鄭恩澤， 顧潔， 劉波， 盧海勇

(1.上海交通大學(xué) 電子信息與電氣工程學(xué)院，上海 200240;2.上海電力設(shè)計(jì)院有限公司，上海 200240)

基于雙層優(yōu)化模型的多能互補(bǔ)微網(wǎng)儲(chǔ)能優(yōu)化配置

鄭恩澤1， 顧潔1， 劉波2， 盧海勇2

(1.上海交通大學(xué) 電子信息與電氣工程學(xué)院，上海 200240;2.上海電力設(shè)計(jì)院有限公司，上海 200240)

在多能互補(bǔ)微網(wǎng)系統(tǒng)中，為優(yōu)化儲(chǔ)能裝置在不同運(yùn)行狀態(tài)下的容量配置，建立了同時(shí)考慮離網(wǎng)及并網(wǎng)運(yùn)行狀態(tài)的儲(chǔ)能配置雙層優(yōu)化模型，采用考慮極值變異的混合型粒子群算法求解，獲得了儲(chǔ)能裝置并、離網(wǎng)狀態(tài)的協(xié)調(diào)優(yōu)化配置方案。算例驗(yàn)證結(jié)果表明，求解得到的儲(chǔ)能優(yōu)化配置結(jié)果比傳統(tǒng)單層優(yōu)化模型更優(yōu)，具有較快的收斂速度和較好的計(jì)算精度。研究結(jié)果為微網(wǎng)儲(chǔ)能優(yōu)化配置策略提供了參考。

多能互補(bǔ)微網(wǎng)；儲(chǔ)能優(yōu)化配置；離網(wǎng)運(yùn)行狀態(tài)；并網(wǎng)運(yùn)行狀態(tài)；雙層優(yōu)化；粒子群算法

Abstract: To optimize capacity configuration of energy storage devices in different operating status in multi-energy complementary micro-grids, we establish a bi-level optimization model for energy storage configuration which takes into account the off-grid and grid-connected operating states at the same time. By using the hybrid particle swarm algorithm with extremum mutation to calculate the model, we obtain a coordinated configuration scheme of such devices for both off-grid and grid-connected states. Results of example verification indicate that the optimal configuration obtained through solution of the model is more excellent than that of the traditional single-level model, and the algorithm has a fast convergence rate and good calculation accuracy. Results of the research work provide a reference for the optimal configuration of micro-grid energy storage.

Keywords: multi-energy complementary micro-grid; optimal configuration of energy storage; off-grid operating state; grid-connected operating state; bi-level optimization; particle swarm algorithm

0 引 言

隨著我國經(jīng)濟(jì)發(fā)展，傳統(tǒng)經(jīng)濟(jì)發(fā)展方式的能源利用效率低、污染嚴(yán)重等問題越發(fā)明顯。多能互補(bǔ)微網(wǎng)系統(tǒng)(以下簡稱微網(wǎng))將多種分布式能源、負(fù)荷、儲(chǔ)能元件結(jié)合在一起，實(shí)現(xiàn)了冷熱電聯(lián)產(chǎn)。然而微源出力的不確定性、微網(wǎng)的運(yùn)行狀態(tài)切換過程也給系統(tǒng)的穩(wěn)定運(yùn)行及其電能質(zhì)量造成了很大影響[1]。儲(chǔ)能裝置的引入有助于優(yōu)化微源配置，降低裝機(jī)及發(fā)電成本，提高電力系統(tǒng)設(shè)備的利用效率；有助于提高系統(tǒng)運(yùn)行的穩(wěn)定性[2]。

國內(nèi)外針對微網(wǎng)儲(chǔ)能優(yōu)化配置問題開展了大量研究。主要從削峰填谷、經(jīng)濟(jì)運(yùn)行等方面對儲(chǔ)能配置進(jìn)行優(yōu)化?，F(xiàn)有文獻(xiàn)以經(jīng)濟(jì)調(diào)度[3]、彌補(bǔ)風(fēng)電預(yù)測誤差[4]等目標(biāo)，對儲(chǔ)能優(yōu)化配置進(jìn)行研究。但現(xiàn)有研究大多將微網(wǎng)的并、離網(wǎng)運(yùn)行狀態(tài)割裂開來進(jìn)行考慮，建立儲(chǔ)能優(yōu)化配置模型[5]，缺乏同時(shí)考慮離網(wǎng)和并網(wǎng)運(yùn)行狀態(tài)需求的儲(chǔ)能優(yōu)化配置研究，優(yōu)化結(jié)果難以同時(shí)滿足不同運(yùn)行狀態(tài)下對儲(chǔ)能裝置容量的需求。

