劉 方，楊 秀

(上海電力學(xué)院電氣工程學(xué)院，上海 200090)

含電蓄熱解決高滲透率風(fēng)電消納問題的微網(wǎng)熱電能量綜合優(yōu)化

劉 方，楊 秀

(上海電力學(xué)院電氣工程學(xué)院，上海 200090)

微網(wǎng)中安裝電蓄熱裝置，并靈活調(diào)度其“投”、“切”，可吸納盈余風(fēng)電并參與系統(tǒng)調(diào)峰，有效改善風(fēng)電反調(diào)峰的弊端，也為負(fù)荷調(diào)度提供新思路。以微網(wǎng)最小總成本、可再生能源最大消納率以及最大蓄熱率為優(yōu)化目標(biāo)，通過隸屬度函數(shù)實現(xiàn)多目標(biāo)向單目標(biāo)的轉(zhuǎn)換，應(yīng)用遺傳算法優(yōu)化各單元運行狀態(tài)，形成最佳運行方式。 以一具體微網(wǎng)為例進(jìn)行仿真，結(jié)果表明：安裝電蓄熱裝置可實現(xiàn)熱電聯(lián)產(chǎn)“以熱定電”運行約束的解耦，提高了微網(wǎng)對風(fēng)電的消納；通過隸屬度函數(shù)對多目標(biāo)模糊化處理，較好地協(xié)調(diào)了各個目標(biāo)之間的平衡。

微網(wǎng)；優(yōu)化運行；電蓄熱；多目標(biāo)；負(fù)荷調(diào)度

0 引 言

微網(wǎng)(micro-grid)將分布式電源、負(fù)荷、儲能裝置、變流器以及監(jiān)控保護裝置有機整合在一起，可靈活地并網(wǎng)或孤島運行[1-3]，為分布式可再生能源整合和利用提供了靈活、高效的平臺，是電力產(chǎn)業(yè)可持續(xù)發(fā)展的有效途徑[4]。

風(fēng)力發(fā)電是目前開發(fā)技術(shù)成熟、規(guī)模效益明顯和利用前景看好的可再生能源，但卻具有間歇性、波動性和反調(diào)峰性。當(dāng)大容量風(fēng)電接入微網(wǎng)時，其間歇性和波動性給微網(wǎng)的運行穩(wěn)定帶來較大的挑戰(zhàn)，再加上微網(wǎng)內(nèi)熱電聯(lián)產(chǎn)系統(tǒng)通常運行在“以熱定電”方式下，限值了微型燃?xì)廨啓C組參與系統(tǒng)調(diào)峰的能力，風(fēng)電的反調(diào)峰特性無疑使微網(wǎng)系統(tǒng)的調(diào)峰矛盾更加突出。解決微網(wǎng)內(nèi)高滲透率風(fēng)電消納問題常見的有3種思路：第1種是利用可控微源設(shè)備與風(fēng)電互補[5]；第2種是配置大容量儲能系統(tǒng)，通過儲能系統(tǒng)能量快速雙向流動的特性，平抑風(fēng)電帶來的波動性以及削峰填谷[6-7]；第3種是進(jìn)行需求側(cè)管理調(diào)度負(fù)荷側(cè)參與系統(tǒng)調(diào)峰[8-9]。以上3種思路在改善微網(wǎng)內(nèi)風(fēng)電帶來的功率波動和調(diào)峰問題都取得較好的效果，但通過調(diào)節(jié)可控微源的運行狀態(tài)進(jìn)行的直接功率控制的調(diào)節(jié)能力有限，當(dāng)風(fēng)機容量較大時難以勝任；安裝大容量儲能系統(tǒng)以及需求側(cè)管理需要增加較大的硬件裝置投資以及對負(fù)荷側(cè)調(diào)度的成本。

良好的經(jīng)濟效益和環(huán)境效益是微網(wǎng)發(fā)展的驅(qū)動力，且由于內(nèi)部接入不同運行特性的微源以及儲能系統(tǒng)等單元，因此微網(wǎng)運行優(yōu)化是多約束條件、多目標(biāo)的非線性優(yōu)化問題。多目標(biāo)最優(yōu)解包含各子目標(biāo)的貢獻(xiàn)，但是各子目標(biāo)之間往往彼此沖突，難以同時達(dá)到最優(yōu)。協(xié)調(diào)各子目標(biāo)之間的沖突常用方法有[10-12]：懲罰因子法，權(quán)重系數(shù)法，模糊隸屬函數(shù)法。懲罰因子法通過懲罰項將一個目標(biāo)函數(shù)隸屬于另一個目標(biāo)函數(shù)，是一種估算難以獲得最優(yōu)解；權(quán)重系數(shù)法中對權(quán)重系數(shù)的確定容易受主觀因素的影響；隸屬函數(shù)法通過定義目標(biāo)隸屬度函數(shù)將確定性問題模糊化，不受人為因素影響，很好地解決了多目標(biāo)之間難以確定界限的問題，但對隸屬度函數(shù)的選擇尤為重要。

