光伏波动（共4篇）
光伏波动 篇1
摘要：以光伏柔性并网为研究对象,目的是通过光伏方阵整个白天的波动功率曲线找到满足并网标准的储能系统定额,采用实际气象数据驱动的光伏方阵输出功率仿真结合低通滤波算法的研究方法,在满足并网标准的1 min最大变化量和10 min最大变化量的前提下得到储能系统定额,针对选定的功率曲线探讨了低通滤波器时间常数与储能系统定额的关系。结论:在光伏电站中引入储能系统,可实现光伏柔性并网;时间常数越大,波动平抑效果越好,与此同时对储能系统容量和功率的需求更高;柔性并网所需储能系统定额主要取决于多云天气下的辐照波动强度。
关键词：光伏发电系统,柔性并网,储能,平抑波动,低通滤波算法
0 引言
利用太阳能成为各国制定可持续发展战略的重要内容,其中光伏发电是适应“节能减排”要求的重要技术[1],但由于光伏发电对太阳辐照等气象因素的天然依赖,与其他可再生能源一样,具有波动的自然属性[2,3],这种自然属性必然对其利用产生不利影响。
利用储能平抑可再生能源的随机输出功率波动是目前的研究热点[4,5,6,7],由于风电的容量和规模效应较大,对其功率波动进行抑制研究的研究成果也较多。有研究结果显示:若需10 min输出功率平均变化率降低93%,则最佳BESS容量应占可再生能源发电总容量的60%[4];平抑短周期波动比平抑长周期波动所需储能容量更小、收益更高[5,6];在计算平抑所需储能容量和储能功率方面,低通滤波算法得到较多研究,并取得了一些成果[6,7],这些成果适用于平抑光伏输出功率波动的研究。
在光伏规模应用的场合,众多学者已认识到平抑功率波动的重要性[8,9,10,11,12,13,14],并在平抑方法上进行了诸多探讨,如储能[8,9,10]、地理间距(geographic dispersion)[11]、卸流负载(dump load)和功率降额(curtailment of the generated power)[12]等方法,但仍以利用储能方法的具体结构研究较多,甚至有学者提出了内嵌储能的光伏系统结构[13,14]。
在光伏并网方面,已提出了电网友好的网源互动技术,利用储能元件来保证输出功率的稳定是目前的研究热点[2],但柔性并网的理念尚未得到光伏方面的重视,尽管此理念在风电领域已得到认可并提出了一些可行方法,如通过风机的励磁电流来达到控制输出功率的目的[15,16];文献[17]首次定义了柔性参数,将风电功率柔性化表示。这些方法对实现光伏柔性并网具有参考意义。
已有研究尚有以下不足:大多模拟了某个时间段(数分钟至数十分钟)或设定条件下的功率波动,尚无以整个白天实际气象数据驱动的光伏功率波动仿真研究;未考虑并网标准对光伏的要求,光伏柔性并网方面尚无文献支持。针对以上不足,本文的研究思路是:利用整个白天的1min气象数据(数据源自NREL的SRRL实验室)和可靠的计算模型得到1 MW光伏方阵(源自云南石林光伏电站的一个单元)的波动功率曲线(本文假定光伏方阵均工作于最大功率点),在此基础上利用低通滤波原理探讨储能量与波动平抑效果的关系,找到符合并网要求的储能量和储能功率定额是本文的主要内容。
1 光伏柔性并网及相关标准
1.1 光伏柔性并网
光伏发电系统是一个非线性时变系统,本文定义光伏柔性并网为顺应光照自然特征基础上的尽可能平滑地注入电网,狭义上应理解为强制满足电网接入标准中功率变化率限值的并网。对光伏发电站而言,电压闪变和电流波动均可追溯到有功功率的波动,本文仅考虑注入电网有功功率的柔性,以下提及的功率均指有功功率。图1为光伏柔性并网的概念模型。
柔性的实质为光伏发电系统快速地适应外部环境(辐照、温度)变化的能力。光伏方阵的输出经储能系统平抑后输出到逆变器,储能系统具有运算、充/放电控制及相应的电路拓扑结构,主要功能是对输出到逆变器的有功功率的平抑。
1.2 光伏并网标准
光伏并网的有功功率波动性,国际和国内标准均有提及,但对其具体限值尚未给出[18,19]。从长远来看,电网公司对有功功率变化率进行限制是肯定的。这方面,风电并网的标准限值已给出,如表1所示[7]。
MW
光伏发电的装机容量相对较小,云南石林光伏电站首期20 MW装机量已属大型,其最大功率变化率可参照表1,为便于计算,取其10 min最大变化量为装机容量的1/3(即6.7 MW),并标记为Lt=10 min,其1 min最大变化量为装机容量的1/10(即2 MW),标记为Lt=1 min。
2 储能定额计算
2.1 光伏面板上的1 min输出功率
采用NREL SRRL某白天采样间隔为1 min的实际气象数据[20],经Rabl模型[21]得到光伏面板上每分钟总辐照度,再经Lorenzo模型[22]得到光伏面板上的每分钟输出功率曲线[3]。
由每分钟气象数据得到光伏面板上每分钟总辐照度G的主要公式如下:
其中,G为光伏面板上的总辐照度;Gh为水平面上总辐照度;Gb、Gd分别为直接辐照度和散射辐照度,ρ为地面反射率,参数Gb、Gd和ρ来自SRRL的1 min气象数据库;β为光伏面板的安装倾角;θ和θz分别为太阳光入射到光伏面板和水平面的入射角,这2项参数和太阳与地球的相对运动有关,具体计算方法可参考文献[21]。
由每分钟总辐照度G得到每分钟光伏面板最大功率Pmpp的主要公式如下:
其中,Pmpp、Umpp、Impp分别为光伏面板输出的最大功率、最大功率点电压、最大功率点电流;a、b、rs和υOC为计算方便定义的变量;UOC和ISC分别为当前辐照度、温度下的光伏面板开路电压和短路电流。后6项参数的计算可参考文献[22]。
2.2 低通滤波法计算储能量
Paatero在对风能波动的研究中认为,内置储能装置的风机系统相当于一个带有时间常数的滤波器,时间常数代表了储能量的大小,若要平抑风电中的短周期波动,则成为一个低通滤波器,根据低通滤波器的原理得到离散化低通滤波公式[6]:
其中,k为离散化时间步,对应时刻为tk=t0+kΔt;Yk为k时刻低通滤波器的输出(即平抑后输出功率);Xk为k时刻低通滤波器的输入(此处为光伏方阵的输出功率Pmpp);Δt为采样时间间隔;τ为低通滤波器的时间常数(对应集成储能光伏并网系统的储能量);α为与τ有关的常数,称为滤波常数。
与低通滤波器相关的储能功率和储能量计算如下:
其中,Pst,k为k时刻的储能功率,大于0表示放电功率,小于0表示充电功率;Ek为k时刻的储能量(即从0到k时刻的储能系统能量的累加),在低通滤波算法中,此值大于0;Q为系统配置的储能容量。
低通滤波器输入Xk来自于式(3),对一个白天而言,太阳升起前辐照度为0,故初始值为0,低通滤波器输出Yk、储能功率Pst,k和储能量Ek的初始值均相应地设为0。
2.3 功率变化量
定义1 min功率变化量为k时刻的功率与(k-1)时刻的功率之差(采样时间间隔为1 min),即:
其中,ΔYk、ΔXk分别为低通滤波器输出、输入的1 min变化量,ΔYk不大于限值Lt=1 min。
根据《风电场接入电力系统技术规定》,10 min功率变化量为10 min内功率最大值与最小值的差值,即:
其中,ΔY10,k、ΔX10,k为低通滤波器输出、输入的10 min变化量,ΔY10,k不大于限值Lt=10 min。
满足并网标准,有:
3 结果与讨论
以云南石林20 MW光伏电站为原型,抽取其中一个单元:1 MW光伏方阵加逆变器。抽取原则是:与现有结构一致,容易添加储能系统,结果易推广。1 MW单元含23个汇流箱,峰值功率为1 043 280 W,其中,每个汇流箱由14个组串并联组成,每个组串由18个组件串联而成,组件参数如下:电池数为72,Pmpp=180 W,Umpp=35.40 V,Impp=5.08 A,UOC=44.60 V,ISC=5.42 A。
数据来自NREL SRRL的2011年全年的1 min气象数据库,使用的参数包括直接辐照度、散射辐照度、风速、环境温度和地面反射率等项。假定以上光伏方阵安装于SRRL实验室位置(北纬39.742°,西经105.18°,海拔1828.8 m),光伏面板安装倾角为40°,朝向正南。先按式(1)—(5)得到光伏方阵在选定时间段且Δt=1 min的输出功率曲线Xk,即图2中τ=0 s时的曲线。
3.1 时间常数与平抑效果和储能系统定额的关系
低通滤波器的时间常数τ与其输出关系密切,τ越大,输出波动越平滑,需要的储能量越大。图2所示为时间常数τ与输出功率Yk、储能功率Pst,k和储能能量Ek的关系。
可见,当τ=60 s时,仅滤除Yk中少量幅度小的波动,此时储能系统的功率Pst,k和能量Ek曲线的峰值和变化次数都很小;当τ=200 s时,Yk曲线波峰数量明显减少,Pst,k曲线波峰数量增加,Ek曲线上抬,表示需要的储能能量增加;当τ=1 h时,Yk的峰谷基本消除,整个曲线明显右移后与自然涨落曲线形状相似,同时Pst,k曲线波动峰谷的数量和幅度大幅增加,Ek曲线上抬并基本与Yk曲线一致,说明此时系统输出功率较多地被储能系统平衡,光伏方阵的输出较多用于储能(13:30以前Pst,k基本小于0,即处于充电状态),所需的储能量相当大(0.898 MW·h)。结论:时间常数越大,平抑效果越好。
时间常数τ决定了储能系统的定额要求(容量、最大放电功率和最大充电功率),如图3所示。由于Pst,k>0表示放电功率,则最大放电功率可用max(Pst,k)表示;Pst,k<0表示充电功率,则最大充电功率用min(Pst,k)表示。储能容量Q随τ的增大而线性增大,故可以用τ指示储能容量;最大放电功率随τ的增加而增大,变化的幅度是先快后慢,类似对数关系;最大充电功率与τ也有对数增大的关系,但当τ在300~2400 s范围时,最大充电功率反而略有减小,分析原因如下:τ具有频率的指征,与Xk的波动频率和幅度相关,所取曲线在14:00—16:00时段辐照度波动剧烈且光伏方阵输出功率不足,若对应τ值的最大充电功率恰由此时间段决定,则出现τ值增大,所需充电功率反而减小(τ越大曲线的惯性越大,充电功率越小)的情况。所以储能功率的增长与平抑对象的波动特征有关,但随τ的增大而增长的趋势是一致的。
总之,随着时间常数增加,输出功率曲线的波动得到平抑,相应地提高了对储能系统的要求(储能功率和储能容量增大)。
3.2 满足并网条件的时间常数与储能系统定额
时间常数τ的无限增大是不经济的,且是以增加储能系统成本为代价的,本节以满足光伏并网要求为目标,反算时间常数,同时得到相应的储能系统定额。
辐照变化的基础是日周期性,对2011年全年的采样时间间隔为1 min的气象数据进行了如下处理:选取冬、春、夏、秋四季的代表月份分别为2月、5月、8月和11月,气象上有以特征日代表当月平均气象均值的传统,故以这4个月的特征日(2月14日、5月15日、8月18日和11月18日)[21]为反算时间常数的对象。首先以这4个白天的直接辐照度Gb作图4,并以此定出3种气象类型:2月14日和8月18日为多云天气,辐照波动剧烈;5月15日为阴天或雨天,辐照度接近于0;11月18日为晴天,辐照波动很小。再根据4个白天的气象数据采样序列经式(1)—(5)得到1 MW光伏方阵单元的4条功率曲线Xk,从0开始逐步增大时间常数,通过式(6)、(7)运算得到储能系统滤波后输出功率Yk,经式(11)、(13)分别得到Yk的1 min功率变化量和10 min功率变化量,用式(15)、(16)进行校验,条件满足时停止运算并记录当前时间常数,以此值据式(8)—(10)得到储能系统定额(max(Pst,k),min(Pst,k),Q),表2是运算所得结果(5月15日和11月18日的计算结果因时间常数和储能定额均为0而省略)。
值得指出的是,时间常数为0的2个白天气象类型不同,5月15日是因为完全阴雨天导致光伏输出基本为0,相对1 min和10 min并网标准而言,无需储能需求;11月18日是晴朗天气,光伏功率变化量始终小于1 min和10 min并网标准,也无需储能即可并网。相反,多云的2月14日和8月18日是储能平抑波动的主要目标,原因在于多云天气辐照波动的幅度、频率和持续时间均强于阴雨天和晴天,这也说明,为实现光伏柔性并网,多云气象类型是储能系统定额的主要决定因素。
仅就表2中有限的功率曲线而言,对同一天的数据,满足10 min并网标准比1 min标准所需的指标高:时间常数和储能容量上前者是后者的1.9~2.2倍,储能系统功率上是1.1~1.4倍。这从一个侧面说明,以后的光伏并网,满足10 min并网标准可能比满足1 min标准所花的成本更大,对此应引起重视。
