向開端, 王輝,2*, 彭婷婷, 陳攀

(1.三峽大學(xué)電氣與新能源學(xué)院, 宜昌 443002; 2.湖北省微電網(wǎng)工程技術(shù)研究中心, 宜昌 443002)

隨著傳統(tǒng)化石能源的日益枯竭以及燃燒造成了諸如溫室效應(yīng)等嚴(yán)重的環(huán)境問題,大力推行清潔能源的開發(fā)和利用是解決當(dāng)前能源危機(jī)和環(huán)境問題的重要解決方案[1]。近年來,世界上許多國家和地區(qū)已經(jīng)提出100%清潔能源系統(tǒng)的設(shè)想,并且在巴拉圭、冰島等國家已經(jīng)實(shí)現(xiàn)[2]。由于可再生能源的不斷發(fā)展,電網(wǎng)對各種能源存儲技術(shù)的需求日益增長,合理地因地制宜建設(shè)如重力儲能等地下儲能工程可以有效解決中國“三北地區(qū)”的新能源消納問題[3-4]。國家發(fā)展改革委、國家能源局在2022年5月出臺了《關(guān)于進(jìn)一步推動新型儲能參與電力市場和調(diào)度運(yùn)用的通知》,鼓勵配建新型儲能與所屬電源聯(lián)合參與電力市場,加快推進(jìn)獨(dú)立儲能參與電力市場配合電網(wǎng)調(diào)峰。國家能源局在《能源碳達(dá)峰碳中和標(biāo)準(zhǔn)化提升行動計(jì)劃》中提出,完善新型儲能技術(shù)標(biāo)準(zhǔn),建設(shè)新型儲能項(xiàng)目建設(shè),并細(xì)化儲能電站的應(yīng)用場景?，F(xiàn)有的儲能系統(tǒng)如抽水蓄能系統(tǒng)和壓縮空氣儲能系統(tǒng),受選址和建設(shè)規(guī)模的要求,其應(yīng)用受到一定限制,因此開發(fā)新型高效的儲能技術(shù)就成為了關(guān)鍵[5]。在中國西北地區(qū),利用日益增多的廢棄礦區(qū)開展新能源及重力儲能項(xiàng)目開發(fā)建設(shè),不僅可以推動新型儲能技術(shù)的多元化應(yīng)用,同時可以對廢棄礦區(qū)等可利用資源進(jìn)行再度整合利用。

考慮可再生能源的隨機(jī)性、間歇性和波動性,在微電網(wǎng)中合理地配置儲能設(shè)備,可以有效提高微電網(wǎng)的靈活性和供電可靠性[6]。在微電網(wǎng)運(yùn)行過程中,某一時段可再生能源難以承載負(fù)荷需求量時,儲能設(shè)備可以提供負(fù)荷缺電量,維護(hù)微電網(wǎng)運(yùn)行的穩(wěn)定性?？稍偕茉窗l(fā)電量大于負(fù)荷需求量時,可以對多余的電量進(jìn)行儲存,避免電能的浪費(fèi)。通過綜合考慮設(shè)備特性,選擇相匹配的儲能設(shè)備及容量,以實(shí)現(xiàn)提高系統(tǒng)的整體運(yùn)行效率。目前在多能源聯(lián)合發(fā)電系統(tǒng)容量配置問題中,廣泛應(yīng)用遺傳算法、粒子群優(yōu)化算法及鯨魚優(yōu)化算法等,并取得一定研究成果。文獻(xiàn)[7]采用改進(jìn)的灰狼算法對風(fēng)光柴蓄的獨(dú)立微電網(wǎng)系統(tǒng)進(jìn)行容量優(yōu)化配置。文獻(xiàn)[8] 提出了一種量子遺傳算法的容量最優(yōu)配置求解方法,求解獲得最優(yōu)容量配置,并證明了其合理性和可行性。文獻(xiàn)[9]提出一種用戶分類的容量配置模型,采用改進(jìn)的蝴蝶優(yōu)化算法對模型進(jìn)行了求解,證明了其有效性與合理性。

