考虑风电出力随机特性的氢储能综合能源系统优化调度

黄 涛, 许志鹏, 葛 乐

(1.江苏方天电力技术有限公司, 江苏 南京 211100;2.南京工程学院, 江苏 南京 211167)

0 引 言

随着社会对能源安全、生态环境、气候异常等问题的日益重视,减少化石能源燃烧,加快开发和利用可再生能源已成为世界各国的普遍共识。根据国家能源局数据显示,2017年我国风力发电量达到3 057亿kWh,同比增长26.3%,弃风率为12%。因此,增加可再生能源的渗透率[1-2]对电力生产和消费之间的平衡提出了新的挑战。

为了应对这些挑战,近些年提出了灵活调节服务[3]、需求响应(Demand Response,DR)与风能的协调[4-5]、能源存储系统与风电场的协调运行[6]等方法来解决清洁能源消纳问题。DR规划在电力系统[7]和电力市场[8]可靠经济运行中发挥着重要作用。通过执行DR程序,用户在负荷高峰或短缺风电时减少用电量,并在负荷低谷或风电溢出时增加用电量。因此,DR可以影响电价,减少高峰负荷,减少弃风,并节约系统运营成本[9-10]。DR主要分为激励型需求响应(Incentive-based Demand Response,IDR)和价格型需求响应(Price-based Demand Response,PDR)两大类。IDR是指DR实施者根据电网供需状况制定相应政策,用户在系统需要或电力紧张时减少用电需求,并获得直接补偿或在其他时段获得优惠电价的响应方式;PDR是指用户收到价格信号后,相应调整其用电需求,从而达到改变负荷曲线的目的。文献[4]研究了DR与风能协调对电力系统运行成本和弃风率的影响。文献[11]提出了基于DR和风、光发电机组与燃气轮机冷热电联产(Combined Cooling,Heating and Power,CCHP)系统结合的优化调度方法,有效降低了系统综合运行成本。文献[12]提出了一种基于偏差预控的负荷调度模式,构建了多时间尺度滚动调度计划模型来实现风电和DR在不同时间尺度上的协调优化。文献[13]在考虑综合成本的前提下,兼顾风电预测和PDR二者的不确定性以及系统安全约束,构建了基于光热电站和PDR参与风电消纳的调度模型。在接入大规模风电的情况下,风电出力的不确定性不可避免地对电力系统安全经济运行造成影响[14]。文献[15]考虑了风电不确定性对电力系统运行调度的影响,提出了基于风电区间预测信息的随机安全约束机组组合模型。文献[16]针对大规模风电并网影响电网稳定运行的问题,提出了最小化风电-抽水蓄能联合系统发电成本模型。

本文旨在优化含大规模风电的氢储能综合能源系统(Hydrogen Energy Storage System,HESS)的经济性并提高清洁能源消纳。重点基于风电不确定性、需求响应和随机安全约束机组组合(Stochastic Security-Constrained Unit Commitment,SSCUC)的氢储能综合能源系统进行建模,构建以运营成本最低和弃风量最少为目标的优化调度模型,并转化为确定的方程进行求解。

1 HESS

HESS结构如图1所示。在HESS中,由可再生能源产生的过剩功率通过可逆固体氧化物燃料电池(Reversible Solid Oxide Fuel Cell,RSOFC)[17]中的固体氧化物电解池(Solid Oxide Electrolytic Cell,SOEC)电解转化为氢(Power to Hydrogen,P2H),并存储在储氢罐中。然后,在用电高峰或风力发电短缺时,将储氢罐中氢气通过RSOFC中的固体氧化物燃料电池(Solid Oxide Fuel Cell,SOFC)转换为电力(Hydrogen to Power,H2P)。HESS相对于其他储能系统的主要特征是存储的氢可用于氢依赖性工业或注入天然气网络以供消费者使用。

