风光发电

风光发电（共9篇）

风光发电 篇1

1 风光互补系统组成

风光互补发电系统主要依靠风能和太阳能发电,不消耗任何传统资源。风光互补发电系统主要由风力发电机、光伏板、蓄电池、控制器、逆变器、整流器等组成(见图1)。

2 应用实例

本文介绍的风光互补复合发电系统主要由室外发电系统和测量系统(见图2)以及室内控制系统(见图3)组成。该项目于2003年由山东建筑大学热能学院与香港理工大学联合投资建设。

室外发电和测量系统主要包括:6块额定功率为100W的MBF100光伏板,2块额定功率为150W的DBFQ150光伏板,额定功率为1000W的北京博力XL.1型风力发电机,风速风向仪以及光照度测试仪。

室内控制系统主要包括:风力发电机控制器,系统控制器,逆变器,线路控制柜和数据采集用电脑。

该风光互补系统所处地区常年的主导风向为西南和东北。春夏多西南风,秋冬多东北风。年平均风速3.2m/s。风力相当于2～3级。最大风速33.3m/s(1951年7月21日),风力相当于12级以上。一年中4月风速最大,平均风速4.3m/s,最大风速26m/s。全年月平均大风天数为2.1天,年平均风速为3.3m/s。该系统所处地区标准年全年风速频率分析如表1所示。该地区水平面上太阳辐射逐月平均值如表2所示,系统设备性能参数如表3～表5所示,系统测量的某段时刻数据如表6所示。

根据采集数据可以得到每天的太阳能以及风能安时数,经过计算可得到该系统一年发电量。该系统光伏板列阵和风力发电机一年的总发电安时为91847 Ah,系统输出电压24V。

MJ/m2

计算得该风光互补发电系统年发电量约为 2200kWh。该系统从2003～2008年运行期间,工况稳定,年发电量基本保持在2000kWh,完全可以满足设计负荷用电量。但由于风能与太阳能发电量利用率比较低,在一定程度上制约其发展,发电量的低利用率以及系统长时间损耗导致运行费用偏高,目前该系统已经停用。

3 结论

风光互补发电系统弥补了风电和光电独立系统在资源利用上的缺陷。同时,风电和光电系统在蓄电池组和逆变环节是可以通用的,无论是什么样的环境和什么样的用电要求,风光互补发电系统都可作出最优化的系统设计方案来满足用户的要求。应该说,风光互补发电系统是最合理的独立电源系统。但是由于系统发电利用率较低,且初投资较高,在一定程度上有制约了其发展。

今后该类研究需要注意:(1)应该加强系统平时的维护检修,以保证延长系统的运行年限;(2)在系统的投资和建设前应该具有具体的投资回收期,尽量降低投入与产出比;(3)将系统发电并入国家电网,享受国家能源补贴,降低投资成本。

参考文献

[1]方然,施明恒,王希麒.可再生能源概述[M].北京:机械工业出版社,2007.

[2]方燕,马金花.风光互补路灯系统的优化设计方法[J].可再生能源,2009,27(1):88-92.

风光发电 篇2

一种基于风光互补发电的物联网远程监控系统

作者：郭栋 徐欣 杨根科 田作华 朱青山

来源：《现代电子技术》2013年第01期

风光发电 篇3

【关键词】技能大赛；风光互补发电设备安装与调试

目前，大多数人一听到“风光互补发电”比赛项目就却而止步，感觉到很难、很复杂。俗话说“试试就能行，争争就能赢”，只要我们对技能大赛项目“风光互补发电设备安装与调试”有足够的了解、研究、深入探讨，就能在技能大赛中取得好的成绩。下面我从以下四个方面来研究.

KNT-WP02型风光互补发电实训系统是2012年全国职业院校技能大赛“风光互补发电系统安装与调试”赛项指定使用的大赛设备，由南京康尼科技实业有限公司提供。该设备是在2011年全国职业院校技能大赛“光伏发电系统安装与调试”赛项指定使用KNT-SPV01型光伏发电实训系统设备的基础上，增加了风力供电装置和风力供电系统，实现了功能拓展。KNT-WP02型风光互补发电实训系统主要由光伏供电装置、光伏供电系统、风力供电装置、风力供电系统、逆变与负载系统、监控系统组成，该项目在技能大赛中分三类比赛：高职组、中职组、教师组。其中，中职学生组和高职学生组为团体项目，教师组为个人竞赛项目。竞赛项目均以国家职业标准《维修电工》高级工（国家职业资格三级）的要求为基础，不同组别难易程度有一定区分。竞赛内容依据国家职业标准所规定的应知、应会等要求，分为理论知识、操作技能两个部分。我对中职组技能大赛比赛内容研究如下：

一、理论知识竞赛部分

理论知识竞赛采取试题答卷（闭卷）方式进行，内容为技能竞赛相关的理论知识（含光伏发电、电工电子、电力电子、电气控制与PLC、电工电子仪表、计算机与通信、安全用电、力控软件等）和工作过程知识。时间60分钟。

二、操作技能竞赛部分

操作技能竞赛以现场实际操作的方式进行。选手在规定时间内，根据竞赛时发给的工作任务书，参赛选手完成下列工作任务，各组别竞赛时间均为4小时。

中职学生组（团体项目）比赛内容：（1）完成KNT-SPV02型光伏发电实训系统的光伏供电装置的部分工作单元的安装与调试。（2）完成KNT-SPV02型光伏发电实训系统的光伏供电系统的部分工作单元的接线。（3）编写PLC控制程序并调试，达到任务书的功能和技术要求。（4）进行蓄电池的充电过程的检测，达到任务书的功能和技术要求。（5）完成逆变器的参数测量，达到任务书的功能和技术要求。（6）完成监控系统组态界面设计，达到任务书的功能和技术要求。（7）焊接与光伏发电相关的功能板。

三、KNT-WP02型风光互补发电实训系统的组成部分的介绍：

KNT-WP02型风光互补发电实训系统是由光伏供电装置、光伏供电系统、风力供电装置、风力供电系统、逆变与负载系统、监控系统组成。

1.光伏供电装置、光伏供电系统

（1）光伏供电装置的组成：光伏供电装置主要由光伏电池组件、投射灯、光线传感器、光线传感器控制盒、水平方向和俯仰方向运动机构、摆杆、摆杆减速箱、摆杆支架、单相交流电动机、电容器、直流电动机、接近开关、微动开关、底座支架等设备与器件组成，4块光伏电池组件并联组成光伏电池方阵，光线传感器安装在光伏电池方阵中央。2盏300W的投射灯安装在摆杆支架上，摆杆底端与减速箱输出端连接，减速箱输入端连接单相交流电动机。电动机旋转时，通过减速箱驱动摆杆作圆周摆动。摆杆底端与底座支架连接部分安装了接近开关和微动开关，用于摆杆位置的限位和保护。水平和俯仰方向运动机构由水平运动减速箱、俯仰运动减速箱、水平运动和俯仰运动直流电动机、接近开关和微动开关组成。水平运动和俯仰运动直流电动机旋转时，水平运动减速箱驱动光伏电池方阵作向东方向或向西方向的水平移动、俯仰运动减速箱驱动光伏电池方阵作向北方向或向南方向的俯仰移动，接近开关和微动开关用于光伏电池方阵位置的限位和保护。（2）光伏供电系统：光伏供电系统主要由光伏电源控制单元、光伏输出显示单元、触摸屏、光伏供电控制单元、DSP控制单元、接口单元、西门子S7-200PLC、继电器组、接线排、蓄电池组、可调电阻、断路器、12V开关电源、网孔架等组成。

