沈阳工程学院 辽宁省沈阳市 110000
摘要:户用储能电池能够与太阳能光伏板相结合参与虚拟电厂运行,为电网提供电能量和辅助服务。然而,由于电池老化导致的损耗问题以及其成本测算方法尚不明确,导致储能并网后的收益计算模型缺失。本文基于普克特生命周期能量吞吐量模型,提出了一种储能电池的老化成本和损耗情况的计算方法。根据虚拟电厂中的实际运行工况,给出了户用储能电池参与调频市场的成本和收益计算方法。
关键词:户用储能,电池老化,调频市场,收益计算,虚拟电厂
1 引言
随着储能电池技术的日益成熟,电力系统对新能源消的纳能力逐渐提高。分布式太阳能发电与户用储能电池相结合形成光储一体化系统,由虚拟电厂进行聚合,在电力市场的交易规则下参与调峰调频,能够有效提升新能源利用率和电网稳定性。户用储能参与电力市场的核心思路是以储能电池为一个储能单元,将用户侧的屋顶光伏发电装置作为一个发电单元将所发的电量储存在储能电池中,由统一的虚拟电厂运营商统一调配,用于电网的调峰调频。虚拟电厂中户用储能的收益不是储能拥有者直接与电力交易中心结算,而是通过负荷聚合商结算。如果户用储能实际运行成本和应得收益计算方法不合理,会影响收益分配的公平性。
以下文献主要涵盖了关于风-光-储互补电力系统、电池充放电损耗、电能损耗成本计算、储能电池损耗成本算法、售电商的博弈行为、交易风险损失指标、以及电动汽车参与市场调频盈利计算方法等方面的文献研究。文献[1]通过对风-光-储组成的互补电力系统在全寿命周期基础上上的收益进行相关的测算,提供了解决混合互补电力系统收益的计算方法。为了全面评价风-光-储互补电力系统成本效益,本章在对风-光-储互补电力系统进行全寿命周期成本分析的基础上,展开风-光-储互补电力系统经济效益测算。文献[2]研究了影响电池充电容量的主要工况,结合电动汽车的实际使用特点,建立计及放电深度与放电区间的电池循环寿命损耗模型。文献[3]提出了一种针对供电节点向用户供电时电能损耗成本的计算方法,该方法通过将实时电价与对应时段的电能损耗的乘积视为费用流。以功率的形式将输电过程中的成本损耗视为费用流,用以计算相应的输电成本。文献[4-5]给出了求解储能电池损耗的具体算法,文献[4]依据实验数据并且依据相关的数学方法求解出相应的拟合函数,给出了储能电池损耗成本与充放电深度的关系,文献[5]通过实验测出充放电循环深度压力函数,进而计算出储能电池的损耗,给出一种求解储能电池损耗成本的方法。文献[6]利用需求-价格响应曲线模拟售电商在中长期合约市场的博弈行为,提出基于条件风险价值(CVaR)的交易风险损失指标量化方法。文献[7]提出电动汽车参与市场调频情形下盈利的计算方法,建立了不同电车状态下,不同电池荷电量情形下电动汽车参与市场调频盈利情况的计算方法。这些研究对于混合互补电力系统的效益评估、电池循环寿命损耗模型、成本损耗计算、交易风险量化、以及电动汽车市场参与盈利等方面提供了重要的理论和方法支持,但是现有的研究成果主要以储能运行成本最小或收益最大为目标,通过求解优化模型获得储能调度策略,计算过程复杂,拥有小容量储能电池的电力用户难以直接使用,降低了户用储能参与电力市场的意愿,影响了虚拟电厂技术的大范围推广。
本文建立了一种用户侧储能电池接入电网后参与市场调频的购售电收益计算方法。该方法主要是从收益和成本两方面进行计算,考虑到未来分布式能源接入的电网特点,本文提出一种新型的储能电池接入电网的购售电形式,既将购售电分为两部分,一种为单一地向电网售电,用以满足风光出力不均时的电网的负荷要求;另一种为参与电网调频时的购售电,分为向上调频(既向电网供电)和向下调频(从电网买电)。这两种购售电形式分为两种不同的计价模式,其中对于参与频率调节的部分要依照频率调节效果设定相应的惩罚机制。户用储能系统的成本部分也需要有相应的计算方法,该成本应该分为固定成本和移动成本。
通过以上的收入和成本的结合建立相关的计算公式,求出能精确反应户用储能电池所构建的虚拟电厂的收益模型。为以后户用储能作为电网的辅助调频手段提供相关的技术支持。
2 电池老化模型
储能电池的老化程度主要反映在充电容量的逐渐衰减和放电能量的损耗两个方面。依据以上特点建立储能电池损耗模型,首先确定储能电池的容电程度和储能电池的放电程度。
(1)
(2)
式中:电池的容电程度是交易时段t结束时,电池储存的能量与电池额定容量的比值;放电深度表示电池放电量与电池额定容量的比值,是电池老化的重要衡量指标。
电池的总使用寿命取决于其用户的使用习惯。深度的充放电会加速电池内部化学物质的衰败,加速电池的报废周期,降低电池的实际充电容量。电池循环寿命可由式(3)得到。
(3)
式中:表示电池循环寿命;表示在放电深度下电池达到寿命终点之前最大的循环次数;表示电池在放电深度每天的循环次数;每年电池使用天数设定为365天。普克特生命周期能量吞吐量模型(Peukert lifetime energy throughput model,PLET)基于普克特定律模拟不同工作强度下的电池循环寿命损失。根据该模型,电池的PLET值与放电深度以及该放电深度下的循环次数有如下关系:
(4)
式中:kp是普克特常数,对于某一特定种类的电池而言,它是一个定值,称为普克特生命周期常数,取值范围通常为0.8~2.1,不同电池的kp值一般通过拟合得到;表示电池以100%放电深度充放电时的循环次数。由于在每个时段一般不能完成一个完整的放电半循环,所以假设
(5)
(6)
式中:是连续放电时段电池放电深度的增量;表示放电时段;和分别表示第j个放电时段开始和结束时的放电深度;是在等效100%放电深度下的循环次数。根据PLET模型,累计等效100%放电深度循环次数代表在不同放电深度下电池寿命的损耗。电池每日等效100%放电深度循环次数可由式(7)得到。T代表一天内288个时段。
(7)
式中:为普克特生命周期能量吞吐量数值,表示当电池在完全放电情况下电池达到报废状态下(既寿命终点)时的最大循环次数。由以上计算式可以求出普克特电池循环寿命。
(8)
电池每日循环寿命损耗成本因为电池运行年限的限制,每日损耗成本不能直接将初始投资成本平均到每日,需要考虑时间价值,采用资本回报系数(Capital recovery factor,CRF)进行修正。电池的运行年限由循环寿命决定,循环寿命的减少导致每日损耗成本的增加。
(9)
(10)
式中:为电池年损耗成本;为电池单位成本现值;为贴现率;为电池每日循环寿命损耗成本。
3 户用储能电池收益计算
3.1收益计算方法
本文将收益部分分为两种,一种是向电网普通售电收益,另一种是参与调频时的调频收益,从保护储能电池和方便计价的角度分析,储能电池参与电力市场时,售电收益和调频收益不能同时进行。根据这种计算特点,户用储能电池的收益模型可表示为:
(11)
其中,为户用户储参与市场调频所组成的虚拟电厂,为虚拟电厂参与电力市场非调频售电的工况系数,取值恒为1。为t时段虚拟电厂参与市场售电的售电量,为t时段虚拟电厂的实时电价。为虚拟电厂参与电力市场调频时,对应时段向上调频的调频的调频电价,为虚拟电厂参与电力市场调频时,对应时段向上调频的调频的用于电网调频的调频总电量。为虚拟电厂参与电力市场调频时,对应时段向下调频的调频的调频电价,为虚拟电厂参与电力市场调频时,对应时段向下调频的调频的用于电网调频的调频总电量。
3.2惩罚成本和奖励收益
在参与市场调频时,因为电网实际运行时,供电侧和储能侧的实际工况复杂,特别是新能源发电并入电网的大背景下,储能电池因其响应速度快,所以具有能为电网提供精准调频的特点。基于储能电池的这一特点本文为储能电池参与电网调节时,依据其所处于的特定工况和实际调频出力,建立惩罚和奖惩模型。对于未完成的部分应有与其对应的惩罚机制,对于超额实现的部分要有奖励模型与其对应。
(12)
式中:为t时段下储能电池参与市场调频时的奖惩收益,为向上调频时未完成部分的惩罚系数,其计算方法为,为电网要求的调频电量,为实际提供给电网的调频电量。为向上调频时超额完成部分的奖励系数,其计算方法为,为电网实际需要的总调频电量,为对应时段该区域内相同类型的储能电池数量。为向下调频时未完成部分的惩罚系数,其计算方法为,为电网要求的调频电量,为实际提供给电网的调频电量。为向下调频时超额完成部分的奖励系数,其计算方法为,为电网实际需要的总调频电量,为对应时段该区域内相同类型的储能电池数量。
4结论
住宅屋顶光伏-电池系统不仅可以满足用户自供电的需求,聚合成为虚拟电厂还可以参与调频市场,在自身获得收益的同时为系统稳定性提供支持。储能技术的不断发展和应用,将是未来电力系统发展的重点和主要趋势,在电网中运用储能技术,如抽水蓄能,电化学储能是符合我国国情解决大规模分布式发电系统并网造成的频率波动,出力不稳定等问题的主要技术手段。且在我国电力市场日趋完善,配售电业务的逐渐放开,也为调频市场的建立及竞标机制的实施创造了条件。随着储能电池技术的不断发展,储能电池为核心建立的虚拟电厂在供电价格上会更合理,也更符合电力系统的市场化要求。本文提出的收益模型,为户用户储参与电力市场供电和调频提供了收益计算方法。
参考文献
[1]燕伯峰.风-光-储互补电力系统规划运行与成本效益模型研究[D].华北电力大学(北京),2020.
[2]张谦,邓小松,岳焕展等.计及电池寿命损耗的电动汽车参与能量-调频市场协同优化策略[J].电工技术学报,2022,37(01):72-81.
[3]刘雷. 考虑输电损耗费用的分布式电源配置研究[D].华北电力大学,2012.
[4]唐程辉,张凡,梁才等.考虑电池损耗和分布式可再生能源的储能调度[J].智慧电力,2018,46(12):1-6.
[5]余欣梅,刘升伟,王星华等.考虑虚拟电厂的售电公司购售电策略优化[J].南方能源建设,2021,8(S1):110-115.
[6]张琨,葛少云,刘洪等.智能配电系统环境下的电动汽车调频竞标模型[J].电网技术,2016,40(09):2588-2595.
[7]张云帅. 含并联光伏逆变器的家用储能系统研究与设计[D].江苏大学,2016.