楊明玉，韓 旭

(華北電力大學(xué)電氣與電子工程學(xué)院，河北保定 071003)

基于需求側(cè)響應(yīng)的微網(wǎng)孤網(wǎng)運(yùn)行實(shí)時(shí)調(diào)度策略研究

楊明玉，韓 旭

(華北電力大學(xué)電氣與電子工程學(xué)院，河北保定 071003)

鑒于獨(dú)立運(yùn)行模式下，微網(wǎng)處于自給自足狀態(tài)，內(nèi)部會(huì)產(chǎn)生不平衡功率，為使供電更加經(jīng)濟(jì)可靠，提出了一套基于需求側(cè)響應(yīng)的實(shí)時(shí)調(diào)度策略。建立了計(jì)及負(fù)荷曲線平穩(wěn)度和負(fù)荷轉(zhuǎn)移成本雙重指標(biāo)的日前負(fù)荷轉(zhuǎn)移規(guī)劃模型，在需求側(cè)轉(zhuǎn)移部分可轉(zhuǎn)移負(fù)荷平滑負(fù)荷曲線；微網(wǎng)運(yùn)行期間，實(shí)施基于蓄電池三段式充放電的實(shí)時(shí)調(diào)度策略安排各可控型微源及蓄電池出力，有利于蓄電池保持足夠的充放電裕量，進(jìn)一步削減功率缺額及功率浪費(fèi)。策略中建立負(fù)荷優(yōu)化分配模型優(yōu)化各可控型微源出力，減小微網(wǎng)運(yùn)行成本。最后以一小型微網(wǎng)系統(tǒng)為例，通過與不計(jì)及蓄電池折舊成本的日前調(diào)度結(jié)果對(duì)比，證明在負(fù)荷轉(zhuǎn)移平滑負(fù)荷曲線及實(shí)時(shí)調(diào)度策略的雙重作用下，不平衡功率得以削減。

獨(dú)立運(yùn)行；負(fù)荷轉(zhuǎn)移；三段式；實(shí)時(shí)調(diào)度；不平衡功率

0 引 言

隨著全球能源和環(huán)境問題日益突出，太陽能，風(fēng)能等可再生能源的應(yīng)用已引起世界各國關(guān)注。分布式電源(DG)低污染，高效且可就近負(fù)載布置，但其大規(guī)模滲入也會(huì)對(duì)大電網(wǎng)帶來一些負(fù)面影響，其不可控性會(huì)對(duì)電網(wǎng)穩(wěn)定性造成沖擊，而系統(tǒng)往往采取隔離，切機(jī)等方式，大大削弱其優(yōu)勢(shì)和潛能[2]。隨著各國學(xué)者的深入研究，微網(wǎng)應(yīng)運(yùn)而生。

微網(wǎng)包含了各種分布式電源、負(fù)載、儲(chǔ)能單元和控制裝置，存在并網(wǎng)和孤網(wǎng)兩種運(yùn)行狀態(tài)，并網(wǎng)時(shí)可與大電網(wǎng)交換能量，由大電網(wǎng)保證其內(nèi)部功率平衡及電壓、頻率穩(wěn)定，大電網(wǎng)故障時(shí)轉(zhuǎn)入獨(dú)立運(yùn)行模式，在一些偏遠(yuǎn)地區(qū)也會(huì)有風(fēng)光柴儲(chǔ)小型微網(wǎng)獨(dú)立供電。獨(dú)立運(yùn)行狀態(tài)下微網(wǎng)僅靠?jī)?nèi)部電源和儲(chǔ)能裝置維持功率平衡，而可再生能源出力受光照、風(fēng)速等環(huán)境因素影響，輸出功率具有波動(dòng)性，微網(wǎng)負(fù)荷預(yù)測(cè)不精確，都可能導(dǎo)致微網(wǎng)實(shí)時(shí)運(yùn)行期間出現(xiàn)功率缺額及功率浪費(fèi)兩種不平衡功率。