針對以上，本文提出了通過安裝電蓄熱裝置解決高滲透率風(fēng)電消納問題的微網(wǎng)熱電能量綜合優(yōu)化方法。通過對電蓄熱裝置的靈活“投”、“切”控制，使其響應(yīng)并改善風(fēng)機出力隨機性和反調(diào)峰性，提高微網(wǎng)對風(fēng)電的消納?？刂齐娦顭嵫b置的熱量輸出，配合熱電聯(lián)產(chǎn)系統(tǒng)滿足熱負(fù)荷需求，從而實現(xiàn)熱電聯(lián)產(chǎn)“以熱定電”運行約束的解耦，提高其參與系統(tǒng)調(diào)峰的能力。電蓄熱裝置融合了儲熱和負(fù)荷雙重角色于一體，對其合理調(diào)度實現(xiàn)“源—儲—荷”的熱電綜合能量優(yōu)化為研究微網(wǎng)內(nèi)負(fù)荷調(diào)度以及熱電綜合調(diào)度提供新思路。以微網(wǎng)運行成本最小、污染排放成本最小、可再生能源消納率最大以及蓄熱率最大為優(yōu)化目標(biāo)，應(yīng)用降半Γ形分布的隸屬度函數(shù)，實現(xiàn)多目標(biāo)向單目標(biāo)的轉(zhuǎn)換，通過遺傳算法優(yōu)化各個單元運行狀態(tài)，實現(xiàn)優(yōu)化運行。

1 微網(wǎng)結(jié)構(gòu)和運行模型

1.1 微網(wǎng)結(jié)構(gòu)

微網(wǎng)由光伏發(fā)電(photovoltaic, PV)、風(fēng)力發(fā)電(wind turbine, WT)、蓄電池儲能(storage battery, SB)、微型燃?xì)廨啓C(micro-turbine, MT)、燃料電池(fuel cell, FC)、電蓄熱裝置(electric heat storage, EHS)以及熱負(fù)荷(heat load, HL)、電負(fù)荷(electric load, EL)組成。微網(wǎng)系統(tǒng)能量流動以及“源—儲—荷”結(jié)構(gòu)如圖1所示。

圖1 微網(wǎng)能量流動及“源—儲—荷”結(jié)構(gòu)圖

如圖1中，外網(wǎng)、風(fēng)力發(fā)電、光伏發(fā)電、燃料電池以及微型燃?xì)廨啓C為微網(wǎng)供電，微型燃?xì)廨啓C高溫?zé)煔獬隹谔幣c溴冷機配套使用，產(chǎn)生熱能供應(yīng)熱負(fù)荷；電蓄熱裝置接于匯流母線，將盈余電能轉(zhuǎn)化為可儲可控?zé)崮芄?yīng)熱負(fù)荷，根據(jù)調(diào)度指令靈活“投”、“切”，跟蹤功率波動實現(xiàn)避峰填谷，因此電蓄熱裝置可參與微網(wǎng)“源-儲-荷”熱電綜合調(diào)度。微網(wǎng)光伏發(fā)電、風(fēng)機出力受光照和風(fēng)速影響不可控，負(fù)荷具有波動性，均作為不可控量，風(fēng)機出力和光伏出力模型參見文獻(xiàn)[13]。其余單元作為可控量維持系統(tǒng)熱電供需平衡，其中燃料電池運行模型和蓄電池儲能荷電狀態(tài)(state of charge, SOC)模型參見文獻(xiàn)[14]。

1.2 電蓄熱裝置結(jié)構(gòu)

圖2 電蓄熱裝置結(jié)構(gòu)圖

電蓄熱裝置(EHS)結(jié)構(gòu)如圖2所示。EHS一般是在夜間低谷時段利用微網(wǎng)內(nèi)盈余電能對蓄熱塊加熱，實現(xiàn)能量存儲，其電源開關(guān)根據(jù)能量管理系統(tǒng)調(diào)度指令靈活“投”、“切”，內(nèi)膽蓄熱塊溫度可達(dá)700℃，因此需要隔熱層保溫，并在通風(fēng)道內(nèi)以熱空氣流動的形式傳輸熱能。熱空氣通過換熱器和外部水或汽進(jìn)行熱量傳遞，成為熱水、熱汽的主要熱源。溫控裝置可控制熱量恒功率輸出，形成恒溫恒速的熱水、熱汽，滿足不同用戶熱需求。

EHS耗電主要用于蓄熱塊加熱和鼓風(fēng)機，其電功率為

Ptotal，t=Pheat+Pblower,t

(1)

