陳嘉鵬，湯乃云，湯 華

（1.上海電力學(xué)院 電子與信息工程學(xué)院，上海 200090；2.國(guó)網(wǎng)山東省電力公司濰坊供電公司，山東 濰坊 261000）

0 引言

能源互聯(lián)網(wǎng)受到了業(yè)內(nèi)外的廣泛關(guān)注和積極響應(yīng)[1]～[3]，能源互聯(lián)網(wǎng)可從若干個(gè)微能源網(wǎng)或區(qū)域能源網(wǎng)發(fā)展而來。微能源網(wǎng)可與公共網(wǎng)絡(luò)連接，又可獨(dú)立運(yùn)行[4]，通過能源的就地生產(chǎn)、就地消納，減少能源網(wǎng)絡(luò)建設(shè)成本和能源傳輸運(yùn)營(yíng)成本，從而提高能源利用效率。

近年，我國(guó)各類型微能源網(wǎng)的建設(shè)取得了明顯進(jìn)展。文獻(xiàn)[5]主要針對(duì)含小水電的微電網(wǎng)進(jìn)行研究，以總體經(jīng)濟(jì)效益最高為目標(biāo)，對(duì)“風(fēng)-光-水”微電網(wǎng)進(jìn)行運(yùn)行優(yōu)化。文獻(xiàn)[6]建立了梯級(jí)水電站長(zhǎng)期調(diào)度模型和風(fēng)光水短期聯(lián)合調(diào)度模型，以新能源利用率最高為優(yōu)化目標(biāo)。文獻(xiàn)[7]，[8]建立了冷熱電三聯(lián)供的能量流模型，并采用電-氣耦合能量流計(jì)算方法，評(píng)估微能源網(wǎng)的供能效率。文獻(xiàn)[9]將風(fēng)電、光電與抽水蓄能結(jié)合起來，構(gòu)建了風(fēng)光水聯(lián)合發(fā)電系統(tǒng)模型，通過優(yōu)化配置達(dá)到經(jīng)濟(jì)效益最大化的目的。上述文獻(xiàn)從技術(shù)實(shí)現(xiàn)方面考慮了各種微能源網(wǎng)類型的應(yīng)用模式，但沒有加入充分利用可再生能源的優(yōu)化目標(biāo)，也很少考慮到微能源網(wǎng)規(guī)模及政策對(duì)微能源網(wǎng)發(fā)展的影響。

微能源網(wǎng)優(yōu)化調(diào)度的首要目標(biāo)為減小區(qū)域內(nèi)負(fù)荷的用電費(fèi)用。本文將包含風(fēng)機(jī)、光伏、燃?xì)鈾C(jī)組等分布式電源及儲(chǔ)能裝置的微能源網(wǎng)作為經(jīng)濟(jì)調(diào)度的對(duì)象，考慮微能源網(wǎng)自發(fā)自用的政策補(bǔ)貼及相關(guān)約束條件，建立計(jì)及可再生能源利用率的整體滿意度模型，為解決風(fēng)-光-氣-儲(chǔ)微能源網(wǎng)的優(yōu)化調(diào)度問題提供參考。

1 風(fēng)-光-氣-儲(chǔ)微能源網(wǎng)的系統(tǒng)結(jié)構(gòu)

風(fēng)-光-氣-儲(chǔ)微能源網(wǎng)的系統(tǒng)結(jié)構(gòu)如圖1 所示。

圖1 風(fēng)光氣儲(chǔ)微能源網(wǎng)系統(tǒng)結(jié)構(gòu)示意圖Fig.1 Micro energy grid system structure diagram

該系統(tǒng)空間占用量較少，啟停方便，可作為微能源網(wǎng)主要構(gòu)成形式。由于風(fēng)光發(fā)電的互補(bǔ)性，其聯(lián)合應(yīng)用能夠提高可再生能源利用率；同時(shí)由于風(fēng)光發(fā)電預(yù)測(cè)的不準(zhǔn)確性，設(shè)置小型燃?xì)鈾C(jī)組作為后備電源，以保證供電可靠性。儲(chǔ)能裝置可調(diào)節(jié)微能源網(wǎng)與主電網(wǎng)交換功率，提高區(qū)域內(nèi)供電經(jīng)濟(jì)性和靈活性。

