肖白,韓康琦,張曉華

(1. 東北電力大學電氣工程學院,吉林省吉林市 132012; 2. 國網(wǎng)吉林省電力有限公司延邊供電公司,吉林省延吉市 133000)

0 引 言

隨著經(jīng)濟的快速發(fā)展,能源危機和環(huán)境污染問題日益突出,如何提高能源利用效率、發(fā)掘可再生能源、推進可再生能源生產(chǎn)是亟需解決的關(guān)鍵問題[1]。在此背景下,以可再生能源和儲能技術(shù)構(gòu)建的微電網(wǎng)逐漸興起,微電網(wǎng)技術(shù)成為促進可再生能源接入和消納的重要手段[2-3]。

在微電網(wǎng)規(guī)劃設(shè)計階段,有效合理地配置內(nèi)部設(shè)備的容量可以確保微電網(wǎng)發(fā)揮良好的運營效果[4]。文獻[5]計及了可靠性成本,使用改進二階振蕩粒子群算法求解系統(tǒng)容量配置。文獻[6]以系統(tǒng)年均總費用和可再生能源利用率為目標函數(shù),建立了微電網(wǎng)容量隨機優(yōu)化配置模型。文獻[7]討論了蓄電池充放電次數(shù)和深度對壽命的影響,研究并網(wǎng)型微電網(wǎng)的容量配置。然而,以上研究中微電網(wǎng)的儲能主要依賴于電池,但其壽命短暫且價格昂貴,存在環(huán)境污染,使微電網(wǎng)的發(fā)展受到一定限制。

已有研究發(fā)現(xiàn)氫儲能有著清潔、高效、能量密度大、容量大的優(yōu)點,兩者具有一定的互補特性[8-9]。文獻[10]提出一種電-氫混合儲能孤島直流微電網(wǎng)能量管理方法,引入成本和等效氫耗最小算法,對系統(tǒng)進行優(yōu)化控制。文獻[11]針對具有電解制氫的獨立微電網(wǎng),在限制最大容量和碳排放上進行了優(yōu)化。文獻[12]分析電熱聯(lián)供和氫儲能的優(yōu)勢,提出了一種以氫儲能作為能量轉(zhuǎn)換樞紐的園區(qū)綜合能源系統(tǒng)優(yōu)化配置模型。文獻[13]引入階梯碳交易機制,研究了含氫儲能的并網(wǎng)型微電網(wǎng)的容量優(yōu)化問題。但上述研究均是在確定性場景下進行的,并未考慮風光不確定性[14]對規(guī)劃結(jié)果的影響。

而現(xiàn)如今,對不確定性問題的研究方法主要有魯棒規(guī)劃法[15]和隨機規(guī)劃法[16],但都存在一定局限性,前者需要精確的不確定集合,后者則依賴確定的概率分布且計算量過大。對此,文獻[17]提出了信息間隙決策理論(information gap decision theory,IGDT),其無需知道不確定參數(shù)的詳細概率分布,能夠在保證求解結(jié)果不遜于預設(shè)目標的情況下,最大化不確定變量的波動范圍,從而可最大化規(guī)避不確定性對求解結(jié)果的影響。文獻[18]建立IGDT魯棒與機會模型,解決電力系統(tǒng)調(diào)度中的“奈特式不確定性”問題。目前,基于IGDT的不確定性處理在機組組合[19-20]、虛擬電廠優(yōu)化[21-22]等方面展開,但是用于微電網(wǎng)規(guī)劃方面的研究較少。

