CN111200295B - 计算海上风光互补发电系统中储能系统规模的方法 - Google Patents

计算海上风光互补发电系统中储能系统规模的方法 Download PDF

Info

Publication number
CN111200295B
CN111200295B CN202010084001.4A CN202010084001A CN111200295B CN 111200295 B CN111200295 B CN 111200295B CN 202010084001 A CN202010084001 A CN 202010084001A CN 111200295 B CN111200295 B CN 111200295B
Authority
CN
China
Prior art keywords
power
hour
energy storage
storage system
fan
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010084001.4A
Other languages
English (en)
Other versions
CN111200295A (zh
Inventor
黎季康
李孙伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen International Graduate School of Tsinghua University
Original Assignee
Shenzhen International Graduate School of Tsinghua University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen International Graduate School of Tsinghua University filed Critical Shenzhen International Graduate School of Tsinghua University
Priority to CN202010084001.4A priority Critical patent/CN111200295B/zh
Publication of CN111200295A publication Critical patent/CN111200295A/zh
Application granted granted Critical
Publication of CN111200295B publication Critical patent/CN111200295B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Wind Motors (AREA)
  • Photovoltaic Devices (AREA)

Abstract

本发明公开了一种计算海上风光互补发电系统中储能系统规模的方法，包括如下步骤：S1、分别获取目标海域的风能资源数据和太阳能资源数据；其中，风能资源数据包括风速概率密度函数的参数，太阳能资源数据包括太阳辐照度的小时清晰度指数概率密度函数的参数；S2、在给定风机和光伏模组的装机功率以及负载功率的情况下，根据所述风速概率密度函数和所述小时清晰度指数概率密度函数计算连续n天缺电条件下的期望缺电量；S3、根据所述期望缺电量确定所述储能系统的规模。