2 經(jīng)濟(jì)調(diào)度模型

2.1 目標(biāo)函數(shù)

微能源網(wǎng)用電費(fèi)用包含4 個(gè)部分：風(fēng)、光、氣發(fā)電成本，儲(chǔ)能裝置調(diào)控成本，微能源網(wǎng)與主網(wǎng)交換電能費(fèi)用，以及政策補(bǔ)貼費(fèi)用，其表達(dá)式為

式中：Pw，t，Ps，t，Pg，t，ΔPb，t分別為 t 時(shí)刻風(fēng)電、 光電、燃?xì)鈾C(jī)組、儲(chǔ)能裝置參與調(diào)度的出力值；ww，ws，wg分別為風(fēng)電、光電、燃?xì)鈾C(jī)組的平均發(fā)電成本；wb為儲(chǔ)能裝置平均使用成本；ΔPt為Δt 時(shí)間內(nèi)微能源網(wǎng)與主網(wǎng)的交換功率；Ct為t 時(shí)刻購電、售電電價(jià)；δE 為區(qū)域內(nèi)自消納發(fā)電量；wδ為政策補(bǔ)貼；T為調(diào)度周期。

微能源網(wǎng)與主網(wǎng)的交換電量即為微能源網(wǎng)負(fù)荷功率與風(fēng)-光-氣-儲(chǔ)提供功率之差。當(dāng)儲(chǔ)能裝置處于放電狀態(tài)時(shí)，等效為電源；當(dāng)其處于充電狀態(tài)時(shí)，等效為負(fù)荷，即：

式中：Pload，t為 t 時(shí)刻微能源網(wǎng)負(fù)荷功率；Pb，t為 t 時(shí)刻儲(chǔ)能裝置參與調(diào)度的充放電功率，且滿足：

式中，Pcha，t，Pdis，t分別為 t 時(shí)刻儲(chǔ)能裝置的充電、放電功率；XYt為t 時(shí)刻儲(chǔ)能裝置的充電、放電狀態(tài)，XYt∈{-1，0，1}。

當(dāng)風(fēng)光氣發(fā)電功率及儲(chǔ)能裝置的充放電功率之和不足以對(duì)全部負(fù)荷供電時(shí)，需以該時(shí)段購電電價(jià)從主網(wǎng)購電；當(dāng)風(fēng)光氣儲(chǔ)功率之和超過負(fù)荷功率時(shí)，以該時(shí)段售電電價(jià)向主網(wǎng)售電。

以微能源網(wǎng)區(qū)域內(nèi)負(fù)荷的平均用電費(fèi)用最小為優(yōu)化目標(biāo)，經(jīng)濟(jì)調(diào)度目標(biāo)函數(shù)為

2.2 約束條件

2.2.1 風(fēng)光發(fā)電約束

由于風(fēng)、光發(fā)電并不穩(wěn)定，其預(yù)測(cè)值即為各時(shí)段出力的最大值，應(yīng)滿足：

式中：PW，t，PS，t分別為 t 時(shí)刻風(fēng)電、 光電的預(yù)測(cè)最大出力值。

2.2.2 微能源網(wǎng)與主網(wǎng)交換功率約束

式中：Pmax為微能源網(wǎng)與主網(wǎng)允許交換最大功率；從主網(wǎng)購電時(shí)，ΔP 取為正值。

2.2.3 儲(chǔ)能裝置充放電約束

①充放電狀態(tài)約束： 每一時(shí)刻儲(chǔ)能裝置只能有充電、放電、不作用中的一個(gè)狀態(tài)。

②充放電次數(shù)約束： 由于充放電次數(shù)對(duì)儲(chǔ)能裝置使用壽命有較大影響，故對(duì)一個(gè)調(diào)度周期的充電、放電次數(shù)進(jìn)行限制。當(dāng)t+1 時(shí)刻充電狀態(tài)發(fā)生改變時(shí)，若其變?yōu)?，則充電次數(shù)記1；若變?yōu)?1，則放電次數(shù)記1。