本文基于雙層優(yōu)化模型理論，建立綜合考慮離網(wǎng)和并網(wǎng)運(yùn)行狀態(tài)的微網(wǎng)儲(chǔ)能優(yōu)化配置模型。以離網(wǎng)運(yùn)行狀態(tài)下的儲(chǔ)能配置優(yōu)化作為上層優(yōu)化目標(biāo)，以并網(wǎng)運(yùn)行狀態(tài)下系統(tǒng)運(yùn)行優(yōu)化為目標(biāo)構(gòu)建下層模型，通過迭代得到儲(chǔ)能配置的優(yōu)化結(jié)果，以考慮極值變異的混合型粒子群算法對模型進(jìn)行求解。通過算例驗(yàn)證模型的有效性。

1 多能互補(bǔ)微網(wǎng)系統(tǒng)儲(chǔ)能配置的雙層優(yōu)化模型

本文綜合考慮微網(wǎng)離網(wǎng)狀態(tài)下的儲(chǔ)能優(yōu)化配置及并網(wǎng)狀態(tài)下的運(yùn)行優(yōu)化，目標(biāo)函數(shù)包括離網(wǎng)運(yùn)行狀態(tài)下的配置成本及并網(wǎng)運(yùn)行狀態(tài)下的運(yùn)行成本和環(huán)保成本,并將此問題轉(zhuǎn)化為雙層優(yōu)化問題。圖1為微網(wǎng)結(jié)構(gòu)與能流示意，微網(wǎng)中包括燃?xì)廨啓C(jī)、電制冷機(jī)、吸收式制冷機(jī)、余熱鍋爐、燃?xì)忮仩t、蓄冷設(shè)備、儲(chǔ)熱設(shè)備及儲(chǔ)能設(shè)備。

圖1 微網(wǎng)結(jié)構(gòu)示意圖

1.1 雙層優(yōu)化理論簡介

雙層優(yōu)化問題基本結(jié)構(gòu)為：上層優(yōu)化確定最優(yōu)解，下層優(yōu)化在上層模型的基礎(chǔ)上確定最優(yōu)解取值，然后將下層優(yōu)化結(jié)果返回到上層，通過迭代得到最優(yōu)解及其對應(yīng)的最優(yōu)值。其數(shù)學(xué)模型可以表示為：

st.x∈X={x:H(x)≤0},

st.g(x,y)≤0，y∈Y={y:G(y)≤0}

(1)

式中x為上層優(yōu)化的決策變量，F(xiàn)(x,y)為上層優(yōu)化模型的目標(biāo)函數(shù)，X為上層優(yōu)化模型中決策變量的可行域，H(x)為上層優(yōu)化模型中決策變量x滿足的約束；y為下層優(yōu)化模型的決策變量，Y為下層優(yōu)化模型中決策變量的可行域，g(x,y)、G(y)分別為下層優(yōu)化模型中的決策變量y滿足的約束。

1.2 多能互補(bǔ)微網(wǎng)系統(tǒng)儲(chǔ)能配置的上層優(yōu)化模型

以離網(wǎng)狀態(tài)下的微網(wǎng)儲(chǔ)能配置的經(jīng)濟(jì)性為目標(biāo)，考慮最大出力功率約束及爬坡率約束，構(gòu)建上層優(yōu)化模型。

1.2.1目標(biāo)函數(shù)

綜合考慮離網(wǎng)運(yùn)行狀態(tài)下儲(chǔ)能設(shè)備的年平均化成本與并網(wǎng)運(yùn)行狀態(tài)下的優(yōu)化目標(biāo)歸一化后通過線性加權(quán)的方式作為目標(biāo)函數(shù)，表示如下：

minF=ρ1·CBSE+ρ2·f

(2)

