考虑充放电策略对储能寿命影响的新型分布式储能优化配置研究

丰俊杰,曾平良,李亚楼,代倩,朱良管

(1.杭州电子科技大学, 杭州 310018; 2.中国电力科学研究院有限公司,北京 100192)

0 引 言

近年来,分布式可再生能源(distributed renewable generation,DRG)得到了快速发展,截止2019年,我国光伏总装机容量达到了205 GW,其中分布式光伏为50 GW, 同期,我国风电装机容量达到210 GW, 其中分布式风电占比为20%。大规模分布式电源(distributed generation,DG)接入改变了传统配电网从输电-配电-用户的运行特性,对电网的安全稳定运行造成了冲击。另外,由于风电和太阳能具有随机性和间歇性等特点[1],在进行并网时,功率输出的波动会严重影响电能质量,如电压越限、波动等问题[2],阻碍高比例分布式可再生能源的发展,是亟需解决的关键技术问题之一。电池储能系统(BESS)具有高能量密度、响应速度快和配置灵活的特点[3-4],与传统的机组相比,能够快速实现功率调节,提高系统的供电能力[5], 在改善分布式电源接入特性和高比例分布式可再生能源消纳方面具有良好的应用前景,同时储能也是智能电网发展的重要基础[6]。文献[7]将电流的畸变率和电压闪变幅度作为变量,提出一种储能系统容量优化配置方法,有效缓解光伏并网所带来的电网谐波等问题。文献[8]以能量损耗最小为目标,建立储能系统风电消纳模型,结果表明储能系统对于负荷状况有很好的改善作用,有助于进一步扩大风电的消纳比例。

储能系统的接入位置与其容量的选择对配电网的运行有很大影响,国内外学者对此开展了大量研究,成果显著。文献[9]提出一种考虑可再生能源特性的分布式储能配置模型,以规划周期内的总成本最小为目标进行优化。文献[10]在储能削峰填谷作用的基础上,以发电费用、运维费用以及环境治理费用最小为目标,建立微网环保经济运行的优化模型,通过控制储能合理的充放电策略,实现微网的经济稳定运行。文献[11]提出了以储能规划运行总成本最小为目标的经济运行模型,并以典型日内的总成本最低建立储能选址定容模型,结合节点电压约束,通过配置储能的方式解决高渗透率分布式电源引起的电压偏移和和波动等问题。文献[12]综合考虑储能电池的折旧损耗、电价以及电能交互费用构建了储能电池的运行成本模型,提出三种不同微电网的运行策略,并通过实例分析确定最佳控制策略。文献[13]针对DG和可变负荷的随机性,以投资成本、运维成本和可靠性成本最小为目标进行规划,从经济性和可靠性两方面对配电网进行扩展。但是这些研究大多以经济性作为目标,只考虑了收益最大化的储能充放电策略,没有考虑储能充放电策略和放电深度对储能寿命(年限)的影响以及储能的全寿命周期成本效益。

文献[14]以储能在寿命内的净收益最大为目标,建立了储能系统经济效益模型,比较了多种种类电池储能的配置和净收益,结果表面溴液流电池和铅酸电池具有优势。文献[15]建立了通用全寿命周期成本模型,针对不同电价机制进行详细计算并给出储能优化与投资策略。文献[16]在全寿命周期成本的基础上考虑了储能的具体收益,同时保障电压运行在安全范围内。然而这些方法没有考虑电池储能实际充放电对储能寿命的影响,一般简单地把电池储能寿命年限视为确定值,即额定放电深度条件下的设计寿命。事实上,储能的寿命与储能的运行策略息息相关,不考虑充放电策略对寿命的影响将严重影响储能的优化配置与投资决策,因此有必要进一步研究考虑充放电策略对储能寿命影响的优化配置方法。

文中根据电池储能在额定放电深度下寿命周期内放电量不变的原则,建立了电池储能(BESS)的储能寿命评估模型,得到储能年等效额定放电量计算方法。基于此,在确保储能设计寿命(年限)的同时以储能在全寿命周期内的净收益最大为目标,建立考虑储能寿命特征的储能规划模型。采用改进的多种群遗传算法进行求解,并利用改进的IEEE39节点风光水系统进行测试,结果表明了该方法能够在充分考虑储能电池运行寿命的情况下进行最优配置。

