極端風(fēng)暴下的海上風(fēng)電制氫聯(lián)合運行系統(tǒng)爬坡控制策略

張培杰, 陳春宇,任必興,臧天磊,戴雪梅,張曉

(1.中國礦業(yè)大學(xué)電氣工程學(xué)院, 江蘇省徐州市 221116;2. 國網(wǎng)江蘇省電力有限公司電力科學(xué)研究院,南京市 211103;3. 四川大學(xué)電氣工程學(xué)院, 成都市 610065;4. 上海電力大學(xué)自動化工程學(xué)院, 上海市 200090)

0 引 言

為構(gòu)建新型電力系統(tǒng),我國在新能源稟賦優(yōu)良且具備可持續(xù)開發(fā)條件的地區(qū),大力推進新能源基地化開發(fā)。海上風(fēng)電因其大規(guī)模發(fā)電潛力、優(yōu)質(zhì)風(fēng)資源和對土地資源的低依賴性,在“十四五”可再生能源建設(shè)中占據(jù)重要位置[1-2]。為提升風(fēng)電消納水平,避免大規(guī)模棄風(fēng)問題發(fā)生,考慮“風(fēng)電+儲能”的風(fēng)儲聯(lián)合運行系統(tǒng)受到廣泛關(guān)注[3]。其中,氫能作為一種高能量密度清潔能源,存儲與運輸?shù)慕?jīng)濟效益通常優(yōu)于電能[4]。海上風(fēng)電制氫聯(lián)合系統(tǒng)是風(fēng)儲聯(lián)合運行系統(tǒng)今后的重要發(fā)展方向之一。近年來,全球氣候變暖導(dǎo)致海上風(fēng)暴等極端氣象事件頻繁發(fā)生,亟需研究海上風(fēng)電制氫聯(lián)合系統(tǒng)在極端氣象事件下的安全運行策略。

作為一種新型風(fēng)儲聯(lián)合運行系統(tǒng),海上風(fēng)電制氫聯(lián)合系統(tǒng)的研究重點主要包括:系統(tǒng)儲能容量優(yōu)化配置[5-9]、優(yōu)化調(diào)度[10-14]和電力市場競價[11]等方面。文獻[5]采用聚類算法得到典型的風(fēng)電-負荷場景,并構(gòu)建了綜合考慮系統(tǒng)年運行成本、設(shè)備年化投資成本和維護成本的風(fēng)-氫耦合系統(tǒng)容量優(yōu)化配置方案。文獻[6]采用區(qū)間優(yōu)化理論確定風(fēng)電制氫系統(tǒng)最優(yōu)容量配置區(qū)間。文獻[9]考慮了動態(tài)電價對容量配置的影響,提出了以單位制氫成本最低為目標(biāo)的儲能與制氫單元容量配置方案。從系統(tǒng)調(diào)度層面出發(fā),文獻[10]提出了碳減排機制下的風(fēng)氫聯(lián)合調(diào)度策略,提升了低碳經(jīng)濟效益。從資源角度出發(fā),風(fēng)電制氫聯(lián)合運行系統(tǒng)可以參與能量或者輔助服務(wù)市場獲得收益。然而,由于風(fēng)電和電價的不確定性,會影響風(fēng)電制氫聯(lián)合運行系統(tǒng)的可靠性。為此,文獻[11]提出了基于分布式機會約束規(guī)劃方法的日前能量市場競價策略,可有效降低不確定性風(fēng)險。風(fēng)電制氫聯(lián)合運行系統(tǒng)中的風(fēng)電場和制氫站可能分屬不同運營主體,二者參與市場存在獲利協(xié)調(diào)問題。為此,文獻[14]利用多智能體強化學(xué)習(xí)方法,設(shè)計了聯(lián)合收益最大化模型。上述研究顯著提升了風(fēng)電制氫聯(lián)合運行系統(tǒng)的經(jīng)濟效益。然而,在極端氣象條件下如何避免海上風(fēng)電制氫聯(lián)合運行系統(tǒng)爬坡,保證主網(wǎng)安全運行,仍值得進一步深入研究。