式中：t為時段編號；Ptotal,t為EHS總電功率；Pheat,t為蓄熱塊加熱耗電功率；Pblower,t為鼓風(fēng)機電功率，為定值?？紤]熱能損耗，EHS蓄熱量表示如下：

EEHS,t+1=EEHS,t+(Pheat,t×khe×(1-ηloss)-

Qout,t)×Δt

(2)

式中：EEHS,t為EHS在t時的蓄熱量；Qout,t為EHS輸出熱功率；khe為EHS熱電轉(zhuǎn)換系數(shù)；ηloss為EHS熱能損耗系數(shù)；Δt為單位時間。

1.3 微型燃?xì)廨啓C(MT)運行模型

MT的發(fā)電效率與其自身容量以及出力水平有關(guān)[15]，表示如下：

ηMTE=r01PMT,ref+r11RMT+r21PMT,refRMT+r31

(3)

式中：rij為常數(shù)，由MT生產(chǎn)廠家給出，參見文獻(xiàn)[16]；PMT,ref為MT額定功率；RMT為負(fù)載率。

溴冷機熱功率表示如下：

(4)

式中：QMHT,t、QMT,t、PMT，t分別為溴冷機制熱量、MT排氣余熱量、MT輸出有功功率；ηMTE,t、ηMTH,Loss,t分別為MT發(fā)電效率和散熱損失系數(shù)；kh溴冷機的制熱系數(shù)，表示如下：

(5)

式中：T1、T2分別為熱煙氣進(jìn)、出溴冷機的溫度；T0為當(dāng)前環(huán)境溫度。

2 微網(wǎng)運行優(yōu)化模型

2.1 目標(biāo)函數(shù)

微網(wǎng)運行優(yōu)化是一個多目標(biāo)、多約束條件的優(yōu)化問題，本文根據(jù)實際需求，建立了以最優(yōu)經(jīng)濟效益和環(huán)境效益、最大可再生能源消納率以及最大蓄熱率為優(yōu)化對象的多目標(biāo)優(yōu)化模型。其中，經(jīng)濟效益和環(huán)境效益分別通過運行成本、污染排放成本進(jìn)行量化。

2.1.1 極小化微網(wǎng)運行成本

minF1=

(6)

式中：T為優(yōu)化時段數(shù)；t為時段編號；N為微源數(shù)；i為微源編號；ffuel,i，t(PG,i)、fOM,i,t(PG,i)、fDP,i,t(PG,i)分別為微源i的燃料成本、運行維護成本和投資折舊成本，和微源出力PG,i有關(guān)。

2.1.2 極小化污染排放成本

MT、FC等微源在發(fā)電過程中會產(chǎn)生污染物 (CO2、SO2、NOx等)。將各種污染物進(jìn)行成本折算使微網(wǎng)環(huán)境效益進(jìn)行量化，得到污染排放成本為

(7)

式中：M為污染物種類數(shù)；j為編號；αj為污染物j的折算系數(shù)(元/kg)；Ei,j為微源i產(chǎn)生污染物j的單位排放量(kg/kW)。折算系數(shù)和單位排放量參見文獻(xiàn)[17]。

2.1.3 極大化可再生能源的消納率

實現(xiàn)高滲透率可再生能源的消納亦是微網(wǎng)建設(shè)的目標(biāo)，因此以提高可再生能源的消納率(renewable energy consumptive proportion, RECP)作為優(yōu)化目標(biāo)：

100%

(8)

式中：WEL、WEHS、Wline、WMT、WFC分別為一個調(diào)度周期內(nèi)的負(fù)荷總電量、EHS總電量、外網(wǎng)交互總電量、MT總發(fā)電量、FC總發(fā)電量。為使目標(biāo)極值一致，公式(8)可轉(zhuǎn)化為

(9)

2.1.4 最優(yōu)EHS蓄熱率

為描述蓄熱與供熱的關(guān)系，本文定義谷時段蓄熱量與全天總供熱量的比值為蓄熱率，描述如下：

(10)

式中：Qvalley、Qallday分別為EHS低谷時的蓄熱量和全天的供熱量，單位為kWh，可知，kHS越大，電蓄熱供熱成本越低。公式(10)亦可描述為

(11)

則公式(11)即為最優(yōu)蓄熱率目標(biāo)函數(shù)。

2.2 約束條件

2.2.1 系統(tǒng)功率平衡約束

(12)

式中：PG,i,t、PSB,t、Pline,t、PEL,j,t、PEHS,t分別為t時段微源i出力、SB運行功率、聯(lián)絡(luò)線交互功率、負(fù)荷j功率、EHS電功率。

2.2.2 各個微源出力以及聯(lián)絡(luò)線功率約束

0≤PG,i,t≤PG,i,max

(13)

