CN117154770A - 基于超级电容的电-氢混合储能容量优化配置方法 - Google Patents

基于超级电容的电-氢混合储能容量优化配置方法 Download PDF

Info

Publication number
CN117154770A
CN117154770A CN202310861536.1A CN202310861536A CN117154770A CN 117154770 A CN117154770 A CN 117154770A CN 202310861536 A CN202310861536 A CN 202310861536A CN 117154770 A CN117154770 A CN 117154770A
Authority
CN
China
Prior art keywords
energy storage
hydrogen
power
fluctuation
cost
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.)
Pending
Application number
CN202310861536.1A
Other languages
English (en)
Inventor
王晖
龚尚高
王承霖
纪秀
王佳蕊
张家郡
管保晋
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.)
Changchun Institute of Applied Chemistry of CAS
Electric Power Research Institute of State Grid Jilin Electric Power Co Ltd
Original Assignee
Changchun Institute of Applied Chemistry of CAS
Electric Power Research Institute of State Grid Jilin Electric Power Co Ltd
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 Changchun Institute of Applied Chemistry of CAS, Electric Power Research Institute of State Grid Jilin Electric Power Co Ltd filed Critical Changchun Institute of Applied Chemistry of CAS
Priority to CN202310861536.1A priority Critical patent/CN117154770A/zh
Publication of CN117154770A publication Critical patent/CN117154770A/zh
Pending legal-status Critical Current

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
    • C—CHEMISTRY; METALLURGY
    • C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
    • C25B—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES FOR THE PRODUCTION OF COMPOUNDS OR NON-METALS; APPARATUS THEREFOR
    • C25B1/00—Electrolytic production of inorganic compounds or non-metals
    • C25B1/01—Products
    • C25B1/02—Hydrogen or oxygen
    • C—CHEMISTRY; METALLURGY
    • C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
    • C25B—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES FOR THE PRODUCTION OF COMPOUNDS OR NON-METALS; APPARATUS THEREFOR
    • C25B15/00—Operating or servicing cells
    • C25B15/02—Process control or regulation
    • C—CHEMISTRY; METALLURGY
    • C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
    • C25B—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES FOR THE PRODUCTION OF COMPOUNDS OR NON-METALS; APPARATUS THEREFOR
    • C25B9/00—Cells or assemblies of cells; Constructional parts of cells; Assemblies of constructional parts, e.g. electrode-diaphragm assemblies; Process-related cell features
    • C25B9/60—Constructional parts of cells
    • C25B9/65—Means for supplying current; Electrode connections; Electric inter-cell connections
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • H02J15/00—Systems for storing electric energy
    • H02J15/008—Systems for storing electric energy using hydrogen as energy vector
    • 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
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • 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
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
    • H02J7/345—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering using capacitors as storage or buffering devices
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • H02J2207/00—Indexing scheme relating to details of circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J2207/50—Charging of capacitors, supercapacitors, ultra-capacitors or double layer capacitors
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/30—The power source being a fuel cell
    • 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)
  • Chemical & Material Sciences (AREA)
  • Power Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Organic Chemistry (AREA)
  • Metallurgy (AREA)
  • Materials Engineering (AREA)
  • Electrochemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Inorganic Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Automation & Control Theory (AREA)
  • Fuel Cell (AREA)

Abstract

本发明公开了一种基于超级电容的电‑氢混合储能容量优化配置方法，属于能源规划技术领域，该方法利用超级电容和质子交换膜电解池组成的混合储能，去解决风电并网中间接性波动的容量策略。首先，利用经验模态法将风电信号进行分解，得到了直接并网的低频分量和混合储能平抑的高频分量；即而以综合成本最小为目标，建立了平抑风电波动的电‑氢混合储能容量配置模型。并且利用机会补偿成本的方法解决因高频分量带来的负向波动问题。最后，通过算例分析验证了电‑氢混合储能容量优化配置策略的有效性，为风电功率波动的平抑提供了有效的方案，可以有效提高系统经济性。