近年來,研究人員針對臺風(fēng)等極端氣象條件下的電網(wǎng)調(diào)度或防控展開研究。文獻[15]預(yù)測海上風(fēng)機梯次停運時間以延緩風(fēng)電功率爬坡。文獻[16]模擬了臺風(fēng)下電力系統(tǒng)設(shè)備故障狀態(tài),對不同風(fēng)電滲透率下的電網(wǎng)進行多時間尺度調(diào)度。文獻[17]考慮了風(fēng)電不確定性,建立了基于極限場景的兩階段魯棒規(guī)劃模型,提高了配電網(wǎng)在極端情況下的可靠性。文獻[18]考慮了臺風(fēng)事件對海上風(fēng)電場儲能配置的影響,提出了考慮風(fēng)電不確定性的儲能容量優(yōu)化配置方法。上述研究主要側(cè)重臺風(fēng)導(dǎo)致的風(fēng)機故障與系統(tǒng)安全運行問題研究,對臺風(fēng)天氣下海上風(fēng)電制氫聯(lián)合系統(tǒng)的爬坡及其對系統(tǒng)的影響考慮不足。

在常規(guī)氣象條件下,海上風(fēng)電制氫聯(lián)合運行系統(tǒng)給周邊海島負荷供電;同時,通過海底電纜接入岸上主網(wǎng),在滿足儲氫需求的同時,將富余風(fēng)電輸送至岸上主網(wǎng)。然而,在極端風(fēng)暴環(huán)境下,海上風(fēng)電制氫聯(lián)合運行系統(tǒng)因風(fēng)電功率的劇烈波動可能出現(xiàn)并網(wǎng)功率爬坡問題。基于此,本文分析了海上風(fēng)電制氫聯(lián)合運行系統(tǒng)的爬坡自抑制特性,并給出了不確定性情況下基于機會約束的爬坡平抑控制策略及其最優(yōu)置信度選取方法,實現(xiàn)了成本與風(fēng)險控制的有效平衡。提出了一種考慮風(fēng)電不確定性的爬坡控制策略。首先,通過定量描述風(fēng)電制氫聯(lián)合運行系統(tǒng)與傳統(tǒng)海上風(fēng)電場在極端風(fēng)暴下的爬坡特征,分析了海上風(fēng)電制氫聯(lián)合運行系統(tǒng)對爬坡的自抑制能力。然后,構(gòu)建考慮源-儲-荷運行特性的爬坡控制模型,并給出考慮風(fēng)電不確定性的機會約束模型形式。緊接著,通過機會約束轉(zhuǎn)換求解確定性控制模型,得到爬坡控制資源在風(fēng)暴來臨前后的調(diào)度出力方案;最后,通過客觀權(quán)重賦權(quán)法(criteria importance though intercrieria correlation,CRITIC)-優(yōu)劣解距離法((technique for order preference by similarity to ideal solution, TOPSIS)進行多屬性決策(multiple attribute decision making,MADM)。仿真結(jié)果表明,同樣是采用協(xié)調(diào)優(yōu)化爬坡控制方法,相較于風(fēng)電場,由于電解系統(tǒng)對風(fēng)電功率的吸收作用,海上風(fēng)電制氫聯(lián)合運行系統(tǒng)無需棄風(fēng),直接使用電解系統(tǒng)抑制極端風(fēng)暴過境前后引發(fā)的功率波動,提升了風(fēng)電消納水平。同時,通過選取合適的置信度,所提考慮風(fēng)電不確定性的爬坡控制策略可以有效兼顧成本控制與風(fēng)險抑制需求。

1 極端風(fēng)暴下的海上風(fēng)電制氫聯(lián)合運行系統(tǒng)的爬坡特性分析

1.1 極端風(fēng)暴對海上風(fēng)電制氫聯(lián)合運行系統(tǒng)爬坡的作用機理

并網(wǎng)運行的海上風(fēng)電制氫聯(lián)合運行系統(tǒng)(offshore wind-electrolysis joint system, OWEJS)結(jié)構(gòu)如圖1所示。

圖1 海上風(fēng)電制氫聯(lián)合運行系統(tǒng)基本結(jié)構(gòu)

OWEJS主要由風(fēng)電場、電解系統(tǒng)及其配套系統(tǒng)(壓縮機、儲氫罐等)構(gòu)成,海上風(fēng)電系統(tǒng)向主網(wǎng)供電同時利用剩余風(fēng)電功率向儲氫系統(tǒng)供電,其向主網(wǎng)的凈注入功率POWEJS為:

POWEJS=PW-PH

(1)

式中:PW表示海上風(fēng)電總預(yù)測功率;PH表示用于電解制氫的風(fēng)電功率。在極端風(fēng)暴過程中,OWEJS凈注入功率與風(fēng)速的關(guān)系可表示為:

(2)

式中:POWEJS(v)表示風(fēng)速v下的凈注入功率;PH(v)表示風(fēng)速v下向電解系統(tǒng)注入的制氫功率;Prate表示海上風(fēng)電場的額定功率;ρ表示空氣密度;Cp為氣動性函數(shù);r為葉片半徑;vin為海上風(fēng)電場的切入風(fēng)速;vstart為電解系統(tǒng)啟動風(fēng)速;vrate代表額定風(fēng)速;vout代表海上風(fēng)電場的切出風(fēng)速。令風(fēng)暴來臨前后的風(fēng)速分別為v0(vstart

(3)

式中:ΔPH為制氫風(fēng)電功率變化量。

ΔPH=PH(v1)-PH(v0)

(4)

由式(3)可知,通過控制高風(fēng)速v1下的制氫功率PH(v1)超出低風(fēng)速v0下的制氫功率PH(v0),可以利用正的ΔPH抵消部分風(fēng)電功率增加,從而抑制OWEJS上爬坡。當(dāng)v1超過切出風(fēng)速vout時:

(5)

可以利用制氫功率PH(v0)來抵消部分風(fēng)電功率減少,從而抑制OWEJS下爬坡。

1.2 海上風(fēng)電制氫聯(lián)合運行系統(tǒng)的爬坡特性分析

以Composite IEC Class I風(fēng)電場為基礎(chǔ),構(gòu)建模擬OWEJS與海上風(fēng)電場實際運行的仿真系統(tǒng),得到臺風(fēng)來臨前后的系統(tǒng)功率曲線。仿真關(guān)鍵參數(shù)如表1所示。臺風(fēng)風(fēng)力為12～13級,風(fēng)速范圍為28.5～41.5 m/s。臺風(fēng)過境時間為17～30 min。臺風(fēng)實際風(fēng)速數(shù)據(jù)由YanMeng風(fēng)場模型計算得出。

表1 仿真關(guān)鍵參數(shù)

爬坡事件定義為:

ΔPx=|Px(t+Δt)-Px(t)|

(6)

式中:Px(t)為t時刻系統(tǒng)功率;x表示不同系統(tǒng)(海上風(fēng)電場系統(tǒng)或OWEJS);Δt為爬坡持續(xù)時間,爬坡閾值設(shè)為Plim=20%Prate[19]。

通過式(2)所示的OWEJS功率分段函數(shù),模擬出相同風(fēng)速條件的海上風(fēng)電場(即不考慮制氫環(huán)節(jié)PH(v)的特殊OWEJS)與OWEJS出力曲線,如圖2所示。由圖2可知,盡管臺風(fēng)過境前(0～17 min)與過境后(30～48 min)系統(tǒng)(OWEJS和風(fēng)電場)出現(xiàn)并網(wǎng)功率波動。然而,由于風(fēng)速波動幅度較低(7～12 min),系統(tǒng)功率變化(OWEJS對應(yīng)的ΔPOWEJS1=1.72 MW和海上風(fēng)電場對應(yīng)的ΔPw1=3.99 MW)遠低于爬坡事件功率變化率閾值Plim。因此,在正常風(fēng)速變化情況下,系統(tǒng)不會發(fā)生爬坡事件。

圖2 極端風(fēng)速下的系統(tǒng)爬坡特性

當(dāng)臺風(fēng)來臨時(17～22 min),風(fēng)速由21.3 m/s驟增到45.5 m/s,導(dǎo)致風(fēng)電切機,海上風(fēng)電場功率由額定出力2.50 MW驟減至0 MW,發(fā)生如圖2藍色虛線箭頭所示的下爬坡事件。由于OWEJS通過制氫系統(tǒng)吸收部分功率,使得臺風(fēng)來臨時OWEJS功率變化(藍色實線箭頭所示,ΔPOWEJS2=1.76 MW)小于海上風(fēng)電場功率變化(ΔPw2=2.50 MW)。

在臺風(fēng)結(jié)束時段30～35 min,風(fēng)速由26 m/s減至切出風(fēng)速以下,至21m/s附近。此時,海上風(fēng)電場輸出功率由0 MW驟增至額定功率。由圖2可知,在臺風(fēng)結(jié)束時段內(nèi)由于制氫系統(tǒng)的吸收作用,使得OWEJS功率變化(ΔPOWEJS3=1.76 MW)小于海上風(fēng)電場(ΔPw3=2.50 MW)。

