独立电网范文（精选7篇）

独立电网 第1篇

与大电网不同的是独立小容量供电系统一般由一台或者数台发电机并网组成供电电源,电源内阻抗不可忽略,一次电源不可以看作是无穷大;此外受负载影响,独立小容量供电系统频率波动范围较大,且对电力系统的各项指标影响明显;一些非线性设备产生大量谐波,谐波电流与谐波电压相互耦合,增加了抑制谐波电流的难度;这种电网多为低压近距离输电,通常选用电缆,以降低遭受雷击和外力破坏的可能性,但是高次谐波可能在系统中发生谐振,在线路上引起过电压,还可能使电压波形出现尖峰,加速电缆绝缘老化,谐波污染甚至会影响到电源的稳定和使用。因此,随着近年来随着小容量电网逐步发展成熟,其谐波抑制技术已经引起了广泛的关注。

1 滤波方案的确定

1.1 有源滤波

如图1所示的有源滤波器(APF)是基于瞬时功率理论和“对消”原理,即将abc静止坐标系的电流和电压矢量通过abc-αβ变换至αβ静止坐标系中,其中变换矩阵如公式(1)。这种检测方法的原理是通过单相锁相环得到与A相电压同相位的正弦信号sinωt和余弦信号cosωt,再根据定义计算出来ip、iq,经过低通滤波器LPF后得到直流分量ip、iq,进而计算得出基波分量和指令电流。然后提取出谐波分量,注入到电网当中,使得电网中的谐波分量和与APF中所提取出的谐波分量产生对消,从而动态跟踪负载谐波变化并实时滤除。

作为大电网或者小容量电网的谐波抑制策略之一,有源滤波器具有无可比拟的优势。经理论研究和实践中广泛使用总结出有源滤波器有如下优点[1,2]:

(1)不仅能补偿各次谐波,还可抑制闪变、补偿无功特点。

(2)滤波特性不受系统阻抗的影响,可消除与系统阻抗或负载发生串联或并联谐振的危险。

(3)不会发生过载问题。

(4)具有自动跟踪补偿变化的谐波。

(5)动态响应快。

1.2 无源滤波

无源滤波器,又名LC滤波器,是由电容器、电感器、电阻器按照一定的参数配置和一定的拓扑结构联接而成[3]。典型的单调谐滤波器和二阶高通滤波器如图2、图3所示。

图3二阶高通滤波器

单调谐滤波器支路的总阻抗为:

Z=R+j(ωnL-ωn1C)(2)

其中,ωn为n次谐波角频率,当ωnL=1/(ωnC)时,发生串联谐振,此时支路阻抗最小,n次谐波电流流入单调谐滤波支路,达到滤除n次谐波的目的[4]。

此时被滤除谐波频率为:

谐波次数为:

二阶高通滤波中,高通滤波电路对n次谐波的阻抗为:

滤波器在高于ωn的范围内呈现低阻抗,因此高于此频率的谐波电流流入此支路而被滤除。

1.3 滤波方案选择与评价

虽然无源滤波器是目前大电网广泛使用的谐波抑制技术。但是对于独立小容量供电网而言,电网负载改变时,变化的系统阻抗和LC滤波器之间可能会发生并联谐振或者串联谐振,不仅不能有效滤除特定频率谐波电流,反而使得使该频率的谐波电流被放大,电网供电质量严重下降;滤波特性依赖于电网参数,而电网的阻抗和谐振频率随着小容量电网的运行工况随时改变,因而LC网络设计较困难。

此外,小容量电源频率受负载的影响而波动比较敏感,如图2所示,对于单调谐滤波支路,它对n次谐波的阻抗表达式为:

Zn=R+j(ωnL-1ωnC)(6)

当扰动使电网频率发生一定的漂移(增大),n次谐波阻抗Zn将随之增大。假设滤波支路参数不变,In1为频率未受扰动时滤波支路的n次谐波电流,In'1为频率受扰动时滤波支路的n次谐波电流,显然In1>In'1。

因此,当电源频率发生漂移后无源滤波器的滤波能力有所下降,进而使得电源供电质量下降,对仪表类负载影响尤为明显。基于无源滤波器的这些缺点,本文提出使用有源滤波器作为独立小容量电网的滤波手段。

2 有源滤波器在独立小容量电网中的应用与仿真

在独立小容量电网中,以三相桥式不控整流电路为例,建立仿真模型,观测电网电压波形、负载电流波形、补偿电流波形、滤波后电源侧电流波形,并对波形进行傅里叶分析,仿真结果如图4所示。

由图5至图7可知,未安装滤波器前,非线性负载引起的独立小容量电网电压频率畸变率为4.79%,主要为5次、7次、11次、13次谐波,安装滤波器后电网电压畸变率降为0.08%,各次谐波含量明显减小,说明有源滤波器的使用能改善电网电压质量。

由图8、图9和图10可知,三相非线性负载主要发射5次、7次、11次、13次谐波电流,电流畸变率为28.39%,电流波形畸变严重。

由图11和图12可知,在独立小容量电网使用有源滤波器后电流波形明显改善,其谐波畸变率降为4.8%,各次谐波含量均大幅减小,说明有源滤波器在频率易波动的独立小容量电网中能够很好地对谐波进行抑制。

3 实验验证

3.1 实验设备选择

为了模拟独立小容量电网频率波动特性,改变负载功率可引起柴油电源输出频率波动,本文涉及的实验模型如下:独立小容量电网电源选用的柴油发电机组其额定功率为50 k W;有源滤波器选用的为三相四线制有源电力滤波器;负载选用三相整流器作为谐波源,同时电源还带有三台单相整流器作为单相负载,但是本实验过程中单相负荷断开。

3.2 实验内容及结果分析

柴油发电机组与整流器负载和必要的开关设备组成独立小容量电网,启动柴油发电机组,向电网中提供电能,整流器负载消耗电能的同时向电网中注入谐波,调节整流器负载的功率,可改变注入电网的谐波含量。使用电流钳、示波器等设备观测负载电流数值和波形,并用电能质量分析仪分析负载电流畸变程度,将有源滤波器投入使用后,再次观测负载电流并分析其畸变程度。实验原理如图13所示。

闭合开关K、K1,柴油发电机组电网只带三相整流器工作,使用电流钳和示波器观测负载电流波形和滤波后的电源侧电流波形,并在Matlab软件中分析电流波形畸变率。三相负载电流波形如图14和图15所示,经过软件分析后,电流谐波含量如图16和图17所示。

由图可知,三相整流器工作时,负载电流波形畸变严重,其总谐波畸变率THD为27.9%,投入有源滤波器后,经过电流补偿,电流波形接近于正弦波,减小了波形畸变程度,其THD为4.19%,说明有源滤波器在试验中能够克服电源频率波动和系统谐振的缺陷,满足独立小容量电网滤波的要求。

4 结语

针对独立小容量电网电压内阻抗比较大、电网频率不稳定的特点,分析了无源滤波器对电网频率比较敏感且易于电网参数发生谐振,只有使用能够动态跟踪补偿负载电流的有源滤波器。依据瞬时无功功率理论,在Matlab平台中搭建了仿真模型,对仿真结果进行分析,然后以柴油发电机组为电源,整流器为非线性负载组成了简单的独立小容量电网,实验研究了有源滤波器在小容量电网中滤波性能,仿真和实验结果均表明,有源电力滤波器能够滤除独立小容量电网中的谐波,且效果明显。

参考文献

[1]梁晓健.电力系统谐波及其抑制技术的研究[D].南宁:广西大学,2007.

[2]Francisco C,De La Rosa.电力系统谐波[M].赵琰,孙秋野,译.北京:机械工业出版社,2009.

[3]王兆安,杨君,刘进军,王跃.谐波抑制和无功功率补偿[M].2版.北京:机械工业出版社,2005.

一种独立微电网及控制策略研究 第2篇

关键词：智能控制器,独立微电网,优先级,控制策略

0 引言

海岛及偏远地区远离大电网,通常电力十分紧缺,但是一般此类地区可再生能源比较丰富,因此充分利用可再生能源,建立含风、光等可再生能源的发电系统是解决此类地区用电问题的一种行之有效的措施[1,2]。微电网系统作为可再生分布式发电源的有效组织形式,近年来尤其是在解决海岛及偏远地区用电问题上发挥着重要作用[3,4]。传统独立微电网系统对于远距离分散式布置的发电源和负荷,在能量传输过程中损耗较大 ;系统能量平衡及发电、储电、用电单元协调均需要依赖集控单元,不可靠因素多、可扩展性差 ;而且一般不存在有效的设备控制策略和能量平衡控制策略来保证微电网的稳态和高效运行[5,6],对于负荷、发电的波动调节效果较差,同时缺少对储能的充放电管理[7]。

文中首先介绍了一种适用于独立供电环境的智能控制器,并提出了一种由此控制器搭建的独立直流微电网系统及其能量控制策略[8,9]。该系统不依赖传统的集控单元,实现分布式布局就地管控,响应速度快 ;控制策略对于发电和负荷的波动有平抑作用,管理了蓄电池的充放电,有利于延长蓄电池的使用寿命 ;有效解决了传统微电网系统可靠性低、扩展性有限、能量远距离传输损耗大的问题。

1 一种独立微电网系统

文中提出的独立微电网系统采用直流母线,分布式布局方式将空间距离较远的发电源、储能、负荷接入智能控制器中协调控制,并通过智能控制器互联构成环网结构,系统中关键部件为智能控制器。

1.1 智能控制器结构

智能控制器的结构见图1,它为多端口设备。智能控制器采集各端口电能数据,控制负荷、发电源的实时功率,调配蓄电池提供或吸收的功率,并协调控制智能控制器间的能量交换,达到系统功率平衡。

图1所示的智能控制器有4类端口,分别为发电源接入端口、储能 ( 以蓄电池为例 ) 接入端口、负荷接入端口及互联端口。各个端口接入对应的设备,智能控制器集成能量管控单元,形成一个就地小微网系统,根据策略完成系统内能量的平衡。

分布式发电源通过变流器接入直流母线,蓄电池通过DC/DC模块接入直流母线 ;直流母线通过逆变器与负荷连接,还通过DC/DC模块与其他微电网子系统中智能控制器的互联端口连接。智能控制器、负荷和其他微电网子系统的智能控制器之间的连接及切除采用软开关控制。

1.2 微电网子系统组网

如图2所示,由子系统1、子系统2、子系统3组成一个微电网系统。子系统由智能控制器、分布式发电源 ( 光伏电站、风力发电机 )、储能 ( 蓄电池 ) 及负荷组成,子系统间通过外部电缆 (L1、L2、L3)、智能控制器的互联端口互联。

分布式发电源往往有安装的地势要求,如风机在海岛环境中一般存在于岛的边缘区域,光伏组件往往安装在开阔地带如山顶。基于智能控制器的独立直流微电网系统将空间距离较远的分布式发电源和负荷作为不同的子系统,通过智能控制器互联端口互联建立直流网络,形成分布式布局 ;分布式发电源与负荷就地安装,减少传输中带来的能量损失。

2 独立直流微电网控制策略

独立直流微电网采用基于优先级的能量平衡控制策略,具体的控制流程如图3所示。

多个独立直流微电网子系统可通过智能控制器互联组成环网结构,智能控制器不仅协调每个微网子系统内部发电、用电、储能能量平衡,对蓄电池进行充放电管理,而且控制不同微网子系统之间的能量流动,因此独立微网的控制策略依赖智能控制器的能量控制策略,由智能控制器实现。

1) 子系统内部能量平衡

系统内部有4种电量调节方式,分别为发电调节、储能调节、相邻子系统间电量调节及负荷调节。按照能量最优利用的原则,其优先级递减。

发电量小于负荷需求时,其能量调节的优先级为 :发电调节>相邻子系统电量调节>储能调节>切除负荷操作。

发电量大于负荷需求时,其能量调节的优先级为 :投入负荷操作>相邻子系统电量调节>储能调节>发电调节。

当子系统的发电源功率等于负荷需求时,储能模块处于浮充状态,该子系统与其他子系统之间不进行外充或补电调整。

当子系统的发电源功率大于负荷需求时,优先投入负荷,然后向其他子系统输送电能,再次视蓄电池SOC状态 ( 电池剩余电量 , 设阈值上限为SOCH,下限为SOCL) 对该子系统内部的储能充电,最后控制该子系统的发电源减少出力或切除操作。

