吳新華, 趙興勇, 賈燕冰, 陳浩宇, 趙鈺彬(.山西大學(xué) 電力工程系，山西 太原　03003； .太原理工大學(xué)，山西 太原　03003)

0　引　言

微電網(wǎng)中光伏、風(fēng)機(jī)等新能源具有輸出功率不確定的特性，要使得微電網(wǎng)能夠安全穩(wěn)定運(yùn)行，合理協(xié)調(diào)配置風(fēng)光儲(chǔ)的容量成了微電網(wǎng)規(guī)劃階段主要問(wèn)題之一。同時(shí)，越來(lái)越多的電動(dòng)汽車接入電網(wǎng)，電動(dòng)汽車既能充電也能放電，可以作為一種移動(dòng)儲(chǔ)能設(shè)備考慮，因而在研究微電網(wǎng)的容量配置過(guò)程中，考慮電動(dòng)汽車的接入造成的影響成為一種趨勢(shì)[1]。

并網(wǎng)型微電網(wǎng)的容量?jī)?yōu)化配置的研究有了一些成果。文獻(xiàn)[2]以風(fēng)光儲(chǔ)并網(wǎng)型為例，從用戶的最大效益出發(fā)，分析了不同自平衡能力下的優(yōu)化配置方案，但未考慮聯(lián)絡(luò)線功率約束。文獻(xiàn)[3]28-32以經(jīng)濟(jì)性、可靠性為目標(biāo)，得出了最優(yōu)配置模型，但未考慮電動(dòng)汽車。

針對(duì)含電動(dòng)汽車的微電網(wǎng)，考慮電動(dòng)汽車不同的管理模式，研究微電源的容量?jī)?yōu)化配置。首先借鑒電力市場(chǎng)改革，提出了一種微電網(wǎng)運(yùn)營(yíng)模式，為了提高微電網(wǎng)的經(jīng)濟(jì)可靠性，設(shè)計(jì)了一種分級(jí)式能量管理策略；其次建立了光、風(fēng)、蓄以及不同管理模式下的電動(dòng)汽車的模型，在此基礎(chǔ)上，以可再生能源的容量、蓄電池運(yùn)行及微電網(wǎng)友好接入為約束條件，微電網(wǎng)的經(jīng)濟(jì)性和可靠性為目標(biāo)函數(shù)，建立了容量?jī)?yōu)化配置模型，采用NSGA-II進(jìn)行優(yōu)化求解；最后利用仿真算例，對(duì)方案的有效性進(jìn)行了驗(yàn)證。

1　微電源模型

1.1　風(fēng)光出力模型

風(fēng)機(jī)機(jī)組輸出功率由于風(fēng)速的不確定性表現(xiàn)出很大的波動(dòng)性。但是風(fēng)速符合一定的統(tǒng)計(jì)規(guī)律，可以通過(guò)風(fēng)速的概率特性來(lái)模擬得出風(fēng)機(jī)的輸出功率[4]。光伏組件的輸出功率與光強(qiáng)度與溫度有關(guān)，具有很大的隨機(jī)性[5]。光伏電池輸出功率如下：

PPV=NPVAmGηG

(1)

式中：NPV表示光伏電池塊數(shù);Am表示光伏電池面積大小;G表示太陽(yáng)輻射強(qiáng)度。

1.2　電動(dòng)汽車模型

電動(dòng)汽車無(wú)序充電是指電動(dòng)汽車只作為充電負(fù)荷，并且在何時(shí)充電完全取決于用戶的充電習(xí)慣；有序充放電是指電動(dòng)汽車既可以充電又可以放電，在微電網(wǎng)負(fù)荷低谷時(shí)，電動(dòng)汽車作為充電負(fù)荷來(lái)儲(chǔ)存電能，在用電高峰時(shí)將儲(chǔ)存的電能釋放出來(lái)[6]。

在建立電動(dòng)汽車狀態(tài)模型時(shí)，根據(jù)美國(guó)交通部對(duì)美國(guó)家用車輛的調(diào)查結(jié)果，采用蒙特卡洛仿真，可得： 一天中，當(dāng)N=300時(shí)，無(wú)序充電和有序充放電下電動(dòng)汽車充放電負(fù)荷曲線,如圖1、圖2所示。

