考虑新能源消纳的区域多能源系统网格化储能协调优化模型

2020-11-18 08:09康赫然韩永强张秀路金红洋
可再生能源 2020年11期
关键词:储热网格化储能

孙 碣, 康赫然, 韩永强, 张秀路, 金红洋

(1.国网内蒙古东部电力有限公司 经济技术研究院, 内蒙古 呼和浩特 010020; 2. 沈阳工业大学 电气工程学院, 辽宁 沈阳 110870)

0 引言

多能源系统能够有效兼容多种形式能源,保障多样化供能系统运行的持续可靠。 近年来,随着区域多能源系统中分布式储电、储热渗透率不断提高,电能热能之间的复杂能量协调问题日益突出,给多能源系统运行带来了新的挑战[1]~[5]。

针对多能源系统优化运行问题,国内外学者从多种类能源传递、转换与存储过程的系统协同运行机制研究出发,在多能流协调优化方面做了大量研究工作。 文献[6]针对电热耦合多能源微网运行优化及风电消纳问题,提出了基于电热协同的混合储能模型及其优化控制策略,实现多能源微网自治优化运行。 文献[7]利用多种类能源的转化与存储特性,以系统运行成本为目标,提出不含电池储能的多能源系统多源储能协调模型及优化运行策略,可有效提高多能源系统的调节能力。 文献[8]针对多能源系统内能量流特性,对多能流计算方法进行研究,以扩展Newton-Raphson为基础,针对多能源系统中的天然气管网压缩机简化模型以及多能源协同互动耦合机制,提出电热气多能流计算模型,实现了多种能量互动的快速有效分析。 文献[9]针对多能源系统优化调度问题,建立基于能源集线器的多能源系统模型,并在此基础上提出多能源系统分层优化调度方法,有效地降低了系统运行成本。

以上研究主要针对多能源系统运行问题,通过对系统中大容量能源转换设备、 电热气能量存储设备和其他可控单元进行协同控制, 实现多能源系统优化运行并提升新能源消纳能力。然而,随着分布式多能源储能分散接入系统的规模不断增加, 传统集中式运行优化模型和以微网作为基本运行单元进行系统分区后建立的集群协调优化模型, 均难以应对含分散式储能接入多能源系统所带来的变量维度升高、时间尺度多样化、运行场景特征复杂等问题, 不能充分挖掘分布式储能的调节潜力,难以发挥分布式储能系统的调节优势。因此,从储能分区角度出发,有效利用区域多能源系统中分布式储能资源的灵活动态调节特性, 研究网格化储能协调运行机制, 对促进新能源消纳和提升多能源系统能量动态平衡效果具有重要意义。

本文提出了一种考虑新能源消纳的区域多能源系统网格化储能协调优化模型。首先,研究计及电力热力能源网络和分布式储能的区域多能源系统模型;然后,考虑储能节点调节容量和传输容量约束,进行网格化储能分区,量化不同分区下的储能运行成本;最后,以综合运行成本最小化为目标, 构建区域多能源系统网格化储能协调优化模型。 通过仿真算例验证所提方法的有效性。

1 含多能源网络分布式储能的区域多能源系统模型

1.1 区域多能源系统

区域多能源系统主要由配电子系统和供热子系统组成,子系统之间通过能源耦合单元进行能量交互。本文建立的包含风电、光伏、分布式储电、分布式蓄热式电锅炉以及电、热负荷的区域多能源系统拓扑模型如图1 所示。

图1 区域多能源系统拓扑结构图Fig.1 The topology structure of regional multi-energy system

由于区域多能源系统各种能源供给网络之间的深度融合,以及多能源网络中分布式储能单元具有对电能、热能的多时间尺度能量迁移特性,因此在区域多能源系统建模过程中,须要考虑多能源网络参数和分布式储能的动态调节特征参数对系统模型的影响。

1.2 电力热力能源网络建模

(1)配电网络建模

在配电网络建模中,主要考虑风电、光伏、分布式储电、配电子系统潮流和电负荷模型。 配电网络模型为

式中:PWP,i,t,PPV,i,t分别为配电网络节点i 在t 时刻的分布式风电、光伏出力;PWP,i,max,PPV,i,max分别为配电网络节点i 的风电、光伏出力上限;PELoad,i,t为电负 荷, 其 上 下 限 约 束 分 别 为PELoad,i,max,PELoad,i,min;SEEs,i,t为分布式储电容量;PchEEs,i,t,PdisEEs,i,t分别为分布式储电的充放电功率;δEEs,ηchEEs,ηdisEEs分别为分布式储电的损耗率、 考虑电能转换效率的充电效率和放电效率;Pi,t,Qi,t分别为考虑能源耦合单元的配电网络节点注入有功和无功功率;Y 为高比例分布式储能配电网络节点导纳矩阵;U·为高比例分布式储能配电网络节点电压相量。

