蓄电池储能论文

蓄电池储能论文（精选9篇）

蓄电池储能论文 第1篇

要实现蓄电池的削峰填谷, 首先应对已经预测的日负荷曲线进行优化[7], 以便得出24 h的蓄电池储能装置的最优充放电方法, 也就是电池在每个时刻是否应该充放电以及充放电的功率是多少;其次就是实时地进行控制, 通过对最优方法的分析计算, 得出变流器中可控开关器件的工作状态并发给变流器[6,8]。本文提出了蓄电池储能削峰填谷的简便算法。

1 蓄电池储能装置充放电优化模型

本模型不计电池自身能量的耗损以及电池爬坡约束的影响。

1.1 优化对象

在使用这种方法时, 需要优化的对象是每次电池充放电功率p (i) 和充放电的开始时间Tstart (i) 及结束时间Tstop (i) , i=1, 2, …, n, n是一天当中蓄电池的充放电次数。这里规定, 电池充电时功率是正值, 放电时功率是负值。

1.2 目标函数

目标函数是使负荷的方差最小化。方差越大, 负荷曲线峰谷差越大, 曲线就越不平坦;方差越小, 负荷曲线峰谷差越小, 曲线也就越平坦[9]。这里将一天平均分成a个时间段, 目标函数如下:

式中, D1 (j) 是通过削峰填谷后第i个时间段上负荷的大小, j=1, 2, …, a。

1.3 约束条件

1) 负荷大小的约束为

式中:D0 (j) (j=1, 2, …, a) 是第j个时间段中负荷的预测值;sign (x) 是符号函数。

当j在Tstart (i) 与Tstop (i) (i=1, 2, …, a) 之间时, D1=D0+p (i) , 当j为其它值时, D1=D0。

2) 时序约束为

3) 功率约束为

式中, Pmax为允许的电池最大充放电功率。

4) 蓄电池容量约束为

式中:Vlow和Vhigh分别表示蓄电池电量的最低值与最高值, Vinitial和Vfinal分别表示蓄电池电量的初始值与终值。

从上面所列出的模型可以看出, 约束中有很多表达式都是非线性的, 再加上sign (x) 的不连续性, 给求解带来了很大的难度。

2 蓄电池储能削峰填谷的简便算法

典型日负荷曲线如图1所示。

从图1可以看出, 大约在09:00-11:00、14:00-17:00和18:00-22:00这三个时间段中各有一个负荷高峰, 在02:00-08:30、11:30-13:00和22:00-00:00这三个时间段中各有一个负荷低谷。根据每个负荷高峰与负荷低谷的持续时间, 可以在02:00-08:30期间给电池充电一次, 在09:00-11:00和14:00-17:00这两个负荷高峰时间段让电池放电。因为负荷的功率要比蓄电池功率大很多, 所以用最大功率使电池进行充放电。放电时间和充电时间是相等的, 即

确定充放电的起止时刻的原理如下:

将一条平行于时间轴的水平线从下到上以很慢的速度平移, 这时水平线将与负荷曲线的02:0008:00区间的低谷相交, 直到相交区间的时间为T, 这样就找到了充电时段。这个时段的起始时刻就是电池开始充电的时刻, 时段的结束时刻就是电池充电的结束时刻。以同样的方法, 当水平线从上到下平移时, 就会找到电池的放电时段。

3 蓄电池储能装置的实时控制

为了能更好地对蓄电池储能削峰填谷实现控制, 需要将事先已经优化出的最优充放电方法、实际的负荷曲线以及电池的荷电状态加以综合考虑, 最终确定充放电起止时刻和充放电功率的大小, 从而实现控制。

3.1 电池充放电起止时刻

1) 如果预测的负荷曲线和实际负荷曲线二者的负荷高峰时段与低谷时段完全相同, 只是高峰与低谷的高低有些不同, 那么当负荷功率远大于蓄电池储能装置的功率时, 最优充放电方法与之前预测得出的最优充放电方法相同。

2) 如果预测的负荷曲线和实际负荷曲线在形状上相同, 而在垂直方向不同, 则此时的最优充放电方法与之前预测得出的相同。

3) 如果实际负荷曲线的负荷高峰和负荷低谷延迟到达或提前到达, 则应用负荷阈值来决定电池的充电和放电的起始时间, 当实际负荷达到阈值时, 开始充电和放电。充放电的终止时刻则与之前优化的相同。

3.2 电池充放电的功率

如果充放电的开始时间由负荷阈值来确定, 那么这时需重新计算充放电的功率, 此时的充放电功率是之前预测得出的充放电总能量与充放电时间之比, 而且充放电功率应该满足-Pmax≤p (j) ≤Pmax;j=1, 2, …, n。

4 实际应用案例

深圳宝清储能站监控页面如图2所示。图2中上部的实线是储能站的预测负荷曲线, 虚线是储能装置削峰填谷后的结果;下部是蓄电池的出力曲线。其中横坐标代表时间, 纵坐标的单位是功率。

由深圳宝清储能站的削峰填谷案例可以看出, 运用此简便算法削峰填谷, 有效地减小了负荷的峰谷差, 有利于电网的经济运行。

5 结语

提出的应用于蓄电池储能削峰填谷的简便算法, 可根据预测出的日负荷曲线进行优化并快速地求解出蓄电池装置在一天中的充放电情况。实际应案例表明, 该算法用起来方便快捷, 能够适用于蓄电池储能装置一天充电一次、多次放电的情形, 但对一天中充电与放电混合交叉的情形不适用。

摘要：为使电池储能应用于电网削峰填谷, 提出了蓄电池储能削峰填谷时的优化模型以及求解这种模型的简便算法。该算法中蓄电池充放电时可以用最大功率进行, 并能方便地求解蓄电池一天充电一次、多次放电的情况。实际例子表明, 该算法有效、可行。

关键词：蓄电池储能,削峰填谷,简便算法,仿真结果

参考文献

[1]丁明, 张颖媛, 茆美琴, 等.包含钠硫电池储能的微网系统经济运行优化[J].中国电机工程学报, 2011, 31 (4) :7-14.DING Ming, ZHANG Yingyuan, MAO Meiqin, et al.Economic operation optimization for microgrids including Na/S battery storage[J].Proceedings of the CSEE, 2011, 31 (4) :7-14.

[2]唐捷, 任震, 高志华, 等.峰谷分时电价的成本效益分析模型及其应用[J].电网技术, 2007, 31 (6) :61-66.TANG Jie, REN Zhen, GAO Zhihua, et al.Cost-benefit analysis model and its application of peak-valley time-of-use electricity price[J].Power System Technology, 2007, 31 (6) :61-66.

[3]李正烁, 郭庆来, 孙宏斌, 等.计及电动汽车充电预测的实时充电优化方法[J].电力系统自动化, 2014, 38 (9) :61-67.LI Zhengshuo, GUO Qinglai, SUN Hongbin, et al.Real time charging optimization strategy considering the prediction of electric vehicles charging[J].Automation of Electric Power Systems, 2014, 38 (9) :61-67.

[4]汪卫华, 张慧敏, 陈方.用削峰填谷方法提高供电企业效益的分析[J].电网技术, 2004, 28 (18) :79-81.WANG Weihua, ZHANG Huimin, CHEN Fang.Analysis of improving profit of pow er supply enterprises by peak load shifting[J].Power System Technology, 2004, 28 (18) :79-81.

[5]张文亮, 丘明, 来小康.储能技术在电力系统中的应用[J].电网技术, 2008, 32 (7) :1-9.ZHANG Wenliang, QIU Ming, LAI Xiaokang.Application of energy storage technologies in power grids[J].Power System Technology, 2008, 32 (7) :1-9.

[6]陈满, 陆志刚, 刘怡, 等.电池储能系统恒功率削峰填谷优化策略研究[J].电网技术, 2012, 36 (9) :1-5.CHEN Man, LU Zhigang, LIU Yi, et al.Research on optimal peak load shifting strategy of battery energy storage system operated in constant power mode[J].Power System Technology, 2012, 36 (9) :1-5.

[7]李国庆, 张慧杰, 王鹤, 等.计及储能装置削峰填谷的微网优化运行[J].电测与仪表, 2013, 50 (10) :73-78.LI Guoqing, ZHANG Huijie, WANG He, et al.Optimal operation of microgrid considering energy storage device to peak load shifting[J].Electrical Measurement and Instrumentation, 2013, 50 (10) :73-78.

[8]鲍冠南, 陆超, 袁志昌, 等.基于动态规划的电池储能系统削峰填谷实时优化[J].电力系统自动化, 2012, 36 (12) :11-15.BAO Guannan, LU Chao, YUAN Zhichang, et al.Load shift real time optimization strategy of battery energy storage system based on dynamic programming[J].Automation of Electric Power Systems, 2012, 36 (12) :11-15.

基于先进三元材料锂电池的储能系统 第2篇

储能系统在应用领域上可以分为小型无间断备用电源（UPS）和大型储能电站(ESS)。UPS在停电时给计算机/服务器、存储设备、网络设备等计算机、通信网络系统或工业控制系统、需要持续运转的工业设备等提供不间断的电力供应。储能电站的目的是“削峰填谷”，可以把用电低谷期低价的富余的电储存起来，在用电高峰电价较贵的时候再拿出来用，可以为用户节约用电成本，也能在用电高峰期缓解电网的用电压力。储能电站还可存储太阳能和风能电站产生的电能，将光能和风能与储能电站完美结合，实现可再生电能的有效储存，突破时间和气候限制，解决了太阳能和风能由于缺乏稳定性而造成的并网难题。

目前市场上的储能系统多是基于传统的铅酸电池，铅酸电池虽然价格低廉，但是它主要有由金属铅构成，对环境危害很大，而且它们寿命很短，通常2年左右就要更换全部电池。在低碳和环保背景下，用新型锂离子电池代替传统铅酸电池是大势所趋。市场上虽然有基于磷酸铁锂电池的储能系统，但是磷酸铁锂电池价格高昂，是铅酸电池的3倍以上，在市场上缺乏竞争力。本项目的目的是设计和制造基于廉价三元锂电池的储能系统，可以用于备用电源也可以用于储能电站，比基于磷酸铁锂的储能系统在成本上能降低30%以上，而且能量密度更高，重量和占地面积都显著降低。崔博士已经和敦煌力波能源科技有限公司合作在敦煌市的国家级光电基地建造了一个0.5MWH的储能电站系统，这个储能电站主要服务于一个光伏电厂，在光照不足时为辅助光伏板以产生稳定的输出功率。

以下是崔立峰博士课题组设计并加工的用于储能系统的三元材料电芯和电池组模块：

3.7V-50AH电芯

储能电池二次利用的经济效益评估 第3篇

[关键词]储能电池；削峰填谷；经济效益

大容量电池储能系统在电力系统中的应用已有20多年的历史，早期主要用于孤立电网的调频、热备用、调压和备份等。电池储能系统在新能源并网中的应用，国外也已开展了一定的研究。上世纪90年代末德国在Herne1MW的光伏电站和Bocholt2MW的风电场分别配置了容量为1.2MWh的电池储能系统，提供削峰、不中断供电和改善电能质量功能。从2003年开始，日本在Hokkaido30.6MW风电场安装了6MW/6MWh的全钒液流电池（VRB）储能系统，用于平抑输出功率波动。2009年英国EDF电网将600kW/200kWh锂离子电池储能系统配置在东部一个11KV配电网STATCOM中，用于潮流和电压控制，有功和无功控制。

