并网型风电-光伏-抽水蓄能-蓄电池系统容量优化配置

2023-09-26寇攀高邹淑云

动力工程学报 2023年9期

刘忠, 张乐, 寇攀高, 邹淑云

(1．长沙理工大学能源与动力工程学院,长沙 410114;2．国网湖南省电力有限公司电力科学研究院,长沙 410007)

在中国“碳达峰、碳中和”双碳目标的驱使下,构建以风能和太阳能等新能源为主体的新型电力系统已成为我国能源发展的趋势[1]。然而,由于风电和光伏发电具有很强的间歇性和随机性,大规模并网消纳将给电网的安全稳定带来巨大挑战。储能技术被认为是解决风力发电和光伏发电(下文简称风光电)利用难的关键技术。目前,电力系统中应用的储能技术主要为物理储能和电化学储能[2]。其中,物理储能中的抽水蓄能以及电化学储能中的锂离子蓄电池是技术成熟度较高、应用规模较广泛的储能技术[3]。文献[4]中仅研究了风-光-抽水蓄能联合运行系统考虑经济性、可靠性和环保性的容量优化配置。但单一储能技术具有的优点和局限性使得容量密度和功率密度难以两全。由抽水蓄能和蓄电池组成的混合储能技术结合了2种储能技术的不同特性,可以实现优势互补,系统具有更好的灵活性、高效性和可靠性。

近年来,国内外已有学者对风电-光伏-抽水蓄能-蓄电池联合运行系统的容量配置问题进行了相关研究。Xu等[5]评估了风电-光伏-抽水蓄能-蓄电池联合运行系统的经济性和可靠性,并通过粒子群算法对系统各部件的容量进行了优化。Guezgouz等[6]以成本和负荷失电率作为风电-光伏-抽水蓄能-蓄电池联合运行系统的目标函数,通过与单储能系统比较,证明混合储能系统能以更低的成本实现更高的可靠性。Abdelshafy等[7]将风电-光伏-抽水蓄能-蓄电池联合运行系统与单储能系统对比,从系统经济性和环保性方面证明了风电-光伏-抽水蓄能-蓄电池联合运行系统的有效性。Shabani等[8]对比分析了风电-光伏-抽水蓄能系统和风电-光伏-蓄电池系统的技术经济性,结果表明风电-光伏-蓄电池系统是满足经济性和可靠性的最佳选择。Javed等[9]比较了离网型风电、光伏、抽水蓄能和蓄电池的各种组合,结果表明双储能系统有着更灵活的运行策略,能以最低的成本实现最高的可靠性。通过以上分析可以看出,现有研究大多数以系统经济性和可靠性为优化目标,在利用优化算法求得帕累托解集之后根据需求人为选择最优解。少有研究人员在并网型风电-光伏-抽水蓄能-蓄电池联合运行系统中考虑全生命周期内的碳排放量,并且使用多目标决策方法进行无偏折中获取最优解。

笔者将成本最低、碳排放量最小作为并网型风电-光伏-抽水蓄能-蓄电池联合运行系统的优化目标,并综合考虑系统弃风弃光和供电可靠性,利用带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)和逼近理想解排序法(TOPSIS)求解得到适合所研究地区的系统最优容量配置方案。

1 风电-光伏-抽水蓄能-蓄电池联合运行系统模型

1.1 系统结构

风电-光伏-抽水蓄能-蓄电池联合运行系统主要由风电场、光伏电站、抽水蓄能电站、蓄电池和控制中心等组成,结构如图1所示。当风电和光伏的总功率大于当地负荷时,多余的电能将储存在抽水蓄能和蓄电池中;当风电和光伏的总功率小于当地负荷时,由抽水蓄能和蓄电池组成的混合储能系统通过放水发电和放电共同满足负荷需求。

图1 并网型风电-光伏-抽水蓄能-蓄电池联合运行系统

1.2 风力发电模型

风电机组的输出功率主要取决于所选机组的轮毂高度和功率输出曲线,以及所研究地区轮毂高度处的风速。其风速-输出功率函数[10]表示为

(1)

式中:Pw、Pr分别为风力机的实际输出功率和额定输出功率,kW;V、Vci、Vr和Vco分别为风力机在轮毂高度处的实际风速、风力机的切入风速、额定风速和切出风速,m/s。

