汪彥含，呂林，廖秋萍，田昊，成思琪

(四川大學(xué)電氣信息學(xué)院，四川成都610065)

考慮備用能量的含可再生能源的微網(wǎng)運行優(yōu)化

汪彥含，呂林，廖秋萍，田昊，成思琪

(四川大學(xué)電氣信息學(xué)院，四川成都610065)

可再生能源發(fā)電的隨機(jī)性使得微網(wǎng)運行具有不穩(wěn)定性，加上電價的波動性會給用戶帶來一定的風(fēng)險。提出同時考慮儲能裝置和電動汽車換電站備用能量和能量轉(zhuǎn)移的功能，在微網(wǎng)可再生能源發(fā)電實際出力值低于預(yù)測偏差的時候，啟用備用能量，當(dāng)備用能量剩余時，微網(wǎng)為尋求利益再將其賣給主網(wǎng)。在此基礎(chǔ)上建立以微網(wǎng)的日購電成本最小為目標(biāo)函數(shù)，應(yīng)用和聲搜索算法對其進(jìn)行求解，通過仿真表明，此模型有一定的優(yōu)越性和有效性。

可再生能源；預(yù)測偏差；備用能量；日購電成本；和聲搜索算法

近年來，隨著可再生能源發(fā)電等分布式發(fā)電技術(shù)(distributed generation，DG)的興起，微網(wǎng)(micro-grid，MG)[1]作為將分布式發(fā)電引入電網(wǎng)的有效手段，其優(yōu)化與控制運行成為了研究熱點。微網(wǎng)是將分布式電源發(fā)電裝置以及負(fù)荷儲能裝置等有機(jī)結(jié)合起來，形成一個單一可控的單元。目前，在國家大力提倡發(fā)展新能源的號召下，電動汽車也參與到微網(wǎng)中，而電動汽車換電站[2]在滿足電動汽車用電需求的前提下也可作為一個大型的儲能電站?？稍偕茉慈顼L(fēng)/光等發(fā)電系統(tǒng)具有波動性和隨機(jī)性[3-5]，輕則影響微網(wǎng)的電能質(zhì)量，重則會影響對重要負(fù)荷的供電可靠性。儲能裝置和電動汽車換電站備用能量和能量轉(zhuǎn)移的功能，能有效克服可再生能源發(fā)電的缺點。

國內(nèi)外學(xué)者對微網(wǎng)的能量優(yōu)化運行做了大量的研究，文獻(xiàn)[6]在假設(shè)微網(wǎng)與主網(wǎng)能量交互按照計劃不變的前提下，對具有分布式發(fā)電設(shè)備和可再生能源發(fā)電設(shè)備的微網(wǎng)的短期能量和備用優(yōu)化進(jìn)行了研究。文獻(xiàn)[7]在考慮儲能裝置壽命的前提下，采用多目標(biāo)的粒子群優(yōu)化算法進(jìn)行微網(wǎng)用戶的能量優(yōu)化求解。文獻(xiàn)[8]提出基于代價對參數(shù)的靈敏度來指導(dǎo)優(yōu)化方向的尋優(yōu)算法，針對容量事故集對分布式發(fā)電備用(NDGR)的最優(yōu)配置進(jìn)行風(fēng)險決策，量化分析微電網(wǎng)運行模式、儲能以及NDGR價格對NDGR配置的影響。文獻(xiàn)[9]提出以運行成本的期望和方差為目標(biāo)的電動汽車換電站的能量管理模型，并采用基于免疫克隆選擇的多目標(biāo)智能優(yōu)化算法進(jìn)行求解。

整體而言，以上文獻(xiàn)都對微網(wǎng)能量優(yōu)化的研究作出了貢獻(xiàn)，但是均未考慮換電站和儲能裝置一起提供能量備用時對微網(wǎng)產(chǎn)生的影響。本文提出同時考慮儲能裝置和電動汽車換電站備用能量和能量轉(zhuǎn)移的功能，在微網(wǎng)可再生能源發(fā)電實際出力值低于預(yù)測偏差的時候，啟用備用能量，當(dāng)備用能量剩余時，微網(wǎng)為尋求利益再將其賣給主網(wǎng)，以微網(wǎng)的日購電成本最小為目標(biāo)函數(shù)，并應(yīng)用和聲搜索算法對其進(jìn)行求解。

