平抑光伏波动的多储能系统控制策略研究

蔡　放,许伯阳,郑旭东

(1.东北电力大学 电气工程学院,吉林 吉林 132012; 2.国网辽宁省电力公司 大连市供电公司,辽宁 大连 116000)



平抑光伏波动的多储能系统控制策略研究

蔡放1,许伯阳1,郑旭东2

(1.东北电力大学 电气工程学院,吉林 吉林 132012; 2.国网辽宁省电力公司 大连市供电公司,辽宁 大连 116000)

为了提高光伏利用率，平抑光伏波动对电网造成的影响，研究了有效平抑光伏波动的储能控制策略，并比较了三种储能策略。通过某区域电站实测数据仿真计算,结果表明:分布式储能平抑后功率曲线波动度以及储能性能最差。集中式储能波动度和动作次数虽有所降低,但是弃光量减少不明显。类AGC储能控制策略在储能效能、弃光以及提高光伏入网规模优势明显。

光伏功率波动;功率相消;储能性能;类AGC控制储能;功率曲线波动度

截至2015年底,全国光伏电站装机达到4318×104kW[1],由于光伏出力多依赖自然环境,具有不可控性,因此受电网调度约束控制,当光伏出力波动大于日前预测出力时,多余的出力需要舍弃,这就造成弃光现象。据统计,2015年全国大型光伏发电基地全年平均弃光率为10%,其中甘肃电网占比28%,所以平抑光伏波动使其适应确定性的电网预测出力,提高光伏利用率是光伏领域亟待解决的问题。

目前,储能系统被认为是有效平抑波动最有效手段。文献[2,3]在满足负荷缺电率指标下,采用阀控铅酸电池系统作为储能系统投资最小;文献[4]确立考虑经济性的光伏储能最优容量;文献[5]提出用小波包方法分解光伏输出功率信号,通过功率型储能SOC的模糊控制优化不同储能间的功率分配,改善了光伏出力波动的平抑效果。文献[6]建立了基于钠硫电池的储能电站动态性能分析与评价模型,提出了BESS动态充放电控制策略。文献[7]阐述储能技术在电力系统中具有削峰填谷、提高电网运行稳定性改善电能质量等重要作用。

事实上,光伏波动的不利源于全网的光伏功率波动,面向单站的功率平抑存在储能的过度调控。只有当站群功率波动超出系统有功能力调节范围时,光伏-电网之间的源网矛盾才需要缓解。本文基于文献[8]研究风电领域的基础上,在光伏领域比对了分布式储能控制策略、集中式储能控制策略与类AGC储能控制策略,结果表明类AGC储能控制策略在平抑效果、弃光、经济性、光伏入网规模等方面较其他两种储能策略有明显优势。

1　站群内光伏电站间能量的对消

单个光伏电站白天出力易受周围环境影响,所以其功率波动幅值较大,最大功率幅值波动标幺值为0.14。站群内各光伏电站地理位置、光伏电站装机规模等不同,当12个光伏电站汇聚到330 kV汇集站,汇聚站内最大功率幅值波动标幺值0.07、单站与站群波动曲线如图1所示。

图1　单站与站群波动图

定义一个指标I,定量评价功率波动曲线的波动程度,把I值称为功率波动曲线的波动度。

(1)

波动度I值越小,代表光伏电站的功率曲线波动越平缓,对电网调度及储能系统最佳。功率波动度I值趋势如图2所示。

图2　功率波动度I值趋势图

由图2知,随着汇集站光伏电站的增加,汇聚内群功率曲线波动度愈来愈小,汇聚后群功率波动较单站功率波动平缓,站群出力相比单站更不易受环境影响。

以平抑n个电站输出功率为例,从数学角度分析群出力更为平缓的原因。n个电站输出功率分别为Psolar·1,…Psolar·n。其参考功率分别为Pref·1,…Pref·n。n电站汇聚后PΣsolar=Psolar·1+…+Psolar·n。总参考功率为PΣref=Pref·1+…+Pref·n。

1号电站的波动功率为

|ΔPf·1|=|Psolar·1-Pref·1|

(2)

n号电站的波动功率为

|ΔPf·n|=|Psolar·n-Pref·n|

(3)

n个光伏电站总输出功率与总参考值的偏差量为

|ΔPf|=|PΣsolar-PΣref|=|Psolar·1-Pref·1+…+

Psolar·n-Pref·n|

(4)

根据绝对值不等式可得:

|ΔPf|≤|Psolar·1-Pref·1|+…+|Pref·n-Pref·n|

(5)

