曹曉宇 王建學 張 忠 成宏亮

(陜西省智能電網(wǎng)重點實驗室(西安交通大學電氣工程學院) 西安 710049)

?

基于長期運行模擬的獨立型微網(wǎng)規(guī)劃方案動態(tài)評估

曹曉宇 王建學 張 忠 成宏亮

(陜西省智能電網(wǎng)重點實驗室(西安交通大學電氣工程學院) 西安 710049)

為了評估獨立型微網(wǎng)對于運行條件逐年動態(tài)變化的適應(yīng)度，提出一種基于長期運行模擬的微網(wǎng)規(guī)劃方案動態(tài)評估方法。首先建立動態(tài)評估的多時間尺度理論框架，并從可靠性、經(jīng)濟性、高效性、環(huán)保性等多個方面構(gòu)建方案評估的指標體系。然后提出適應(yīng)動態(tài)評估的長期運行模擬方法，在全壽命周期層面通過動態(tài)模型模擬外部環(huán)境與內(nèi)部結(jié)構(gòu)因素的逐年變化，在年運行層面通過序貫蒙特卡洛法模擬短期不確定性因素的隨機變化。針對獨立型風光柴儲微網(wǎng)算例，通過與國際常用微網(wǎng)規(guī)劃軟件HOMER的結(jié)果對比，驗證所提方法的正確性和有效性。算例結(jié)果表明，所提動態(tài)評估方法可以在不同場景下得到規(guī)劃方案的綜合指標結(jié)果和時序指標集，比靜態(tài)評估更加全面、靈活，能夠為微網(wǎng)規(guī)劃及其擴展方案的制定提供科學合理的依據(jù)。

獨立型微網(wǎng) 動態(tài)評估 長期運行模擬 多時間尺度

0 引言

隨著分布式發(fā)電與儲能技術(shù)的日益成熟，獨立型微網(wǎng)(stand-alone microgrid)在解決偏遠地區(qū)的供電問題上得到了廣泛應(yīng)用。引入微網(wǎng)可以合理利用當?shù)氐那鍧嵞茉窗l(fā)電，逐步取代以小型燃料機組為主的高耗能、高排放的傳統(tǒng)孤島供電模式[1]。為了滿足電能質(zhì)量要求并提高微網(wǎng)的經(jīng)濟與環(huán)境效益，在投建前應(yīng)針對備選規(guī)劃方案進行評估與比較，作為規(guī)劃決策的依據(jù)。

在微網(wǎng)規(guī)劃方案評估中應(yīng)能夠體現(xiàn)分布式電源與儲能的各自特點，并充分考慮以孤島系統(tǒng)為整體的協(xié)調(diào)運行策略[2]。文獻[3，4]采用準穩(wěn)態(tài)仿真法，根據(jù)已有的負荷與氣象數(shù)據(jù)逐時模擬微網(wǎng)全壽命周期內(nèi)的新能源出力與運行策略。該方法雖然能給出較為完整的評估結(jié)果，但無法計及新能源出力、負荷等的隨機波動，屬于確定性評估方法。由于微網(wǎng)運行受大量不確定性因素影響，更有效的評估方法是對微網(wǎng)未來運行進行概率性模擬。文獻[5]建立了計及風光荷預測誤差與元件故障停運的微網(wǎng)功率不確定性模型。文獻[6]則借助虛擬發(fā)電廠(Virtual Power Plant，VPP)進行微網(wǎng)概率性建模，并采用非序貫蒙特卡洛模擬評估微網(wǎng)可靠性；考慮到微網(wǎng)運行狀態(tài)間的時序相關(guān)性。文獻[7，8]在分布式電源時序模型的基礎(chǔ)上采用序貫蒙特卡洛模擬(Sequential Monte Carlo Simulation，SMCS)進行可靠性評估。文獻[9]在SMCS的算法框架下加入負荷與儲能的協(xié)調(diào)優(yōu)化模型，研究了用戶用電習慣與儲能運行特性對微網(wǎng)可靠性的影響。文獻[10，11]進一步將概率性模擬用于經(jīng)濟性、環(huán)保性等微網(wǎng)其他性能的評估中。除了上述不確定性因素外，系統(tǒng)特征的逐年變化也會對微網(wǎng)長期運行造成影響。例如，負荷增長會造成可靠性下降，能源價格波動會影響微網(wǎng)運行的經(jīng)濟效益，更換老化元件將產(chǎn)生額外成本等。若要考慮這些重要參數(shù)變化對微網(wǎng)長期運行的影響，就要求從靜態(tài)評估拓展到動態(tài)評估，并針對不同時間階段評估規(guī)劃方案對于系統(tǒng)核心參數(shù)變化的適應(yīng)性。當初始規(guī)劃方案無法適應(yīng)某一階段的系統(tǒng)變化時，還應(yīng)根據(jù)評估結(jié)果對電源配置與運行策略[12]進行階段性調(diào)整，形成擴展規(guī)劃方案。全方位、多時間尺度的動態(tài)評估[13]，才能更加適用于獨立型微網(wǎng)規(guī)劃及其擴展方案的評估與比較。