计算中发现:在满足1 min标准的前提下,输出功率的10 min最大变化值也会减小(8月18日功率曲线从627.7 k W下降到483.0 k W),虽然还达不到10 min并网标准(333 k W),但也显示了储能系统的平抑作用。相反,在满足10 min并网标准的前提下,1 min最大变化值会大幅减小,从450 k W下降到50k W并满足并网标准(100 k W)。
图5是8月18日功率曲线经满足1 min并网标准的储能系统平抑后的效果及储能系统的能量、储能功率变化曲线。满足1 min变化量限值,储能系统定额:容量至少配置51.37 k W·h,最大放电功率327.5 k W,最大充电功率295.2 k W。若以此定额寻找合适的储能系统,发现2个矛盾:
a.满足储能容量比满足储能功率所需蓄电池数量少得多,如12 V、200 A·h(TOYO 6GFM200)的铅酸蓄电池储能量达2.4 k W·h,按50%放电深度,同样的电池仅需44只,但在充电功率方面,蓄电池存在天然缺点,按每只720 W充电功率计算(12 V、200 A·h的蓄电池的最大充电电流为60 A),若不计充电损失,仅满足充电功率一项就需410只蓄电池,是容量的9.3倍;
b.若考虑如此大功率、低电压(12 V或24 V)的放电电路(最大放电电流600 A),功率半导体的电流限制也是一个不容忽视的问题。
解决这2个矛盾还需研究蓄电池结合其他储能元件(如超级电容)来提高普通蓄电池充放电功率,新概念Eestor电容也不失为一个较好的解决方案[23],能量型储能介质与功率型储能介质结合也许是根本的解决之道[24]。
4 结论
本文利用实际气象数据驱动,通过仿真得到了大规模光伏方阵的输出功率,将低通滤波算法引入储能系统定额的计算,分析得到了时间常数与波动平抑效果的关系:时间常数越大,波动平抑效果越好,与此同时对储能系统的容量和功率的需求更高。
满足并网标准基础上的反推时间常数和储能系统定额(对分析的功率曲线而言,满足率达100%),结果表明:阴雨天和晴朗天气不是储能定额的确定因素,而多云天气因为其辐照度的剧烈波动才是储能定额的主要决定因素。仅就本文提及的2条功率曲线而言,满足10 min并网标准比1 min标准对储能系统的定额要求高。
通过储能系统的引入,实现光伏柔性并网是可能的。在对储能定额的分析中,发现满足储能容量需求的蓄电池量比满足充电功率需求的蓄电池量少得多,原因在于铅酸蓄电池的充电功率相对不足。
光伏波动 篇2
目前,储能系统被认为是有效平抑波动最有效手段。文献[2,3]在满足负荷缺电率指标下,采用阀控铅酸电池系统作为储能系统投资最小;文献[4]确立考虑经济性的光伏储能最优容量;文献[5]提出用小波包方法分解光伏输出功率信号,通过功率型储能SOC的模糊控制优化不同储能间的功率分配,改善了光伏出力波动的平抑效果。文献[6]建立了基于钠硫电池的储能电站动态性能分析与评价模型,提出了BESS动态充放电控制策略。文献[7]阐述储能技术在电力系统中具有削峰填谷、提高电网运行稳定性改善电能质量等重要作用。
事实上,光伏波动的不利源于全网的光伏功率波动,面向单站的功率平抑存在储能的过度调控。只有当站群功率波动超出系统有功能力调节范围时,光伏-电网之间的源网矛盾才需要缓解。本文基于文献[8]研究风电领域的基础上,在光伏领域比对了分布式储能控制策略、集中式储能控制策略与类AGC储能控制策略,结果表明类AGC储能控制策略在平抑效果、弃光、经济性、光伏入网规模等方面较其他两种储能策略有明显优势。
1 站群内光伏电站间能量的对消
单个光伏电站白天出力易受周围环境影响,所以其功率波动幅值较大,最大功率幅值波动标幺值为0.14。站群内各光伏电站地理位置、光伏电站装机规模等不同,当12个光伏电站汇聚到330 k V汇集站,汇聚站内最大功率幅值波动标幺值0.07、单站与站群波动曲线如图1所示。
定义一个指标I,定量评价功率波动曲线的波动程度,把I值称为功率波动曲线的波动度。
式中,I为功率曲线波动度指标,Cp为增益系数,n为光伏电站(群)一天出力数据个数,Pj*为第j时刻光伏电站出力的标幺值,珔P*为一天光伏电站(群)出力的平均值。
波动度I值越小,代表光伏电站的功率曲线波动越平缓,对电网调度及储能系统最佳。功率波动度I值趋势如图2所示。
由图2知,随着汇集站光伏电站的增加,汇聚内群功率曲线波动度愈来愈小,汇聚后群功率波动较单站功率波动平缓,站群出力相比单站更不易受环境影响。
以平抑n个电站输出功率为例,从数学角度分析群出力更为平缓的原因。n个电站输出功率分别为Psolar·1,…Psolar·n。其参考功率分别为Pref·1,…Pref·n。n电站汇聚后PΣsolar=Psolar·1+…+Psolar·n。总参考功率为PΣref=Pref·1+…+Pref·n。
1号电站的波动功率为
n号电站的波动功率为
n个光伏电站总输出功率与总参考值的偏差量为
根据绝对值不等式可得:
由式(5)、式(6)可知,单站功率波动幅值之和相比站群的功率波动大,由此若光伏电站需储能平抑的光伏功率波动方向不同,则会导致储能系统充放电功率的对消,对消功率为ΔPinter,对消的功率并未对减小光伏电站群出力与参考值之间的偏差产生影响,相当于分布式平抑光伏电站出力时储能系统做了部分无用功,增加储能系统的调控负担,所以按照分布式与集中式配置储能,则在平抑功率波动上会有储能调控性能上的差异。
2 平抑光伏波动多储能系统的控制策略
2.1 分布式储能控制策略
分布式储能控制策略如图3所示,平抑时每个电站参考功率Pref·i为日前预测出力Pdispatch·i,每个光伏电站储能装置都要平抑该光伏电站的功率波动,以减小实际值与参考之间的偏差。
2.2 集中式储能控制策略
按照本文第一节介绍,为减小无用功对储能系统的消耗,可以采用光伏电站集中式储能控制策略,如图4所示,对光伏电站群出力波动进行集中平抑。
当选择PΣref=PΣdispatch的集中式储能控制策略时,站群内所有电站的功率都汇集到330 k V汇集站。
需要平抑的波动量较单站小,所需储能系统吞吐电量会小,并且控制实现更直接,无需电站间储能系统的通信协调。
2.3 类AGC储能控制策略
