劉雨佳，樊艷芳，郝俊偉，白雪巖，宋雨露

基于堿性電解槽寬功率適應模型的風光氫熱虛擬電廠容量配置與調度優(yōu)化

劉雨佳，樊艷芳，郝俊偉，白雪巖，宋雨露

(新疆大學電氣工程學院，新疆 烏魯木齊 830047)

為提高能源利用效率，降低碳排放水平，改善虛擬電廠運行效益，構建了基于堿性電解槽寬功率適應模型的風光氫熱虛擬電廠(Virtual Power Plant, VPP)模型。將制氫電解槽、氫燃料電池、儲氫罐構成氫能系統(tǒng)，代替?zhèn)鹘y(tǒng)虛擬電廠中的蓄電池，并提出堿性電解槽寬功率適應模型，提高電解槽在不同輸入功率條件下的適應性。利用氫能系統(tǒng)運行時產(chǎn)生熱量對系統(tǒng)負荷實行熱電聯(lián)供，并將電解槽產(chǎn)生氧氣出售。在此基礎上，使用改進多路無網(wǎng)格光線尋優(yōu)算法對各設備出力調度與設備容量配置進行優(yōu)化。仿真結果表明，該算法在計算精度和速度上有一定提高?；趬A性電解槽寬功率適應模型的風光氫熱VPP，在降低系統(tǒng)運行成本的同時可以有效應對風、光出力波動，提高風、光消納水平，減少碳排放。

制氫；光伏；風力；熱電聯(lián)供；虛擬電廠；寬功率

0 引言

隨著我國經(jīng)濟逐漸由高速增長轉向高質量增長，能源行業(yè)作為經(jīng)濟發(fā)展的重要支柱和影響生態(tài)環(huán)境的首要因素，正積極推動能源結構轉型，降低傳統(tǒng)化石能源使用量，大力發(fā)展風電、光伏等可再生能源，減少碳排放量。由于風電、光伏等可再生能源出力具有隨機性、間歇性和反調峰特性，為保障電網(wǎng)安全穩(wěn)定運行，通常運用VPP技術將風-光、儲系統(tǒng)聚合以期達到常規(guī)能源供電效果[1-4]?？紤]到蓄電池在運行壽命及成本方面的劣勢，不適宜大規(guī)模應用于VPP儲能。而氫能作為一種能量密度高、環(huán)境友好、易于存儲的清潔能源[5]，將氫能配合風電、光伏聯(lián)合運行，可以提高電網(wǎng)運行的穩(wěn)定性[6-7]，降低VPP投資成本，電解槽與燃料電池也可作為熱源進行熱電聯(lián)供[8-9]，提高能源利用率，減少碳排放量，為實現(xiàn)碳中和提供新的研究思路。

目前對于可再生能源與氫能聯(lián)合運行系統(tǒng)的研究，主要集中在提高系統(tǒng)經(jīng)濟性和能量利用率以及風、光消納量等方面。文獻[10-11]利用氫能作為風電場儲能，并與燃氣輪機等裝置協(xié)同運行，分別在電力市場和非并網(wǎng)背景下驗證了氫儲系統(tǒng)的可靠性，結果顯示其在提高風電消納量、降低系統(tǒng)成本、減小系統(tǒng)缺電率以及系統(tǒng)輸出波動率等方面具有明顯優(yōu)勢；文獻[12]根據(jù)直流母線電壓信號制定了主動型大規(guī)模風、光互補制氫系統(tǒng)協(xié)調控制策略，提高了系統(tǒng)靈活性，降低了能量損耗；文獻[13-14]分別構建了風-氫-氣、風-光-氫-熱綜合能源系統(tǒng)，并結合熱電聯(lián)產(chǎn)機組或燃料電池對負荷進行熱電聯(lián)供，在降低棄風棄光率的同時提高了能源利用效率，也減小了負荷用電成本。但上述文獻并未考慮將氫能納入VPP運行范疇，未研究其對于VPP運行成本和碳排放量的影響，且忽略了制氫與用氫過程中產(chǎn)生的熱能，降低了能源利用效率，也沒有考慮新能源出力波動對氫能系統(tǒng)產(chǎn)生的影響。

綜上所述，本文以能源結構轉型和實現(xiàn)雙碳目標為研究背景，針對小區(qū)型負荷熱、電供給需求，從降低用電成本出發(fā)，將氫能系統(tǒng)納入VPP運行范疇，利用風、光聯(lián)合電解制氫儲能，建立了風-光-氫-熱綜合能源VPP系統(tǒng)，并提出堿性電解槽寬功率適應模型以應對新能源出力波動。在考慮系統(tǒng)設備投資、維護成本、碳排放成本以及削峰填谷、售氧收益等因素的基礎上，對VPP系統(tǒng)進行優(yōu)化調度。同時針對該系統(tǒng)數(shù)據(jù)復雜、變量多、難以求解的特點，提出了改進多路無網(wǎng)格光線尋優(yōu)算法，加快了求解速度。最后以青海西寧某小區(qū)夏、冬和春、秋四季為例，求解并比較了風-光-氫-熱綜合能源VPP與傳統(tǒng)風光蓄電池VPP在各單元調度情況、新能源消納量、設備容量配置、經(jīng)濟效益與碳排放量等方面的差異，分析了改進多路無網(wǎng)格光線尋優(yōu)算法的優(yōu)勢，驗證了所提模型的有效性和經(jīng)濟性。

1 風、光聯(lián)合制氫熱電聯(lián)供VPP系統(tǒng)

1.1 系統(tǒng)結構

風、光聯(lián)合制氫熱電聯(lián)供VPP系統(tǒng)分別由氫能系統(tǒng)、氧氣系統(tǒng)、熱能網(wǎng)絡和分布式電源供電網(wǎng)絡四個部分構成，如圖1所示。