本文將針對現(xiàn)有概率性評估理論做進一步擴展，綜合考慮逐年變化系統(tǒng)特征與短期不確定性因素對獨立型微網(wǎng)運行的影響，提出了微網(wǎng)規(guī)劃方案的動態(tài)評估方法。本文主要完成兩項工作：①立足于時間與指標兩個維度，建立了動態(tài)評估的理論框架與指標體系，從經(jīng)濟性、可靠性、高效性、環(huán)保性等多個方面進行方案評估；②在包含全壽命周期與年運行的多時間尺度下，提出適應(yīng)動態(tài)評估的微網(wǎng)長期運行模擬方法，并通過獨立型風光柴儲微網(wǎng)典型算例驗證了所提方法的有效性。

1 微網(wǎng)規(guī)劃方案動態(tài)評估的理論基礎(chǔ)

1.1 動態(tài)評估框架

微網(wǎng)規(guī)劃方案的靜態(tài)評估多在階段性運行(一年或相鄰數(shù)年)時間尺度下進行，根據(jù)確定階段內(nèi)的靜態(tài)系統(tǒng)特征計算相關(guān)指標；動態(tài)評估則將時間尺度拓展至微網(wǎng)運行的全壽命周期，考慮系統(tǒng)特征在不同階段間的動態(tài)變化，得到包含時間與指標兩個維度的評估結(jié)果[14]。系統(tǒng)特征因素可以分為外部環(huán)境因素與內(nèi)部結(jié)構(gòu)因素[15]：①外部環(huán)境因素諸如用電需求、能源價格，主要受到居民生活水平、經(jīng)濟條件與國家能源政策等的影響;②內(nèi)部結(jié)構(gòu)因素包括元件類型、容量與經(jīng)濟參數(shù)等。其中，部分元件的老化與更換將導致其容量發(fā)生變化；元件經(jīng)濟參數(shù)，如購置價格受到科技水平與制造工藝變化的影響。

動態(tài)評估可以劃分為不同階段的靜態(tài)評估。在同一階段內(nèi)認為系統(tǒng)特征保持不變，微網(wǎng)運行狀態(tài)主要受到新能源間歇性出力、負荷波動與元件故障停運等短期不確定性因素影響。按照時間順序?qū)Σ煌A段的評估結(jié)果進行排列，可以得到帶有時間標度的指標集，并以此作為微網(wǎng)規(guī)劃的決策依據(jù)。微網(wǎng)動態(tài)評估的時間尺度、主要影響因素及評估方法見表1。

表1 微網(wǎng)規(guī)劃方案動態(tài)評估框架Tab.1 Dynamic assessment framework of microgrid planning

另外，評估階段的劃分可以根據(jù)投資方的主觀判斷，也可以通過求解優(yōu)化模型得到。本文不討論評估階段的具體劃分方式，僅以年為單位進行劃分。

1.2 指標體系

全方位、多層次的指標體系是動態(tài)評估的重要基礎(chǔ)。微網(wǎng)規(guī)劃方案除了應(yīng)滿足持續(xù)可靠供電、經(jīng)濟高效運行的基本要求外，還應(yīng)發(fā)揮節(jié)能減排作用，充分利用當?shù)刈匀毁Y源實現(xiàn)清潔、綠色發(fā)電。本文參照文獻[18]，構(gòu)建了包含經(jīng)濟性、可靠性、高效性與環(huán)保性在內(nèi)的動態(tài)評估指標體系，見表2。

表2 動態(tài)評估指標體系Tab.2 Index system of dynamic assessment

本文僅詳細介紹凈現(xiàn)值成本與環(huán)境保護成本，其余指標的計算方法見文獻[18]。

1)凈現(xiàn)值成本。

根據(jù)微網(wǎng)全壽命周期內(nèi)的電源投資、元件更換與運行費用等情況，采用凈現(xiàn)值成本(Net Present Cost，NPC)衡量方案的經(jīng)濟效益[19]，即

Cnpc=Ccap+Copr+Cout+Cend

(1)

(2)

(3)

(4)

2)環(huán)境保護成本。

燃料型電源排放的污染物會對周邊環(huán)境造成負面影響。采用環(huán)境保護成本Cenv衡量方案的環(huán)境效益[20]，即

(5)

