孤网运行下新能源配比与储能配置研究

杨菠，邵如平，张佑鹏

(南京工业大学，江苏南京211816)

孤网运行下新能源配比与储能配置研究

杨菠，邵如平，张佑鹏

(南京工业大学，江苏南京211816)

结合某风光水互补微网，讨论了孤网运行时，不同新能源发电比例对储能容量配置的影响。介绍了储能配置优化方法，建立了数学模型。通过优化仿真实例，分析了不同新能源发电比下使得储能配置容量最小的光电、风电、小水电配置情况，验证了优化方法的可行性。

新能源发电；孤网运行；储能配置

随着化石能源的衰竭，新能源发电(如光伏发电、风力发电、小水电等)的利用渐渐得到人们的重视[1]。然而对于光伏发电、风力发电与小水电，其发电方式受地区天气状况、季节因素影响，存在较强的间歇性、随机性，因此需要配置一定的储能来平抑这些新能源所带来的波动[2]。

根据一项欧洲风光互补发电系统储能配置的研究报告，每年大约有12%～15%的能量消耗在能量的存储与释放过程中。就欧洲当地情况而言，风力发电的发电量占到60%而光伏发电量占40%。这样的混合发电比例不仅能够很好地抵御季节性的依赖，同时也可以削弱对负荷的负面影响。如果将风光发电比改为100%的风力发电或者100%的光伏发电，则不仅输变电设备的利用率较低，而且所需配置储能的数值也会大大的增加[3－4]。因此，研究新能源发电配比对储能配置的影响具有重要意义。

1 储能配置优化方法简介

某示范工程由光伏发电、风力发电和小水电三个部分组成互补微网，选取该地区3年风、光、水以及负荷平均值作为典型年的数值进行分析。在典型年中风、光、水及负荷曲线如图1所示。

图1 典型年中风、光、水及负荷变化

由于本文所讨论的内容是在孤网运行之下，新能源配比对储能容量配置影响的问题。因此，为了简化分析，典型年之中的风、光、水及负荷的数据均除以了其年平均值，以此进行标幺，从而使得风、光、水与负荷的平均值均为1[5]。

设风、光、水每小时的输出功率及负荷所消耗的功率分别为W(t)、S(t)、H(t)和L(t)，则每小时的功率失配可以表示为：

此表达式也直接决定了所需要的存储容量。式中：g表示的是新能源发电比例，g－1代表的是新能源相较负荷平均多发电量。a、b、1－a－b分别对应于光伏、水电与风电的份额。

图2所示为一年中，当新能源相对负荷比g=1.2时该地区的失配情况。图2中蓝色部分所表示的是新能源发电量大于负荷时多发出的功率，红色部分所表示的是尚不能供给负荷的欠发功率。由于g=1.2，因此全年中多发出功率的总额将表现出大于全年欠发电量的总和，即在图2中表示为：蓝色区域的面积大于红色区域的面积。每日风光水与负荷的失配情况与季节呈现很强的相关性，当某一阶段中风、光、水等资源较为充沛时，将会有多余电量剩余。

图2 每日新能源与负荷的失配情况

当功率失配为正值时，表示多发的电量能够被储能装置所存储，其存储的效率为hin。当功率失配为负值时，欠发电量能够通过储能装置释放出来，其释放电能的效率为hout[6]。这里将储能装置存储与释放能量的表达式记为：

式中：H_store(t)表示在没有限制条件下储能装置所储存的能量随时间变化的情况。在风光水和负荷情况确定以及新能源发电比、储能装置充放电效率因子确定的情况下，H_store(t)会相应生成。基于以上条件，所选择的最小化储能配置容量可表示为：

如图3所示，由于在所选定的典型年年初风光水资源条件不是很充沛，所以储能装置在短暂的增加后就会减少。随着时间的增加，风光水资源逐渐增加，这也会使得储能装置在这段期间中能量持续增长。所需配置储能容量的标幺值为当地年负荷值的20.14%，这一数值是相当大的。这是由于平均发电功率减去储能的消耗仍大于负载。因此，所需配置储能的数值将会随着时间的增加而增加。在这种情况下，简单的采用全部时间段上存储容量的最大值减去最小值就会显得没有意义。因此，重新定义配置容量表达式为：

图3 每日新能源与负荷的失配累计

当配置容量以上述表达式来表示时，仅关注新能源多发电量下的储能装置对外放电时使储能降低的情况，即使储能装置在对外放电时储能不会出现负值。在t时刻没有限制下的存储容量等级是H_store(t)。对于t'≤t的时间段中，没有限制下的存储容量等级不会小于。这两种储能容量等级的差值反映了在任意t时刻需要对外释放存储的能量。在整个时间段上的最大值即为所需配置的能量容量EH。