Description

计算海上风光互补发电系统中储能系统规模的方法
技术领域
本发明涉及风光互补发电技术领域，尤其涉及一种计算海上风光互补发电系统中储能系统规模的方法。
背景技术
风能和光能，作为一种清洁可再生而又能方便获取的能源，是目前最具有开发前景的两种可再生能源。相比于陆地，海上风能资源更加丰富，对环境的影响和噪声污染也更小。对于偏远的海岛、无人值守的远程通信基站、填海造陆的机场等，直接连接电网成本过高，选择就近的海域建立海上风力发电场成为一个很好的选择，因而近些年来海上风电产业发展迅速。为了弥补海上风力发电的发电稳定性差的缺陷，同时大幅度降低成本，将光伏发电和储能系统引入风力发电厂，建成风光互补发电系统，正在成为另外一个热门的研究方向。
对于海上风光互补发电系统可靠性的评估，一个重要的影响因素就是储能系统的规模选择，同时储能系统的规模也对整个项目的成本有重大影响。通过建立风光互补发电系统的可靠性模型，根据选择的储能系统的具体形式，可以得到储能系统的规模和成本。因此如何根据风电和光电的装机量，当地风能资源和光伏资源的特性，以及负载情况，选择合适的储能系统规模，实现整个风光互补发电系统可靠性和经济性的平衡，成为建设海上风光互补发电系统首要考虑的因素。
对风光互补发电系统可靠性的研究，一般可以分为两种方法，即解析法和仿真模拟法。解析法使用数学模型的直接解法求得可靠性指标；仿真模拟法通过模拟系统实际运行过程来评估可靠性，可以统称为蒙特卡洛方法。
仿真模拟法又细分为三种方法，即直接时间序列法、能量平衡法和基于概率的方法。
直接时间序列法使用小时时间序列的风光数据来模拟系统运行过程并计算可靠性，例如使用某一年的小时平均风速和小时总太阳辐照度的时间序列。直接时间序列法直观简洁，模拟结果接近实际情况，是目前最主流的计算方法，几乎所有的研究都是使用该类方法。例如，Tao Ma等人使用气象的时序数据和负载的时序数据，通过HOMER软件模拟了风光互补发电系统的表现，并分析了各个能源参数对于可靠性的敏感程度。Khan等人同样使用时序数据，研究加入氢能储能系统的风光互补发电系统在加拿大纽芬兰岛的表现。但是该方法需要大量的时序数据，而这些数据往往在设计阶段无法得到，特别是海上观测数据相比于陆上观测数据更为匮乏，长期、完整的时序数据很难得到。海上完整的风光时序数据往往只能通过数值模拟、卫星反演或者再分析数据获得，这类数据的模拟效果跟实际的风光情况差距较大。另外，选取的数据年份不同可能导致计算结果具有相当大的差异。Yang等人提出使用气象学上的典型气象年的概念，使用香港地区的典型气象年数据，研究通过风光互补系统为广东汕尾的一个远程通信站点供电。但是对于典型气象年的研究反而需要规模更大更加详细的数据。这些都制约着风光互补发电系统可靠性的研究。
能量平衡法完全使用每日或每月的能量(风能，光能和负载)平均值来研究系统的可靠性，过于粗糙，忽视了能量来源和负载的变化。
基于概率的方法把所有参与能量转换过程的变量视作随机变量，然后根据相应的分布函数计算可靠性。基于概率的方法所需求的数据量少，既可以通过完整的时序数据拟合得到，也可以通过少量数据预测得到。例如，丁明等人利用每月风速数据拟合得到了威布尔分布的参数，再通过灰色模型预测未来对应月份分布参数，结果表明使用较少的历史数据就能获得较高的预测精度。对于太阳辐照度清晰度指数，按照Hollands和Huget提出的模型，其分布只取决于清晰度指数的平均值和最大值，因此可以通过少量数据的平均值和最大值来估计其分布。目前，应用基于概率的方法研究风光互补发电系统可靠性的文献较少。一般使用基于概率的方法研究风光互补发电系数，均将风能和光能视为独立的随机变量，因而可以通过卷积的方法得到总能量输出的分布。例如，Tina等人即通过使用基于卷积的概率方法评估了风光互补发电系统的长期性能，并提出了使用能量缺失期望(energyexpected not supplied，EENS)来度量系统的可靠性。但这类研究仍然认为随机变量与时间段有关，例如将一年分成十二个月，每个月中每天的不同小时序号的风速分布不同，则一个月有24个随机变量，一年一共有288个随机变量，因而求得所有随机变量分布参数所要求的数据量反而更大。这同样限制了海上风光互补发电系统可靠性的研究。
以上背景技术内容的公开仅用于辅助理解本发明的发明构思及技术方案，其并不必然属于本专利申请的现有技术，在没有明确的证据表明上述内容在本专利申请的申请日前已经公开的情况下，上述背景技术不应当用于评价本申请的新颖性和创造性。
发明内容
为解决目前对风光互补发电系统可靠性的研究方案所存在的风光数据需求量大、精度不高而导致可靠性研究受限的问题，本发明提出了一种基于概率密度分布的计算海上风光互补发电系统中储能系统规模的方法。技术方案如下：
一种计算海上风光互补发电系统中储能系统规模的方法，包括如下步骤：S1、分别获取目标海域的风能资源数据和太阳能资源数据；其中，风能资源数据包括风速概率密度函数的参数，太阳能资源数据包括太阳辐照度的小时清晰度指数概率密度函数的参数；S2、在给定风机和光伏模组的装机功率以及负载功率的情况下，根据所述风速概率密度函数和所述小时清晰度指数概率密度函数计算连续n天缺电条件下的期望缺电量；S3、根据所述期望缺电量确定所述储能系统的规模。