Pline,min≤Pline,t≤Pline,max

(14)

|PMT,t-PMT,t-1|

(15)

|PFC,t-PFC,t-1|

(16)

公式(13)為微源出力約束；公式(14)為聯(lián)絡(luò)線交互功率約束；公式(15)為MT電功率爬坡約束；公式(16)為FC出力爬坡約束。

2.2.3 熱能約束

QEHS,out,min

(17)

QMT,min

(18)

QEHS,out,t+QMT,t≥QHL,t

(19)

EEHS,min

(20)

EEHS,0=EEHS,T

(21)

公式(17)為EHS熱功率約束；公式(18)為微型燃?xì)廨啓C熱功率約束；公式(19)為系統(tǒng)熱功率約束，規(guī)定熱供應(yīng)量不低于熱負(fù)荷需求；公式(20)為EHS儲熱量約束；公式(21)為運行周期始末EHS儲熱平衡約束。

2.2.4 儲能運行約束

PSB,min≤PSB,t≤PSB,max

(22)

SOCSB,min

(23)

ESB,0=ESB,T

(24)

公式(22)為SB運行功率約束；公式(23)為SB荷電狀態(tài)約束；公式(24)為運行周期始末SB荷電量平衡約束。

2.3 多目標(biāo)函數(shù)的處理

運行成本(F1)和污染排放成本(F2)可采用權(quán)重系數(shù)法處理得到最小總成本(F)作為優(yōu)化目標(biāo)，權(quán)重系數(shù)根據(jù)需求設(shè)置，實現(xiàn)對經(jīng)濟效益和環(huán)境效益的合理折衷。

最小總成本目標(biāo)函數(shù)表示如下：

minF=αF1+(1-α)F2

(25)

式中：α為運行成本權(quán)重系數(shù)。

可再生能源消納率、蓄熱率無綱量，這兩項和最小總成本優(yōu)化目標(biāo)可通過模糊隸屬函數(shù)法實現(xiàn)多目標(biāo)函數(shù)向單目標(biāo)函數(shù)的轉(zhuǎn)化。

2.3.1 單目標(biāo)滿意度函數(shù)

目標(biāo)函數(shù)式(9)、(11)和(25)均為求最小值，目標(biāo)值可設(shè)定上限而無下限，因此選擇偏小型的隸屬度函數(shù)。常用的偏小型隸屬度函數(shù)有[12]：降半矩形分布、降半梯形分布、降半Γ形分布。降半矩形分布是二點分布，不適于求解連續(xù)性優(yōu)化問題；降半梯形分布需要先確定最大目標(biāo)值和最小目標(biāo)值，在本文中無法確定最小目標(biāo)值；故采用降半Γ形分布的隸屬度函數(shù)作為滿意度函數(shù):

(26)

式中：fk,min為單目標(biāo)函數(shù)fk的最小值；k=1,2,3。

2.3.2 總體協(xié)調(diào)評價函數(shù)

單目標(biāo)滿意度僅反映單個目標(biāo)的優(yōu)化效果。對于多目標(biāo)優(yōu)化問題，還應(yīng)考慮各單目標(biāo)相互協(xié)調(diào)的整體效果。由于各單目標(biāo)之間存在矛盾，單目標(biāo)的滿意度u1、u2和u3同時達(dá)到最優(yōu)值實際上是不可能的，可構(gòu)建反映目標(biāo)整體達(dá)成程度的評價函數(shù)反映整體優(yōu)化效果。記u1,max、u2,max和u3,max分別為u1、u2和u3的理想最優(yōu)值，構(gòu)造總體協(xié)調(diào)度評價函數(shù)：

(27)

(28)

2.4 微網(wǎng)系統(tǒng)功率分配策略

由于微型燃?xì)廨啓C(MT)、燃料電池(FC)、蓄電池儲能(SB)和電蓄熱裝置(EHS)的運行功率在一定范圍可調(diào)控，綜合考慮各個優(yōu)化目標(biāo)，在具體運行中，首先調(diào)節(jié)EHS，其次調(diào)節(jié)SB，最后調(diào)節(jié)MT。FC由于運行成本較高，一般只在高電價時段開啟。

定義微網(wǎng)內(nèi)風(fēng)機出力(PWT，t)、光伏出力(PPV,t)與負(fù)荷功率(PEL,t)的差值為凈功率(Pnet,t)，用于作為電蓄熱裝置調(diào)節(jié)的判斷標(biāo)準(zhǔn)：

Pnet,t=PPV,t+PWT,t-PEL,t

(29)

