何 煒, 韋 鋼,吳萬祿,李 揚,李光宏
(1.上海電力學院電氣工程學院,上?!?00090;2.國網上海市電力公司松江供電公司,上?!?00090)
風電、光伏電站等分布式電源出力具有隨機性、不穩(wěn)定等問題。一體站作為電源節(jié)點并入系統(tǒng)不僅有效緩解主動配電網DG出力不穩(wěn)定的現(xiàn)象,同時還能提高一體站的利用率和降低對系統(tǒng)儲能設備上的投資費用。
充放儲一體站與電網系統(tǒng)的能量互動均是由多用途變流裝置控制,基于變流裝置可得不同電網狀態(tài)下充放儲一體站的工況分析[1];電動汽車充電行為直接影響一體站的運行狀態(tài),充放儲一體站除了可以在電網非故障狀態(tài)下參與調節(jié),同時也能在電網故障狀態(tài)下時單獨工作運行[2]。主動配電網(active distribution system,ADS)引入儲能裝置與分布式電源協(xié)調運行,通過對各時段的發(fā)電運行成本進行合理的劃分,對分布式電源和儲能系統(tǒng)(energy storage system,ESS)聯(lián)合優(yōu)化,使得發(fā)電成本、系統(tǒng)裝置維護費用等有效降低,并且提高DG的利用小時數(shù)[3]。為使儲能單元使用合理性,將儲能電池的充放電功率的平穩(wěn)性作為目標函數(shù),搭建風光儲調度模型[4],不足之處在于文章的DG出力風光電站確定出力和模糊性誤差的和,與隨機性出力存在誤差。考慮聯(lián)合優(yōu)化和隨機性出力的誤差之后,將分布式電源有功輸出的隨機性作為約束條件,提出儲能系統(tǒng)對DG不確定性的的平抑模型[5]。風電、光電出力具有隨機性,同時也有周期性,將周期內時間進行時序劃分,尋求DG和儲能裝置的最優(yōu)配置,從經濟的角度對負荷和儲能裝置進行控制[6],具有較好的啟發(fā)意義。分布式電源出力和負荷需求的時序性共同決定分布式電源出力對配電網的隨機性影響,分析主動配電網中不同類型DG的相關性問題,提出計及分布式電源出力和負荷相關性的配電網可靠性評估方法[7-9],對主動配電網中的DG自然出力和實際調度求取具有很好的引導作用。
本文主要以一體站作為儲能研究對象,考慮分布式電源的出力不確定性,搭建一體站在不同電網狀態(tài)下的出力模型,對主動配電網的DG出力進行合理優(yōu)化,以系統(tǒng)的經濟性運行為目標函數(shù),同時考慮系統(tǒng)發(fā)電的環(huán)境成本,加入一體站的充換系統(tǒng)和梯次系統(tǒng)的車載電池出力約束條件,基于粒子群算法對模型進行求解,對比優(yōu)化前后系統(tǒng)運行總成本費用,分析主動配電網DG的自然出力和調度出力的變化,根據一體站SOC與DG出力的關系和運行成本最低時的有功出力得到一體站的儲能單元配置,最后用實際算例證明該優(yōu)化方案的可行性。
一天內太陽光照條件具有一定的規(guī)律性,所以其出力的概率密度服從一定的分布函數(shù)關系。太陽光的輻射強度服從Beta分布,光伏發(fā)電功率的概率密度函數(shù)參考文獻[10]。
圖1 季節(jié)性變化對光伏出力的影響曲線
光伏發(fā)電站的總的輸出函數(shù)為
Ppv=rAη
(1)
式中:Ppv代表總的功率輸出;A為光伏陣列總的面積;η為光電轉換效率。概率密度函數(shù)表示為
(2)
式中:α、β分別為Beta分布的形狀參數(shù);r為太陽輻射強度,rmax為太陽光輻射的最大值;Γ為Gamma函數(shù),且:
(3)
(4)
式中:μ、δ分別表示一定時間內光照強度的平均值和方差。
風機在各個季節(jié)里的功率輸出標幺值變化大致相同,出力大小與風速緊密相關,而風速近似服從威布爾分布[11],概率密度函數(shù)為
(5)
(6)
式中:PR表示風機的額定輸出功率;vCI表示切入風速;vCO表示切出風速;vR為額定風速,采用蒙特卡羅方法隨機產生風速數(shù)據,并計算風機的輸出功率,雖然在一個周期里會波動變化,但數(shù)值會固定在一定范圍里,風電的輸出功率標幺值在0.2~0.7之間波動[12]。
