基于棄光消納的光儲(chǔ)系統(tǒng)容量?jī)?yōu)化配置研究?

任榮榮，謝麗蓉?，徐波豐，鄭 浩 ,王凱豐

(1.新疆大學(xué) 可再生能源發(fā)電與并網(wǎng)技術(shù)教育部工程研究中心，電力系統(tǒng)及發(fā)電設(shè)備控制和仿真國(guó)家重點(diǎn)實(shí)驗(yàn)室風(fēng)光儲(chǔ)分室，新疆烏魯木齊 830047；2.特變電工新疆新能源股份有限公司，新疆烏魯木齊 830000)

0 引言

近年來(lái)，我國(guó)光伏發(fā)電裝機(jī)容量增速很快，2019 年全國(guó)光伏發(fā)電量高達(dá)2 243億千瓦時(shí)，棄光電量46億千瓦時(shí)，西北地區(qū)棄光問(wèn)題尤為突出，其棄光電量占全國(guó)的87%[1].為了緩解棄光消納問(wèn)題，西北地區(qū)利用電采暖、開(kāi)展光熱、電池等儲(chǔ)能措施，提高光電的上網(wǎng)空間[2,3].儲(chǔ)能技術(shù)是推動(dòng)世界能源清潔化、電氣化和高效化，實(shí)現(xiàn)全球能源轉(zhuǎn)型升級(jí)的核心技術(shù)之一[4,5].因此，研究如何提高經(jīng)濟(jì)性與儲(chǔ)能系統(tǒng)容量的合理配置具有一定的實(shí)際意義[6,7].

關(guān)于儲(chǔ)能與可再生能源容量配置方面的研究，文獻(xiàn)[8]提出了一種基于非參數(shù)核密度估計(jì)的光儲(chǔ)系統(tǒng)容量最佳配置方法；文獻(xiàn)[9]探討了如何利用儲(chǔ)能減少風(fēng)電的預(yù)測(cè)輸出功率與實(shí)際光伏電站輸出預(yù)測(cè)功率的誤差，研究?jī)?chǔ)能功率和系統(tǒng)容量的配置；文獻(xiàn)[10]提出一種基于額定系統(tǒng)容量條件下對(duì)發(fā)電單元進(jìn)行系統(tǒng)容量?jī)?yōu)化和配置的方法，采用遺傳粒子群算法對(duì)模型進(jìn)行求解；文獻(xiàn)[11]分析新能源系統(tǒng)輸出的高功率低通濾波器的頻譜和功率，以確定最佳的低通濾波器截止頻率和儲(chǔ)能系統(tǒng)的最佳濾波器容量.但上述研究未涉及基于棄光消納策略的儲(chǔ)能容量?jī)?yōu)化配置方法，所采用的算法也比較傳統(tǒng)，且未進(jìn)行多種算法對(duì)比分析.上述文獻(xiàn)主要進(jìn)行了風(fēng)/光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)容量的優(yōu)化配置方法研究，并未對(duì)新能源結(jié)合常規(guī)能源以及考慮棄光因素下對(duì)最佳容量配置展開(kāi)研究.本文在上述研究的基礎(chǔ)上，以系統(tǒng)經(jīng)濟(jì)最優(yōu)為目標(biāo)，提出一種基于棄光消納的光儲(chǔ)系統(tǒng)容量?jī)?yōu)化配置方法，其次建立火、光儲(chǔ)系統(tǒng)容量?jī)?yōu)化配置模型，考慮儲(chǔ)能電池容量及充放電最大功率約束，采用鯨魚算法求解儲(chǔ)能最佳容量和功率，并確保棄光率控制在5%以內(nèi)光儲(chǔ)發(fā)電系統(tǒng)的凈收益最大.最后根據(jù)新疆某光伏電站的數(shù)據(jù)進(jìn)行經(jīng)濟(jì)性分析，結(jié)果表明采用鯨魚算法的消納策略能夠?qū)崿F(xiàn)棄光消納的目的，使系統(tǒng)收益最大.

