(華北水利水電大學(xué)電力學(xué)院，河南 鄭州 450000)

1 概述

隨著經(jīng)濟(jì)的發(fā)展和人口的不斷增長(zhǎng)，人們對(duì)電能的需求與日俱增，隨之而來的環(huán)境問題使人們的目光更多轉(zhuǎn)向新能源發(fā)電。新能源發(fā)電產(chǎn)業(yè)在飛速發(fā)展的同時(shí)，也受到了一些因素的制約，如地區(qū)電網(wǎng)結(jié)構(gòu)對(duì)光伏、風(fēng)力發(fā)電的并網(wǎng)容量的限制；光伏和風(fēng)力發(fā)電的不穩(wěn)定性；并網(wǎng)時(shí)對(duì)電網(wǎng)沖擊較大等。一些地區(qū)由于條件限制等種種原因未能并入大電網(wǎng)，負(fù)荷需求只能依靠當(dāng)?shù)匚⒕W(wǎng)系統(tǒng)來滿足。

光伏發(fā)電和風(fēng)力發(fā)電受氣象條件影響較大，雖然在季節(jié)和晝夜上有一定程度的互補(bǔ)，但仍不足以抵消其發(fā)電的不穩(wěn)定性，所發(fā)出的電能仍可能有較大的波動(dòng)。儲(chǔ)能系統(tǒng)的加入可以有效地電力系統(tǒng)的穩(wěn)定性和電能質(zhì)量，亦可平衡微網(wǎng)電能供需，故在微網(wǎng)中應(yīng)用廣泛，主要用于能量管理和改善電能質(zhì)量等方面。

在眾多儲(chǔ)能技術(shù)中，電池儲(chǔ)能(BESS)因其在對(duì)電力系統(tǒng)的改善和節(jié)約成本方面的顯著作用而備受關(guān)注。電池儲(chǔ)能對(duì)電網(wǎng)的變化響應(yīng)迅速，既可以用于能量管理，也可以用于改善電能質(zhì)量，因而非常適合用于微網(wǎng)。近年來各國(guó)微網(wǎng)中電池儲(chǔ)能系統(tǒng)的容量也在不斷地提升，實(shí)現(xiàn)了傳統(tǒng)能源發(fā)電的成本不斷下降。然而電池儲(chǔ)能系統(tǒng)本身價(jià)格高昂，為了實(shí)現(xiàn)微網(wǎng)的經(jīng)濟(jì)運(yùn)行，必須合理規(guī)劃儲(chǔ)能系統(tǒng)的容量，用最少的儲(chǔ)能系統(tǒng)實(shí)現(xiàn)最低的凈現(xiàn)成本。

對(duì)系統(tǒng)進(jìn)行仿真和優(yōu)化可應(yīng)用HOMER軟件來完成。HOMER(Hybrid Optimization of Multiple Energy Resources)是由美國(guó)國(guó)家可再生能源實(shí)驗(yàn)室(NREL)開發(fā)的一款針對(duì)可再生能源微網(wǎng)和混合型微網(wǎng)的仿真軟件，在并網(wǎng)和離網(wǎng)條件下均可進(jìn)行仿真。HOMER的目標(biāo)函數(shù)是取得總凈現(xiàn)成本(TNPC)的最大值，輸入數(shù)據(jù)一般有電源組成部件，儲(chǔ)能系統(tǒng)組成，電力負(fù)荷以及各個(gè)組成部分的成本。輸出量一般有總凈現(xiàn)成本(TNPC)，發(fā)電成本(COE)，燃料消耗量以及可再生能源的滲透率。該軟件還可以就技術(shù)和經(jīng)濟(jì)方面對(duì)一個(gè)微網(wǎng)系統(tǒng)進(jìn)行分析，得出最優(yōu)的容量配置方案。

2 系統(tǒng)的總體設(shè)計(jì)

2.1 系統(tǒng)概況

該微網(wǎng)系統(tǒng)位于中非地區(qū)某國(guó)某邊境小鎮(zhèn)，距離該國(guó)首都950 km，經(jīng)緯度坐標(biāo)22°49′58.14″W，16°05′09.09″N，屬于熱帶沙漠氣候，高溫少雨，最高溫度50 ℃左右，最低氣溫11 ℃，平均氣溫24 ℃。全國(guó)分為旱、雨兩季，6～9月為雨季，10月至次年5月為旱季。雨季月平均降雨量為60 mm，平均風(fēng)速7.1 m/s。

