风-氢-燃料-电池-逆变混合发电系统功率估计模型

乌泽德·戈德温¹奥希亚·c·卡利斯托斯²约翰·保罗²

尼日利亚国家科学和工程基础设施局电子发展研究所，奥卡
尼日利亚乌利阿南布拉州立大学电气/电子工程系

摘要

提出了一种用于绿色能源发电的风力/氢气/燃料电池/逆变器系统的功率估计模型。大量的能量以风的形式在运动，这是由地球表面的不同加热和它的旋转引起的。这种能源可以通过风力涡轮机进行无污染的发电过程，然后用电解槽电解水产生氢气。生产和储存的氢气可以通过燃料电池/逆变器重新转换为电能。提出了风力发电功率随风速和系统各部件效率变化的数学估计模型。在MATLAB/SIMULINK中对该系统进行了仿真，结果表明，由于涡轮部件的特性，不能将风力中所含的能量全部提取出来，导致其性能系数(效率)小于100%。涡轮效率的特征行为导致输出与风速变化成正比偏差的非线性。此外，逆变器端的功率输出表明，在目前的传统技术下，从风力中提取的一半以上的功率可能会损失在燃料电池和逆变器部分的制氢和功率转换过程中。这些损失是由于低效率造成的，必须改进或为特定应用精心挑选。提出了一种风力-氢燃料电池-逆变器混合发电系统负载连接的功率分配与控制算法。

关键字

风，电力，发电，估计，储存，效率

介绍

近年来，绿色能源已成为世界上几个国家提供电力的最有趣的焦点，并将继续如此，特别是太阳能、风能和潮汐能等非耗竭性可再生能源。这种发展日益扩大，并逐渐影响到大多数发展中国家对能源使用的需求和选择。除了在大多数非洲国家使用的水力发电系统外，太阳能的发展在其他可再生能源中更为明显，因为太阳能能量丰富。然而，太阳的加热效应也在一些地区产生了风，如果要获得最大的能量，可以利用这些风。虽然风是一种不稳定的能源;如果与其他能源相辅相成，形成一个混合系统，或与存储相结合，以适应低风期，这是一种非常可行的能源。由于电力供应正趋向于微电网和个人供电系统，人们正在考虑并越来越多地出现几种关于如何储存多余电力并在需要时进一步回收的方案。

为了进一步支持绿色能源理念，必须使用对环境友好的高效存储系统。多年来，电池一直被用于这一目的，但由于酸性烟雾污染和成本问题，电池不够环保。近年来，燃料电池等新技术的使用受到了更多的关注，抽水的潜在动力也达到了一个高度。太阳能或风能系统产生的多余电力可以用来把水抽到很高的地方，然后再用水轮机发电。相反，燃料电池利用氢气和氧气的结合产生直流电压的技术。这种组合作为一种能源是非常有效的，并且只产生纯净水作为副产品。当然，氧气是天然的，但氢气可以通过电解过程产生。因此，太阳能或风能产生的多余电力可以用来生产氢气，在停机时储存起来发电。

然而，要从燃料电池中获得所需的交流电(AC)功率，最常用的是功率转换单元。这种转换器通常被称为逆变器。逆变器是一种将直流电源转换为交流电源的电子设备，有不同的功率等级。选择使用的逆变器的额定值基本上取决于它要承载的负载量。本文给出了考虑风力和风速的风力-氢燃料电池逆变系统最大输出功率的估计模型。

风-氢-燃料电池-逆变器混合模型

在这里，我们提出了如图1所示的风-氢燃料电池逆变器模型，使我们能够研究功率流向连接负载。风力发电系统可以由一个或多个风力涡轮机耦合在一起以产生所需的功率。在这个模型中，产生的电力用于为任何连接的负载供电，产生氢气，或者同时进行这两项工作。产生的氢气被储存起来，并转化为电能，通过燃料电池逆变系统运行负载。有几个因素决定了负载的可用电量以及系统在没有风的情况下可以运行多长时间。这些因素包括风速、空气密度、涡轮叶片尺寸、涡轮传动和发电机效率、产氢率、电解槽效率、储氢容量、燃料电池尺寸和燃料电池效率、逆变器的额定功率及其效率，以及系统的自主性。