总体来说，储能电池的应用目的主要考虑“负荷调节、配合新能源接入、弥补线损、功率补偿、削峰填谷”等几大功能应用。比如：削峰填谷，通俗一点解释，可以把用电低谷期富余的电储存起来，在用电高峰的时候再拿出来用，这样就减少了电能的浪费。而储能电池的绿色优势则主要体现在：绿色环保，促进环境友好；集约用电，为家庭减少资源消耗等方面。

储能电池选型原则：为了实现削峰填谷、负荷补偿，提高电能质量应用的储能电站，储能电池是非常重要的一个部件，必须满足以下要求：容易实现多方式组合，满足较高的工作电压和较大工作电流；电池容量和性能的可检测和可诊断，使控制系统可在预知电池容量和性能的情况下实现对电站负荷的调度控制；高安全性、可靠性：在正常使用情况下，电池正常使用寿命不低于15年；在极限情况下，即使发生故障也在受控范围，不应该发生爆炸、燃烧等危及电站安全运行的故障；具有良好的快速响应和大倍率充放电能力，一般要求5-10倍的充放电能力；较高的充放电转换效率；易于安装和维护；具有较好的环境适应性，较宽的工作温度范围；符合环境保护的要求，在电池生产、使用、回收过程中不产生对环境的破坏和污染。

如果在家庭内能够利用储能电池实现削峰填谷，不仅绿色环保，还能为家庭带来经济效益。储能电池能为家庭带来多少经济效益，我们首先要了解居民用电量，电费价格，储能电池存电量等数据。

上海实行的是谷峰分时阶梯电价。根据用电量将电价分成三档，其中第一档为0-3120KWh峰时段电价为0.617元/KWh，谷时段电价为0.307元/KWh。第二档为3120-4800KWh峰时段电价为0.677元/KWh，谷时段电价为0.337元/KW。第三档为4800KWh以上，峰时段电价为0.977元/KWh，谷时段电价为0.487元/KW。其中早上6点到晚上10点的电价为峰时电价，晚上10点到早上6点的电价为谷时电价，具体见表1。

不妨用CP表示峰时价格即早上6点到晚上10点的用电单价，Cq表示谷时价格即晚上10点到早上6点的用电单价。C表示家庭每年的成本费用，家庭每年的总成本费用为年用电费用，即C=Cp*a+Cq*b。

以下计算三名用户的年用电费用，其中用户1的年用电量2600kWh为第一档，用户2的年用电量3900KWh为第二档，用户3的年用电量6000KWh为第三档。不妨假设三名用户的峰时段用电量与谷时段用电量之比为4：1。

由年用电费公式计算得：用户1的年用电费用为C1=0.617*2080+0.307*520=1443元。用户2的年用电费用为C2=0.677*3120+0.337*780=2375.1元.用户3的年用电费用为C3=0.977*4800+0.487*1200=5274元。

假设家庭用户使用了储能设备，在谷时段充电，在峰时段放电，计算三名用户的年用电费用。年用电费=Cp*（峰时总用电量-365*储能设备容量）+Cq*（谷时总用电量+365*储能设备容量）。

三名用户的年用电费如表3。

由上表可知使用了储能设备的年用电费相较没有使用的经济效益更好，并且使用的储能设备容量越大，经济效益越高。但储能电池系统一次性投资较高，主要原因目前储能电池的造价较高。储能电池的市场价格如表4所示，储能电池价格昂贵，因此家庭用户购买储能设备的积极性较低。随着储能电池制造技术的发展和国家的扶持力度的加大，其成本必然会大幅降低，经济性得到更好的体现。

由于家庭用户所需要储能的容量较小，储能设备的二次利用具有一定的商业价值。2012年发布的《节能与新能源汽车产业发展规划》指出，预计2015年中国新能源汽车累计产销量将达50万辆。作為电动汽车用动力锂电池，容量衰减至额定容量的80%时，电动汽车的续航里程会明显减少，失去使用价值，但对于储能系统来说仍具有较大的使用价值。此外，因此，电动汽车电池的二次利用可以延长其使用寿命，进行其价值延伸，对于推动电动汽车行业的可持续发展具有重要意义。国内已有企业在这方面做出了积极尝试。山东威能环保电源有限公司日前新上的“废旧锂离子动力电池回收处理和综合利用”项目，总投资额17亿元，建设期限3年，实施后每年可回收动力电池30亿安时，回收金属25500吨以上，价值20400万元，循环利用旧电池容量约24亿Ah，可组建储能站实现能源充分利用7200兆瓦时。该项目作为国内数量不多的大规模专业锂离子电池回收处理和综合利用项目，对我国今后在该领域的发展具有示范性和带动性作用。

储能电池整体发展前景：全球能源紧缺，新兴能源产业的发展势在必行，但风能、太阳能等清洁能源受环境影响较大，功率不稳定，致使传统电网无法承载，大量能量被浪费。主要原因之一就是：储能技术落后，现有储能电站无法实现功率补偿，无法满足功率平滑的需求。可以说，储能电池的发展已成为新能源开发的核心之一。顺应当代社会能源的发展趋势，储能系统在电力系统运营中占据了越来越重要的位置， 可再生能源进一步的技术突破、发展和引领需要与储能技术创新相结合，储能技术的未来市场潜力不可限量。循环利用旧电池，不仅能为居民带来经济效益，从环保方面考虑，虽然锂电池环境污染性相对较小，但是其中的镍、钴、锰等金属元素以及各类锂盐、有机溶剂等物质仍然具有一定的易燃性、浸出毒性和腐蚀性，直接丢弃造成的后果不容小觑。因此，电动汽车电池的梯级利用可以延长其使用寿命，进行其价值延伸，对于推动电动汽车行业的可持续发展具有重要意义。

参考文献

[1]苏虎，栗君，吴玉光，等.储能电池系统经济价值的评估[J].上海电力学院学报，2013，29（4）：315-320.

蓄电池储能论文 第4篇

随着电力电子技术、计算机技术及社会经济的发展,分布式风力发电作为解决传统发电系统所带来的经济及环境等问题的方法之一,越来越受到重视,其在电力能源中所占比例也越来越大[1,2]。同时,分布式发电系统中微电源的增加也带来一系列问题,如单机接入成本高、控制复杂等,由此,微电网的概念应运而生[3]。

风电、光伏发电等可再生微电源自身的不稳定性、波动性以及负载的扰动,会严重影响微电网接入电网处的公共供电点(PCC)电压和频率的稳定,而对风电穿透比高且孤网运行的微电网影响更甚。然而,对微电网中的任一敏感负载而言,PCC电压和频率的恒定十分重要。针对这些问题,国内外不同学者提出了一些解决方法[4,5,6,7]。文献[4,5]从理论上分析了通过DC-DC变换器将直流储能模块与各个微电源并接在电力电子接口设备的直流母线侧,并通过此接口设备实现微电源及储能模块与电网的能量变换和控制,但因每个微电源都需一个储能单元及DC-DC变换器,从而增加了系统结构复杂性,不易控制且维护成本高。文献[6]针对自励磁感应电机风力发电系统,将储能单元经变换器直接与PCC相连,通过电压单闭环控制来实现PCC电压和频率的稳定,进而实现系统电压及频率的稳定,但因其针对感应发电机系统且只有电压闭环控制,系统控制精度不高,系统电压及频率偏差较大,不宜用于为诸如计算机、高精度机床等敏感负载供电。

同时,为满足大容量负荷要求,特别是微电网孤网运行时,针对大容量储能系统如何接入微电网、多个微电源之间如何协调控制、微电源与储能系统如何协调控制及分配负荷以维持系统稳定等问题,不少学者进行了一些研究[5,8,9,10,11]。文献[8]从系统的角度分析了大容量储能系统与含输配电网、微电网间的智能电网兼容性方案,提出了大容量储能系统接入智能电网的容量配置原则及调度策略,但未能具体分析储能系统的工作原理及控制策略。文献[5]设计了包括DC/DC斩波电路和DC/AC逆变器在内的大容量储能接入方式,但其系统结构、控制算法均较复杂。针对储能系统接入电网的协调控制及负荷分配,文献[9]提出了一种根据谐波电流的大小来控制输出电压脉宽,从而控制并联微电源间分配非线性负荷的控制策略;文献[11]考虑到低频时微电网的阻抗主要表现为阻性,提出了一种适宜于交流分布式系统孤网运行的负荷分配控制策略。上述研究主要是针对诸如风电、光伏发电等可再生微电源,关于多个并联蓄电池储能系统(BESS)如何进行有功/无功功率协调控制来平滑系统功率,进而稳定PCC电压和频率的研究并不多。

基于上述情况,有必要研究如何构建大型储能系统接入微电网以满足其对储能系统的容量要求,如何对每个BESS进行有功和无功功率控制及合理分配负荷,保证PCC电压和频率的稳定,以达到微电网对储能系统的供电要求。本文提出了一种适用于大型储能系统接入微电网的实现方式,采用基于有功和无功功率双闭环控制策略的BESS来实现PCC电压及频率的稳定,建立了系统仿真模型,并设计了实验样机。

1 大型BESS的构成及工作原理

1.1 大型BESS的构成

本文基于大型BESS的微电网结构见图1。系统主要由BESS、负载、静态开关(SB)及其他电源(如风电)组成。BESS由多个BESS子系统并联构成,每个BESS子系统又由一个电池模块(BM)与一个功率调节器(PCS)组成,每个PCS主要由三相桥式电压源变换器(VSC)及滤波器构成,每个电池模块是由一定数目电池单体经串并联直接构成(具体个数因电池类型而定)。可见,本文提出的大型BESS实现方式为:对于单个BESS子系统,将一定容量电池模块(本文为50 kW/144 V)直接连接在PCS直流母线侧,经PCS实现DC/AC变换,得到电网/负载所需的交流电再经调压器并接在PCC上,从而多个BESS子系统在PCC处的并联提升了整个BESS容量。

1.2 系统工作原理

如图1所示,当SB断开的瞬间,微电网脱离电网进入孤网运行状态,BESS将迅速承担负载与其他微电源(如风电)之间的瞬时功率差,当微电源发出的电能多于负载所需能量时,多余的电能经PCS向储能系统充电,反之,储能系统将向负载供电。对于每个BESS子系统而言,仅利用本地信息通过控制PCS来保证PCC处电压及频率的稳定。PCS不仅能将输入的直流电压转换为幅值、频率及相位均为所需的三相电压,且能为系统提供双向可控的有功和无功功率使PCC处电压和频率稳定在允许的范围之内。特别是当微电网处于孤网运行状态且其他微电源不能向微电网供电(如几小时内无风或风能不可利用)时,储能系统将单独为负载供电,并维持系统的稳定。

2 储能系统数学模型及控制策略

2.1 蓄电池及其模型

蓄电池分为很多种,在大规模储能系统方面,目前国内外应用较广、技术相对成熟的蓄电池以铅酸蓄电池为主,也有钠硫电池[12]、液钒电池[13]。相对于钠硫电池及液钒电池,铅酸电池具有技术成熟、成本低等优点。本文采用铅酸电池作为研究对象,其等效模型如图2所示[14,15]。图中,$\underset{\cdot }{{\displaystyle E}}{}_{\text{m}}$为电池开路电压,$\underset{\cdot }{{\displaystyle V}}{}_{\text{Ρ}\text{Ν}}$为旁路电压。

2.2PCS及其控制原理

PCS作为BESS的核心部分,它连接储能模块和终端负荷,控制着储能模块的充放电率、潮流等。近年来,随着电力电子技术及控制技术等的发展,PCS已在可再生能源和分布式发电系统中得到了广泛应用[16]。本文所研究的基于双闭环控制的PCS控制原理图如图3所示。图中,V0和ω0分别为微电网脱网时刻的电压和频率,V和ω分别为指令电压值和频率值。

