隨著微電網(wǎng)技術的日漸發(fā)展,微電網(wǎng)中儲能系統(tǒng)逐漸多元化,電儲能及氫儲能與微電網(wǎng)的運行控制產(chǎn)生緊密聯(lián)系,如何經(jīng)濟地運行不同種類儲能系統(tǒng)成為學者關注的焦點。提出一種基于最小使用成本及儲能狀態(tài)平衡的電-氫混合儲能孤島直流微電網(wǎng)能量管理方法,該方法在滿足微電網(wǎng)基礎指標即電壓穩(wěn)定、功率平衡的基礎上,結合使用成本最小算法及等效氫耗最小算法,對使用電-氫混合儲能消納光伏產(chǎn)生的多余電能以及釋放能量用于功率缺額等情景進行最小化儲能系統(tǒng)使用成本及維持儲能系統(tǒng)儲能狀態(tài)穩(wěn)定的優(yōu)化控制,通過對各系統(tǒng)的直-直變換器層控制以及頂層的協(xié)調(diào)控制確定各儲能系統(tǒng)的工作狀態(tài),從而完成系統(tǒng)的能量管理。通過RT-LAB半實物系統(tǒng)開展實時仿真,在實際工況下進行72h運行,驗證所提方法的有效性,保證系統(tǒng)在實際工作中的經(jīng)濟型及穩(wěn)定性。
相關閱讀：南昌大學光氫儲充獨立智能微網(wǎng)系統(tǒng)正式落成
計及最小使用成本及儲能狀態(tài)平衡的電-氫混合儲能孤島直流微電網(wǎng)能量管理
蒲雨辰, 李奇, 陳維榮, 黃文強, 胡斌彬, 韓瑩, 王璇
西南交通大學 電氣工程學院,四川省 成都市 610031
0 引言
隨著全球電力需求的不斷增加以及環(huán)境問題的日益嚴重,建設含多種微源的直流微電網(wǎng)系統(tǒng)成為解決問題的方案之一[1-3],多種針對微源及負荷特性的能量管理優(yōu)化方法應運而生[4]。為了充分地利用可再生能源,必須考慮到其不確定性,因此含儲能系統(tǒng)的直流微電網(wǎng)已被廣泛研究[5-7],并在電網(wǎng)的智能化進程中扮演著重要角色。如今,含電儲能(蓄電池、超級電容)以及電轉氣儲能(電解槽)等多種儲能方式的微電網(wǎng)系統(tǒng)[8-9]逐漸進入學者的視野,建設含有多種儲能方式的直流微電網(wǎng)系統(tǒng)成為提高發(fā)電量、降低使用成本的極具吸引力的解決方案。
目前對于含儲能系統(tǒng)的微電網(wǎng),已有多種方法對其進行有效的容量優(yōu)化配置[10-11]。同時,針對含不同儲能方式的微電網(wǎng)系統(tǒng),也出現(xiàn)了多種能量管理方法對其進行功率分配和系統(tǒng)穩(wěn)定性控制。文獻[12]提出一種基于蓄電池荷電狀態(tài)(State of ge,Soc)的直流微電網(wǎng)控制方法,該方法基于Soc對蓄電池運行狀態(tài)進行了多段劃分,從而避免了蓄電池的深度充放電,優(yōu)化了儲能系統(tǒng)的運行壽命。文獻[13]基于神經(jīng)網(wǎng)絡算法對風機出力進行約束,而后基于狀態(tài)機進行了實時能量管理。文獻[14]根據(jù)微電網(wǎng)運行狀態(tài)及蓄電池自身因素,通過對蓄電池當前及歷史的狀態(tài)的評估,進一步優(yōu)化了含電儲能系統(tǒng)微電網(wǎng)系統(tǒng)的運行。在氫儲能方面,蔡國偉、孔令國等提出的含風、光、氫儲能的主動型直流微電網(wǎng)系統(tǒng),提高了風、光可再生能源的利用率,實現(xiàn)了高滲透并網(wǎng)運行[15-16],最后根據(jù)氫儲能及電儲能系統(tǒng)狀態(tài)進行基于狀態(tài)機的能量管理[17]。國外相關學者對該領域也進行了一定研究,文獻[18]提出了電-氫儲能直流微電網(wǎng)的狀態(tài)機控制方法。Nasri S等人提出了一種基于狀態(tài)機的光伏、燃料電池及多種儲能系統(tǒng)的能量管理方法[19],該方式引入了城市負載的典型工況,對管理方法的可行性進行了有力說明,同時在已有模型基礎上,將蓄電池替換為超級電容,進行了進一步的實驗驗證[20]。在經(jīng)濟型方面,文獻[21]采用基于成本的下垂控制方法,對微電網(wǎng)儲能單元進行控制;文獻[22]根據(jù)相鄰微電網(wǎng)的互聯(lián)運行,提出一種分時優(yōu)化的微電網(wǎng)經(jīng)濟調(diào)度方法;文獻[23]利用貝加爾湖實地情況進行了含氫儲能的微電網(wǎng)的容量配置,并與僅含有電儲能設施的系統(tǒng)進行了經(jīng)濟性比較;文獻[24]首次提出了儲能系統(tǒng)使用成本計算公式,并使用遺傳算法進行了離線優(yōu)化。