賈 濤，王興月

?

海洋平臺(tái)多能互補(bǔ)系統(tǒng)電源容量?jī)?yōu)化

賈 濤，王興月

（太重（天津）濱海重型機(jī)械有限公司技術(shù)中心，天津300457）

將風(fēng)、光等新能源應(yīng)用于海洋平臺(tái)成為研究的熱點(diǎn)，但其波動(dòng)性對(duì)平臺(tái)電力系統(tǒng)帶來(lái)一定的不安全因素，所以實(shí)際應(yīng)用中，往往采用風(fēng)光柴儲(chǔ)的多能系統(tǒng)。研究中以海洋平臺(tái)為研究對(duì)象，對(duì)多能系統(tǒng)的電源容量進(jìn)行優(yōu)化，保證系統(tǒng)的經(jīng)濟(jì)性和穩(wěn)定性，實(shí)現(xiàn)新能源最大化利用。研究中為了提高整個(gè)海洋平臺(tái)電力系統(tǒng)的經(jīng)濟(jì)性，需根據(jù)海洋平臺(tái)附近的資源條件對(duì)系統(tǒng)的電源容量進(jìn)行優(yōu)化設(shè)計(jì)，選取最優(yōu)的電源容量組合。本文建立了獨(dú)立風(fēng)/光/柴/儲(chǔ)海洋平臺(tái)電力系統(tǒng)中各個(gè)電源的多目標(biāo)優(yōu)化模型，利用多目標(biāo)粒子群(multi-objective particle swarm optimization，MOPSO)求解系統(tǒng)中各個(gè)電源容量配置的Pareto最優(yōu)解集，并基于滿意度評(píng)價(jià)的模糊理論設(shè)計(jì)推薦的折衷解。

容量?jī)?yōu)化 風(fēng)光互補(bǔ) 多目標(biāo)粒子群 模糊理論

0 引言

針對(duì)傳統(tǒng)能源日益枯竭問(wèn)題，本文充分利用海洋平臺(tái)在海洋環(huán)境下具有較充足的風(fēng)能及光能優(yōu)勢(shì)，以及太陽(yáng)能與風(fēng)能之間的天然互補(bǔ)性，將綠色清潔能源的理念引入到海洋平臺(tái)上，構(gòu)建海洋平臺(tái)風(fēng)/光/柴/儲(chǔ)/多能互補(bǔ)發(fā)電系統(tǒng)[1]。

所設(shè)計(jì)的海洋平臺(tái)風(fēng)/光/柴/儲(chǔ)多能互補(bǔ)發(fā)電系統(tǒng)的電源包含可調(diào)度電源和不可調(diào)度電源，不可調(diào)度電源為風(fēng)光互補(bǔ)發(fā)電系統(tǒng)的風(fēng)電機(jī)組和太陽(yáng)能光伏電池，優(yōu)化過(guò)程中為了最大限度實(shí)現(xiàn)節(jié)能減排，對(duì)于海洋平臺(tái)的日常生活用電、小型設(shè)備用電及非動(dòng)力裝置的供電，將優(yōu)先選用風(fēng)光互補(bǔ)發(fā)電系統(tǒng)供電[2]；可調(diào)度電源作為不可調(diào)度電源的補(bǔ)充和備用，包括柴油發(fā)電機(jī)及儲(chǔ)能裝置，系統(tǒng)圖如圖1所示。

圖1 海洋平臺(tái)風(fēng)/光/柴/儲(chǔ)系統(tǒng)圖

其中，光伏電池陣列、風(fēng)電機(jī)組、柴油發(fā)電機(jī)構(gòu)成了系統(tǒng)發(fā)電部分，儲(chǔ)能裝置用來(lái)解決融入不可調(diào)度電源后系統(tǒng)中的電力供需矛盾，保證系統(tǒng)的穩(wěn)定運(yùn)行。由于海洋平臺(tái)電網(wǎng)脫離大電網(wǎng)的支撐，僅依靠海洋平臺(tái)內(nèi)部電源對(duì)負(fù)載供電，因此，科學(xué)、合理地優(yōu)化配置各個(gè)電源容量對(duì)于維持系統(tǒng)功率的供需平衡關(guān)系，以及整個(gè)系統(tǒng)的供電可靠性，具有重要的科學(xué)意義[3]。