Description

基于超级电容的电-氢混合储能容量优化配置方法
技术领域
本发明属于能源规划技术领域，更为具体地，涉及一种基于超级电容的电-氢混合储能容量优化配置方法。
背景技术
由于全球能源匮乏和环境问题的变化越来越棘手，全球各个国家大举发展新型清洁能源和可代替的化石能源。为保障全球能源的供给，以及可持续经济发展，寻求新型能源是势在必得的选择。目前新型能源中风电运用最广。但是随着风电并网的规模不断增大，使得在并网当中风电的波动性和随机性对电网中的电能质量产生了负面影响。
由于现代电力系统的快速发展，对储能装置提出了更高的要求，传统的储能技术无法同时满足现代电力系统的各项要求，目前广泛应用的储能方式为电-氢混合储能。
但现在电-氢混合储能的研究，主要以蓄电池为主，储氢为辅，且混合储能主要应用于微网中偏多，鲜有考虑利用超级电容去平抑高频分量，和利用机会补偿成本，去解决高频分量的负向波动问题。
发明内容
针对风电大规模并网带来的波动问题，本发明的目的是提出了一种基于超级电容的电-氢混合储能容量优化配置方法，通过引入质子交换膜电解池和超级电容器构成的电-氢混合储能系统解决风电波动问题，提出了平抑效果评估方法，制定了电-氢混合储能容量优化配置策略，并结合风场实际运行数据，验证了所提方法既能平抑风电波动、提高电能质量，提高电-氢混合储能系统的使用寿命。
为达到上述目的，本发明采用如下技术方案：基于超级电容的电-氢混合储能容量优化配置方法，该方法应用于超级电容器和质子交换膜电解池组成的电-氢混合储能系统中，所述方法包括：
步骤一、利用经验模态法将风电信号进行分解，得到了直接并网的低频分量和混合储能平抑的高频分量；
步骤二、以综合成本最小为目标，建立了平抑风电波动的电-氢混合储能容量配置模型；利用机会补偿成本的方法来解决高频分量带来的负向波动，至此完成基于超级电容的电-氢混合储能容量优化配置策略。
进一步，步骤一具体包括：
首先利用基于经验模态分解EMD将风电信号进行分解，分解成若干个各阶的固有模态函数IMF信号，再通过利用C2F实现信号的重构，根据最大波动量限值剔除出需要储能平抑的波动量，继而利用超级电容器实现平抑，其中通过EMD分解得到重构后高频分量和低频分量，低频分量直接并到电网中使用，高频分量则需要电-氢混合储能系统进行平抑，平抑完成后再并于电网中；通过EMD将风电信号进行分解得到了各阶的IMF信号，分解出的信号包括高频信号和低频信号，再将高频信号和低频信号分别进行叠加计算，得到低频分量和高频分量，即得到了重构后的信号分别为高频重构f2c和低频重构c2f；高频重构是通过EMD对风电信号进行分解，得到IMF信号，再通过将IMF信号自上而下叠加生成各阶高频重构分量，具体重构方式以及具体的EMD分解风电信号的步骤如下所示：
步骤1：初始化，令k＝1；
步骤2：计算c2f(k)的波动量，c2f(k)是高频重构信号的第k次分解信号；
步骤3：判断其波动量是否满足风电并网波动量限值，若满足，转至步骤4；若不满足，则转至步骤6；
步骤4：判断k是否为最低阶的低频重构分量，若是，转至步骤5；若不是，则转至步骤6；
步骤5：无可以直接并网的分量，全部需要由电-氢混合储能系统平抑后并网；
步骤6：k＝k+1，即计算高一阶的重构分量，并转至步骤2；
其中，IMF1是第一次高频段和低频段的各分量叠加计算的结果；IMFp是第p次高频段和低频段的各分量叠加计算的结果，低频重构根据EMD分解结果自下而上叠加生成各阶低频重构分量，c2f(1)为res，c2f(2)为res+IMFp，c2f(p+1)为res+IMFp+…+IMF1，其中p为IMF总阶数。
进一步，步骤二具体包括：
(1)确定平抑风电波动的电-氢混合储能容量配置模型的目标函数
①由超级电容储能成本，氢储能成本以及风电功率机会补偿成本构成的目标函数的表达式为：
其中，C为年综合成本；CCAT为超级电容储能成本；CHESS为氢储能成本；为风电功率波动机会补偿成本；
其中CCAT和CHESS的表达式如下：
其中，和/>分别为超级电容储能的投资成本和运行维护成本；和/>分别为氢储能的投资成本和运行维护成本；