由于風(fēng)光互補(bǔ)系統(tǒng)功率具有不穩(wěn)定性[10],因此配備一定數(shù)量的儲能設(shè)備對平抑風(fēng)光的波動性具有十分重要的意義。通過集合不同儲能技術(shù)特性的優(yōu)點(diǎn)組成混合儲能系統(tǒng),可以延長儲能系統(tǒng)的使用年限,更具經(jīng)濟(jì)性和高效性。在混合儲能配置問題研究中,文獻(xiàn)[11]提出一種含氫儲能-蓄電池的混合儲能系統(tǒng),利用HOMER Pro軟件進(jìn)行了優(yōu)化求解驗(yàn)證其經(jīng)濟(jì)型和有效性。文獻(xiàn)[12]提出一種超導(dǎo)儲能和蓄電池組成的混合儲能系統(tǒng),采用分層控制策略對風(fēng)電場功率進(jìn)行補(bǔ)償。文獻(xiàn)[13]對超級電容-蓄電池的混合儲能系統(tǒng)提出一種利用統(tǒng)計(jì)學(xué)方法的功率分配策略,并驗(yàn)證其有效性。

以上研究主要都是傳統(tǒng)的混合儲能系統(tǒng),混合儲能系統(tǒng)基本都是蓄電池配合氫儲能、超導(dǎo)儲能、超級電容和壓縮空氣儲能等儲能技術(shù)。考慮到系統(tǒng)的經(jīng)濟(jì)性要求,選擇成本較低的重力儲能技術(shù)結(jié)合電化學(xué)儲能電池在現(xiàn)有的研究內(nèi)容較少。重力儲能系統(tǒng)作為一種獨(dú)特的儲能方式,可以利用高度儲存能量,其結(jié)構(gòu)能夠適應(yīng)地形的變化。儲能載體為重型物體,它不僅可以回收,而且?guī)缀醪粫廴经h(huán)境,其施工條件不受地理環(huán)境的限制。同時中國西北地區(qū)現(xiàn)有許多廢棄礦井,具有先天的利用場景,不像抽水蓄能等現(xiàn)有成熟的儲能技術(shù)應(yīng)用場景在西北地區(qū)的局限性,重力儲能技術(shù)在該場景有得天獨(dú)厚的優(yōu)勢。因此考慮重力儲能和蓄電池耦合的混合儲能系統(tǒng)的容量優(yōu)化配置具有十分重要的意義。文獻(xiàn)[14]分析了重力儲能的發(fā)展現(xiàn)狀,并對其關(guān)鍵技術(shù)原理進(jìn)行了分析。文獻(xiàn)[15]提出風(fēng)光重聯(lián)合發(fā)電系統(tǒng),并引入了三個評價指標(biāo)對最優(yōu)容量進(jìn)行排序評價,得出最優(yōu)方案。文獻(xiàn)[16]提出一種通過引入日前市場電價來制定調(diào)度策略的重力儲能系統(tǒng)模型。

針對于重力儲能項(xiàng)目的研究,中國已經(jīng)進(jìn)行了示范項(xiàng)目的推進(jìn)。例如,2022年5月中國天楹與中國電網(wǎng)就重力儲能技術(shù)研究達(dá)成了戰(zhàn)略合作。共同協(xié)作,推進(jìn)建設(shè)如東100 MWh用戶側(cè)重力儲能示范項(xiàng)目。

在上述研究基礎(chǔ)上,主要針對重力儲能-蓄電池混合儲能系統(tǒng)在風(fēng)光儲微電網(wǎng)結(jié)構(gòu)中的運(yùn)行與規(guī)劃,通過對系統(tǒng)中各組件建模,結(jié)合約束條件,建立以年均系統(tǒng)成本最小為目標(biāo)函數(shù)的系統(tǒng)容量配置模型,同時考慮負(fù)荷缺電率、可再生能源浪費(fèi)率和可再生能源過裝率三個評價指標(biāo),利用改進(jìn)優(yōu)化算法求解容量配置優(yōu)化問題,得到最優(yōu)配置,最后利用算例分析該模型的經(jīng)濟(jì)性與可靠性。

