计及光伏工况的集中式光伏电站储能优化配置研究.pdf

中文科技期刊数据库（全文版）工程技术 15 计及光伏工况的集中式光伏电站储能优化配置研究 俞斌斌 国能（浙江）能源发展有限公司，浙江 杭州 310000 摘要：摘要：近年来，光储研究多关注微网、分布式光伏及风光储联合应用，鲜少涉及大规模集中式发电场景。本文考虑了风/光/储并网型微电网系统运行的经济性及环境效益，建立优化配置模型。利用合作博弈的方式对需求响应下的微电网进行优化配置。将负荷缺电率和能量溢出比作为考核指标，实现最优光储配置以提高独立光伏系统的供电可靠性和光伏利用率。然而我国光伏发电量与负荷呈倒挂趋势，大规模光伏发电地区负荷低迷，本地消纳困难，需要通过电网运输，但滞后的网架建设不能匹配短时间内迅速增加的光伏电站装机容量，引发系统调节负担与弃光之间的矛盾，导致利用小时数持续降低，弃光率与光伏装机容量一同攀升，成为值得关注的严峻问题。关键词：关键词：光储系统；容量配置；光伏工况 中图分类号：中图分类号：TM615 0 引言 为早日实现“双碳”目标，全球各国鼓励开发风电、光伏等可再生能源，并且相继发布可再生能源支持计划，目前国内许多大型风电场、光伏电站纷纷建造完成。2021 年我国大型光伏电站装机占全国装机的46.6%，但光伏发电输出功率不稳定，如此大规模并网将引起电压越限和网络损耗过大等问题，从而导致高弃光率，使电网中的场景复杂化，因此，为了提高光伏电站的接入能力，亟需开展电池储能系统的规划研究。对于光储联合发电场景，学术界通常基于某特定日光伏出力曲线，主要着眼于配置的优化算法和复杂的系统条件，研究光伏配置储能系统对光伏功率曲线的优化。目前相关文献中已有按季节划分场景类型，但光伏发电出力主要受太阳辐照度制约，同一季节内也会出现不同的光伏工况，而不同工况下的太阳辐照度存在较大差异，因此以季节划分场景不能全面展示光伏发电的出力情况。本文提出计及光伏工况的储能优化配置方法。基于大规模光伏发电实际工程数据，进行光伏集中式发电场景下储能系统的配置与运行状况研究，通过研究光储互补特性和配置指标，搭建光储联合应用系统模型，同时采用改进的 K-means 聚类算法对全部光伏出力运行场景进行聚类，形成不同光伏工况下的典型场景，根据光伏并网工程应用的国家标准，分别以全年光伏出力、不同光伏工况出力、典型日出力为基础进行储能容量与功率的配置，并做出对比，最后对储能全寿命周期出力进行分析，为提高光伏电站并网应用能力提供有效的理论依据与技术支持。1 改进的 K-means 聚类算法 采用聚类办法对全部光伏出力运行场景进行聚类，从而将大量的实际场景削减为具有代表性的典型场景，降低求解过程的复杂度。K-means 聚类算法简单高效，适用性很强，但传统的 K-means 聚类算法中的初始聚类中心和聚类中心个数都需要人为指定，因此聚类结果并不稳定，而本文提出的密度峰值聚类算法(clustering by fast search and find of density peaks,DPC)能自动发现簇中心并确定个数，克服了 K-means 聚类的缺点。DPC 算法的基本思想如下：1）密度峰值的局部密度较大，并且被密度均不超过它的邻居包围；2）各密度峰值间的距离相对较远，因此 DPC 算法提出了局部密度i和到最近更高局部密度样本的相对距离i两个概念。当数据集规模较小时，截断核的局部密度采用高斯核函数计算，计算公式为：i=ijIjS,exp(-(dij/dc)2)（1）式中，dij为样本 i 与 j 之间的欧氏距离，dc为截断距离。样本 i 到较高局部密度样本的最近距离由i 表示，i 的计算公式如下：中文科技期刊数据库（全文版）工程技术 16 qi=1),(min2),(min2iidqiqjqjjij （2）从式（2）可以看出，如果样本 i 具有最大的局部密度，则其对应的相对距离也是最大的。DPC 算法将i和i均较大的样本作为密度峰值。为发现密度峰值，DPC 算法绘制以i为横坐标，i为纵坐标的决策图来选择密度峰值。为更好地表示密度峰值，DPC 算法定义了一个决策值参数i：niiii,.,2,1,（3）DPC 算法认为局部密度大且距离远的样本为密度峰值，即选择i值大的点作为密度峰值，找到密度峰值后，剩余的样本被分配给比其密度高的最近样本所在类簇。