① 當(dāng)凈功率為正值且小于EHS的最大電功率，即0

② 當(dāng)凈功率大于EHS最大電功率，小于EHS和SB最大功率之和，即PEHS,max

③ 當(dāng)凈功率大于EHS和SB最大功率之和，即PEHS,max+PSB,max

④ 當(dāng)凈功率為負(fù)值，Pnet,t<0，優(yōu)化調(diào)度聯(lián)絡(luò)線交互功率、燃料電池出力以及儲能系統(tǒng)運行功率，形成最佳運行方式。

3 優(yōu)化算法

遺傳算法是是一種尋求全局最優(yōu)解而不需要任何初始化信息的高效優(yōu)化算法，被廣泛應(yīng)用于電源規(guī)劃、無功優(yōu)化及電力市場等電力系統(tǒng)領(lǐng)域。遺傳算法在進(jìn)化過程中以適應(yīng)度函數(shù)來評價染色體的優(yōu)劣，其有效性影響著遺傳算法的搜索方向和進(jìn)化效率。本文對于進(jìn)化過程中難以滿足約束條件個體的適應(yīng)度添加懲罰項，引導(dǎo)進(jìn)化避劣趨優(yōu)，設(shè)計適應(yīng)度評價函數(shù)如下：

(30)

式中：f為適應(yīng)度函數(shù)；C為運行成本；δ為懲罰項；λ為懲罰項系數(shù)。

適應(yīng)度添加懲罰一般有常數(shù)懲罰和可變懲罰，可變懲罰可進(jìn)一步分為靜態(tài)懲罰(即隨著違背程度的加深而增加懲罰壓力)和動態(tài)懲罰(隨著進(jìn)化過程而增加懲罰的壓力)兩種[18]。對于微網(wǎng)優(yōu)化調(diào)度此類復(fù)雜問題采用常數(shù)懲罰的效率不高，并且懲罰系數(shù)的選擇較為困難。本文采用動態(tài)的懲罰系數(shù)，懲罰壓力隨進(jìn)化過程成對數(shù)增長，動態(tài)懲罰系數(shù)的形式為：λ=ln(30g)， 其中g(shù)為進(jìn)化當(dāng)前代數(shù)。

本文在凈功率為負(fù)值時，以MT、FC和SB運行功率為優(yōu)化變量，實現(xiàn)微網(wǎng)優(yōu)化調(diào)度。遺傳算法優(yōu)化過程如下：

① 輸入微網(wǎng)運行參數(shù)以及遺傳算法參數(shù)，隨機生成種群。

② 對染色體進(jìn)行解碼，計算MT、FC和SB運行功率，根據(jù)功率平衡確定聯(lián)絡(luò)線交互功率。

③ 判斷各個約束條件滿足情況，并根據(jù)公式(30)計算個體適應(yīng)度。

④ 判斷是否達(dá)到迭代次數(shù)。若已達(dá)迭代次數(shù)，則轉(zhuǎn)入步驟⑤；若未達(dá)到迭代次數(shù)，則通過輪盤賭選擇、多點交叉、多點變異，轉(zhuǎn)入步驟②。

⑤ 輸出最優(yōu)結(jié)果。

4 算例分析

4.1 基礎(chǔ)數(shù)據(jù)

微網(wǎng)運行參數(shù)如下，聯(lián)絡(luò)線交互功率為-50～50kW；SB額定容量和初始容量分別為500kWh、200kWh，運行功率：-40～40kW；FC出力為12～30kW；爬坡速率為12kW/h；微型燃?xì)廨啓C為2×20kW，爬坡速率為10kW/h；分時電價如表1所示；不可控微源及負(fù)荷功率預(yù)測值如圖3所示。

表1 分時電價及時段劃分

圖3 不可控微源及負(fù)荷功率預(yù)測值

4.2 源—儲—荷優(yōu)化分析

取運行成本權(quán)重系數(shù)α=0.5，得到微網(wǎng)電能和熱能優(yōu)化結(jié)果分別如圖4和圖5所示。

圖4 電能優(yōu)化結(jié)果

從圖4中可以看出：

① 1-7時段為低谷時段，負(fù)荷較輕，微網(wǎng)內(nèi)盈余電能較大，調(diào)度EHS充電實現(xiàn)蓄熱。由于在此時段的熱負(fù)荷較重，EHS難以滿足熱負(fù)荷需求，開啟一臺微型燃?xì)廨啓C供熱的同時提供有功出力。此時段外網(wǎng)電價較低，聯(lián)絡(luò)線以較大功率對微網(wǎng)供電，并存儲于儲能系統(tǒng)，供高峰時段放電。

② 8，12-17時段為平電價時段，電價提高，降低聯(lián)絡(luò)線對微網(wǎng)供電以及EHS充電功率，以節(jié)約運行成本；開啟兩臺微型燃?xì)廨啓C配合EHS滿足熱負(fù)荷需求并提高微網(wǎng)內(nèi)電能供應(yīng)，盈余電能對SB充電，用于后續(xù)高峰時段。

