北极星

搜索历史清空

  • 水处理
您的位置:电力储能储能技术抽水蓄能技术正文

用于提高风电渗透率的复合储能容量优化研究

2018-05-09 16:51来源:电网技术作者:杨天蒙 宋卓然 娄素华 吴志明关键词:储能技术储能系统抽水蓄能收藏点赞

投稿

我要投稿

4 算例分析

本文以改进的IEEE RTS-96系统为例,对复合储能系统的容量优化进行分析。系统的最大负荷为2800  MW,系统包含26台火电机组,总装机容量为3105 MW,详细的火电机组参数及负荷数据见文献[14-15]。采用风电场全年历史出力数据,采样周期TS为5  min,风电场装机容量为840 MW(风电渗透率为30%)。时间窗口ΔT按照调度计划取为1 h,则风电功率1 h内的功率波动限制在20%以内[16]。

电池采用全钒液流电池,其单位功率及单位容量价格分别为426 USD/kW及100 USD/(kW•h)[17-18],单位年维护费用为9  USD/kW[17],额定放电深度为0.9,额定放电深度下的循环使用次数为13  000次,充放电效率均为80%[18]。为了便于对比研究,假定抽水蓄能机组的额定功率为100 MW,其单位功率价格为608  USD/kW[19],年运行维护费用为2%,抽水蓄能电站的经济使用寿命为25年,综合效率为75%。行业贴现率为10%。风电波动的机会补偿成本费用系数kc为100  USD/MW。弃风惩罚费用系数kR为1000 USD/(MW•h)。

4.1 风电场景集合及并网功率的确定

以风电全年历史出力数据为原始场景,采用1.1、1.2节提出的风电典型及特殊场景确定方法,获得的典型及特殊风电出力场景及每个场景对应的概率见图3,其中1—8为典型风电场景,9—11为特殊出力场景。典型场景的走势与风电原始场景基本一致,可以采用典型场景代替风电原始场景。每个特殊场景的概率为1/365,出现的概率虽小,但如1.2节所述,其对系统储能容量配置仍有影响,故应将此类场景考虑在内。

图3 风电典型及特殊出力场景

采用2.2节提出的风电并网功率优化制定方法,以一个典型场景为例,优化得到风电并网功率,其与原始风电功率对比如图4所示。

由图4可以看出,获得的风电并网功率PWB与原始风电功率PW的变化趋势完全一致。风电功率高频波动基本稳定在-80~80 MW之间。

图4 风电并网功率与原始功率对比

4.2 复合储能容量优化配置分析

电池储能和抽水蓄能的容量优化包括功率和电量容量两部分,合理配置电池和抽蓄的功率/电量容量是实现系统总费用最小化的关键。基于第3节的复合储能容量优化模型,依次对电池储能及抽水蓄能的容量进行优化。

采用不同容量的电池储能对风电进行平抑,只会改变风电并网曲线的波动性,这将主要影响电池投资等年值和机会补偿费用,而对系统的煤耗费用影响可忽略。因此,在确定电池储能的最优配置容量时,仅对电池储能的投资等年值和机会补偿费用进行分析,对于确定的PB下,不同电池电量容量下的相应费用变化曲线如图5所示,其中电池储能的投资等年值对应右侧坐标轴,其余指标对应左侧坐标轴。

由图5可知,对于确定的PB,电池储能系统的投资等年值随其电量容量的增加呈先减小后上升的趋势,而不是单调递增。原因在于EB增加初期,BESS的使用寿命随EB的增加明显延长,故投资等年值下降;随着EB的继续增加,虽然BESS的寿命仍有延长,但由于配置规模较大,投资总成本较大,故投资等年值转向上升趋势。当PB一定时,系统的两个费用总和随EB的增加先减小后增大。其原因在于,当EB较小时,电池储能无法满足跟踪风电并网功率的需求,机会补偿费用较大,故系统总费用较大;随着EB的增加,BESS的调节能力增强,机会补偿费用减小,两个费用的总和减小。当EB配置到一定规模时,受储能功率容量的约束,机会补偿成本减小的趋势减缓并趋于饱和,而储能系统的投资等年值及运行维护费用的增加使得系统总费用增加。在对不同功率/电量容量的电池储能系统进行计算后,得到BESS的最优配置规模为80  MW/250 MW•h,占风电场装机容量的10.4%。

图5 不同BESS电量容量下的费用分析(PB=80 MW)