2 適應(yīng)動態(tài)評估的長期運行模擬方法

本文以獨立型風光柴儲微網(wǎng)為典型例子來研究長期運行模擬的實現(xiàn)方法，該系統(tǒng)的主要元件集合Xc={WT，PV，DG，BAT}。其中，新能源電源為風力發(fā)電機(Wind Turbine，WT)與光伏陣列(Photovoltaic Cell，PV)，可控元件為柴油發(fā)電機(Diesel Generator，DEG)與蓄電池(Battery，BAT)。

2.1 總體流程

與動態(tài)評估理論相對應(yīng)，長期運行模擬在包含全壽命周期與年運行的多時間尺度下進行，總體流程如圖1所示。其中，全壽命周期指微網(wǎng)工程的預期壽命，一般為15～20年，年運行周期為8 760 h。

結(jié)合研究的時間尺度，微網(wǎng)長期運行模擬分為內(nèi)、外兩層算法。外層算法為全壽命周期層面的逐年運行模擬，計算當前年的負荷峰值、能源價格與元件價格，為內(nèi)層算法構(gòu)建動態(tài)場景。內(nèi)層算法為年運行層面的序貫蒙特卡洛模擬，首先進行短期不確定性因素模擬，生成新能源出力與負荷的隨機序列，并根據(jù)狀態(tài)持續(xù)時間抽樣得到元件故障狀態(tài)序列；之后，逐時執(zhí)行預設(shè)運行策略，根據(jù)凈負荷削減結(jié)果評估系統(tǒng)狀態(tài)，并計算年運行指標。根據(jù)年運行模擬結(jié)果更新元件老化狀態(tài)，當需要進行元件更換(或容量擴建)時，計算當前年的更換成本與殘值(或擴建成本)。完成逐年運行模擬后，計算全壽命周期指標。

圖1 長期運行模擬流程Fig.1 Flow chart of long-term simulation

2.2 全壽命周期層面的逐年運行模擬

2.2.1 外部環(huán)境因素模擬

當前對長期負荷與能源價格未來走勢的預測難度較大，且難以確定其隨機變化的概率分布形式[16]。因此，在逐年模擬中采用確定性的負荷增長率與柴油價格變化率場景，對應(yīng)年負荷峰值與柴油價格變化的指數(shù)模型為

(6)

(7)

2.2.2 內(nèi)部結(jié)構(gòu)因素模擬

風光柴儲型微網(wǎng)的預期壽命取決于光伏或風機的運行壽命，其余元件的運行壽命則相對較短(一般為3～10年[18])，需要在全壽命周期層面進行老化模擬。

1)柴油機老化模擬。

假設(shè)柴油機的壽命衰減程度與運行時間成正比[17]，采用壽命衰減系數(shù)模擬柴油機老化，即

(8)

式中，λy為第y年的柴油機壽命衰減系數(shù)；Lnom為柴油機額定運行壽命；Lj為第j年的柴油機運行時間；ye為上一次更換柴油機的年份。柴油機更換準則是λy不能小于0。

2)蓄電池老化模擬。

蓄電池老化速率與其充放電策略有關(guān)[21]。在恒定放電深度下，蓄電池的容量損耗程度主要取決于充放電循環(huán)次數(shù)[22]，采用容量損耗系數(shù)進行衡量，即

(9)

(10)

3)動態(tài)價格模擬。

隨著科技發(fā)展與生產(chǎn)經(jīng)驗積累，元件價格將經(jīng)歷一個逐年遞減的階段，并在技術(shù)成熟后趨于平穩(wěn)。以光伏電池為例，價格變化趨勢如圖2所示[15]。采用分段指數(shù)函數(shù)擬合元件價格的動態(tài)變化，即

(11)

圖2 光伏價格變化趨勢Fig.2 Variation trend of PV module price

(12)

若達到臨界價格，則說明元件k的生產(chǎn)技術(shù)已經(jīng)成熟，價格趨于平穩(wěn)。

2.2.3 系統(tǒng)級模擬

在逐年運行模擬中，根據(jù)第y年的內(nèi)層算法結(jié)果計算下一年初的柴油機和儲能老化狀態(tài)

(13)

(14)

式中，Irep，k為元件更換標志(k∈{DG，BAT})， 滿足更換條件時取1，否則取0。當元件滿足更換條件時，需重置老化狀態(tài)，并計算更換成本與殘值

(15)

(16)

(17)

