国网江苏省电力公司苏州供电分公司 顾杨青 李荷婷 赵 灿 兴胜利 何 平
并网型光伏发电系统是指与电网直接相连，也就是输出端输出的电能直接进入电网而不与负荷直接相连。换句话说，太阳能电池发出的电流在逆变器后进行调整，输出符合电网要求的交流电流。这种形式更加复杂、投入成本也更高，其在运行过程中不仅要进行逆变还要并网。近年来相关技术也取得了长足进步，在结构上也出现了更多的类型，包括单级、两级、多级，其中前两种具有更高的应用价值。
1.1 储能系统在光伏发电系统中的作用
确保电力网络稳定。光伏出力的输出功率曲线和电力系统的负荷曲线是不完全匹配的，两者都是无法预测的。通过储能系统进行多能量时充电、少能量时放电来平抑波动，使其可运行在一个稳定的输出状态；
后备能源。光伏发电有着一定的随机性，会受到各种偶然因素的干扰，这时就需用到储能系统以起到备份的作用。如，晚上电池阵列无法正常运行，就可实现必要的补充，以确保整个系统的运行不受影响；
提升电能的质量。储能系统在其应用过程中，还可削弱电压尖峰、调峰填谷和减弱外部干扰对系统负载造成的网络波动的现象，提高电力系统运行可靠性。
1.2 粒子群算法的概念
粒子群算法又称为鸟群觅食算法。上个世纪九十年代，人们利用群体中个体共享的信息使整个群体的运动从无序到有序，在解决事物或问题的过程中进化，即通过观察动物群体活动获得最佳解决方案的过程[1]。该算法在应用过程中表现出了易实现、高精度等特点，特别是在很多问题的解决中凸显出较大优势，经过诸多学者的不断改进其性能更是变得更加优化，目前已在多个领域获得广泛应用。
1.3 粒子群算法基本原理
其原理并不复杂，每一个需要优化问题的过程都是搜索空间中最适合的鸟的过程，这里的鸟就是所说的“粒子”，且它们都有一个目标函数来获得其最优值，都有一个是矢量的速度来确定其“飞行”。设在一个D维搜索空间中一个群落由N个粒子构成，其中第i个粒子表示为一个D维的向量：Xi=(xi1，xi2，Λ，xiD)，i=1，2，Λ，N (3，1)，第i个 粒子的速度表示为：Vi=(vi1，vi2，Λ，viD)，i=1，2，Λ，N (3，2)，同时还要保存相应个体及整个群落找到的最优解。
第i个粒子利用以下公式更新自己的速度和位 置：Vid=W×Vid+c1r1(pid-xid)+c2r2(pgdxid)、Xid=xid+vid，式中：C1和C2是学习因子，也就是加速常数；
Pid是个体已知最优解，Pgd是种群已知最优解，w为惯性权重，r1和r2是[0，1]范围内的随机数。以上2式由三部分组成：第一部分表示的是质点运动习惯，也称为惯性；
第二部分是认知的部分，通过向历史上最好的位置的粒子学习，使下一个决定都是通过不断认知和学习；
第三部分是社会部分，也就是找到历史上的方法最好的位置，也就是说整个群体中的粒子相互参照、相互学习。
2.1 目标函数建立
为找出并网光伏电站最优储能容量的配置，下面将以年为单位进行分析，以锂离子电池作为储能电池的光伏储能系统为例，以经济性最优为目标函数进行分析，以光照充足时弃光充入储能系统储存和光伏出力较低时释放能量作为控制策略状态下进行研究，这种方式能极大限度的延长锂离子电池储能系统的寿命。本文以光伏企业经济效益最大化为目标确立函数关系，即锂离子电池储能系统年收入A与年支出B之差应为正值，且越高越好，即：F=max（A-B）。
2.2 锂离子电池光伏储能系统年收入A分析
锂离子电池光伏储能系统年收入费用，主要包括售电收入A1和政府补贴收入A2，还包括从环保角度考虑的减少碳排放的收入A3。
光伏售电收入A1=a1×E，式中：a1为上网电价、0.453kWh，E为全年发电电能、kWh；
政府补贴收入A2=a2×E，式中：a2为度电补贴价格、0.42kWh；
环保方面减少碳排放的收入A3=a3×E，式中：a3为排放成本系数、0.25kWh，即：总的光伏储能系统年收入A=A1+A2+A3=(a1+a2+a3)×E。其中年发电量为E=W×H×ηg×ηf+m×Sc×ηc，式中：W为光伏电站总装机容量kW，H为年有效利用小时数，ηg为光伏电站系统总效率，ηf为能装置的利用效率，Sc为储能系统容量，m为储能系统充放电次数。其中光伏电站总效率ηg由以下三部分组成。
光伏阵列效率η1：光伏阵列在1kW每平方米的太阳辐射下，实际的直流输出功率与标称功率之比。在其运行过程中会受到各种因素的干扰，进而出现一定的能量损失，如组件不适配、表面蒙尘、温度干扰等，取效率85%计算；