圖2 充放儲一體站工況分析圖
充放儲一體站是由中央調度中心、多用途變流裝置、電池充換系統(tǒng)(W1)和梯次電池儲能系統(tǒng)(W2)四部分組成,它與電網系統(tǒng)和EV系統(tǒng)的能量交互過程如圖2所示,一體站的中央調度中心通過與電網系統(tǒng)和EV系統(tǒng)保持實時的信息互通,從而通過多用途變流裝置控制電池充換系統(tǒng)和梯次儲能系統(tǒng)與外界的能量交互。保證整個系統(tǒng)供電的實時性和可靠性。站內的電池單元的存儲容量隨著電池的充放次數(shù)增多會逐漸降低,儲能電池單元每個容量階段的使用流程如圖中單箭頭所示。
設定t0時刻全部電池充換電系統(tǒng)所有電池的儲存能量,記為E1(t0);變流裝置與系統(tǒng)在初始時刻t0到時刻t的時間段功率交換的能量,記為E2(t);在此時間段內儲能單元消耗累積的能量,記為E3(t)。
一體化電站任意時刻廣義能量的函數(shù)表達式為
E(t)=E1(t0)+E2(t)+E3(t)
(7)
(8)
式中:e1(i)表示第i個車載電池在t0時刻能量;e2(i)表示第i個儲能系統(tǒng)中電池的能量;n1、n2分別表示車載電池和儲能系統(tǒng)中的電池數(shù)量。
(9)
式中:P1(t)和P2(t)分別為電池充換系統(tǒng)和梯次電池儲能系統(tǒng)與電網能量交換的功率。規(guī)定電網向一體化站輸送功率時,能量值取正。
(10)
上式表示所有車載電池在t0~t時間段的電能消耗。
一體站的電池儲能系統(tǒng)(ESS)是由多用途變流裝置控制的W1和W2系統(tǒng),對DG的出力優(yōu)化取決于一體站的電荷量狀態(tài),ESS在Δt時間內的能量變化為
式中:SOC.ESS.0為一體站W1與W2系統(tǒng)的額定容量;λ為充放電狀態(tài)(放電取值為1);ηi、ηo為充放電效率;Pc,t為t時刻一體站的出力。根據Δt時間內的能量變化即可得到站內任意時刻t的電荷量:
(11)
充放儲一體化站的儲能電池的使用年限主要取決于電池的充放電功率、充放電深度、以及荷電狀態(tài)。充放循環(huán)次數(shù)由充放電深度決定,電池的充放電深度x與最大充放電次數(shù)函數(shù)關系[13]為
N(x)=-3 278x4-5x3+12 823x2-
14 122x+5 112
(12)
一體站的儲能單元充放的損耗成本為
x=|SOC.0-SOC.e|
式中:C0為一體站的儲能單元投資成本;Cch和Cdis分別為電池的充放電損耗系數(shù);SOC.0和SOC.e代表電池始末電荷量;SOC.max為電池最大電荷量;kch和kdis代表充放電影響因子。
根據美國交通部對電動汽車用戶家庭出行規(guī)律的統(tǒng)計[14],EV用戶的第一次出行時刻和下班時刻服從正態(tài)分布,根據兩者概率密度函數(shù)可以得到近似的車輛行駛里程概率密度函數(shù):
(13)
式中:x表示EV行駛里程數(shù),δe=3.2,μe=0.88,根據EV的行駛里程概率密度函數(shù)可以得到日行里程的期望值:
(14)
根據區(qū)域內EV的數(shù)量,結合日行里程的期望值和EV的百公里耗電量,即可得到規(guī)劃區(qū)域內所有車載電池的耗電情況。
一體站對DG出力的有功優(yōu)化與儲能單元的電荷狀態(tài)密切相關,主動配電網中,一體站儲能單元的SOC狀態(tài)隨DG的輸出功率和電網調度變化而變化。且一體站的車載電池在k時刻的能量狀態(tài)能由(k-1)時刻分析得到[15],關系如下所示:
(15)
式中:Wb代表儲能單元的容量;PDG(k)和Wb.soc(k)代表k時刻DG的有功出力和儲能單元的電荷量;Wmin表示電池允許的最小電荷余量;P(k)表示在k時刻分析DG的有功出力和電網需求得的限制功率;ηinv表示轉換效率;ηc表示儲能單元充電效率;T表示時刻(k-1)到時刻k的時間間隔,本文中時間間隔T的取值為1 h。儲能單元的參數(shù)以比亞迪e6電動汽車車載電池為參考,見表1。