綜上仿真分析表明,OWEJS通過控制氫功率的變化量ΔPH,對并網(wǎng)功率爬坡具備抑制作用。為了實現(xiàn)爬坡控制經(jīng)濟效益最優(yōu),本文進一步提出一種源荷儲協(xié)調(diào)爬坡控制策略。

2 極端風(fēng)暴下的海上風(fēng)電制氫聯(lián)合運行系統(tǒng)爬坡控制

2.1 源荷儲協(xié)調(diào)爬坡控制模型

本文提出的源荷儲協(xié)調(diào)爬坡控制框架如圖3所示。OWEJS、火電系統(tǒng)與儲能系統(tǒng)供應(yīng)微網(wǎng)負荷并與主網(wǎng)實現(xiàn)功率交互。

圖3 源荷儲協(xié)調(diào)爬坡控制框架

2.1.1 電解系統(tǒng)模型

電解槽在t時段產(chǎn)生氫氣量EEL(t)為[20]:

(7)

0≤PH(t)≤PHmax

(8)

式中:PH(t)代表t時刻輸入電解槽功率;PHmax代表電解槽輸入功率上限;ηEL為電解槽制氫效率,本文選用堿性電解槽,取67%～82%;HHVH為氫的熱值,通常取39.4 kW/kg。

電解槽產(chǎn)生的氫氣經(jīng)壓縮后輸送到儲氫站,壓縮機模型可表示為:

ECE(t)=EEL(t)·ηCE

(9)

0≤ECE(t)≤ECEmax

(10)

式中:ηCE為壓縮機效率;ECE(t)為t時刻壓縮機輸出的氫氣量;ECEmax為壓縮機輸出氫氣量上限。

儲氫站數(shù)學(xué)模型可表示為[21]:

EH(t)=EH(t-1)+ECE(t)-Eout(t)

(11)

EHmin≤EH(t)≤EHmax

(12)

0≤Eout(t)≤Eoutmax

(13)

EH(T)=EH(0)

(14)

式中:EH(t)為t時刻儲氫罐的儲存量;Eout(t)為t時刻儲氫罐的售出量;EHmax與EHmin分別表示儲氫罐容量的上下限;Eoutmax為儲氫罐的最大售出量;EH(T)=EH(0)表示爬坡控制周期初始與末端時刻儲氫罐的儲存量相等。

2.1.2 儲能系統(tǒng)模型

采樣同時考慮充放電功率與荷電狀態(tài)的儲能電池模型[22-23]:

(15)

SOCmin≤SOC(t)≤SOCmax

(16)

0≤PESc(t)≤δc(t)·Pcmax

(17)

0≤PESd(t)≤δd(t)·Pdmax

(18)

δc(t)+δd(t)≤1

(19)

SOC(T)=SOC(0)

(20)

式中:SOC(t)為t時刻儲能電池的蓄電量;PESc(t)與PESd(t)代表t時刻儲能電池的充放電功率;ηES為充放電效率;Pcmax與Pdmax代表充放電功率上限;SOCmax和SOCmin代表儲能電池電荷量上下限;δc(t)與δd(t)代表充放電狀態(tài),為0-1變量,式(19)確保儲能電池充放電不會同時發(fā)生。

2.1.3 并網(wǎng)功率模型

當(dāng)微網(wǎng)內(nèi)總體發(fā)電功率大于負荷時向電網(wǎng)售電;反之則向電網(wǎng)購電滿足負荷需求。微網(wǎng)與電網(wǎng)功率交互模型如下:

(21)

(22)

δbuy(t)+δsell(t)≤1

(23)

2.1.4 爬坡控制目標(biāo)函數(shù)

構(gòu)建考慮成本最小化的爬坡控制目標(biāo)函數(shù)。由于建設(shè)儲能電池、儲氫等設(shè)備的成本固定,且日常維護成本較小,因此在本文中忽略不計[24-26]。

(24)

式中:T表示爬坡控制總時段;Cg為火力發(fā)電成本;CEL為制氫成本;Cbuy為購電成本;Ccw為棄風(fēng)懲罰成本;CES為儲能成本;CH為售氫所得收益;Csell為售電收益,具體地:

(25)

CEL=cELEEL(t)

(26)

Cbuy=cbuyPOWEJSbuy(t)

(27)

Ccw=ccwPcw(t)

(28)

CES=cES|Pbess(t)|

(29)

CH=cHEout(t)

(30)

Csell=csellPOWEJSsell(t)

