梁芷睿, 宋政湘, 王建華, 王 賢, 張國鋼

(電力設備與電氣絕緣國家重點實驗室(西安交通大學), 陜西省西安市 710049)

0 引言

隨著全球經(jīng)濟的高速發(fā)展,能源與環(huán)境問題日趨嚴重,分布式發(fā)電技術成為世界各國研究和發(fā)展的熱點。為減小分布式電源對電網(wǎng)的沖擊,人們提出了微電網(wǎng)的概念[1]。微電網(wǎng)既可以并網(wǎng)運行,也可以孤立運行,它能夠促進分布式電源的大規(guī)模接入,是消納可再生能源的重要方式。多能互補是智能微電網(wǎng)的重要發(fā)展方向,也是提高可再生能源滲透率的有效手段。

在微電網(wǎng)中,風能和太陽能等可再生能源發(fā)電具有間歇性和波動性,將其直接接入電網(wǎng)會降低電能質(zhì)量。借助大規(guī)模儲能技術可以有效解決這一問題。目前主要的儲能手段(如鉛酸電池、鋰離子電池、超級電容器等)普遍存在如存儲能量少、釋放效率低、占地面積大、充放電壽命有限和環(huán)境污染等問題,達不到電力系統(tǒng)對儲能設備的容量和成本要求。液態(tài)金屬電池是由美國麻省理工大學的Sadoway教授團隊提出的一種新型儲能電池[2],具有過載能力強、運行壽命長、經(jīng)濟環(huán)保等優(yōu)點,非常適合電力系統(tǒng)儲能[3],但其大規(guī)模配置成本較高。氫儲能具有能量密度高、運行維護成本低、儲能過程無污染等優(yōu)點,是一種廉價的大規(guī)模儲能技術[4]。然而氫電轉換速度受到燃氣輪機、燃料電池等設備響應速度的制約,無法快速響應負荷變化[5]。因此,可以為微電網(wǎng)設計一種液態(tài)金屬電池儲能與氫儲能相結合的綜合儲能系統(tǒng),從而更好地發(fā)揮兩種儲能方式的優(yōu)點,提高微電網(wǎng)的性能。

與單一種類的儲能裝置不同,綜合儲能系統(tǒng)的運行涉及兩種儲能方式的協(xié)調(diào)配合,需要設計更復雜的調(diào)度方案。文獻[6]以系統(tǒng)效率最優(yōu)為目標,設計了一種維持蓄電池、電解槽和燃料電池協(xié)調(diào)配合的雙滯環(huán)控制策略。文獻[7]提出了一種模糊控制策略,根據(jù)光伏發(fā)電量與用電負荷的不匹配程度,以及蓄電池的荷電狀態(tài)(SOC)來選擇不同的調(diào)度方案。然而,液態(tài)金屬電池的某些特性與傳統(tǒng)儲能電池不同,上述文獻中的調(diào)度方案不完全適用于液態(tài)金屬電池儲能系統(tǒng)。另外,上述調(diào)度方案中沒有考慮對微電網(wǎng)經(jīng)濟效益的優(yōu)化,難以滿足微電網(wǎng)系統(tǒng)的經(jīng)濟性要求。

恰當?shù)膬δ芘渲萌萘靠梢蕴岣呶㈦娋W(wǎng)的經(jīng)濟性,同時保證對分布式電能的充分利用。文獻[8-10]中以系統(tǒng)總成本最低為優(yōu)化目標,利用規(guī)劃模型求解最優(yōu)儲能容量。微電網(wǎng)系統(tǒng)的總成本一般包括設備投資成本和運行維護成本,再減去政府對新能源發(fā)電的補貼[8]。當微電網(wǎng)并網(wǎng)運行時,分布式電源發(fā)出的電能可以售給電網(wǎng)或后級用戶,此時還需考慮微電網(wǎng)的售電收入[9]。如果分布式電源的發(fā)電量可以用于工業(yè)生產(chǎn),則微電網(wǎng)的總成本中應減去該產(chǎn)品的收益[10]。然而,上述文獻中的方法只針對單一種類的儲能系統(tǒng),沒有考慮氫儲能裝置對電池儲能裝置最優(yōu)容量的影響,因此無法解決綜合儲能系統(tǒng)中儲能電池的容量優(yōu)化問題。

本文中液態(tài)金屬電池儲能系統(tǒng)的配置方式是與氫儲能裝置共同構成綜合儲能系統(tǒng)。首先,以經(jīng)濟性最優(yōu)為原則,為該綜合儲能系統(tǒng)設計一套調(diào)度方案;然后,利用實際氣象數(shù)據(jù)仿真計算出微電網(wǎng)每日的調(diào)度計劃,根據(jù)一段時間內(nèi)的調(diào)度計劃,可以計算出液態(tài)金屬電池儲能系統(tǒng)的多項性能評價指標;最后,利用這些指標建立綜合評價模型,分別計算不同容量的液態(tài)金屬電池儲能系統(tǒng)的性能得分,從而確定最優(yōu)儲能容量。

1 光氫耦合微電網(wǎng)的結構與性能

光氫耦合微電網(wǎng)的結構如圖1所示[11]。該微電網(wǎng)中包含電能鏈和氫能鏈兩條能量轉化線路。在電能鏈中,由光伏發(fā)電系統(tǒng)為微電網(wǎng)內(nèi)的用電負荷提供電能。由于光伏發(fā)電功率的波動率較大,所以需要使用綜合儲能系統(tǒng)來平抑其輸出功率的波動,將低質(zhì)量和富余的電能輸送給電解槽或存儲在液態(tài)金屬電池中。同時,該微電網(wǎng)還與主電網(wǎng)相連,可以進行電能交換。在氫能鏈中,首先由電解槽將電能轉化為氫能,再根據(jù)需求利用氫氧燃料電池將氫能轉化為電能,多余的氫氣存儲在高壓儲氫罐中。高純度的氫氣除了可以用于儲能,還可以作為工業(yè)生產(chǎn)原料出售,是微電網(wǎng)的主要經(jīng)濟來源之一。

圖1 光氫耦合微電網(wǎng)結構Fig.1 Structure of photovoltaic and hydrogen coupled microgrid

表1對微電網(wǎng)中兩種儲能裝置的性能進行了對比[12]。與氫儲能系統(tǒng)相比,液態(tài)金屬電池具有響應速度快、循環(huán)壽命長、能量效率高等優(yōu)點,可以迅速響應微電源與負荷的功率變化,保證系統(tǒng)的穩(wěn)定性。此外,直接售賣氫氣的收益遠大于將氫能轉化為電能的收益,所以應盡量減少燃料電池的使用頻率。綜上所述,為了提高系統(tǒng)的利潤和效率,應使液態(tài)金屬電池儲能系統(tǒng)的充放電優(yōu)先級高于氫儲能系統(tǒng)的優(yōu)先級。但是,氫儲能系統(tǒng)的可用容量遠大于液態(tài)金屬電池的容量,所以當系統(tǒng)出現(xiàn)大規(guī)模的功率盈余或功率缺額時,必須使用氫儲能裝置來平抑功率波動。

表1 兩種儲能形式的性能對比Table 1 Performance comparison of two kinds of energy storage system

2 綜合儲能系統(tǒng)的調(diào)度方案

2.1 調(diào)度方案的設計流程

本文所研究的光氫耦合微電網(wǎng)一般運行在并網(wǎng)模式,當微電網(wǎng)內(nèi)部或外部發(fā)生嚴重故障時轉為孤島模式。本文只研究微電網(wǎng)并網(wǎng)運行時綜合儲能系統(tǒng)的調(diào)度方案。國家標準中規(guī)定,裝機容量為10 MW以上的光伏發(fā)電站應具有0～72 h短期光伏發(fā)電功率預測功能[13],所以在設計調(diào)度方案時可使用光伏發(fā)電量的預測數(shù)據(jù)。確定光伏發(fā)電系統(tǒng)的輸出功率需要使用兩種氣象數(shù)據(jù):太陽輻射量數(shù)據(jù)和氣溫數(shù)據(jù)。本文所使用的數(shù)據(jù)來自氣象軟件Meteonorm[14],它可以提供任意地點每小時的氣象數(shù)據(jù)。

本文所設計的調(diào)度方案按照光伏發(fā)電量與用電負荷的匹配程度將一日劃分成清晨、白天、傍晚和夜間4個時段,各個時段采取不同的調(diào)度策略。4個時段的調(diào)度計算完成后,還要進行液態(tài)金屬電池的SOC校驗。如果當日存在SOC越限情況,則自動調(diào)整電池當日的SOC初始值,重新進行調(diào)度計算;如果調(diào)整參數(shù)后仍存在SOC越限情況,則需調(diào)整其他微電源的調(diào)度曲線,將電池SOC變化曲線修正到允許范圍內(nèi)。下面具體介紹4個時段的調(diào)度方案。

2.2 清晨時段的調(diào)度方案

清晨時段是指從光伏發(fā)電功率首次大于0的時刻到光伏發(fā)電功率首次大于微電網(wǎng)內(nèi)負荷的時刻,該時段特點是光伏電能大于0但不足以滿足微電網(wǎng)內(nèi)的負荷需求,需要利用儲能裝置或電網(wǎng)電能補充光伏電能的缺額。根據(jù)中國峰谷電價政策,谷電時段(本文以陜西省的電價政策為例,谷電時段為23:00到次日07:00)的電價較低,所以在早上07:00之前,使用電網(wǎng)電能比較經(jīng)濟。07:00之后,首先使用液態(tài)金屬電池補充光伏電能缺額,當其SOC值下降至允許的下限值時,改用燃料電池供電。

2.3 白天時段的調(diào)度方案

白天時段是指從清晨時段結束后到光伏發(fā)電功率首次小于微電網(wǎng)內(nèi)負荷的時刻,該時段特點是光伏電能大于微電網(wǎng)內(nèi)負荷需求,需將剩余光伏電能的穩(wěn)定部分售賣給電網(wǎng),波動部分由儲能裝置平抑。

在沒有烏云遮擋的理想情況下,光伏發(fā)電功率隨時間的變化曲線基本符合高斯函數(shù)形式[15],所以可以用高斯函數(shù)對離散的光伏功率預測數(shù)據(jù)進行擬合,將擬合得到的光滑曲線作為并網(wǎng)光伏功率的參考值,從而滿足電網(wǎng)對并網(wǎng)光伏功率波動率的限制。擬合過程中計算出的參數(shù)R2可以衡量回歸方程的擬合優(yōu)度,R2越大,說明擬合效果越好。將光伏發(fā)電總功率與并網(wǎng)光伏功率的差值稱為光伏發(fā)電功率的波動部分,擬合曲線的R2較大時,波動部分的功率較小,可以僅使用液態(tài)金屬電池來平抑功率波動,不需要開啟氫儲能裝置;R2較小時,波動部分功率較大,而液態(tài)金屬電池的額定功率有限,所以要使用氫儲能來平抑功率波動。根據(jù)R2的大小,可以將擬合曲線分為3類,分別設計3種調(diào)度方案。

第1類:R2<0.8。此時光伏發(fā)電功率曲線波動劇烈,應采用兩種儲能裝置共同平抑光伏功率波動。為了減少燃料電池的使用頻率,需要將光伏功率擬合曲線向下平移,直到其與光伏實際發(fā)電功率曲線最大差值的絕對值小于液態(tài)金屬電池的額定功率,將下移后的曲線作為售給電網(wǎng)的功率調(diào)度曲線。當光伏電能存在盈余且盈余功率小于電解槽的最小開啟功率PHmin時,利用該部分電能給液態(tài)金屬電池充電;當盈余功率大于PHmin時,將該部分電能輸入電解制氫裝置;當光伏電能存在缺額時,首先使用液態(tài)金屬電池補充光伏電能缺額,當其SOC值下降至允許的下限值時,改用燃料電池供電。

第2類:0.8≤R2≤0.9。此時光伏發(fā)電功率曲線存在小幅波動,也應同時使用兩種儲能裝置。為了減少燃料電池的使用,需要將光伏功率擬合曲線向下平移,直到該曲線完全位于光伏實際發(fā)電功率曲線之下,將下移后的曲線作為售給電網(wǎng)的功率調(diào)度曲線。與第1類調(diào)度方案的區(qū)別在于,此時液態(tài)金屬電池的容量在用于平抑功率波動之外還有一定的剩余,因此,當盈余部分的光伏功率短時小于PHmin時,可以由液態(tài)金屬電池為電解槽供電,使其工作在最小開啟功率狀態(tài),從而避免電解槽的頻繁啟停對其使用壽命造成影響。

第3類:R2>0.9。此時光伏發(fā)電功率曲線僅有微小波動,可以直接使用光伏功率的擬合曲線作為售給電網(wǎng)的功率調(diào)度曲線,并且只需使用液態(tài)金屬電池平抑功率波動,不需要使用氫儲能裝置。

2.4 傍晚時段的調(diào)度方案

傍晚時段是指從白天時段結束后到當日的23:00,該時段的特點是光伏電能無法滿足微電網(wǎng)內(nèi)負荷的需求。此時的電網(wǎng)電價較高,應盡量使用儲能系統(tǒng)來彌補光伏電能缺額。兩種儲能裝置的使用順序與清晨時段相同。

2.5 夜間時段的調(diào)度方案

夜間時段是指從傍晚時段結束后到次日光伏發(fā)電功率首次大于0的時刻,該時段的特點是光伏發(fā)電量小于微電網(wǎng)內(nèi)負荷,而主電網(wǎng)處于谷電時段,所以微電網(wǎng)內(nèi)的一切電力需求都應使用電網(wǎng)電能來滿足。由于白天的氫氣制取量和使用量取決于天氣情況,如果微電網(wǎng)每日有固定的氫氣需求,可以利用谷電時段完成剩余的制氫任務。在該時段內(nèi)還應利用電網(wǎng)電能為液態(tài)金屬電池充電,使其達到預設的SOC初始值,為次日的調(diào)度計劃做好準備。

2.6 調(diào)度方案算例

圖2所示為上述調(diào)度方案的兩個算例,其中儲能裝置的調(diào)度曲線縱坐標為正的部分表示儲能裝置吸收功率,為負的部分表示儲能裝置發(fā)出功率。圖2(a)中光伏發(fā)電功率的波動率較大,所以應采用兩種儲能裝置共同平抑功率波動;圖2(b)中光伏發(fā)電功率的波動率較小,所以只需使用電池儲能裝置。

圖2 調(diào)度方案算例Fig.2 Examples of scheduling scheme

3 液態(tài)金屬電池儲能系統(tǒng)容量優(yōu)化模型

本節(jié)中將根據(jù)微電網(wǎng)在并網(wǎng)模式下的經(jīng)濟性與可靠性指標對液態(tài)金屬電池儲能系統(tǒng)的配置容量進行優(yōu)化。首先建立儲能系統(tǒng)綜合評價模型如下:

y=a1x1+a2x2+a3x3+a4x4

(1)

式中:y為液態(tài)金屬電池儲能系統(tǒng)性能的評價結果,y越大,表明其性能越好;x1,x2,x3,x4為4項評價指標;a1,a2,a3,a4為4項指標的權重系數(shù)。為了確定最優(yōu)儲能容量,可以分別計算不同容量的液態(tài)金屬電池儲能系統(tǒng)的性能得分,將得分最高的容量作為最優(yōu)配置容量。

3.1 評價指標的計算方法

x1為液態(tài)金屬電池儲能系統(tǒng)的配置成本,一般由功率成本和容量成本2部分組成。x2為光氫耦合微電網(wǎng)的年利潤,主要由售電收入、售氫收入和發(fā)電補貼3部分組成。x3為液態(tài)金屬電池儲能系統(tǒng)的預期使用壽命,文獻[16]中詳細介紹了電池循環(huán)壽命的估算方法,即首先利用雨流計數(shù)法從電池的充放電曲線中提取其放電深度,然后根據(jù)電池循環(huán)壽命與放電深度的函數(shù)關系,得出電池的等效循環(huán)次數(shù),從而計算電池的剩余壽命。x4為電池容量不足的天數(shù),即一年中液態(tài)金屬電池儲能系統(tǒng)無法滿足平抑光伏功率波動需求的總天數(shù)。4項指標中,x1和x2可用于評價儲能系統(tǒng)的經(jīng)濟性,x3和x4可用于評價儲能系統(tǒng)的可靠性。

評價指標一般可分為效益型、成本型和區(qū)間型3類,其中效益型指標越大越好,成本型指標越小越好,區(qū)間型指標在某個區(qū)間內(nèi)時為最佳。上述4項指標中,x1和x4為成本型指標,x2和x3為效益型指標。由于各指標的類型和量綱不同,需要首先對其進行標準化處理,即將所有指標都轉換為效益型,同時將各指標的數(shù)值都變換到[0,1]區(qū)間上。

3.2 指標權重的計算方法

本文首先采用熵權法和層次分析法分別計算各項指標的權重,然后將二者結合為一個綜合權重。

熵權法是確定評價指標權重的一種客觀方法,其計算權重的步驟如下[17]。

步驟1:計算第j個指標下第i個項目評價值的比重

(2)

步驟2:計算第j個指標的熵值

(3)

步驟3:計算第j個指標的熵權

(4)

層次分析法是確定評價指標權重的一種主觀方法。設每個待評價目標的n個評價指標為x1,x2,…,xn,按文獻[17]表1所示標度將這n個指標對于待評價目標的重要程度做兩兩比較,獲得成對比較矩陣C=(cij)n×n,成對比較矩陣的特征值W=[w1,w2,…,wn]即為n個評價指標的權重系數(shù)。

設熵權法計算得到的指標權重為We=[we1,we2,…,wen],層次分析法計算得到的指標權重為Wa=[wa1,wa2,…,wan]。按照式(5)可以將二者合成為綜合權重Wc=[wc1,wc2,…,wcn]。

Wc=αWe+βWa

(5)

式中:α和β分別為熵權法和層次分析法計算結果所占的比重。

兩種權重計算方法均有各自的特點。熵權法直接根據(jù)評價結果矩陣計算權重,比較客觀,但其計算結果可能會與人們對指標重要性的普遍認識相悖。層次分析法則恰好相反,它能夠很好地反映評價者對指標重要程度的感性認識,但其計算結果的主觀性較強。所以,如果希望綜合權重傾向于客觀結果,可取α>β,否則可取α≤β。

4 算例分析

本節(jié)中以陜西寶光集團計劃建設的光氫耦合微電網(wǎng)為例,驗證上文所述的液態(tài)金屬電池儲能系統(tǒng)配置方案的可行性。該微電網(wǎng)中配置了20 MW的光伏發(fā)電裝置和2臺制氫能力為1 000 m3/h的電解制氫設備。微電網(wǎng)中液態(tài)金屬電池儲能系統(tǒng)的額定功率為2 MW,其功率成本為300萬元,容量成本為5 250元/(kW·h)。算例中使用的其他參數(shù)參見附錄A表A1。

4.1 液態(tài)金屬電池容量優(yōu)化結果

本節(jié)重點比較3～5 MW·h內(nèi)5組儲能容量的性能。表2所示為這5組儲能容量對應的4項評價指標的計算結果。由表中數(shù)據(jù)可知,隨著儲能容量的增大,電池配置成本、系統(tǒng)年收益和電池壽命都會逐漸增加,而電池容量不足的天數(shù)會逐漸減少。

表2 不同容量液態(tài)金屬電池的評價指標與得分Table 2 Evaluation indices and scores of different liquid metal battery capacities

利用熵權法和層次分析法分別計算4項指標的權重,計算結果如表3所示。本算例中將熵權法計算結果的比重設置為0.2,層次分析法計算結果的比重設置為0.8,從而得到表3中的綜合權重系數(shù)。

表3 各項指標的權重系數(shù)Table 3 Weight coefficients of indices

利用表2中的指標數(shù)據(jù)和表3中的權重系數(shù)計算不同容量液態(tài)金屬電池儲能系統(tǒng)的評價得分,計算結果如表2最后一列所示?？芍?得分最高的儲能容量為4 MW·h,所以該微電網(wǎng)中液態(tài)金屬電池儲能系統(tǒng)的最優(yōu)配置容量為4 MW·h。

4.2 電池單價變化時的優(yōu)化結果分析

隨著技術發(fā)展,液態(tài)金屬電池的單價必然會逐漸降低,此時最優(yōu)儲能容量可能會隨之變化。由圖3(a)可知,如果保持模型中4個權重系數(shù)不變,則當液態(tài)金屬電池的單價發(fā)生變化時,最優(yōu)儲能容量不會改變。但當電池成本降低時,系統(tǒng)年收益的重要性就會逐漸凸顯。例如:當電池容量成本降低至3 250元/(kW·h)時,相鄰兩個儲能容量對應的電池成本相差約150萬元,而其15年內(nèi)的累計利潤也相差約150萬元,所以賦予“系統(tǒng)年利潤”的權重應與“電池成本”的權重相近。若液態(tài)金屬電池單價變化時模型系數(shù)也發(fā)生相應變化,則隨著電池單價的降低,最優(yōu)儲能容量會逐漸增加,如圖3(b)所示。

圖3 電池單價變化時的容量優(yōu)化結果Fig.3 Capacity optimization results with variable battery prices

5 結語

本文將液態(tài)金屬電池儲能系統(tǒng)與氫儲能系統(tǒng)相結合應用于微電網(wǎng)中,實現(xiàn)了電能、氫能、光能的多能互補。首先為該綜合儲能系統(tǒng)設計了一套經(jīng)濟合理的調(diào)度方案,然后提出了液態(tài)金屬電池儲能系統(tǒng)的配置容量優(yōu)化方法。綜合儲能系統(tǒng)的運行模式可以充分發(fā)揮兩種儲能方式的優(yōu)點,使光、氫、電等多種能源得到充分利用。合適的儲能容量不僅可以保證并網(wǎng)電能質(zhì)量,還可以提高微電網(wǎng)的經(jīng)濟效益。目前國內(nèi)外還沒有專門針對液態(tài)金屬電池儲能系統(tǒng)在微電網(wǎng)中配置方式的研究,考慮到液態(tài)金屬電池的應用前景和市場潛力,研究其在微電網(wǎng)中的優(yōu)化配置問題具有一定的實用價值。

本文所提出的調(diào)度方案與儲能容量優(yōu)化方法不僅可以應用于液態(tài)金屬電池儲能系統(tǒng),還可以推廣至其他種類的電池儲能系統(tǒng)。本文下一步的研究重點是對微電網(wǎng)孤島運行時的穩(wěn)定性進行校核,以進一步完善電池儲能系統(tǒng)的配置方案。

附錄見本刊網(wǎng)絡版(http://www.aeps-info.com/aeps/ch/index.aspx)。

[1] 王成山,王守相.分布式發(fā)電供能系統(tǒng)若干問題研究[J].電力系統(tǒng)自動化,2008,32(20):1-4.

WANG Chengshan, WANG Shouxiang. Study on some key problem related to distributed generation systems[J]. Automation of Electric Power Systems, 2008, 32(20): 1-4.

[2] SADOWAY D, CEDER G, BRADWELL D. High-amperage energy storage device and method: US 20130045408 A1[P]. 2013.

[3] WANG K, JIANG K, CHUNG B, et al. Lithium-antimony-lead liquid metal battery for grid-level energy storage[J]. Nature, 2014, 514(7522): 348.

[4] NIGIM K, MCQUEEN J. Grid connected dispatchable operating modes for hydrogen production from renewable energy sources[M]. 2013.

[5] KOSONEN A, KOPONEN J, AHOLA J, et al. On- and off-grid laboratory test setup for hydrogen production with solar energy in Nordic conditions[C]//IEEE European Conference on Power Electronics and Applications, September 8-10, 2015, Geneva, Switzerland: 10p.

[6] CARAPELLUCCI R, GIORDANO L. Modeling and optimization of an energy generation island based on renewable technologies and hydrogen storage systems[J]. International Journal of Hydrogen Energy, 2012, 37(3): 2081-2093.

[7] ZHANG F, THANAPALAN K, PROCTER A, et al. Fuzzy logic control for solar powered hydrogen production, storage and utilization system[C]//International Conference on Control, September 3-5, 2012, Cardiff, UK: 912-917.

[8] 李成,楊秀,張美霞,等.基于成本分析的超級電容器和蓄電池混合儲能優(yōu)化配置方案[J].電力系統(tǒng)自動化,2013,37(18):20-24.

LI Cheng, YANG Xiu, ZHANG Meixia, et al. Optimal configuration scheme for hybrid energy storage system of super-capacitors and batteries based on cost analysis[J]. Automation of Electric Power Systems, 2013, 37(18): 20-24.

[9] 周天沛,孫偉.風光互補發(fā)電系統(tǒng)混合儲能單元的容量優(yōu)化設計[J].太陽能學報,2015,36(3):756-762.

ZHOU Tianpei, SUN Wei. Capacity optimization of hybrid energy storage units in wind/solar generation system[J]. Acta Energiae Solaris Sinica, 2015, 36(3): 756-762.

[10] 楊秀,陳潔,朱蘭,等.基于經(jīng)濟調(diào)度的微網(wǎng)儲能優(yōu)化配置[J].電力系統(tǒng)保護與控制,2013,41(1):53-60.

YANG Xiu, CHEN Jie, ZHU Lan, et al. Optimization allocation of energy storage for microgrid based on economic dispatch[J]. Power System Protection and Control, 2013, 41(1): 53-60.

[11] 蔡國偉,彭龍,孔令國,等.光氫混合發(fā)電系統(tǒng)功率協(xié)調(diào)控制[J].電力系統(tǒng)自動化,2017,41(1):109-116.DOI:10.7500/AEPS20160314012.

CAI Guowei, PENG Long, KONG Lingguo, et al. Power coordinated control of photovoltaic and hydrogen hybrid power generation system[J]. Automation of Electric Power Systems, 2017, 41(1): 109-116. DOI: 10.7500/AEPS20160314012.

[12] 霍現(xiàn)旭,王靖,蔣菱,等.氫儲能系統(tǒng)關鍵技術及應用綜述[J].儲能科學與技術,2016,5(2):197-203.

HUO Xianxu, WANG Jing, JIANG Ling, et al. Review on key technologies and applications of hydrogen energy storage system[J]. Energy Storage Science and Technology, 2016, 5(2): 197-203.

[13] 中國國家標準化管理委員會.光伏發(fā)電站接入電力系統(tǒng)技術規(guī)定:GB/T 19964—2012[S].北京:國家標準出版社,2013.

[14] ARMENDARIZ-LOPEZ J F, LUNA-LEON A, GONZALEZ-TREVIZO M E, et al. Life cycle cost of photovoltaic technologies in commercial buildings in Baja California, Mexico[J]. Renewable Energy, 2016, 87(1): 564-571.

[15] 孫英云,侯建蘭,何國慶,等.一種考慮備用影響的光伏發(fā)電碳減排量計算方法[J].電力系統(tǒng)自動化,2014,38(17):177-182.DOI:10.7500/AEPS20140504014.

SUN Yingyun, HOU Jianlan, HE Guoqing, et al. A carbon emission reduction calculation method of photovoltaic considering influence of reserve[J]. Automation of Electric Power Systems, 2014, 38(17): 177-182. DOI: 10.7500/AEPS20140504014.

[16] 韓曉娟,程成,籍天明,等.計及電池使用壽命的混合儲能系統(tǒng)容量優(yōu)化模型[J].中國電機工程學報,2013,33(34):91-97.

HAN Xiaojuan, CHENG Cheng, JI Tianming, et al. Capacity optimal modeling of hybrid energy storage systems considering battery life[J]. Proceedings of the CSEE, 2013, 33(34): 91-97.

[17] 張健釗,陳星鶯,徐石明,等.基于AHP-熵權法的工業(yè)大用戶用電能效評估[J].電網(wǎng)與清潔能源,2017,33(1):57-63.

ZHANG Jianzhao, CHEN Xingying, XU Shiming, et al. Electricity utilization evaluation of large industrial users based on AHP and entropy method[J]. Power System and Clean Energy, 2017, 33(1): 57-63.