光伏储能（精选6篇）
光伏储能 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。
光伏储能 篇2
大容量光伏、储能设备接入电网后,将导致电力系统运行特性发生变化,这引起了电网规划、设计、生产、运行等部门的广泛关注。为了深入开展新能源接入电网后的动态特性等方面的研究工作,华北电网有限公司建设了光伏、储能物理实验系统,并与RTDS实时数字仿真系统一起闭环构成光伏、储能接入电网的物理数字混合仿真实验平台,开展“实际”的光伏电站接入“仿真”的电力系统后的特性研究。
物理数字混合仿真结合了物理模拟和数字仿真的优点,是仿真发展的新思路。文献[1]从系统稳定性的角度对物理、数字互联的混合仿真模型进行了理论分析;文献[2]对混合仿真在特高压交直流电网的应用进行了研究;文献[3]重点介绍了物理和数字仿真子系统边界条件的实现及联合仿真系统的搭建。文献[4]阐述了双馈变速风力发电机数模仿真中数字模型和控制系统的实现方案。但是从目前的研究来看,采用物理数字混合仿真的方式,研究新能源接入电网后新能源系统和大电网系统之间相互影响的文献还不多。
本文首先从物理和数学两个方面分析混合仿真原理,然后介绍系统的实现方案,并着重描述仿真系统的物理数字接口,即扰动器的原理和结构。最后,通过一个实际光伏电站接入仿真系统的实例验证本系统的正确性。
1 物理数字混合仿真的原理
电力系统中的物理仿真是将实际电力系统经过等值折算后采用实际元件对系统进行模拟,不需要确定设备的数学模型,但它存在建设投资巨大、参数更改困难、模拟规模有限等缺点。数字仿真用数学模型来研究电力系统的物理过程,该方法可实现大规模电网的仿真和计算,但仿真结果受模型、参数、算法的影响较大,建模的好坏直接影响结果的精度和可信度[5]。在新能源接入电网的仿真研究中,采用物理数字混合仿真能够兼顾上述2种仿真方法的优点。用物理装置模拟建模效果不理想或模型未知的元件,用数字仿真模拟大规模电力系统,在实际的仿真研究中取得了理想的效果。
从数学原理上看,数字仿真系统为时间离散的数学差分方程。它是从描述实际系统行为的微分—代数方程组出发,实时求解这组微分—代数方程;而物理仿真系统的行为也可以用一组微分—代数方程来描述。因此,物理仿真和数字仿真都再现了实际系统的行为,它们具有很好的统一性,统一到了描述系统行为的微分—代数方程组这个数学模型上。所以,如果能够为2个仿真子系统形成统一、协调的接口条件,那么完全可以利用物理方法和数字方法联合模拟一个真实系统。
从电路原理来看,物理和数字模型可相互把对方端口网络视为自己的一个元件支路。实现模型互联的关键在于如何使互联端口的电压变量和电流变量同时分别满足数字模型和物理模型的电路定理。依据替代定理:如果将电路的某一部分以单端口网络的形式从电路中取出,并且同时已知其端口电流或电压,则被取出的部分可以用相应的电流源或电压源来替代而并不改变电路其余部分的状态。因此,只要将一种模型的端口电流变量或电压变量取出,通过信号传递的方式在另一种模型中以动态刷新的电流源支路或电压源支路替代,混合模型就可由拓扑分离的物理模型和数字模型组合而成。
2 系统实现方案
2.1 系统介绍
光伏、储能物理数字混合仿真系统包括:单晶硅光伏阵列、储能电池及电池管理系统(简称BMS)、双向变流器、变压器、电网扰动器、RLC负载、光纤变送器[6]、RTDS实时仿真系统以及监控系统等。系统结构如图1所示。
图1中,电网扰动器[7,8]是整个混合仿真系统中物理部分和数字部分联系的纽带。通过扰动器的沟通,系统组成了实际的光伏、储能物理设备和数字的电网模型之间的互动平台。一方面对于光伏、储能系统来说,它的并网点电压受到RTDS所构建的虚拟大电网的控制。这就模拟了光伏电站接入电网后,其外特性随着电网特性的变化而变化;另一方面对于RTDS实时数字仿真系统来说,它的运行状况会受到实际光伏、储能系统的电气外特性的影响。这就模拟了在大规模新能源接入电网后电力系统运行特征的变化[9,10,11,12]。
扰动器还是模拟电网系统故障的执行机构。它除了可进行电压波动、频率波动、三相不对称、电压跌落等系统扰动及保护特性实验外,还能跟踪RTDS实时数字仿真系统输出的电压指令信号,改变双向变流器交流侧电压、频率等,实现系统闭环测试。
光纤变送器是电气量小信号远距离传输的数据传输设备。由于RTDS和扰动器的电气量接口信号均为±5 V,在远距离传输过程中不可避免地会受到干扰和衰减,这将会降低信号的准确度,影响实验效果。而且电气量远距离传输还有可能引入暂态高压,损坏实验设备。光纤变送器在本端将电气量进行模数采样后,通过光纤通信将数字化的采样信号传输到远端,然后再在远端的光纤变送器上进行数模转换,还原出电气量信号。采用这种方法,光纤变送器实现了在仿真系统闭环实验中信号的实时、准确地传递。
光纤变送器原理如图2所示。
光纤变送器具有如下特点:信号传输精度高,可达0.2级;信号传输延迟小,小于0.3 ms;信号传输稳定、可靠,不受电磁干扰影响。
BMS为电池的集中管理部分,它主要由BMS监控系统、电池温度控制模块、电池参数检测模块、充/放电控制模块和电池均衡控制模块组成,结构图如图3所示。
BMS监控系统往下通过CAN通信网络与其他模块进行通信,根据得到的数据计算电池荷电状态(SOC),分析电池工作状态,分级报警以及对电池进行相应的控制。BMS监控系统往上通过以太网与整个系统的监控系统相连,一方面将BMS的运行数据传递给监控系统,另一方面接收监控系统下发的用户控制命令和协调控制的控制信号。电池参数检测模块实时检测各个电池的电流、电压和温度等参数。充/放电控制模块通过对电池的充/放电过程进行控制,避免电池过充或者过放。电池均衡控制模块对电池的充/放电过充进行均衡控制,避免产生因电池容量不均衡而造成的电池损坏。
双向变流器是系统的交、直流连接的核心部分。当光伏、储能系统向电网系统发电时,双向变流器将直流侧的电能转变为交流电,通过变压器升压后送给电网;当电池储能系统需要从电网侧系统充电时,双向变流器又将电网侧的交流电转变为直流电给蓄电池充电。
双向变流器的控制电路由DSP板、控制板、采集板和驱动板构成。控制板将采集板采集的电流、电压信号送给DSP板,DSP板对输入数据进行运算处理后,一方面将控制脉冲通过驱动板提供给IGBT,实现并网时功率因数为1;另一方面进行最大功率跟踪(MPPT)控制,使直流系统始终工作在最大功率点处。
监控系统除了能够实时监控整个系统中各个设备的运行情况外,它还是系统发电协调控制的管理机构。监控系统实时采集BMS和变流器的运行数据,控制电池的充放电和双向变流器的输出功率,达到光伏、储能协调控制的目的。
光伏、储能物理数字混合仿真系统的主要运行模式如下。
1)光伏发电模式:
光伏阵列单独通过双向变流器并网发电。
2)储能充放电模式:
在BMS的控制下,光伏阵列对蓄电池组进行充电,或者通过双向变流器使用网侧电源给蓄电池充放电。在实验过程中可以模拟蓄电池组的各种运行工况,如正常充—放电、欠充—过放、过充电特性等。
3)光伏、储能系统接入电网后性能测试模式:
将实际的光伏、储能系统接入RTDS模拟的数字电网中,通过扰动器产生各种电网故障,以此来研究光伏、储能系统和电网之间的相互影响。
4)光伏、储能联合发电模式:
在系统要求的出力曲线的约束下,光伏、储能联合向系统中输送电能。其中,光伏阵列根据天气情况尽量满发,监控系统对双向变流器和BMS进行统一协调控制,通过蓄电池组的充放电对发电总功率进行调节。
2.2 以扰动器为核心的物理和数字仿真接口