與圖1對應(yīng)，逐年運行模擬的具體流程如下：

A3：針對第y年執(zhí)行SMCS，得到年運行指標。

A4：根據(jù)式(13)、式(14)更新柴儲老化狀態(tài)與儲能容量。若有元件滿足更換條件，前往步驟A5；否則，前往步驟A6。

A5：令λy=1或ψy=1，并根據(jù)式(11)～式(17)計算元件更換成本與殘值。

A6：若y

A7：計算全壽命周期評估指標，算法終止。

2.3 年運行層面的序貫蒙特卡洛模擬

2.3.1 短期不確定性因素模擬

年運行模擬中考慮的不確定性因素主要有新能源出力、負荷和元件故障。其中，負荷曲線可以根據(jù)歷史數(shù)據(jù)與隨機擾動合成[4]，風光出力與元件故障的模擬方法如下。

1)光伏出力模擬。

若忽略溫度的影響，光伏出力主要與光照強度有關(guān)，即

(18)

2)風電出力模擬。

風電出力根據(jù)風速-功率轉(zhuǎn)換特性曲線計算，即

(19)

(20)

式中，θ為衰減系數(shù)；μ為平均風速；Φ(·)為含Weibull分布信息的概率函數(shù)；Wy，t為滿足一維布朗運動的隨機變量。

3)元件故障模擬。

根據(jù)兩狀態(tài)馬爾科夫模型，元件存在運行與故障兩種交替出現(xiàn)的狀態(tài)，依次針對元件的無故障工作時間(Time to Failure，TTF)tTTF與修復時間(Time to Repair，TTR)tTTR進行抽樣

tTTF=-tMTTFlnU1

(21)

tTTR=-tMTTRlnU2

(22)

2.3.2 系統(tǒng)級模擬

根據(jù)模擬得到的新能源出力、負荷與元件可用容量逐時計算凈負荷

(23)

負荷跟隨策略以電力電量平衡為首要原則，未考慮儲能的充放電管理。為了充分發(fā)揮儲能的削峰填谷作用，本文在負荷跟隨策略的基礎(chǔ)上，結(jié)合負荷特性分析提出了一種分時充放電運行策略：

2)分時充放電策略：蓄電池在日負荷的峰平谷時段遵循不同的充放電策略。在峰時段，按照負荷跟隨策略削減凈負荷；在平時段或谷時段，若新能源出力不足，優(yōu)先啟動柴油機向用戶供電。當柴油機發(fā)電容量充足時，在滿足用電需求之余提高出力向蓄電池充電；當柴油機發(fā)電容量不足時，通過蓄電池放電填補功率缺額。

(24)

與圖1對應(yīng)，年運行模擬的具體流程如下：

a1：從外層算法中導入第y年的運行場景，并輸入SMCS的計算參數(shù)，包括風光荷歷史數(shù)據(jù)；元件可靠性參數(shù)與其他技術(shù)參數(shù)。設(shè)置迭代精度ε與迭代次數(shù)上限Nmax，令迭代次數(shù)i=1。

a2：針對第i次迭代，根據(jù)2.3.1節(jié)中的方法隨機生成風光出力與負荷序列，通過狀態(tài)持續(xù)時間抽樣得到元件故障狀態(tài)序列。令運行時間t=1、SOCt=1。

a3：針對時段t，根據(jù)式(23)計算系統(tǒng)凈負荷。

a4：在預設(shè)運行策略下進行功率調(diào)節(jié)，計算溢出功率與失負荷功率，并判斷系統(tǒng)狀態(tài)。

a5：若t

a6：計算第i次迭代的EXC、LPSP，并根據(jù)式(24)計算β。若β>ε且i

a7：計算年運行指標，并向外層算法返回模擬結(jié)果。

3 算例分析

3.1 基礎(chǔ)數(shù)據(jù)

針對我國西北地區(qū)某獨立型風光柴儲微網(wǎng)的規(guī)劃方案進行評估，說明所提方法的有效性。微網(wǎng)元件的經(jīng)濟參數(shù)見表3[26]，技術(shù)參數(shù)詳見文獻[27]；主要污染物的治理成本系數(shù)見表4[28]；失負荷價值系數(shù)為20元/(kW·h)；安裝工程費的占比為2%，折現(xiàn)率取4%；微網(wǎng)工程的預期壽命為20年，初始負荷峰值為200kW；柴油價格為1.06元/L；換流器的整流與逆變效率均為95%。

SMCS的模擬步長為1h，模擬時間為8 760 h；迭代精度ε=0.05，迭代次數(shù)上限Nmax=10 000。元件可靠性參數(shù)tMTTF取950 h，tMTTR取50 h。當?shù)毓庹諒姸取L速與負荷的歷史曲線如圖3所示。在年運行模擬中，首先根據(jù)風光歷史數(shù)據(jù)進行參數(shù)擬合；之后分別采用隨機分解法與隨機微分方程法(詳見2.3.1節(jié))生成光照強度與風速的時間序列；最后，根據(jù)式(18)和式(19)將光照強度與風速轉(zhuǎn)化為光伏與風電出力。