當(dāng)充放電狀態(tài)由XYt表示時(shí)，ΔXYt=（XYt+1-XYt）·XYt+1≥0，且當(dāng) ΔXYt=0 時(shí)，XYt=XYt+1或XYt+1=0。由此可得：

式中：cha，dis 分別為充電、放電次數(shù)的計(jì)數(shù)。

③充放電次數(shù)約束

式中：N1，N2分別為最大充電、放電次數(shù)。

④充放電功率約束

式中：Eb為儲(chǔ)能裝置最大儲(chǔ)電量。

⑤電量狀態(tài)連續(xù)性約束

某時(shí)刻儲(chǔ)能裝置剩余電量的變化與上一時(shí)刻剩余電量及時(shí)段內(nèi)用電量相關(guān)，電量變化應(yīng)具有連續(xù)性。容易得到初始時(shí)刻與t 時(shí)刻的電量關(guān)系：

式中：S0為初始時(shí)刻儲(chǔ)能裝置儲(chǔ)電量；St為t 時(shí)刻儲(chǔ)能裝置的剩余儲(chǔ)電量。

⑥儲(chǔ)能裝置儲(chǔ)電量上下限約束

式中：Smax為儲(chǔ)能裝置的最大儲(chǔ)電量；Smin為儲(chǔ)能裝置滿足自身運(yùn)行需剩余的最小儲(chǔ)電量。

3 整體滿意度模型

將微能源網(wǎng)作為一個(gè)利益整體，通過調(diào)度其內(nèi)部風(fēng)-光-氣-儲(chǔ)各裝置的出力值，使整體效益達(dá)到最優(yōu)。其整體效益不僅包括經(jīng)濟(jì)效益，還包括可再生能源利用帶來的環(huán)境效益，即可再生能源利用率越高，環(huán)境效益越好。

式中：x=ω，s；cw，cs分別為風(fēng)電、光電能源利用率。

要提高微能源網(wǎng)調(diào)度整體效益，需綜合考慮微能源網(wǎng)的經(jīng)濟(jì)效益與環(huán)境效益，使其分別達(dá)到最優(yōu)值由于目標(biāo)函數(shù)的量綱不統(tǒng)一，為體現(xiàn)各個(gè)目標(biāo)函數(shù)優(yōu)化程度，需對(duì)其進(jìn)行歸一化處理，即：

將 f1，f2，f3作為待求目標(biāo)函數(shù)，可以反映出各個(gè)優(yōu)化目標(biāo)的優(yōu)化程度，其最優(yōu)值均為最小值，且值域均為[0，1]。

由于各個(gè)目標(biāo)函數(shù)優(yōu)化過程中的影響因素相關(guān)，在優(yōu)化計(jì)算時(shí)會(huì)互相作用，從而導(dǎo)致整體優(yōu)化程度無法達(dá)到各個(gè)目標(biāo)優(yōu)化的最優(yōu)解而滿意度權(quán)重系數(shù)方法主觀性過大，可能導(dǎo)致無法得到滿意的多目標(biāo)優(yōu)化結(jié)果。為了反映多個(gè)目標(biāo)的整體優(yōu)化程度，建立整體滿意度模型，將作為理想目標(biāo)點(diǎn)，求得與該目標(biāo)點(diǎn)距離最小的向量值即為最優(yōu)解，從而可將上述多目標(biāo)優(yōu)化問題轉(zhuǎn)換為單目標(biāo)優(yōu)化問題進(jìn)行求解。此外，還可以加入主觀決策希望達(dá)到的約束范圍，得到整體滿意度模型：

