计及光伏工况的集中式光伏电站储能优化配置研究.pdfVIP

中文科技期刊数据库（全文版）工程技术 计及光伏工况的集中式光伏电站储能优化配置研究 俞斌斌 国能（浙江）能源发展有限公司，浙江 杭州 310000 摘要：近年来，光储研究多关注微网、分布式光伏及风光储联合应用，鲜少涉及大规模集中式发电场景。本文考 虑了风/光/储并网型微电网系统运行的经济性及环境效益，建立优化配置模型。利用合作博弈的方式对需求响应 下的微电网进行优化配置。将负荷缺电率和能量溢出比作为考核指标，实现最优光储配置以提高独立光伏系统的 供电可靠性和光伏利用率。然而我国光伏发电量与负荷呈倒挂趋势，大规模光伏发电地区负荷低迷，本地消纳困 难，需要通过电网运输，但滞后的网架建设不能匹配短时间内迅速增加的光伏电站装机容量，引发系统调节负担 与弃光之间的矛盾，导致利用小时数持续降低，弃光率与光伏装机容量一同攀升，成为值得关注的严峻问题。 关键词：光储系统；容量配置；光伏工况 中图分类号：TM615 0 引言 行储能容量与功率的配置，并做出对比，最后对储能 全寿命周期出力进行分析，为提高光伏电站并网应用 为早日实现“双碳”目标，全球各国鼓励开发风 能力提供有效的理论依据与技术支持。 电、光伏等可再生能源，并且相继发布可再生能源支 持计划，目前国内许多大型风电场、光伏电站纷纷建 1 改进的K-means 聚类算法 造完成。2021 年我国大型光伏电站装机占全国装机的 采用聚类办法对全部光伏出力运行场景进行聚类， 46.6%，但光伏发电输出功率不稳定，如此大规模并网 从而将大量的实际场景削减为具有代表性的典型场景， 将引起电压越限和网络损耗过大等问题，从而导致高 降低求解过程的复杂度。 弃光率，使电网中的场景复杂化，因此，为了提高光 K-means 聚类算法简单高效，适用性很强，但传统 伏电站的接入能力，亟需开展电池储能系统的规划研 的K-means 聚类算法中的初始聚类中心和聚类中心个 究。 数都需要人为指定，因此聚类结果并不稳定，而本文 对于光储联合发电场景，学术界通常基于某特定 提出的密度峰值聚类算法(clustering by fast search 日光伏出力曲线，主要着眼于配置的优化算法和复杂 and find of density peaks,DPC)能自动发现簇中心 的系统条件，研究光伏配置储能系统对光伏功率曲线 并确定个数，克服了K-means 聚类的缺点。DPC 算法的 的优化。目前相关文献中已有按季节划分场景类型， 基本思想如下：1）密度峰值的局部密度较大，并且被 但光伏发电出力主要受太阳辐照度制约，同一季节内 密度均不超过它的邻居包围；2）各密度峰值间的距离  也会出现不同的光伏工况，而不同工况下的太阳辐照 相对较远，因此DPC 算法提出了局部密度 和到最近 i  度存在较大差异，因此以季节划分场景不能全面展示 更高局部密度样本的相对距离 两个概念。当数据集 i 光伏发电的出力情况。 规模较小时，截断核的局部密