考虑到光伏的接入对电力系统的影响源于全网,而非单站的光伏功率波动,并且电力系统是一个功率实时平衡的系统,故只需调控站群的光伏功率不超过电力系统平衡的允许值,超出系统允许值的用储能系统进行平抑,可有效的发挥电网对光伏的接纳能力,提高光伏联网的运行安全性,此控制方式为类AGC储能控制策略,如图5所示。为此需要构造电网接纳光伏的运行可行域。
对于某区域电网接纳光伏可行域的计算方法为如下:
电网负荷、水电、光伏,火电平衡关系为
电网接纳光伏可行域为
当部分光伏超出电网接纳可行域时,储能系统充放电功率及储能容量为
式中:PH·min为水电站运行最小出力;PTh·min为火电机组运行最小出力。
2.4 三种储能控制策略的对比
三种储能控制策略参数如表1所示。
当采用Pref·i=Pdispatch·i的分布式储能策略时,电站间功率的对消,各电站储能系统作了部分无用功。对消的能量越大,n个储能系统作的无用功就越多,n个储能系统各自的吞吐电量就会越大,所需储能总容量就会越大。
当选择PΣref=PΣdispatch的集中式储能策略时,储能系统避免了光伏电站间输出功率之间能量的对消,但是由于未考虑光伏的可接纳空间,因此仍会发生不必要的储能过度调控。
当选择当采用PΣref=Psolarspace的类AGC策略时,在光伏功率波动超出电网接纳光伏范围时,储能系统才需要动作平抑,储能系统相当于热备用电源,减少了储能系统不必要的调控,也能提高电网接纳光伏的水平。
3 算例分析
3.1 算例条件
某省总装机920 MW光伏电站群如图6所示,共有12个光伏电站。
多储能控制系统计算条件如下:
1)阀控铅蓄电池寿命动作5000次,成本1500元/k W·h[9]。
2)1 kW·h电减少0.98 kg CO2排放量[10]。
3)储能充放电效率70%,初始荷电状态0.5,放点深度D=0.3[4],三种策略配置储能总容量、性能相同。
4)各电站的额定容量和各自储能容量配置如表2所示。
3.2 算例结果分析
3.2.1 分布式储能系统控制策略平抑光伏波动
储能系统充放电及容量变化曲线如7所示。
从图7可以看出,在储能系统性能方面,各电站发电功率特性各异,储能系统存在“此充彼降”且调控频繁,站群中储能共动作次数为107次,累计吞吐电量为30.49 MW。当选择阀控铅蓄电池作为11号电站储能系统,投入到停运仅运行334 d。
分布式储能策略平抑后各指标如表3所示。
从表3中可以看出,平抑效果方面,经储能装置平抑后,整体功率曲线波动度有所下降,但平抑效果不好,平抑后部分电站曲线波动程度仍大于面向汇聚站的群功率曲线的波动;在弃光方面,分布式储能控制策略作用后弃光量仍然较大。
3.2.2 集中式储能系统控制策略平抑光伏波动
集中储能系统充放电及容量变化曲线如图8所示。
由图8看出,在储能系统性能方面,集中式储能控制策略下,储能日动作次数共6次明显降低,总吞吐电量为19.76 MW,较分布式储能系统吞吐量小。所以在满足相同平抑指标情况下,可以较分布式储能系统选取更小的储能容量,更为经济。
在平抑效果方面,经集中式储能策略平抑后功率曲线波动度I=0.194,比单站低,所以在平抑效果方面也比分布式储能控制策略好。
在弃光方面,弃光率为14%,弃光量相比分布式储能策略没有明显减少。
3.2.3 类AGC储能系统控制策略平抑光伏波动
接纳可行域与光伏出力关系如图9所示。
从图9(a)可以发现当前光伏出力均在可行域空间范围内,所以电网可以接受现有光伏装机容量,无需储能系统进行动作。
从图9(b)可以看到,假使光伏的装机为现在装机的1.45倍,负荷、水电、火电装机均不变,则大部分时段都无需启动储能系统,储能系统相当于系统的热备用电源,这样可大大提高电网对光伏出力、波动的接纳能力。
储能系统充放电及容量曲线如图10所示。由图10可知,在储能系统性能方面,储能系统共动作3次,总吞吐电量为20.90 MW·h,与集中式储能策略基本持平,较分布式储能系统小。但动作次数较集中式储能策略少,调控性能得到进一步优化。
在平抑效果方面,平抑后功率曲线波动度仅为0.013,比集中式控制策略表现更好,说明平抑后功率曲线波动较小,比前两种储能控制策略更好地解决功率波动的问题。
在弃光方面,弃光率仅为0.31%,弃光较前两种储能策略有明显的改善。
3.2.4 三种储能控制策略的比较
三种储能方式指标对比如表4所示。
由表4可知,在相同的储能参数配置下,当采用类AGC控制储能时,相比分布式储能控制策略,储能动作次数与吞吐电量都要比前者小,并且平抑效果也更好。同样相比集中式储能策略,多接纳光伏电量1723.5 MW·h,弃光量减少了96.8%,CO2排放减少95.6%。储能系统调控次数仅为3次,明显降低。以3年为周期计算储能系统成本,类AGC策略配置储能仅需40 020万元,比集中式储能策略配置储能系统节省23 460万元,类AGC控制策略优化了储能系统的经济及低碳效益。
4 结语
本文依据实测数据,分析了平抑光伏功率波动所需储能控制策略,并以某省920 MW光伏站群平抑功率波动为例,对比了三种储能控制策略,主要结论如下:
1)汇聚站群光伏功率波动较单站平缓,波动度较单站低,单站之间功率存在对消,平抑单站功率波动,储能系统会做部分无用功。
2)相比分布式储能控制策略,类AGC策略储能系统吞吐电量少,可以选取更小的最优储能容量,储能所需容量成本降低。
3)类AGC策略较集中式储能控制策略多接纳光伏1723.5 MW·h,并且大大减少弃光量,弃光量减少96.8%,增大电网对光伏的接纳量。
4)类AGC储能策略大大减少CO2的排放,相比集中式策略减少95.6%的CO2排放,优化了储能的低碳效益。
5)类AGC控制策略经济性最优,较集中式控制储能节省23 460万元,优化了储能经济效益。
6)在弃光、平抑效果、经济性以及接纳光伏入网规模方面,类AGC最具优势,其次为集中式储能控制策略,最后为分布式储能控制策略。
参考文献
[1]国家能源局.国家能源局2015年光伏发电相关统计数据[R].2016.National Energy Administration.September 1,2015 photovoltaic building information presentation released by the National Energy Administration[R].2016.