本文研究了同時(shí)包含可調(diào)度電源及不可調(diào)度電源的海洋平臺(tái)電網(wǎng)電源容量?jī)?yōu)化配置方法，以小型風(fēng)電機(jī)組、光伏電池陣列、儲(chǔ)能裝置以及柴油機(jī)的安裝容量為優(yōu)化變量，以經(jīng)濟(jì)成本和污染物排放量為目標(biāo)函數(shù)，利用多目標(biāo)粒子群算法（MOPSO）求解該優(yōu)化問(wèn)題，得到關(guān)于經(jīng)濟(jì)成本和污染物排放量的Pareto最優(yōu)解。此外，本文使用基于決策者滿意度評(píng)價(jià)的模糊理論，提供一種由Pareto多目標(biāo)解集中獲取一個(gè)較好的折衷解的方法，供決策者參考。

1 系統(tǒng)主要部件的數(shù)學(xué)建模

1.1 風(fēng)電功率的數(shù)學(xué)模型

風(fēng)速的隨機(jī)性使風(fēng)電場(chǎng)的輸出功率可看作隨機(jī)變量。風(fēng)速概率密度函數(shù)的雙參數(shù)Weibull分布數(shù)學(xué)模型為：

式中：為形狀參數(shù)；為尺度參數(shù)；風(fēng)機(jī)高度為處的風(fēng)速，本文使用近似的分段線性函數(shù)來(lái)描述風(fēng)電機(jī)組的輸出功率[4]：

(2)

1.2光伏陣列模型

本文采用Beta分布對(duì)光照進(jìn)行處理，其概率密度函數(shù)如下[5]：

(4)

1.3儲(chǔ)能單元的數(shù)學(xué)模型

基于LiFePO4電池在技術(shù)上的成熟性以及低成本的經(jīng)濟(jì)特性，在本文的研究中，采用LiFePO4電池作為儲(chǔ)能裝置。

若時(shí)刻的系統(tǒng)總發(fā)電功率大于系統(tǒng)總負(fù)荷需求，則鋰離子電池充電，時(shí)刻儲(chǔ)能系統(tǒng)的電量公式為

若時(shí)刻的系統(tǒng)總負(fù)荷需求大于系統(tǒng)總發(fā)電功率，鋰離子電池放電，時(shí)刻儲(chǔ)能系統(tǒng)的電量公式為:

(6)

2.4柴油發(fā)電機(jī)

為簡(jiǎn)化處理，利用燃料曲線描述柴油發(fā)電機(jī)發(fā)電功率和燃料使用量的對(duì)應(yīng)關(guān)系[6]。

2 優(yōu)化配置模型

2.1目標(biāo)函數(shù)

本文建立了含有風(fēng)電機(jī)組、光伏陣列、鋰電池儲(chǔ)能裝置的海洋平臺(tái)獨(dú)立供電系統(tǒng)容量?jī)?yōu)化模型[7]，目標(biāo)函數(shù)如下：

2.1.1經(jīng)濟(jì)成本函數(shù)

經(jīng)濟(jì)成本函數(shù)中主要包括設(shè)備的投資成本、運(yùn)行維護(hù)費(fèi)用和鋰電池儲(chǔ)能裝置的重置費(fèi)用，表示如下：

(9)

(11)

其中:

2.1.2污染物排放量

柴油發(fā)電機(jī)以柴油為主要燃料，其污染物包括CO,CO2,燃料中未燃燒盡的碳?xì)浠衔?、硫化物和一氧化氮，由表?

2.2優(yōu)化算法簡(jiǎn)介

2.2.1基于Pareto的MOPSO算法簡(jiǎn)介

基于Pareto的MOPSO的粒子速度更新公式及位置更新公式如式(13)及(14)所示，與標(biāo)準(zhǔn)粒子群算法不同，這里表示第個(gè)粒子第維變量的局部最優(yōu)個(gè)體；表示第個(gè)粒子第維變量的全局最優(yōu)個(gè)體；MOPSO中，局部最優(yōu)個(gè)體與全局最優(yōu)個(gè)體分別來(lái)自非支配性局部最優(yōu)解集和非支配性全局最優(yōu)解集中的個(gè)體，且二者的歐式距離最小[8]。

(14)

2.2.2基于滿意度評(píng)價(jià)的模糊理論

在多目標(biāo)優(yōu)化問(wèn)題中，從Pareto最優(yōu)解集中求取唯一的折衷解已成為多目標(biāo)優(yōu)化問(wèn)題的核心內(nèi)容。Pareto多目標(biāo)優(yōu)化算法得到的是非劣解解集，對(duì)于決策者來(lái)說(shuō)，還需要自己根據(jù)經(jīng)驗(yàn)選擇一組推薦折衷解用于實(shí)際工程問(wèn)題，所以本文提供一種由Pareto多目標(biāo)解集中獲取一個(gè)較好的折衷解的方法，其主要步驟如下：