1 風(fēng)光儲發(fā)電系統(tǒng)模型

1.1 系統(tǒng)結(jié)構(gòu)

風(fēng)光儲發(fā)電系統(tǒng)主要由風(fēng)力發(fā)電、光伏發(fā)電、重力儲能裝置、蓄電池、變換器及本地負(fù)荷組成并與上級電網(wǎng)連接,由于重力儲能的場景大都在偏遠(yuǎn)地區(qū),距離大電網(wǎng)較遠(yuǎn),因此現(xiàn)僅考慮在孤島模式下進(jìn)行運(yùn)行,系統(tǒng)結(jié)構(gòu)如圖1所示。

當(dāng)分布式發(fā)電系統(tǒng)出力大于負(fù)荷需求時,處于儲能系統(tǒng)充電情況,當(dāng)不平衡量大于總儲能額定功率,混合儲能系統(tǒng)共同進(jìn)行充電,余電進(jìn)行棄電計(jì)算,當(dāng)大于蓄電池額定充電功率,由重力儲能充電,剩余不平衡量通過DC/DC變換器對蓄電池充電和棄電計(jì)算;當(dāng)分布式發(fā)電系統(tǒng)出力小于負(fù)荷需求時,處于儲能系統(tǒng)放電情況,通過儲能系統(tǒng)對系統(tǒng)進(jìn)行供電,當(dāng)不平衡量小于蓄電池額定放電功率,由蓄電池優(yōu)先供應(yīng),反之由重力儲能進(jìn)行電量供應(yīng),電力供應(yīng)不足由蓄電池進(jìn)行供應(yīng),若供應(yīng)仍不足,最后進(jìn)行缺電計(jì)算。

圖1 風(fēng)光儲發(fā)電系統(tǒng)結(jié)構(gòu)Fig.1 Structure of power generation system of wind/solar with energy storage

1.2 風(fēng)力發(fā)電系統(tǒng)模型

風(fēng)力發(fā)電機(jī)輸出功率受到多種因素影響,其出力特性和風(fēng)速之間的關(guān)系可近似用分段函數(shù)描述為

(1)

式(1)中:PWT為風(fēng)力發(fā)電機(jī)實(shí)時功率;Pr為風(fēng)力發(fā)電機(jī)額定功率;v為實(shí)時風(fēng)速;vci為切入風(fēng)速;vco為切出風(fēng)速;vr為額定風(fēng)速。

1.3 光伏發(fā)電系統(tǒng)模型

光伏組件實(shí)際輸出功率與太陽能輻射、環(huán)境溫度以及標(biāo)準(zhǔn)條件下額定功率等因素相關(guān),其出力模型可表示為

(2)

式(2)中:PPV(t)為t時刻光伏的輸出功率;PSTC為標(biāo)準(zhǔn)條件下,光伏的額定輸出最大功率;GSTC為標(biāo)準(zhǔn)條件下太陽輻照度;Gc為工作點(diǎn)實(shí)際太陽輻照度;k為功率溫度系數(shù);Tc(t)為t時刻工作點(diǎn)溫度;TSTC為標(biāo)準(zhǔn)條件下的工作溫度。

1.4 重力儲能系統(tǒng)模型

重力儲能裝置主要利用高差進(jìn)行存儲能量,類似于抽水蓄能電站,但是建設(shè)條件不會像抽水蓄能電站那樣受地理環(huán)境所限制。同時可以將西北地區(qū)逐年廢棄的礦區(qū)加以利用起來,成為儲能裝置,其基本原理如圖2所示。