(2)供热网络建模

在供热网络建模中, 主要考虑分布式蓄热式电锅炉作为热源、 热负荷以及环状供热子系统热力-水力潮流模型。 供热网络模型为

式中:PchHEs,j,t为供热网络节点j 在t 时刻电锅炉的制热功率,即储热装置的热量注入功率;PdisHEs,j,t为分布式储热装置作为热网热源时对供热网络释放的热功率;PEB,j,t为电锅炉的电功率;SHEs,j,t为储热装置容量;ηEB,δHEs,ηchHEs,ηdisHEs分别为分布式电锅炉效率、分布式储热装置的损耗率、考虑热能转换效率的分布式储热吸热效率和放热效率;PHLoad,j,t为 热 负 荷, 其 上 下 限 约 束 分 别 为PHLoad,j,max,PHLoad,j,min;Cp为水的比热容;mt为高比例分布式储能供热网络节点流出的流量矩阵;Ts,t,To,t为供热网络节点中热水的温度矩阵, 下标s 和o 分别代表流入和流出;ΦSta为热网中初始的热功率矩阵;B 为供热网络回路-支路关联矩阵;m 为热网管道流量矩阵;K 为供热网络管道阻尼系数矩阵。

2 网格化储能划分方法

网格化储能划分不仅要考虑网格内部储能的联合协作特性即调节容量, 还应该考虑网格外部多能源网络节点之间的功率协调特性即传输容量。 网格化储能划分是在研究能源系统的能量平衡特性基础上, 根据储能消纳新能源过程中的储能节点调节容量和储能节点传输容量作为储能分区指标, 进行基于储能分区的网格化储能划分算法;同时,也是不同分区下储能参与新能源消纳调节成本量化的重要环节。 网格化储能划分过程如图2 所示。

图2 网格化储能划分过程示意图Fig.2 The diagram of partition method of grid-based energy storage

储电、储热的分区指标γEEs,γHEs,分别由储电、储热节点调节容量指标和储电、 储热节点传输容量指标耦合而成:

式中:βEEs,1,βEEs,2,βHEs,1,βHEs,2分别为各项指标权重系数, 采用变异系数法进行权重系数选取;fEEs,1,fHEs,1分别为分布式储电、 储热节点的调节容量指标;fEEs,2,fHEs,2分别为分布式储电、储热节点的传输容量指标。

储电、 储热节点调节容量指标可根据储能节点的容量状态进行计算,分布式储电、储热的调节容量指标分别为

式中:SEEs,i,max,SHEs,j,max分别为多能源系统中储电节点、储热节点的最大容量。

储电、 储热节点传输容量指标可根据储能节点参与能量平衡调节时的线路或管道容量状态进行计算,分布式储电、储热的传输容量指标分别为

式 中:PEEs,is,max,PHEs,is,max分 别 为 多 能 源 系 统 中 储 电节点、 储热节点所连接支路的最大有功传输容量和最大流量传输容量;Ns,Nm分别为与节点i、节点j 所连接节点数量总和。

本文采用K-means 聚类方法对γEEs和γHEs进行聚类,从而得到网格化储能划分结果。以网格化储电划分为例, 网格化储热划分可参考网格化储电划分流程, 具体步骤如下: ①计算初始聚类中心,对储能分区指标γEEs样本进行随机选取,得到聚类中心;②更新样本,计算所有样本与中心的距离, 并基于最近距离对中心样本数据集合进行更新;③更新聚类中心,对中心样本数据集进行均值计算,更新储能分区指标中心;④重复②和③,直到聚类中心收敛, 从而得到网格化储能划分个数NγEEs。

3 区域多能源系统网格化储能协调优化模型

3.1 目标函数

区域多能源系统网格化储能协调优化目标函数由电网购电成本fex、 分布式储电运行成本fEEs、分布式储热运行成本fEEs及弃风、弃光成本fAW,fAP组成:

式中:P0,t为区域多能源系统向外部电网购电功率;ωgrid,t为购电价格。

(2)分布式储能运行成本

分布式储能运行成本是在传统储电、 储热设备运行成本基础上, 量化储能在消纳新能源过程中调节出力而产生的附加成本。因此,分布式储电运行成本fEEs和分布式储热运行成本fHEs分别由设备运行成本和调节成本两部分组成:

式中:fEEs,op,fHEs,op分别为储电、 储热设备运行成本;fEEs,ad,fHEs,ad分别为储电、储热的调节成本。

分布式储能设备运行成本主要由设备的固定运行维护成本组成[6]:

式中:g(·),h(·)分别为不同分区下储电、储热设备的附加调节成本系数量化函数, 该函数根据网格化储能划分后分布式储能所处划分区域而建立。

(3)弃风弃光成本

式中:PmaxWP,m,t,PmaxPV,n,t分别为风电、光伏在t 时刻的出力上限;ωAW,ωAP分别为弃风、 弃光的惩罚因子。

3.2 约束条件

(4)网络约束

网络约束如式(1)、式(2)所示。

4 算例分析

根据我国北方某区域多能源系统实际运行数据为参照, 基于MATLAB 建立包含分布式储电、储热的区域电热耦合系统仿真模型, 并调用CPLEX 进行求解。 区域多能源系统电热耦合关系如图1 所示。 电力热力供能网络详细参数见文献[10]。调度周期为24 h,单位调度步长为1 h。该区域电热负荷曲线如图3 所示。风电、光伏以及分布式储能参数如表1 所示。

图3 区域电热负荷曲线Fig.3 The curves of electrical load and heat load

表1 风电、光伏以及分布式储能参数Table 1 The parameters of wind power, PV and distributed energy storage

为对比分析多能源系统网格化储能协调模型的有效性以及新能源消纳效果, 本文设置区域多能源系统的3 种运行方式。 方式1:不考虑弃风弃光成本, 且分布式储能运行成本仅考虑固定运行成本;方式2:考虑弃风弃光成本,且分布式储能运行成本仅考虑固定运行成本;方式3:考虑弃风弃光成本, 且分布式储能运行成本考虑网格化储能动态调节成本,即本文所提方法。

表2 给出了3 种运行方式结果。从弃风率、弃光率、 外购电量和运行总成本等方面进行对比分析, 方式2 和方式3 的弃风弃光率要明显低于方式1, 表明利用弃风弃光量化成本可有效提高系统对于新能源的接纳能力。 方式3 比其他两种方式的外购电量明显下降,表明随着风电、光伏利用率的提升,区域多能源系统可通过系统能量协调而降低对外电网的购电需求。分布式储能的精细化能量管理,有利于进一步提升系统内部新能源的利用率。 值得注意的是,方式3 虽然新增考虑网格化储能动态调节成本,但由于弃风弃光率和外购电量下降,总运行成本仍较方式1 和方式2 有明显降低。 因此,与方式1 和方式2 相比,方式3 更适于大规模分布式储能分散接入条件下的系统调度,区域多能源系统运行的综合效益明显提升。

表2 不同运行方式的结果对比Table 2 The comparison of results in different operating modes

为进一步验证本文所提方法对提升多能源系统能源利用效率的有效性, 将各运行方式下系统能量消耗量与能量生产量做比值处理, 得到不同时刻的能源利用效率ηsys,t,其计算公式如下。

图4 为不同运行方式下能源利用效率的对比结果。

图4 不同运行方式下能源利用效率Fig.4 The comparison of energy efficiency in different operating modes

从图4 可以看出,在一个调度周期内,方式3的能源利用效率明显高于方式1 和方式2, 这是由于方式3 的分布式储能设备运行方式是根据新能源发电量、 储能节点调节容量和储能节点传输容量等多种因素进行灵活调整的结果。 该仿真结果验证了本文所提出的方法在提升新能源利用率和降低系统运行成本方面的有效性。

5 结论

本文提出了一种考虑新能源消纳的区域多能源系统网格化储能协调优化模型。首先,研究了由配电网络和供热网络耦合形成的区域多能源系统模型; 针对多能源系统中能量传输特性以及分布式储能动态调节特性, 研究了储能节点调节容量和传输容量约束指标; 基于约束指标进行网格化储能划分, 建立具有灵活调节特性的储能系统模型;最后,考虑综合运行成本,建立了区域多能源系统网格化储能协调优化模型。仿真结果表明,本文所提出的方法对于提升区域多能源系统中的新能源接纳能力, 提高不同调节需求下的分布式储能灵活高效响应能力具有明显优势。

猜你喜欢
储热网格化储能
固体电制热储热装置性能测试与评定
钙镁二元水合盐复合热化学储热单元的储热特性研究
高原高寒地区太阳能供暖储热适用技术分析*
大规模弃风与储热协调调控评估方法
农业农村部部署推进乡镇农产品质量安全网格化管理
储能技术在光伏发电系统中的应用
相变储能材料研究进展
城镇燃气管道网格化动态后果评估方法研究
智慧社区视野下网格化社会服务客体研究
河北发力网格化监管信息化