一种蓄电池储能系统容量优化配置方法

王 波

(国网安徽省电力公司检修公司，安徽 合肥 230061)

一种蓄电池储能系统容量优化配置方法

王 波

(国网安徽省电力公司检修公司，安徽 合肥 230061)

蓄电池储能单元是独立可再生能源发电系统中必不可少的环节，通过其充放电控制能够满足发电功率与复合之间的实时匹配。蓄电池储能系统成本比较高，在进行容量配置时通常需要综合考虑系统的指标要求与成本关系，从而尽可能在满足工作要求的情况下降低储能单元的成本。提出了一种蓄电池储能系统经济性模型，通过给定工作指标的要求利用遗传算法进行储能系统容量优化配置。

蓄电池；可再生能源发电系统；容量优化；遗传算法

含风力、太阳能光伏的可再生能源发电系统，通常有两种运行模式：孤岛运行和并网运行。对于独立系统而言，主要是满足发电功率与负荷之间的匹配，最大限度的维持功率平衡。可再生能源系统发电功率是随天气条件变化的，存在很大的随机性和波动性，因此储能单元是必不可少的部分。通过储能单元的充放电控制，能够最大限度满足独立系统的发电功率与负荷功率之间的平衡。由于储能装置的成本较高，如何对其容量、功率进行合理配置，不仅会影响到储能的工作要求，同时也会关系到整个系统的经济性。为此，本文进行蓄电池储能系统优化配置研究，主要是通过对蓄电池储能单元和系统经济性的数学建模，考虑独立可再生能源发电系统储能单元工作指标要求，探讨储能容量-功率二者的最优组合[1-5]。

1 蓄电池储能系统经济性模型

对于蓄电池储能系统而言，其总成本包括初始投资成本、配套设施成本、运行维护成本以及更换成本[6-7]。

1.1 电池初始投资成本

初始投资成本主要与容量配置和最大充放电功率配置有关。假设容量配置为EESS，最大充放电功率为PESS。则初始投资成本CINI可表示为：

CINI=Ke×EESS+Kp×PESS

(1)

式中Ke——容量成本系数，＄/MWh；

Kp——功率成本系数，＄/MW。

1.2 电池配套设施成本

配套设施成本CAF主要是储能工作所需的双向变流器的投资成本，通常与蓄电池的最大充放电功率有关，因此可以表示为：

CAF=Kaf×EESS

(2)

式中Kaf——配套设施成本系数，＄/MW。

1.3 电池运行维护成本

储能系统的年运行维护成本COM也与最大充放电功率有关，可表示为：

COM=KOM×PESS

(3)

式中KOM——年运行维护成本系数，＄/MW。

1.4 电池更换成本

由于储能系统的使用寿命有限，在一定的工程使用周期内，通常要进行储能及其相关配套装置的更换，因此需要考虑相应的更换成本费用，并且储能系统更换成本CREP与工程使用年限内的更换次数NREP有关，即有：

CREP(Ke×EESS+Kp×PESS)×NREP

(4)

假设储能系统的使用寿命为LESS，工程使用年限为LPROJ，NREP可按下式计算：

(5)

式中 INT( )——取整函数。

因此，整个储能系统工程使用年限中的总成本CSUM为

CSUM=CINI+CAF+COM+CPROJ+CREP

(6)

2 优化模型与求解

2.1 独立系统储能优化配置模型

独立可再生能源发电系统主要依靠内部电源满足负荷需求。由于风力和光伏发电功率存在很大的不确定性和波动性，通常需要在发电出口配置一定容量的储能装置来协调二者的平衡，最大限度地增强它们的匹配性，从而满足系统供电可靠性的要求。当储能容量配置过小时，往往难以达到系统的目标要求，而配置过大又会造成容量的冗余影响系统经济性。对于储能系统来说，通常其最大可充放电功率可达额定容量的数倍，但是在实际运行中可能用不到其实际的最大可充放电功率，如果以储能系统自身最大可充放电功率来配置逆变器，容量会很大，势必会增加成本投入。在进行储能系统的优化配置时，需要根据实际储能系统的充放电要求进行合理规划，寻找最优的容量-功率组合，在满足系统要求的情况下最大化地降低储能成本[8-10]。

(1)目标函数

min:f(EESS,PESS)

=CIN+CAF+COM+CREP

=(1+NREP)KeEESS+(Kp+KAF+KOMLPROJ+NREPKp)PESS

(7)

(2)约束条件

假设t时刻可再生能源系统输出功率为PRE(t)，负荷功率为Pload(t)，储能充放电功率为PESS(t)，大于0表示放电，反之充电。

①电力不足率约束。当Pload(t)>PRE(t)，储能系统放电，如果此时由于储能自身能量下限或者放电功率的限制导致放电后仍不能达到负荷要求即PESS(t)+PRE(t)

电力不足率LOEP

(8)