1.3 光伏发电模型

光伏电池的输出功率主要受到当地太阳能辐射强度和环境温度等因素的影响。光伏电池的输出功率Ppv[11]可表示为

(2)

式中:Ps为光伏电池的额定输出功率,W;Gβ为照射到光伏电池表面的太阳能辐射强度,W/m2;θT为光伏电池的功率温度系数,取-0.35%/K;T为电池的工作温度,℃;Tref为参考温度,取25 ℃。

1.4 抽水蓄能电站模型

抽水蓄能具有储能容量大、寿命周期长和环保性好等优势,但同时存在响应速度较慢、电站建设对地理环境要求高等不足[12]。抽水蓄能电站经抽水和发电工况前后的水库水量V[13]可表示为

V(t)=V(t-1)+[qV,rain(t)+qV,p(t)-qV,h(t)]Δt

(3)

(4)

(5)

式中:V(t)和V(t-1)分别为t时刻和t-1时刻水库的水量,m3;qV,rain(t)、qV,p(t)和qV,h(t)分别为t时刻流入水库的雨水体积流量、抽水蓄能电站抽水和发电时对应的水体积流量,m3/h;Pp(t)和Ph(t)分别为t时刻抽水蓄能电站运行时的抽水功率和发电功率,kW;ηp、ηh和ηwp分别为抽水效率、发电效率和管道效率,取80%、90%和95%;ρ为水的密度,取1 000 kg/m3;g为重力加速度,取9.81 m/s2;h为水头高度,取100 m;Kp和Kh分别为抽水和发电时的流量功率比;Δt为时间间隔,s。

1.5 蓄电池模型

蓄电池不受地理环境限制,具有响应速度快、配置灵活和建设周期短等优势,但其在循环寿命、安全性和环保性方面存在不足[12]。蓄电池经充电和放电工况前后的容量[14]可表示为

(6)

式中:Ebat(t)和Ebat(t-1)分别为t时刻和t-1时刻的蓄电池容量,kW·h;Pbp(t)和Pbh(t)分别为蓄电池的充电功率和放电功率,kW;ηbp和ηbh分别为蓄电池的充电效率和放电效率,取85%。

1.6 系统运行策略

所研究的联合运行系统的运行策略如图2所示。其中:Pz(t)、Pload(t)分别为t时刻风光电的输出功率和当地负荷需求;Pg(t)为t时刻风光电的上网功率;Pe1(t)、Pe2(t)分别为风光电相对负荷的过剩功率、风光电在满足负荷和抽水蓄能抽水后的剩余功率;Pp1(t)、Pbp1(t)分别为由风光电供给的抽水功率和充电功率;Pp2(t)、Pbp2(t)分别为由当地电网供给的抽水功率和充电功率;α为抽水蓄能与蓄电池的供电比例。

图2 并网型风电-光伏-抽水蓄能-蓄电池联合运行系统运行策略

由图2可知,当Pz(t)小于Pload(t)时,由抽水蓄能和蓄电池组成的混合储能将共同发电以满足负荷需求,此时抽水蓄能运行在发电工况,蓄电池开始放电;当Pz(t)大于Pload(t)时,多余的风光电将依次储存在抽水蓄能和蓄电池中。该时段内若Pe1(t)大于所需的抽水功率Pp(t),则抽水蓄能开始抽水;若Pe1(t)小于抽水蓄能所需的抽水功率Pp(t),则由当地电网提供一部分电能用于抽水,多余的电能全部由抽水蓄能储存。若Pe2(t)大于蓄电池的充电功率Pbp(t),则蓄电池开始充电,剩余的电能Pg(t)将送入当地电网;若Pe2(t)小于蓄电池的充电功率Pbp(t),则由当地电网提供一部分电能给蓄电池充电。

2 优化模型和方法

2.1 目标函数

2.1.1 系统成本最低

并网型风电-光伏-抽水蓄能-蓄电池联合运行系统的总成本(F1)包括每个主体的初始投资成本Mi、整个项目周期的替换成本Mr和运维成本Mo。系统成本最低的计算式为:

min(F1)=min(Mi+Mr+Mo)

(7)