当电池储能取最优容量时,计算在不同抽水蓄能机组容量时,系统总费用与抽水蓄能容量的关系见图6所示,其抽水蓄能投资等年值对应右侧坐标轴,其余指标对应左侧坐标轴。从图6中可以看出,系统总费用随抽蓄台数的增加先减小后增大,其原因在于增加抽水蓄能电站的容量能够提高系统的削峰填谷能力,降低火电机组的运行成本,从而使系统年总费用降低。受系统净负荷特性的影响,抽蓄装机容量达到200  MW时,若继续增加,抽蓄调峰功能的经济效益趋于饱和,而投资成本持续增长。同理,可以确定出抽水蓄能电站的最优库容。由此得到系统中抽水蓄能机组最优配置容量为200  MW/1000 MW•h,占风电场装机容量的23.8%。

图6 配置不同抽水蓄能规模下的系统年总费用

4.3 不同风电渗透率下的复合储能优化

提高并网风电的渗透率,采用4.2节的容量优化方法,分别获得不同风电渗透率下的复合储能系统的容量优化结果见表1所示。

表1 不同风电渗透率下的储能容量优化结果

大幅提高风电的并网规模增大了系统对电池储能的容量配置要求,由表中数据看出,电池储能容量未按照风电并网渗透率的增长而等比例增加。当风电渗透率由30%增加至35%时,此时风电渗透比率的增加使系统有更大的调峰需求,抽水蓄能容量由200  MW增加至300  MW;当风电渗透率由35%增加到40%时,系统的调峰需求继续增大,通过衡量增加的投资及维护费用以及现有容量的抽水蓄能的削峰填谷能力满足系统的调峰需求的程度,确定出仍为系统安装300  MW的抽水蓄能可以获得经济最优。当风电渗透率超过40%时,系统的弃风惩罚费用逐渐增大,导致系统整体经济性下降,说明了系统能够消纳的风电容量不能无限制地增长,且系统能够消纳风电的容量与储能系统的投资成本有很大关系。由此可以看出,在本算例系统中,45%以下风电渗透率的并入,可以提高系统的经济性,配置储能系统成本小于弃风惩罚成本,也验证了在一定的风电并网规模下,接纳更多风电可以降低系统成本。

由此看出,基于本文的风电并网功率制定方法,采用由电池/抽蓄构成的复合储能系统可满足系统的平抑波动及调峰要求。通过电池储能与抽水蓄能的协调运行,充分发挥储能系统的作用,提高风电渗透率,从而降低系统的总成本。

5 结论

为了提高风电的并网规模,本文提出了由抽水蓄能/电池构成的复合储能系统容量优化模型。通过对算例系统进行仿真分析,验证了模型的有效性并得出以下结论:

1)提出了风电典型出力场景及特殊出力场景的确定方法。其中原始风电出力的主要特征由典型出力场景表征;某些出现概率较小但对本文所研究的储能容量配置问题影响极大的出力由特殊出力场景表征。

2)提出了计及电网调度计划及风电并网功率波动率限制的风电并网功率优化制定方法。该风电并网功率优化制定的目的是尽量减小电池储能充放电功率,这样不仅能够降低电池储能的寿命损耗,而且能够使风电场-电池储能系统联合输出功率更加适应电网调度运行计划。

3)本文提出的复合储能容量优化模型,该模型以储能投资等年值、及各类运行成本之和为目标函数,能够确定使接入风电系统整体技术经济效益最佳的复合储能容量配置规模。算例分析结果验证了系统通过配置储能能够提高接入风电的利用率,有助于系统消纳风电比例的提高。

参考文献

[1] 黄杨,胡伟,陈立.基于两阶段优化的风储联合发电系统日前发电计划模式[J].电力系统自动化,2015,39(24):8-15. Huang  Yang,Hu Wei,Chen Li.Day-ahead generation scheduling plan modes for large-scale  wind-storage combined power generation system based on two-stage  optimization[J].Automation of Electric Power Systems,2015,39(24):8-15(in  Chinese).

[2] Etherden N,Bollen M H J.Dimensioning of Energy Storage for Increased  Integration of Wind Power[J].IEEE Transactions on Sustainable  Energy,2013,4(3):546-553.

[3] 袁小明,程时杰,文劲宇.储能技术在解决大规模风电并网问题中的应用前景分析[J].电力系统自动化,2013,37(1):14-18. Yuan  Xiaoming,Cheng Shijie,Wen Jinyu.Prospects analysis of energy storage application  in grid integration of large-scale wind power[J].Automation of Electric Power  Systems,2013,37(1):14-18(in Chinese).

[4] Makarov Y V,Du P,Kintner-Meyer M C W,et al.Sizing energy storage to  accommodate high penetration of variable energy resources[J].IEEE Transactions  on Sustainable Energy,2012,3(1):34-40.