圖1 系統(tǒng)結構圖

圖1中：氫能系統(tǒng)包括電解槽、儲氫罐、氫燃料電池；氧氣系統(tǒng)包括氧氣壓縮機與氧氣瓶；熱能網(wǎng)絡由供熱管網(wǎng)、冷卻水循環(huán)裝置(電解槽與氫燃料電池內部自帶)、電加熱設備構成；小區(qū)分布式電源供電網(wǎng)絡由風電、光伏分布式電源、供電網(wǎng)和負荷構成。氫能、熱能、電力三個部分共同納入VPP管理，其相互之間的配合與調度優(yōu)化由VPP控制中心根據(jù)當前風力、光伏發(fā)電機組出力與熱、電負荷實際情況進行協(xié)調控制。氧氣系統(tǒng)由于只負責存儲電解槽產(chǎn)生的氧氣，所以須配合電解槽同步運行即可，不參與VPP調度控制。

1.2 單元控制策略

在系統(tǒng)實際運行中，以小區(qū)綜合用電成本最小化為優(yōu)化目標，對調度系統(tǒng)控制策略進行優(yōu)化。系統(tǒng)各部分控制策略如下所述。

1.2.1 氫能系統(tǒng)

電解槽利用風、光發(fā)電供給負荷后的剩余電力制氫，產(chǎn)生的氫氣分配到氫燃料電池或儲氫罐，以此代替風、光蓄電池VPP系統(tǒng)中的蓄電池裝置進行儲能。氫燃料電池產(chǎn)生電能根據(jù)當前負荷和電價情況供給小區(qū)負荷或余電上網(wǎng)。

1) 為實現(xiàn)經(jīng)濟效益最大化，當輸入電解槽功率不足時，禁止從電網(wǎng)購電用于制氫。

2) 電解槽產(chǎn)生的氫氣根據(jù)當前實際負荷情況，按需分配到儲氫罐中進行儲存或者進入氫燃料電池中；同時，當系統(tǒng)負荷需求存在缺口時，儲氫罐釋放氫氣到氫燃料電池中運行，產(chǎn)生電能與熱能，并且為實現(xiàn)經(jīng)濟效益最大化，只有在電價處于高峰時段時儲氫罐才允許釋放氫氣。

3) 氫燃料電池在實際運行中產(chǎn)熱效率高于電解槽，是系統(tǒng)中重要的熱能來源，因此在氫燃料電池的運行中，首先以熱能需求為目標，控制氫氣使用量，其次考慮電能需求。

1.2.2 氧氣系統(tǒng)

電解槽在運行中會同時產(chǎn)生氫氣和氧氣，其中氧氣的體積為氫氣的一半，使用氧氣瓶與氧氣壓縮機配合制氫電解槽同步運行，將所產(chǎn)生的全部氧氣壓縮后儲存在氧氣瓶中用于工業(yè)氧氣售賣，產(chǎn)生的收益用于補貼系統(tǒng)運行費用。

1.2.3 熱能網(wǎng)絡

電解槽與氫燃料電池運行時產(chǎn)生的熱能通過冷卻水循環(huán)裝置吸收，并由供熱管網(wǎng)向小區(qū)熱負荷供熱，運行狀態(tài)與電解槽和氫燃料電池同步。當電解槽與氫燃料電池產(chǎn)生的熱能不能滿足負荷要求時，從電網(wǎng)購電使用電加熱設備補足熱能缺口。

1.2.4 分布式電源供電網(wǎng)絡

風力、光伏發(fā)電單元按照實際出力全部參與VPP調度，盡量避免棄風、棄光。小區(qū)負荷優(yōu)先使用風、光電能，并將負荷與電解槽未使用的多余電能進行余電上網(wǎng)，當風、光出力不能滿足負荷要求時，從電網(wǎng)購電補足電能缺口。

2 氫能系統(tǒng)能量模型

2.1 制氫電解槽

目前的電解水制氫技術主要分為三類：堿性水電解、質子交換膜純水電解和高溫蒸汽電解[15-16]。由于堿性水電解技術發(fā)展成熟、應用廣泛、設備操作靈活以及維護簡便，適用于本文構建的社區(qū)型應用場景，因此本文針對堿性電解槽進行建模分析。

2.1.1 電解槽能量模型

堿性電解槽運行時，其消耗的電能與產(chǎn)生的氫氣和熱量實時平衡，其簡化能量平衡模型為

2.1.2 電解槽寬功率適應模型

電解槽在運行時存在輸入功率范圍的限制，導致其不能應對可再生能源出力波動。針對該問題，本文首先將電解槽運行功率范圍從40%～100%擴大到5%～130%，其次提出電解槽寬功率適應模型，以匹配功率范圍變化后的電解槽運行狀態(tài)(效率、能量轉換等方面)，并進行正確分析計算，使其可以準確、穩(wěn)定、安全地參與到VPP系統(tǒng)的調度中，具體模型如下所述。

1) 低功率狀態(tài)

目前，為應對輸入功率小于額定功率導致的電解槽運行不穩(wěn)定問題，一般通過降低電解槽工作電流使其運行功率與輸入功率相符。但研究發(fā)現(xiàn)，降低電解槽輸入功率后會導致輸出氫氣、氧氣的混雜程度上升[19]，從而使電解槽具有爆炸風險。針對該情況，文獻[19]提出了降低電解液循環(huán)速度的控制策略，在降低電解槽功率的同時將電解液循環(huán)速度降低至與降低功率相同的百分比，可實現(xiàn)輸出氧氣中氫氣濃度與額定功率下的效果基本相同。但該文獻并沒有考慮電解液循環(huán)速度的改變會對電解槽能量模型和運行效率產(chǎn)生什么影響，所以本文在該文獻基礎上，對電解液循環(huán)速度改變后電解槽產(chǎn)生的變化做進一步研究，并對電解槽能量模型進行優(yōu)化，使其匹配該策略。