A.功率估计分析的数学模型

在此基础上，我们利用风力-氢燃料电池-逆变器模型估计风力发电系统的总可衍生功率，并将其作为给定系统组件效率的风力功率的函数。因此，我们使用图2所示的表示对模型进行如下分析。

LP =负载功率，TPn =涡轮n功率，GP =发电场总发电量，GEP =过剩发电量，HV =产氢量，HPL =产氢功率损耗，EINL =逆变器功率损耗，FCL =燃料电池损耗，FCE =燃料电池产生的能量，PINV =逆变器输出功率由图2可知，对于负载直接从发电场供电，

(1）

和

（2）

因此,

（3）

现在，单个风力涡轮机产生的功率由

（4）

在那里,

P =功率(瓦特)，ρ =空气密度(kg/m3)， A =涡轮叶片掠掠面积(m)， V =风速(m/s)如果我们假设n个叶片尺寸和掠掠面积相等的涡轮，空气以相同的方向流动，使所有涡轮以相同的速度旋转。则总发电量为:

（5）

在那里,

TP = P =单涡轮输出功率

TPL =单个涡轮由于效率而造成的功率损失

假设单个涡轮机的效率为x%，则功率损失百分比为(1 - x)%。因此,

(6）

因此，将(6)代入(5)

(7）

将(4)代入(7)

（8）

注意:x = CP ?G

其中CP =性能系数或涡轮效率

?T =涡轮传动效率

?G =汽轮发电机效率

同样，只有当发电机产生过量的电力输出时，氢气才会产生。这是

（9)

因此,

（10）

假设产生的所有多余电力都用于生产氢气，则:

（11）

如果电解槽的效率为h%，则制氢过程中的功率损失百分比为(1- h)%。因此,

（12）

将(12)代入(11)

（13）

将(8)和(13)代入(10)有，

从这个表达式中，

(14）

假设生产氢的时间为t，则从氢体积HV获得的储存能量EH为，

嗯=高压

因此,

(15）

储存的能量在燃料电池单元中转换成有用的电能。如果燃料电池的效率为y%，则燃料电池的能量损失百分比为(100 - y)%。从图2可以看出，

（16）

但是,

(17)

将(15)代入(17)农产品。

（18)

将(15)和(18)代入(16)，

(19)

如果将此能量用于逆变器产生所需负载功率，效率为z%，则能量损失为:

(20)

将(19)代入(20)收益率，

(21）

从图2可以看出，

(22)

式中T为氢燃料电池逆变系统的自主性。

因此,

式(23)给出了风-氢燃料电池-逆变器系统在指定负载功率LP下运行一段时间T(自主)时所能获得的最大功率。

在LP< GP的时刻，希望用GP产生氢气，因此，在这种情况下，假设式(23)中LP为零，因此，系统的可导功率为

B.配电与控制

如第四节所述，必须满足某些条件，以便在任何给定时间直接用产生的电力和产生的氢气为应用负载供电。由于风力发电是随机不稳定的，在这个配电过程中必须采取一定的控制措施来保证系统的功率稳定。因此，利用图3，我们提出了一种用于制氢和负载激活的系统功率控制算法。

PT =功率传感器，HVT =氢量传感器，DCS =配电控制信号

为了使系统在模型中有效地控制和分配功率，控制单元必须确定以下条件:(1)是否GP < LP?(2) EH < FCL + EINL还是HV < (FCL + EINL)/t ?

为了找到这些条件，GP用PT感应，HV用HVT感应，并将其输入控制单元。利用这些信号，在接下来的算法中，功率分配和逆变器输出控制可能会受到影响。

开始

初始化

做的永远

IF (GP > LP) or (GP = LP)

电力负载直接来自发电机(DCS = ON)

While (gp > lp)

为制氢提供动力

结束时

Else if (gp < lp)

不要从发电机供电(DCS = OFF)

供应用于制氢的电力

IF (HV > (FCL + EINL)/t)

逆变器负载(ICS = ON)

IF (HV < (FCL + EINL)/t) or (HV = (FCL + EINL)/t)

不要给逆变器负载供电(ICS = OFF)