PCS主电路是以绝缘栅双极晶体管(IGBT)为主要开关元件的传统三相桥式电压源变换器。脉宽调制(PWM)的VSC直流侧连接BM,交流侧连接电抗器XS。PCS通过改变变换器的调制比m和变换器交流侧基波电压VPWM与PCC电压VPCC的相角差δ,使VSC四象限运行,为系统提供双向可控的有功和无功功率。

PCS通过频率闭环的功率—频率下垂特性得到频率给定值ω*,以保证PCC频率稳定在一定范围。同时,通过电压闭环的比例—积分(PI)调节器得到m值,以调节PCC电压幅值。将得到的给定频率ω*作为单位幅值正弦波的频率,乘以m便得到调制波,再输入PWM脉冲发生器得到IGBT的驱动信号。

为便于分析PCS的具体运行原理及控制特性,在此只分析单相运行情况,通过输出阻抗与PCC相连的PCS单相等效电路如图4所示。

由图4可得PCS和PCC间交换的功率为:

$\begin{array}{l}{\rm P}=\left(\frac{V{}_{\text{Ρ}\text{W}\text{Μ}}V{}_{\text{Ρ}\text{C}\text{C}}}{X{}_{\text{S}}}\cos \delta -\frac{V{}_{\text{Ρ}\text{C}\text{C}}^2}{X{}_{\text{S}}}\right)\cos \theta -\\ \frac{V{}_{\text{Ρ}\text{W}\text{Μ}}V{}_{\text{Ρ}\text{C}\text{C}}}{X{}_{\text{S}}}\sin \delta \sin \theta (4)\\ Q=\left(\frac{V{}_{\text{Ρ}\text{W}\text{Μ}}V{}_{\text{Ρ}\text{C}\text{C}}}{X{}_{\text{S}}}\cos \delta -\frac{V{}_{\text{Ρ}\text{C}\text{C}}^2}{X{}_{\text{S}}}\right)\sin \theta -\\ \frac{V{}_{\text{Ρ}\text{W}\text{Μ}}V{}_{\text{Ρ}\text{C}\text{C}}}{X{}_{\text{S}}}\sin \delta \cos \theta (5)\end{array}$

式中:θ为输出阻抗角。

假如输出阻抗为纯电感,即XS=ωL且θ=90°,

由此可得:

$\begin{array}{l}{\rm P}=\frac{V{}_{\text{Ρ}\text{C}\text{C}}V{}_{\text{Ρ}\text{W}\text{Μ}}\sin \delta }{\omega L}(6)\\ Q=\frac{V{}_{\text{Ρ}\text{C}\text{C}}(V{}_{\text{Ρ}\text{C}\text{C}}-V{}_{\text{Ρ}\text{W}\text{Μ}}\cos \delta )}{\omega L}(7)\end{array}$

根据PWM调制原理:

$V{}_{\text{Ρ}\text{W}\text{Μ}}=mV{}_{\text{d}\text{c}}(8)$

将式(8)代入式(6)及式(7)得:

$\begin{array}{l}{\rm P}=\frac{V{}_{\text{Ρ}\text{C}\text{C}}V{}_{\text{d}\text{c}}}{\omega L}m\text{s}\text{i}\text{n}\delta (9)\\ Q=\frac{V{}_{\text{Ρ}\text{C}\text{C}}}{\omega L}(V{}_{\text{Ρ}\text{C}\text{C}}-mV{}_{\text{d}\text{c}}\cos \delta )(10)\end{array}$

由式(9)和式(10)可知,通过控制m和δ即可控制PCS输出有功和无功功率的幅值和流向。

2.3 负荷分配控制

如图1所示,一个BESS包括多个BESS子系统,当微电网处于孤网运行时,考虑到微电网中无其他微电源向负载供电,则BESS将承担向系统中的所有负载供电(若有其他微电源向负载供电,则BESS将承担其他微电源与负载间的功率差),忽略线路中能量损耗,根据能量守恒定律得总负载有功功率Pl和无功功率Ql分别为:

$\begin{array}{l}{\rm P}{}_{\text{l}}={\displaystyle \sum _{i=1}^n}{\rm P}{}_i(11)\\ Q{}_{\text{l}}={\displaystyle \sum _{i=1}^n}Q{}_i(12)\end{array}$

式中:Pi和Qi分别为第i个BESS子系统的有功和无功功率。

根据电力系统中有功功率—频率、无功功率—电压静态特性,任意2个BESS子系统提供的初始有功和无功功率静态特性如图5所示。

由图5可知:

$\begin{array}{l}\omega {}^i=\omega {}_0-k{}_{\omega {}_i}{\rm P}{}_i(13)\\ V{}^i=V{}_0-k{}_{v{}_i}Q{}_i(14)\end{array}$

式中:ωi和Vi分别为第i个BESS子系统的指令频率值和电压值;kωi和kvi分别为第i个BESS子系统的ωi和Vi的静特性系数。

假如图5中每个BESS子系统容量相等,单个BESS子系统将平均分配有功和无功负荷,即

$\begin{array}{l}k{}_{\omega {}_1}=k{}_{\omega {}_2}=\cdots =k{}_{\omega {}_i}=k{}_{\omega }(15)\\ k{}_{v{}_1}=k{}_{v{}_2}=\cdots =k{}_{v{}_i}=k{}_v(16)\end{array}$

由于静特性系数相等,每个BESS子系统输出的有功和无功功率相等,可避免各个子系统环流的产生。

3 系统仿真及结果

为验证本文所提出大型BESS实现方式及控制策略的正确性,根据图1所示结构搭建一个含有2个等容量BESS子系统及不同负荷的微电网仿真平台。平台的主要电源为储能系统,风电作为辅助电源,以验证储能系统在极端情况(如较长时间无风)下维持系统稳定的能力。风电与蓄电池共同作为电源形成风电—蓄电池混合系统将作为后续工作,有待进一步研究。本文在PSCAD/EMTDC环境下进行仿真,系统仿真参数见附录A。图6为不同带载情况下的系统响应情况。负载变化如下:初始时刻,系统在5 kW纯电阻负载下运行一段时间;2 s时刻,突然启动大电机(30 kW);4 s时刻,再投入10 kW纯电阻负载;5 s时刻,再投入(15+j20) kVA阻抗性负载;之后,依次切除阻抗性负载、纯电阻负载、大电机等。

不同负载下系统的响应情况见图6。

由图6(a)可知,大电机启动时,由于惯性作用,负载有功和无功功率都将突增,且有一定超调量,经过几十毫秒后恢复到额定值;由图6(b)和图6(c)可知,2个BESS子系统(BESS1和BESS2)能平均分配负载有功及无功功率,且随负载变化而迅速响应。图6(d)表示随系统负载变化时PCC电压动态和静态特性。当突加大电机负载时,PCC电压先迅速下降,系统通过控制2个BESS子系统输出的有功和无功功率以维持PCC功率平衡,故PCC电压降到一定程度后又迅速上升;而后,因大电机惯性作用,电压达到一定超调量后回落并稳定至额定值380 V,且电压最大突变范围约为7%,稳定后的波动范围小于0.1%。由图6(e)可知,PCC频率随负载变化而波动,但最终稳定在额定值50 Hz,且最大突变范围约为8%,稳定后的波动范围小于0.4%。图6(f)表示负载变化时2个电池模块(BM1/BM2)输出均等电流情况。

4 系统实验和结果

为进一步验证所提出控制策略的正确性,本文设计开发了实验平台,其配置如图7所示,具体参数见附录A。本储能系统包括2个容量相等(75 kVA/50 kW)的BESS子系统,每个子系统中包括PCS样机及BM。考虑到成本及当前国内电池制造水平等因素,本文通过铅酸蓄电池单体的串并联来组成BM(144 V/50 kW)。负荷主要包括1台感应电机(15 kW)、1台鼠笼电机(5.5 kW)及阻抗负载。控制器采用TI公司TMS320F2812处理器。

图8为突加大电机时系统的动态响应情况。从波形图可知,大电机全压启动瞬间,大电机的冲击电流约为额定值的8～10倍。同时,BESS2子系统的直流电压略微下降,而放电电流激增,通过控制PCS输出电流,快速补偿电机启动时的系统功率差,以维持PCC电压的恒定。大电机启动瞬间,PCC电压先下降至330 V,0.5 s后,电机启动暂态过程结束,PCC电压立即恢复到额定值。

图9为带大电机负载(15 kW)及鼠笼电机负载(5.5 kW)的系统稳态实验波形图。由图9(a)可知,系统稳定时,PCC电压和频率基本稳定在额定值(380 V,50 Hz),且PCC电压、电流波形为光滑正弦波。由图9(b)可知,为向负载供电,由于2个子系统容量相等,使BESS1与BESS2的平均放电电流的大小也几乎相等(90 A),且电流方向一致(均为向PCC注入电流),以维持PCC有功和无功功率平衡,最终维持PCC电压和频率恒定。此外,系统电压和电流谐波见附录B,系统谐波含量少,符合供电要求。

5 结语

本文详细介绍了大型BESS接入微电网的实现方式,在分析了PCS工作原理基础上,结合电力系统有功功率—频率、无功功率—电压静态特性,提出了电压、频率双闭环控制策略,搭建了大型BESS接入微电网的系统仿真模型及实验样机。仿真及实验结果表明,在不同带载情况下,尤其是孤网运行时,储能系统能快速跟随负载变化,不但能有效平滑负载有功功率波动成分,而且能够为系统提供无功功率支撑,保证PCC电压和频率稳定在供电允许范围,谐波含量低,适宜于为风能穿透比高、负载波动性大的孤岛系统供电。同时,简单、模块化的系统结构,蓄电池模块即插即用的特点,提高了大型BESS接入微电网的技术性、经济性。

蓄电池储能论文 第5篇

近20年来,在能源需求与环境保护的双重压力下,以光伏(PV)发电和风力(WT)发电为代表的分布式发电(DG)技术得到了快速发展。然而,由于上述分布式电源的间歇性与波动性,随着DG渗透率的增加,大量DG系统分散、无联络地接入电网,将会增加对电力系统稳定性的负面影响。微网概念的提出为DG运行提供了一个新的模式。所谓微网,是指由分布式能源(DER)系统、储能装置、能量变换装置、相关负荷和监控系统、控制保护装置汇集而成的小型发配电系统,它既可以与外部电网并网运行,也可以独立运行[1,2,3,4]。它不仅解决了DG系统的大量分散接入问题,还为用户带来了其他多方面的效益[2],成为外部电网的有益补充。由于这些潜在优势,作为未来可能的一种能源供应模式,微网正得到越来越多的重视和研究。

蓄电池是微网中常见的储能形式,由于蓄电池等储能系统具有能量可双向流动、功率响应较快等特点[5],其主要在微网独立运行时作为压频控制单元为微网提供稳定的电压与频率,微网并网运行时由主网为微网提供电压与频率支撑,蓄电池可退出运行,但为了充分发挥蓄电池为微网带来的运行效益,本文利用蓄电池储能在不同时段的充放电来实现微网与主网的“双赢”。