2.逆变与负载系统

逆变与负载系统主要由逆变电源控制单元、逆变输出显示单元、逆变器、逆。

变器参数检测模块、变频器、三相交流电机、发光管舞台灯光模块、警示灯、接。

线排、断路器、网孔架等组成。

3.监控系统

（1）监控系统组成：监控系统主要由计算机、力控组态软件组成（2）监控界面：监控界面主要有光伏供电系统、光伏供电控制、逆变与负载、曲线、系统报表。

四、精心规划风“光互补发电设备安装与调试”技能实训思路，将会在技能大赛中取得金牌。

研究技能大赛考试方案，明确技能大赛比赛时间，周密部署实习训练计划；了解技能大赛评分细则，严密操作，严谨思考，严格检查；关注细节，重视设备安装调试正确性，电路正确率放首位；要及时掌握技能大赛比赛点所用设备的外形，技能大赛比赛点的考场布置环境，全真模拟，消除紧张情绪，将会在技能大赛中取得金牌。

【参考文献】

[1]南京康尼科技实业有限公司开发的KNT-WP02型风光互补发电实训系统教程

[2]2013年江苏省职业学校技能大赛能源与新能源类光伏发电设备安装与调试项目实施方案文件

山区风光互补发电系统优化研究 篇4

目前, 我国还有8亿多人口居住在农村, 偏远山区大约有2000万人还未接通电力, 偏远山区距离中心城镇较远且分散, 不集中, 电网架设费用高、利用率低, 制约了当地居民生产、生活用电。同时, 偏远山区风能、太阳能储量丰富, 利用风光互补发电系统将丰富的风能、太阳能转化为电能, 可解决偏远山区居民生产、生活用电, 并为冬季取暖提供电能, 减少煤炭、木材燃烧、污染物排放, 为解决雾霾提供一种可借鉴的发电方式, 促进偏远山区经济发展[1~4]。

2 山区风光互补发电系统组成及工作原理

山区风光互补发电系统主要包括将风能转换为电能的风力发电机、太阳能转为电能的光伏电池板、整流桥、单双向DC/DC变换器、控制器、蓄电系统、逆变器、负载、卸荷系统等。该系统利用自然风作为动力, 风力发电机的风轮吸收风能, 带动发电机旋转, 将风能转变为电能, 光伏电池板利用光伏效应将太阳能直接转化为直流电。风能发电经整流桥、DC/DC变换, 太阳能发电经单向DC/DC转化成直流电, 并分别直接向直流负载或者通过逆变器逆变向交流负载供电;多余电能经双向DC/DC变换器, 然后储存到蓄电系统。由于某个时段风能、太阳能特别丰富, 发电超出了负载和蓄电系统需要, 提前检测, 并通过无极逐渐卸荷方式将多余电能释放掉;由于某个时段阴天、下雨造成风能、太阳能较弱时, 发电不能满足负载需要, 蓄电系统可通过双向DC/DC变换器向系统供电, 使供电系统可以连续、稳定工作。蓄电系统、卸荷系统共同作用起到电能调节和负载平衡的作用, 提高电能利用率。

3 山区风光互补发电系统优化

偏远山区生产、生活用电主要集中于照明、电视、冰箱、洗衣机、电脑及其附件、电风扇、电暖等, 日耗电量约为6kW·h, 偏远山区居民各月耗电量、总发电量及盈亏量变化曲线分别如图1、2、3所示。

由图1、2、3可知:8月份系统发电低于耗电量, 可采用减少用电设备的方法避免。同时, 依据偏远山区风能、太阳能资源调查数据, 综合考虑风力发电机、太阳能电池板效率, 选用2kW的风力发电机和4块150 W的光伏电池板组成风光互补发电系统。考虑到8月份亏损量, 在实际应用中, 采用2kW的风力发电机和6块150 W的光伏电池板组成风光互补发电系统, 多余电量通过并网供其它附近居民使用, 有效地提高了电能利用率, 避免了卸荷造成浪费, 同时也为安装用户带来了额外的经济效益, 其它少量居民使用多数安装用户的多余电能也可满足用电需求, 节约了投资。

4 结语

依据偏远山区风能、太阳能资源调查数据, 采用风光互补发电系统满足偏远山区居民用电, 优化了系统配置, 提高了利用率。实际应用表明系统供电及并网运行平稳, 满足山区居民用电量需求。

参考文献

[1]谢明月.小型风光互补控制策略研究[J].通信电源技术, 2014, 31 (6) :24~25.

[2]巴丽合亚, 陈华.风光互补发电技术在新疆的应用及展望[J].化工自动化及仪表, 2015, 42 (1) :1~2.

[3]李习武.风光互补发电系统设计方法研究[J].科技与创新, 2014 (20) :2~3.

含风光发电的配电网状态估计研究 篇5

传统数值算法可以分为三类:基于节点电压法[1]、基于支路电流法[2,3]和基于支路功率法[4]。节点电压法需要形成庞大的节点导纳矩阵, 在处理支路电流幅值量测上会出现多个解的情况;支路电流法在处理支路电流幅值量测上具有优越性, 但该类算法在迭代过程中需要反复计算整个网络的电压幅值和相角, 并且不能很好地处理环网;支路功率法实际上是以潮流匹配的结果来代替状态估计, 不能很好地处理支路电流幅值量测和节点注入型量测。

智能算法主要分为四类:BP神经网络法[5]、PSO (粒子群优化) 法[6]、ACO (蚁群优化) 法[7]和HBMO (蜜蜂交配优化) 法[8]。智能算法的目的是寻找最优的潮流和负荷的匹配, 以替代传统的数值计算方法, 节省计算时间, 提高估计速度, 但是配网的量测信息精度并不能满足算法的需求。

除了算法的研究, 风、光发电也是研究的重点。风、光发电一般可分为k W级小型和MW级大型风、光发电。小型风、光发电一般不设置量测装置, 缺乏量测信息;大型风、光发电有量测装置。

鉴于上述情况, 本文提出无量测和有量测的风、光发电状态估计模型, 采用基于支路电流幅值平方和支路功率的改进算法, 对含风、光发电的配电网进行状态估计研究。

1 状态估计模型

辐射状配电网模型如图1所示。

Pi、Q—节点注入有功和无功功率;Pij、Qij—支路首端有功和无功功率;Iij、αij—支路首端电流幅值和相角;Vi、δi—节点i的电压幅值和相角

定义支路电流幅值平方I2ij=Aij, 节点电压幅值平方Vj2=Bj, 支路电阻和电抗分别为Rij、Xij。选取Aij、Pij、Qij为状态变量, 以单相配电网为例, 取 (.) m为量测量。

支路电流幅值量测方程为

支路首端功率量测方程为

支路末端功率量测方程为

节点注入功率量测方程为

式中:i, l∈j表示于节点j相连的节点;Xcj为节点j的电容器和充电电容的电抗值。

节点j电压平方的量测方程为

节点j的电压约束方程为

式中, k表示与节点j相连的节点, 对于所有与节点j相连的下游支路都含有电压约束方程。

含有等式约束的状态估计模型可以表示为

式中:z为量测值;h (x) 为量测函数;W为量测权重矩阵;c (x) =0为零等式约束。

对模型采用拉格朗日乘子方法进行求解, 模型为

模型的一次最优解为:

其中, , H为雅可比矩阵, 则方程 (10) 的迭代求解矩阵为

其中

2 风、光发电状态估计模型

2.1 无量测风、光发电模型

单个无量测光伏电池估计模型如图2所示。

一般情况下, 光伏发电是由光伏电池的Ns×Ng串并联阵列组成, 其中Ns、Np分别表示串联和并联个数。光伏阵列的I-V特性可以表示为

其中, Im和Vm是通过光伏电池自身参数和光伏电池所处的环境 (如辐照度、温度) 获得, 具体公式参照文献[9]。

光伏发电的出力Pg-DC可以表示为

交流出力Pg-AC可以表示为

式中:η为逆变器的转换效率, 一般为0.9~0.96。

通过以上的分析可知, 在无量测信息的光伏模型中, 交流测有功Pg-AC可以作为伪量测, 并且一般的光伏发电交流测的功率因数cosφ=0.95~1, 本文取cosφ=0.99, 则无功伪量测Qg-AC=Pg-ACtanφ。量测方程为

针对无量测的风机进行状态估计时, 可利用量测数据, 估计风电机组向电网中输送的有功功率Pg, Qg。T型等效模型如图3所示[10]。

2.2 有量测风、光发电模型

MW级光伏电站一般都配置了功率量测、电流幅值量测和电压幅值量测。光伏发电的外特性直接与状态估计相关。有量测光伏发电估计模型如图4所示, 其中, 虚线以外的部分为有量测光伏发电的状态估计模型。

Vac、δac和Pac—逆变器侧电压幅值、相角和有功功率;Vg、δg—光伏接入点电网电压幅值和相角;XT—并网隔离变压器等效损耗阻抗。

通过模型可以看出, 对于光伏接入的交流部分, 光伏发电注入功率Pac、注入电流幅值平方Aac和节点电压幅值平方Bc可以作为实时量测量, 即量测方程为

有量测风力发电估计模型如图5所示。尽管有量测的风力发电估计模型与光伏发电基本一致, 但所取的量测量有所不同。选取风力发电的有功PWT和无功QWT为量测量, 则量测方程为

3 含有量测光伏发电的算法初始化改进

算法初始化时, 需要通过计算负荷或DGs的注入电流值对网络状态量初始化。注入电流为

式中:P、Q为母线有功、无功负荷或DG注入有功、无功功率;为母线电压共轭。

光伏发电本身只向电网提供有功功率, 光伏发电进行逆变时, 需要向逆变器提供无功补偿。光伏发电与电网发生的无功功率交换为

光伏发电注入电流为

4 算例分析

选取PG&E69节点系统为算例, 对含风、光发电的配电网进行状态估计仿真分析, 该系统框图如图6所示。系统基准线电压UB=12.66 k V, 基准功率SB=1 MVA, 网络有功总负荷为3849.9 k W。

根据量测误差分别对实时量测添加N (0, 0.0012) 的正态随机误差, 伪量测添加N (0, 0.012) 的正态分布随机误差。

无量测风、光发电系统在Simulink平台上搭建风、光系统模型, 设定环境参数, 仿真获得系统有功出力参数, 作为伪量测数据输入到状态估计程序中, 对风、光发电出力进行估计。有量测风、光发电系统设定有功出力P和Q, 注入电流I, 研究风、光发电对配电网状态估计的影响。

为充分研究风、光系统接入配电网后, 接入位置和渗透率对配电网状态估计的影响, 本文拟定了以下三种方案。

方案一:在除去根节点的节点上, 分别接入800 k W的风、光发电, 风力发电的功率因数为0.90, 分析研究接入位置与估计误差的关系, 定义支路功率估计误差rload为

式中:Pflow、Qflow为支路潮流解值;Pse、Qse为支路潮流估计值;nbranch为不加风、光发电网络支路数。估计结果如图7所示。

从图7可知, 同一接入容量下, 不同接入点的状态估计误差具有如下分布特点:随着风、光发电远离根节点接入, 误差总体趋势减小;重负荷的节点接入风、光估计误差较周围轻负荷节点小。误差最小接入点为节点50, 光伏发电最小误差为rload=0.52%, 风力发电最小误差为rload=0.7062%。

方案二:通过方案一, 可知节点50处接入风、光估计误差最小。在节点50处, 接入不同容量的风、光发电, 研究渗透率与估计误差的关系, 定义渗透率κ为

式中:PPV为风、光发电有功出力, PL为系统有功总负荷, 本文取渗透率κ=0.1~0.9。

不同渗透率κ下估计误差如图8所示。

从图8可以看出, 估计误差随着渗透的增大呈现出先减小后增大的趋势。当渗透率κ=0.9时, 误差大大增加, 估计结果可信度降低。

方案三:通过方案一和方案二所得结果, 在节点50处接入无量测光伏发电, 最大有功输出120 k W。一天24 h的光伏出力估计结果如图9所示。

5 结论

1) 风、光发电接入配电网中, 远离根节点接入对状态估计的影响较小;在同一距离上, 具有重负荷的节点对风、光发电的接纳力强, 对状态估计的影响较轻。建议在配电网中的末端且负荷较重的位置接入风光发电。

2) 风、光发电的渗透率需要保持在一个合理的水平 (κmax=0.5~0.6) 。风、光发电的接入容量过大, 潮流反转严重, 影响状态估计的质量, 对配电网的安全运行造成影响。

3) 无量测风、光发电, 因其对电网的渗透率小, 天气信息可以作为风、光出力的有效参考。

参考文献

[1]LU C N, TENG J H, LIU W H E.Distribution system state estimation[J]IEEE Trans on Power Systems, 1995, 10 (1) :229-240.

[2]吴为麟, 侯勇, 方鸽飞.基于支路电流的配电网状态估计[J].电力系统及其自动化学报, 2001, 13 (6) :13-19.WU Weiling, HOU Yong, FANG Gefei.Distribution system state estimation branch current based[J].Proceedings of the CSUEPSA, 2001, 13 (6) :13-19.

[3]WANG Haibin, SCHULZ N N.A revised branch current-based distribution system state estimation algorithm and meter placement impact[J].IEEE Tran on Power Systems, 2004, 19 (1) :207-213.

[4]DENG Y, HE Y, ZHANG B.A branch-estimation-based state estimation method for radial distribution systems[J]IEEE Transactions on Power Delivery, 2002, 17 (4) :1057-1062.

[5]MANITSAS E, SINGH R, PAL B C, et al.Distribution system state estimation using an artificial neural network approach for pseudo measurement modeling[J]IEEE Transactions on Power Systems, 2012, 27 (4) :1888-1896.

[6]NIKNAM T, RANJBAR A M, SHIRANI A R.A new approach for distribution state estimation based on ant colony algorithm with regard to distributed generation[J]Journal of Intelligent&Fuzzy Systems, 2005, 16 (2) :119-131.

[7]NAKA S, GENJI T, YURA T, et al.Practical distribution state estimation using hybrid particle swarm optimization[J].2001IEEE Power Engineering Society Winter Meeting, 2001, 2 (2) :815-820.