圖1　無(wú)序模式下的日負(fù)荷曲線

圖2　有序充放電模式下的日負(fù)荷曲線

1.3　蓄電池模型

設(shè)定蓄電池在整個(gè)充放電過(guò)程中端電壓基本保持不變。充放電模型均可以采用SOC表示[7]。

充電時(shí)滿足：

(2)

放電時(shí)滿足：

(3)

2　微電網(wǎng)微源優(yōu)化配置模型

2.1　目標(biāo)函數(shù)模型

2.1.1微電網(wǎng)的商業(yè)運(yùn)營(yíng)模式

微電網(wǎng)運(yùn)營(yíng)模式會(huì)影響到微電網(wǎng)的收益計(jì)算方法，因此在進(jìn)行容量配置之前需確定其運(yùn)營(yíng)模式。結(jié)合我國(guó)當(dāng)前現(xiàn)狀，微電網(wǎng)可能發(fā)展出兩種盈利模式：微電網(wǎng)形成售電主體和微電網(wǎng)組成虛擬運(yùn)營(yíng)商的運(yùn)營(yíng)模式[8]。本文采用下面提出的運(yùn)營(yíng)模式:即建立微電網(wǎng)為主體的“售電公司”，通過(guò)售電以及與電網(wǎng)之間的購(gòu)售差值獲得收益。

2.1.2分級(jí)式能量管理策略

提出了一種分級(jí)式能量管理策略，遵循以下原則：發(fā)電側(cè)優(yōu)先使用新能源；受電側(cè)首先滿足原始負(fù)荷；對(duì)蓄電池充放電可利用峰谷電價(jià)差進(jìn)行調(diào)控(低谷充，高峰放)。具體策略如下：

(1)電動(dòng)汽車不參與調(diào)度：當(dāng)微電網(wǎng)供大于求，首先滿足負(fù)荷需求，其次給蓄電池充電，然后再將剩余的電量售給配電網(wǎng)。當(dāng)微電網(wǎng)供小于求時(shí)，在低谷電價(jià)時(shí)由配電網(wǎng)對(duì)負(fù)荷供電；在高峰電價(jià)時(shí)由蓄電池給負(fù)荷供電。

(2)電動(dòng)汽車參與調(diào)度：在低谷電價(jià)時(shí)，電動(dòng)汽車只作為充電負(fù)荷，因此首先考慮新能源是否能夠滿足負(fù)荷需求，如果不能，從配電網(wǎng)中購(gòu)電來(lái)滿足；在高峰電價(jià)時(shí)，電動(dòng)汽車作為電源考慮，首先由新能源給原始負(fù)荷供電，剩余的凈負(fù)荷再由電動(dòng)汽車和蓄電池依次供電。

綜上所述，本文提出的能量管理策略既能滿足微電網(wǎng)中自發(fā)自用的原則，也在經(jīng)濟(jì)性上表現(xiàn)出很大的優(yōu)勢(shì)。

2.1.3目標(biāo)函數(shù)

考慮其經(jīng)濟(jì)性和可靠性:經(jīng)濟(jì)性由微電網(wǎng)總投資收益來(lái)衡量，供電可靠性由失負(fù)荷率來(lái)衡量。

1)微電網(wǎng)總投資效益

(1)微電源全壽命周期成本現(xiàn)值

各微電源全壽命周期成本包括初始投資、運(yùn)行維護(hù)以及置換成本，其等年值求法為[3]27-28：

C=Cins+Crep+Com

(4)

式中：C為微電源總成本;Cins為初始投資成本;Crep為置換成本;Com為運(yùn)行維護(hù)成本。

(2)微電網(wǎng)運(yùn)營(yíng)收益等年值

①售電公司的售電收入：

Ipl=p(t)PL(t)

(5)

式中：Ipl為用電負(fù)荷的用電費(fèi)用;p(t)為電網(wǎng)電價(jià);PL(t)為用電負(fù)荷有功功率。

②購(gòu)售差值收益：

(6)

式中：Pe(t)為微電網(wǎng)與電網(wǎng)的交換功率;α為微電網(wǎng)與電網(wǎng)交換電價(jià)，本文設(shè)其等于電網(wǎng)購(gòu)售電價(jià)。

