国内风光互补系统研究成果及现状

1982年,我国的余华扬等提出了太阳能—风能发电机的能量转换装置,风光互补发电系统的研究从此进入实际利用阶段。

1.建模与优化方面

合肥工业大学能源研究所在安徽省“九五”科技攻关项目、国家重点基础研究发展计划项目(“973”)等的支持下,研制了“风—光—柴—蓄复合发电及智能控制系统”的实验模拟装置,用来模拟实际运行系统,以考验系统结构及控制策略的合理性、系统动态运行的可靠性等,把实际不可重复的系统运行(由于风能及太阳能的波动性),变成可以重复试验的过程。同时,对系统进行了大量研究:建立了光伏阵列、风力发电机组、蓄电池、柴油机和逆变器的稳态数学模型；利用改进的遗传算法对系统进行优化；开发了变结构、可视化建模的风—光—柴—蓄复合系统实时仿真软件系统和智能控制软件系统；在MATLAB环境下,建立了带有MPPT功能的太阳电池阵列通用仿真模型、变速风力发电机通用仿真模型和风光蓄复合发电系统的动态数学模型等[39-41]。中国科学院电工研究所、中国科学院广州能源研究所、内蒙古工业大学等单位分别开发出能利用当地风光数据资源和所需的负荷参数,可以评价和优化设计孤立电网系统各发电单元的软件[4244]。此外,舒杰将遗传算法应用到风—光—柴—蓄组成的可再生能源分布式微网电源规划中,建立微网电源规划模型及相关约束条件,以满足能量平衡控制、费效率等为最优原则[45]。卞海红利用HOMER软件,对新能源混合发电进行了模拟计算和设计,给出了在满足给定负荷水平下以成本最优所确定混合系统的最优配置；对风速、太阳能辐射、柴油价格及其系统内某些组件的参数进行了敏感分析,适用于鉴定风能、太阳能资源水平相近地区的混合发电系统的技术选择[46]。张玲提出了新能源及可再生能源发电规模化应用的有效途径——微电网技术,分析了微电网的基本控制策略[47]。

艾斌等人给出了一整套利用CAD进行风光互补发电系统优化设计的方法。为了精确确定系统每小时的运行状态,采用了表征组件特性及评估实际获得的风光资源的数学模型。为了寻找出以最小设备投资成本满足用户用电要求的系统配置,首先在风力发电机容量固定不变的前提下,计算了与该容量风力发电机匹配的不同容量的PV方阵和蓄电池所组成的风—光—蓄组合的全年功率供给亏欠率LPSP,根据总的设备投资成本最小化的原则筛选出一组与该容量风力发电机对应的满足用户给定系统供电可靠性即LPSP值的风—光—蓄组合；然后通过改变风力发电机的容量,优选出多个与不同容量风力发电机对应的既能满足用户用电要求同时总的设备购置成本又是最低的风—光—蓄组合,比较它们的成本,最终唯一确定出以最小投资成本满足用户用电要求的优化的系统配置[48]。

