孫佳星,王培宇,胡興媛,陳 慶
(1.三峽大學電氣與新能源學院,湖北 宜昌 443002;2.大同煤礦集團朔州熱電有限公司,山西 大同 037000)
分布式電源以微電網的形式參與電力系統(tǒng)運行與調度,可以充分發(fā)揮分布式電源的優(yōu)勢,提高新能源利用率,同時也能增強傳統(tǒng)大電網的可靠性[1-3]。包含分布式電源的微電網,其運行方式可以是與大電網連接的并網運行,也可以是與大電網分離的孤網運行。并網運行時,微電網與大電網可以進行交互,大電網能夠為微電網提供支撐,保證其內部供電安全及系統(tǒng)穩(wěn)定;孤網運行時,微電網僅靠內部電源獨立供電[4],由儲能裝置如蓄電池等參與微電網的優(yōu)化調度,如果不能滿足功率平衡,可以通過切除部分負荷保證系統(tǒng)內部穩(wěn)定[5-7]。運行方式的不同會導致微電網優(yōu)化調度方式也不同,本文主要研究并網條件下微電網的優(yōu)化調度。
近年來,學者在微電網優(yōu)化調度方面已經取得了一定的成果,文獻[8]通過建立不同機組的數(shù)學模型,并應用分時電價機制,優(yōu)化各電源的最優(yōu)機組出力,并得出不同電價對微電網運行成本及儲能裝置作用的發(fā)揮影響不同的結論。文獻[9]在考慮功率平衡、儲能的荷電狀態(tài)、電動汽車的充電時間等約束條件的基礎上,以系統(tǒng)的總運行費用及與電網的交換電量最小為目標,對不同優(yōu)化方案進行仿真分析。文獻[10]綜合考慮微電網經濟性、環(huán)境成本和用電負荷的優(yōu)化等因素,使用改進算法提升尋優(yōu)能力,通過算例驗證算法的有效性。
本文以包含光伏、風機、微型燃氣輪機、蓄電池的微電網為研究對象,在考慮蓄電池充放電深度等約束條件和計及分時電價機制的基礎上,綜合考慮微電網發(fā)電成本、環(huán)境污染治理費用、并網收益等多個條件,構建微電網并網運行模式下的多目標優(yōu)化調度模型,實現(xiàn)微電網經濟、環(huán)保運行。針對遺傳算法存在的不足[11-12],結合微電網的運行特性,提出改進遺傳算法,將其應用于微電網優(yōu)化調度研究中,并結合微電網實際案例,驗證所提出方法的合理性與有效性。
并網方式下的微電網經濟運行策略如下。新能源發(fā)電優(yōu)先,當風力發(fā)電機和光伏電池盡量發(fā)電而無法滿足電負荷需求時,比較微燃機、從主網購電和蓄電池放電價格,取價格低者供電;當新能源發(fā)電盈余時,向主網售電或給蓄電池充電;考慮分時電價機制,當主網售電價格低時,蓄電池盡量充電,當主網價格高時,蓄電池盡量向主網售電。
在滿足微電網功率平衡等約束的前提下應用上述策略,合理運用算法解決微電網電源優(yōu)化配置問題[13]。通過對比不同機組出力對應的微電網運行成本,得出成本最小的機組出力組合。本文研究的微電網由風機、光伏、微型燃氣輪機、蓄電池以及負荷組成,其調度結構如圖1所示。
圖1 微電網調度結構
1.1.1 微型燃氣輪機模型
(1)
式中:CMT為微型燃氣輪機的燃料成本,元;Cng為天然氣價格,元/m3;PMT為t時段微型燃氣輪機的輸出電功率,kW;ηMT為內燃機的發(fā)電效率;Qng為天然氣的低熱熱值,取9.7 kWh/m3。
1.1.2 蓄電池模型
單位時間間隔Δt內,蓄電池充放電功率均恒定,荷電狀態(tài)(SOC,State-of-Charge)數(shù)值變化由式(2)決定;為防止蓄電池過充和過放情況的發(fā)生,蓄電池的SOC應滿足上、下限值約束,如式(3)所示;由于蓄電池不能同時充電或放電,因此蓄電池的充放電須滿足式(4);蓄電池能量狀態(tài)需滿足在調度周期始末相等的約束,約束如式(5)所示;為維持蓄電池壽命,設定蓄電池最大充放電功率,本文設定蓄電池最大功率為蓄電池額定容量的20%,約束如式(6)所示。
(2)
Smin (3) Xt·Yt=0 (4) S0=ST (5) (6) 式中:Smin、Smax、St分別是蓄電池的上、下限值及t時段的SOC狀態(tài)。當SOC到達最大值時,蓄電池停止充電;當SOC到達最小值時,蓄電池停止放電。S0為蓄電池初始SOC狀態(tài);Pcha,t和Pdis,t分別為蓄電池在t時段的充、放電功率;Xt和Yt分別為蓄電池的充、放電狀態(tài)量,其中Xt∈{0,1},Yt∈{0,1},Δt,T為時段數(shù),Eb為電池容量。 微網優(yōu)化運行問題是1個多目標、多約束的非線性優(yōu)化問題,在保證用戶用電的基礎上,建立微網運行費用最小的目標函數(shù)。目標函數(shù)F為總成本,包括燃料及維護成本、污染治理成本和交互成本。