1 微網(wǎng)各元件模型

本文所研究的微網(wǎng)系統(tǒng)包括風(fēng)力發(fā)電、光伏發(fā)電、儲能裝置、電動汽車換電站和傳統(tǒng)負(fù)荷這五個單元，下面詳細(xì)介紹各單元出力模型。

1.1風(fēng)力發(fā)電

風(fēng)力發(fā)電機(jī)的輸出功率隨著風(fēng)速的變化而變化，而一般認(rèn)為風(fēng)速服從正態(tài)分布，其概率密度函數(shù)為：

式中：v為實際風(fēng)速；k和c分別為形狀參數(shù)和尺度參數(shù)。

因此，風(fēng)力發(fā)電機(jī)的有功功率輸出特性為：

1.2 光伏發(fā)電

光伏發(fā)電系統(tǒng)的輸出功率與光照強(qiáng)度密切相關(guān)。據(jù)統(tǒng)計，在一定時間內(nèi)太陽光照強(qiáng)度可以近似看成Beta分布，其概率密度函數(shù)為：

式中：G(t)和Gmax分別為時段t內(nèi)的實際光照強(qiáng)度和最大光照強(qiáng)度；α和β分別為Beta分布的形狀參數(shù)。

光伏發(fā)電系統(tǒng)的輸出功率特性為：

1.3 儲能裝置模型

儲能裝置的運行狀態(tài)對微網(wǎng)系統(tǒng)的穩(wěn)定運行發(fā)揮著重要作用，微網(wǎng)中含有大量的可再生能源，而可再生能源的出力具有隨機(jī)性，這時儲能裝置可配合風(fēng)/光發(fā)電機(jī)組的出力，平抑負(fù)荷波動，穩(wěn)定整個系統(tǒng)的功率輸出；在另一方面，儲能可以將儲存的能量作為能量備用，提高整個系統(tǒng)的可靠性和穩(wěn)定性。本文考慮儲能裝置作為能量備用的功能，提出儲能充放電功率和儲能備用功率來表達(dá)，其中儲能備用功率控制該時刻所準(zhǔn)備的能量備用量，充放電功率控制儲能裝置的總能量。因此，在時刻的儲能裝置總儲存能量為：

備用能量為：

1.4 電動汽車換電站模型

國家電網(wǎng)公司提出了“換電為主，插充為輔，集中充電，統(tǒng)一配送”的電動汽車基本商業(yè)運營模式，因此各大電網(wǎng)運營商也在市區(qū)建立大量的電動汽車換電站。本文考慮將換電站參與到微網(wǎng)中，電動汽車換電站除了滿足電動汽車的換電需求以外，還能作為一個大型的可控儲能單元，實現(xiàn)能量轉(zhuǎn)移和能量備用。電動汽車換電站在時刻的總能量為：

備用能量為：

需注意的是，換電站內(nèi)最小能量必須為滿足下一時段電動汽車的換電總需求，本文中假設(shè)每個動力電池充滿電所需時間為tf(設(shè)定tf=20 min)，而換電站內(nèi)電池的最大能量為站內(nèi)所有電池的最大額定容量。為延長電池的壽命，設(shè)定電池的放電深度不能超過80%，則換電站的最大儲存電量為：

最小儲存電量為：

式中：M為換電站內(nèi)所有的電池數(shù)目。

2 微網(wǎng)能量優(yōu)化模型

2.1 目標(biāo)函數(shù)

當(dāng)微網(wǎng)內(nèi)部發(fā)電設(shè)備實際出力低于預(yù)測偏差時，先由微網(wǎng)儲能裝置和換電站所儲存的備用能量來滿足負(fù)荷，當(dāng)備用能量剩余時，微網(wǎng)為尋求更多收益將其賣給主網(wǎng)來釋放剩余能量，當(dāng)備用能量也無法滿足時，這時微網(wǎng)就需從主網(wǎng)購進(jìn)電量來滿足系統(tǒng)的運行。本文把一天分為24個時間段，不考慮微網(wǎng)各單元的運行成本和損耗，將微網(wǎng)的日購電成本最小作為目標(biāo)函數(shù)：

從式(12)中可以看出，當(dāng)可再生能源出力低于預(yù)測偏差時，備用能量以最大值補(bǔ)償?shù)筋A(yù)測值；當(dāng)備用能量剩余時，微網(wǎng)將剩余電量賣給主網(wǎng)為獲取利益，而這時微網(wǎng)無需從主網(wǎng)購電。

