考虑氢储动态效率的电氢耦合微网长期容量优化_朱显辉.pdf

第 49 卷 第 3 期：1128-1139 高电压技术 Vol.49,No.3:1128-1139 2023 年 3 月 31 日 High Voltage Engineering March 31,2023 DOI:10.13336/j.1003-6520.hve.20220249 2023 年 3 月 31 日第 49 卷 March 考虑氢储动态效率的电氢耦合微网长期容量优化 朱显辉1，胡 旭1，师 楠2，张 尧1，钟敬文1（1.黑龙江科技大学电气与控制工程学院，哈尔滨 150022；2.黑龙江科技大学工程训练与基础实验中心，哈尔滨 150022）摘 要：双碳目标下风光氢联系日益密切，合理的容量优化是保证电氢耦合系统稳定运行的有效途径。针对风光氢储超级电容联合运行的独立微网，提出了一种长期容量优化方法。通过考量氢储系统的动态效率，优化产氢和耗氢设备的工作区间，制定了合理的微网运行控制策略。为反映真实的风光气象因素长期变化趋势，基于皮尔森相关系数和灰色滚动预测法进行典型日长期预测，得到了模型输入样本。以微网的经济性、可靠性和低碳性综合最优为目标构建了容量优化模型，并采用非线性动态权重的多目标粒子群算法求解出 Pareto 集，同时引入隶属度分析法给出了最佳规划方案。仿真结果表明：相比于当前研究成果，所提方法得益于对氢储单元动态特性的分析和输入样本的改进，能够给出更优越的配置结果。关键词：电氢耦合；长期预测；氢储动态效率；容量优化；典型日选取 Long-term Capacity Optimization of Electrohydrogen Coupled Microgrid Considering Dynamic Efficiency of Hydrogen Storage ZHU Xianhui1,HU Xu1,SHI Nan2,ZHANG Yao1,ZHONG Jingwen1(1.School of Electrical&Control Engineering,Heilongjiang University of Science&Technology,Harbin 150022,China;2.Engineering Training&Basic Experiment Center,Heilongjiang University of Science&Technology,Harbin 150022,China)Abstract：Under the carbon peaking and carbon neutrality goals,the connection among wind energy,solar energy and hydrogen energy is increasingly close,and reasonable capacity allocation is an effective way to ensure the stable opera-tion of the electro-hydrogen coupling system.A long-term capacity optimization method was proposed for an independent microgrid with combined operation of wind-photo-hydrogen storage-ultracapacitors.By considering the dynamic effi-ciency of hydrogen storage system,the working interval of hydrogen production and hydrogen consumption equipment was optimized,and a reasonable control strategy of microgrid operation was developed.In order to reflect the real long-term trend of the meteorological factors,the long-term forecast of typical days was carried out based on the Pearson correlation coefficient and grey rolling prediction method,and the optimized input samples were obtained.A capacity op-timization model was established to optimize the economy,reliability and low carbon of microgrid,a multi-objective particle swarm optimization algorithm(IMOPSO)with nonlinear dynamic weight was used to solve the Pareto set,and the membership analysis method was introduced to give the optimal planning scheme.Simulation results show that,com-pared with the current research results,the proposed method benefits from the analysis of dynamic characteristics of hydrogen storage units and the improvement of input samples,and can give better configuration results.Key words：electrohydrogen coupling;long-term forecast;dynamic efficiency;capacity optimization;typical day selec-tion 0 引言1 在双碳目标的激励下，风光互补分布式微网的发展势头迅猛。