在實際水電解過程中，生成的氫氣與氧氣通過氣泡從水中析出，在改變電解液循環(huán)速度后，氣泡的大小、上浮速度等因素都會發(fā)生改變，直接對電解液電阻率產(chǎn)生影響，進而改變電解槽運行效率。所以在改變電解槽電解液循環(huán)速度的情況下，必須對電解液電阻率進行計算，從而確定電解槽運行效率。電解液循環(huán)速度與電解液含氣度的關系可表示為

考慮電解液含氣度后的實際電阻率，其計算經(jīng)驗公式為

因此電解液實際電阻更新為

電解液電阻壓降更新為

最后將式(14)的結果代入式(6)和式(4)，即可計算出考慮電解液含氣度后的實際工作效率。

2) 過負載狀態(tài)

堿性電解槽具有一定程度的過負載工作能力，最大過負載運行功率約為額定功率的110%～130%[20]，具體取值與電解槽運行溫度有關。由式(11)可知，當輸入電流超過額定電流時，電解液含氣度下降，導致電解液電阻進一步降低，減緩了電解槽工作效率的下降趨勢。但總體上由于電流增大導致電解槽產(chǎn)熱增加，仍使其工作效率處于逐漸降低的狀態(tài)，該過程可由式(15)表示。

當電解液溫度超過90℃時，電解槽隔膜(主要材質為石棉)會與堿性溶液發(fā)生反應(硅化現(xiàn)象)，導致其自身腐蝕，所以目前堿性電解槽的最高運行溫度為90℃。

本文建立的VPP系統(tǒng)采取熱電聯(lián)供機制，電解槽產(chǎn)生熱量由冷卻水循環(huán)裝置導出，當電解槽處于過負載運行狀態(tài)而導致溫度上升較快時，可通過加大冷卻水循環(huán)速度或降低注入冷卻水溫度等方式，使電解槽溫度處于一個合適的范圍，所以本文將電解槽最大過負載運行功率設定為額定功率的130%。

2.1.3 基于寬功率適應模型的電解槽效率

根據(jù)上文計算得到的電解槽在不同運行功率下的效率值如圖2所示，計算參數(shù)參考文獻[18]。

圖2 電解槽運行效率曲線

在考慮電解液含氣度的情況下，當輸入功率處于0%～100%時，由于輸入電流的降低使電解液含氣度提高，從而導致電解液電阻上升，進一步使電解槽實際工作效率降低；當電解槽輸入功率超過100%，進入過負載工作狀態(tài)時，由于電流增大導致電解液含氣度下降，使電解液電阻降低，最終使其實際工作效率要高于理論計算效率。

基于上述論證，在同步改變電解液循環(huán)速度，并考慮電解液含氣度變化的情況下，可以將堿性電解槽安全運行功率范圍下限降低到極低的水平(3%左右)，考慮到計算誤差，本文將運行功率范圍下限設定為5%。同時堿性電解槽短時過負載特性使其工作功率上限增加至130%，因此整體運行功率范圍為5%～130%，比FDQ系列電解槽功率范圍(40%～100%)有了明顯提升，增強了電解槽應對風光出力波動的能力。

2.2 氫燃料電池

氫燃料電池是將氫氣和氧氣的化學能直接轉換成電能的發(fā)電裝置，其原理是電解水逆反應[21]。與電解槽類似，氫燃料電池運行時，消耗氫能與產(chǎn)生電能、熱量實時平衡，其簡化能量平衡模型為

簡化后的氫燃料電池能量模型為

3 風、光聯(lián)合制氫熱電聯(lián)供VPP數(shù)學模型

3.1 目標函數(shù)

在本文構建的模型中，VPP以系統(tǒng)最小運行成本為目標，優(yōu)化調度與設備容量配置，考慮余電上網(wǎng)與氫燃料電池削峰填谷收益、出售氧氣收益、熱能與電力負荷購電成本、設備投資成本、設備折現(xiàn)成本、碳排放成本以及由于設備容量配置不足導致的失負荷懲罰等因素，目標函數(shù)可表示為

3.2 約束條件

1) 電、熱能量平衡約束

2) 電解槽特性約束

堿性水電解槽主要工作特性包括：①啟停特性，啟動時需要預熱，時間較長，運行過程中遇到緊急情況可立即停機，功率瞬間降為0；②調節(jié)特性，從大功率運行狀態(tài)轉向小功率狀態(tài)可實現(xiàn)毫秒級快速調節(jié)，從小功率運行狀態(tài)轉向大功率狀態(tài)則需經(jīng)過分鐘級的時間；③過載特性，短時過載功率可達到額定功率的110%～130%。因此在調度過程需要考慮上述因素對系統(tǒng)運行的影響。

3) 設備功率約束

4) 儲氫罐特性約束

4 改進多路無網(wǎng)格光線尋優(yōu)算法

光線尋優(yōu)算法是一種基于費馬定理的快速尋優(yōu)智能算法，其通過模擬光線在介質中傳播的折射和反射過程進行迭代搜索最優(yōu)值，求解速度快，結構簡單，適用于多種問題的求解，是一種新型的智能優(yōu)化算法[26]。文獻[27]提出了無網(wǎng)格光線尋優(yōu)算法，簡化了判別條件，提高了光線尋優(yōu)算法在計算多維目標函數(shù)時的速度，但其計算精度略低，容易陷入局部最優(yōu)等。因此，本文提出了改進多路無網(wǎng)格光線尋優(yōu)算法，基本原理是增加光線數(shù)量，且每條光線采用不同的隨機起點，在光線迭代時每條光線與全局最優(yōu)光線的適應度值進行比較，可以在擴大搜索范圍的同時減少算法迭代次數(shù)。理論上該算法建立的光線數(shù)量越多，性能越好，但相應的計算時間也會上升，因此在本文建立的模型中選用雙路無網(wǎng)格光線尋優(yōu)算法，其原理如圖3所示。