本发明的有益效果为：用概率密度函数描述的风速和太阳辐照度资源，并根据给定的风机装机功率、光伏模组装机功率和负载功率，实现在缺乏完整、连续的风速和太阳辐照度时序数据的情况下，较为准确地计算海上风光互补发电系统中需要的储能系统的规模，为建立海上风光互补发电系统的宏观选址、成本优化、可行性研究提供数据支持。
具体实施方式
下面结合具体的实施方式对本发明作进一步说明。
本发明将储能系统视为风光互补发电系统中的缓冲装置，用于调节发电输出功率与负载功率的匹配。当发电的总输出功率大于负载所需的功率时，超过的功率通过控制系统输入到储能系统，即给储能系统充电。若此时储能系统是满电状态，则通过卸荷系统卸荷或者控制发电系统减少输出，即弃电过程。当发电总输出功率小于负载所需的功率时，称为缺电(以下均以缺电代指这种情况)，不足的功率通过控制储能系统向负载提供输出功率，以使系统用电平衡。若此时储能系统是无电状态，则整个系统处于停机状态。由于储能系统只是起缓冲作用，不会生产任何电能，因此系统应保证风机年发电量与光伏模组年发电量不小于一年内负载需求的电量。为保证系统供电可靠性，储能系统规模应能满足连续n天(优选是3天)缺电条件下向负载供电的要求，因而需计算连续三天缺电条件下，系统缺电量的期望值。本发明的具体实施方式提出了基于概率密度分布的计算海上风光互补发电系统中储能系统规模的方法，该方法包括如下步骤S1至S3：
步骤S1、分别获取目标海域的风能资源数据和太阳能资源数据；其中，风能资源数据包括风速概率密度函数的参数，太阳能资源数据包括太阳辐照度的小时清晰度指数概率密度函数的参数。
风速概率密度函数可以采用威布尔分布、瑞丽分布或者其它符合实际情况的风速分布模型。本发明的具体实施方式采用双参数威布尔分布来度量目标海域一年中的小时平均风速，因此所述风速概率密度函数的模型即为双参数威布尔分布模型，如下：
Figure GDA0002931951170000041
式(1)中，v代表目标海域风速，α和β即为双参数威布尔分布的两个参数：分别是尺度参数和形状参数，e为自然常数。
获取的风能资源数据来自于ECMWF中ERA5的历史再分析资料，可以理解的是，采用其他全球大尺度模型或再分析资料的结果同样属于本发明的保护范围。
描述太阳辐照度的模型可以采用小时清晰度指数模型、双峰贝塔拟合模型或者其它符合实际情况的分布模型。本发明的具体实施方式中采用太阳辐照度的小时清晰度指数分布模型，小时清晰度指数
Figure GDA0002931951170000042
G为水平地面总辐射即太阳辐照度，G0为地外辐射。对于一年中的任意小时，小时清晰度指数服从如下分布模型：
Figure GDA0002931951170000043
即，所述小时清晰度指数概率密度函数的模型为公式(2)，ku为小时清晰度指数的上界，即一年中的最大值；C和λ即为小时清晰度指数分布模型的两个分布参数，可按下式(3)计算：
Figure GDA0002931951170000051
公式(3)中，
Figure GDA0002931951170000052
Figure GDA0002931951170000053
为小时清晰度指数的平均值。
步骤S2、在给定风机和光伏模组的装机功率以及负载功率的情况下，根据所述风速概率密度函数和所述小时清晰度指数概率密度函数，计算在发电系统缺电的情况下，储能系统向负载供电的小时输出功率
Figure GDA0002931951170000054
再对
Figure GDA0002931951170000055
求期望得出对应小时序号t的期望缺电功率，最后对n天内的所有小时的期望缺电功率求和，得到连续n天缺电条件下的期望缺电量。n通常为整数，并且通常n≥3，n＝3较优。
在发电系统缺电的情况下，储能系统向负载供电的小时输出功率为
Figure GDA0002931951170000056
公式(4)中，
Figure GDA0002931951170000057
为储能系统在一天中第t小时向负载供电的输出功率，L为给定的负载功率，为一恒定值(该值应保证整个发电系统总发电量大于负载的总用电量，比如根据规划打算建成的系统能够稳定地向5kW的负载供电，则此恒定值可以为5kW，或者大于5kW)，根据实际条件来给定；
Figure GDA0002931951170000058
分别为风机和光伏模组在一天中第t小时的输出功率，t为一天中的小时序号，即公式(4)中t＝1,2,…,24，t＝1即为一天中的第1个小时，以此类推。
计算
Figure GDA0002931951170000059
时应当将一天分为两种情况，因为一天中第1至6小时和第18至24小时，是没有阳光或太阳辐照度可以忽略不计的。具体计算过程如下：
1)对于每天的第1至6小时和第18至24小时(共13个小时)，忽略太阳辐照度，发电系统仅有风机工作并向负载供电，而每个小时的风机输出功率
Figure GDA00029319511700000510
为独立同分布的随机变量，因而与小时序号t无关，即
Figure GDA00029319511700000511
可表示为Pw，因此每天的第1至6小时和第18至24小时，所述储能系统向负载供电的小时输出功率可表示为Pb：
Pb＝L-Pw (5)