目前,电解制氢技术较为成熟,主要可以分为以下3种技术:①碱性电解槽制氢,但制氢效率低、能耗大,且存在渗碱的环境污染问题;②质子交换膜制氢,电极多用贵重金属铂,成本高,难以大规模应用;③可逆固体氧化物燃料电池制氢,效率高,电解效率可达90%以上。2017年9月8日河北沽源县境内建设的全球最大、国内首个风电制氢综合利用示范项目全部并网发电[18]。

本文主要围绕可逆固体氧化物燃料电池和DR对HESS调度和风电消纳的影响进行研究。

2 HESS模型建立

2.1 目标函数

以系统运营成本最低为目标,构建HESS模型:

(1)

式中:NS——场景总数;

πs——场景s的概率;

Fd——实行DR的成本;

Fi——火电机组的发电费用;

DR成本为

(2)

式中:NT——调度时段;

ND——负载个数;

Bd,t——第d个负载t时段实行DR的补偿电价;

火电机组成本为

(3)

式中:NU——火电机组个数;

ai、bi、ci——火电机组的发电费用系数。

HESS成本为

(4)

式中:NH——RSOFC组数目;

2.2 电力系统约束

(1)机组出力约束:

(5)

Pi,t,s——s场景下第i组火电机组在t时段的出力;

Ii,t,s——s场景下第i组火电机组在t时段运行情况,分别用1和0表示运行和停机状态。

(2) 机组爬坡约束:

(6)

(3)系统安全的旋转备用约束:

(7)

Rt,up、Rt,dn——系统安全的正旋转和负旋转备用。

(4) 风电约束:

(8)

式中:Pw,t,s——s场景下t时段风电出力实际值;

风力发电预测误差可以通过正态分布函数来表示为

(9)

式中:fPDF(ε)——用正态分布概率分布函数表示的风力发电预测误差。

(5) DR模型。DR模型将负载分为基本负荷(Base Load,BL)和电价型负荷(Price-Based Load,PBL)。BL对价格变化不敏感,并根据历史数据预测;而PBL根据电价变化调整其运行状态。

(10)

(11)

(12)

(13)

(6) 功率平衡约束。每个总线的功率平衡方程可表示为

(14)

式中:NUb——火电机组在总线b处的数量;

Nwb——风电机组在总线b处的数量;

NDb——需求响应负载的数量;

NHb——可逆燃料电池在总线b处的数量;

PL,t,s——电力系统线路L在s场景下t时段功率潮流。

从总线b到总线b′的功率传输约束表示为

(15)

式中:δb,t,s——总线路b在场景s下t时段的电压相角;

XL——总线L的阻抗。

(7) 功率传输约束:

(16)

2.3 HESS模型

(1) RSOFC约束:

(17)

(2) 储气设备约束:

(18)

(19)

0≤Mh,t,s≤Mh,max

(20)

式中:Eh,t,s——储气设备在s场景下t时段储气量;

Mh,t,s——转化为一些其他类型能量的氢气量;

2.4 求解方法

建立的数学模型属于混合整数非线性规划模型。求解平台为MATLAB R2016a,利用工具箱调用高效成熟的Cplex商业求解器进行求解。

3 算例分析

3.1 6节点系统

为了评估所提出的模型,采用一种改进的6节点电力系统。综合能源系统结构图如图2所示。改进的6节点电力系统包括7条支路、3台火电机组、3个用电负荷、氢储能系统、风电厂。

研究不同方案对弃风量和运营成本的影响:方案1解决SSCUC系统中火电的不确定性;方案2解决SSCUC系统中风电的随机性;方案3在SSCUC系统中整合HESS;方案4在SSCUC系统中整合DR;方案5在SSCUC系统中同时整合HESS和DR。

方案1:风力发电厂位于节点4上。火电机组G1、G2、G3出力如图3所示。其中,G1是3台机组中效率最高,需要保持常开来满足实时功率平衡和系统经济性。G2(效率最低)和G3分别保证2 h和12 h的开机时间。这种情况下,弃风量和运营成本分别为142.58 MWh和517 434.19元。

