考慮小功率波動的海上風電發電側電化學儲能配置優化及分析

李東昆,王俊曦

(國家電網有限公司 華中分部,湖北 武漢 430077)

為了滿足雙碳目標,電力領域開始轉變為以新能源為主體的發電模式,風力、光伏等能源得到充分利用,海上風力能源也得到快速發展[1]。由于海上風電出力存在明顯的波動性和間歇性,直接造成電網新能源消納能力較低,這種情況下,儲能設備不斷接入到海上風電發電側,以期能夠通過合理配置儲能,實現風電輸出功率的調控,最大程度減少棄風棄光現象[2]。以平抑風電出力波為前提,構建多目標儲能配置優化模型。并將天牛須搜索算法與粒子群算法相結合[3]。從經濟性和功率波動性兩方面入手,定義多目標儲能配置優化函數,并引入博弈論思想,構建博弈優化決策模型。利用螢火蟲算法對優化決策模型進行求解,獲取可以同時滿足多個目標的優化配置方案[4]。獲取風電場日風電輸出功率曲線,并通過變分模態分解將輸出功率分為高、低兩部分,分別交予不同的儲能裝置。在此前提下,以最小儲能投資成本為目標設計儲能容量優化配置模型[5]。

鑒于此,以海上風電發電側電化學儲能系統為研究對象,提出一種考慮最小功率波動的儲能容量配置優化方法。以平抑功率波動為前提,生成滿足多個目標的容量配置方案,達到減少棄風現象的發生。

1 海上風電發電側電化學儲能容量配置優化

1.1 建立最小化功率波動的優化運行模型

圖1為海上風電發電側電化學儲能系統結構圖。

圖1 海上風電發電側電化學儲能系統結構圖

由圖1可知,核心裝置是鋰離子電池,當海上風電場出現發電高峰后,多出的風電會輸入儲能系統,由鋰離子電池產生電化學反應,在電場的作用下完成離子的擴散和漂移[6]。在離子轉移過程中結合氧化還原原理,實現電力能量的儲存或釋放。電化學儲能系統運行過程中,為了觀察輸電的穩定性,定義功率波動指標:

(1)

在考慮儲能運行約束的情況下,將最小化功率波動的電化學儲能系統優化運行模型表示:

(2)

式中:min表示最小值;β表示儲能設備儲存的能量;Q表示儲能功率容量;η1表示儲能最小的荷電狀態;E表示儲能能量容量;η2表示儲能最大的荷電狀態;η0表示初始荷電狀態。

1.2 功率波動指標與儲能容量的關系函數

以最小化功率波動狀態下電化學儲能系統優化運行模型為基礎,分析功率波動指標與儲能容量之間的關聯性,并建立對應的關聯系數,作為儲能容量配置優化的前提。設置合理的儲能容量參數后,將最小化功率波動指標的優化運行模型轉化為緊湊形式,可得到:

(3)

式中:θ表示儲能容量參數;a表示決策變量;A、B、b、c表示系數矩陣。

結合多參數規劃理論,建立描述波動指標和儲能容量參數之間關系的分段線性函數[7]:

(4)

式中:χ表示分段的斜率矩陣;ε表示分段的截距系數;I表示分段數量;φ表示參數取值范圍。

從儲能容量參數可行域中選取數個參數,將其代入到式(3)所示的模型中,即可求出每一個分段線性函數的最優解,基于此得出功率波動指標與儲能容量參數之間的函數關系的近似數學表達式。

δ(θ)≈max{τj(b+Bθ)|j=1,2,3,…,m}

(5)

式中:max表示最大值;τ表示最優解;j表示最優解編號;m表示最優解數量。

通過上述計算,解析出功率波動指標與儲能容量參數之間的關系,并推算出新能源和儲能容量最佳配比,以此為前提進行電化學儲能容量配置優化。

1.3 電化學儲能容量配置優化多目標函數

設置最小儲能投資成本、最小棄風量2個目標,定義海上風電發電側電化學儲能容量配置優化多目標函數:

minF=[f1,f2]

(6)

其中,

f1=φ×C1+W×C2

(7)

(8)

考慮最小功率波動的儲能容量配置優化多目標函數定義完成后,針對儲能荷電狀態和儲能充放電狀態分別提出約束條件[8],保證容量配置優化后發電側電化學儲能電池壽命得到延長。

Smin≤St≤Smax

(9)

dt+rt≤1

(10)