2)对于每天的第7至17小时(共11个小时)，风机和光伏模组同时工作并向负载供电，每个小时的风机输出功率
Figure GDA0002931951170000061
仍为独立同分布的随机变量，而光伏模组输出功率
Figure GDA0002931951170000062
与小时序号t有关，因此每天的第7至17小时，所述储能系统向负载供电的小时输出功率为
Figure GDA0002931951170000063
接下来就需要求解Pw和式(6)中的
Figure GDA0002931951170000064
Pw随风速变化，有：
Figure GDA0002931951170000065
其中，vi、vr、vo分别为风机的切入风速、额定风速和切出风速；Pr为风机额定功率，即给定的风机装机功率。也就是说，每个小时风机的输出功率根据该小时的风速由式(7)计算得出，与处于一天中第几个小时是无关的。
光伏模组随太阳辐照度的输出功率为：
Figure GDA0002931951170000066
公式(8)中，ΔT＝T-TSTC，
Figure GDA0002931951170000067
Pm为标准测试条件下的最大功率点功率，即光伏模组的装机功率；G(t)为第t小时的太阳辐照度，GSTC为标准测试条件下的太阳辐照度，GSTC＝1000W/m2，T为光伏模组电池温度，本发明中不考虑温度变化的影响，因此可将电池温度恒定在名义电池工作温度T＝45℃，TSTC为标准测试条件下的电池温度，TSTC＝25℃，系数a、b、c的典型值为：
Figure GDA0002931951170000068
在通过上述过程求解得到一天中的每个小时的Pw和
Figure GDA0002931951170000069
后，即可计算对应小时序号的期望缺电功率。
①对于每天的第1至6小时和第18至24小时，储能系统向负载供电的小时输出功率Pb的期望为：
Figure GDA0002931951170000071
公式(9)中E(Pb)即为每天的第1至6小时和第18至24小时中每小时的期望缺电功率；E(Pw)为风机输出功率Pw的期望；P0为小时缺电概率，即风机和光伏模组小时输出功率之和小于该小时负载所需功率的概率；
Figure GDA0002931951170000072
即为风机输出功率在缺电条件下的条件期望。
在①中，风机装机功率与负载功率的大小关系决定了期望的积分区域，因此E(Pb)的计算分两种，即
Figure GDA0002931951170000073
其中，Pw(v)为风机在风速v时的输出功率；fv(v)即为所述风速概率密度函数，本发明中即为式(1)的双参数威布尔分布；vu为使风机输出功率等于负载功率的风速。
②对于每天的第7至17小时，风机和光伏模组同时工作并向负载供电，对储能系统的输出功率求期望：
Figure GDA0002931951170000074
公式(11)中，
Figure GDA0002931951170000075
即为第t小时的期望缺电功率，
Figure GDA0002931951170000076
为风机输出功率和光伏模组输出功率之和的期望值，即总发电功率的期望值；
Figure GDA0002931951170000077
为第t小时的缺电概率，即第t小时总发电功率小于负载第t小时所需功率的概率；
Figure GDA0002931951170000081
即为总发电功率在缺电条件下的条件期望。
风速和小时清晰度指数为相互独立的随机变量，因此两者的联合概率密度函数即为风速概率密度函数与小时清晰度指数概率密度函数的乘积，即
fv,k(v,k)＝fv(v)fk(k) (12)
根据小时清晰度指数的定义，小时清晰度指数有最大值ku，因而第t小时的光伏模组发电功率也有最大值为
Figure GDA0002931951170000082
其中，
Figure GDA0002931951170000083
为光伏模组在太阳辐照度为G(t)时的最大功率点输出功率，
Figure GDA0002931951170000084
为太阳辐照度为G(t)时的地外辐射。
在②中，风机装机功率、光伏模组发电功率的最大值与负载功率的大小关系决定了期望的积分区域，根据三者大小关系的不同，一共有五种情况：
情况1、
Figure GDA0002931951170000085
Figure GDA0002931951170000086
此时的
Figure GDA0002931951170000087
情况2、
Figure GDA0002931951170000088
Figure GDA0002931951170000089
此时，
Figure GDA00029319511700000810
公式(15)和(16)中，vs为满足
Figure GDA0002931951170000091
的风速，作为积分上限；k(v)为满足
Figure GDA0002931951170000092
的k关于v的解，作为二重积分中的上限；kw为满足
Figure GDA0002931951170000093
的小时清晰度指数，作为积分上限；
情况3、
Figure GDA0002931951170000094
