平抑風電波動的飛輪-電化學混合儲能容量優化配置研究

王晉君, 茍凱杰, 陳 衡, 陳宏剛, 徐 鋼, 張國強

(華北電力大學 能源動力與機械工程學院,北京 102206)

近年來,清潔能源的規?；瘧迷诮o電網帶來巨大經濟效益和環境效益的同時,也成為了構建新型電力系統的一大難題[1]。其中,風電出力的瞬時波動性會引起電網電壓和頻率的波動,極大地影響了用電質量和供電穩定性,而在電源側配置儲能系統能夠有效平滑波動。目前,混合儲能系統綜合了能量型儲能和功率型儲能的優缺點,實現了技術和經濟上的互補,成為平抑新能源出力波動的首選。但現有技術下的儲能系統成本較高,亟需找到合適的混合儲能系統(HESS)容量配置方法,以實現效益最大化。

當前針對HESS容量配置主要采用仿真分析法。徐衍會等[2]和吳倩等[3]以并網波動量為指標,通過自適應滑動窗口法進行功率分配,得到滿足并網指標下的HESS容量配置;武鑫等[4]基于改進的小波包分解法得到各節點能量分布,并采用概率分布擬合降低了HESS所需容量;毛志宇等[5]將容量配置劃分為2個階段,在優化HESS功率任務的基礎上解耦內部功率,構建以壽命周期凈效益最大化為目標的配置模型;許慶祥等[6]基于低通濾波法,構建不同截止頻率和功率容量下的約束條件,驗證了飛輪儲能平抑風電波動的有效性;馬偉等[7]提出一種光伏和HESS協調平抑策略,結果表明,該策略不僅能有效平抑光伏波動,還能提高HESS的使用壽命;葛樂等[8]提出一種改進希爾伯特-黃變換的容量配置方法,基于荷電狀態約束構建HESS經濟成本模型,得到經濟最優下的容量配置方案。以上研究從不同角度對功率分配與容量配置進行了分析,但很少考慮到實際風電出力中的極端數據影響,降低了容量配置的準確性。此外,針對儲能系統組合的選取也有大量研究。王蘇蓬等[9]綜合考慮了多種儲能組合策略與經濟評價,得到基于最優組合選型下經濟性最佳的容量配置結果;Zhang等[10]通過配置飛輪儲能和壓縮空氣儲能來應對風電的低頻和高頻波動信號,以平滑其波動性;Li等[11]選取抽水蓄能和液流電池組成HESS,通過分階段協同優化方法構建雙層容量配置模型,結果表明該組合調節能力和經濟性遠高于單一儲能系統;雷勇等[12]和Lu等[13]提出使用超導磁儲能和蓄電池儲能組成的HESS來改善風電波動性,同時設計了分層控制策略,為補償風電功率波動保留足夠的容量空間。

但是,上述關于混合儲能系統的研究沒有考慮HESS在大電網場景下的應用。且風電初始信號的波動會對電解槽帶來很大的沖擊,額外增加了儲能平抑量,效率將大大降低。因此,筆者基于電源側儲能,提出以鋰電池儲能為輔,飛輪儲能為主的HESS,綜合考慮儲能系統的充放電效率和荷電狀態約束,并引入基準線變量和懲罰系數,構建了以綜合成本最低為目標函數的容量配置模型,最后通過實際風電數據驗證了該模型的有效性。

1 HESS協調平抑風電功率波動策略

1.1 HESS的功率分配策略

目前,常用于HESS功率分配的方法有小波包分解、經驗模態分解(EMD)和低通濾波等方法[14]。以不同頻域作為信號分解的標準,將風電輸出功率信號拆解為高頻和低頻分量信號,分別作為飛輪儲能和鋰電池儲能的功率指令。為了更好地解決規模性風電并網引起的波動問題,選用直觀且自適應強的經驗模態分解法,其在非線性擾動信號分解效果上要優于小波包分解法。構建了包含飛輪儲能和鋰電池儲能在內的HESS協調運行框架,如圖1所示。

