燕穎，潘庭龍

（江南大學(xué)物聯(lián)網(wǎng)工程學(xué)院電氣自動化研究所，江蘇無錫214122）

?

含多微源的微網(wǎng)并網(wǎng)優(yōu)化運行研究

燕穎，潘庭龍

（江南大學(xué)物聯(lián)網(wǎng)工程學(xué)院電氣自動化研究所，江蘇無錫214122）

摘要：并網(wǎng)運行模式是發(fā)揮微網(wǎng)系統(tǒng)與大電網(wǎng)互補靈活性的重要形式。建立了含有儲能單元和多微源包括光伏電池、風力發(fā)電機、燃料電池、柴油發(fā)電機的復(fù)雜微網(wǎng)系統(tǒng)模型。在分時電價機制下，基于調(diào)度時段內(nèi)追蹤凈負荷及SOC的狀態(tài)變化制定了的優(yōu)化調(diào)度策略。以含多約束條件的經(jīng)濟及環(huán)境成本最優(yōu)化為目標函數(shù)建立了優(yōu)化模型，通過改進的粒子群算法求解模型得出各微源及蓄電池整個調(diào)度周期內(nèi)運行狀態(tài)。最后，結(jié)合具體算例驗證了該調(diào)度策略和改進算法的可行性。

關(guān)鍵詞：微網(wǎng)；多微源；并網(wǎng)；運行優(yōu)化；粒子群算法

隨著當前資源和環(huán)境問題引發(fā)的矛盾日益突出，分布式發(fā)電技術(shù)得以迅速的發(fā)展起來，它具有能源資源利用率高，環(huán)境負面效應(yīng)低，對經(jīng)濟效益以及供能可靠性有一定改善等優(yōu)勢。分布式發(fā)電供能微網(wǎng)系統(tǒng)又稱微網(wǎng)，是由分布式電源、儲能裝置、能量轉(zhuǎn)換裝置、相關(guān)負荷和監(jiān)控、保護裝置匯集而成的小型發(fā)配電系統(tǒng)。

微網(wǎng)系統(tǒng)在并網(wǎng)運行的過程中，除保證運行外可靠，還應(yīng)該兼顧經(jīng)濟性、環(huán)保性。隨著對微網(wǎng)運行研究的深入，也已有了部分相關(guān)研究成果［1］。文獻［2］建立了一種包含燃料電池、微型燃氣輪機和柴油發(fā)電機組的混合能源系統(tǒng)微電網(wǎng)，并提出了自適應(yīng)改進的粒子群算法對一天內(nèi)的運行成本模型進行求解，但并未考慮加入蓄電池模塊后的復(fù)雜情況。文獻［3］對微網(wǎng)的運行采用了基于實數(shù)編碼的改進自適應(yīng)遺傳算法對其運行經(jīng)濟性進行了建模求解，但未充分考慮環(huán)境治理費用的問題。

本文建立了含有儲能單元蓄電池［4］和多微源包括光伏電池、風力發(fā)電機、燃料電池、柴油發(fā)電機的復(fù)雜微網(wǎng)并網(wǎng)運行模型，綜合考慮分時段內(nèi)的凈負荷狀態(tài)、蓄電池荷電狀態(tài)（SOC）條件和分時電價提出調(diào)度策略，建立了以經(jīng)濟運行成本最小及環(huán)境保護成本最小的優(yōu)化調(diào)度模型，并采用改進的粒子群算法對該模型進行求解。

1　含多微源的微網(wǎng)系統(tǒng)

本文研究的微網(wǎng)系統(tǒng)由光伏電池（PV）、風力發(fā)電機（WT）、蓄電池（BAT）、燃料電池（FC）、柴油發(fā)電機機（DE）共同組成。

蓄電池是整個微網(wǎng)系統(tǒng)中壽命周期最短的設(shè)備，其使用狀況影響了整體性能的高低。蓄電池的有效累積壽命與它的放電深度和SOC值相關(guān)［5］，應(yīng)盡量避免長期頻繁深放電，及運行在過低或過高的SOC水平。蓄電池在t時刻的SOC與其在t-1時刻的SOC，以及t-1到t時段的充放電量有關(guān)。故有

燃料電池和柴油發(fā)電機發(fā)電過程中消耗燃料費用與輸出功率之間有如下關(guān)系：

式中，Cnl為天然氣價格，L為天然氣低熱熱值，取定為9.7 kWh/m3，ηfc為FC運行效率。Cde為柴油單價，元/g，δde為燃油消耗率，g/kWh。

2　優(yōu)化調(diào)度模型

2.1目標函數(shù)