Figure GDA0002931951170000095
此时，
Figure GDA0002931951170000096
情况4、
Figure GDA0002931951170000097
Figure GDA0002931951170000098
此时，
Figure GDA0002931951170000099
其中，km为满足
Figure GDA00029319511700000910
的小时清晰度指数，作为积分上限；
情况5、
Figure GDA00029319511700000911
Figure GDA00029319511700000912
此时，
Figure GDA0002931951170000101
根据式(10)可以得到E(Pb)，将
Figure GDA0002931951170000102
和
Figure GDA0002931951170000103
代入式(11)可以得到
Figure GDA0002931951170000104
从而可以通过下式(23)，对连续n天内的所有小时的期望缺电功率求和：
Figure GDA0002931951170000105
其中，Δt为间隔时间，取1小时；Estorage即为连续n天缺电条件下的期望缺电量；n为整数且n≥3。
步骤S3、根据所述期望缺电量确定所述储能系统的规模。本发明的储能系统可以为蓄电池、燃料电池或氢能储能系统。假设采用蓄电池模组进行储能，则步骤S3中可以根据蓄电池模组的充放电效率η、最大放电深度DOD和单个蓄电池容量EBat，将步骤S2最终求得的连续n天缺电条件下的期望缺电量换算为蓄电池数量NBat，即得出所述储能系统的规模，换算公式如下：
Figure GDA0002931951170000106
下面通过在一具体实施例中给出具体的风光能源数据，来印证本发明的有效性。在本发明的一具体实施例中，所提取的风能资源数据来源于欧洲中期天气预报中心提供的ERA5的原始数据，数据地点位于我国三沙市三沙岛西南方向的某处海域，经纬度坐标为(112.5°E,16.75°N)。数据包括2018年全年逐小时的近地10米高度处纬向风速(10mv-component ofwind)和近地10米高度处经向风速(10mu-component ofwind)，并通过矢量合成求出风速大小，不考虑风向。由于海上风机建筑高度多为100米高度，故应使用风切变律将其外推到100米高度。使用MATLAB程序的最小二乘非线性拟合风速的双参数威布尔分布的累计概率密度函数(CDF)，得到了描述风能资源的两个参数，即α＝9.2657，β＝2.3201。
太阳辐照度数据同样来自于ECMWF中ERA5的历史再分析资料，包括2018年全年逐小时水平地面总辐射(Surface solar radiation downwards)。对于一年中的任一小时，地外辐射G0可由下式(25)计算：
Figure GDA0002931951170000111
其中，
Figure GDA0002931951170000112
ω＝15(Q-12)，Gsc为太阳常数，1367W/m2；m表示一年中的某一天的序号；φ为纬度，由观测点的纬度决定；δ为赤纬角；ω1和ω2分别为该小时开始时刻的时间角和结束时刻的时间角，ω为任意时刻的时间角，Q为小时数(如上午十点为10，下午两点为14)。采用上述太阳辐照度数据，利用公式(3)可以求得小时清晰度指数分布模型的两个分布参数λ＝7.7022，C＝0.1139。
步骤S2中，在目标海域附近的小岛上建立一个远程通信基站，负载功率即为固定的2.5kW。使用的风机规格如后述表1所示，光伏模组规格如后述表2所示。风机一座，装机功率为10kW；光伏模组60个，总装机功率为19.8kW。使用MATLAB软件编程按照前述相应的方法计算出来的一天中每个小时序号对应的期望缺电功率如后述表3所示。则得到的三天的总期望缺电量为Estorage＝92.42kWh。
表1
额定功率(kW) 切入风速(m/s) 额定风速(m/s) 切出风速(m/s)
10 3 12 25
表2晶科JKM330PP-72光伏模组规格
Figure GDA0002931951170000113
Figure GDA0002931951170000121
表3
Figure GDA0002931951170000122
在该具体实施例中，通过计算连续3天缺电条件下的期望缺电量确定储能系统规模。蓄电池模组规格如表4所示，计算得到的储能系统的规模为NBat＝102。
表4蓄电池规格
额定容量(Ah) 电压(V) 最大放电深度(％) 充放电效率
100 12 80 0.95
基于本发明提供的方法，计算得到的海上风光互补发电系统中储能系统规模，中国海上新能源开发项目的决策者可以根据本发明提供的方法，进行海上风光互补发电系统的可行性分析、成本优化、宏观选址等，进而对海上新能源开发项目的可靠性和经济性进行评估。在海上等气象数据不完整或者难以获取的观测数据地方，工程人员也可以用较少的数据来评估该地开发风光互补发电系统的可行性。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干等同替代或明显变型，而且性能或用途相同，都应当视为属于本发明的保护范围。