(31)

式中:Pg(t)為t時刻火電出力;Pcw(t)為t時刻OWEJS棄風(fēng)功率;Pbess(t)為t時刻儲能充放電功率;a、b和c為火電輸出功率成本系數(shù);cEL、cbuy、ccw、cES、cH和csell分別為t時刻電解槽的單位制氫量成本、單位購電成本、單位棄風(fēng)懲罰成本、單位儲能成本、售氫單價以及售電單價。

2.1.5 爬坡控制約束條件

爬坡控制約束包括2.1.1—2.1.3節(jié)給出的電解系統(tǒng)模型式(7)—(14)、儲能系統(tǒng)模型式(15)—(20)以及并網(wǎng)功率模型式(21)—(23)。同時,爬坡控制約束還包括:

功率平衡約束:

Pg(t)+Pw(t)+POWEJS(t)+Pbess(t)≥PL(t)+PH(t)

(32)

式中:Pw(t)為t時刻海上風(fēng)電場的出力預(yù)測值;PL(t)代表t時刻微網(wǎng)負荷預(yù)測功率。

棄風(fēng)功率約束:

0≤Pcw(t)≤Pw(t)

(33)

并網(wǎng)功率爬坡約束:

|POWEJS(t+Δt)-POWEJS(t)|≤Plim

(34)

火電機組運行約束:

0≤Pg(t)≤Pgmax

(35)

|Pg(t+Δt)-Pg(t)|≤Pglim

(36)

式中:Pgmax為火電出力上限;Pglim為火電機組爬坡閾值。

2.2 考慮風(fēng)電不確定性的爬坡控制策略

由于風(fēng)電具有隨機與波動性,2.1節(jié)適用于固定參數(shù)的確定性模型可能無法很好評估由風(fēng)電波動性帶來的棄風(fēng)以及失負荷等風(fēng)險。為此,本文將受風(fēng)電不確定性影響的功率平衡約束式(32)轉(zhuǎn)換為滿足一定置信度的機會約束,使得爬坡控制模型兼顧經(jīng)濟性和魯棒性:

Pr{Pg(t)+Pw1(t)+POWEJS(t)+Pbess(t)≥PL(t)+PH(t)+Pcw(t)}≥α

(37)

Pw1(t)=Pw(t)+ξ

(38)

式中:Pr{·}為{}中條件成立的概率;α為置信度;Pw1(t)為t時刻風(fēng)電實際出力;ξ為風(fēng)電預(yù)測誤差。

機會約束式(37)無法直接求解,本文令ξ服從正態(tài)分布[27],將式(37)轉(zhuǎn)化為[28]:

PL(t)+PH(t)+Pcw(t)-POWEJS(t)-Pbess(t)-Pg(t)≤Pw(t)+Γα

(39)

式中:Γα為風(fēng)電預(yù)測誤差累計概率分布函數(shù)Φ的逆函數(shù)Φ-1在1-α的函數(shù)值:

Γα=Φ-1(1-α)

(40)

2.3 基于CRITIC-TOPSIS法的最優(yōu)置信度評價模型

在考慮風(fēng)電不確定性爬坡策略的基礎(chǔ)上,本文進一步提出基于CRITIC-TOPSIS法的最優(yōu)置信度綜合評價模型對不同置信度下系統(tǒng)優(yōu)化結(jié)果進行評價,得到最適合調(diào)度中心的置信度。

2.3.1 置信度評價指標(biāo)

本文選用的置信度評價指標(biāo)為不同置信度下系統(tǒng)附加運行成本μ與不確定性資源投入率η。

μ與η計算方法如下:

(41)

(42)

式中:FCCP(α)為不同置信度α下系統(tǒng)成本。μ越大表示不確定性(考慮機會約束的)爬坡控制相對于確定性(不考慮機會約束的)爬坡控制成本變化越劇烈,系統(tǒng)抵抗風(fēng)電不確定性產(chǎn)生的附加成本越高[29];η越高代表不確定性資源(風(fēng)電)發(fā)生的違約風(fēng)險越高。

2.3.2 CRITIC-TOPSIS法原理

為了衡量指標(biāo)(μ與η)在α決策過程中的重要程度,需要對其賦權(quán)。指標(biāo)權(quán)重的確定方法主要有主觀賦權(quán)法、客觀賦權(quán)法。