当子系统的发电源功率小于负荷需求时,视发电源是否处于MPPT( 最大功率点跟踪 ) 状态优先控制发电源增加出力,若发电源已处于MPPT状态,则从其他子系统中获取能量,再次视蓄电池SOC状态控制该子系统内部的储能放电,最后才是逐级切除负荷。只有当发电源、储能模块及其他微电网子系统均不能为当前子系统负荷提供更多的电能时,才按负荷重要等级逐级切除负荷。负荷的切除时刻参考预先设置的蓄电池剩余容量,负荷切除采用内部软开关完成,减少了机械开关的动作次数,延长系统的使用寿命。

2) 子系统之间能量平衡

子系统互联由智能控制器端口实现,智能控制器协调子系统之间的能量平衡。子系统内若发电源发电量大于负荷耗电量,则本系统可提供额外电量,此时若相邻的子系统内部需要额外的电量,则由本子系统通过互联端口对相邻的子系统提供电量。反之,若发电源发电量小于负荷耗电量,则本子系统需要外部电量,此时若相邻子系统可提供电量,则通过互联端口输入电量。该系统中微电网子系统通过对应智能控制器的互联端口与其他微电网子系统进行电能传输。依靠就地电力电子技术,完成负荷按重要等级管理、蓄电池充电管理、发电源间能量传输平衡,可大幅度提高系统的可靠性和可用性,可再生能源利用率高 ;系统根据负荷情况进行综合调节并采用较高的直流电压进行输电,可实现发电、储能、负荷的最优配合。

3 独立直流微电网系统实现

3.1 系统组成

独立直流微电网系统结构图如图4所示。

根据具体环境中分布式能源的位置就地组成子系统,最终由子系统1、子系统2、子系统3互联组成大微电网系统,此系统的组成方式便于进行分布式布局,便于扩展。其中子系统1包含1个10 k W的光伏电站、1个额定功率为10 k W的柴油发电机、1个容量为150 k W·h的储能,2个负荷端口分别接入5 k W负荷 ;子系统2包含1个5 k W的风机、1个容量为150 k W·h的储能 ;子系统3包含1个10 k W的光伏电站、1个容量为100 k W·h的储能,2个负荷端口分别接入5 k W负荷。

3.2 系统功能设计

如图5所示,独立直流微电网系统的主控系统结合系统数据库和外界条件控制微电网系统整体发电管理、负荷管理、储能管理、能量的系统间调度与经济调度。而每个子系统的能量平衡控制由各个微网子系统中的智能控制器完成。

子系统智能控制器内部模块包括采样模块、负荷控制模块、蓄电池管理模块、发电管理模块、能量互传管理模块、主控模块。

在不同的天气情况下,智能控制器协调各模块按不同的控制策略工作。光伏电站1、光伏电站2和风力发电机根据系统能量缺口进行调整 ;负荷管理模块根据系统能量情况和负荷优先级调配负荷1、负荷2、负荷3、负荷4 ;能量互传管理模块负责子系统间能量的合理流动利用 ;蓄电池管理模块根据预置的SOC值实现对蓄电池充放电管理。

子系统1( 子系统3) 中分别设置切除负荷1( 负荷3) 的蓄电池的剩余容量为30%,切除负荷2( 负荷4) 的蓄电池为20%,蓄电池剩余容量降低到10%时进行充电设置。当系统发电波动或负荷波动时,根据子系统内和子系统间的控制策略,控制蓄电池平抑差额电量。

阳光或风力充足时,10 k W光伏电站1、10 k W光伏电站2可按照MPPT状态发电,比较子系统1和子系统3中负荷用电需求和光伏发电量,若相等不予调节,5 k W风力发电机首先为子系统2储能充电,接着通过互联电缆为子系统1、子系统3储能充电,待各部分储能SOC达到定值时,停止充电,按控制策略切除光伏组件或停止风力发电。若子系统1或者子系统3中负荷用电需求大于光伏发电量,则其他发电有余的子系统电量流入有电量需求的子系统。

极端阴雨天气或夜晚时,子系统1和子系统3光伏发电受限或没有,根据能量控制策略,若子系统2风力发电充足,子系统2发电首先流入子系统1和子系统3供给负载使用 ;若风力发电不充足,子系统1和子系统3储能按照储能控制策略为负载供电,储能SOC到达下限时,按负荷等级逐级切除负荷,必要时可启动柴油发电机供电。

在某一子系统出现发电故障时,智能控制器控制切除发电部分,系统内负荷由其他未故障子系统供能或根据控制策略直接切除负荷。

4 结语

介绍了一种由智能控制器为主体设备的独立直流微电网系统及能量控制策略。系统中可再生能源与负荷就地安装,采用微网子系统相互连接的方式将空间距离较远的发电源和负荷联络形成环网结构智能控制器按照优先级控制策略协调不同微网子系统内部及相互之间的能量平衡 ;系统不依赖传统的集控单元,实现分布式布局就地管控,响应速度快,负荷、发电波动时系统可就地进行快速调节 ;系统扩展方便,不需更改现有系统的蓄电池及其他配置,不需重新调节集控单元。有效解决了传统微电网系统响应速度慢、扩展性有限、能量远距离传输损耗大等问题,为独立微电网领域提供了一种技术思路。;

参考文献

[1]李富生,李瑞生,周逢权.微电网技术及工程应用[M].北京:中国电力出版社,2012.

[2]刘梦璇,郭力,王成山,等.风光柴储孤立微电网系统协调运行控制策略设计[J].电力系统自动化,2012,36(15):19-24.

[3]黄伟,孙昶辉,吴子平,等.含分布式发电系统的微网技术研究综述[J].电网技术,2009,33(9):14-18.

[4]鲁宗相,王彩霞,闵勇,等.微电网研究综述[J].电力系统自动化,2007,31(19):100-107.

[5]陈楚南.新能源分布式独立微电网的调度管理的研究[D].长沙:湖南大学,2011.

[6]张佳军.风光储微电网多电源协调控制策略研究[D].北京:华北电力大学,2013.

[7]谭兴国,王辉,张黎,等.微电网复合储能多目标优化配置方法及评价指标[J].电力系统自动化,2014,38(8):7-14.

[8]吴志峰,舒杰,崔琼.多能互补微电网系统组网及控制策略研究[J].可再生能源,2014,32(1):44-48.

独立电网 第3篇

关键词：微电网,孤岛运行,多目标优化,遗传算法,节能减排,分布式电源,储能系统

0 引言

微电网是指由分布式电源、能量转换装置、负荷、监控和保护装置等汇集而成的小型发配电系统,是一个能够实现自我控制和管理的自治系统[1]。微电网可以分为联网型和独立型2种。独立型微电网不与常规电网相连接,利用自身的分布式电源满足微电网内负荷的需求。当微电网内存在可再生能源时,常常需要配置储能系统以抑制这类电源的功率波动,同时在充分利用可再生能源的基础上,满足不同时段的负荷需求。这类微电网更加适合在海岛、边远地区等地为用户供电。本文重点研究独立型微电网的优化设计问题。

在独立型微电网中,由于可再生能源的不确定性和波动性对系统的可靠运行影响很大,而且控制策略多样,其优化设计问题有一定的难度。针对独立型微电网的优化设计问题,相关研究成果很多。Green和Manwell等人开发了Hybrid2仿真系统,可以对独立微电网进行准稳态仿真[2],尽管不能直接给出系统的电源组成和最佳容量的配置结果,但可以成为系统优化设计的有效工具。美国国家能源实验室(NERL)开发的HOMER软件[3],包含风力发电、光伏发电、柴油发电机和储能电池的稳态仿真模型,可以通过灵敏度分析,优化选择相关设备的配置容量。文献[4]介绍了HOGA软件,利用遗传算法(GA),以最小投资和运行成本为目标,可对包含光伏发电、储能电池和柴油发电机的独立系统进行容量优化设计,优化变量包括光伏阵列的数量、电池的最佳放电区间、柴油发电机和逆变器的功率等,同时,可分析比较不同运行策略和关键参数对优化结果的影响。文献[5]采用既定的微电网运行控制策略,以最小投资和运行成本为目标,对包含风力发电、光伏发电、电池储能和柴油发电机的系统进行容量优化设计。

上述规划设计软件主要以经济成本为优化设计目标,优化目标相对比较单一,对环境影响等社会效益问题关注还不充分。本文利用自主开发的微电网准稳态仿真优化工具(quasi-steady simulation and optimization tool for microgrid,QSOT-MG),针对包含海水淡化负荷的风光柴储独立微电网进行了仿真和优化设计;在保证系统可靠性的前提下,提出了包含微电网全寿命周期成本、可再生能源利用率以及污染排放水平的多目标优化模型,并将结果和HOMER仿真结果进行了比较,验证了该方法的合理性。同时,对计算结果进行了灵敏度分析,验证了该方法的有效性。

1 独立微电网结构及控制策略

本文研究的独立微电网的系统结构如图1所示。光伏阵列、风电机组、蓄电池等通过各自的换流器接入交流母线。这种方案具有换流器容量要求较小、负荷和分布式电源扩容较为便利的优势。微电网内的可控负载(如海水淡化负荷)可用于辅助功率调节。

本文采用修正硬充电(revised hard cycle charge,RHCC)控制策略,其控制原则为:一旦蓄电池进入充电状态,就需要可再生能源或者柴油发电机组一直保持充电状态直至达到设定的荷电状态(SOC)充电上限,而一旦蓄电池进入放电状态,就需保证其处于持续放电状态,直至达到SOC放电下限。在充电期间,可以利用可再生能源充电,一旦其不能满足充电要求,则柴油发电机启动,继续保持充电;在放电期间,一旦净负荷(由实际负荷减去可再生能源发电系统功率输出后的负荷值)小于0,即可再生能源有多余能量,则需投入可控负载,甚至舍弃多余部分能量,这部分能量可计为系统未利用能量,并作为策略优劣的评价指标之一。如果电池放电功率达到最大放电功率且还不能满足负荷需求,则应切除部分负荷,负荷切除量将成为评价控制策略优劣的指标之一,即负荷不满足量。

2 优化设计模型

2.1 评估指标

确保电网实现最优技术经济比、最佳可持续发展、最大经济效益、最可靠电力供给、最优环境保护是发展智能电网的目的所在[1,6]。基于这个指导思想,本文按照既定的协调运行策略,根据微电网内可再生能源资源、负荷需求等情况,综合考虑微电网的经济性、环保性、可再生能源利用率和供电可靠性等技术经济指标,采用多目标优化规划模型,确定微电网内各分布式电源、储能系统的最佳容量配置方案。具体方案评价指标包括:(1)经济性指标,用全寿命周期内的净现值费用CNPC表示;(2)环境兼容性指标,用燃料(柴油)消耗量Lfuel表示;(3)可再生能源利用率指标,用Rren表示;(4)系统可靠性指标,用负载缺电率ηLPSP表示。

仔细分析这4个量化指标可以发现,它们之间存在一定的冲突和矛盾,例如:Lfuel越小,需要的可再生能源则越多,达到一定渗透率后,就会有部分可再生能源无法利用,导致Rren减小。因此,需要在各种指标之间寻求一个相对平衡的解决方案。在下文的分析中,可靠性指标不作为优化目标考虑,而是作为约束条件考虑。

2.2 多目标优化模型

2.2.1 优化变量定义

选择微电网中光伏电池阵列数NPV、风电机组台数NWind、储能电池容量Ebattery作为优化变量,并定义:

2.2.2 目标函数

1)全寿命周期内的净现值费用

全寿命周期内的净现值费用为微电网在全寿命周期内所产生的净费用,可用全寿命周期内所有成本和收入的资金现值表示[3]。其中,成本部分包括初始投资、设备更新、运行维护、燃料费用;收入部分包括售电收益和设备残值。数学表达式为:

式中:K为整个系统的工程寿命;r为贴现率;C(k)和B(k)分别为第k年的成本和收入。

C(k)的计算公式如下:

式中:CI为初始投资;CR(k),CM(k),CF(k)分别为第k年的更新费用、维护费用和燃料费用;CIcon,CIbattery,CIpv,CIwind,CIDG,CIConverter分别为微电网主控系统、电池、光伏阵列、风电机组、柴油发电机和变流器的投资费用;CRbattery(k),CRpv(k),CRwind(k),CRDG(k),CRConverter(k)分别为第k年的电池、光伏阵列、风电机组、柴油发电机和变流器的更新费用;CMbattery(k),CMpv(k),CMwind(k),CMDG(k),CMConverter(k)分别为第k年的电池、光伏阵列、风电机组、柴油发电机和变流器的维护费用;CFDG(k)为第k年的柴油发电机的燃料费用。

B(k)的计算公式如下:

式中:Bsalvage为设备残值,其产生于经济评估寿命的最后一年,可以等效为“负成本”;BGrids(k)为第k年的售电收入。

2)燃料消耗量

燃料消耗量Lfuel定义为全寿命周期内微电网消耗的燃料量。利用化石燃料发电会排放一定量的污染物,而污染物的排放量与燃料消耗量直接相关。因此,可以通过使化石燃料消耗最小来达到减小污染物排放的目标。目前考虑的气体排放主要指CO2排放,认为微电网年CO2排放水平等于年燃料消耗量乘以其气体排放系数。为将排放量转化为经济费用,引入排放处罚项来计算环境成本,即

式中:σCO2为柴油排放系数,即平均单位柴油产生的CO2;gCO2为柴油产生CO2的处罚收费标准;vfuel(k)为第k年微电网的柴油年消耗量。

3)可再生能源利用率

可再生能源利用率Rren定义为可再生能源年发电量与微电网内全部电源年发电量的比值。为了提高可再生能源的利用率,就要减少未利用的可再生能源能量。同样,引入对全寿命周期内未利用的可再生能源能量的惩罚费用作为经济指标,即

式中:gRR为未利用的可再生能源处罚收费标准;Edump(k)为第k年未利用的年可再生能源能量。

2.2.3 多目标函数处理

为了综合考虑上述3项评价指标,可采用线性加权求和法将多目标优化问题转换为单目标优化问题并进行求解,二元对比定权法可作为确定权重系数λi的方法[7]。最终获得的带惩罚项的单目标优化问题如下:

式中:C为惩罚项系数,用于引入系统可靠性指标约束项,如果不满足约束要求,则目标函数加入此项惩罚系数;g(X)为由负载缺电率引入的约束函数。

在式(11)中,目标函数中的权重系数可由专家根据微电网建设目标及微电网所处区域内的环境等因素综合确定。若认为f1的重要性略高于f2,f2的重要性略高于f3,则有λ1>λ2>λ3。

ηLPSP定义为未满足供电需求的负荷能量与整个负荷需求能量的比值,其取值在0~1之间,数值越小,供电可靠性越高。优化模型的约束条件可定义为:

式中:ECS为总的未满足供电需求的负荷能量;Etot为总的负荷需求能量。

由式(12)可知:

3 计算流程

式(11)给出的优化模型属于典型的混合非线性优化问题,遗传算法因其较强的离散变量处理能力、内在的隐并行性和较好的全局寻优能力[8],可用于有效求解这一问题。这里采用十进制最优保留遗传算法(EGA)[9]求解这一优化规划模型,该方法中采用最优个体保留策略,以保证算法的全局收敛性。针对每一种方案,需要采用特定的控制策略决定方案的运行方式,这里微电网运行方式的仿真利用QSOT-MG来实现,控制策略采用RHCC。

十进制遗传算法使用固定长度的十进制符号串来表示群体中的个体,这里定义的个体基因依次为:NPV,NWind,Ebattery,基因(染色体)排列结构可表示为{NPV|NWind|Ebattery}。

适应度函数表示为:

式中:c为目标函数界限的保守估计值。

优化计算流程如附录A图A1所示,通过交叉、变异等操作,产生满足式(11)的最佳优化变量组合。其具体步骤如下。

步骤1:初始群体的生成。随机产生M个初始串结构数据,每个串结构数据称为一个个体,每个个体表述为{NPV|NWind|Ebattery},M个个体构成了一个群体。遗传算法以这M个串结构作为初始点开始迭代,设置迭代次数T,随机生成M个个体,组成初始种群。

步骤2:调用功率平衡仿真,计算每个个体对应的目标函数值、负载缺电率及适应度函数值。

步骤3:个体适应度的检测评估。选择运算使用比例选择算子,交叉运算使用单点交叉算子,Pc为交叉概率;变异运算使用基本位变异算子,Pm为变异概率。

步骤4:选择个体,并且保留进化种群迄今为止所发现的最优个体进入子代,经过选择、交叉、变异后得到下一代群体。

步骤5:终止条件判断。若达到最大迭代次数,则终止运算,输出最优结果;否则,迭代次数减1,转到步骤2。

4 计算结果

选取中国东部沿海某岛屿(东经122.40°、北纬30.10°)上的风光柴储独立微电网作为研究对象。根据该岛全年预测的风力、光照情况和水电负荷需求,采用本文提出的优化模型进行最佳容量优化配置计算。其中,已知居民负荷峰值为100kW,设定柴油发电机的额定功率亦为100kW。海水淡化系统的额定功率为12 kW,相应的制水能力为1.2m3/h,淡水水库的蓄水量为50m3,可供居民一周用水。柴油机作为主要电源之一,其CO2排放系数为2.5kg/L[10],gCO2=1 050 000元/kg[11]。未利用的可再生能源处罚收费标准gRR按照当地电价1.78元/(kWh)收取。仿真时间步长为1h,选取20a作为工程寿命周期。遗传算法中的种群个数M=100,迭代次数T=200,交叉率Pc=0.8,变异率Pm=0.1,c=108。目标模型的权重分别为0.450,0.333,0.217。

光伏电池、风力发电系统、蓄电池的相关参数如下。

1)单块峰值功率为180 W的光伏电池板,参数如附录B表B1所示,单体开路电压为44.28V,最佳工作电压为35.65V,根据并网变流器直流侧电压输入允许范围,将14块光伏电池板串接构成一个单元,每个单元串联后的开路电压为620V,最佳工作电压为499.1V,最大发电功率为2.52kW,优化变量NPV在这里表示光伏电池阵列的并联个数。

2)选择单台额定功率为30kW的风电机组,风电机组参数如附录B表B2所示。

3)采用铅酸蓄电池作为微电网内的储能单元,单体电池的端口电压为2V,根据并网变流器直流侧电压输入允许范围,需要串接240节电池,以电池容量Ebattery作为优化变量。

参考实际独立海岛系统的工程费用,光伏电池、风电机组、柴油发电机和铅酸电池的设备和维护费用等如附录C表C1所示。

除了设备费用外,初始投资费用还包括电气设备费用、运输和安装费用等配套费用,其中,光伏发电的配套费用约占总投资费用的18%,风力发电的配套费用约占总投资费用的30%,大部分为交流电缆的费用。由于可以获得中国政府金太阳专项资金的资助,按总投资的70%给予独立光伏发电系统补助。附录C表C1中所示的光伏发电费用为补贴后的费用。柴油发电机和铅酸电池的配套费用则占各自系统总投资的比例相对较少,此处折算到各自的设备费用中。电池的使用寿命取决于电池的特性和使用情况,在整个系统的工程寿命期间,需要对电池进行更新,电池的更新费用包括购买电池的费用和安装、运输费用。以单节1 000Ah免维护铅酸电池为例,电池在使用期间的维护费用为0。目前,国内的柴油价格为7.36元/L(含运输费用),从中国大陆到该海岛柴油的运输费用为70~80元/t,贴现率r=5%。

根据岛上的风力和光照资源数据,NWind=1,NPV=40,Ebattery=900Ah,即风电机组总装机功率为30kW,光伏电池组的额定功率为100.8kW,铅酸电池额定容量为900Ah。全寿命周期内的净费用为1 393 932元。整个系统的净费用所占比例情况如附录D图D1所示。可以看出,目前电池的投资及替换费用和柴油机的燃料费用为影响系统总费用的主要因素。

将本文算法与HOMER软件进行比较,HOMER以CNPC最小为单一优化目标,在优化过程中,HOMER通过遍历所有可能的控制策略和系统容量组合后,选择采用负荷跟随(load following,LF)的控制策略作为内层算法[5]。HOMER软件中的LF策略类似于Hybrid2软件中采用柴油发电机进行净LF的第1类策略[2]。此策略的原则为:当净负荷小于0,即可再生能源输出功率大于系统内负荷功率时,利用可再生能源为蓄电池充电,若充电功率超过蓄电池最大充电功率限制,则需弃掉部分可再生能源功率,这部分功率对应的能量可计为系统未利用能量,并作为策略优劣的评价指标之一;而当净负荷大于0时,比较柴油机和蓄电池的单位发电成本,选择发电成本最低的单元优先给负荷供电,如果发电成本低的单元的供电能力不足,则使用另外一种发电单元补足需求,如果两者都达到最大出力仍不能满足负荷需求,则应切除部分负荷,负荷切除量(即负荷不满足量)将成为评价控制策略优劣的指标之一;当柴油发电机发电功率低于最小运行功率限制时,设置其出力等于最小运行功率,此时柴油发电机用多余功率给电池充电,如果仍有多余功率,则需要额外的负荷进行消耗,这时所浪费的能量也计入系统未利用能量,作为评价策略优劣的指标。

表1给出了5种情况的结果比较:(1)完全采用柴油机供电;(2)采用LF策略的HOMER优化结果;(3)采用统一蓄电池寿命模型修正的HOMER优化结果;(4)采用RHCC策略的QSOT-MG,以CNPC最小作为单一目标的优化结果;(5)采用RHCC策略的QSOT-MG,考虑多目标的优化结果。

比较表1结果可以看出以下几点。

1)与完全采用柴油机供电的计算结果比较,新增可再生能源发电后,因有效减少了柴油发电机的燃料消耗,经济性等各方面都有所改善。

2)HOMER采用的电池模型[3]虽与本文[2]同为Kinetic模型,但其考虑的蓄电池寿命模型与本文不同。在HOMER中,认为蓄电池全寿命周期内的放电能量固定,并没有考虑反复充放电对蓄电池寿命的影响。在表1中,情况(2)和(3)的结果的唯一不同之处就是蓄电池寿命的计算方法不同,后者考虑了充放电次数对电池寿命的影响。从结果可以看出,修正后系统总的CNPC明显加大。

3)将情况(2)和(3)的优化结果与情况(4)的优化结果进行对比可以发现,后者的CNPC明显减小。情况(2)和(3)的优化结果中风电机组容量明显大,此时为了充分利用可再生能源,需要多配置储能电池,这是造成其方案费用高的明显原因。相对而言,情况(4)的经济性更好,但由于需要利用柴油机给蓄电池充电,因此柴油机的运行时间和耗油量比情况(2)和(3)的大。

4)对比情况(4)和(5)的优化结果可知,情况(5)的CNPC略有增加,但是未利用能量大幅减少,蓄电池寿命也略有增加,实现了CNPC、未利用能源和燃料消耗的最佳权衡。

附录D图D2给出了在不同可再生能源渗透率下,多目标函数和3个子目标函数值的变化情况。这里,渗透率定义为可再生能源装机容量占负荷峰值的比例,即

式中:PPVN和PwindN分别为光伏电池和风电机组的额定功率;Ploadmax为居民负荷峰值。

可以看出,CNPC与多目标函数值都是先减小后增大,污染排放一直减小,未利用可再生能源一直增大。随着渗透率增大,可再生能源装机容量增加,可以使用可再生能源补偿部分负荷需求,从而减少柴油机的工作时间,燃料消耗和污染排放随之减少。另一方面,渗透率开始增加时,CNPC会随着燃料消耗的减少而下降,但是当渗透率增加到一定程度后,由于负荷需求一定,再增加的可再生能源只能浪费掉,系统未利用的能量增加,新增可再生能源的装机费用和替换费用高于由此节省的燃料费用,因此CNPC又会增大。由以上3个因素综合考虑即可得到多目标优化结果,本算例中最佳渗透率是130%。

分别对系统中未利用能量和污染排放的惩罚力度进行灵敏度分析,计算结果如附录D表D1所示。与表1中的多目标优化结果相比,当系统未利用能量惩罚费用增加至5倍时,可再生能源渗透率减小,系统未利用能量减小,柴油机运行时间和燃料消耗理应相应增大,但是由于蓄电池的容量较多,减少了部分柴油机的开启时间,因此,此结果中的柴油机运行时间和燃料消耗略小,但CNPC增大。当污染排放惩罚费用提高至5倍时,可再生能源渗透率增大,系统未利用能量增加,柴油机运行时间和燃料消耗都相应减小,CNPC略有增加。通过灵敏度分析可以看出,分布式电源优化配置受国家相关政策的影响较大。

5 结语

本文围绕风光柴储独立微电网,提出了综合考虑其经济性、环保性、可再生能源利用率、供电可靠性等技术经济指标的多目标优化设计方法。利用十进制遗传算法,针对某独立海岛优化设计了分布式电源的额定功率和储能系统的容量。通过与HOMER优化结果进行比较,表明本文所提出的优化方法具有一定的优越性,可以综合考虑多方面因素的影响,获得净费用、可再生能源利用率、燃料消耗量的最佳权衡结果。通过对系统未利用能量和污染排放惩罚力度的灵敏度分析可以看出,分布式电源优化配置方案受国家能源政策的影响较大。因此,开展与分布式电源相关能源政策的软课题研究,制定鼓励分布式电源发展的政策和法规,是分布式电源发展的重要推动力。

附录见本刊网络版(http://aeps.sgepri.sgcc.com.cn/aeps/ch/index.aspx)。

参考文献

[1]LASSETER R,AKHIL A,MARNAY C,et al.Integration ofdistributed energy resources[C]//Proceedings of Consortiumfor Electric Reliability Technology Solutions,2002,Berkeley,CA,USA:2-6.