[8]NIKNAM T, FIROUZI B B.A practical algorithm for distribution state estimation including renewable energy sources[J]Renewable Energy, 2009, 34 (11) :2309-2016.

[9]LIN W M, TENG J H.State estimation for distribution system with zero-injection constraints[J].IEEE Trans on Power Systems, 1996, 11 (1) :518-824.

风光互补发电系统经济调度的研究 篇6

随着环境问题与能源危机日益突出,光伏发电和风力发电已经成为广泛应用的新能源发电技术。但是,大规模的单一风电并网和光伏并网会对系统带来不确定因素,影响系统的稳定运行。考虑到风能和太阳能在时间和空间上均具有互补特性,而且风电和光电系统在蓄电池组和逆变环节可以通用,所以建立风光互补发电系统在技术应用上成为可能[2]。风光互补发电系统经济调度策略的研究就十分重要。

1风光互补发电系统

风光互补发电系统是将风能和太阳能有机结合,利用各自能源的优势,实现自然资源配置、 技术方案整合等方面的互补,较单一的能源相比有很好的能量输出[1]。

并网式风光互补发电系统一般有两种形式[2]: 可调度式(带有蓄电池)与不可调度式(不带蓄电池)。图1为典型的可调度式风光互补发电结构示意图。

如图1所示,整个系统由能量产生环节、 能量存储环节、能量消耗环节三部分组成[3]。 其中,能量的产生环节又分为风力发电和光伏发电部分,分别将风力、日照资源转化为高品位的电力能源;能量的存储环节由蓄电池来承担;当地电网的交流负载以及网内其他电力设备构成了能量消耗环节[2]。

2风光互补发电经济调度模型

文献[4] 指出,在具有公共电网的地区,光伏发电系统和风力发电系统与电网连接并网运行,可以省去储能装置,大幅度降低造价,而且具有更高的发电效率和更好的环保性能。所以,本文建立的风光互补发电系统模型没有考虑蓄电池。

在传统的电力系统调度中,火电机组的发电成本没有体现出火电机组排除的大量废气对环境的污染成本。而当风力发电、光伏发电接入系统时,由于其成本较高,需考虑到发电机组的环境效益,从而引入环境污染惩罚成本CEPi[5]。

其中,CEPi为环境惩罚成本,ηEPi为环境惩罚成本系数,SNi为火电机组i的排污量[6]。

SNi与发电功率PGi成二次函数关系,即:

其中 αi,βi,γi均为火电机组i的排污特性系数。

火电机组的发电成本CGi为发电成本CBGi和环境惩罚成本CEPi之和,即:

其中,ai,bi,ci都是火电机组i的成本系数。

风电接入电网会影响电网的安全稳定运行, 引起备用容量的变化,引入备用容量惩罚成本:

其中,ρRWj为风电备用容量惩罚系数,PWja为风电机组j计划发电量,PWj为风电机组j实际发电量[7]。

风力发电成本为:

其中,ηWj为成本系数,PWj为风电机组j的发电出力。

光伏的发电成本函数与风力发电类似,同样引入备用容量惩罚成本:

其中,ρRPm为备用容量惩罚系数PPma,为光伏机组m计划发电量,PPm为光伏机组m实际发电量。

光伏发电成本为:

其中,ηPm为成本系数,PPm为光伏机组m的发电出力。

系统的总发电成本为:

所以目标函数为:

其中,Uit,Kjt,Jmt分别为启停变量,N、M、 L分别为火电、风电、光伏机组的个数。

功率平衡约束条件:

机组出力上下限约束条件:

式(9)、式(10)和式(11)为含有风电、 光伏和火电机组的电力系统考虑环境效益和备用容量变化的经济调度模型。

3风光互补发电经济调度策略

目前,应用于经济调度的优化算法主要有遗传算法、直接搜索算法、模拟退火算法、进化规划算法和粒子群算法等及其改进算法。

其中, 遗传算法(Genetic Algorithm) 是基于进化论的原理发展起来的一种广为应用, 高效的随机搜索与优化的方法[6],它也是解决经济调度问题的最为有效的算法之一。

因此,本文采用遗传算法对发电系统经济调度模型进行优化计算。优化算法如下:

1) 确定参数值:给出种群规模N、杂交概率Pc、繁殖概率Pr及演化代数T。

2) 初始化种群:为使初始种群更具全局性, 采用均匀设计法产生初始种群P(0),t=0。

3)while( 若代数t不等于T或连续几个适应度函数值相差不小于 ε=10-3)

{ 计算个体适应度函数值,并根据适应值及选择策略确定P(t) 内的每个个体的选择概率Pi;

for(k=0;k<N;k=k+2)

{随机地产生变量r;

按照选择概率,从当前种群P(t) 中选择2个父体;

执行繁殖操作,将2个个体不变地插入到种群P(t+1) 中;

执行杂交操作, 并将其后代加到种群P(t+1) 中;

else对2个父体分别进行变异. 并将变异结果加到种群P(t+1) 中;}

4算例及仿真结果

选取IEEE30测试系统,仿真模型的系统结构如图2所示。

假设风电场在13节点接入系统,光伏在11节点接入系统,1、2、5、8节点发电机组均为火力发电机组。风电运行成本系数ηW取300$/MW;光伏运行成本系数ηP取400$/MW;火电环境成本系数ηEPi取5$/t CO2;风电备用容量补偿成本系数ρRW取200$/MW;光伏备用容量补偿成本系数ρRP取200$/MW。火力发电机组和风电场的相关参数分别见表1和表2。

构建目标函数:

火电机组的发电成本:

风电机组的发电成本为:

光伏的发电成本为:

总成本为以上三者之和,即为目标函数:

夏季某日,风电功率、光伏功率及两者之和随时间变化的曲线如图3所示:

从图3可以看出,风电功率的特点是夜间高于白天,光伏功率的特点是夜间没有,午后最高。所以,两者恰好具有互补特性,把风电和光伏接在一个电力系统里使得这两个波动性很大的电源结合起来以后波动并不是很大。

当天的负荷功率预测曲线如图4所示。

对于遗传算法而言,适应度函数的选取至关重要。本文仿真所选取的目标函数为系统的发电总成本,即为适应度函数。初始种群采用完全随机的方法产生,种群的大小取200。在此初始种群的基础上进行遗传算法的选择、交换、变异操作。

选择操作的目的是把优化的个体直接遗传到下一代,或通过配对交换产生新的个体,再遗传到下一代。本文采用随机遍历抽样法,即当设定M为需要选择的个体数目时,等距离选择个体,选择指针的距离为1/M。

按交换概率0.75把2个母个体的部分结构加以交换重组而生成新个体。重组之后的子代以0.05的概率产生变异。本文采用群体代数超过预先设定值作为优化准则。经过选择、交换和变异操作就得到一个新的种群,上述步骤经过给定的循环次数200次后,算法终止,并将当前群体中的最佳个体作为所求问题的最优解输出。

用MATLAB软件对模型进行仿真,得出四组火电机组的最优负荷分配情况,如图5所示。

系统机组的最优配制情况是:火电机组5台、风力发电机32台、太阳能光伏电池109个。 此时系统的总净现值最大,为3 788 748元。其中,接入的太阳能电池在STC下的输出功率是300 W。系统的不同配置与系统总净现值的关系如表3所示。