目前,针对微网的经济运行问题国内外的研究尚少。文献[6,7]建立了微网运行优化模型,但没有考虑储能单元;文献[8]是基于制定好的调度原则与控制策略安排各微电源的出力,且对蓄电池的使用是不断地反复充电放电;文献[9]建立了微网负荷优化分配的数学模型,其对蓄电池的利用只是在微电源不足以满足所有负荷需求时起到暂时性的支撑作用;文献[10]同样建立了微网有功优化模型,并提出4种优化目标;文献[11]建立了包含蓄电池储能的微网多目标有功优化模型,其中蓄电池只是基于先前制定好的规则进行逐次交替充放电,其在微网中的作用不明确。从国内外的研究来看,针对微网经济运行问题的建模,都只考虑了各微电源的有功功率输出,并未考虑微网网络结构及微电源的无功功率输出,且对储能单元的使用是基于先前制定的原则,没有充分发挥储能单元对提高微网运行效益的作用。

考虑到微网中可再生能源的间歇性和波动性特点,长时间尺度的功率预测偏差较大,其调度计划不能类似常规电网预先安排。本文提出一种包含蓄电池储能的微网实时能量优化调度方法,该方法首先将全天24 h划分为峰、平、谷3种时段,在微网运行时实时监测蓄电池的荷电状态SOC(State Of Charge),根据当前调度时刻所处的不同时段和蓄电池荷电状态所处的不同范围,采用不同的运行调度策略,并通过求解对应的能量优化模型安排各可控型微电源的有功输出与蓄电池的充放电功率,以及无功可调节型微电源的无功输出。与上述已有的实现方法相比,本文提出的方法主要有以下几点改进:

a.同时以可控型微电源的有功功率和无功输出可调节型微电源的无功功率作为优化变量,并考虑微网自身的网络损耗建立能量优化模型,以同时安排各微电源的有功功率和无功功率运行点;

b.通过在不同时段对蓄电池设计不同的充放电罚函数并计入能量优化模型的目标函数中,引导微网在谷、平时段从主网购电并将多余电能充入蓄电池,而在峰时段让蓄电池放电并向主电网售电,从而利用微网对主网进行“削峰填谷”,同时,由于主网谷、平时段电价较低,而峰时段电价较高,这样对微网而言也能获取更多的利润,提高了微网的运行效益,实现微网与主网的“双赢”;

c.在峰时段时能量优化模型的目标函数中的蓄电池放电罚函数设计为蓄电池荷电状态与放电功率的函数,能引导蓄电池在剩余储能量较少时减小放电功率,使蓄电池随时保持一定储能量,能为微网转为非计划孤网运行时提供紧急功率支撑,提高了微网运行可靠性。

1 实时运行调度策略

荷电状态是反映蓄电池剩余电量的一个重要技术参数。其可以表示为[12]:

其中,SOC0为初始荷电状态;Cbat为蓄电池的额定安时容量;Ibat为充放电电流,其值大于0表示充电,小于0表示放电;Iloss为损耗反应电流。

实时运行调度策略如图1所示,图1中SOCmax、SOCmin分别为设置的蓄电池荷电状态的上限、下限,t为当前实时调度时刻,nT为全天总的调度时段数,%为求余运算符。根据外部电网负荷情况将全天24h划分为峰时段、平时段和谷时段。在微网实时运行时,以5~15 min为一实时调度周期,在每次调度时刻首先预测当前的负荷及可再生能源系统(PV、WT等)出力,并监测蓄电池的荷电状态,根据当前调度时刻所处的不同时段和荷电状态所处的不同范围,采用不同的运行调度策略,以确定微网内各可控型微电源的有功功率输出、蓄电池的充放电功率、与电网交互的有功功率和无功可调节型微电源的无功功率输出。如果当前调度时刻处于谷时段或平时段,若不满足SOCSOCmin,则确定蓄电池只可放电,并进行优化3;若不满足SOC>SOCmin,则确定以恒定功率对蓄电池充电,并进行优化4。

2 微网系统运行的能量优化模型

在图1所示的微网实时运行调度策略中,涉及优化1、优化2、优化3、优化4共4组能量优化模型。

2.1 能量优化模型1

能量优化模型1对应优化1,其目标是在满足系统运行的约束条件下优化微网中各可控型微电源的有功出力、蓄电池储能单元的放电功率及各无功输出可调节型微电源的无功出力,以使微网总运行成本最低。微网中的微电源大多是以电力电子与交流电网接口的发电单元,通过相应的控制技术可调节其无功输出[13,14,15],称此类微电源为无功可调节型微电源。并网运行时各微电源一般按PQ控制(即定有功无功控制)方式运行,本文同时将微电源的有功和无功作为优化变量建立能量优化模型,可为PQ控制型微电源同时提供有功和无功运行参考点。

2.1.1 目标函数

其中,SG为可控型微电源集合;i为系统中可控型微电源编号;Pi为可控型微电源的输出功率;Ui为当前调度时段内可控型微电源的状态,其值为0表示处于停运状态,其值为1表示处于运行状态;Ui,P为前一调度时段内可控型微电源的运行状态;UP为从主网购电标记符,其值为0表示不购电,其值为1表示购电;US为向主网售电标记符,其值为0表示不售电,其值为1表示售电;CFi(Pi)为可控型微电源的能耗成本;COMi(Pi)为可控型微电源的运行维护成本;CSi为可控型微电源的启动成本;γbat为所设计的蓄电池充放电罚函数;PPgrid为微网从主网购电功率;PSgrid为微网向主网售电功率;cP为微网从主网购电电价;cS为微网向主网售电电价;σ为所设计的罚系数,其取值比平、谷时段从主网购电的价格值稍高;Pbat为蓄电池的充放电功率,其值大于0表示放电,其值小于0表示充电;KOMi为可控型微电源的运行维护系数。

式(2)中等号右边第1项为微电源运行成本,第2项为设计的蓄电池充放电罚函数,第3项为微网从主网购电成本,第4项为微网向主网售电收益。

2.1.2 约束条件

a.潮流约束条件。

其中,PRi、QRi为各节点注入有功功率和无功功率;ei、fi为用复数表示的各节点电压的实部和虚部;Gij、Bij为i与j节点导纳元素的实部和虚部;n为微网内总节点数;SN为微网内所有节点集合。

b.可控型微电源容量约束。

其中,分别为可控型微电源的输出功率上限、下限。

c.蓄电池的放电有功功率约束。

其中,UPbat为蓄电池状态,其值为1表示蓄电池充电或放电,为0表示蓄电池不工作;为当前调度时刻蓄电池的最大可放电功率;SOC为蓄电池当前荷电状态;Cbat为蓄电池组的额定安时容量;Δt为实时调度周期;为蓄电池组的最大允许放电电流;Ubat为蓄电池组端电压。

通常情况下,蓄电池单位时间内最大充放电电流为其额定安时容量的20%[16],则:

d.微网与主网间能够交互的最大容量约束,这可能是它们之间所达成的供求协议或者联络线的物理传输容量限值。

其中,为微网从主网购电的最大有功功率限值;为微网向主网售电的最大有功功率限值。

e.可控型微电源的最短持续运行时间和最短持续停运时间约束。

其中,Tio,Pn为前一调度时段末第i台可控型微电源的持续运行时间;Tio,Pff为前一调度时段末第i台可控型微电源的持续停运时间;TMRi为最小持续运行时间;TMSi为最小持续停运时间。

f.可控型微电源有功功率输出变化率限制。

其中,RUi为可控型微电源本调度时段相对于前一时段的功率增加限制,即上升率限制;RDi为下降率限制;Pi,P为前一调度时段内微电源的有功输出。

g.从主网买卖电互斥约束。

h.无功可调节型电源的无功功率输出约束。

其中,SQ为无功输出可调节型电源集合;Uk为无功输出状态;Qk为无功功率输出;为最大无功输出限值。

2.2 能量优化模型2

能量优化模型2对应优化2,其目标是在满足系统运行的约束条件下优化微网中各可控型微电源的有功出力、蓄电池储能的充电或放电功率及各无功可调节型电源的无功出力,以使微网总运行成本最低。

2.2.1 目标函数

能量优化模型2的目标函数与能量优化模型1完全相同。

2.2.2 约束条件

能量优化模型2的约束条件与能量优化模型1基本相同,只是约束条件中的蓄电池的放电有功功率约束变为:

其中,为当前蓄电池最大可充电功率。

2.3 能量优化模型3

能量优化模型3对应优化3,其目标是在满足系统运行的约束条件下优化微网中各可控型微电源的有功出力、蓄电池的放电功率及各无功输出可调节型微电源的无功出力,以使微网总运行成本最低。

2.3.1 目标函数

能量优化模型3的目标函数与能量优化模型1略微不同,不同之处在于目标函数中的蓄电池罚函数项,能量优化模型3的目标函数为:

其中,λbat设计为峰时段蓄电池放电罚函数;δ为设计的罚因子函数;dSOC为当前荷电状态与荷电状态下限值间的差值,其反映了蓄电池剩余储能量的比例;a1、a2、a3、a4、a5为所设计的系数。

根据在不同dSOC时,对不同放电功率Pbat取不同的罚值进行描点,各罚值点的取值遵循以下规律:当dSOC一定时,Pbat越大,对应的罚值取得越大;当Pbat一定时,dSOC越小,对应的罚值取得越大。在取得一系列罚值点后,由式(19)拟合得到a1、a2、a3、a4、a5。

并网运行的微网要预防主网突然发生故障而转为非计划孤网自治运行的情况,孤网运行时蓄电池储能单元通常作为压频控制单元[12,13],以为微网提供稳定的电压与频率支撑,其将弥补微网内的不平衡功率,通过在并网运行调度时让蓄电池随时维持一定的储能量,以便当非计划孤网发生时为微网提供紧急功率支撑,所以在储能量充足时允许蓄电池多放电,而当储能量较少时少放电,为此设计了蓄电池放电罚函数,并将其计入目标函数中。

所设计的蓄电池放电罚因子δ具有如图2所示的特性,即当蓄电池剩余储能量较多(dSOC较大)时罚因子较小,而剩余储能量较少(dSOC较小)时罚因子较大,且放电功率Pbat越大,罚因子就越大。通过将所设计的放电罚函数计入目标函数中,将使得蓄电池在剩余储能量较少时减小放电功率。

2.3.2 约束条件

能量优化模型3的约束条件与能量优化模型1完全相同。

2.4 能量优化模型4

能量优化模型4对应优化4,其目标是在满足系统运行的约束条件下优化微网中各可控型微电源的有功出力及各无功可调节型电源的无功出力,以使微网总运行成本最低。

2.4.1 目标函数

能量优化模型4的目标函数如式(21)所示,相对能量优化模型1,其缺少了蓄电池罚函数项。

2.4.2 约束条件

能量优化模型4的约束条件与能量优化模型1的约束条件基本相同,只是没有蓄电池的放电有功功率约束。蓄电池的充/放电功率不参与优化,而以恒定功率对蓄电池充电,此时蓄电池相当于一个恒定的负荷,且将对蓄电池充电的恒定功率计入蓄电池所在微网节点处的负荷中。对蓄电池的恒定充电功率为:

3 算例分析

本文选取图3所示的微网算例系统[6,11,17,18],其中与主网的公共耦合点(PCC)保持闭合状态。系统中可再生能源发电系统有PV、WT,可控型微电源有柴油发电机DE(Diesel Engine)、微型燃气轮机MT(Micro-Turbine)和燃料电池FC(Fuel Cell),储能单元有蓄电池组Bat(Battery)。其中PV系统容量为150kW,WT系统容量为150kW,Bat的最大充电功率、最大放电功率均为160kW。无功输出可调节型电源考虑了WT、MT、FC、Bat,同时认为与主网间交互的无功功率也可调节,对于PV,假定其按单位功率因数控制,其无功输出始终为0kvar,对于DE,其直接与三相电网连接,假定按额定功率因数0.98输出无功。SOCmin、SOCmax分别设置为0.5与0.9,微网内各节点间线路的单位长度阻抗取0.64+j 0.1Ω/km,各可控型微电源的能耗成本曲线如图4所示,各可控型微电源的其他相关信息如表1所示。为分析本文提出的微网实时调度方法在长时间跨度上的“削峰填谷”功效,对一整天(选取某一天)的每一调度时段都进行计算。

