風氫互補的長期儲能微電網容量優(yōu)化配置模型

朱顯輝，胡 旭，師 楠

(1.黑龍江科技大學 電氣與控制工程學院， 哈爾濱 150022； 2.黑龍江科技大學 工程訓練與基礎實驗中心， 哈爾濱 150022)

0 引 言

全球性的資源枯竭和環(huán)境污染問題，是國際社會面臨的嚴峻挑戰(zhàn)之一，發(fā)展綠色可再生能源刻不容緩[1]。風能綠色、高效，但其出力的不確定性會嚴重影響微網的穩(wěn)定運行，解決該問題的有效方法是配置風電儲能單元，以消納多余風能。

學者對風電微網儲能單元的合理配置進行了較為深入的研究。姜書鵬等[2]建立了能量型儲能在微網中的容量配置模型，討論了影響容量配置的敏感性因素。劉穎明等[3]基于蟻獅算法對風電集群功率備用、儲能功率和容量進行最優(yōu)配置。S.Ma等[4]提出了綜合考慮系統(tǒng)成本和儲能安全性的容量配置優(yōu)化方案，優(yōu)化了微網的運行控制策略。微電網容量優(yōu)化配置屬于多目標非線性問題，難以求解全局最優(yōu)。馬榕谷等[5]基于改進遺傳算法，對非并網風氫互補系統(tǒng)進行容量多目標優(yōu)化。劉驕揚等[6]提出了一種雙層優(yōu)化方案，底層以微電網日運行成本最小為目標，上層以微網和配電網總成本最小為目標，運用NSGA-Ⅱ算法配置了微電網容量。以上研究主要采用多目標遺傳算法進行模型求解，但多目標遺傳算法較為復雜；而粒子群算法因魯棒性好、速度快，在解決非線性問題時更加高效的優(yōu)點得到了一定應用。張悅等[7]充分考慮影響儲能設備壽命的因素，利用雨流計數法計算儲能壽命，采用粒子群雙層優(yōu)化算法對微電網進行了儲能容量優(yōu)化。潘華等[8]以儲能系統(tǒng)壽命周期成本最優(yōu)為目標，考慮電網運行和蓄電池的約束，建立獨立微電網儲能系統(tǒng)的優(yōu)化配置模型。

上述研究大多以系統(tǒng)經濟性為優(yōu)化目標，未考慮系統(tǒng)的運行可靠性，配置結果無法滿足平抑功率波動的實際需求。為解決上述問題，筆者從綜合考慮微網經濟性和可靠性的角度出發(fā)，通過建立改進的BP神經網絡模型預測風電功率，提出多目標容量配置優(yōu)化方案，并規(guī)劃微電網運行控制策略，基于預測功率和實際負荷曲線，采用多目標粒子群優(yōu)化算法，給出微網各單元容量配置，以期為微電網容量配置優(yōu)化研究提供借鑒。

1 風電輸出功率預測

當前制氫儲能微網系統(tǒng)的容量優(yōu)化配置研究中所涉及的風功率數值均采用簡單的理論計算獲得，與實際風功率可能存在一定偏差，限制了所給容量配置結果的實用性。為此，采用粒子群優(yōu)化BP神經網絡模型預測風功率，基于風功率預測結果研究制氫儲能的容量優(yōu)化問題。

誤差反向傳播(BP)神經網絡是一種典型的優(yōu)化求解算法，但是其收斂速度慢、且求解過程受網絡結構、初始權值和閾值的影響，無法保證得到全局最優(yōu)[9]。為此，采用粒子群(PSO)算法優(yōu)化BP神經網絡模型，以提高風電功率預測結果的可信性。通過氣象因子尋找相似日，將相似日氣象數據與風功率數據作為訓練集，確定網絡結構；采用粒子群算法優(yōu)化權值和閾值，進行BP神經網絡的訓練，運用測試集驗證網絡的可靠性，測試集預測誤差如圖1所示。

圖1 預測誤差Fig. 1 Forecast error

2 風儲聯(lián)合發(fā)電系統(tǒng)結構與數學模型

2.1 系統(tǒng)結構

風儲聯(lián)合發(fā)電系統(tǒng)主要由風力發(fā)電機組、電解槽、儲氫罐、燃料電池、控制單元、AC/DC變換器以及DC/DC變換器等組成，其結構如圖2所示。

圖2 微電網模型Fig. 2 Microgrid model

2.2 儲能系統(tǒng)數學模型

儲能系統(tǒng)為電解槽、儲氫罐和燃料電池組成的氫儲能系統(tǒng)。作為系統(tǒng)儲能單元，當風力發(fā)電功率充足時，電解槽利用多余電能電解水制得氫氣，用儲氫罐進行儲存。當風功率不足時，燃料電池利用存儲的氫氣進行輔助放電，以滿足負荷需要。

以堿性電解槽為例，該電解槽通過將水電解為氫氣和氧氣實現(xiàn)能量的轉換與存儲，輸出功率可表示為

Pe=ηePwe，

式中：Pwe——電解槽的輸入功率；

ηe——電解槽的工作效率，文中取60%[10]。

燃料電池是將燃料內部的化學能轉化為電能的裝置，以較為典型的堿性燃料電池為例，其輸出功率為

Pr=ηrPhr，

式中：ηr——燃料電池產電效率，文中取50%[10]；

Phr——儲氫罐向燃料電池提供氫氣的功率。

儲氫罐用來儲存電解槽電解水產生的氫氣，同時為燃料電池提供燃料，儲氫罐儲存的氫氣能量為

式中：Δt——時間間隔；

Q(t-Δt)——上一時刻儲氫量；

ηhy——儲氫罐的充放效率。

3 微電網優(yōu)化配置模型

3.1 目標函數

為實現(xiàn)微電網穩(wěn)定運行，在綜合考慮系統(tǒng)經濟性和可靠性問題時確立目標函數。

3.1.1 經濟性

主要以風儲聯(lián)合系統(tǒng)的運行成本和棄風造成的經濟損失作為經濟性目標函數。

系統(tǒng)總安裝成本主要包括風力發(fā)電機、電解槽、儲氫罐和燃料電池的安裝，可表示為

Wt=Wg+We+Wh+Wf，

式中：Wg——風力發(fā)電機組成本；

We——電解槽成本；

Wh——儲氫罐成本；

Wf——燃料電池成本。

風儲聯(lián)合發(fā)電系統(tǒng)在運行過程中需要對每個單元進行維護，產生運行維護成本為

式中：Ki——各單元的維護成本系數；

Pi(t)——各單元在t時刻的輸出功率；

Δt——采樣時間。

由于風電出力的不確定性，會出現(xiàn)風電出力與負荷需求不匹配的情況。當風力過剩時，儲能系統(tǒng)不能將未利用風能完全存儲，會產生不同程度棄風。

式中：K——棄風每千瓦時的懲罰因子;

QA(t)——t時刻的棄風量。

3.1.2 可靠性

系統(tǒng)的可靠性主要與負荷缺電率有關，缺電率指的是系統(tǒng)不能滿足負荷功率需求的比例[11]。缺電的原因主要有兩種，一種是儲氫容量不足，即使氫氣消耗到最低值也無法滿足用戶負荷，另一種是由于燃料電池功率最大值的約束，即使輸出功率最大也無法滿足用戶負荷。其表達式為

式中：PL(t)——t時刻的功率缺額；

Pad(t)——t時刻的負荷需求。

綜上，總體的目標函數表示為

(1)

3.2 約束條件

為使微電網得到合理的容量配置，要在微網供需平衡的基礎上，考慮系統(tǒng)各單元的容量約束以及充放電功率限制。

3.2.1 功率平衡約束

為保證微電網的安全穩(wěn)定運行，要保持系統(tǒng)的功率平衡

(2)

式中，Pd——負荷功率。

3.2.2 充放電深度約束

由于儲氫罐不能快速釋放所有能量，因此在儲氫和釋放氫氣過程中有一定的限制，設置等效荷電狀態(tài)作為約束范圍[10]：

0.2

(3)

3.2.3 各裝置的容量約束

以各裝置容量作為優(yōu)化變量，為體現(xiàn)結果的合理性，對各個單元進行裝機容量約束，綜合考慮成本與系統(tǒng)可靠性的約束范圍為

(4)

式中：Ch——儲氫罐的數量；

Cr——燃料電池的數量；

Ce——電解槽的數量。

4 微電網控制策略與模型求解方法

4.1 運行控制策略

風儲聯(lián)合發(fā)電系統(tǒng)的運行控制策略決定了各單元發(fā)電情況，從而影響優(yōu)化結果的可靠性。當風電功率大于負荷功率時，多余的風電功率通過電解槽轉化為氫氣存儲在儲氫罐中；當風電功率小于負荷功率時，由燃料電池將氫氣作為燃料發(fā)電，具體策略如圖3所示。圖中，Pqf(t)、Pqd(t)分別為t時刻的棄風量和棄電量；dP(t)為風電功率與負荷功率的差值；Pemin、Pemax是電解槽產氫功率的最大、最小值；∑Q為儲氫罐總儲氫量，Qmin、Qmax是儲氫罐最大最小儲氫容量，Prmin、Prmax為燃料電池最大最小功率。