圖1 混合儲能系統策略圖

利用EMD將最初的風電復雜信號分解為不同階的有限個本征模態函數(IMF),各階IMF分量包含了原信號不同時間尺度下的局部特征信號,若單獨處理不僅會增加工作量,還會延緩分解速度[15]。故決定結合實際風電并網的波動量限制,將IMF重構為低頻分量和高頻分量。其中,低頻分量直接選擇并網,高頻分量則作為HESS的平抑任務,具體可表示為

(1)

IMF重構方式主要分為低頻重構(coarsetofine,c)和高頻重構(finetocoarse,f):低頻重構是指根據EMD初步分解結果,自下而上選擇合適分量進行疊加生成對應階數下的低頻重構分量;高頻重構則是自上而下選擇合適分量進行疊加生成對應階數下的高頻重構分量[16]。

分解后的高、低頻信號再通過功率分配策略流程,進一步篩選出平抑模塊的工作量,具體過程如圖2所示。

圖2 風電波動功率分配流程圖

1.2 HESS能量管理系統

通常HESS會將功率型儲能的荷電狀態(SOC)控制在95%左右,能量型儲能的SOC控制在50%左右,避免過充過放而降低儲能壽命。其缺點是調峰和平抑模塊之間協調效果不明顯,特別是在飛輪儲能自放電率高、能量釋放儲蓄時間短的情況下,如果不能夠及時放電,能量損耗現象明顯[17]。因此,在保證飛輪儲能荷電狀態水平的前提下制定HESS協調管理方案。

(1) HESS吸收功率

當平抑功率PHESS,n>0時,HESS系統啟動開始吸收風電正向波動功率,飛輪最大、最小荷電狀態分別用Smax和Smin表示。此時飛輪儲能作為第一響應資源,其工作狀態受荷電狀態影響主要分為3種情況:(1)飛輪荷電狀態(SFESS)在[(Smin+Smax)/2,Smax]范圍內時,飛輪和鋰電池共同承擔功率任務。其中飛輪儲能吸收功率值為HESS功率任務與鋰電池吸收量的差值;(2)當SFESS<(Smin+Smax)/2時,正向波動功率全部由飛輪儲能吸收,直至SFESS滿足情況(1)時調動鋰電池輔助吸收功率;(3)當SFESS在(Smax,1]時,飛輪停止充電,HESS停止運行直到能量管理系統發出放電指令。

(2) HESS釋放功率

當平抑功率PHESS,n<0時,HESS系統開始釋放功率以平抑風電負向功率波動,該部分功率全部由飛輪儲能提供,其工作狀態受荷電狀態影響分為2種:(1)當SFESS>Smin時飛輪正常放電;(2)當SFESS在[0,Smin]時,為了避免電池容量衰減,在飛輪荷電狀態低于最小值前要停止放電。HESS系統要停止工作直至能量管理系統發出充電指令,若并網功率仍達到波動限值則可以通過電池儲能放電來滿足并網要求。

此外還需要考慮2種特殊情況:當飛輪荷電狀態較小但仍有大功率放電任務時,可以降低飛輪放電量或放電功率,功率差值則由鋰電池儲能承擔;當飛輪荷電狀態較高但仍處于大功率充電狀態時,可以降低其充電量或適當延長充電時間,盈余功率仍由鋰電池儲能承擔。

2 HESS容量配置模型

2.1 目標函數

HESS中飛輪儲能的綜合效率為90%～95%,循環充放電次數約為100 000～1 000 000;磷酸鐵鋰電池的綜合效率為85%～90%,循環充放電次數約為2 000～4 000[18]。因此,以飛輪和鋰電池混合的儲能系統成本與風電功率機會補償成本構建目標函數為

minF=FFESS+FBAT+Fcomp

(2)

式中:F為年綜合成本,萬元/(MW·h);FFESS和FBAT分別為飛輪儲能和鋰電池儲能成本,萬元/(MW·h);Fcomp為風電功率波動機會補償成本,萬元/(MW·h)。

其中,

(3)

(4)

Fcomp=gNsum

(5)

(1) 投資成本及運行維護成本

(6)

(7)

(8)

(9)

(2) 機會補償成本

由于儲能系統受到容量和功率的限制,當風電波動超出儲能工作范圍時會出現棄電現象[19],因此需要調度系統中其他快速響應資源輔助HESS完成儲能功率任務,這會導致風電平抑成本增加,HESS的儲能效率下降。機會補償成本則評估了由欠補償量引起的額外運行成本,具體可表示為

(10)

式中:h為機會補償成本系數;Pposun,n和Pnegun,n分別為n時刻的正方向和負方向的欠補償量,MW;N為總時間長度,min。

2.2 約束條件

(1) 功率約束

混合儲能功率任務PHESS,n主要包含兩部分:一部分是由鋰電池儲能構成的調峰模塊;另一部分是通過飛輪儲能實現的平抑風電波動模塊。當PHESS,n>0時,風電為正向波動,此時需要飛輪儲能和鋰電池儲能系統充電吸收波動功率;當PHESS,n<0時,風電為負向波動,此時需要鋰電池儲能系統放電補償波動,對于瞬時波動量大的時刻則需要飛輪儲能放電實現快速響應,以提高電網的穩定性。

(11)

(12)

(2) HESS充放電模型約束

本文采用飛輪和鋰電池儲能構成混合儲能系統,其中飛輪儲能用于第一時間平抑能量低的高頻波動;鋰電池用于平抑能量高的低頻波動,此外還具備長時間電力儲存的特性,用于備用電源以保證混合儲能系統的穩定運行。飛輪儲能和鋰電池的荷電狀態與充放電功率關系如下:

(13)

(14)

(15)

(16)

式中:Δt為記錄點的時間間隔;SFESS,n、SBAT,n分別為飛輪儲能和鋰電池在n時刻的荷電狀態;EFESS、EBAT分別為飛輪和鋰電池的額定容量,MW·h;ηFc、ηFd分別為飛輪的充、放電效率;ηBc、ηBd分別為鋰電池的充、放電效率。

3 算例分析

以西北地區某200 MW的風電場為例,記錄該地區的實際風電數據,時間間隔為5 min。采用飛輪和鋰電池組成的HESS來平抑風電波動性,飛輪的初始荷電狀態為0.50,充放電效率均為95%。容量優化配置相關參數如下:機會補償成本系數為0.24萬元/(MW·h);儲能運行維護成本占投資成本比例為2%。

3.1 基于EMD的低頻信號重構

在EMD分解前先采用k均值聚類算法(簡稱k-means算法)對風電數據進行聚類,得到8個不同場景的風電出力特性曲線,各場景的概率分布見表1。但傳統的k-means算法受極端數據影響,比如個別數據日的平均出力維持在較高水平或較低水平,將會大大影響k-means算法尋找聚類中心的準確性。故通過計算8個不同場景中所包含天數的波動量,并進行排序,選擇中位數所對應天數作為此場景的典型日,此方法能夠將極端數據有效剔除,使選擇出來的典型日更具代表性。

表1 不同典型日的概率分布

額定容量大于150 MW的風電場接入電力系統時,規定1 min有功功率變化不超過15 MW,10 min有功功率變化不超過50 MW[20]。故本文并網波動量限值最大為風電裝機容量的20%,以并網波動量限值為指標劃分直接并網容量和HESS平抑任務量。選擇表1場景五進行EMD信號重構計算,結果如圖3～圖5所示。

圖3 不同波動量限值下的直接并網分量圖

從圖3和圖4可以看出,隨著波動量限值的減小,直接并網功率曲線更加平滑,同時HESS平抑功率曲線波動幅值越來越大,包絡線對稱性更差,故選取10 MW作為風電并網波動量限值。由圖5可以看出,低頻重構分量c(4)的最大波動量低于10 MW,故可以直接作為并網分量,而將f(2)作為HESS平抑任務。低頻重構并網量和直接并網量疊加后的并網曲線如圖6所示。