微電網(wǎng)運(yùn)營(yíng)收益表示為：

I=Ipl+Iexchange

(7)

微電網(wǎng)的總投資收益為：

(8)

式中：Ncompj為第j中微電源的容量;Ccompj為微源全壽命周期成本現(xiàn)值;Rproj為工程壽命;F(i,Rproj)為資金回收系數(shù)。

2)失負(fù)荷率

并網(wǎng)型微電網(wǎng)中，當(dāng)風(fēng)光資源較差，供電能力不夠時(shí)，會(huì)有一個(gè)負(fù)荷失電功率PLoss(t)[9]。

(9)

式中：PLoss(t) 為第t小時(shí)無(wú)法滿足供電的負(fù)荷功率;PL(t) 為第t小時(shí)系統(tǒng)總的負(fù)荷功率。

2.2　約束條件模型

2.2.1優(yōu)化變量約束

(10)

式中：Npv-max、Nw-max、Nbat-max為光伏、風(fēng)機(jī)、蓄電池的最大數(shù)量;Npv-min、Nw-min、Nbat-min為光伏、風(fēng)機(jī)、蓄電池的最小數(shù)量。

2.2.2蓄電池(或電動(dòng)汽車)約束

CSOC,min≤CSOC,bat(t)≤CSOC,max

(11)

式中:CSOC,min、CSOC,max為蓄電池(電動(dòng)汽車動(dòng)力電池)的最小、最大荷電狀態(tài)。

2.2.3微電網(wǎng)友好接入約束

高滲透率的間歇式能源接入配網(wǎng)當(dāng)中，會(huì)對(duì)配網(wǎng)的穩(wěn)定運(yùn)行造成影響。因此微電網(wǎng)并網(wǎng)之前，要求微電網(wǎng)運(yùn)營(yíng)單位與供電公司達(dá)成協(xié)議，本文參考文獻(xiàn)[3]28提出的確定聯(lián)絡(luò)線功率約束的方法，設(shè)聯(lián)絡(luò)線交換功率最大為50 kW。

3　多目標(biāo)遺傳算法

采用帶精英策略的快速非支配排序遺傳算法(NSGA-II)[10]進(jìn)行求解。NSGA-II優(yōu)勢(shì)在于采用了快速非支配排序和擁擠機(jī)制。前者能夠降低計(jì)算非支配序的復(fù)雜度，使得搜索過(guò)程準(zhǔn)確收斂到Pareto最優(yōu)解，后者保證了種群的多樣性。具體流程描述如圖3所示。

4　算例分析

以某地區(qū)的自然資源為基礎(chǔ)，對(duì)含電動(dòng)汽車的風(fēng)光儲(chǔ)并網(wǎng)型微電網(wǎng)進(jìn)行容量配置。風(fēng)機(jī)、光伏電池及蓄電池的型號(hào)、容量、投資成本等基本參數(shù)如表1所示。設(shè)風(fēng)力發(fā)電機(jī)的切入風(fēng)速、額定風(fēng)速和切出風(fēng)速分別為2.5 m/s，12 m/s，18 m/s；光伏電池的光電轉(zhuǎn)換效率ηG為12%，Am為0.654 6 m2。結(jié)合文獻(xiàn)[11]中北方某地區(qū)作為本文的算例系統(tǒng)，根據(jù)實(shí)際數(shù)據(jù)生成風(fēng)速、光照強(qiáng)度以及原始負(fù)荷的概率模型。

表1　不同DG的基本參數(shù)

假設(shè)微電網(wǎng)中電動(dòng)汽車有300輛，并且均可參與調(diào)度。充放電價(jià)格如表2所示。

表2　電動(dòng)汽車不同時(shí)段充放電價(jià)格

4.1　電動(dòng)汽車無(wú)序充電下的配置結(jié)果

根據(jù)NSGA-II算法，設(shè)種群大小取100，最大迭代次數(shù)取200，交叉概率取0.9，變異概率取0.1。得到兩種配置方案，如表3所示。

表3　無(wú)序模式下的配置結(jié)果

4.2　電動(dòng)汽車有序充電下的配置結(jié)果

根據(jù)NSGA-II算法，同樣得到微網(wǎng)負(fù)荷率最小和效益最大的兩種配置方案，如表4所示。

表4　有序充放電模式下的配置結(jié)果

通過(guò)對(duì)比，可以得出：

(1)計(jì)算所得的配置方案，其效益均為負(fù)值，這是因?yàn)楝F(xiàn)階段微電源和儲(chǔ)能的成本偏高造成的。

(2)對(duì)比兩種模式下的方案2，考慮電動(dòng)汽車有序充放電，蓄電池配置減少了38臺(tái)，投資收益減少了約30萬(wàn)美元，失負(fù)荷率降低了約0.1%。

