一种含分布式压缩空气储能的低碳微网运行方法

1.本发明涉及新能源领域，尤其涉及一种含分布式压缩空气储能的低碳微网运行方法。


背景技术：

2.微网是实现分布式新能源高效利用与有效消纳的手段之一，其由分布式新能源、储能装置与负荷构成。我国各地新能源快速发展，以新能源为主要能源输入的微网作用明显。但在地区差异、环境因素与新能源发电间歇性等因素下，电化学储能等储能装置工作可靠性不高且无法满足长时间能源供给需求，这也成为了限制微网发展的主要原因之一。分布式压缩空气储能运行灵活高效，在高寒、低气压等极端环境条件下也能长时段持续运行，与以分布式新能源为主要能源输入的微网十分契合。因此在用能分散且环境复杂的微网中建立含分布式压缩空气储能的微网系统，为复杂环境地区微网低碳、安全、灵活发展提供了新思路。
3.含分布式新能源的微网优化调度是当下研究的热门。现有研究虽然极大程度上促进了微网的发展，但仍存在碳排放以及储能装置存在局限性，在复杂环境下无法安全稳定等问题。
4.为解决上述问题，一些学者们将研究方向重心转移至分布式压缩空气储能，以适应各类型的微网。然而，其在研究上虽然验证了压缩空气储能在新能源微网中的良好性能，但各微网因其所处地理位置不同，其风光资源差异性较大，使得分布式压缩空气储能系统在不同能源输入的微网优化调度中差别显著。本发明针对复杂环境下微网适用性较差的问题，提出了一种含分布式压缩空气储能的低碳微网运行方法。


技术实现要素：

5.本发明目的是针对上述问题，提供一种可以有效降低运行成本的含分布式压缩空气储能的低碳微网运行方法。
6.为了实现上述目的，本发明的技术方案是：
7.一种含分布式压缩空气储能的低碳微网运行方法，包括以下步骤：
8.s1、构建含分布式压缩空气储能的微网系统；
9.s2、构建含分布式压缩空气储能的微网模型；所述微网模型包括分布式新能源模型、压缩机与透平机模型、储气室模型；
10.s3、以微网系统低碳运行成本的最小值为优化目标构建目标函数，其目标函数为：
11.minc＝cr+c
loss
；
12.cr＝f
caes
(p
cp,rp
+p
tb,rp
)；
[0013][0014]
式中：cr为分布式压缩空气储能系统运行维护成本；c
loss
为弃风弃光惩罚成本；f
caes
为分布式压缩空气储能系统日运行维护系数；p
cp,rp
为压缩机的额定功率；p
tb,rp
为透平
机的额定功率；γc为分布式新能源发电设备的弃电量惩罚系数；pc(t)为t时段的弃电功率。
[0015]
进一步的，所述步骤s1中，微网系统包括分布式压缩空气储能系统、风力发电设备、光伏发电设备、用电负荷；所述风力发电设备、光伏发电设备均与分布式压缩空气储能系统的输入端相连接，分布式压缩空气储能系统的输出端与用电负荷相连接。
[0016]
进一步的，所述步骤s1中，分布式压缩空气储能系统包括压缩机、储能装置、透平机，压缩机的输入端与风力发电设备、光伏发电设备的输出端相连接，压缩机的输出端与储能装置的输入端相连接，储能装置的输出端与透平机的输入端相连接，透平机的输出端与用电负荷相连接。
[0017]
进一步的，所述步骤s2中，分布式新能源模型的计算公式为：
[0018][0019][0020]
式中，为第n个分布式光伏发电设备t时段的输出功率；为第n个分布式风力发电设备t时段的输出功率；p
pv
(t)为微网系统中光伏发电设备出力t时段的输出功率；p
wd
(t)为微网系统中风力发电设备出力t时段的输出功率；a为分布式光伏发电设备的数量、b为分布式风力发电设备的数量。
[0021]
进一步的，所述步骤s2中，压缩机与透平机模型的计算公式为：
[0022]mcp
(t)＝η
cp
pe(t)；
[0023]
p
tb
(t)＝η
tbmtb
(t)；
[0024]
式中，pe(t)为t时段压缩机消耗的电功率；η
cp
为压缩机转换系数；m
cp
(t)为t时段压缩机产生的高压空气质量；m
tb
(t)为t时段储气室输出高压空气质量；η
tb
为透平机转换系数；p
tb
(t)为t时段透平机输出电功率。
[0025]
进一步的，所述步骤s2中，储气室模型的计算公式为：