2 光储配置数学模型 2.1 大规模光储配置相关指标 大规模光伏集中式发电场景下配置储能系统目标通常在于削峰填谷，提高光伏消纳率，平抑短时间内出力波动等，对解决跨区域供需矛盾、提高含高渗透率可再生能源的电网安全稳定性、增加光伏并网率、缩减弃光率等起到积极作用。本文所考虑影响储能配置的相关指标主要有以下三点：（1）弃光率。国家能源局下发的文件中提出，光伏消纳比例应达到 5%，不超过 10%，弃光率在 10%以上视为不及格。为满足不同阶段对弃光率的要求，利用储能进行削峰填谷，可以降低弃光率，提升光伏消纳水平。（2）波动率。众多因素影响光伏电站的功率变化，关于光伏安全并网的国家标准规定为：光伏一分钟内上下波动不得超过光伏电站装机总容量的 10%。为保证光伏电站并网的电能安全质量，配置储能系统以削减光伏有功功率变化。（3）输送容量。光伏电站的最大容量受到接入电网条件和调峰能力的限制，由于光伏发电的间歇性，光伏电站出力达到装机容量 80%以上的概率一般不超过 10%，因此配置一定输送容量比的输电线路是不错的选择。2.2 目标函数与约束条件 本文以配置储能的最大投入收益比作为优化目标，储能配置投资总成本包括储能系统初始配置成本 Cini和储能设备运行维护年化成本 Cyear两部分，即 Ctotal=Cini+Cyear （4）储能系统初始投资成本分为容量配置投资和功率配置投资两部分，即 Cini=cCbatt+pPbatt （5）式中，c、p分别为单位容量和单位功率的配置投资；Pbatt、Cbatt为储能系统配置的功率和容量。储能设备运行维护年化成本和储能系统的利用率相关，本文认为与储能年储存的能量成正比。Cyear=Eyear （6）式中，Cyear为储能设备运行维护年化成本；为单位产能运维成本；Eyear为储能一年内放出的能量。忽略配置储能对电网调频、转移峰荷延缓的发输配建设成本等收益，重点考虑多消纳的光伏发电量上网效益，配置储能的光伏上网收益如式（7）所示。MEC=NEyearE （7）式中，E为单位光伏上网电价。则投资回报率为=totalECCM （8）限电功率为光伏电站理论发电功率与考虑电网接纳能力断面约束后的可用发电功率，弃光率为光伏电站被限电量与光伏电站理论发电量的比值，如式（9）所示。ttheoryststttheorytittjtGtlinetLstPPPdisPPPPPPPP,lim,),min(（9）式中，Plimit,t为 t 时刻光伏电站限电功率；Ptheory,t为 t 时刻光伏电站理论发电功率；Pst为考虑断面约束后的可用发电功率；PL,t为 t 时刻负荷；Pline,t为 t 时刻电网联络线功率，送出为正；PG,i为 t 时刻其他电源出力；Pj,t为 t 时刻光伏电站可用发电功率；Pdis为弃光率。第 j+1 分钟的波动率为 Sj,1=pj+1-pjDj,1 （10）第 j 个十分钟内的波动率为 中文科技期刊数据库（全文版）工程技术 17 Sj,10=maxpj+1-pjpj+10-pjDj,10 （11）式中，Dj,1表示一分钟波动允许值，为光伏电站装机容量的 1/10；Dj,10为十分钟波动允许值，为光伏电站装机容量的 1/3。2.3 储能系统充放电模型 储能充放电功率与光伏限电功率有关，并需要满足充放电功率限制。另外，储能系统放电深度太大会导致电池内反应物加速沉积形成 SEI 膜等，影响运行状态和寿命，为使系统合理稳定运行，荷电状态（State of Charge,SOC）需要满足 SOC 上下阈值限制，充放电功率 P 需要满足上限限制，使储能系统工作在安全状态，延缓储能系统寿命衰减，如式（12）式（13）所示。SOCminSOC(t)SOCmax （12）Cini=cCbatt+pPbatt （13）式中，SOC(t)为 t 时刻的荷电状态；SOCmax为储能系统荷电状态的最高阈值，SOCmin为储能系统荷电状态的最低阈值。P(t)为 t 时刻储能出力功率，当 P(t)0 时，储能系统处于放电状态，当 P(t)0 时，储能系统处于充电状态；Pmax为储能最大充放电功率限制。