大规模并网型风光储发电单元容量优化配置方法

一定误差，全年气象数据计算量也较大，引入聚类
分析技术对全年每小时的气象数据进行聚类，通过
迭代，得到全年 8760 h 的气象数据的质心，并以此
离散数据计算机组出力。
2.2 目标函数
选择发电单元风电机组台数 Nwd 、光伏电池阵 列数 Npv 、储能装置数 Nbat 作为优化变量，记为：
X =[Nwd
式中，CI ——购买、运输、安装等成本的年平均费
用；COM ——设备年运行维护成本；CR ——年平均
设备置换成本；CS ——政府年平均补贴成本。
CI 的年平均费用与设备寿命周期年限有关：
C
I
=
Cins
r(1 + r)r0 (1 + r)r0 -
1
（12）
式中，Cins ——总购买、运输、安装成本；r ——折旧
1 风光储发电单元运行模型
1.1 系统结构
风光储发电单元基本结构如图 1 所示。发电 单元主要由联合发电监控系统、风电机组、光伏组 件、储能装置组成。风电机组和光电机组主要是将 风、光等可再生能源转换成电力；储能装置主要是 起到平滑发电单元的功率输出、削峰填谷的作用； 联合发电监控系统主要依据上级调度指令和气象
C
R
=
C
RL
(1
+
r r)Ly
-
1
（14）
式中，CRL ——年限内设备置换成本总和；Ly ——
设备置换周期。
相 比 传 统 的 火 电 ，风 光 储 发 电 单 元 成 本 更 高 ，
政府需给与一定的补贴支持其发展：
∫ CS
= PS
T 0
P
wpb
(t)dt
（15）
式中，PS ——政府补贴电价；Pwpb(t) ——t 时刻可再
放电的次数：
∑ Dwp =
1 Pref
1 T
T
2
(Pwd_pv(t) - Pref)
t=1
<λ
时，系统按照最大可再生能源利用原则，将所有富
余的能量存储至蓄电池中，直至蓄电池达到满荷电
状态 SOCmax ，此时，蓄电池停止充电储能：
{Pc(t) =[Pwd(t) + Ppv(t)] - Pref
SOC(t) < SOCmax
（9）
式中，Pc(t) 可由式（6）推导得出。 本文在计算过程中，考虑到每年气象条件存在
目前在多种能源联合发电容量配比方面，国内 外已涌现出一些研究成果，如文献［1］以社会效益 最大化为目标，采用嵌套式遗传算法对风电/抽水蓄 能 的 最 优 匹 配 容 量 问 题 进 行 优 化 分 析 ；文 献［2］从 微网经济运行角度，提出基于蓄电池内部特性建模 的蓄电池容量确定方法，探讨独立风光储微网系统 蓄电池容量配置建议；文献［3，4］提出基于超级电 容器和蓄电池混合储能的能量管理策略，采用粒子 群、混沌优化等人工智能算法求解储能容量的优化 配置模型；文献［5］分别考虑独立和并网两种模式 对 风/光/储 容 量 进 行 最 优 配 置 ，优 化 策 略 配 置 蓄 电 池容量；文献［6］考虑系统缺电概率和平均单位发 电成本等因素，采用迭代算法求解独立的风/光/柴/ 储最优容量配置模型。
功 率 的 输 出 必 须 与 调 度 预 期 入 网 功 率 Pref 保 持 一致：
Pref = Pwd(t) + Ppv(t) + Pbat(t)
（23）
式中，Pwd(t) 、Ppv(t) 、Pbat(t) ——第 t 时刻风电机组功
率输出值、光伏组件功率输出值、储能装置功率输
出值。
2）发电单元应结合当地自然资源分布情况，最
内温度恒定。其出力模型如式（6）、式（7）［10］所示。
系统充电：
SOC(t) = SOC(t - 1)(1 - σ) + Pc(t)Δtηc/Emax （6） 系统放电：
SOC(t) =
SOC(t
-
1)(1
-
σ) -
Pd(t)Δt E η max d
（7）
式中，SOC(t) ——第 t 时间段结束后蓄电池剩余电
大限度的利用可再生能源，因此，能源损失率
R ［4］ LPPP
应小于一定限值：
RLPPP = ELPP /En < ε
（24）
式中，ELPP 、En ——能量损失量与调度需求总量；
ε ——发电单元的参考最大能源损失率。
3）充分利用风光互补特性，可使系统总体输出
保持平稳，且减少蓄电池因为平滑功率输出反复充