[2]National Renewable Energy Laboratory(NREL).The hybridpower system simulation model[EB/OL].[2011-12-01].http://www.ceere.org/rerl/projects/software/hybrid2/index.html.

[3]National Renewable Energy Laboratory(NREL).Energymodeling software for hybrid renewable energy systems[EB/OL].[2011-12-01].http://www.homerenergy.com/.

[4]DUFO-LOPEZ R,BERNAL-AGUSTIN J L.Design andcontrol strategies of PV-diesel systems using genetic algorithms[J].Solar Energy,2005,79(1):33-46.

[5]SENJYU T,HAYASHI D,YONA A,et al.Optimalconfiguration of power generating systems in isolated island withrenewable energy[J].Renewable Energy,2007,32(11):1917-1933.

[6]肖世杰.构建中国智能电网技术思考[J].电力系统自动化,2009,33(9):1-4.XIAO Shijie.Consideration of technology for constructingChinese smart grid[J].Automation of Electric Power Systems,2009,33(9):1-4.

[7]程浩忠.电力系统规划[M].北京:中国电力出版社,2008.

[8]石立宝,徐国禹.遗传算法在有功安全经济调度中的应用[J].电力系统自动化,1997,21(6):42-44.SHI Libao,XU Guoyu.Application of genetic algorithm ineconomic power dispatch with security[J].Automation ofElectric Power Systems,1997,21(6):42-44.

[9]何琳,王科俊,李国斌,等.最优保留遗传算法及其收敛性分析[J].控制与决策,2000,15(1):63-66.HE Lin,WANG Kejun,LI Guobin,et al.Elitist preservedgenetic algorithm and its convergence analysis[J].Control andDecision,2000,15(1):63-66.

[10]SONNTAG R E,BORGNAKKE C,WYLEN G J V.Fundamentals of thermodynamics[M].6th ed.New York,NY,USA:Wiley,2002.

独立电网 第4篇

社会对能源的需求、环境保护的要求和可再生能源利用技术的发展促使分布式发电技术得到了快速的发展和广泛的应用。微电网将分布式电源、储能装置、相关负荷及控制装置有效整合, 形成一个单一的可控单元, 既可以接入外部电网运行, 也可以独立运行[1,2,3,4]。海岛及偏远地区有着丰富的可再生能源, 微电网系统具有灵活性和一定的可控性, 作为可再生能源利用的载体, 在这些地区有着良好的开发、应用前景。

微电网系统电源容量一般较小, 可再生电源出力以及负荷的随机性问题愈发凸显。要自主维持系统的稳定运行, 有效的控制策略尤为重要。目前对于微电网的控制策略已经有不少研究, 但主要集中于系统控制结构、微电源控制方法上, 很少考虑因气象等外部条件变化产生的微电网随机波动问题, 只能被动应对这种波动[5,6]。在一般的系统规划和日前调度计划中, 对这些可再生能源出力也仅进行粗略的小时时间尺度的预测[7,8]。因此, 这些方法在实际稳定运行控制中难以取得好的效果, 有必要寻求新的控制方法。

针对主从式控制结构独立微电网, 本研究通过数据采集与监视控制系统 (Supervisory Control And Data Acquisition, SCADA) 采集可再生能源出力和负荷的实时数据, 运用最小二乘支持向量机算法 (LS-SVM) 对系统净负荷进行滚动预测。在预测有效的基础上提出一种微电网从电源在线控制策略, 通过主动控制从电源出力调整, 提前响应净负荷的变化, 从而减轻主电源调节压力, 保证微电网的稳定运行。

1 微电网净负荷

主从结构的集中控制式微电网符合传统电力系统集中分层控制的思想, 是目前主流应用的微电网架构模式, 独立微电网系统结构示意图如图1所示。系统中的微网中央控制器 (microgrid central controller, MGCC) 形成控制策略和经济调度计划, 并通过负荷控制器 (load controller, LC) 和电源控制器 (microsource controller, MC) 实现对微网整体的控制。微电网依靠一个或多个主电源工作于恒压恒频 (V/f) 控制模式来维持频率、电压的实时稳定, 同时其他电源则工作于恒功率 (PQ) 控制模式, 根据MGCC的控制命令按计划运行。对于光伏发电 (photo-voltaic cell, PV) 和风力发电 (wind turbine, WT) 等间歇性的电源, 为了保证对可再生能源的最大利用, 一般采用最大功率跟踪 (maximum power point tracking, MPPT) 方式运行。

在MPPT模式下, PV、WT的出力由光照强度、风速、温度等外部环境因素决定, 具有较强的随机性, 不符合传统电力系统电源可控的理念。因此, 可以将其视为电源性负荷, 与系统正常负荷综合考虑, 即得到微电网净负荷:

式中:Peq微电网净负荷;PLi系统内各负荷;PRSi各可再生能源电源出力;SL系统负荷集合;SRS系统内可再生能源电源集合。

微电网净负荷包含了间歇性电源不可控的变化, 体现了系统运行状态。有效的净负荷超短期预测能够为MGCC在线控制策略提供可靠依据。

2 超短期预测方法

2.1 预测方法分析

设微电网内利用的可再生能源仅包括太阳能和风能, 系统净负荷可表达为:

式中:SPV, SWT光伏发电单元集合和风力发电机组集合。

由于影响因素不同, PV、WT出力及负荷之间基本不具有相关性, 净负荷的超短期预测可以通过对式 (2) 中各项分别预测来得到。同时, 独立微电网系统范围较小, 负荷类型一般比较单一, 同一类型机组的运行条件基本一致, 因此可以将系统内负荷、各类型机组分别合并等效为单一负荷、发电单元来处理。

短时间间隔采集的待预测量实时数据形成的时间序列, 内在包含当前温度、风速等外部条件的变化, 将其作为单一输入量进行直接预测, 具有预测模型简单、计算时间短的优点, 能够满足超短期预测对于预测速度和精度的要求。

2.2 基于最小二乘支持向量机的预测模型

支持向量机 (SVM) 能够较好地解决小样本、非线性等实际问题, 具有很好的泛化能力, 最小二乘支持向量机 (LS-SVM) 在其基础上加以改进, 计算复杂度进一步降低, 求解速度相对加快[9,10,11]。本研究利用Matlab平台的LS-SVM工具箱, 预测步骤如下:

(1) 在k时刻, 采集前n个时刻的历史数据作为样本输入量:X=[Pk-n..., Pk-2, Pk-1], 样本输出量:Y=[Pk]。

(2) 选定核函数为高斯径向基函数:, 确定正则化参数gam和高斯径向基函数参数σ。

(3) LS-SVM模型训练。

(4) 输入预测样本X=[Pk-n+1..., Pk-1, Pk], 得到预测值Y=[Pk+1], 作为控制策略的依据。

(5) k=k+1, 更新SCADA数据, 产生新的预测样本, 进行下一时刻的预测。

2.3 实际预测中的数据处理及精度评价

在实际计算中, 对原始数据归一化处理再进模型训练预测, 能够加快收敛速度, 提高算法效率:

式中:Pk′归一化处理后样本值;Pmin样本序列中的最小值;Pmax样本序列中的最大值。

将预测数据再进行反归一化处理, 得到功率数据的预测值并与真实数据相比较, 以平均相对误差eMAPE和均方根误差eMSE为预测精度评价函数:

式中:l预测数据个数, 预测值, Pi实际值。

3 在线控制策略

依照微电网的日前调度计划, 系统每小时的计划净负荷为:

式中:PhPV, PhWT, PhLOAD第h小时光伏、风电机组及负荷的日前预测功率。

由在线预测可以得到系统非计划负荷:

式中:t第h小时内的在线控制时段;t时段净负荷预测值。

若系统中的可控从电源完全执行日前调度计划, 将完全由维持系统平衡的主电源承担。该控制策略在实现净负荷预测的基础上, 让各从电源主动投入到对非计划负荷的分担中, 参与协调系统的稳定。在不违反机组开停计划的基础上, 以各可控电源调整后出力偏离日前计划最小为目标, 建立系统优化控制模型:

式中:ΔPtDGi各可控从电源调整量;PhDGi各可控电源日前计划出力;SDG可控电源集合。

约束条件包括:

(1) 功率平衡约束:

(2) 机组停开机命令约束:

(3) 机组上下限约束:

(4) 机组爬坡率约束:

式中:PhDGi各可控从电源第h小时的日前计划出力, RDGi各可控从电源的最大爬坡率, Δt两次控制命令间的时间间隔。

协调控制策略流程如图2所示。

4 算例分析

以某岛屿微电网为例, 系统包含PV、WT、微型燃气轮机 (microturbine, MT) 、燃料电池 (fuel cell, FC) 和柴油发电机 (diesel engine, DE) 5种发电单元。其中MT作为主电源工作于V/f模式, FC和DE作为可控从电源工作于P/Q模式;PV容量为100 k W, WT容量为100 k W, 均以MPPT方式运行。各可控电源信息如表1所示。

4.1 超短期预测效果

取2011年10月28日岛上系统运行的实时数据, 采样周期10 min, 部分数据如表2所示。本研究采用最小二乘支持向量机方法分别得到微电网中WT、PV和负荷的超短期预测值, 从而实现对系统净负荷的滚动预测, 与实际测量值对比如图3、图4所示, 预测误差如表3所示。

结合图3、表3分析可知:LS-SVM方法能够较好地跟踪预测网中风力发电机出力及负荷变化, 有很好的预测精度;对光伏出力的预测误差偏大, 这是由于本研究直接预测的方法在日出、日落时训练样本数量受到限制, 光伏预测在这两个时段有较大的误差。但从系统净负荷的预测结果上来看, 该方法预测精度基本满足要求, 能够有效地掌握微电网系统运行状态, 为控制策略提供依据。

4.2 控制策略效果

从电源FC和DE调整后运行情况如图5所示, 主电源MT调整前后运行情况对比如图6所示。

从图6可以看出, 若不采用本研究的控制策略, 主电源MT独自维持系统功率的平衡, 在实际运行中将持续较大波动, 调节压力非常大。从计算数据上来看, 实际上在0∶50和17∶00两个时间点MT的理论出力要求都突破了机组出力下限;12∶20~12∶30和16∶50~17∶00两个时间段对MT的出力调整的要求都超过了机组爬坡率的限制, 系统面临电压降低、电能质量下降乃至崩溃的危险。经本研究控制策略在线调整后, MT的运行波动有了很大的下降, 调节压力显著降低, 对其出力的调整要求也在机组自身能力范围之内, 有效提高了系统稳定运行的可靠性。

5 结束语

本研究针对独立微电网稳定运行的问题, 提出了一种基于超短期预测的协调控制策略。以在线采集数据为输入量运用LS-SVM方法对微电网净负荷进行滚动预测, 在此基础上协调控制系统内可控从电源的输出, 提前响应系统内非计划负荷变动, 释放出主电源功率调节裕量, 减轻主电源调节压力。最后的算例结果表明, 文中的预测方法、控制策略是可行和有效的。该工作为独立微电网运行控制的研究提供了一条新思路。

参考文献

[1]LASSETER R H, AKHIL A, MARNAY C.Integration of distributed energy resources:the CERTS microgrid concept[R].Berkeley, CA, USA:Consortium for Electric Reliabili ty Technology Solutions, 2002.

[2]刘振亚.中国电力与能源[M].北京:中国电力出版社, 2011.

[3]王成山, 王守相.分布式发电供能系统若干问题研究[J].电力系统自动化, 2008, 32 (20) :1-4.

[4]HATZIARGYRIOUN, ASANOH, IRAVANIR, etal.Microgrids[J].IEEE Power and Energy Magazine, 2007, 5 (4) :78-94.

[5]LOPES J A P, MOREIRA C L, MADUREIRA A G.Defining control strategies for microgrids islanded operation[J].IEEE Transactions on Power Systems.2006, 2 (21) :916-924.

[6]TSIKALAKIS A G, HATZIARGYRIOU N D.Centralized control for optimizing microgrids operation[J].IEEE Trans actions on Energy Conversion.2008, 23 (1) :241-248.

[7]丁明, 张颖媛, 茆美琴, 等.集中控制式微网系统的稳态建模与运行优化[J].电力系统自动化, 2009, 33 (24) :78-82.

[8]刘小平, 丁明, 张颖媛, 等.微网系统的动态经济调度[J].中国电机工程学报, 2011, 31 (31) :77-84.