②总投资成本
其中和/>分别为超级电容储能的功率系数和容量投资成本系数；和/>分别为电解槽、燃料电池和储氢罐的功率和容量投资成本系数；为超级电容的最低运行功率，/>为电解槽的最低运行功率；/>为燃料电池的最低运行功率；/>为储氢罐的最低运行功率；r为贴现率，取值7％；β为系统运行周期，定为30年；
③运行维护成本
运行维护成本按投资成本比例进行估算，分别如下式：
Con＝NELCSLL
其中，α和x分别为电化学储能和氢储能系统运行维护成本占其投资成本的比例；Con为启停成本，NEL为电解槽启动次数；CSLL为电解槽单次启动成本；
④风电功率波动机会补偿成本则是用于衡量由补偿不足而额外增加的系统运行成本，表达式为：
其中，为风电功率波动机会补偿成本；Pp-uncomp,n和PM-UNCOMPP,n为分别为n时刻正向欠补偿量和负向欠补偿量；NS为从开始0时刻到a＝1时刻的采样的点数；
(2)确定平抑风电波动的电-氢混合储能容量配置模型的约束条件
①氢储能平抑波动模块配置边界约束
氢储需留出部分功率和容量空间，用于平抑风电功率波动，故氢储能平抑波动模块的功率和容量需要保持在氢储能总的功率和容量之内，满足如下条件：
其中，为电解槽的最低运行功率，/>为电解槽的运行功率，/>为燃料电池的运行功率，/>为燃料电池的最低运行功率，/>为氢储罐的进出气量，/>为储罐最大氢储量；
②功率平衡约束
混合储能功率任务PHESS分为正向波动和负向波动两个部分，PHESS,n≥0时为正向波动，此时需要超级电容器储能充电或电解槽启动吸收波动，当PHESS,n＜0时为负向波动，此时需要超级电容器储能放电或燃料电池启动补偿波动，表达式如下：
其中，PHESS,n为负向波动临近值；为n时刻电解槽的运行功率；/>为n时刻燃料电池的运行功率；/>为超级电容n时刻充电功率；/>为超级电容n时刻放电功率；Pp-uncomp,n和PM-UNCOMPP,n为分别为n时刻正向欠补偿量和负向欠补偿量；
③充放电功率约束
a、超级电容储能
其中，和/>分别为储能元件的最大充电功率和最大放电功率；px(t)为t时刻的实时功率；ηx(t)为充放电功率；
b、氢储能
其中为电解槽最低运行功率；/>为n时刻电解槽运行功率；
④储能状态约束
氢储能约束除电解槽和燃料电池的转换特性约束以外，还包括以下约束：
其中，为n时刻的储氢状态；/>为n-1时刻的储氢状态；/>和/>分别为储氢罐储氢状态的上下限；/>为氢储能进气状态，/>为氢储能出气状态；/>为储氢罐最大储氢量；Δt是时间区间。
通过上述设计方案，本发明可以带来如下有益效果：为了更好地解决电-氢混合储能平抑协同电力系统中能源波动的问题，本发明提出了一种于超级电容的电-氢混合储能容量优化配置方法，利用超级电容器和质子交换膜电解池组成的电-氢混合储能系统，去解决风电并网中间接性波动的容量策略。首先，利用经验模态法将风电信号进行分解，得到了直接并网的低频分量和混合储能平抑的高频分量；即而以综合成本最小为目标，建立平抑风电波动的电-氢混合储能容量配置模型。并且利用机会补偿成本的方法解决因高频分量带来的负向波动问题。最后，通过算例分析验证了电-氢混合储能容量优化配置策略的有效性，为风电功率波动的平抑提供了有效的方案，可以有效提高系统经济性。
附图说明
此处的附图说明用来提供对本发明的进一步理解，构成本发明申请的一部分，本发明示意性实施例及其说明用于理解本发明，并不构成本发明的不当限定，在附图中：
图1为含超级电容器的电-氢混合储能系统结构模型；
图2为基于EMD的风电功率分配策略流程图；
图3为波动量限制为120WM时直接并网分量图；
图4为波动量限制为120WM时混合储能平抑分量图；
图5为波动量限制为50WM时直接并网分量图；
图6为波动量限制为50WM时混合储能平抑分量图；
图7为波动量限制为20WM时直接并网分量图；
图8为波动量限制为20WM时混合储能平抑分量图；
图9为超级电容容量配置为36.22MW时平抑前后的高频功率波动曲线图；
图10为超级电容容量配置为42.07MW时平抑前后的高频功率波动曲线图；