[2]吴小刚,刘宗歧,田立亭,等.独立光伏系统储能光储容量优化配置方法[J].电力系统自动化,2015,38(5),1271-1276.WU Xiaogang,LIU Zongqi,TIAN Liting,et al.Optimized capacity configuration of photovoltaic generation and storage energy device for stand-alone photovoltaic generation system[J].Power System Technology.2015,38(5):1271-1276.
[3]胡国珍,段善旭,蔡涛,等.基于液流电池储能的光伏发电系统容量配置及成本分析[J].电工技术学报,2012,27(5):260-267.HU Guozhen,DUAN Shanrui,CAI Tao,et al.Sizing and cost analysis of photovoltaic generation system based on vanadium redox battery[J].Transactions of China Electrotechnical Society,2012,27(5):260-267.
[4]刘冠群,袁越,王敏,等.考虑经济成本的光伏电站储能容量配置[J].可再生能源,2014,32(1):1-5.LIU Guanqun,YUAN Yue,WANG Min,et al.Energy storage capacity determining of PV plant considering economic cost[J].Renewable Energy Resource,2014,32(1):1-5.
[5]吴振威,蒋小平,马会萌,等.用于混合储能平抑光伏波动的小波包-模糊控制[J].中国电机工程学报,2014,34(3):317-324.WU Zhenwei,JIANG Xiaoping,MA Humeng,et al.Wavelet packetfuzzy control of hybrid energy storage systems for PV power smoothing[J].Proceedings of the CSEE,2014,34(3):317-324.
[6]丁明,徐宁州,毕锐,等.用于平抑可再生能源功率波动的储能电站建模及评价[J].电力系统自动化,2011,35(2):66-71.DING Ming,XU Ningzhou,BI Rui,et al.Modeling of bess for smoothing renewable energy output fluctuations[J].Automation of Electric Power System,2011,35(2):66-71.
[7]高春雷.储能技术在电力系统中的应用[J].黑龙江电力,2013,35(5):395-426.GAO Chunlei.Application of energy storage technology in electric power system[J].Heilongjiang Electric Power,2013,35(2):395-426.
[8]YAN Gangui,ZHENG Xudong.A quasi-automated generation control strategy for multiple energy systems to optimize low-carbon benefits[J].Clean Energy,2015,3(1):93-102.
[9]国家电网公司“电网新技术前景研究”项目咨询组.大规模储能技术在电力系统中的应用前景分析[J].电力系统自动化,2013,37(1):3-8.Consulting Group of State Grid Corporation of China to Prospects of New Technologies in Power Systems.An analysis of prospects for application of large-scale energy storage technology in Power Systems[J].Automation of Electric Power System,2013,37(1):3-8.
光伏波动 篇3
直流微电网是近几年提出的一种基于直流母线互联的分布式发电源集成形式，特别适合光伏发电系统等具有直流输出特性的分布式发电源的规模化集成发电，显示出了巨大的发展潜力和广阔的应用前景[1,2,3,4,5,6]。
在光伏发电直流微电网中，由于光伏电池的输出功率受到外界环境变化的影响而不断发生变化，为了使其输出电能形式和所连接的直流微电网相适应，通常外接Boost升压电路。另外，为使其运行于最大功率点，通常采用最大功率点跟踪MPPT(Maximum Power Point Tracking)控制技术。MPPT技术可以分为如下几类：定电压法、扰动观测法、电导增量法、基于阻抗匹配的MPPT方法以及基于现代控制理论和智能控制等[7,8,9,10,11]。另外，还有文献研究了用于直流微电网的光伏发电系统的MPPT控制技术，利用直流母线保持不变的特点，能够获得输出功率与直流变换电路中占空比的线性关系，从而只需检测光伏电池的输出电压或者电流就能够对其输出功率进行控制，因此省去了一部分传感器[8,9,10,11,12,13,14]。当光伏发电直流微电网连接单相直流-交流逆变电源等负载时，会产生直流母线电压的周期性波动。现有文献中，均以基于DC-DC变换电路的最大功率输出为研究重点，并未对这种直流母线电压的周期波动对光伏电池输出功率的影响给出定量分析和相应的解决办法。
在Boost电路的闭环控制方面，近些年涌现了大量的研究成果。其中有比例-积分控制、滑模变结构控制、反馈线性化方法、无源性控制、自适应控制、内模控制、模糊控制以及神经网络控制等[15,16,17,18,19]。上述研究成果均以直流输出电压恒定为目标，不能直接用于光伏发电系统中来消除直流母线电压波动对光伏电池输出功率的影响。