但是,上述文章大多采用基于Soc的在線能量管理方法,該類方法難以實現(xiàn)對系統(tǒng)內(nèi)多種不同類型儲能單元功率分配的優(yōu)化;此外,在線的能量管理方法大多未計及系統(tǒng)的經(jīng)濟性。而離線的優(yōu)化算法如文獻[24]使用了遺傳算法能夠有效地實現(xiàn)優(yōu)化目標,但如何靈活地在不確定性較高的微電網(wǎng)系統(tǒng)中實時運行尚未得到解決。雖然電-氫微電網(wǎng)的電效率低于僅含有電儲能的微電網(wǎng),但電儲能系統(tǒng)更適用于短期的電能儲存,當時間尺度較大時,由于電儲能系統(tǒng)受限于其規(guī)模及可靠性,氫儲能系統(tǒng)在使用成本上的優(yōu)勢便被體現(xiàn)了出來[23]。
本文提出了一種新型實時能量管理方法來控制由光伏陣列驅動的孤島直流微電網(wǎng),且該微電網(wǎng)同時配備電、氫2種不同類型的儲能系統(tǒng)。與基于蓄電池Soc的傳統(tǒng)狀態(tài)機控制方法不同,本文所提出的能量管理方法考慮到實際情況下可再生能源輸出特性以及系統(tǒng)的經(jīng)濟型,通過控制各儲能系統(tǒng)的工作狀態(tài)來實現(xiàn)能量儲存設備的使用成本最小化,并將儲能系統(tǒng)的儲能狀態(tài)維持在合理水平,從而達到系統(tǒng)穩(wěn)定運行的目的。將昆士蘭大學光伏電站記錄的三日氣候狀況及一種典型用戶需求工況用于驗證管理方法的可行性,通過RT-LAB半實物實時仿真平臺,將獲得的結果與基于荷電狀態(tài)的傳統(tǒng)能量管理方法、基于等效氫耗最小的能量管理方法以及僅含有電儲能系統(tǒng)的能量管理方法進行比較。結果顯示該管理方法在使用成本及儲能系統(tǒng)效率上明顯優(yōu)于前2種能量管理方法,在使用成本及可靠性上明顯優(yōu)于僅含有電儲能系統(tǒng)的方法。
1 孤島直流微電網(wǎng)系統(tǒng)結構及模型
1.1 系統(tǒng)結構
如圖1所示,為本文所搭建的基于電-氫儲能的孤島直流微電網(wǎng)。其中,光伏陣列、電解槽與燃料電池均通過單向DC/DC與直流母線連接,蓄電池通過雙向DC/DC與母線連接。對于該孤島系統(tǒng),光伏陣列作為主要的分布式能源,為蓄電池、氫儲能系統(tǒng)(燃料電池/儲氫罐/電解槽)以及負載提供能量,當光伏輸出不足時,則由蓄電池及氫能系統(tǒng)補齊母線功率缺額,保證系統(tǒng)的正常運行。
圖1 孤島直流微電網(wǎng)系統(tǒng)結構Fig. 1 Structure of island DC microgrid
1.2 光伏電池模型
本文所搭建光伏電池數(shù)學模型為實用工程模型,該模型數(shù)學表達式[25]為
I=Isc{1?C1[exp(UC2Uoc)?1]}I=Isc{1?C1[exp?(U/C2Uoc)?1]}(1)
式中：I、U分別為光伏電池輸出電流、電壓,Isc為短路電流;Uoc為開路電壓;C1、C2為與電池峰值電壓、電流相關的函數(shù);當光照強度S和環(huán)境溫度T發(fā)生變化時,就需要重新計算峰值電壓、電流。
1.3 燃料電池模型
本文采用的燃料電池類型為質子膜交換燃料電池,其單電池Ucell的輸出電壓[26]為
Ucell=ENernst?Uact?Uohmic?Ucon(2)
式中：ENernst為熱力學電動勢;Uact為活化過電壓;Uohmic為歐姆過電壓;Ucon為濃差過電壓。
1.4 蓄電池模型
本文采用RINT模型[27]作為蓄電池的數(shù)學模型,RINT模型中各項參數(shù)受蓄電池荷電狀態(tài)、充放電電流影響,其模型公式為
Ubat=Ut?RIUbat=Ut?RI(3)
式中：Ubat為蓄電池工作電壓;Ut為開路電壓;R為內(nèi)阻;I為充放電電流;Rchg、Rdis分別為充、放電電阻;Soc0為上一時刻荷電狀態(tài)值;ηη為充放電效率;Q為容量。
1.5 電解槽模型
電解槽將水電解為氫氣和氧氣,氫氣的產(chǎn)生速度與電解電路中電流的大小成正比[18]：
nel=ηFnciel/(2F)(6)
式中ηF為法拉第效率。法拉第效率表示為