目前國內(nèi)外微網(wǎng)研究大多集中在微網(wǎng)控制，多目標(biāo)經(jīng)濟(jì)運(yùn)行及其算法，對(duì)削減不平衡功率的實(shí)時(shí)調(diào)度策略研究甚少。文獻(xiàn)[3]提出了一種基于遺傳算法的微網(wǎng)能量管理模型，通過能量平衡約束優(yōu)化管理儲(chǔ)能單元充放電，并建立了并網(wǎng)和孤網(wǎng)兩種運(yùn)行模式下發(fā)電成本最小經(jīng)濟(jì)調(diào)度數(shù)學(xué)模型安排各機(jī)組出力，但實(shí)際上是一種日前規(guī)劃；文獻(xiàn)[4]針對(duì)光伏發(fā)電、風(fēng)力發(fā)電及負(fù)荷的不確定性，采取機(jī)會(huì)約束規(guī)劃建立動(dòng)態(tài)經(jīng)濟(jì)調(diào)度模型，但要保持較高可靠性水平會(huì)增大運(yùn)行成本；文獻(xiàn)[5]介紹了一種獨(dú)立運(yùn)行模式下計(jì)及可中斷負(fù)荷的實(shí)時(shí)調(diào)度策略，通過儲(chǔ)能單元區(qū)間劃分及壓縮可控型微源基點(diǎn)運(yùn)行功率范圍來確保有足夠的功率調(diào)節(jié)裕量。

本文提出了一套基于需求側(cè)響應(yīng)的獨(dú)立運(yùn)行模式下實(shí)時(shí)調(diào)度策略。用戶通過參與負(fù)荷轉(zhuǎn)移項(xiàng)目轉(zhuǎn)移部分可轉(zhuǎn)移負(fù)荷，一定程度上平滑負(fù)荷曲線，可減少不平衡功率的出現(xiàn)，并通過建立日前負(fù)荷轉(zhuǎn)移模型求解轉(zhuǎn)移后各時(shí)段負(fù)荷；微網(wǎng)運(yùn)行期間，鑒于可再生能源輸出功率具有波動(dòng)性，采取基于蓄電池三段式充放電的實(shí)時(shí)調(diào)度策略安排各可控型微源及蓄電池出力，使蓄電池保持足夠的充放電裕量，進(jìn)一步削減不平衡功率。

1 日前負(fù)荷轉(zhuǎn)移規(guī)劃模型

微網(wǎng)一天內(nèi)存在用電高峰和低谷時(shí)段，平滑負(fù)荷曲線可縮小峰谷負(fù)荷差，一定程度上減少不平衡功率的出現(xiàn)。提出了負(fù)荷曲線平穩(wěn)度和負(fù)荷轉(zhuǎn)移成本兩種指標(biāo)，將一天劃分為24時(shí)段，建立了計(jì)及負(fù)荷曲線最小波動(dòng)及負(fù)荷轉(zhuǎn)移成本最小雙重目標(biāo)下的日前負(fù)荷轉(zhuǎn)移模型，并通過遺傳算法求解各時(shí)段負(fù)荷轉(zhuǎn)移功率。本文假定可轉(zhuǎn)移負(fù)荷持續(xù)時(shí)間均為一小時(shí)。

1.1 負(fù)荷曲線平穩(wěn)度指標(biāo)

指標(biāo)LCS(Load Curve Smoothness)旨在衡量負(fù)荷曲線平穩(wěn)程度，表達(dá)式為

(1)

(2)

(3)

式中：P′(t)為負(fù)荷轉(zhuǎn)移后t時(shí)段負(fù)荷；P(t)為負(fù)荷轉(zhuǎn)移前t時(shí)段負(fù)荷；Pav為一天內(nèi)平均負(fù)荷；P(t,t′)為時(shí)段t向時(shí)段t′轉(zhuǎn)移的負(fù)荷量；P(t′,t)為時(shí)段t′向時(shí)段t轉(zhuǎn)移的負(fù)荷量；T為調(diào)度時(shí)段總數(shù)，根據(jù)表達(dá)式，顯然該指標(biāo)越小越好。

1.2 負(fù)荷轉(zhuǎn)移成本指標(biāo)