电力不足约束

LOEP≤LOEP，max

(9)

式中LOEP，max——根据系统供电可靠性要求给定的最大电力不足率限定值。

②电力盈余率约束。当Pload(t)Pload(t)时，会造成电力的盈余，这样资源不能得到充分利用，因此需要尽可能的降低电力盈余率以防止能量的过度浪费。

电力盈余率SOEP

(10)

电力盈余率约束

SOEP≤SOEP，max

(11)

式中 SOEP，max——给定的最大电力盈余率限定值。

因此，对于独立可再生能源发电系统而言，优化的过程就是，在满足电力盈余率和电力不足率约束条件下，寻找最优的EESS-PESS组合，使得储能系统的总成本最低[10-12]。

2.2 优化模型的求解

对于本文中的优化问题，共有两个变量EESS和PESS，可以利用遗传算法进行求解，首先需要进行适应度函数的选取。

(1)适应度函数的选取。可以将目标函数和约束条件进行结合，转化成如下适应度函数：

FFTT=f(EESS，PESS)+α·ABS(LOEP-LOEP，max)+βABS(SOEP-SOEP，max)

(14)

式中 ABS( )——绝对值函数；

fFIT1——独立系统适应度函数，为了能够使得最优解满足独立系统电力不足率和电力盈余率的要求，这里α，β，γ的取值较大。

(2)求解过程。确定优化目标以及适应度函数。对于独立系统输入给定时间段内的可再生能源功率数据、负荷数据，通过遗传算法进行最优(EESS，PESS)的计算。独立系统储能优化配置的整个算法流程如图1所示。

图1 储能系统容量配置优化算法流程图

3 算例分析

假设某独立可再生能源发电系统发电功率和负荷功率如图2所示，给定电力不足率限定值LOEP，max=0.007，电力盈余率限定值SOEP，max=0.008。根据独立系统储能优化模型求解，优化结果如表1所示。负荷外功率变化值如图2所示。电力不足率LOEP与储能系统容量—功率之间的关系如图3所示。电力盈余率SOEP与储能系统容量—功率之间的关系如图4所示。

图2 独立可再生能源发电系统功率输出和负荷功率

图2 负荷外功率变化值

图3 电力不足率LOEP与储能系统容量—功率之间的关系

图4 电力盈余率SOEP与储能系统容量—功率之间的关系

容量EESS/MWh功率PESS/MW总成本CSUM/$电力不足率LOEP电力盈余率SOEP27327.16155.24×1060.0070.00776

在没有配置储能装置时，独立可再生能源发电系统的LOEP=0.134 574，SOEP=0.130 38。由图3和图4可以看出，随着电池储能系统容量和功率的增大，电力盈余率SOEP和电力不足率LOEP呈现逐渐下降的趋势。当配置容量为273MWh，最大充放电功率为27.16MW的电池储能系统后，系统的LOEP=0.007，SOEP=0.007 76。

从图3和图4中可以看出，当固定容量EESS=273MWh，在PESS<27.16MW时，储能系统容量配置已能达到平衡系统功率的所需容量，但是由于储能系统充放电功率的限制，储能系统的功能没能得到发挥，随着功率配置的不断增加SOEP和LOEP逐渐降低直到27.16MW时满足系统性能指标要求；当固定功率PESS=27.16MW，在EESS<273MW时，虽然储能系统功率配置能够满足平衡目标外所需功率的要求，但是由于能量的不足同样会限制储能系统发挥作用，随着容量配置的增加SOEP和SOEP降低直到EESS=273MW时，能够完全满足系统对储能单元的要求。

在储能系统功率和容量配置都足够大时，SOEP和LOEP可以完全达到0，但是由于储能系统成本比较高，这样会导致系统经济性差。独立系统储能成本COST，sum与容量—功率之间的关系如图5所示。从图5可以看到，随着储能系统的容量和功率配置的增大，储能系统成本呈现递增趋势。在系统给定的电力盈余率和电力不足率要求下，EESS=273MWh，PESS=27.16MW时投资成本最小。

图5 独立系统储能成本COST，sum与容量—功率之间的关系

4 结语

本文详细介绍了含风力和太阳能光伏电池的可再生能源发电系统中蓄电池储能单元的容量—功率优化配置模型，主要是综合考虑储能系统的各种投资费用，例如初始投资成本、配套设施成本、运行维护成本以及更换成本。基于独立可再生能源发电系统对储能单元的充放电功能要求，考虑整个系统的约束条件，根据目标函数即储能系统总投资成本最小的要求，通过遗传算法能够准确计算最佳的容量-功率组合，这样就为可再生能源发电系统中储能及其配套装置的规划提供了精确的优化计算方法和可行的参考思路。

[1]马溪原,吴耀文,方华亮,等.采用改进细菌觅食算法的风/光/储混合微电网电源优化配置[J]. 中国电机工程学报,2011,31(25):17-25.