ηF=96.5exp(0.09/iel?75.5/i2el)(7)
式中：nel為氫氣產(chǎn)生速率;nc為電解槽串聯(lián)數(shù);iel為電解槽電流;F為法拉第常數(shù)。
1.6 儲氫罐模型
根據(jù)范德華實際氣體狀態(tài)方程,儲氫罐內(nèi)壓強Psto的表達式[28]為
式中：Rc為阿伏伽德羅常數(shù);K為開氏溫度;Vsto為儲氫罐體積;a、b為常數(shù);nsto為儲氫罐氫儲量;nfc為燃料電池耗氫速率;nre為儲氫罐初始氫儲量。
為了便于反映儲氫罐的存儲狀態(tài)且易于進行能量管理,本文定義了儲氫罐的等效荷電狀態(tài)Sohc(State of hydrogen ge),即
Sohc=Psto/PNSohc=Psto/PN(9)
式中PN為儲氫罐最大容許壓強。
2 直流微電網(wǎng)能量管理方法
為了便于進行協(xié)調(diào)控制,本文將直流微電網(wǎng)系統(tǒng)劃分為2層,底層為物理層,由各微源及直流變流器組成,該層將采集到的負載信號Pload及各微源狀態(tài)傳遞至上一層。頂層為管理層,通過對底層各微源信息的接收及分析,根據(jù)具體的能量管理策略,對各個變流器分別發(fā)出指令,控制其工作狀態(tài),能量管理系統(tǒng)控制圖如圖2所示。
圖2 能量管理系統(tǒng)控制圖Fig. 2 Control diagram of EMS system
2.1 底層控制
2.1.1 光伏陣列控制
光伏發(fā)電系統(tǒng)由光伏陣列及單向DC/DC組成,其控制方法為最大功率點跟蹤控制(MPPT),本文采用擾動觀察法作為控制方法[29]。其控制結構圖如圖2所示,其功率輸出曲線如圖3(a)所示,擾動的參考變量為電壓,根據(jù)輸入的電壓信號Upv及當前時刻電流Ipv,計算得到光伏輸出功率Ppv,與擾動之前的功率值進行比較,最后將比較結果調(diào)制為占空比Dpv輸入直直變換器,使光伏電池工作電壓逐漸接近最大功率電壓;當外界環(huán)境發(fā)生變化時,控制器需要重新尋找該環(huán)境下的最大功率點,并使光伏輸出向最大功率逐漸靠近。
2.1.2 燃料電池及電解槽控制
燃料電池輸出功率根據(jù)頂層系統(tǒng)向變換器輸入功率參考值Pfc進行控制,將該參考值與燃料電池端電壓Ufc相比得到電流參考值,并向PI控制器輸入電流參考值及實測電流值Ifc,得到占空比Dfc輸入變流器,從而改變?nèi)剂想姵剌敵龉β?。電解槽控制方法同燃料電?其變流器根據(jù)頂層能量管理系統(tǒng)所給功率參考值Pel與實測電壓、電流值Uel、Iel所計算出的占空比Del,對電解槽的功率輸入進行控制。
同時,為了防止電解槽及燃料電池功率變化過大從而影響其工作性能,在底層對功率的變化速率進行了限制。如圖3(c)—(d)所示,為燃料電池、電解槽的功率曲線。變流器根據(jù)如圖2所示的電流環(huán)進行控制,使其輸出/輸入功率由700 W增加至1000W再減小至400 W,根據(jù)兩者的功率曲線可知,燃料電池及電解槽能夠根據(jù)給出的參考功率進行工作,且均存在一定的響應時間。
2.1.3 蓄電池系統(tǒng)控制
蓄電池系統(tǒng)采用下垂控制方法維持母線電壓穩(wěn)定,蓄電池的輸出功率根據(jù)下垂控制器給出的母線電壓參考值Uref及實測電壓、電流值U0、Ibus進行PI控制,并將占空比Dbat輸入變流器。
如圖3(b)所示,當母線存在剩余功率時,為了防止母線電壓進一步升高,蓄電池對剩余功率進行吸收;當發(fā)生由于母線功率缺額而出現(xiàn)母線電壓下降的情況時,蓄電池轉而為母線提供能量以防止母線電壓跌落。因此下垂方法的使用,保證了母線電壓的波動處于合理范圍之內(nèi)。
當頂層能量管理系統(tǒng)將燃料電池及電解槽參考功率傳遞至底層后,根據(jù)圖2所示的變流器控制,使燃料電池及電解槽按照功率參考值進行工作;而光伏系統(tǒng)一直工作在最大功率點跟蹤模式下,其功率輸出僅與光照強度及溫度有關;此時負載與電解槽的需求功率同燃料電池與光伏陣列的輸出功率產(chǎn)生差異,從而導致母線電壓波動,通過蓄電池的下垂控制,一旦母線電壓發(fā)生波動,蓄電池便根據(jù)母線電壓與參考電壓的差異進行充電或者放電,以平抑功率波動,使得母線電壓維持在正常水平。
圖3 微源功率曲線Fig. 3 Power curve of micro sources