Claims (7)

1.一种计算海上风光互补发电系统中储能系统规模的方法，其特征在于，包括如下步骤：
S1、分别获取目标海域的风能资源数据和太阳能资源数据；其中，风能资源数据包括风速概率密度函数的参数，太阳能资源数据包括太阳辐照度的小时清晰度指数概率密度函数的参数；
S2、在给定风机和光伏模组的装机功率以及负载功率的情况下，根据所述风速概率密度函数和所述小时清晰度指数概率密度函数计算连续n天缺电条件下的期望缺电量；
S3、根据所述期望缺电量确定所述储能系统的规模；
步骤S2具体包括：在发电系统缺电的情况下，所述储能系统向负载供电的小时输出功率为
Figure FDA0003036213530000011
公式(4)中，
Figure FDA0003036213530000012
为储能系统在一天中第t小时向负载供电的输出功率，L为给定的负载功率，为恒定值；
Figure FDA0003036213530000013
分别为风机和光伏模组在一天中第t小时的输出功率，t为一天中的小时序号；
根据风速概率密度函数和小时清晰度指数概率密度函数对输出功率
Figure FDA0003036213530000014
求期望得出对应小时序号的期望缺电功率；对所述n天内的所有小时的期望缺电功率求和得到所述期望缺电量；
对所述连续n天内的所有小时的期望缺电功率求和的公式为：
Figure FDA0003036213530000015
其中，Δt为间隔时间，取1小时；Estorage即为连续n天缺电条件下的期望缺电量；n为整数且n≥3；E(Pb)为每天的第1至6小时和第18至24小时中每小时的期望缺电功率；
Figure FDA0003036213530000016
为第t小时的期望缺电功率。
2.如权利要求1所述的计算海上风光互补发电系统中储能系统规模的方法，其特征在于：步骤S1中采用双参数威布尔分布度量目标海域一年中的小时平均风速，即，所述风速概率密度函数采用双参数威布尔分布，函数模型如下：
Figure FDA0003036213530000021
公式(1)中，v代表目标海域风速，α和β分别为威布尔分布的尺度参数和形状参数，e为自然常数。
3.如权利要求2所述的计算海上风光互补发电系统中储能系统规模的方法，其特征在于：步骤S1中采用小时清晰度指数来描述太阳辐照度，小时清晰度指数为：
Figure FDA0003036213530000022
公式(2)中，k为小时清晰度指数，G为水平地面总辐射即太阳辐照度，G0为地外辐射；
对于一年中的任意小时，小时清晰度指数服从如下分布模型：
Figure FDA0003036213530000023
即，所述小时清晰度指数概率密度函数的模型为公式(3)，ku为小时清晰度指数的上界，即一年中的最大值；C和λ即为小时清晰度指数分布模型的两个分布参数；e为自然常数。
4.如权利要求3所述的计算海上风光互补发电系统中储能系统规模的方法，其特征在于，步骤S2中
Figure FDA0003036213530000024
的具体计算过程如下：
1)对于每天的第1至6小时和第18至24小时，忽略太阳辐照度，所述发电系统仅有风机工作并向负载供电，而每个小时的风机输出功率
Figure FDA0003036213530000025
为独立同分布的随机变量，因而与小时序号t无关，即
Figure FDA0003036213530000026
表示为Pw，因此每天的第1至6小时和第18至24小时，所述储能系统向负载供电的小时输出功率表示为Pb，且有
Pb＝L-Pw (5)
2)对于每天的第7至17小时，风机和光伏模组同时工作并向负载供电，每个小时的风机输出功率
Figure FDA0003036213530000027
仍为独立同分布的随机变量，而光伏模组输出功率
Figure FDA0003036213530000031
与小时序号t有关，因此每天的第7至17小时，所述储能系统向负载供电的小时输出功率为
Figure FDA0003036213530000032
3)Pw随风速变化，有
Figure FDA0003036213530000033
vi、vr、vo分别为风机的切入风速、额定风速和切出风速；Pr为风机额定功率，即给定的风机装机功率；
4)光伏模组随太阳辐照度的输出功率为
Figure FDA0003036213530000034
公式(8)中，ΔT＝T-TSTC，
Figure FDA0003036213530000035
Pm为标准测试条件下的最大功率点功率，即光伏模组的装机功率；G(t)为第t小时的太阳辐照度，GSTC为标准测试条件下的太阳辐照度，GSTC＝1000W/m2，T为光伏模组电池温度，TSTC为标准测试条件下的电池温度，系数a、b、c的典型值为：
Figure FDA0003036213530000036
5.如权利要求4所述的计算海上风光互补发电系统中储能系统规模的方法，其特征在于，步骤S2中求对应小时序号的期望缺电功率包括：
①对于每天的第1至6小时和第18至24小时，储能系统向负载供电的小时输出功率Pb的期望为：