根据表达式(4)中所需配置储能容量的定义，在没有限制的存储容量等级的表达式能够转化为有限制条件下的存储容量等级，其随时间变化的情况可表示为：

按照这样的定义，所限制的容量等级将不会超过存储容量上限EH。如果对于在储能装置具有较大的储能初始值0

如图4所示，当达到限制值EH=0.013 4后，储能装置将无法吸收多余的新能源所发出的能量，因此将会使得风光水多发的电量被舍弃。而这一点也正是与没有限制储能容量最大值情况时的主要不同点。

图4 满足最大负荷缺额供应时储能变化关系

2 新能源配比与储能配置优化仿真实例

2.1 确定新能源发电比下储能配置的优化

利用上节所述优化方法，假设该地区的新能源发电比g为1.3，则表示需配置的当地新能源发电量为负荷的1.3倍。不妨假设实际储能的综合充放电效率为0.36，且充放电效率相等则讨论各种新能源配置比例对储能配置的影响。

采用剖分网格的方法，直接绘制该种情况下所需配置储能随决策变量光伏配置比例、储能配置比例变化的关系图。仿真结果如图5所示，其中a代表的是光伏配置比例，b代表的是小水电配置比例，则1－a－b为风能的配置比例。

如图5所示，图5中的右上侧深蓝色区域表示的是各项比例之和大于1而不去考虑的区域。可行域在该图形的左下侧，所需配置的储能容量大小随着颜色逐渐加深而数值减小。可以通过观察发现，为使得所需配置储能容量尽可能的减小，需要配置70%左右的小水电资源而所需光伏配置量较少，主要起到辅助的作用。

图5 新能源配置比例与储能配置关系

采用遗传算法对各种新能源比例进行优化，确定其最优配置比例。编写遗传算法函数，选择种群个体数目为50，最大遗传代数为50代，代沟为0.9，重组概率为0.7，变异概率采用变异函数默认概率。运行程序，可以得到种群经过50代迭代后解的变化情况如图6所示。可从图6中发现，从第一代开始所优化的所需配置储能容量的数值相对较小，为0.00675，随着遗传算法迭代代数的增加，在12代以后储能容量的数值相对较为稳定，此时最优解为配置光伏发电占新能源发电比例的3.82%，小水电占新能源发电比例的74.63%，则风电占新能源发电比例的21.55%。此时所需配置储能容量就相对较小为0.0061。

图6 经过50代后配置储能的变化情况

2.2 改变新能源发电比的储能配置优化

上一节中主要对于确定的新能源发电比进行优化分析。同样的，考虑储能装置在存储和释放电能的时候存在一定的功率损耗，其综合充放电效率为0.36，则有现在则重点考虑改变新能源发电比来确定各种新能源配置与储能容量配置关系。

(1)改变新能源发电比对各种新能源配置影响

图7所示为改变新能源发电比g并采用遗传算法确定各种情况下的最优新能源比例。从图7中可见，为了使得不同新能源发电比下储能配置最小化，光伏发电在新能源中所占比例相对较小约在7%～10%，起到辅助的作用。小水电发电比例占新能源配置比例相对较高而风电发电比例所占新能源配置比例略低于小水电发电比例。当新能源发电比例相对较小时，小水电与风电配置比例较为接近约为50%，之后随着新能源发电比例增加，小水电配置比例略有增加，稳定在70%左右，而风电配置比例有所减少稳定在25%左右。

图7 不同新能源发电比所对应的最优新能源配置比例

(2)改变新能源发电比对储能容量配置影响

图8表示了不同新能源发电比所对应的最优储能装置容量配置比例情况。从图8中观察可以发现，所需配置的储能会随着新能源发电比g的增加而减小。这是因为，增加新能源发电比，意味着需要配置更多的新能源发电设备。大幅增加新能源发电比的同时，虽然降低了储能装置容量的配置，但是也大大增加了新能源发电设备的投入。同时，由于储能装置容量配置较小，在大多数的孤网运行的情况下，新能源所发电能均被舍弃。综上所述，适当的增加新能源发电比，可以在不大幅增加发电设备的同时使得储能配置容量降低。从图8中可知，选取1.1～1.2较为合适。

图8 不同新能源发电比所对应的最优储能装置容量配置比例

对应不同新能源发电比的情况下，各种新能源的优化比例与储能配置关系总结在表1中。

2.3 新能源配置与储能配置综合分析

上一节中主要改变新能源发电比进行新能源储能优化配置分析。同样的，考虑储能装置在存储和释放电能的时候存在一定的功率损耗。其综合充放电效率为0.36，则有hin=hout=现将不同新能源发电比的优化结果进行分析与讨论。

从图9中可见，在相同的新能源发电比下，通过各种新能源配置比例优化可以实现储能配置容量大幅降低。而单一的使用风、光、小水电等新能源作为新能源发电设备为满足供电可靠性，所需配置的储能容量相对较大。一方面，这不仅增加了储能容量的配置成本，另一方面也增加了新能源发电设备的投资成本与多发出电的浪费。所以，本文中所提出的新能源配置优化方案将能很好地实现新能源发电配比优化从而使得储能装置容量配比最小化。

图9 不同新能源发电比在不同新能源发电成分情况所对应的储能配置比例

就该方法能实现新能源发电配比优化而使储能装置容量配比最小化的主要原因进行深入分析。在新能源发电比g=1.2的情况下，选取两种新能源比例进行分析。其中第一种新能源比例是人为地随意指定光伏发电占新能源发电比例的25%，风力发电占新能源发电比例的45%，则小水电发电占新能源发电比例的30%。在考虑新能源发电比可变的情况下，其所需配置的储能装置如图9中粉色曲线与红色曲线所示情况。可见在各种情况下，通过优化方法所求解得出的新能源配置比例均可以实现配置储能容量的最小化。

图10展示了两种不同新能源比例情况下的每日储能变化情况。其中图10(a)是取光伏发电占新能源发电比例的25%，风力发电占新能源发电比例的45%，则小水电发电占新能源发电比例的30%；而图10(b)指的是按照优化方案所确定的新能源比例情况进行配置储能的情况。从图10(a)可见，在典型年的前五个月中储能装置不仅无法储蓄足够的能量而且还需要对外释放能量以满足负荷的正常供应。这也就要求在安装储能装置，需要对储能装置进行充电，才可能满足该系统在孤网运行时对于负荷的正常供应。这一点显然是不合理的。同时在新能源条件有所改善时，也将有大量的新能源多发电量而不能被储能装置吸收而舍弃，造成资源的浪费。而通过优化配置新能源发电比例方案却能够很好地结合当地的风、光、水等资源，进行合理的配置。从而使得在负荷相对较重而新能源资源相对不是很优越的情况(如图10中选取典型年60日～130日)到来之前，利用新能源对储能装置进行足量的充电。这也将大大减小储能容量的配置。这一点无论是对于提高新能源投资项目的经济性还是供电可靠性都是有利的。

图10 两种不同新能源比例情况下的每日储能变化情况

3 结论

结合某风光水互补微网示范工程，讨论了孤网运行时，不同新能源发电比下为使得储能配置容量最小的小水电、风电、光电等配置情况。考虑在孤网运行时，将新能源发电比定为1.1～1.2。本文中选择了新能源发电比g=1.2的情况进行讨论，此时当光伏发电配置比例为1.92%，风力发电配置比例为17.19%，小水电发电配置比例为80.89%将会使得所需配置的储能容量配置最小为0.0153。同理，也可以根据孤网运行实际新能源发电比条件来确定相应的新能源配置比例，以使得储能容量最小化。

[1]田军.分布式发电系统储能优化配置[D].北京：华北电力大学，2011.

[2]刘殿海，杨勇平，杨昆，等.分布式发电优化配置研究[J].工程热物理学报，2006，27(1)：9-12.

[3]徐林，阮新波，张步涵，等.风光蓄互补发电系统容量的改进优化配置方法[J].中国电机工程学报，2012，32(25)：88-98.

[4]AJAY-D-VIMALRAJP，SENTHILKUMARS，RAJAJ，etal.Optimizationofdistributedgenerationcapacityforlinelossreduction andvoltageprofileimprovementusingPSO.Elektrika[J].Journalof ElectricalEngineering，2008，10(2)：41-48.

[5]何勇琪，张建成.独立型风光互补系统中储能容量优化研究[J].电力科学与工程，2012，28(4)：9-13.

[6]杨珺，张建成，周阳，等．针对独立风光发电中混合储能容量优化配置研究[J]．电力系统保护与控制，2013，41(4)：38-44.

New energy power generation ratio and energy storage configuration under islanded operation

YANG Bo，SHAO Ru-ping，ZHANG You-peng
(Nanjing Tech University，Nanjing Jiangsu 211816，China)

Combined w ith a photovoltaic，w ind power and hydro-powerm icro grid，the impacts of differentproportions ofnew energy powergeneration on the configuration ofenergy storage capacity were discussed.The energy storage configuration optim ization method was introduced，and mathematical model was established.By simulating optim ization examp les，the differentnew energy power generation ratio was analyzed to make the m inimum energy storage configuration of photovoltaic，w ind power and small hydro-power，verifying the feasibility of optim ization method.

new energy powergeneration;islanded operation;energy storage configuration

TM 131

A

1002-087 X(2016)07-1469-04

2015-12-06

杨菠(1990—)，男，江苏省人，硕士，主要研究方向为分布式光伏发电、微电网和工程应用。