[0026][0027]
式中，p
soc
(t)为t时刻储气室的压强；η
soc
为储气室的交换空气效率；rg为理想气体常数；t为储气室温度；v为储气室体积。
[0028]
进一步的，所述步骤s3中，目标函数的约束条件包括电量平衡约束、分布式压缩空气储能系统的元件运行约束、其他运行约束；
[0029]
所述电量平衡约束为：
[0030][0031]
式中，p
load
(t)为t时段内微网系统的电负荷；
[0032]
所述分布式压缩空气储能系统的元件运行约束为：
[0033]
0≤pe(t)≤q
cp
；
[0034]
0≤p
tb
(t)≤q
tb
；
[0035]
p
soc_min
≤p
soc
(t)≤p
soc_max
；
[0036]
式中，pe(t)为t时段压缩机消耗的电功率；p
tb
(t)为t时段透平机输出电功率；p
soc
(t)为t时刻储气室的压强；q
cp
为压缩机的最大功率；q
tb
为透平机的最大功率；p
soc_min
、p
soc_max
分别为储气室压强的最小值、最大值；
[0037]
所述其他运行约束为：
[0038]
0≤pc(t)≤λc(p
pv
(t)+p
wd
(t))；
[0039]
式中，λc为最大弃风弃光比例。
[0040]
与现有技术相比，本发明具有的优点和积极效果是：
[0041]
本发明提出了一种含分布式压缩空气储能的低碳微网运行方法，其首先考虑区域微网环境复杂，提出分布式压缩空气储能系统与微网耦合结构，接着建立微网中新能源输出模型与压缩空气储能系统模型，最后考虑新能源消纳，构建微网低碳运行目标函数来提升微网经济性，降低微网中弃风弃光率；其有效提高了微网的环境适用性，给分布式新能源的微网优化发展作出了一定的贡献。
附图说明
[0042]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0043]
图1为本发明的微网系统结构图；
[0044]
图2为微网系统中的分布式新能源输出示意图；
[0045]
图3为微网系统中的电负荷示意图；
[0046]
图4为微网系统的电能平衡示意图。
具体实施方式
[0047]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
[0048]
本实施例公开了一种含分布式压缩空气储能的低碳微网运行方法，其主要包括以下内容：
[0049]
1、含分布式压缩空气储能的微网结构
[0050]
本发明所提含压缩空气储能的低碳微网架构如图1所示。微网中新能源发电为该系统中全部的能量来源，分布式压缩空气储能系统作为储能设备与新能源相互协调以满足系统负荷供给。含压缩空气储能的低碳微网的运行模式具体如下：
[0051]
(1)当微网中新能源的输出功率高于其负荷的需求功率时，其产生的富余电量将传输至分布式压缩空气储能系统进行存储。
[0052]
(2)当微网中新能源的输出功率难以支撑负荷的需求功率时，分布式压缩空气储能系统将加热的高压空气势能转换为电能来满足系统功率需求。
[0053]
2、含分布式压缩空气储能的微网模型
[0054]
2.1、分布式新能源模型
[0055]
分布式新能源作为本系统中全部的能量来源，其发电功率大小十分重要。本发明分布式新能源模型如下所示。
[0056][0057][0058]
式中：分别为第n个分布式光伏和分布式风电t时段的输出功率，p
pv
(t)、p
wd
(t)分别为系统光伏出力和系统风电出力t时段的输出功率；a、b分别为分布式光伏数量和分布式风电数量。
[0059]
2.2、压缩机与透平机模型
[0060]
本发明为重点分析分布式压缩空气储能系统对新能源的消纳作用，在建模过程中暂不考虑压缩机与透平机的宽工况特性，采用线性模型，本发明压缩机与透平机模型如下：
[0061]mcp
(t)＝η
cp
pe(t)；
ꢀꢀ
(3)
[0062]
p
tb
(t)＝η
tbmtb
(t)；
ꢀꢀ
(4)
[0063]
式中，pe(t)为t时段压缩机消耗电功率；η
cp
为压缩机转换系数；m
cp
(t)为t时段压缩机产生的高压空气质量；m
tb