1 电池储能寿命评估模型

电池储能的使用寿命(年限及循环次数)受工作环境、温度、放电深度、放电功率等因素影响[17]。文章选取放电深度作为影响储能使用寿命的主要因素,采用吞吐量法计算电池寿命,搭建BESS的寿命评估模型。

电池储能循环寿命(循环次数)和放电深度呈现出递减的函数关系,即放电深度越深,循环次数越少[18]。图1为电池寿命和放电深度的关系曲线图,额定状态下的放电深度为1,于是可以看出,当放电深度为0.2时,电池在寿命周期内的放电量接近额定放电量,即与额定放电量的比接近100%。超过0.2时,放电量一般大于额定放电量,同时导致循环次数也相应有所下降。当放电深度达到0.5时,放电量最高,约为额定放电量的130%。

图1 电池寿命与放电深度的关系

表1为该型号电池在不同放电深度下的寿命参数[19]。

表1 某型号铅酸电池循环寿命与放电深度的关系

基于电池生厂商提供或实验所得数据,可得到电池能循环次数和放电深度的函数关系如下:

(1)

式中Mr、Hr分别是额定放电深度及其对应的循环次数;Ma、Ha分别为实际放电深度及其对应的循环次数;α1、α2可通过拟合制造商提供的典型经验数据得到的拟合因子。

根据厂家设计标准,循环寿命内电池在额定放电深度下的放电量是一定的,则有:

Er=HrMrCB

(2)

式中Er为额定条件下BESS在循环寿命内的放电电量;CB是BESS的额定容量。

设储能运行在额定放电深度下的使用寿命为Y年,则储能的年平均额定放电量为:

(3)

然而在实际运行中,电池在每小时、每天、每月的放电深度并非是额定不变的,而是随着运行情况和充放电策略变化而改变的。通过循环寿命与放电深度的关系图和式(1)能够看出,电池在不同的放电深度下对寿命的影响不尽相同。不同放电深度下的实际放电量可通过折算因子将其折算至额定放电深度下的放电电量。折算因子K定义如下:

(4)

则储能在一年的等效放电量为:

(5)

式中T为一年的仿真时长,一般为8 760 h,Pd(t)、K(t)、Δt分别为储能在t时刻的放电功率、等效放电量的折算因子和放电时间长度。

因此,在考虑储能优化配置时,为保障储能的使用寿命与设计寿命相一致,实际年等效放电量应不大于年额定放电量,即:

Ea≤Er,max

(6)

2 电池储能优化配置模型

2.1 BESS全寿命周期经济模型

1)建设投资成本。

储能的投资成本和电池额定容量以及额定功率有关[20],可表示为:

(7)

(8)

2)运行成本。

BESS的运行成本包括储能的运行维护费用以及系统网损费用,计算如下:

(9)

式中 Δt为时间间隔;Am为蓄电池单位功率的年运行维护成本;Ae(t)为分时电价。

(10)

(11)

3)收益。

BESS可以通过在用电非高峰期时充电,高峰期时放电实现套利获得收益。2015年以来,国内对储能产业的扶持政策密集出台,储能列入“十三五”规划百大工程项目,首次正式进入国家发展规划[21]。文章采用电价补贴的形式进行政府补贴。

(12)

Ae(t)为电价;Ae,FIT为政府补贴电价。

2.2 目标函数

结合储能全寿命周期经济模型,以电池储能全寿命周期内的总成本最小为优化目标:

F=min(fin+fop-fea)

(13)

式中:fin是电池储能的建设投资成本;fop是电池储能的运行成本,由储能系统的运行维护费用和系统的网损费用两部分组成;fea是储能的收益。

2.3 约束条件

1)功率平衡约束。

(14)

2)风电/光伏/水电/常规机组出力约束。

(15)

(16)

(17)

(18)

3)节点电压幅值约束。

(19)

4)储能荷电状态约束。

(20)

SOCmin≤SOCi(t)≤SOCmax

(21)

式中SOCi(t)为储能在t时刻的荷电状态;σ为储能的自放电率;ηc和ηd分别对应储能的充、放电效率;Ci为储能容量。

5)储能系统出力约束。

(22)

(23)

(24)

此外,储能运行必须满足式(6)的约束。

6)传输容量约束。

(25)

(26)