为应对风光出力的不确定性，需在微网中增加储能环节，储能容量的配置不仅直接关 基金资助项目：国家自然科学基金(51677057)。Project supported by National Natural Science Foundation of China(51677057).系到系统供电的可靠性，对微网的经济性和碳排放同样影响重大，已成为电力系统亟待解决的关键科学问题，对其进行研究具有重要意义1-3。蓄电池能够抑制微网中风光出力的波动，针对其最优容量配置问题，部分学者采用元启发优化算法，比如粒子群算法4、遗传算法5和萤火虫算法6等进行了求解。但受自身容量的限制，蓄电池仅能提供短时能量存储和转换，在容量较大微网中的适朱显辉，胡 旭，师 楠，等：考虑氢储动态效率的电氢耦合微网长期容量优化 1129 用性不高。相比较而言，能量密度较高的氢能可进行时间尺度较长的大规模能量存储，更适用于平抑风光出力的波动，受到了一定关注。文献7-8分析了微网的经济性指标，以长期制氢为储能单元构建了容量配置模型。文献9基于场景缩减法评估了电氢耦合多能源系统的经济效益和环保性，并利用 CPLEX求解器确定了微网各单元最优容量。但上述文献采用的单一储能环节很难满足不同工况下系统的实际需求，应用受限。为模拟更真实的运行工况，对含多种储能环节容量配置研究的热度逐渐提高。比如，文献10-11综合考虑运行成本及系统可靠性，构建了基于粒子群算法的氢蓄耦合微网的容量配置求解模型。文献12结合超级电容器和氢储单元作为混合储能系统，提高了系统运行的稳定性。在考虑微网低碳性的前提下，文献13-14分别采用超松弛交替方向乘子法(alternating direction method of multipliers，ADMM)和帝国竞争算法配置微网容量。文献15结合系统运营成本和碳减排效益作为目标函数，提出了风光储微网容量配置方法，并利用遗传粒子群算法给出最优方案。文献16根据风荷的预测结果，给出了一种混合储能超前控制策略，提高了储能的利用效率。文献10-16主要针对多储能环节微网的容量配置进行研究，取得了一定进展，给出了一些有益结论。但上述研究多采用等值年函数对微网成本进行归算，该方法以历史典型年数据作为输入样本，并基于输入样本给出氢储容量的配置结果，无法完全反映气候变化所导致的风光长期发展趋势。此外，由于氢储装置的动态特性对容量优化具有较大影响，而上述成果也未考虑实际工况下氢储装置的动态效率问题，因此，无法保证其所得容量配置结果为全局最优解。针对上述问题，本文在综合考量微网经济性、可靠性和环境因素的基础上，采用滚动灰色算法预测长时间尺度的风光数据，并将其作为容量配置的输入样本，建立考虑氢储系统动态效率的微网模型，最后利用多目标粒子群算法(multi-objective particle swarm optimization algorithm,MOPSO)对微网各单元的最优容量进行计算，力图给出一种既能反映长期气候变化趋势，又更接近于真实工况的容量配置方法，以期为含风光储微网的优化分析提供借鉴。1 微电网数学模型及动态效率分析 为提高所提方法的普适性，采用文献17-18中所示微网各单元典型的数学模型进行容量优化求解。根据文献19，质子交换膜式电解槽和低温燃料电池在氢储环节中应用最为广泛，为此选取两者作为产氢和耗氢设备。1.1 电解槽制氢效率分析 由文献20可知，电解槽的功率 Pel和效率 el皆与单位电流密度 j 有关，因此通过改变单位电流密度计算对应的功率和效率值，并通过多种函数进行关系拟合，测得利用 8 阶傅里叶函数拟合效果最好，均方根误差为 0.42%，得到的模型为()()()()()()()()()()89elel99elel98elel98elel88elel6el7.663 102.65 10 cos2.396 10 cos 22.362 10 sin 22.724 10 cos 33.866 10 sin 31.409 10 cos 46.819 10 sin 43.254 10 cos 55.339 10 sin 52.655 10 cos 61.688 1xPxPxPxPxPxPxPxPxPxP=+()()()()()8el77elel65elel0 sin 61.512 10 cos 72.341 10 sin 71.928 10 cos 89.144 10 sin 81.049xPxPxPxPxPx+=(1)通过拟合得到的电解槽功率与效率的关系特性曲线如图1所示。由图1可知，电解槽的功率标幺值和效率值(功率的额定值为50 kW，效率的额定值为1)取值在01之间，当输入功率标幺值取0.3007时，电解功率最大为81.38%。当输入功率达到额定值时效率为65.86%，负载率大于30.07%后效率处于下降状态，但总体的效率依然较高。图 1 电解槽功率标幺值效率曲线 Fig.1 Power unit value-efficiency curve of electrolytic cell 1130 高电压技术 2023,49(3)1.2 燃料电池发电效率分析 根据实际的电压、电流和功率数据，并利用文献21所示方法分析可知，改变电流即可得到燃料电池不同的功率Pfc与效率fc数据，利用所得数据选择7阶傅里叶函数进行曲线拟合，均方根误差为0.1%，得到关系模型为()()()()()()()()()()9fc99fcfc99fcfc89fcfc88fcfc77fcfc2.199 103.424 10 cos