在算例中实行分时电价政策,谷时段为00:00—08:00,平时段为08:00—11:00、16:00—19:00和22:00—24:00,峰时段为11:00—16:00和19:00—22:00。算例中应用的分时电价见表2。

为提高可再生能源的利用率,PV和WT均工作在最大功率点跟踪模式,其输出功率遵循图5所示的典型曲线,图中有功功率为标幺值,将其作为算例分析所需的全天数据。

为使测试系统更接近实际情况,将系统中的负荷分为工业负荷和家庭负荷2类,并假定各节点负荷都遵循如图6所示的典型曲线[19],图中有功功率为标幺值。

微网系统中总共14个节点负荷,其负荷相关信息如表3所示,其中假定各节点负荷的功率因数恒定。

以15min为实时调度周期,根据提出的调度方法,在MATLAB环境下编写程序并对算例进行计算,得到各可控型微电源、蓄电池及主网的全天有功功率输出如图7所示,无功输出可调节型电源的全天无功输出如图8所示,蓄电池组全天的荷电状态曲线如图9所示,各调度周期内的微网运行成本如图10所示。

由图7、9可见:在谷、平时段微网从电网购电,而在峰时段微网向电网售电,从而实现微网对主网的“削峰填谷”功效;在谷、平时段00:00—11:00内,微网内部负荷较轻,优先通过从主网购电供给,不足的电力通过蓄电池放电补充,从主网所购电力在满足所有负荷的前提下对蓄电池充电,且在蓄电池充电容量允许的情况下以最大限度购电;蓄电池的充放电状态与微网和主网间的交互功率方向之间密切相关,在绝大多数实时调度周期内,当微网从主网购电时蓄电池充电,当微网向主网售电时蓄电池放电,可见在实现微网对主网“削峰填谷”功效方面蓄电池发挥了关键作用;在峰时段蓄电池的放电功率随着其荷电状态的减小而减小,蓄电池荷电状态始终维持在SOCmin~SOCmax(0.5~0.9)之间,同时蓄电池放电至其荷电状态越接近SOCmin(0.5)时其放电功率越小,因此本文提出的方法始终能让蓄电池运行在安全的荷电状态范围内,防止了过充电或过放电给蓄电池带来的寿命折损,且蓄电池随时保持了一定储能量(从图9知01:00以后SOC始终在0.6以上,比SOCmin大),能在非计划孤网突发时为微网提供紧急功率支撑,保证可靠运行。

图10展示了微网在各调度周期内的运行成本,基于图10得到微网全天总运行成本如表4所示。由表4可知,微网通过在不同时段与主网间的功率交换获取收益,进一步计算可得从主网购电平均价格为634.6/1 156.2≈0.55(元/(kW·h)),而向主网售电平均价格为1 024.0/800.0=1.28(元/(kW·h))(由图7计算得全天总计从主网购电1156.2 kW·h,向主网售电800.0 kW·h),可见在对主网“削峰填谷”的过程中,微网在谷、平时段以较低价格采购电能,而在峰时段微网又以高于购电时的价格向主网卖电,由此获取差额利润,降低了微网运行总成本。

元

4 结语

本文提出一种包含蓄电池储能的微网实时能量优化调度方法。该方法将全天24h划分为峰、平、谷3种时段,在实时调度时监测微网内蓄电池的荷电状态,根据当前调度时刻所处的不同时段和荷电状态所处的不同范围,采用不同的运行调度策略,建立的能量优化模型可同时为PQ控制微电源提供有功功率和无功功率的运行点指令,设计了蓄电池放电罚函数并计入能量优化模型的目标函数中,可确保蓄电池随时维持一定的储能量以便在非计划孤网突然发生时为微网提供紧急功率支撑。本方法不仅可实现微网的可靠、经济运行,还有助于对主网进行“削峰填谷”,实现微网与主网2个主体的“双赢”。本文提出了微网实时运行调度策略,建立了所涉及的4组能量优化模型,通过算例验证了文中所提出方法的有效性,为微网优化运行管理提供了有价值的参考。

摘要：提出一种包含蓄电池储能的微网实时能量优化调度方法。该方法将全天24 h划分为峰、平、谷3种时段,在实时调度时,根据当前调度时刻所处的不同时段和蓄电池荷电状态所处的不同范围,采用不同的运行调度策略,同时以各微电源的有功输出与无功输出作为优化变量建立能量优化模型,设计了蓄电池放电罚函数并计入能量优化模型的目标函数中,可确保蓄电池随时维持一定的储能量以便在非计划孤网突然发生时为微网提供紧急功率支撑。该方法不仅可实现微网的可靠、经济运行,还有助于对主网进行“削峰填谷”。算例分析验证了所提方法的有效性。

储能电池的喜与忧 第6篇

随后,他公布了2项电池产品——家用电池“能源墙”(Powerwall)和商用电池“能源包”(Powerpack)。前者外形类似手绘涂鸦板,可挂在车库或杂物间的墙上,如同家用电器;后者则类似大号冰箱,当时全美约有50处安装了此设备。2项产品都应用了Model-S汽车充电技术,只不过它们并不用于驱动车辆,而是为家庭或办公室储存能源。若电池组达到一定规模,还可为工厂、机场、医院甚至整个电网供电。

储能电池的作用

就在“特斯拉能源”成功吸引了大众眼球的同时,大型电池——能源储存系统(Energy Stroage Systems,ESS)也在过去十余年间取得了快速发展。期间,诸如“纽约能源前景改革计划”和“加州自发电激励计划”等清洁能源政府激励项目对储能技术的完善起到了推动作用。许多观察员认为,目前能源储存已初见成效,进入获利阶段。根据市场研究提供商IHS科技公司(IHS Technology)的预测,到2017年,储能设备的年储电量将达到6 GW,足以为600万家庭供电;到2022年将超过40 GW,而2012与2013年的总和才0.34 GW。

其实,电池的优点不仅是对环境友好,还在于它可储存能量以备不时之需。这就意味着个人或企业可在电价低时购电,用电需求增大,电价飙升时再使用储备的能源。这种做法称之为“调峰”,每年可为大型用户节省数十万美元。医院、数据中心、机场等重要场所都可安装这种电池作应急之用,以保证机构运行的持续性。此外,它对个人用户也有很大用处,如与太阳能设备相连,能帮人们摆脱对电网的依赖,也能在停电时作为备用电源使用。

很快,能源储能电池也成了电力企业的重要资源。夏季,纽约市用电需求加大,前期储存的电量就可缓解用电压力,否则电力公司只能通过增建发电站来满足需求,这最终会导致电力系统效率低下,年发电量远远超过实际总需求。美国最大电力企业之一爱迪生联合电气公司(Con Edison)中负责用电需求管理的阿莫里·德拉克鲁斯说,“实际上,95%的时间内,变电站是不需要运转的。之前,只要出现用电高峰期,我们就得加大对系统的投资,搭建更多线路,建立更多的变电站。但能源储存电池有助于缓解当前状况。”另外,马斯克还断言,若合理利用储能电池,人们就能关闭世界上半数发电厂,而不对电网供电造成任何影响。

今年以来,特斯拉2项电池产品销售一空,订单总价值超过10亿美元。2017年,公司在内华达州工厂会投入生产,扩大产量。特斯拉电池安全与研发高级经理斯科特·科恩说,“我们认为,ESS的快速发展仅刚刚开始。”

ESS的优点已相当明显,但如果系统出现差错,其后果如何却尚待确定。这些电池含有多种化学物质,融合多项技术,若其着火,会有何反应?消防员如何完全扑灭电池火灾?应急人员如何处理已损坏但含有电量的电池?火灾中,若电池释放有毒泡沫、电流,又会对暴露于其中的应急人员和公众造成什么样的伤害?随着这项极可能改变世界的产品的崛起,公共安全专家也急于寻找问题的答案。

储能电池的问题

2年前,纽约消防队(FDNY)危险品专家保罗·罗杰斯警督被派往布鲁克林,参加一场能源储存大会。此前,他对大会并不了解,但会议期间得到信息却让他焦虑不已。

为促进清洁能源的发展,应对电力供应难题,纽约州和爱迪生联合电气公司鼓励人们安装储能设备。这意味着在不久的将来,大型电池会出现在高层建筑、民居、城市社区、商业公园、变电站等各种地方。罗杰斯说,“后来,我才逐渐意识到,针对这些电池的消防流程处于完全缺失状态;对ESS安全问题的了解上,还存在很大的空白。”此后,罗杰斯几乎以一己之力推进ESS火灾消防工作,成了全美该领域的领头人。

那次会议后的数月内,罗杰斯多次与美国消防协会(NFPA)沟通,问题主要集中在相关研究和现存标准上。因为除了NFPA 1《消防法规》(Fire Code)和NFPA70《美国国家电气法规》(National Electrical Code)之外,在ESS安全上,并无太多文件可循。经过交涉,最终,纽约消防队、美国消防协会及其下属机构消防研究基金会(FPRF)共同成立了ESS安全工作处。它将60位来自政府、保险、消防、公共事业、ESS、法规标准等领域的专家聚到一起,探讨ESS及其相关安全知识、法律标准和相关研究的空缺问题。

其他部门也致力于推进ESS安全工作。2014年12月,美国能源部(DOE)发布了“能源储存战略计划”(Energy Storage Strategic Plan),明确了3个方面的具体要求:保证ESS安全的标准方法;ESS安全新法规、新标准;ESS应急流程。美国消防协会、美国保险商实验室、消防研究基金会以及其他独立机构也在努力弥补ESS安全领域的空缺。

目前,至少有2家外部团体表明,有意向美国消防协会提出申请,为应急人员、生产商、安装人员制定新标准,帮助其认识、消除ESS风险。若美国消防协会标准委员会同意该申请,预计标准文件的首版将在3年内发布,可解决ESS系统安装、选址、测试、维护、通风以及防火等问题。

整体上,该问题有2种解决方法:一是直接制订全新标准;二是首先更新现存法规标准,在美国消防协会消防文件内增加ESS内容,如ESS火灾消防指南,然后整合所有相关信息,创建一套新标准。目前,人们正对NFPA 1进行修订,其中第52章会被全面修订,增加更多ESS电池所含化学物的信息,以及当前科技所能提供的最佳防护措施。

不断发展的科技

建立ESS评估标准和应急流程是项复杂的工作,部分是因为它在持续发展、演变,我们面对的是个“移动靶”。ESS的根源可追溯至上世纪30年代的抽水蓄能,这种储能形式曾在保障电网稳定性中扮演了重要角色。其概念非常简单:电力负荷低谷时,用电能抽水至上水库,电力负荷高峰期再放水至下水库发电。目前,抽水蓄能所储存的电量依然占世界储电总量的95%。但情况正在改变。人们对灵活、可靠供电方案的需求愈加强烈、可再生能源不断发展、环境法规的要求也愈加严格以及近年来的科技发展,都为电化学储能电池的快速崛起铺平了道路。