物理数字混合仿真系统中的物理系统、数字仿真系统各自独立运行,通过扰动器的联系实现数字系统、物理系统之间的电压同步和电流反馈。扰动器实时跟踪RTDS的输出电压,将RTDS输出的±5 V电压波动放大为380 V的电压波动,然后接入物理系统来模拟电力系统故障。扰动器的原理如图4所示。
如图4所示,电网侧输入的三相电源通过变压器、输入电感向功率单元提供工作电源。功率单元在控制脉冲的作用下完成四象限的功率交换并输出不同的电压波形。
为了减少输入电流中的谐波、提高功率因数,变压器采用相位彼此差开相等电角度的多副边结构,每一组副边接一个基本功率单元,这样构成多级移相叠加的整流方式,大大改善网侧的电流波形,提高网侧的功率因数,无需任何功率因数补偿及谐波抑制装置便可将负载下的网侧的功率因数提高到0.95以上。
扰动器输出的每一相可以由若干个基本功率单元串联组成,实现了更高电压输出。第一个功率单元的一个输出端连接在一起形成星形连接点,另一个输出端则与下一级功率单元的输出端相连,依此方式,将同一相的所有功率单元串联在一起,便形成了一个星形连接的三相电源。串联的单元数越多,输出的电压越高。对于本仿真系统来说,由于只需要380 V电压输出,因此不需要将功率单元多级串联。
功率单元是组成扰动器的最小单位,它由四象限整流器、逆变器和功率单元控制板等部分构成。其主回路如图5所示。
如图5所示,功率单元的基本拓扑为交—直—交三相整流/单相逆变电路。功率单元的整流电路将变压器副边绕组提供的三相交流电源整流为脉动的直流电源,经过大容量的电容滤波后,可以得到稳定的直流电源。然后通过对IGBT组成的逆变桥进行正弦调制的PWM控制,可得到等效正弦的单相交流输出。其中,功率单元控制板是功率单元的核心部件,它通过跟踪数字仿真节点的输出电压波形来发出不同的IGBT触发脉冲,由此得到不同的输出电压波形。
电网扰动器每个功率单元均采用模块化设计,在结构和电气性能上完全一致,可以通用互换。
3 仿真试验流程
物理数字混合仿真实验流程按如下步骤进行。
1)等值简化电网。
对原始电网进行动态等值化简,将各个电气元件用相应的数字模型代替,并使化简后的电网规模与实时仿真实验系统的模拟规模相适应。
2)搭建混合仿真模型。
按照等值后的网架结构和仿真要求搭建物理数字混合仿真系统模型。
3)确定系统模数比。
数模混合仿真实验时,在仿真系统上建立的系统模型所采用的电流、电压值不能超过模拟设备的最大允许值,必须按比例缩小,这种模拟系统的参量和实际系统的参量之间的比值叫做模数比。模数比主要根据以下因素确定:①模拟系统的输入、输出通过系统模数比的转换后尽可能符合现场情况。②选择合适的模数比使得建立模拟系统所用的模拟设备和元件最少。③流过模拟装置的最大电流不能超过元件最大允许值。④为保证模拟系统的精度,稳态运行时流过模拟系统的电流也不宜过低(一般不低于1 mA),否则潮流较小的线路或支路的模拟精度就难以保证。⑤充分利用功率放大器的输出功率并留有一定裕度。
4)校验系统误差。
在搭建好的模型上建立系统稳态潮流,与离线程序的稳态潮流进行比较,校验误差。
5)开始仿真实验。
经过稳定特性校验后再进行相关的仿真实验研究。
如果仿真结果不正确,则重新开始仿真流程,逐步检查、修正各个仿真环节,直到输出正确的仿真结果。仿真流程如图6所示。
4 实际光伏电站接入仿真电力系统实例
下面通过模拟某光伏系统接入电网后实际发生的一次电网故障来验证本混合仿真系统的正确性。
某地区220 kV电网2012年结构和潮流如图7所示。其中地区负荷为740 MW,通过2台变压器向500 kV电网送电993 MW。地区包括2个发电厂,电厂A容量为2×330 MW,电厂B容量为2×300 MW。
在图7所示的光伏并网点处接入光伏发电系统,光伏并网点故障时向电网输送的潮流约40 MW。故障情况为:万张二线(万全—张北)万全侧发生单相瞬时故障,0.1 s后线路两端故障相断开,1.0 s后重合成功。其中,光伏并网点220 kV系统三相短路电流为6.9 kA,故障点接地电阻为40 Ω。
在本次仿真研究中,光伏、储能系统和扰动器为实际的物理设备,电力系统大电网采用RTDS数字模型模拟,仿真系统结构如图8所示。
如图8所示,将数字系统中光伏并网点的三相电压通过光纤变送器转换为±5 V电压信号,传送到电网扰动器作为电压控制信号,电网扰动器实时跟踪信号变化,改变光伏、储能系统输出端的380 V三相输出电压。同时,扰动器将光伏、储能系统输出的三相电流转换为±5 V弱电信号通过光纤变送器传送回RTDS,作为数字电力系统中光伏并网点的注入电流。这样,实际的光伏电站和仿真的电力系统构成了一个闭环的测试系统。根据上文中第3节的方法,并综合考虑各种因数,确定仿真系统中的物理模型出力的数模比为1∶20 000。
实验结果如图9—图14所示。
从图9到图14可以看出,故障瞬间光伏系统的输出功率变化很大,并网点的电压也有一个较大的跌落。故障后,在励磁系统的作用下,发电厂的电压、有功、无功经过大约4 s后恢复正常出力。
通过将实验结果和现场的实际录波结果进行对比,情况完全一致,从而证明了本仿真系统的正确性。
实际录波结果如附录A中所示。
5 结语
光伏、储能物理数字混合仿真实验平台的特点在于RTDS仿真系统与实际实验设备构成了闭环测试系统,它的应用前景非常广阔。首先,本系统建设了具有大电网接入背景的物理实验系统,优于常规接入无穷大系统的动模系统,可以在实际电网环境下研究新能源的运行特性。其次,本系统可以完成现场不方便进行的大小扰动实验,开展新能源仿真建模。再次,本系统可以研究大规模新能源接入电网后整个电力系统的动态特性,既包括电网异常工况对新能源运行的影响,也包括新能源外特性对电网的影响。该系统的建成为进一步开展新能源接入电网后的特性研究打下了基础。
附录见本刊网络版(http://aeps.sgepri.sgcc.com.cn/aeps/ch/index.aspx)。
摘要：分析了物理数字混合仿真的原理,介绍了一种由光伏阵列、储能电池和RTDS实时数字仿真系统等设备共同组成的仿真实验平台。将实际的光伏电站特征信息接入数字仿真系统,研究光伏电站接入电网后系统稳定特性的变化。对混合仿真系统中物理数字接口进行了详细说明,提出了混合仿真实验的流程,通过实例验证了方案的正确性。
关键词：混合仿真,光伏阵列,储能,扰动器,实时数字仿真系统,闭环测试
参考文献
[1]钱珞江,叶飞,钟启迪.数字-物理模型互联方法及混合仿真系统稳定性研究[J].电力自动化设备,2008,28(9):45-48.QIAN Luojiang,YE Fei,ZHONG Qidi.Interfacing betweendigital and analog models and stability of hybrid simulationsystem[J].Electric Power Automation Equipment,2008,28(9):45-48.
[2]胡涛,印永华,蒋卫平,等.数模混合实时仿真系统及其在特高压交直流电网研究中的应用[J].电网技术,2008,32(17):1-5.HU Tao,YIN Yonghua,JIANG Weiping,et al.Digital/analoghybrid real-time simulation system and its application in studyon ultra-high voltage AC/DC power grid[J].Power SystemTechnology,2008,32(17):1-5.