图11为当机会补偿成本为0.24万元/MW的选取图；
图12为当机会补偿成本为0.24*2万元/MW的选取图；
图13为当机会补偿成本为0.24*3.3万元/MW的选取图；
图14为改变超级电容的容量配置的初始并网功率与高频平抑分量功率图；
图15为改变超级电容的容量配置与增加机会补偿成本的初始并网功率与高频平抑分量功率图。
具体实施方式
如图1至图15所示，本发明提出了一种基于超级电容的电-氢混合储能容量优化配置方法，包括：
1、电-氢混合储能协调运行框架
1.1含超级电容器的电-氢混合储能系统结构模型
针对风电大规模并网带来的波动问题，提出电-氢混合储能优化协调运行框架，如图1所示。
建立含超级电容器和氢储能的电-氢混合储能系统，以风电实际出力与期望目标功率的偏差值为平抑对象，其中超级电容器承担高频波动量，氢储能承担低频变化量。电-氢混合储能与风电场联合运行系统结构模型示意图如图1所示。
Pw,orig,n＝Pw,l,n+Phess,n (1)
式中：Pw,orig,n为n时刻风电信号功率任务；Pw,l,n为n时刻直接并网分量功率任务；Phess,n为n时刻混合储能功率任务。
1.2超级电容器及质子交换膜电解池电-氢混合储能系统配置分析
(1)多种电解槽的相关数据
表1三种电解槽的相关数据
通过对表1三种电解进行对比，本发明选取质子交换膜电解池(PEM)作为电-氢的电解槽，因为考虑到运行成本和电解槽的各个特点进行权衡比较，最终选取质子交换膜电解池(PEM)作为电制氢的容器。
(2)超级电容器的相关数据
超级电容器作为能量型储能器件，已被广泛应用于各类长时间储能场景中。超级电容器则可以凭借高功率、长循环寿命特性，应用于短时大功率、多次循环放电的单独储能场景，或与锂电池组成混合能源系统，实现与能量型锂电池的互补、协同。
超级电容器的充放电次数最高可达100万次，工作寿命可达15年。且超级电容器短路、刺破均不会燃烧，相较短路、刺破时易自燃甚至爆炸的锂电池，超级电容器安全性更高，储能设备能量值与初始能量和充放电功率有关。以及超级电容器的工作特点是：充电的效率为0.9与放电的效率为0.9，通过计算就会出现负向部分只能补偿约0.81的现象，另外的0.19为负向幅值，就会因超级电容器的工作状态，使得系统内部产生负向波动。储能设备能量值与初始能量和充放电功率有关：
式中，Ev，0和Ev(t)分别是超级电容器初始时刻和t时刻的能量值；P(b)为超级电容器充电时的正值；Δt是时间区间，N为从开始时刻到ti时刻的采样的点数，i是第i个采样点。长期的充电放电过程会使得储能系统的使用寿命大大缩短，但是可以通过改变储能系统运行时电荷状态的上下限的设定值，从而使得储能系统(SOC)始终与设备终端处于设定的范围内，最终可以使得储能系统的寿命损耗较小，使系统变得更加经济性，超级电容器的额定容量为：
式中E'c为超级电容器的额定容量；为超级电容器SOC的上限；Ec(t)为超级电容容量。
最后，通过超级电容器及质子交换膜电解池组成的特性进行对比，本发明充分考虑到系统的经济性和储能系统使用的寿命，最终选取PEM电解池作为电-氢的电解槽，超级电容器作为平抑风电高频分量的储能元件。
1.3基于EMD的风电功率分配策略
基于EMD的风电功率分配决策，首先利用基于经验模态分解(EMD)将风电信号进行分解，分解成若干个各阶的固有模态函数(IMF)信号，再通过利用C2F实现信号的重构，根据最大波动量限值剔除出需要储能平抑的波动量，继而利用超级电容器实现平抑，其中通过EMD分解得到重构后高频分量和低频分量，低频分量直接并到电网中所使用，高频分量则需要电-氢混合储能系统进行平抑，平抑完成后再并于电网当中。通过EMD将风电信号进行分解得到了各阶的IMF信号，分解出的信号包括高频信号和低频信号，再将高频信号和低频信号分别进行叠加计算，得到低频分量和高频分量，即得到了重构后的信号分别为：高频重构(Fine to coarse,f2c)和低频重构(Coarse to fine,c2f)。高频重构是通过EMD对风电信号进行分解，得到IMF信号，再通过将IMF信号自上而下叠加生成各阶高频重构分量，具体重构方式如式(4)，以及具体的EMD分解风电信号的步骤如下所示：