Figure FDA0003036213530000037
公式(9)中E(Pw)为风机输出功率Pw的期望；P0为小时缺电概率，即风机和光伏模组小时输出功率之和小于该小时负载所需功率的概率；
Figure FDA0003036213530000041
即为风机输出功率在缺电条件下的条件期望；
风机装机功率与负载功率的大小关系决定了期望的积分区域，因此E(Pb)的计算分两种，即
Figure FDA0003036213530000042
其中，Pw(v)为风机在风速v时的输出功率，fv(v)即为所述风速概率密度函数，为双参数威布尔分布，vu为使风机输出功率等于负载功率的风速；
②对于每天的第7至17小时，风机和光伏模组同时工作并向负载供电，对储能系统的输出功率求期望：
Figure FDA0003036213530000043
公式(11)中，
Figure FDA0003036213530000044
为风机输出功率和光伏模组输出功率之和的期望值，即总发电功率的期望值；
Figure FDA0003036213530000045
为第t小时的缺电概率，即第t小时总发电功率小于负载第t小时所需功率的概率；
Figure FDA0003036213530000046
即为总发电功率在缺电条件下的条件期望；
风速和小时清晰度指数为相互独立的随机变量，因此两者的联合概率密度函数即为风速概率密度函数与小时清晰度指数概率密度函数的乘积，即
fv,k(v,k)＝fv(v)fk(k) (12)
根据小时清晰度指数的定义，小时清晰度指数有最大值ku，因而第t小时的光伏模组发电功率也有最大值为
Figure FDA0003036213530000051
其中，
Figure FDA0003036213530000052
为光伏模组在太阳辐照度为G(t)时的最大功率点输出功率，
Figure FDA0003036213530000053
为太阳辐照度为G(t)时的地外辐射；
风机装机功率、光伏模组发电功率的最大值与负载功率的大小关系决定了期望的积分区域，根据三者大小关系的不同，一共有五种情况：
情况1、
Figure FDA0003036213530000054
Figure FDA0003036213530000055
此时的
Figure FDA0003036213530000056
情况2、
Figure FDA0003036213530000057
Figure FDA0003036213530000058
此时，
Figure FDA0003036213530000059
公式(15)和(16)中，vs为满足
Figure FDA00030362135300000510
的风速，作为积分上限；k(v)为满足
Figure FDA00030362135300000511
的k关于v的解，作为二重积分中的上限；kw为满足
Figure FDA00030362135300000512
的小时清晰度指数，作为积分上限；
情况3、
Figure FDA00030362135300000513
Figure FDA0003036213530000061
此时，
Figure FDA0003036213530000062
情况4、
Figure FDA0003036213530000063
Figure FDA0003036213530000064
此时，
Figure FDA0003036213530000065
其中，km为满足
Figure FDA0003036213530000066
的小时清晰度指数，作为积分上限；
情况5、
Figure FDA0003036213530000067
Figure FDA0003036213530000068
此时，
Figure FDA0003036213530000069
6.如权利要求5所述的计算海上风光互补发电系统中储能系统规模的方法，其特征在于，所述储能系统为蓄电池模组，步骤S3中根据所述蓄电池模组的充放电效率η、最大放电深度DOD和单个蓄电池容量EBat，将所述期望缺电量换算为蓄电池数量NBat，即得出所述储能系统的规模，换算公式如下：
Figure FDA0003036213530000071
7.如权利要求1所述的计算海上风光互补发电系统中储能系统规模的方法，其特征在于，所述储能系统为蓄电池、燃料电池或氢能储能系统。
CN202010084001.4A 2020-02-10 2020-02-10 计算海上风光互补发电系统中储能系统规模的方法 Active CN111200295B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010084001.4A CN111200295B (zh) 2020-02-10 2020-02-10 计算海上风光互补发电系统中储能系统规模的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010084001.4A CN111200295B (zh) 2020-02-10 2020-02-10 计算海上风光互补发电系统中储能系统规模的方法