由于主觀賦權(quán)法過多依賴人為偏好,客觀性較弱,故采用CRITIC法求出μ和η在評價模型中的權(quán)重[30]。然后,使用TOPSIS方法,結(jié)合CRITIC求出的權(quán)重值,計算不同置信度下綜合評價指標(biāo)。

CRITIC是一種為多維度決策指標(biāo)提供比例權(quán)重的方法[31],既能反映各指標(biāo)下數(shù)據(jù)結(jié)果的差異波動程度,又能降低相關(guān)性高的指標(biāo)在評價時造成的重復(fù)性。TOPSIS是一種通過對多個評價對象與理想解貼近度進行優(yōu)劣排序的多屬性決策分析綜合評價方法[32-34]。

將不同置信度作為評價決策集,比較不同指標(biāo)與正負理想距離的相對接近度,根據(jù)相對接近度確定最優(yōu)置信度。CRITIC-TOPSIS法主要步驟如下[35]:

第一步：設(shè)原始決策矩陣X=(xij)n×m,為消除因量綱不同對評價結(jié)果造成的影響,對各指標(biāo)進行無量綱化處理,得到標(biāo)準(zhǔn)化矩陣X′=(x′ij)n×m。

第二步：計算第j個指標(biāo)的標(biāo)準(zhǔn)差Sj來表示各指標(biāo)內(nèi)取值波動差異情況,如下所示:

(43)

第三步：通過不同指標(biāo)之間的相關(guān)系數(shù)rij,計算指標(biāo)沖突性系數(shù)Rj,如下所示:

(44)

(45)

第四步：根據(jù)指標(biāo)沖突性系數(shù),求第j個指標(biāo)在整個評價指標(biāo)體系中的信息量Cj,信息量越大其在評價過程中作用就越大:

Cj=Sj·Rj

(46)

第五步：計算客觀權(quán)重wj:

(47)

第六步：計算標(biāo)準(zhǔn)化矩陣Z:

(48)

(49)

(50)

第八步：計算各置信度與最優(yōu)置信度的相對接近值C′j:

(51)

結(jié)合上述爬坡控制模型與評價模型,本文所提的源荷儲協(xié)調(diào)爬坡控制策略流程如圖4所示。

圖4 爬坡控制策略流程圖

3 算例分析

本節(jié)使用實際數(shù)據(jù)對第2節(jié)提出的爬坡控制模型進行仿真算例驗證。圖5(a)所示的源荷數(shù)據(jù)均來自比利時電網(wǎng)開源數(shù)據(jù)[36];時間步長為15 min,風(fēng)速[37]曲線見圖5(b);根據(jù)我國對并網(wǎng)風(fēng)電爬坡率要求[38],并網(wǎng)爬坡率限制Plim取15 min變化率不超過50 MW。其他具體參數(shù)見表2[12,39]。為了比較OWEJS與海上風(fēng)電場的爬坡控制效果,本文令OWEJS與海上風(fēng)電場(除電解系統(tǒng)外)的系統(tǒng)參數(shù)完全相同。

表2 算例仿真參數(shù)

圖5 源荷數(shù)據(jù)曲線

本文采用Yalmip(版本R20210331)與Gurobi(版本10.0.2)求解式(7)—(40)。電腦配置為Intel(R) Core(TM) i5-12600KF CPU @ 3.70 GHz ,內(nèi)存RAM為16 GB。

3.1 風(fēng)電制氫聯(lián)合運行系統(tǒng)與風(fēng)電場的爬坡控制效果對比分析

圖6給出OWEJS與海上風(fēng)電場爬坡控制后的并網(wǎng)功率曲線。定義向系統(tǒng)注入功率為正,從系統(tǒng)吸收功率為負,得到OWEJS與海上風(fēng)電場爬坡控制后各機組出力如圖7所示。其中,Y軸正半軸為風(fēng)電功率、向電網(wǎng)購電功率、火電功率以及儲能電池的放電功率;Y軸負半軸為負荷預(yù)測功率、向電網(wǎng)售電功率、儲能電池充電功率、棄風(fēng)功率以及電解槽從OWEJS系統(tǒng)吸收的功率。圖中橙色陰影(09:15—15:45)代表臺風(fēng)過境時段。