可以發(fā)現(xiàn)，首先光線a、b初始起點和傳播方向不同，擴大了算法搜索范圍；其次光線a、b相互比較適應度值后，光線b多了一個全局最優(yōu)與自身最優(yōu)的比較過程，該過程在減少迭代次數(shù)的同時，改善了原算法容易陷入局部最優(yōu)的問題。

5 算例分析

本文以青海西寧某社區(qū)為例，數(shù)據(jù)參考文獻[28]，考慮夏、冬以及春、秋四個季節(jié)的風光出力特性對系統(tǒng)產(chǎn)生的影響，并對比分析系統(tǒng)綜合運行成本。社區(qū)內部的風力和光伏發(fā)電機組、社區(qū)居民負荷、制氫電解槽、儲氫罐、氫燃料電池和電加熱設備共同構成VPP。風力和光伏發(fā)電機組裝機容量均為1 000 kW，產(chǎn)生的電能全額參與VPP調度，在夏、冬和春、秋四個季節(jié)的典型日內，該社區(qū)風力和光伏發(fā)電機組出力和VPP熱、電負荷曲線如圖4所示。其中夏季熱負荷為集中供給的生活熱水負荷，夏季冷負荷未采取集中供給措施，因此納入電負荷統(tǒng)一處理。

圖4 負荷與風光出力曲線圖

各設備參數(shù)參考文獻[22,29]，并根據(jù)目前市場價格進行調整后的參數(shù)如表1所示。仿真環(huán)境為MatlabR2019a，CPU Ryzen R5 4600U，RAM 16 GB，采用改進雙路無網(wǎng)格光線尋優(yōu)算法進行求解。

表1 設備參數(shù)表

Table 1 Equipment parameter table

表2 其他重要參數(shù)

Table 2 Other important parameters

本文設定3種系統(tǒng)控制策略進行對比分析。

方案1：以常規(guī)蓄電池組為儲能，建立VPP。

方案2：在方案1的基礎上，以氫能系統(tǒng)替換蓄電池，電解槽運行功率范圍為40%～100%。

方案 3：在方案2的基礎上，采用本文建立的電解槽寬功率能量模型，將電解槽運行功率范圍擴大到5%～130%。

5.1 調度情況分析

將本文設定的3種方案分別在上述相同場景下采用改進雙路無網(wǎng)格光線尋優(yōu)算法進行單元出力調度和容量配置優(yōu)化計算，各單元24 h內的電力調度情況如下所述。

1) 方案1：常規(guī)蓄電池儲能VPP

圖5為方案1系統(tǒng)各單元調度情況，蓄電池在該場景中發(fā)揮的作用較小(電池放電少)，在夏、冬和春、秋四個季節(jié)的典型日24 h調度時段內，蓄電池放電電能總計分別為459.2 kWh、450.29 kWh、287.59 kWh，基本上不到各自負荷的1%。其原因是：(1) 蓄電池的調度策略決定其只能在電價高峰時段放電，以獲得最大收益；(2) 電價高峰時段與風、光出力最大時段重合，此時段用電缺口小，因而需要蓄電池提供的電能少，最終導致程序優(yōu)化得出的蓄電池容量較小。

同時，夏、冬季節(jié)的典型日電、熱負荷總電能和風、光總發(fā)電量分別為13 946.42 kWh、9 887.28 kWh和13 896.98 kWh、8 184.78 kWh，春、秋季節(jié)的典型日電、熱負荷電能和風、光總發(fā)電量分別為10 444.98 kWh和87 772.78 kWh。通過對比發(fā)現(xiàn)，當負荷缺口越大時，蓄電池釋放的電能越多，發(fā)揮的作用越大。

圖5 方案1系統(tǒng)各單元調度情況

2) 方案2：40%～100%功率范圍電解槽VPP

圖6為方案2系統(tǒng)各單元電力調度情況，根據(jù)方案2建立的風光氫熱VPP，在風、光出力過剩時段，如夏季11：00、冬季12：00—16：00、春、秋季11：00—16：00，啟動了電解槽制取氫氣，同時產(chǎn)生的氫氣進入儲氫罐，起到了對多余電能進行消納和儲存的作用。儲氫罐在高峰時段釋放氫氣至氫燃料電池，為系統(tǒng)提供部分電能，起到了削峰填谷的作用。

但仍然可以發(fā)現(xiàn)，受制于其電解槽40%～100%的運行功率限制，有部分過剩電力沒有得到消納，而采取了余電上網(wǎng)的措施。如：夏季06：00—10：00、12：00—18：00；冬季10：00—11：00、15：00—18：00；春秋季07：00—10：00、15：00—18：00。其未消納的電能分別占風、光出力總剩余電量的82.58%、17.09%、28.16%，雖然余電上網(wǎng)能帶來一定的收益，但相比于氫能系統(tǒng)熱電聯(lián)供產(chǎn)生的效益，造成一定程度的浪費。

由圖7可知，氫燃料電池產(chǎn)生的電能和熱能減少，使系統(tǒng)需要配備更大容量的電加熱設備，并從電網(wǎng)購進大量電能用于制熱。

圖6 方案2系統(tǒng)各單元電力調度情況

圖7 方案2系統(tǒng)各單元熱能調度情況(轉電能)

同時，由于某些時段風、光出力剩余過大，電解槽將其全部消納后，所產(chǎn)生的熱能大于負荷需求，也造成了一定程度的浪費，去除該部分后，夏、冬和春、秋四個季節(jié)氫能系統(tǒng)提供的熱能約為熱負荷的5.47%、15.39%、27.34%，提供的熱能較少，使系統(tǒng)運行成本上升。