[3]高源,陈允平,刘会金.电力系统物理与数字联合实时仿真[J].电网技术,2005,29(12):77-80.GAO Yuan,CHEN Yunping,LIU Huijin.Joint physics-digitalreal-time simulation of power system[J].Power SystemTechnology,2005,29(12):77-80.
[4]刘其辉,李万杰.双馈风力发电及变流控制的数模混合仿真方案分析与设计[J].电力系统自动化,2011,35(1):83-86.LIU Qihui,LI Wanjie.Analysis and design of digital/physicalhybrid simulation scheme for doubly-fed induction generatorwind turbine and its converter control[J].Automation ofElectric Power Systems,2011,35(1):83-86.
[5]陈磊,闵勇,叶骏,等.数字物理混合仿真系统的建模及理论分析:(一)系统结构与模型[J].电力系统自动化,2009,33(23):9-13.CHEN Lei,MIN Yong,YE Jun,et al.Modeling andtheoretical analysis of hardware-in-the-loop simulation:Part onestructure and model[J].Automation of Electric Power Systems,2009,33(23):9-13.
[6]孟超,沈宇,姚谦.发电机励磁实时监测系统研究与应用[J].电力系统自动化,2010,34(6):107-110.MENG Chao,SHEN Yu,YAO Qian.Research and applicationof generator excitation real-time monitoring system[J].Automation of Electric Power Systems,2010,34(6):107-110.
[7]张国荣,张铁良,丁明,等.光伏并网发电与有源电力滤波器的统一控制[J].电力系统自动化,2007,31(8):61-66.ZHANG Guorong,ZHANG Tieliang,DING Ming,et al.Combined control of active power filter and PV connectedgeneration[J].Automation of Electric Power Systems,2007,31(8):61-66.
[8]陈卫民,陈国呈,崔开涌,等.分布式并网发电系统在孤岛时的运行控制[J].电力系统自动化,2008,32(9):89-91.CHEN Weimin,CHEN Guocheng,CUI Kaiyong,et al.Running control of grid-connected dispersed generation systemsin islanding situation[J].Automation of Electric PowerSystems,2008,32(9):89-91.
[9]国家电网公司.光伏电站接入电网技术规定(试行)[S].2009.
[10]杨卫东,薛峰,徐泰山,等.光伏并网发电系统对电网的影响及相关需求分析[J].水电自动化与大坝监测,2009,33(4):35-39.YANG Weidong,XUE Feng,XU Taishan,et al.Grid-connected photovoltaic’s influence on power systems andrelated issues[J].Hydropower Automation and DamMonitoring,2009,33(4):35-39.
[11]LI Wang,LIN Yinghao.Dynamic stability analysis of aphotovoltaic array connected to a large utility grid[C]//Proceedings of the 2000 IEEE Power Engineering SocietyWinter Meeting:Vol 1,January 23-27,2000,Singapore:476-480.
光伏储能 篇3
随着新能源技术的发展和应用, 储能技术也被大规模应用于新能源领域, 例如为最大限度地利用新能源发出的电能, 通过储能装置存储电能, 在负荷所需电能时, 储能装置释放电能, 实现削峰填谷的功能。而独立光伏系统就是利用储能装置实现该功能的典型应用, 在独立光伏发电系统中多使用蓄电池作为储能载体, 采用循环使用方式和浮充使用方式相结合, 白天将太阳能转换为电能对蓄电池充电, 晚上或阴雨天再由储能用蓄电池向负载提供电能。这种方式在太阳能路灯等系统中得到了广泛的应用, 并且取得了良好的使用效果。
蓄电池作为使用最多的储能电池, 有着能量密度大、价格低廉等特点, 但也存在着循环寿命短、充放电电流限制严格, 长时间在恶劣环境下容易导致过早失效和容量损失等缺点。而当前处于试用阶段的超级电容则具有功率密度大、循环寿命长、充放电效率高、维护成本低等优点。同时, 对于独立光伏系统中的储能系统, 不仅要满足在所供电能富裕时存储, 所供电能匮乏时补偿, 还要满足当大功率负载突然接入系统时能够及时补偿电能的需求, 抑制电压跌落, 因此仅依靠功率密度小的电池 (如铅酸蓄电池) 是不可行的, 使用功率密度大的电池 (如超级电容器) 则可很快抑制住电压跌落, 从而保证整个系统的电能质量。
充电技术对于储能设备的寿命、工作性能有很大影响, 基本的充电方法有两种, 恒流充电和恒压充电, 可以根据系统的工作情况通过控制器选择适当的充电方式。
1 独立光伏发电系统
图1是独立光伏发电系统的结构图, 它是指太阳能电池输出的直流电通过储能元件供给直流负载, 或者增加逆变器, 使其也可向交流负载供电, 但不与交流大电网连接。因此, 独立光伏发电系统的产生及应用对于光照富裕且偏僻边远地区有着重要的意义[1]。
2 超级电容器的工作原理
超级电容器是基于双电层原理的大容量电容器, 当外加电压作用于普通电容器的两个极板时, 装置存储电荷的原理是一样的, 即正电极与正电荷对应、负电极与负电荷对应。而超级电容器除了这些功能外, 若其受到电场作用则会在电解液、电极之间产生相反的电荷, 此时正电荷、负电荷分别处于不同的接触面, 这种条件下的负荷分布则属于双电层, 超级电容器的结构如图2所示[1]。
因电容器结构组合上的改进, 超级电容器的电容储存量极大。此外, 如果超级电容器两极板间电势小于电解液的标准电位时, 超级电容器则是正常的工作状态, 相反则不正常。根据超级电容器原理, 其在运行过程中并没有出现化学反应, 仅是在物理性质上的变化, 因而超级电容器的稳定性更加可靠。超级电容器的主要优点: (1) 超级电容器的单体容量级别可达到上百法拉; (2) 超级电容器对充放电电路结构的要求较低, 且电容器的使用寿命受到过充、过放影响较小; (3) 在安装超级电容器时可根据需要进行焊接处理, 防止电池接触不良等现象的发生。但是超级电容也存在着缺点: (1) 超级电容器安装位置不合理, 容易引起电解质泄漏等问题; (2) 超级电容器仅限于直流电路的使用, 与铝电解电容器相比, 超级电容器的内阻更大, 不适合交流电路的运行要求; (3) 超级电容器单体电压较小, 一般在2.5~2.7 V, 所以需要串联, 但串联过程中由于每个单体参数并不完全一样, 所以需要串联均压电路; (4) 由于超级电容器是新一代高科技产品, 推向市场不久, 价格相对较高。