CBSE=(Civ+Cwe)·kde·n

(3)

式中CBSE為儲(chǔ)能裝置年平均化成本，單位為元；Civ為儲(chǔ)能裝置的投資成本，單位為元；Cwe為單位儲(chǔ)能裝置的維護(hù)成本；kde為儲(chǔ)能裝置的年折舊系數(shù)；n為儲(chǔ)能系統(tǒng)中蓄電池組的個(gè)數(shù)；f為下層優(yōu)化模型目標(biāo)函數(shù)的適應(yīng)值，受上層決策變量影響；ρ1、ρ2為權(quán)重系數(shù)。

1.2.2約束條件

建立微網(wǎng)離網(wǎng)狀態(tài)下儲(chǔ)能優(yōu)化配置模型時(shí)所考慮的約束條件。如下所示：

(4)

式中Pload，max為微網(wǎng)最大負(fù)荷，單位為 kW；PGT,max為燃?xì)廨啓C(jī)裝機(jī)容量，單位為 kW；PBSE,max為儲(chǔ)能裝置最大出力功率，單位為kW；ΔPU為上升率限制，單位為kW/h；ΔPD為下降率限制，單位為kW/h。

1.3 多能互補(bǔ)微網(wǎng)系統(tǒng)儲(chǔ)能配置的下層優(yōu)化模型

以并網(wǎng)狀態(tài)下的微網(wǎng)經(jīng)濟(jì)性和環(huán)保性為目標(biāo)構(gòu)建下層優(yōu)化模型。然后利用基于線性加權(quán)思想的隨機(jī)加權(quán)法對雙目標(biāo)問題進(jìn)行單目標(biāo)化處理。

1.3.1目標(biāo)函數(shù)

微網(wǎng)運(yùn)行優(yōu)化模型的優(yōu)化目標(biāo)包括經(jīng)濟(jì)性和環(huán)保性。本文采取隨機(jī)加權(quán)法，給每個(gè)目標(biāo)隨機(jī)分配權(quán)重，將其單目標(biāo)化，尋找目標(biāo)函數(shù)的最優(yōu)解。微網(wǎng)經(jīng)濟(jì)性成本包括微源的運(yùn)行成本、成本、微源設(shè)備的啟停成本、從電網(wǎng)購電成本。為滿足可持續(xù)發(fā)展要求，還應(yīng)該考慮到微網(wǎng)環(huán)保性。微網(wǎng)在運(yùn)行時(shí)的主要污染物中CO2占比最大，因此本文重點(diǎn)考慮該部分氣體排放物的排放，利用CO2排放系數(shù)將微網(wǎng)電力消耗量和天然氣消耗量轉(zhuǎn)化為CO2排放量。采用隨機(jī)加權(quán)法后的多目標(biāo)優(yōu)化函數(shù)可表示為：

f=k1f1+k2f2

(5)

式中k1、k2均為隨機(jī)數(shù)，0≤k1≤1，0≤k2≤1且k1+k2=1。Cr為微源的運(yùn)行成本，單位為元/kWh；Cm為微源的運(yùn)行維護(hù)成本，單位為元/kWh；Cs為微源的啟停成本，單位為元/次；MB為微網(wǎng)向電網(wǎng)購電的價(jià)格，單位為元/kWh。K(t)為微源的啟停狀態(tài)(0表示停，1表示啟)；P(t)為每種微源輸出功率，單位為kW；Pgrid(t)為微網(wǎng)向電網(wǎng)購電功率，單位為kW。Fi為微網(wǎng)設(shè)備單位發(fā)電量對應(yīng)的污染物排放量，單位為kg/kWh；Pgi為微網(wǎng)設(shè)備發(fā)電功率，單位為kW。

1.3.2約束條件

(1)功率平衡約束

微網(wǎng)功率平衡約束包括冷、熱、電功率平衡約束：

(6)

(2)出力功率約束

(7)