ΔPinter=|ΔPf|-(|ΔPf·1|+…+|ΔPf·n|)

(6)

由式(5)、式(6)可知,单站功率波动幅值之和相比站群的功率波动大,由此若光伏电站需储能平抑的光伏功率波动方向不同,则会导致储能系统充放电功率的对消,对消功率为ΔPinter,对消的功率并未对减小光伏电站群出力与参考值之间的偏差产生影响,相当于分布式平抑光伏电站出力时储能系统做了部分无用功,增加储能系统的调控负担,所以按照分布式与集中式配置储能，则在平抑功率波动上会有储能调控性能上的差异。

2　平抑光伏波动多储能系统的控制策略

2.1分布式储能控制策略

分布式储能控制策略如图3所示,平抑时每个电站参考功率Pref·i为日前预测出力Pdispatch·i,每个光伏电站储能装置都要平抑该光伏电站的功率波动,以减小实际值与参考之间的偏差。

图3　光伏电站分布式储能控制策略图

2.2集中式储能控制策略

按照本文第一节介绍,为减小无用功对储能系统的消耗,可以采用光伏电站集中式储能控制策略，如图4所示，对光伏电站群出力波动进行集中平抑。

图4　光伏电站集中式储能控制策略图

当选择PΣref=PΣdispatch的集中式储能控制策略时,站群内所有电站的功率都汇集到330 kV汇集站。

需要平抑的波动量较单站小,所需储能系统吞吐电量会小,并且控制实现更直接,无需电站间储能系统的通信协调。

2.3类AGC储能控制策略

考虑到光伏的接入对电力系统的影响源于全网,而非单站的光伏功率波动,并且电力系统是一个功率实时平衡的系统,故只需调控站群的光伏功率不超过电力系统平衡的允许值,超出系统允许值的用储能系统进行平抑,可有效的发挥电网对光伏的接纳能力,提高光伏联网的运行安全性,此控制方式为类AGC储能控制策略,如图5所示。为此需要构造电网接纳光伏的运行可行域。

图5　类AGC储能系统控制策略图

对于某区域电网接纳光伏可行域的计算方法为如下:

电网负荷、水电、光伏,火电平衡关系为

Pload(t)=PH(t)+Psolar(t)+PTh(t)

(7)

电网接纳光伏可行域为

Psolarspace(t)≤Pload(t)-PH·min(t)-PTh·min(t)

(8)

当部分光伏超出电网接纳可行域时,储能系统充放电功率及储能容量为

(9)

式中:PH·min为水电站运行最小出力;PTh·min为火电机组运行最小出力。

2.4三种储能控制策略的对比

三种储能控制策略参数如表1所示。

表1　三种储能控制策略参数Table 1　Three kinds of energy storage control strategy parameters

当采用Pref·i=Pdispatch·i的分布式储能策略时,电站间功率的对消,各电站储能系统作了部分无用功。对消的能量越大,n个储能系统作的无用功就越多,n个储能系统各自的吞吐电量就会越大,所需储能总容量就会越大。

当选择PΣref=PΣdispatch的集中式储能策略时,储能系统避免了光伏电站间输出功率之间能量的对消,但是由于未考虑光伏的可接纳空间,因此仍会发生不必要的储能过度调控。

当选择当采用PΣref=Psolarspace的类AGC策略时,在光伏功率波动超出电网接纳光伏范围时,储能系统才需要动作平抑,储能系统相当于热备用电源,减少了储能系统不必要的调控,也能提高电网接纳光伏的水平。

3　算例分析

3.1算例条件

某省总装机920 MW光伏电站群如图6所示,共有12个光伏电站。

多储能控制系统计算条件如下：

1)阀控铅蓄电池寿命动作5000次,成本1500元/kW·h[9]。

2) 1 kW·h电减少0.98 kg CO2排放量[10]。

3) 储能充放电效率70%,初始荷电状态0.5,放点深度D=0.3[4],三种策略配置储能总容量、性能相同。

4) 各电站的额定容量和各自储能容量配置如表2所示。

图6　920 MW光伏电站群

光伏电站编码/号光伏装机容量/MW额定功率/MW储能容量/MW·h1802.00162601.50123501.251041002.502051604.00326501.25107701.75148701.75149601.501210401.00 811501.2510121303.2526总计92023.00 184

3.2算例结果分析

3.2.1分布式储能系统控制策略平抑光伏波动

储能系统充放电及容量变化曲线如7所示。

从图7可以看出,在储能系统性能方面，各电站发电功率特性各异,储能系统存在“此充彼降”且调控频繁,站群中储能共动作次数为107次,累计吞吐电量为30.49 MW。当选择阀控铅蓄电池作为11号电站储能系统,投入到停运仅运行334 d。