3 超级电容器的建模
超级电容内部结构非常复杂, 主要包括两个插入电解液中的多孔电极、两个金属集电极、电解液、一个离子导通的隔膜, 其中电极和电解液构成的两相界面是空间分布的, 因此其动态特性很难描述。目前常见的超级电容器等效电路模型主要有三支路模型、传输线模型、串联RC模型、改进的串联RC电路模型、线性RC网络模型、神经网络模型等[2]。
3.1 三支路模型
三支路模型又称非线性RC模型, 是目前比较常用的描述超级电容器工作状态的模型, 它可以比较精确地描述超级电容器在30 min内的端口特性。如图3所示, 三支路模型将超级电容器分成瞬时、延时、长期三个支路, 每个支路的时间常数逐渐增加, 且大于前一个支路超过至少一个数量级。左起第一个支路决定了超级电容器在秒级的充电响应;第二个支路描述了超级电容器在几分钟内的工作特性;第三个支路则描述了超级电容器在10 min后的工作状态;并联漏电阻Rlea, 反映了超级电容器的长时间放电特性。提出了一种改进的基于物理-端行为特性的超级电容三支路模型, 在即时分支电路里采用了一个电压受即时电路端电压控制的电压源和一时间常数恒定的电容串联来模拟超级电容器的即时特性。
3.2 传输线模型
如图4所示为超级电容器传输线模型, 其理论基础是超级电容器极化电极中的每一个孔都有无数孔嵌套成, 每个孔都有各自的电容和阻抗行为, 而每个孔的电化学行为都与孔径、孔容及孔型等密切相关, 同时每个孔的电容和电阻都随电位、角频率等外部因素而变化, 活性炭电极的等效模拟电路应由无数个子电路串并联嵌套而成。传输线模型因为具有特定的物理意义, 因此被认为能够比较准确地描述超级电容器的特性[3]。
3.3 串联RC电路模型
如图5所示, 串联RC电路模型是超级电容器模型中最简单的一种等效电路模型, C是理想电容, Rs是等效串联电阻, 它不仅反映了超级电容器内部的发热损耗, 而且在向负载放电时将随着电流的大小变化引起不同的压降, 对超级电容器的最大放电电流有所约束。
该模型虽然结构简单, 便于进行超级电容器的充放电分析和计算, 且参数不需要通过复杂的实验获取, 但是不能精确地描述超级电容器长期的工作状态。
3.4 改进的串联RC电路模型
改进的串联RC电路模型如图6所示, 由理想电容C、串联等效电阻Rs和并联等效电阻Rp组成。并联等效电阻用来表征超级电容器的漏电流效应, 是影响超级电容器长期储能的参数。这个模型能够反映出超级电容器的基本物理特性。相对RC电路模型, 该模型能较精确地描述电容器长期的工作状态[4]。
为了能够对该改进RC电路模型进行定量分析, 假设充电时的功率为P, 电流为ii (t) , 电压ui (t) 。由图6可推出公式 (1) 。
超级电容器改进RC电路模型中电容C两端的电压uc (t) , 由电路模型知, 该电路属于一阶全响应电路, 从而根据一阶全响应解的公式[5]:
代入得到:
4 超级电容器充电性能分析
超级电容器的充电控制策略会对超级电容器的充电效率及其使用寿命产生一定的影响, 因此接下来主要分析超级电容器的各种充电方法对其性能的影响。为了便于分析超级电容器在各种模式下的充电性能, 设置超级电容器起始零时刻的电压uc (0+) 为0 V。同时, 为了便于对超级电容充电性能进行定量分析, 取改进RC模型中的电容C=50 F, 串联电阻Rs=25 mΩ, 并联电阻Rp=20 kΩ。
4.1 恒压充电
超级电容器恒压充电法是指以接近额定电压的电压对其充电。在充电初期, 由于电源电压和超级电容器端电压之间压差较大, 瞬间冲击电流很大, 在实际充电时需要进行限流处理。随着充电时间增加, 超级电容器端电压上升, 充电电流逐渐减小, 直至超级电容器端电压和给定电压一致, 充电结束。在超级电容器保持静止时, 恒压充电方式还可不断地补充超级电容器自放电损失的电能[6]。
在恒压充电时, 加在超级电容器两端的电压是恒定不变的, 即输入电压ui (t) 为常数Ui。然后将Ui代入公式 (3) 和 (4) , 得到超级电容器在恒压充电时, 改进RC电路模型中的电压uc (t) 和输入电流ii (t) 的计算公式。
由上述两个公式可以看出改进RC模型电容C两端的电压除了包含一个常数分量外, 还包含了一个按指数规律递增的分量。因此, 随着时间的推移电容C两端电压的增加值逐渐变慢, 直至最后达到一个恒定的值。而输入电流则除了包含一个常数分量外, 还包含一个按指数规律递减的分量。所以输入电流会渐渐趋于一个稳定的值, 其大小等于所包含的直流分量。
根据公式 (5) 和 (6) , 计算出由0时刻到时间T之间改进RC模型电容C所存储的电能Wc和整个等效模型所吸收的电能Wi[7]。
然后, 根据公式 (7) 和 (8) 计算出恒压充电时的充电效率η。
由公式 (9) 可以绘出超级电容器在恒压充电时的充电效率曲线, 根据所取的参数, 得到在30 s内的充电效率曲线。如图7所示, 恒压充电时, 超级电容器的充电效率最大只能达到50%。根据以上定量分析可知, 该充电方式的特点是恒压控制较为简单, 缺点是充电效率较低。
4.2 恒流充电
超电容器电压上升率在恒流充电时基本保持不变, 由此可以看出在恒流充电时超级电容器端电压随时间线性上升。但不能让电压持续升高到超过超级电容器的额定电压, 否则会造成过压, 严重影响超级电容器的使用寿命。因此恒流限压充电法是当前较常见的超级电容器充电方式, 可根据容量和对充电时间等参数的要求灵活选择电流大小, 也可以使用递减分段恒流充电方式, 从而更好地保护超级电容器。
在恒流充电时, 超级电容器输入电流是恒定不变的, 即输入电流ii (t) 为常数I。然后将I代入公式 (1) , 得到超级电容器在恒流充电时, 改进RC电路模型中的电压uc (t) 的计算公式[8]。
改进RC电路模型中电容两端的电压包含一个常数项和一个按指数规律递增的分量。根据在恒流条件下得到的公式 (10) , 计算出由0时刻到时间T之间改进RC电路模型中电容C所存储的电能Wc和整个等效模型所吸收的电能Wi。
然后, 根据公式 (11) 和 (12) 计算出恒流充电时的充电效率η。
由公式 (13) 可以绘出超级电容器在恒流充电时的充电效率曲线, 根据超级电容器模型设定的参数, 得到在30 s内的充电效率曲线。如图8所示, 超级电容器在恒流充电时, 随着时间的延长充电效率逐渐提高, 在短时间内充电效率可超过90%。因此, 恒流充电效率比恒压充电方式效率高[9]。
4.3 恒功率充电
恒功率充电方式下, 在初期以较小电压较大电流对超级电容器充电, 随着端电压的上升充电电流逐渐减小, 直至电流基本为零, 端电压达到稳定值。使用此种方式充电, 可在保证充电效率的前提下, 较好地控制充电时间, 较适合对超级电容器充电。
恒功率充电时, 超级电容器的输入功率为恒值P, 根据公式 (1) 可以得出关于改进RC电路模型中电容C的微分方程。
可以看出公式 (14) 是一个二阶非齐次微分方程, 求解较困难, 但为了能定量分析恒功率充电方式下超级电容器的充电效率, 根据公式 (1) 计算出改进RC电路模型中电容C的端电压和输入电流之间的关系[10]。