Mi=CwNw+CpvNpv+CptPpt+CbatNbat+CcapVcap

(8)

(9)

Co,batNbat+Co,capVcap)/(1+r)n]

(10)

式中:Cw、Cpv、Cpt、Cbat和Ccap分别为风电机组、光伏电池、可逆式水泵水轮机、蓄电池和水库库容的投资成本,元;Nw为风电场中风电机组数量;Npv为光伏电站中光伏电池数量;Nbat为蓄电池数量;Ppt为可逆式水泵水轮机的装机容量,kW;Vcap为水库的库容,m3;Cr,w、Cr,pv、Cr,pt和Cr,bat分别为风电机组、光伏电池、可逆式水泵水轮机和蓄电池的替换成本,元;Tw、Tpv、Tpt和Tbat分别为风电机组、光伏电池、可逆式水泵水轮机和蓄电池的寿命周期,a;Co,w、Co,pv、Co,pt、Co,bat和Co,cap分别为风电机组、光伏电池、可逆式水泵水轮机、蓄电池和水库的运维成本,元/a;Ta为项目的周期(即水库的寿命周期),a;r为贴现率,取5%。

2.1.2 系统碳排放量最小

电力系统的全生命周期一般指相关组件的生产建设、运输安装、运行维护和回收处理等阶段[15]。风电机组、光伏电池、抽水蓄能和蓄电池产生的碳排放主要集中在除运行维护之外的各个阶段。燃煤发电作为目前电网主要的电能供应方式,其在各个阶段均会产生碳排放。本节假设联合运行系统从电网购得的电能全部来自燃煤发电。

现有研究常采用全生命周期评价(life cycle assessment,LCA)方法求得风电、光伏、抽水蓄能、蓄电池和燃煤发电归一计量后的碳排放系数[16-17]。在此基础上,利用风电场和光伏电站的年发电量、抽水蓄能电站的年运行电量(发电量和耗电量)、从当地电网的年购电量、水库和蓄电池的储能容量,计算得到整个系统的年碳排放量。系统碳排放量(F2)最小的计算式为:

min(F2)=

(11)

式中:Rw、Rpv、Rbat、Rpt、Rcap和Rcg分别为风电、光伏发电、蓄电池、抽水蓄能电站运行、抽水蓄能电站水库和燃煤发电的碳排放系数,kg/(kW·h)。

2.2 约束条件

2.2.1 各部件容量大小约束

在实际项目建设前,系统中各部件的容量往往受到占地面积、安装条件和地形条件的限制。

0≤Nw≤Nw,max

(12)

0≤Npv≤Npv,max

(13)

0≤Nbat≤Nbat,max

(14)

0≤Ppt≤Ppt,max

(15)

0≤Vcap≤Vcap,max

(16)

式中:Nw,max、Npv,max和Nbat,max分别为系统中风电机组、光伏电池和蓄电池允许的最大安装数量;Ppt,max为可逆式水泵水轮机的允许最大装机容量;Vcap,max为水库允许的最大建设容量。

2.2.2 储能容量变化约束

为了模拟水库和蓄电池的实际运行情况,限制在任意时刻水库的水量和蓄电池的电量不能超过设定的容量值。另外,假设在运行任意一天后,水库的水量变化和蓄电池的电量变化等于0 kW·h。

(1-DDOD)·Ebat,max≤Ebat≤Ebat,max

(17)

0≤V(t)≤Vcap,t=1,2,…,8 760

(18)

i=1,2,…,365

(19)

(20)

式中:Ebat,max为蓄电池容量的上限;DDOD为放电深度,取80%;i为一年中的天数;Ebat,c(t)、Ebat,d(t)分别为t时刻蓄电池的充电量和放电量。

2.2.3 系统弃电率和负荷失电率约束

风光电较大的波动性使得现阶段电网消纳风光电时常会出现弃风弃光现象。引入系统弃电率(curtailment rate,CR)DCR来表示系统对风光电的利用程度。具体计算式为

(21)

式中:Pz,load(t)为t时刻风光电供给负荷的功率,kW。

负荷失电率(loss of power supply probability, LPSP)DLPSP常用于评估发电系统的供电可靠性,表示在模拟时间内联合运行系统发电功率不能满足负荷需求的概率。具体计算式为