[9]FAN S, CHEN L.Short-term load forecasting based on an adaptive hybrid method[J].IEEE Transactions on Power Systems, 2006, 21 (1) :392-401.

[10]陈亮宏, 罗毅初, 龙雪涛.基于支持向量机的短期负荷预测[J].机电工程技术, 2012, 41 (12) :18-20.

独立电网 第5篇

海岛及偏远地区通常远离大电网,一般采取独立供电方式,短期内与大电网互联不易实现,大多采用柴油发电机供电模式,由于其高昂的柴油成本以及运输困难,通常电力十分紧缺。但此类地区可再生能源比较丰富,充分利用可再生能源,建立含风光等可再生能源的发电系统是解决此类地区用电问题行之有效的措施。微电网系统作为可再生分布式电源的有效组织形式,近年来受到了广泛关注并得到了越来越多的应用[1],在解决海岛及偏远地区用电问题上发挥着重要作用。

风光等可再生能源具有随机性和波动性等特点,如何充分、有效地利用可再生能源,使微电网系统稳定、可靠、经济运行,是微电网系统研究的核心与关键问题。近年来,国内外学者围绕微电网系统展开了一系列的研究与探索,以期达到微电网系统的优化设计与运行。文献[2-6]基于经济性考虑,针对不同的微电网系统组合形式,寻求成本单目标下的优化运行;文献[7]针对独立混合发电系统,采用遗传算法探讨了系统成本和污染排放2个目标下的优化,并讨论对比了蓄电池与氢储能的优劣;文献[8]建立了集中控制模式下的微电网优化调度模型,主要结合燃料电池,提出了运行和折旧成本最低、环境和综合效益最高等优化目标函数;文献[9]针对含风光的热电联产(CHP)发电系统,采用遗传算法探讨了年损耗等6个目标下的优化问题,得出了各目标之间的关系。在对微电网系统进行优化分析时,在满足经济运行的基础上,应充分考虑蓄电池储能系统使用原则,从而有效延长蓄电池的使用寿命,尤其是对于铅酸蓄电池,其使用约束和原则较多,在微电网系统优化时应充分加以考虑。但上述文献较少考虑这些因素,不能达到全方位优化运行的目的。

本文基于浙江省东福山岛300kW风光柴蓄海水淡化综合系统工程建设和运行中提出的现实问题,讨论采用铅酸蓄电池作为储能系统的独立风光柴蓄微电网系统经济运行优化问题,充分考虑铅酸蓄电池储能系统自身使用原则,采用改进型非劣排序遗传算法(NSGA-Ⅱ),探讨成本和蓄电池优化使用的多目标下优化问题,以达到微电网系统整体经济优化运行的目的。

1 微电网系统电源模型

1.1 风光柴蓄微电网系统

如图1所示,风光柴蓄微电网系统是典型的独立微电网系统组合。柴油发电机作为系统的备用电源,有如下2个作用。(1)应急电源。当可再生能源和蓄电池无法满足负荷需求,或蓄电池荷电状态(SOC)达到最低限值时,柴油发电机启动提供应急电力,从而保证微电网系统的供电可靠性。(2)补充电源。由于可再生能源发电的随机性和波动性,仅靠可再生能源很难保证对蓄电池的充电功率和充电时间,柴油发电机作为蓄电池的补充电源,可提供稳定的充电功率和有保证的充电时间,从而有效保护蓄电池,延长蓄电池使用寿命。

在微电网系统运行中,由于柴油发电机消耗燃油,同时会对环境造成一定程度的污染,且相对于可再生能源,柴油发电机的经济性较差,因此,应尽量减少柴油发电机的运行。如图2所示,当开启柴油发电机,蓄电池处于充电状态时,对于可再生能源状况较好的情况,无需使用柴油发电机将蓄电池充电至SOC上限值Smax。假设柴油发电机关停时蓄电池SOC值为Sst,在可再生能源状况较好的情况下,可再生能源能够提供一定的后续充电功率,从而可以更加充分地利用可再生能源,减少二次能源的消耗。另一方面,当蓄电池SOC降至最低下限值Smin,柴油发电机开启运行时,由于可再生能源的随机性和波动性,从有利于蓄电池使用角度出发,应适当增加柴油发电机的运行,从而保证蓄电池充分充电,这将有效提高蓄电池的使用寿命,如果蓄电池损耗过快,将大大削弱整个微电网系统的稳定性与经济性。尤其是对于海岛地区而言,其交通不便、运输成本极高,若蓄电池经常需要更换维护,将会带来潜在的巨大经济损失。

上述2个方面是相互矛盾的,因此,如何在有利于蓄电池使用的前提下,根据可再生能源和负荷状况,优化柴油发电机和蓄电池运行工况,是一个值得探讨的问题。

1.2 风电机组模型

风电机组输出功率与风速之间的近似关系可用如下分段函数表示[10]:

式中:vci为切入风速;vco为切出风速;vr为额定风速;Pwt-rate为风电机组额定输出功率。

当风速介于vci与vr之间时,风电机组输出功率可以表示为风速的函数η(v),一般可以近似为线性关系,即

本文考虑的风电机组为小型直驱风电机组,一般无法进行功率调节。因此,风电机组最终输出的功率只可能是其最大可输出功率,或是风电机组被切除,风电机组输出功率为0,可表示为:

式中:Pwt-out为风电机组最终输出的实际功率。

1.3 光伏发电系统模型

光伏发电系统输出功率可由标准额定条件(太阳辐照度GSTC为1 000 W/m2,电池温度TSTC为25℃,相对大气光学质量为AM1.5)下的输出功率、光照强度、环境温度得到[11]:

式中:Ppv为光伏发电系统在工作点的输出功率;Gc为工作点的太阳辐照度;k为功率温度系数;PSTC为标准额定条件下光伏发电系统的额定输出功率;Tc为工作点的电池温度。

本文考虑的光伏发电系统带有最大功率点跟踪(MPPT)调节功能,光伏发电系统最终输出的功率可以是不大于其最大可输出功率的任意值,可表示为:

式中:Ppv-out为光伏发电系统最终输出的实际功率。

1.4 铅酸蓄电池模型

本文使用铅酸蓄电池作为储能系统,是整个风光柴蓄微电网系统的核心,其使用策略直接决定了整个系统性能。

工作过程中,蓄电池有SOC的限制,任意时刻其SOC值S需在限制的范围内,可表示为:

t+Δt时刻SOC值与t时刻SOC值及本时段蓄电池功率相关,可表示为:

式中:St为t时刻SOC值;St+Δt为t+Δt时刻SOC值;Pbat-t为t至t+Δt时间段内蓄电池功率;Cbat为蓄电池的容量。

铅酸蓄电池是微电网系统内寿命周期最短的设备,其使用状况决定了整个微电网系统性能的优劣。现有研究表明,铅酸蓄电池的寿命损耗受多方面因素影响。文献[12]表明,铅酸蓄电池有效累积寿命与其工作的SOC值相关,两者关系见附录A图A1。例如:当SOC值为0.5时,蓄电池放电1 Ah等效于有效累积寿命增加1.3 Ah;当SOC值为1时,蓄电池放电1 Ah等效于有效累积寿命增加0.55Ah。这表明蓄电池工作在低SOC水平时寿命损耗会变大,对蓄电池的使用不利。因此,应尽量避免蓄电池工作在低SOC水平下。

铅酸蓄电池的使用循环次数,即其损耗快慢程度与放电深度(DOD)相关,关系曲线见附录A图A2。两者关系可表示为:

式中:N为放电深度为DN时的等效循环次数;a1,a2,a3,a4,a5为相关系数。

此外,铅酸蓄电池的损耗不仅与放电深度相关,也与充电过程有关。文献[13]研究表明,由于铅酸蓄电池化学反应的特殊性,极小的充电电流对蓄电池也是不利的,不利于蓄电池内部化学物质反应,同样应尽量避免;文献[14]研究表明,对于铅酸蓄电池,充电过程更加重要,在铅酸蓄电池经历放电周期后,保证蓄电池充电充分,对蓄电池使用更加有利,若蓄电池充电不足,会造成电池硫酸盐化,影响电池容量和寿命。此外,应尽量避免蓄电池充放电的频繁转换,减少其转换次数,以达到有利于蓄电池使用的目的。

因此,在铅酸蓄电池使用过程中,需注意各种因素对蓄电池使用性能的影响,以使蓄电池工作在最佳的工作状态,延长其使用寿命,提升整个微电网系统的性能指标。

1.5 柴油发电机模型

柴油发电机通常作为后备电源,耗油量F是与其输出功率相关的线性函数,可表示为:

式中:Pgen-rate和Pgen分别为柴油发电机的额定功率和输出功率;F0和F1为柴油消耗曲线截距系数,由文献[15]推荐取值,F0取0.084 15、F1取值为0.246。

柴油发电机一般有最小运行功率限制,本文取0.3倍的额定功率。

2 优化模型

2.1 目标函数

本文探讨的微电网系统满足以下2个假设前提:(1)微电网系统中,蓄电池功率能够满足最大负荷功率需求(即在无风无光的极端情况下,蓄电池功率能满足最大负荷的需求);(2)柴油发电机功率能够满足最大负荷以及电池充电需求(即在无风无光的极端情况下,柴油发电机功率能满足最大负荷及蓄电池充电功率的需求)。在此前提下,微电网系统内负荷可避免停电的情况。

本文建立了含有风电机组、光伏发电系统、铅酸蓄电池储能及柴油发电机的微电网系统,主要将各部分设备损耗费用、运行和维护费用、燃料费用和环保折算费用计入系统成本。

1)柴油发电机

式中:Closs-gen和Com-gen分别为柴油发电机自身损耗成本及运行维护成本;Cfuel为燃料费用;Cpo-gen为柴油发电机污染惩罚;Egen为柴油发电机发电量;Cpog为单位电量的污染惩罚,柴油发电机发电会产生NOx,SOx,COx等有害气体,有一定的污染惩罚,具体数据见附录A表A1和表A2[16],由附录A表A1和表A2数据可折算得出柴油发电机的污染惩罚数据。

2)可再生能源发电

可再生能源发电不需要消耗额外的二次能源,无燃料成本。可再生能源发电成本主要是设备损耗成本、运行维护成本和发电补贴:

式中:Closs-res和Com-res分别为可再生能源发电设备损耗成本及运行维护成本;Csub为可再生能源发电补贴。

3)蓄电池

考虑蓄电池的运行损耗成本,蓄电池一般以循环次数来衡量其使用寿命,一个循环周期为充放电来回一次。蓄电池循环一次的损耗成本为:

式中:Cinit-bat为蓄电池初始投资;N为循环次数。

考虑到铅酸蓄电池的有利使用原则,对蓄电池损耗成本添加相应的影响因子,以惩罚铅酸蓄电池的不利使用。

在独立微电网系统中,蓄电池的充放电过程并不是固定、完整的循环过程,而是由外界电源条件决定的,因此,在考虑蓄电池损耗成本时,将分别考虑蓄电池的充电过程和放电过程损耗。

(1)充电过程:假设一个影响因子λc-soc,来表示充电SOC值对蓄电池损耗的影响。λc-soc与最终充电达到的SOC值、蓄电池工作SOC值以及充电功率相关,以此来表示各因素对电池损耗的影响。此关系可表示为:

式中:Sc-start为充电起始SOC值;Sc-end为充电最终达到的SOC值;kpower和kc为假设的影响系数。

Sc-end越接近SOC最高上限值Smax,即充电越充分,则λc-soc越小;Sc-start越大,表明蓄电池工作在较高SOC水平,则蓄电池的损耗相对较低;为计及小充电功率的损害,当充电功率很小时,通过kpower因子对λc-soc产生影响;kc为添加的影响因子,以修正λc-soc最终取值范围。最终通过对λc-soc值的设定,来近似表示蓄电池相关因素对损耗的影响。

蓄电池一个充电过程损耗成本Ccha-bl可表示为:

式中:N为对应SOC水平下的充放电循环次数,可由式(8)求得;Cinit-bat/(2 N)表示此SOC水平下一个充电过程蓄电池的损耗,通过影响因子λc-soc对充电过程损耗成本进行修正。

(2)放电过程:假设一个影响因子λd-soc,来表示蓄电池放电SOC值对损耗的影响。λd-soc与最终放电达到的SOC值以及初始放电SOC值相关,以此来表示放电深度对电池损耗的影响。此关系可表示为:

式中:Sd-start为放电起始SOC值;Sd-end为放电最终达到的SOC值;kd为假设的系数。

Sd-end越小,表明蓄电池放电深度越大,蓄电池的损耗相对较大;Sd-start越接近Smax则放电过程越完整,损耗越接近一个完整的放电周期;kd为添加的影响因子,以修正λd-soc最终取值范围。通过对λd-soc值的设定,来近似表示蓄电池相关因素对损耗的影响。