指標(biāo)LTC(Load Transfer Cost)旨在盡量減少轉(zhuǎn)移負(fù)荷時(shí)需補(bǔ)償用戶帶來的成本，表達(dá)式為

(4)

ρ=φ|t-t′|

(5)

式中：ρ為轉(zhuǎn)移單位負(fù)荷所需補(bǔ)償費(fèi)用，與負(fù)荷轉(zhuǎn)移時(shí)段跨度|t-t′|有關(guān)；φ為固定費(fèi)用部分。為將該指標(biāo)量綱化為一，與負(fù)荷曲線平穩(wěn)度指標(biāo)量綱統(tǒng)一，引入?yún)?shù)λ，單位為元，同時(shí)，該參數(shù)也是目標(biāo)函數(shù)中分配兩大指標(biāo)權(quán)重的重要參數(shù)，λ大則負(fù)荷轉(zhuǎn)移成本指標(biāo)權(quán)重較小，反之較大。

1.3 目標(biāo)函數(shù)

基于兩種指標(biāo)的目標(biāo)函數(shù)為

(6)

目標(biāo)函數(shù)中兩個(gè)指標(biāo)量綱均統(tǒng)一為一，則多目標(biāo)函數(shù)轉(zhuǎn)化為單目標(biāo)函數(shù)，參數(shù)λ可同時(shí)作為兩指標(biāo)的權(quán)重參數(shù)。

1.4 約束條件

本文將微網(wǎng)負(fù)荷劃分為可轉(zhuǎn)移負(fù)荷和不可轉(zhuǎn)移負(fù)荷兩部分，并計(jì)及各時(shí)段最大轉(zhuǎn)出可轉(zhuǎn)移負(fù)荷功率及最大接納可轉(zhuǎn)移負(fù)荷功率約束。

(7)

(8)

式(7)為t時(shí)段最大轉(zhuǎn)出可轉(zhuǎn)移負(fù)荷功率約束，P(t)為負(fù)荷轉(zhuǎn)移前t時(shí)段負(fù)荷，因子α設(shè)定原則為白天較小，晚上較大，負(fù)荷峰時(shí)段較大，平時(shí)段較小，深夜人都在休息，一般不會(huì)有負(fù)荷轉(zhuǎn)入與轉(zhuǎn)出，α為0；式(8)為t時(shí)段最大接納可轉(zhuǎn)移負(fù)荷功率約束，因子β設(shè)定原則為白天較大，晚上較小，負(fù)荷峰時(shí)段較小，平時(shí)段較大，深夜為0。

1.5 遺傳算法求解流程

本文采用遺傳算法求解負(fù)荷轉(zhuǎn)移規(guī)劃模型最優(yōu)解，具體步驟如下：

① 輸入模型中參數(shù)φ、λ、α、β值；

② 算法初始化，包括種群規(guī)模N,交叉概率Pc，變異概率Pm，最大迭代次數(shù),確定算法終止條件；

③ 種群初始化，隨機(jī)生成N個(gè)個(gè)體，這里采用浮點(diǎn)數(shù)編碼方式，無需編碼，每個(gè)個(gè)體由各時(shí)段向其它時(shí)段轉(zhuǎn)移的負(fù)荷功率組成，即染色體基因?yàn)楦鲿r(shí)段轉(zhuǎn)移負(fù)荷功率，考慮到α、β因子的設(shè)定，有些轉(zhuǎn)移負(fù)荷功率直接置0，并評(píng)估個(gè)體適應(yīng)度；

④ 根據(jù)個(gè)體適應(yīng)度對(duì)種群個(gè)體進(jìn)行選擇，交叉、變異、生成子代種群；

⑤ 判斷是否滿足終止條件，不滿足返回步驟④，滿足則輸出結(jié)果。

2 蓄電池三段式充放電原理

2.1 凈負(fù)荷、不平衡功率及蓄電池SOC

凈負(fù)荷定義為Pnet=Pload-Ppv-Pw，其中Pload為微網(wǎng)負(fù)荷，Ppv為光伏出力，Pw為風(fēng)電出力。

不平衡功ΔP包括功率缺額及功率浪費(fèi)，各可控型微源和蓄電池皆最大出力仍不能滿足凈負(fù)荷時(shí)則出現(xiàn)功率缺額，凈負(fù)荷小于零或各機(jī)組最小出力超出負(fù)荷需求，且蓄電池充電空間不足時(shí)則出現(xiàn)功率浪費(fèi)，ΔP缺額、ΔP浪費(fèi)公式見圖1。