2.2 頂層能量管理系統(tǒng)
2.2.1 系統(tǒng)使用成本
在該系統(tǒng)中,光伏陣列始終工作在最大功率點跟蹤模式,其運行成本固定,當需要儲能系統(tǒng)對光伏與負載之間的功率差額進行補齊或者存儲時,能量管理系統(tǒng)應當評估最方便且使用成本最低的存儲系統(tǒng)。由于本文模型為孤島模型,因此沒有燃料成本,各系統(tǒng)使用成本C僅考慮每個設備的購置成本Cin以及操作和維護成本COM。
2.2.2 等效氫耗最小
等效氫耗最小策略是以單位控制周期內(nèi)的系統(tǒng)氫能消耗最小化為目標的瞬時優(yōu)化策略,該策略將蓄電池消耗電能計量為氫能,從而以整個系統(tǒng)氫能使用最少為目標,求解出蓄電池最優(yōu)輸出功率和蓄電池Soc之間的關系[30-31]。系統(tǒng)中總氫耗H與蓄電池氫耗Hbat及燃料電池氫耗Hfc存在如下關系：
H=Hfc+kHbat(18)
式中k為修正系數(shù)。k表達式為
k=1?2μ[S?0.5(Sh+Sl)]/(Sh?Sl)(19)
式中：Sh為蓄電池Soc上限值;Sl為蓄電池Soc下限值;μ為權重。
燃料電池氫耗為輸出功率近似為線性關系,可表示為
Hfc=aPfc+b(20)
式中a、b為常數(shù)。
蓄電池氫耗可根據(jù)燃料電池氫耗進行計算,即
式中：ηch_avg與ηdis_avg為蓄電池平均充、放電效率;Hfc_avg與Pfc_avg為燃料電池平均氫耗與平均功率;Pbat為蓄電池輸出功率。因此,系統(tǒng)的等效氫耗最小可表達為
minH=min(Hfc+kHbat)=min[a(Pref?Pbat)+kHbat)(22)
式中Pref為電-氫儲能系統(tǒng)輸出的總功率,即負載需求功率與光伏陣列產(chǎn)生功率之差。
則可得到蓄電池的最優(yōu)功率Pbat_opt公式：
Pbat_opt=argmin(?aPbat+kHbat)(23)
2.2.3 計及、平衡的最小使用成本方法
由于系統(tǒng)僅由可再生能源供電,其輸出功率主要受環(huán)境影響。因此,對于給定的負載需求值及光伏輸出功率,能量管理系統(tǒng)的目的是確定存儲設備(電池,電解槽,燃料電池)的最佳運行方式,以便使整個微電網(wǎng)的使用成本最低。與此同時,在孤島系統(tǒng)中,將蓄電池Soc以及儲氫罐Sohc控制在理想范圍內(nèi)也是維持系統(tǒng)穩(wěn)定運行的關鍵,使得儲能系統(tǒng)既能夠在光伏電池輸出盈余功率時提供足夠的儲存容量,同時也能夠有效防止在母線功率缺額時由儲能不足所導致的系統(tǒng)崩潰等嚴重問題。
系統(tǒng)的基本約束為
式中：Pload為負荷需求功率;Sch、Scl為Sohc上下閾值;Pfcmax、Pelmax為燃料電池、電解槽最大功率。
由式(22)可知,蓄電池使用成本與其輸出功率線性相關,而氫儲能系統(tǒng)使用成本在額定功率范圍內(nèi)不變化,則瞬時狀態(tài)下蓄電池與氫能系統(tǒng)使用成本與功率關系可如圖4所示。
圖4 系統(tǒng)使用成本與功率關系曲線Fig. 4 Relationship between cost and power demand
通過計算儲能系統(tǒng)總輸出功率Pref,并將該參考值與上圖中交點處功率值Pc、Pd進行比較,即可計算出各儲能單元的輸出功率,其具體計算方法為
根據(jù)計算得到的蓄電池輸出功率Pbat,將負載需求功率與其相減即可得到電解槽及燃料電池參考功率。
同時,由于在等效氫耗最小算法中,蓄電池最優(yōu)參考功率僅與Soc相關且該算法會使得蓄電池荷電狀態(tài)穩(wěn)定在設定值附近,因此在本文中,將等效氫耗最小算法所計算得到的最優(yōu)功率進行處理,得到關于蓄電池使用成本的權重系數(shù)λ,從而使得系統(tǒng)Soc更加可控,該系數(shù)的計算公式為
修正系數(shù)e1、e2的大小決定了權重系數(shù)λ與f變化的快慢,即蓄電池Soc及氫儲能系統(tǒng)Sohc回歸參考值速度的快慢,系數(shù)越大,Soc或Sohc回到參考值的速度越快。因此加入權重后,儲能系統(tǒng)使用成本根據(jù)儲能情況存在一定波動,進而對各微源的功率輸出進行一定的修正。
結合式(25)—(29),計算出該時刻下蓄電池、燃料電池及電解槽的功率,將其作為指令傳遞至變流器層進行實際控制。如圖5所示,為頂層能量管理系統(tǒng)工作流程示意圖。