蓄电池一个放电过程损耗成本Cdis-bl可表示为:

式中:Cinit-bat/(2 N)表示此SOC水平下一个放电过程蓄电池的损耗,通过影响因子λd-soc对放电过程损耗成本进行修正。

4)供电收益部分

式中:Ce为单位电价;Dload为供应的负荷总量。

根据以上各部分分析,本文将考虑发电成本及蓄电池使用多目标经济运行优化问题,目标函数如下。

目标1:电源发电成本

在假设前提下,微电网系统内负荷均能得到满足,因此,供电收益是固定的,目标1中计入柴油发电机和可再生能源发电成本,可表示为:

可再生能源利用率越高,则电源发电成本越小,反之则电源发电成本越大,在此目标下寻求发电成本最小化。

目标2:蓄电池总损耗成本

将铅酸蓄电池总损耗成本作为第2个优化目标:

式中:∑Ccha-bl+∑Cdis-bl为工作时间内蓄电池的总充放电损耗成本。

目标3:蓄电池充放电转换次数

寻求蓄电池充放电状态转换次数Nbat最小化,避免蓄电池的频繁波动,即

在以上3个目标下,探讨多目标下的优化参数,以达到可再生能源利用和蓄电池有利使用的优化。

2.2 约束条件

1)功率平衡:

式中:Pload为负荷功率;Pbat为电池功率;功率为正表示充电,为负表示放电。

2)柴油发电机功率约束:

3)光伏发电系统功率约束(式(5))。

4)单台风电机组功率约束(式(3))。

5)蓄电池功率约束:

式中:Pd-max为蓄电池最大放电功率;Pc-max为蓄电池最大充电功率。

6)蓄电池SOC值S的限值约束(式(6))。

2.3 逻辑约束关系

首先判断微电网系统开始工作时蓄电池的初始SOC值,若初始SOC值低于下限值Smin,则进入逻辑约束1;若初始SOC值高于下限值Smin,低于上限值Smax,则进入逻辑约束2;若初始SOC值高于上限值Smax,则进入逻辑约束3。

逻辑约束1:为避免蓄电池过放,不允许蓄电池再放电,此时,柴油发电机开启,其运行功率范围为0.3Pgen-ratePgenPgen-rate,且保证蓄电池充电功率在一定范围内。

当蓄电池SOC值充电至Sst时,柴油发电机停止运行,此时,蓄电池可以处于充电或放电状态,若可再生能源状况较好,蓄电池SOC值高至Smax,则进入逻辑约束3,若可再生能源状况较差,蓄电池SOC值低至Smin,则重新进入逻辑约束1。

逻辑约束2:优先使用可再生能源发电,此时,柴油发电机处于关闭状态,Pgen值为0,蓄电池可以处于充电或放电状态,若可再生能源状况较好,蓄电池SOC值高至Smax,则进入逻辑约束3,若可再生能源状况较差,蓄电池SOC值低至Smin,则进入逻辑约束1。

逻辑约束3:为避免蓄电池过充,此时不允许蓄电池再充电,当蓄电池SOC值低于上限值Smax时,进入逻辑约束2。

综上,微电网系统根据蓄电池SOC值状况,运行在上述不同的逻辑约束关系之中。

3 算例分析

现以某海岛为例进行分析,该系统组成及各部分成本参数如表1所示。在该海岛微电网系统中,风电机组和光伏发电可信容量[17]约为平均负荷的1.36倍。另外,考虑一定的安全裕量,该微电网系统的备用容量在合理范围内,此系统配置是合理的。根据该地点某月的风速、辐照度、温度气象数据可得出单台风电机组和光伏发电系统的可输出功率值,将单台风电机组和光伏发电系统的可输出功率及负荷曲线作为输入数据,曲线见附录A图A3图A5。

针对多目标问题求解,本文采用NSGA-Ⅱ[18],其凭借良好的收敛性和运行效率,得到了广泛的关注与应用[19,20]。NSGA-Ⅱ的基本思想如下。

1)首先生成规模为N的初始种群P,通过遗传操作得到子代种群Q,并将上述2个种群结合形成中间种群R。

2)对中间种群R进行Pareto秩分级,并按Pareto秩小、密集度小、优先的原则从合并的中间种群R中选择个体,形成新的父代种群P′。

3)再通过遗传算法操作产生新的子代种群Q′,将P′与Q′合并形成新的中间种群R′,重复以上操作,直到满足结束条件为止。

在该算例中,仿真优化时段为30d(720h),SOC初始值设为0.8,针对不同的Sst值,在发电成本、蓄电池总损耗成本和蓄电池充放电转换次数3个目标下,经多次迭代后计算结果如图3所示。

由图3可以看出,3个目标之间存在着一定的制约关系,最终得到的是一组Pareto解集,并不存在所有目标上的最优解,单独一个目标的优化会导致其他目标的不理想化。总体来看,目标1与另外2个目标是相互制约的。

3个目标之间的对应关系如图4所示。

可以看出,电源发电成本越大,柴油发电机运行越多,则蓄电池总损耗成本越小,相应的蓄电池充放电转换次数可有效减少,这表明增加柴油发电机运行可有效改善蓄电池的损耗,从而有效延长蓄电池的使用寿命;电源发电成本越小,可再生能源利用越高,则蓄电池总损耗成本越大,蓄电池充放电转换次数增加,这表明可再生能源利用率的提高是以增加蓄电池的损耗为代价的,由于可再生能源的随机性和波动性,要充分利用可再生能源,蓄电池需频繁改变工作状态,这将导致蓄电池损耗的增大。

蓄电池总损耗成本与蓄电池充放电转换次数相互关联,两者均是表征蓄电池损耗的变量。总体来说,较小的蓄电池总损耗成本对应着较小的充放电转换次数。通过对蓄电池总损耗成本的计算,可近似得出此工况下蓄电池的等效使用寿命。

在本算例中,可以得到在不同的Sst值下,3个目标之间的量化关系,如图5所示。可以看出,较高的Sst值对应着较低的蓄电池损耗和较高的发电成本,其中,当Sst从0.8增大到0.9时,蓄电池总损耗成本降低了约16%,蓄电池的充放电转换次数减少了约13%,蓄电池使用状况得到有效改善,其等效使用寿命得到增加;另一方面,发电成本却增大了约11%,计及蓄电池总损耗成本减小值,系统整体成本略有增加。

针对海岛地区微电网系统,由于蓄电池是寿命周期最短的设备,考虑到极高的运输成本,在一定程度上增大Sst值,虽然提高了发电成本,但却可以改善蓄电池的使用状况,具有一定的经济和实际效益。因此,在本算例系统运行中,选取Sst为0.9,从而保证蓄电池的优化运行。对于运输成本相对较低的偏远地区,为充分利用可再生能源,则可对Sst参数值的选择作适当调整,以寻求发电成本经济性的更优化。

4 结语

本文同时考虑电源发电成本、蓄电池总损耗成本及蓄电池充放电转换次数3个目标,充分考虑铅酸蓄电池的使用原则和寿命影响因素,构建多目标微电网系统经济运行优化模型,采用NSGA-Ⅱ智能算法进行计算,算例分析结果证明了本文所述模型和方法的合理性和有效性。

在方案选择过程中,决策人员也可根据主观偏好设定影响因子的大小,同样可以获得合理的优化结果。本文在微电网系统经济运行优化中,侧重于对铅酸蓄电池的保护利用,以达到微电网系统全方位的经济优化运行。今后可在此基础上,研究其他形式储能系统特性,并进一步研究更加高效的求解方法,为今后进一步的微电网系统优化工作打下基础。

附录见本刊网络版(http://aeps.sgepri.sgcc.com.cn/aeps/ch/index.aspx)。

独立电网 第6篇

经过一个多世纪的发展,尽管电力网络已经取得巨大的进步,覆盖范围不断扩大,但仍然有很多偏远地区、孤立岛屿难以触及,而相应的负荷只能采用柴油发电单元供电的方式或没有电力供应。风能、太阳能等新能源发电的开发利用和储能技术的日益成熟[1,2,3,4,5,6,7],为常规电网不能触及的偏远地区、孤立岛屿的小规模负荷供电提供了新的选择。同时,微电网作为新型的电力系统,是目前电力系统研究的热点之一[8,9,10],具有巨大的发展潜力,可以并网运行,也可以独立运行,需要具备孤岛运行、独立承担内部负荷的能力。

不管是常规电网难以触及的地区采用新能源发电的方式供电,还是微电网开发,都涉及负荷及其电源系统的匹配问题。风速、太阳辐射强度具有随机变化、间歇的特性,因而风电机组、光伏电池的出力都具有随机性和间歇性;储能装置被用来储存多余的新能源或释放能量以弥补出力不足,促进了新能源的利用,但不同的控制策略对系统有较大影响[3,7];另外,负荷也是实时变化的。这些特性给独立电网电源系统的配置带来极大的困难。文献[11]建立了基于经济调度的微电网蓄电池容量优化模型,以安全经济调度为前提,确定最小需求的储能电池通量;文献[12]讨论了大型风电场储能装置容量的优化配置,以抑制风电系统出力的波动;这些文献都是风电机组、光伏电池等容量确定的情况下,以平滑出力曲线或储存电能目的,优化储能装置的容量配置,并未讨论整个电源系统的整体优化配置。而在含风能的独立电网规划中,需要对风电机组及其储能装置、柴油机组容量等进行整体优化,以确保独立电网运行的经济性。

本文分析了独立系统可能的运行模式并提出运行决策模型;基于系统负荷时序变化曲线,以独立系统负荷年度供电成本最低为目标,以保证负荷供电充裕性和充分利用风能为前提,对系统运行过程进行模拟,建立了独立电网电源系统优化模型,以确定系统电源的最优配置。

1 系统结构与运行策略

1.1 系统结构

图1给出一种独立电网简化结构。包括风力发电机组、储能系统(储能电池、双向储能变流器)、柴油发电机组和负荷。

长期来看,相对柴油发电来说,风力发电成本更低,然而风速的随机性、间歇性,将会导致风电机组输出功率和负荷很难匹配,出现风电过剩或不足的问题,限制了风电的直接应用。储能系统可以在风电过剩时储存多余的风能,而风电不足时提供一定电力,提高风能的利用率。然而由于风机出力和负荷需求的实时变化,储能系统的能量状态是不完全可控的,可能会出现风电和储能系统不能完全承担负荷的情况。因此,配置一定容量的柴油发电机组,以弥补风/储系统的不足,保证系统供电充裕性,这是非常必要的。

1.2 系统运行策略

由于柴油发电成本较高,且排放污染物造成环境污染,在独立电网中尽可能使用风电机组和储能装置为负荷供电。基于风电机组出力和负荷时序变化的特点,对电源系统提出如下控制策略。

每次决策决定1 h时间长度内电源系统运行模式,根据短期风速和负荷预测并提前半小时做出决策,为电源系统运行模式的调整变化预留足够的时间;每次决策所确定的运行模式必须保证满足所有负荷的电能需要。

根据电源系统的组成,以及风电机组的出力特征,从电源出力构成的角度,如图1所示的独立电网电源系统有以下几种运行模式。

运行模式1:风电机组独立供电。当风电机组出力较大,超过了负荷需求,仅由风电机组单独供电,剩余电能由储能装置储存或消减机组出力。

运行模式2:风电机组和储能系统共同承担负荷。风电机组出力小于负荷需求,且储能系统有足够的能力弥补风电机组出力不足。此时,柴油发电机组处于完全停运状态,不参与供电。

运行模式3:风电机组、储能系统和柴油机组一起承担负荷。如风电机组可用出力较小,储能系统亦能输出一定功率,但是都不足以满足负荷的要求,此时,需要柴油发电机组并联运行参与供电。

运行模式4:风电机组和柴油机组共同承担负荷。当风电机组出力小于负荷,且储能装置不能输出功率时,须由风电机组和柴油发电机组共同承担所有负荷的电力需求。

运行模式5:储能系统独立供电。如风电机组无输出,且储能装置有足够的储能电能,满足所有实时负荷的要求,则可由储能装置单独供电。

运行模式6:储能系统和柴油机组共同承担负荷。风速较低或超出切除风速时,风电机组出力为零,若储能装置有功率输出能力,但不能独立承担全部负荷,则由储能系统和柴油发电机组共同承担负荷电力需求。