由公式 (15) 以及公式 (1) 中输入电压的计算公式, 再根据输入电压和输入电流的乘积为常数 (恒功率) , 在Matlab中编程相关的程序。设定ui的初始值为0 V;uc的初始值为0 V;ii的初始值为70 A;恒定输入功率为100 W。然后, 按照图9恒功率方式充电效率计算流程图所示计算充电效率[11]。
通过图9及设定的初始值, 从而将计算出的各个时间点的充电效率绘成图10。由该图可以看出, 恒功率充电效率要略高于恒流充电效率。
超级电容器恒压充电方式下, 充电电路控制简单, 实现容易, 但充电效率低, 最多只有50%。恒流充电方式下, 充电速度快, 电压随时间上升速度易计算, 充电电流较小时充电效率高, 但充电电路功率随超级电容器电压上升而增大, 对充电电路功率要求高。恒功率充电方式下, 充电效率随超级电容器电压上升而提高, 但充电开始时效率较低, 且充电电流大, 对充电电路的电流应力要求较高。对于超级电容器恒压、恒流、恒功率充电方式的比较可以看出, 不同的充电方式各具优点和缺点, 因此需要根据不同的应用场合选择不同的充电方式。
另外, 超级电容器可快速吸收电能, 能平抑高峰脉冲功率, 表现出良好的脉冲充电特性。例如在电动汽车制动能量回收系统中, 超级电容器可以很好地吸收制动瞬间产生的脉冲功率并进行储能。
5 超级电容器充电实验与分析
超级电容器的充电实验主要包括恒压、恒流和恒功率充电。首先, 恒压充电模式主要是应用于超级电容器接近额定电压值时, 因此恒压充电实验设定为24 V输出, 从而得到超级电容器恒压充电的输出电压波形如图11所示。
根据图11可以看出, 对超级电容器单独恒压充电时, 变换器输出电压的峰峰值为1.6 V, 平均电压为24.1 V, 此时电压波动相对较大。其主要原因是超级电容器的额定容量下 (能量密度小) , 恒压充电时超级电容器已基本接近额定容量, 电压变化很小, 但相对于蓄电池而言变化还是较大, 所以其电压波动比蓄电池恒压充电时较大。
恒流充电模式主要应用于超级电容器的充电的起始阶段, 此时超级电容器的电压比较小, 所以充电电流也不宜过大, 实验时设定输出电流为2 A。在采集电流数据时, 由于示波器只能采集电压不能采集电流值, 因此通过本文设计的上位机GUI程序采集电流, 并将保存的数据在监控界面右侧的绘图窗口绘出, 因而得到超级电容器恒流充电的输出电流波形如图12所示。
恒功率充电模式是超级电容器充电过程中主要充电模式, 此时充电功率恒定。据建模分析可知, 恒功率充电效率最高。实验时设定恒定输出功率50 W, 数据采集通过设计的上位机GUI程序进行电压和电流数据的采集, 从而得到超级电容器恒功率充电的输出电压、电流及功率波形如图13所示[12]。
图13中a) 图是在实验过程中上位机GUI获得的电压波形, 由于DSP发送至上位机的电压量是整型的, 电压值的小数部分被舍去, 所以在图中出现了在一段时间内电压不变的情况, 但整体上电压是逐渐上升的。b) 图即为超级电容器恒功率充电时的电流变化, 与超级电容器恒流充电相比, 电流的波动较大。主要原因是恒功率充电时设定的是功率给定量, 但电压传感器和电流传感器的本身就存在着一定的系统误差, 而二者系统误差的乘积导致误差就更大, 因此出现了电流波动大。但电流随着时间的推移电流时逐渐减小的。而c) 图则为超级电容器恒功率充电时变换器输出功率, 由该图可知, 功率的波动也比较大, 但基本维持在50 W左右, 因此超级电容器的恒功率充电对于本储能系统是可行的。
6 结语
光伏储能 篇4
电动汽车充换电站是电动汽车电能补给的重要场所, 可提供充电和换电服务。光伏发电系统和全钒液流储能系统作为2种独立的新型充换电站电力来源装置, 在减少污染、支撑常规电力方面起到了重要作用。
1 充换电站电力来源
大连友谊街充换电站电力主要由市电作为主要供电来源, 光伏发电系统和全钒液流储能系统作为辅助电力来源。
1.1 市电情况简介
(1) 供电方式选择。根据充换电站规模, 遵循国家电网公司相关规范要求, 结合当地电网规划, 确定该充换电站采用10千伏双电源供电。
(2) 供电方案。由66千伏友谊街变电所10千伏母线出一回电缆线路至本项目变电所, 电缆约3千米, 电缆排管约2.6千米;另外由66千伏华南变电所10千伏母线出一回电缆线路至本项目变电所, 电缆约3.5千米, 电缆排管约3千米。
(3) 站内供电系统建设规模。根据充电系统及站内用电容量配置2台2000千伏安的主变, 10千伏开关柜10面, 0.4千伏低压柜13面。
(4) 电气主接线。充换电站10千伏侧母线采用单母线分段接线, 0.4千伏侧也采用单母线分段接线。
(5) 谐波治理。为了抑制电池更换站的谐波电流注入公用电网, 以确保电能质量和电力系统的安全经济运行, 站内配置有源滤波和无功补偿装置, 共配置补偿电流为200安/台的有源滤波装置4台。
1.2 光伏发电/全钒液流储能系统简介
该系统作为大连市政府的示范工程, 对于推进新能源和电动汽车在大连的可持续发展是非常必要的。目前, “新能源储能型”电动汽车充换电站因具有环保、安全、经济、高效的特点, 被国内外专家认为是未来电动汽车充换电站的发展趋势。
这种全新充换电站优势在于:
(1) 利用清洁可再生能源, 节能减排。
(2) 降低充换电站配电容量, 易于推广。储能装置和新能源引入缓解电动汽车充电对电网的负荷压力。
(3) 避免对电网的冲击, 安全可靠。蓄电装置连接发电端和用电端, 避免了大电流充电对电网的直接冲击, 实现电动汽车的集中或快速充电。
(4) 降低充换电站运营成本, 经济性好。在晚间充分利用电网优惠价格的谷电存储在储能装置中, 白天电网高峰负荷时实现电能回馈, 降低了充换电站的成本。
(5) 作为独立储能电站, 紧急备用。在特殊时期, 充换电站可以作为临时电站为重要部门和设备供电。
作为辅助电力来源的光伏发电和全钒液流储能系统, 在白天配合主要电力来源一起对所有电动汽车电池进行充电。友谊街充换电站初期拥有50辆大型纯电动汽车, 备用30组电池 (每组10块) , 每组电池每天充电4次, 每天完成120组次的充电任务。其中, 充换电站的电力来源最终都会分配到充电机中, 由充电机向电池充电。充换电站配备了240台EVCR-FX10kW分箱充电机, 为站内全部300箱电池提供电力。大箱电池采用一对一的充电方式, 小箱电池采用一对二的充电方式。充电机额定输出电压为80V, 额定输出电流120安, 额定输出功率为10千瓦。当每车剩余30%电量时更换电池进行分箱充电。在充换电站中, 主要电力来源市电与辅助电力来源光伏发电系统、全钒液流储能系统所产生或储存的电力, 全部分配到充换电站低压侧配电柜中, 由配电柜向充电机输送电力。其中全钒液流储能系统的储能逆变器也可从配电柜将电能储存在电池中。稳定的电力来源使友谊街充换电站电池充电工作持续稳定进行。
充换电站光伏发电装机为50千瓦, 工作模式为直接并网, 光伏逆变器将直流电转化为交流电, 而后送至10千伏变电所低压母排上, 给变电所提供电力。
光伏发电在有效地利用了可再生能源的同时更节约了用电成本。结合大连的地理位置及光照资源情况, 该地区每天有效日照时间约3.6小时, 平均每天可节省电费180元, 年节约电费约60000元。同时, 光伏发电还具有以下优点:绿色、环保;使用寿命长达25年;安全可靠、无噪声;资源丰富;建设周期短。
大连友谊街充换电站全钒液流储能电池室占地98平米, 其中储能电池系统占地26平米。电池室要求建筑物高于3.5米, 门高于2.5米, 用以搬运和存放电池。储能电池室无地下室, 保证地面能提供相应负荷, 全室注意通风并安装空调, 保证电池室内空气流通, 温度接近环境温度, 以防电池过热或过冷。