圖5 頂層能量管理系統(tǒng)工作流程Fig. 5 Flow t of top layer energy management system
3 實驗驗證
3.1 實驗平臺及參數(shù)設置
為了驗證本文所提出的基于使用成本最小及Soc、Sohc平衡的能量管理方法的有效性,使用RT-LAB半實物實時仿真平臺進行了仿真測試,該實驗平臺如圖6所示。仿真平臺型號為OP5600 HIL Box,運行速度為3.3 GHz,本實驗中運行步長為0.1ms,仿真時長為3天即259 200 s。
圖6 RT-LAB半實物實時仿真平臺Fig. 6 RT-LAB real time simulation platform for hardware in the loop
本文采用的蓄電池、燃料電池及電解槽的購置成本[32]如表1所示。
蓄電池、燃料電池、儲氫罐及電解槽具體參數(shù)如表2所示。
光伏陣列的溫度、光照參數(shù)來源于澳大利亞昆士蘭大學圣路易斯校區(qū)光伏電站測得數(shù)據(jù),工況曲線根據(jù)文獻[16]得到。
表1 各儲能器件成本及壽命Tab. 1 Cost and life time of storage devices
表2 各元件參數(shù)Tab. 2 Component parameters
3.2 對比分析
根據(jù)本文所提出的能量管理方法,得到的仿真結果如圖7所示。
圖7 系統(tǒng)功率曲線Fig. 7 Power curve of system
電-氫儲能系統(tǒng)Soc及Sohc如圖8所示。
由仿真結果可以得出,能量管理系統(tǒng)能夠為各儲能系統(tǒng)有效地進行功率分配,當光伏陣列輸出大于負載需求時,儲能系統(tǒng)開始儲能,系統(tǒng)根據(jù)使用成本最小原則為各系統(tǒng)分配功率;當光伏輸出不足以維持負載需求或者夜間光伏系統(tǒng)無輸出時,系統(tǒng)按照儲能系統(tǒng)自身儲能狀況及使用成本讓儲能系統(tǒng)進行合理地放電。同時,由于變流器層對燃料電池、電解槽功率瞬時變化程度的限制,其運行過程中功率輸入、輸出較為平穩(wěn),且不存在頻繁啟停的現(xiàn)象,而蓄電池根據(jù)下垂控制的特性,響應更為迅速,出力則更加靈活,符合其運行特性。
圖8 系統(tǒng)儲能狀態(tài)Fig. 8 State of energy storage system
由圖8可知,Soc、Sohc根據(jù)權重系數(shù)的約束逐漸向其參考值移動。在t=24h時,Soc為61.2%,Sohc為57.2%;t=48 h時,Soc為63.4%,Sohc降至51.4%;t=72 h時,Soc為60.6%,Sohc穩(wěn)定在50%。因此對Soc、Sohc的平衡控制是有效的。
雖然目前尚沒有對微電網(wǎng)能量管理方法進行統(tǒng)一評估及比較的標準,但仍可以引入一些指標來顯示各個控制策略的優(yōu)缺點,幫助對該能量管理方式進行進一步評價?；诿總€運行周期得出結果的對比,可以體現(xiàn)出能量管理系統(tǒng)的性能。本文采用使用成本、Soc、Sohc和氫儲能系統(tǒng)平均效率4個指標,對本文所提出的能量管理方法、等效氫耗方法、狀態(tài)機方法在相同參數(shù)和工況下進行比較;而在僅含有電儲能系統(tǒng)的微電網(wǎng)中,蓄電池的容量調(diào)整為1200 Ah以確保儲能系統(tǒng)的容量滿足系統(tǒng)運行的要求,所得結果如圖9所示。具體指標對比結果如表3所示。
圖9 不同指標對比Fig. 9 Comparison of system index
表3 各方法比對結果Tab. 3 Comparison results of each method