2.2 約束條件

(1)功率平衡約束：

(2)聯(lián)絡(luò)線功率約束：

(4)儲能裝置運行約束：

為儲能裝置最大儲存電量。

(5)換電站運行約束：

(6)備用能量約束：

微網(wǎng)內(nèi)的儲能裝置和電動汽車換電站的備用能量約束如式(20)～(25)：

儲能裝置約束：

電動汽車換電站約束：

3 算例分析

本文以某智能小區(qū)為例進(jìn)行仿真分析。假設(shè)在該小區(qū)內(nèi)接入的光伏和風(fēng)機(jī)機(jī)組的容量分別為250和750 kW，并設(shè)定小規(guī)模的風(fēng)電和光伏發(fā)電設(shè)備的出力可以直接以預(yù)測值和預(yù)測誤差來表示，本文假設(shè)風(fēng)電和的出力預(yù)測誤差服從正態(tài)分布N(0,0.2)和N(0,0.1)，且各個時段獨立。儲能裝置的最大儲能容量為750 kW，最大功率為500 kW。單臺電動汽車的充電功率為12.5 kW，電池容量為37.5 kW，在每一個換電站內(nèi)有50臺電池組，聯(lián)絡(luò)線的最大功率為2 500 kW。本文用和聲搜索算法求解，和聲搜索算法是一種基于音樂演奏過程中提出來的啟發(fā)式全局搜索算法，其流程如圖1所示。

算例中系統(tǒng)日負(fù)荷曲線如圖2所示。

系統(tǒng)風(fēng)/光發(fā)電設(shè)備出力曲線如圖3所示。

圖1 和聲搜索算法計算流程

圖2 日負(fù)荷曲線

圖3 風(fēng)/光發(fā)電設(shè)備出力曲線

按照以上數(shù)據(jù)進(jìn)行仿真計算，從圖4中可以看出，用原始購電方案微網(wǎng)的日購電成本為713.88美元，而優(yōu)化后的購電方案中微網(wǎng)的日購電成本為440.37美元，從而節(jié)約了38.31%。圖5表示了一天24 h內(nèi)兩種購電方案，其中原購電方案忽略了儲能和電動汽車電池組的放電行為，僅將其按照常規(guī)負(fù)荷進(jìn)行處理。從圖5中可以看出，優(yōu)化前的購電方案在此時段內(nèi)的購電量較低，而優(yōu)化之后的購電方案則在負(fù)荷低谷期購入大量電能，對電動汽車電池組充電或者存入儲能裝置作為備用能量。為了能在負(fù)荷高峰時期體現(xiàn)備用能量的價值，此時我們忽略備用和購電量之間的關(guān)系。當(dāng)電價較高時，負(fù)荷高峰期，備用能量補(bǔ)給微網(wǎng)發(fā)電設(shè)備出力，使微網(wǎng)在滿足自身運行需求的情況下有大量富足的電量，此時則可以較高的電價出售給電網(wǎng)，實現(xiàn)盈利。

圖4 微網(wǎng)購電方案成本對比

圖5 微網(wǎng)購電方案對比

從圖6可以看出，容量越大的儲能裝置所帶來的經(jīng)濟(jì)效益越大，而同等容量的儲能比同等容量的換電站所帶來的經(jīng)濟(jì)效益更大，但是換電站除了能提供備用能量以外，還能為廣大電動汽車用戶提供換電服務(wù)，比儲能裝置更具有多重作用。

圖6效益對比

圖7 的仿真結(jié)果可以看出，換電站在夜間利用較低的電價進(jìn)行了充電安排，同時在系統(tǒng)負(fù)荷較重時也進(jìn)行了充電；而儲能裝置則頻繁地改變其充放電狀態(tài)?？梢缘玫揭韵陆Y(jié)論：電動汽車換電站和儲能裝置的充放電趨勢并不相同，因為電動汽車換電站的主要任務(wù)是滿足電動汽車的換電需求，必須保證站內(nèi)的電池組得到充分的充電，而儲能裝置則會根據(jù)微網(wǎng)的運行條件隨時改變其充放電計劃。