圖6 不同系統(tǒng)爬坡控制后電網(wǎng)交互功率

圖7 不同系統(tǒng)爬坡控制前后調(diào)度情況

圖6藍色實線所示的OWEJS并網(wǎng)功率曲線分為售電階段(00:00—07:15與17:45—24:00)、售電-購電過渡階段(07:15—09:30與15:30—17:45)與購電階段(09:30—15:30)。在00:00—07:15和17:45—24:00,由于風(fēng)電出力高于負荷且風(fēng)電成本低于火電與儲能,火電與儲能沒有出力。供給負荷后的富余風(fēng)電功率直接轉(zhuǎn)化為售電功率傳輸給主網(wǎng);同時,在01:15—05:45時段,由于富余風(fēng)電功率超過售電功率上限,并網(wǎng)功率維持在60 MW,超過上限的風(fēng)電功率部分由電解槽吸收(如圖7(a)中01:15—05:45淺藍色柱狀圖所示)。在臺風(fēng)發(fā)生前08:00—09:30,臺風(fēng)即將過境,火電由于爬坡限制提前開始出力,微電網(wǎng)由向系統(tǒng)售電過渡為從系統(tǒng)購電狀態(tài)。同時,由于爬坡控制的作用,并網(wǎng)功率的變化率保持在閾值50 MW/(15 min)以內(nèi)。在臺風(fēng)過境階段09:30—15:30,風(fēng)速從21.3 km/s陡升至35.5 km/s超出切出風(fēng)速,風(fēng)電出力快速降低至0 MW,火電與儲能增加出力以供給負荷需求;由于微電網(wǎng)的購電成本低于火電與儲能,因此,并網(wǎng)功率在保證爬坡限制的前提下增至購電功率上限(如圖7(a)中10:00—15:30黃色柱狀圖所示)。在臺風(fēng)結(jié)束階段15:30—16:00,風(fēng)速由30.3 km/s減小到23.3 km/s,同時風(fēng)電功率由0 MW驟升至額定功率,此時并網(wǎng)功率由購電階段過渡到售電階段,由于并網(wǎng)功率爬坡限制,購售電狀態(tài)無法瞬間轉(zhuǎn)換,在風(fēng)電功率達到額定狀態(tài)下仍存在短時間購電(如圖7(a)中16:00—17:00黃色柱狀圖所示),此時超出負荷功率的部分功率向電解槽提供功率(如圖7(a)中16:00—17:00的淺藍色柱狀圖所示),完成對風(fēng)電的完全消納。

圖6橙色實線所示的海上風(fēng)電場并網(wǎng)功率同樣可分為售電階段(00:00—07:15與17:30—24:00)、售電-購電過渡階段(07:15—09:30與15:15—17:30)與購電階段(09:30—15:15)。不同機組的功率變化規(guī)律與OWEJS大致相同,主要區(qū)別包括:

1)海上風(fēng)電場產(chǎn)生富余的風(fēng)電功率(風(fēng)電-負荷)對主網(wǎng)的售電功率達到上限后,轉(zhuǎn)而向儲能系統(tǒng)放電(如圖7(b)中01:00—06:00的藍色柱狀圖所示)。而在OWEJS中,由于儲能系統(tǒng)的單位充放電成本超過電解槽,因此OWEJS優(yōu)先使用電解槽儲存富余風(fēng)電。

2)當(dāng)儲能系統(tǒng)蓄電量達到上限后,多余的風(fēng)電只能通過棄風(fēng)來保證系統(tǒng)功率平衡,同時兩系統(tǒng)都通過設(shè)置棄風(fēng)懲罰來減少棄風(fēng)。所以海上風(fēng)電場會盡量延遲“售電-購電過渡階段”開始時間來減少因儲能電池飽和產(chǎn)生的棄風(fēng)量(如圖6中Δt=15 min)。而OWEJS優(yōu)先使用電解槽儲存富余風(fēng)電,儲能電池不會飽和,不會產(chǎn)生棄風(fēng),可以實現(xiàn)風(fēng)電的完全消納。由于售電與售氫均可產(chǎn)生利潤,而充放電都需要成本,同時購電成本也要小于儲能放電成本,所以O(shè)WEJS會提前進入“售電-購電過渡階段”以減小儲能電池的運行成本。