表1 比亞迪e6電池相關性能參數(shù)
主動配電網運行中,DG滲透率的升高會使得系統(tǒng)電壓質量和系統(tǒng)可靠性下降。目前,儲能系統(tǒng)和DG的聯(lián)合優(yōu)化是解決這問題的主要方法,系統(tǒng)的經濟運行是重要指標,通過案例分析能得出儲能系統(tǒng)和DG的聯(lián)合優(yōu)化不僅能提高系統(tǒng)可靠性、提高DG利用小時數(shù),而且大幅度降低系統(tǒng)運行費用[3,16];區(qū)別于儲能系統(tǒng),一體站與DG的聯(lián)合優(yōu)化不僅考慮到整個系統(tǒng)在電網4個主要狀態(tài)下的運行模式[1],更重要的是可以解決大量的電動汽車作為負荷端并入電網帶來的困擾。一體站的中央調度中心與電網和EV系統(tǒng)能有效信息溝通,保證站內的最優(yōu)運行狀態(tài),電池充換系統(tǒng)與梯次系統(tǒng)等同于傳統(tǒng)儲能系統(tǒng)功能,因此,能降低儲能系統(tǒng)的建設成本和提高充放儲一體站的使用價值。設定一體站的ESS系統(tǒng)由DG供電部分的比例為w,則運行成本目標函數(shù)描述為
(16)
(17)
(18)
式中:am、bm、cm分別為電網中發(fā)電機組m類燃料費用系數(shù)。
DG與一體站BESS的運行維護成本:
F2=γ1nwCw+γ2npvCpv+γ3(n1+n2)Cb
(19)
式中:Cw、Cpv、Cb分別為風電、光電和一體站BESS的單位電量的維護費用;γ1、γ2、γ3代表運維率。
發(fā)電的環(huán)境成本[17]表達式:
(20)
式中:Ve,i′代表第i′類污染物對環(huán)境造成的污染成本值;n代表排放污染物的種類;Qi′為第i′類污染物的排放量;Vi′為第i′類污染物排放超標的懲罰額度。
則運行總成本優(yōu)化函數(shù)為
minF=min(F1+F2+F3)
(21)
① 平衡約束條件:
功率平衡約束:
(22)
(23)
系統(tǒng)中有npv個光伏電站;nw個風電站;PD,t表示電網負荷在t時段的有功功率需求。
②不平衡約束條件:
a.電網機組和DG的出力約束:
Pi,t,min≤Pi,t≤Pi,t,max
Pj,t,min≤Pj,t≤Pj,t,max
Pk,t,min≤Pk,t≤Pk,t,max
(24)
式中:Pi,t、Pj,t、Pk,t分別代表電網發(fā)電機組、風電、光伏電站輸出功率。
b. 電網發(fā)電機組爬坡約束:
Rdown,iΔt≤Pi,t-Pi,t-1≤Rup,iΔt
(25)
式中:Δt為時段長度;Rdown,i、Rup,i分別為機組i的向下和向上的爬坡速率。
c. 儲能單元充放電狀態(tài)和充放電頻次約束:
Yi″,t+Zi″,t≤1
(26)
(27)
式中:Yi″.,t、Zi″,t表示電池i″在t時段放電轉換狀態(tài)變量和充電轉換狀態(tài)變量(取值0或1);k為儲能單元充放電轉換次數(shù)極限值。主要污染物的排放數(shù)據和收費標準如表2和表3所示。
表2 各種發(fā)電方式污染物排放數(shù)據 g/kWh
表3 主要污染氣體的排放收費標準
速度位置更新公式為
(28)
式中:w為慣性權值;c1和c2為加速系數(shù);ξ和η為0到1之間的隨機數(shù);xid和vid分別表示d維第i個粒子的位置和速度,k為迭代次數(shù)。
算法流程:
① 建立初始粒子群,并且輸入配電網、一體站、以及DG的初始信息;
② 假設本文章的粒子群個數(shù)為20,即有20個粒子搜索各時段目標函數(shù)最優(yōu)解,設第i個粒子需要優(yōu)化的向量為Xi=[Pi,t,C,Pi,t,Pi,t,DG];Pi,t,C、Pi,t、Pi,t,DG分別代表t時刻系統(tǒng)運行成本最小時的一體站、系統(tǒng)、DG的最優(yōu)出力;粒子群最初的位置一次設定為X1=1,X2=2,……,X20=20;將初始值帶入算法求解。