③ 9-11，18-22高峰時段，負(fù)荷較大，兩臺燃?xì)廨啓C增加出力提供更多電能支撐，F(xiàn)C發(fā)電成本低于高電價，此時段開啟可獲利，SB以較大功率放電，滿足微網(wǎng)需求后向外網(wǎng)供電獲利。

④ 23-24時段電價較低，且為優(yōu)化周期末時段，調(diào)度SB充放電實現(xiàn)周期始末荷電量平衡，優(yōu)化EHS充電功率以及供熱功率，實現(xiàn)周期始末儲熱量平衡，以確保下一優(yōu)化周期內(nèi)調(diào)度策略的有效性。

圖5 熱能優(yōu)化結(jié)果

從圖5中可知，隨著1-7低谷時段的持續(xù)，熱負(fù)荷需求降低，而微網(wǎng)內(nèi)盈余電能繼續(xù)以較大功率對EHS供電蓄熱，使得EHS蓄熱量迅速提高。進(jìn)入8-22時段，EHS充電蓄熱較小，且微網(wǎng)內(nèi)熱負(fù)荷主要由兩臺微型燃?xì)廨啓C供應(yīng)，不足部分由EHS彌補，蓄熱量逐漸降低，并在周期末時段實現(xiàn)周期始末蓄熱量平衡。

整個運行優(yōu)化過程中，在低谷時段EHS以較大功率吸納微網(wǎng)內(nèi)盈余電能，有效緩解了大量風(fēng)電反調(diào)峰性帶來的問題，且供熱由傳統(tǒng)的燒煤燒氣變?yōu)闊L(fēng)，降低了碳排放，提高了清潔能源的利用效率；在負(fù)荷較重時段，調(diào)度兩臺微型燃?xì)廨啓C同時開啟并在EHS配合下滿足熱負(fù)荷需求，使微型燃?xì)廨啓C在一定程度上擺脫了“以熱定電”運行方式對供電出力的約束，提高了其參與系統(tǒng)調(diào)峰的能力；微網(wǎng)實現(xiàn)了在低谷時段從外網(wǎng)吸納低電價電能存儲于SB，并在高峰時段放出，滿足系統(tǒng)電能需求的同時低儲高發(fā)獲利，提高經(jīng)濟性。

4.3 單目標(biāo)和多目標(biāo)優(yōu)化對比分析

4.3.1 成本目標(biāo)優(yōu)化結(jié)果

當(dāng)只有總成本作為優(yōu)化目標(biāo)時，不同運行成本權(quán)重系數(shù)α的優(yōu)化結(jié)果如表2所示。

表2 不同α下的優(yōu)化結(jié)果

需要強調(diào)的是運行成本權(quán)重系數(shù)α只是決策者對運行成本和污染排放成本的側(cè)重程度的量化，真實成本仍然是運行成本和污染成本之和。從表2可以看出，隨著α的增大，微網(wǎng)的運行優(yōu)化更加側(cè)重于經(jīng)濟效益，從而環(huán)境效益受損使污染排放成本增大，但總成本仍然降低，這是由于微網(wǎng)內(nèi)可再生能源較多，污染排放較少，從而使得燃料成本以及運行維護成本成為主要的費用。因此應(yīng)根據(jù)需求設(shè)定合適的α值，實現(xiàn)環(huán)境效益和經(jīng)濟效益合理折衷。

4.3.2 不同優(yōu)化目標(biāo)對優(yōu)化的影響

最大可再生能源消納率以及最大蓄熱率兩個目標(biāo)函數(shù)對聯(lián)絡(luò)線交互功率以及微型燃?xì)廨啓C出力的影響最大。圖6給出α=0.5時，只考慮成本優(yōu)化目標(biāo)和考慮所有優(yōu)化目標(biāo)下，優(yōu)化得到的聯(lián)絡(luò)線交互功率和燃?xì)廨啓C出力狀況對比。

圖6 不同優(yōu)化目標(biāo)下的優(yōu)化結(jié)果

從圖6中可知，當(dāng)只考慮成本優(yōu)化目標(biāo)時，即公式(25)，由于污染排放成本對總成本的影響較小，經(jīng)濟效益成為主要的優(yōu)化對象，因此調(diào)度程序調(diào)度微型燃?xì)廨啓C以較大功率運行，并引導(dǎo)微網(wǎng)在低谷時從外網(wǎng)吸納較多低價電能為SB充電，并在高峰時段向外網(wǎng)饋電獲利。而考慮了所有目標(biāo)函數(shù)后，最大可再生能源消納率優(yōu)化目標(biāo)引導(dǎo)微網(wǎng)降低對非可再生能源電能的利用，從而使得外網(wǎng)交互功率、燃?xì)廨啓C出力降低；最大蓄熱率優(yōu)化目標(biāo)則引導(dǎo)EHS在低谷時段最大限度充電蓄熱，以提高熱負(fù)荷供應(yīng)率，并降低微型燃?xì)廨啓C的供熱量，從而使微型燃?xì)廨啓C的出力下降。多目標(biāo)優(yōu)化通過滿意度函數(shù)使不同綱量的優(yōu)化目標(biāo)轉(zhuǎn)化為單目標(biāo)，優(yōu)化結(jié)果如表3所示。