圖2 重力儲能裝置原理圖Fig.2 Schematic diagram of gravity energy storage device

在風(fēng)光出力大于負(fù)荷時,通過電動機(jī)將多余的電量轉(zhuǎn)化成機(jī)械能,將儲能載體從低位平臺通過軌道運(yùn)送到高位平臺,將電量最終轉(zhuǎn)化成為重力勢能存儲起來。相反在負(fù)荷高峰期,將儲能載體從高位平臺通過軌道傳送到低位平臺產(chǎn)生動能,帶動發(fā)電機(jī)進(jìn)行將動能轉(zhuǎn)化成為電量。由于重力加速度的原因,會導(dǎo)致重物下滑收到一個加速度的影響,會導(dǎo)致放電過程的功率波動過大,通過電動機(jī)輔助平衡其出力波動,限制斜坡上的重物為一個勻速狀態(tài)。

綜合考慮重力儲能裝置對其出力特性進(jìn)行建模主要分為以下兩個過程。

充電過程:

PGRC(t)=FCV=(mgsinθ+μmgcosθ)V

(3)

f=μmgcosθ

(4)

式中:PGRC為上升過程中的電動機(jī)功率;FC為上升過程中的電動機(jī)牽引力;f為摩擦力;m為重物質(zhì)量;g為重力加速度;θ為軌道與水平方向的夾角;μ為摩擦系數(shù);V為重物勻速下滑過程中的速度。

放電過程:

PGRD(t)=FDV=(mgsinθ-μmgcosθ)V

(5)

式(5)中:PGRD為下滑過程中的發(fā)電機(jī)功率;FD為下滑過程中的發(fā)電機(jī)所受到的牽引力。

由于大部分情況下礦井的坡度和有效高度都是在一個固定的場景下,僅考慮勻速階段的有效儲能高度,將重物的重量作為唯一變化量來規(guī)劃重力儲能的容量。

因此其重力儲能容量可表示為

WGR=mghg

(6)

式(6)中:WGR為重力儲能容量;hg為有效儲能高度。

1.5 蓄電池系統(tǒng)模型

在獨(dú)立微電網(wǎng)中蓄電池可以對負(fù)荷需求變化導(dǎo)致的波動進(jìn)行平抑,當(dāng)系統(tǒng)處于缺電狀態(tài)時進(jìn)行放電,反之進(jìn)行充電,其出力模型如下。

系統(tǒng)充電:

SOC(t)=SOC(t-1)(1-σ)+Pc(t)Δtηc/Eb

(7)

系統(tǒng)放電:

(8)

式中:SOC(t)為t時刻結(jié)束蓄電池剩余電量;σ為每小時蓄電池自放電率;Δt為時間步長;Pc、Pd為蓄電池第t時間段的充電、放電功率;ηc、ηd為蓄電池充電、放電效率;Eb為蓄電池的額定容量。

2 風(fēng)光儲發(fā)電系統(tǒng)優(yōu)化配置模型

2.1 目標(biāo)函數(shù)

風(fēng)光儲發(fā)電系統(tǒng)容量優(yōu)化配置的目標(biāo)是通過在滿足負(fù)荷需求及其他約束的條件下,合理配置風(fēng)力發(fā)電機(jī)、光伏陣列以及儲能裝置的容量,使風(fēng)光儲發(fā)電系統(tǒng)年均系統(tǒng)成本最小。采用的風(fēng)光儲發(fā)電系統(tǒng)年均系統(tǒng)總成本包括各個電源組件的年均初始投資安裝成本、運(yùn)行維護(hù)成本、置換成本和新能源補(bǔ)貼收益,目標(biāo)函數(shù)表示為

Ctotal=min(CIN+COM+CRC-CSU)

(9)

式(9)中:Ctotal為系統(tǒng)年綜合總成本;CIN為系統(tǒng)初始成本;COM為運(yùn)行維護(hù)成本;CRC為各部件置換成本;CSU為新能源補(bǔ)貼收益。