步骤1：初始化，令k＝1；
步骤2：计算c2f(k)的波动量，c2f(k)是高频重构信号的第k次分解信号；
步骤3：判断其波动量是否满足风电并网波动量限值，若满足，转至步骤4；若不满足，则转至步骤6；
步骤4：判断k是否为最低阶的低频重构分量，若是，转至步骤5；若不是，则转至步骤6；
步骤5：无可以直接并网的分量，全部需要由HESS平抑后并网；
步骤6：k＝k+1，即计算高一阶的重构分量，并转至步骤2；
其中，IMF1是第一次高频段和低频段的各分量叠加计算的结果；IMFp是第p次高频段和低频段的各分量叠加计算的结果，低频重构根据EMD分解结果自下而上叠加生成各阶低频重构分量，c2f(1)为res，c2f(2)为res+IMFp，c2f(p+1)为res+IMFp+…+IMF1，其中p为IMF总阶数。
2、含超级电容器的电-氢混合储能系统容量配置模型
2.1目标函数
(1)由超级电容储能成本，氢储能成本以及风电功率机会补偿成本构成的目标函数如式(5)所示。
式中：C为年综合成本；CCAT为超级电容储能成本；CHESS为氢储能成本；为风电功率波动机会补偿成本。其中，CCAT和CHESS如式(6)所示。
式中：和/>分别为超级电容储能的投资成本和运行维护成本；和/>分别为氢储能的投资成本和运行维护成本。
(2)总投资成本
式中：和/>分别为超级电容储能的功率系数和容量投资成本系数；和/>分别为电解槽、燃料电池和储氢罐的功率和容量投资成本系数；为超级电容的最低运行功率，/>为电解槽的最低运行功率；/>为燃料电池的最低运行功率；/>为储氢罐的最低运行功率；r为贴现率，取值7％；β为系统运行周期，定为30年。
(3)运行维护成本
运行维护成本按投资成本比例进行估算，分别如式(9)、式(10)和式(11)所示。
Con＝NELCSLL (11)
式中：α和x分别为电化学储能和氢储能系统运行维护成本占其投资成本的比例；Con为启停成本，NEL为电解槽启动次数；CSLL为电解槽单次启动成本。
(4)风电功率波动机会补偿成本则是用于衡量由补偿不足而额外增加的系统运行成本，如式(12)所示。
式中：为风电功率波动机会补偿成本；Pp-uncomp,n和PM-UNCOMPP,n为分别为n时刻正向欠补偿量和负向欠补偿量；NS为从开始0时刻到a＝1时刻的采样的点数。
2.2约束条件
(1)氢储能平抑波动模块配置边界约束
氢储能要留出部分功率和容量空间，用于平抑风电功率波动，故氢储能平抑波动模块的功率和容量需要保持在氢储能总的功率和容量之内，分别如式(13)、式(14)和(15)所示。
式中：为电解槽的最低运行功率，/>为电解槽的运行功率，/>为燃料电池的运行功率，/>为燃料电池的最低运行功率，/>为氢储罐的进出气量，/>为储罐最大氢储量。
(2)功率平衡约束
混合储能功率任务PHESS分为正向波动和负向波动两个部分，PHESS,n≥0时为正向波动，此时需要超级电容器储能充电或电解槽启动吸收波动，当PHESS,n＜0时为负向波动，此时需要超级电容器储能放电或燃料电池启动补偿波动，如式(16)所示。
式中：PHESS,n为负向波动临近值；为n时刻电解槽的运行功率；/>为n时刻燃料电池的运行功率；/>为超级电容n时刻充电功率；/>为超级电容n时刻放电功率；Pp-uncomp,n和PM-UNCOMPP,n为分别为n时刻正向欠补偿量和负向欠补偿量。
(3)充放电功率约束
①超级电容储能
式中，和/>分别为储能元件的最大充电功率和最大放电功率；px(t)为t时刻的实时功率；ηx(t)为充放电功率。
②氢储能
式中：为电解槽最低运行功率；/>为n时刻电解槽运行功率。
(4)储能状态约束
氢储能约束除电解槽和燃料电池的转换特性约束以外，还包括以下约束：
式中：为n时刻的储氢状态；/>为n-1时刻的储氢状态；/>和/>分别为储氢罐储氢状态的上下限；/>为氢储能进气状态，/>为氢储能出气状态；/>为储氢罐最大储氢量；Δt是时间区间。
3、算例分析