(t)为t时段储气室输出高压空气质量；η
tb
为透平机转换系数；p
tb
(t)为t时段透平机输出电功率。
[0064]
2.3、储气室模型
[0065]
分布式压缩空气储能系统中，储气室压强代表了其所储能量。对于小型储气室而言，其与外界传热效果并不明显，或可采取一些保温措施实现恒温状态，因此可建立储气室定容等温模型。
[0066]
dm
gsc
/dt＝m
in-m
out
ꢀꢀ
(5)
[0067]
dt/dt＝0
ꢀꢀ
(6)
[0068]
dp/dt＝rgt/v(m
in-m
out
)
ꢀꢀ
(7)
[0069]
式中，m
gsc
为储气室内空气质量；m
in
、m
out
分别为进出储气室空气质量流量；k为空气绝热指数；p为储气室压强；rg为理想气体常数；t为储气室温度；v为储气室体积。
[0070]
实际中储气室压强变化是根据压缩机和透平机做功后的气压差值计算。因此可通过储气室定容等温模型，建立储气室压强soc模型，具体模型如下：
[0071]
p
soc
(t)＝p
soc
(t-1)+rgt/v(η
socmcp
(t)-m
tb
(t)/η
soc
)
ꢀꢀ
(8)
[0072]
式中，p
soc
(t)为t时刻储气室压强；η
soc
为储气室交换空气效率。
[0073]
3、低碳运行策略
[0074]
3.1、目标函数
[0075]
本发明的优化目标是得到微网低碳运行成本的最小值，目标函数为：
[0076]
minc＝cr+c
loss
ꢀꢀ
(9)
[0077]cr
＝f
caes
(p
cp,rp
+p
tb,rp
)
ꢀꢀ
(10)
[0078][0079]
式中：cr为分布式压缩空气储能系统运行维护成本；c
loss
为弃风弃光惩罚成本；f
caes
为压缩空气储能系统日运行维护系数；p
cp,rp
、p
tb,rp
分别为压缩机和透平机的额定功率；
γc为分布式新能源的弃电量惩罚系数；pc(t)为t时段弃电功率。
[0080]
3.2、约束条件
[0081]
(1)电量平衡约束
[0082]
为保证系统电量时刻平衡，其电量平衡约束如下所示：
[0083]
p
pv
(t)+p
wd
(t)-pc(t)＝p
load
(t)+pe(t)-p
tb
(t)
ꢀꢀ
(12)
[0084]
式中：p
load
(t)为t时段系统电负荷。
[0085]
(2)分布式压缩空气储能系统元件运行约束
[0086]
为保证系统的正常运行，各设备应在其额定功率范围内。
[0087]
0≤pe(t)≤q
cp
ꢀꢀ
(13)
[0088]
0≤p
tb
(t)≤q
tb
ꢀꢀ
(14)
[0089]
p
soc_min
≤p
soc
(t)≤p
soc_max
ꢀꢀ
(15)
[0090]
式中：pe(t)为t时段压缩机消耗的电功率；p
tb
(t)为t时段透平机输出电功率；p
soc
(t)为t时刻储气室的压强；q
cp
、q
tb
分别为压缩机、透平机最大功率；p
soc_min
、p
soc_max
分别为储气室压强的最小值、最大值。
[0091]
(3)其他运行约束
[0092]
为保证含分布式压缩空气储能的低碳微网中新能源的实用性，其弃风弃光量需控制在一定范围内。具体如下所示：
[0093]
0≤pc(t)≤λc(p
pv
(t)+p
wd
(t))
ꢀꢀ
(16)
[0094]
式中：λc为最大弃风弃光比例。
[0095]
4、算例分析
[0096]
4.1、算例参数
[0097]
为验证含分布式压缩空气储能的低碳微网运行策略有效性，本发明选取环境较为复杂，风光资源丰富而用能分散的西北地区作为研究对象，其中光伏风电出力及电负荷等参数如图2、图3所示，单个分布式光伏容量为90kw，单个分布式风电容量为100kw。综合考虑损耗等因素，确定其运行维护成本系数为2元/kw。最大弃风弃光比例为50％。弃风弃光惩罚系数为0.3元/(kw
·
h)。储气室压力上下限分别为55bar和40bar。
[0098]
4.2、运行结果
[0099]
根据4.1节的参数，西北地区含分布式压缩空气储能的低碳微网运行成本如表1所示，系统电平衡如图4所示.
