2. 风能太阳能利用技术省部共建教育部重点实验室, 呼和浩特 010051
2. Key Laboratory of Wind Energy and Solar Energy Technology, Ministry of Education, Hohhot 010051, China
为了实现双碳目标,国家倡导建设以新能源为主体的新型电力系统[1],以大规模风力发电和光伏发电为代表的可再生能源发电逐渐并入电网。风力发电和光伏发电都是具有随机性和波动性的发电方式,并网后电网会产生振荡,但二者在分布时间及利用上又各具特色[2]。在太阳能、风能资源丰富的地区,白天太阳光充足,而晚上虽没有太阳光但风能丰富,二者形成互补。考虑风能和太阳能的季节特性,风光互补的发电形式可使整个系统输出较为稳定。冬季太阳辐射弱而风力强,以风力发电为主;夏季太阳辐射强而风力弱,则以光伏发电为主。
风力和光伏发电虽然在一定程度上可以互补,减小出力波动,但这种互补不是完全充分的,为了进一步解决联合发电出力不够平滑、稳定的问题,需要配以适当容量的储能系统[3-4]。在发电量充沛时将电能储存起来,在出力波动时实时调节、抑制波动、削峰填谷,减少对电力系统的冲击,使电能平稳输出,为用户提供高品质电能,从而提高电力系统运行的经济性和接纳可再生能源的能力。
风光储不同的容量配置产生的经济效益以及环境效益不同,为了使系统的能量利用率更高、功率波动更小、经济性更好,国内外学者采用了一系列优化算法[5-7]或可再生能源发电系统评估仿真软件[8-10],如瞬时系统模拟程序(Transient System Simulation Program,TRNSYS)、可再生能源发电混合系统优化仿真软件(Hybrid Optimization Model for Electric Renewables,HOMER)等,对系统容量的优化配置进行了研究。本文选择并网型风光储互补发电系统,基于HOMER软件构建风光储微电网系统模型,并针对某工业园区的风光资源数据,以系统净现值成本最小为目标,从而得到了满足要求的容量配置方案。
1 HOMER软件简介HOMER是美国NREL开发的主流电力系统仿真优化软件,被广泛应用于混合可再生能源系统的仿真优化[11]。集系统仿真、优化、灵敏度分析三大功能为一体,常用于微电网的规划与优化。学者利用HOMER大多是进行离网系统的优化,对并网系统优化的研究较少[12-14]。在HOMER中输入资源数据以及设置参数,针对不同的敏感性变量,运行一次就可以呈现不同系统组合类型,给出不同电源配置的最优结果。该软件包含多种可以直接使用的发电模型,如生物质发电、风光水力发电、柴油发电、氢气发电等,还包括储能模块、电网模块及负载模块。HOMER软件还可以链接MATLAB程序,允许用户在MATLAB中编写自己的调度算法,再集成到HOMER软件中。用户可以根据自己需求来定制所需要的仿真模型[15]。
当系统发电量满足负荷需求时,HOMER可以计算出年度净现值成本、初始投资费用、运维成本、燃料成本、置换成本以及产生单位有用电能的成本等。在环境效益方面,HOMER还会呈现出系统每年产生的二氧化碳、氮氧化物等的排放量,十分具有参考意义。
2 并网型风光储互补系统结构选取风光资源丰富的某工业园区的风光储互补系统,在HOMER中创建一个包含有风力发电机、光伏发电系统、蓄电池、双向变换器、电网及负载的并网型风光储微电网系统模型。图 1所示为该系统仿真原理图。其中光伏板和蓄电池接在直流母线上,风力发电机和电网与交流母线连接,本研究只考虑交流负载,双向变换器在交流母线和直流母线之间,既可以完成交流电与直流电的交换,又可以实现电池的充放电。系统的使用年限是20年,预计通货膨胀率2%,系统折旧率8%。
|
| 图 1 微电网系统仿真原理图 Figure 1 Schematic diagram of microgrid system simulation |
选择地理位置坐标,导入风光气象数据。该数据库来自于NASA从1983年至2005年间的气象数据月平均值。月平均风速和光伏资源数据如表 1所示,全年平均风速是6.7 m/s,平均晴空指数是0.593,平均辐射值是每天4.32 kWh/m2,所选地点太阳能资源丰富。
| 表 1 月平均风速、晴空指数和太阳辐射日均值 Table 1 Monthly average wind speed, clearness index and daily radiation of solar radiation |
将表 1中的值离散成小时级数据,每个资源共得到8760个数据,如图 2所示。
|
| 图 2 某工业园区全年8760 h的风光资源 Figure 2 8760 h scenery resources in an industrial park all year |
以每小时的风光资源和负荷分析为基准,图 3显示了全年负荷情况。为了减少碳排放,冬季(11月至次年1月)增加了电采暖的比例,该季度用电明显高于其他月份。HOMER根据总体用电情况离散出全年8760 h的负载大小。
|
| 图 3 全年负荷情况 Figure 3 Annual load situation |