通過實驗結果可知,狀態(tài)機方法無法維持系統(tǒng)的儲能水平,在實驗結束后Soc與Sohc處于極低水平,已無法保證系統(tǒng)的正常運行;而等效氫耗最小方法能夠維持蓄電池荷電狀態(tài)基本穩(wěn)定,其Soc值在24 h、48 h與72 h時均穩(wěn)定在Soc參考值60%附近,但該方法會導致氫儲能系統(tǒng)頻繁地向蓄電池提供能量以維持其荷電狀態(tài),使2種不同類型的儲能系統(tǒng)之間進行了多余的能量交互,從而降低了系統(tǒng)效率,導致系統(tǒng)Sohc一直處于較低水平,同時該種方法的功率分配方式也導致系統(tǒng)使用成本最高;對于僅含有電儲能系統(tǒng)的微電網(wǎng),其使用成本與基于狀態(tài)機的電-氫微電網(wǎng)使用成本相近,但其Soc儲量上升明顯;對于本文所提方法,其成本為優(yōu)先考慮目標,相比較以上3種方法,使用成本分別減少了18.4%、37.1%與19.6.(核實此處是否正確),同時該方法也維持了儲能系統(tǒng)狀態(tài)的穩(wěn)定,Soc終值為60.55%,Sohc終值為50.09%,與系統(tǒng)參考值較為吻合,同時氫儲能系統(tǒng)利用效率最高,為52.55%。
此外,通過圖9中等效氫耗的計算結果,可以看出本文所提方法等效氫耗最小,等效氫耗最小系統(tǒng)所得結果反而最差。該結果證明,由于氫氣為混合動力系統(tǒng)主要能量來源,因此等效氫耗最小理論在該系統(tǒng)中最為有效。而在孤島微電網(wǎng)中,系統(tǒng)的主要能量來源為光伏陣列等可再生能源設備所產(chǎn)生電能,氫儲能及電儲能系統(tǒng)只對多余能量進行暫時的存儲,因此應當著重考慮各系統(tǒng)的實際效率以使電能利用率最高,從而避免各儲能系統(tǒng)因頻繁的能量交互所帶來的電能損耗。所以,等效氫耗最小理論作為孤島系統(tǒng)的能量管理方法的評判指標是不合適的,但基于等效氫耗的控制方法依舊可以作為維持蓄電池荷電狀態(tài)穩(wěn)定的輔助手段。
相較于電儲能系統(tǒng),雖然在能量利用率上電-氫混合儲能系統(tǒng)效率更低,但2種儲能系統(tǒng)的協(xié)調(diào)工作使得微電網(wǎng)使用成本大幅降低。且僅含有電儲能系統(tǒng)的微電網(wǎng)無法對自身儲能狀態(tài)進行有效調(diào)整,其Soc的變化完全受工況的約束,在長時間的運行下將會導致Soc處于較為極端的狀態(tài)下,影響微電網(wǎng)的穩(wěn)定運行。因此,相比電儲能微電網(wǎng),電-氫混合儲能的孤島微電網(wǎng)運行更加經(jīng)濟,同時也增加了系統(tǒng)的可靠性。
4 結論
本文以含有光伏陣列、燃料電池、蓄電池、電解槽及儲氫罐的孤島直流微電網(wǎng)作為研究對象,提出一種基于使用成本最小及穩(wěn)定儲能狀態(tài)的直流微電網(wǎng)能量管理方法。該方法通過儲能系統(tǒng)最小算法降低儲能系統(tǒng)成本,同時加入等效氫耗最小算法維持儲能系統(tǒng)的儲能狀態(tài),對各微源功率進行合理分配,實現(xiàn)系統(tǒng)使用成本及儲能水平的優(yōu)化控制。通過RT-LAB在線實時運行對本文提出的能量管理方法在成本及其他指標上進行了驗證,結果表明：系統(tǒng)使用成本相較于傳統(tǒng)能量管理方法大幅減少,且儲能系統(tǒng)狀態(tài)更加穩(wěn)定,儲量始終保證在期望水平,氫儲能系統(tǒng)利用率高,增加了系統(tǒng)可靠性。對直流微電網(wǎng)系統(tǒng)經(jīng)濟、穩(wěn)定運行具有重要意義。本文所提方法為以小時為時間尺度的在線實時優(yōu)化,該方法能夠對系統(tǒng)進行靈活、可靠的優(yōu)化控制;但考慮到目前所有在線實驗的工作時長及實際要求,無法對更長時間尺度(月、年)的情況進行實驗驗證。在今后的工作中,將從離線及在線兩方面入手,對更大規(guī)模系統(tǒng)的宏觀經(jīng)濟性及各季度環(huán)境的變化性進行更加深入的研究。
參考文獻
[1]RezaeiM,MohseniM.A predictive control based on neural network for dynamic model of proton exchange membrane fuel cell[J].Journal of Fuel Cell Science and Technology,2013,10(3):035001.
[2]AgbossouK,KolheM,HamelinJ,et al.Performance of a stand-alone renewable energy system based on energy storage as hydrogen[J].IEEE Transactions on Energy Conversion,2004,19(3):633-640.