方案2:设风力发电预测误差遵循正态分布,预测值为均值,标准差为5%。采用蒙特卡洛模拟风力发电的不确定性,随机生成100个场景,再通过K均值聚类法将100个场景缩减为5个场景。在不同场景中运营成本和弃风量如表1所示。场景4和场景5与前3个场景相比增加预测的风电出力,结果运营成本降低,弃风量增加。这种情况下,预期的运营成本为517 627.6元,弃风量为128.35 MWh。

方案3:设HESS最大储氢容量为180 MWh,最小储氢容量为40 MWh。储氢罐的初始值为最大值的40%,并且储存的氢气只能通过RSOFC转换为电能。场景4下方案2和方案3中G2、G3的出力如图4所示。

场景4下方案2和方案3中风电出力如图5所示。

表1 在不同场景中运营成本和弃风量

HESS在场景4下SOEC状态和SOFC状态的功率如图6所示。

HEES系统在第2、3、4、7小时存储多余的风力,增加了风电出力。此外,在第13、14、15和21小时,HESS在SOFC工作状态下工作,向网络输送电力,此时单火电机组G2和G3的出力减少。在这种情况下,运营成本为503 063.68元,弃风量为39.953 MWh,低于方案2。

方案4:在系统中整合DR。DR参与因数(定义为可用DR与预期负载的比率)固定为0.03,边际收益为315元/MWh。此时,总运营成本为493 030.86元,低于方案2和方案3;而弃风量为103.31 MWh,与方案3相比较高。为了充分评估每小时DR对电力系统运行成本和弃风量的影响,认为DR参与因数为1%～4%。不同参与因数下运营成本和弃风量如表2所示。通过增加DR参与因数,降低日常运行成本和弃风量。

表2 不同参与因数下的运营成本和弃风量

方案5:在这种情况下,同时考虑DR和HESS。DR参与因数固定为0.03,HESS的规格与方案3相同。不同方案中运营成本和弃风量如表3所示。方案5弃风量为27.997 MWh,运营成本为484 003.94元,与之前的情况相比,显著减少。

表3 不同方案中运营成本和弃风量

3.2 24节点系统

为研究HESS和DR对弃风量和运行成本的影响,主要考虑4种方案:方案1解决SSCUC系统中风电的随机性;方案2系统中只考虑DR;方案3系统中只考虑HESS;方案4系统中同时加入HESS和DR。

方案1中风电场位于节点6,解决风电的随机性。在不考虑风电不确定性的情况下,每天运行成本为4 302 052.51元。在不同场景中运营成本和弃风量如表4所示。与场景1相比,场景2和场景3的运营成本有所增加,而弃风量的降低是由于减少预测的风力发电量。

方案1最终预测运行成本和弃风量分别为4 302 403.35元和167.67 MWh。方案2只考虑DR,运营成本和弃风量降至4 124 727.04元和137.75 MWh。方案3只考虑HESS,运营成本为4 296 564.16元,弃风量为20.66 MWh,低于方案1和方案2。方案4的结果与方案1、方案2和方案3的结果相比,同时考虑DR和HESS的电力系统运行更加经济。不同方案中运营成本和弃风量如表5所示。

表4 在不同场景中的运营成本和弃风量

表5 不同方案中运营成本和弃风量

4 结 语

本文综合考虑了风电的不确定性和HESS,建立了运营成本最低的气电互联综合能源系统日前随机安全调度优化模型,并将所提出的模型转化为混合整数非线性规划问题。HESS中RSOFC将风能和氢能相互转换,使用储气罐储存氢。此外,DR被认为是一种基于价格的需求响应机制,将负荷从高峰时段转移到非高峰时段。考虑DR和HESS的影响,对系统安全运行进行优化,研究了综合能源系统的风电消纳和运营成本问题。算例结果表明,与单独考虑DR或HESS的情况相比,同时考虑DR和HESS对风电消纳和日常运营成本降低具有积极影响。