實(shí)時(shí)調(diào)度策略中需判斷蓄電池荷電狀態(tài)SOC[9],定義為蓄電池剩余容量與總?cè)萘勘戎礫11]：

(9)

式中：Cbat為蓄電池組的安時(shí)容量，單位為Ah；I為蓄電池在調(diào)度周期內(nèi)放電電流，單位A。為保證蓄電池有足夠充放電裕量，設(shè)置了蓄電池3種荷電狀態(tài)SOCmin、SOCmid、SOCmax，將蓄電池SOC劃分為4區(qū)間。

(10)

(11)

Icmax=Idmax=0.2×Cbat/Δt

(12)

2.3 蓄電池三段式充放電原理

SOC

三段式充放電有利于蓄電池保持充足的充放電裕量，吸收不平衡功率。

3 獨(dú)立運(yùn)行模式下實(shí)時(shí)調(diào)度策略

實(shí)時(shí)運(yùn)行期間，為確保蓄電池有足夠充放電裕量，進(jìn)一步削減不平衡功率，采取基于蓄電池三段式充放電的實(shí)時(shí)調(diào)度策略安排各可控型微源及儲(chǔ)能裝置出力，實(shí)時(shí)調(diào)度策略流程如圖1。

3.1 策略圖中蓄電池最大可充電功率Pcmax[7]，最大可放電功率Pdmax1、Pdmax2

Pcmax=min[(SOCmax-SOC)Cbat×

(13)

Pdmax1=min[(SOC-SOCmid)Cbat×

(14)

Pdmax2=min[(SOC-SOCmin)Cbat×

(15)

圖1 獨(dú)立運(yùn)行模式下實(shí)時(shí)調(diào)度策略流程圖

3.2 策略圖A部分

蓄電池荷電狀態(tài)處于[SOCmin,SOCmid]，此時(shí)可控型微源有余力對(duì)蓄電池實(shí)時(shí)充電，保證蓄電池有放電裕量，并將充電功率和凈負(fù)荷一起作為負(fù)荷,充電功率為

Pc=min[(SOCmid-SOC)CbatUbat/(Δtηc),

(16)

由公式可知，當(dāng)荷電狀態(tài)等于SOCmid時(shí)充電功率為零，總負(fù)荷為Pc+Pnet。

3.3 策略圖B部分

蓄電池荷電狀態(tài)大于SOCmid，當(dāng)蓄電池放電Pdmax1，可控型微源最小出力時(shí)不能滿足凈負(fù)荷時(shí)，則將凈負(fù)荷優(yōu)化分配給各可控型微源。

3.4 策略圖C部分

此時(shí)蓄電池荷電狀態(tài)小于SOCmin，且各可控型微源有余力，需對(duì)蓄電池充電使其荷電狀態(tài)恢復(fù)到允許區(qū)間內(nèi)，充電功率為

Pc=min[(SOCmin-SOC)CbatUbat/(Δtηc),

(17)

4 負(fù)荷優(yōu)化分配模型

為減小微網(wǎng)運(yùn)行成本，策略中A、B、C部分涉及負(fù)荷優(yōu)化分配模型。

4.1 目標(biāo)函數(shù)

式中：wCaF2為試樣中氟化鈣的含量，%；1.9481為全鈣含量換算成氟化鈣含量的系數(shù)；0.7801為碳酸鈣含量換算成氟化鈣含量的系數(shù)。

以微網(wǎng)運(yùn)行成本最小的目標(biāo)函數(shù)為

(18)

Cf(PGi)=F(PGi)PGiΔt

(19)

COM(PGi)=KOMiPGiΔt

(20)