本文以光伏发电直流微电网为研究背景，对包含光伏电池和储能系统的直流微电网带动单相逆变负载时直流母线电压的周期性波动对光伏电池输出功率的影响进行了深入研究，进而提出了基于直流母线电压波动前馈的控制策略，以抑制直流母线电压周期性波动对光伏电池输出功率的影响，从而提高系统的运行效率。
1 典型光伏发电直流微电网简介
本文拟研究的直流微电网结构如图1所示，包括光伏发电系统和储能系统，带单相逆变负载。对于图1所示的直流微电网，通常的方案是储能系统负责直流母线电压的稳定控制，光伏发电系统采用MPPT控制[2]。
下面分别从单相逆变负载对直流母线电压的影响以及对光伏发电系统输出功率的影响两方面进行分析。
2 单相逆变负载对直流母线电压的影响
首先分析单相逆变负载对直流母线电压的影响。由前述分析可知，直流母线电压由储能系统进行闭环控制，为简化分析，认为此时蓄电池处于输出功率状态，即变换器工作于升压模式。现有文献中，储能系统大多采用电感电流内环和直流母线电压外环的双闭环控制结构，其中电压、电流环均采用比例-积分控制[3]。从而得到考虑扰动的储能系统双闭环控制框图如图2所示。
由此得到电流环的传递函数为：
其中，KP2和KI2分别为储能系统电感电流环的比例和积分系数;UDC为直流母线电压;LB为滤波电感;分别为储能系统电感电流的给定值和实际值。
下面分析单相逆变负载的直流侧输入电流的表达式。为简化分析，假定逆变系统带线性负载。直流侧和交流侧的功率平衡方程为：
其中，Um、Im、ω分别为交流电压和电流的幅值以及频率;为交流负载阻抗角;iinv为逆变负载的直流输入电流。由于直流侧电容的存在，直流母线电压的变化远小于直流输入电流的变化，则iinv为：
则iinv的周期波动分量为：
由上式可知，逆变负载的直流输入电流包含2倍频的交流波动。进一步获得直流母线电压在的扰动作用下的扰动分量传递函数为：
其中，KP1和KI1分别为储能系统直流母线电压环的比例和积分系数;C为直流母线的缓冲电容。
下面分析在直流输入电流扰动下的直流母线电压稳态误差，即稳态电压波动。由于电流扰动为余弦值，其极点处于S平面的虚轴上，不解析，经典终值定理无法直接应用，这里采用级数求解法来获得其稳态误差。由自动控制理论可知，扰动稳态误差的级数表达式为：
其中，ns(t)为扰动的稳态时域表达式;Bk(k=0,1，…)为扰动误差系数;Φk(s)为扰动传递函数。
对于储能系统，Φk(s)为式(6)。由此求得直流母线电压的稳态误差(只求取前三项)为：
由上式可知，直流母线电压的稳态误差为正弦周期波动，对整个微电网的供电质量产生不利影响。
3 考虑直流母线电压波动的光伏电池输出功率分析
下面分析直流母线电压周期波动对光伏电池输出功率的影响。假定光伏电池中采用输出电流单闭环控制，其给定由MPPT算法给出，电流环采用比例-积分控制。
只考虑直流母线电压扰动的光伏发电系统的小信号模型为[20]:
其中，DPV和分别为光伏发电系统的稳态占空比及其小信号增量;LPV为光伏发电系统的滤波电感;i赞PV为光伏电池输出电流的小信号增量。从而得到采用比例-积分调节的电流单闭环的光伏发电系统控制框图如图3所示。
由此得到光伏电池输出电流在作用下的扰动分量的传递函数为：
其中，KP3和KI3分别为光伏电池输出电流环的比例和积分系数。
下面分析在直流母线电压扰动下的光伏电池输出电流的稳态误差。同样由于直流母线电压扰动为正弦量，其极点处于S平面的虚轴上，不解析，需采用级数求解法获得其稳态误差。根据式(6)—(8)，求得光伏电池输出电流的稳态误差表达式，同样只求取前三项。第一项为：
第二项为：
第三项为：
由此得到光伏电池输出电流的稳态误差为：
由上式可知，直流母线电压存在周期波动的情况下，光伏电池输出电流存在周期波动。下面分析光伏电池的输出功率。由文献[21]可知，光伏电池输出电压和电流的简化关系为：
其中，λ为与温度有关的光伏电池系数;Iph为与光强成正比的光生电流;Isat为光伏电池寄生反并联二极管的饱和电流。
由此获得光伏电池输出功率为：
其中，IPV为光伏电池输出电流的直流分量。将式(14)代入上式得：
式(14)—(17)给出了光伏电池输出电流、电压和功率与直流母线电压波动幅值之间的关系。由上述分析可知，在直流母线电压存在周期性波动时，光伏电池输出电流、电压和功率均存在周期波动，光伏电池输出电流的波动幅值近似与直流母线电压波动幅值成正比。为进一步分析上述变量和直流母线电压波动幅值之间的定量关系，根据式(14)—(17)分别绘制在直流电压存在正弦周期波动时(波动率为20%)的光伏电池输出电流、电压和功率(均为标幺值)的时域分布曲线，如图4所示。由图可知，光伏电池输出电流、电压和功率均存在相同频率的周期波动(波动率分别约为17%、10%和9.9%)，使光伏电池无法持续处于最大功率点，从而降低了其工作效率。
4 所提出的光伏发电系统控制策略
如果能够消除光伏电池输出电流的稳态误差，使其不存在周期波动，则能够保证其工作在最大功率点。一种简单的办法是增加直流滤波电容，但是这种方案属于被动抑制手段，需要增加大量的电容，造成系统的体积和成本均显著上升。为此，本文提出基于内模原理的带有直流母线电压波动前馈的光伏电池输出电流闭环控制策略，来消除直流母线电压波动的影响，而无需增加额外的硬件设备，其控制原理图如图5(a)所示，其控制框图如图5(b)所示。其中，直流母线电压波动的前馈系数根据内模原理由式(10)得到。为了获得直流母线电压的波动值，首先对直流母线电压进行低通滤波，获得其稳态平均值再与实际值相减，获得直流母线电压的波动。为占空比的低通滤波值。从而得到其输出电流扰动的传递函数为：
由上式可知，光伏电池输出电流理论上将不受直流母线电压波动的影响。
5 仿真和实验结果及分析
搭建了基于Simulink的仿真平台，对上述分析进行仿真验证。仿真参数为：直流母线电压为400 V，带200 kW单相交流逆变负载，频率为50 Hz，光伏电池理想最大输出电压为177 V，理想最大输出电流为847 A，理想最大输出功率为150 kW，剩余能量由储能系统补充。控制器参数为：比例系数为0.005，积分系数为0.001，直流电压波动前馈系数为0.001。图6(a)和(b)分别给出了采用比例-积分控制的光伏发电系统加入直流母线电压波动前馈前后的仿真结果。由图6(a)可知，在未加入直流母线电压波动前馈时，确实存在直流母线电压的波动，进而造成光伏电池输出电流、电压和功率均产生原理性波动，使其无法处于最大功率点，功率波动达到5%，严重影响了其工作效率。由图6(b)可知，在将直流母线电压波动前馈加入到光伏电池输出电流的闭环回路后，占空比波形中存在正弦波动，用以抵消直流母线电压对光伏电池输出电流的影响，很好地消除了直流母线电压波动对光伏电池输出功率的影响，输出功率的波动小于1%，显著提高了其工作效率。
