基于混合儲能的風光儲聯合發電系統優化研究

吳瑞鵬，張程翔

(國網浙江省電力有限公司電力科學研究院，杭州 310014)

0 引 言

近年來，通過合理的能源供應方式提高能源利用效率，減輕污染物排放對環境的影響，已得到各國學者的廣泛關注。風光儲聯合發電系統由于其獨特性能，被廣泛認為是能夠高效節能的滿足多種類型能源需求的有效和潛在選擇[1]。而儲能技術作為近些年來的研究熱點，在能源系統削峰填谷、微電網穩壓穩流、可再生能源消納等方面發揮著重要作用。在多國承諾2050年前實現“碳中和”的背景下，儲能技術已經成為能源產業發展的重要載體[2]。許多國家明確提出儲能在發展微電網、分布式能源和可再生能源等方面的重要性，并出臺大量政策為儲能技術特別是混合儲能技術的發展提供保障[3]。

為此，本文提出了一種結合混合儲能系統(鋰電池和超級電容)和可再生能源綜合利用技術(太陽能和風能)的風光儲聯合發電系統。針對本系統中的儲能子系統提出低通濾波器與超級電容荷電狀態二次反饋的系統控制策略。以系統年綜合成本最小為目標，以本文所提結合人工魚群算法的模擬退火算法為優化工具，采用10 min為步長對系統進行配置優化。最后，利用本文所提系統向杭州某正在開發中的社區提供多種能量。

1 系統描述

基于混合儲能的風光儲聯合發電系統的結構圖如圖1所示。系統以風電、光伏、內燃機和集熱器為核心向用戶提供多種能量。系統采用光伏、風電、內燃機和市政電網聯合為用戶供電，采用混合儲電系統和蓄熱水箱等儲能設備進行儲能。

圖1 基于混合儲能的風光儲聯合發電系統

系統依次采用光伏、風電、內燃機、混合儲電系統和市政電網為用戶提供電負荷。采用吸收式制冷機組和電制冷機組聯合為用戶冷負荷，并用電制冷比分配；吸收式制冷機組所需的熱量依次由集熱器、內燃機回收余熱、蓄熱水箱和燃氣鍋爐提供。依次使用集熱器、內燃機回收余熱、蓄熱水箱和燃氣鍋爐為用戶提供熱負荷。

2 優化方法

2.1 數學模型

為研究分析基于混合儲能的風光儲聯合發電系統的運行特性、經濟性能以及綜合性能等，需要對系統中各設備進行數學建模。在本文中，基于混合儲能的風光儲聯合發電系統各設備所采用的數學模型均屬于通用模型，詳細建模過程見文獻[4]。

2.2 優化過程

針對基于混合儲能的風光儲聯合發電系統，本節以新型優化算法為工具，提出兼顧設備配置和控制策略的多參數協同優化方法，以降低系統的投運成本。

2.2.1 決策變量

決策變量選取是否合理直接影響系統的優化結果，本文選取對基于混合儲能的風光儲聯合發電系統的運行特性及投運成本有著重要影響的8個參數作為決策變量。這些決策變量分別為內燃機、光伏系統、風電系統和集熱器額定功率、電制冷比、蓄熱水箱、鋰電池和超級電容額定容量。

2.2.2 約束條件

在對基于混合儲能的風光儲聯合發電系統進行多參數協同優化時必須滿足各設備的實時出力約束、設備啟停約束、多種能源實時供需平衡約束等。

2.2.3 目標函數

系統能否能應用到實際工程中、除了要考慮系統能效性、環保性、獨立性和可靠性外，首先要考慮該系統的經濟性。系統的經濟性好壞直接影響該能源系統是否能在實際工程應用中大規模的推廣，而系統的年綜合成本是評價一個系統經濟性最常用的一個指標。故為了提高基于混合儲能的風光儲聯合發電系統的經濟性，以本文所提系統的年綜合成本最小為目標函數，詳細計算過程見文獻[5]。

2.2.4 優化算法

人工魚群算法具有計算和收斂速度快、不需要嚴格的機理模型、應用范圍廣泛等優勢。模擬退火算法具有實用性廣、計算量小、魯棒性強等優勢、能很好的解決非線性優化問題。故本研究將結合人工魚群算法與模擬退火算法各自的優勢，提出一種計算速度快、魯棒性強、全局性好的新型優化算法，對本文所提系統的進行設備配置優化，得到以系統年綜合成本最小為優化目標下的系統最佳運行狀態。