全钒液流储能电池也称作全钒氧化还原液流电池, 因其拥有诸多优势而被选作为充电站的储能电池。具有以下优点:安全可靠;充电放电次数大于10000次, 寿命长;工作效率极高, 作业效率在75%以上;绿色环保;电解液可多次回收利用, 且不会产生对人体有害物质。
全钒液流储能系统额定功率60千瓦, 平均每天储能10小时, 额定储电容量600千瓦时。其工作原理为夜间用电低谷时段, 市电通过储能逆变器向储能电池输送电能, 达到充电的目的, 在早晚用电高峰时段, 电池通过逆变器放电至10kV的变电所低压母排上, 给充电机充电。另外, 全钒液流储能电池的一个重要作用是当电网供电中断时, 作为应急电源将储能电池中的电导出供充电机应急使用。友谊街充换电站每天按照谷电峰用, 若每天额定充换电各10个小时, 至少节省4050元, 年节约150万元。
全钒液流储能电池用于电动汽车快速充电站, 可以降低充换电站对电网的冲击和电能质量的影响, 降低充换电站的运营成本。随着电动汽车的快速发展, 大规模、高效蓄电型电动汽车快速充换电站有很好的商业化前景。
2 整套系统运行模式
白天:光伏发电、全钒液流储能电池、市电三路供电, 绿色、环保;夜晚:市电供电, 储能电池储存夜间谷电, 谷电峰用。
整套系统具有以下优点:光伏发电/全钒液流储能电池联合供电, 实现光伏可调控性;储能电池可实现市电谷电峰用;光伏发电直接并网, 发电利用率高;市电断电, 储能电池可作应急电源, 供充换电站重要设备使用。
该新能源储能型充换电站供电解决方案, 不仅实现了光伏发电和夜间谷电的充分利用, 并且大大提高了充换电站的供电稳定性和可靠性, 增加了电动汽车快速充换电站绿色、环保的低碳理念, 完全体现了充换电站建设理念。
3 推广应用前景展望
随着电动汽车的发展, 世界各国已将电动汽车充换电站的建设纳入日程。以色列、日本和美国都已制订明确的电动汽车充换电站建设计划, 帮助电动汽车在本国早日实现商业化。
我国政府已出台一系列的政策来支持电动汽车的发展及充换电站的建设。2009年初, 科技部和财政部提出“十城千辆”电动汽车示范应用工程。即通过连续3年的推广, 对国内10个大城市进行1000辆新能源汽车试验运行, 由此扩大新能源汽车供应设施规模。2009年3月公布的《汽车产业振兴规划细则》中提出要实施以电动汽车为主的新能源汽车战略, 到2011年要形成50万辆电动汽车的产能, 同时也明确指出, 于2009年12月推出新能源汽车基础建设规划, 建立电动汽车快速充电网络, 加快停车场等公共场所公用充电设施建设。
电动汽车充换电站的建设正随着电动汽车的快速发展逐渐受到关注, 商业化前景日渐明朗。全钒液流储能电池用于蓄电型电动车充换电站, 可以降低充换电站对电网的冲击和电能质量的影响, 降低充电站的运营成本, 具有很好的产业化和市场化应用前景。
大连作为科技部“十城千辆”电动汽车示范城市之一, 于2008年12月18日全面启动节能与新能源汽车示范工程, 将一汽集团提供的12辆混合动力客车正式投放大连市15路公交客运线路运行。大连市电动汽车充换电站的建成对全国具有很好的示范作用, 对促进电动汽车在全国的应用推广, 推动光伏等可再生能源的发展, 提高我国在电动汽车充换电站及大规模全钒液流储能电池领域的核心竞争力, 提升我国储能电池产业化技术水平, 有利于促进我国产业升级, 提高国家科技竞争力。
4 结束语
光伏储能 篇5
随着能源危机和环境压力日益增大,电网发展必须在有限资源和环境要求的双重制约下进行,大量分布式发电DG(Distributed Generation)接入配电网已成为必然趋势[1]。 为应对高渗透率DG接入,如何加大配电网对于可再生能源的管理能力、提升配电网资产的利用率、延缓配电网的升级投资以及提高用户的用电质量和供电可靠性已成为目前含分布式电源配电网研究的热点。 城市配电网中,分布式电源主要以光伏PV(Photo Voltaic)形式接入,光伏的出力具有间歇性与随机性,其对电网安全稳定运行有消极影响[2]。 虽然燃气轮机快速响应机组可用来抑制可再生能源造成的功率波动,但燃气轮机仍然会使用化石能源,从而降低了由光伏发电带来的经济和环境效益,因而适当容量的储能装置将是平抑可再生能源发电功率波动的有效手段。 因此有必要对含光伏发电及储能ES(Energy Storage)装置的城市配电网系统进行规划[3]。
目前国内外学者对分布式电源的优化配置进行了不少研究,取得了许多理论和实践方面的成果。 文献[4]分别从DG独立发电商和配电公司的角度出发,建立了投资DG单位成本收益和DG接入对电网改善收益最大的多目标模型,所建模型既能反映投资DG的安装、运行、维护费用,又能反映DG接入对系统电压、网损、可靠性、延缓网络更新等影响。 文献[5]针对配电网加入DG的经济技术优化目标,给出了DG多目标规划的数学模型,采用多目标混沌量子遗传算法对分布式电源的选址和容量进行了优化配置。 文献[4-5]均未考虑分布式电源的不确定性,具有一定局限性。 文献[6]通过划分时段并根据每个时段内DG与系统负荷功率的概率分布,以DG投资与售电、系统降损、电压质量以及废气减排量等综合效益为目标函数,利用遗传算法求解DG最优配置。 文献[7]对负荷和DG的典型时序性进行了分析,以配电网损耗、停电损失为目标,考虑时序性和多场景提出了多目标DG选址定容模型,给出了场景和场景权重的确定方法。 文献[8]研究了DG配置和网络重构利益最大化问题,建立了结合年负荷增长并考虑经济性和环保等因素的目标函数。 以上文献均未考虑储能对DG优化配置的影响。
综上所述,目前含高渗透率DG配电网环境下DG规划的文章较少,且考虑配电网调度及自愈等因素的研究相对不足。 本文充分考虑光伏电源以及负荷的不确定性,基于密度聚类方法建立分时段光伏-负荷综合状态模型,结合储能优化调度建立高渗透率光伏与储能综合优化配置模型,利用虚拟分区、二层规划等手段进行求解,采用IEEE 33 节点系统进行模型和方法验证。
1 光伏及负荷模型
1.1 时变负荷模型
采用时变负荷模型[9]如式(1)所示,该模型通过负荷的年-周曲线、周-日曲线和日-小时曲线形成实时的负荷数据,能很好地反映负荷的时变特性。
其中,L(t)为第t小时的负荷值;Ly为年负荷峰值;Hw(t)、Hd(t)、Hh(t)分别为与第t小时对应的年- 周负荷曲线、周-日负荷曲线及日-小时负荷曲线中的功率系数。
1.2 光伏模型
光伏阵列输出功率主要与光照强度有关。 在一定时间段(一个或几个小时)内,太阳光照强度可以近似看成Beta分布[10,11],其概率密度函数如式(2)所示。
其中,r和rmax分别为对应时间段内的实际光强和最大光强(单位W / m2);α 和 β 为Beta分布的形状参数;Γ 为Gamma函数。
假设太阳能电池方阵有Mpv个电池组件,每个组件的面积和光电转换效率为Am和 ηm(m = 1,2,… ,Mpv),则太阳能电池方阵总功率为:
其中,A、η 分别为方阵总面积和光电转换效率。
光伏发电与负荷都具有时序性、随机性,且两者之间有一定关联性[12]。 目前处理光伏与负荷不确定性的方法主要有蒙特卡洛仿真和概率法,蒙特卡洛仿真通过大量随机模拟覆盖光伏出力与负荷的可能情况,要求样本空间大,仿真时间长,不能考虑光伏和负荷内在关联性;概率法则是利用概率密度函数,将光伏发电与负荷用多个状态表示以简化运算,该方法中光伏和负荷状态是独立的,不能反映关联性,组合状态可能在现实中并不出现。
另一方面,具有连续时标的光伏发电与负荷的统计数据本身即蕴涵了其固有性质和规律。 本文考虑各季节的不同时段,利用密度聚类方法对光伏发电与负荷时序数据进行处理,生成了不同季节各时段光伏-负荷典型组合状态,此方法不仅能真实反映光伏与负荷的时序性、随机性及关联性,而且可以大幅削减状态数,能够满足本文后续模型和方法的计算时间和精度要求。