MAXi-yuan,WUYao-wen,FANGHua-liang,etal.Optimalsizingofhybridsolar-winddistributedgenerationinanislandedmicrogridusingimprovedbacterialforagingalgorithm[J].ProceedingsoftheCSEE,2011,31(25):17-25.

[2]罗运虎,王冰洁,梁昕,等.电力市场环境下微电网不可再生分布式发电容量的优化配置问题[J]. 电力自动化设备,2010,30(8):28-36.

LUOYunhu,WANGBing-jie,LIANGXin,etal.Configurationoptimizationofnon-renewableenergydistributedgenerationcapacity[J].ElectricPowerAutomationEquipment,2010,30(8):28-36.

[3]BELFKIRAR，ZHANGL，BARAKATG．Optimalsizingstudyofhybridwind/PV/dieselpowergenerationunit[J].SolarEnergy,2011,85(1):100-110.DOI:10.1016/j.solener.2010.10.018.

[4]董凯,江辉,黄泽荣,等.运用成本效益分析的风/柴/储能系统规划方法[J].电力系统及其自动化学报,2010,22(3):67-72.

DONGKai,JIANGHui,HUANGZe-rong,etal.Planningmethodofwind-diesel-storagesystemusingcost-benefitanalysis[J].ProceedingsoftheCSU-EPSA,2010,22(3):67-72.

[5]梁惠施,程林,苏剑.微网的成本效益分析[J].中国电机工程学报,2011,31(Z1):38-44.

LIANGHui-shi,CHENGLin,SUJian.Costbenefitanalysisformicrogrid[J].ProceedingsoftheCSEE,2011,31(Z1):38-44.

[6]郑漳华,艾芊,顾承红,等.考虑环境因素的分布式发电多目标优化配置[J].中国电机工程学报,2009,29(13):23-28.

ZHENGZhang-hua,AIQian,GUCheng-hong,etal.Multi-objectiveallocationofdistributedgenerationconsideringenvironmentalfactor[J].ProceedingsoftheCSEE,2009,29(13):23-28.

[7]张建华,苏玲,陈勇,等.微网的能量管理及其控制策略[J].电网技术,2011,35(7):24-28.

ZHANGJian-hua,SULing,CHENYong,etal.Energymanagementofmicrogridanditscontrolstrategy[J].PowerSystemTechnology,2011(7).

[8]王瑞琪,李珂,张承慧.基于混沌多目标遗传算法的微网系统容量优化[J]. 电力系统保护与控制,2011,39(22):16-22.

WANG Rui-qi, LI Ke, ZHANG Cheng-hui. Optimization allocation of microgrid capacity based on chaotic multi-objective genetic algorithm[J]. Power System Protection and Control,2011,39(22):16-22.

[9]王成山,于波,肖峻,等.平滑可再生能源发电系统输出波动的储能系统容量优化方法[J].中国电机工程学报,2012,32(16):1-8.

WANG Cheng-shan, YU Bo, XIAO Jun, et al. Sizing of energy storage systems for output smoothing of renewable energy systems[J].Proceedings of the CSEE,2012,32(16):1-8.

[10]赵晶晶,李振坤,朱兰,等.储能系统在微网中的优化配置与成本分析[J].华东电力,2011,39(10):1615-1618.

ZHAO Jing-jing, LI Zhen-kun, ZHU Lan, et al. Optimal allocation and cost analysis of energy storage system in microgrid[J]. East China Electric Power, 2011，39 (10)：1615-1618.

[11]CHEN S X, GOOI H B, WANG M Q. Sizing of Energy Storage for Microgrids[J]. IEEE Transactions on Smart Grid,2012, 3(1):142-151.

[12]VENU C, RIFFONNEAU Y, BACHA S, et al. Battery Storage System sizing in distribution feeders with distributed photovoltaic systems[J]. 2009 IEEE Bucharest Power Tech,2009.

(本文编辑：杨林青)

Optimal Configuration Method for A Battery Storage System Capacity

WANG Bo

(State Grid Anhui Maintenance Company, Hefei 230061, China)

Battery energy storage unit is an essential part of independent renewable generation system. It can meet the real-time match between power generation and load through its charge and discharge control. The battery energy storage system cost is relatively high, so we should usually consider the relationship between system indicator requirements and its cost, and reduce the cost of energy storage unit as far as possible. Therefore, this paper proposes an economical model of energy storage system, which can achieve the capacity optimization of energy storage system under the given work indicators using the genetic algorithms.

storage battery; renewable energy power generation system; capacity optimization; genetic algorithm (GA)

10.11973/dlyny201701016

王 波(1988-)，男，工程师，主要研究方向为电网运行与控制，新能源发电技术，储能系统的优化建模与控制。

TM912

A

2095-1256(2017)01-0068-04

2016-11-13