2.1.1 系統(tǒng)初始成本費(fèi)用

系統(tǒng)初始投資成本主要考慮風(fēng)機(jī)、光伏陣列、蓄電池和重力儲能裝置的購置成本,計(jì)算公式為

CIN=fD(NWTCWT1+NPVCPV1+NBATCBAT1+

WGRCGR1)

(10)

(11)

式中:NWT、NPV、NBAT、WGR分別為風(fēng)電機(jī)組、光伏陣列、蓄電池的數(shù)量及重力儲能的容量;CWT1、CPV1、CBAT1、CGR1分別為風(fēng)機(jī)、光伏電池、蓄電池單個設(shè)備的價格和重力儲能的單位容量價格;fD為折舊系數(shù);d為折舊率[17];y為分布式電源使用年限。

2.1.2 系統(tǒng)年均運(yùn)維成本費(fèi)用

系統(tǒng)年均運(yùn)維成本主要考慮各設(shè)備在壽命周期內(nèi)的運(yùn)行維護(hù)成本費(fèi)用,計(jì)算公式為

COM=(NWTCWT2+NPVCPV2+NBATCBAT2+

WGRCGR2)

(12)

式(12)中:CWT2、CPV2、CBAT2、CGR2分別為風(fēng)力發(fā)電機(jī)、光伏板、蓄電池和重力儲能設(shè)備的運(yùn)行維護(hù)單價。

2.1.3 系統(tǒng)年均置換成本

年置換成本[18]分別由每個分布式電源的置換單價和與之相對應(yīng)個數(shù)或容量相乘,最后進(jìn)行相加所得到的成本。計(jì)算公式為

CRC=(NWTCWT3+NPVCPV3+NBATCBAT3+

WGRCGR3)

(13)

式(13)中:CWT3、CPV3、CBAT3、CGR3分別為風(fēng)力發(fā)電機(jī)、光伏板、蓄電池和重力儲能設(shè)備的置換單價。

2.1.4 新能源補(bǔ)貼收益

由于風(fēng)光機(jī)組的投資成本及發(fā)展,國家為鼓勵發(fā)展可再生能源,提出的一項(xiàng)電價補(bǔ)貼政策。計(jì)算公式為

(14)

式(14)中:λ為補(bǔ)貼系數(shù),取0.015 元/kWh。

2.2 評價指標(biāo)

微電網(wǎng)的性能可以通過評價指標(biāo)來反應(yīng)。負(fù)荷缺電率(loss of power supply probability,LPSP)是衡量風(fēng)光儲發(fā)電系統(tǒng)獨(dú)立運(yùn)行能力的重要指標(biāo)[19]?？稍偕茉蠢速M(fèi)率(waste of renewable energy,WORE)可有效反映系統(tǒng)的能量浪費(fèi)的情況。可再生能源過裝率(renewable energy oversupply,REO)可以反映微電網(wǎng)的經(jīng)濟(jì)特性。

(1)負(fù)荷缺電率:

(15)

式(15)中:ELpsp為t時刻缺負(fù)荷電量;El(t)為t時刻負(fù)荷電量。

(2)可再生能源浪費(fèi)率:

(16)

式(16)中:EDump為t時刻棄電量;ECcr為t時刻風(fēng)光聯(lián)合發(fā)電電量。

(3)可再生能源過裝率:

(17)

式(17)中:ECcr為t時刻風(fēng)光聯(lián)合發(fā)電電量。

2.3 約束條件

(1)分布式電源數(shù)量約束:

(18)

式(18)中:NWT,MAX、NPV,MAX、NBAT,MAX分別為風(fēng)電機(jī)組、光伏陣列和蓄電池組的安裝數(shù)量上限。

(2)重力儲能容量約束:

0≤WGR≤mghmax

(19)

式(19)中:WGR為重力儲能裝置的容量;m為重物的質(zhì)量;g為重力加速度;hmax為最大高度。

(3)蓄電池的充放電能量約束:

(20)

式(20)中:Eb為蓄電池的額定容量;SOCmin和SOCmax分別為蓄電池儲能系統(tǒng)剩余電量約束的下限和上限;Pc(t)、Pd(t)分別為蓄電池的充放電功率約束的上下限。

(4)供電可靠性約束:

LPSP

(21)

式(21)中:LPSPmax為規(guī)定的最大負(fù)荷缺電率。

3 混合儲能系統(tǒng)運(yùn)行控制策略與模型求解

3.1 混合儲能系統(tǒng)運(yùn)行控制策略

混合儲能系統(tǒng)中各個儲能元件的充放電順序主要由系統(tǒng)運(yùn)行控制策略所決定,它會影響儲能元件的工作情況,并對最終的配置方案產(chǎn)生影響。通過上面對重力儲能裝置和蓄電池的特性分析,合理規(guī)劃混合儲能系統(tǒng)的充放電策略。

計(jì)算風(fēng)力發(fā)電功率和光伏發(fā)電功率之和與負(fù)荷功率的差值。若實(shí)時風(fēng)力發(fā)電功率和光伏發(fā)電功率之和大于負(fù)荷功率時,先對不平衡功率進(jìn)行判斷,若滿足條件,首先對重力儲能進(jìn)行充能,剩余能量通過蓄電池進(jìn)行儲存電量,反之由蓄電池直接進(jìn)行充電。若實(shí)時風(fēng)力發(fā)電功率和光伏發(fā)電功率之和小于負(fù)荷功率時,當(dāng)不平衡功率大于蓄電池放電額定功率,由重力儲能優(yōu)先工作,釋放電能以補(bǔ)充系統(tǒng)缺額功率,再由蓄電池發(fā)電補(bǔ)充缺額功率,反之直接由蓄電池進(jìn)行供能。具體的系統(tǒng)運(yùn)行策略流程如圖3所示。

圖3 系統(tǒng)運(yùn)行策略圖Fig.3 System operation strategy diagram

3.2 模型求解方法

標(biāo)準(zhǔn)的粒子群算法較易過早收斂于局部極值,其關(guān)鍵原因是因?yàn)榱Ｗ尤核惴ǖ男阅苁軈?shù)的選擇影響。標(biāo)準(zhǔn)粒子群算法的慣性權(quán)重因子和學(xué)習(xí)因子是固定不變的,容易陷入局部最優(yōu)值[20]。

為了避免過早收斂于局部極值,可以讓粒子在搜索初期盡最大的可能飛躍整個搜索空間,實(shí)現(xiàn)多樣性。通過在迭代前期使用較大的慣性權(quán)重因子有利于全局搜索,后期較小的慣性權(quán)重因子有利于局部搜索,便于找到最優(yōu)值。前期通過大學(xué)習(xí)因子和小社會因子在更大的空間搜索,后期一個減小一個增大,可以讓局部收斂尋優(yōu)更加迅速[21]。改進(jìn)策略的表達(dá)式為

(22)

(23)

式中:w1和w2分別為慣性權(quán)重因子的終止值和初始值;M為迭代的當(dāng)前次數(shù);Mmax為總的迭代次數(shù);c1i和c1t為c1的初始值和終止值,初始值大于終止值c2i和c2t是c2的初始值和終止值,終止值大于初始值。

粒子群算法在解決容量配置等優(yōu)化問題非常常見,能夠較好完成求解[22]?，F(xiàn)通過改進(jìn)后的粒子群算法對上述模型進(jìn)行計(jì)算,將風(fēng)力發(fā)電機(jī)數(shù)量、光伏陣列數(shù)量、重力儲能裝置的容量及蓄電池組的數(shù)量作為決策變量,在以上約束條件下,以適應(yīng)度函數(shù)最小為目標(biāo)計(jì)算最佳配置組合。其計(jì)算步驟和流程圖如圖4所示。