3 算法优化步骤

考虑充放电策略对储能寿命影响的电池储能优化配置模型是一个复杂的、非线性混合整数规划问题,对此,文章采用改进的多种群遗传算法MPGA(multiple population genetic algorithm),提高求解速度和收敛性。改进MPGA的特点如下[22]:

1)多种群并行优化搜索,协同进化。不同种群的交叉、变异由式(27)随机生成。

(27)

式中pco、pmo分别为初始时的交叉/变异概率;G为种群的数目;c、m为交叉、变异的区间长度;frand为随机生成函数。一般c在[0.7,0.9]之间随机产生,m一般为[0.001,0.005]之间随机产生。

2)种群之间通过移民算子互相联系,即将目标种群中的最劣个体替换为源种群中的最佳个体,实现种群信息交换。

3)只改变种群内的最优个体,全局最优个体不发生基因改变。

MPGA同时兼顾算法的全局搜索和局部搜索,稳定性较好,收敛速度快,适合复杂问题的优化。

具体求解过程如图2所示。设初始化种群个数NP=30,每个种群的个体数M=25,迭代次数GENmax=50,采用二进制编码,通过Matpower工具箱进行潮流计算。

图2 算法求解流程图

4 算例分析

4.1 算例参数说明

文章选择IEEE 39节点测试系统,并在节点30,8和31分别并入光伏、水电和风电,改进的系统拓扑如图3所见。

图3 系统拓扑结构图

同时图4为新能源的典型日出力曲线。图5给出了典型日负荷曲线及分时电价。由于方法实现具有独立性,不受样本数据的影响,本算例采用一个典型日数据代表全年来验证该方法的有效性。

图4 新能源出力曲线

图5 典型日负荷曲线和分时电价曲线

本文采用铅酸蓄电池,其相关参数如表2所示。在额定放电深度下的设定寿命为10年,年额定放电量为50 689 MW·h。根据我国储能产业补贴政策第一次征求意见结果,政府电价补贴为400元/(MW·h)。

表2 电池储能参数

4.2 结果分析

通过MPGA算法求解过程的不断迭代,可以得到最优目标函数值,适应度进化曲线如图6所示。优化结果表明电池储能系统的最佳接入位置是节点8,储能的容量为150.05 MW·h,功率为50.02 MW,整个系统的经济性最佳。在该场景下的年等效放电量为47 128.67 MW·h,小于年额定放电量,表明电池的实际使用寿命不少于设计寿命。储能系统的建设投资成本为25 453.35 万元。

图6 最优适应度进化曲线

图7为储能典型日最优充放电策略及其荷电状态SOC曲线(负数表示BESS充电,正数表示放电)。通过图中可看出储能的充放电深度较低,SOC总体保持在一定范围之内,以此来保证BESS的电池寿命可以达到设计寿命。储能系统配电系统典型日最优网损为36.37 MW·h。

图7 BESS出力与荷电状态SOC

引入储能后,等效的负荷曲线如图8所示。可以看出,在增加电池储能出力后,起到了一定的削峰填谷的效果,降低了峰值负荷,对电网进行了改善。

图8 增加储能后电网改善效果图

当不考虑电池储能寿命特征时,以实现经济最大化来控制储能系统的运行策略,此时电池储能的最佳接入位置为节点28,储能的配置容量为196.86 MW·h,功率为65.62 MW,建设投资成本为33 394.02 万元,BESS的出力与荷电状态SOC曲线如图9所示。可以看出,系统依据实时电价的波动,基本处于满充和满放的状态,年等效放电量为58 478.3 MW,比年额定放电量多15%,也就是说,按照此充放电策略,电池的实际使用寿命将缩短15%,即8.5 年,严重影响储能优化配置与投资决策的结果。

图9 不考虑寿命特征的BESS出力与SOC

5 结束语

本文通过对电池储能放电深度对寿命的影响分析建立了电池储能的寿命评估模型和等效放电量计算方法,提出了一种考虑充放电策略对储能寿命影响的新型分布式储能优化配置方法,在确保储能实际使用寿命不小于设计寿命的同时使储能全寿命周期内的净收益最大。算例表明,通过该方法合理安排充放电策略,得到配电网储能系统的最佳配置的同时保障了电池储能可以达到设计寿命,改善配电网运行质量,实现削峰填谷的效果。本文提出的模型有助于更准确客观地对电池储能进行优化配置及投资决策。