2.3 案例研究

本文選取杭州市某正在開發中的混合社區為研究案例，該社區包含學校建筑、辦公建筑荷居民建筑三種建筑類型，且住宅建筑和公共建筑的各自占比約為50%。杭州地區的氣候區屬于典型的夏熱冬冷區域，冬季需要對建筑進行供暖、夏季和過渡季節需要對建筑進行供冷、全年的電負荷波動不大。此外杭州地區的太陽能和風能資源較為豐富，適合發展分布式光伏、光熱和風電，該地區的室外參數條件如圖2所示。

圖2 杭州地區室外氣象參數

圖3表示的是杭州某社區在典型年的全年冷熱電負荷，該社區負荷由DeST模擬得到。其中，社區的電負荷全年大致以周為周期進行變化，在寒暑假期間電負荷相對較小，且周末電負荷約為工作日的1/3。

圖3 社區冷熱電負荷

2.4 參數設置

本文研究的是混合社區，為簡化計算均采用城市工商電力和天然氣的價格，杭州地區城市用電、燃氣價格見表1。基于混合儲能的風光儲聯合發電系統中各設備的初始投資和維護成本見表2。各決策變量的取值范圍見表3。

表1 杭州地區購能的單位成本[4]

表2 設備經濟參數[3-4]

表3 各決策變量取值范圍

3 結果與討論

3.1 優化結果

各決策變量的優化結果如表4所示。其中，“方案一”是以系統年綜合成本最小為優化目標，“方案二”是以系統一次能源節約率最大為優化目標，見表4，兩個方案的蓄熱水箱額定容量相差不大，僅相差186 kWh。因為蓄熱的單位成本較為便宜，故無論是以經濟為目標還是以能效為目標，都會增大蓄熱水箱的容量。方案二的內燃機額定功率比方案一少128 kW，光伏安裝功率卻大601 kW。因為天然氣的單價較為便宜，而光伏的單位初始投資較為昂貴，且本研究考慮了光伏并網的懲罰成本，故引起上述現象產生。此外，方案二的鋰電池和超級電容的額定容量分別比方案一多了1 378 kWh和201 kWh。儲電的單位成本較為昂貴，當以經濟為目標時會盡量減少儲電容量。

表4 各決策變量的優化結果

系統各性能指標值見表5。其中，方案一的年綜合成本比方案二少了6.2×105元(少22.8%)，年值節約率高了20.5%。當以系統經濟性為目標時，啟發式算法在優化過程中將盡可能地降低系統投運成本，提高系統的經濟性。而方案二的一次能源節約率和CO2減排率分別比方案一高了14.7%和6.6%。當以系統能效性為目標時，本文所提算法將盡可能提高系統的節能效果，而系統環保性和能效性之間基本呈現正相關。

表5 經優化后系統的各性能指標

3.2 典型日電能平衡

系統在夏季典型日(7月15日)的電能平衡如圖4所示。鋰電池和超級電容的荷電狀態(SOC)始終處于高位狀態。在該典型日，太陽能資源相對較好，故采用內燃機和光伏系統發電能滿足用戶電量需求，不需要從市政電網購電。

圖4 系統夏季典型日電能平衡(7月15日)

系統在冬季典型日(1月15日)的電能平衡如圖5所示，從凌晨至下午鋰電池和超級電容的荷電狀態一直處在低位狀態。在夜間，風力發電機開始發電，系統多余的電量由鋰電池和超級電容進行存儲，而在該典型日，當地的太陽能資源相對匱乏，故在白天期間，內燃機和光伏發電量并不能完全用戶電負荷需求，系統需要從市政電網購電補充負荷缺口。

圖5 系統冬季典型日電能平衡(1月15日)

4 結束語

本文提出的結合混合儲能(鋰電池和超級電容)和可再生能綜合利用技術(太陽能和風能)的風光儲聯合發電系統能夠為風能和太陽能的就地利用提供一個參考。采用本文所提出的低通濾波器結合超級電容荷電狀態二次反饋的控制策略，以系統年綜合成本最小為優化目標，采用新型智能算法優化后該系統的年綜合成本、一次能源節約率和CO2減排率分別為2.7×106元、49.3%和63.4%。方案一(經濟性為目標)在保證系統節能減排效果的前提下有著優異的經濟性，方案二(節能性為目標)由較好的節能減排效果，但經濟性一般；故以方案一的經濟、節能及環保優勢，有著廣泛的推廣潛力。此外，結合混合儲能后，本文所提的系統具有優異的風光互補優勢。

本文提出的風光儲聯合發電系統能夠為太陽能和風能的就地利用提供一個參考。提出的低通濾波器結合超級電容荷電狀態二次反饋的控制策略將為延長混合儲能系統壽命、提高可再生能源利用的經濟性提供一個方案。