表3 多目標(biāo)優(yōu)化結(jié)果

4.4 電蓄熱裝置對優(yōu)化運行的影響

圖7給出了在有無安裝電蓄熱裝置時的微型燃?xì)廨啓C的運行曲線以及SB荷電量變化。

圖7 有無安裝EHS下的優(yōu)化結(jié)果

從圖7中微型燃?xì)廨啓C(MT)運行曲線可知，沒有安裝電蓄熱裝置情況下，微型燃?xì)廨啓C運行于“以熱定電”方式，在電負(fù)荷低谷時段熱負(fù)荷需求較重，需要微型燃?xì)廨啓C以較大功率運行滿足熱負(fù)荷需求，從而與風(fēng)力發(fā)電結(jié)合形成了更明顯反調(diào)峰特性，給微網(wǎng)的優(yōu)化調(diào)度產(chǎn)生了較大挑戰(zhàn)，常常通過棄風(fēng)或安裝較大容量的儲能系統(tǒng)來解決。如圖7中荷電量變化曲線所示，在沒有安裝電蓄熱裝置時，系統(tǒng)內(nèi)SB的荷電量變化較大，需要大約500kWh的容量方可滿足系統(tǒng)需求，而安裝了電蓄熱裝置后，只需350kWh的儲能容量即可實現(xiàn)微網(wǎng)的運行調(diào)節(jié)，且通過大量風(fēng)電供熱，可替代傳統(tǒng)火電機組和燃?xì)鈾C組熱電聯(lián)產(chǎn)供熱，有效降低碳排放。

5 結(jié) 語

本文研究了安裝電蓄熱裝置來解決微網(wǎng)對高滲透率風(fēng)電消納的問題。通過對電蓄熱裝置熱、電功率的優(yōu)化調(diào)度，使其在低谷時段吸納剩余風(fēng)電，有利于解決風(fēng)電的反調(diào)峰問題，在高峰時段配合燃?xì)廨啓C滿足熱負(fù)荷需求，解除了“以熱定電”約束對微型燃?xì)廨啓C運行的約束，提高了參與系統(tǒng)調(diào)峰的能力，且作為可調(diào)度負(fù)荷避峰填谷，為負(fù)荷調(diào)度提供了參考。優(yōu)化調(diào)度中，對多個優(yōu)化目標(biāo)通過隸屬度函數(shù)模糊化處理，較好地協(xié)調(diào)了各個目標(biāo)之間的平衡，兼顧了微網(wǎng)擁有者和用戶的利益以及社會效益，實現(xiàn)了分布式電源的經(jīng)濟調(diào)度與合理利用。

[1] Katiraei Farid, Iravani Reza, Hatziargyriou Nikos,et al. Microgrids Management[J]. IEEE POWER & ENERGY MAGAZINE, 2008, 6(3):54-65.

[2] 楊新法, 蘇劍, 呂志鵬, 等. 微電網(wǎng)技術(shù)綜述[J]. 中國電機工程學(xué)報, 2014, 34(1): 57-70.

[3] 沈沉, 吳翔宇, 王志文, 等. 微電網(wǎng)實踐與發(fā)展思考[J]. 電力系統(tǒng)保護與控制, 2014, 42(5): 1-11.

[4] 周孝信, 陳樹勇, 魯宗相. 電網(wǎng)和電網(wǎng)技術(shù)發(fā)展的回顧與展望——試論三代電網(wǎng)[J]. 中國電機工程學(xué)報, 2013, 33(22): 1-11.

[5] 陳秋南, 韋鋼, 朱昊, 等. 風(fēng)電/微型燃?xì)廨啓C混合微電網(wǎng)電壓波動優(yōu)化控制[J]. 電力系統(tǒng)自動化, 2014, 38(9): 226-231.

[6] 石慶均, 江全元. 包含蓄電池儲能的微網(wǎng)實時能量優(yōu)化調(diào)度[J]. 電力自動化設(shè)備, 2013, 33(5): 76-82.

[7] 于佳, 任建文, 周明. 基于機會約束規(guī)劃的風(fēng)-蓄聯(lián)合動態(tài)經(jīng)濟調(diào)度[J]. 電網(wǎng)技術(shù), 2013, 37(8): 2116-2122.