表3 元件經(jīng)濟參數(shù)Tab.3 Economic parameters of components

表4 主要污染物治理成本Tab.4 Major pollution control expenditures

圖3 自然資源與負荷歷史曲線Fig.3 Historical data of natural resource and load

算例分析內(nèi)容包括：①針對同一規(guī)劃方案，在不同外部環(huán)境場景下進行動態(tài)評估，并與HOMER軟件的評估結(jié)果作對比；②在同一外部環(huán)境場景下，針對不同規(guī)劃方案進行動態(tài)評估與比較。其中，在不同新能源滲透率REP約束下，通過HOMER得到的經(jīng)濟性最優(yōu)的規(guī)劃方案見表5。在HOMER的優(yōu)化設(shè)計中僅根據(jù)靜態(tài)評估結(jié)果對備選方案進行排序篩選。

表5 不同新能源滲透率下的最優(yōu)方案Tab.5 Optimal schemes with different constraints of renewable energy penetration

3.2 不同外部環(huán)境因素下的動態(tài)評估

在方案1的基礎(chǔ)上，設(shè)置不同的負荷與柴油價格增長率場景(見表6)，并通過長期運行模擬對該方案進行動態(tài)評估。為了便于與HOMER對比，在負荷跟隨策略下進行各場景的運行模擬。

表6 外部環(huán)境場景Tab.6 External environment scenarios

HOMER與動態(tài)評估的綜合指標結(jié)果見表7?？梢钥闯?，當負荷與油價均不增長時，動態(tài)評估的大部分結(jié)果與HOMER差距不大，驗證了本文所提方法的正確性與有效性。與HOMER的確定性評估相比，動態(tài)評估考慮元件故障與新能源出力波動，發(fā)電容量充裕度降低，因此停電概率LPSP稍高于HOMER，新能源溢出率EXC相對較低；動態(tài)評估考慮了柴油機停運，污染物排放量減少，使得環(huán)境保護成本略低于HOMER。另外，由于動態(tài)評估得到的期望停電量偏高，增加了停電損失，凈現(xiàn)值成本NPC略高于HOMER。從表7可以看出，扣除停電損失后，動態(tài)評估與HOMER得到的度電成本COE基本相同。

從表7還可以看出，考慮外部場景動態(tài)變化后系統(tǒng)指標變化明顯。為進一步說明問題，給出了不同場景下的指標變化情況，如圖4所示?？梢钥闯觯斬摵稍鲩L時(場景2、4)，停電概率LPSP逐年上升，自治度LA下降，新能源溢出率EXC下降；當負荷不增長時(場景1、3)，LPSP、LA與EXC在運行周期內(nèi)基本保持不變。

表7 不同場景下的綜合指標結(jié)果Tab.7 Overall index in different scenarios

圖4 不同場景下的指標變化情況Fig.4 Index variation in different scenarios

經(jīng)濟性指標由于同時受負荷、油價、元件更換與停電損失等因素影響，波動更加復雜，需要深入討論。由于考慮元件老化與更換，度電成本COE沿鋸齒形曲線變化，其局部尖峰對應(yīng)元件更換的發(fā)生時間(見圖4d)。當負荷增長而油價不變時(場景2)，度電成本COE呈上升趨勢。在未安排元件更換的年份，COE升高的主導因素是停電損失的逐年增加；而安排元件更換的年份，由于停電損失與更換成本的疊加效應(yīng)，COE升高更加顯著，且在運行周期中共發(fā)生5次元件更換。當油價上漲而負荷不變時(場景3)，一方面由于油價上漲，度電成本COE升高；另一方面由于負荷不增長，柴儲利用率較低，減緩了老化進程，因此僅發(fā)生了3次元件更換。當負荷與油價同時增長時(場景4)，油價增長使得度電成本COE在場景2的基礎(chǔ)上進一步升高。

綜上，雖然動態(tài)評估與HOMER均能得到綜合評估指標，但在動態(tài)評估結(jié)果中體現(xiàn)了逐年變化因素與短期不確定性因素對微網(wǎng)長期運行的影響，能夠得到各項指標的變化情況，從而為規(guī)劃提供更加全面準確的決策信息。

3.3 不同規(guī)劃方案下的動態(tài)評估

從以上分析可以看出，考慮外部因素變化時，HOMER中的最優(yōu)方案難以維持初始指標水平。為解決這一問題，針對初始方案的電源配置與運行策略進行階段性調(diào)整。假設(shè)負荷與油價增長率均為2%，規(guī)劃階段的可靠性要求為停電概率LPSP≤2%，自治度LA≥90%。以方案2為例，可以通過3種調(diào)整方式滿足規(guī)劃要求。