首先，按下述公式定義第個(gè)解，第個(gè)目標(biāo)函數(shù)的隸屬函數(shù)：

，(16)

3 仿真結(jié)果分析

本文研究對(duì)象是獨(dú)立海洋平臺(tái)微網(wǎng)測(cè)試系統(tǒng)，研究中選取每個(gè)季節(jié)中典型的20天作為仿真時(shí)段，仿真步長(zhǎng)為1小時(shí)，即仿真優(yōu)化的總時(shí)段為1920，系統(tǒng)的峰值負(fù)荷為1600 kW，MOPSO優(yōu)化過(guò)程中的參數(shù)選擇為：粒子規(guī)模，最大迭代次數(shù)，學(xué)習(xí)因子1=2=2.05。

圖2為通過(guò)MOPSO優(yōu)化算法得到的關(guān)于經(jīng)濟(jì)成本和污染物排放量的多目標(biāo)Pareto最優(yōu)解。從圖中可以看出：污染物排放量的值隨著經(jīng)濟(jì)成本值的增大而降低，單目標(biāo)優(yōu)化只能達(dá)到某個(gè)目標(biāo)的最優(yōu)，往往需要犧牲其它相應(yīng)目標(biāo)的值作為代價(jià)。因此，本文采用多目標(biāo)情況的海洋平臺(tái)微網(wǎng)優(yōu)化，可以實(shí)現(xiàn)經(jīng)濟(jì)成本及表征環(huán)境特性的污染物排放量的多目標(biāo)的綜合考慮。

圖2關(guān)于經(jīng)濟(jì)成本和污染物排放量的多目標(biāo)Paroto最優(yōu)解

基于MOPSO優(yōu)化算法得到的是非劣解解集，考慮工程實(shí)用性，根據(jù)3.2.3節(jié)介紹的基于滿意度評(píng)價(jià)的模糊理論可以從Pareto多目標(biāo)解集中獲取一個(gè)推薦的折衷解，如圖3所示：

圖3 模糊理論確定的關(guān)于經(jīng)濟(jì)成本和污染物排放量的推薦折衷解

表1為模糊理論確定的推薦折衷解所安裝的風(fēng)電機(jī)組、光伏陣列及儲(chǔ)能裝置的裝機(jī)容量以及優(yōu)化目標(biāo)。

圖4和圖5分別為仿真時(shí)段內(nèi)推薦折衷解對(duì)應(yīng)的柴油機(jī)組出力情況及儲(chǔ)能裝置的充放電情況（正值表示儲(chǔ)能裝置放電，負(fù)值表示儲(chǔ)能裝置沖電），從圖4中可以看出，加入風(fēng)光互補(bǔ)系統(tǒng)后，柴油機(jī)組出力明顯小于負(fù)荷需求，且在一段時(shí)間內(nèi)的出力基本平穩(wěn)，雖然風(fēng)光互補(bǔ)系統(tǒng)具有很大的波動(dòng)性及隨機(jī)性，但加入儲(chǔ)能裝置后，很好的平抑系統(tǒng)中的能量波動(dòng)；同時(shí)，從圖5中可以看出，當(dāng)系統(tǒng)中的能量有剩余時(shí)，儲(chǔ)能裝置持續(xù)充電，直到充滿為止；當(dāng)系統(tǒng)中的能量有不足時(shí)，儲(chǔ)能裝置持續(xù)放電，直到放完為止，儲(chǔ)能裝置充放電基本均衡，用于消納發(fā)電量和負(fù)荷需求間的能量差。