3) 方案3：5%～130%功率范圍電解槽VPP

對比方案2，方案3采用的電解槽寬功率能量模型將電解槽運行功率范圍從40%～100%擴大到5%～130%，因此從圖8中可以明顯發(fā)現(xiàn)VPP對于過剩風、光電能的消納水平有所提高。其未消納電能分別占風、光出力總剩余電量的17.5%、9.53%、7.73%，較方案2分別減少了65.08%、7.56%、20.43%，效果顯著。

圖8 方案3系統(tǒng)各單元電力調度情況

并且由于電解槽消納過剩電能的增加，也使氫能系統(tǒng)的產(chǎn)熱量增加，如圖9所示，與方案2相比，可以發(fā)現(xiàn)夏、冬和春、秋四個季節(jié)分別在06：00、21：00—22：00、11：00、22：00以及07：00—09：00產(chǎn)熱量明顯增加。去除未使用的多余熱能后，夏、冬和春、秋四個季節(jié)氫能系統(tǒng)提供的熱能約為熱負荷的34.65%、17.18%、34.06%，較方案2分別提高29.18%、1.79%、6.72%。

圖9 方案3系統(tǒng)各單元熱能調度情況(轉電能)

5.2 新能源消納量分析

3種方案在各季節(jié)典型日的風、光發(fā)電過剩電能消納情況如圖10所示。

圖10 3種方案的風、光出力剩余電能消納情況

由圖10可知，從方案1至方案3的VPP消納的過剩風、光出力在不斷增加，方案1至方案3的風、光過剩電能消納平均百分比分別為19.46%、57.39%、88.41%。方案1與方案2、方案3相差較大的原因在于方案2、方案3的氫能系統(tǒng)可以同時起到儲能、供熱的作用，其綜合效益高于方案1中的蓄電池系統(tǒng)；而方案3與方案2相比，其優(yōu)勢在于擴大了電解槽運行功率范圍，消納了更多的風、光過剩電能。

5.3 容量配置結果分析

將本文設定的3種方案分別在上述相同場景下采用改進雙路無網(wǎng)格光線尋優(yōu)算法進行單元出力調度和容量配置優(yōu)化計算，其設備配置容量計算結果如表3所示。

表3 設備容量配置

Table 3 Equipment capacity allocation

從表3中發(fā)現(xiàn)，3個方案最主要的差別在于電加熱設備的容量配置，方案1以蓄電池為儲能裝置，無法提供熱能，方案2、方案3由于電解槽與氫燃料電池產(chǎn)生的熱能抵消了部分熱負荷需求，使其在電加熱設備的配置容量上要少于方案1。同時，在方案2、方案3中，由于氫氣具有高能量密度的特性，使氫燃料電池和儲氫罐的配置容量低于蓄電池，并且蓄電池運行壽命較短，在20年的運行周期內至少需要更換一次，因此配備了兩組，增加了投資成本。對比方案2、方案3可以發(fā)現(xiàn)，方案3在采用電解槽寬功率能量模型后，減少了電解槽和電加熱設備的配置容量，降低了設備成本。電解槽運行功率范圍與最小運行功率如圖11所示。

圖11 電解槽運行功率范圍與最小運行功率關系

從圖11中可以發(fā)現(xiàn)，隨著電解槽運行功率上限的提高和下限的降低，其分別帶來了電解槽配置容量和電解槽最小運行功率的降低。因為在優(yōu)化計算中，為提高系統(tǒng)經(jīng)濟性，需要盡可能多地消納風、光電能，導致電解槽配置容量上升，但采用本文提出的寬功率運行策略后，可以在減少容量的情況下消納更多的電能，所以電解槽配置容量隨運行功率范圍的擴大而減少。電解槽配置容量降低使其投資成本和運維費用減少，同時電解槽最小運行功率的降低則有利于系統(tǒng)消納更多的風、光過剩電能，提高系統(tǒng)經(jīng)濟性。

5.4 系統(tǒng)經(jīng)濟成本分析

3種方案在上述場景下進行單元出力調度和容量配置優(yōu)化計算，其系統(tǒng)運行費用如表4所示。

表4 系統(tǒng)運行費用

由表4可知，方案3與方案1、方案2相比，其系統(tǒng)全周期運行成本分別下降約35.15%、21.7%，充分體現(xiàn)了利用氫能系統(tǒng)代替蓄電池進行儲能以及電解槽寬功率適應模型在提高VPP經(jīng)濟性上的優(yōu)勢。

方案2、方案3在單日運行成本上具有優(yōu)勢，則是因為氧氣出售帶來的收益對運行成本的補貼。而方案3相比于方案2在單日運行成本上進一步下降，則是因為采用了電解槽寬功率適應模型，可以利用更多風、光過剩電能，其過剩電能消納平均百分比由方案2的57.39%提高到88.41%。

同時得益于單日運行成本的減少，雖然方案1在設備成本上明顯低于方案2、方案3，但最終系統(tǒng)的全周期運行成本仍然顯著高于方案2、方案3。

基于本文場景下的3個方案運行時間與系統(tǒng)全周期運行成本關系如圖12所示。當運行時間為1年時，方案1、方案3的系統(tǒng)全周期運行成本基本相同，處于最低水平，而方案2成本最高。超過1年后，方案3的成本則始終低于方案1、方案2，方案2在系統(tǒng)運行時間為4～5年開始低于方案1。系統(tǒng)運行時間越長，本文提出的基于堿性電解槽寬功率適應模型的風-光-氫-熱VPP越能在經(jīng)濟性上增加優(yōu)勢。