圖3 微電網運行控制策略Fig. 3 Microgrid operation control strategy

4.2 模型求解方法

將電解槽、儲氫罐以及燃料電池的裝機容量作為優(yōu)化函數，建立容量配置優(yōu)化模型。微網的容量配置優(yōu)化問題屬于多目標非線性問題，鑒于多目標粒子群優(yōu)化算法具有魯棒性好、速度快的優(yōu)點，因此，本節(jié)采用多目標粒子群優(yōu)化算法求解容量的最佳配置方案。具體過程如下：首先，初始化種群規(guī)模、速度和位置，計算種群適應度值；其次，根據風電預測功率和實際負荷曲線進行仿真分析；最后，獲得非劣解集并計算得到年棄風電量和負荷缺電率。具體流程如圖4所示。

圖4 容量優(yōu)化配置流程Fig. 4 Flow of capacity optimization configuration

4.3 最優(yōu)配置方案

多目標優(yōu)化得到的非劣解集，采用單調性分段線性隸屬度函數求解最優(yōu)[11]，非劣解集中每個解分別進行隸屬度計算,并進行綜合隸屬度排序,將模糊評價最好的點作為容量配置最優(yōu)解。

綜合隸屬度越大，則該解越優(yōu)，第y個目標函數的第x個解的隸屬度為

式中：λx,y——第x個解的第y個目標值；

非劣解集中第x個解的綜合隸屬度為

式中，n1、n2——目標函數個數和非劣解集中解的個數。

5 算例分析

為驗證所提容量配置優(yōu)化模型的有效性與可靠性，以某地風電場數據為算例進行仿真分析。

5.1 仿真場景

選取風電功率和負荷數據的時間跨度約為1，數據點數為8 000組，利用所建的風電功率預測模型，對風電功率進行預測，預測結果如圖5所示。

圖5 風電功率預測值Fig. 5 Predicted value of wind power

微網中所涉及的總負荷數據為8 692 916 kW，日負荷均值為1 087 kW，具體負荷曲線如圖6所示。

圖6 負荷功率Fig. 6 Load power

5.2 參數設置

系統(tǒng)參數包括風機、電解槽、儲氫罐以及燃料電池壽命、裝機和運行成本，具體參數如表1所示[12]。

表1 各單元成本

5.3 容量優(yōu)化配置結果

根據所建容量優(yōu)化配置模型，首先，設置種群規(guī)模為100，最大迭代次數為1 000次，隨機初始化種群的位置和速度并計算個體適應度值。更新個體最優(yōu)粒子，根據新粒子支配關系篩選非劣解集，更新粒子速度和位置并重復上述步驟，進行迭代計算，所得的非劣解集如圖7所示。

圖7 非劣解集Fig. 7 Pareto set

由圖7可見，得到非劣解集后，采用單調性分段線性隸屬度函數，從解集中找到綜合隸屬度最高的點，即為最優(yōu)解，將所得最優(yōu)解與未加入儲能的風電系統(tǒng)進行比對，方案2的經濟性和可靠性都明顯優(yōu)于方案1。具體結果如表2所示。表中，nWG為風電機組，nEL表示電解槽，nHS為儲氫罐，nFC表示燃料電池，W為系統(tǒng)總成本，β表示系統(tǒng)負荷棄電率。

表2 容量優(yōu)化結果對比

由表2可知，容量配置優(yōu)化后的總成本由3 990萬元降至3 610萬元；總棄電率從49.61%下降到17.60%。結果表明，氫儲系統(tǒng)不存在傳統(tǒng)儲能自放電問題，可實現(xiàn)電能的長期存儲。文中所提微網的氫儲容量優(yōu)化方法能夠有效應對電網的削峰填谷問題，也有助于降低微網成本、減少負荷缺電率及平抑風電功率波動。

6 結 論

筆者以風儲聯(lián)合發(fā)電系統(tǒng)為基礎，提出了一種考慮風氫互補的微電網容量優(yōu)化配置方法。

(1)利用改進的BP神經網絡模型預測風電出力，采用多目標粒子群優(yōu)化算法篩選非劣解集，分析了非劣解集的綜合隸屬度，給出了在風電機場配置140臺電解槽，60臺儲氫罐以及44臺燃料電池的最優(yōu)方案。

(2)與傳統(tǒng)風電場相比，成本降低了3 800 000元，負荷缺電率下降了32.01%，提升了微網的經濟性和可靠性。