艾斌等人又根据风光互补发电系统优化设计的CAD方法编制了相应的匹配设计程序。并把该程序应用于一个假定安装在香港横澜岛上的风光互补发电系统。根据横澜岛的地理位置、每小时实测的气象数据(太阳辐射、风速、温度数据)、用户选定组件的特性和价格、用户对互补发电装置的要求以及负载全年用电分布等数据,由程序给出了以最小投资成本满足两种供电可靠性要求即全年功率供给亏欠率LPSP分别等于0.1和0.01的优化的系统配置。比较并讨论了这两种优化的系统配置每小时、每日、每月和全年的详细性能表现[49]。李丹等人提出了基于NASA资源数据的、以风力发电机为基础的风光互补发电系统设计计算模型,开发了用于风光互补发电系统配置的计算程序。利用风力发电量的计算模型和太阳能电池发电量计算模型,计算出在给定风速和太阳能强度下风光互补系统的发电量。利用开发离网型风光互补发电系统设计程序,只需输入少量相关的必要参数就可以方便快捷地设计计算出系统的风机、太阳能电池的功率和蓄电池容积等具体配置情况。提出的风光互补发电系统的设计匹配都是以风力发电量为基础的,这就可以充分利用当地的风力资源,并且在相同的功率条件下风力发电机的价格远低于太阳能电池,从而可以大大节约系统总投资。同时,该系统设计模型以NASA资源数据为基础,尽可能避免由于当地资源数据不准确而导致的系统设计不合理问题,从而提高系统设计的可靠性和可行性[50]。朱芳等人建立了风光互补发电系统经济运行的模型、优化求解约束条件,用模型对风、光发电量进行优化,比较优化前后系统供电成本。提出的模型的约束条件是发电装置出力平衡约束(即系统提供的电能无论在何种情况下都能最大限度地满足负荷的需求)和发电装置出力范围约束[51]。谈蓓月等人阐述了风光互补发电系统的原理,确立了光伏方阵倾斜面上太阳辐照量的计算、光伏方阵发电量计算,以及不同地点、不同高度的风速计算、风力发电量计算等数学模型。选用了4种不同的设计方案:独立风力发电、独立光伏发电、风光互补发电(以风电为主)、光风互补发电(以光伏发电为主)。讨论了系统的优化设计方法,使系统既能长期满足用户的负载需要,又有最佳的经济性,以节约投资费用[52]。徐大明等人提出在设计风光互补独立供电系统时,系统中需要优化的不仅有光伏电池和蓄电池的容量,还应该有风力发电机种类和容量以及光伏电池的倾角。以系统安装成本为优化目标；以供电可靠性为约束条件；用包含精英策略和自适应罚函数法的遗传算法进行优化；通过仿真运行得到供电可靠性指标负载缺电率LPSP(本问题属于非线性整数规划)；提出的优化算法能同时优化风力发电机类型和容量、光伏电池的容量和倾角以及蓄电池的容量[53]。方燕等人提出了一种新的风光互补独立供电系统的优化匹配设计方法——自动寻优法,然后利用Visual C++6.0开发了一套风光互补独立供电系统的优化匹配设计软件。根据用户的用电负荷特征以及资源状况为用户提供优化的系统配置,包括风力发电机组容量、太阳电池组件容量和串并联数、蓄电池容量和串并联数以及系统的初投资概算,此外还可以计算太阳能电池方阵最佳安装倾角和光伏方阵倾斜面上的太阳辐射量等。应用该软件对内蒙古满洲里市某居民家庭用电风光互补独立供电系统进行了优化匹配设计,并分析了系统投资回收期和环境效益。自动寻优法的设计原则是:在满足用电可靠性的前提下,第一步:先不考虑太阳能光伏发电,即只有风力发电机给用户供电(风力发电机供电份额为100%),计算出此时所需要的风力发电机的功率和系统初次投资；第二步:降低风力发电机的供电份额,同时相应地增加太阳电池方阵的供电份额,计算得出系统部件匹配设计结果和系统初次投资,将此次的系统初次投资与上次进行比较,取小舍大；重复上述第二步直到筛选出最小初次投资的部件优化匹配设计组合[54]。刘志煌开发了一个风力发电量计算系统,该系统以Weilbull分布为风速模型,采用改进的参数求解方法；提出了一种计算风光互补发电系统所需配置蓄电池容量的方法,该方法充分考虑了风光互补发电系统中各种装置之间的能量转换要求,确保系统运行过程中蓄电池能够进行正常的充放电,从而达到稳定输出的要求；建立了风光互补发电系统的单目标优化设计模型；提出了基于区域统计的遗传算法,并且利用它对风光互补发电系统进行系统单目标优化设计；建立了一个输出最大化、每瓦时成本最小化的风光互补发电系统的多目标优化设计模型；采用改进的多目标遗传算法进行系统的优化设计[55]。谈蓓月等人在原来研究的基础上,开发了一种改进的风光互补发电系统优化设计的方法,通过改变太阳电池方阵的倾角来适当改变各个月太阳辐照量的大小及分布,使光伏发电和风力发电在各个月的发电量更好地互相配合。比较各种光伏方阵倾角时各月发电量与平均值的均方根差,其最小值所对应的倾角即为最佳倾角。这样就可以尽量使各年每月都能均衡发电,可以减小配置的蓄电池容量,减少系统的无效能量损失,提高系统的整体效率[56]。徐大明等人认为风光互补独立供电系统的优化配置可看作一个多目标优化问题,两个相互冲突的目标是极大化供电可靠性和极小化成本,供电可靠性指标负载缺电率LPSP需经仿真运行得到。优化算法采用精英非支配解排序遗传算法(NSGA-Ⅱ),决策变量包括风力发电机的类型和容量、光伏电池的容量和倾角、蓄电池的容量[57]。王斌研究了基于超级电容和蓄电池混合储能的风光互补电站,建立了混合储能系统的数学模型,对系统性能的优化进行了定量分析。并提出,风光互补独立供电系统的优化配置可看作一个多目标优化问题,两个冲突的目标是极大化供电可靠性和极小化成本。供电可靠性采用计算机软件模拟蓄电池组一年的每日荷电状态值(State of Charge,SOC)来验算保证；成本的优化采用遗传基因算法动态搜索模式,搜索计算出最小化系统配置费用。优化变量包括风力发电机的种类和容量、光伏电池的容量和倾角、蓄电池的容量。优化目标为系统安装成本,约束条件为供电可靠性。在成本(目标)函数的最小化计算中,用改进的适应性遗传算法优化、随机搜索方法并采用选择、交叉、变异三种基本算子在全部组合中搜索最优化的配置。计算和验证表明提出的优化算法收敛,能同时优化风力发电机类型和容量、光伏电池的容量和倾角以及蓄电池的容量,并且计算效率高[58]。