[0100]
表1系统成本
[0101]
参数数值运行维护成本(元/天)437.94弃风弃光成本(元/天)69.57
[0102]
从图4可看出，含分布式压缩空气储能的低碳微网可有效满足区域电负荷，且仅在四个时间段存在少量弃风弃光现象，弃风弃光量仅为总发电量的2.8％。结合图4和表1可知，系统典型日内仅弃能139.15kw，日弃风弃光成本为69.57元，其年均弃风弃光成本将达到25393.05元，说明弃风弃光量对系统经济性影响较大。由图4可知，分布式光伏发电时间为早上07:00-傍晚18:00，通过利用微网中风光能源存在良好互补性，其他时间段系统电负荷则依靠分布式风电作为主要的能源供给站。此外，由于新能源发电存在波动性，无法与区
域内电负荷完全匹配，而分布式压缩空气储能系统可在环境复杂的西北地区微网中完美实现电能的跨时间存储，达到削峰填谷作用。
[0103]
4.3、影响分析
[0104]
由于风光资源受地区影响较大，不同微网中风光资源差异性明显，为比较不同风光资源下含分布式压缩空气储能的低碳微网运行差别，在此对三种方案展开详细对比分析。
[0105]
方案1：系统内微网中分布式光伏与风电均存在。
[0106]
方案2：系统内微网中仅有分布式光伏。
[0107]
方案3：系统内微网中仅有分布式风电。
[0108]
各方案下的含分布式压缩空气储能的低碳微网运行成本对比如表2所示。
[0109]
表2成本对比
[0110][0111][0112]
由上表可知，三种方案中，方案1经济性显著，其总成本仅为方案2的21.68％，方案3的42.7％。由于方案2分布式光伏发电时间集中在07:00-18:00，其他时间均由压缩空气储能供给电负荷，因此其运行成本较高，且光伏发电过于集中，使得弃风弃光量骤升。因此相比于方案2，方案1不仅系统运行成本降低了63.38％，且弃风弃光成本有效降低93.92％。方案3与方案1相比，由于方案3无分布式光伏，无法实现风光互补，导致弃风弃光量骤升，其日弃风弃光成本达到751.56元，是方案1弃风弃光成本的10倍。因此，在风光资源充足地区(如算例中的西北地区)，含分布式压缩空气储能的低碳微网运行策略所带来的经济性远高于风光资源单一地区。
[0113]
为更好的对比三种方案下系统对微网中新能源的消纳作用，本发明采用新能源消纳率β对三种方案的优化结果进行评价，β定义如下：
[0114][0115]
按上式计算，可得方案1～方案3下，系统的新能源消纳率分别为97.2％、74.75％和76.51％，可知风光互补地区的含分布式压缩空气储能的低碳微网可最大程度上实现新能源消纳。因此在风光资源丰富地区(如西北地区)采用含分布式压缩空气储能的低碳微网运行策略，不仅可有效降低系统总成本，其在微网中新能源消纳方面也优势显著。
[0116]
5、结论
[0117]
本发明为提高复杂地区微电网的经济性和新能源消纳能力，提出一种含dcaes的微电网低碳运行策略。结合实际区域数据，进行了实例的模拟和分析。主要结论如下：
[0118]
(1)建立了含分布式压缩空气储能的低碳微网运行策略。通过该策略进行优化调控，可实现微网内新能源的有效消纳，经算例分析验证，其弃风弃光率仅为2.8％。对于环境复杂地区低碳微网发展具有理论参考意义。
[0119]
(2)对比分析了风光资源差异对含分布式压缩空气储能的低碳微网影响。与风光资源单一微网相比，风光资源丰富区域的含分布式压缩空气储能的低碳微网系统运行总成本至少降低了57.3％，对于新能源资源丰富地区的分布式压缩空气储能系统的运用具有重要的理论参考意义。

技术特征：
1.一种含分布式压缩空气储能的低碳微网运行方法，其特征在于：包括以下步骤：s1、构建含分布式压缩空气储能的微网系统；s2、构建含分布式压缩空气储能的微网模型；所述微网模型包括分布式新能源模型、压缩机与透平机模型、储气室模型；s3、以微网系统低碳运行成本的最小值为优化目标构建目标函数，其目标函数为：min c＝c
r
+c
loss
；c
r
＝f
caes
(p
cp,rp
+p
tb,rp
)；式中：c
r
为分布式压缩空气储能系统运行维护成本；c
loss
为弃风弃光惩罚成本；f