1)方案2A(運行策略調(diào)整)：保持電源配置不變，運行策略由負荷跟隨策略調(diào)整為分時充放電策略。

2)方案2B(電源配置調(diào)整)：保持運行策略不變，第9年末將柴油機容量增至180 kW，光伏容量增至120 kW，風機容量增至144 kW，蓄電池容量增至120 kW·h。

3)方案2C(分階段協(xié)調(diào)規(guī)劃)：同時調(diào)整電源配置與運行策略，規(guī)劃周期劃分為7年+7年+6年。前7年采用原始方案；第7年末將柴油機容量增至180 kW，改用分時充放電策略；第14年末將光伏容量增至120 kW，風機容量增至144 kW，蓄電池容量增至120 kW·h，采用分時充放電策略。

針對不同方案特點進行歸納。方案1、2均為表5中給出的初始規(guī)劃方案，其中方案1的新能源滲透率高于方案2。方案2A、2B、2C為方案2基礎(chǔ)上的擴展規(guī)劃方案：方案2A僅調(diào)整運行策略；方案2B較集中地擴充了電源容量；而方案2C的擴建時間更加分散，且與運行策略調(diào)整相配合。不同規(guī)劃方案的評估結(jié)果見表8與圖5。

表8 不同方案下的綜合指標結(jié)果Tab.8 Overall index of different schemes

圖5 不同方案下的指標變化情況Fig.5 Index variation of different schemes

通過方案對比得出以下結(jié)論：

1)總體而言，方案2的可靠性與高效性優(yōu)于方案1。但從圖5可以看出，隨著負荷增長，方案2從第11年開始不再滿足供電可靠率要求。

2)與方案2相比，方案2A通過調(diào)整運行策略降低了停電概率LPSP與度電成本COE，驗證了分時充放電策略對于儲能運行的優(yōu)化效果，可以在不加裝電源的前提下改善系統(tǒng)可靠性。但從圖5可以看出，單純調(diào)整運行策略無法改變各項指標的變化趨勢，仍難以滿足電能質(zhì)量要求。

3)與方案2相比，方案2B通過增加分布式電源與儲能容量延緩了可靠性惡化，較大程度上降低了停電概率LPSP，能夠滿足各年度的電能質(zhì)量要求。從表8可以看出，不考慮停電損失時，方案2與方案2B的度電成本相近；計及停電損失后，方案2B的度電成本遠低于方案2，說明通過改善可靠性獲得了可觀的經(jīng)濟效益。

4)方案2C與方案2B的最終配置方案相同，但通過分階段協(xié)調(diào)規(guī)劃進一步提高了可靠性與經(jīng)濟性水平。根據(jù)圖5，方案2C的度電成本COE變化相比方案2B更加平緩，總體水平低于其他方案。主要原因是方案2C采取分散投資策略，合理利用運行策略調(diào)整將各年度的停電概率控制在更低水平，取得了更加顯著的可靠性收益。

綜上，動態(tài)評估不僅適用于初始方案的評估和比較，還能夠評價電源配置與運行策略的調(diào)整效果，為擴展規(guī)劃方案的制定提供了理論依據(jù)。因此，動態(tài)評估比現(xiàn)有方法更加靈活，適用面更廣。

4 結(jié)論

本文提出了獨立型微網(wǎng)規(guī)劃方案的動態(tài)評估方法。建立動態(tài)評估的多時間尺度理論框架與指標體系，并研究了與之相適應(yīng)的長期運行模擬方法。微網(wǎng)長期運行模擬在全壽命周期層面通過動態(tài)模型模擬外部環(huán)境與內(nèi)部結(jié)構(gòu)因素的逐年變化，在年運行層面通過序貫蒙特卡洛法模擬短期不確定性因素的隨機變化，從經(jīng)濟性、可靠性、高效性、環(huán)保性等多個方面得到規(guī)劃方案的時序指標集。算例結(jié)果表明，本文所提動態(tài)評估方法具有正確性與有效性，與現(xiàn)有方法相比更加全面、靈活，能夠為微網(wǎng)規(guī)劃及其擴展方案的制定提供科學合理的依據(jù)。

[1] 楊歡，趙榮祥，辛煥海，等.海島電網(wǎng)發(fā)展現(xiàn)狀與研究動態(tài)[J].電工技術(shù)學報，2013，28(11)：95-105. Yang Huan，Zhao Rongxiang，Xin Huanhai，et al.Development and research status of island power systems[J].Transactions of China Electrotechnical Society，2013，28(11)：95-105.

[2] 姜世公，李琰，王衛(wèi).一種微網(wǎng)系統(tǒng)孤島運行條件下的能量管理策略[J].電工技術(shù)學報，2014，29(2)：130-135. Jiang Shigong，Li Yan，Wang Wei.A novel power management strategy for microgrid on islanding mode[J].Transactions of China Electrotechnical Society，2014，29(2)：130-135.