发生变化，其表达式见式（5）。
TC(t)
-
Tambient
=
T rated 800
G(t)
（5）
式中，Tambient ——周围的环境温度；Trated ——光伏组
件运行的额定温度。
1.4 储能蓄电池出力模型
在对蓄电池出力进行建模时，应考虑蓄电池本
身容量规模、放电深度、充放电效率等特性。规模
化蓄电池储能装置通常建立厂房集中存放，保持室
摘 要：为提高风光储发电单元并网运行的稳定性和经济性，提出一种基于额定容量的发电单元容量优化配置方
法。首先建立机组出力模型，制定发电单元恒定输出的调度策略；再以等年值投资费用为优化目标，考虑风光互补
性、能源利用率等约束条件，利用遗传粒子群算法求解额定容量下发电单元最优容量配置；最后根据算例计算结果
以及储能补贴和预期恒定功率大小与等年值投资费用的敏感性分析，验证模型和算法的有效性和准确性。
量；σ ——每小时蓄电池自放电率；Pc 、Pd ——蓄 电池第 t 时间段的充电功率和放电功率；Δt ——t
时间段长度；ηc 、ηd ——蓄电池充电效率和放电效 率；Emax ——蓄电池最大容量。
2 优化容量配置模型
2.1 系统调度策略
系统采用最大可再生能源利用原则对储能装
置进行控制，其基本思路为：当风光联合有功功率
AC/DC
AC35 kV AC35 kV AC220 kV



DC/DC




DC/AC
DC/DC
Fig. 1
图 1 风光储发电单元基本结构 The basic structure of wind and solar power
generation unit
上述文献研究的风光储联合发电系统的容量 配置问题，其本质是在满足负荷供电可靠性的基础
上，通过相应的指标约束，采用人工智能算法得到 成 本 最 小 的 风/光/储 容 量 组 合 。 在 容 量 配 置 过 程 中，通常配置的风光比例是使风光联合出力尽量逼 近负荷曲线，从而减少蓄电池充放电次数和放电深 度。但在不同预期负荷下容量配置结果不同，气象 条件和预期负荷的多变性也使其模型和算法的适 应性较差。本文以并网型风光储发电单元为研究 目标，在发电单元并网运行过程中，电网将其视作 一个额定容量为某一值的电厂，并以此制定相应的 调度任务［7］；建立容量优化配置模型，模型以自然资 源分布特征为基础，充分利用风光互补特性，通过 既定的蓄电池充放电控制策略，使发电单元输出恒 定；并以年等值投资费用为优化目标，考虑能量浪 费的惩罚费用，采用遗传粒子群算法求解恒定容量 下发电单元最优容量配置。
组 架 设 场 地 地 表 环 境 有 关 ，取 值 一 般 在 1/7~1/4
之间。
风电机组的实际出力和风速密切相关，风速未
达到风力机最低启动风速或超过最大工作风速时，
风力机不能工作，通常“风-功”对应关系见式（2）。
ì0
Pwd(k)
=
ïïP í
rated
ïïPrated
î
v(k)2 v2
raHale Waihona Puke Baidued
收稿日期：2013-11-19 基金项目：中央高校基本科研业务专项资金（2014XS39） 通信作者：周 欢（1988—），男，博士研究生，主要从事新能源技术、电力信息技术方面的研究。shenarder@163.com
12 期
吴克河等：大规模并网型风光储发电单元容量优化配置方法
2947
预测数据，合理安排机组投切，使风光储发电单元 整体稳定并网运行。
0 < Nwd ≤ Nwd_ max
（19）
0 < Npv ≤ Npv_max
（20）
0 < N ≤ N bat
bat_max
（21）
3）蓄电池容量约束。蓄电池剩余电量必须满
足容量上、下限要求：
SOCmin ≤ SOC(t) ≤ SOCmax 2.3.2 性能约束
（22）
1）功率约束。任一时刻风光储发电单元整体
生能源输出功率。
2.3 约束条件
2.3.1 技术约束
1）机组出力约束。机组出力不能超过其本身
的上、下限：
0
≤
P
wd
(t)
≤
P
rated wd
0
≤
P
pv(t)
≤
P
rated pv
（16） （17）
P max c
≤
Pbat(t)