该系统所在地理位置工业用电采用峰平谷模式,峰平谷时间段划分:尖峰时段10:30—11:00,16:00—17:00,19:00—20:00;高峰时段08:30— 10:00,18:00—19:00,20:00—23:00;平时段07:00—8:30,11:30—16:00,17:00—18:00;低谷时段23:00—次日7:00。如图 4所示,非夏季月份峰、平、谷电价分别为0.976 4元/kWh、0.667 0元/kWh、0.366 6元/kWh,夏季(7、8月份)尖峰电价为1.066 1元/kWh。回售给电网的价格12个月份各不同,分别按照0.417 1元/kWh,0.403 9元/kWh,0.432 7元/kWh,0.424 2元/kWh,0.407 4元/kWh,0.403 5元/kWh,0.422 5元/kWh,0.413 7元/kWh,0.401 6元/kWh,0.431 7元/kWh,0.420 8元/kWh和0.415 2元/kWh。
|
| 图 4 购售电价格 Figure 4 Price of purchasing and selling electricity |
整个风光储系统主要设备单位成本如表 2所示。风力发电机、光伏板、变流器的寿命为20年,所以在整个寿命周期内,其实际置换成本为0。蓄电池的寿命周期为5年,在全周期成本计算中是需要考虑置换成本的。为延长蓄电池的使用寿命,避免深度充放电,蓄电池的最低荷电状态取40%。交直流母线之间的双向变流器,逆变与整流的效率均为95%。
| 表 2 各设备单位成本 Table 2 Unit cost of each equipment |
按照系统结构图,对各部分的容量变量设置不同的值,其中风力发电机、光伏板、蓄电池在搜索空间内不输入数值,采用HOMER专有的无衍生优化算法优化器,只需要考虑上下限即可。一个时间步长内向电网购售电功率上限设置为350 kW,双向变流器容量设置为600 kW。
4 仿真结果及分析HOMER软件按系统净现值成本(Net Present Cost,NPC)从小到大依次输出可行配置方案,组合调度策略包括两种,负载跟踪调度策略(Load Following,LF)和循环充电策略(Cycle Charging,CC),见表 3。计算完成后生成5种不同的并网型组合方案:方案1为风光储,方案2为风光,方案3为光储,方案4为光伏,方案5为风储。供电性能分析结果见表 4。
| 表 3 不同组合类型的微电网最优配置方案 Table 3 Optimal configuration schemes for microgrids with different combination types |
| 表 4 供电性能分析结果 Table 4 Power supply performance analysis |
分析表 3和表 4的数据,为了系统供电的可靠性,HOMER软件优化容量时,系统的缺电率均为0。方案1的总净现成本比方案2略低,即风光储系统比不含储能的风光互补系统的年总净现成本低,两者相对于单独光伏发电或光储、风储发电方式的成本要低很多。在供电负荷相同时,风光联合发电再配以储能系统所用蓄电池的容量,比光储和风储所用蓄电池容量要少得多。由于电池无法吸收所有电能,会产生多余电量。HOMER会将系统在每个时间步中所产生的多余电量制成表格,并可以在模拟结果中直接看到。
储能模块提高了可再生能源的利用率,风光互补系统改善了新能源发电的随机性和间歇性问题。因此,方案1的弃电率低于方案2的弃电率,更比风光单独发电的弃电率低很多。风光储互补发电系统很好地弥补了独立的风力发电系统或光伏发电系统的不足。
表 5是风光储互补系统的部分配置方案,按照系统年总净现成本从低到高的顺序排列,其中风光储互补系统最优配置方案为光伏板784 kW,10 kW风力发电机60台(实际中选用2台容量为300 kW的风力发电机),容量为38 kWh的蓄电池,从电网购电功率350 kW,变流器容量600 kW,系统年总净现值成本3 940 344元,单位发电成本0.129元,可再生能源供电占比为92.9%。
| 表 5 风光储系统的部分配置方案 Table 5 Part of configuration scheme of wind and solar storage system |
一年内并网型风光储最优容量配置系统各设备的发电量占比见表 6。可以看出,风力发电机提供了总发电量61.2%的电量,发挥了关键作用。
| 表 6 不同发电量占比 Table 6 Proportion of power generation generated by different method |
本文利用HOMER软件搭建风光储的多能互补微电网并网系统模型,HOMER计算一次就可以获得并网型风光储、风光互补以及风储、光储发电系统的优化配置,并对各项性能指标进行了分析,从而验证了风光储系统的优越性。但是HOMER软件无法实现能量管理,有约束性。在今后的研究中,可以使用HOMER粗略优化计算,采用粒子群等算法进一步优化计算。
| [1] |
王振彪. 构建"电为核心"的现代能源体系[J].
