基于混合储能的互补发电系统方向

在“双碳”目标背景下,风力发电和光伏发电在我国发展最为迅速。且风能和太阳能在时间和空间上具有很好的互补性,相比于单一的发电形式风光互补发电系统具有更高的经济价值和能源利用率,因此,风光互补发电系统的研究具有重要的实用价值。本文以优化风光互补发电系统的发电效率和经济性为目标,主要针对风光互补发电系统中风力发电和光伏发电的最大功率跟踪(Maximum Power Point Tracking,MPPT)控制策略,系统能量管理策略和容量优化配置方面开展研究。针对传统风力发电在最大功率跟踪过程中,追踪步长固定,输出功率容易出现抖动的问题。提出了一种分段双模糊控制算法,利用发电机的P-w曲线将最大功率跟踪过程划分为不同区域,在不同区域应用不同精度的模糊控制器进行最大功率跟踪,使风力发电系统的追踪效率和精度显著提升。最后,进行仿真建模分析,追踪时间比扰动分析法缩短了37.5%,跌落现象显著降低。验证了该方法的有效性和优越性。针对光伏发电系统在最大功率跟踪过程中,环境突变时容易误判的现象,提出了一种三点测量法,根据电流值的突变情况,检测出工作环境的变化,并进行工作调整;为解决追踪步长固定的问题,提出了一种分区自适应扰动算法,利用光伏电池的P-U曲线对追踪过程划分不同区域,在不同区域选择合适的步长进行最大功率跟踪,从而提高了系统的追踪效率和精度。并通过仿真建模分析,追踪时间相比传统方法缩短了64.7%。最后,以STM32F103C8T6为核心芯片对小型光伏发电系统进行软硬件设计,通过实验进一步验证了该MPPT控制算法的可行性。针对单一储能系统平抑功率波动能力差,容易过充过放问题,采用蓄电池和超级电容相结合的储能方案,并提出了一种以混合储能SOC变化为主的控制策略,最后对整体系统进行建模仿真,验证了系统搭建的正确性和所提控制策略的可行性与优越性。容量配置方面,以系统的投资成本、设备更换成本、维护成本、碳排放效益成本之和作为等年值成本,以最小等年值成本作为优化目标,以系统的功率、负荷缺电率、荷电状态作为约束条件,建立容量优化配置模型。采用改进黏菌算法对系统容量配置进行寻优求解,优化结果使求得的等年值成本减少了10.71%。实验结果验证了搭建的容量配置模型的有效性和算法的优越性。图[81]表[13]参[83]

针对单一的光伏发电和风力发电的不稳定性,以及传统蓄电池的高成本、寿命短等制约着光伏与风力发电技术发展的问题,本文提出一种在风光互补发电系统中加入蓄电池和氢气储能组成的混合储能装置,以其为优化研究对象,旨在提高系统经济性和蓄电池性能。主要针对以下几个方面展开研究:对风力发电系统以及光伏发电系统的原理进行了分析,并建立了与风机和光伏的时间、空间特性紧密联系的数学模型。研究蓄电池和氢储的工作原理和各自的优缺点,根据各自的特点分别建立相对应的模型。构建了风光互补发电系统的系统结构,提出了风机、光伏阵列的运行控制策略:对风机的控制采用最大风能捕获控制策略,对光伏阵列采用最大功率点跟踪控制。此外,研究了蓄电池的运行控制策略。利用粒子群优化算法分别对含单一蓄电池的发电系统和含蓄电池+氢储组成的混合储能装置的发电系统容量进行优化。首先,在算法上对粒子群优化算法进行改进,引入采用了线性递减策略的惯性权重?,显著提高了算法的寻优精度。其次,以全寿命周期内的综合成本最小为目标函数,负荷缺电率、装机容量和发电功率等为约束条件,建立储能装置的容量优化模型。最后,将具有全局寻优的粒子群算法分别对单一储能模型和混合储能模型进行优化,得到风光互补发电系统的最佳发电容量配置。利用Homer软件对建立好的单一储能模型和混合储能模型分别进行仿真。对比两次仿真的结果,验证了本文提出的混合储能装置的有效性。仿真结果表明:混合储能装置下的风光互补发电系统全寿命周期内的综合成本更低,且蓄电池的SOC处于更合理的区间。得出结论:本文提出的混合储能装置,在保证系统稳定性的前提下,提高了系统的经济性;此外,对比两组方案蓄电池SOC图,发现混合储能装置对蓄电池性能方面也有所改善。

随着社会的进步与发展,能源需求量也在逐渐上升,传统的化石能源已经不能满足我们的需求标准,即要保护环境又要储量丰富,所以新能源的开发利用是未来社会的主要战略目标之一。各种新型能源层出不穷,当下真正满足我们需求的也只有风能和太阳能,它们储量丰富,清洁无污染,符合我们的基本标准。从我国国土面积及地理面貌考虑,很适合我们开发利用。风能和太阳能储量丰富,但是风光的特性很明显,均受地域与天气变化影响,存在间歇性和不稳定性,因此风力和太阳能发电系统多用于解决孤岛问题、偏远山区供电问题。本文通过分析风力和光伏单独供电的不足之处,提出以风光储混合发电为本文的主要研究对象,并对其控制策略进行优化,通过混合蛙跳粒子群算法验证其经济可行性。首先,分别搭建光伏系统、风力系统及储能蓄电池系统的数学模型,然后再使用MATLAB/Simulink平台分别搭建其仿真模型,仿真出不同的情况下的电力输出情况,并对其结果进行简要的分析。然后,在MATLAB/Simulink平台将三个子系统合并为风光储混合发电系统,并对其进行调试,结合有效的控制策略,对不同天气情况下的运行结果进行分析。其中,在风力子系统和光伏子系统中,涉及到MPPT法的比较应用;在储能系统中,采用双向Buck/Boost变换器的设计与应用,并且在后续的控制策略中,对蓄电池SOC充放电临界值进行了设定(0.4≤SOC≤0.9),尽可能做到削峰填谷,系统满发,减少弃风弃光的现象,再根据储能容量系统的状态判断控制策略的运行模式。最后,引用全生命周期算法,搭建数学模型,对储能系统的使用寿命及其经济可行性进行分析,对比粒子群算法和混合蛙跳粒子群算法的优缺点,并对整个风光储能系统的成本进行优化,最终得出结论,体现其可行性,证明控制策略的合理有效性。