基于光伏储能系统的能源管理策略研究

张洪伟，林 洪，杨树涛，丰 超

(国网聊城供电公司，山东 聊城 252000)

0 引言

随着人口的不断增长、经济的快速发展，人们对用电量的需求不断上涨，对电能质量的要求不断提高。光伏发电因其资源丰富、能量设施转换简单、环境友好等特点[1]，受到人们的青睐。由于光照强度具有不确定性以及间歇性等特点，导致发电量有很大的波动性，电能质量不高，大规模并入大电网时可能有诸多挑战，如：光伏产能消纳困难、功率潮流倒送等[2]。现阶段主要是通过蓄电池储能、机械储能、电磁储能等储能策略解决上述挑战[3]。

典型的光伏储能系统结构图如图1所示，其由多路光伏系统，多路储能单体系统以及多路负荷组成的微网系统经升压接配电网[4]。

图1 微电网结构图Fig.1 structure diagram of microgrid

光伏储能系统典型的运行模式为[5]：当太阳光发电量大于负荷时，在不考虑逆潮流的情况下，多余的太阳能发电量被初查起来或者强制暂停太阳能发电；当太阳光发电量小于负荷时，由储能系统为负载供电或者通过电网供电[6]，具体情况如表1所示。在这里不考虑频率、电压等离网稳定问题。

表1 功能概要Tab.1 function summary

在不考虑电池容量的价值以及电池充放电的经济成本情况下，仅仅从当前的电力供需角度分析。对于多储能整流器而言传统的充放电控制策略如表2所示。传统控制策略的充放电量分配大都基于简单的平均分配原则，但由于储能电池的温度，充放电倍率，老化特性等等的不一致性[7]，忽略电池状态的分配方法会极大的加速部分电池的老化，缩短电池的使用寿命，不利于高额的投资回收[8]。

本文描述了一种考虑未来电池容量价值并且对电池充放电进行经济评估的方案。后文提到的电池皆是以锂电池为例以连网条件进行说明。在确保可再生能源的尽可能消纳前提下，通过对储能进行合理调度从而减少微网的运行成本和提高系统效率[9]。考虑到光储微网内高渗透率，为避免可再生能源发电预测、负荷预测的误差以及储能系统运行过程中出现的不一致性[10]，本文建立了双层计划模型即日计划和时计划。

1 方案介绍

所提方案根据未来nh（n=48）的每h时间段的太阳能发电量以及负荷，考虑电池可充/可放电量在未来n时间段充放电的经济价值，制定日充放电计划，然后根据当天最新的太阳光发电以及负荷情况，修正日计划并且在每小时制定时计划，合理分配储能整流器的输出设定。

日计划每天00:00时计划未来48 h范围内的储能充放电量以及购电计划。日计划根据未来48 h的太阳能发电量以及负荷预测来计算净负荷，遵从使用再生能源并且峰时不从电网购电的原则，决定未来24 h内以及48 h内的储能充放电量，然后决定未来24 h内的购电计划以及当天充放电量。

时计划每2 h根据最新的太阳能发电量以及负荷预测来计算净负荷，以及电池折算成经济成本的老化状态，分配2 h内每部储能整流器的充放电量目标值。

1.1 日计划目标

1.2 时计划

2 方案详细设计

2.1 日计划

输入数据详见表2。

表2 输入数据Tab.2 input data

输出数据详见表3。

具体处理流程如图2所示。

图2 处理流程图Fig.2 processing flowchart

对于相对简单的只有峰谷电价制度可以采用按如图所示简单的处理流程。

首先进行未来48 h的太阳能发电以及负荷预测来计算净负荷，然后在SOC允许的范围内，峰值时段放电，谷值时段充电，来制定未来48 h大致的充放电计划。

2.2 时计划

输入数据详见表4。

表4 输入数据Tab.4 input data

输出数据详见表5。

表5 输出数据Tab.5 output data

具体处理流程如图3所示。

图3 处理流程图Fig.3 processing flowchart

对于储能容量较小，整流器数量较少的系统可以采用按如图所示简单的处理流程。

首先进行利用最新的信息进行太阳能发电以及负荷预测来计算净负荷，然后根据峰谷时间段确定储能充放电指令，之后再通过子处理流程筛选可充放电储能单体对象，如果数量大于0则按照储能单体SOC的比例算出指令值，如果数量为0则储能系统指令为0。

由图 4可以看出子处理流程筛选流程首先取得各储能单体的SOC，然后根据充电指令还是放电指令，分别判断单体SOC是否高于SOC上限还是低于SOC下限，排除不参与本次充放电的储能单体，生成本次可充放电的储能单体对象。

图4 子处理流程Fig.4 sub-processing flow

3 结论

本文为光伏储能系统提供了优化的储能充放电策略，相比于传统充放电策略，所提方案通过日计划及时计划考虑了光伏储能系统的运营成本以及储能充放电经济成本，进而选择充放电的最优解，大大提高了经济运行效果以及投资回报效率。