圖5 推薦折衷解對(duì)應(yīng)的儲(chǔ)能裝置的充放電情況（正放負(fù)沖）

表2為風(fēng)/光/柴/儲(chǔ)多目標(biāo)優(yōu)化問(wèn)題的推薦折衷解與柴油機(jī)單獨(dú)供電時(shí)的參數(shù)指標(biāo)對(duì)比，Case1為風(fēng)/光/柴/儲(chǔ)多目標(biāo)優(yōu)化確定的推薦折衷解；Case2為柴油機(jī)單獨(dú)供電時(shí)的參數(shù)指標(biāo)。從表中可以看出風(fēng)/光/柴/儲(chǔ)混合系統(tǒng)仿真時(shí)段內(nèi)的經(jīng)濟(jì)成本和污染物排放量分別為$7.735*105、6.138*105kg，獨(dú)立柴油機(jī)供電系統(tǒng)的經(jīng)濟(jì)成本和污染物排放量分別為$7.116*105、7.914*106kg，雖然所設(shè)計(jì)的風(fēng)/光/柴/儲(chǔ)混合系統(tǒng)經(jīng)濟(jì)成本略有增加，但是污染物排放量卻大幅減小了；理論上安裝該系統(tǒng)后，當(dāng)前柴油價(jià)格約為$0.7092/L，則每年節(jié)省燃料成本費(fèi)用約為$36695，該項(xiàng)目初裝投資額約比獨(dú)立柴油供電系統(tǒng)多$2.911*105，理論上項(xiàng)目投資回收期約7-8年，具有較好經(jīng)濟(jì)效益。若該項(xiàng)目得以海洋平臺(tái)上應(yīng)用，不但可以為海洋平臺(tái)節(jié)約大量能源消耗，還可以減少空氣中有害氣體的排放，很符合國(guó)家節(jié)能減排政策的要求。

4 結(jié)論

本文圍繞風(fēng)/光/柴/儲(chǔ)獨(dú)立海洋平臺(tái)微網(wǎng)電源優(yōu)化規(guī)劃問(wèn)題，設(shè)計(jì)了綜合考慮其經(jīng)濟(jì)性、環(huán)保性的多目標(biāo)優(yōu)化規(guī)劃設(shè)計(jì)模型。該模型可同時(shí)針對(duì)設(shè)備類型和裝機(jī)容量進(jìn)行優(yōu)化設(shè)計(jì)。利用MOPSO算法實(shí)現(xiàn)多目標(biāo)優(yōu)化問(wèn)題的求解，針對(duì)某獨(dú)立海洋平臺(tái)微網(wǎng)，開展了不同控制策略下的發(fā)電單元、儲(chǔ)能裝置的裝機(jī)容量?jī)?yōu)化研究，得到Pareto最優(yōu)解，還基于模糊理論獲得了基于Pareto解集的推薦折衷解，仿真結(jié)果驗(yàn)證了方法的有效性及可行性。

[1] Jiang L L, Nayanasiri D R, Maskell D L, et al. A hybrid maximum power point tracking for partially shaded photovoltaic systems in the tropics[J]. Renewable Energy, 2015,76:53-65.

[2] Maleki A, Askarzadeh A. Optimal sizing of a PV/wind/diesel system withbattery storage for electrification to an off-grid remote region: a case study ofRafsanjan, Iran. Sustain Energy Technol Assessments, 2014,7:147-53.

[3] Deshkar S N, Dhale S B, Mukherjee J S, et al. Solar PV array reconfiguration under partial shading conditions for maximum power extraction using genetic algorithm[J]. Renewable and Sustainable Energy Reviews, 2015,43:102-110.

[4] Wen S, Lan H, Fu Q, et al. Economic allocation for energy storage system considering wind power distribution[J]. IEEE Transactions on Power Systems, 2015,30(2):644-652.

[5] Y. M. Atwa, E. F. El-Saadany, et al.Optimal renewable resources mix for distribution[J]. IEEE TRANSACTIONS ON POWER SYSTEMS, 2010,25(1).

[6] 郭力, 富曉鵬, 李霞林, 王成山. 獨(dú)立交流微網(wǎng)中電池儲(chǔ)能與柴油發(fā)電機(jī)的協(xié)調(diào)控制[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2012, 32(25): 70-78.

[7] A. Kaabeche, M. Belhamel, R. Ibtiouen. Sizing optimization of grid-independent hybrid photovoltaic/ wind power generation system [J]. ENERGY, 2011, (36): 1214-1222.

[8] 丁明, 王波, 趙波等. 獨(dú)立風(fēng)/光/柴/儲(chǔ)微網(wǎng)系統(tǒng)容量?jī)?yōu)化配置[J]. 電網(wǎng)技術(shù), 2013, (03): 575-581.

Power Source Capacity Optimization in Multiple Energy Complementary System for Offshore Platform

Jia Tao, Wang Xingyue

(Technology Center, TZ(Tianjin) Binhai Heavymachinery CO., LTD., Tianjin 300457, China).

P741

A

1003-4862（2017）05-0055-05

2016-12-15

賈濤(1984-)，男，電氣工程師。研究方向：大型船舶和海洋平臺(tái)電力系統(tǒng)的研發(fā)設(shè)計(jì)。