当前位置： 首页 > 邱健蓄电池-官方网站
光伏和风电系统中用于功率爬坡率控制和能量套利的Trojan蓄电池储能经济优化
发布时间：2026-10-20 09:42:53 点击： 次
1. 引言
随着可再生能源在电网中渗透率的不断提高，传统发电机正逐渐被通过电力转换器连接的低惯性可再生能源系统所取代。此外，可再生能源发电机通常以最大可用功率运行，不具备功率储备[1]。可再生能源的间歇性、惯性降低以及功率储备减少，可能导致功率和电压波动以及频率稳定性问题[1,2].
快速移动的云层覆盖大型光伏（PV）系统会导致输出功率剧烈波动（据报道，在不到10秒内功率下降超过额定功率50%的情况[3]），从而产生高功率爬坡率。在风电场中，短时间内风速的剧烈变化也会导致功率大幅波动，进而产生高爬坡率[4,5]。光伏-风电混合系统可以降低爬坡率[6]，但在某些情况下爬坡率问题可能依然存在。不同的输电系统运营商（TSO）要求光伏和风力发电机具备功率爬坡率控制（PRRC）能力[7] 以减少功率爬坡事件（违反最大允许限制）的次数。不同国家（波多黎各、德国、丹麦、墨西哥、爱尔兰、夏威夷和中国）的输电系统运营商（TSO）设定的爬坡速率限制通常以单位时间内的额定功率变化百分比（例如波多黎各为10%/分钟）或每个时间步长的功率变化量（例如夏威夷为2 MW/分钟）来规定，且上坡和下坡速率可能有所不同。
针对PRRC已应用了不同的方法。在光伏系统中，已发表了关于不同方法的几篇综述[8,9,10,11]。PRRC的电池储能通常通过控制算法进行管理，如移动平均法、指数平滑法、基于滤波法和基于斜率限制法，每种方法都有其各自的优缺点[8]。锂离子电池通常被认为是PRRC最合适的储能技术[12]。在[13]，研究人员得出结论，对于PRRC而言，电池功率（逆变器-充电器的额定功率）比电池容量更为关键。在爬坡事件中，通常采用功率削减方法来减少违规。尽管削减的实施成本较低，但与基于储能的方法相比，它会浪费能量，从而减少能源销售收入。在缓解下坡违规方面，可以在没有储能的情况下使用功率储备，但这同样会导致能量浪费（例如，在[中报告了20%的光伏功率储备下零违规）3]).
虽然上述讨论主要集中在光伏系统，但在风电领域也存在类似的挑战。关于风电系统，存在两类主要的PRRC技术[14]：风机技术和储能技术。风机技术（叶片桨距控制和转子惯性控制，用于削减和/或功率储备以减少爬坡违规）在降低功率爬坡率方面存在显著局限，并导致能量浪费。储能技术（通常为电池）已被广泛研究[15,16,17]，尽管其他技术（如抽水蓄能[4], 超级电容器和混合储能 [18], 也已被提出。与基于涡轮机的技术相比，储能提供了最大的灵活性和功率爬坡率降低。一项关于缓解风电波动不同储能技术的综述 [19] 确定锂离子电池是总体上最适合风电波动稳定性的技术，特别是对于PRRC而言。对于光伏-风电混合系统，类似的PRRC技术已被应用 [18,20]. 图1展示了一个光伏系统输出的示例，其爬坡率限制为10%/分钟，分别显示了未采用PRRC和采用基于电池的PRRC的情况。
图1。额定功率为7.2 MW的光伏系统。10分钟内的性能表现。（）未配备PRRC的光伏系统（5次违规）；（）配备电池用于PRRC的光伏系统（无违规）。b) PV system with battery for PRRC (no violation).
除了PRRC，电池还可以用于能量套利（在低电价时段储存可再生能源，并在高电价时段将其注入电网）。套利系统的盈利能力取决于存储成本、电池退化以及每小时电价曲线[21,22,23,24,25,26].
据作者所知，此前尚无研究在真实市场条件下，通过系统性的经济优化方法，将所有主要的PRRC策略（弃风弃光、备用电源和电池储能）进行比较，同时考虑电池套利。本文旨在填补这一空白。
这项研究展示了电池在光伏、风能及光伏-风能混合发电系统中应用以满足爬坡率限制的情况。研究对比了不同PRRC场景（弃电、功率储备、弃电与功率储备结合、以及电池与弃电结合）下的性能和经济参数。对于电池案例，还考虑了能量套利选项。与以往研究不同，本研究对电池老化效应进行了精确建模——综合考虑了放电深度、荷电状态、C倍率以及温度对循环老化和日历老化的影响——并将其纳入经济计算中。研究开发了一种新的决策树，用于确定电池充放电、弃电和功率储备在满足爬坡率限制时的使用优先级。此外，本研究首次同时考虑用于套利和爬坡率控制的电池储能，评估其经济性能，并在统一的经济框架下将其与其他PRRC策略进行比较。
为了在统一的科学框架内综合这些目标，本研究测试了核心假设，即在某些条件下，为联合能源套利和爬坡率控制共同优化电池储能，比非储能PRRC策略（弃电和/或备用容量）具有更高的净经济盈利能力。所提出的决策树调度策略、详细的电池老化公式以及多场景评估，构成了所需的统一分析框架，用于映射这些经济权衡，并确定光伏、风电和混合电厂的最佳运行边界。
本文的其余部分安排如下：第2节描述了系统模型和优化方法；第3节通过将结果与先前发表的作品进行比较来验证模型，介绍案例研究和模拟场景，并讨论结果；以及第4节得出了主要结论。2. 材料与方法
图2展示了本研究中探讨的公用事业级可再生能源电力系统：光伏、风电或混合光伏-风电系统，配备或不配备电池储能。模拟和优化使用MHOGA软件（遗传算法MegaWatt混合优化，4.0版本，西班牙萨拉戈萨大学，萨拉戈萨）进行。
图2。系统的组成部分与功率。
2.1. 功率变化率
功率爬坡率RR（%/min）定义为系统额定功率随时间变化的百分比[27]:
上一篇：从废纸浆中制备纤维素纳米纤维气凝胶及其用于去除水中Trojan蓄电池用金属离子的应用
下一篇：储物架锂离子Trojan蓄电池箱火灾特性与水雾灭火性能数值研究