[3]MehrpooyaM.Dynamic modeling of a hybrid Photovoltaic system with hydrogen/air PEM fuel cell[J].Iranica Journal of Energy Environment,2013,4(2):4-9.
[4]李承熹,楊強,顏文俊.含分布式光伏電源的微電網(wǎng)孤島動態(tài)運行策略[J].電力系統(tǒng)保護與控制,2013,41(8):99-105.LiChengxi,YangQiang,YanWenjun.Dynamic islanding operation of microgrid with distributed photovoltaic generators[J].Power System Protection and Control,2013,41(8):99-105(in Chinese).
[5]李相俊,王上行,惠東.電池儲能系統(tǒng)運行控制與應用方法綜述及展望[J].電網(wǎng)技術,2017,41(10):3315-3325.LiXiangjun,WangShangxing,HuiDong.Summary and prospect of operation control and application method for battery energy storage systems[J].Power System Technology,2017,41(10):3315-3325(in Chinese).
[6]李霞林,郭力,王成山,等.直流微電網(wǎng)關鍵技術研究綜述[J].中國電機工程學報,2016,36(1):2-17.LiXialin,GuoLi,WangChengshan,et al.Key technologies of DC microgrids: an overview[J].Proceedings of the CSEE,2016,36(1):2-17(in Chinese).
[7]馬宇輝,劉念.用戶側微電網(wǎng)的能量管理方法綜述[J].電力系統(tǒng)保護與控制,2017,45(23):158-168.MaYuhui,LiuNian.Survey on energy management method of community micro-grid[J].Power System Protection and Control,2017,45(23):158-168(in Chinese).
[8]KraaO,GhodbaneH,SaadiR,et al.Energy management of fuel cell/ supercapacitor hybrid source based on linear and sliding mode control[J].Energy Procedia,2015,74(12):58-64.
[9]RekiouaD,BensmailS,BettarN.Development of hybrid photovoltaic-fuel cell system for stand-alone application[J].International Journal of Hydrogen Energy,2014,39(3):4-11.
[10]張建華,于雷,劉念,等.含風/光/柴/蓄及海水淡化負荷的微電網(wǎng)容量優(yōu)化配置[J].電工技術學報,2014,29(2):102-112.ZhangJianhua,YuLei,LiuNian,et al.Capacity configuration optimization for island microgrid with wind/photovoltaic/diesel/ storage and seawater desalination load[J].Transactions of China Electrotechnical Society,2014,29(2):102-112(in Chinese).
[11]陶瓊,李春來,穆云飛,等.考慮需求側響應能力的孤立微網(wǎng)蓄電池儲能系統(tǒng)容量概率規(guī)劃方法[J].電力系統(tǒng)及其自動化學報,2017,29(1):37-44.TaoQiong,LiChunlai,MuYunfei,et al.Statistical capacity planning method for battery energy storage system of island microgrid considering demand response[J].Proceedings of the CSU-EPSA,2017,29(1):37-44(in Chinese).
[12]王琛,孟建輝,王毅,等.考慮蓄電池荷電狀態(tài)的孤島直流微網(wǎng)多源協(xié)調(diào)控制策略[J].高電壓技術,2018,44(1):160-168.WangChen,MengJianhui,WangYi,et al.Multi-source coordinated control strategy considering battery’s SOC for islanded dc microgrid[J].High Voltage Engineering,2018,44(1):160-168(in Chinese).
[13]郭力,王蔚,劉文建,等.風柴儲海水淡化獨立微電網(wǎng)系統(tǒng)能量管理方法[J].電工技術學報,2014,29(2):113-121.GuoLi,WangWei,LiuWenjian,et al.The energy management method for stand-alone wind/diesel/battery/sea-water desalination microgrid[J].Transactions of China Electrotechnical Society,2014,29(2):113-121(in Chinese).
[14]曾意,孔祥玉,胡啟安,等.考慮后備容量的微電網(wǎng)儲能充放電策略[J].電網(wǎng)技術,2017,41(5):1519-1525.ZengYi,KongXiangyu,HuQi’an,et al.Energy storage strategy in microgrid considering reserve capacity[J].Power System Technology,2017,41(5):1519-1525(in Chinese).
[15]蔡國偉,孔令國,彭龍,等.基于氫儲能的主動型光伏發(fā)電系統(tǒng)建模與控制[J].太陽能學報,2016,37(10):2451-2459.CaiGuowei,KongLingguo,PengLong,et al.Modeling and control of active PV generation system based on hydrogrn storage[J].Acta Energiae Solaris Sinica,2016,37(10):2451-2459(in Chinese).
[16]孔令國,蔡國偉,陳沖,等.基于氫儲能的主動型永磁直驅風電機組建模與并網(wǎng)控制[J].電工技術學報,2017,32(18):276-285.KongLingguo,CaiGuowei,ChenChong,et al.Modeling and grid- connected control of proactive permanent magnet direct-driven wind turbine based on energy storage of hydrogen[J].Transactions of China Electrotechnical Society,2017,32(18):276-285(in Chinese).