3.1基础数据
以我国某省2022年实际风电数据为基础，配置超级电容储能和氢储能容量。该地方的配置为常规机组和风电机组装机量为5588MW，其中风电装机为2348MW，按照电源总装机的6％～12％选取氢储能系统总容量，氢储能充放电时长设12h，首先采用K-means算法对2022年全年风电数据进行聚类，得到8个风电出力场景如图1所示。
每个场景对应的天数及每个场景所对应的概率如表2所示。相对于传统的K-means算法在解决极端的风电出力数据的聚类场景下，往往会出现聚类中心失真的情况，故本发明为解决聚类中心失真这一情况，所采用以累计波动量中位数为指标，选取各类场景的典型日，通过计算K-means聚类场景下风电出力所有天数的波动量总和，并按照波动量的大小进行有序排列，选择相对应的中位数作为对应天数的该类场景的典型日。这种办法选取出来的典型日很好解决了极端数据对概率结果的影响。
表2不同场景的天数
3.2功率分配及最优并网波动量的选取
低频并网分量和混合储能平抑的高频分量的分界线选取值为风电并网波动量限值作为分界线。以典型日七为例，低频重构分量f2c(5)的最大波动量大于并网波动量限，选择f2c(4)作为低频重构分量，res+IMF4+IMF3+IMF2作为直接并网分量如图2，选择f2c(1)，即IMF1作为混合储能功率任务，以及得到重构后的高频分量分量f2c和低频重构分量c2f。
通过K-means聚类得到风电场景的典型日七，并通过EMD将风电信号分解成为低频重构分量信号和高频重构分量信号。并选取120MW、50MW、20MW进行，低频直接并网分量和高频储能平抑分量的功率图进行对比，选取最优并网波动量限制。
如图3至图8所示，随着波动量限值的减小，直接并网分量越来越平滑，储能平抑分量越来越粗糙且幅值越来越大。通过对直接并网分量的对比，其中波动量限制为50MW的曲线较为平滑，所以选取50MW作为直接并网分量值。
3.3改变超级电容容量配置平抑高频分量
通过图9和图10可知，改变超级电容的容量来进行高频分量信号的平抑，当超级电容的容量配置为42.07MW时，混合储能平抑的结果和超级电容的容量配置达到最优。
通过图11可知平抑前后混合储能功率任务的变化，平抑前曲线为经过EMD分解和重构后得到的HESS功率任务；平抑后曲线为经过含超级电容的混合储能平抑分量功率曲线。
3.4机会补偿函数平抑高频分量的负向波动
储能功率和容量的限制，当风电波动较大时，混合储能(HESS)无法完全满足储能功率的任务，则需要系统中的其他灵活性资源，导致系统的运行成本的增加。过机会机会补偿成本去解决由补偿不足而额外增加的系统运行成本。当超级电容平抑完高频分量后，由于超级电容的充放电效率的原因，会产生负向波动使得高频分量信号并没有完全平抑，再由机会补偿成本，去解决因超级容充放电效率产生负向波动问题，最终会有波动完全平抑的现象。
通过图12、图13可知，通过机会机会补偿去解决由补偿不足而额外增加的系统运行成本，当机会补偿成本为0.24万元/MW平抑的负向波动会有减少的趋势，最终通过计算当机会补偿成本为0.24*3万元/MW时，系统的高频分量的负向波动得到最优平抑。
通过图14和图15可知，在相同的超级电容容量配置下，通过对比增加机会补偿对最终并网功率的影响，当增加机会补偿成本的最终并网功率图变得更平滑，其达到最优平抑高频分量的效果。
4、结论
1)相较于传统策略，本发明所提策略下的混合储能容量的成本较低，经济性较好；并且对风电波动的平抑效果更好，可以有效减少欠补偿量。
2)所提策略中增加了HESS互补机制，提高了氢储能利用率，同时互补机制使电化学储能工作在“浅充浅放”状态，提高其使用寿命，为后续补偿高频分量留出足够的功率和容量空间。
3)经过改变超级电容的容量配置平抑风电的高频分量后，留存的小电量大幅值正向波动分量。且通过算例分析，得到了超级电容容量最优配置。
4)利用超级电容平抑高频分量后还会有小部分的负向波动，可以通过利用机会补偿成本的系数，解决负向波动问题，当机会补偿成本为0.24*3万元/MW时会出现高频波动的最优平抑，达到最优平抑风电的效果。