2003年,阿拉斯加州黄金谷电气协会(Golden Valley Electric Association)安装了1个1 500 t的镍镉电池,为4.4万名客户提供备用电能。它能在15 min内提供27 MW的电量,是世界上最强的电池之一。2014年间,这块巨型电池应对了78次断电事件,保障了26万3 489名用户的正常用电。

近来取得的技术性突破降低了ESS的成本,使其走入企业与家庭。2014年,加利福尼亚州公共事业委员会(California Public Utilities Commission)为家用光伏电池板安装公司Solar City提供了180万美元的资金,用于研究储能电池储存屋顶太阳能板电量的可行性。“只要太阳能发电占到总用电量的5%~10%,这种发电方式的不稳定性就需解决。”Solar City联合创始人兼首席运行管彼得·莱福说,“我们认为,接下来的几年内,太阳能的安装方式会逐渐固定下来。”同时,美国最大的能源提供企业之一NRG Home的董事长史蒂夫·麦卡毕也表示,“如果人们想建造经久耐用的太阳能设备,那就不得不选择‘太阳能+能源储存’的解决方案。时机成熟话,这会成为强制性方案。”

如今,时机已经迫近。越来越多的行业开始利用ESS,或为配合风力发电与太阳能发电系统,或为节省调峰期间的电费。美国能源部的储能数据库列出了全球范围内在用的约1 400个商业ESS,包括密歇根州迪尔伯恩的福特汽车公司生产工厂的铅酸电池存储系统、多伦多动物园的热能存储系统、日本风力发电厂的钠硫储能电池、纽约大都会运输署总部25楼上的液流电池、加利福尼亚州10 MW的锂电子储能电池。其中,仅纽约市就至少有5种不同类型的化学电池在用。

越来越多的电池出现在人们工作、休闲、睡觉的地方,要保证它们的安全需要不同层次的方法,行业内所有人都要遵循,否则就会影响ESS的发展。

正确应对问题

ESS风险的综合体较为特殊,但其单个风险——弧闪、燃烧、带电、有毒——对我们来说却并不陌生。反而,涉及这些风险的系统早已为应急人员所熟悉,比如变电站系统和化学品储藏库。于应急人员,他们更担忧的不是ESS本身,而是ESS适用场所的转变,它已经进入家庭、办公楼和工厂。如果发电厂的ESS出现问题,应急人员清楚自己应多加小心,“不插手”也就成了典型的处理方式。但若家中或办公楼的ESS出现差错,情况就有所不同了,应急人员需要作出反应,去灭火或进行救援。因此,应急人员就会面临“风险分析时需要具备哪些知识?”之类的问题,这就要求其对系统的基本原理有所了解。

如果ESS工作处的成立能算得上一种风向标,想必各利益相关方也从中意识到了ESS安全问题的重要性,因为在新技术兴起阶段,一起事故就能对其造成严重打击,势头难以恢复。比如1973年纽约市史坦顿岛液化天然气储罐爆炸事故,该储罐容量为9万5 400 m3,爆炸后,掀翻了储罐上方的水泥顶,水泥顶坠落后将40人压至废墟中。事后,人们开始质疑在城区附近运输和储存液化天然气的安全性。很快,纽约就全面禁止了新建液化天然气储存区,持续40余年,直到2015年1月,纽约环保部门才宣布解除禁令,但市区内依然是禁止状态。

法规标准制定者和研究人员也在尽其所能,预防ESS发生类似事故。比如,美国消防协会除了正推进新标准的出台之外,2015年9月,还收到了来自联邦应急管理署(FEMA)76.2万美元的资助,用于开发针对应急人员的ESS安全培训课程与免费互联网在线ESS安全意识课程。消防研究基金会、清洁能源咨询公司Strategen及其他研究团队,也将参加此项目。据估计,网络在线课程将于2016年第三季度末发布于美国消防协会网站(nfpa.org)和evsafetytraining.org。

同时,美国保险商实验室UL9540新标准的制定工作也接近尾声,该标准涵盖了ESS安全测试的问题,参考了许多现存UL标准,如针对锂离子储能电池安全的UL1973。UL 9540预计在2016年最终确定。届时,人们就有了ESS安全的最低标准。

除法律标准外,人们也在开展深入研究,填补此方面的知识空缺。消防研究基金会联合特斯拉公司,在内华达沙漠内进行了“能源包”电池完全燃烧测试,试验电池外部着火与内部着火后的反应,并测量了温度、燃烧放热率、排放出的气体成分等,并将结果以研究报告形式发布,综述了ESS科技的应用现状以及风险评估结果。

报告指出,燃烧时,电池的放热率不会明显升高;电池火灾可被大量的水扑灭;燃烧时释放的化学物包括二氧化碳、氮氧化物、氰化氢、氯化氢、一氧化碳和氢氟酸;灭火后取废水样品进行检测,发现水中有氟化物与氯化物;若电池着火且存在漏电情况,用水灭火时只要与其保持一定距离,就不会有触电风险。

同时,报告也表明,目前几乎没有公开的ESS火灾资料;《国际建筑规范》也内没有包含锂离子ESS指南。《国际建筑规范》《国际消防规范》和《消防法规》颇令人疑惑,因其只要求将电池容量作为判断电池是否达到应用某标准的门槛,而不是根据电池重量;并且按容量划分也只针对与旧式铅酸电池;更甚者,联合国(UN)与美国运输部(DOT)另有其他电池分类方法。《消防法规》中针对锂离子电池热击穿的防护方法比较矛盾,而《国际消防规范》又未对锂离子电池的热击穿防护作任何要求。另外,目前也没有ESS事故应对及事后修复标准流程。

最后,报告对亟待开展的工作进行了总结,包括:研究锂离子ESS火灾的应急策略、灾后修复流程;研究大风天气对ESS火灾的影响,火苗是否会被风刮至易燃物附近,将其引燃;研究不同厂商生产的电池及其中的化学成分;更新全国火灾事故报告系统中落后的ESS规范;解决当前ESS安全标准或法规互相矛盾的问题。报告认为,尽管锂离子储能电池已进入日常生活与生产,愈加受到欢迎,但人们尚未清楚了解ESS对建筑和人的风险。

除上述沙漠试验外,爱迪生联合电气公司也协同纽约消防队,进行了小规模电池燃烧测试,测量了燃烧放热率、燃烧过程中释放的有害气体与液体、电池火灾抑制剂、火灾是否会造成弧闪、热击穿等,以及出现这种问题的条件。人们将用本次测试数据建立计算机模型,预测发生大规模电池火灾时可能出现的状况。

尽管人们已取得了一些进展,但很多安全专家认为,要完全理解ESS防护与应急还有很长的路要走。美国消防协会ESS安全工作处分成了不同的突破小组,分别研究建筑物设计、ESS内置防火系统和应急策略。应急策略研究小组约20人,成员来自纽约消防队、ESS生产商、美国消防协会、爱迪生联合电气公司、保险公司等组织。小组进行了异常激烈的讨论,这也从侧面显示了ESS安全问题的复杂性。讨论的问题从ESS消防喷淋系统洒水导致人员触电的可能性,到纽约消防队是否有必要让雇主声明公司装有ESS。甚至,有人提议在全国范围内建立ESS追踪网络。另外,锂离子电池受损后着火,或扑灭后复燃问题;ESS系统危险的警告标志如何确定;是否有必要为系统安装远程控制开关;如果在封闭空间内电池释放有毒气体,如何解决通风问题,毒气该排至何处等,都在人们的讨论范围之内。

编译自NFPA Journal 2016年1—2月刊

蓄电池储能论文 第7篇

太阳能以其清洁、无碳、取之不尽用之不竭等优点越来越受到各国的青睐,太阳能光伏发电具有非常广阔的发展前景[1,2,3,4,5]。独立光伏系统是太阳能光伏发电利用的一种重要方式,但光伏电池发电的功率受到光照强度和环境温度的影响较大,同时不能存储能量,因而需要配备蓄电池来平衡系统能量,能量剩余时存储多余太阳能,能量不足时补充负荷需求[6,7,8]。

在传统的独立光伏系统中,蓄电池与直流母线直接相连,使得蓄电池充放电电流不可控,当负载突增或突减时,往往导致蓄电池充放电流过大,损坏蓄电池。同时,还存在蓄电池充放电小循环的问题,由于蓄电池的充放次数有限,因而影响蓄电池使用寿命[9,10]。目前通常采用超级电容通过并联控制器与蓄电池并联的方式来减小蓄电池的充放电流,但由于蓄电池同时也直接与直流母线相连,当负荷变化比较大或是光照突变时,蓄电池充放电流还是会出现短时间的过电流。

本文采用蓄电池连接并联控制器输出的独立光伏系统新拓扑,解决了蓄电池过电流的问题。同时,针对光伏发电的随机性和蓄电池充放电流不能过大的问题,利用超级电容快速充放电的优点,提出了新的独立光伏系统能量管理策略。其核心是根据系统功率平衡状况和蓄电池充放电流,选择并联控制器的合理控制模式,使直流母线电压稳定,保证供电系统正常运行,同时保证蓄电池工作在优化的充放电状态,延长使用寿命,减小投资成本。仿真试验的结果验证了系统能量管理策略的有效性和可行性。

1 系统拓扑设计与工作模式

独立光伏系统的控制核心是并联控制器,并联控制器是蓄电池和超级电容与直流母线连接的控制环节,对其控制的目标是控制蓄电池和超级电容工作在合理充放电模式,使直流母线电压稳定,保证负荷正常工作,同时保护蓄电池充放电流不超过最大允许值。一般并联控制器可分为有源和无源2种控制方式,无源并联控制器采用二极管连接储能元件与直流母线,其结构简单,但不具有可控性,无法实现恒压限流等控制有源并联控制器采用DC-DC变换电路结构,可以根据系统需要,实现储能元件的恒压控制、限流控制等,具有较大的灵活性。本文采用boost/buck有源并联控制器对混合储能的能量管理进行设计和研究,图1给出了独立光伏系统的组成拓扑。

系统由光伏电池、蓄电池、超级电容、最大功率跟踪(MPPT)控制器、并联控制器和直流负载组成,采用直流母线结构。本系统设定直流母线电压为100 V,光伏电池通过boost并联控制器与直流母线连接,boost并联控制器实现光伏的MPPT控制。超级电容经boost/buck并联控制器实现恒压控制,稳定直流母线电压,同时对光伏输出有一定的滤波作用。蓄电池通过boost/buck并联控制器与直流母线相连,负载功率波动时,蓄电池工作在恒压模式,保证直流母线电压稳定,当蓄电池充放电电流大于最大承受电流Ibmax时,工作模式转为限流模式,保护蓄电池安全工作

按照光伏功率Ppv与负载功率P0的大小关系,恒压模式分为boost恒压和buck恒压。当Ppv>P0时,并联控制器工作在buck恒压模式,控制蓄电池和超级电容吸收多余功率;当Ppv

蓄电池是独立光伏系统最重要的储能元件,它的工作模式切换是混合储能能量管理设计的关键。通过系统功率平衡实时状态分析,以及对蓄电池充放电流Ib的检测,独立光伏系统工作模式分为以下4种,见表1。

蓄电池电流Ib>0和Ib<0分别表示蓄电池处于放电状态和充电状态,Ibmax是蓄电池能承受的最大充放电流,也是蓄电池恒压模式向限流模式切换的临界值,本系统设定Ibmax=1.5A。超级电容需要尽量减少蓄电池的充放电小循环,并对光伏电池的输出进行滤波,因而工作在恒压模式下为了最大限度地利用太阳能,光伏电池工作在MPPT模式下。根据独立光伏系统的4种工作模式,可以画出相应的系统能流图,如图2所示。