本地發(fā)電廠原有風(fēng)機(jī)4臺(tái)，每臺(tái)容量275 kW，共1.1 MW。2臺(tái)容量為250 kVA的柴油發(fā)電機(jī)組，另有3 061 kWh的儲(chǔ)能電池。遠(yuǎn)期規(guī)劃將要新增500 kW風(fēng)機(jī)6臺(tái)共3 MW、光伏電池1 MW，柴油發(fā)電機(jī)組1 MW，儲(chǔ)能電池3 MW。

該電廠發(fā)出的電能主要供給附近的小鎮(zhèn)使用，是該鎮(zhèn)唯一的電力來源，須保證可靠供電。該地光伏資源和風(fēng)能資源較為充足，但由于地形條件限制難以與大電網(wǎng)相連，加之柴油價(jià)格昂貴。因此結(jié)合當(dāng)?shù)厍闆r，確定為以新能源發(fā)電為主要供電來源、柴油發(fā)電機(jī)為備用電源的思路，因此計(jì)劃以風(fēng)電3 MW，光伏1 MW為基準(zhǔn)，調(diào)整其他的敏感因素，最終得出仿真結(jié)果。

2.2 發(fā)電資源概況

在HOMER軟件中，確定某地的經(jīng)緯度坐標(biāo)之后，可以直接從NASA數(shù)據(jù)庫(kù)下載該地的風(fēng)能資源和太陽(yáng)能資源數(shù)據(jù)。

2.2.1 太陽(yáng)能資源

通過給定的經(jīng)緯度坐標(biāo)，HOMER可以從NASA數(shù)據(jù)庫(kù)中導(dǎo)出月平均太陽(yáng)能總輻照數(shù)據(jù)，通過V.A.Graham算法生成每小時(shí)太陽(yáng)輻射數(shù)據(jù)，實(shí)驗(yàn)證明該算法可以實(shí)現(xiàn)逼真地模擬每小時(shí)數(shù)據(jù)。

從NASA數(shù)據(jù)庫(kù)中導(dǎo)出的該地的太陽(yáng)能總輻照數(shù)據(jù)如圖1所示。該地的月平均輻照4月最大，1月最小。

2.2.2 風(fēng)能資源

導(dǎo)出該地的風(fēng)能資源如圖2所示，主要衡量標(biāo)準(zhǔn)是月平均風(fēng)圖中數(shù)據(jù)是風(fēng)速計(jì)在50 m的高度測(cè)得的風(fēng)速數(shù)據(jù)，也可選擇“隨高度變化”選項(xiàng)，該方式為風(fēng)速隨地面高度增加的方式，HOMER將使用這些信息來計(jì)算風(fēng)力渦輪機(jī)的輪轂高度處的風(fēng)速。

圖2 風(fēng)能資源數(shù)據(jù)(來自NASA數(shù)據(jù)庫(kù))

2.3 負(fù)荷數(shù)據(jù)

該地電力部門主要將負(fù)荷分為三種類型，其一是需要自動(dòng)穩(wěn)壓設(shè)備保護(hù)的單相設(shè)備(Section A)，其二是無保護(hù)的單相設(shè)備(Section B)，最后是無保護(hù)的三相設(shè)備(Section C)。三類設(shè)備容量總和為526.33 kVA，也即是最低的負(fù)荷需求，考慮到備用以及遠(yuǎn)期，確定負(fù)荷容量為1.25倍負(fù)荷容量，即657.91 kVA。

根據(jù)軟件中已有的負(fù)荷模型，輸入負(fù)荷數(shù)據(jù)，可得到本次研究的負(fù)荷模型，該模型是以“社區(qū)用電負(fù)荷”(Community Load)為基礎(chǔ)的負(fù)荷。從配置文件中生成貼近現(xiàn)實(shí)的負(fù)荷是一種相對(duì)快速的方法。生成的負(fù)荷數(shù)據(jù)峰值出現(xiàn)在18:00-21:00，谷值出現(xiàn)在凌晨，符合居民用電的一般規(guī)律。

2.4 系統(tǒng)總體設(shè)計(jì)

該系統(tǒng)初步設(shè)計(jì)為交流母線微網(wǎng)結(jié)構(gòu)，系統(tǒng)的結(jié)構(gòu)圖如下，柴油機(jī)組，光伏陣列，風(fēng)機(jī)和儲(chǔ)能系統(tǒng)接至交流母線，供給交流負(fù)荷。