式中：C為一個(gè)實(shí)時(shí)調(diào)度周期內(nèi)微網(wǎng)運(yùn)行總成本；Cf(PGi)為一個(gè)實(shí)時(shí)調(diào)度周期內(nèi)各可控型微電源能耗成本；COM(PGi)為一個(gè)實(shí)時(shí)調(diào)度周期內(nèi)各可控型微電源運(yùn)行維護(hù)成本；PGi為一個(gè)實(shí)時(shí)調(diào)度周期內(nèi)各可控型微電源有功出力；n為可控型微電源總數(shù)；KOMi為各可控型微電源運(yùn)行維護(hù)系數(shù)；F(PGi)為各可控型微電源單位電量成本；Δt為實(shí)時(shí)調(diào)度周期。

4.2 約束條件

① 功率平衡約束

(21)

式中：Pbat為正時(shí)蓄電池放電；Pbat為負(fù)時(shí)蓄電池充電，策略中已給出不同情況蓄電池充放電Pbat值。

② 可控型微電源出力約束

PGimin≤PGi≤PGimax

(22)

③ 可控型微源爬坡約束[7]

P(t)-P(t-1)≤Rup

(23)

P(t-1)-P(t)≤Rdown

(24)

式中：Rup為上升功率約束；Rdown為下降功率約束。

4.3 遺傳算法

求解流程與1.5類似，在這里指出遺傳算法中個(gè)體僅由某調(diào)度周期可控型微源輸出功率組成。

5 算例分析

5.1 算例系統(tǒng)

本文算例選取一小型微網(wǎng)系統(tǒng)，包含薄膜固定式光伏發(fā)電、風(fēng)力發(fā)電、微型燃?xì)廨啓C(jī)，燃料電池以及儲(chǔ)能蓄電池。其中光伏發(fā)電額定功率為10kW,風(fēng)力發(fā)電額定功率為10kW。蓄電池充放電效率均為1，SOCmax=0.9，SOCmid=0.6，SOCmin=0.3，初始荷電狀態(tài)為0.83；微燃機(jī)和燃料電池參數(shù)如表1。微型燃?xì)廨啓C(jī)及燃料電池成本計(jì)算公式以及ηe(t)與Pe(t)之間函數(shù)關(guān)系式遵循文獻(xiàn)[11]。光伏電池和風(fēng)力發(fā)電機(jī)均工作在最大功率點(diǎn)跟蹤模式，輸出功率遵循典型曲線如圖2，微網(wǎng)負(fù)荷遵循典型雙峰型負(fù)荷曲線如圖3。

表1 可控型微源參數(shù)

圖2 光伏風(fēng)電出力

圖3 轉(zhuǎn)移前后負(fù)荷曲線

5.2 不計(jì)及蓄電池折舊成本日前調(diào)度結(jié)果分析

將一天劃分為24時(shí)段，目標(biāo)函數(shù)如下：

C缺額ΔP缺額Δt-C浪費(fèi)ΔP浪費(fèi)Δt

(25)

為了觀察各時(shí)段不平衡功率值，嵌入變量ΔP缺額、ΔP浪費(fèi)，C缺額、C浪費(fèi)為虛擬費(fèi)用，C缺額在所有成本中取值最大，C浪費(fèi)取極小值，確保微網(wǎng)內(nèi)部沒有出現(xiàn)不平衡功率時(shí)，ΔP缺額、ΔP浪費(fèi)值為0，同時(shí)C缺額最大，可減少功率缺額出現(xiàn)。其余與優(yōu)化分配模型含義一致。約束條件涉及功率平衡約束，可控性微源出力約束，爬坡約束，蓄電池最大充放電約束，和蓄電池SOC約束，在其他文獻(xiàn)均有介紹，本文不再詳述。SOCmin=0.3，SOCmax=0.9，功率平衡約束更改為

(26)

式中：ΔP缺額理解為內(nèi)部出現(xiàn)功率缺額時(shí)電源需多發(fā)功率；ΔP浪費(fèi)理解為內(nèi)部出現(xiàn)功率浪費(fèi)時(shí)電源需少發(fā)功率。一天內(nèi)各時(shí)段MT、FC、蓄電池出力及ΔP缺額、ΔP浪費(fèi)情況如圖4，蓄電池SOC變化如圖5。