在实验室搭建的小功率直流微电网实验平台上对所提出的方法进行了实验验证，实验参数为：直流母线电压为400 V，光伏电池最大输出功率为1 kW。图7和图8分别给出了带1 kW和1.5 kW单相交流逆变负载时，采用比例-积分控制和所提出方法的实验结果。由图7可知，直流母线电压确实存在明显周期波动，在负载增加时，波动分量随之上升，在采用比例-积分控制时，光伏输出电压、电流均存在明显周期波动，波动率同样达到近5%。通过引入所提出的方法，如图8所示，在直流母线电压存在周期波动的情况下，光伏电池的输出电压、电流保持平稳，波动分量明显降低，输出功率的波动小于1%。实验波形获得了和仿真相近的结果，从而从实验的角度进一步证明了前述理论分析和所提出方法的正确性和可行性。
6 结论
本文给出了带单相逆变负载的直流微电网的直流母线电压稳态误差表达式以及光伏电池输出电流的稳态误差表达式，并进一步提出了基于直流母线电压周期波动前馈的光伏输出电流闭环控制方法。理论分析、仿真与实验结果表明，所提出的控制方法在直流母线电压存在较大周期性波动时仍然能使光伏电池输出功率保持平稳，从而提高了光伏电池的工作效率。
摘要：分析了单相交流逆变负载对直流母线电压的影响及波动电压的表达式。进一步分析了直流母线电压波动对直流微电网中光伏发电系统输出功率的影响并推导了光伏电池输出电压、电流及输出功率的表达式,进而揭示出了由于直流母线电压的波动影响造成光伏电池无法持续处于最大功率输出点,间接降低了光伏发电系统的发电效率。提出了基于直流母线电压波动前馈的光伏发电系统电流闭环控制策略,有效抑制了直流母线电压波动对光伏电池输出功率的影响。仿真和实验结果验证了理论分析结果与所提方法的正确性和可行性。
光伏波动 篇4
近年来,可再生能源,如光伏发电和风力发电得到了迅猛发展,但其间歇性和随机性对电网的安全性、稳定性和电能质量等造成了巨大的冲击和影响[1,2]。目前,不少国家都制定了严格的间歇式电源并网标准[3,4],一般都通过自我调节使得功率波动达到并网要求。然而,这种方式降低了间歇式电源有功功率的利用率和灵活性。将储能系统与可再生能源配合使用,能够有效平抑其功率波动,降低对电网的冲击,提升电网对大规模可再生能源的接纳能力,同时提高可再生能源的利用率。
储能系统容量配置的不合理会导致储能系统的运行条件越限,不仅无法满足实际工程需求,同时也极大地缩短了储能系统运行寿命。学术界已提出了多种利用储能系统抑制可再生能源功率波动的控制方法,如低通滤波、傅里叶变换[5]、饱和控制理论[6]等。文献[7]提出了基于风电预测的定功率控制方法,以电池SOC、充放电功率限制和使用寿命等为约束条件,将每小时风电输出功率控制为定值, 这种方法需要的储能容量很大,成本过高,且要求储能具有较快的充放电响应速度和较强的充放电频繁切换能力。文献[8-9]通过电池储能平抑风力发电的功率波动,将风电场输出功率控制为某一定值, 但未考虑电池的SOC和充放电倍率,导致电池过充过放且输出功率越限。文献[10]介绍了钒电池用于可再生能源并网中的功率控制策略,但未说明容量配置的原则和合理性。
本文以光储发电系统为例,根据低通滤波原理,基于电池SOC实时调整滤波时间常数,建立了储能系统的容量优化配置方法,为储能系统在可再生能源发电中的规划设计提供理论支持。以铁锂电池为储能对象,在Matlab中搭建了仿真模型,验证了该方法的可行性。
1基于低通滤波原理的储能配置方法
本文以带电池储能的可再生能源发电系统为研究对象,系统拓扑结构如图1所示。以光伏发电系统为例,太阳能阵列和储能电池分别通过逆变器和储能变流器在交流侧并联接入电网。储能用于平抑功率波动的容量配置采用低通滤波基本原理予以实现[11,12,13],利用储能系统补偿光伏发电在截止频率(fc)以上的高频分量,基本原理如图2所示。其中,Ppv表示光伏发电功率;Ppv_ref为光伏发电经滤波后注入电网的功率,即联络线功率;Pbat_ref为电池储能的输出功率。
根据能量守恒,Ppv_ref、Ppv、Pbat_ref三者之间的关系为
Pbat_ref为正时,表示电池放电,反之表示电池充电。
低通滤波环节采用一阶巴特沃兹低通滤波器, 其传递函数为
式(2)中:s为微分算子;T为滤波时间常数。联络线功率Ppv_ref和电池输出功率Pbat_ref的表达式为
将式(3)中的s用d/dt来表示,并差分后可得
由式(4)可得
其中:Tc为计算周期;Ppv_ref(t -1) 为光伏发电功率; Ppv(t)为上一时刻的参考值。Pbat_ref(t+1)为下一时刻电池输出功率的参考值,与t时刻的光伏发电功率Ppv(t)和滤波时间常数T相关。
电池储能输出功率传递函数的波特图如图3所示,其中 ω 为滤波时间常数T所对应的角频率。对于时间常数为T1的曲线,角频率大于 ω1后波动分量的输出幅值为1,即理论上电池储能可以补偿所有角频率大于 ω1的高频分量。
当电池储能平抑光伏发电功率波动过程结束后,通过式(6)可得到n个Pbat_ref值,从而获得电池储能的能量配置依据[8],如式(7)所示。
式(7)中,E0为储能系统的初始能量,通常取值为0。通过式(7)可获得电池储能的最大实时剩余能量Ebat,max和最小实时剩余能量Ebat,min,储能系统的能量参考值Ebat_ref可表示为
2基于电池荷电状态的储能优化设计
根据低通滤波原理可获得电池储能的能量参考值Ebat_ref,但没有考虑储能自身的运行特性和约束条件,如电池荷电状态(SOC),可能导致电池储能系统在实际运行中出现过充过放或功率输出受限等现象。一方面影响电池的使用寿命,另一方面影响光伏发电功率的平抑效果,导致联络线功率出现剧烈波动。因此,应充分结合反映电池储能系统运行特征的荷电状态进一步优化储能系统的能量。