陈丽提出了在小型风光互补系统结构的基础上增加升压变换器,以解决小风速时发电机输出电压低,达不到蓄电池的充电电压要求,因而不能充分利用风能的问题；提高输出电压后可使系统充电的工作点提前。另外在电路结构上采用风光同时工作的模式,输出功率控制采取对风光总功率进行跟踪的策略,简化了系统电路,同时也简化了最大功率跟踪程序的流程。对系统光伏电池板、风力发电机组、蓄电池等部分建立了数学模型和电路模型。利用MATLAB/SIMULINK仿真工具,对风光联合发电系统进行了模型仿真[59]。施全富在分析和研究风光互补发电系统结构及运行特性的基础上,研究了风力发电和太阳能发电最大功率跟踪(MPPT)控制策略、蓄电池充放电控制策略及蓄电池能量的管理,取得结论以下:①采用双输入DC-DC变换器作为太阳能和风能的最大功率跟踪控制电路,配合扰动观察法作为最大功率跟踪策略,能够实现两组直流电压源的电能同时传送蓄电池或负载端,且各自达到最大输出功率跟踪的功能。此外该电路与单独用两路直流变换器实现MPPT器件较少,能节省系统成本。②采用双向直流升/降压式变换器,配合不同的功率分配情况来调节各发电系统间的能量管理；采用较为合理的三阶段充电方式即能够达到蓄电池较为理想充放电管理,延长了蓄电池寿命。③完成了独立运行风光互补系统的硬件设计,包括采样电路、充放电控制电路、驱动电路、保护电路及电源电路的设计；给出了软件流程图,包括主程序、充放电控制子程序、太阳能和风力发电子程序及扰动观察法实现最大功率跟踪子程序等。为开发研制独立运行风光互补发电系统奠定了基础。④建立风力发电机、太阳能电池及蓄电池的数学模型,基于MATLAB/SIMULINK进行了仿真研究,仿真结果证明太阳能电池具有较强非线性特性；采用模糊-PID控制对蓄电池充放电控制进行初步的仿真研究,仿真结果证明采用模糊-PID控制能有效地改善系统的动态性能[60]。王一彬建立太阳能电池模型,利用Lab VIEW绘制了太阳能电池的I—V和P—V特性曲线,画出了太阳能电池结温、日照强度、串联电阻等因素对太阳能电池输出特性的影响曲线,为最大功率跟踪提供理论基础；建立风力发电机的输出功率模型,分析风能利用系数和尖速比等因素对风力机输出功率的影响,将风力发电机的运行区域分为最大功率跟踪、额定转速、额定功率运行三个阶段来实现风力发电机的最大功率输出。通过对风力发电机转矩/转速的控制来使风力机工作于最佳Cpmax,捕获最大风能；通过对蓄电池控制参数的分析,得出对光伏电池采用串联控制、对风力发电机采用并联控制的蓄电池充放电控制策略；为了充分利用太阳能电池,使其输出的功率达到最大,对太阳能电池最大功率跟踪方法进行了详细的研究分析,通过对增量电导法、扰动观察法、最优梯度法等几种常用的最大功率跟踪方法进行分析比较,采用扰动观察法来实现最大功率跟踪,并针对其“误判”现象利用滞环比较对其进行改进。通过对光伏电池及风力发电机最大功率跟踪的研究,提出了本系统的控制策略,即利用扰动观察法及MPPT算法,调节输出电压的占空比来实现最大功率跟踪61。

冬雷研究了风光互补系统的多目标优化控制策略,目标为:供电质量；根据用电负荷变化,对供电单元进行按比例均流控制,使供电单元的负荷均衡；既要在负荷较大时,对风力发电机和太阳能电池采用最大功率点追踪控制(MPPT)模式,又要在负荷较小时,采用“低应力”控制模式,降低太阳能变换器输出电流以及风力发电机的转速；提高蓄电池的剩余容量,降低其充放电次数,防止过充电和过放电,减少蓄电池配置容量,延长蓄电池寿命,降低系统建设成本和运行成本。针对以上4个目标进行动态整体优化,通过线性加权和法,实现多目标优化控制[62]。付振常采用最大功率跟踪(MPPT)控制策略,实现了系统的优化控制。在成本的优化过程中引入了数值分析中的插值法,通过计算各插值点中不同功率匹配方案下的使用成本,比较后得出了最佳的匹配方案[63]。