圖12 運行時間對系統(tǒng)成本的影響

5.5 系統(tǒng)碳排放量分析

在本文構建的系統(tǒng)中，由于電解槽制氫使用的是風力、光伏發(fā)電機組產(chǎn)生的清潔電能，所以制氫過程不產(chǎn)生碳排放。并且在氫燃料電池運行過程中將氫氣轉換為電能，只產(chǎn)生熱量和水，也沒有二氧化碳生成。因此，在不計各設備生產(chǎn)制造階段產(chǎn)生碳排放的前提下，各方案主要碳排放由向電網(wǎng)購電產(chǎn)生，目前我國西北地區(qū)電網(wǎng)電能碳排放因子約為0.81 kg/kWh，各方案碳排放計算結果如圖13所示。

圖13 3種方案的系統(tǒng)碳排放量

由圖13可知，方案3得益于應用電解槽寬功率適應模型帶來的電解槽最小運行功率的降低，可以利用更多的風、光過剩電能，因此在各個季節(jié)總碳排放量水平均為最低。方案1至方案3的全年累計碳排放量分別為12 394.85 kg、12 440.17 kg、11 674.37 kg，方案3相比方案1、方案2碳排放量分別降低5.81%、6.16%，因此電解槽寬功率適應模型在降低碳排放量上具有一定效果。

5.6 算法性能分析

本文改進的雙路無網(wǎng)格光線尋優(yōu)算法參數(shù)設定與無網(wǎng)格光線尋優(yōu)算法相同：初始點位置和方向采用與粒子群算法相同的方法隨機取得，經(jīng)多次試驗，初始步長取值為所有變量初始范圍最大值相加時的算法性能最好；步長更新系數(shù)取0.986，即每迭代一次步長乘以0.986；試探方向點取0.4個步長。以本文構建的方案3為例，3種算法各求解10次，取平均值后結果如表5所示。

表5 算法性能

Table 5 Algorithm performance

從表5中可以看出，改進雙路無網(wǎng)格光線尋優(yōu)算法較無網(wǎng)格光線尋優(yōu)算法和線性遞減權重粒子群算法在計算速度上具有顯著優(yōu)勢，其最優(yōu)值收斂計算時間分別約提高了39.32%、68.14%。原始無網(wǎng)格光線尋優(yōu)算法有計算精度較低、容易陷入局部最優(yōu)等缺點，本文改進之后，VPP全周期運行成本減少約4.83萬元，計算精度有一定提升，改進了易陷入局部最優(yōu)的缺點，同時，對比線性遞減權重粒子群算法也僅相差0.056%，相比計算速度的提升，計算誤差可以忽略不計。

6 結論

本文針對提高能源利用率，降低碳排放水平，改善VPP運行效益，將制氫電解槽、氫燃料電池、儲氫罐構成氫能系統(tǒng)，替換傳統(tǒng)風、光蓄電池虛擬電廠系統(tǒng)中的蓄電池裝置，并提出電解槽寬功率適應模型，構建了基于風、光聯(lián)合制氫的熱電聯(lián)供型VPP模型，并利用改進雙路無網(wǎng)格光線尋優(yōu)算法對系統(tǒng)出力調度與設備容量配置進行優(yōu)化。通過對比分析得出以下結論：

1) 基于堿性電解槽寬功率適應模型的風-光-氫-熱VPP系統(tǒng)對比傳統(tǒng)風、光蓄電池VPP系統(tǒng)和普通風光氫熱VPP系統(tǒng)，得益于氧氣出售帶來的收益和設備成本的降低，在減少系統(tǒng)全周期運行成本上效果顯著，分別降低了約35.15%、21.7%，明顯提升了系統(tǒng)經(jīng)濟效益；

2) 基于堿性電解槽寬功率適應模型的風-光-氫-熱VPP系統(tǒng)由于消納了更多的風、光過剩電能，向電網(wǎng)購電量減少，因此相比傳統(tǒng)風、光蓄電池VPP系統(tǒng)和普通風-光-氫-熱VPP系統(tǒng)在碳排放量上分別降低了約5.81%、6.16%；

3) 本文改進的雙路無網(wǎng)格光線尋優(yōu)算法比無網(wǎng)格光線尋優(yōu)算法和線性遞減權重粒子群算法在計算速度上具有顯著優(yōu)勢，分別提高了39.32%、68.14%，并且改進了傳統(tǒng)無網(wǎng)格光線尋優(yōu)算法易陷入局部最優(yōu)的缺點，提高了計算精度。

本文考慮了氫能系統(tǒng)對于虛擬電廠經(jīng)濟性和碳排放量的影響，但制氫電解槽與氫燃料電池的能量模型設計較為簡單，忽略了環(huán)境等因素的影響；同時如何對系統(tǒng)碳排放量采取更精確和更全面的計算，值得更進一步研究。

[1] 羅翼婷, 楊洪明, 牛犇, 等. 考慮多風能預測場景的虛擬電廠日內滾動柔性優(yōu)化調度方法[J]. 電力系統(tǒng)保護與控制, 2020, 48(2): 51-59.

LUO Yiting, YANG Hongming, NIU Ben, et al. Day-ahead flexible rolling optimization dispatch of virtual power plant based on multi-wind forecasting results[J]. Power System Protection and Control, 2020, 48(2): 51-59.

[2] REDDY S S. Optimal power flow with renewable energy resources including storage[J]. Electrical Engineering, 2016, 99(2): 1-11.

[3] 楊冬梅, 王俊, 杜煒. 考慮源網(wǎng)荷儲聚合交易的區(qū)域電熱綜合能源系統(tǒng)優(yōu)化調度[J]. 電力建設, 2021, 42(10): 28-39.