(1)輸入風(fēng)光數(shù)據(jù)、負(fù)荷數(shù)據(jù)及各設(shè)備參數(shù)。

(2)初始化種群中每個粒子的速度及位置。

(3)通過適應(yīng)度函數(shù)計(jì)算每個粒子的適應(yīng)度值,對比并更新個體最優(yōu)值和全局最優(yōu)值。

圖4 算法流程Fig.4 Algorithm flow

(4)更新當(dāng)前粒子的速度與位置,其中慣性權(quán)重因子和學(xué)習(xí)因子根據(jù)式(22)和式(23)進(jìn)行取值。

(5)判斷循環(huán)次數(shù),如果達(dá)到最大迭代次數(shù),運(yùn)算結(jié)束,否則轉(zhuǎn)回到步驟(3)。

4 算例分析

4.1 研究對象及基礎(chǔ)數(shù)據(jù)

以西北地區(qū)廢棄礦區(qū)為背景,根據(jù)某地區(qū)歷史氣象數(shù)據(jù)進(jìn)行算例分析。年最大風(fēng)速約為21.8 m/s,年光照強(qiáng)度最高約為1.1 kW/m2。以該地區(qū)一天的用電情況作為調(diào)度周期進(jìn)行分析求解。全年的風(fēng)速、光照強(qiáng)度如圖5、圖6所示。該地區(qū)典型日負(fù)荷曲線如圖7所示。

圖6 年光照強(qiáng)度曲線Fig.6 Annual light intensity curve

設(shè)定風(fēng)機(jī)單個額定功率為10 kW,光伏陣列單個額定功率為250 W。蓄電池組采用單一額定容量為6 kWh,額定功率為1.2 kW的蓄電池,其最大放電深度為70%。由于利用廢棄礦區(qū)為背景,重力儲能裝置的初期投資成本會相應(yīng)降低一點(diǎn),重力儲能裝置中的重物單個重量為5 kg,利用重物的數(shù)量對容量進(jìn)行配置,坡度為30°,最高有效落差為1 000 m,重力加速度為9.8 m/s2,摩擦系數(shù)μ為0.05,重物下滑過程中的速度為10 m/s。風(fēng)光儲發(fā)電系統(tǒng)優(yōu)化規(guī)劃使用年限為20年,折舊率為5%。充放電效率為0.90[23]。因分布式電源使用壽命均大于規(guī)劃使用年限,這里不再對置換費(fèi)用進(jìn)行考慮。表1所示為系統(tǒng)中各組件的成本數(shù)據(jù)[24]。

圖7 典型日負(fù)荷曲線Fig.7 Typical daily load curve

表1 分布式電源的成本數(shù)據(jù)[24]Table 1 Cost data of distributed power supply[24]

4.2 基于不同儲能技術(shù)的配置方案比較分析

由于各種儲能技術(shù)之間的不同特性,改變不同的儲能配置方案,分析得到較好的配置方案。分析以下三種不同儲能技術(shù)組成的方案:方案1為風(fēng)光蓄組成的單一儲能系統(tǒng),方案2為風(fēng)光重組成的單一儲能系統(tǒng),方案3為風(fēng)光重蓄組成的混合儲能系統(tǒng)。采用改進(jìn)粒子群算法對3種方案進(jìn)行求解。表2和表3分別為配置結(jié)果和優(yōu)化目標(biāo)及評價指標(biāo)。

分析三種不同方案的配置結(jié)果,單一儲能配置方案中,方案1風(fēng)光蓄這一配置方案所需要的風(fēng)電機(jī)組和光伏陣列會大于方案2風(fēng)光重這一配置方案,因?yàn)閮δ芴匦詻Q定,風(fēng)光的配置增大,此時的風(fēng)光很大一部分浪費(fèi),方案2的儲能特性,讓風(fēng)光資源得到較好的利用。方案2與方案3年綜合成本比方案1分別下降了21.88%和16.24%。方案2與方案3的負(fù)荷缺電率比方案1分別降低了74.32%和85.90%,可再生能源能源浪費(fèi)率分別降低了70.27%和89.23%。相比較其他方案,方案3的含重力儲能的混合儲能系統(tǒng)優(yōu)勢明顯,在保證可靠性的前提下提高了系統(tǒng)經(jīng)濟(jì)性和可再生能源的利用率。