本文設(shè)定2個目標函數(shù)，目標函數(shù)1為運行經(jīng)濟成本最低，目標函數(shù)2為環(huán)境成本最低。

式中，F(xiàn)1、F2分別表示目標函數(shù)1和2，T為調(diào)度周期的總時段個數(shù)（以小時計），Cf表示各時段發(fā)電所需燃料成本。Com表示運行維護成本，表示為運行功率與運行維護系數(shù)的乘積，Cgrid為系統(tǒng)與大電網(wǎng)交互的成本。Cen為某微源在t時段內(nèi)的污染物排放成本，元，Qij為第i個微源單位電量下對第j種污染物的排放量，kg/kWh，Vj為第j種污染物單位量所需支付的懲罰治理費用，元/kg，m為總的污染物種類數(shù)。

本文對多個單目標采用歸一化處理的方式由決策者選取大于0的向量wi（i=1，2，...，n），以線性加權(quán)法轉(zhuǎn)化為單目標的數(shù)學(xué)規(guī)劃問題。Wi作為權(quán)系數(shù)，其值越大代表目標對應(yīng)的重要性占比越大。

mjnF=mjn（w1F1+w2F2）（7）

其中，w1，w2為權(quán)系數(shù)，為非負值，且w1+w2=1。當考慮目標函數(shù)1時，取w1=1，w2=0；當考慮目標函數(shù)2時，取w1=0，w2=1。

2.2約束條件

1）功率平衡約束Ppv+Pwt+Pgrjd+Pfc+Pbat=P1oad（8）

2）各微源的輸出功率約束：

3）蓄電池功率上下限約束及荷電狀態(tài)約束：

2.3優(yōu)化調(diào)度策略

光伏電池、風力發(fā)電機作為可再生能源，其發(fā)出的功率全部用來滿足負荷需求，由此得出凈負荷Pnet的定義為同一時刻下，系統(tǒng)的實際負荷需求值減去可再生能源發(fā)電系統(tǒng)產(chǎn)生的功率值，是運行調(diào)度中其他發(fā)電單元和儲能系統(tǒng)需要滿足的功率值。

追蹤凈負荷狀態(tài)。當凈負荷小于0時，說明可再生能源產(chǎn)生了足夠的輸出功率且有剩余，此時令蓄電池運行在充電或待機狀態(tài)。同時追蹤蓄電池SOC狀態(tài)，當充電功率到達蓄電池最大充電功率臨界值，或者下一時刻將出現(xiàn)SOC越限時，應(yīng)停止繼續(xù)充電。同時燃料電池和柴油發(fā)電機運行在停機狀態(tài)。蓄電池的充電功率值、與電網(wǎng)的功率交互值由調(diào)度結(jié)果決定。當凈負荷大于0時，說明有負荷缺額，此時開啟蓄電池發(fā)電單元以彌補負荷缺額，并追蹤SOC狀態(tài)保證蓄電池工作的有效范圍。開啟燃料電池、柴油發(fā)電機，根據(jù)相應(yīng)目標下調(diào)度結(jié)果決定各單元的功率值。同時，與大電網(wǎng)保持在自由交互狀態(tài)。

3　改進粒子群算法及流程

3.1改進的粒子群算法

粒子群算法（PSO）的粒子個體通過對個體歷史最優(yōu)和群體歷史最優(yōu)信息的共享，發(fā)現(xiàn)更擴大化和更復(fù)雜的搜索空間中的最優(yōu)位置，更易于解決復(fù)雜的非線性問題。PSO算法應(yīng)用在傳統(tǒng)電網(wǎng)的機組組合問題中已有相當部分的研究成果［6］。傳統(tǒng)的PSO算法也有一些顯著的缺點，比如容易出現(xiàn)早熟現(xiàn)象而陷于局部最優(yōu)解，無法保證有廣泛的種群多樣性。隨著迭代次數(shù)的增加，慣性權(quán)重逐漸遞減可以更好的平衡全局搜索與局部搜索能力。同時，將加速因子進行變加速動態(tài)調(diào)整，可進一步擴大前期解空間的搜索范圍，后期調(diào)整為加強粒子群的收斂性。改進后的慣性權(quán)重和變加速因子如下：