式中:S表示電化學儲能系統荷電狀態;Smin、Smax表示最小和最大儲能剩余容量條件下的荷電狀態;d表示儲能系統充電狀態;r表示儲能系統充電狀態。

1.4 生成儲能容量優化配置方案

通過對多目標函數進行求解,可以得到最合理的儲能容量優化配置方案。本研究在求解過程中應用改進鯨魚優化算法,具體的求解流程如圖2所示。

圖2 基于改進鯨魚優化算法的求解流程

由圖2可知,先設置算法參數和初始種群個體,模擬鯨魚群體搜索和捕捉獵物的過程,求解多目標優化函數得到儲能容量配置優化方案。最優解計算過程中,鯨魚種群包圍捕過程可以表示為:

(11)

式中:G表示位置距離;k表示迭代次數;X表示某個鯨魚個體的位置;X′表示最優鯨魚個體的位置;ψ、H表示系數。

其中,2個系數的計算過程為:

H=2ν×ρ1-ν

(12)

ψ=2×ρ2

(13)

式中:ν表示控制參數;ρ1、ρ2表示隨機數。

區別于傳統的鯨魚優化算法,本次多目標優化函數求解過程中應用的改進鯨魚優化算法,采用冪函數替代控制參數[9],且在每次迭代計算過程中同時更新控制參數,達到增強局部搜索能力的目標。

(14)

式中:M表示最大迭代次數。

同時,在螺旋更新鯨魚個體位置的階段引入自適應權重,得到更新數學模型。

(15)

式中:ω表示自適應權重因子;u表示常數;l表示0到1之間的自然數。

按照螺旋方式更新鯨魚個體位置后,運用隨機差分變異策略加強鯨魚群體的多樣性,并重復進行迭代運算,直到滿足最大迭代次數,輸出最優解,得到最終電化學儲能容量配置優化方案。

2 算例分析

2.1 算例概況

由于新提出的儲能容量配置優化方法是針對海上風電發電側電化學儲能的,為了觀察該優化方法的實際應用效果,選定某2019年建立的海上風電場作為研究對象,將所提方法應用到風電發電側,觀察優化配置后的儲能系統工作性能變化。整體來看,該風電場的風力發電存在嚴重的隨機性,使得框長度較長;但全網總負荷日波動較小。

在已知海上風電場基本概況后,按照上文研究內容進行分析,得到風電占比增長情況下功率波動指標變化結果,具體如圖3所示。

圖3 風電占比增長情況下功率波動指標變化

從圖3可以看出,在風電占新能源比例為0.66時,功率波動指標取值最小,代表新能源和儲能容量的最佳配比為0.66∶1。在此前提下,進行后續儲能容量配置優化。

2.2 儲能容量配置優化結果

依托于改進鯨魚算法對多目標儲能容量配置優化函數進行求解時,所得到的迭代尋優收斂曲線如圖4所示。

圖4 迭代收斂曲線

從圖4可以看出,在迭代次數為40次時,目標函數值的取值最低,且后續每次迭代計算結果保持不變,基本可以確定第40次迭代運算輸出結果即為最優解。在對最優解進行反向推理后,可以得到表1所示的優化配置結果。

表1 優化配置結果Tab.1 Optimization configuration results

按照表1所示的參數完成優化配置后,觀察發電側化學儲能系統的荷電狀態,結果如圖5所示。

圖5 優化配置后儲能系統的荷電狀態

由圖5可知,優化配置后風電發電側儲能系統側荷電狀態保持在20%～80%,滿足了海上風電系統工作要求,這也證明了所提優化方法是可行的。

2.3 新能源消納性能對比

從新能源消納量上入手,觀察所提優化方法是否具有較大的應用價值。為了加強分析結果的直觀性,應用文獻[3]、文獻[4]提出的方法對同樣的電化學儲能系統進行容量優化配置,觀察3種方法優化配置完成后不同場景下新能源消納量,得到圖6所示的對比結果。

圖6 不同優化方法應用后新能源消納量對比

由圖6可知,考慮最小功率波動的新型容量優化配置方法應用后,電網新能源消納量穩定在116 400 kW·h左右;而其他2種方法的新能源消納量明顯更低,這一對比結果更加驗證了上文研究內容是有意義的。

3 結語

隨著海上風電資源的不斷開發,如何在保證供電穩定性的同時減少棄風,成為人們關注的重點。對此,本研究從風電發電側電化學儲能裝置入手,設計一種考慮最小功率波動的儲能容量配置優化方法。通過合理調整儲能容量配置,提升電力系統的新能源消納能力。