≤
P max d
（18）
2）机组数量约束。发电单元各类设备总装机
容量由于场地限制等因素应限制在一定范围之内：
N pv
N ]T bat
（10）
将设备投资费用、运行维护费用、置换费用、补
贴费用计入目标函数，使系统等年值投资费用 ACS
（annualized cost of system）最 低［11］，其 目 标 函 数 如
式（11）所示：
3
∑ CACS(x) = [CI(xi) + COM(xi) + CR(xi) - CS(xi)] （11） i=1
1.3 光伏组件出力模型
光伏组件出力模型可由太阳能辐射、环境温度
等因素决定［9］，见式（3）。
Ppv(t) = ApvG(t)ηpv(t)ηinv
（3）
式中，Apv ——光伏面板接收太阳光照辐射的面积，
m2；G(t) ——光照辐射数值，W/m2；ηpv(t) ——光伏组
件能量转换效率；ηinv ——逆变器转换效率，光伏组 件的能量转换效率与环境的温度有关，环境温度对
光伏组件能量转换效率的影响见式（4）。
ηpv(t) = ηref[1 - β(TC(t) - TCref)]
（4）
式中，ηref ——光伏组件标准温度下测试的参考能
量转换效率；β ——温度对能量转换效率的影响系
数 ；TC(t) ——t 时 刻 光 伏 组 件 的 实 测 温 度 值 ； TCref ——光伏组件参考标准温度值。光伏组件吸收 太阳辐射，与环境温度一起作用引起光伏组件温度
率；r0 ——设备使用年限。
COM 由设备运行成本和停机维护成本组成：
3
3
∑ ∑ COM = CO(xi，tOi ) + CM(xi，tMi )
i=1
i=1
（13）
式中，CO 、CM ——设备运行成本和停机维护成本；
tO i
、tMi
——设备
i
的运行实际和停机维护时间。
项目年限内平均设备置换成本 CR ：
输出小于调度需求值 Pref 时，有功功率差值由蓄电 池补充，直到所有蓄电池装置均达到最大放电深度
SOCmin ，此时蓄电池停止提供有功输出：
{Pd(t) = Pref -[Pwd(t) + Ppv(t)]
SOC(t) > SOCmin
（8）
2948
太阳能学报
36 卷
式中，Pd(t) 可由式（7）推导得出。 当风光联合有功功率输出大于调度需求值 Pref
-
v2 min
v2 min
v(k) < vmin或 v(k) > vmax vrated ≤ v(k) ≤ vmax
vmin ≤ v(k) < vrated
（2）
式中，Pwd(k) ——k 时刻风电机组出力；Prated ——机 组额定功率；vmin 、vmax 、vrated ——风电机组运行的最 小启动风速、切除风速、最小额定风速。
关键词：风光储；容量配置；额定容量；等年值投资费用；遗传粒子群算法
中图分类号：TM61
文献标识码：A
0引言
风力发电和光伏发电具有明显随机性和间歇 性，当并网规模较大时，势必对电网造成冲击，利用 储能技术在一定程度上能提高风光储联合发电的 稳定性和可靠性。然而，储能装置造价高、寿命短， 长期的运营收益偏低，合理配置风光储联合发电设 备容量，对电网运行的经济性可靠性有重要意义。
1.2 风力机出力模型
风电机组出力模型与场地条件如地表粗糙程
度、塔筒高度等密切相关，而轮毂处实际风速与监
测点高度的风速也有差别，因此需对实测风速进行
转换［8］，见式（1）。
[ ] v(k) = vref
H
Hα ref
（1）
式中，v(k) 、vref ——第 k 时刻监测点轮毂处风速和 实 测 风 速 ；H 、Href —— 轮 毂 高 度 和 实 测 点 高 度 ； α ——地表粗糙程度描述因子，α 的取值与风电机
第 36 卷 第 12 期
2015 年 12 月
文章编号：0254-0096（2015）12-2946-08
太阳能学报
ACTA ENERGIAE SOLARIS SINICA
Vol. 36, No. 12
Dec., 2015
大规模并网型风光储发电单元容量优化配置方法
吴克河，周 欢，刘吉臻
（华北电力大学控制与计算机工程学院，北京 102206）