[17]蔡國偉,陳沖,孔令國,等.風電/制氫/燃料電池/超級電容器混合系統(tǒng)控制策略[J].電工技術學報,2017,32(17):84-94.CaiGuowei,ChenChong,KongLingguo,et al.Control of hybrid system of wind/hydrogen/fuel cell/supercapacitor[J].Transactions of China Electrotechnical Society,2017,32(17):84-94(in Chinese).
[18]IpsakisD,VoutetakisS,PanosS,et al.Power management strategies for a stand-alone power system using renewable energy sources and hydrogen storage[J].International Journal of Hydrogen Energy,2009,34(16):7081-7095.
[19]NasriS,Slama BS,AdnaneC.Power management strategy for hybrid autonomous power system using hydrogen storage[J].International Journal of Hydrogen Energy,2016,41(2):857-865.
[20]NasriS,Slama BS,YahyaouiI,et al.Autonomous hybrid system and coordinated intelligent management approach in power system operation and control using hydrogen storage[J].International Journal of Hydrogen Energy,2017,42(15):9511-9523.
[21]Inam UN,WangP.Cost-based droop scheme for dc microgrid [C]//2014 IEEE Energy Conversion Congress and Exposition.Pittsburgh,USA:IEEE,2014:765-769.
[22]劉念,李巖松,張建華,等.微電網(wǎng)互聯(lián)運行的分時優(yōu)化與實時控制方法[J].電工技術學報,2016,31(21):1-11.LiuNian,LiYansong,ZhangJianhua,et al.Hour-ahead optimization and real-time control method for micro-grid interconnection[J].Transactions of China Electrotechnical Society,2016,31(21):1-11(in Chinese).
[23]Marchenko OV,Solomin SV.Modeling of hydrogen and electrical energy storages in wind/PV energy system on the Lake Baikal coast[J].International Journal of Hydrogen Energy,2017,42(15):9361-9370.
[24]Rodolfo DL,JoseL,Bernal-Agustin,et al.Optimization of control strategies for stand-alone renewable energy systems with hydrogen storage[J].Renewable Energy,2007,32(7):1102-11.
[25]李奇,楊寒卿,韓瑩,等.光伏并網(wǎng)發(fā)電系統(tǒng)參數(shù)協(xié)調(diào)優(yōu)化方法研究[J].西南交通大學學報,2016,51(5):894-901.LiQi,YangHanqing,HanYing,et al.Method of parameter coordination optimization for grid-connected photovoltaic system[J].Journal of Southwest Jiaotong University,2016,51(5):894-901(in Chinese).
[26]HanY,LiQ,Wang TH,et al.Multisource coordination energy management strategy based on SOC consensus for a PEMFC-Battery- Supercapacitor hybrid tramway[J].IEEE Transactions on Vehicular Technology,2018,67(1):296-305.
[27]徐梁飛,李建秋,楊福源,等.燃料電池混合動力系統(tǒng)鎳氫電池特性[J].清華大學學報(自然科學版),2008,48(5):864-867.XuLiangfei,LiJianqiu,YangFuyuan,et al.Characteristics of a nickel metal hydride battery in a hybrid fuel cell system[J].Journal of Tsinghua University(Sci Tech),2008,48(5):864-867(in Chinese).
[28]LajnefT,AbidS,AmmousA.Modeling, control, and simulation of a solar hydrogen/fuel cell hybrid energy system for grid-connected applications[J].Advances in Power Electronics,2013(4):1-9.
[29]趙釩卿,谷廷坤,劉丹,等.光伏組件形狀參數(shù)工程解析模型[J].電網(wǎng)技術,2015,39(6):1485-1490.ZhaoFanqing,GuTingkun,LiuDan,et al.Shape parameter engineering analytical model of PV module[J].Power System Technology,2015,39(6):1485-1490(in Chinese).
[30]王天宏,李奇,韓瑩,等.燃料電池混合發(fā)電系統(tǒng)等效氫耗瞬時優(yōu)化能量管理方法[J].中國電機工程學報,2018,38(14):4173-4182.WangTianhong,LiQi,HanYing,et al.Fuel cell hybrid power generation system equivalent hydrogen consumption instantaneous optimization energy management method[J].Proceedings of the CSEE,2018,38(14):4173-4182(in Chinese).
[31]Torreglosa JP,JuradoF,GarcíaP,et al.Hybrid fuel cell and battery tramway control based on an equivalent consumption minimization strategy[J].Control Engineering Practice,2011,19(10):1182-1194.
[32]ZhangY,AndersL,Pietro EC,et al.Comparative study of battery storage and hydrogen storage to increase photovoltaic self-sufficiency in a residential building of Sweden[J].Energy Procedia,2016(103):268-273.