[5] 郑乐,胡伟,陆秋瑜,等.储能系统用于提高风电接入的规划和运行综合优化模型[J].中国电机工程学报,2014,34(16):2533-2543.  Zheng Le,Hu Wei,Lu Qiuyu,et al.Research on planning and operation model for  energy storage system to optimize wind power integration[J].Proceedings of the  CSEE,2014,34(16):2533-2543(in Chinese).

[6] 严干贵,刘嘉,崔扬,等.利用储能提高风电调度入网规模的经济性评价[J].中国电机工程学报,2013,33(22):45-52. Yan  Gangui,Liu Jia,Cui Yang.Economic evaluation of improving the wind power  scheduling scale by energy storage system[J].Proceedings of the  CSEE,2013,33(22):45-52(in Chinese).

[7] Zhang N,Kang C,Kirschen D S,et al.Planning pumped storage capacity for  wind power integration[J].IEEE Transactions on Sustainable  Energy,2013,4(2):393-401.

[8] 王成山,于波,肖峻,等.平滑可再生能源发电系统输出波动的储能系统容量优化方法[J].中国电机工程学报,2012,32(16):1-8.  Wang Chengshan,Yu Bo,Xiao Jun.Sizing of energy storage systems for output  smoothing of renewable energy systems[J].Proceedings of the  CSEE,2012,32(16):1-7(in Chinese).

[9] 徐国栋,程浩忠,马紫峰,等.用于平滑风电出力的储能系统运行与配置综述[J].电网技术,2017,41(11):3470-3479. Xu  Guodong,Cheng Haozhong,Ma Zifeng,et al.An overview of operation and  configuration of energy storage systems for smoothing wind power  outputs[J].Power System Technology,2017,41(11):3470-3479(in Chinese).

[10] Dupacova J,Growe-Kuska N,Romisch W.Scenario reduction in stochastic  programming:an approach using probability metrics[J].Mathematical  Programming:Series A,2003,95(3):493-511.

[11] 马溪原. 含风电电力系统的场景分析方法及其在随机优化中的应用[D].武汉:武汉大学,2014.

[12] 娄素华,易林,吴耀武,等.基于可变寿命模型的电池储能容量优化配置[J].电工技术学报,2015,30(4):265-271. Lou  Suhua,Yi Lin,Wu Yao,et al.Optimizing development of battery energy storage based  on lifetime prediction[J].Transactions of China Electrotechnical  Society,2015,30(4):265-271(in Chinese).

[13] 罗鹏,杨天蒙,娄素华,等.基于频谱分析的微网混合储能容量优化配置[J].电网技术,2016,40(2):376-381. Luo  Peng,Yang Tianmeng,Lou Suhua,et al.Spectrum analysis based capacity  configuration of hybrid energy storage in Microgrid[J].Power System  Technology,2016,40(2):376-381(in Chinese).

[14] Wang C,Shahidehpour S M.Effect of ramp-rate limits on unit commitment  and economic dispatch[J].IEEE Transactions on Power  System,1993,8(3),1341-1350.

[15] Grigg C,Wong P,Alvrecht P,et al.The IEEE reliability test  system-1996[J].IEEE Transactions on Power System,1999,14(3):1010-1018.

[16] 王伟胜,迟永宁,戴慧珠,等.GB/T 19963-2011风电场接入电力系统技术规定[S].北京:中国标准出版社,2011.

[17] Fouad A C,Patrick B,Gilles F,et al.Impact of energy storage costs on  economical performance in a distribution substation[J].IEEE Transactions on  Power Systems,2005,20(2):1-5.

[18] 蒋凯,李浩秒,李威,等.几类面向电网的储能电池介绍[J].电力系统自动化,2013,37(1):47-53. JiangKai,Li  Haomiao,Li Wei.On several battery technologies for power grids[J].Automation of  Electric Power Systems,2013,37(1):47-53(in Chinese).

[19] 胡泽春,丁华杰,孔涛.风电-抽水蓄能联合日运行优化调度模型[J].电力系统自动化,2012,36(2):36-41. Hu  Zechun,Ding Huajie,Kong Tao.A joint daily optimization model for wind power and  pumped-storage plant[J].Automation of Electric Power Systems,2012,36(2):36-41(in  Chinese).

投稿与新闻线索:陈女士 微信/手机:13693626116 邮箱:chenchen#bjxmail.com(请将#改成@)

特别声明:北极星转载其他网站内容,出于传递更多信息而非盈利之目的,同时并不代表赞成其观点或证实其描述,内容仅供参考。版权归原作者所有,若有侵权,请联系我们删除。

凡来源注明北极星*网的内容为北极星原创,转载需获授权。

储能技术查看更多>储能系统查看更多>抽水蓄能查看更多>