1 基于發(fā)電功率時(shí)變特性的光儲(chǔ)發(fā)電系統(tǒng)

1.1 光儲(chǔ)發(fā)電系統(tǒng)

光儲(chǔ)發(fā)電系統(tǒng)分為源側(cè)和負(fù)荷側(cè)，由于現(xiàn)階段常規(guī)機(jī)組出力仍占有主導(dǎo)地位，電力源由光伏電站、常規(guī)火電廠、新能源儲(chǔ)能電站組成，光儲(chǔ)發(fā)電系統(tǒng)供電結(jié)構(gòu)如圖1所示.

圖1 系統(tǒng)供電結(jié)構(gòu)圖Fig 1 The system power supply structure diagram

當(dāng)光伏理論出力大于負(fù)荷需求時(shí)，將棄光存儲(chǔ)到蓄電池中，當(dāng)光伏理論出力不能滿足負(fù)荷需求時(shí)，蓄電池放電盡可能滿足負(fù)荷需求，以達(dá)到“削峰填谷”的效果，進(jìn)而提升光伏電站的棄光消納能力.

1.2 棄光消納策略

光伏出力具有隨機(jī)性、不確定性，電池儲(chǔ)能系統(tǒng)在整個(gè)系統(tǒng)中起著能量緩沖作用，火力發(fā)電是電力發(fā)展的主力軍，可以確保系統(tǒng)的穩(wěn)定性.因此為減少棄光電量，該文針對(duì)儲(chǔ)能系統(tǒng)SOC和充放電功率制定光伏消納策略，劃分為蓄電池總層（總層）、協(xié)調(diào)控制層（主層）、充放電分配層（子層）以及經(jīng)濟(jì)分析層（子層）4層.棄光消納策略如圖2所示.

圖2 棄光消納策略Fig 2 Strategy of photovoltaic power curtailment consumption

（1）蓄電池總層.以經(jīng)濟(jì)性為控制目標(biāo)，實(shí)現(xiàn)光儲(chǔ)系統(tǒng)對(duì)棄光電量的消納，減少儲(chǔ)能裝置的充放電次數(shù)，延長(zhǎng)蓄電池的使用壽命，以提高儲(chǔ)能裝置的經(jīng)濟(jì)效益；向協(xié)調(diào)控制層傳達(dá)電網(wǎng)并網(wǎng)指令交換計(jì)劃等，保障各層協(xié)調(diào)運(yùn)行以及電網(wǎng)安全.

（2）協(xié)調(diào)控制層.依據(jù)總層傳達(dá)的電量交換計(jì)劃，結(jié)合本層的光伏電站理論電量與電網(wǎng)需求電量數(shù)據(jù)，以蓄電池光儲(chǔ)協(xié)調(diào)控制系統(tǒng)實(shí)用性與可循環(huán)性為控制目標(biāo)，并為充放電分配層和經(jīng)濟(jì)分析層制定控制指令.

（3）充放電分配層.將儲(chǔ)能裝置分化為充電和放電兩種狀態(tài)，火電機(jī)組最小出力和光伏出力一起滿足負(fù)荷需求，當(dāng)火電機(jī)組出力和光伏出力滿足且超出負(fù)荷需求時(shí)，此時(shí)儲(chǔ)能需要進(jìn)行充電，儲(chǔ)能系統(tǒng)不能完全吸收超出的負(fù)荷需求時(shí)，出現(xiàn)棄光現(xiàn)象，當(dāng)火電機(jī)組出力和光伏出力遠(yuǎn)遠(yuǎn)不能滿足負(fù)荷需求時(shí)，此時(shí)儲(chǔ)能系統(tǒng)進(jìn)行放電，同時(shí)增加火電機(jī)組出力.充放電分配層主要存在下面兩種狀態(tài).

（a）儲(chǔ)能系統(tǒng)充電：若火電機(jī)組最小總出力Pg_min和光伏出力Ppv大于負(fù)荷Pload需求時(shí)，儲(chǔ)能系統(tǒng)吸收超出負(fù)荷需求的功率，即Pcw為超出負(fù)荷需求的功率.根據(jù)儲(chǔ)能系統(tǒng)的SOC和充電功率約束計(jì)算此時(shí)儲(chǔ)能系統(tǒng)充電功率Pcha，當(dāng)Pcw>Pcha_max時(shí)，儲(chǔ)能系統(tǒng)以最大充電功率進(jìn)行充電，即Pcha=Pcha_max，將超出部分功率作為棄光功率；當(dāng)Pcw≤Pcha_max時(shí)，儲(chǔ)能系統(tǒng)充電功率Pcha=Pcw，儲(chǔ)能系統(tǒng)將完全吸納超出負(fù)荷需求的功率，此時(shí)不會(huì)出現(xiàn)棄光現(xiàn)象.

（b）儲(chǔ)能系統(tǒng)放電：若火電機(jī)組最小總發(fā)電出力Pg_min和光伏發(fā)電出力Ppv小于負(fù)荷Pload需求時(shí)，儲(chǔ)能系統(tǒng)進(jìn)行放電，Pq_load為未滿足負(fù)荷要求的機(jī)組提供剩余發(fā)電功率.由儲(chǔ)能系統(tǒng)的SOC和放電功率約束可以計(jì)算此時(shí)儲(chǔ)能系統(tǒng)放電功率Pdischa，當(dāng)Pdischa_max≥Pq_load時(shí)，儲(chǔ)能系統(tǒng)能夠滿足剩余負(fù)荷需求，即儲(chǔ)能放電功率為Pdischa=Pq_load；當(dāng)Pdischa_max

（4）經(jīng)濟(jì)分析層.根據(jù)光儲(chǔ)發(fā)電系統(tǒng)，采用棄光消納策略，對(duì)電池組進(jìn)行協(xié)調(diào)，從光電售電收益、火電收益、火電機(jī)組燃料成本、儲(chǔ)能電池成本、棄光懲罰5個(gè)方面考慮系統(tǒng)凈收益最大，構(gòu)建優(yōu)化模型以實(shí)現(xiàn)蓄電池儲(chǔ)能電站在一天內(nèi)的最大凈收益.

2 建立光儲(chǔ)系統(tǒng)容量?jī)?yōu)化模型

2.1 最大凈收益模型

2.1.1 目標(biāo)函數(shù)

光儲(chǔ)發(fā)電系統(tǒng)優(yōu)化調(diào)度的實(shí)質(zhì)是在允許蓄電池運(yùn)行的條件下，對(duì)電池組進(jìn)行協(xié)調(diào)，以實(shí)現(xiàn)蓄電池儲(chǔ)能電站在一天內(nèi)的最大凈收益.燃煤電廠發(fā)電所需主要能量來(lái)源是動(dòng)力煤，煤炭?jī)r(jià)格決定發(fā)電的主要成本.一般情況下，煤炭?jī)r(jià)格占發(fā)電成本的60%左右，因此傳統(tǒng)的電力系統(tǒng)經(jīng)濟(jì)調(diào)度一般以發(fā)電所需燃料成本最低為目標(biāo)函數(shù)[12].本文主要以光電售電收益、火電收益、火電機(jī)組燃料成本、儲(chǔ)能電池成本、棄光懲罰5個(gè)方面構(gòu)建優(yōu)化模型以實(shí)現(xiàn)系統(tǒng)凈收益最大，目標(biāo)函數(shù)如式（1）所示：

式中：Fmax為系統(tǒng)凈收益最大；Ig為光電售電收益；Hg為火電收益；Cg為火電機(jī)組的燃料成本；Cd為折算至每天的儲(chǔ)能成本；Cp為棄光懲罰.

（1）光電售電收益

光儲(chǔ)電站的成本和收益主要通過(guò)光伏售電額計(jì)價(jià)來(lái)實(shí)現(xiàn)，由于我國(guó)儲(chǔ)能發(fā)電系統(tǒng)光伏上網(wǎng)的成本和電價(jià)沒(méi)有統(tǒng)一的電價(jià)規(guī)定[13]，因此本文在我國(guó)光儲(chǔ)電站的統(tǒng)一成本計(jì)價(jià)模式下重新建立了收益分別計(jì)價(jià)函數(shù).收益分別計(jì)價(jià)函數(shù)和Δt時(shí)長(zhǎng)內(nèi)可計(jì)算售電額，如式（2）、式（3）所示：

式中：Ig為光電調(diào)度售電收益；T為調(diào)度總時(shí)段；Ig(t)為Δt時(shí)長(zhǎng)內(nèi)的調(diào)度售電額；βsta為光伏發(fā)電調(diào)度上網(wǎng)出力的標(biāo)桿調(diào)度電價(jià)；βb為儲(chǔ)能上網(wǎng)出力統(tǒng)一調(diào)度上網(wǎng)電價(jià)，當(dāng)光儲(chǔ)出力統(tǒng)一調(diào)度售電價(jià)時(shí)，βsta=βb.

（2）火電收益

式中：Hg為火電收益；βf為火電上網(wǎng)電價(jià)；N為火電機(jī)組數(shù)量；Pgi(t)為采樣時(shí)刻火電機(jī)組總出力.

（3）火電機(jī)組的燃料成本

式中：Cg為火電機(jī)組的燃料成本；ai、bi、ci為火電機(jī)組i的煤耗系數(shù)；Pg為火電機(jī)組的發(fā)電功率.

（4）儲(chǔ)能系統(tǒng)總成本

式中：Cess為儲(chǔ)能系統(tǒng)總成本；A、B、C、D為儲(chǔ)能成本系數(shù)；Pess為儲(chǔ)能功率；Sess為儲(chǔ)能容量.

（5）折算至每天的儲(chǔ)能成本

式中：I為折舊率，取值為0.01；Yr為壽命，取值為10年，IT=(1+I)Yr.

（6）棄光懲罰

式中：Q為棄光電量，目標(biāo)函數(shù)設(shè)立該項(xiàng)的意義在于讓儲(chǔ)能系統(tǒng)盡量吸收棄光功率，來(lái)消除或降低棄光功率.

2.1.2 運(yùn)行約束

（1）功率平衡約束

系統(tǒng)有功功率平衡，即任意時(shí)刻的并網(wǎng)功率應(yīng)與光儲(chǔ)出力相等：

式中：Pload(t)為采樣時(shí)刻負(fù)荷功率；Ppv(t)為采樣時(shí)刻光伏出力；Pess(t)為采樣時(shí)刻儲(chǔ)能出力；Pgi(t)為采樣時(shí)刻火電機(jī)組總出力.

（2）儲(chǔ)能功率約束

儲(chǔ)能充放電功率受限于變流器最大轉(zhuǎn)換功率：

式中：Pmax(t)為儲(chǔ)能系統(tǒng)最大放電功率；Pess(t)為采樣時(shí)刻儲(chǔ)能出力；儲(chǔ)能系統(tǒng)放電為正值，充電為負(fù)值.

（3）儲(chǔ)能SOC約束

式中：t為優(yōu)化調(diào)度時(shí)間，根據(jù)優(yōu)化調(diào)度進(jìn)程進(jìn)行取值，采樣時(shí)間間隔為10 min，取值范圍為[0，144].SOC(t?1)為儲(chǔ)能系統(tǒng)前一時(shí)刻荷電狀態(tài)；為防止儲(chǔ)能過(guò)充過(guò)放，設(shè)置SOCmin、SOCmax為儲(chǔ)能最小、最大荷電狀態(tài)；η為儲(chǔ)能電池充放電效率.

（4）儲(chǔ)能容量約束

式中：Smin、Smax為儲(chǔ)能電池最小、最大配置容量.

（5）充放電次數(shù)約束

考慮到現(xiàn)有技術(shù)，經(jīng)實(shí)際調(diào)研可知，本文設(shè)置儲(chǔ)能系統(tǒng)充放電次數(shù)M值為1.

2.2 鯨魚算法求解優(yōu)化模型

鯨魚優(yōu)化算法(Whale Optimization Algorithm)是一種通過(guò)模擬鯨魚捕食的行為進(jìn)行建模得到的新型優(yōu)化算法.分為包圍獵物、狩獵行為、搜索獵物3個(gè)階段.研究表明，鯨魚算法與傳統(tǒng)算法相比具有算法機(jī)制優(yōu)勢(shì)，原理簡(jiǎn)單、易于實(shí)現(xiàn)、尋優(yōu)精度高，收斂速度快，且?guī)缀醪簧婕皡?shù)設(shè)置，近兩年成為進(jìn)化計(jì)算領(lǐng)域重要的改進(jìn)算法之一[14].為更好求解大規(guī)模工程優(yōu)化問(wèn)題，提升算法全局尋優(yōu)性能和應(yīng)用能力，加快算法收斂速度，增強(qiáng)求解穩(wěn)定性，本文采用WOA算法求解優(yōu)化模型，對(duì)系統(tǒng)收益最大時(shí)的儲(chǔ)能容量和功率以及各個(gè)火電機(jī)組出力進(jìn)行計(jì)算.

(1)包圍獵物.座頭鯨在尋找到獵物之后能夠迅速包圍獵物，且更新位置，將處于最佳圍捕位置的當(dāng)前鯨群作為目標(biāo)獵物或接近最佳目標(biāo)獵物，位置更新的數(shù)學(xué)表達(dá)式為：

式中：a為進(jìn)行迭代時(shí)從2線性下降到0的向量；r為[0,1]之間的隨機(jī)數(shù)；M為最大迭代次數(shù).

(2)狩獵行為.座頭鯨是利用螺旋狀運(yùn)動(dòng)的方式進(jìn)行狩獵，其數(shù)學(xué)模型為：

在這里，必須指出的是，若鯨魚在捕捉到獵物的收縮圈周圍內(nèi)同步沿著一個(gè)螺旋形的路徑進(jìn)行游動(dòng)，同時(shí)沿著另一個(gè)螺旋形游動(dòng)路徑的方向進(jìn)行，為了更好地模擬該鯨魚的行為，在優(yōu)化的過(guò)程中選擇收縮圈的包圍游動(dòng)機(jī)制和螺旋形路徑位置更新的概率相同，均為0.5.其數(shù)學(xué)模型為：

(3) 搜索獵物.當(dāng)A ≥1時(shí)，在這個(gè)模型中會(huì)隨機(jī)地生成一個(gè)用于搜索鯨魚的代理，對(duì)搜索其他鯨魚的數(shù)量和位置以及如何更新其他的鯨魚在整個(gè)鯨魚群系統(tǒng)中的數(shù)量和位置都進(jìn)行了選擇，從而有效地使其遠(yuǎn)離了獵物.增強(qiáng)了搜索算法的靈活性和全局探索的能力.其數(shù)學(xué)模型為：

圖3 算法流程圖Fig 3 Algorithm flowchart

3 算例分析

3.1 數(shù)據(jù)提取

以新疆某200 MW光伏電站與一個(gè)600 MW和一個(gè)700 MW火電廠為例，將10 min作為采樣時(shí)間間隔，選取典型日光伏電站理論電量與電網(wǎng)負(fù)荷需求電量數(shù)據(jù)以及5臺(tái)火電機(jī)組數(shù)據(jù)進(jìn)行仿真.由于蓄電池技術(shù)成熟，容量大，廣泛應(yīng)用于電力系統(tǒng)中[15,16]，故本文選用蓄電池作為儲(chǔ)能方式.表1為算例參數(shù)，表2為火電機(jī)組相關(guān)參數(shù)，圖4為典型日運(yùn)行曲線.

表1 算例參數(shù)Tab 1 The simulation parameters

表2 火電機(jī)組相關(guān)參數(shù)Tab 2 The thermal power unit related parameters

圖4 典型日運(yùn)行曲線Fig 4 Typical daily operating curve

為說(shuō)明所建模型的有效性，在相同的系統(tǒng)參數(shù)下，對(duì)2種運(yùn)行工況進(jìn)行對(duì)比，2種工況如下：

工況1：不考慮棄光消納策略，儲(chǔ)能系統(tǒng)不參與工作.

工況2：考慮棄光消納策略，利用鯨魚算法對(duì)目標(biāo)函數(shù)進(jìn)行優(yōu)化.

3.2 容量?jī)?yōu)化配置結(jié)果分析

對(duì)上述2種工況下的棄光電量、光伏電站出力、火電機(jī)組出力情況進(jìn)行分析比較.選取200 MW光伏電站與一個(gè)600 MW和一個(gè)700 MW火電廠作為本文的研究對(duì)象.在相同的系統(tǒng)參數(shù)下，分析2種工況下棄光電量的情況，如圖5所示.