式中：F1，F(xiàn)2，F(xiàn)3分別為主觀決策設(shè)定的變量上限值。

4 RAGA加速遺傳算法

傳統(tǒng)遺傳算法（Genetic Algorithm，GA）通過對(duì)初始種群中父代的交叉、變異、選擇，淘汰不良個(gè)體，使種群趨于適應(yīng)度最優(yōu)[10]，[11]。為提高 GA 算法的收斂速度和對(duì)復(fù)雜目標(biāo)函數(shù)求解的適應(yīng)性，本文采用基于實(shí)數(shù)編碼的加速遺傳算法（Real Coding Based Accelerating Genetic Algorithm，RAGA）。RAGA 算法彌補(bǔ)了傳統(tǒng)GA 易早熟收斂的缺陷，提高算法的收斂速度[12]，[13]。

RAGA 算法流程圖如圖2 所示。

圖2 RAGA 算法流程圖Fig.2 Flow chart of RAGA algorithm

由圖2 可知，GA 的一次局部?jī)?yōu)化結(jié)果中前s個(gè)優(yōu)秀個(gè)體保留，并添加到下一次優(yōu)化的初始父代中，同時(shí)由此確定下一次優(yōu)化時(shí)變量的取值范圍，從而從局部最優(yōu)解和盡可能小的變量取值范圍兩個(gè)方面計(jì)算求解。RAGA 無需預(yù)先知道變量的詳細(xì)取值范圍，只需首先確定較為寬泛的約束條件以及一組滿足約束條件的種群，計(jì)算其適應(yīng)度函數(shù)，并進(jìn)行交叉、變異、選擇的遺傳操作。在達(dá)到一定循環(huán)次數(shù)或終止條件時(shí)，保留該次優(yōu)化中前s 個(gè)優(yōu)秀個(gè)體作為下一次優(yōu)化循環(huán)中初始父代的部分個(gè)體，并根據(jù)其取值范圍確定其他滿足條件的父代個(gè)體，從而不斷縮小最優(yōu)個(gè)體所在區(qū)間，達(dá)到快速收斂的目的。RAGA 算法適用于本文建立的變量取值范圍較大的目標(biāo)函數(shù)的求解。

5 算例仿真及分析

5.1 算例數(shù)據(jù)

本文取種群規(guī)模為30，迭代次數(shù)為300，優(yōu)秀個(gè)體數(shù)為20，雜交概率為0.8，變異概率為0.2。

本文只考慮時(shí)長(zhǎng)24 h 的一個(gè)調(diào)度周期，仿真設(shè)置時(shí)間間隔為30 min。微能源網(wǎng)供電區(qū)域網(wǎng)絡(luò)結(jié)構(gòu)圖[10]及區(qū)域內(nèi)負(fù)荷預(yù)測(cè)曲線如圖3，4 所示。

圖3 供電區(qū)域網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.3 Power supply area network structure diagram

圖4 區(qū)域負(fù)荷預(yù)測(cè)功率曲線Fig.4 Regional load power curve

風(fēng)、光、燃?xì)鈾C(jī)組裝機(jī)容量及發(fā)電成本如表1所示，風(fēng)、光最大發(fā)電功率預(yù)測(cè)曲線如圖5 所示。

表1 發(fā)電機(jī)組各項(xiàng)數(shù)據(jù)Table 1 Generating set data

圖5 風(fēng)、光預(yù)測(cè)最大發(fā)電功率曲線Fig.5 Wind and light maximum forecast power generation curve

儲(chǔ)能裝置參數(shù)如表2，3 所示。允許與主網(wǎng)交換功率值ΔP∈[-100，100]kW。自消納可再生能源發(fā)電部分政策補(bǔ)貼：風(fēng)電補(bǔ)貼 0.05 元/（kW·h）；光電補(bǔ)貼0.1 元/（kW·h）。售電及購電分時(shí)電價(jià)如表4 所示。