由表3,配置4与遗传算法的最优解最为接近。通过比较第1至6种配制方案可知,对太阳能光伏阵列和风力发电机进行优化配置,提高太阳能和风能所占比例,减少火力机组所占份额,系统的总净现值明显增加,这说明风光互补达到了降低成本的目的。

进一步与常规机组出力比较,风光互补并入电网进行互补调度后,虽然风电场和光伏电站的出力波动增加了,但是其整体出力却表现相对平稳。这样就大大减弱了单一风电场或者光伏变电站输出功率的大幅度波动问题给电力系统调度造成的不利影响[7]。同时,风光互补并网后总成本明显降低。

5结束语

介绍了风光互补发电系统的基本组成,建立了计及环境效益和惩罚成本的经济调度模型, 采用遗传算法计算出了模型系统火电机组的最优负荷分配情况。仿真结果表明,经济调度后的系统总净现值增加,总成本明显降低。文章为风光互补发电系统经济调度提供了理论性参考依据。

摘要：介绍了风光互补发电系统的构成,并对其经济调度模型进行了研究。本文采用遗传算法对风光互补发电系统经济调度模型进行了优化并且仿真,仿真结果验证了所提算法的正确性、有效性。

关键词：风光互补,经济调度,仿真模型,遗传算法

参考文献

[1]陈玄一.独立运行风光互补发电系统能量管理与系统容量匹配优化[D].沈阳:沈阳工业大学,2014.

[2]田浩.风光互补并网发电系统的研究与开发[D].天津:天津大学,2006.

[3]李坦.风光互补发电系统的控制研究[D].兰州:兰州交通大学,2013.

[4]李钢,慈建斌,李洪星,等.基于PSCAD/EMTDC的风光互补并网发电系统建模与仿真[J].电源技术,2014,38(10):1893-1897.

[5]陈赟.风力发电和光伏发电并网问题研究[D].上海:上海交通大学,2009.

[6]田廓,曾鸣,鄢帆,等.考虑环保成本和风电接入影响的动态经济调度模型[J].电网技术,2011,35(6):55-59.

风光互补发电系统的研究与应用 篇7

金融危机带来的是机遇也是挑战，产业升级、科技创新，国家提出十大产业振兴规划。当前，随着金融危机影响的逐步减弱，世界经济特别是中国经济的快速复苏，世界各国对能源的需求必将急速增长，而传统的石油、煤炭、天然气等不可再生资源的储量有限，人类又将面对更加严重的能源危机。据估计，煤炭还可以持续使用320多年，石油还可以维持40多年，天然气还可以维持50多年，近几年来严重困扰人民生活和生产的电力紧张现象是能源危机的典型表现形式[1]。日益枯竭以及日益严重的环境污染问题的有效途径就是开发绿色可再生能源，大力发展新能源战略，实施可持续发展战略是世界各国的基本能源策略。光伏发电系统是利用太阳能光伏电池将太阳能转换成电能，然后通过控制器对蓄电池充电，最后通过逆变器对用电负荷供电的一套系统。光伏系统的优点是系统可靠性高、运行维护成本低，缺点是系统造价高，对日照的要求较高。我国有着丰富的太阳能资源，大部分地区位于北纬45°以南，全国2/3的国土面积年日照小时在2200 h以上，太阳能年辐射总量为3350-8400MJ/m，平均值是5860MJ (相当于199kg标准煤) ，全年陆地表面每年接收到的太阳辐射能约为5×1.022k J，相当于2.4万亿t标准煤。风电系统是利用风力发电机，将风能转换成电能，然后通过控制器对蓄电池充电，最后通过逆变器对用电负荷供电。风电系统的优点是日发电量大、系统造价及运行维护成本低，缺点是常规水平轴风力发电机对风速的苛刻要求一直没能解决。风能是一种最具活力的清洁能源，如果风能的1%被利用，则可以减少世界3%的能源消耗，风能用于发电，可以产生世界总电量的8%～9%。中国拥有丰富的风能资源，储量约为32亿k W[2]。采用太阳能光伏发电和风力发电是利用可再生清洁能源的重点，而且已成为最具商业化发展，必将成为未来世界最重要的替代能源。作为普遍存在的自然资源，太阳能和风能具有很好的互补性，而蓄电池是目前应用最为广泛的化学储能方式，为风力发电和太阳能发电产生稳定的电力品质提供了技术可能。因此从资源环境和技术评价两方面来看，风光互补电源形式是一种合理的离网型供电方案。

1、系统组成

如图1所示，一套完善的风光互补电源系统主要包括发电部分、控制部分、负载部分、蓄电池和泄荷单元等。各部分受风光互补控制器控制，为离网型独立电源。

2、发电部分

由太阳能电池板和风力发电机组成，白天光照强时风弱，夜间或阴天光弱时风强，时间上的互补性使得风光互补发电系统在资源分布上具有很好的匹配性，为风光互补电源系统的建立提供了能源保障。太阳能电池板产生直流电，可选用多晶硅太阳电池组件，要求用高透光率低铁钢化玻璃，外加阳极化优质铝合金边框，具有效率高、寿命长、安装方便、抗风、抗冰雹能力等特性；风力发电机产生交流电，在选型时要求风力发电机是低速型风机，具有发电效率高、结构简单、质量稳定、维护量低、在恶劣的天气情况下自动偏航保护等特性。

3、蓄电池和泄荷单元

根据负载选择合适功率的蓄电池，它具有放电功率大、充电更迅速、循环寿命长、重量轻、性能可靠、均衡等优点，蓄电池完成电能的储存及负载的供电。20世纪60年代中期，美国科学家马斯提出了以最低出气率获得蓄电池的最佳充电电流曲线。由最佳曲线可知，充电初期采用大充电电流以加快充电速度，充电末期减小充电电流以免产气过于剧烈使极板上的活性物质脱落损坏，降低电池容量和寿命。本系统蓄电池的充电采用阶段充电法，阶段充电法综合了恒压充电和恒流充电两种充电方法，有效地防止了这两种充电方法的不足[3]。泄荷器的作用是，当蓄电池已被充满，系统发电量大于负载用电量时，即发电量过剩时，为防止蓄电池过充和确保逆变器正常工作，充电电路受泄荷控制电路接通泄荷器，将多余的电能通过泄荷器消耗掉。

4、负载部分

该部分根据实际运用场合完成设计，其中逆变技术的引入，转直流为交流为交流负载和并网发电提供了可能。当前，该系统主要用于照明，例如：路灯、偏远地区照明、高速公路照明等。照明路灯采用了两种形式：低压钠灯 (LPS) 和发光二极管 (LED) 。低压钠灯的问世是人类室外照明，特别是风光互补照明光源的一次革命。对比常用电源，同样的光通量及照度，节电可达50%以上。LED照明灯具的出现，使人类照明产业开始了第三次飞跃，其特色如下： (1) LED为半导体元件，与白炽灯不同，没有玻璃、钨丝等易损可动部件，故障率极低，可免维护； (2) 寿命长，可达20000～25000h (传统光源寿命仅2000～3000h (3) 响应时间短，只有60ns； (4) 高效率、低能耗，电能利用率高达80%以上； (5) 体积小、重量轻，最适合设计成紧凑的路灯灯具； (6) 绿色照明光源，不含汞等有害物质，发热量、辐射很少； (7) 大功率白光LED的发光效率一般为80Im/W，目前已突破100lm/W，这对白光LED灯的设计创造了良好的条件[4]。

