压缩空气储能系统

《压缩空气储能系统》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、风力压缩空气储能系统摘要随即模型是电力市场中用于估计风力发电压缩空气储能对系统的运行和经济价值。模型的原理是通过确定系统的成本主要是作为函数可用代和传输能力、初级能源价格.电厂特性.电力需求的成本，使其最小化。为了确保准确的估算，必须考虑减少额外负荷、启动损耗和备用功率需求。而后者则是运用概率统计方法。在投资热电厂和选择压缩空气发电系统时，要考虑风的随机性，随时间变化重组数和系统建模。德国的案例表明空气压缩蓄能可以在大型的风力发电的基础上发展。关键字•压缩空气储能、电力系统建模、随即系统、风能、风力集成成本。1简介最近几年，利

2、用风力发电技术已日益成熟。2005年，德国.西班牙.丹麦利用风力发电到41亿瓦特，成为欧洲最成功的市场。[1]同一年，德国风力发电的59亿瓦特解决了全球三分之一的电力问题。在未来的几年里，这种令人印象深刻的增长率将很有可能持续增长。因此，风力发电有望大规模运用。风的随机性、在系统操作和投资方面的影响是如今最大的挑战之一。与传统发电相比，风力发电可控性低、变化快、预测性不高。【2】具有间隙性的风力发电可能会影响现有电力系统的技术操作和发展速度。首要的问题是解决风的间歇性，其他动力设备才能更灵活的运行系统。另外实现更高系统灵活度的

3、可能就是增加能源储能的投资。灵活性体现在解耦波动能量的供应不能满足需求。在许多国家，储氢蓄能电站的抽水设备的潜能是有限的，而且其他的储能设备花费很高，压缩空气储能（CAES）可能为上述目的而具有吸引力的投资机会。在CAES中，用额外的电量压缩空气将其作为潜在的能源存储在洞穴中，扩大在涡轮机需求高峰时间。具有热传导的CAES和绝热的CAES是有区别的。热传的CAES系统中，压缩空气经冷却器冷却后送至储气库；需要时，由储气库放出高压气体至回热器，高压气体在回热器里，由透平排气加热。这样的发电站首次于1978年在德国亨托夫建立，其发

4、电功率为290MW。【3】在隔热的CAES中，分别存贮空气热量，压缩空气至涡轮机后空气又被加热。将CO2排放量至为零的这样的电厂目前正在建设中。14］氢储能系统与风力发电的被广泛的研究。索伦森【5】、贝朗格、加格农【6】和其他人一起研究能源的波动与不具备存储的科技。巴克斯171卡斯特罗森、洛佩森［81哈拉米罗【9】和其他人深入研究了氢能和风能结合系统。布埃诺［10］和卡尔塔［11］制造了风能发电系统的模型并导出了理想水力发电的规则。压缩空气储能和风力发电系统日益得到关注。Schienbein

5、12］用不同的方案研究储能系统，其

6、中包括CAESoBathuret和Strbac［13］讨论了能量存储比抽水电的经济价值更高些。Enic［141等人研究了风力发电的CAESoMarano115］等人进一步优化了这样的互补系Barth116］建立了大规模的风力发电系统并估算了市场上的价格差异。在此基础上，人们开始研究风力发电压缩空气储能系统的设备。其余系统和操作可忽略。此文献的目的用于研究与其他的发电技术无直接关联的CAES设备并运用基本的电力市场模型。此文献包括以下几个部分，第二章描述风能发电和CAES的价值。第三章呈现德国案例，第四章讨论研究结果，最后在第五

7、章里得出结论并展望未来。2模型描述研究储能所面对的一个主要的问题就是间歇性现象。通常，间歇性体现在不能维持稳定持续的输出。这里所提到的间歇性针对的是具有不确定性的风能，而不是常见的能源载体。后者常缩短能源回报期并忽略无法预知能源的有效性。风是唯一具有能源预期可用性的载体。与常见的能源相比，风的缺点体现在能源供应的高变化率，可控性低和低预测性。随着时间的推移，由于对更高的系统灵活性的需求以满足负载并保持它的可靠性，间歇性将影响现有系统的技术操作和发展。这就需要高产低效率负荷运行的并且剩余能量更加频繁运行的电厂。现在，基于间歇性现

8、象影响的发电系统正在研究中。比如，建立一个水力发电系统，系统的灵活性必须相当的高，这样才能补偿由风力发电时风的间歇性，而常见的基荷机组主导的系统却不需要这么高的灵活性，比如核电站和没电厂。系统运行的设计遵循自下而上的模式。模式的理念是分析电力市场，结合发电，传送，需求和技术与经济各方面的结合。因此，需要考虑以下三个方面：(1)在选择技术的内源投资；(2)风力发电的随机性；(3)满足根据给定的可靠性。在后面，将要叙述这样的电力市场模型，该模型满足这三方面的要求。该模型基于提出的两个项目。口7】【18】图1给出了概述使用的符号。E

9、TransmissionflowFCFixedcostsHStoragelevelLCapacityNNodesIndices0MinimaleyeCyclingirrIrreversiblemMaximalnNodenewNewoldOldonlOnlineVariable