圖4 各時(shí)段FC，MT，蓄電池出力及功率缺額

圖5 一天內(nèi)蓄電池SOC變化

遺傳算法中個(gè)體由各時(shí)段可控型微源輸出功率、蓄電池出力、功率缺額及功率浪費(fèi)組成，蓄電池充放電成本相當(dāng)于0。

圖4可以看出，目標(biāo)函數(shù)中C缺額雖為最大，可一定程度上避免功率缺額出現(xiàn)，白天高峰期沒有出現(xiàn)功率缺額，但晚上用電高峰期21點(diǎn)和22點(diǎn)兩時(shí)段分別出現(xiàn)功率缺額，算例中可再生能源額定功率較小，負(fù)荷相對(duì)較重，未造成功率浪費(fèi)現(xiàn)象。由圖5觀察到，由于不計(jì)蓄電池折舊成本，蓄電池荷電狀態(tài)一天內(nèi)時(shí)起時(shí)落，不能保證在大多時(shí)段有充放電裕量吸收不平衡功率。由此可見一般日前調(diào)度模型應(yīng)用于微網(wǎng)獨(dú)立運(yùn)行有局限性。

5.3 日前負(fù)荷轉(zhuǎn)移規(guī)劃分析

根據(jù)日前負(fù)荷轉(zhuǎn)移規(guī)劃模型，得出負(fù)荷平移后一天內(nèi)負(fù)荷曲線如圖3，并給出各時(shí)段負(fù)荷轉(zhuǎn)移情況如表3。假定可轉(zhuǎn)移負(fù)荷持續(xù)時(shí)間均為一小時(shí)，固定費(fèi)用φ為0.1元/kW，參數(shù)λ設(shè)置為95元，因子α、β的設(shè)定如表2。

表2 各時(shí)段因子α、β值

表3 各時(shí)段負(fù)荷轉(zhuǎn)移情況

如圖3所示，較之轉(zhuǎn)移前負(fù)荷曲線，新的負(fù)荷曲線較為平穩(wěn)，由于深夜因子α、β設(shè)定為0，沒有負(fù)荷轉(zhuǎn)移，0點(diǎn)至6點(diǎn)負(fù)荷曲線與原曲線重合；從表3可以看出，可轉(zhuǎn)移負(fù)荷大多從雙峰時(shí)段就近轉(zhuǎn)移，以節(jié)省成本，達(dá)到了在負(fù)荷側(cè)削減高峰時(shí)段負(fù)荷，平滑負(fù)荷曲線的目的。最終負(fù)荷曲線平穩(wěn)度指標(biāo)LCS值為0.741 5，負(fù)荷轉(zhuǎn)移成本指標(biāo)LTC值為0.203 2。

5.4 實(shí)時(shí)調(diào)度策略分析

圖6 各實(shí)時(shí)調(diào)度周期FC、MT和蓄電池出力

假定各時(shí)段負(fù)荷在該時(shí)段保持不變，且負(fù)荷轉(zhuǎn)移得以實(shí)施，微網(wǎng)實(shí)時(shí)運(yùn)行期間采取有效調(diào)度策略安排各可控型微源及蓄電池出力，根據(jù)所提出實(shí)時(shí)調(diào)度策略使用matlab軟件編程，得一天內(nèi)MT，F(xiàn)C和蓄電池在各個(gè)調(diào)度周期內(nèi)出力如圖6，各調(diào)度周期功率缺額為0，故并未在圖中體現(xiàn)，實(shí)時(shí)調(diào)度周期為15min，同時(shí)給出蓄電池荷電狀態(tài)SOC一天內(nèi)變化，如圖7所示。