5、控制部分

风光互补控制器为该系统的核心部分，如图2所示：单片机系统完成风机输出电压、光伏电池输出电压、负载电流、蓄电池电压的采样，并进行负载控制、完成译码显示，通讯接口电路进行各种功能设定。其中系统电路的工作电源为+5V，由+5V直流稳压电源电路提供；风机输出电压为三相交流电，因此需要通过整流、滤波、稳压将其转换为直流电供蓄电池充电使用；对于路灯等应用系统，光伏电池输出电压的采样可对光电池电压进行监测，进而控制灯亮灯灭；蓄电池电压的采样可对蓄电池电压进行监测，完成充电控制和过放保护；负载电流的采样可对负载电流进行监测，完成负载短路保护、超负载保护。

6、结束语

总之，风光互补发电系统作为独立的电源系统，具有一定的合理性和可靠性，有着广泛的应用领域。在远离电网的地区，独立供电系统已经成为人们最需要的电源。边防哨所、邮电通讯的中继站、公路、渔船和铁路信号站、地质勘探野外的工作站以及偏远的农牧民都需要低成本、高可靠性的独立电源系统；对于城市里的景观灯、路灯等，随着政府对节能环保的重视，应用前景也相当广阔。

摘要：风能和太阳能作为可再生能源, 复合发电的互补性很强。本文给出完善的风光互补发电系统组成, 对各部分原理进行了叙述。该系统为离网型发电, 发电成本低、无污染、使用场合广泛, 是一种极具发展前景的可再生能源组合。

关键词：风光互补发电系统,可再生能源,离网型发电系统

参考文献

[1]杨琦, 魏宾.风光互补独立供电系统设计及分析[J].陕西电力.2009, (1) :1-4.

[2]贺炜.风光互补发电系统的应用展望[J].上海电力.2008, (2) :134-138.

[3]夏继垮, 张华强, 王志新.离网型风光互补路灯照明系统蓄电池充电控制研究[J].水电能源科学.2008, 26 (6) :182-185.

风光发电 篇8

风光互补发电技术是世界新能源利用的趋势, 随着风力发电技术和太阳能发电技术日臻完善、成本日趋下降, 风光互补发电技术将有很广阔的市场前景。但是光照强度、风速、温度等环境因素随地理位置、时间、天气等的变化有很大差异, 对风光互补发电系统有很大影响。而系统的运行是否达到预期目标, 仅从运行效果来看是无法客观、准确的显示出来, 因此需要有一套数据采集监测系统来测得实时数据以指导操作人员进行安装方案的选择和系统运行状态的分析。

2. 系统构成和功能设计

本系统主要由数据采集, 数据处理, 数据存储和发送三部分组成。数据采集由ATmega16单片机和各种传感器构成。数据处理是由电脑上位机构成, 显示采集到的环境参数和电参数。数据存储和发送是由RS232串口通信、SD卡数据存储模块、GPRS无线数据传输模块构成。

2.1 数据采集

为了全面监测风光互补发电系统的运行状态, 必须将所有相关参数测量和记录。这些参数包括发电机的电压、电流和功率, 太阳能电池板的电压、电流和功率。以及光照强度、风速、温度等环境参数。通过各种相关的传感器, 将这些数据采集到单片机中, 单片机根据从时钟芯片所获得的时间信息, 确定数据保存和发送的时刻。本系统由三种数据保存发送方式, 以供不同应用场合使用。

2.2 硬件设计

2.2.1 霍尔电压、电流传感器

霍尔电压、电流传感器是根据霍尔原理制成的线性元件。它有直测式和磁平衡式两种工作方式。此平衡式闭环霍尔电压传感器工作原理:霍尔磁补偿原理—被测电流In从原边通过导体会产生磁场, 通过霍尔元件在副边输出原边控制信号的补偿电流Im, Im流过次级线圈产生一个与原边反向的磁场, 当原边与副边的磁场达到平衡时, 其补偿电流Im即可精确反映原边电压值。闭环霍尔电流传感器工作原理与闭环霍尔电压传感器工作原理类似, 也是以磁平衡方式工作, 它是用补偿电流直接反应原边的输入电流。

实际应用中电压传感器采用CHV-系列霍尔电压传感器。它可以用于测量直流、交流、脉冲电压, 实现原边被测电压与副边输出电流 (电压) 电气隔离。

电流传感器采用CHB-系列霍尔电流传感器。可用于测量直流、交流、脉冲电流, 原边被测电流与副边输出电流电气隔离。

2.2.2 风速传感器

风速传感器采用TF-V1系列风向仪。测量风速范围0—30m/s, 额定工作电压12V DC, 输出信号0-5V直流电压。风向仪由三个互成120°的半圆形空杯组成三杯式旋转感应仪, 感应仪安装在和它垂直的旋转轴承上, 配合内部顺滑的轴承系统, 确保了信息采集的精确性。

2.2.3 光照传感器

传感器采用KTR-TBQ型总辐射测量仪。传感器由感应件、玻璃罩和配件组成。感应件由感应面和热电堆组成。其工作原理基于热电效应。热电堆为快速响应的线绕电镀式热电堆, 感应面涂3M无光黑漆。当涂黑的感应面接收辐射增热时, 使以热接点紧贴在下部的热电堆产生与接收到的辐照度成正比的温差电动势输出信号。

2.2.4 温度传感器DS18B20

该温度传感器通过单总线方式与单片机进行通讯, 能够方便的测量环境的温度。它采用单根信号线完成数据的双向传输, 并同时通过该信号线为单总线器件提供电源, 具有节省I/O引脚资源、结构简单、成本低廉、便于总线扩展和维护等诸多优点。

2.2.5 时钟芯片DS1302

该时钟芯片通过SPI总线方式给系统提供实时时钟, 能够准时的控制数据传输的起止时刻, 并且将时间数据作为协议的一部分, 可以使系统准确的记录数据的时刻。

2.2.6 ATmega16

系统主控芯片ATmega16是基于增强的AVR RISC结构的低功耗8位CMOS微控制器。ATmega16有丰富的片上资源, 集成了8路单通道ADC、PWM、SPI总线、IIC总线等, 可以减少大量的外围电路缩短产品的开发周期。ATmega16的低成本与高性能使其有广泛的应用。

3. 系统软件设计

本监测系统上位机使用C#和ACCESS数据库开发, 界面主要有三部分:串口参数设置;文本文件导入;实时参数与历史曲线显示。根据不同的应用场合数据将通过以下三种方式获得, 同时在右侧的坐标中做出数据曲线, 直观的将数据显示出来, 使操作人员清晰的观测在本次数据采集中数据的变化过程与趋势。

3.1 现场数据监测

在风光互补发电系统的安装现场, 可以使用本监测系统, 通过RS232串口线和安装本上位机的计算机的串口连接。将上位机的串口号设置成串口线实际对应的串口号, 点击“打开串口”按钮, 如果按钮左侧的指示灯变亮, 则标志通信正常。连接成功后, 上位机中相应的参数显示文本框中将显示实时数据, 右侧的坐标横轴是数据采集编号, 按数据的到来顺序自增, 纵轴分别是风速、光照强度、