YANG Dongmei, WANG Jun, DU Wei. Optimal dispatching for regional integrated electric and heating systems considering aggregation and transaction of generation-grid-load-storage[J]. Electric Power Construction, 2021, 42(10): 28-39.

[4] 應飛祥, 徐天奇, 李琰, 等. 含電動汽車充電站商業(yè)型虛擬電廠的日前調度優(yōu)化策略研究[J]. 電力系統(tǒng)保護與控制, 2020, 48(21): 92-100.

YING Feixiang, XU Tianqi, LI Yan, et al. Research on day-to-day scheduling optimization strategy of a commercial virtual power plant with an electric vehicle charging station[J]. Power System Protection and Control, 2020, 48(21): 92-100.

[5] 曹軍文, 鄭云, 張文強, 等. 能源互聯(lián)網(wǎng)推動下的氫能發(fā)展[J]. 清華大學學報(自然科學版), 2021, 61(4): 302-311.

CAO Junwen, ZHENG Yun, ZHANG Wenqiang, et al. Hydrogen energy development driven by the energy internet[J]. Journal of Tsinghua University (Science & Technology), 2021, 61(4): 302-311.

[6] 李健強, 余光正, 湯波, 等. 考慮風光利用率和含氫能流的多能流綜合能源系統(tǒng)規(guī)劃[J]. 電力系統(tǒng)保護與控制, 2021, 49(14): 11-20.

LI Jianqiang, YU Guangzheng, TANG Bo, et al. Multi-energy flow integrated energy system planning considering wind and solar utilization and containing hydrogen energy flow[J]. Power System Protection and Control, 2021, 49(14): 11-20.

[7] 徐靖, 趙霞, 羅映紅. 氫燃料電池并入微電網(wǎng)的改進虛擬同步機控制[J]. 電力系統(tǒng)保護與控制, 2020, 48(22): 165-172.

XU Jing, ZHAO Xia, LUO Yinghong. Improved virtual synchronous generator control for hydrogen fuel cell integration into a microgrid[J]. Power System Protection and Control, 2020, 48(22): 165-172.

[8] HUGO L, ROCHE R, JEME S, et al. Combined cooling and power management strategy for a standalone house using hydrogen and solar energy[J]. Hydrogen, 2021, 2(2): 207-224.

[9] LI Nan, ZHAO X, SHI X, et al. Integrated energy systems with CCHP and hydrogen supply: a new outlet for curtailed wind power[J]. Applied Energy, 2021, 303(3).

[10] KRONIGER D, MADLENER R. Hydrogen storage for wind parks: a real options evaluation for an optimal investment in more flexibility[J]. Applied Energy, 2014, 136: 931-946.

[11] 馬榕谷, 陳潔, 趙軍超, 等. 非并網(wǎng)風氫互補系統(tǒng)的容量多目標優(yōu)化[J]. 太陽能學報, 2019, 40(2): 422-429.

MA Ronggu, CHEN Jie, ZHAO Junchao, et al. Multi- objective optimization for capacity of non-grid-connected wind/hydrogen hybrid power system[J]. Acta Energiae Solaris Sinica, 2019, 40(2): 422-429.

[12] 楊文強, 邢小文, 覃姝儀, 等. 大規(guī)模風/光互補制儲氫系統(tǒng)協(xié)調控制策略研究[J]. 電力電子技術, 2020, 54(12): 24-27, 55.

YANG Wenqiang, XING Xiaowen, QIN Shuyi, et al. Study of coordination control strategy of large-scale wind/PV hybrid hydrogen energy system[J]. Power Electronics, 2020, 54(12): 24-27, 55.

[13] 蔡國偉, 西禹霏, 楊德友, 等. 基于風-氫的氣電熱聯(lián)合系統(tǒng)模型的經(jīng)濟性能分析[J]. 太陽能學報, 2019, 40(5): 1465-1471.

CAI Guowei, XI Yufei, YANG Deyou, et al. Economic performance analysis of model of combined gas-heat-power system based on wind-hydrogen[J]. Acta Energiae Solaris Sinica, 2019, 40(5): 1465-1471.

[14] KHALID F, DINCER I, ROSEN M A. Analysis and assessment of an integrated hydrogen energy system[J]. International Journal of Hydrogen Energy, 2016, 41(19): 7960-7967.

[15] 鄒浩斌. 固體聚合物電解質水電解池及其膜電極的研究[D]. 廣州: 華南理工大學, 2016.

ZOU Haobin. Study on solid polymer electrolyte hydrolysis cell and its membrane electrode[D]. Guangzhou: South China University of Technology, 2016.

[16] SHAMS A, KHAN F, ZHANG Y, et al. Recent development in electrocatalysts for hydrogen production through water electrolysis[J]. International Journal of Hydrogen Energy, 2021, 46(63): 32284-32317.

[17] GOEKCEK M. Hydrogen generation from small-scale wind-powered electrolysis system in different power matching modes[J]. International Journal of Hydrogen Energy, 2010, 35(19): 10050-10059.

[18] MALKOW T, PILENGA A, TSOTRIDIS G, et al. EU harmonised polarisation curve test method for low-temperature water electrolysis[R]. European Commission, Joint Research Centre, Directorate C: Energy, Transport and Climate, 2018.

[19] 寧楠. 水電解制氫裝置寬功率波動適應性研究[J]. 艦船科學技術, 2017, 39(11): 133-136.

NING Nan. Research on hydrogen generation system by water electrolysis under wide power fluctuation[J]. Ship Science and Technology, 2017, 39(11): 133-136.

[20] 沈小軍, 聶聰穎, 呂洪. 計及電熱特性的離網(wǎng)型風電制氫堿性電解槽陣列優(yōu)化控制策略[J]. 電工技術學報, 2021, 36(3): 463-472.