Publications (2)

Publication Number Publication Date
CN111200295A CN111200295A (zh) 2020-05-26
CN111200295B true CN111200295B (zh) 2021-08-24

Family

ID=70747568

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010084001.4A Active CN111200295B (zh) 2020-02-10 2020-02-10 计算海上风光互补发电系统中储能系统规模的方法

Country Status (1)

Country Link
CN (1) CN111200295B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111666677B (zh) * 2020-06-02 2023-06-13 华能盐城大丰新能源发电有限责任公司 一种考虑年内分布订正的测风数据代表年订正方法及系统
CN112052987B (zh) * 2020-08-18 2024-05-28 国网山东省电力公司潍坊供电公司 一种计及风电的综合能源系统优化规划方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103544655A (zh) * 2013-10-18 2014-01-29 国家电网公司 一种含微电网的区域配电网分层优化方法
CN106156455A (zh) * 2015-03-26 2016-11-23 中国能源建设集团新疆电力设计院有限公司 一种基于全时段模拟积分的光伏发电系统发电量计算方法
CN109327042A (zh) * 2018-09-27 2019-02-12 南京邮电大学 一种微电网多能源联合优化调度方法
CN109713721A (zh) * 2019-01-25 2019-05-03 国网新疆电力有限公司经济技术研究院 一种新能源并网运行模拟方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103544655A (zh) * 2013-10-18 2014-01-29 国家电网公司 一种含微电网的区域配电网分层优化方法
CN106156455A (zh) * 2015-03-26 2016-11-23 中国能源建设集团新疆电力设计院有限公司 一种基于全时段模拟积分的光伏发电系统发电量计算方法
CN109327042A (zh) * 2018-09-27 2019-02-12 南京邮电大学 一种微电网多能源联合优化调度方法
CN109713721A (zh) * 2019-01-25 2019-05-03 国网新疆电力有限公司经济技术研究院 一种新能源并网运行模拟方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于马尔可夫链蒙特卡洛法的独立风光柴储微网运行风险评估;陆丹等;《电网技术》;20170331;第41卷(第3期);第823-830页 *
陆丹等.基于马尔可夫链蒙特卡洛法的独立风光柴储微网运行风险评估.《电网技术》.2017,第41卷(第3期),第823-830页. *

Also Published As

Publication number Publication date
CN111200295A (zh) 2020-05-26

Similar Documents

Publication Publication Date Title
Zappa et al. Analysing the potential of integrating wind and solar power in Europe using spatial optimisation under various scenarios
Sawle et al. PV-wind hybrid system: A review with case study
Fang et al. Optimal sizing of utility-scale photovoltaic power generation complementarily operating with hydropower: A case study of the world’s largest hydro-photovoltaic plant
Khatib et al. A review on sizing methodologies of photovoltaic array and storage battery in a standalone photovoltaic system
El-Houari et al. Energy, Economic, Environment (3E) analysis of WT-PV-Battery autonomous hybrid power plants in climatically varying regions
Khatib et al. A review of photovoltaic systems size optimization techniques
Ekren et al. Break-even analysis and size optimization of a PV/wind hybrid energy conversion system with battery storage–A case study
Marinelli et al. Wind and photovoltaic large-scale regional models for hourly production evaluation
CN111200295B (zh) 计算海上风光互补发电系统中储能系统规模的方法
Ahmed et al. An assessment of the solar photovoltaic generation yield in Malaysia using satellite derived datasets
JP5466596B2 (ja) 太陽光発電設備の発電出力推定方法
Bartecka et al. Sizing of prosumer hybrid renewable energy systems in Poland
Elistratov et al. Justification of project and operation modes of hybrid energy complexes for arctic conditions
Aboumahboub Modeling and optimization of the global electricity generation system with high shares of fluctuating renewable energy sources
Alrwashdeh Energy profit evaluation of a photovoltaic system from a selected building in Jordan
Al-Masri et al. Optimal configuration of a large scale on-grid renewable energy systems with different design strategies
Al-Masri et al. Multi-figure of merit optimization for global scale sustainable power systems
Tazvinga Energy optimisation and management of off-grid hybrid power supply systems
Ramadan et al. Wind potential investigation with turbine siting control for improved energy yield at El-Tor Region, Egypt
Ekhteraei Toosi et al. Evaluation of Fixed and Single-Axis Tracking Photovoltaic Systems Using Modeling Tool and Field Testing
Karki et al. Reliability modeling for evaluating the contribution of photovoltaics in electric power systems
Petreuş et al. Evaluation of the PV energy production determined by measurements, simulation and analytical calculations
Nikolakakis et al. Modeling the environmental impact of PV and wind large scale penetration in regional grids
Ciocia et al. Photovoltaic-Battery Systems Design to Improve the Self-Sufficiency of Telecommunication Towers
CN113657735B (zh) 考虑森林碳汇能力约束的碳中和场景下电源结构规划方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40025574

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant