多種光伏組件組合光伏電站的混合儲能容量優(yōu)化配置研究

馬?超，董?森，華正操

多種光伏組件組合光伏電站的混合儲能容量優(yōu)化配置研究

馬?超，董?森，華正操

(天津大學(xué)水利工程仿真與安全國家重點實驗室，天津 300350)

隨著世界各國對太陽能資源開發(fā)的日益重視，光伏產(chǎn)業(yè)得到快速的發(fā)展．然而，由于太陽能資源具有隨機性和波動性強的特點，使得光伏電站出力波動性較大、電能質(zhì)量較差，進而導(dǎo)致光伏電站并網(wǎng)難度增加．為提高光伏電站的出力穩(wěn)定性、保證電能質(zhì)量，采用多種光伏組件互補運行的方式和為光伏電站合理配置混合儲能系統(tǒng)是有效的方法．針對多種光伏組件組合光伏電站的混合儲能容量優(yōu)化配置問題，提出一種統(tǒng)計分析與數(shù)學(xué)模型相結(jié)合的配置方法．該方法采用小波分解將不同天氣類型對應(yīng)的典型光伏出力分解為近似信號、高頻波動信號和低頻波動信號，并提出采取能量型儲能技術(shù)和功率型儲能技術(shù)分別平抑低頻波動和高頻波動的思路；結(jié)合各天氣類型的時間占比，對高、低頻波動信號進行統(tǒng)計分析以確定混合儲能的功率；構(gòu)建以全生命周期成本最小與目標(biāo)出力滿足度最大為目標(biāo)的混合儲能容量優(yōu)化配置模型，并采用遺傳算法求解模型以確定最優(yōu)的混合儲能容量配置方案．本文以青海共和55MW光伏實證基地為實例，通過對9種不同混合儲能組合計算結(jié)果的比選，得到了最優(yōu)混合儲能配置方案——超級電容(4.6MW/(1.21MW·h))＋全釩液流電池(9.2MW/(6.26MW·h))．光伏電站出力優(yōu)化結(jié)果顯示：所提出的配置方法可行且有效，實施提出混合儲能配置方案后，光伏電站出力波動性顯著降低，出力穩(wěn)定性和電能質(zhì)量得到顯著提高．

光伏電站；出力波動平抑；小波分解；混合儲能配置；容量優(yōu)化模型

為提高能源供應(yīng)、改善能源結(jié)構(gòu)，加快清潔能源的開發(fā)利用已成為普遍共識．近年來，中國光伏產(chǎn)業(yè)發(fā)展迅速．截至2018年底，中國光伏累計裝機容量超過170GW，居全球首位．光伏發(fā)電具有間歇性強、波動性大的不足，導(dǎo)致光伏電站的送出電能質(zhì)量難以滿足電網(wǎng)要求，需通過其他技術(shù)手段平抑光伏出力波動，以降低其規(guī)?；⒕W(wǎng)的影響，保證電力輸出的穩(wěn)定和可控[1]．實踐表明：儲能技術(shù)可平抑光伏出力波動[2-3]，是提高電站出力穩(wěn)定性、保障電能質(zhì)量的有效途徑[4-6]．

儲能技術(shù)種類繁多，按照運行特性可將其分為功率型儲能和能量型儲能[7]．功率型儲能一般容量小但響應(yīng)速度快、可進行頻繁充放電轉(zhuǎn)換，如超級電容、超導(dǎo)儲能、飛輪儲能等；能量型儲能一般容量大但充放電轉(zhuǎn)換不可過于頻繁，如鉛蓄電池、全釩液流電池、鈉硫電池、鋰電池等[8]．研究表明：可利用上述兩種類型儲能裝置組合成的混合儲能系統(tǒng)，同時平抑光伏出力波動中的高頻波動分量與低頻波動分量，從而有效提高光伏出力的穩(wěn)定性[9-10]．因此，對于光伏電站的混合儲能容量優(yōu)化配置研究，首先需要針對應(yīng)用對象的電能輸出需求，綜合考慮儲能技術(shù)的成本、使用壽命、轉(zhuǎn)換效率、放電深度等特性進行儲能類型選擇．在此基礎(chǔ)上，選擇合適的決策方法和構(gòu)建適用的決策模型，依據(jù)特定輸入得到最合理經(jīng)濟的混合儲能功率和容量的配置方案．在決策方法方面，Jia等[11]開發(fā)了一種避免儲能進行小充放電循環(huán)來延長使用壽命的頻率控制方法，并基于此提出了結(jié)合統(tǒng)計分析、時域仿真和容量計算的混合儲能容量統(tǒng)計算法；Jacob等[12]和Janghorban等[13]均提出基于夾點分析法的混合儲能容量配置方法，并分別以4種典型光伏微網(wǎng)系統(tǒng)和采用電池/氫儲能的能源系統(tǒng)為實例驗證了提出方法的可行性．在決策模型方面，研究應(yīng)綜合考慮儲能類型及其特性、應(yīng)用對象和負(fù)荷特性，以系統(tǒng)成本最小和儲能改善效果最優(yōu)為優(yōu)化目標(biāo)制定可靠儲能組合和容量配置方案[14-20]．比如針對大功率、大容量和波動性較大的應(yīng)用場景，基于成本分析思路提出的超級電容器和蓄電池的混合儲能配置方案[15]；考慮項目全生命周期凈現(xiàn)值的電池和超級電容器容量配置方案[18]；以系統(tǒng)總成本最小和功率需求匹配度最高為目標(biāo)的微電網(wǎng)混合儲能容量配置方案[19]．上述文獻均針對清潔能源系統(tǒng)混合儲能配置進行了相關(guān)研究并取得了一定的研究成果，但研究仍存在以下不足：一是采用的光伏出力數(shù)據(jù)量較小且數(shù)據(jù)較單一，未考慮天氣因素對光伏出力的影響；二是僅針對單一混合儲能組合進行計算，未考慮不同混合儲能系統(tǒng)的適用性．針對上述不足，本文在充分考慮天氣因素和多種混合儲能組合的基礎(chǔ)上展開混合儲能配置研究．

光伏電站在不同類型天氣的日出力過程存在顯著區(qū)別，包括平均和極值出力、波動幅度和頻次等；同時光伏電站所在區(qū)域年內(nèi)不同類型天氣日的時間占比不同．上述天氣因素均對混合儲能配置產(chǎn)生影響，應(yīng)綜合考慮方可得到經(jīng)濟適用的方案．另一方面，性能好的儲能技術(shù)的單位成本均很高，大規(guī)模應(yīng)用，其經(jīng)濟性難以保證．因此，保持光伏電站出力特點，以實現(xiàn)減小波動和平滑出力以及提高送出電能質(zhì)量為目標(biāo)，是一種可行方式．基于此，本文以青海共和55MW的多類型光伏組件組合光伏電站為例，研究提出混合儲能容量優(yōu)化配置方法．該方法綜合考慮4種天氣(晴天、多云、雨天、雪天)的光伏出力特性，采取統(tǒng)計分析確定功率型儲能與能量型儲能的功率，并利用提出混合儲能容量優(yōu)化配置數(shù)學(xué)模型得到多目標(biāo)綜合最優(yōu)的儲能組合及其容量配置方案．

1?多種光伏組件組合光伏電站

1.1?多種光伏組件的互補特性

青海共和光伏實證基地安裝有垂直雙軸(DA)、垂直單軸30°(VA30)、垂直單軸33°(VA33)、平單軸(HA)、斜單軸(IA)、鱗片式雙軸(S)、平單雙面(HAB)、固定單面(FT)、固定雙面(FTB)9種光伏組件[21]．實測數(shù)據(jù)表明：因布置方式、角度和跟蹤方式不同，上述9種光伏組件在年內(nèi)不同季節(jié)和不同類型天氣日的出力呈現(xiàn)不同特點，包括出力過程線類型、日內(nèi)出力時間跨度、日內(nèi)峰值出力等，呈現(xiàn)一定的互補性．Hua等[21]綜合考慮多組件的發(fā)電特性、出力波動特點、建設(shè)運維成本，利用光伏電站多組件容量優(yōu)化配置模型提出了最優(yōu)方案，即HAB、FTB、VA30、DA 4種組件按照54.1∶34.5∶10.27∶1.17的配置容量，其對應(yīng)的經(jīng)濟性最佳且年內(nèi)出力波動性降幅最顯著．本文以此方案對應(yīng)的多類型光伏組件組合光伏電站為例，開展混合儲能容量優(yōu)化配置研究．

1.2?多類型光伏組件組合光伏電站的典型天氣日光伏出力

采用青海共和光伏實證基地不同類型組件在某年12個月1min級出力實測數(shù)據(jù)，統(tǒng)計得到在設(shè)定55MW容量和光伏組件組合方案下，不同類型天氣下日內(nèi)波動程度最大的日典型出力過程，如圖1所示，作為混合儲能配置的基礎(chǔ)數(shù)據(jù)．

圖1?不同類型天氣下的日典型出力過程

2?混合儲能容量優(yōu)化配置方法

2.1?混合儲能功率確定方法

儲能功率代表該儲能裝置的最大充放電能力，并可決定儲能裝置可平抑的波動范圍．

2.1.1?日光伏出力過程小波分解

采用小波分解將日光伏出力過程分解為近似信號、高頻波動信號和低頻波動信號3個部分．其中：近似信號是體現(xiàn)光伏出力總體趨勢的光滑曲線；高頻波動信號為波動頻繁的小幅波動，可由功率型儲能進行平抑；低頻波動信號為波動相對較少的大幅波動，可由能量型儲能進行平抑．所提出的混合儲能容量優(yōu)化配置方法將分解得到的近似信號作為光伏電站在該類型天氣條件下的目標(biāo)出力曲線，混合儲能裝置只需平抑光伏出力中偏離近似信號的波動，一方面可充分利用光伏自身的發(fā)電量，另一方面也可減小混合儲能裝置的配置容量．

圖2為光伏-混合儲能系統(tǒng)運行策略，即通過對光伏原始出力進行小波分解得到高頻波動信號、低頻波動信號和近似信號，再將高頻波動信號的功率指令H和低頻波動信號的功率指令L分別下達至功率型儲能和能量型儲能，通過儲能充放平抑不同頻率的出力波動，進而使得光伏-混合儲能系統(tǒng)出力趨近于近似信號，從而提高光伏電站出力穩(wěn)定性．

圖2?光伏-混合儲能系統(tǒng)運行策略

2.1.2?波動分量統(tǒng)計和功率確定

以各類型天氣在全年的時間占比為權(quán)重，統(tǒng)計各類型天氣的典型光伏出力分解得到的高、低頻波動分量，得到高、低頻波動分量的概率分布．?dāng)M合得到高、低頻波動分量的概率密度曲線，從而得到不同置信水平下的置信區(qū)間，區(qū)間邊界值絕對值的最大值即為該置信水平對應(yīng)的功率型/能量型儲能功率．

2.2?混合儲能容量優(yōu)化配置模型

2.2.1?目標(biāo)函數(shù)

考慮系統(tǒng)的經(jīng)濟性，模型的第1個目標(biāo)為系統(tǒng)全生命周期成本最小，包括混合儲能的初始安裝成本和儲能更換成本，其計算方法分別為

考慮電站出力穩(wěn)定性，模型的第2個目標(biāo)為目標(biāo)出力滿足度，即光-儲發(fā)電系統(tǒng)實際出力滿足目標(biāo)出力的時間占比，計算方法為

2.2.2?約束條件

模型約束條件包括能量平衡約束、最大充放電功率約束和最大容量約束，其計算公式分別為

式中：E為第種儲能裝置的發(fā)電量，MW·h；為第種儲能裝置的轉(zhuǎn)換效率；S為第種儲能裝置的儲電量，MW·h；P為第種儲能裝置的充放電功率；P,max為第種儲能裝置的最大功率(在第2.2節(jié)中確定)，MW；SOC為第種儲能裝置時刻的荷電狀態(tài)，MW·h．

3?實例計算和結(jié)果分析

以青海共和光伏實證基地55MW多光伏組件組合光伏電站為案例，采取所提方法和模型優(yōu)化得出混合容量優(yōu)化配置方案．

3.1?混合儲能功率確定

分別對4種天氣典型下的光伏出力曲線進行小波分解，得到對應(yīng)天氣典型的目標(biāo)出力曲線、高頻波動分量及低頻波動分量，多云天氣分解結(jié)果如圖3?所示．

將4種天氣典型對應(yīng)的高、低頻波動分量按4種天氣典型的時間占比(表1)進行統(tǒng)計，從而得到高、低頻波動分量的概率分布，再采用t-location scale分布擬合概率密度曲線，如圖4所示．

表1?典型天氣時間占比

Tab.1?Time ratio of typical weather conditions

圖3?小波分解(以多云為例)

圖4?高、低頻波動統(tǒng)計分析

由此，可求得不同置信水平對應(yīng)的功率型和能量型儲能功率(圖5)．如圖5所示，功率型與能量型儲能功率均在置信水平為90%與95%處有明顯轉(zhuǎn)折，置信水平大于95%時，儲能功率增幅過大，將造成成本大幅上升；置信水平小于90%時，儲能裝置平抑波動的能力將下降．因此，考慮系統(tǒng)經(jīng)濟性并保證儲能裝置的平抑波動能力，選擇置信水平為95%對應(yīng)儲能功率，故功率型儲能功率為4.6MW，能量型儲能功率為9.2MW．

圖5?混合儲能功率分析結(jié)果

3.2?混合儲能組合及其容量確定

選用多種技術(shù)成熟、運行安全性高且無地理位置限制的儲能裝置組成9種混合儲能組合，其中功率型儲能為超級電容(SC)、飛輪儲能(Flywheel)和超導(dǎo)磁儲能(SMES)，能量型儲能為全釩液流電池(VRB)、鋰電池(Li)和鉛蓄電池(PbAc)，各儲能方式的相關(guān)參數(shù)見表2[22-24]．

采用遺傳算法求解混合儲能容量優(yōu)化配置模型，設(shè)置初始群體個數(shù)為200、進化代數(shù)為100、選擇概率為0.05、交叉概率為0.40、變異概率為0.03．經(jīng)過計算，得到各混合儲能組合的容量優(yōu)化結(jié)果，見表3．由表3可知，對比SC、Flywheel與SMES 3種功率型儲能，其容量優(yōu)化結(jié)果沒有差別，但由于Flywheel的全壽命循環(huán)次數(shù)較少，導(dǎo)致在電站運行期內(nèi)需要更換2次；由于SMES較SC單位成本高，導(dǎo)致對應(yīng)方案總成本較高．對比VRB、Li與PbAc 3種能量型儲能，由于PbAc放電深度較淺，導(dǎo)致所配置的容量遠大于前兩種；另由于VRB轉(zhuǎn)換效率相對較低，導(dǎo)致對應(yīng)方案的目標(biāo)出力滿足度低于其他方案，最大差值為2.1%．總體來說，各方案的目標(biāo)出力滿足度差異較小，從降低全生命周期成本與減少儲能更換次數(shù)考慮，推薦“超級電容＋全釩液流電池”的混合儲能組合方案，對應(yīng)的容量配置方案為：超級電容(4.6MW/(1.21MW·h))＋全釩液流電池(9.2MW/ (6.26MW·h)).

圖6以多云天氣為例，展示了混合儲能系統(tǒng)中功率型儲能SC和能量型儲能VRB的出力過程，SC出力由于跟蹤高頻波動分量而呈現(xiàn)出波動性強、頻繁充放電轉(zhuǎn)換的特點，VRB出力由于跟蹤低頻波動分量而呈現(xiàn)出波動次數(shù)相對較少但單次波動所需的充、放電量較大的特點．由此可見，采用混合儲能分別平抑光伏出力中不同頻率波動分量的運行方式可充分發(fā)揮兩種不同儲能裝置的優(yōu)勢．圖7為混合儲能實施效果，雖部分情況仍存在小波動，但不同類型天氣出力的波動性顯著降低且平滑性顯著提高，有效提高了電站的出力穩(wěn)定性．

圖6?混合儲能系統(tǒng)出力過程(以多云為例)

表2?儲能系統(tǒng)參數(shù)

Tab.2?Parameters of energy storage systems

表3?優(yōu)化結(jié)果

Tab.3?Optimization results

圖7?混合儲能實施效果

4?結(jié)?語

針對平滑光伏電站出力和提高其送出電能質(zhì)量需求，研究提出面向多種光伏組件組合光伏電站的混合儲能容量配置方法，包括基于小波分解和統(tǒng)計分析的儲能功率確定方法、以全生命周期成本最小和目標(biāo)出力滿足度最大為目標(biāo)的光伏電站混合儲能容量優(yōu)化配置數(shù)學(xué)模型．所提方法應(yīng)用于青海共和55MW光伏電站，得出了最優(yōu)混合儲能配置方案，即超級電容(4.6MW/(1.21MW·h))＋全釩液流電池(9.2MW/(6.26MW·h))．研究結(jié)果表明：所提方法綜合考慮了多種類型天氣光伏電站出力特點以及多類型儲能技術(shù)特性，得到的混合儲能方案可顯著降低出力波動，并有效提高出力穩(wěn)定性．

［1］ 秦?睿，董開松，汪紅燕，等. 大規(guī)模光伏電站集中并網(wǎng)對電網(wǎng)的影響分析及對策[J]. 電氣自動化，2014，36(3)：57-59.

Qin Rui，Dong Kaisong，Wang Hongyan，et al. Analysis and countermeasures on the influence of centralized grid connection of large-scale photovoltaic power stations upon power grid[J]. Electrical Automation，2014，36(3)：57-59(in Chinese).

［2］ 陳?剛，袁?越，傅質(zhì)馨. 儲能電池平抑光伏發(fā)電波動的應(yīng)用[J]. 電力系統(tǒng)及其自動化學(xué)報，2014，26(2)：27-31.

Chen Gang，Yuan Yue，F(xiàn)u Zhixin. Application of storage battery to restrain the photovoltaic power fluctuation[J]. Proceedings of the CSU-EPSA，2014，26(2)：27-31(in Chinese).

［3］ Tesfahunegn S G，Ulleberg ?，Vie P J S，et al. PV fluctuation balancing using hydrogen storage—A smoothing method for integration of PV generation into the utility grid[J]. Energy Procedia，2011，12：1015-1022.

［4］ 張節(jié)潭，李建林，郭樹鋒，等. 儲能系統(tǒng)提高電網(wǎng)接納大規(guī)模集中式光伏發(fā)電能力的關(guān)鍵技術(shù)研究及驗證[J]. 青?？萍?，2018，25(4)：15-18.

Zhang Jietan，Li Jianlin，Guo Shufeng，et al. Research and verification of key technologies for energy storage systems to improve grid capacity for large-scale centralized photovoltaic power generation[J]. Qinghai Science and Technology，2018，25(4)：15-18(in Chinese).

［5］ 郁江遠. 儲能技術(shù)在光伏并網(wǎng)系統(tǒng)中的應(yīng)用研究[J]. 通訊世界，2017(20)：113-114.

Yu Jiangyuan. Application research of energy storage technology in photovoltaic grid-connected system[J]. Communication World，2017(20)：113-114(in Chinese).

［6］ 劉建濤，張建成，馬?杰，等. 儲能技術(shù)在光伏并網(wǎng)發(fā)電系統(tǒng)中的應(yīng)用分析[J]. 電網(wǎng)與清潔能源，2011，27(7)：62-66.

Liu Jiantao，Zhang Jiancheng，Ma Jie，et al. Analysis of energy storage technology applied in grid-connected PV system[J]. Power System and Clean Energy，2011，27(7)：62-66(in Chinese).

［7］ 熊?雄，楊仁剛，李建林. 多元復(fù)合儲能系統(tǒng)在含微電網(wǎng)配電網(wǎng)中的容量配比[J]. 電力自動化設(shè)備，2014，34(10)：40-47.

Xiong Xiong，Yang Rengang，Li Jianlin. Capacity configuration of multi-element composite energy storage system in distribution system with microgrid[J]. Electric Power Automation Equipment，2014，34(10)：40-47(in Chinese).

［8］ 吳振威，蔣小平，馬會萌，等. 用于混合儲能平抑光伏波動的小波包-模糊控制[J]. 中國電機工程學(xué)報，2014，34(3)：317-324.

Wu Zhenwei，Jiang Xiaoping，Ma Huimeng，et al. Wavelet packet-fuzzy control for hybrid energy storage to stabilize photovoltaic fluctuation[J]. Proceedings of the CSEE，2014，34(3)：317-324(in Chinese).

［9］ 程志江，李永東，謝永流，等. 帶超級電容的光伏發(fā)電微網(wǎng)系統(tǒng)混合儲能控制策略[J]. 電網(wǎng)技術(shù)，2015，39(10)：2739-2745.

Cheng Zhijiang，Li Yongdong，Xie Yongliu，et al. Control strategy of hybrid energy storage of photovoltaic generation microgrid system with super capacitor[J]. Power System Technology，2015，39(10)：2739-2745(in Chinese).

［10］ 李介夫，王光，李衛(wèi)國，等. 一種利用混合儲能系統(tǒng)平抑風(fēng)光功率波動的控制策略[J]. 東北電力大學(xué)學(xué)報，2014，34(5)：32-38.

Li Jiefu，Wang Guang，Li Weiguo，et al. A control strategy to smooth the power of wind and photovoltaic generation with hybrid energy storage systems[J]. Journal of Northeast Dianli University，2014，34(5)：32-38(in Chinese).

［11］ Jia H，Mu Y，Qi Y. A statistical model to determine the capacity of battery-supercapacitor hybrid energy storage system in autonomous microgrid[J]. International Journal of Electrical Power & Energy Systems，2014，54：516-524.

［12］ Jacob A S，Banerjee R，Ghosh P C. Sizing of hybrid energy storage system for a PV based microgrid through design space approach[J]. Applied Energy，2018，212：640-653.

［13］ Janghorban E I，Lee S，Yoo C. Extended-power pinch analysis(EPoPA)for integration of renewable energy systems with battery/hydrogen storages[J]. Renewable Energy，2015，80：1-14.

［14］ 楊?珺，張建成，桂?勛. 并網(wǎng)風(fēng)光發(fā)電中混合儲能系統(tǒng)容量優(yōu)化配置[J]. 電網(wǎng)技術(shù)，2013，37(5)：1209-1216.

Yang Jun，Zhang Jiancheng，Gui Xun. Capacity optimization of hybrid energy storage system in grid-connected wind and PV power generation system[J]. Power System Technology，2013，37(5)：1209-1216(in Chinese).

［15］ 李?成，楊?秀，張美霞，等. 基于成本分析的超級電容器和蓄電池混合儲能優(yōu)化配置方案[J]. 電力系統(tǒng)自動化，2013，37(18)：20-24.

Li Cheng，Yang Xiu，Zhang Meixia，et al. Optimal configuration scheme for hybrid energy storage system of super capacitors and batteries based on cost analysis[J]. Automation of Electric Power Systems，2013，37(18)：20-24(in Chinese).

［16］ 韓曉娟，程?成，籍天明，等. 計及電池使用壽命的混合儲能系統(tǒng)容量優(yōu)化模型[J]. 中國電機工程學(xué)報，2013，33(34)：91-97.

Han Xiaojuan，Cheng Cheng，Ji Tianming，et al. Capacity optimal modeling of hybrid energy storage system considering battery life[J]. Proceedings of the CSEE，2013，33(34)：91-97(in Chinese).

［17］ Wen S，Lan H，Yu D C，et al. Optimal sizing of hybrid energy storage sub-systems in PV/diesel ship power system using frequency analysis[J]. Energy，2017，140：198-208.

［18］ álvaro D，Arranz R，Aguado J A. Sizing and operation of hybrid energy storage systems to perform ramp-rate control in PV power plants[J]. International Journal of Electrical Power & Energy Systems，2019，107：589-596.

［19］ 譚興國，王?輝，張?黎，等. 微電網(wǎng)復(fù)合儲能多目標(biāo)優(yōu)化配置方法及評價指標(biāo)[J]. 電力系統(tǒng)自動化，2014，38(8)：7-14.

Tan Xingguo，Wang Hui，Zhang Li，et al. Multi-objective optimization of hybrid energy storage and accessment indices in microgrid[J]. Automation of Electric Power Systems，2014，38(8)：7-14(in Chinese).

［20］ 田培根，肖?曦，丁若星，等. 自治型微電網(wǎng)群多元復(fù)合儲能系統(tǒng)容量配置方法[J]. 電力系統(tǒng)自動化，2013，37(1)：168-173.

Tian Peigen，Xiao Xi，Ding Ruoxing，et al. A capacity configuring method of composite energy storage system in autonomous multi-microgrid[J]. Automation of Electric Power Systems，2013，37(1)：168-173(in Chinese).

［21］ Hua Z，Ma C，Lian J，et al. Optimal capacity allocation of multiple solar trackers and storage capacity for utility-scale photovoltaic plants considering output characteristics and complementary demand[J]. Applied Energy，2019，238：721-733.

［22］ Bocklisch T. Hybrid energy storage approach for renewable energy applications[J]. Journal of Energy Storage，2016，8：311-319.

［23］ Aneke M，Wang M. Energy storage technologies and real life applications—A state of the art review[J]. Applied Energy，2016，179：350-377.

［24］ Gallo A B，Sim?es-Moreira J R，Costa H K M，et al. Energy storage in the energy transition context：A technology review[J]. Renewable and Sustainable Energy Reviews，2016，65：800-822.

Capacity Configuration of Hybrid Energy Storage System for PV Power Stations Using Multiple Solar Trackers

Ma Chao，Dong Sen，Hua Zhengcao

(State Key Laboratory of Hydraulic Engineering Simulation and Safety，Tianjin University，Tianjin 300350，China)

As the world attach increasing importance to the development of solar energy resources，the photovoltaic(PV)industry has developed rapidly. However，because of the randomness and volatility of solar energy resources，the output of PV power stations fluctuates considerably and power quality is poor，which further increases the difficulty of grid connection of PV power stations. To improve the output stability of PV power stations and ensure the quality of power，it is an effective method to adopt a variety of solar tracker complementary operation modes and reasonably configure the hybrid energy storage system(HESS)for PV power stations. To enhance the capacity configuration of the HESS for PV power stations using multiple solar trackers，a configuration method combining statistical analysis and mathematical models is proposed. The method uses wavelet decomposition to decompose the typical output of the PV power stations under different weather conditions into approximate signal，high-frequency fluctuation signal，and low-frequency fluctuation signal. Moreover，the method adopts high power and energy storage to suppress high and low-frequency fluctuation signals，respectively. Combined with the time ratio of each weather condition，statistical analysis of the high- and low-frequency fluctuation signals is performed to determine the power of high power storage and high energy storage. The optimal HESS capacity configuration model with the objectives of life cycle cost minimization and target output satisfaction rate maximization was constructed. Moreover，the genetic algorithm was used to solve the model to determine the optimal HESS capacity configuration scheme. Taking Qinghai Gonghe 55MW PV demonstration base as a case，by comparing the calculation results of nine different HESS combinations，the optimal HESS capacity configuration scheme “super capacitor(4.6MW/1.21MW·h)＋vanadium flow battery(9.2MW/6.26MW·h)” is obtained. The scheme can reduce output fluctuation significantly and improve the output stability and power quality of PV power stations effectively. The feasibility and effectiveness of the proposed method was verified.

PV power station；output fluctuation stabilization；wavelet decomposition；hybrid energy storage system configuration；capacity optimization model

TM615

A

0493-2137(2020)11-1128-08

10.11784/tdxbz201908069

2019-08-30；

2020-01-06.

馬?超（1981—??），男，博士，教授.

馬?超，mac_tju@126.com.

國家自然科學(xué)基金優(yōu)秀青年科學(xué)基金資助項目(51722906).

Supported by the National Natural Science Foundation Outstanding Youth Science Foundation(No. 51722906)．

(責(zé)任編輯：孫立華)