由圖5可知，工況1和工況2對(duì)比，采用了棄光消納策略后，工況2棄光電量明顯降低，有效消納更多光伏.為保證系統(tǒng)安全可靠運(yùn)行，選取5臺(tái)火電機(jī)組的輸出數(shù)據(jù)，采樣時(shí)間間隔為10 min，利用表2列出的火電機(jī)組參數(shù)分析2種工況下火電機(jī)組出力變化曲線，如圖6所示.

圖5 棄光電量對(duì)比圖Fig 5 Comparison diagram of abandonedpv electric quantity

由圖6可知，采用棄光消納策略后，在00：00―14：00與18：00―24：00這兩個(gè)時(shí)間段，儲(chǔ)能系統(tǒng)不進(jìn)行工作，工況1和工況2火電機(jī)組出力相同；而在14：00―16：00與16:00―18:00之間，由于儲(chǔ)能參與出力，工況1和工況2的火電出力不同且出現(xiàn)較大差異，在此主要分析14：00―16：00與16:00―18:00 時(shí)間段的火電機(jī)組出力情況.即在14:00―16:00之間，火電機(jī)組按照最小出力，儲(chǔ)能進(jìn)行充電；在16:00―18:00之間，火電機(jī)組相對(duì)前一時(shí)段出力增加，相較于工況1，工況2火電機(jī)組出力明顯下降，儲(chǔ)能進(jìn)行放電.2種工況下光伏電站實(shí)際出力曲線，如圖7所示.

圖6 火電機(jī)組出力對(duì)比圖Fig 6 Comparison diagram of thermal power unit output

由圖7可知，采用棄光消納策略后，工況1和工況2對(duì)比，在00：00―14：00與18：00―24：00這兩個(gè)時(shí)間段，儲(chǔ)能系統(tǒng)不進(jìn)行工作，工況1和工況2光伏電站出力相同；而在14：00―16：00之間，由于儲(chǔ)能參與出力，工況1和工況2的光伏電站出力不同且出現(xiàn)較大差異，在此主要分析14：00―16：00時(shí)間段的光伏電站出力情況.即在14:00―16:00之間，工況2光伏出力明顯增加，此時(shí)光伏增加的出力一部分用于滿足負(fù)荷需求，另一部分通過(guò)儲(chǔ)能系統(tǒng)進(jìn)行存儲(chǔ)；在16:00―18:00之間，儲(chǔ)能進(jìn)行放電，工況1和工況2光伏出力相同.由上述分析可知，工況2有效消納了更多光伏.儲(chǔ)能電池的充放電功率如圖8所示，儲(chǔ)能電池的荷電狀態(tài)變化如圖9所示.

圖7 光伏電站實(shí)際出力曲線Fig 7 Actual output curve of photovoltaic power plant

圖8 儲(chǔ)能電池的充放電功率Fig 8 Charge and discharge power of energy storage batter

由圖8可知，在14:00―16:00之間，儲(chǔ)能電池進(jìn)行充電，在16:00―18:00之間，儲(chǔ)能電池進(jìn)行放電，其余時(shí)段不進(jìn)行充放電，保持恒定狀態(tài).

由圖9可知，SOC滿足區(qū)間0.1～0.9的要求.儲(chǔ)能系統(tǒng)進(jìn)行一次滿充滿放，不僅減少了儲(chǔ)能系統(tǒng)充放電的頻次，而且有效保證儲(chǔ)能電池的壽命，符合實(shí)際儲(chǔ)能電池運(yùn)行狀態(tài)的要求.

圖9 儲(chǔ)能電池SOC變化Fig 9 SOC change of energy storage battery

根據(jù)光儲(chǔ)系統(tǒng)容量?jī)?yōu)化模型，得到系統(tǒng)凈收益與儲(chǔ)能系統(tǒng)功率、儲(chǔ)能系統(tǒng)容量的關(guān)系，結(jié)果如圖10所示.