式中Pgrid,max表示從電網(wǎng)購電功率上限；Ki(t)為第i個(gè)單元的狀態(tài)情況(1表示運(yùn)行，0表示停運(yùn))；Pi,min、Pi,max分別表示第i個(gè)單元的出力功率上下限，單位為kW；Pi(t)表示第i個(gè)單元出力功率，單位為kW。

(3)儲(chǔ)能設(shè)備儲(chǔ)能約束

Qi,min≤Qi≤Qi,max

(8)

式中Qi,max、Qi,min分別表示各儲(chǔ)能設(shè)備單元的儲(chǔ)能能量上、下限值，單位為kWh。

(4)可控型出力設(shè)備最短連續(xù)運(yùn)行時(shí)間和最短連續(xù)停運(yùn)時(shí)間約束

(9)

式中Ti_on(t-1)、Ti_off(t-1)分別為t-1時(shí)刻第i臺(tái)微源的連續(xù)運(yùn)行、停運(yùn)時(shí)間，單位為h；MRTi、MSTi為微源最小連續(xù)運(yùn)行、停運(yùn)時(shí)間，單位為h。

(5)可控型出力設(shè)備功率爬坡率約束

(10)

式中ΔPU為上升率限制，單位為kW/h；ΔPD為下降率限制，單位為kW/h。

2 求解雙層優(yōu)化模型的粒子群優(yōu)化算法

2.1 考慮極值變異的混合型粒子群算法

本文建立的雙層優(yōu)化模型的下層模型對收斂精度要求較高，而且整體模型結(jié)構(gòu)復(fù)雜。為兼顧算法的收斂速度以及收斂精度，采用考慮極值變異的混合型粒子群算法，在搜尋前期采用極值變異的粒子群算法以增大粒子跳出局部最優(yōu)陷阱的能力，并在算法后期采用全局優(yōu)化以改善算法收斂的速度。本文所應(yīng)用的粒子群算法對迭代過程中的粒子運(yùn)動(dòng)慣性權(quán)重、學(xué)習(xí)因子進(jìn)行了修改，兼顧算法前期和算法后期的收斂情況；弱化粒子尋找最優(yōu)解過程中的速度概念，突出位置概念；增加極值變異因子，增大粒子跳出局部最優(yōu)的能力，提高算法全局尋優(yōu)能力。

本文采取的粒子群算法公式為：

(11)

圖2 儲(chǔ)能配置的雙層優(yōu)化模型求解流程

式中D1、D2分別為粒子的個(gè)體極值和群體極值變異因子；tp、Tp分別為粒子自身極值停滯次數(shù)和停滯次數(shù)閾值；tg、Tg分別為粒子群體極值停滯次數(shù)和停滯次數(shù)閾值。

2.2 儲(chǔ)能配置的雙層優(yōu)化模型求解流程

采用考慮極值變異的混合型粒子群算法求解本文提出的雙層優(yōu)化模型的主要步驟如圖2所示。

3 算例分析

3.1 算例參數(shù)

針對本文提出的雙層優(yōu)化模型，選取某地微網(wǎng)，選取某鉛蓄電池作為儲(chǔ)能元件。以該系統(tǒng)典型日各類負(fù)荷曲線作為并網(wǎng)運(yùn)行需求，進(jìn)行儲(chǔ)能優(yōu)化配置。該地實(shí)施的電價(jià)機(jī)制為每天7-21時(shí)0.977元/kWh，在22-6時(shí)為0.487元/kWh。天然氣價(jià)格為2.5元/m3，天然氣熱值取為9.78 kWh/m3[6]。該微網(wǎng)冷、熱、電負(fù)荷曲線如圖3所示。

圖3 典型日冷熱電負(fù)荷曲線

本文選取設(shè)備參數(shù)見表1、表2所示，表3為備選的蓄電池參數(shù)。

表1 聯(lián)供系統(tǒng)設(shè)備主要參數(shù)

表2 分布式儲(chǔ)能設(shè)備參數(shù)

表3 儲(chǔ)能設(shè)備參數(shù)