2.工程应用方面

华北电力大学针对内蒙古偏远地区分析了利用风能和太阳能混合发电的可行性,以HOMER软件作为设计和优化工具,对风速、太阳能辐射和柴油价格做敏感分析。分析结果表明,风—柴—蓄配置的混合发电是目前解决内蒙偏远地区最好的解决方案,随着光伏电池板成本的降低,风—光—蓄配置的混合发电系统将可能是最优的选择[64]。山东小管岛示范工程“30kW风-光互补联合发电系统”,整个系统包括5台5kW风力发电机,5040Wp太阳能电池阵列,110只2V、1000A·h固定干荷铅酸蓄电池,30k VA三相逆变器,30kW备用柴油发电机以及风电、光电控制系统,配电柜和数据采集处理系统等。5台5kW风力发电机采用交—直—交运行方式向负载供电,在直流环节将多余的电能向蓄电池充电。在蓄电池没有充满且风速在额定风速以下时,风力发电机采用最佳尖速比控制,使风力发电机在很大的风速范围内以最佳效率运行,充分利用风能；当蓄电池接近充满,电压没有达到设定的最高充电电压时,风力发电机自动转为稳压控制运行,既可使蓄电池继续充电,又保护了蓄电池不致过冲。太阳阵列由5040Wp单晶硅电池组件组成,分为5个子阵列并联向蓄电池充电,各子阵列的开关采用无触点固态器件控制。在蓄电池接近充满时,通过依次关断部分子阵列,保证蓄电池端电压不超过最高设定值。风光系统在直流环节并联后,通过三相逆变器转换成恒频恒压交流电供给负载。逆变器采用大功率晶体管脉宽调制方案,在蓄电池电压没有降到设定的过放值时自动关断,保护蓄电池过放。在风光不能满足负载要求且蓄电池已接近过放时,由柴油发电机向负载补充供电。数据采集系统可显示系统各部分瞬时的运行状态,并可储存3个月的运行数据。辽宁乌莽岛项目为在国家“八五”重点科技攻关项目“100kW级风力发电-柴油发电联合运行系统研究”的科研成果的基础上,建立起来的实用型示范电站,该项目于1994年1月完工并正式供电,供电系统运行正常。该系统是以风力发电为主、柴油发电为辅、动力负荷占系统总负荷60%以上的风柴复合发电系统。为了提高风—柴—蓄发电系统的风电利用率、系统的连续供电质量和系统的经济性,课题组经过详细计算确定风力发电机组满载率应在(35±5)%,风电在系统中的供电率不低于(60±5)%,选用1台130kW风力发电机组。同时根据用户提出的保证无风期基本负荷连续10h供电条件,确定蓄能最佳容量为600A·h。为了节省费用,选用乌莽岛原有的75kW柴油机组。风力发电机组输出功率经过交/直变换后,一路给蓄电池充电,一路直接启动24kW(或者50kW、90kW)逆变机组。逆变机组和柴油发电机组输出功率在交流母线汇合。风力发电机组在设定的高功率输出时也可直接供给负荷交流功率,以提高系统转换效率；在无风或风电短缺时,蓄电池组的亏电可通过柴油发电机组直接补充。根据乌莽岛地形和用户分布情况,生活负荷由10路供电。动力负荷是14台不同容量的电动泵,单机最大容量为30kW,分成3组。全系统包括6个交流电源和1个直流电源。另外,还在青海省阳康乡建立了50kW风光互补电站。

3.其他方面

陈亚爱介绍了风光互补发电系统实验模型的组成与设计。系统实验模型由风力发电机、太阳能电池板、蓄电池、风光互补控制器、逆变器、人造风源、变频器、PLC可编程控制器、触摸屏、通信接口等组成。该实验模型由风光互补发电和风机控制触摸屏监控两个子系统组成,它们之间通过RS485端口连接,按照特定的通信协议通信。为研究风光互补发电系统的控制、能源的变换和利用、整流与逆变、蓄电池的智能充放电等课题提供了实验平台。利用该模型实测光伏发电量并与估算值比较得出:光伏发电估算值一般偏大,实际设计时还应考虑总系统能量利用效率,这样得出的数据与实测数据接近[65]。