3.2算法流程和求解步驟

1）初始化粒子群，設(shè)置迭代次數(shù)、種群規(guī)模、粒子速度上下限等。

2）初始化粒子速度及位置。在功率上下限內(nèi)，隨機產(chǎn)生種群數(shù)量為20的BAT、FC、DE在24h內(nèi)的功率值，由功率平衡約束得出電網(wǎng)交互功率。通過式（1）得到蓄電池24h的SOC值，檢查是否滿足式（11）的約束條件。如不滿足，按一定的規(guī)則修改生成新的SOC值，直到滿足約束條件。通過式（1）計算出新的蓄電池功率。

3）速度和粒子更新。更新限制條件：

①檢測凈負荷小于0時，蓄電池應(yīng)處于充電狀態(tài)。首先假設(shè)下一時刻的SOC值為最大值，計算出對應(yīng)的充電功率，比較求出的該功率值、凈負荷值、蓄電池充電上限功率三者中的最大值即為滿足蓄電池功率約束和SOC約束的限值。

②檢測凈負荷大于0時，若蓄電池處于充電狀態(tài)則檢查充電上限功率約束和SOC最大值約束；若蓄電池處于放電狀態(tài)則檢查放電下限功率約束和SOC最小值約束。

③檢查凈負荷為負時停機約束和運行上下限約束。根據(jù)式（8）計算與大電網(wǎng)交互功率。

4）迭代300次，計算出群體適應(yīng)度的最小值，并找出此時適應(yīng)度值較小時的粒子，并計算出最優(yōu)適應(yīng)度下的蓄電池SOC的狀態(tài)。

4　算例分析

4.1微網(wǎng)結(jié)構(gòu)和基本參數(shù)數(shù)據(jù)

本算例采用的微網(wǎng)系統(tǒng)由光伏電池（PV）、風力發(fā)電機（WT）、蓄電池（BAT）、燃料電池（FC）、柴油發(fā)電機機（DE）組成，各單元的運行維護系數(shù)依次為：0.0096元/kWh，0.0296元/ kWh，0.0450元/kWh，0.0293元/kWh，0.0889元/kWh。BAT功率上下限分別為70 kW，-70 kW，F(xiàn)C、DE的功率上限分別為為70 kW、60 kW。算例中的PV，WT的負荷預(yù)測曲線如圖1所示。系統(tǒng)內(nèi)污染物處理價格及排放系數(shù)如表1所示。本文的調(diào)度周期為24 h，采用“峰—平—谷”分時電價的機制，各時段的購售電電價如表2所示。

圖1　光伏電池、風力發(fā)電機功率及負荷需求預(yù)測值

表1　污染物處理價格及排放系數(shù)

表1　分時段購電及售電電價

4.2仿真結(jié)果分析

從圖2可以看出，采用本文的改進粒子群優(yōu)化算法的迭代效果顯著，在對應(yīng)優(yōu)化目標下，運行費用由3 080元下降至2 250元，約有26%左右的成本節(jié)約。從圖3和圖4仿真運行結(jié)果可以看出，目標1、2下各個發(fā)電單元功率值均在約束范圍之內(nèi)。

圖2　目標函數(shù)1下的運行成本優(yōu)化結(jié)果

柴油發(fā)電機在整個調(diào)度周期內(nèi)利用率極低。目標1下，柴油發(fā)電機由于度電經(jīng)濟成本極高，僅運行在電網(wǎng)售電價高峰時段。且可以看出柴油發(fā)電機僅開停機兩次，降低了開停機成本。而在目標2下，柴油發(fā)電機由于度電的環(huán)境污染成本高于其他各供電單元以及購電價格，則一直處于停機狀態(tài)，這與實際應(yīng)用情況相符合。燃料電池利用率遠高于柴油電池。在目標1和2下，在第5～6 h滿足負荷需求后，燃料電池由于發(fā)電經(jīng)濟成本以及環(huán)境污染成本均較低，系統(tǒng)均首先開啟燃料電池，且長期處于滿載運行狀態(tài)。

圖3　目標函數(shù)1下的各微源及蓄電池功率輸出情況

圖4　目標函數(shù)2下的各微源及蓄電池功率輸出情況

圖5　目標函數(shù)2下的蓄電池荷電狀態(tài)情況

蓄電池在凈負荷為負值時，目標1和2下的調(diào)度都是相似的。起始階段0～6 h內(nèi)，凈負荷為負，優(yōu)先對蓄電池充電，當蓄電池充電到SOC限值時停止充電，剩余凈負荷賣電給大電網(wǎng)。在23～24 h，凈負荷再次為負值，僅給蓄電池充電，燃料電池和柴油發(fā)電機處于停機狀態(tài)，與大電網(wǎng)交互功率也為0。在凈負荷為正時，蓄電池配合其他微源滿足負荷需求。圖5表明蓄電池的SOC一直在0.2～0.8范圍內(nèi)，且在環(huán)境成本最低的目標下僅有2個充放電周期，充放電次數(shù)少，有利于延長蓄電池壽命。