[3] Notton G，Muselli M，Poggi P，et al.Autonomous photovoltaic systems：Influences of some parameters on the sizing：simulation timestep，input and output power profile[J].Renewable Energy，1996，7(4)：353-370.

[4] Lambert T，Gilman P，Lilienthal P.Micropower system modeling with homer[M].New York：John Wiley & Sons，Inc.，2006.

[5] 施琳，羅毅，涂光瑜，等.微網(wǎng)功率不確定性模型及其在旋轉(zhuǎn)備用優(yōu)化中的應(yīng)用[J].電力系統(tǒng)保護與控制，2013，41(18)：37-44. Shi Lin，Luo Yi，Tu Guangyu，et al.Uncertain model of microgrid power and its application in optimal scheduling of spinning reserve[J].Power System Protection and Control，2013，41(18)：37-44.

[6] Bie Zhaohong，Zhang Peng，Li Gengfeng，et al.Reliability evaluation of active distribution systems including microgrids[J].IEEE Transactions on Power Systems，2012，27(4)：2342-2350.

[7] 王楊，謝開貴，胡博，等.基于時序模擬的離網(wǎng)型微網(wǎng)可靠性分析[J].電工技術(shù)學報，2016，31(6)：206-211. Wang Yang，Xie Kaigui，Hu Bo，et al.Reliability analysis of islanded microgrid based on sequential simulation[J].Transactions of China Electrotechnical Society，2016，31(6)：206-211.

[8] Wang Shouxiang，Li Zhixin，Wu Lei，et al.New metrics for assessing the reliability and economics of microgrids in distribution system[J].IEEE Transactions on Power Systems，2013，28(3)：2852-2861.

[9] 別朝紅，李更豐，謝海鵬.計及負荷與儲能裝置協(xié)調(diào)優(yōu)化的微網(wǎng)可靠性評估[J].電工技術(shù)學報，2014，29(2)：64-73. Bie Zhaohong，Li Gengfeng，Xie Haipeng.Reliability evaluation of microgrids considering coordinative optimization of loads and storage devices[J].Transactions of China Electrotechnical Society，2014，29(2)：64-73.

[10]曾鳴，李娜，馬明娟，等.考慮不確定因素影響的獨立微網(wǎng)綜合性能評價模型[J].電網(wǎng)技術(shù)，2013，37(1)：1-8. Zeng Ming，Li Na，Ma Mingjuan，et al.An integrated performance evaluation model of independent microgrid considering impacts of uncertain factors[J].Power System Technology，2013，37(1)：1-8.

[11]Zhang Linfeng，Xiang Jing.The performance of a grid-tied microgrid with hydrogen storage and a hydrogen fuel cell stack[J].Energy Conversion & Management，2014，87(11)：421-427.

[12]朱博，陳民鈾，徐瑞林，等.孤島模式下的微網(wǎng)優(yōu)化運行策略[J].電力系統(tǒng)保護與控制，2012，40(17)：35-40. Zhu Bo，Chen Minyou，Xu Ruilin，et al.An optimal operation strategy of islanded microgrid[J].Power System Protection and Control，2012，40(17)：35-40.

[13]郭亞軍.一種新的動態(tài)綜合評價方法[J].管理科學學報，2002，5(2)：49-54. Guo Yajun.New theory and method of dynamic comprehensive evaluation[J].Journal of Management Science in China，2002，5(2)：49-54.

[14]顧雪平，王大江，梁海平，等.電力系統(tǒng)擴展黑啟動方案動態(tài)綜合評估[J].電工技術(shù)學報，2015，30(3)：44-52. Gu Xueping，Wang Dajiang，Liang Haiping，et al.Dynamic comprehensive assessment of power system extended black-start plans[J].Transactions of China Electrotechnical Society，2015，30(3)：44-52.

[15]Jeon C，Shin J.Long-term renewable energy technology valuation using system dynamics and Monte Carlo simulation：Photovoltaic technology case[J].Energy，2014，66(4)：447-457.

[16]Carpaneto E，Chicco G，Mancarella P，et al.Cogeneration planning under uncertainty.Part II：Decision theory-based assessment of planning alternatives[J].Applied Energy，2011，88(4)：1075-1083.

[17]Xiao Jun，Bai Linquan，Li Fangxing，et al.Sizing of energy storage and diesel generators in an isolated microgrid using Discrete Fourier Transform (DFT)[J].IEEE Transactions on Sustainable Energy，2014，5(3)：907-916.

[18]Chauhan A，Saini R P.A review on Integrated Renewable Energy System based power generation for stand-alone applications：Configurations，storage options，sizing methodologies and control[J].Renewable and Sustainable Energy Reviews，2014，38(10)：99-120.