圖4 不同波動量限值下的HESS功率任務

圖5 直接并網分量篩選

圖6 HESS平抑量與直接并網量分布圖

3.2 不同場景下的風電平抑效果分析

由于儲能充放電效率的限制,在吸收風電正向波動的過程中會出現一部分能量損失,而在補償風電負向波動的過程中也會產生能量損失,若充放電效率均為0.85,最終負向波動部分只能補償0.72,損失了約28%的能量。此部分欠補償量的存在將會加劇風電負向波動幅值,為HESS平抑工作帶來了困難[21]。因此,要分場景進行討論,考慮引入基準線變量,即增大正向待平抑量,減小負向待補償量,從而改善因負向欠補償量引起的波動。定義情景1為0基準線平抑,情景2為變基準線平抑。

(1) 可變基準線

引入基準線變量后求得平抑前后高頻功率波動曲線如圖7所示。

圖7 平抑前后的高頻功率波動曲線

從圖7可以看出,2種情景下的正向波動大部分被吸收,只有個別時刻幅值較大的波動沒有完全吸收,其中情景1正向累計欠補償量為22.66 MW,而情景2只有3.45 MW,降低了84.8%;對于負向波動,情景2補償效果明顯優于情景1,計算得知情景1的負向累計欠補償量為442.21 MW,情景2為34.61 MW,降低了92.1%,可以看出基準線下移后極大地緩解了負向欠補償量引起的波動;因此,累計欠補償量共減少91.8%。以10 MW作為波動指標,計算得知情景1中有較多時間段內波動量超過波動限值,而情景2中只有n=1 309 min內波動量超過限值。平抑前后的風電并網功率波動曲線如圖8所示,其中平抑前的曲線為直接并網量曲線,而平抑后的曲線則包含了重構后的并網量與初始并網量。

圖8 平抑前后的風電并網功率波動曲線

從圖8可以看出,情景2中疊加后的并網功率相對情景1波動小,完全在可控范圍之內,進一步說明了可變基準線在平抑風電波動性方面的有效性。

(2) 波動懲罰系數

從圖7可以看出,情景2中經HESS平抑后得到的高頻功率波動曲線的平滑性大大提高,但仍有部分時間段內存在超過波動限值的負向欠補償量。故在引入基準線變量的基礎上考慮加入波動懲罰系數,結合前文提到的機會補償成本系數進一步對負向波動進行補償,得到不同懲罰系數下的高頻功率曲線和最終并網功率曲線,如圖9和圖10所示。利用Matlab軟件和Gurobi求解器求得不同場景下HESS容量配置如表2所示。

表2 飛輪儲能容量配置結果

圖9 不同波動懲罰系數下的高頻功率曲線

圖10 不同懲罰系數下平抑后的并網功率曲線

從圖9可以看出,隨著懲罰系數的增加,波動功率幅值不斷減小,原n=1 309 min內的欠補償量從10 MW降到4.38 MW,減小了5.62%,已滿足并網波動限值的要求。由圖10可以看出,引入懲罰系數能夠有效控制部分時段內波動量很小但功率尖銳的影響,使得平抑后的并網功率曲線更加平滑,避免了棄電現象的出現。由表2可以看出,場景2比場景1的容量配置方案年綜合成本減少了2 825萬元,降低了49.99%,進一步驗證了因儲能充電效率約束而帶來的欠補償損失影響是顯著的;平滑效果和經濟性最優的風儲最佳配比為1∶0.16,其中飛輪和鋰電池比例為1∶4.65。

4 結論

(1) 經過基準線變量和波動懲罰系數修正后的HESS能夠有效控制風電波動性,正向累計欠補償量減少了84.8%,負向累計欠補償量減少了92.1%。

(2) 所提方法能有效計算波動量限制下的新能源與儲能最佳配比,以經濟性最高為目標的風儲最佳配比為1∶0.16。

(3) 相較于0基準線波動平抑策略,所提方法下的HESS容量配置方案在系統投資成本上節省了49.99%,具有更高的經濟性。