分布式能源, 2020, 5(4): 1-7 WANG Zhenbiao. Construction of Modern Energy System With Electricity as The Core[J]. Distributed Energy, 2020, 5(4): 1-7 ( 0)
|
| [2] |
杨文强, 邢小文, 覃姝仪, 等. 大规模风/光互补制储氢系统协调控制策略研究[J].
电力电子技术, 2020, 54(12)24-27, 55 YANG Wenqiang, XING Xiaowen, TAN 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 ( 0)
|
| [3] |
武文斌, 黄绍平. 风光储微电网运行特性仿真分析[J].
湖南工程学院学报(自然科学版), 2020, 30(1)1-5, 33 WU Wenbin, HUANG Shaoping. Simulation Analysis on Operating Performance of Wind/Photo-Voltaic/Storage Micro-grid[J]. Journal of Hunan Institute of Engineering(Natural Science Edition), 2020, 30(1)1-5, 33 ( 0)
|
| [4] |
王泽坤, 贾彦, 陈银鹏, 等. 基于负载需求的风光储离网系统优化配置研究[J].
内蒙古工业大学学报(自然科学版), 2020, 39(5): 345-355 WANG Zekun, JIA Yan, CHEN Yinpeng, et al. Research on Optimal Configuration of Wind Solar Storage Off-grid System Based on Load Demand[J]. Journal of Inner Mongolia University of Technology(Natural Science Edition), 2020, 39(5): 345-355 ( 0)
|
| [5] |
孟凡斌, 周静, 张霄, 等. 基于改进FPA-LHS算法的并网型微电网容量优化配置研究[J].
智慧电力, 2021, 49(10): 45-51 MENG Fanbin, ZHOU Jing, ZHANG Xiao, et al. Optimal Capacity Configuration of Grid-connected Microgrid Based on Improved FPA-LHS Algorithm[J]. Smart Power, 2021, 49(10): 45-51 ( 0)
|
| [6] |
王侃宏, 赵政通, 刘欢, 等. 基于HOMER和SA-PSO算法的风光氢储系统的优化匹配[J].
水电能源科学, 2020, 38(5): 207-210 WANG Kanhong, ZHAO Zhengtong, LIU Huan, et al. Optimization Matching Analysis of Wind-Photovoltaic-Hydrogen-Storage System Based on HOMER and SA-PSO Algorithm[J]. Water Resources and Power, 2020, 38(5): 207-210 ( 0)
|
| [7] |
Wang Z K, Jia Y, Cai C, et al. Study on the Optimal Configuration of a Wind-Solar-Battery-Fuel Cell System Based on a Regional Power Supply[J].
IEEE ACCESS, 2021(9): 47056-47068 ( 0)
|
| [8] |
赵长龙. 微网运行经济型及HOMER软件应用研究[D]. 成都: 西南交通大学, 2015.
( 0)
|
| [9] |
汤耀景. 基于HOMER的微型可再生能源系统优化设计[C]//浙江省电力学会. 浙江省电力学会2013年度优秀论文集. 杭州: 浙江省电力学会, 2013: 271-277.
( 0)
|
| [10] |
毛福斌, 陈晓峰, 屠勇, 等. 基于HOMER仿真的并网型微电网风光储优化配置研究[J].
电力设备管理, 2019(1): 50-54 ( 0)
|
| [11] |
张朝辉. Bawean岛风光柴储微网系统的优化配置方法研究[D]. 保定: 华北电力大学, 2018.
( 0)
|
| [12] |
亓伟, 耿世彬, 高虎杉, 等. 基于HOMER仿真的太阳能混合发电系统设计[J].
电工电气, 2011(8): 27-32 QI Wei, GENG Shibin, GAO Hushan, et al. Design of Hybrid Power System with Solar Energy Based on HOMER Simulation[J]. Electrotechnics Electric, 2011(8): 27-32 ( 0)
|
| [13] |
廉超, 姜一军, 陈萌, 等. 基于HOMER仿真的微电网电源配置研究[C]//浙江省电力学会. 浙江省电力学会2013年度优秀论文集. 杭州: 浙江省电力学会, 2013: 150-155.
( 0)
|
| [14] |
杨海华. 风光沼蓄多能互补型微电网优化配置[D]. 秦皇岛: 燕山大学, 2020.
( 0)
|
| [15] |
孔令国. 风光氢综合能源系统优化配置与协调控制策略研究[D]. 北京: 华北电力大学, 2017.
( 0)
|
2023, Vol. 41



0)