文档介绍：该【风–光–氢–储综合能源系统日前经济调度 】是由【pdf】上传分享，文档一共【9】页，该文档可以免费在线阅读，需要了解更多关于【风–光–氢–储综合能源系统日前经济调度 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。:..风光氢储综合能源系统日前经济调度徐桂芝梁丹曦宋洁康伟赵雪莹郜捷Day-aheadEconomicDispatchofWind-photovoltaic-HESS-BESSIntegratedEnergySystemXUGuizhi,LIANGDanxi,SONGJie,KANGWei,ZHAOXueying,GAOJie引用本文:徐桂芝,梁丹曦,宋洁,[J].现代电力,2023,40(6):939-:-,LIANGDanxi,SONGJie,-aheadEconomicDispatchofWind-photovoltaic-HESS-BESSIntegratedEnergySystem[J].ModernElectricPower,2023,40(6):939-:-:https:///--,39(5):554-561https:///--aheadEconomicDispatchforElectricity-,37(2):197-204https:///-,40(5):669-678https:///-,39(5):514-520https:///--stageDay-,40(4):546-553https:///--aheadEconomicDispatchofMicro-,39(2):236-245https:///-:..第?40?卷?第?6? ?年?12?月Modern?Electric?PowerDec. 2023?文章编号:1007?2322(2023)06?0939?08文献标志码:A中图分类号:TM72风–光–氢–储综合能源系统日前经济调度徐桂芝,梁丹曦,宋洁,康伟,赵雪莹,郜捷(全球能源互联网研究院有限公司,?北京市?昌平区?102211)Day-aheadEconomicDispatchofWind-photovoltaic-HESS-BESSIntegratedEnergySystemXU?Guizhi,LIANG?Danxi,SONG?Jie,KANG?Wei,ZHAO?Xueying,GAO?Jie(Global?Energy?Interconnection?Research?Institute?Co.,?Ltd,?Changping?District,?Beijing?102211,?China)?摘要:为了实现风–光–氢–储综合能源系统实时跟踪电网日gent?swarm?optimization?algorithm?was?used?to?solve?the?sys-前发电计划的优化调度,并考虑峰谷价电价规则,结合储tem?objective?function?iteratively.?Finally,?according?to?the能系统时空位移特性,使综合能源系统制氢、氢燃料电池wind?data?,photovoltaic?data,?load?data?and?time-of-use?price?in-发电经济效益最高,首先建立了风–光–氢–储各子系统数学formation?of?a?certain?place,?the?proposed?optimal?scheduling模型及以电力经济最优为目标的日前优化调度模型,综合method?was?analyzed?and?verified?in?Matlab,?and?the?power?dis-考虑系统功率平衡、运行状态、安全状态等指标约束,设tribution?of?each?subsystem?of?the?wind-photovoltaic-HESS-定氢储系统优先出力对应的权重系数,采用智能群优化算BESS?integrated?energy?system?was?obtained?to?achieve?the?op-timal?economy?and?real-time?tracking?of?the?day-ahead?dis-法对系统目标函数进行迭代优化求解;最后根据某地风光patching?instructions?of?the?power?,对所提优化调度方法在Matlab中进行分析验证,得到风–光–氢–储综合能源系统各子系统Keywords:?wind?-photovoltaic-hydrogen-ESS?integrated?en-功率分配情况以实现最优经济性以及对电网日前调度指令ergy?system;day-ahead?optimal?scheduling;hydrogen?en-的实时跟踪。ergy?storage?system;intelligent?swarm?optimization?algorithm;multi?energy?coupling关键词:风–光–氢–储综合能源系统;日前经济调度;氢储能;智能群优化算法;多能耦合DOI:-:The?objective?of?this?paper?is?to?realize?the?optimal0引言scheduling?of?wind-photovoltaic-HESS-BESS?integrated?en-ergy?system?for?real-time?tracking?of?power?grid?day-ahead?gen-在“碳达峰·碳中和”目标下我国能源清洁化eration?schedule.?Under?the?peak-valley?electricity?price?mech-转型是大势所趋,近年来,我国可再生能源的装anism,?combined?with?the?spatial-temporal?displacement?char-机容量正在迅猛增加,根据国家能源局统计,截acteristics?of?the?energy?storage?system,?prehensive?en-ergy?system?has?the?highest?e?from?controlled?hydrogen至2020年底,全国可再生能源发电装机达到production?and?hydrogen?fuel?cell?power?generation.?In?this?pa-,%。其中,风电装per,?we?established?the?mathematical?model?of?subsystems?、。然而,wind,?photovoltaic,?HESS?and?BESS,?and?proposed?a?day-由于多数可再生能源间歇性和供应的不确定性问ahead?optimal?scheduling?model?aiming?at?the?optimal?econom-题,无法适应不同地点用户的时变负荷需求,且ic?benefits?of?the?power?system.?Comprehensively?consideringthe?constraints?of?system?power?balance,?operation?state?and随着未来能源结构及电网形态的变化,急需解决safety?state,?the?paper?set?the?weight?coefficient?corresponding对应的功率平衡调度及可再生能源并网稳定问题。to?the?priority?output?of?the?HESS?and?the?BESS.?The?intelli-大规模储能技术作为电力系统的关键支撑技术,?不仅可以提高常规发电和输电效率,提高电网运基金项目:***科技项目(百千瓦级氢利用关键行的安全性和经济性,也是实现可再生能源平滑技术研究及示范)(5400-201919487A-0-0-00)。波动、削峰填谷,满足可再生能源大规模接入的Project?Supported?by?Science?and?Technology?Project?of重要手段。氢能作为一种能量密度高且具有零碳(5400-201919487A-0-0-00)特性的新型清洁能源,可长时间储存而不损失能现代电力,2023,40(6) . E-mail:******@vip.:..940现代电力2023?年?12?月量。因此,在可再生能源发电领域接入氢储能系风光氢储各设备之间的耦合关系和协调互动控制统可有效解决可再生能源并网稳定性及时变负荷原理,以及系统间能量平衡、运行安全约束、能需求问题,国内外学者针对风–光–氢–储多能耦量状态约束等约束条件,实现了风光氢储综合能合技术进行了大量理论分析及试验验证,为可再源系统跟踪日前调度计划的功率逐时分配,得到生能源多能耦合氢能体系的建立提供了充足的理系统最优调度方案。并基于实际案例分析验证了论支撑。所提日前经济调度方案的可行性,在风电、光伏、在含氢储系统的综合能源系统优化调度问题负荷场景不变的情况下对比讨论了氢储能的加入上已有许多学者进行了研究,文献[1]设计了一对系统经济效益的影响以及可再生能源波动性的种含“风–光–氢–燃–储”的混合多能源系统实验影响,可以为风光氢储综合能源系统进入规模化平台,能够助力我国高比例、大规模可再生能源示范及产业化运营提供一定理论支撑。的发展;文献[2]建立了氢储能系统制、储、输完整的运行控制及优化调度模型,并对水电耦合1风光氢储综合能源系统结构氢储系统的经济效益进行了分析,并通过实例验含氢储能(hydrogen?energy?storage?system,证了所提控制策略可有效提高弃水利用率及水电HESS)的风光氢储综合能源系统结构如图1所示。耦合氢能的经济性;文献[3]指出电制氢储能在风光氢综合能源系统是以解决新能源消纳为能源互联网中,不仅能像传统储能技术一样解耦目标,利用氢储能的融入调整风力、太阳能、氢电能的生产和消费之间的关系,还能将电能转化能合理出力,从而提高综合能源系统稳定性、解为氢能后在多个不同的能源网络和终端用户间流决风光等新能源消纳问题。根据图1可知,风–动。文献[4]对风光互补发电储能制氢系统各子光–氢–储综合能源系统主要包括分布式发电单元、系统构建了数学模型,基于扰动观察法建立了光储能单元以及用电负荷。分布式发电单元主要是伏、风力发电系统的最大功率跟踪模型,结合粒风电机组以及光伏发电阵列,储能单元包含锂电子群优化算法提高了系统制氢效率,并通过实例储能系统(battery?energy?storage?system,?BESS)和验证了所建模型的可靠性;Issam?Abadlia等人设氢储能系统。该综合能源系统工作原理是当电网计了一种基于遗传算法优化的混合光伏制氢系统调度下达的功率指令低于系统内各分布式电源出自适应模糊控制策略,并通过MATLAB仿真测力时,将风光富电送入电解槽进行电解制氢,相试了所提优化策略在混合光伏制氢系统的电网侧反,则通过氢燃料电池发电弥补调度指令的功率具有良好的控制效果[5];AlHajri?Ibrahim等人研究缺额。除此之外,在系统电力供应充足且氢气富了含氢储能与可再生能源发电的综合能源系统的余时,可通过氢能供应链将氢气售出获取一定的日前优化调度策略,通过对氢储系统出力调度和经济收益。高峰负荷需求转移至非高峰时段,降低了总运行该系统通过氢储能作为中间环节实现了电成本[6];文献[7]提出计及电转气过程能量转换氢–氢电转换,将间歇性及波动性强的风力、光损失和环境成本的日前经济调度优化模型,结果伏电力转换为氢气实现中长期储能,并在需要的证明在含氢储能的综合能源系统中该调度优化模时候通过氢燃料电池发电接入电网进行电力市场型具有很好的经济性和环保性。综上所述,目前交易。本文的研究基于图1所示系统拓扑展开,国内外的研究重点关注氢储系统经济性及与可再对风电、光伏等再生能源的发电数据进行预测,生能源耦合协调控制特性,含制氢储能的综合能在考虑电网的电力交易的基础上,对风光氢综合源系统日前经济调度优化受到广泛关注,但大量能源系统进行日前优化调度,从而实现系统最优研究基于氢储能系统的单一环节,并未从氢储能经济运行,为新型储能在参与电网清洁化转型过系统的制、储、用全生命周期考虑进行含氢储能程中实现规模化应用提供理论基础。的综合能源系统日前优化调度,本文将以此为要点展开研究。2风光氢储综合能源系统等效数学本文首先通过分析氢储能系统充放电行为,建模建立综合能源系统中各子系统的数学模型,以运行调度期间电力经济成本最低为目标,综合考虑含氢储能(hydrogen?energy?storage?system,现代电力,2023,40(6) . E-mail:******@vip.:..第?40?卷?第?6?期徐桂芝等:风–光–氢–储综合能源系统日前经济调度941?负荷控制用电负荷负荷控制负荷2负荷2可再生能源电网Renewableenergy能量管理系统(Grid)(BMS)风力Wind光伏PhotovoltaicO2氧气综合利用电解槽UtilizationofoxygenElectrolyzer燃料电池H2H2Fuelcell70MPa塑料纤维3缠绕内瓶气态储氢瓶70MPa42Nm液态储氢装置碳纤维缠绕储氢瓶固态储氢系统电缆氢管道氧气管道(Cable)(Hydrogenpipeline)(Oxygenpipeline)-photovoltaic-HESS-BESSintegratedenergysystemstructureHESS)的风光氢储综合能源系统结构如图1所示。Relec是碱性电解质的欧姆电阻(Ω·m2),;r1、r2是电解质欧姆电阻参数;Telec表示本文根据碱性电解槽(alkaline?water?electroly-电解槽运行温度(K);Aelec为电解槽中极板面zer,AWE)U-I特性曲线,结合法拉第定律的电积(m2);Ielec为电解槽电流(A);s1、s2、s3、解方程可得典型的电解制氢装置数学模型。其中,t1、t2、t3表示电极过电压系数;Ustack为AWE电AWE单体电压计算公式为式(1)中第一个公式,堆总电压(V);Nc为电解槽串联个数。但为了使等式体现温度对电解过程的影响,将式根据经验模型,电解槽在制氢过程中的制氢中Relec、selec等参数进行详细转换,得到与温度速率(即制氢量)由下式确定:Nc变化相关联的电解槽电压计算公式[8-10]:Welec=FIelec(2)8??zF>Relectelec>>>>Ucell=Urev+Ielec+seleclog+1式中:F为法拉第常数,取96485(C/mol);z为>>>>AelecAelec>>>>>>>>Relec=r1+r2Telec制氢过程每次反应中转移电子数,z=2;F为法><><s=s+sT+sT2(1)拉第效率,是指实际制氢量和理论最大制氢量的>elec12elec3elec>>>>tt比值,其与电流密度相关(%),可由式?(3)?确定;>>>>t=t+2+3>>>>elec122>>>>TelecTelecf2(Ielec=Aelec)>:>:F=(3)Ustack=NcUcellf1+(I=A)2elecelec式中:Urev为电解槽单元可逆电池电压(V);式中:f1、f2表示法拉第效率参数(mA2·cm4)。现代电力,2023,40(6) . E-mail:******@vip.:..942现代电力2023?年?12?–光–氢–储综合能源系统结构及储氢系统主要采用储氢罐,通过电解槽制氢日前优化模型流速可以计算储氢罐中实时氢气压力,具体计算由式?(4)?确定[11]:在风–光–氢–储综合能源系统中,如何最大nH2RTtank化风光资源利用率以及保证系统经济性是本文解Ptank=(4)Vtank决的关键问题。本文根据风光及负荷日前预测数式中:nH2为储氢罐中氢气量(mol);R为理想据和日前电网调度指令,电网峰谷价差,制定日气体常数(J/(mol·K));Ttank为储氢罐温度前氢储系统制氢、氢燃料电池发电的出力以及电(K);Vtank为储氢罐储氢量(m3)。池储能系统出力调度计划,保证综合能源系统内净储氢量由下式计算得到各储能系统充分消纳可再生能源电力以及最小化wt2nH2=(WelecWfc)dt(5)购电成本。基于粒子群优化(particle?swarmt1optimization,PSO)的日前优化调度策略总体框储氢罐的氢气压力状态为架如图2所示。P=P=Pmax(6)??负荷SOHPtanktank日前预测光伏出力短期预测短期预测风电出力短期预测式中:Pmax为储氢罐氢压上限。(proton?exchange氢能-储能出力及日前优化电网电价日前优化策略SOC曲线membrane?fuel?cell,PEMFC)的电化学特性构建运行层(粒子群智能算法)其等效数学模型,PEMFC内部有欧姆损耗以及激活损耗,因此PEMFC实际输出电压要低于开日前建模日前多目标优化日前约束条件路电压,因此,PEMFC单体电池实际输出电压约束模拟层由式(7)确定[12-14]?购电成本最小?微电网功率平衡81?储能电池功率/容量限制<Uact=NAfcln(ifc=i0)?制氢-储氢-燃料电池限制sTdelay+1(7):Uohm=Rohmifc图2风光氢储综合能源系统日前优化控制框图式中:N为单体电池数量;Afc为塔菲尔斜率;-aheadoptimizationcontrolblockdiagramof为燃料电池输出电流(A);i为交换电流(A);?wind-photovoltaic-hydrogen-ESSintegratedenergysystem0Tdelay为时间常数;Rohm为燃料电池内阻(Ω)。、风电、负荷小时级Wfc=Nifc=zF(8)预测数据为次日模拟场景,–光–储各单元数学模型周期内的总的电力交易成本Ecost作为优化的目标函数,考虑风光氢储综合能源系统功率平衡以及风力发电系统主要由风力涡轮机、液压系统、氢储能、锂电储能功率和容量约束,结合电网分永磁同步电机、控制器和逆变器等部分组成,风时电价提出基于粒子群优化算法的风–光–氢–储机开始阶段捕获风能并带动风车驱动器运行,风综合能源系统日前能量优化管理方法,对自然日力发电机完成启动。当风机启动后,转子转速升内各子系统出力进行重新分配,使最终系统总电高,发电机定子侧输出功率降低,风力发电系统力交易成本达到最低值,实现了对综合能源系统等效数学模型详见参考文献[9,12,15-16];光伏发的日前优化调度安排。电技术主要是基于半导体的光电效应,即让不均∑23匀半导体或半导体与金属结合的不同部位之间产Ecost=(EHydrogen(t)+EBattery(t))(9)生电位差的现象,光伏阵列通常由多个太阳能单t=1体电池封装而成,其典型数学模型详见参考文式中:Ecost、EHydrogen(t)、EBattery(t)分别表示系统献[17-18];锂电储能单元数学模型参考文献[19]。总电力交易成本、氢储能系统t时刻内出力成本、现代电力,2023,40(6) . E-mail:******@vip.:..24h氢燃料电池和锂电池计算每个粒子的适应度多目标的综合函数值第?40?卷?第?6?期徐桂芝等:风–光–氢–储综合能源系统日前经济调度记录粒子自身历史最优gbesti和全局最优pbest943电池储能系统t时刻内出力成本。始化风–光–氢–储综合能源系统数学模型各参数,根据粒子群速度更新公式氢储能和锂电储能系统出力成本计算公式如设定Pmin、Pmax、计算粒子更新速度SOCmax、SOHPmax等变量赋初值,XX式?(10)。设定目标函数并在目标函数中结合峰谷电价,采根据粒子群速度更新公式更新粒子位置,8即氢燃料电池和锂电池的输出功率序列>EHydrogen(t)=PHydrogen(t)Price[1:23]用粒子群优化算法对目标函数迭代求解,直到达>>>>>>>>EBattery(t)=PBattery(t)Price[1:23]到最大迭代次数算法结束,得到日前24?h的最优计算粒子适应度并更新粒子自身最优和全局最优>>>>><><′PHydrogen(t)=w1PHydrogen解集。具体算法求解流程如图3所示。′(10)????>>>>PBattery(t)=w2PBattery判断是否到达最大迭代次数>>>>开始>>>>w1+w2=1初始化算法参数初始化粒子位置>>>>:w1>w2的输出功率输出最优解(最大目标值下氢燃料电池和锂电池的全天24h输出功率序列)式中:Price[1:23]表示一天中每时刻电网电价,即电网制定的分时电价;P′Hydrogen、P′Battery分别表结束示两类储能系统不考虑优先级理论出力功率;PHydrogen(t)、PBattery(t)分别表示t时刻氢、电池储能系统实际出力功率;w1、w2分别是氢储系统和锂电池储能系统出力权重。根据目标函数的建立,即可将日前优化调度问题转换为对目标函数求最值问题,找到当目标函数最小时各个储能设备能量分配关系即可得到日前优化调度结果。)风光氢储综合能源系统能量平衡约束。否Pwind(t)+Ppv(t)+Pbess(t)+Phess(t)=Pload(t)(11)是式中:Pwind(t)、Ppv(t)、Pbess(t)、Phess(t)、Pload(t)分别表示某一时刻风力、光伏、锂电池储能、氢储能出力功率及电负荷实时需求功率。2)安全运行区间约束。8minmax图3日前优化算法求解流程>>>>Pwind≤Pwind(t)≤-aheadoptimizationalgorithm>>>>minmax?<Ppv≤Ppv(t)≤Ppvminmax(12)>>>>Pbess≤Pbess(t)≤P>>>>bess4案例分析及仿真验证:minmaxPhess≤Phess(t)≤:PX和PX分别表示对应分布式电源或储算例中风、光发电预测数据及日前负荷预测能系统的运行功率上下限。数据通过某地历史数据预测得到,采集当地风力、3)储能系统运行状态约束。¨光伏发电历史数据,采样间隔为1?min,得到日0≤SOC(t)≤SOCmax(13)前风光负荷功率预测曲线如图4所示,风光负荷0≤PSOHP(t)≤PSOHPmax功率差额见图5,控制算法的目的即以最优经济式中:SOCmax、PSOHPmax分别表示锂电储能系统性填补系统功率差额。其他设备相关参数见表1。荷电状态、氢储能系统氢压状态上下限。其中锂电储能系统容量为50?kW/100?kW·h,?kW/200?kW·h。上述含制氢储能的综合能源系统日前优化调图6给出了某市商业用电峰谷电价规则,本度问题采用智能群优化算法进行求解,在文所采用的优化调度策略考虑峰谷价差因素,在MATLAB中使用m语言编程实现,算法开始初电价高峰期减少或避免综合能源系统中储能系统现代电力,2023,40(6) . E-mail:******@vip.:..944现代电力2023?年?12?月?表1风光氢储综合能源系统内各设备参数策略汇总,对目标函数进行迭代求解。由最低购Table1Parametersofvariousequipmentinthewind-电成本可以确定系统中氢、锂电储能系统的日前photovoltaic-HESS-BESSintegratedenergysystem?24?h的调度情况,综合能源系统内各类型设备日设备功率下限/kW功率上限/kW初始状态前优化调度出力曲线如图7所示。风电Pminwindminwind=0Pmaxwindmaxwind=200—??光伏minmax—540Ppv=0Ppv=200530负荷Pminloadminload=0Pmaxloadmaxload=400—520锂电储能Pminbessminbess=0Pmaxbessmaxbess=50SOCmax==0Pmax=100PSOHPmax=?hesshess240490目标函数值480200光伏功率470160风电功率460/kW120负荷功率450功率80440400246810迭代次数0(a)优化算法迭代次数氢能功率并网功率00:0006:0012:0018:0000:00负荷预测功率锂电池输出功率时?、photovoltaic500400?andloadpower300100/kW2000功率100/kW00?100时间/h?0?200(b)综合能源系统日前调度出力曲线?1001357911131517192123功率?仍?10?20000:0006:0012:0018:0000:00图7综合能源系统日前调度优化迭代曲线及各单元时?-aheadschedulingoptimizationiterationcurveFi