[19]韓璐，李鳳婷，周二雄，等.基于成本-收益的微網(wǎng)分布式能源優(yōu)化配置[J].電工技術(shù)學報，2015，30(14)：388-396. Han Lu，Li Fengting，Zhou Erxiong，et al.The distributed energy optimization configuration of microgrid based on cost-benefit[J].Transactions of China Electrotechnical Society，2015，30(14)：388-396.

[20]吳耀文，馬溪原，孫元章，等.微網(wǎng)高滲透率接入后的綜合經(jīng)濟效益評估與分析[J].電力系統(tǒng)保護與控制，2012，40(13)：49-54. Wu Yaowen，Ma Xiyuan，Sun Yuanzhang，et al.Overall economic evaluation and analysis of accession of microgrids with high penetration[J].Power System Protection and Control，2012，40(13)：49-54.

[21]Zhang Zhong，Wang Jianxue，Cao Xiaoyu.Economic dispatch of microgrid considering optimal management of lithium batteries[C]//2014 International Conference on Power System Technology，Chengdu，2014：3194-3199.

[22]Kumai K，Ikeya T，Ishihara K，et al.Degradation mechanism due to decomposition of organic electrolyte in Li/MoS2 cells during long cycling[J].Journal of Power Sources，1998，70(2)：235-239.

[23]Graham V A，Hollands K G T.A method to generate synthetic hourly solar radiation globally[J].Solar Energy，1990，44(6)：333-341.

[24]Zhang Ning，Kang Chongqing，Duan Changgang，et al.Simulation methodology of multiple wind farms operation considering wind speed correlation[J].International Journal of Power and Energy Systems，2010，30(4)：264-273.

[25]Dufo-Lopez R，Bernal-Agustín J L.Design and control strategies of PV-Diesel systems using genetic algorithms[J].Solar Energy，2005，79(1)：33-46.

[26]梁惠施，程林，蘇劍.微網(wǎng)的成本效益分析[J].中國電機工程學報，2011，31(S1)：38-44. Liang Shihui，Cheng Lin，Su Jian.Cost benefit analysis for microgrid[J].Proceedings of the CSEE，2011，31(S1)：38-44.

[27]郭力，劉文建，焦冰琦，等.獨立微網(wǎng)系統(tǒng)的多目標優(yōu)化規(guī)劃設(shè)計方法[J].中國電機工程學報，2014，34(4)：524-536. Guo Li，Liu Wenjian，Jiao Bingqi，et al.Multi-objective optimal planning design method for stand-alone microgrid system[J].Proceedings of the CSEE，2014，34(4)：524-536.

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

Dynamic Assessment of Stand-Alone Microgrid Planning Using Long-Term Simulation

Cao Xiaoyu Wang Jianxue Zhang Zhong Cheng Hongliang

(Shanxi Key Laboratory of Smart Grid School of Electrical Engineering Xi’an Jiaotong University Xi’an 710049 China)

In order to assess the adaptability of stand-alone microgrid (MG) to the annually varied operation condition，a dynamic assessment approach for MG planning based on long-term simulation is proposed.Primarily，a multiple-time theoretical framework of dynamic assessment is established，while an index system is constructed to assess the reliability，efficiency，cost，and environmental benefits of the planning schemes.Subsequently，a novel long-term simulation method is developed to perform the dynamic assessment.In the proposed simulation method，the annually varied factors concerning external environment and internal structure are simulated by dynamic modeling in the life cycle of MG; and the short-term uncertainties are characterized by sequential Monte Carlo simulation in each year.In the case study of a typical stand-alone microgrid，the validity and effectiveness of the proposed approach is verified by comparing to the results of HOMER，which is commonly used in the MG planning.The proposed approach can provide the assessment results containing the overall indices as well as the time-sequencing index sets of planning schemes in different scenarios，which is more comprehensive and flexible than the conventional static assessment.Thus it can be utilized to facilitate the decision of MG planning and generation expansion.

Stand-alone microgrid，dynamic assessment，long-term simulation，multiple time frames

國家自然科學基金(51577146)和陜西省自然科學基礎(chǔ)研究計劃(2016JM5072)資助項目。

2015-06-09 改稿日期2015-12-03

TM715

曹曉宇 男，1990年生，博士研究生，研究方向為分布式發(fā)電系統(tǒng)和微電網(wǎng)的規(guī)劃與運行。

E-mail：cxykeven2013@stu.xjtu.edu.cn

王建學 男，1976年生，教授，博士生導師，研究方向為電力系統(tǒng)規(guī)劃與運行、新能源與分布式發(fā)電、電力市場等。

E-mail：jxwang@mail.xjtu.edu.cn(通信作者)