表2 容量優(yōu)化配置結(jié)果Table 2 Capacity optimization configuration results

表3 方案優(yōu)化結(jié)果對比Table 3 Comparison of scheme optimization results

4.3 基于季節(jié)性因素的配置方案比較分析

由于風(fēng)光資源的隨機(jī)性和間歇性,風(fēng)光出力具有季節(jié)特性,不同季節(jié)表現(xiàn)不同的風(fēng)光出力特性。

西北地區(qū)主要因?yàn)榇箨懠撅L(fēng)氣候影響,風(fēng)速普遍峰差大,夏季光照強(qiáng)度大,冬季光照強(qiáng)度較小。研究分析夏冬季節(jié)因素對容量配置的影響十分具有現(xiàn)實(shí)意義。將方案1設(shè)為夏季,方案2設(shè)為冬季。表4和表5分別為配置結(jié)果和優(yōu)化目標(biāo)及評價指標(biāo)。

表4 容量優(yōu)化配置方案Table 4 Capacity optimization configuration results

表5 方案優(yōu)化結(jié)果對比Table 5 Comparison of scheme optimization results

分析方案1和方案2。結(jié)果表明容量配置受季節(jié)性出力差異影響較大,方案2的年綜合成本比方案1上升18.61%;方案2的負(fù)荷缺電率比方案1下降16.41%;方案2的可再生能源浪費(fèi)率比方案1上升3.22%;方案2比方案1可再生能源過裝率上升了2.75%。方案1儲能的容量配置小于方案2,主要是由于該地區(qū)夏季光照資源豐富,冬季光照資源相對貧乏,同時由于冬季風(fēng)速全時段基本處于切入風(fēng)速與滿發(fā)風(fēng)速之間,聯(lián)合發(fā)電量不夠穩(wěn)定,經(jīng)常會導(dǎo)致缺電或者棄電的情況發(fā)生,因此冬季通過增大儲能的容量配置滿足系統(tǒng)供電可靠性。

5 結(jié)論

針對西北地區(qū)棄風(fēng)棄光問題,建立了以年綜合成本最小為目標(biāo)的含重力儲能的風(fēng)光儲發(fā)電系統(tǒng)容量優(yōu)化配置模型。此外,針對不同季節(jié)以及不同儲能配置的場景下運(yùn)用改進(jìn)粒子群算法對模型進(jìn)行求解,通過分析結(jié)果,得出以下結(jié)論。

(1)構(gòu)建了一種的重力儲能-蓄電池混合儲能系統(tǒng),通過合理的配置容量配置,能夠提高對清潔能源的高效利用,大大降低清潔能源的浪費(fèi),同時也通過混合儲能的優(yōu)勢互補(bǔ)特性,進(jìn)一步減低了缺電率,保證孤島運(yùn)行下的供電可靠性,為新型儲能技術(shù)的微電網(wǎng)容量優(yōu)化提供參考。

(2)季節(jié)影響對整個風(fēng)光儲系統(tǒng)的容量配置是有一定的影響的,在微電網(wǎng)實(shí)際規(guī)劃中,將季節(jié)因素考慮進(jìn)去,能配置更合理的微電網(wǎng)系統(tǒng)。

(3)基于本文選取的場景,通過合理的利用廢棄礦井的地下空間以及殘留設(shè)施建造重力儲能在西北地區(qū)具有實(shí)際意義,能夠減少土地資源浪費(fèi),為廢棄礦井的合理利用提供參考。