基于电池荷电状态的储能能量优化方法是指在低通滤波的基础上,根据电池储能的实时SOC值调整滤波时间常数,既满足光伏功率的平滑输出,又能保证电池储能系统具有最佳的运行条件。当SOC值在允许范围内时,电池储能系统按照初始设定的滤波时间常数输出功率;当SOC超过允许值时,通过调整滤波时间常数修正电池储能的输出功率,使得SOC值限定在可控范围内,从而有效地避免电池的过充过放。
基于SOC反馈修正的储能电池能量配置方法应设置SOCmin
图4中,纵坐标T(t)为滤波时间常数,Tmax、Tmin为滤波时间常数的上下限,T0为滤波时间常数的初始值,K为滤波时间常数的变化率,TK为控制周期。 滤波时间常数的修正量为:d T=K·TK。如图4所示, 利用4个SOC特征量划分出5个工作区域,运行原则如下:
1)SOC越上限区:SOC ≥SOCmax时,储能电池限制充电,只允许放电,即Pbat_ref>0,T=T+d T。
2)SOC高限值区:SOCup≤ SOC
3)SOC正常工作区:SOCdown≤SOC
4)SOC低限值区:SOCmin≤SOC
5)SOC越下限区:SOC
综上可知,电池储能的功率和能量与滤波时间常数密切相关。通常,滤波时间常数越大,给定角频率 ω 越小,电池储能补偿的频率范围越大,整体的平滑效果越好,电池储能需要的功率和能量越大。
3光储发电系统中储能优化配置方法的Matlab仿真验证
以132 k W屋顶光伏电站为功率平滑对象,其典型的日发电曲线如图5所示。
以铁锂电池为储能对象,SOC各个限值的取值情况如下:SOCmax=100%,SOCup=80%,SOCdown=20%,SOCmin=0。在实际应用中,可根据不同储能电池的类型和特性对以上限值进行调整。设定SOC的初始值为SOC0,可以通过电池的充放电功率实时计算电池的SOC值为
在Matlab中分别搭建基本低通滤波模型和基于SOC的可变时间常数滤波模型。基本滤波时间常数T取30 s,根据基本低通滤波的结果,电池储能系统的额定能量参考值Ebat_ref为120 k Wh。在基于SOC的可变滤波时间常数模型中,T0取30 s,T的变化范围为20 ~40 s,SOC0为50%,储能的额定能量分别为80 k Wh、120 k Wh和160 k Wh。根据光伏发电曲线的变化特征,可分为三个阶段:功率上升阶段、功率波动阶段和功率下降阶段。
铁锂电池的储能能量为80 k Wh,仿真结果如图6所示。
1)光伏功率上升阶段(0~49 s)。该阶段光伏出力Ppv总体呈上升趋势,电池处于充电状态。 t=39s时,SOC达到高限值区(≥80%),采用可变滤波控制,T值开始减小;t=49 s时,SOC达到最大值(=100%),电池不允许存储能量,即只允许放电, Pbat-ref立即变为0。此时,电池储能系统不能充分吸收Ppv的功率波动,联络线出现明显的波动。
2)光伏功率波动阶段(49~100 s)。该阶段光伏出力Ppv波动较为剧烈,电池的充放电交替出现, 采用可变滤波控制。 SOC基本处于高限值区(≥80%),t=68 s时,SOC又一次达到最大值(=100%),Pbat-ref立即变为0,联络线再次出现剧烈波动。
3)光伏功率下降阶段(100~150 s)。该阶段光伏出力Ppv总体呈下降趋势,电池处于放电状态, 采用可变滤波控制。SOC从高限值区(≥80%)减小至低限值区(≤20%),Pbat_ref未受限制,联络线功率较为平滑。
铁锂电池的储能能量为120 k Wh,仿真结果如图7所示。
1)光伏功率上升阶段(0~50 s)。该阶段光伏出力Ppv总体呈上升趋势,电池处于充电状态,SOC不断上升。采用基本滤波控制,T为30 s不变,通过电池吸收Ppv的功率波动,减缓其上升速度。此时,联络线功率较为平滑。
2)光伏功率波动阶段(50~101 s)。该阶段光伏出力Ppv波动较为剧烈,电池的充放电过程交替出现。t=50 s时,SOC达到高限值区(≥80%),储能系统采用可变滤波控制,充电时T值减小,放电时T值增大。此时,联络线功率较为平滑。
3)光伏功率下降阶段(101~150 s)。该阶段光伏出力Ppv总体呈下降趋势,电池处于放电状态。 采样基本滤波控制,T为30 s不变,通过电池储能系统弥补Ppv的功率波动,减缓其下降速率。此时, 联络线功率较为平滑。但需注意的是,t=150 s时, SOC值已接近低限值区(20%)。
铁锂电池的储能能量为160 k Wh,仿真结果如图8所示。在光伏发电的三个不同阶段,电池储能系统都采用基本滤波控制,T为30 s不变,联络线功率平滑。
对比以上三组不同储能额定能量下的仿真示例,可获得:
1)采用基于电池SOC的可变滤波时间常数控制方法可以使SOC值保持在合理的范围内(0~100%),有效避免电池的过充过放,保证电池处于最优的工作状态,延长电池寿命。
2)电池储能系统的能量配置与光伏功率平滑效果密切相关。当能量配置过低时,如Ebat_ref为80k Wh时,由于受电池运行条件的限制,联络线的功率曲线明显波动;当Ebat_ref增加为120 k Wh,虽然联络线的功率曲线较为平滑,但电池在较长一段时间内工作在SOC高限值区(≥80%),运行条件苛刻, 且SOC终值接近低限值区(20%),影响电池使用性能和寿命。当Ebat_ref增加为160 k Wh时,电池一直处于SOC正常工作区(20%~80%),充放电功率不受限制,联络线的功率曲线平滑。因此,文中光储联合发电系统中电池储能系统的最佳能量配置为160 k Wh。
3)一天光伏发电结束后,铁锂电池储能系统的SOC下降至20%左右,甚至接近0%。为保证第二天电池储能系统满足平滑光伏波动的能量条件,应在当天晚上给电池储能系统进行合理地充电。
4)以配置160 k Wh的结果为参考,电池的最大充放电功率,即吸收或释放光伏功率的最大值分别为-40 k W和48 k W,约为光伏额定功率的30%~37%。
根据上述结果,建议132 k W屋顶光伏系统配置50 k W/160 k Wh铁锂电池储能系统,额定工作时间为3.2 h。实际工程中,应考虑电池储能系统的充放电倍率,结合实际储能系统的工作电压范围计算出安时容量,确保满足不同温度条件下的充放电倍率要求。目前,铁锂电池的标准充放电倍率为0.5C, 上述配置满足要求。
4结语