逆变器转换效率η2：逆变器输出的交流电功率与直流输入功率之比，取逆变器效率95%计算；
交流并网效率η3：从逆变器输出至高压电网的传输效率，其中主要是升压变压器的效率，取变压器效率95%计算。由上述分析可得ηg=η1×η2×η3=85%×95%×95%=77%，锂离子电池光伏储能系统年收入化简得：A=1.123 ×(W×H×ηg×ηf+750×Sc×ηc)。
2.3 锂离子电池光伏储能系统年支出B分析
锂离子电池光伏储能系统年支出费用主要分为两大模块，一部分是光伏系统成本B1，包括光伏组件装机费用和光伏组件运维费两部分；
另一部分是储能系统成本B2，分为初始投资费和运维费两部分。光伏系统成本B1=（b1/T）×W+b11×W，式中：b1为装机成本、一般取900元/kW，b11为光伏组件持续运行费、30元/kW，T为寿命周期、取20年；
储能系统成本B2=（b2/T）×Sc+b22×b2×m×Sc×ηc，式中：b2为储能系统单价、1000元/kWh，b22为诸能的单位容量年运行维护成本系数、锂离子电池取0.5%，即：总的光伏储能系统年度支出B=B1+B2=75×W+50×Sc+0.5%×50×（750×Sc×ηc）。
2.4 综合收益
总的目标函数为锂离子电池储能系统年收入A与储能系统年支出费用B之差，即：F=max(AB)=max{1.123×)W×H×77%×ηf+m×Sc×ηc)-[75×W+50×Sc+0.5%×50×(m×Sc×ηc)]}，由此方程可看出，总的经济性受总发电量E的影响，因此用公式E作为目标函数进行分析，即可求得经济性最好状态下最优的储能系统容量配置，采用粒子群算法对储能系统的容量进行优化配置。以此方程作为目标函数，为确保系统的安全稳定运行，将约束条件分为两大类，即功率平衡约束和蓄电池约束。
节点功率平衡约束如下：Ppv+Pe=Plond+Pgird，式中：Ppv为光伏输出的功率；
Pe为储能电池的充放电功率，当充电时为正值；
Plond为负荷的消牦切平；
Pgrid为光储系统与电网的交互功率，当光伏向电网输送功率时为正。蓄电池约束如下：
式中：PC为储能充放电功率；
εc、εde是二进制数，1为充放电、0为不充放电；
ηc为充放电的效率；
Ee为额定容量；
Ssoc为荷电状态；
DOD为放电深度。
2.5 粒子群算法求解流程
基本步骤如下：对群体中的粒子进行初始化；
令学习因子C1和C2均为2，维度D为2，每个维度粒子数N为50，并设置相应参数的范围；
进行适应度评价，将当前每个粒子的适应度和位置都存储并记录，然后将其中适应度值最佳的个体位置和适应度值存储并记录；
根据上述公式对粒子的速度和位置进行矢量更新；
重新计算每个粒子当前的适应度函数值，判断是否要更新；
如果达到迭代次数或者要求条件满足，则搜索停止，输出近似最优解，否则返回搜索第三步继续运行。
综上，近年来，国家为了支持光伏行业发展提出多方面国家政策，其目的就是通过国家出资帮助减小光伏企业的投资成本，从而促进光伏行业越来越广泛的发展。光伏的储能系统可实现光照充足时多余电量充电储存，光照不足电网需要电能时候将储存的电量释放出来，大大的减小光伏出力的波动性对电网安全稳定运行影响，而如何选取最优的储能系统容量是储能系统的一大问题。本文以光伏企业经济效益最好建立目标函数，计算出了储能系统的最优设置。
猜你喜欢 充放电锂离子储能 全陶瓷电极可用于锂离子电池汽车工程师(2021年12期)2022-01-18快速充电降低锂离子电池性能存在其他原因汽车工程师(2021年12期)2022-01-18V2G模式下电动汽车充放电效率的研究新能源汽车供能技术(2021年1期)2021-10-14相变储能材料的应用煤气与热力(2021年6期)2021-07-28相变储能材料研究进展煤气与热力(2021年4期)2021-06-09高能锂离子电池的“前世”与“今生”科学(2020年1期)2020-08-24基于SG3525的电池充放电管理的双向DC-DC转换器设计电子制作(2019年23期)2019-02-23储能技术在电力系统中的应用通信电源技术(2018年3期)2018-06-26储能真要起飞了?能源(2017年12期)2018-01-31汽车用蓄电池充放电特性仿真与试验研究汽车实用技术(2015年8期)2015-12-26