③ 計算步驟②產生的適應度值fi,適應度值最小設定為最優(yōu)解,并且把每個粒子的當前位置作為粒子當前的最優(yōu)解PXi=fi。
④ 粒子的速度與位置狀態(tài)更新,系統(tǒng)中的各機組和DG的注入功率按照式(28)更新;并檢出更新的粒子速度和位置是否越限。
⑥ 一直迭代計算到迭代次數(shù)的最大值,則停止計算,輸出目標函數(shù)最優(yōu)解,反之計算步驟回到步驟③再次計算。
粒子群算法基本流程圖如圖3所示。
圖3 粒子算法流程圖
本文采用IEEE13節(jié)點系統(tǒng)作為算例基礎,節(jié)點負荷參數(shù)參考文獻[4],電網的接入電源在節(jié)點0處,分布式電源(DG)和一體站電源分別在4、8節(jié)點,節(jié)點系統(tǒng)圖如圖4所示。
圖4 IEEE 13節(jié)點配電網拓撲圖
表4 各時段機組的實時電價
圖5 一體站優(yōu)化前后系統(tǒng)運行總成本
由圖5可以看出,在考慮了電網的實時電價、發(fā)電環(huán)境成本、一體站的充放電儲發(fā)成本等因素后,充放儲一體站對主動配電網的DG出力優(yōu)化后的運行費用低于優(yōu)化前,證明了本文一體站優(yōu)化方法的可行性。分析計算系統(tǒng)運行的成本費用時,DG的自然出力(正常情況下的DG出力)和調度出力(考慮經濟運行時DG并入系統(tǒng)的有功出力)結果如圖6所示。
圖6 系統(tǒng)DG的出力情況
考慮系統(tǒng)發(fā)電機組的實時電價和分布式電源的電價,以及傳統(tǒng)發(fā)電方式帶來的環(huán)境成本,負荷對電源節(jié)點的有功出力需求具有明顯的時段性,由圖5可以看出,日周期內,在時間段7:00—9:00和17:00—19:00,系統(tǒng)對DG的調度出力即為自然出力,表明系統(tǒng)的發(fā)電機組的運行總成本等于或低于DG發(fā)電并網成本,其余時段系統(tǒng)對DG的調度出力均小于其自然出力。結合圖7,可以看出DG與一體站明顯的出力互補特性。
圖7 一體站周期內的輸出功率變化
區(qū)域電動汽車的充電行為分析參考文獻[18]。假定區(qū)域內電動汽車用戶數(shù)量為250輛。電動汽車的充電功率都設定為10kW的交流慢充。車載電池容量以比亞迪e6數(shù)據為參考。電動汽車的充電行為分析設定:
① 用戶充電行為開始后,直到車載電池電荷量達到80%以上才能停止充電。
② 電動汽車的行駛里程數(shù)與車載電池的電荷量呈線性關系,不考慮其他因素造成電池自放電行為。
③ 一個小時時間內電動汽車總的充電功率不變;則一體站的電池充換系統(tǒng)和儲能系統(tǒng)的充電單元配置結果如表5。
表5 一體站儲能單元相關數(shù)據
本文研究了計及充放儲一體站的主動配電網DG出力的優(yōu)化。一體站的電池充換系統(tǒng)和梯次儲能系統(tǒng)的出力有著良好的自控型和穩(wěn)定性,適合作為儲能系統(tǒng)對具有隨機出力特性的DG優(yōu)化,通過IEEE 13節(jié)點系統(tǒng)算例分析,對比含一體站的主動配電網的DG優(yōu)化前后的運行費用,證明一體站優(yōu)化方法的可行性。不僅可以降低電網的儲能裝置的投資建設費用,而且提高了一體站的使用價值。一體站的出力特性與其他DG出力特性有著明顯的互補,根據具有不確定性的DG出力情況,從而分析出一體站的需求出力,結合區(qū)域充電行為分析,可以對ESS的儲能單元進行配置。
主動配電網應用充放儲一體站優(yōu)化DG出力方法切實可行,對今后大量一體站并入電網具有重要研究意義,對一體站與DG在主動配電網中的聯(lián)合規(guī)劃有著重要參考價值。
[1]楊敏霞,劉高維,房新雨,等.計及電網狀態(tài)的充放儲一體化站運行模式探討[J].電網技術,2013,37(5):1202-1208.