如果

最后做

该算法进一步用图4所示的流程图表示。

模拟及结果

为了模拟给出的估计模型，我们使用[5]中给出的MATLAB/SIMULINK风变模型，如图5所示，生成一个风型作为模型的输入。

接下来，在MATLAB/SIMULINK中建立方程(4)的模型，如图6所示，确定给定扫掠面积(a = 5m)、空气密度(=1.293)和涡轮效率(x = CP.?T.?G = 59.26%)由Betz系数[8]给出。

最后，将h = 85%、y = 90%、z = 65%的产氢自主单位时间(即t = t =1)的估计模型建立如图7所示的MATLAB/SIMULINK表示，以确定在任意给定风速下，风-氢燃料电池-逆变器系统可以存储和产生多少功率。表1显示了模拟结果输出数据。结果表明，在增加风速的情况下，涡轮机可以产生更多的非线性功率。非线性是由涡轮部件的特性引起的，这导致了涡轮的一般进入和退出速度行为。当风速小于1m/s时，无显著输出功率。风速从0.33m/s到1.09m/s(第12列和第27列)之间漂移0.76m/s，产生了从0.07W (0.33m/s)到2.47W (1.09m/s)之间2.4W的输出差。

结论

我们的模拟结果表明，输出比例偏差一直在增加，直到切割速度(产生最小预期功率输出的速度)达到并达到额定输出。然后输出保持在[9]中所述的恒定，直到达到切断速度，此时涡轮机必须关闭以避免可能的故障。

如图8所示，在假设逆变器效率为65%，燃料电池效率为90%，电解槽效率为85%的情况下，逆变器输出的可用功率约为涡轮机总输出的一半。目前的电解槽和燃料电池的效率仍然很低，[10][11][12]正在得到改进。因此，风力发电的一半以上可能会损失在制氢和电能转换上。然而，当长时间运行时，可以获得更多的能量并存储在大氢气体积中，可以在停机时维持负载。

表格一览

表1

数字一览


图1	图2	图3	图4

图5	图6	图7	图8

参考文献

傅瑞琪，《风能:一种新兴能源》，《能源与环境科学》2009年第1期。https://www.dmr.nd.gov/ndgs/Newsletter/NL99S/PDF/windenergys99.pdf

刘志刚，刘志刚，“风能技术的发展现状与展望”，国家可再生能源实验室会议论文，中国风能学报(自然科学版)，2008。

Vladimiro M.，“风力发电，分布式发电:新挑战，新解决方案”，土耳其电气工程学报，第14卷，第3期，第455-473页。2006.

温建勇，“风能-储氢混合发电”，能源工程学报，25:pp449-463, 2001。

吕向军，董宏，李晓康，陶勇，“风力/燃料电池/电池/氢电解混合型微电网电能质量控制的研究与应用”，教授(编者)，ISBN: 978-953-307-236-4, InTech，http://www.intechopen.com/books/applications-and-experiences-of-quality-control/power-quality-control-inwind-fuel-cell-battery氢化电解槽-混合-微网发电系统，2011。

杨晓明，“太阳能电解制氢技术”，《太阳能与能源》1994年第39期。

Steve C.和Steve G.，“阿拉斯加小型社区综合风能-氢能系统的经济分析”，项目下的技术报告任务4,5,6:拟议阿拉斯加开发项目的汇编和审查。www.iser.uaa。阿拉斯加edu, 2008年。

Ragheb M.和Ragheb A.，“风力发电的基础和高级主题”，pp19-35 http://www.intechopen.com 2013。

Gary L.和Johnson，“风能系统”，堪萨斯州立大学，2006。

Bjørnar K.， Sondre G.和Cato B，“氢”，贝罗纳基金会，http://www.bellona.org/filearchive/fil_Hydrogen_6-2002.pdf 2002。

美国能源部，“能源效率与可再生能源:燃料电池技术计划”，http://www.eere.energy.gov/informationcenter。2010.

Marino S.， Lucia S.和Laura M.“燃料处理器的能源效率分析- PEM燃料电池系统，能源效率”，Jenny Palm(主编)，ISBN: 978-953-307-137-4, InTech，http://www.intechopen.com/books/energy-efficiency/analysis-of-the-energy-efficiency-offuelprocessor-燃料电池系统，2010。

国际电气、电子和仪器工程高级研究杂志