风光氢综合能源系统设计及运行集成优化

2022-12-05沈主浮窦真兰张春雁琚洁华

电力与能源 2022年2期

沈主浮，窦真兰，张春雁，周翔，琚洁华，陈博

(1.国网上海市电力公司市区供电公司，上海 201499； 2.国网上海综合能源服务有限公司，上海200023)

近年来，面向“碳达峰、碳中和”的低碳可持续发展目标，以光伏发电、风力发电为代表的可再生能源分布式发电系统已得到大规模应用。但光伏和风力发电出力随机性、波动性和间歇性的特点，会影响电网的运行稳定性，并导致弃光、弃风率的提高，制约了系统能源利用效率的进一步提升。基于电解水制氢-储氢-燃料电池的氢储能系统，一方面能够有效平抑风、光发电的波动性从而减少弃光、弃风，另一方面通过耦合热电联供系统，可满足系统部分热需求且进一步提升能源综合利用率[1-4]。因此，凭借其储能密度高、储能周期长、能源利用效率高等优势，目前基于风力发电、光伏发电、电解水制氢、储氢和燃料电池热电联供的风光氢综合能源得到了学术界和工业界的广泛关注，并有一系列示范应用装置建成[5-8]。

在风光氢综合能源系统设计与运行过程中，为了最大化系统能源利用率、经济效益和环境效益，需要对系统各设备的容量进行合理配置，并针对用能负荷特性对系统能量调度策略进行优化[9]。由于系统设计过程与运行过程的强耦合特性，为了获得系统各设备的最优容量配置方案，需要结合典型供能及用能负荷特性，对能量调度策略进行同步优化。因此，开展风光氢综合能源系统设计及运行集成优化，对实现系统全生命周期内的最优运行具有重要意义。

目前，含氢储能的综合能源系统设计及运行集成优化已有相关研究报道。如文献[10]以系统设备投资最小化为目标，构建了风电-氢储能与煤化工多能耦合系统设备规划投资模型，获得了不同风电容量下电解槽和氢罐的最优容量配置方案。文献[11]面向化工系统用氢场景，建立了再生能源发电与化工生产中加氢系统耦合的电-氢协调储能系统优化设计模型，获得了锂离子电池储能和电解槽的最优容量。文献[12]构建了风力-PVT-燃料电池微型热电联供系统的优化设计模型，结合系统运行及控制策略，对风力、光伏、燃料电池和电解槽的容量进行了最优配置。可以看出，过往研究大多针对某种特定应用场景，选取风光氢综合能源系统中的几个子系统的组合开展集成优化研究，对完整风光氢综合能源系统的设计与运行集成优化还较少，也缺乏对不同应用场景下系统最优容量配置方案的分析比较。

鉴于此，本文以全生命周期内系统总成本最小化为目标，结合风力发电、光伏发电、电解水制氢、储氢、燃料电池等设备的特性方程，构建风光氢综合能源系统的设计及运行集成优化模型，可以获得系统各设备的最优容量配置方案及典型运行策略。此外，基于所提模型，本文系统比较不同风光资源及用能负荷特性下系统设计以与运行方案的差异。

1 风光氢综合能源系统

典型的风光氢综合能源系统由光伏发电系统、风力发电系统、电解槽、储氢罐、燃料电池及其他辅助设备组成，其结构示意图如图1所示。其中，光伏发电系统和风力发电系统组成可再生能源发电系统，以并网不上网模式运行，产生的电能一部分用于满足电负荷需求，另一部分通过锅炉等电/热转换装置满足热负荷需求。当可再生能源发电系统发电量不足时，将采取从电网卖电的方式进行补充；当系统发电量过剩时，富余电能将通过电解槽转化成氢气储存于储氢罐中，当系统供电出现缺口时，再通过燃料电池转化为电能为系统供能。此外，燃料电池的产热将通过余热回收装置进一步利用，以提高系统的综合能源利用效率。

通过耦合多种能源设备，一方面可以充分利用风光发电余能，满足电热负荷的同时提高能源利用效率，另一方面也可以利用电网峰谷电价削峰填谷，降低电网运行负荷的同时也带来一定经济效益。

2 数学模型

2.1 目标函数

本文综合考虑风光氢综合能源系统投资成本、年度运行成本和因设备折旧而更换设备的成本，以系统全生命周期下的成本净现值(Net Present Value,简称NPV)最小化为优化目标。其中，系统年度运行成本包括从电网购电成本、设备操作成本和电解储氢过程中氢气压缩的成本。净现值NPV的具体表达式如下：

(1)

(2)

2.2 约束条件

2.2.1 设备特性方程

风力发电系统的功率输出特性PWT由风机额定功率WWT和风速v共同决定，其表达式[13]：

(3)

式中vci，vR和vco——风机的切入风速，切出风速和额定风速。

光伏发电系统的功率输出功率特性PPV受到光照辐射强度G、组件温度TC以及组件特性的影响，其表达式[14]：

(4)

式中WPV——光伏的额定容量，是标准测试工况下光伏最大输出功率，其对应的测试条件为GSTC=1 kW·m-2和TSTC=25 ℃；β——温度影响系数，取-0.004 7 K-1，本文直接采用环境温度作为光伏组件温度，忽略了两者间的差异。

2.2.2 能量平衡方程

风光氢综合能源系统在运行过程中需要满足电能、热能和氢气质量平衡。其中，电功率平衡方程描述了任何t时刻下系统母线上的输入与输出功率相等，其表达式：

Pbuy，t+PWT，t+PPV，t+ηFC，EPFC，t=
PELE，t/ηELE+Pheat，t+Ploss，t

(5)

式中PFC，t、Pheat，t、Pload，t和Ploss，t——第t时刻下燃料电池的实际输出功率、电热锅炉的用电功率、系统总电功率需求和弃电功率；ηFC，E和ηELE——燃料电池和电解槽的电转化效率。

热功率平衡方程描述了任何t时刻下燃料电池和电热锅炉所产生的热功率与热负荷需求相等，其表达式：

ηpfPheat，t+ηFC，HPFC，t=Qload，t

(6)

式中Qload，t——第t时刻下的系统总热功率需求；ηFC，H——燃料电池的热转化效率；ηpf——电热锅炉的转换效率。

氢气质量平衡方程描述了储氢罐的入口与出口流量相等，其表达式：

(7)

0≤St≤WH

(8)

式中St——第t时刻下的储氢罐的储氢量，应不大于储氢罐的最大允许储氢量，即储氢罐的额定容量WH。

2.2.3 功率特性约束

电解槽和燃料电池在运行过程中，应满足最大/最小功率约束，其表达式：

(9)

(10)

这两式涉及到整数二元变量和优化变量的乘积，是一个非线性约束，为简化模型，需对其进行线性化转换。以式(9)为例：

(11)

2.2.4 弃电率约束

弃风弃光是我国可再生能源开发的一个突出问题。在本系统中，为了增加系统中可再生能源和燃料电池的利用率，对系统加入弃电率的限制，对规划调度提出了更高的要求。具体地，年度弃电量应小于风光发电总电量的一定比例。其表达式：

(12)

式中ε——最大允许弃电率。

2.2.5 设计约束

在设计过程中，若设备的容量过小，可能没有相应的规格或达不到承包方接受的最小建设规模；若设备的容量过大，难以满足安全建设规范或成本过高，因此需要对各设备的容量设计上下界合理约束。其表达式：

(13)

3 案例描述

基于风光氢综合能源系统设计及集成优化模型，本研究系统考察了不同用能负荷、不同风光资源禀赋场景，对综合能源系统优化设计及运行情况的影响。在本模型中，风力发电系统、光伏发电系统、电解槽、燃料电池、储氢罐、电热锅炉等设备的相关参数见表1。系统设计寿命为20 a，折现率为6%，系统单位调度时间为1 h。模型均在GAMS平台实现，采用CPLEX优化算法进行求解。

表1 系统各设备参数

考虑到工商业电热负荷和普通居民电热负荷在电热负荷比例、负荷时间、气温特性上的不同特点，本研究基于eQUEST能耗软件对典型办公楼和居民楼的热电负荷进行模拟仿真，其逐小时及每月的平均热电负荷特性如图2所示[12,15-16]。办公楼的年度总电和热负荷需求分别为1 400.72 MWh和227.26 MWh，主要集中在上午7:00至晚上8:00的工作时间，晚上的负荷需求较低，热负荷需求远小于居民楼。居民楼的电和热负荷需求分别为1 066.57 MWh和1 148.19 MWh，主要集中在三餐时间及晚上，并且具有典型的季节性特点，冬季供暖需求较高造成热负荷明显增高，而夏季供冷需求较高造成电力负载增大。若全部采取传统向电网买电方式供能，办公楼和居民楼用能场景下的年运行成本分别为152.58万元和153.36万元，折合的全生命周期成本净现值分别为1 750.08，1 759.02万元。

由于办公楼与居民楼在向电网买电时分属工商业用电和居民用电，本文采用上海市工商业电费和居民电费的分时计算方法，如表2所示。

表2 工商业和生活电费标准

基于SOLCAST全球气象数据集[17]，选取了上海、大连、西宁、成都4个代表性地区，系统分析了风光资源对系统的优化设计及运行情况的影响，4个地区的全年平均太阳总辐射值量和平均风速如表3所示。由表3可见，西宁的光照资源最为丰富，大连的风力资源最为丰富，上海的风光资源均处于中等水平，成都的风光资源均较差。

表3 不同地区风光资源对比

4 结果分析与讨论

4.1 典型场景下系统设计与优化结果分析

基于上述系统设计及运行集成优化模型，面向上海市居民楼的资源与用能特点，对风光氢综合能源系统实施了设计及运行集成优化。优化结果显示，系统全生命周期成本净现值为1 239.23万元，其中初始投资成本和年度运行成本分别为410.26万元和69.41万元，与只向电网买电方式供能方式相比，系统成本减少29.19%。风机、光伏、电解槽、燃料电池和储氢罐的设计容量分别为187.88 kW、599.83 kW、35.79 kW、31.54 kW和12.02 kg。

系统全年能流图如图3所示。由图3可清晰直观地呈现系统各能量单元的出力及能量流动情况。全年风力发电、光伏发电、电网买电量分别为213.90，854.87，755.01 MWh，分别占系统总供电量的11.73%，46.87，和41.40%，可见系统依托可再生能源的供电自给率为58.60%。在系统供能方面，74.15%的电能直接用于系统供电，13.55%的电能通过电热锅炉用于系统供热，6.44%的电能通过电解槽转化为氢气储存起来，剩余5.86%的电能为弃电。系统能量损失主要来源于系统直接弃电、电热锅炉损失和氢存储过程的损失，损失总电量分别为106.9、49.4和39.5 MWh[18-20]。

为分析系统调度运行过程中能流流动的日间特性，本文计算了每天同一时刻各主要供能设备的平均功率，如图4所示。图4(a)为系统各设备对电需求的响应情况，可见：凌晨0:00—5:00，系统电需求小且电价较低，此时风力发电余能较多，电解槽利用谷电和风电制氢；上午5:00—8:00，系统电需求上升但光伏/风力发电不足，需求缺口部分依靠电网买电和燃料电池补充；8:00—16:00，光伏发电量处于高峰阶段，发生系统发电量超过电需求的情况，电解槽开始工作，系统也出现部分弃电。16:00之后，光伏发电量逐渐减少，系统电需求主要由电网买电和燃料电池供应。图4(b)为系统各设备对热需求的响应情况，可见系统的热负荷主要依靠电热锅炉提供，电热锅炉的电能来源在白天主要为光伏发电，夜晚主要为风力发电和电网购电；燃料电池主要在上午8:00—10:00、下午16:00—22:00两个供热需求高峰工作。

储氢罐逐时平均储氢量如图5所示。图5显示，系统储氢行为主要发生在10:00—15:00、22:00至次日6:00两个时间段。在前一时间段，系统主要使用富余可再生能源发电制氢；在后一时间段，系统主要使用电网谷电制氢。系统用氢行为主要发生在6:00—10:00、15:00—22:00，这是因为这两个时间段系统用电量大且电网电价较高。

4.2 负荷模式对系统优化结果的影响分析

面向上海市办公楼与居民楼不同的负荷模式，对风光氢综合能源系统设计及运行优化结果进行了分析比较，不同负荷模式下的系统关键设备容量配置及结果如表4所示。由表4可见，居民楼负荷场景下系统成本净现值为1 600.38万元，较只向电网买电供能方式相比减少9.02%，降本成果不如办公楼负荷场景。此外，系统中风机、光伏、电解槽、燃料电池等设备的装机容量均小于办公楼的负荷场景。办公楼和居民楼场景下的可再生能源发电比分别为58.59%和25.26%。这说明在面向办公楼负荷场景时，风光氢综合能源系统更倾向于通过建设可再生能源发电设备和氢储能系统来供电。其可能原因具体如下。

表4 不同负荷模式下的系统优化设计结果

(1)居民楼负荷场景下的向电网购电成本更低，并且峰谷价差小，利用氢储能系统削峰填谷得到的收益较少，因此系统会倾向于直接向电网买电的供能方式。

(2)办公楼场景下的用电负荷主要集中在白天，与光伏的输出功率曲线匹配度高，光伏发电功率大多可直接用于供能；而居民楼的用电负荷在一天中分布较为均匀，过剩的可再生能源需要通过氢储能系统消纳，间接增加了系统的度电成本，因此在经济效益和弃电率限制下，居民楼负荷模式的优化结果中光伏容量明显减小，下降了41.1%, 而风机容量下降的比例为35.9%。

综上，由于更高的购电成本和更匹配的负荷特性，风光氢综合能源系统在办公楼负荷模式下的可再生能源发电比例更高，风光发电及氢储能设备装机容量更大，经济性更优。

4.3 风光资源对系统优化结果的影响分析

针对办公楼的负荷用能特点，基于成都、上海、大连、西宁等地的风光资源现状，对风光氢综合能源系统设计及运行优化结果进行了分析比较，不同风光资源条件下的系统关键设备容量配置及结果如表5所示。从系统成本角度来看，大连市的系统成本净现值最小，成都市的系统成本净现值最大，这是因为风光资源越丰富的城市，其发电的度电成本越低，系统利润空间也越大。从风光容量配置角度来看，由于成都市风电资源匮乏，系统选择不建设风机，而选择建设4种场景中容量最大的光伏系统，此外其可再生能源发电比占只有46.29%，超过一半供电来源于电网买电；大连市光伏和风机有效发电小时数均较高，在电热负荷不变的条件下，为满足负荷需求所需建设的风机和光伏容量更小；西宁市光伏的有效发电小时远高于风机，故也采取了建设大规模光伏不建设风机的方案。从氢储能容量配置角度来看，电解槽、燃料电池和储氢罐的设计容量与城市的风光资源丰富度呈正相关，这是因为可再生能源越丰富，燃料电池就更可能通过消纳余能产生经济效益，此外弃电率约束也使得系统更需要在时间上转移能量的能力[21-22]。