SHEN Xiaojun, NIE Congying, Lü Hong. Coordination control strategy electrothermal characteristics[J]. Transactions of China Electrotechnical Society, 2021, 36(3): 463-472.

[21] 徐靖, 趙霞, 羅映紅. 氫燃料電池并入微電網(wǎng)的改進虛擬同步機控制[J]. 電力系統(tǒng)保護與控制, 2020, 48(22): 165-172.

XU Jing, ZHAO Xia, LUO Yinghong. Improved virtual synchronous generator control for hydrogen fuel cell integration into a microgrid[J]. Power System Protection and Control, 2020, 48(22): 165-172.

[22] 黃念之. 燃料電池熱電聯(lián)產(chǎn)系統(tǒng)的建模分析及優(yōu)化[D].濟南: 山東大學, 2018.

HUANG Nianzhi. Modeling analysis and optimization of fuel cell cogeneration system[D]. Jinan: Shandong University, 2018.

[23] 李曉嫣. 千瓦級燃料電池熱電聯(lián)產(chǎn)系統(tǒng)及其制氫系統(tǒng)模擬[J]. 通信電源技術, 2018, 35(5): 35-37, 40.

LI Xiaoyan. Simulation of fuel cell based micro-CHP system and its H2 generation unit[J]. Telecom Power Technologies, 2018, 35(5): 35-37, 40.

[24] ACAKPOVI A, ADJEI P, NWULU N, et al. Optimal hybrid renewable energy system: a comparative study of wind/hydrogen/fuel-cell and wind/battery storage[J]. Journal of Electrical and Computer Engineering, 2020, 2020(3): 1-15.

[25] 李雪松, 隨權, 林湘寧, 等. 一種兼顧富余風電充分消納和全局效益的電網(wǎng)靈活負荷控制策略[J]. 中國電機工程學報, 2020, 40(18): 5885-5897.

LI Xuesong, SUI Quan, LIN Xiangning, et al. A flexible load control strategy for power grid considering fully consumption of surplus wind power and global benefits[J]. Proceedings of the CSEE, 2020, 40(18): 5885-5897.

[26] 沈繼紅, 李焱. 基于正六邊形網(wǎng)格的光線尋優(yōu)算法[C] //中國運籌學會第十屆學術交流會論文集, 2010年10月16日, 中國, 北京: 89-94.

[27] 李加蓮. 光線尋優(yōu)算法的研究及改進[D]. 哈爾濱: 哈爾濱工程大學, 2012.

LI Jialian. Research and improvement of light ray optimization algorithm[D]. Harbin: Harbin Engineering University, 2012.

[28] 柳川, 王宇拓, 王林川, 等. 含冷熱電聯(lián)供系統(tǒng)微電網(wǎng)優(yōu)化運行研究[J]. 電測與儀表, 2015, 52(2): 31-37.

LIU Chuan, WANG Yutuo, WANG Linchuan, et al. Research on the economical operation of the micro-grid with CCHP[J]. Electrical Measurement & Instrumentation, 2015, 52(2): 31-37.

[29] 熊宇峰, 司楊, 鄭天文, 等. 考慮熱電綜合利用的光伏儲氫獨立供能系統(tǒng)容量優(yōu)化配置[J]. 中國電力, 2020, 53(10): 66-73.

XIONG Yufeng, SI Yang, ZHENG Tianwen, et al. Optimal capacity configuration of solar-hydrogen independent power-supply system considering electricity-heat comprehensive utilization[J]. Electric Power, 2020, 53(10): 66-73.

Capacity configuration and optimal scheduling of a wind-photovoltaic-hydrogen-thermal virtual power plant based on a wide range power adaptation strategy for an alkaline electrolyzer

LIU Yujia, FAN Yanfang, HAO Junwei, BAI Xueyan, SONG Yulu

(School of Electrical Engineering, Xinjiang University, Urumqi 830047, China)

To improve energy efficiency, reduce carbon emissions, and improve the operating efficiency of virtual power plants (VPP), this paper constructs a wind-photovoltaic-hydrogen-thermal VPP model based on a wide range power adaptation strategy for alkaline electrolyzers. The hydrogen production electrolyzer, hydrogen fuel cell, and hydrogen storage tank constitute a hydrogen energy system to replace the battery in the traditional VPP, and we propose a wide range power adaptation strategy for the alkaline electrolyzer to improve the adaptability of the electrolyzer under different input power conditions. The heat generated during the operation of the hydrogen energy system is used to implement combined heat and power supply to the system load, and at the same time the oxygen produced by the electrolytic cell is sold. On this basis, an improved multi-channel meshless light optimization algorithm is used to optimize the operation scheduling and equipment capacity configuration of each device. The simulation results show that the algorithm offers an improvement in calculation accuracy and speed. The wind-photovoltaic-hydrogen-thermal VPP based on the wide range power adaptation strategy can effectively cope with the fluctuation of wind and photovoltaic output while reducing the operating cost of the system. It can also improve the level of wind and solar consumption and reduce carbon dioxide emissions.

hydrogen production; photovoltaic; wind power; co-generation; virtual power plant; wide range power

10.19783/j.cnki.pspc.210918

國家自然科學基金項目資助(51767023)；新疆自治區(qū)研究生教育創(chuàng)新計劃項目資助“基于風電精確預測與誤差補償?shù)暮瑲涮摂M電廠調度與控制策略研究”

This work is supported by the National Natural Science Foundation of China (No. 51767023).

2021-07-18；

2021-10-25

劉雨佳(1998—)，男，碩士研究生，研究方向為虛擬電廠優(yōu)化調度；E-mail: lyjia98@foxmail.com

樊艷芳(1971—)，女，通信作者，碩士，教授，研究方向為新能源并網(wǎng)技術與電力系統(tǒng)保護。E-mail: fyf3985@ xju.edu.cn

(編輯 姜新麗)