分布式储能策略平抑后各指标如表3所示。

从表3中可以看出,平抑效果方面,经储能装置平抑后,整体功率曲线波动度有所下降,但平抑效果不好,平抑后部分电站曲线波动程度仍大于面向汇聚站的群功率曲线的波动;在弃光方面,分布式储能控制策略作用后弃光量仍然较大。

图7　储能充放电及容量变化曲线

电站/号波动度弃光率/%动作次数吞吐电量/MW10.25118.6101.198630.28320.0122.992060.24418.7111.9234110.29821.9152.9625

3.2.2集中式储能系统控制策略平抑光伏波动

集中储能系统充放电及容量变化曲线如图8所示。

图8　集中储能系统充放电及容量曲线图

由图8看出,在储能系统性能方面,集中式储能控制策略下,储能日动作次数共6次明显降低,总吞吐电量为19.76 MW,较分布式储能系统吞吐量小。所以在满足相同平抑指标情况下,可以较分布式储能系统选取更小的储能容量,更为经济。

在平抑效果方面,经集中式储能策略平抑后功率曲线波动度I=0.194,比单站低,所以在平抑效果方面也比分布式储能控制策略好。

在弃光方面,弃光率为14%,弃光量相比分布式储能策略没有明显减少。

3.2.3类AGC储能系统控制策略平抑光伏波动

接纳可行域与光伏出力关系如图9所示。

图9　接纳可行域与光伏出力关系

从图9(a)可以发现当前光伏出力均在可行域空间范围内,所以电网可以接受现有光伏装机容量,无需储能系统进行动作。

从图9(b)可以看到，假使光伏的装机为现在装机的1.45倍,负荷、水电、火电装机均不变，则大部分时段都无需启动储能系统,储能系统相当于系统的热备用电源,这样可大大提高电网对光伏出力、波动的接纳能力。

储能系统充放电及容量曲线如图10所示。由图10可知,在储能系统性能方面,储能系统共动作3次,总吞吐电量为20.90 MW·h,与集中式储能策略基本持平,较分布式储能系统小。但动作次数较集中式储能策略少,调控性能得到进一步优化。

图10　储能系统充放电及容量曲线图

在平抑效果方面,平抑后功率曲线波动度仅为0.013,比集中式控制策略表现更好,说明平抑后功率曲线波动较小,比前两种储能控制策略更好地解决功率波动的问题。

在弃光方面,弃光率仅为0.31%,弃光较前两种储能策略有明显的改善。

3.2.4三种储能控制策略的比较

三种储能方式指标对比如表4所示。

由表4可知，在相同的储能参数配置下,当采用类AGC控制储能时,相比分布式储能控制策略,储能动作次数与吞吐电量都要比前者小,并且平抑效果也更好。同样相比集中式储能策略,多接纳光伏电量1723.5 MW·h,弃光量减少了96.8%,CO2排放减少95.6%。储能系统调控次数仅为3次,明显降低。以3年为周期计算储能系统成本,类AGC策略配置储能仅需40 020万元,比集中式储能策略配置储能系统节省23 460万元,类AGC控制策略优化了储能系统的经济及低碳效益。

表4　三种储能方式指标对比Table 4　Index comparison of three kind of energy strateg methods

4　结　语

本文依据实测数据,分析了平抑光伏功率波动所需储能控制策略,并以某省920 MW光伏站群平抑功率波动为例,对比了三种储能控制策略,主要结论如下:

1) 汇聚站群光伏功率波动较单站平缓,波动度 较单站低,单站之间功率存在对消,平抑单站功率波动,储能系统会做部分无用功。

2) 相比分布式储能控制策略,类AGC策略储能系统吞吐电量少,可以选取更小的最优储能容量,储能所需容量成本降低。

3) 类AGC策略较集中式储能控制策略多接纳光伏1723.5 MW·h,并且大大减少弃光量,弃光量减少96.8%,增大电网对光伏的接纳量。

4) 类AGC储能策略大大减少CO2的排放,相比集中式策略减少95.6%的CO2排放,优化了储能的低碳效益。

5) 类AGC控制策略经济性最优,较集中式控制储能节省23 460万元,优化了储能经济效益。

6) 在弃光、平抑效果、经济性以及接纳光伏入网规模方面,类AGC最具优势,其次为集中式储能控制策略,最后为分布式储能控制策略。

[1] 国家能源局. 国家能源局2015年光伏发电相关统计数据[R].

2016.