(22)

式中:PESS(t)为t时刻由混合储能满足负荷需求的功率,kW。

为使联合运行系统在供电可靠性得到保证的同时能最大限度地利用风光电,限制系统的DCR和DLPSP为0。

2.2.4 入网率和购电率约束

为使所研究的联合运行系统更具实际应用价值,同时尽量减少系统的碳排放量,对入网率λ和购电率ε限制如下。

0≤λ≤20%

(23)

0≤ε≤20%

(24)

(25)

(26)

2.3 NSGA-Ⅱ算法和TOPSIS方法

带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)是由 Deb 提出的一种基于Pareto最优解的多目标优化算法[18]。NSGA-Ⅱ已广泛应用于多能互补联合运行系统的多目标容量优化问题。逼近理想解排序法(TOPSIS)作为一种常用的多目标决策方法,其通过衡量评价方案距离理想最优方案和最劣方案的欧氏距离来精确地反映各评价方案之间的差距[19]。

本文通过NSGA-II和TOPSIS求得所研究系统的最优容量配置方案,以实现最低的成本和最小的碳排放量。设置的NSGA-Ⅱ 参数如下:种群数量为300,最大迭代次数为200次,变异概率为0.1,交叉权重系数为0.5。为均衡考虑系统成本和碳排放量2个不同指标对容量配置方案选择的影响,在TOPSIS中设置2个不同指标的权重ω均为0.5,待决策的系统容量配置方案数量为300。由于本文的2个指标均为极小型指标,计算得到的欧氏距离值越小,说明方案越优。将通过TOPSIS决策得到的欧氏距离最小的容量配置方案作为最优容量配置方案。

3 算例仿真及其结果分析

3.1 算例系统参数

以中国北方某地区的风速、太阳能辐射强度等真实数据为例,分析联合运行系统的经济成本和环境影响。所研究地区一年内的每月平均风速、太阳能辐射强度如图3(a)所示,每月的温度和降雨量分布如图3(b)所示[20]。

(a) 风速、太阳能辐射强度数据分布

根据负荷需求及气象数据选择的风电机组、光伏电池和蓄电池的规格分别为1 000 kW/台、400 W/片、1 000 A·h/2 V/块。风电机组的切入风速、额定风速和切出风速分别为2 m/s、11 m/s和25 m/s。设定初始时刻水库和蓄电池的容量均为其最大容量的50%。

表1为联合运行系统各部件的投资成本、运维成本、替换成本和寿命周期[4,7,21]。表2为系统各碳排放来源全生命周期内的碳排放系数[7,16-17]。

表1 系统各部件成本及寿命周期

3.2 结果分析

表3为通过NSGA-Ⅱ和TOPSIS求解得到的并网型风电-光伏-抽水蓄能-蓄电池联合运行系统最优容量配置方案。图4为最优容量配置下系统各部件的成本分布。由表3可知,当系统各部件处于最优容量配置时,联合运行系统的DCR和DLPSP均为0,系统在具有高可靠性的同时实现了对风光电的高效消纳。

表3 最优容量配置方案

图4 最优容量配置的成本分布

为了更直观地反映最优容量配置下联合运行系统的实际运行效果,选取一个样本日进行详细分析。样本日的每小时模拟结果如图5所示,系统输出功率分布如图6(a)所示。由图5和图6(a)可以看出,该典型日风电机组全天发电,光伏阵列只在白天的5:00—17:00时段发电。在夜间22:00—5:00时段,由于风力发电功率较大且负荷需求较小,导致新能源发电功率大于负荷需求,过剩的电能将依次储存在抽水蓄能和蓄电池中,该时段水库水量和蓄电池容量均呈上升趋势。在5:00—7:00和17:00—22:00这2个时段,由于新能源发电功率小于负荷功率,该时段需通过抽水蓄能和蓄电池组成的混合储能系统联合供电以满足负荷需求,所以水库水量和蓄电池容量均呈下降趋势。在白天7:00—17:00时段,风力发电功率减小但光伏发电功率大幅增加,该时段新能源发电功率完全能满足负荷需求,过剩的电能将通过抽水蓄能抽水和蓄电池充电储存,所以水库水量和蓄电池容量均呈上升趋势。