对3 a的数据进行处理,一年4 个季节各选一个代表日,每个代表日分为24 个时段,全年共有96个时段。 某一个季节代表日各时段光伏-负荷组合状态生成方法如下。
a. 数据生成。 统计该季节各小时光照强度和负荷,每个小时的数据为一个样本点,用{光伏,负荷}二元数组表示。
b. 状态聚类。 将该季节所有天第i时段{光伏,负荷}二元数组标记到二维图上,用密度聚类DBSCAN算法[13]进行聚类,获得各时段聚类数为Ni(i =1,2,…,24)。
c. 状态合并。 将第i时段状态数取为Ni,第j类样本数为Mj,第j类第k个样本为xijk(k = 1,2,…,Mj;j = 1,2,…,Ni;i = 1,2,… ,24),第i时段第j类样本中心点为Xij,则:
将第i时段属于第j类的全部Mj个样本状态合并成一个状态Xij,第i时段状态Xij出现的概率P(Xij)为:
d. 重复以上步骤,获得一天各时段对应的综合状态及概率,作为该季节代表日数据。
2 基于虚拟分区调度的配电网光伏-储能二层规划数学模型
2.1 建模思路
配电网中光伏发电和储能规划应更多地考虑运行条件。 本文对配电网中光伏发电和储能规划考虑以下因素。
a. 配电网快速发展使分布式电源的协调调度成为可能,在高渗透率DG配电网条件下,通过监测及通信手段,调度中心可以随时掌握光伏发电、负荷及网络的运行状态,通过高级软件计算储能设备充放电功率参考值,并发布控制指令实现经济运行。 考虑环保和发挥光伏作用,光伏发电应采用最大功率跟踪控制,储能则根据光伏出力进行优化调度。
b. 为便于配电网对高渗透率分布式电源进行高效管理,未来配电网应根据光伏发电、储能的容量及分布进行虚拟分区,在电网运行时由区域内光伏发电和储能实现区域内功率支撑和降低区域内电能损耗,进而保证整个配电网的经济运行。 此外,配电网分区也有利于区域自治和自愈功能实现。
c. 可通过控制储能充放电功率实现能量平衡和抑制光伏发电的功率波动,虽然光伏电源与储能的配置相互影响,但光伏电源的配置对储能的配置具有决定性作用。
基于以上分析,本文建立光伏电源、储能配置的二层规划模型。 上层规划为光伏投资决策问题,规划目标是年费用最小,决策变量是光伏安装位置与容量;下层规划为储能投资决策问题,规划目标是等效负荷方差和最小,首先对已经完成光伏配置的配电网进行虚拟分区,在此基础上进行储能的优化配置,同时规划中考虑区内储能调度优化,达到削峰填谷、降损效果。 上层规划结果即光伏投资决策变量为下层规划提供了初始条件,下层规划所得最优值反馈到上层规划,导入年费用中便是上层规划总的目标函数值。模型原理图如图1 所示。
2.2 上层规划目标函数及约束条件
以年投资运行维护费用Cinv、系统年有功损耗费用Closses及从上级电网购电年费用Cen这3 个指标最小为优化目标,决策变量为光伏的安装位置与容量,目标函数为:
其中,w1、w2、w3为各目标权重,采用判断矩阵法确定权重[14]。
a. 年投资运行维护费用:
其中,NPV、NES分别为光伏、储能的安装总数;αPV、αES分别为光伏、储能的固定投资年平均费用系数;CPV、CES分别为光伏、储能的单位容量投资成本;SPV,i为安装在第i个光伏安装位置的光伏安装容量;SES, j为在第j个储能安装位置的储能安装容量;cPV、cES分别为光伏、储能的单位电量运行维护费用;SPV、SES分别为光伏、储能的安装总容量;FPV、FES分别为光伏、储能的容量系数。
b. 年网损费用:
其中,Tk为第k个季节的天数;为第i时段满足一定置信度的系统年网损费用,由下层规划得出。
c. 年购电费用:
其中,Tk为第k个季节的天数;为第i时段满足一定置信度的购电费用,由下层规划得出。
上层约束条件如下。
a.支路功率概率约束:
其中,P{·}表示事件概率;Pk(x,ξ)为在状态 ξ 下支路k的有功功率值;Pkmax为支路k的有功功率允许最大值;βP为支路功率的置信水平;Ωline为系统支路集合。
b. 节点电压概率约束:
其中,Ui(x,ξ)为在状态 ξ 下节点i的电压值;Uimax、Uimin分别为节点i的电压上、下限;βU为节点电压的置信水平;Ωnode为系统节点集合。
c. 功率平衡约束:
其中,Pi、Qi分别为节点i注入的有功功率和无功功率;Gij、Bij、δij分别为节点i、 j之间的电导、电纳和电压相角差;n为系统节点总数;Ui、Uj分别为节点i、 j的电压幅值。
2.3 下层规划目标函数及约束条件
以光伏安装位置和容量为基础,下层规划进行分区调整以及储能优化配置。 考虑区域内功率平衡及光伏发电的随机性,基于电量平衡对配电网进行虚拟分区,分区后对区内储能进行优化调度,达到平抑光伏出力波动、削峰填谷的作用,进而达到降损的目标。
2.3.1 虚拟分区
由于光伏发电出力是波动的,不能按某一时刻功率平衡进行配电网分区,而应考虑整个规划周期。 本文提出以电量平衡为约束的分区方法如下。
a. 电量计算。 光伏发电量为光伏电源容量与光伏最大发电量利用小时数的乘积,负荷电量为最大负荷与最大负荷利用小时数的乘积。
b. 分区方法。 以光伏发电系统接入点为中心,以电量平衡为约束进行广度优先搜索,最大限度地得到满足电量平衡的区域。
c. 候选支路。 由于光伏发电量约束,会有部分支路和节点未被划入区域内,将区域边缘支路与未被划入区域的支路作为区域间连接支路的候选支路。
d. 区域信息。 通过对区域最大数量NQYmax的限定,可知连接支路最大数量为(NQYmax- 1),在候选支路中选取数量不大于(NQYmax- 1) 条的支路后, 即可确定各区域信息。
2.3.2 区内储能调度方案
为了提高区域内供电充裕度和平衡区内负荷,光伏采用最大功率跟踪技术,对区内储能进行优化调度。 在区内负荷高峰时刻安排储能放电,在区内负荷低谷时段安排储能充电,根据电网的光伏出力-负荷综合曲线合理对储能的充放电进行调度。 区域内负荷的平衡情况可由网损体现,为了将区内每个时段的调度值直接反映到网络损耗计算的模型中,建立以区内的等效负荷方差和最小的下层规划目标函数。
其中,D为区内等效负荷方差和;Tk为第k个季节的天数;NQY为划分后区域的数量;分别为第k个季节区域J在第i时段的负荷期望、光伏出力期望;为第k个季节区域J内储能在第i时段的功率,表示储能发出功率,表示储能吸收功率;为第k个季节区域J的等效负荷平均值,如式(16)所示。
储能模型如下:
其中,Si为储能装置在第i时段的荷电状态;Δt为时间间隔;ηC、ηD分别为储能设备充、放电效率;Pies为第i时段储能的充放电功率,充电时Pies≥ 0,放电时Pies< 0。
在储能优化调度时,要满足储能的容量约束。
其中,Si为储能装置在第i时段的荷电状态;S为储能最大荷电状态;β1和 β2为充放电系数,取 β1= 0.2,β2= 0.8。
下层约束条件如下。
a. 小时网损费用概率约束:
其中,X为决策变量,即区域的划分与储能的接入位置及容量;ξj为配电网系统中的第j个状态量;ξmax为所在时段的系统状态总数;f(X,ξ)为在状态 ξ 下系统的网损费用最小值;α 为目标函数的置信水平;为所在时段f(X,ξ)在概率水平至少为 α 时所取得的最小值;Ploss为系统网损;Cp为购电电价;Δt为时段长度(本文取1 h)。
b. 小时购电费用概率约束:
其中,为所在时段f(X,ξ)在概率水平至少为 α 时所取得的最小值;P、Ploss、Ppv、Pes分别为总负荷、系统网损、光伏发电有功出力、储能出力。
c. 区域划分数量约束:
其中,NQY为划分后区域的数量;NQYmax为允许划分的区域最大数量。
d. 光伏空间约束:
其中,Marea为光伏安装面积;Mmaxarea为允许光伏安装的最大面积。
式(15)中变量均为同一区域内变量,所以各区域储能调度可以独立并行进行。
3 二层规划求解方法
本文采用精英保留策略遗传算法[15]求解所提出的二层规划问题。 遗传操作采用最优保留策略、自适应交叉率和变异率,使其能够获得全局最优解。 为提高编码效率,上、下层遗传染色体均采用混合编码。
3.1 上层规划编码
每个染色体分为两部分,如图2 所示。
染色体第一部分实现对光伏位置的基因编码,其值从光伏候选位置中产生,表示为L1—LM,M为光伏最大位置数;染色体第二部分实现对光伏容量的基因编码,表示为C1— CM,Ci(i = 1,2,… ,M)为安装在位置Li的安装容量,Ci有8 种可能取值,编码为0 表示不接入DG。
3.2 下层规划编码
下层将区域间连接支路和储能安装容量及位置作为控制变量,规划24 h运行状态。 如图3 所示,每个染色体分为3 个部分。
第一部分对应区域间连接支路,其值从区域间连接支路的候选位置中产生,表示为l1— lA,A为区域间连接支路候选位置数;第二部分实现对储能位置的基因编码,其值从储能的候选位置中产生,表示为S1—SB,B为储能的最大位置数;染色体第三部分实现对储能容量的基因编码,表示为Ce1—Ce B,Cei(i = 1,2,…,B)为安装在位置Si的安装容量,Cei有8 种可能取值,编码为0 表示不接入储能。
3.3 储能调度编码
本文采用惯性因子随适应值自动改变的自适应粒子群算法[16,17]。粒子的编码如图4所示,图中PESi为第i个粒子的位置;PESit(t=1,2,…,24)为第i个粒子t时刻的坐标,表示储能t时段的调度值。
3.4 算法流程
a. 输入网络原始数据。
b. 根据原始数据进行潮流计算,获得初始网络相应数据。
c.按上文所述对上、下层规划编码。
d.产生上层规划遗传算法初始种群。
e. 建立光伏-负荷在每个时段的多状态模型。
f. 针对上层初始化种群中每一个个体,产生下层规划初始化群体,根据下层规划模型,对每个时段各状态进行潮流计算,且采用粒子群算法对储能进行调度,得到下层规划目标函数最优值。
g. 将上层初始化群体中每一个个体对应的下层规划最优值、储能容量、每个时段的网损购电及费用返回上层规划。
h. 计算上层规划模型。
i. 进行遗传操作,包括选择、交叉、变异,产生新种群。
j. 终止条件判断,若遗传代数T大于最大遗传代数,计算结束,输出结果;否则,T=T+1,转至步骤f。
4 算例及结果分析
4.1 算例介绍
采用IEEE 33 节点系统进行仿真,如图5 所示,负荷水平为3715 k W+2700 kvar。
设自然条件满足光伏的接入要求。 预测规划水平年原负荷节点新增容量10%,分布式电源渗透率范围为30%~50%,权重w1= 0.104 7、w2=0.637 0、w3=0.258 3,区域最大数量为6。 光伏候选安装位置为节点7、9、10、13、14、16、18、23、26、29、31。 储能候选安装位置为节点8、11、12、15、17、19、22、24、27、30、32。表1 给出了涉及的相关参考价格。
4.2 光伏、储能规划方案比较
对3 种计算情形进行配电网光伏、储能优化配置研究:情形1,采用二层规划,不考虑分区且不进行储能调度,只在固定时段对储能进行恒功率充放电;情形2,采用二层规划且考虑分区,但是不进行储能调度,只在固定时段对储能进行恒功率充放电;情形3,采用二层规划,考虑分区且进行各区域储能调度。
规划结果见表2、表3。
万元/ a
由表2 可以知道,情形1、情形2、情形3 的储能安装个数分别为4、5、5,说明考虑分区有利于储能分散配置,以保证各区内储能更好地配合光伏出力;情形2、情形3 的分区数均为3,说明对于IEEE 33节点网络,在本文渗透率范围内分区数量为3 时规划较为合理。
由表3 数据可以看出,情形2 和情形3 中网损费用、购电成本都明显优于情形1,且网损费用、购电成本和总成本减小分别在2.96 % 以上、1.41 % 以上和1.02% 以上,网损费用改善最为显著,说明分区对于网损改善具有较好效果;对比情形1、情形2 和情形3,情形3 总成本最低,比情形1 和情形2 每年分别要节省成本8.76 % 和8.32 %;对比情形2 和情形3,情形3 比情形2 的网损费用节省了25.22 %,说明以区域为对象进行储能优化调度可实现各区域内负荷削峰填谷,进而获得更好的降损效果。
图6 中给出了第3 种情形下光伏、储能的优化结果。
4.3 不同调度模式下规划方案比较
采用2 种储能调度模式进行优化:模式1,对全网储能统一进行调度;模式2,对各区内储能分别进行调度。 规划结果见表4。
万元/ a
从表4 数据可以看出,与模式1 相比较,模式2的投资运行维护费用要多,说明分区储能调度时,储能配置容量大,而网损费用和购电成本均比全网储能调度的少,其中模式2 的网损费用、购电成本分别减低了11.15% 和6.01%,网损改善显著。 分区储能调度时,网损费用和购电成本均下降,说明配电网内各分区自治进行区内储能调度,对配电网的网损改善更佳。
表5、图7 给出了区域1 储能在模式1 和模式2下的各时段出力最优方案比较。
从表5 数据看出,在08:00—10:00 期间,负荷出现高峰,而光伏出力较少,储能进行放电;在11:00 —15: 00 期间,负荷值变化较小,而此时光照强度大,光伏出力水平较高,储能进行充电;在15:00—18:00 期间,负荷又出现高峰,而光照强度逐渐减小,光伏出力较少,储能进行放电;夜间负荷小,储能进行充电。这说明储能作为可控元件,在光伏出力较小而负荷较大时或光伏出力较大而负荷较小时,能够调节区域内整体负荷水平,缓解光伏出力带来的波动性,起到削峰填谷、节能降损的作用。
表5 数据显示,区域内的负荷高峰分别为08:00和17:00 时,08:00 时模式2 比模式1 的储能多出力58.49 k W,17: 00 时模式2 比模式1 的储能多出力16.66 k W;区域内的负荷低谷出现在00: 00 — 03: 00,此期间模式2 比模式1 的储能分别多吸收电能35.22k W、34.14 k W、45.50 k W。 结合以上数据, 对应图7可得出,模式2 比模式1 的削峰填谷效果更加显著,即分别对各区内储能进行调度比对全网储能进行统一调度更有利于电网的节能降损。
k W
表6 比较了蒙特卡洛法、概率法和本文方法3 种模拟方法的状态数和支行时间。 由表6 可知,本文的状态数为145,相对于概率法和蒙特卡洛法,大幅减少了状态数量;本文方法运行时间为43 min,相对于概率法,时间缩短了41 min。 故本文的状态处理方法大幅节省了运行时间,简化了计算难度。
5 结论
考虑城市配电网中高渗透率光伏接入,结合虚拟分区及储能优化调度,提出了光伏电源和储能优化配置的二层规划模型和求解方法。 本文研究得到如下结论。
a. 充分考虑光伏与负荷间的内在关联,采用密度聚类方法建立了光伏-负荷综合状态模型,实际统计出的1 d状态数仅为145,简化了模型计算难度。
b. 虚拟分区可使各区内储能更好地配合光伏出力、改善网损、减少购电费用;在虚拟分区的基础上,考虑储能调度,网损费用和购电成本进一步减少,反映了在规划过程中考虑储能调度的必要性。
光伏储能 篇6
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