Distributed Energy, 2019, 04(03): 16-20 doi: 10.16513/j.cnki.10-1427/tk.2019.03.003

学术研究

考虑功率偏差的工业园区光伏与储能联合优化

郑熠旻

国网福建省电力有限公司莆田供电公司,福建 莆田 351100

Joint Optimization of Photovoltaic and Energy Storage in Industrial Parks Considering Power Deviation

ZHENG Yimin

State Grid Putian Electric Power Supply Company, Putian 351100, Fujian Province, China

收稿日期: 2019-03-05  

Received: 2019-03-05  

摘要

工业园区具有厂房屋面面积大,光伏发电时间与用电高峰重合的特点,配置光储联合系统后能有效降低购电成本,减小光伏对系统的冲击,并在电力市场环境下降低功率偏差带来的经济损失。为得到基于最优储能调度策略下光储联合系统配置方案,以降低购电费用、功率偏差惩罚和线路损耗为目标,建立基于电力市场环境下的光储联合系统优化模型,同时优化光伏和储能的配置容量及储能的调度策略;以工业园区典型日负荷数据为研究对象,分析价格因素和功率偏差水平对配置结果的影响,得到了实际可行的光储配置方案,仿真结果表明,配置合理的光储容量能有效降低成本。

关键词: 光储联合系统 ; 容量配置 ; 调度策略 ; 电力市场 ; 效益分析

Abstract

The industrial park has the characteristics of large roof area and coincidence of photovoltaic power generation time and peak power consumption. Photovoltaic energy storage system can effectively reduce the cost of electricity purchase, the impact of photovoltaic system, and the economic losses caused by power deviation in the power market environment. In order to obtain the configuration scheme of photovoltaic energy storage system based on optimal energy storage scheduling strategy, aiming at reducing power purchase cost, power deviation penalty and line loss, this paper establishes an optimization model of photovoltaic energy storage system based on power market environment, and optimizes the allocation capacity of photovoltaic and energy storage as well as the scheduling strategy of energy storage. Taking typical daily load data of industrial parks as the research object, the impact of price factors and power deviation level on the configuration results is analyzed, and a practical and feasible photovoltaic energy storage configuration scheme is obtained. The simulation results show that a reasonable photovoltaic storage capacity can effectively reduce the cost.

Keywords: photovoltaic energy storage system ; capacity allocation ; scheduling strategy ; electricity market ; benefit analysis

PDF (1006KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

郑熠旻. 考虑功率偏差的工业园区光伏与储能联合优化. Distributed Energy[J], 2019, 04(03): 16-20 doi:10.16513/j.cnki.10-1427/tk.2019.03.003

ZHENG Yimin. Joint Optimization of Photovoltaic and Energy Storage in Industrial Parks Considering Power Deviation. [J], 2019, 04(03): 16-20 doi:10.16513/j.cnki.10-1427/tk.2019.03.003

0 引言

随着化石能源的逐渐枯竭,许多国家和地区都将注意力聚焦于可再生能源的开发和利用[1]。光伏是较为成熟的清洁能源,在工业园区中配置合理的光伏容量,其发电时间与园区用电高峰重叠,能有效降低购电成本[2],减小线路载荷率,进而减少输电走廊现象,降低线路的扩容成本[3]

由于光伏发电功率和负荷预测具有不确定性,增加了用户的购电成本[4],在电力市场环境下,将产生功率偏差带来的惩罚成本[5]。配置光储联合系统既能降低日前市场购电成本,降低光伏对系统的冲击,也能通过电池的充放电策略减小功率偏差[6]

目前,对于光伏或储能的配置问题已有较多研究:文献[7]考虑了电池使用寿命,利用储能补偿机组出力和预测值之间的差值,改善机组的可调度性;文献[8]对有无配置储能的光伏发电系统经济性进行了评估分析;文献[9]对已经配置光伏的分布式电网进行储能配置优化,得出了不同价格下的配置方案;文献[10]从提高电能质量的角度进行了光储系统的配置优化;文献[11]提出了以负荷缺电率和能量溢出比为考核指标的光储容量配置方法;文献[12]提出一种基于傅里叶分解的不平衡功率分析方法,对不同频段配置不同类型的储能容量;文献[13]从机会约束规划的角度对储能容量进行优化配置;文献[14]基于预测区间负荷概率,结合确定渗透率下的光伏出力曲线,提出了一种储能容量配置方法。以往研究中,将光伏储能联合进行优化的研究较少,且将功率偏差值作为一个函数目标进行优化,未从电力市场角度考虑功率偏差问题。

本文针对工业园区典型日负荷曲线,建立光储系统联合优化模型,对其安装的光伏容量、储能容量、储能最大充放电功率和典型日储能充放电曲线进行联合优化。以实现在电力市场环境下最优的光伏装机容量、储能容量和电池充放电策略。

1 系统模型

本文主要关注工业园区光伏和储能配置,将光伏装机容量、储能容量、储能最大充放功率和典型日一个调度周期内储能的最佳调度方式联合优化,以期得到最优调度策略下的优化配置结果。

1.1 目标函数

以工业园区投资光伏和储能后的年费用最小化为目标函数:

minF=C1+C2+C3+C4+C5

式中:C1为光伏设备投资费用,与光伏配置容量有关;C2为储能投资费用,与储能电池容量和储能最大充放电功率有关;C1C2皆为归算维护成本后的等年值;C3为工业园区负荷日前市场的购电费用;C4为购电负荷不平衡的惩罚项;C5为线损费用。

等年值系数Lr表示为

Lr=d(1+d)r(1+d)r1

式中:d为资金折现率,可理解为资金成本;r为设备的使用寿命。分别计算出光伏设备的等年值系数Lg和储能设备的等年值系数Lc。因此有

C1=LgPgfEgf

C2=Lc(PmaxEc. power+SEc. cup)

式中:Pgf为光伏装机容量;Egf为单位功率光伏造价;Pmax为储能最大充放电功率;Ec.power为储能单位最大充放功率造价,主要为变流设备成本;S为储能电池容量;Ec.cap为储能单位电能容量造价,主要是为电池成本。

C3表示为

C3=ρpre(Sload. prdSgf. prd)

式中:ρpre为日前市场的购电价格;Sload.prd为工业园区负荷的预测值;Sgf.prd为工业园区光伏发电出力的预测值;Sload.prdSgf.prd就是在日前市场的购电量。

当工业园区日前净购电出力(考虑光伏实际发电功率以及储能充放电)和实际用电有偏差时将产生偏差惩罚成本,故引入惩罚项C4,表示为

C4=ρunb|SunbSbat|

式中:ρunb为不平衡电量惩罚价格,其值高于日前市场的购电价格;Sunb为工业园区不平衡电量,其值为实际负荷与日前市场购电量的差;Sbat为电池的充放电电量。

C5表示为

C5=ρ(Ptran2U2RT)

式中:Ptran为输电线路传输功率,其值为实际负荷减去实际光伏发电功率与储能充放功率之和;ρ为电价,本文取日前市场购电电价;T为输电时间长度。不同于前4项费用,C5项是非线性项。

1.2 模型约束

光伏的容量配置主要受可安装面积、系统安全性等条件的约束,储能系统的约束主要为储能的电量约束、充放电功率约束和充放次数约束等。

1) 储能充放电状态约束。

同一时刻电池只能有1种动作方式,充电和放电不可能同时进行,因此有

PCHARGE(t)PDISCHARGE(t)=0

式中:PCHARGE为储能电池的充电功率;PDISCHARGE为储能电池的放电功率。

2) 储能爬坡约束。

每个时刻的充放电功率不可以大于电池的最大充放电功率,因此有

{0PCHARGE(t)PmaxPmaxPDISCHARGE(t)0

一般来说,电池不可过快地充放电,快充快放会影响电池的使用寿命。目前已建的储能工程中,通常充满电池至少需要2 h,则有

2PmaxS

3) 储能电量约束。

为防止电池的过充过放造成电池寿命缩短,每一时刻的电池电量都应在0.1S~0.9S之内,即有

0.1SS(t)0.9S

式中S(t)为t时刻的电池电量。

以1 d为调度周期,每日00:00的电池电量要回到调度初始点,以避免对第2日的调度计划带来影响。即电池每日的充放电功率之和为0,其电量不应发生变化,有

PCHARGE(t)+PDISCHARGE(t)=0

电池每个调度周期的调度初始点需要有一定的剩余电量和一定的充电空间,以应对下一时刻可能的充电和放电需要。假设调度初始点电池处于半满状态,即有

S(0)=0.5S

4) 储能充放电次数约束。

若电池在1 d内充放电过于频繁,会严重影响电池寿命。因此需要对单位时间内的充放电里程进行约束,假定每日进行一次充放电循环,则有

PDISCHARGE(t)S

5) 光伏约束。

工程上,为保证分布式电网的稳定可靠运行,网络中配置的不可控清洁能源装机容量一般不超过平均负荷大小的20%。

6) 线路输送容量约束。

PlinePline. max

式中:Pline为线路传输功率,与用电负荷、光伏出力、储能充放电功率有关;Pline.max为线路最大传输功率。

2 算例分析

本文基于某工业园区的实际情况进行仿真,已有数据为园区1 a的负荷数据和日均光照强度,时间精度为小时级,通过拉丁超立方抽样形成典型日负荷数据和光照强度数据,如图1所示。

典型日负荷曲线和太阳辐射强度Load curve and solar radiation intensity of typical dayFig.1

日前市场的平均购电价格为0.45元,随着光伏造价的下降,国家对于光伏发电的补贴逐渐减小,本文暂不考虑光伏补贴带来的影响。光伏所发电能主要就地消纳。储能设备的造价为2500元/(kW·h)和1500元/kW。资金折现率d=0.06。根据1 d进行一次充放电计算,储能设备的使用年限设为11 a;光伏的使用年限设为15 a。惩罚电价设为日前市场平均购电价格的2倍。该工业园区的平均负荷大小约为5 000 kW,在最多配置20%光伏容量的条件下,考虑一定的安全裕度,最多可配置光伏容量约为900 kW。下文将此作为光伏配置容量的上限进行优化,并计算其带来的经济效益。

模型利用Matlab的fmincon工具箱进行求解,该工具箱可求解含非线性约束的二次及以下模型。

2.1 光伏价格对配置结果的影响

功率偏差主要由日前负荷预测误差造成,预测误差使实际可用功率与负荷大小存在一定的偏差,导致电量的不足或浪费,配置储能正是用以降低这一部分的惩罚成本。偏差水平η通过偏差的标准差与负荷大小的均值占比来表示。由文献[15]可知,负荷预测误差一般服从正态分布,因此通过正态分布来模拟功率偏差。

对于某一典型日(功率偏差水平为3%),表1显示了在不同光伏价格下的光伏装机容量、储能容量和储能最大充放功率的配置结果。

表1   不同光伏价格下的容量优化结果

Table 1  Capacity optimization results under different photovoltaic prices

光伏造价/(元·kW-1)光伏容量/ kW储能容量/(kW·h)充放功率/ kW
4 6000475237
4 3003 400(无约束)531265
4 300900(有约束)476238

新窗口打开| 下载CSV


表1可知,在无光伏上网补贴的情况下,4 600元/kW的价格不适宜安装光伏,无经济效益。当光伏造价下降至4 300元/(kW·h)时,若不存在光伏容量约束,最佳的配置容量为3 400 kW,超过了最大可配置光伏容量。光伏的安装容量对价格十分敏感。

2.2 功率偏差大小对储能容量配置的影响

图2显示了偏差水平从1%增长至6%的情况下,储能配置容量的变化趋势。图3显示了在不同偏差水平下,储能电池的充放电功率曲线。

储能容量随功率偏差水平的变化趋势Trend ofenergy storage capacity with power deviation levelFig.2

不同功率偏差水平下电池充放电曲线Charge-discharge curves of batteries at different power deviation levelsFig.3

图2图3可看出,最优的储能配置容量随误差水平的增大逐渐增大,但是其增大的速度逐渐放缓。日前市场工业园区购电偏差水平较小时,储能电池尽可能地通过充放电弥补偏差;随着偏差增大,储能电池对偏差进行弥补的比例逐渐降低,越来越多的功率偏差无法被储能弥补。通过实验分析可知:功率偏差水平较大时,主要体现在偏差功率波动较大,呈现较多的尖峰;若储能配置容量达到可弥补尖峰电量偏差,则需要配置较大的容量,从而造成很高的投资成本和闲置成本。因此,在功率偏差水平较大的环境下,配置储能容量也应适度。

2.3 效益对比分析

以4 300元作为光伏的单位投资成本,储能的投资成本同上,进行光伏和储能容量的联合优化,其配置方案为:光伏容量900 kW,储能电池容量476 kW·h,储能最大充电放功率238 kW。与未配置光伏储能联合系统的经济效益进行对比,结果如表2所示。

表2   容量优化结果及经济效益计算

Table 2  Capacity optimization results and economic benefit calculation

配置情况光伏容量/ kW储能容量/(kW·h)充放功率/ kW购电成本/(107元)惩罚费用/(105元)线损费用/(106元)费用总计/(107元)
最优配置9004762381.8182.7881.1332.021
未配置0001.8746.3301.1842.055

新窗口打开| 下载CSV


表2可知,投资光伏和储能联合系统,能有效降低日前市场购电费用,减少偏差电量带来的损失并降低线损,可为整个工业区每年带来收益约34万元。

3 结论

本文考虑了工业园区配置光储联合系统的可行性。建立了基于市场机制的光伏储能系统联合优化模型,得到了光伏和储能的配置方案,并分析了价格和日前市场购电功率偏差对容量配置结果的影响。

光伏具有很强的价格敏感性,随着光伏成本的下降,光伏的最优配置容量在无其他约束的条件下将快速提升。储能配置量随电量偏差水平增大而增大,其增大的速度逐渐放缓;在电量偏差水平过高的条件下,配置的储能设备容量不宜过多。在可预见的成本价格水平下,工业园区配置光储联合系统能获得一定的经济效益。

本文主要将储能作为一种减小电量偏差惩罚的手段,储能在系统中能发挥的作用是更为多样的,如参与辅助服务市场,通过峰谷电价进行套利等。如何量化这些收益,并考虑相应的约束条件优化配置储能容量,是下一步工作的重点。

参考文献

LIN Meishun.

The clean energy consumption, environment governance and the sustainable economic growth in china

[J]. The Journal of Quantitative & Technical Economics, 2017(12): 3-21.

[本文引用: 1]

林美顺.

清洁能源消费、环境治理与中国经济可持续增长

[J]. 数量经济技术经济研究,2017(12): 3-21.

[本文引用: 1]

SU Jian, ZHOU Limei, LI Rui.

Cost-benefit analysis of distributed grid-connected photovoltaic power generation

[J]. Proceedings of the CSEE, 2013, 33(34): 50-56.

[本文引用: 1]

苏剑周莉梅李蕊.

分布式光伏发电并网的成本/效益分析

[J]. 中国电机工程学报,2013, 33(34): 50-56.

[本文引用: 1]

HUANG Wei, LIU Jian, WEI Haokun, et al.

Extreme capacity limitations of photovoltaic generators in distribution grids

[J]. Power System Protection and Control, 2015, 43(3): 22-28.

[本文引用: 1]

黄炜刘健魏昊焜.

分布式光伏电源极端可接入容量极限研究

[J]. 电力系统保护与控制,2015, 43(3): 22-28.

[本文引用: 1]

CHEN Shen, MAO Xiaoming, FANG Min.

Research progress and prospect of short-time power forecast for wind and solar generating

[J]. Guangdong Electric Power, 2014, 27(1): 18-23.

[本文引用: 1]

陈深毛晓明房敏.

风力和光伏发电短期功率预测研究进展与展望

[J]. 广东电力,2014, 27(1): 18-23.

[本文引用: 1]

ZENG Liang, QI Huan, CHEN Yingchun.

A multi-objective bi-level programming bidding strategy model for generation companies in day-ahead and real-time electricity market

[J]. Power System Technology, 2009, 33(1): 65-70.

[本文引用: 1]

曾亮齐欢陈迎春.

日前和实时市场中发电商多目标二层规划竞价策略

[J]. 电网技术,2009, 33(1): 65-70.

[本文引用: 1]

CHEN Kebin, QIU Xiaoyan, ZHAO Jinshuai, et al.

Sizing and cost analysis of hybrid energy storage system for compensating wind power forecast errors

[J]. High Voltage Apparatus, 2018, 54(6): 189-196.

[本文引用: 1]

陈科彬邱晓燕赵劲帅.

用于补偿风电预测误差的混合储能容量配置及成本分析

[J]. 高压电器,2018, 54(6): 189-196.

[本文引用: 1]

YI Lin, LOU Suhua, WU Yaowu, et al.

Optimal battery capacity based on lifetime predicationfor improving the schedulability of the wind power

[J]. Transactions of China Electrotechnical Society, 2015, 30(15): 53-59.

[本文引用: 1]

易林娄素华吴耀武.

基于变寿命模型的改善风电可调度性的电池储能容量优化

[J]. 电工技术学报,2015, 30(15): 53-59.

[本文引用: 1]

LIU Jiantao, CAO Lei, MA Jie, et al.

Economic analysis of user's grid-connected PV system based on energy storage system

[J]. Acta Energiae Solaris Sinica, 2012, 33(11): 1887-1892.

[本文引用: 1]

刘建涛曹雷马杰.

基于储能系统的用户光伏并网发电系统经济性分析

[J]. 太阳能学报,2012, 33(11): 1887-1892.

[本文引用: 1]

NI Chihao, LIU Xuezhi.

Battery capacity configuration and economic analysis of photovoltaics energy storage system

[J]. Zhejiang Electric Power, 2019, 38(1): 1-10.

[本文引用: 1]

倪驰昊刘学智.

光伏储能系统的电池容量配置及经济性分析

[J]. 浙江电力,2019, 38(1): 1-10.

[本文引用: 1]

CUI Yang, LIU Wen, TANG Yaohua, et al.

Anoptimal allocated method for energy storage batteries improving voltage level of distributed network with high penetration of distributed PV

[J]. Acta Energiae Solaris Sinica, 2017, 38(5): 1157-1165.

[本文引用: 1]

崔杨刘文唐耀华.

改善光伏高渗透率配电网电压水平的储能电池最优容量配置方法

[J]. 太阳能学报,2017, 38(5): 1157-1165.

[本文引用: 1]

WU Xiaogang, LIU Zongqi, TIAN Liting, et al.

Optimized capacity configuration of photovoltaic generation and energy storage device for stand-alone photovoltaic generation system

[J]. Power System Technology, 2014, 38(5): 1271-1276.

[本文引用: 1]

吴小刚刘宗歧田立亭.

独立光伏系统光储容量优化配置方法

[J]. 电网技术,2014, 38(5): 1271-1276.

[本文引用: 1]

QIAN Zeyu, ZANG Haixiang, CHENG Lexiang, et al.

Research on allocation for hybrid energy storage system capacity based on FDM

[J]. Guangdong Electric Power, 2018, 31(6): 46-53.

[本文引用: 1]

钱则玉臧海祥成乐祥.

基于FDM的混合储能系统容量配置研究

[J]. 广东电力,2018, 31(6): 46-53.

[本文引用: 1]

XIE Shixiao, YANG Li, LI Lina.

A chance constrained programming based optimal configuration method of hybrid energy storage system

[J]. Power System Technology, 2012, 36(5): 79-84.

[本文引用: 1]

谢石骁杨莉李丽娜.

基于机会约束规划的混合储能优化配置方法

[J]. 电网技术,2012, 36(5): 79-84.

[本文引用: 1]

LIANG Junjun.

Configuration method for storage energy capacity with grid-connected photovoltaic power generation

[J]. Guangdong Electric Power, 2017, 30(10): 52-56.

[本文引用: 1]

梁君君.

含光伏并网发电的储能容量配置方法

[J]. 广东电力,2017, 30(10): 52-56.

[本文引用: 1]

ZHAO Weijia, ZHANG Ning, KANG Chongqing.

A method of probabilistic distribution estimation of conditional forecast error for power generation

[J]. Automation of Electric Power Systems, 2015, 39(16): 8-15.

[本文引用: 1]

赵唯嘉张宁康重庆.

光伏发电出力的条件预测误差概率分布估计方法

[J]. 电力系统自动化,2015, 39(16): 8-15.

[本文引用: 1]

/