3)OWEJS的火電總成本與購電總成本均大于風(fēng)電場,但儲能成本小于風(fēng)電場,同時OWEJS沒有棄風(fēng)。在爬坡控制周期內(nèi),OWEJS與海上風(fēng)電場中的火電機組與購電主要發(fā)生在其“購電階段”,由于儲能的單位充電成本高于電解槽,富余風(fēng)電主要供給電解系統(tǒng),所以在“購電階段”為平衡微網(wǎng)負荷主要表現(xiàn)為電網(wǎng)購電以及火電出力(如圖7(a)中09:15—15:45Y軸上半軸柱狀圖組合所示)。而海上風(fēng)電場在“購電階段”富余風(fēng)電主要通過儲能系統(tǒng)儲存,所以在“購電階段”,風(fēng)電場的儲能出力要大于OWEJS。在“購電階段”初期與末期,海上風(fēng)電場由于火電出力爬坡限制,使用儲能放電并向電網(wǎng)購電來平衡微網(wǎng)負荷,此時儲能出力略大于火電出力(如圖7(b)中 09:15—9:45與15:30—15:45Y軸正半軸柱狀圖組合所示);當(dāng)購電達到上限之后,由于火電出力成本小于儲能單位成本,此時火電出力大于儲能出力。綜上分析可知,OWEJS在購電階段(臺風(fēng)過境過程)的購電功率與火電功率大于海上風(fēng)電場,同時其儲能放電功率要小于海上風(fēng)電場,符合表3中不同資源的成本數(shù)據(jù)變化規(guī)律。

表3 不同系統(tǒng)下各能源系統(tǒng)運行成本與利潤

3.2 考慮不確定性的風(fēng)電制氫聯(lián)合運行系統(tǒng)爬坡控制結(jié)果分析

不同置信度下系統(tǒng)調(diào)度成本與收益變化情況如圖8所示。不同置信度下系統(tǒng)附加運行成本μ與不確定性資源投入率η如表4和圖9所示。

表4 不同置信度下系統(tǒng)方案

圖8 置信度對經(jīng)濟效益的影響

圖9 置信度對評價指標(biāo)的影響

圖8與9顯示,OWEJS的調(diào)度成本伴隨置信度α的降低而降低。α越低,收益和風(fēng)電利用率越高。主要因為置信度越低,系統(tǒng)的保守性越弱,不確定性風(fēng)電參與程度提升,此時火電機組出力與電網(wǎng)購電功率減小,整個系統(tǒng)成本降低,系統(tǒng)不確定性風(fēng)險增加。

由表4與圖9可知,μ和η隨α遞增呈現(xiàn)相反的變化趨勢,μ隨α增加而增加,η隨α增加而減小;無法找到同時滿足μ和η最小的α。調(diào)度中心希望通過選擇合適的置信度,可以將系統(tǒng)風(fēng)險控制在可以接受的范圍內(nèi),同時減少系統(tǒng)成本,從而協(xié)調(diào)系統(tǒng)的可靠性與經(jīng)濟性。基于此,通過2.3節(jié)所述評價方法對不同置信度下的系統(tǒng)綜合運行性能進行評價。

基于CRITIC-TOPSIS法的權(quán)重與最優(yōu)置信度結(jié)果如表5和6所示,系統(tǒng)總成本和風(fēng)險的指標(biāo)權(quán)重分別為39.942%、60.058%。表6顯示當(dāng)置信度取0.98時,綜合評價指標(biāo)達到最優(yōu)值。

表5 CRITIC法權(quán)重計算結(jié)果

表6 不同置信度下系統(tǒng)風(fēng)險排序

4 結(jié) 論

本文考慮海上風(fēng)電制氫聯(lián)合運行系統(tǒng)在極端風(fēng)暴下面臨的并網(wǎng)功率爬坡問題,提出了考慮風(fēng)電不確定性的源荷儲協(xié)調(diào)爬坡控制策略,得到如下結(jié)論:

相較于海上風(fēng)電場,海上風(fēng)電制氫聯(lián)合運行系統(tǒng)在源荷儲協(xié)調(diào)爬坡控制的過程中,可以有效降低棄風(fēng)率和棄風(fēng)懲罰成本。在新能源消納目標(biāo)優(yōu)先級與單位棄風(fēng)懲罰成本較高的情況下,海上風(fēng)電制氫聯(lián)合系統(tǒng)的爬坡控制經(jīng)濟效益高于海上風(fēng)電場。

隨著置信度的遞增,系統(tǒng)對不確定性能源的投入越低,同時抵抗不確定性而產(chǎn)生的附加成本越高。最后通過CRITIC-TOPSIS對不同置信度下系統(tǒng)成本-風(fēng)險綜合指標(biāo)進行評價發(fā)現(xiàn),調(diào)度中心選擇置信度為0.98時可以在多屬性決策下獲得系統(tǒng)綜合指標(biāo)最優(yōu)。