运行模式7:柴油机组独立供电。如风电机组无输出,储能装置也无输出能力,则由柴油发电机组独立承担负荷。

根据独立电网可能的运行模式分析和充分利用风能的原则,可以得到运行模式决策过程如图2所示。图中PW(t)、PL(t)、PC(t)分别表示第t小时风电机组可用出力、负荷功率和储能电池能提供的放电功率。为简化计算,假定储能装置可实现完全充放电,柴油发电机出力可实现平滑调节,且能迅速启停。

2 容量配置优化模型

2.1 独立电网电源系统成本分析

独立电网电源系统的配置对独立电网的规划至关重要。电源规划中,保证系统负荷供电充裕性要求的同时,必须考虑供电成本。

如图1所示的系统中,不考虑配电网络,则供电成本主要包括风电机组的成本、储能装置的成本和柴油发电成本。为方便比较分析,基于全寿命周期成本的思想[13],本文相关成本均按设备寿命化为等年值。

2.1.1 风电机组成本

为简化计算分析,假定使用同一类型的风电机组。风电机组成本主要包括一次投资成本和维修维护成本,且在规划阶段,通常设备年度维修费用可用初始投资费用的百分比来估计。因此,风机成本可表示为

式中:x%为风电机组维修成本与初始投资的比值;CW,i为风电机组初始投资等年值,按式(2)计算。

式中:IW为单位千瓦风电装机容量的初始投资;PW,r为风电机组总装机容量;r为年利率;LW为风电机组寿命。

2.1.2 储能系统成本

如图1所示,储能系统主要由储能电池和双向变流器组成,同风电机组成本估计类似,储能装置成本也主要包括一次投资初始成本和维护成本。因此,储能系统总成本等年值分别表示为

式中:y%为储能系统维修费用和初始投资的比例;CB,i、CC,i分别表示储能电池和变流器初始投资等年值,分别作如下计算。

式中:IB为储能电池单位容量初始投资;Er为储能电池额定容量;IC为变流器单位额定功率的初始投资;PC,r为变流器总装机容量;LB、LC分别表示储能电池和变流器寿命。

2.1.3 柴油发电成本

柴油发电成本包括机组初始投资及维护成本和发电耗油成本,其等年值可表示为

式中:z%为柴油发电机组年度维修费用和初始投资等年值的比例;CD,i和Cd,l分别为柴油发电机组初始投资和油耗成本等年值,分别表示为

式中:ID、PD,r分别为柴油发电机机组单位装机容量初始投资成本和总装机额定容量;Id、ED为柴油发电机单位发电量油耗成本和年度发电量;LD为柴油发电机寿命。

2.1.4 独立电网电源系统总成本

如图1所示的独立电网电源系统的总成本可简化表示为

2.2 独立电网电源系统优化模型

根据图2所示的独立电网运行模式的决策规则,在已知风速条件和负荷特性的情况下,以保证系统负荷电力供应充裕性为前提,以电力成本最低为目标,对独立电网电源系统配置进行优化。目标函数可表示为

约束条件为

式中:PW,L(t)、PE(t)、PD(t)和PL(t)分别表示t时刻风电机组向负荷提供的功率、储能装置的出力、柴油发电机出力和负荷功率;Pch,max、Pdc,max分别为模拟时间内需储能电池提供的最大充电和最大放电功率;PD,max为模拟时间内需柴油发电机组提供的最大出力。

2.3 最优配置求解

基于1.2节中的系统运行决策方法,若系统风电机组容量已确定,则储能装置容量决定了柴油发电机组的出力曲线,进而能计算相应的负荷供电成本,最低成本对应配置组合是既定风电机组容量时,储能装置和柴油发电机组的最优配置;依此,改变风电机组装机容量,可得不同风电机组容量时相应最优配置对应的负荷供电成本,可求得最低成本,进而确定最优风电机组容量,即可求得系统电源最优配置。图3给出求解流程。

3 算例

本文以一个小时峰荷为1 MW的系统为例进行优化分析,年度电能需求约为5 382 MWh。区域年度风速平均值6.67 m/s;电源系统成本相关经济参数在表1中给出,且柴油机组单位发电油耗成本为2.0元/k Wh,年利率取7%。

根据本文给出的系统运行模式决策策略,图4(a)给出某段时间内1 MW风电机组可用功率、负荷功率和对应的柴油发电机组出力曲线,图中Load、WT和DU分别指负荷、风电机组和柴油发电机组。图4(b)给出对应的储能装置出力曲线和能量状态变化过程。

图5给出风电机组装机容量为1 MW时,储能电池容量与系统年度供电成本之间的关系曲线。显然,当风电机组容量确定后,系统年度供电成本存在极小值。当储能电池容量较小时,虽然其成本较低,但因风能年度利用率较低,为保证负荷供电的充裕性,所需柴油发电机机组的年度发电量较高,总成本较高。随着储能电池容量增加,储能系统投资成本增加,然而提高了风能利用率,进而减少了柴油发电机发电量,降低柴油发电成本,两者存在平衡点,对应系统供电成本极小值。极值点对应的系统配置,则是风电机组容量对应的最优配置。即风电机组容量为1 MW时,最优配置为:储能装置额定容量1.6 MWh,双向变流器额定功率685 k W,柴油发电机装机容量为965 k W。对应的系统年度供电成本等年值为1 248万元。

图6给出不同风电机组装机容量时,对应最低供电成本的变化曲线。从图中看到:随着风电机组额定容量的变化,系统供电成本存在极小值。极值点对应的电源系统容量配置即最优配置。分别为风电机组容量4.3 MW,储能电池容量7.0 MWh,双向变流器额定功率3.816 MW,柴油发电机组额定容量960 k W。对应的最优年度供电成本893万元。

为比较不同风速条件系统最优配置的差别,利用另一个风电场的风速数据,年度风速平均值为5.30 m/s,进行系统配置优化。优化结果为:风电机组4.7 MW,储能电池容量5.0 MWh,双向变流器额定容量3.1 MW,柴油发电机组容量989 k W;对应的年度供电成本为1 219万元。显然,不同风速条件下,系统最优配置是不同的,供电成本亦有差异。

4 结论

本文分析了由风电机组、储能装置、柴油发电机组构成的独立电网供电系统可能的供电模式;以满足独立电网所有负荷供电充裕性为前提,以优先使用风能为原则,提出独立电网运行模式决策模型;对独立电网的运行过程进行仿真,建立了以时序负荷和区域风速为基本条件、计及供电成本的独立电网电源系统最优配置模型。

算例分析表明针对风速条件和负荷曲线已知的独立系统,对系统电源进行优化配置。在本身电源结构难以改变的情况下,相对于未进行优化的配置方案而言,可降低独立系统供电成本。本文提出的优化模型及算法为电力系统规划中独立电网电源规划提供了方法,也可应用到微电网电源系统的规划中。

摘要：为了提高独立电网运行的经济性,提出一种独立电网中风电机组、储能装置和柴油发电机组等电源装置容量的优化配置算法。利用时序风速、负荷曲线,结合独立电网可能的运行模式及控制策略,在已知风电机组额定容量的前提下,确定储能装置及柴油发电机组的最优容量配置。分析混合发电系统年度供电成本随风电机组额定容量的变化规律,以供电成本最低为目标函数,求解风电机组最优容量以及相应的储能装置和柴油发电机组的容量配置。算例分析结果表明,该方法能有效提高含风能和储能装置的独立电网的经济性,降低供电成本,证明了方法的正确性和有效性。

独立电网 第7篇

近几年来,在一些远离大陆的偏远海岛由于经济及生活品质的不断提高,对电力的需求越来越大,对其可靠性要求也越来越高。但是,一个不可忽视的现实是,这些远离大陆的海岛大都是自治的独立系统[1],而且以柴油发电机为主,少数系统混合有低渗透率的风光可再生能源。这些独立的自治系统,若采取与主网互联来提高供电可靠性和供电质量,无论从技术上还是经济上均要付出高昂的代价;考虑到远离大陆运输困难导致柴油发电成本不断升高,加之柴油发电的噪音及排污往往会对海岛脆弱的生态资源造成较大影响,继续维持以柴油发电为主的模式也并不理想。

海岛通常有较为丰富的风光资源,加以合理利用将可以大幅度提高海岛电网的供电能力,同时减少柴油使用量,并促进海岛生态环境的保护。但由于风光资源的间歇性及波动性[2],加上柴油发电机自身的运行限制,为了维持系统的稳定性,风光柴系统中均是以柴油发电为主,风光发电为辅。文献[3]给出了在此类系统中可再生能源全年发电量仅占整个自治系统全年发电量的15%~20%。若要进一步提高可再生能源的渗透率,采用储能系统将能够有效平抑可再生能源的间歇性,提高可再生能源的利用率,在大幅度减少柴油用量的同时,有效提高系统的稳定性[4,5,6,7]。因此,迫切需要开展含储能装置的风光柴供电系统的研究和探索。

本文以实际建设及运行的浙江东福山岛独立型微电网为例,以最大化利用可再生能源为目标,同时充分考虑电池合理运行使用寿命,探讨储能系统在海岛微电网中的选型、优化配置及运行策略问题,为未来储能系统在独立型海岛电网的大规模应用提供技术参考。

1 东福山岛项目概述

东福山岛是中国东部海疆最东的住人岛屿,东临公海,面积2.95km2。全岛有1个自然村,居民约300人,以海洋捕鱼和旅游业为生。东福山岛远离大陆,驻军的柴油发电费用昂贵,项目实施前居民由驻军的柴油发电机供少量照明用电,用水主要靠现有的水库收集雨水净化和从舟山本岛运水。

本项目立足东福山岛能源供应现状,开展风光柴储海水淡化独立供电系统研究,设计建设了东福山岛风光柴储海水淡化独立供电系统工程。该工程以解决当地军民供电供水困难为目的,以合理、高效地利用海岛可再生能源为宗旨,总装机容量510kW,可再生能源装机容量310kW,包括7台单机容量30kW的风力发电机组、100kW的光伏发电系统、200kW柴油发电机、2 000Ah储能蓄电池和日处理能力50t的海水淡化系统。现阶段最大负荷在120 kW左右,预计未来最大负荷可达200kW左右,本系统以未来最大负荷设计。海水淡化是可调节负荷,能够有效增加可再生能源的利用率,同时在用水紧张时解决岛上用水问题。东福山岛微电网系统结构示意图如图1所示,现场实物图见附录A图A1,图中PCS表示光储一体化变流器。

2 储能系统的选择

东福山岛项目可再生能源装机容量310kW,在优化设计前根据业主对投资限制的要求,储能容量不能高于200kW5h,即1 MWh。关于储能系统的选择应从技术、经济、安全和成熟度4个方面综合考虑[8,9]。储能技术主要有三大类:机械储能、化学储能以及电磁场储能。

机械储能中的抽水蓄能和压缩空气储能不适用于兆瓦级以下的储能系统。进一步考虑岛上地理环境的限制,从经济和技术方面考虑,抽水蓄能和压缩空气储能均不适用。电磁场储能中的超导磁储能和超级电容储能均属于功率型储能,功率特性好但能量密度低,无法满足东福山岛对储能系统容量的要求。

电化学储能中的钠硫电池和液流电池近年来得到的关注较多。钠硫电池能量密度和转换效率均较高、循环次数较多,但目前仅有日本NGK技术较为成熟,且经济成本非常高。液流电池虽深充深放的循环次数较多,但能量密度低、效率低,且技术成熟度仍需进一步完善。

通过以上分析,铅酸蓄电池和磷酸铁锂电池是东福山岛项目储能系统的优先选择项,技术成熟且都有大规模储能的应用经验。铅酸蓄电池是最为成熟和可靠的储能技术,具有相对适中的成本和高可靠性,但是寿命较短(一般3~10a)且必须解决好回收工作。磷酸铁锂电池具有更长的使用寿命和更低的损耗,发展前景较好,但是目前磷酸铁锂电池价格是铅酸蓄电池的5倍左右,从全寿命周期分析,考虑一次投资成本、运行维护成本及置换成本,从技术成熟度和经济性上铅酸蓄电池在现阶段均要占优。因此,东福山岛项目最终选择了基于可再生能源应用的改进型阀控铅酸蓄电池。

3 储能系统优化配置与运行参数设置

3.1 东福山岛微电网运行策略

独立型微电网中,运行策略是决定储能系统优化配置与运行参数设置的因素之一,也是独立型微电网稳定运行的关键所在,因此,本文首先介绍东福山岛微电网运行策略。由于东福山岛微电网中柴油发电机或储能系统均能作为主电源,为了防止2个主电源非同期并列运行,同一时刻仅允许两者之一作为系统主电源,采用V/f控制,为系统提供稳定的电压和频率支撑。在运行策略中考虑到储能系统的特殊性,应进行定期维护以提高其循环使用寿命。东福山岛微电网主要有以下3种运行模式。