5　結(jié)束語(yǔ)

(1)電動(dòng)汽車接入微電網(wǎng)后，如果不加以有效管理，任由其無(wú)序充電，不僅使得負(fù)荷峰上加峰，而且會(huì)影響到微電網(wǎng)的供電可靠性。有序充放電后，不僅可以提高微電網(wǎng)的可靠性，而且降低了微電網(wǎng)的總投資效益，提升了用戶的利益。

(2)研究微電網(wǎng)優(yōu)化配置問(wèn)題時(shí)，考慮電動(dòng)汽車有序充放電這一情況變得越來(lái)越有必要，也更能反映未來(lái)電網(wǎng)的趨勢(shì)。本文的研究結(jié)果不僅能夠?yàn)橐院箅妱?dòng)汽車接入微電網(wǎng)后容量?jī)?yōu)化配置提供一些理論基礎(chǔ)，而且也會(huì)給微電網(wǎng)的運(yùn)營(yíng)模式一些改革方面的啟示。

參考文獻(xiàn)：

[ 1 ] 王帥, 趙興勇, 賀天云,等. 考慮電動(dòng)汽車的微電網(wǎng)復(fù)合儲(chǔ)能容量?jī)?yōu)化配置[J]. 中國(guó)電力, 2017, 50(3):161-167.

[ 2 ] 陳健, 趙波, 王成山,等. 不同自平衡能力并網(wǎng)型微電網(wǎng)優(yōu)化配置分析[J]. 電力系統(tǒng)自動(dòng)化, 2014, 38(21):1-6.

[ 3 ] 竇曉波, 袁簡(jiǎn), 吳在軍,等. 并網(wǎng)型風(fēng)光儲(chǔ)微電網(wǎng)容量改進(jìn)優(yōu)化配置方法[J]. 電力自動(dòng)化設(shè)備, 2016, 36(3):26-32.

[ 4 ] EVANGELOPOULOS V A, GEORGILAKIS P S. Optimal distributed generation placement under uncertainties based on point estimate method embedded genetic algorithm[J]. Iet Generation Transmission & Distribution, 2014, 8(3):389-400.

[ 5 ] 葉晨暉, 周玲, 張木銀,等. 計(jì)及可入網(wǎng)電動(dòng)汽車的微電網(wǎng)電源優(yōu)化配置[J]. 電力建設(shè), 2016, 37(12):82-88.

[ 6 ] 王龍. 電動(dòng)汽車充放電對(duì)電網(wǎng)的影響及其優(yōu)化策略研究[D]. 天津:天津大學(xué), 2014.

[ 7 ] 余岳, 粟梅, 孫堯,等. 計(jì)及電動(dòng)汽車的微電網(wǎng)儲(chǔ)能單元容量?jī)?yōu)化[J]. 儀器儀表學(xué)報(bào), 2014, 35(6):1261-1268.

[ 8 ] 張弛, 陳曉科, 徐曉剛,等. 基于電力市場(chǎng)改革的微電網(wǎng)經(jīng)營(yíng)模式[J]. 電力建設(shè), 2015, 36(11):154-159.

[ 9 ] 王晶, 陳江斌, 束洪春. 基于可靠性的微網(wǎng)容量最優(yōu)配置[J]. 電力自動(dòng)化設(shè)備, 2014, 34(4):120-127.

[10] 趙小冰. 單目標(biāo)_多目標(biāo)遺傳算法的研究[D]. 天津:天津理工大學(xué), 2011.

[11] 蘭國(guó)軍, 栗文義, 尹凱,等. 并網(wǎng)運(yùn)行風(fēng)/光/儲(chǔ)微電網(wǎng)容量配置雙目標(biāo)優(yōu)化[J]. 電工電能新技術(shù), 2015,33(3):18-23.