5　結(jié)論

本文建立了含蓄電池儲能和光伏電池、風力發(fā)電機、燃料電池和柴油發(fā)電機的多微源復(fù)雜微網(wǎng)系統(tǒng)，該系統(tǒng)與大電網(wǎng)并網(wǎng)運行。在凈負荷狀態(tài)和蓄電池SOC狀態(tài)的追蹤下提出的調(diào)度策略，本文改進了粒子群算法，設(shè)計相應(yīng)的調(diào)度程序求解了目標函數(shù)。對24 h調(diào)度周期內(nèi)的微源出力的仿真結(jié)果驗證了本文的調(diào)度策略和算法的有效性，在相應(yīng)目標下，各微源均合理的對功率輸出進行了優(yōu)化分配，并極大減小了對應(yīng)運行成本。

參考文獻：

［1］CHAKRABORTY S，WEISS M D，SIMOES M G. Djstrjbuted jnte11jgent energy management system for a sjng1e -phase hjgh -frequency AC mjcrogrjd［J］. IEEE Transactjons on Industrja1 E1ectronjcs，2007，54（1）：97-109.

［2］寧陽天.基于改進粒子群算法的微網(wǎng)動態(tài)經(jīng)濟調(diào)度算法［J］.電力建設(shè)，2014，35（6）：26-30.

［3］林偉，陳光堂，邱曉燕，等.基于改進自適應(yīng)遺傳算法的微電網(wǎng)負荷優(yōu)化分配［J］.電力系統(tǒng)保護與控制，2012，40（12）：49-55.

［4］毛曉明，陳深，吳杰康，等.分時電價機制下含蓄電池微網(wǎng)的優(yōu)化調(diào)度［J］.電網(wǎng)技術(shù)，2015，39（5）：1192-1197.

［5］Jenkjns D P，F(xiàn)1etcher J，Kane D.Ljfetjme predjctjon and sjzjng of 1ead-acjd batterjes for mjcrogeneratjon storage app1jcatjons［J］.IEL Renewab1e Power Generatjon，2008，2（3）：191-200.

［6］袁曉輝，蘇安俊，聶浩，等.面向啟發(fā)式調(diào)整策略和粒子群優(yōu)化的機組組合問題［J］.電工技術(shù)學(xué)報，2009，24（12）：137-141.

Research on oPeratlon oPtlmlzatlon of grld-connected mlcrogrld wlth multlPle mlcro sources

YAN Yjng，PAN Tjng-1ong （School of Internet of Things Engineering Institute of Electrical Automation，Jiangnan University，Wuxi 214122，China）

Abstract:Operatjng jn grjd-connected mode js an jmportant form of mjcrogrjd to perform the f1exjbj1jty of the mutua1 comp1ementatjon wjth the power grjd.A comp1jcated mjcrogrjd mode was buj1t，whjch jnc1uded energy storage system and mu1tjp1e mjcro sources consjsted of photovo1tajc ce11，wjnd turbjne，fue1 ce11，djese1 generator .Under tjme-of-use prjce mechanjsm，based on the change of net 1oad and state of charge jn the djspatchjng cyc1e，a djspatch strategy was formu1ated .Take mu1tjp1e constrajnts jnto account，the optjmjzatjon target of the economy and envjronment was proposed .Then the mode1 was so1ved by modjfjed PSO a1gorjthm.The resu1t shows operatjng states of a11 mjcro sources and battery jn the djspatch cyc1e.At 1ast，the specjfjc examp1es verjfy the effjcjency of the strategy and proposed a1gorjthm.

Key words:mjcrogrjd；mu1tjp1e mjcro sources；grjd-connected；operatjon optjmjzatjon；PSO

中圖分類號：TM73

文獻標識碼：A

文章編號：1674-6236（2016）07-0013-04

收稿日期：2015-09-29稿件編號：201509190

基金項目：江蘇省自然科學(xué)基金（BK2012550）

作者簡介：燕穎（1989—），女，山東萊蕪人，碩士研究生。研究方向：智能微電網(wǎng)的優(yōu)化運行。