1)柴油发电机作为主电源模式

在此模式下,柴油发电机作为系统主电源,产生恒定的电压和频率支撑系统运行;储能系统处于恒流充电或恒压充电状态,直到蓄电池组荷电状态(SOC)值/端电压达到上限值。考虑柴油发电机最小运行功率和额定功率等限制,可通过控制光伏出力和风电机组投入台数来保证柴油发电机运行在设定的合理范围内。当蓄电池组充电达到上限时,则转为储能系统作为主电源模式运行。

2)储能系统作为主电源模式

当储能系统作为主电源时,关闭柴油发电机以避免非同期并列运行,PCS采用V/f控制为交流母线提供电压和频率支撑,其功率输出自动补偿风光出力与负荷之间的差额。基于蓄电池组SOC值/端电压的储能优化控制,要求当风光资源丰富而使得蓄电池组SOC值/端电压升至上限值时,通过控制光伏出力和切除风电机组来保证储能系统仅工作于放电状态且放电功率在设定范围内。当蓄电池组SOC值/端电压降至下限值时,通过控制光伏出力和投入风电机组来保证储能系统仅工作于充电状态且充电功率在设定范围内。正常运行时,优化控制策略尽量使储能系统处于固定的工作状态,避免充电状态和放电状态的频繁切换。当蓄电池组SOC值/端电压低于临界转换值时,开启柴油发电机作为主电源供电,改变PCS控制策略对蓄电池组进行充电,即转换为柴油发电机作为主电源模式。

3)储能系统全充全放模式

为了保证蓄电池的最大使用寿命,需要在运行一段时间内对蓄电池进行人工维护。在控制策略中设置全充全放模式,人工操作先开启柴油发电机对蓄电池组进行“预充快充均充浮充”4段式标准充电直至全充完成,再控制蓄电池组始终处于放电状态直到全放完成,以此来尽量提高蓄电池的循环使用寿命。

图2所示为东福山岛微电网的系统运行模式关系图。系统正常运行时,主要实现运行模式切换,既可通过手动也可通过自动切换方式进行。当柴油发电机或PCS故障时,需根据不同情况给出相应的策略退出控制方案以及重新投入策略。在系统停运时,应先进入系统待机状态,再根据需要手动或自动切换到目标运行模式。

3.2 储能系统优化配置

对于储能系统的优化配置[10,11,12,13,14,15,16],应计及系统内所有电源和负荷,在尽量减少柴油发电机运行时间、最大化可再生能源利用率和最大化储能系统循环使用寿命的原则下综合考虑。本项目在前期调研、立项等进度中,已搜集到该海岛大量风光资源数据和负荷数据,业主对风电机组、光伏发电系统和柴油发电机的规模已有初步意向,且系统运行策略和储能类型已确定,在此基础上进行储能系统的优化配置。

为了减少柴油发电机运行时间,储能优化配置首先考虑柴油发电机运行使用总成本最小化,该总成本包括与柴油发电机运行时间相关的寿命损耗和运行维护费用,以及与柴油发电机出力相关的燃料费用和污染惩罚费,从而使柴油发电机的运行时间和柴油消耗最少。其次,在满足系统各种约束条件的前提下,尽可能利用风光发电满足负荷需求和降低主电源如柴油发电机和储能的出力,可获得显著的经济效益和环境效益。最后,储能系统在优化配置时考虑尽可能使储能系统使用寿命最大化。

储能系统的使用寿命通常采用循环使用寿命即循环使用次数来描述。在实际运行中特别是储能系统作为主电源运行模式时,蓄电池的充放电过程往往不是固定完整的循环过程,而是由风光出力、柴油发电机和负荷等外部条件综合决定。在不规则的充放电循环中,可利用储能使用寿命损耗快慢程度与放电深度(DOD)的关系进行等效折算以便量化分析对比。

基于以上分析,储能系统优化配置主要考虑以下3个目标。

目标1:尽量减少柴油发电机运行使用,即柴油发电机运行使用总成本Cdie最小。

式中:C0_die为柴油发电机的购置、运输和安装成本之和;Comg_die为柴油发电机单位时间的运行维护成本;Cfuel为燃料价格;Cpog为单位发电量的污染惩罚费用;Tdie,Pr_die,tdie,Pdie分别为柴油发电机的总寿命时间、额定功率、实际运行时间和实际发电功率;F0和F1为柴油发电机耗油功率曲线的截距系数[3],分别取0.084 15和0.246。

目标2:最大化可再生能源利用率,即弃风弃光率λre_dis最小。

式中:Pwt_com和Pwt分别为风力发电系统的理论发电功率和实际功率;Ppv_com和Ppv分别为光伏发电系统的理论峰值功率和实际功率;T为所考虑的时间长度。

目标3:最大化储能使用寿命,即最小化时间T内储能寿命的等效折损系数NT_sto′。

式中:n为时间T内储能系统的充放电循环次数;Ni′为对应于储能第i次充放电循环的等效折损系数;f(Di)表示储能第i次充放电循环的放电深度为Di时,利用f函数求解其对应的等效折损系数。

结合已确定的风光柴等系统配置及8 760h风光负荷数据,储能系统以由若干单体2V/1 000Ah的铅酸蓄电池串并联组成为例,充电电流限制为0.1C、放电电流限制为0.15C(蓄电池容量C=1 000Ah),SOC工作范围为50%~90%,储能容量优化等同于储能电池组单体个数优化设计,优化结果如表1所示。

由表1可知,对于柴油发电机运行使用总成本和弃风弃光率,在仅考虑其一或同时考虑时,优化目标都随着储能电池组单体数量的增加即储能系统容量的增大而变得更好;而仅考虑储能寿命的等效折损系数时,储能容量的增大会导致储能运行工况的恶化,从而使储能寿命损耗加剧,因此储能容量不宜过大。

可见在单一优化目标下,由于关注点不同,其优化结果有很大的差别,有必要将可再生能源利用率和储能使用寿命损耗转化为费用值,将多目标问题通过费用折算转化为单目标问题:

式中:Ctotal为折算后的总费用;Csub为可再生能源单位发电量的补贴;C0_sto为储能系统的购置、运输和安装成本之和。

在转化为单目标问题后,优化结果如表2所示。

分析表2可知,综合考虑柴油发电机运行时间、东福山岛微电网可再生能源利用和储能寿命损耗后,采用480节2V/1 000Ah铅酸蓄电池构成储能蓄电池组,存储电量约960kWh,即使在未来负荷峰值200kW的极端情况下也可支持系统运行4.8h,具有较高的可靠性,也能满足业主的要求。

3.3 储能系统运行参数选择

东福山岛微电网模式切换等运行控制时,均采用蓄电池组的SOC值或端电压作为标准。蓄电池组的SOC值和端电压分别由蓄电池管理系统(BMS)和PCS提供。现场运行测试表明,BMS提供的SOC值误报概率较大,因此,在本项目中采用较为准确的蓄电池组端电压作为运行控制参数选择标准,如图3所示。

1)主电源切换电压(VDiesel-to-PCS和VPCS-to-Diesel)

系统处于柴油发电机作为主电源运行模式时,若蓄电池两阶段充电进入浮充状态即蓄电池组端电压Vbattery等于切换定值VDiesel-to-PCS,则表示蓄电池组存储电量较多,为了减少柴油发电机运行时间,应关闭柴油发电机,并将PCS切换为V/f控制作为系统主电源。当系统处于储能系统作为主电源运行模式时,蓄电池组充放电平衡系统功率,若重负荷或风光出力较少等因素导致端电压Vbattery下降至切换定值VPCS-to-Diesel时,表示蓄电池组存储电量较少,应开启柴油发电机作为系统主电源,并切换PCS控制策略对蓄电池组进行充电。

2)充电控制电压(Vaverage-charge和Vfloat-charge)

当柴油发电机作为主电源时,储能系统由主电源V/f控制模式切换为两阶段充电控制模式。在此期间,蓄电池组先采用恒定大电流进行均充,当端电压Vbattery上升至均充截止电压Vaverage-charge时均充阶段结束;随后转入恒压限流的浮充阶段,充电电压限制为浮充电压Vfloat-charge,随着浮充的进行,充电电流逐渐减小,达到一定限值时蓄电池充满。

3)储能系统作为主电源时的电压控制(VPCS_high和VPCS_low)

当储能系统作为主电源时,柴油发电机关闭,负荷与风光出力的差值由储能系统维持平衡。由于风光资源和负荷情况的影响,负荷与风光出力的差值可正可负,即V/f控制模式下的PCS可能对蓄电池组进行充电也可能对蓄电池组进行放电。当储能系统作为主电源时的蓄电池组端电压Vbattery不小于电压控制上限值VPCS_high时,可通过减小光伏出力和切除风电机组,使蓄电池组处于放电状态以避免蓄电池组端电压继续升高;当Vbattery不大于电压控制下限值VPCS_low时,可通过增加光伏出力以及增加风电机组运行台数,使蓄电池组处于充电状态以避免蓄电池组端电压继续下降。

4)过充过放保护电压(Vover-charge和Vover-discharge)

过充和过放等操作对铅酸蓄电池的伤害非常严重,会大大减小储能系统的循环使用寿命。在本系统运行控制中,设置Vover-charge和Vover-discharge为铅酸蓄电池组过充过放保护电压限值。在系统运行的任何阶段,当蓄电池组端电压Vbattery大于过充保护电压Vover-charge或小于过放保护电压Vover-discharge时,储能系统立刻停机以避免蓄电池组过充过放。

综合考虑电池厂家建议、理论分析以及现场测试验证等方面,设置储能系统运行范围为SOC的50%~90%。作为主电源运行模式切换的重要依据,储能系统运行范围上下限正好对应从柴油发电机到PCS的切换电压VDiesel-to-PCS和从PCS到柴油发电机的切换电压VPCS-to-Diesel。当柴油发电机作为主电源时,蓄电池组先均充至截止电压Vaverage-charge,再采用Vfloat-charge进行浮充。当进入浮充状态时,表示蓄电池组储能电量达到90%左右,因此,浮充电压也可作为主电源从柴油发电机到储能系统切换的定值。当储能系统作为主电源时,应采用主动控制避免蓄电池组电压因吸收过多的系统剩余功率而导致电压过高或因满足过多的系统功率缺额而导致电压过低,因此,设定电压控制上限值VPCS_high略低于浮充电压Vfloat-charge,电压控制下限值VPCS_low略高于从储能系统到柴油发电机的主电源切换电压定值VPCS-to-Diesel,同时该设定也有避免柴油发电机频繁开启以及避免与主电源切换电压设定值产生混淆的考虑。在设定蓄电池过充过放保护电压时,除了防止蓄电池组过充电和深度放电导致循环寿命大幅度衰减,还应综合考虑其他运行控制参数的影响,因此,过充保护电压Vover-charge和过放保护电压Vover-discharge分别为本储能系统运行控制参数中的最大值和最小值。

4 东福山岛系统的运行实际分析

东福山岛系统于2011年7月正式移交给业主,现已可靠运行1年,各设备运转正常,储能系统性能达到设计要求。根据东福山岛的设计,全年可再生能源电量渗透率预计在55%左右。通过运行实测数据分析,在每年10月至次年3月,东福山岛风力较好,预计柴油消耗量减少60%,柴油发电机运行时间减少70%;4月至6月,东福山岛风力一般,预计柴油消耗量减少40%,柴油发电机运行时间减少50%;7月至9月,东福山岛风力较差,预计柴油消耗量减少35%,柴油发电机运行时间减少40%。表3所示为2011年8月至12月的实测数据统计分析。

分析表3的运行数据,需要进一步说明以下几个方面。

1)东福山岛独立供电系统建成后,岛内空调等负荷的增加量超出预期,引起负荷峰谷差过大,但高负荷时段出现时间较短,对电量的需求量并不是很大。按照目前系统装机容量,能够适应岛内未来一段时间的负荷发展。

2)东福山岛中小型风力发电机的可靠性有待进一步提高。在表3所统计的运行期间内,只有2台或3台风电机组能够正常运行,导致实际发电量比设计值要低得多。经过一年的现场优化改进,现已有7台风电机组能够满足设计要求。

3)秋冬季风力充足时,岛上淡水供应有余,不需要海水淡化设施投入运行,弃风现象严重,导致风电机组发电量比预期要低。

4)东福山岛受云雾影响严重,太阳能的间歇性特征更加突出,导致实际光伏发电量低于设计值,这个结论对海岛光伏应用有重要借鉴意义。

5)可再生能源电量渗透率低于预期,是由于风电机组和光伏发电系统的实际发电量低于设计值,导致柴油发电机发电量增加。随着风电机组的全部正常运行,这一现象会有明显改进,能够达到55%的设计要求。

5 结语