caes
为分布式压缩空气储能系统日运行维护系数；p
cp,rp
为压缩机的额定功率；p
tb,rp
为透平机的额定功率；γ
c
为分布式新能源发电设备的弃电量惩罚系数；p
c
(t)为t时段的弃电功率。2.如权利要求1所述的含分布式压缩空气储能的低碳微网运行方法，其特征在于：所述步骤s1中，微网系统包括分布式压缩空气储能系统、风力发电设备、光伏发电设备、用电负荷；所述风力发电设备、光伏发电设备均与分布式压缩空气储能系统的输入端相连接，分布式压缩空气储能系统的输出端与用电负荷相连接。3.如权利要求2所述的含分布式压缩空气储能的低碳微网运行方法，其特征在于：所述步骤s1中，分布式压缩空气储能系统包括压缩机、储能装置、透平机，压缩机的输入端与风力发电设备、光伏发电设备的输出端相连接，压缩机的输出端与储能装置的输入端相连接，储能装置的输出端与透平机的输入端相连接，透平机的输出端与用电负荷相连接。4.如权利要求3所述的含分布式压缩空气储能的低碳微网运行方法，其特征在于：所述步骤s2中，分布式新能源模型的计算公式为：步骤s2中，分布式新能源模型的计算公式为：式中，为第n个分布式光伏发电设备t时段的输出功率；为第n个分布式风力发电设备t时段的输出功率；p
pv
(t)为微网系统中光伏发电设备出力t时段的输出功率；p
wd
(t)为微网系统中风力发电设备出力t时段的输出功率；a为分布式光伏发电设备的数量、b为分布式风力发电设备的数量。5.如权利要求4所述的含分布式压缩空气储能的低碳微网运行方法，其特征在于：所述步骤s2中，压缩机与透平机模型的计算公式为：m
cp
(t)＝η
cp
p
e
(t)；p
tb
(t)＝η
tb
m
tb
(t)；式中，p
e
(t)为t时段压缩机消耗的电功率；η
cp
为压缩机转换系数；m
cp
(t)为t时段压缩机产生的高压空气质量；m
tb
(t)为t时段储气室输出高压空气质量；η
tb
为透平机转换系数；p
tb
(t)为t时段透平机输出电功率。6.如权利要求5所述的含分布式压缩空气储能的低碳微网运行方法，其特征在于：所述步骤s2中，储气室模型的计算公式为：
式中，p
soc
(t)为t时刻储气室的压强；η
soc
为储气室的交换空气效率；r
g
为理想气体常数；t为储气室温度；v为储气室体积。7.如权利要求6所述的含分布式压缩空气储能的低碳微网运行方法，其特征在于：所述步骤s3中，目标函数的约束条件包括电量平衡约束、分布式压缩空气储能系统的元件运行约束、其他运行约束；所述电量平衡约束为：式中，p
load
(t)为t时段内微网系统的电负荷；所述分布式压缩空气储能系统的元件运行约束为：0≤p
e
(t)≤q
cp
；0≤p
tb
(t)≤q
tb
；p
soc_min
≤p
soc
(t)≤p
soc_max
；式中，p
e
(t)为t时段压缩机消耗的电功率；p
tb
(t)为t时段透平机输出电功率；p
soc
(t)为t时刻储气室的压强；q
cp
为压缩机的最大功率；q
tb
为透平机的最大功率；p
soc_min
、p
soc_max
分别为储气室压强的最小值、最大值；所述其他运行约束为：0≤p
c
(t)≤λ
c
(p
pv
(t)+p
wd
(t))；式中，λ
c
为最大弃风弃光比例。

技术总结
本发明公开了一种含分布式压缩空气储能的低碳微网运行方法，包括以下步骤：S1、构建含分布式压缩空气储能的微网系统；S2、构建含分布式压缩空气储能的微网模型；所述微网模型包括分布式新能源模型、压缩机与透平机模型、储气室模型；S3、以微网系统低碳运行成本的最小值为优化目标构建目标函数。本发明首先考虑区域微网环境复杂，提出分布式压缩空气储能系统与微网耦合结构，接着建立微网中新能源输出模型与压缩空气储能系统模型，最后考虑新能源消纳，构建微网低碳运行目标函数来提升微网经济性，降低微网中弃风弃光率；其有效提高了微网的环境适用性，给分布式新能源的微网优化发展作出了一定的贡献。作出了一定的贡献。作出了一定的贡献。


技术研发人员：陈来军 陈晓弢 司杨 殷骏 杜锡力
受保护的技术使用者：青海大学
技术研发日：2022.11.16
技术公布日：2023/5/24