此外,對于含高滲透比例可再生能源的微電網(wǎng)而言,通過給予用戶一定的經(jīng)濟激勵,鼓勵用戶自主參與需求響應(yīng)(demand response,DR),有助于協(xié)調(diào)源荷,減少系統(tǒng)儲能需求,提升經(jīng)濟效益[23-25]。文獻[26]建立了動態(tài)電價經(jīng)濟模型,減少發(fā)電和負荷曲線之間的不匹配。文獻[27]針對多微網(wǎng)系統(tǒng),建立了自主競價機制的分布式需求響應(yīng)模型。然而,目前關(guān)于微電網(wǎng)優(yōu)化規(guī)劃的研究大多只考慮不確定性或DR,在同時考慮不確定性和激勵型DR方面相對薄弱。而在對獨立微電網(wǎng)進行規(guī)劃時,若同時考慮風光出力不確定性和激勵型DR,能夠在保證供電可靠性的前提下進一步提高經(jīng)濟性。

綜上所述,本文提出一種基于IGDT的含氫儲能的獨立微電網(wǎng)優(yōu)化規(guī)劃方法。首先,建立含氫儲能的獨立微電網(wǎng)基本結(jié)構(gòu),并對其運行原理加以說明;其次,針對風光出力的不確定性,引入IGDT進行模擬,以微電網(wǎng)年投資成本和年運行成本之和最小為目標,建立綜合考慮不確定性和激勵型DR的雙層魯棒優(yōu)化規(guī)劃模型來計算微電網(wǎng)的最優(yōu)規(guī)劃結(jié)果;最后,以某地區(qū)微電網(wǎng)為例來驗證本文模型的有效性與合理性。

1 含氫儲能的獨立微電網(wǎng)模型

1.1 獨立微電網(wǎng)的結(jié)構(gòu)

本文所提獨立微電網(wǎng)結(jié)構(gòu)包括光伏陣列(photovoltaic cell, PV)、柴油機組(diesel generator, DEG)、風電機組(wind turbine, WT)、負荷和由儲氫罐、燃料電池和電解槽組成的氫儲能系統(tǒng)。氫儲能系統(tǒng)、風電機組和光伏陣列通過不同的變流器接入到交流母線上。用戶負荷由可時移負荷和剛性負荷組成。微電網(wǎng)結(jié)構(gòu)如圖1所示。

圖1 獨立微電網(wǎng)結(jié)構(gòu)

1.2 氫儲能系統(tǒng)的運行原理及簡化數(shù)學模型

微電網(wǎng)內(nèi)的柴油機發(fā)電機組、風電機組和光伏陣列的簡化數(shù)學模型參照文獻[28]建立的模型,此處不再贅述。

本文所建電解槽-儲氫罐-燃料電池模型與電池儲能的原理相同。當風光發(fā)電功率超過負荷需求時,利用電解槽將剩余電能用于電解水,將產(chǎn)生的氫氣儲存在儲氫罐中,增加了電負荷,提升可再生能源的利用率。在風光發(fā)電功率不足以滿足負荷需求的情況下,燃料電池利用儲氫罐中的氫氣作為燃料發(fā)電,產(chǎn)生電能以滿足負荷需求,大大增強了系統(tǒng)的可靠性。

1)電解槽數(shù)學模型。

常采用堿式電解槽,將水電解產(chǎn)生氫氣和氧氣。其輸出功率為:

Pel,out=ηelPel,in

(1)

式中:Pel,in為電解槽的輸入功率;Pel,out為電解槽的輸出功率;ηel為電解槽的效率,本文取60%。

電解槽的輸入功率最大值受其容量與儲氫罐剩余儲能容量的限制。電解槽的最大輸入功率為:

(2)

(3)

2)燃料電池數(shù)學模型。

燃料電池通過燃燒氫氣和氧氣釋放能量。其輸出功率為:

Pfc,out=ηfcPfc,in

(4)

式中:Pfc,out為燃料電池的輸出功率;Pfc,in為燃料電池的輸入功率;ηfc為燃料電池的工作效率,本文取65%。

燃料電池的最大輸出功率也受其容量與儲氫罐剩余容量的限制,可用式(5)、(6)表示。

(5)

(6)

3)儲氫罐數(shù)學模型。

儲氫罐既可以存儲電解槽產(chǎn)生的氫氣,又可以為燃料電池提供氫氣。其數(shù)學模型為:

(7)