储能充放电容量限制为 minminmaxmaxminmax)()1(min0)(),1(min0SOCQQSOCQQttPQtQQttPtQQQddcc（14）式中，c、d分别为储能充放电效率；Qmax、Qmin分别为当前储能系统可使用容量的上下限；Q 为储能系统容量。由式（14）可推出，储能实际充放电功率限制为 tQtQPPttQQPPdbattdcbattcminmax)1(max)1(min（15）充放电之后储能的容量更新和荷电状态如式（16）所示。QtQtSOCQtQtQQQQdc)()()1()(（16）为使储能系统能稳定持续运行，由周期首末能量状态约束，在给定的样本周期内，Q 应该为 0。不配置储能时，联络线功率与火电机组最小出力围成的区间为系统最大可消纳光伏量，由于光伏全天出力不稳定，会造成消纳区间的浪费，配置储能系统进行调峰，将高峰期光伏发电超出消纳空间的电量储存起来在傍晚低谷期再次发出，即可提高光伏上网电量，提高固定电网结构下对光伏的消纳能力。储能提升的光伏消纳量即为在储能系统运行期间总共存储的电量之和，如式（17）所示。E=NitdttP10)(（17）配置储能之后一个周期内弃光率指标如式（18）所示。=dNittheoryNitimitdtPdtP10101 （18）2.4 求解方法 此问题是一个以装机容量和装机功率为变量的混合整数离散时间线性优化问题，目标函数为最大投资回报率，采用粒子群算法进行求解。问题描述为：Max:totalECCM（19）同时，问题需满足以下约束：0),(0),(0),(0),(battbattpLbattpvCPgPEesPChPPPes （20）其中，es(Ppv,Pbatt,PL)为系统的功率平衡潮流约束，h(C,P)0 为储能系统功率与容量的上限约束，es(E,P)=0 为周期内储能首末能量状态相等约束，gp(Pbatt,Cbatt)0 为储能充放电功率上下限约束及容量中文科技期刊数据库（全文版）工程技术 18 上下限约束。4 结论 本文提出一种计及光伏工况的光储优化配置方法，采用改进的 K-means 聚类算法对全部光伏出力运行场景进行聚类，形成不同光伏工况下的典型场景，分别以全年光伏出力、不同光伏工况出力、典型日出力为基础进行储能容量与功率的配置，以全年出力配置结果为基准做出对比，最后对储能全寿命周期出力进行分析，结果表明：（1）基于典型日出力的光伏配置与实际需求相差较大，本文所提的以分工况出力为输入的储能配置结果与实际情况比较接近，可以在一定程度上代表全年，但在描述储能全寿命周期出力方面有所欠缺。（2）储能功率达到一定值后，再增加功率会继续减小弃光率，但经济性变差，弃光率减小仍有一定容量提升区使得经济性得以提高，因此配置储能消纳新能源的经济最优点不一定是功率最小点。（3）合理配置的储能系统工作状况随着寿命的衰减会产生变化，不同联络线功率限制和不同弃光率下的储能系统寿命衰减趋势相对一致，普遍能工作十五年左右，折合满充满放近四千次，符合实际情况。参考文献 1李彦哲,郭小嘉,董海鹰,等.风/光/储微电网混合储能系统容量优化配置J.电力系统及其自动化学报,2020,32(06):123-128.2王树东,杜巍,林莉,等.基于合作博弈的需求侧响应下光储微电网优化配置J.电力系统保护与控制,2018,46(01):129-137.3吴小刚,刘宗歧,田立亭,等.独立光伏系统光储容量优化配置方法J.电网技术,2014,38(5):1271-1276.4马溪原,吴耀文,方华亮,等.采用改进细菌觅食算法的风/光/储混合微电网电源优化配置J.中国电机工程学报,2011,31(25):217-225.5任荣荣,谢丽蓉,徐波丰,等.基于弃光消纳的光储系统容量优化配置研究J.新疆大学学报(自然科学版)(中英文),2021,38(05):632-640.6马溪原,郭晓斌,雷金勇.面向多能互补的分布式光伏与气电混合容量规划方法 J.电力系统自动化,2018,42(04):155-163.7林俐,肖舒,费宏运,等.基于曲线形态特征的地区规 模 化 风 电 出 力 场 景 划 分 J.电 网 与 清 洁 能源,2020,36(03):174-181.8尚然然,刘鸿潮,张旭.基于 K-means 的机场相似天气 场 景 聚 类 识 别 分 析 J.指 挥 信 息 系 统 与 技术,2020,11(05):124-129.