從圖10可以看出，儲(chǔ)能容量與系統(tǒng)的凈收益和功率呈正相關(guān)，系統(tǒng)凈收益隨著儲(chǔ)能系統(tǒng)容量的增加而增加，且隨著儲(chǔ)能功率的增加，系統(tǒng)凈收益并未一直增加.本文采用鯨魚算法對(duì)光儲(chǔ)系統(tǒng)容量?jī)?yōu)化模型求解可得，當(dāng)儲(chǔ)能功率為22.10 MW、容量為31.83 MW·h時(shí)對(duì)應(yīng)的系統(tǒng)凈收益最大，為4 650 936元.

圖10 優(yōu)化結(jié)果Fig 10 Optimization results

3.3 算法對(duì)比

本文分別采用遺傳算法、自適應(yīng)粒子群算法、鯨魚算法三種優(yōu)化算法對(duì)光儲(chǔ)發(fā)電系統(tǒng)凈收益進(jìn)行求解，計(jì)算結(jié)果見(jiàn)表3，收斂曲線如圖11所示.

圖11 收斂曲線Fig 11 Convergence curve

由表3可知，遺傳算法、自適應(yīng)粒子群算法和鯨魚算法在棄光率均為2.9%的情況下，最優(yōu)儲(chǔ)能容量分別為35.00 MW·h、33.31 MW·h、31.83 MW·h.本文用三種算法對(duì)目標(biāo)函數(shù)優(yōu)化求解，發(fā)現(xiàn)鯨魚算法有一定的優(yōu)勢(shì)，因此利用鯨魚算法對(duì)目標(biāo)函數(shù)進(jìn)行優(yōu)化.

表3 計(jì)算結(jié)果Tab 3 The calculation results

由圖11可知，最大迭代次數(shù)為500，隨著迭代次數(shù)的增加，在滿足約束條件的情況下，遺傳算法、自適應(yīng)粒子群算法、鯨魚算法分別經(jīng)過(guò)152、108、84次迭代之后，迭代過(guò)程逐漸趨于穩(wěn)定，并得到系統(tǒng)凈收益最大，分別為4 648 653元、4 649 921元、4 650 936元.仿真結(jié)果表明，在光儲(chǔ)發(fā)電系統(tǒng)中，鯨魚算法相比遺傳算法和自適應(yīng)粒子群算法收斂速度快且能夠找到更優(yōu)解.

4 結(jié)論

本文提出基于光儲(chǔ)發(fā)電系統(tǒng)的棄光消納策略，利用該策略制定儲(chǔ)能系統(tǒng)充放電狀態(tài)框架，在提高儲(chǔ)能裝置經(jīng)濟(jì)性的同時(shí)，實(shí)現(xiàn)棄光的最大消納.主要結(jié)論如下：

（1）本文所提出基于光儲(chǔ)發(fā)電系統(tǒng)的棄光消納策略，以光伏消納為優(yōu)先原則，將光儲(chǔ)聯(lián)合火電廠滿足負(fù)荷供電需求，構(gòu)建以光儲(chǔ)系統(tǒng)日內(nèi)最大凈收益目標(biāo)函數(shù)的模型.

（2）以新疆某光伏電站數(shù)據(jù)進(jìn)行分析，在光伏電站加裝儲(chǔ)能系統(tǒng)能夠大幅度提升整個(gè)系統(tǒng)的友好調(diào)度能力，使該地區(qū)棄光率從12.7%降為2.9%，最佳的儲(chǔ)能容量為31.83 MW·h，其系統(tǒng)最大凈收益為465.09萬(wàn)元.

（3）在求解大規(guī)模工程優(yōu)化問(wèn)題上，相比于遺傳算法與自適應(yīng)粒子群算法，鯨魚算法具有收斂速度快、尋優(yōu)精度高、更易找到全局最優(yōu)解的優(yōu)越性.

由于儲(chǔ)能應(yīng)用工況收益率對(duì)于電池的單次充放成本有較大的敏感性，而電池循環(huán)壽命將極大程度上影響儲(chǔ)能電池實(shí)際的單次充放成本，因此提升電池循環(huán)壽命也將成為未來(lái)儲(chǔ)能電池的發(fā)展方向.