Claims (3)

1.基于超级电容的电-氢混合储能容量优化配置方法，其特征在于，该方法应用于超级电容器和质子交换膜电解池组成的电-氢混合储能系统中，所述方法包括：
步骤一、利用经验模态法将风电信号进行分解，得到了直接并网的低频分量和混合储能平抑的高频分量；
步骤二、以综合成本最小为目标，建立了平抑风电波动的电-氢混合储能容量配置模型；利用机会补偿成本的方法来解决高频分量带来的负向波动，至此完成基于超级电容的电-氢混合储能容量优化配置策略。
2.根据权利要求1所述的基于超级电容的电-氢混合储能容量优化配置方法，其特征在于，步骤一具体包括：
首先利用基于经验模态分解EMD将风电信号进行分解，分解成若干个各阶的固有模态函数IMF信号，再通过利用C2F实现信号的重构，根据最大波动量限值剔除出需要储能平抑的波动量，继而利用超级电容器实现平抑，其中通过EMD分解得到重构后高频分量和低频分量，低频分量直接并到电网中使用，高频分量则需要电-氢混合储能系统进行平抑，平抑完成后再并于电网中；通过EMD将风电信号进行分解得到了各阶的IMF信号，分解出的信号包括高频信号和低频信号，再将高频信号和低频信号分别进行叠加计算，得到低频分量和高频分量，即得到了重构后的信号分别为高频重构f2c和低频重构c2f；高频重构是通过EMD对风电信号进行分解，得到IMF信号，再通过将IMF信号自上而下叠加生成各阶高频重构分量，具体重构方式以及具体的EMD分解风电信号的步骤如下所示：
步骤1：初始化，令k＝1；
步骤2：计算c2f(k)的波动量，c2f(k)是高频重构信号的第k次分解信号；
步骤3：判断其波动量是否满足风电并网波动量限值，若满足，转至步骤4；若不满足，则转至步骤6；
步骤4：判断k是否为最低阶的低频重构分量，若是，转至步骤5；若不是，则转至步骤6；
步骤5：无可以直接并网的分量，全部需要由电-氢混合储能系统平抑后并网；
步骤6：k＝k+1，即计算高一阶的重构分量，并转至步骤2；
其中，IMF1是第一次高频段和低频段的各分量叠加计算的结果；IMFp是第p次高频段和低频段的各分量叠加计算的结果，低频重构根据EMD分解结果自下而上叠加生成各阶低频重构分量，c2f(1)为res，c2f(2)为res+IMFp，c2f(p+1)为res+IMFp+…+IMF1，其中p为IMF总阶数。
3.根据权利要求1所述的基于超级电容的电-氢混合储能容量优化配置方法，其特征在于，步骤二具体包括：
(1)确定平抑风电波动的电-氢混合储能容量配置模型的目标函数
①由超级电容储能成本，氢储能成本以及风电功率机会补偿成本构成的目标函数的表达式为：
其中，C为年综合成本；CCAT为超级电容储能成本；CHESS为氢储能成本；为风电功率波动机会补偿成本；
其中CCAT和CHESS的表达式如下：
其中，和/>分别为超级电容储能的投资成本和运行维护成本；/>和分别为氢储能的投资成本和运行维护成本；
②总投资成本
其中和/>分别为超级电容储能的功率系数和容量投资成本系数；和/>分别为电解槽、燃料电池和储氢罐的功率和容量投资成本系数；为超级电容的最低运行功率，/>为电解槽的最低运行功率；/>为燃料电池的最低运行功率；/>为储氢罐的最低运行功率；r为贴现率，取值7％；β为系统运行周期，定为30年；
③运行维护成本
运行维护成本按投资成本比例进行估算，分别如下式：
Con＝NELCSLL
其中，α和x分别为电化学储能和氢储能系统运行维护成本占其投资成本的比例；Con为启停成本，NEL为电解槽启动次数；CSLL为电解槽单次启动成本；
④风电功率波动机会补偿成本则是用于衡量由补偿不足而额外增加的系统运行成本，表达式为：
其中，为风电功率波动机会补偿成本；Pp-uncomp,n和PM-UNCOMPP,n为分别为n时刻正向欠补偿量和负向欠补偿量；NS为从开始0时刻到a＝1时刻的采样的点数；
(2)确定平抑风电波动的电-氢混合储能容量配置模型的约束条件
①氢储能平抑波动模块配置边界约束
氢储需留出部分功率和容量空间，用于平抑风电功率波动，故氢储能平抑波动模块的功率和容量需要保持在氢储能总的功率和容量之内，满足如下条件：
其中，为电解槽的最低运行功率，/>为电解槽的运行功率，/>为燃料电池的运行功率，/>为燃料电池的最低运行功率，/>为氢储罐的进出气量，/>为储罐最大氢储量；
②功率平衡约束
混合储能功率任务PHESS分为正向波动和负向波动两个部分，PHESS,n≥0时为正向波动，此时需要超级电容器储能充电或电解槽启动吸收波动，当PHESS,n＜0时为负向波动，此时需要超级电容器储能放电或燃料电池启动补偿波动，表达式如下：
其中，PHESS,n为负向波动临近值；为n时刻电解槽的运行功率；/>为n时刻燃料电池的运行功率；/>为超级电容n时刻充电功率；/>为超级电容n时刻放电功率；Pp-uncomp,n和PM-UNCOMPP,n为分别为n时刻正向欠补偿量和负向欠补偿量；
③充放电功率约束
a、超级电容储能
其中，和/>分别为储能元件的最大充电功率和最大放电功率；px(t)为t时刻的实时功率；ηx(t)为充放电功率；
b、氢储能
其中为电解槽最低运行功率；/>为n时刻电解槽运行功率；
④储能状态约束
氢储能约束除电解槽和燃料电池的转换特性约束以外，还包括以下约束：
其中，为n时刻的储氢状态；/>为n-1时刻的储氢状态；/>和分别为储氢罐储氢状态的上下限；/>为氢储能进气状态，/>为氢储能出气状态；/>为储氢罐最大储氢量；Δt是时间区间。
CN202310861536.1A 2023-07-14 2023-07-14 基于超级电容的电-氢混合储能容量优化配置方法 Pending CN117154770A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310861536.1A CN117154770A (zh) 2023-07-14 2023-07-14 基于超级电容的电-氢混合储能容量优化配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310861536.1A CN117154770A (zh) 2023-07-14 2023-07-14 基于超级电容的电-氢混合储能容量优化配置方法