為方便設(shè)備的維護(hù)管理，考慮將蓄電池安裝在原柴油發(fā)電機(jī)組附近，蓄電池組通過變流器連接至低壓交流母線；該地地勢(shì)平坦開闊，因此規(guī)劃光伏陣列和風(fēng)電機(jī)組集中建設(shè)，均采用先低壓匯流，再升壓接入的方案。

3 系統(tǒng)仿真及優(yōu)化

3.1 HOMER仿真策略簡(jiǎn)述

針對(duì)凈現(xiàn)成本(COE)最低這一目標(biāo)函數(shù)，HOMER軟件中提供了三種仿真和優(yōu)化策略，分別是負(fù)荷跟蹤(Load Follow，LF)、循環(huán)充電(Cycle Charging，CC)和預(yù)測(cè)調(diào)度(Predictive Dispatch Strategy，PS)。

3.1.1 負(fù)荷跟蹤策略

負(fù)荷跟蹤策略是指對(duì)于負(fù)載，優(yōu)先采用可再生能源來提供，剩余部分由柴油發(fā)電機(jī)運(yùn)行供給。對(duì)于新能源出力大于負(fù)載的需求時(shí)，剩余電量用來給儲(chǔ)能系統(tǒng)充電。在有大量可再生能源的系統(tǒng)中適合采用負(fù)荷跟蹤的策略。

3.1.2 循環(huán)充電策略

循環(huán)充電策略是指優(yōu)先采用發(fā)電機(jī)來供給負(fù)荷所需要的電能，即發(fā)電機(jī)滿發(fā)并用剩余功率給電池組充電，循環(huán)充電策略適用于可再生能源很少或者沒有可再生能源的系統(tǒng)中。

3.1.3 預(yù)測(cè)調(diào)度策略

預(yù)測(cè)調(diào)度策略為最大化可再生能源消納設(shè)置的模式。在預(yù)測(cè)調(diào)度策略下，調(diào)度算法通過歷史數(shù)據(jù)預(yù)測(cè)未來的電力需求，以及下一時(shí)刻的太陽(yáng)能和風(fēng)能資源可用性。與其他調(diào)度策略相比，PS策略通常會(huì)使系統(tǒng)運(yùn)行成本更低。PS策略是預(yù)測(cè)未來48 h以內(nèi)的負(fù)荷及資源情況，并利用這些數(shù)據(jù)以一種最經(jīng)濟(jì)的方式運(yùn)行儲(chǔ)能系統(tǒng)。是目前最先進(jìn)的現(xiàn)代化市場(chǎng)調(diào)度模式之一，在優(yōu)先使用可再生能源滿足負(fù)載的同時(shí)，預(yù)測(cè)未來可再生資源和負(fù)載情況，不僅最大限度消納可再生能源，同時(shí)也使得供能成本最低。

目前在HOMER軟件中能夠直接實(shí)現(xiàn)的運(yùn)行策略是CC和LF，PS策略僅提供 MATLAB接口，用戶可導(dǎo)入自己用MATLAB寫好的算法。

3.2 相關(guān)數(shù)據(jù)輸入

3.2.1 氣象數(shù)據(jù)

從NASA導(dǎo)出的氣象數(shù)據(jù)如表1所示，根據(jù)風(fēng)機(jī)的高度，此為風(fēng)速計(jì)在高度為55 m(風(fēng)機(jī)輪轂高度)時(shí)所測(cè)量的月平均風(fēng)速和月平均溫度，輸入氣象數(shù)據(jù)見表1。

表1 輸入氣象數(shù)據(jù)

3.2.2 經(jīng)濟(jì)學(xué)指標(biāo)

根據(jù)當(dāng)?shù)貙?shí)際情況，取通貨膨脹率為2%，貼現(xiàn)率為8%。因?yàn)檠b機(jī)容量遠(yuǎn)大于實(shí)際負(fù)荷容量，因此設(shè)定容量短缺為0，系統(tǒng)壽命為25年。

3.2.3 系統(tǒng)各組成部分的輸入數(shù)據(jù)

1)風(fēng)機(jī)。風(fēng)機(jī)的輸出功率與瞬時(shí)風(fēng)速的關(guān)系由以下公式確定。

(1)

其中是風(fēng)機(jī)的切入風(fēng)速，為切出風(fēng)速，為額定風(fēng)速，為風(fēng)機(jī)的額定功率。其主要輸入?yún)?shù)見表2。

2)光伏元件。光伏電池采用理想單二極管模型，其輸出電流和輸出電壓的關(guān)系如下。

(2)

(3)

其中，是光伏電池的輸出電流，是二極管的反向飽和電流，是光伏電池的輸出電壓，是二極管理想系數(shù)，為玻爾茲曼常數(shù)，是光伏電池的熱力學(xué)溫度。

3)儲(chǔ)能系統(tǒng)。儲(chǔ)能系統(tǒng)采用電化學(xué)儲(chǔ)能方式，使用磷酸鐵鋰電池。系統(tǒng)中儲(chǔ)能模塊(包括儲(chǔ)能電池和儲(chǔ)能變流器)容量的數(shù)學(xué)模型大致可由下式給出：

(4)

其中為電池的空載電壓，為單次充電使用時(shí)間，為變流器利用率，為電池利用率，為電池的放電深度。

4)柴油發(fā)電機(jī)的輸入?yún)?shù)。柴油發(fā)電機(jī)可以在某一恒定功率下運(yùn)行，也可以根據(jù)負(fù)荷變化在最大功率和最小功率之間調(diào)整，以滿足負(fù)荷需求。故僅需描述其燃料消耗速率。通用柴油發(fā)電機(jī)的燃料消耗率FD和輸出功率之間大致滿足下式。

FD=aPr+bPD

(5)

其中為燃料轉(zhuǎn)換因數(shù)，即發(fā)出1 kWh的電能所消耗的燃料(Liter per kWh，L/kWh)，為柴油發(fā)電機(jī)組的額定有功功率(kW)，為燃料消耗曲線系數(shù)，為柴油發(fā)電機(jī)組的輸出功率(kW)。為放電深度(Depth of Discharge)。其輸入數(shù)據(jù)見表3。

表2 500 kW風(fēng)機(jī)的主要輸入?yún)?shù)

表3 柴油發(fā)電機(jī)的主要輸入?yún)?shù)

3.3 系統(tǒng)仿真結(jié)果

完成相關(guān)參數(shù)和部件的設(shè)定后，點(diǎn)擊“Calculate”圖標(biāo)，HOMER 軟件按遍歷法進(jìn)行優(yōu)化并按總凈現(xiàn)成本由小到大的順序輸出若干種技術(shù)可行的配置結(jié)果優(yōu)化，輸出結(jié)果見表4，表格中M代表“百萬美元”

由表4中數(shù)據(jù)可以看出，HOMER軟件在設(shè)定條件下給出的最優(yōu)配置為光伏配置1 000 kW、風(fēng)機(jī)配置3 000 kW、柴油機(jī)配置300 kW、蓄電池配置1 010 kWh、雙向變換器配置500 kW，控制策略采用負(fù)荷跟蹤(LF)策略；在該配置下的總凈現(xiàn)成本和發(fā)電成本最低，分別為1 080萬美元和0.709美元/kWh。同時(shí)新能源發(fā)電的滲透率也相對(duì)較高，可以有效減少柴油發(fā)電機(jī)的使用，同時(shí)一部分柴油發(fā)電機(jī)的功率 也保證了系統(tǒng)供電的可靠性。

3.4 靈敏度分析

對(duì)最優(yōu)方案進(jìn)行靈敏度的分析，該配置下各組成部分的凈現(xiàn)成本構(gòu)成如表5所示。

可以看出，該系統(tǒng)的主要成本構(gòu)成為風(fēng)機(jī)的投資成本和運(yùn)維成本，光伏和蓄電池的投資成本等。設(shè)備的投資成本和燃料成本隨著市場(chǎng)價(jià)格波動(dòng)變化；另外風(fēng)資源和光資源由于自身的間歇性和波動(dòng)性也是總凈現(xiàn)成本和單位供電成本的影響因素。

本次仿真選取了若干個(gè)敏感因素，分別是風(fēng)速、太陽(yáng)輻射量、風(fēng)速投資成本、光伏投資成本和蓄電池投資成本。仿真過程中，固定其他條件，調(diào)整單個(gè)敏感因素以一定比率變化，得出敏感因素變化時(shí)總凈現(xiàn)成本和發(fā)電成本變化的最優(yōu)配置折線圖(見圖3)。

表4 HOMER軟件優(yōu)化配置結(jié)果數(shù)據(jù)

表5 微網(wǎng)系統(tǒng)各組成部分的凈現(xiàn)成本構(gòu)成

圖3 不同敏感因素對(duì)總凈現(xiàn)成本的影響

以上敏感因素在±20%之間變化時(shí)，最優(yōu)容量配置均未發(fā)生改變。COE 隨著風(fēng)速以及太陽(yáng)輻射量的增大而降低，隨著各部分成本的增加而增大；其中 COE關(guān)于風(fēng)速、風(fēng)機(jī)投資成本和光伏投資成本變化曲線的斜率比較大，關(guān)于太陽(yáng)輻射量和蓄電池投資成本變化曲線斜率較小，說明風(fēng)速、風(fēng)機(jī)成本和光伏成本是最敏感的因素，應(yīng)重點(diǎn)關(guān)注和確定這些影響。

以上敏感因素在±20%之間變化時(shí)，最優(yōu)容量配置均未發(fā)生改變。COE 隨著風(fēng)速以及太陽(yáng)輻射量的增大而降低，隨著各部分投資成本的增加而增大；其中 COE關(guān)于風(fēng)速、風(fēng)機(jī)投資成本和光伏投資成本變化曲線的斜率比較大，關(guān)于太陽(yáng)輻射量和蓄電池投資成本變化曲線斜率較小，說明風(fēng)速、風(fēng)機(jī)成本和光伏成本是最敏感的因素，應(yīng)重點(diǎn)關(guān)注和確定這些影響因素。

3.5 優(yōu)化配置方案的確定

在前述仿真結(jié)果中，方案1和方案2更能保證系統(tǒng)穩(wěn)定性，方案3至方案6則將柴油機(jī)完全置于備用狀態(tài)。從經(jīng)濟(jì)性的角度，若以方案1為基本案例，方案2和方案3相比于方案1都能夠在項(xiàng)目生命周期內(nèi)節(jié)省資金，恢復(fù)投資成本差異的時(shí)間分別是16年和18年。從環(huán)保的角度上，方案二的可再生能源滲透率更高，相比于方案一各種污染物的年排放量也大為減少，選用方案二對(duì)當(dāng)?shù)氐沫h(huán)境更有益，若不考慮柴發(fā)備用，可以選擇方案三。綜合系統(tǒng)穩(wěn)定性，經(jīng)濟(jì)性和環(huán)保的要求，本次研究最終選擇方案一，即配置柴油機(jī)的方案。配置如表6所示。

從項(xiàng)目性價(jià)比、運(yùn)行效益和考慮柴油發(fā)電機(jī)備用的角度出發(fā)，采用此方案可以實(shí)現(xiàn)COE為0.709美元/kWh，可再生能源利用率90.5%。在仿真周期中，柴油發(fā)電機(jī)全年所發(fā)電量為 17 152 kWh；風(fēng)機(jī)所發(fā)電量為5 991 397 kWh；光伏所發(fā)電量為2 124 981 kWh；過剩可再生電量為 6 923 307 kW；總供出電量 8 133 531 kWh；燃料耗量5 230 L。

表6 最終方案配置表

4 結(jié)論與展望

本論文雖然取得了一定的成果，但是還有以下方面需要更加深入的研究。

1)對(duì)該地的風(fēng)、光資源以及具體的施工、運(yùn)輸條件掌握得還不充分、不準(zhǔn)確，導(dǎo)致優(yōu)化配置得出的方案會(huì)有誤差；后續(xù)需盡快完善測(cè)風(fēng)、測(cè)光設(shè)備，收集準(zhǔn)確數(shù)據(jù)，并組織地形測(cè)繪、地質(zhì)勘查、施工條件踏勘等工作，以便給優(yōu)化配置算法提供準(zhǔn)確的參數(shù)，從而得出最符合實(shí)際、最優(yōu)化的配置方案。

2)隨著微網(wǎng)技術(shù)的發(fā)展和相應(yīng)設(shè)備的研發(fā)，探索更為合適的優(yōu)化配置方法，亦可編制更為合適的優(yōu)化算法，對(duì)該微網(wǎng)系統(tǒng)配置方案進(jìn)行更為科學(xué)地、系統(tǒng)地研究。