风机功率、太阳能电池板功率。同时将数据记录到ACCESS数据库。

3.2 GPRS远程数据监测

软件使用方法同现场数据监测, 不同之处是用GPRS模块来代替RS232数据线, 本系统使用KL-W7000系列GPRS数据采集模块。使用时将本系统的硬件部分用串口线连接到该GPRS数据采集模块的DB-9接口, 插入已充值的SIM卡。使用该模块配套的虚拟串口上位机软件可以完全透明的与扩展设备进行通讯传输数据, 从而实现智能设备数据的无线透明传输。

3.3 SD卡数据存储模块

数据存储使用SD卡数据存储模块。该数据采集模块将数据存放于SD卡, 便于数据收集并利用计算机分析。电路每次上电, 模块将在SD卡中自动创建一个文件夹, 然后在文件夹中创建一个数据文件, 用户要存储的数据就存在这个文件中。使用串口线将模块和单片机连接, 单片机通过发送的ACSII字符都将保存到模块上电以后自动创建的TXT格式的文本文件中。将该TXT文件放到本系统上位机的安装目录中。点击软件左侧导入文件按钮, 文件中的数据将自动导入上位机, 并且同将各种数据显示到相应的保存到ACCESS数据库中。

4. 结束语

该监测系统通过三种数据存储和发送方式对风光互补发电系统相关参数进行监测, 上位机软件界面友好, 数据库功能强大以及历史曲线显示, 所得数据对进行风光互补发电系统调试的操作人员很好的指导意义。而且其低成本和维护方便的优点使本系统具有很好的实用与推广价值。

参考文献

[1]黎水平, 贺建军.基于GPRS的配电变压器在线监控系统研究[J].自动化仪表, 2008, 29 (9) :33-35.

[2]马明建.数据采集与处理技术[M].西安:西安交通大学出版社, 2005:80-181.

[3]王健, 娄承芝.风光互补发电数据采集管理系统研究[J].数采与处理, 2007, 15 (9) :1247-1249.

风光互补综合发电系统可靠性分析 篇9

单独的风能、太阳能发电系统很难保证稳定的能量输出,风能和太阳能在时间和地域上具有很强的天然互补性。储能系统可以平稳新能源发电出力波动,改善新能源功率输出特性,提高输出功率的可控性[1]。风光互补联合发电系统与单纯风电/光伏发电相比,电力输出更可靠平稳,是一种比单一风力/光伏发电更经济可靠的选择[2,3,4]。

国内外对含新能源发电的系统可靠性进行了大量研究。1981年,N.E.Busch和Kallenbach首次提出太阳能和风能的混合利用。Hybrid2软件可以精确模拟风光互补系统的运行[5]。文献[6]建立了含风电场的发输电系统可靠性评估模型。文献[7-9]分析了含风电场和储能装置的发电系统可靠性,但都没有考虑到风光互补性的应用以及备用的设置问题。文献[10-12]采用遗传算法、NSGA_II等优化算法,求解风光互补发电系统的容量优化问题,以实现在满足负荷需求的前提下,提高供电可靠性,同时降低成本,减少能源浪费。

本文首先建立接入大规模风电场、光伏电池阵列和储能系统的风光互补综合发电系统可靠性评估模型。综合考虑常规机组的强迫停运,在序贯Monte Carlo仿真下,分别在夏冬季典型日分析风光互补性在季节和昼夜上对于系统充裕度的贡献。提出通过新能源有效带载能力(N-ELCC)描述保证与常规发电系统可靠性相等的前提下新能源发电的可用负荷承载能力,并给出N-ELCC随风光容量比例的变化以及对静态备用容量的影响。最后通过分析获取算例地区气候环境影响作用下科学的新能源发电建议。

1 风光互补综合发电系统随机特性模型

1.1 风力发电系统随机特性模型

风速预测可采用ARMA模型处理[13]

t时刻风速预测值

其中,μt和σt分别为t时刻风电场历史统计平均风速和标准差。

风电机组有功功率出力为

式中:Vci、Vr和Vco分别代表风场的切入风速、额定风速和切出风速;Pr表示风电机组的额定功率;A、B、C是与Vci、Vr和Vco相关的常数[8]。

本文不考虑风电场中区域风速偏差、轮毂线高度以及尾流效应等对风机出力的影响。将同一风电场的各风机视为风速风向几乎相同,因此风机参数可用1台风机等效模拟,风电场各机组输出功率相同,都是风电场风速的函数。即

式中:wv为风速;Pwi(wv)为各机组出力;Nw为风电机组数;Pw为风电场总发电功率。

1.2 光伏发电系统随机特性模型

光伏阵列的出力是由太阳辐射、电池板温度以及电池板的故障率共同决定的[14]。工程应用计算中,光伏发电系统的输出功率由下式计算。

式中:Pstc是标准测试环境(环境温度25℃,太阳入射强度1 000 W/m3)的最大功率;GAC为光照强度;GSTC为标准状况下的光照强度,本文仿真中取1000 W/m3;k为功率因数系数;Te为电池板的实际工作温度;Tr为参考温度(标准测试温度)。

光伏发电系统出力的不确定性主要来自于光照强度。而不同地区不同仿真条件下光照强度的概率分布可以用正态分布、Beta函数以及混合高斯函数来拟合[15,16,17]。

1.3 储能系统模型

高可再生能源发电渗透下,添加储能装置不仅可以吸收盈余可再生能源,而且可以平稳风电和光伏发电输出的波动,保证电力系统稳定性。

以钒电池等为代表的储能装置充电状态时间序列值取决于盈余发电容量时间序列值、储能系统自身的容量限制以及储能电池充放电速率。

t时刻盈余发电容量

式中,Pt和Lt分别为此时段发电容量和负荷。

储能电池充电状态时间序列值

式中:ESmin、ESmax分别为储能电池的最大、最小容量;ESt为t时刻储能电池充电状态时间序列值;λ为充放电速率(k W/h);Δt为仿真时间。

1.4 常规发电机组停运模型

本文常规发电机组仍采用两状态停运模型,即

式中:U为机组强迫停运率;λ为机组故障率(次/年);μ为机组修复率(次/年)。

根据系统内各机组的容量和强迫停运率,可得到系统停运容量概率表(Capacity Outage Probability Table,COPT)。

1.5 预测偏差处理

常规发电系统调度的不确定性主要来自于负荷。当加入风能、太阳能等可再生能源发电后,其输出功率的波动性使得系统不确定性更为增加。

负荷预测

式中:Lta为实际负荷;Ltf为预测负荷;εlt为负荷预测偏差,该偏差服从均值为0的随机正态分布,方差为σl2[18]。由文献[19-20]有,标准差σlt=k Lft/100,通常k=1。

风电/光伏发电功率均可采用正态分布描述,因此新能源发电功率预测

式中:Nat为实际新能源发电功率;Nft为预测新能源发电功率;ent为新能源发电功率预测偏差,该偏差服从0均值的随机正态分布,方差为σn2。由文献[21]有,标准差,NI为新能源总发电容量。

2 风光互补综合发电系统可靠性分析

2.1 风光互补综合发电系统模型

本文研究所提出的风光互补综合发电系统,是将风电机组、光伏阵列的分布式电源与储能装置加入到常规发电系统中,系统模型如图1所示。

2.2 风光互补综合发电系统充裕度评估

本文选择冬夏季典型日进行分析。典型日是根据当地的气候环境特点,选择典型季节的典型日进行分析,分析结果可代表该地区不同季节气候环境下的电网运行特点。定义如下指标描述风光互补综合发电系统的充裕度可靠性。