式中:ηtank為儲氫罐的工作效率,本文取為50%。

2 基于IGDT的獨立微電網(wǎng)運行場景構(gòu)建

為應(yīng)對風光出力的隨機性和間歇性,本文采用IGDT來模擬風光出力波動幅度的不確定性,其目的為在滿足預設(shè)目標的前提下,研究不確定參數(shù)對微電網(wǎng)的影響,量化不確定參數(shù)的預測值和實際值之間的誤差[29]。其包括風險規(guī)避魯棒模型和風險投機機會模型2種,本文考慮IGDT魯棒模型,減少風光出力不確定性的不利影響。

2.1 不確定集構(gòu)建

首先,IGDT的典型模型[30]為:

(8)

式中:Y為不確定參數(shù);y為決策變量;F(Y,y)為目標函數(shù);H(Y,y)、G(Y,y)分別為等式約束和不等式約束。

在IGDT中,采用包絡(luò)邊界不確定性模型[31]進行建模,其表達式為:

(9)

2.2 獨立微電網(wǎng)運行場景構(gòu)建

當有不確定因素時,保守的決策者為了能實現(xiàn)某一最低目標,將最大化不確定參數(shù)的不利擾動,可建立具體模型為:

(10)

本文不確定參數(shù)為風電和光伏兩者的出力,其波動范圍為:

(11)

(12)

在風光的實際出力小于預測值的環(huán)境下,柴油機組和氫儲能系統(tǒng)將承擔系統(tǒng)的功率缺額。但系統(tǒng)的發(fā)電總成本勢必將會隨之增加,且功率缺額越多,發(fā)電總成本增加越大。因此,當風光的實際出力遠小于預測值時,系統(tǒng)運行成本最大。其取值為:

(13)

(14)

傳統(tǒng)的IGDT方法只適用于單因素參數(shù)不確定性。本文同時考慮了風光兩者的不確定性。為消除兩者權(quán)重帶來的主觀性,本文提出采用熵權(quán)法[32-33]來計算兩者的權(quán)重,對其不確定性因素進行重要性評價。其數(shù)學表達式為:

(15)

將各不確定變量看作是系統(tǒng)不確定性的指標,使用風光的預測值計算相應(yīng)的熵權(quán)。根據(jù)熵權(quán),計算出相應(yīng)不確定變量在總不確定度中所占的比例:

(16)

3 計及IGDT的獨立微電網(wǎng)雙層魯棒優(yōu)化規(guī)劃模型

本文構(gòu)建的雙層優(yōu)化規(guī)劃模型中,外層優(yōu)化模型負責求解長時間尺度的規(guī)劃問題,以微電網(wǎng)綜合成本等年值最小為目標;內(nèi)層優(yōu)化模型負責短時間尺度的運行問題,以微電網(wǎng)年運行成本最低為目標。內(nèi)外雙層相互迭代獲得最優(yōu)規(guī)劃結(jié)果。

3.1 外層優(yōu)化模型

3.1.1 目標函數(shù)

外層以微電網(wǎng)的綜合成本等年值Z最低為目標。外層優(yōu)化的決策變量集合x為燃料電池、電解槽、儲氫罐和光伏陣列、風電機組的額定容量。在確定性場景中,外層預期目標成本函數(shù)為:

(17)

式中:Zinv為設(shè)備投資成本等年值;Zope為系統(tǒng)年運行成本。

由2.2節(jié)得,當風光出力朝不利方向發(fā)展時,引入IGDT后,微電網(wǎng)決策者所能接受的最大悲觀運行成本和總成本可改寫為:

Z′ope=(1+μ)Zope

(18)

(19)

式中:Z′ope為決策者可接受的最大悲觀運行成本;Z′為微電網(wǎng)綜合成本等年值。

Zinv主要包括各設(shè)備的年平均投資成本和年維護成本,計算公式為:

(20)

(21)

式中:k為設(shè)備類型,k=1,2,…,5分別表示風電機組、光伏陣列、電解槽、燃料電池和儲氫罐;R為等年值算子;L為系統(tǒng)運行年限;Zf,k第k類設(shè)備的單位容量初始投資成本;Zm,k為設(shè)備的年維護成本;εk為設(shè)備的安裝數(shù)量或容量;λ為貼現(xiàn)率。

3.1.2 外層優(yōu)化模型約束條件

受場地建設(shè)面積影響,各類設(shè)備投建容量的不等式約束為:

(22)

式中:Cde,N、Cwt,N、Cpv,N分別為柴油機組、風電機組和光伏陣列的額定裝機容量;上標min和max代表最小值和最大值。

3.2 內(nèi)層優(yōu)化模型

3.2.1 目標函數(shù)

當外層將決策變量x傳遞給內(nèi)層后,內(nèi)層以考慮風光出力不確定性的運行場景下系統(tǒng)年運行成本最低為目標進行優(yōu)化,年運行成本包括燃料成本和DR補償成本。內(nèi)層的決策變量為一年各時段風電機組、光伏陣列、柴油發(fā)電機組和氫儲能系統(tǒng)的充放電功率。內(nèi)層優(yōu)化模型為:

Z′ope=min(Zfuel+Zdr)

(23)

式中:Zdr為年負荷轉(zhuǎn)移補償成本;Zfuel為柴油機組全年燃料成本。

因太陽輻照強度、風速和負荷具有季節(jié)性的特點,本文將全年氣象數(shù)據(jù)和負荷數(shù)據(jù)分為3類,包括夏季60天、冬季120天、春秋季185天,每類可用一個典型日代表,利用k-means聚類算法得到夏、冬、春秋季典型日的風速、太陽輻照強度和負荷曲線來代替該季節(jié)下各天的風速、太陽輻照強度和負荷數(shù)據(jù)。由此,式(23)可改寫為:

(24)

式中:S為一年中的典型日個數(shù),s=1,2,…,S;ns為一年中第s個典型日的天數(shù);Zdr,s和Zfuel,s為第s個典型日的負荷轉(zhuǎn)移補償成本和柴油機組燃料成本。

1)柴油發(fā)電機組燃料成本。

(25)

(26)

2)激勵型DR成本。

對于獨立微電網(wǎng)而言,其不與大電網(wǎng)相連,主要用于偏遠地區(qū)供電,建設(shè)成本較高。本文引入激勵型DR,以各時刻的可再生能源發(fā)電量和負荷需求兩者的差值絕對值之和最小作為激勵型DR的優(yōu)化目標,通過調(diào)整用戶可轉(zhuǎn)移負荷的用電時間,使運行周期內(nèi)的新能源出力曲線和負荷曲線在時序上更貼近,從而促進可再生能源消納,提高微電網(wǎng)的經(jīng)濟性。激勵型DR表達式為:

(27)

式中:Ppv,s,t、Pwt,s,t分別為第s個典型日t時刻光伏陣列、風電機組的輸出功率;PL0,s,t、PL1,s,t分別為激勵型DR前、后t時刻的負荷功率;ΔPL,s,t為第s個典型日t時刻的負荷轉(zhuǎn)移量,大于0為負荷轉(zhuǎn)入,小于0為負荷轉(zhuǎn)出。

考慮DR后,成本主要為調(diào)整可時移負荷需要給予用戶的補償成本,如式(28)所示。

(28)

式中:Cdr為單位電量負荷的轉(zhuǎn)移補償成本。

3.2.2 內(nèi)層優(yōu)化模型約束條件

1)功率平衡約束。

系統(tǒng)功率平衡約束為:

Pel,in,s,t+PL1,s,t=Ppv,s,t+Pwt,s,t+Pde,s,t+Pfc,out,s,t

(29)

2)分布式電源出力約束。

柴油發(fā)電機組、風電機組和光伏陣列滿足的約束條件為:

(30)

3)氫儲能系統(tǒng)約束。

儲氫罐、燃料電池和電解槽的功率上下限約束如式(31)、(32)、(33)所示;儲氫罐的荷電狀態(tài)上下限約束如式(34)所示;儲氫罐的荷電狀態(tài)在一個運行周期內(nèi)始末相等,如式(35)所示。

(31)

(32)

(33)

(34)

SSOC,tank,t0=SSOC,tank,tN

(35)

式中:SSOC,tank,s,t為典型日s內(nèi)t時段儲氫罐的荷電狀態(tài);SSOC,tank,t0、SSOC,tank,tN分別為一個運行周期內(nèi)始末的儲氫罐荷電狀態(tài);t0和tN分別為運行周期的始末時段。

4)柴油發(fā)電機組發(fā)電量占比約束。

對于獨立微電網(wǎng),國家規(guī)定柴油發(fā)電機組發(fā)電量占比不應(yīng)超過20%[34],如式(36)所示。

(36)

5)負荷轉(zhuǎn)移約束。

負荷轉(zhuǎn)出或轉(zhuǎn)入只能在同一個運行周期內(nèi),即轉(zhuǎn)移時段應(yīng)滿足:

(37)

式中:t0為負荷轉(zhuǎn)入時段;t1為負荷轉(zhuǎn)出時段;Tn為第n個運行周期。

各個時刻的負荷轉(zhuǎn)移量不能超過最大負荷轉(zhuǎn)移量,且應(yīng)滿足一個運行周期內(nèi)DR前、后總負荷需求不變,如式(38)所示。

(38)

綜上所述,可得計及IGDT的獨立微電網(wǎng)雙層優(yōu)化規(guī)劃模型為:

(39)

3.3 雙層優(yōu)化規(guī)劃模型求解

本文的外層優(yōu)化模型采用帶有精英保留策略的遺傳算法[35-36]進行求解,在外層模型中遺傳算法的染色體可以精準對各設(shè)備容量編碼;內(nèi)層模型屬于多約束線性模型,可通過Cplex求解器實現(xiàn)高效求解。求解流程如圖2所示。

4 算例分析

本文選取某地區(qū)一年的氣象及負荷數(shù)據(jù)來驗證本文模型的正確性。該地區(qū)所用的風光和負荷的小時級數(shù)據(jù)均為實際測量數(shù)據(jù),全年風速、太陽光照強度和負荷隨時間變化的曲線見附錄圖A1。通過k-means算法聚類得到的春秋、夏和冬不同季節(jié)段典型日的風速、太陽輻照強度和負荷曲線分別見附錄圖A2。

4.1 方案設(shè)置

為驗證本文所提模型的優(yōu)越性,考慮以下5種方案進行比較:

方案1：不考慮風光出力不確定性和激勵型DR。

方案2：考慮風光出力的不確定性,不考慮激勵型DR。

方案3：根據(jù)方案2獲得的容量配置結(jié)果在風光出力不確定性場景下的一個應(yīng)用,為對比說明,將此應(yīng)用場景設(shè)置為方案3。

方案4：在方案2容量配置的基礎(chǔ)上考慮激勵型DR計算最優(yōu)運行成本。

方案5：同時考慮風光出力的不確定性和激勵型DR計算最優(yōu)容量配置和運行成本,即本文所提方法。

4.2 方案結(jié)果對比

經(jīng)計算得到的5種方案下微電網(wǎng)的容量配置和成本計算結(jié)果對比如表1所示。其中預期目標成本值Z和最大悲觀成本Z′均為等年值。

表1 不同方案的容量配置和成本計算結(jié)果

4.2.1 風光不確定性對容量配置和成本的影響分析

1)方案1和方案2對比分析。

對比方案1和方案2,可以發(fā)現(xiàn)方案2考慮不確定性后的最大悲觀成本比方案1多了29.48萬元。

這是因為在方案1確定性場景下,微電網(wǎng)按照風光預測值進行規(guī)劃投資,即風險規(guī)避系數(shù)和不確定參數(shù)均為0。方案2引入IGDT模擬風光不確定性后,計算得到不確定參數(shù)α為9.43%,可以理解為生成的規(guī)劃方案在規(guī)劃期內(nèi)能夠承受的風光最大波動范圍是9.43%,即系統(tǒng)承受風光不確定性的魯棒性水平是9.43%。此時,微電網(wǎng)決策者要承擔規(guī)避系數(shù)為10%的投資預算。

2)方案2和方案3對比分析。

根據(jù)方案2的計算結(jié)果,方案3取α為4%。由表1可知,在相同的容量配置結(jié)果下,一方面方案3的總成本Z比方案2在確定性場景下的預期目標成本值Z增加13.26萬元,這是因為在不確定環(huán)境中,風光出力會朝著不利的方向發(fā)展,為了滿足微電網(wǎng)的功率缺額,必須增加柴油發(fā)電機的出力,結(jié)果導致了微電網(wǎng)的運行成本大幅增加。另一方面,方案3比方案2的最大悲觀成本Z′少22.87萬元,這是因為風光在一定范圍內(nèi)任意波動時,所得的魯棒解均能滿足決策者能夠接受的最大悲觀成本,表明決策解具有良好的適應(yīng)性。

以夏季典型日為例,將方案2在確定性場景下運行情況與方案3運行情況作對比,如圖3、4所示。

圖3 方案2在夏季典型日確定性場景下微電網(wǎng)的運行結(jié)果

圖4 方案3在夏季典型日不確定性場景下微電網(wǎng)的運行結(jié)果

可以發(fā)現(xiàn),在夏季典型日下,方案3為應(yīng)對風光出力不確定性,柴油發(fā)電機的啟用時段比方案2增加了一個,從而導致運行成本升高。

4.2.2 激勵型DR對容量配置和成本的影響分析

1)方案2與方案4對比分析。

由表1可知,對比于方案2,方案4引入了激勵型DR后,柴油機組發(fā)電量占比降低2.34%,微電網(wǎng)年運行成本降低19.83萬元,總成本降低了19.83萬元。

2)方案4和方案5的對比分析。

方案5對比于方案4,在容量配置方面風機和光伏裝機容量分別增加了100、135 kW;同時方案5的電解槽、燃料電池和儲氫罐的容量分別降低了167 kW、137 kW和871 kW·h;在運行方面,柴油機組的發(fā)電量占比降低了1.12%,柴油費用減少了18.67萬元,投資成本等年值降低了4.7萬元,年運行成本降低了17.62萬元,降低了4.67%,在總成本上降低了22.32萬元。

經(jīng)分析得知,引入激勵型DR會減少微電網(wǎng)儲能的容量配置,增加風光可再生能源的裝機容量,提高經(jīng)濟效益。這是因為通過調(diào)整可時移負荷的工作時間段,使負荷曲線和風光出力曲線更加一致,提高了可再生能源利用率,減少了平抑風光出力波動所需的氫儲能系統(tǒng)出力和柴油發(fā)電機出力。以激勵型DR發(fā)揮作用明顯的冬季典型日為例,2種方案下冬季典型日的運行結(jié)果分別如圖5、6所示。

圖5 方案4冬季典型日微電網(wǎng)的運行結(jié)果

分析圖5和圖6,在方案5考慮激勵型DR的冬季典型日內(nèi)的運行結(jié)果中,柴油發(fā)電機組在啟用的時段個數(shù)比方案4減少了1個,從而降低了微電網(wǎng)的運行成本。

圖6 方案5冬季典型日微電網(wǎng)的運行結(jié)果

綜上說明,微電網(wǎng)決策者在規(guī)劃時就將激勵型DR考慮在內(nèi)比在系統(tǒng)建成后施行激勵型DR得到的規(guī)劃方案更優(yōu)。

圖7為方案5在帶精英保留策略的遺傳算法和傳統(tǒng)遺傳算法下的迭代收斂曲線,可以看出,本文采用的遺傳算法收斂速度更快,可以抑制早熟現(xiàn)象,避免了算法陷入局部最優(yōu)解。

圖7 方案5的迭代收斂曲線

4.2.3 風險規(guī)避系數(shù)μ的靈敏度分析

為研究不同風險規(guī)避系數(shù)μ的影響,以方案5為例,設(shè)置μ變化范圍為2%～20%。通過計算決策者所能接受的最大悲觀運行成本Z′ope,計算出不確定參數(shù)α與運行成本隨μ的變化趨勢,如圖8所示。

圖8 不同μ對α及微電網(wǎng)年運行成本的影響

由圖可知,隨著μ從2%增加至20%,保守型決策者認為,由于不確定性可能會使目標朝著不利的方向發(fā)展,因此他們希望通過增加運行成本來抵抗可能存在的不確定性,以盡可能減少不利影響。當微電網(wǎng)年運行成本由333.78萬元增加到392.69萬元時,微電網(wǎng)可以容納的α從2.16%增加到18.01%。對應(yīng)地,當風電和光伏出力在波動范圍內(nèi)變化時,可以確保系統(tǒng)的運行成本低于最大悲觀運行成本。

4.2.4 IGDT魯棒模型的有效性分析

為驗證本文所提IGDT魯棒模型的有效性,在2.2節(jié)所建立的不確定集中采用蒙特卡洛模擬技術(shù)分別抽取1 000個隨機風電和光伏出力場景,將以上風電和光伏場景逐一代入模型式(39)中檢驗并求取對應(yīng)場景下的微電網(wǎng)年運行成本。取μ為20%,對應(yīng)最大悲觀成本為392.69萬元。結(jié)果分布如圖9所示。

圖9 不確定場景下微電網(wǎng)年運行成本

由圖9可知,在波動范圍內(nèi)任意的風光出力場景都能夠滿足微電網(wǎng)的運行成本在333.78萬元和392.69萬元之間,微電網(wǎng)此時所能承受的最大α為18.01%。驗證了本文所提模型的有效性。

4.2.5 不同儲能方案下的配置結(jié)果分析

為充分分析氫儲能系統(tǒng)相比較于電化學儲能的經(jīng)濟優(yōu)勢,選擇目前應(yīng)用范圍最廣的鋰離子電池作為系統(tǒng)儲能方案,不考慮風光不確定性和激勵型DR。其容量配置和成本計算結(jié)果如表2所示。

表2 鋰離子電池儲能的容量配置和成本計算結(jié)果

對比表1中的方案1,可以發(fā)現(xiàn):雖然采用氫儲能時,需要配置的儲能容量比采用鋰離子電池儲能高出2 220 kW·h,但氫儲能方案仍比鋰離子電池儲能方案總成本降低72.51萬元。這是因為氫儲能具有能量密度大、容量大的特點,其單位容量成本遠低于鋰離子電池,且氫氣可以長期儲存在適當?shù)臈l件下而不損失能量,氫儲能壽命也長于鋰離子電池儲能,在長期調(diào)節(jié)能力方面的貢獻更顯著。

5 結(jié) 論

本文提出了一種含氫儲能的獨立微電網(wǎng)IGDT魯棒規(guī)劃方法,其具有以下特點:

1)采用IGDT來模擬風光出力不確定性,將其變化幅度與運行成本定量結(jié)合,使規(guī)劃決策者能夠根據(jù)可承受的成本來選擇風險規(guī)避系數(shù),得到兼顧經(jīng)濟性和魯棒性的最優(yōu)化規(guī)劃方案。

2)在構(gòu)建獨立微電網(wǎng)的優(yōu)化規(guī)劃模型過程中,計入了激勵型DR作用對規(guī)劃結(jié)果的影響,能夠?qū)崿F(xiàn)對負荷側(cè)資源的充分利用,提高可再生能源的裝機占比,減少氫儲能的容量配置,降低微電網(wǎng)的運行成本,使規(guī)劃方案更加合理。