[8] 邢龍, 張沛超, 方陳, 等. 基于廣義需求側(cè)資源的微網(wǎng)運行優(yōu)化[J]. 電力系統(tǒng)自動化, 2013, 37(12): 7-12, 133.

[9] 吳雄, 王秀麗, 崔強. 考慮需求側(cè)管理的微網(wǎng)經(jīng)濟優(yōu)化運行[J]. 西安交通大學(xué)學(xué)報, 2013, 47(6): 90-96.

[10]龍軍, 鄭斌, 郭小璇, 等. 一種求解環(huán)境經(jīng)濟發(fā)電調(diào)度的交互式多目標(biāo)優(yōu)化方法[J]. 電力自動化設(shè)備, 2013, 33(5): 83-88.

[11]鐘宇峰, 黃民翔, 葉承晉. 基于電池儲能系統(tǒng)動態(tài)調(diào)度的微電網(wǎng)多目標(biāo)運行優(yōu)化[J]. 電力自動化設(shè)備, 2014, 34(6): 114-121.

[12]陳潔, 楊秀, 朱蘭, 等. 微網(wǎng)多目標(biāo)經(jīng)濟調(diào)度優(yōu)化[J]. 中國電機工程學(xué)報, 2013, 33(19): 57-66.

[13]葉承晉, 黃民翔, 王焱, 等. 基于離散概率模型的風(fēng)光互補供電系統(tǒng)優(yōu)化配置[J]. 電力系統(tǒng)自動化, 2013, 37(6): 48-54.

[14]李樂. 微網(wǎng)的經(jīng)濟運行研究[D]. 北京: 華北電力大學(xué), 2011.

[15]SHIGERU B, HIROKI W, HIROSHI A. Impact of various characteristics of electricity and heat demand on the optimal configuration of a microgrid[J]. Electrical Engineering in Japan, 2009, 169(2):6-13.

[16]顧偉, 吳志, 王銳. 考慮污染氣體排放的熱電聯(lián)供型微電網(wǎng)多目標(biāo)運行優(yōu)化[J]. 電力系統(tǒng)自動化, 2012, 36(14): 177-185.

[17]李鵬, 徐偉娜, 周澤遠(yuǎn), 等. 基于改進(jìn)萬有引力搜索算法的微網(wǎng)優(yōu)化運行[J]. 中國電機工程學(xué)報, 2014, 34(19): 33-39.

[18]高元海, 王淳. 無重訪遺傳算法及其在輸電網(wǎng)絡(luò)規(guī)劃中的應(yīng)用[J]. 中國電機工程學(xué)報, 2013, 33(4): 110-117, 14.

(責(zé)任編輯：楊秋霞)

Comprehensive Optimization of Heat and Electric Energy for Micro-grid withElectric Heat Storage to Solve the High Penetration Problem ofWind Power Consumption

LIU Fang, YANG Xiu

(School of Electrical Engineering, Shanghai University of Electric Power,Shanghai 200090,China)

The electric heat storage (EHS) devices is installed in micro-grid, whose “access-in” and “cut-out” are flexibly scheduled, which can absorb the surplus wind power and participate in system peak adjustment to effectively improve the anti-peaking drawbacks of wind power, and to provide new ideas for load dispatching. With minimizing costs of micro-grid, maximizing renewable energy consumption and maximizing heat storage rate as optimization objectives, the conversion from multiple objectives to single objective is implemented by membership functions, the genetic algorithm is used to optimize operating status of each unit, and the best operation mode is realized. With a specific micro-grid as simulation example, the result shows that the installation of electric storage device can realize the decoupling of “power determined by heat” operating constraints of CHP to improve the consumption of wind power by micro-grid, and the balance between the various objectives is greatly coordinated through fuzzy processing of multiple objectives by membership function.

micro-grid; optimal operation; electric heat storage; multi-objective; load dispatch

1007-2322(2015)04-0019-08

A

TM73

國家863高技術(shù)基金項目(2011AA05A106);國家自然科學(xué)基金資助項目(71203137);國家電網(wǎng)公司科技項目(H2013-042);上海市科委重點科技攻關(guān)計劃(11dz1210405);上海市楊浦國家創(chuàng)新型試點城區(qū)建設(shè)和發(fā)展專項資金項目(2011YOCX03-006)

2014-08-27

劉 方(1989—)，男，碩士研究生，研究方向為微網(wǎng)經(jīng)濟運行與需求側(cè)管理，E-mail:liufang2008054@163.com；

楊 秀(1972—)，男，通信作者，博士，教授，研究方向為分布式發(fā)電與微電網(wǎng)的運行與仿真，E-mail:yangxiu721102@126.com。