工作模式Ⅰ:系统正常工作,为了最大限度地利用太阳能,光伏电池工作在MPPT模式。当光照较弱时,Ppv

工作模式Ⅱ:当光照逐渐增强,光伏输出功率逐渐增大,即Ppv>P0时,光伏能量不仅能满足负载需求还有剩余,此时蓄电池和超级电容通过并联控制器实现恒压buck控制,吸收光伏剩余能量,保证直流母线电压稳定,能量由直流母线流向蓄电池和超级电容,储能工作在充电状态。

工作模式Ⅲ:当光照进一步增强,光伏输出功率Ppv远大于负载功率P0,时,蓄电池的充电电流Ib超过最大电流Ibmax,此时蓄电池并联控制器转为限流buck控制,保护蓄电池不因过电流而损坏。由于超级电容的功率密度远比蓄电池大,可以承受大电流而不损坏,因而继续工作在恒压buck模式下。

工作模式IV:蓄电池和超级电容处于恒压boost状态,当光照突然减弱或是负荷突增时,为了稳定直流母线电压,蓄电池放电电流Ib过大,即Ib>Ibmax,此时并联控制器转为限流boost模式,保证蓄电池工作在正常的放电电流下。

2 控制方案及其实现

由以上独立光伏系统的4种工作模式可知,为了实现能量管理控制目标,保障系统稳定运行,最大限度利用太阳能,系统需设计3种控制方式:光伏MPPT控制、并联控制器恒压控制、并联控制器限流控制。

2.1 光伏MPPT控制

MPPI控制技术是太阳能发电应用领域的研究热点[11,12,13,14,15]。由于光伏电池输出受到光照强度和温度的影响比较大,因而其功率随着外界环境的变化而变化,为了最大限度地利用太阳能,需要实时找到光伏电池最大的出力点,即最大功率跟踪控制。最大功率跟踪控制方法有恒电压控制法、扰动观察法、电导增量法等,其中扰动观察法以其成熟的算法、简单的控制、实现容易的优点被广泛应用于光伏MPPT控制,因而本文选择扰动观察法来实现光伏电池的MPPT控制。

扰动观察法原理的核心是每隔一定的时间增加或者减少电压,并观测其后的功率变化方向,来决定下一步的控制信号,从而找到最大功率点对应的电压值。在一定光照和温度条件下,太阳能的输出功率与输出电压之间有对应的关系,如图3所示。

由图3可知,太阳能的输出功率在一定的外界条件下可以找到某一电压值,其对应的功率就是光伏电池最大的输出功率。当光伏电池的输出工作点在最大功率点的左侧,有dP/dV>0,而在最大功率点的右侧,有dP/dV<0。根据这个特点,扰动观察法的控制过程为:首先设一个光伏电池工作电压,然后通过调节boost变流器的占空比给光伏阵列输出电压周期性的扰动,例如使其增加,然后比较扰动前后光伏的输出功率,如果输出功率也因此增加,即dP/dV>0,说明光伏工作于最大功率点的左侧,则应在下一扰动周期继续保持当前的扰动方向,增大光伏电池输出端电压;反之,若输出功率减小,即dP/dV>0,则说明光伏工作于最大功率点的右侧,当前扰动方向将使工作点远离最大功率点,所以应改变扰动方向,使光伏电池输出端电压减小。经过反复的调整,最后使光伏电池的工作点逼近最大功率点。

2.2 并联控制器恒压与限流控制

图4是boost/buck有源并联控制器原理图,当T1管关断,T2管打开时,并联控制器相当于一个boost电路,蓄电池和超级电容向直流母线放电。当T2管关断,T1管打开时,并联控制器工作在buck电路状态,利用IGBT的反并联二极管,控制T1的占空比,实现buck斩波,能量由直流母线流向储能,给蓄电池和超级电容充电。

有源并联控制器的控制如图5所示,boost电路和buck路都采用双闭环控制,内环是电流环控制,外环是电压环控制。外环控制器实现恒压控制,稳定直流母线电压Uout,将Uout与给值Uref比较,经PI调节等过程,得到电流的给定值给内环控制器内环控制器实现限流控制,控制蓄电池的充放电电流IL不超过最大允许值。外环得到的电流给定值经过限流调节器后,如果电流值大于最大允许电流则输出最大允许值,否则输出不变,从而得到限流控制的Iref,然后经PI调节后得到IGBT开关所需的PWM控制信号,达到限流控制的目的。如果仅需恒压控制,只要把限流调节器移除就可以实现完全恒压控制

蓄电池由于自身特性放电电流不能过大,因而采用恒压和限流控制。而超级电容功率密度很大,可以承受较大电流而不损坏,同时考虑系统稳定需要仅采用恒压控制,在蓄电池处于限流控制时保证直流母线电压的稳定,保持系统能量平衡。

3 能量管理控制验证

为了验证本文提出的独立光伏系统能量管理控制策略的有效性和可行性,按照图2所示独立光伏系统的结构,设计了仿真模型,表2给出了系统的各部分仿真参数。

光伏系统开始工作在模式I工况下,负载功率较大,光伏电池能量不足,蓄电池和超级电容采用boost恒压控制,由图6可知,直流母线电压Ubus开始稳定在100V,在0.1 s时刻,负载功率突降,光伏电池能量剩余,蓄电池和超级电容转为buck恒压控制,吸收多余能量,此时系统工作在模式Ⅱ工况下。0.2 s负载功率突升,光伏能量再次不足,系统回到模式Ⅰ工况工作,直流母线电压一直稳定在1 00 V。可见,光伏系统可以在模式Ⅰ和模式Ⅱ工况下稳定工作,并可以实现自动切换,根据负载和光伏功率的实时波动自动选择合适的工作模式,保证直流母线稳定。

图7中光伏电池能量一直不足,蓄电池和超级电容一直工作在boost状态下。开始系统负载功率较小,蓄电池放电电流在允许的最大放电电流1.5 A范围以内,在0.1 s时,负载功率突增,蓄电池和超级电容放电电流随之升高,当蓄电池电流达到最大放电电流时,蓄电池转为限流控制,电流被限制在1.5A以内,保护蓄电池安全工作,此时,负载所需的功率主要由超级电容供给。0.2s负载功率恢复,蓄电池再次回到恒压控制状态,整个过程中直流母线电压不变,一直为100 V。

图8与图7所示系统工作状况相反,光伏发出功率较大,负载功率较小,蓄电池和超级电容工作于buck状态。蓄电池开始工作于buck恒压,光伏给蓄电池充电,0.1s时负载功率突降,蓄电池需要吸收更多的多余能量才能保证直流母线电压稳定,从而导致蓄电池充电电流超过最大允许电流1.5 A,蓄电池转为限流工作模式,多余的能量由超级电容吸收,直流母线电压依然稳定在100 V。0.2 s时刻负载功率恢复,蓄电池充电电流下降,回到恒压控制状态。

以上仿真试验表明,系统可以在各种模式下正常工作,且可以实现不同模式间的自动转换,在负荷大幅突变的状况下,也能保证直流母线电压的稳定和蓄电池的安全运行,实现了独立光伏系统能量的优化管理,验证了本文设计的系统能量管理策略的有效性和可行性。

4 结论

蓄电池储能论文 第8篇

光伏发电无污染、无噪音、运行成本低,是理想的可持续能源,发展前景好。据预测,到2050年太阳能在能源结构中的比例将达到13.5%,是未来化石能源的主要替代能源之一[1,2]。

经过多年的发展,光伏发电正逐渐从过去的小规模离网系统,向大规模并网发电方向发展。基于最大功率跟踪控制[3,4,5](Maximum Power Point Tracking,MPPT)和各种并网逆变控制[6,7,8]的光伏并网发电技术得到了广泛研究。但是,由于光照和温度变化无常,光伏发电站输出的功率并不稳定,导致电压波动[9]。当前,光伏发电站在电力系统中所占比例很小,功率波动对电网影响不大。可是随着兆瓦级光伏电站的建设,其规模将不断增大,当发电功率达到一定比例时,功率波动会给电网运行带来危害[10]。另外,当电网故障断开时,光伏阵列将停止发电,降低了系统效率。

本文研究基于蓄电池储能的光伏并网发电功率平抑控制,以解决上述问题。提出了控制方法,并通过仿真和实验验证了其可行性和有效性。

1 储能型光伏并网发电系统

为实现最大功率跟踪、并网逆变和功率平抑等功能,采用图1所示的系统结构。Boost变换器主要用于实现最大功率跟踪,同时把光伏阵列较低的电压升到较高的电压,供三相逆变桥使用;三相逆变桥用于实现并网逆变;由双向DC/DC变换器和蓄电池构成的储能系统用于实现并网功率平抑控制,以及电网故障时存储光伏阵列发出的能量。

2 光伏并网发电

2.1 最大功率跟踪

光伏电池具有很强的非线性特征[11],其I-V特性和P-V特性如图2所示。当光照和温度一定时,光伏电池输出电压随负载变化,而且在某一电压值时输出功率最大,此工作点即为最大功率点,而且最大功率点随光照和温度的变化而变化。因此,在光伏发电系统中,常采用最大功率跟踪控制,随着光照和温度变化实时调整光伏阵列的工作电压,使其尽可能工作在最大功率点。

本文采用扰动观察法[3]实现最大功率跟踪控制,流程图如图3。通过给光伏阵列工作点电压施加扰动ΔU,同时记录扰动后的输出功率,如果输出功率增加,则保持原方向继续扰动,否则反方向扰动,最终使光伏阵列工作在最大功率点附近。

2.2 并网逆变

光伏并网发电时,期望输出电流波形正弦度高、谐波小、功率因素为1,实现这一目标的关键是逆变器的控制方法。在逆变器中,电压源型逆变器最普遍。光伏发电系统和电网相当于两个电源并联,如果对电压源型逆变器采用输出电压控制,则容易导致环流;如果采用输出电流控制,则可以有效控制输出电流,在逆变器输出电流与电网电压同步时,实现功率因数为1,而且控制方法简单。图4给出了DC/AC控制的流程图,采用SVPWM和双环控制结构[8,12,13],外环控制直流母线电压,内环控制逆变器输出电流。

3 储能系统

储能系统主要由一个双向DC/DC变换器和蓄电池组成。双向DC/DC变换器并联在逆变器直流母线上,根据光伏阵列发出的功率和电网反馈回来的信息,控制蓄电池的能量流动。双向DC/DC变换器采用半桥结构,如图5所示,其中开关管G1和G2互补工作[14]。当光伏阵列发出功率大于给定的并网功率时,蓄电池充电,此时双向DC/DC变换器工作在Buck电路模式。当光伏阵列发出功率小于给定的并网功率时,蓄电池放电,此时双向DC/DC变换器工作在Boost电路模式。

光伏阵列输出的功率是波动的,而且变化率较大,大致可分为相对高频的波动功率和相对低频的波动功率两部分。蓄电池随着相对高频的功率波动充电或者放电,通过削峰、填谷实现并网功率的平抑、减小其变化率[15]。在电网故障时,将电网断开,把光伏阵列发出的功率都存储到蓄电池,这样光伏阵列仍能继续发电,提高了系统发电效率,同时起到稳定直流母线电压的作用,防止电压过高而损坏设备。