圖7 蓄電池SOC一天內(nèi)變化

時(shí)間光伏出力/kW風(fēng)電出力/kWFC出力/kWMT出力/kW蓄電池/kWSOC(該調(diào)度周期末時(shí)刻值)20：0004 644039 9600 620：1504 624039 9800 620：3004 58404000 620：4504 56404000 621：0004 5540403 650 58121：1504 5240403 680 56221：3004 4840403 720 54321：4504 4430403 680 52422：0004 4240402 780 5122：1504 3840402 820 49622：3004 4640402 740 48222：4504 5240402 680 46823：0004 594040-2 190 47923：1504 634040-2 230 4923：3004 664040-2 260 50123：4504 684040-2 280 512

由圖6可以看出，由于燃料電池電價(jià)較低，一直處于滿發(fā)狀態(tài)，隨著負(fù)荷增大，微燃機(jī)出力逐漸增加，在負(fù)荷高峰時(shí)段各可控型微源皆最大出力仍不能滿足凈負(fù)荷時(shí)，蓄電池放電填補(bǔ)高峰期功率缺額，圖7給出了一天內(nèi)蓄電池荷電狀態(tài)變化，由于可轉(zhuǎn)移負(fù)荷從高峰時(shí)段就近轉(zhuǎn)移，平滑了負(fù)荷曲線，蓄電池在初始階段放電至荷電狀態(tài)為0.6后基本不變，只在晚上用電高峰期可控型微源功率不足時(shí)放電，荷電狀態(tài)下降后由于各可控型微源出力對(duì)其實(shí)時(shí)充電，荷電狀態(tài)得以恢復(fù)至SOCmid左右，可見本文所提出的三段式充放電原理有利于蓄電池保持足夠的充放電裕量削減不平衡功率。

表4給出了晚上用電高峰期的實(shí)時(shí)調(diào)度情況，蓄電池SOC最低下降至0.468。各調(diào)度周期負(fù)荷均得以滿足，證明了負(fù)荷轉(zhuǎn)移平滑負(fù)荷曲線及實(shí)時(shí)調(diào)度策略的雙重作用，很好地控制了功率缺額的出現(xiàn)。本算例可再生能源額定功率較小，負(fù)荷相對(duì)較重，未造成功率浪費(fèi)現(xiàn)象，若其額定功率增大，根據(jù)實(shí)時(shí)調(diào)度策略，蓄電池荷電狀態(tài)基本處于SOCmid左右，有裕量吸收可再生能源發(fā)出的多余功率，減少功率浪費(fèi)。

6 結(jié)束語

獨(dú)立運(yùn)行模式下，鑒于可再生能源輸出功率具有波動(dòng)性，微網(wǎng)負(fù)荷預(yù)測(cè)不精確，導(dǎo)致內(nèi)部出現(xiàn)不平衡功率，為使供電更加經(jīng)濟(jì)可靠，本文提出了一套基于需求側(cè)響應(yīng)的實(shí)時(shí)調(diào)度策略。建立了計(jì)及負(fù)荷曲線平穩(wěn)度和負(fù)荷轉(zhuǎn)移成本雙重指標(biāo)的日前負(fù)荷轉(zhuǎn)移規(guī)劃模型，在需求側(cè)轉(zhuǎn)移部分可轉(zhuǎn)移負(fù)荷平滑負(fù)荷曲線；微網(wǎng)運(yùn)行期間，實(shí)施基于蓄電池三段式充放電的實(shí)時(shí)調(diào)度策略安排各可控型微源及蓄電池出力，有利于蓄電池保持足夠的充放電裕量，削減不平衡功率。策略中建立負(fù)荷優(yōu)化分配模型優(yōu)化各微源出力，減小微網(wǎng)運(yùn)行成本。最后通過一小型微網(wǎng)系統(tǒng)驗(yàn)證策略有效性。

[1] CHIRADEJA P. Benefit of Distributed Generation: A Line Loss Reduction Analysis[J]. IEEE Transmission and Distribution Conference & Exhibition, Asia and Pacific Dalian, China, 2005.

[2] 黃偉，孫昶輝，吳子平,等.含分布式發(fā)電系統(tǒng)的微網(wǎng)技術(shù)研究綜述[J]. 電網(wǎng)技術(shù)，2009，33(9)：14-18.