3.2 算例結(jié)果及分析

采用本文建立的模型對算例中微網(wǎng)儲(chǔ)能配置進(jìn)行優(yōu)化。粒子數(shù)設(shè)為100，迭代次數(shù)設(shè)為2 000，得到雙層優(yōu)化模型適應(yīng)值結(jié)果如表4所示。作為對比，計(jì)算出只考慮離網(wǎng)運(yùn)行狀態(tài)模型適應(yīng)值以及在此配置下并網(wǎng)運(yùn)行狀態(tài)適應(yīng)值。可以看出，雙層模型得到的儲(chǔ)能裝置裝機(jī)成本和運(yùn)行成本及環(huán)境成本之和較小。

表4 雙層模型優(yōu)化計(jì)算結(jié)果

粒子群的適應(yīng)度收斂計(jì)算結(jié)果如表5所示，可以看出，相比于基本粒子群算法，本文應(yīng)用的考慮極值變異的混合型粒子群算法收斂速度較快，收斂性較好。

表5 不同粒子群算法收斂結(jié)果

4 結(jié)束語

本文基于微網(wǎng)并、離網(wǎng)兩種運(yùn)行狀態(tài)建立其儲(chǔ)能裝置的雙層優(yōu)化配置模型。應(yīng)用考慮極值變異的混合型粒子群算法對模型進(jìn)行求解。并且選取了某地的微網(wǎng)為算例，對提出的模型進(jìn)行求解驗(yàn)證。

算例分析表明：

(1)相比于僅考慮一種運(yùn)行狀態(tài)的優(yōu)化模型，本文應(yīng)用的雙層優(yōu)化模型能夠同時(shí)滿足離網(wǎng)狀態(tài)下的儲(chǔ)能配置需求以及并網(wǎng)運(yùn)行狀態(tài)下的運(yùn)行需求；

(2)本文提出的雙層優(yōu)化模型可以較好地對微網(wǎng)的儲(chǔ)能配置進(jìn)行優(yōu)化，滿足微網(wǎng)的配置需求；

(3)所采用的考慮極值變異的混合型粒子群算法具有較好的收斂性，可應(yīng)用于求解本文提出的雙層優(yōu)化模型，并且優(yōu)化結(jié)果較好。

[1] 楊秀，陳潔，朱蘭，等. 基于經(jīng)濟(jì)調(diào)度的微網(wǎng)儲(chǔ)能優(yōu)化配置 [J]. 電力系統(tǒng)保護(hù)與控制,2013,41(1):53-60.

[2] 江潤洲，邱曉燕，陳光堂. 風(fēng)電場混合儲(chǔ)能系統(tǒng)優(yōu)化配置方法 [J]. 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào),2015,27(1):37-42,48.

[3] 劉舒，李正力，王翼，等. 含分布式發(fā)電的微電網(wǎng)中儲(chǔ)能裝置容量優(yōu)化配置 [J]. 電力系統(tǒng)保護(hù)與控制,2016,44(3):78-84.

[4] 丁明，徐寧舟，畢銳. 用于平抑可再生能源功率波動(dòng)的儲(chǔ)能電站建模及評價(jià) [J]. 電力系統(tǒng)自動(dòng)化,2011,35(2):66-72.

[5] 李成，葉建華. 微網(wǎng)系統(tǒng)中儲(chǔ)能優(yōu)化配置研究 [J]. 低壓電器,2013,55(22):23-26.

[6] 陳云，湯放奇，劉陽升，等. 分布式冷熱電多聯(lián)供系統(tǒng)的經(jīng)濟(jì)運(yùn)行 [J]. 電力科學(xué)與技術(shù)學(xué)報(bào),2013,28(1):56-62.

Optimal Configuration of Energy Storage for Multi-energy Complementary Micro-grids Based on a Bi-level Optimization Model

Zheng Enze1, Gu Jie1, Liu Bo2, Lu Haiyong2

(1.College ofElectronic Information and Electrical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China，2. Shanghai Electric Power Design Institute Co., Ltd., Shanghai 200240, China)

10.3969/j.issn.1000-3886.2017.03.015

TM761

A

1000-3886(2017)03-0045-04

定稿日期: 2017-01-11

鄭恩澤(1992-)，男，吉林人，碩士生，專業(yè)：電氣工程系。