圖7 換電站與儲能充放電計劃

4 結(jié)論

本文首先對可再生能源發(fā)電系統(tǒng)進(jìn)行了建模，建立了微網(wǎng)日購電成本最小的目標(biāo)函數(shù)，并利用和聲搜索算法求解目標(biāo)函數(shù)，通過算例分析，得出以下結(jié)論：

(1)在微網(wǎng)實際運行過程中，若不考慮其購電成本，其購電方案基本是向電網(wǎng)購買電能；若考慮其購電成本，則會利用峰谷電價的差異進(jìn)行購電安排，從而提高微網(wǎng)的盈利能力。

(2)微網(wǎng)內(nèi)部的電動汽車換電站和儲能裝置，雖然都能夠儲能，但考慮到換電站的主要任務(wù)是滿足電動汽車對電能的需求，故其在一天之內(nèi)的充放電安排也略有不同。

(3)通過本文模型可知，儲能裝置作為備用能量比發(fā)電設(shè)備做備用能量更具有價值，發(fā)電設(shè)備的備用能量具有時效性，而儲能裝置的備用能量可以能量形式一直存在；而換電站相比儲能裝置，雖然帶來的經(jīng)濟(jì)效益比儲能裝置少，但是除了有與儲能裝置一樣作為備用能量的功能外，還能為廣大電動汽車用戶提供服務(wù)。

本文對微網(wǎng)運行的研究，能夠為含可再生能源的微網(wǎng)客戶提供能量優(yōu)化管理的工具。

[1]LASSETER R H.Smart distribution:coupled micro grids[J].IEEE, 2011,99(6):1074-1082.

[2]陳良亮，張浩，倪峰，等.電動汽車能源供給設(shè)施建設(shè)現(xiàn)狀與發(fā)展探討[J].電力系統(tǒng)自動化，2011，35(14)：11-17.

[3]黃宇淇，方賓義，孫錦楓，等.飛輪儲能系統(tǒng)應(yīng)用于微網(wǎng)的仿真研究[J].電力系統(tǒng)保護(hù)與控制，2011，39(9)：83-87.

[4]王成山，于波，肖峻，等.平滑可再生能源發(fā)電系統(tǒng)輸出波動的儲能系統(tǒng)容量優(yōu)化方法[J].中國電機(jī)工程學(xué)報，2012，32(16)：1-8.

[5]TOSHIFUMI I,MASANORI K,AKIRA T.A hybrid energy storage with a SMES and secondary battery[J].IEEE Transactions on Applied Super-conductivity,2005(15):1915-1918.

[6]WANG M Q，GOOI H B.Spinning reserve estimation in micro grids [J].IEEE Transactions on Power Systems，2011，26(3)：1164-1174.

[7]KANI S A P，NEHRIR H，COLSON C，et al.Real-time energy management of a stand-alone hybrid wind-microturbine energy system using particle swarm optimization[J].IEEE Transactions on Sustainable Energy,2010(1):193-201.

[8]羅運虎，陳海牛，李磊，等.基于風(fēng)險的微網(wǎng)分布式發(fā)電備用配置決策[J].電網(wǎng)技術(shù)，2011(8)：53-58.

[9]劉玉嬌，蔣傳文，王旭，等.采用隨機(jī)約束和多目標(biāo)算法的電動汽車換電站能量管理[J].電力自動化設(shè)備，2013(8)：59-63.

Considering standby energy including renewable energy micro-grid operation optimization

WANG Yan-han,LV Lin,LIAO Qiu-ping,TIAN Hao,CHENG Si-qi

The instability of micro network running was leaded by renewable energy generation randomness.Some risk was brought to the users for the volatility of electricity price.Energy storage device and electric cars for power plants spare energy and energy transfer function were considered.In micro renewable energy power generation of the actual output value was lower than the prediction deviation,the spare energy was started;when the standby energy was remained,in order to seek interests,the micro network would sell it to the main network.Based on the micro network,daily power purchase cost minimum as objective function,using harmony research algorithm to solve it,the simulation shows that this model has certain superiority and effectiveness.

renewable energy;prediction deviation;standby energy;daily power purchase cost;harmony research algorithm

TM 727

A

1002-087 X(2015)03-0561-04

2014-08-27

國家自然科學(xué)基金(51207098)；中歐中小企業(yè)節(jié)能減排科研合作資金項目(SQ2011ZOF000004)

汪彥含(1990—)，女，四川省人，碩士研究生，主要研究方向為智能配電網(wǎng)和微電網(wǎng)。