图5 样本日的每小时模拟结果

(a) 输出功率分布

样本日系统的抽水功率分布和充电功率分布分别如图6(b)和图6(c)所示。由图6(b)和图6(c)可知,在0:00—5:00和8:00—11:00时段,新能源相对负荷的过剩功率能同时满足抽水蓄能抽水和蓄电池充电;在7:00—8:00、12:00—17:00、22:00—24:00这3个时段,新能源相对负荷的过剩功率仅能满足抽水蓄能部分抽水功率,另一部分抽水功率由电网供给,蓄电池不进行充电,所以代表蓄电池容量的曲线为直线;在11:00—12:00时段,新能源相对负荷的过剩功率只能满足抽水蓄能满功率抽水,蓄电池的一部分充电功率由电网供给。

此外,图7给出了样本日系统与电网的电能交换趋势。由图7可以看出,系统在夜间1:00—2:00时段向电网出售的电能最多,为13.05 MW·h,原因是该时段新能源发电功率相对负荷的过剩功率最大;系统在白天16:00—17:00时段从电网购买的电能最多,为10.73 MW·h,原因是该时段新能源发电功率基本只能满足负荷需求,为保证系统正常运行,抽水蓄能的大部分抽水功率由电网供给。

图7 样本日系统与电网的电能交换趋势

3.3 考虑不同ω的容量配置方案

为分析成本和碳排放量2种不同指标对系统容量配置的影响,在TOPSIS中设置不同的权重ω,对比分析成本最低、碳排放量最小以及均衡考虑这2种指标的容量配置方案。如图8所示,方案1为最优方案,方案2为成本最低方案,方案3为碳排放量最小方案。方案2相比方案1,虽然成本下降了3.13%,但碳排放量却增大了12.23%;方案3相比方案1,虽然碳排放量下降了3.44%,但成本却增大了6.15%。显然,方案1在2个不同指标上做出了很好的权衡。综上,通过在TOPSIS中设置不同的权重ω会明显影响最优容量配置方案的选择,方案1是联合运行系统同时考虑经济成本和环境影响的最佳方案。

图8 不同ω下的系统成本和碳排放量对比

3.4 不同系统组合的容量配置方案

不同系统组合的容量配置方案见表4。从表4可以看出,当联合运行系统中仅有风力发电或仅有光伏发电时,由于风电机组只在夜间输出功率较大、光伏电池只在白天有输出功率,为了满足负荷需求,系统中风电机组和光伏电池的数量均有所上升,仅有风力发电时的风电机组数量为原来的1.57倍, 仅有光伏发电时的光伏电池数量为原来的2.79倍。

表4 不同系统组合的容量配置方案

此外,在仅有风力发电的系统中,由于白天不能利用太阳能且风力发电功率较小,导致在白天负荷需求较大时大部分电能由混合储能系统通过放水发电和放电来提供,所以混合储能系统的容量增大。虽然减少了光伏电池,但储能容量的增大导致其成本上升了7.36%,碳排放量为原来的1.71倍。在仅有光伏发电的系统中,在夜晚没有光照的情况下,用来满足负荷需求的电能全部由混合储能系统来提供,所以该系统中混合储能的容量比前2种系统大得多,导致其成本上升了62.23%,碳排放量为原来的2.38倍。综上,风电-光伏-抽水蓄能-蓄电池联合运行系统能在保证可靠性的同时保持较低的成本和较小的碳排放量,具有更好的经济性和环保性。

3.5 不同负荷需求下的系统灵敏度分析

为分析不同负荷需求对系统容量配置的影响,考虑了50%、100%和150%的负荷需求变化,以证明所提出的联合运行系统的有效性。不同负荷需求下的系统容量配置方案见表5。从表5可以看出,当负荷需求增加时,系统各部件的数量也随之增加,但不会完全以负荷变化的比例增加。如50%负荷时光伏电池的数量为100%负荷时的1.5倍,150%负荷时的1.9倍。系统成本和碳排放量随负荷变化的趋势如图9所示。从图9可以看出,系统的成本和碳排放量随负荷需求的变化基本呈线性增长,但增长幅度不同。随着负荷需求的增长,系统成本增长的幅度较系统碳排放量增长的幅度小。