National Energy Administration. September 1, 2015 photovoltaic building information presentation released by the National Energy Administration[R]. 2016.

[2] 吴小刚, 刘宗歧, 田立亭, 等. 独立光伏系统储能光储容量优化配置方法[J]. 电力系统自动化, 2015, 38(5), 1271-1276.

WU Xiaogang, LIU Zongqi, TIAN Liting, et al. Optimized capacity configuration of photovoltaic generation and storage energy device for stand-alone photovoltaic generation system[J].Power System Technology. 2015, 38(5): 1271-1276.

[3] 胡国珍, 段善旭, 蔡涛, 等. 基于液流电池储能的光伏发电系统容量配置及成本分析[J]. 电工技术学报, 2012, 27(5): 260-267.HU Guozhen, DUAN Shanrui, CAI Tao, et al. Sizing and cost analysis of photovoltaic generation system based on vanadium redox battery[J]. Transactions of China Electrotechnical Society, 2012, 27(5):260-267.

[4] 刘冠群, 袁越, 王敏, 等. 考虑经济成本的光伏电站储能容量配置[J]. 可再生能源, 2014, 32(1): 1-5.

LIU Guanqun, YUAN Yue, WANG Min, et al. Energy storage capacity determining of PV plant considering economic cost[J]. Renewable Energy Resource, 2014, 32(1): 1-5.

[5] 吴振威, 蒋小平, 马会萌，等. 用于混合储能平抑光伏波动的小波包-模糊控制[J]. 中国电机工程学报, 2014, 34(3):317-324.WU Zhenwei, JIANG Xiaoping, MA Humeng，et al. Wavelet packet-fuzzy control of hybrid energy storage systems for PV power smoothing[J]. Proceedings of the CSEE, 2014, 34(3):317-324.

[6] 丁明, 徐宁州, 毕锐, 等. 用于平抑可再生能源功率波动的储能电站建模及评价[J]. 电力系统自动化, 2011, 35(2): 66-71.

DING Ming, XU Ningzhou, BI Rui, et al. Modeling of bess for smoothing renewable energy output fluctuations[J]. Automation of Electric Power System, 2011, 35(2): 66-71.

[7] 高春雷. 储能技术在电力系统中的应用[J]. 黑龙江电力, 2013, 35(5): 395-426.

GAO Chunlei. Application of energy storage technology in electric power system[J]. Heilongjiang Electric Power,2013, 35(2): 395-426.

[8] YAN Gangui, ZHENG Xudong. A quasi-automated generation control strategy for multiple energy systems to optimize low-carbon benefits[J]. Clean Energy, 2015, 3(1): 93-102.

[9] 国家电网公司“电网新技术前景研究”项目咨询组. 大规模储能技术在电力系统中的应用前景分析[J]. 电力系统自动化, 2013, 37(1): 3-8.

Consulting Group of State Grid Corporation of China to Prospects of New Technologies in Power Systems. An analysis of prospects for application of large-scale energy storage technology in Power Systems[J]. Automation of Electric Power System,2013,37(1):

3-8.

[10] 严干贵, 王月, 李军徽, 等. 匹配风电接纳可行域的储能系统控制方法机器经济性评估[J]. 高电压技术, 2015, 41(7):2148-2155.

YAN Gangui, WANG Yue, LI Junhui, et al. Control methods and economic evaluation of energy storage system to match feasible area of wind power[J]. High Voltage Engineering, 2015, 41(7):2148-2155.

(责任编辑侯世春)

Control stategy studty of smoothing PV power fluctuation based on multiple energy storage systems

CAI Fang1, XU Boyang1, ZHENG Xudong2

(1.School of Electrical Engineering, Northeast DianLi University, Jilin 132012, China; 2.Dalian Power Supply Company, State Grid Liaoning Electric Power Corporation, Dalian 116000, China)

In order to improve the utilization of photovoltaic, stabilize PV fluctuation caused by power to influence of can effectively stabilize PV fluctuation of storage system control strategy, and compare the three storage strategies. Through calculating measured data of PV stations group, the results show that the distributed stragegy’s roughness of power curve and energy storage property are worst. The aggregated control’s solar loss doesn’t reduce significantly comparing with the distributed, but performing better on roughness of power curve and energy storage property than the distributed. The QAGC has obvious advantages of solar loss, roughness of power curve and improving scale of grid-connected PV stations.

PV fluctuation; energy offset; performance of energy storage; QAGC; roughness of power curve

2016-02-05；

2016-03-13。

蔡放(1989—),男，硕士研究生，研究方向为新能源发电与并网。

TM74;TM911

A

2095-6843(2016)04-0351-06