[2]婁宇成,賈玉健,馮俊淇,等.充放儲一體化站孤島運行控制策略研究[J].電力系統(tǒng)自動化,2014,36(3):80-82.
[3]沈欣煒,朱守真,鄭競宏,等.考慮分布式電源及儲能配合的主動配電網規(guī)劃-運行聯(lián)合優(yōu)化[J].電網技術, 2015, 39(7):1913- 1920.
[4]趙書強,劉大正,謝雨琪,等.基于相關機會目標規(guī)劃的風光儲聯(lián)合發(fā)電系統(tǒng)儲能調度策略[J].電力系統(tǒng)自動化,2015,39(14):30-37.
[5]丁明,徐寧舟,畢銳.用于平抑可再生能源功率波動的儲能電站建模及評價[J].電力系統(tǒng)自動化,2011,35(2):66-72.
[6]蘇海峰,胡夢錦,梁志瑞.基于時序特性含儲能裝置的分布式電源規(guī)劃[J].電力自動化設備,2016,36(6):56-63.
[7]王昌照,汪隆君,王鋼,等.分布式電源出力與負荷相關性對配電網可靠性的影響分析[J].電力自動化設備,2015,35(6):99 -105.
[8]李飛,林濟鏗,劉陽升,等.計及分布式電源出力和負荷不確定性的配電網孤島劃分[J].電力系統(tǒng)自動化, 2015, 39(14):105-113.
[9]白曉清,趙瞻,鮑海波.基于CLARA算法的考慮時序特性分析分布式電源規(guī)劃[J].電力自動化設備,2016, 36(5):14-22.
[10]張喆,李庚銀,魏軍強.考慮分布式電源隨機特性的配電網電壓質量概率評估[J].中國電機工程學報,2013,33(13):150-156.
[11]丁明,吳義純,張立軍.風電場風速概率分布參數(shù)計算方法的研究[J].中國電機工程學報,2005,25(10):107-110.
[12]Sedghi M, Ahmadian M,Aliakbar-Golkar M. Optimal Storage Planning in Active Distribution Network Considering Uncertainty of Wind Power Distributed Generation[J].IEEE transactions on power systems,2016,31(1):304-316.
[13]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].中國電機工程學報, 2013,33 (34):91-97.
[14]BHAT C R. A comprehensive and operational analysis framework for generating the daily activity-travel pattern of workers [C]∥78th Annual Meeting of the Transportation Research Board. Washington DC,USA,2001:10-14.
[15]Zou Jianxiao,Zhou Kang,Lei Kai,et al. A Method to Optimize the Placement of PV-Wind-Storage Hybrid System[C]// Proceedings of IEEE Conference on Asia-Pacific Power and Energy Engineering,Shanghai, China,2012:1-4.
[16]劉舒,李正力,王翼,等.含分布式發(fā)電的微電網中儲能裝置容量優(yōu)化配置[J].電力系統(tǒng)保護與控制,2016,44(3):78-84.
[17]崔弘,郭熠昀,夏成軍.考慮環(huán)境效益的分布式電源優(yōu)化配置研究[J].華東電力,2010,38(12):1968-1971.
[18]陳靜鵬,艾芊,肖斐.基于用戶出行需求的電動汽車充電站規(guī)劃[J].電力自動化設備,2016,36(6):34-39.