储能系统的控制流程图如图6所示。电网正常时,外环是功率控制环,光伏阵列发出的波动功率P经过低通滤波器滤波,滤除高频量,减小变化率,其输出值作为并网功率的给定值P*;将P*与逆变器并网的实际功率值Pg比较,误差e1经过PI调节器,以调整电池的工作电流参考值I*。当电网由于故障断开时,外环是直流母线电压控制环,将直流母线实际电压值U作为反馈信号,与给定电压值Uref比较,误差e2经过PI调节器,以调整电池的工作电流参考值I*。内环为电池工作电流控制环,使电池实际的工作电流值I跟踪外环给定的电流参考值I*。在外环PI调节器之后采用限幅环节,以限制电池工作电流。此外,系统设计有电池过充、过放保护控制,以确保电池安全运行。

4 仿真分析

为了验证本文所提出的储能型光伏并网发电系统功能,开展了仿真研究。在标准光照和标准温度下,光伏阵列开路电压320V,短路电流20.65A,最大功率点电压290.4V;电网相电压220V,频率50Hz;直流母线参考电压600V,储能电池是额定电压150V、额定容量150Ah铅酸蓄电池。

仿真时,光照情况如图7(a)中曲线S所示,在0.6 s时模拟受云朵的影响光照急剧下降,持续一段时间后恢复正常,在t=0.9 s的时候光照突然变强,持续一段时间后又恢复到正常值;温度如图7(a)中曲线T所示。图7(b)和7(c)分别是光伏阵列工作端电压和光伏阵列输出功率,可见MPPT控制使光伏阵列始终工作在最大功率点电压290 V附近,在不同光照和温度下,持续输出最大功率。图7(d)是逆变器输出的a相电流和电网a相电压,可以看出逆变器输出的电流波形正弦度好,几乎和电网电压同频同相,功率因数为1。

图8是储能系统的仿真结果,温度和光照情况同上,在t=1.5 s的时候电网因故障断开。图8(a)中,Ppv、Pg和Pb分别是光伏阵列输出的功率、并网功率和电池的工作功率。温度和光照的变化导致光伏阵列输出的功率波动较大,但在储能系统的作用下,并网功率变得平缓、变化率减小,实现了功率平抑控制。当电网故障断开时,光伏阵列仍能继续发电,提高了系统的发电效率。图8(b)为电池工作电流,正值表示放电,负值表示充电,随着光伏阵列发出功率的变化,电池能快速地改变工作电流,配合功率平抑控制对能量予以管理。图8(c)是直流母线电压,即使在电网故障切除时,直流母线电压也能控制在600V左右。

5 实验分析

通过实验,重点验证储能系统的功率平抑控制功能。实验平台由双级式光伏并网逆变器和双向DC/DC变换器构成,储能单元由4个铅酸蓄电池串联组成,单只额定电压12 V、额定容量100 Ah。光伏电池由电压可调的直流电源模拟,通过调节直流电源的输出电压,模拟光伏阵列运行点的变化及输出功率的波动。

实验结果见图9,其中,图9(a)展示了直流电源模拟的光伏阵列功率、并网逆变器输出功率和电池工作功率,分别用符号Ppv、Pg和Pb表示;图9(b)是蓄电池的工作电流,正值表示充电,负值表示放电;图9(c)是逆变器输出的电流。可见,逆变器输送到电网的功率得到了有效的平抑,变化率得到了控制,随着光伏阵列输出功率的波动,双向DC/DC变换器能快速地调整蓄电池能量的流动。

6 结论

提出的储能型光伏并网发电系统,有效解决了光伏功率波动的问题。系统不仅实现了最大功率跟踪和并网发电,而且通过功率平抑控制,有效地稳定了并网功率。当电网故障断开时,光伏阵列仍然可以发电,将能量存储于电池,提高了系统效率。仿真和实验结果验证了本文所提系统的可行性和优良性能。

摘要：针对光伏发电因光照强度与温度变化而导致的发电功率波动问题,提出一种储能型光伏并网发电系统,以抑制并网功率的波动。以光伏发电最大功率跟踪和并网逆变控制为基础,引入蓄电池储能系统,实现对发电功率削峰填谷、平抑的功能。光伏发电系统采用两级功率变换结构,以最小化逆变器容量,解耦最大功率控制与逆变并网控制。在逆变器直流母线上并接双向DC/DC变换器,对储能电池充放电予以管理。在功率平抑控制中,储能系统采用双环控制,内环控制储能电池电流,外环则分两种情况:1)电网正常时为功率外环;2)电网故障时为电压外环。系统不仅具有最大功率跟踪和并网发电功能,还具有并网功率平抑功能。当电网因故障而断开时,系统将光伏发电能量储入蓄电池,提高了发电效率,确保了直流母线电压稳定。对整个系统建立仿真模型和实验样机,仿真和实验结果验证了所提出的控制方法可行、有效。

光伏储能电池SOC估算研究 第9篇

关键词：建模,SOC,仿真

近年来随着国民生活水平的提高, 能源与环境问题得到越来越多的关注, 光伏发电以其显著的能源、环保和经济效益, 得到了大力发展支持。为了提高光伏发电系统供电质量, 配备储能电池是非常重要的一个措施[1]。针对适用于光伏发电系统储能的电池:磷酸铁锂电池, 其SOC的估算不仅对延长电池使用寿命具有指导意义, 而且还为储能变换器切换提供依据。锂电池SOC的估算研究, 首先要建立高精度的电池模型。本文采用二阶RC等效电路模型来模拟电池外特性, 并使用安时积分法与EKF相结合的SOC估算方法来估算电池SOC[2]。

1 电池等效电路模型分析

1.1 锂电池等效电路模型

常用电池建模方法有3种:实验建模、电化学建模、电池等效电路建模。等效电路模型利用电源、电阻、电容器件来模拟电池动态特性, 目前得到广泛应用[3]。提出的比较成熟的等效电路模型有Rint模型、RC模型、Thevenin模型和PNGV模型等[4]。等效电路模型能适用于各种电池, 且其状态空间方程可以通过等效电路推导出来, 便于使用不同的方法进行分析与实验。介于等效电路模型以上众多的优点, 本文拟采用二阶RC等效电路模型来模拟磷酸铁锂电池的动态特性。二阶RC模型的参数辨识简单, 状态空间方程容易建立, 与一阶RC等效电路模型相比[5], 能有效提高电池的动态响应特性, 较三阶及以上模型, 大大减轻了运算量。

等效电路模型电路图如下图1所示, UOC:电池开路电压;0R:电池欧姆电阻;1R、1C并联电路模拟电池电化学极化效应, 2R、C2并联电路模拟电池浓差极化效应。

1.2 二阶RC模型状态方程

根据基尔霍夫定律, 上述等效电路的状态方程为:

上述状态方程以电容电压值作为状态变量, 电池端电压作为输出变量。式中开路电压值UOC为关于SOC的函数, 其关系可将电池实验所得数据代入MATLAB中, 调用拟合函数得到:UOC=f (SOC) 。

1.3 模型参数辨识

模拟真实的电池特性前, 需要对电路模型参数进行辨识, 需要辨识的参数有:UOC、0R、1R、1C、2R、C2。常用电池参数辨识方法有:离线参数辨识、在线参数辨识。这里介绍离线参数辨识获得电路模型的参数。

电池在充放电时, 相应参数值并不相同。电池模型的参数辨识采用在恒温 (25℃) 条件下, 使用恒流脉冲充、放电的方法。以放电实验为例, 具体讲述相应实验步骤。方案采用1C放电倍率, 对电池进行循环放电, 每次放电360s停止放电, 静止1h, 电池SOC下降10%, 依次循环放电十次, 测量电池端电压与电池SOC, 由此可得出SOC与UOC的对应值。在MATLAB中建立相应查表程序, 即可根据SOC值得到相应状态下的UOC。

对电池进行单脉冲放电实验, 放电开始与放电结束时的电压突变是由电池内阻0R造成的, 由于并联网络电容的存在, 电容两端电压不能突变, 因此在放电开始和结束时电压会有一个缓慢变化过程。放电开始时, 电池静置足够长时间, RC网络可视为零状态响应, 放电结束时, 视为零输入响应。采用最小二乘法拟合脉冲放电结束后的电压响应曲线, 得到对应的时间常数τ1、τ2的值;拟合脉冲放电开始时电压的响应曲线, 结合之前得到τ1、τ2, 可获得对应电阻1R、2R的值, 再根据公式C=τ/R, 便可计算出相对应电容值。

2 电量估算

2.1 安时积分法

安时积分法是最常用的估算电池SOC的方法, 根据上一时刻电池的剩余电量, 对一个采样时间段内电池流入和流出的电流进行积分计算, 从而得到当前时刻电池SOC。它的估算方法可用公式 (2) 来表达。

SOC (t0) :SOC初始值, CN:电池额定容量, η:充放电效率, i:放电时电流取负, 充电时电流取正。实际应用中, 由于电流测量误差等因素, 长时间积累, SOC估算误差将越来越大。本文结合EKF算法, 不仅能改善SOC估算过程中累积误差的影响, 而且在初始值SOC (t0) 存在误差的情况下, 也能在短时间内收敛到SOC真实值。

2.2 EKF算法

由上文分析可知, 输出方程是非线性的, 因此要采用卡尔曼滤波 (KF) 算法适用于非线性系统的改进算法:EKF算法, 对电池SOC进行估算。该算法结合安时积分法, 通过测量电池端电压对状态变量进行实时修正。这种算法不依赖初始值, 也不需要很长的静置时间, 具有较高的准确性、收敛性和可行性。

等效电路模型的离散状态空间方程如下式:

电流I (k) 为输入, 端电压UL (k) 为输出。状态变量Xk有3个分量:SOC (k) 、U1 (k) 、U2 (k) , iω (k) 是过程噪声, νk是测量噪声。

对状态空间方程进行线性化处理, 将输出方程中的非线性函数展开成Taylor级数并略去二阶及以上项, 得到近似的线性化模型。令:

系统线性化后应用KF算法来完成具体的滤波估计等处理。KF算法的计算过程如下:

2) 预测k时刻状态变量值以及协方差矩阵:

3) 根据系统测量的实际输出值校正当前的状态预估值:

卡尔曼增益:

状态与协方差更新:

重复上述步骤 (2) 、 (3) 。KF算法不断“预测-校正”, 利用实时测量电压校正估算值, 减少了累积误差对系统的影响;由上一时刻的运算结果, 考虑噪声和误差, 在很大程度上抑制了噪声的影响。

3 仿真实验

通过MATLAB上的仿真实验验证电池模型与EKF算法的精度。在MATLAB中搭建电池等效电路模型, 采用MATLAB自带电池模拟真实锂电池, 等效电路模型与MATLAB自带电池输出电压如图2所示。采用EKF算法估算出的电池SOC与电池SOC真实值的对比结果如图3所示。

4 结论

文中以3.2V/5Ah磷酸铁锂电池作为研究对象, 采用二阶RC等效电路模型, 对模型参数进行离线辨识, 在安时积分法的基础上采用EKF算法对电池进行电量估算, 在MATLAB中进行仿真验证。根据仿真结果可知, 所搭建的二阶RC等效电路模型能很好的与MATLAB自带的电池模型匹配, 采用二阶RC等效电路模型结合EKF算法能很好的对锂电池SOC进行估算。

参考文献

[1]兰国军, 栗文义, 文博, 等.分布式储能在风/光/储系统中的应用研究[J].电气自动化, 2014 (5) :48-50.

[2]沈丹.电动汽车电池组单体电池管理系统研究[D].上海:同济大学, 2008.

[3]汪涵, 郑燕萍, 蒋元广等.实用型磷酸铁锂电池SOC高准度算法研究[J].电源技术, 2011 (10) :1198-1200, 1207.