典型日各时刻缺供电功率

典型日缺电时间期望

其中:N为仿真次数;LLDi为每次仿真下典型日的缺电小时数。

2.3 新能源有效带载能力N-ELCC

若直接增加新能源发电于常规发电系统,那么系统的可靠性增加。若不断增加系统峰荷,当系统的可靠性与不加新能源作用的原始系统可靠性相同时,此时的峰荷即为新能源有效带载能力(New power Effective Load Carrying Capacity,N-ELCC)。在计算N-ELCC时,通常使用的可靠性指标为缺电时间期望LOLE,即给定时间内(这里为典型日)发电量不能满足负荷需求的小时数(hrs/day)。图2中的交点即为N-ELCC。

N-ELCC使用峰荷增量表达可以更明确对原始常规发电系统带载能力的贡献,同时也可以作为新能源发电机组(风电机组、光伏电池阵列)的出力负载效用函数,用于含新能源发电的电网容量规划。

根据系统静态备用容量判据,备用容量百分比

N-ELCC是保证可靠性不变的情况下系统的承载能力,是牺牲可靠性的提高而换取的带载能力提高,从而使系统可承担峰荷增加,静态备用容量减小,使电网在满足安全的条件下更加经济运行。

2.4 风光互补综合发电系统可靠性分析流程

采用序贯蒙特卡洛仿真进行风光互补综合发电系统可靠性分析的详细流程如图3所示。

采用序贯蒙特卡洛方法进行风光互补综合发电系统可靠性分析的主要步骤如下:

1)冬夏典型日ARMA风速预测,计算冬夏典型日各时刻风电功率和光伏发电功率;

2)建立常规机组故障容量概率表COPT;

3)设定风电装机容量比Ratio值;

4)改变Ratio值,对负荷、风电功率和光伏发电功率时间序列值进行离散化预测偏差处理;

5)采用蒙特卡洛方法抽取负荷、发电量等时间序列值,直到仿真次数完成,统计出该Ratio值下有无储能状态的冬夏季典型日可靠性指标EENS、LOLE、N-ELCC。

3 算例分析

本文采用RBTS可靠性测试系统进行仿真,详细的原始接线图以及元件可靠性数据见文献[7]。该可靠性测试系统峰值负荷为185 MW,11台常规发电机总容量为240 MW。风速预测选用加拿大Saskatchewan省Swift Current的风场风速数据进行ARMA风速及风电场功率预测。光伏发电功率预测所需要的日照强度、光伏发电元件工作温度数据采用文献[17]的太阳能数据。新能源总装机容量为60MW。定义渗透率为新能源装机容量与系统总装机容量的比值,本文中为20%。风电装机容量比也反映了风光装机容量比的变化,本文定义风电装机容量比Ratio=风电装机容量/新能源总装机容量。储能装置容量为7.5 MW,初始值为4.5 MW,充放电速率900 k W/h。各小时模拟次数取为5 000。

3.1 系统充裕度的风光互补可靠性分析

图4为冬夏典型日的负荷特性以及温度、日照强度、风速特性,采用标幺值描述。

有风无光系统(即风光比例为60:0)、有光无风(即风光比例为0:60)下的冬夏季典型日各时刻缺供电功率EDNS曲线,如图5、图6所示。

图5、图6体现了太阳能和风能在昼夜和季节上的天然互补性,即白天太阳光照好,风小;夜晚无光照但风较强;夏季日照强度大而风小,冬季日照强度弱而风大。负荷特性表明该地区夜晚负荷较大。从昼夜角度来说,当负荷特性和新能源渗透率一定(20%)时,冬夏季典型日夜晚的可靠性较之白天普遍下降。而从季节角度来说,冬夏季典型日有风无光系统在白天由于光照作用大于风速,因此在中午光照相对较强时有少量的缺电情况,但这可以通过储能系统得到补偿。而夜晚冬季因风大,基本没有缺电情况发生,可靠性大大高于夏季典型日;而有光无风系统下冬季典型日可靠性受日照强度的影响并不是很大,但是缺电情况的发生先于夏季典型日,缺电功率也比夏季典型日大,这正体现了太阳能的季节性特点。同时冬季虽然白天日照强度不大,但一方面风速较强从而风电功率很大,另一方面各时刻的功率缺额可以通过储能系统得到有效缓解,因此冬夏季白天基本没有缺电情况。

风能和太阳能的分布特点并不同时符合冬夏季的可靠性需求,在新能源渗透率不变的情况下,得到系统充裕度指标EDNS和LOLE随风电装机容量的变化,如图7~图9所示。

图7、图8表明,在负荷特性和新能源投入总量不变的时,缺电情况经常发生在夜晚。这与上面对于风光互补在昼夜上对系统充裕度的分析一致。

图9表明夏季缺电时间期望随风光比例变化而波动,但是冬季缺电时间期望随风电装机容量的增加基本呈减少趋势,但都小于原始常规发电系统LOLE(0.017 4 hrs/day),即加入新能源发电系统可靠性增加。从充裕度角度反映出该地区气候环境风电贡献灵敏度较高,更适宜多发展风电。

3.2 风光互补综合发电系统N-ELCC

表1给出了单纯风电/光伏发电作用下的风能/太阳能有效带载能力N-ELCC。结果表明,加入新能源可以提高系统有效带载能力,且本地区气候环境下风电比太阳能发电的有效带载能力高。

图10表明新能源有效带载能力N-ELCC随风光装机容量比例的变化。夏季N-ELCC处于波动状态,而冬季N-ELCC随风电装机容量总体上呈增加趋势。图11计算了以N-ELCC作为系统峰荷时的典型日静态备用容量比率。不考虑N-ELCC时系统需要的备用容量比为(300-185)/300=0.3833,比考虑N-ELCC所需要的备用容量比要大。因此考虑N-ELCC可以在保证可靠性满足要求的前提下,减少备用投资,提高经济性。

本文以典型日N-ELCC说明其对备用容量的影响,是在以典型日代表全年气候环境变化和负荷特性的假设下。同时从图11可以看出该地区多发展风电将在获得更大的有效带载能力和更小的日前静态备用容量比,因此从经济性的角度也反映出该地区的气候环境更适宜多发展风电。若将N-ELCC用于电网规划,应计算长期新能源N-ELCC得到备用容量值,从而指导备用容量规划。

4 结论

1)本文以风光互补综合发电系统为例,从昼夜和季节角度分析并验证了风能和太阳能发电在系统可靠性的互补作用,计算了冬夏典型日各时刻的缺电功率EDNS和缺电时间期望LOLE。同时提出了新能源有效带载能力N-ELCC反映与原始发电系统可靠性一致的情况下新能源可提供的带载能力增量,从而可以在满足运行可靠性要求的同时,获取静态备用容量上的经济性。最后从可靠性和经济性给出该地区气候环境的新能源发电计划建议。

2)本文提出的N-ELCC也可以使用峰荷增量表达,这将更明确新能源发电对原始常规发电系统带载能力的贡献,同时也可以作为新能源发电机组(风电机组、光伏电池阵列)的出力负载效用函数,可以用于含新能源发电的电网容量规划。