目標函數(shù)為 (7) (8) 式中:Ci(Pi)微源i的發(fā)電成本,由各電源的出力模型確定;Ki為不同微源的運行維護系數(shù),不同微源的維護系數(shù)不同;Pi為微源i的輸出功率;αj為污染物的折算系數(shù);Ei,j為微源i輸出單位功率時排放第j類污染物的量;Pgrid(t)為t時段微電網與大電網的交互功率;cgrid為t時段微電網與大電網的交易價格,當微電網分別向電網購電和售電時,分別選擇分時購電價格cbuy和分時售電價格csell。 為保證微電網安全穩(wěn)定運行,系統(tǒng)需滿足功率平衡約束、爬坡率約束、出力上下限約束,表達式為 Pload(t)=PWT(t)+PPV(t)+PMT(t)+PBA(t)+Pgrid(t) (9) |Pi(t)-Pi-1(t)|≤Pup (10) Pimin≤Pi(t)≤Pimax (11) 式中:Pload(t)為微電網t時段負荷功率總和;PWT(t)、PPV(t)分別為微電網中風力和光伏發(fā)電功率;PMT(t)、PBA(t)分別為微型燃氣輪機和蓄電池在t時段的功率;Pimax、Pimin分別為燃氣輪機出力的上、下限;Pup為爬坡速率。 遺傳算法是將需優(yōu)化問題的相關參數(shù)編碼成為二進制串,進而將多個二進制串組成1個初始種群,構成待優(yōu)化問題的初始解。使用選擇、交叉和變異3種算子進行操作,不斷迭代優(yōu)化,找到最優(yōu)解。遺傳算法是利用參數(shù)的編碼進行操作的,搜索信息就是目標函數(shù),各個步驟的運算均采用概率的方式。在求解微電網優(yōu)化調度問題時,基本遺傳算法往往易陷入局部最優(yōu)解,因此本文針對微網特點,在基本遺傳算法的基礎上做了一些改進。 a.在變量編碼形式上進行改進。為保證在有效范圍內搜索,提高算法搜索效率,將微電源的上下限約束作為遺傳算法的輸入量。 b.增加優(yōu)秀個體庫。將符合約束并且適應度更優(yōu)的解作為優(yōu)秀個體庫,在該庫中選擇父本來交叉,通過種群中優(yōu)秀的個體的遺傳性加速算法收斂,完成進化。 c.增加隨機變量。為增加種群的多樣性,避免陷入局部最優(yōu)解出現(xiàn)早熟等現(xiàn)象,在迭代過程中增加一些隨機種群,使這些隨機種群也加入交叉進化的過程。 算法初始時,需提前設置參數(shù),如相關變量的范圍、精度,種群規(guī)模Np,進化代數(shù)NG,優(yōu)秀個體庫個體數(shù)M及交叉概率、編譯概率。按照上述措施改進后的遺傳算法具體求解流程如圖2所示,圖中r是隨機個體的比例。 圖2 算法流程 為檢驗上述模型和算法的有效性,采用如下算例進行驗證,本文研究的微電網包括100 kW光伏機組、100 kW風電機組、100 kW微型燃氣輪機和20 kW蓄電池,微電網運行在并網條件下。光伏和風電機組為清潔能源,燃料費用幾乎為0,沒有污染氣體排放,故只需要考慮運行維護成本。負荷、風電、光伏出力預測曲線如圖3所示。各機組額定功率、爬坡率、維護系數(shù)如表1所示,污染物種類及治理費用如表2所示,分時購、售電價格如表3所示。 圖3 負荷、風力出力、光伏出力的預測曲線 類型額定功率/kW爬坡率/(kW·min-1)維護系數(shù)/(元·kW-1)WT100-0.045PV100-0.009 6MT200100.128BA40-0.045 表2 污染物種類和治理費用 表3 微電網購、售電價格 本算例中,微網中光伏、風機全額利用,通過合理安排微型燃氣輪機出力、蓄電池充放電以及與主網交互來實現(xiàn)微電網經濟效益最優(yōu)的目的。并網運行方式下各單元的出力優(yōu)化調度結果如圖4所示。 圖4 各機組出力 成本類型并網運行/元僅主網供電/元發(fā)電成本1 458-環(huán)境成本74-與電網交互成本-2012 158總成本1 3312 158 由表3和圖4可知0:00—7:00時為電價谷時段,微網通過聯(lián)絡線從大電網吸收電能,蓄電池處于持續(xù)充電狀態(tài);7:00—10:00和15:00—18:00時為電價平時段,此時為了維持微電網內功率平衡,微網與大電網有能量交換,蓄電池有充電,也有放電;10:00—15:00時為電價峰時段,此時由于微型燃氣輪機發(fā)電成本及大電網電價高,而蓄電池電量充足,所以蓄電池在此時放電,保證經濟效益。微電網并網供電形式與僅主網供電形式的成本對比如表4所示,通過對比可知,采用并網形式可以降低總成本,并且通過與主網交互功率,微電網還可以利用蓄電池等的作用增加部分收益,從而降低自身成本。 本文采用并網方式下微電網經濟運行策略,考慮微電網的經濟性和環(huán)保性,建立了包含分布式電源、微型燃氣輪機和儲能單元的微電網經濟運行模型,并使用改進遺傳算法求解,保證結果的收斂性。算例結果表明通過合理調度可以有效降低微電網運行成本,提高綜合效益,驗證了策略的有效性和算法的可行性。1.2 目標函數(shù)
1.3 約束條件
2 改進遺傳算法
3 算例
4 結束語