Publications (1)

Publication Number Publication Date
CN117154770A true CN117154770A (zh) 2023-12-01

Family

ID=88883062

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310861536.1A Pending CN117154770A (zh) 2023-07-14 2023-07-14 基于超级电容的电-氢混合储能容量优化配置方法

Country Status (1)

Country Link
CN (1) CN117154770A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117477615A (zh) * 2023-12-28 2024-01-30 国网浙江省电力有限公司电力科学研究院 一种电-氢复合储能系统最优配置方法及设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117477615A (zh) * 2023-12-28 2024-01-30 国网浙江省电力有限公司电力科学研究院 一种电-氢复合储能系统最优配置方法及设备
CN117477615B (zh) * 2023-12-28 2024-03-26 国网浙江省电力有限公司电力科学研究院 一种电-氢复合储能系统最优配置方法及设备

Similar Documents

Publication Publication Date Title
US11862969B2 (en) Optimal configuration method for hybrid energy storage of grid-connected wind storage power generation system
CN109687444B (zh) 一种微电网电源多目标双层优化配置方法
CN110676870B (zh) 一种适用于风电并网的混合储能容量配置方法
CN105260797A (zh) 一种计及经济性评估的微网储能电站规划控制方法
CN104410092A (zh) 一种多元互补新能源发电系统的能量协调优化方法
CN110797896A (zh) 一种微网风光储系统中混合储能容量优化配置方法
CN108923446B (zh) 一种光伏/储能一体化系统中储能容量的配置方法
Jiao et al. Greenhouse gas emissions from hybrid energy storage systems in future 100% renewable power systems–A Swedish case based on consequential life cycle assessment
CN117154770A (zh) 基于超级电容的电-氢混合储能容量优化配置方法
CN110518865A (zh) 一种风电-光电耦合的工业规模稳定供氢系统
CN112736973A (zh) 平抑风电、光伏电站出力波动的电池储能容量配置方法及系统
CN116613725A (zh) 一种光伏电站直流制氢优化配置方法
CN109829228B (zh) 可再生能源系统中混合储能电源容量配置的优化方法
Xu et al. Generation of typical operation curves for hydrogen storage applied to the wind power fluctuation smoothing mode
CN108736498B (zh) 一种用于智能家居光储发电系统的能量控制方法
CN113644674A (zh) 基于量子粒子群的氢混合储能容量配置系统、方法及应用
Liqun et al. Capacity optimization of hybrid energy storage in wind/PV complementary power generation system based on improved particle swarm optimization
CN111262270A (zh) 一种光柴储混合发电系统
Xu et al. Multi-objective optimization configuration of wind-solar coupling hydrogen production system
CN114204562B (zh) 一种考虑电动汽车与光伏的混合储能优化方法及系统
CN114094608B (zh) 一种面向光伏电站的多类型储能容量优化配置方法及装置
Ye et al. Application analysis and capacity configuration of battery energy storage in renewable generation system
CN112952877B (zh) 一种考虑不同种类电池特性的混合储能功率容量配置方法
CN114172175A (zh) 一种提高风电场经济效益的氢储配置与控制协同优化方法
Wang et al. Studies of multi-type composite energy storage for the photovoltaic generation system in a micro-grid

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