崔明勇, 王楚通, 王玉翠, 盧志剛, 陳 辰

(燕山大學(xué)電氣工程學(xué)院, 河北省秦皇島市 066004)

0 引言

隨著傳統(tǒng)化石能源的日漸枯竭,能源互聯(lián)網(wǎng)的建設(shè)得到了廣泛關(guān)注[1]。而可以應(yīng)用到孤立海島、城市農(nóng)村集中住宅區(qū)、工廠、脫離主網(wǎng)的偏遠(yuǎn)地區(qū)等區(qū)域的綜合能源微網(wǎng)將成為能源互聯(lián)網(wǎng)的重要組成部分[2]。綜合能源微網(wǎng)的概念是在微網(wǎng)概念上發(fā)展而來,一般包含多種能源形式,利用物聯(lián)網(wǎng)技術(shù)和信息技術(shù)對區(qū)域內(nèi)的所有供能設(shè)備源統(tǒng)一整合并實施調(diào)度,以達(dá)到對區(qū)域冷熱電負(fù)荷進(jìn)行優(yōu)化供能,提升能源利用效率的效果[3-4]。

但是,以風(fēng)光為代表的可再生能源又有很強(qiáng)的間歇性和隨機(jī)波動性,往往會導(dǎo)致棄風(fēng)、棄光等現(xiàn)象的產(chǎn)生。尤其是在供熱期間,熱電聯(lián)產(chǎn)機(jī)組“以熱定電”的運(yùn)行模式會降低整個微網(wǎng)電能的調(diào)峰能力,甚至造成大量的棄風(fēng)[5]。在微網(wǎng)中加裝單一的儲能系統(tǒng)后會減少一定的棄風(fēng)量,但往往熱、電等多能源互相轉(zhuǎn)換會造成一定的能量損失,且供暖期熱電聯(lián)產(chǎn)機(jī)組“以熱定電”的模式導(dǎo)致經(jīng)濟(jì)性不高。同時,儲電系統(tǒng)制造成本高昂,能量大規(guī)模存儲的損失較大。而儲熱、氣系統(tǒng)可大規(guī)模存儲能量,但系統(tǒng)慣性較電網(wǎng)大,能量傳遞慢。因此,為了消納可再生能源,增強(qiáng)微網(wǎng)的靈活性,達(dá)到多種儲能形式優(yōu)勢互補(bǔ)的目的,微網(wǎng)中引入了可用于多能存儲的儲能系統(tǒng)。

能量的存儲作用就叫儲能,主要有儲電、儲熱、儲氣、復(fù)合儲能(電轉(zhuǎn)氣(P2G)、液氫超導(dǎo)磁儲能(SMES)等)幾種形式[6]。本文主要探討儲電和儲熱兩種形式的儲能系統(tǒng)。微網(wǎng)技術(shù)的深入研究推動了儲電技術(shù)的發(fā)展。電儲能技術(shù)可用于平抑可再生能源發(fā)電的短時功率波動,跟蹤調(diào)度計劃出力,改善可再生能源發(fā)電接入電網(wǎng)的電能品質(zhì),滿足新能源靈活接入優(yōu)化負(fù)荷,進(jìn)行削峰填谷,提高系統(tǒng)自身調(diào)節(jié)能力,實現(xiàn)對負(fù)荷的管理并獲得經(jīng)濟(jì)效益[7]。對于電儲能系統(tǒng)的配置方面,有大量學(xué)者進(jìn)行了研究。文獻(xiàn)[8]建立儲電系統(tǒng)最優(yōu)的配置模型,并計及整個微網(wǎng)的穩(wěn)定性。文獻(xiàn)[9-10]以微網(wǎng)最優(yōu)經(jīng)濟(jì)運(yùn)行為研究對象,研究了鉛酸蓄電池充放電深度和次數(shù)對其壽命的影響,建立了微網(wǎng)最優(yōu)經(jīng)濟(jì)運(yùn)行模型。文獻(xiàn)[11-13]建立了混合儲能優(yōu)化配置模型。

在儲熱技術(shù)上,顯熱儲熱和相變儲熱都得到了較快的發(fā)展,并且有著廣泛的實際工程應(yīng)用。文獻(xiàn)[14]通過研究加裝儲熱裝置和碳捕集裝置的熱電聯(lián)產(chǎn)機(jī)組對經(jīng)濟(jì)和低碳性的影響,給出了調(diào)度策略,為電網(wǎng)調(diào)度提供一定的參考依據(jù)。文獻(xiàn)[15]構(gòu)建了含儲熱熱電聯(lián)產(chǎn)機(jī)組與電鍋爐的棄風(fēng)消納協(xié)調(diào)調(diào)度模型。文獻(xiàn)[16]介紹了包含大容量儲熱的電—熱聯(lián)合系統(tǒng)關(guān)鍵技術(shù)的研究工作。

但是,對于多能存儲系統(tǒng)綜合配置的研究較少。文獻(xiàn)[17]針對城市社區(qū)的特點(diǎn),提出一種基于壓縮空氣儲能的微能源網(wǎng)架構(gòu),結(jié)合社區(qū)用能數(shù)據(jù)對其中的主要設(shè)備進(jìn)行容量配置,并對其中的儲能子系統(tǒng),包括電儲能和熱儲能進(jìn)行具體的配套設(shè)計和運(yùn)行方式分析。文獻(xiàn)[18]提出一種基于氫儲能的風(fēng)電與煤化工多能耦合系統(tǒng)設(shè)備投資規(guī)劃優(yōu)化方法。文獻(xiàn)[19]針對包括P2G的多能源系統(tǒng)的市場均衡問題進(jìn)行分析,其中包括對P2G設(shè)備、儲氣裝置的建模。文獻(xiàn)[20]將含P2G的多源儲能型微網(wǎng)系統(tǒng)劃分為供給側(cè)、轉(zhuǎn)換組件和負(fù)荷側(cè)三個部分進(jìn)行建模,在此基礎(chǔ)上建立基于經(jīng)濟(jì)最優(yōu)的微網(wǎng)系統(tǒng)日前優(yōu)化調(diào)度模型。文獻(xiàn)[21]基于能源互聯(lián)網(wǎng)的特征,給出了廣義電力儲能的定義,指出了儲能在能源互聯(lián)網(wǎng)應(yīng)用中的幾項關(guān)鍵技術(shù),并提出儲能與能量轉(zhuǎn)換裝置的集成設(shè)計和協(xié)調(diào)配置,是能源互聯(lián)網(wǎng)中有待解決的一項關(guān)鍵技術(shù)。

以上文獻(xiàn)在微網(wǎng)儲能系統(tǒng)配置方面取得了一定進(jìn)展,但通過閱讀并比較此類文獻(xiàn),發(fā)現(xiàn)有以下幾個問題相對突出。

1)儲熱系統(tǒng)的額定功率和容量在儲能系統(tǒng)的配置中沒有考慮。

2)考慮蓄電池壽命的情況下,并未計及供暖期和非供暖期蓄電池荷電狀態(tài)曲線的不同。

3)多數(shù)文獻(xiàn)的優(yōu)化配置算法未與功率分配策略結(jié)合,導(dǎo)致了大量冗余解。

本文針對以上問題,構(gòu)建了獨(dú)立模式下的綜合能源微網(wǎng)多能存儲系統(tǒng)優(yōu)化配置模型,提出了包含儲電系統(tǒng)和儲熱系統(tǒng)的額定功率、容量的配置方法,其中,儲電系統(tǒng)模型計及供暖期與非供暖期蓄電池壽命。模型以經(jīng)濟(jì)性作為指標(biāo),考慮熱電機(jī)組的熱電耦合相關(guān)約束,采用基于機(jī)組出力和儲能系統(tǒng)功率分配策略的細(xì)菌群體趨藥性(BCC)算法模型進(jìn)行求解。并探討了加裝儲能系統(tǒng)的熱電聯(lián)產(chǎn)機(jī)組的運(yùn)行特性。

1 各電源運(yùn)行特性及風(fēng)電消納原理

1.1 典型微網(wǎng)結(jié)構(gòu)

典型微網(wǎng)的結(jié)構(gòu)配置主要包含風(fēng)機(jī)(wind turbine,WT)、常規(guī)火電機(jī)組、熱電聯(lián)產(chǎn)機(jī)組、電儲能(electrical energy storage,ESS)和熱儲能(heat storage,HS)等單元,且網(wǎng)內(nèi)各單元均由微網(wǎng)中央控制器(microgrid central controller,MGCC)進(jìn)行統(tǒng)一控制和信息傳達(dá)。

1.2 熱電聯(lián)產(chǎn)機(jī)組原理

常見的熱電聯(lián)產(chǎn)機(jī)組按其特性不同可以分為4類[22]。本文以最常見的抽汽式熱電聯(lián)產(chǎn)機(jī)組為例,其電熱特性如圖1所示。

由圖1可知,汽輪機(jī)純凝工況下的最大、最小電出力分別為Pmax和Pmin,隨著抽汽量增加,電功率按一定彈性系數(shù)比例減小,在供熱功率為hdot時,電功率的調(diào)節(jié)范圍為[Pe,min,Pe,max],調(diào)節(jié)電出力能力十分有限。圖1中γ表示當(dāng)進(jìn)汽量維持恒定時,多抽取單位供熱熱量時電功率的減少量。在純凝工況下的發(fā)電功率、凈發(fā)電功率以及熱功率存在如下關(guān)系[14]:

圖1 熱電聯(lián)產(chǎn)機(jī)組的電熱特性Fig.1 Heat-electricity characteristic for combined heat and power units

P=Pe+γh

(1)

式中：Pe為熱電聯(lián)產(chǎn)機(jī)組電功率；h為熱功率。

抽汽式熱電聯(lián)產(chǎn)機(jī)組的熱特性可以表述為:

(2)

式中:hmax為機(jī)組的最大供熱功率;Pmax和Pmin分別為熱電聯(lián)產(chǎn)機(jī)組在純凝工況下的最大和最小發(fā)電功率。

在加裝儲能系統(tǒng)后,傳統(tǒng)的熱電聯(lián)產(chǎn)機(jī)組運(yùn)行將發(fā)生很大改變。首先,加入儲熱裝置后熱電聯(lián)產(chǎn)機(jī)組在輸出同一熱功率情況下,電出力調(diào)節(jié)范圍增大[15]。而儲能電池的加入進(jìn)一步增大了電出力的調(diào)節(jié)范圍,可以有效解耦熱電耦合特性,達(dá)到靈活調(diào)節(jié)熱電聯(lián)產(chǎn)機(jī)組出力的目的。

1.3 儲能系統(tǒng)

1.3.1儲電系統(tǒng)

儲電系統(tǒng)主要有蓄電池、壓縮空氣儲能、飛輪儲能、超導(dǎo)儲能、超級電容儲能等形式。本文以應(yīng)用最廣泛的蓄電池為例。

蓄電池荷電狀態(tài)(state of charge,SOC)是反映蓄電池剩余電量占其總?cè)萘勘壤膮?shù),一般用其與蓄電池充放電功率和容量的關(guān)系構(gòu)建蓄電池模型。

充電過程為:

(3)

放電過程為:

(4)

式中:SSOC(t)為第t個時段結(jié)束時儲能系統(tǒng)的荷電狀態(tài);SSOC(t-1)為第t-1個時段結(jié)束時儲能系統(tǒng)的荷電狀態(tài);δ為儲能系統(tǒng)的自放電率;Pc和Pd分別為儲能系統(tǒng)的充、放電功率;ηc和ηd分別為儲電系統(tǒng)的充、放電效率;Ce,max為儲電系統(tǒng)的額定容量。

1.3.2儲熱系統(tǒng)

儲熱技術(shù)分為顯熱儲熱和相變儲熱。一般地,類比于儲能電池,儲熱系統(tǒng)儲熱狀態(tài)與其充放熱功率和儲熱容量構(gòu)建模型。

儲熱過程為:

(5)

放熱過程為:

(6)

式中:HHS(t)為時段t的熱儲能容量;HHS(t-1)為t-1時段結(jié)束時的熱儲能容量;μ為熱儲能散熱損失率;Qc(t),Qd(t)和ηhc,ηhd分別為時段t的吸放熱功率及效率;Hhold為儲熱系統(tǒng)容量。

1.4 最優(yōu)化儲能系統(tǒng)配置原理

儲能系統(tǒng)分為電儲能系統(tǒng)(蓄電池)和熱儲能系統(tǒng),儲能系統(tǒng)的配置包括功率和容量配置。儲電系統(tǒng)包括蓄電池、變流器等設(shè)備,所以投資成本分別以功率和容量兩種形式結(jié)算。儲熱系統(tǒng)包括儲熱罐和導(dǎo)熱材料等,所以投資成本同樣以功率和容量兩種形式結(jié)算。

儲能系統(tǒng)的配置影響儲能系統(tǒng)的投資費(fèi)用、整個微網(wǎng)的運(yùn)行費(fèi)用、治污費(fèi)用三個方面。配置較低的儲能系統(tǒng)達(dá)不到系統(tǒng)預(yù)期的經(jīng)濟(jì)性和穩(wěn)定性,不能有效降低運(yùn)行費(fèi)用,排放污染物含量較高。配置較高的儲能系統(tǒng)投資費(fèi)用較高,整體的維護(hù)費(fèi)用也相對較高。因此,最優(yōu)的儲能系統(tǒng)的配置選擇可以在投資費(fèi)用、運(yùn)行費(fèi)用、治污費(fèi)用三者間達(dá)到平衡點(diǎn),即總的費(fèi)用達(dá)到最小的儲能系統(tǒng)配置。

1.5 儲能電池壽命模型

儲能電池的壽命受很多因素的影響,包括電池的放電深度、倍率性能、充放電截止電壓和環(huán)境溫度等。上文已提及儲能電池的最大功率取額定值,因此暫且不考慮電池的倍率性能對其壽命的影響。由于文中已設(shè)定了儲能電池的容量取值范圍,暫且不考慮電池的充放電截止電壓對其壽命的影響。環(huán)境溫度視為室溫,暫且不考慮其對電池壽命的影響。經(jīng)過一些簡化,本文僅考慮放電深度對儲能電池壽命的影響,因此可以利用雨流計數(shù)法預(yù)估儲能電池壽命。

雨流計數(shù)法又可稱為“塔頂法”,是由英國的Matsuiski和Endo兩位工程師提出的,雨流計數(shù)法主要用于工程界,特別在疲勞壽命計算中應(yīng)用非常廣泛。

常用的擬合方法有N階函數(shù)法、冪函數(shù)法和分段擬合法等,本文采用文獻(xiàn)[10]中的四階函數(shù)表征循環(huán)壽命與放電深度的關(guān)系,有

14 122DoD+5 112

(7)

式中:Ncyc,i為第i次循環(huán)周期對應(yīng)的最大循環(huán)次數(shù);DoD為該循環(huán)周期的放電深度。

由于本文考慮的儲能系統(tǒng)包含儲電和儲熱兩方面,在供暖期和非供暖期,加裝儲熱系統(tǒng)后,儲能電池的SOC曲線有明顯差異,因此對傳統(tǒng)雨流計數(shù)法計算壽命的方法作進(jìn)一步改進(jìn)。設(shè)供暖期是11月至次年3月,共120 d;非供暖期是4月至10月,共245 d,有

(8)

(9)

(10)

式中:dloss和dwinloss分別為非供暖期和供暖期一天的電儲能系統(tǒng)壽命折損率;θ為周期系數(shù),全周期為1,半周期為0.5;T為壽命周期。

這樣,通過構(gòu)建供暖期和非供暖期中典型日的一天中蓄電池的充放電曲線,可以估算出儲能系統(tǒng)的壽命。

1.6 獨(dú)立微網(wǎng)負(fù)荷特性對儲能系統(tǒng)配置的影響

獨(dú)立微網(wǎng)的用能特性和負(fù)荷特性會影響儲能系統(tǒng)的配置,具體表現(xiàn)如下。

獨(dú)立微網(wǎng)耗能較大時,儲能系統(tǒng)的最優(yōu)化配置相對升高,耗能較小時,儲能系統(tǒng)的最優(yōu)化配置相對降低。這是由于耗能大小決定了所需儲能系統(tǒng)的額定功率和容量。

獨(dú)立微網(wǎng)的負(fù)荷特性主要影響儲能系統(tǒng)優(yōu)化配置過程中功率和容量的尋優(yōu)范圍、功率分配策略的選擇。以下分析微網(wǎng)中主要負(fù)荷類型對儲能系統(tǒng)配置的影響。

1)居民負(fù)荷:負(fù)荷特性主要與居民活動有關(guān),電負(fù)荷在午間和晚間為高峰時段,上午與下午時段為平時段,凌晨時段一般為谷時段,波動大,規(guī)模較小。供暖期熱負(fù)荷大部分時段維持在恒定值,只在午間由于氣溫因素,熱負(fù)荷需求量較低。由于居民負(fù)荷非重要負(fù)荷,可以轉(zhuǎn)移和中斷,因此儲能系統(tǒng)尋優(yōu)范圍主要與微網(wǎng)耗能大小有關(guān)。功率分配策略主要依據(jù)為風(fēng)機(jī)凈功率和負(fù)荷特性。

2)商業(yè)負(fù)荷:負(fù)荷特性主要與商業(yè)特性有關(guān)。電負(fù)荷在白天階段為高峰時段,晚上為低谷時段,波動較小,規(guī)模中等。供暖期熱負(fù)荷在白天一般為恒定值,晚上熱負(fù)荷需求較低。由于商業(yè)負(fù)荷也非重要負(fù)荷,因此,儲能系統(tǒng)尋優(yōu)范圍主要與微網(wǎng)耗能大小有關(guān)。功率分配策略主要依據(jù)為風(fēng)機(jī)凈功率和負(fù)荷特性。

3)工業(yè)負(fù)荷:負(fù)荷特性主要與生產(chǎn)性質(zhì)和生產(chǎn)計劃有關(guān),工業(yè)電負(fù)荷可分為產(chǎn)線負(fù)荷和重要負(fù)荷,規(guī)模較大。其中,產(chǎn)線負(fù)荷是指主要生產(chǎn)設(shè)備所對應(yīng)的負(fù)荷。除產(chǎn)線設(shè)備外,實際的工廠里必須安裝相應(yīng)的輔助設(shè)備來保證整個生產(chǎn)過程的安全進(jìn)行,如工廠中的冷卻塔和各類服務(wù)器。當(dāng)此類輔助生產(chǎn)設(shè)備突然斷電時,如不能及時恢復(fù)供電,則可能會對整個系統(tǒng)造成嚴(yán)重的損害。因此,把此類負(fù)荷列為重要負(fù)荷[23]。在獨(dú)立微網(wǎng)中,必須保證重要負(fù)荷的供電。工業(yè)負(fù)荷中,電負(fù)荷一般維持在恒定值,只在工人換班和用餐時間由于部分生產(chǎn)設(shè)備的關(guān)閉出現(xiàn)明顯的負(fù)荷低谷。供暖期熱負(fù)荷同樣也維持在恒定值。因此,為了保證重要負(fù)荷的供給,儲電系統(tǒng)額定功率和容量配置尋優(yōu)范圍應(yīng)根據(jù)工廠耗能大小與重要負(fù)荷需求量設(shè)定最低限制,同時相應(yīng)確定SOC約束范圍。功率分配策略主要依據(jù)為生產(chǎn)計劃。

1.7 儲能消納風(fēng)電原理

獨(dú)立型微網(wǎng)中,在冬季供暖期由于夜間風(fēng)電過剩,且無法并網(wǎng),而熱電機(jī)組由于供熱需求,使電出力無法下調(diào),從而使風(fēng)電難以消納,造成了嚴(yán)重的棄風(fēng)。微網(wǎng)中加裝儲熱裝置后,在非棄風(fēng)時段,熱電機(jī)組滿足熱負(fù)荷需求的基礎(chǔ)上,也向儲熱裝置蓄熱,而在棄風(fēng)時段,為了消納風(fēng)電,可以降低熱電機(jī)組出力。因此,導(dǎo)致的供熱不足部分則由儲熱系統(tǒng)放熱補(bǔ)充。同時,儲電系統(tǒng)可進(jìn)一步存儲棄風(fēng)階段的多余電量,從而接納更多風(fēng)電,最大程度地減少棄風(fēng)。

2 儲能系統(tǒng)優(yōu)化配置模型

依據(jù)微網(wǎng)中經(jīng)濟(jì)性最高,利益最大化的原則,本文以系統(tǒng)的經(jīng)濟(jì)總成本最小為目標(biāo),建立了包含儲能系統(tǒng)投資成本、微網(wǎng)運(yùn)行成本、治污成本的規(guī)劃系統(tǒng)模型,如圖2所示。

圖2 儲能系統(tǒng)優(yōu)化配置模型Fig.2 Optimal configuration model of energy storage system

2.1 目標(biāo)函數(shù)

在儲能系統(tǒng)優(yōu)化配置問題中,以經(jīng)濟(jì)性作為優(yōu)化目標(biāo),提出的目標(biāo)函數(shù)如下:

Ctotal=min(Cinv+Copt+Cpol)

(11)

Cinv=αPB,R+βCe,max+χhB,R+δCh,max

(12)

Fh(Pl,t,h)Ll,t,h+SU,t,h+SD,t,h]

(13)

(14)

式中:Ctotal為儲能系統(tǒng)規(guī)劃周期內(nèi)微網(wǎng)的總成本;Cinv為儲能系統(tǒng)的投資費(fèi)用;Copt為微網(wǎng)運(yùn)行費(fèi)用;Cpol為微網(wǎng)治污成本;α為蓄電池的單位功率投資系數(shù);β為蓄電池的單位容量投資系數(shù);χ為儲熱系統(tǒng)的單位功率投資系數(shù);δ為儲熱系統(tǒng)的單位容量投資系數(shù);PB,R為蓄電池的最大功率;hB,R和Ch,max分別為儲熱系統(tǒng)的最大功率和最大容量;NT為總天數(shù);NH為總小時數(shù);NG為總的常規(guī)火電機(jī)組數(shù);NL為總的熱電聯(lián)產(chǎn)機(jī)組數(shù);Pi,t,h為常規(guī)機(jī)組i在時段t內(nèi)產(chǎn)生的功率,Fe為該功率與費(fèi)用的函數(shù)關(guān)系;Ii,t,h為分布式電源是否工作的狀態(tài)指數(shù),其值為1表示工作,其值為0表示不工作;Pl,t,h為熱電聯(lián)產(chǎn)機(jī)組l在時段t內(nèi)產(chǎn)生的功率,Fh為該功率與費(fèi)用的函數(shù)關(guān)系;Ll,t,h為熱電聯(lián)產(chǎn)機(jī)組l是否工作的狀態(tài)指數(shù),其值為1表示工作,其值為0表示不工作;SU,t,h和SD,t,h分別為發(fā)電機(jī)組的啟停機(jī)費(fèi)用;αk為污染物k的治理費(fèi)用系數(shù);βk為污染物k的排放系數(shù);NK為污染物總量；pdie(t)為某時段某機(jī)組發(fā)出的功率。

其中,對于蓄電池的單位容量投資系數(shù),有

(15)

式中:CE為單位容量投資總成本;Cm為年單位容量設(shè)備的維修、維護(hù)費(fèi)用和裝置處置費(fèi)用之和;Tlife為估算的儲能系統(tǒng)壽命。這樣將這些費(fèi)用平攤到儲能系統(tǒng)的周期壽命中,可以得到規(guī)劃周期內(nèi)的單位容量投資系數(shù)。

發(fā)電成本一般可以表示為發(fā)電功率的二次函數(shù)的形式。常規(guī)火電機(jī)組和熱電聯(lián)產(chǎn)機(jī)組的功率成本函數(shù)分別為:

(16)

al(Pe，i,t+γlhl,t,h)2+bl(Pe,i,t+γlhl,t,h)+cl

(17)

式中:ai,bi,ci和al,bl,cl分別為常規(guī)機(jī)組和熱電聯(lián)產(chǎn)機(jī)組的成本系數(shù)。

2.2 約束條件

2.2.1系統(tǒng)約束

1)電功率平衡約束

(18)

式中:NR為新能源數(shù)量;Pi,t,h為新能源產(chǎn)生的功率;PESS為儲能系統(tǒng)充電或者放電的功率,充電為負(fù)值,放電為正值;Pload,t,h為t時段負(fù)荷所需的功率。

2)供熱平衡約束

(19)

式中:hl,t,h為熱電聯(lián)產(chǎn)機(jī)組l在t時段的熱功率;hhs為該時段儲熱系統(tǒng)的儲、放熱功率,放熱為正值,儲熱為負(fù)值;hload,t,h為系統(tǒng)該時段的熱負(fù)荷。

3)風(fēng)電出力約束

(20)

式中:Pw,max為風(fēng)力發(fā)電機(jī)的額定功率;vci,vr,vco分別為風(fēng)機(jī)的切入風(fēng)速、額定風(fēng)速和切出風(fēng)速;vt,h為某時段的風(fēng)速。

2.2.2機(jī)組約束

1)機(jī)組出力上下限約束

pi,min≤pi,t≤pi,max

(21)

式中:pi,min和pi,max分別為機(jī)組的最小和最大電出力。

2)抽汽式機(jī)組熱出力上、下限約束

0≤hl,t,h≤hl,max

(22)

式中:hl,max為機(jī)組l熱出力的最大限值。

3)機(jī)組的總功率爬坡約束

Pi,t,h-Pi,t,h-1≤Δpu,i

(23)

Pi,t,h-1-Pi,t,h≤Δpd,i

(24)

式中:Δpu,i和Δpd,i分別為機(jī)組i的最大上、下爬坡出力。

4)抽汽式機(jī)組的熱爬坡約束

hl,t,h-hl,t,h-1≤Δhu,l

(25)

hl,t,h-1-hl,t,h≤Δhd,l

(26)

式中:Δhu,l和Δhd,l分別為抽汽式機(jī)組單位時間內(nèi)的熱功率最大變化量。

2.2.3儲能系統(tǒng)約束

1)儲能電池上下限約束

SSOC,min≤SSOC≤SSOC,max

(27)

式中:SSOC,min和SSOC,max分別為儲能電池荷電狀態(tài)的最小值和最大值。

2)儲熱系統(tǒng)上下限約束

HHS,min≤HHS≤HHS,max

(28)

式中:HHS,min和HHS,max分別為儲熱系統(tǒng)儲熱狀態(tài)的最小值和最大值。

2.2.4自給自足概率約束

在微網(wǎng)的獨(dú)立運(yùn)行模式下,滿足負(fù)荷需求,達(dá)到系統(tǒng)穩(wěn)定性尤為重要。由此,引入了自給自足概率的概念。通過對是否在規(guī)劃期內(nèi)達(dá)到負(fù)荷需求的概率進(jìn)行約束來配置儲能系統(tǒng),并同時計及負(fù)荷與風(fēng)力出力預(yù)測誤差。

對于電負(fù)荷:

(29)

對于熱負(fù)荷:

(30)

式中:PSS,e和PSS,h分別為微網(wǎng)中電負(fù)荷與熱負(fù)荷的自給自足概率;Δw,Δd,Δh分別為滿足正態(tài)分布的風(fēng)電出力預(yù)測誤差、電負(fù)荷誤差、熱負(fù)荷誤差。

3 模型求解

BCC算法由細(xì)菌趨藥性算法(BC)改進(jìn)而來,本文采用的是基于機(jī)組出力和儲能系統(tǒng)功率分配策略的BCC算法。

每一行4個細(xì)菌分別代表儲電系統(tǒng)額定功率和容量,儲熱系統(tǒng)額定功率和容量,為了在微網(wǎng)中合理協(xié)調(diào)系統(tǒng)內(nèi)的電源出力來滿足負(fù)荷的需要。確保各個時段為電源出力和負(fù)荷需求的實時功率平衡,防止儲能系統(tǒng)的過充過放,實現(xiàn)對微網(wǎng)各分布式電源的優(yōu)化調(diào)度。在實際規(guī)劃過程中,往往需要選取一套合理的功率分配策略,這可以有效提高可行解的產(chǎn)生效率,進(jìn)而提高算法性能。

儲能系統(tǒng)在規(guī)劃周期一般分為供暖期與非供暖期,在非供暖期,熱電聯(lián)產(chǎn)機(jī)組和儲熱系統(tǒng)停止運(yùn)行,在供暖期,熱電聯(lián)產(chǎn)機(jī)組和儲熱系統(tǒng)投入系統(tǒng)運(yùn)行。

在非供暖期,微網(wǎng)中優(yōu)先利用風(fēng)電,多余風(fēng)電通過儲能電池存儲起來,風(fēng)電不足,則通過常規(guī)機(jī)組補(bǔ)足出力需求。

在供暖期,由于儲熱系統(tǒng)充放熱的損耗成本遠(yuǎn)低于蓄電池充放電的損耗成本,所以優(yōu)先利用儲熱系統(tǒng)消納風(fēng)電。本文主要研究的負(fù)荷類型為居民負(fù)荷,具體運(yùn)行策略如下。

首先,判斷該時段是否在棄風(fēng)階段,判斷依據(jù)是風(fēng)力出力是否滿足電負(fù)荷需求。若在棄風(fēng)階段,儲熱系統(tǒng)放熱,剩余熱負(fù)荷需求由熱電聯(lián)產(chǎn)機(jī)組補(bǔ)足,電負(fù)荷優(yōu)先消耗風(fēng)電和熱電聯(lián)產(chǎn)機(jī)組的出力,多余電能通過儲能電池存儲起來。若在非棄風(fēng)階段,熱電機(jī)組在滿足熱負(fù)荷需求的同時,給儲熱系統(tǒng)儲熱,再根據(jù)電力負(fù)荷判斷儲電系統(tǒng)的充放電需求,電力不足則通過常規(guī)火電機(jī)組補(bǔ)足。具體步驟如附錄A圖A1。

4 算例仿真

4.1 算例數(shù)據(jù)

本文采用6機(jī)組系統(tǒng)進(jìn)行仿真,系統(tǒng)由3臺常規(guī)火電機(jī)組、2臺抽汽式熱電機(jī)組和1臺風(fēng)力發(fā)電機(jī)構(gòu)成,具體參數(shù)見附錄A表A1,系統(tǒng)負(fù)荷分為供暖期和非供暖期,其與風(fēng)電功率通過選取某海島歷史數(shù)據(jù)進(jìn)行預(yù)測,該海島負(fù)荷主要為居民負(fù)荷。煤耗特性參數(shù)及電熱輸出運(yùn)行參數(shù)見附錄A表A1,污染物及治污成本系數(shù)見附錄A表A2[24],自給自足概率要求都取90%,自給自足概率預(yù)測誤差正態(tài)分布Δw,Δd,Δh分別取(0,144)kW,(0,256)kW,(0,256)kW,儲能電池單位功率年投資成本系數(shù)α為240元/(kW·a),容量投資總成本CE為80元/(kW·h),年單位容量設(shè)備的維修、維護(hù)費(fèi)用和裝置處置費(fèi)用之和Cm為30元/((kW·h)·a),儲熱系統(tǒng)的年單位功率投資系數(shù)為192元/(kW·a),年單位容量投資系數(shù)為9元/((kW·h)·a)。微網(wǎng)規(guī)劃周期取1 a,為防止過充過放,SOC上下限分別取0.9和0.2。HHS上下限分別取0.9和0.1;初始SOC設(shè)置為0.2,供暖期初始HHS設(shè)置為0.5;儲能系統(tǒng)的自放電率、自放熱率均為0.01,充放電效率、充放熱效率均為0.75;熱電機(jī)組的γ為0.9。細(xì)菌個數(shù)為50,最大迭代次數(shù)為100,初始精度εbegin=2,最終精度εend=10-2,精度更新常數(shù)d=1.25,每個細(xì)菌移動速度v=1。

為了對比分析儲能系統(tǒng)配置后對系統(tǒng)產(chǎn)生的經(jīng)濟(jì)效益,設(shè)置了3種不同場景。

場景1:系統(tǒng)中無儲能設(shè)備。

場景2:系統(tǒng)中加裝隨機(jī)配置的儲能系統(tǒng)。

場景3:系統(tǒng)中配置優(yōu)化后的儲能系統(tǒng)。

4.2 優(yōu)化結(jié)果分析

選取供暖與非供暖典型日,儲能電池理想狀態(tài)下(即不受容量限制,只與負(fù)荷需求有關(guān))SOC曲線如附錄A圖A2和圖A3所示。由圖可知,在非供暖期,有4個半周期,放電深度分別為0.6,0.6,0.2,0.2。供暖期2個半周期,放電深度分別為0.4和0.4,經(jīng)計算可知每年的壽命折損率約為0.45。在供暖期,由于主要通過儲熱系統(tǒng)消納風(fēng)電,所以儲能電池SOC變化較小,經(jīng)過估算可以得出儲能電池壽命大約為2.2 a,進(jìn)而得出儲能電池單位容量年投資系數(shù)β為66元/((kW·h)·a)。

場景1總成本為17 119.02萬元,其中包含運(yùn)行成本17 118萬元,治污成本1.02萬元。電負(fù)荷自給自足的概率為65%,熱負(fù)荷自給自足的概率為87%,不滿足要求。在非供暖期,火電機(jī)組1全時段運(yùn)行,在出力不足的時段,由火電機(jī)組2和3補(bǔ)足。在供暖期,熱電機(jī)組運(yùn)行,優(yōu)先滿足熱負(fù)荷,由于抽汽式機(jī)組“以熱定電”的模式,在冬季風(fēng)能資源充足的情況下,會造成大量棄風(fēng)。

場景2隨機(jī)選取儲能電池3 MW/5 MW·h、儲熱系統(tǒng)1 MW/6 MW·h的配置,總成本為7 936.4萬元,其中儲能系統(tǒng)的投資成本為100.8萬元,微網(wǎng)的運(yùn)行成本和治污成本分別為7 834.6萬元和0.97萬元。與場景1相比,總成本同比減少53%,總成本減少的主要原因是在配置儲能系統(tǒng)后,由于儲能電池可以削峰填谷、優(yōu)化出力調(diào)度,減少風(fēng)電損失,以及儲熱系統(tǒng)在供暖期可以增大風(fēng)電的利用率,避免棄風(fēng)的產(chǎn)生,使得總成本減少。此方案下,電負(fù)荷自給自足的概率為97%,熱負(fù)荷自給自足的概率為99%,滿足系統(tǒng)設(shè)定的自給自足概率。

場景3利用文中提出的儲能系統(tǒng)優(yōu)化配置方法,尋求最優(yōu)化配置,得出最優(yōu)配置為儲能電池2.6 MW/9.1 MW·h、儲熱系統(tǒng)2.2 MW/10 MW·h的配置,即所尋求的最優(yōu)化配置。該配置下,總成本為7 775.1萬元,與場景1相比,總成本同比減少54%,與場景2相比,總成本同比減少2%,其中儲能系統(tǒng)投資成本為154.8萬元,微網(wǎng)的運(yùn)行成本和治污成本分別為7 619.3萬元和0.93萬元。此配置下的電、熱負(fù)荷自給自足的概率均為99%。與場景2相比,總成本減少的原因是系統(tǒng)配置了優(yōu)化后的儲能系統(tǒng),可以更有效地優(yōu)化系統(tǒng)出力,減少棄風(fēng)。具體對比結(jié)果見表1。

表1 不同場景的成本Table 1 Cost in different scenes

從圖3(a)可以看出,微網(wǎng)在棄風(fēng)階段儲能電池充電,在非棄風(fēng)階段,利用完風(fēng)電之后,優(yōu)先通過儲能電池補(bǔ)足出力,可有效削峰填谷,減少能源損耗。

圖3 供暖期、非供暖期典型日負(fù)荷出力構(gòu)成Fig.3 Composition of load output on a typical day during the heating and non-heating periods

圖3(b)和(c)是供暖期電、熱出力情況,在棄風(fēng)階段,儲熱系統(tǒng)釋放熱能與熱電聯(lián)產(chǎn)機(jī)組共同滿足熱負(fù)荷,此時熱電聯(lián)產(chǎn)機(jī)組出力較小,可以優(yōu)先利用風(fēng)能,減少棄風(fēng)。在這種情況下,電能有時仍有大量剩余,此時可以利用儲能電池存儲電能。在非棄風(fēng)階段,熱電機(jī)組在滿足熱負(fù)荷的同時,給儲熱系統(tǒng)儲熱,再根據(jù)電力負(fù)荷判斷儲電系統(tǒng)的充放電需求?？梢钥闯?由于在微網(wǎng)中引入了多能存儲系統(tǒng),增加了微網(wǎng)的靈活性和系統(tǒng)收益,減少了棄風(fēng)的產(chǎn)生。

在非供暖期的運(yùn)行成本只考慮儲能電池的功率和容量。如圖4所示,選取以1 MW為步長的一系列數(shù)據(jù),可以看出,隨著系統(tǒng)配置的增高,系統(tǒng)運(yùn)行費(fèi)用逐漸減少,而投資費(fèi)用隨之增加,治污費(fèi)用隨之減少。而供暖期考慮儲能電池和儲熱系統(tǒng)整體配置,隨著配置的增高,儲能系統(tǒng)投資費(fèi)用增高,微網(wǎng)運(yùn)行費(fèi)用、治污費(fèi)用也隨之減少。

圖4 非供暖期運(yùn)行成本與儲能系統(tǒng)配置的關(guān)系Fig.4 Relationship between operation cost and energy storage system sizing during the non-heating period

4.3 風(fēng)電消納作用分析

附錄B圖B1為某供暖期典型日不同場景下的棄風(fēng)量,可以看到場景1下的棄風(fēng)量總量達(dá)39.11 MW。原因是在供暖期熱電聯(lián)產(chǎn)機(jī)組“以熱定電”的生產(chǎn)模式,使供熱導(dǎo)致的系統(tǒng)強(qiáng)迫電出力過高。在加裝儲能后,場景2和場景3的棄風(fēng)量分別為8.19 MW和7.84 MW,棄風(fēng)量大大減小?？梢?儲能系統(tǒng)的存在使得風(fēng)電接納量明顯提高,對于系統(tǒng)整體的經(jīng)濟(jì)性起到了積極的作用。

4.4 與傳統(tǒng)優(yōu)化配置方法的對比分析

在比較分析過程中,設(shè)立以下場景。

場景4:系統(tǒng)中加裝傳統(tǒng)優(yōu)化配置方法的儲能系統(tǒng)。

傳統(tǒng)儲能系統(tǒng)優(yōu)化配置方法與本文配置方法主要有以下3點(diǎn)不同。

1)未考慮其他儲能形式的配置,如儲熱系統(tǒng)的優(yōu)化配置。

2)估算儲電系統(tǒng)壽命未考慮SOC曲線供暖期和非供暖期的不同。

3)在優(yōu)化算法中未與功率分配策略相結(jié)合。

由于第1點(diǎn)主要是研究對象的不同,因此主要分析第2點(diǎn)和第3點(diǎn)。

傳統(tǒng)配置方法估算儲能電池壽命時,一般選取某典型日的SOC曲線。這里,選取典型非供暖期SOC曲線,如附錄A圖A2所示,可得4個半周期放電深度分別為0.6,0.6,0.2,0.2,經(jīng)計算得到每年損耗率為0.55,估算出儲電系統(tǒng)壽命約為1.8 a。計算出該結(jié)果的原因主要是未考慮供暖期SOC曲線與非供暖期的不同,在供暖期由于主要通過儲熱系統(tǒng)的充、放熱作用消納棄風(fēng),使得儲能電池SOC曲線變化較小。因此,利用傳統(tǒng)方法估算儲能電池壽命產(chǎn)生了一定誤差,造成之后投資成本計算不準(zhǔn)確。

其次,在傳統(tǒng)優(yōu)化配置算法中,主要通過算法中功率平衡調(diào)節(jié)程序來保證有功出力平衡,但是這往往會造成大量冗余解的產(chǎn)生,使求解效率降低。為了比較兩種算法,在其他條件相同的情況下,分別用傳統(tǒng)BCC算法和考慮功率分配策略的BCC算法兩種算法求解,并分別選取同一行菌群,在迭代1次、5次、10次、50次時設(shè)置斷點(diǎn),具體分析了供暖期典型日某一時段的電出力構(gòu)成,結(jié)果如附錄B圖B2和圖B3所示。

由附錄B圖B2可知,在第1次迭代時由于傳統(tǒng)配置算法在約束范圍內(nèi)的隨機(jī)取值,造成了有功功率的不平衡,第5次迭代雖然滿足了功率平衡,但是由于該階段為棄風(fēng)階段,儲能電池狀態(tài)應(yīng)為存儲電能,不符合實際運(yùn)行工況。第10次迭代未尋得最優(yōu)解。直到第50次迭代才取得最優(yōu)解。而由圖B3可知,與功率分配策略相結(jié)合的算法從第1次迭代時就滿足實際運(yùn)行工況,使得求解效率提高,在第10次迭代時就尋得了最優(yōu)解。此外,冗余解還在以下情形產(chǎn)生:儲能充放功率大于儲能系統(tǒng)上階段剩余容量、供暖期優(yōu)先利用常規(guī)機(jī)組出力等。而與功率分配策略相結(jié)合的算法由于預(yù)先的設(shè)定,規(guī)避了冗余解的產(chǎn)生,提高了求解效率。

4.5 儲能系統(tǒng)投資靈敏度分析

相對于儲能系統(tǒng)的年單位容量投資,年單位功率投資系數(shù)更大,本節(jié)主要分析儲電系統(tǒng)功率單位年投資系數(shù)對儲電系統(tǒng)最優(yōu)化配置和總成本的影響。在其他成本系數(shù)不變的情況下,取一系列數(shù)據(jù),得出的結(jié)果如附錄B圖B4所示。可以看出,當(dāng)α較小時,由于投資單位成本較低,儲電系統(tǒng)最優(yōu)配置功率較大,這也同時給系統(tǒng)帶來了收益。隨著α的增大,投資單位成本增加,功率最優(yōu)化配置增大,而系統(tǒng)收益也由于儲能系統(tǒng)配置降低而減少。而其他成本系數(shù)也有類似影響。

5 結(jié)論

本文提出了微網(wǎng)中儲能系統(tǒng)優(yōu)化配置的模型,得到如下結(jié)論。

1)微網(wǎng)中儲能系統(tǒng)的配置可以影響儲能系統(tǒng)的投資成本以及整個微網(wǎng)的運(yùn)行成本和治污成本,且作為系統(tǒng)運(yùn)行中的約束,影響整個微網(wǎng)功率分配策略的選擇。因此,選擇更為合理的儲能系統(tǒng)配置可以提高新能源利用率,增加系統(tǒng)收益。

2)儲能系統(tǒng)的合理配置能夠在一定程度上避免冬季供暖期因熱電聯(lián)產(chǎn)機(jī)組“以熱定電”模式強(qiáng)迫電出力而導(dǎo)致的棄風(fēng),進(jìn)而提高獨(dú)立微網(wǎng)整體的經(jīng)濟(jì)性和低碳性。

進(jìn)一步的研究應(yīng)考慮綜合能源微網(wǎng)中儲電、儲氣、儲熱的配置和相互間的耦合關(guān)系,以及P2G、液氫SMES等復(fù)合儲能、能量轉(zhuǎn)換裝置在微網(wǎng)中的規(guī)劃配置。在已有模型中,為了更精確估算儲能系統(tǒng)的壽命,可以進(jìn)一步考慮預(yù)測壽命隨實際情況變化的修正模型。同時,本文主要研究對象是獨(dú)立型微網(wǎng),可以繼續(xù)展開對并網(wǎng)型微網(wǎng)的研究。

本文研究得到燕山大學(xué)青年教師自主研究計劃課題研究項目(15LGA005)的資助,謹(jǐn)此致謝!

附錄見本刊網(wǎng)絡(luò)版(http://www.aeps-info.com/aeps/ch/index.aspx)。

[1] RIFKIN J. The third industrial revolution: how lateral power is transforming energy, the economy, and the world[J]. Survival, 2012, 2(2): 67-68.

[2] 田世明,欒文鵬,張東霞,等.能源互聯(lián)網(wǎng)技術(shù)形態(tài)與關(guān)鍵技術(shù)[J].中國電機(jī)工程學(xué)報,2015,35(14):3482-3494.

TIAN Shiming, LUAN Wenpeng, ZHANG Dongxia, et al. Technical forms and key technologies on energy internet[J]. Proceedings of the CSEE, 2015, 35(14): 3482-3494.

[3] 李洋,吳鳴,周海明,等.基于全能流模型的區(qū)域多能源系統(tǒng)若干問題探討[J].電網(wǎng)技術(shù),2015,39(8):2230-2237.

LI Yang, WU Ming, ZHOU Haiming, et al. Study on some key problems related to regional multi energy system based on universal flow model[J]. Power System Technology, 2015, 39(8): 2230-2237.

[4] 馬騰飛,吳俊勇,郝亮亮.含冷熱電三聯(lián)供的微能源網(wǎng)能量流計算及綜合仿真[J].電力系統(tǒng)自動化,2016,40(23):22-27.DOI:10.7500/AEPS20160426005.

MA Tengfei, WU Junyong, HAO Liangliang. Energy flow calculation and integrated simulation of micro-energy grid with combined cooling, heating and power[J]. Automation of Electric Power Systems, 2016, 40(23): 22-27. DOI: 10.7500/AEPS20160426005.

[5] 郭宇航,胡博,萬凌云,等.含熱泵的熱電聯(lián)產(chǎn)型微電網(wǎng)短期最優(yōu)經(jīng)濟(jì)運(yùn)行[J].電力系統(tǒng)自動化,2015,39(14):16-22.DOI:10.7500/AEPS20141127011.

GUO Yuhang, HU Bo, WAN Lingyun, et al. Optimal economic short-term scheduling of CHP microgrid incorporating heat pump[J]. Automation of Electric Power Systems, 2015, 39(14): 16-22. DOI: 10.7500/AEPS20141127011.

[6] BEAUDIN M, ZAREIPOUR H, SCHELLENBERG A, et al, Chapter 1: energy storage for mitigating the variability of renewable electricity sources[M]// Energy Storage for Smart Grids. Amsterdam, Netherlands: Elsevier Inc., 2015: 1-33.

[7] 周林,黃勇,郭珂,等.微電網(wǎng)儲能技術(shù)研究綜述[J].電力系統(tǒng)保護(hù)與控制,2011,39(7):147-152.

ZHOU Lin, HUANG Yong, GUO Ke, et al. A survey of energy storage technology for micro grid[J]. Power System Protection and Control, 2011, 39(7): 147-152.

[8] BAHRAMIRAD S, REDER W, KHODAEI A. Reliability-constrained optimal sizing of energy storage system in a microgrid[J]. IEEE Transactions on Smart Grid, 2012, 3(4): 2056-2062.

[9] 李逢兵,謝開貴,張雪松,等.基于壽命量化的混合儲能系統(tǒng)協(xié)調(diào)控制參數(shù)優(yōu)化[J].電力系統(tǒng)自動化,2014,38(1):1-5.DOI:10.7500/AEPS20130503006.

LI Fengbing, XIE Kaigui, ZHANG Xuesong, et al. Optimization of coordinated control parameters for hybrid energy storage system based on life quantization[J]. Automation of Electric Power Systems, 2014, 38(1): 1-5. DOI: 10.7500/AEPS20130503006.

[10] 韓曉娟,程成,籍天明,等.計及電池使用壽命的混合儲能系統(tǒng)容量優(yōu)化模型[J].中國電機(jī)工程學(xué)報,2013,33(34):83-89.

HAN Xiaojuan, CHENG Cheng, JI Tianming, et al. Capacity optimal modeling of hybrid energy storage systems considering battery life[J]. Proceedings of the CSEE, 2013, 33(34): 83-89.

[11] 李龍云,胡博,謝開貴,等.基于離散傅里葉變換的孤島型微電網(wǎng)混合儲能優(yōu)化配置[J].電力系統(tǒng)自動化,2016,40(12):108-116.DOI:10.7500/AEPS20150625011.

LI Longyun, HU Bo, XIE Kaigui, et al. Capacity optimization of hybrid energy storage systems in isolated microgrids based on discrete fourier transform[J]. Automation of Electric Power Systems, 2016, 40(12): 108-116. DOI: 10.7500/AEPS20150625011.

[12] XIE Qing, WANG Yanzhi, KIM Y, et al. Charge allocation in hybrid electrical energy storage systems[J]. IEEE Transactions on Computer—Aided Design of Integrated Circuits and Systems, 2013, 32(7): 1003-1016.

[13] 李成,楊秀,張美霞,等.基于成本分析的超級電容器和蓄電池混合儲能優(yōu)化配置方案[J].電力系統(tǒng)自動化,2013,37(18):20-24.

LI Cheng, YANG Xiu, ZHANG Meixia, et al. Optimal configuration scheme for hybrid energy storage system of super-capacitors and batteries based on cost analysis[J]. Automation of Electric Power Systems, 2013, 37(18): 20-24.

[14] 盧志剛,隋玉珊,馮濤,等.考慮儲熱裝置與碳捕集設(shè)備的風(fēng)電消納低碳經(jīng)濟(jì)調(diào)度[J].電工技術(shù)學(xué)報,2016,31(17):41-51.

LU Zhigang, SUI Yushan, FENG Tao, et al. Wind power accommodation low-carbon economic dispatch considering heat accumulator and carbon capture devices[J]. Transactions of China Electrotechnical Society, 2016, 31(17): 41-51.

[15] 崔楊,陳志,嚴(yán)干貴,等.基于含儲熱熱電聯(lián)產(chǎn)機(jī)組與電鍋爐的棄風(fēng)消納協(xié)調(diào)調(diào)度模型[J].中國電機(jī)工程學(xué)報,2016,36(15):4072-4081.

CUI Yang, CHEN Zhi, YAN Gangui, et al. Coordinated wind power accommodating dispatch model based on electric boiler and CHP with thermal energy storage[J]. Proceedings of the CSEE, 2016, 36(15): 4072-4081.

[16] 徐飛,閔勇,陳磊,等.包含大容量儲熱的電-熱聯(lián)合系統(tǒng)[J].中國電機(jī)工程學(xué)報,2014,34(29):5063-5072.

XU Fei, MIN Yong, CHEN Lei, et al. Combined electricity-heat operation system containing large capacity thermal energy storage[J]. Proceedings of the CSEE, 2014, 34(29): 5063-5072.

[17] 薛小代,劉彬卉,汪雨辰,等.基于壓縮空氣儲能的社區(qū)微能源網(wǎng)設(shè)計[J].中國電機(jī)工程學(xué)報,2016,36(12):3306-3314.

XUE Xiaodai, LIU Binhui, WANG Yuchen, et al. Micro energy network design for community based on compressed air energy storage[J]. Proceedings of the CSEE, 2016, 36(12): 3306-3314.

[18] 袁鐵江,李國軍,張增強(qiáng),等.風(fēng)電-氫儲能與煤化工多能耦合系統(tǒng)設(shè)備投資規(guī)劃優(yōu)化建模[J].電工技術(shù)學(xué)報,2016,31(14):21-30.

YUAN Tiejiang, LI Guojun, ZHANG Zengqiang, et al. Optimal modeling on equipment investment planning of wind power-hydrogen energy storage and coal chemical pluripotent coupling system[J]. Transactions of China Electrotechnical Society, 2016, 31(14): 21-30.

[19] 王業(yè)磊,趙俊華,文福拴,等.具有電轉(zhuǎn)氣功能的多能源系統(tǒng)的市場均衡分析[J].電力系統(tǒng)自動化,2015,39(21):1-10.

WANG Yelei, ZHAO Junhua, WEN Fushuan, et al. Market equilibrium of multi-energy system with power-to-gas functions[J]. Automation of Electric Power Systems, 2015, 39(21): 1-10.

[20] 陳沼宇,王丹,賈宏杰,等.考慮P2G多源儲能型微網(wǎng)日前最優(yōu)經(jīng)濟(jì)調(diào)度策略研究[J].中國電機(jī)工程學(xué)報,2017,37(11):3067-3077.

CHEN Zhaoyu, WANG Dan, JIA Hongjie, et al. Research on optimal day-ahead economic dispatching strategy for microgrid considering P2G and multi-source energy storage system[J]. Proceedings of the CSEE, 2017, 37(11): 3067-3077.

[21] 李建林,田立亭,來小康.能源互聯(lián)網(wǎng)背景下的電力儲能技術(shù)展望[J].電力系統(tǒng)自動化,2015,39(23):15-25.DOI:10.7500/AEPS20150906004.

LI Jianlin, TIAN Liting, LAI Xiaokang. Outlook of electrical energy storage technologies under Energy Internet background[J]. Automation of Electric Power Systems, 2015, 39(23): 15-25. DOI: 10.7500/AEPS20150906004.

[22] ROY P K, PAUL C, SULTANA S. Oppositional teaching learning based optimization approach for combined heat and power dispatch[J]. International Journal of Electrical Power & Energy Systems, 2014, 57(5): 392-403.

[23] 許健,劉念,于雷,等.計及重要負(fù)荷的工業(yè)光伏微電網(wǎng)儲能優(yōu)化配置[J].電力系統(tǒng)保護(hù)與控制,2016,44(9):29-37.

XU Jian, LIU Nian, YU Lei, et al. Optimal allocation of energy storage system of PV microgrid for industries considering important load[J]. Power System Protection and Control, 2016, 44(9): 29-37.

[24] 丁明,王波,趙波,等.獨(dú)立風(fēng)光柴儲微網(wǎng)系統(tǒng)容量優(yōu)化配置[J].電網(wǎng)技術(shù),2013,37(3):575-581.

DING Ming, WANG Bo, ZHAO Bo, et al. Configuration optimization of capacity of standalone PV-wind-diesel-battery hybrid microgrid[J]. Power System Technology, 2013, 37(3): 575-581.