充系统的推广和应用提供有力的理论支持和指导。