[3] 陳昌松,段善旭, 等.基于改進(jìn)遺傳算法的微網(wǎng)能量管理模型[J]. 電工技術(shù)學(xué)報(bào), 2013, 28(4):196-201.

[4] 徐立中. 微網(wǎng)能量?jī)?yōu)化管理若干問題研究[D]. 杭州：浙江大學(xué)，2011.

[5] 石慶均,江全元. 包含蓄電池儲(chǔ)能的微網(wǎng)實(shí)時(shí)能量?jī)?yōu)化調(diào)度[J]. 電力自動(dòng)化設(shè)備,2013,33(5):76-82.

[6] 丁明，張穎媛，茆美琴,等. 包含鈉硫電池儲(chǔ)能的微網(wǎng)系統(tǒng)經(jīng)濟(jì)運(yùn)行優(yōu)化[J]. 中國電機(jī)工程學(xué)報(bào),2011,31(4):7-14.

[7] 石慶均. 微網(wǎng)容量?jī)?yōu)化配置與能量?jī)?yōu)化管理研究[D].杭州：浙江大學(xué)，2012.

[8] Richard Lau, Sami Ayyorgun. Strategy and Modeling for Building DR Optimization[J]. IEEE SmartGridComm.2011.

[9] PILLER SPERRIN MJOSSEN A. Methods for state of charge determination and their applications[J]. Power Sources,2001,96(1):113-120.

[10]牛銘，黃偉，郭佳歡，蘇玲. 微網(wǎng)并網(wǎng)時(shí)的經(jīng)濟(jì)運(yùn)行研究[J]. 電網(wǎng)技術(shù),2010,34(11):38-42.

[11]陳潔，楊秀，朱蘭，張美霞. 基于遺傳算法的熱電聯(lián)產(chǎn)型微網(wǎng)經(jīng)濟(jì)運(yùn)行優(yōu)化[J]. 電力系統(tǒng)保護(hù)與控制，2013，41 (8):7-15.

[12]吳雄,王秀麗,崔強(qiáng). 考慮需求側(cè)管理的微網(wǎng)經(jīng)濟(jì)優(yōu)化運(yùn)行[J]. 西安交通大學(xué)學(xué)報(bào)，2013，47(6):90-96.

[13]王成山，洪博文，等, 不同場(chǎng)景下的光蓄微電網(wǎng)調(diào)度策略[J].電網(wǎng)技術(shù),2013，37(7):1776-1782.

(責(zé)任編輯：林海文)

Reseach on Real-time Scheduling Strategy for Micro-grid Operation in IslandMode Based on the Demand Side Response

YANG Mingyu，HAN Xu

(School of Electrical and Electronic Engineering，North China Electric Power University，Baoding 071003, China)

Due to micro-grid supplies electricity by itself in island mode, the unbalanced power will be produced. In order to make power supply more economical and reliable, a real-time scheduling strategy based on the demand side response is put forward in this paper. Day-ahead load transfer model, which considers such indexes as load curve smoothness and load transfer cost, is built to smooth the load curve by transferable load at demand-side transfer part. During the operation of micro-grid, the real-time scheduling strategy based on battery three-step charging and discharging is implemented to arrange each controllable micro-source and battery output, which can maintain enough battery charging and discharging margin and cut down the power shortage and power waste. Moreover, the optimal load distribution model is proposed in the dispatch scheme to optimize the output of the controllable micro-source, reduce the micro-grid operation cost. In the end, taking a small micro-grid system as an example, by comparing with the day-ahead planning results without considering the battery depreciation cost, it is shown that the unbalanced power can be reduced under both functions of load curves smoothening by load transfer and the real-time scheduling strategy.

operation in island mode; load transfer; three-step; real-time schedule; the unbalanced power

1007-2322(2015)04-0012-07

A

TM73

中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助(2014MS138)

2014-08-18

楊明玉(1965—)，女，副教授，研究方向?yàn)殡娏ο到y(tǒng)繼電保護(hù)，E-mail:yangmy1026@hotmail.com；

韓 旭(1988—)，男，碩士研究生，研究方向?yàn)槲㈦娋W(wǎng)能量調(diào)度, E-mail:lanyeyouming7@126.com。