表2 蓄電池各項(xiàng)參數(shù)Table 2 Battery parameters

表3 抽水蓄能電站各項(xiàng)參數(shù)Table 3 Pumped storage power station parameters

表4 售電及購電電價(jià)Table 4 Selling and buying electricity price

5.2 經(jīng)濟(jì)調(diào)度模型評(píng)估

5.2.1 調(diào)度方案類型

由于微能源網(wǎng)與主網(wǎng)有交換功率限制，因此,負(fù)荷無法全部從主網(wǎng)購電來滿足需求，必須有區(qū)域內(nèi)各分布式電源供電。

方案1：風(fēng)光氣機(jī)組全額發(fā)電。當(dāng)儲(chǔ)能裝置不作用，風(fēng)、光發(fā)電完全按預(yù)測(cè)最大值出力，燃?xì)鈾C(jī)組出力最大值為300 kW 時(shí)，部分時(shí)段負(fù)荷需從主網(wǎng)購電，部分時(shí)段自發(fā)電已滿足負(fù)荷需求，可享受補(bǔ)貼并將余量向主網(wǎng)售電。

方案2： 風(fēng)光氣調(diào)度發(fā)電。當(dāng)儲(chǔ)能裝置不作用，風(fēng)光氣調(diào)度發(fā)電時(shí)，部分時(shí)段負(fù)荷需從主網(wǎng)購電，部分時(shí)段自發(fā)電滿足負(fù)荷需求，可享受補(bǔ)貼并將余量向主網(wǎng)售電?？蛇M(jìn)一步將方案B 分為B1僅風(fēng)光調(diào)度、B2 僅風(fēng)氣調(diào)度、B3 僅光氣調(diào)度、B4風(fēng)光氣協(xié)同調(diào)度。

方案3： 風(fēng)光氣儲(chǔ)調(diào)度發(fā)電。當(dāng)儲(chǔ)能裝置作用，風(fēng)光氣儲(chǔ)調(diào)度發(fā)電時(shí)，部分時(shí)段負(fù)荷需從主網(wǎng)購電，部分時(shí)段自發(fā)電滿足負(fù)荷需求，可享受補(bǔ)貼并將余量向主網(wǎng)售電?？蛇M(jìn)一步將方案C 分為C1僅風(fēng)光儲(chǔ)調(diào)度、C2 僅風(fēng)氣儲(chǔ)調(diào)度、C3 僅光氣儲(chǔ)調(diào)度、C4 風(fēng)光氣儲(chǔ)協(xié)同調(diào)度。

5.2.2 經(jīng)濟(jì)調(diào)度方案優(yōu)化結(jié)果及分析

在只考慮經(jīng)濟(jì)效益的情況下，根據(jù)經(jīng)濟(jì)調(diào)度模型，對(duì)上述方案進(jìn)行仿真計(jì)算。各個(gè)方案的優(yōu)化計(jì)算結(jié)果如圖6 所示。

圖6 各經(jīng)濟(jì)調(diào)度方案優(yōu)化結(jié)果Fig.6 Optimization results of economic scheduling schemes

當(dāng)機(jī)組全額發(fā)電時(shí)，微能源網(wǎng)內(nèi)負(fù)荷平均用電費(fèi)用最高達(dá)到 0.731 3 元/（kW·h）；當(dāng)風(fēng)光氣調(diào)度發(fā)電時(shí)，三者協(xié)同調(diào)度得到的平均用電費(fèi)用最低，為 0.600 8 元/（kW·h）；風(fēng)光氣儲(chǔ)協(xié)同調(diào)度為全部方案中優(yōu)化所得平均用電費(fèi)用最少方案，為0.588 0 元/（kW·h），其迭代曲線如圖7所示。

圖7 各經(jīng)濟(jì)調(diào)度方案優(yōu)化結(jié)果Fig.7 Optimization results of economic scheduling schemes

由圖7 可以看出，RAGA 算法收斂速度較快，且有較好的收斂性。

風(fēng)光氣協(xié)同經(jīng)濟(jì)調(diào)度功率曲線如圖8 所示。由圖可知，在儲(chǔ)能裝置參與調(diào)度情況下，微能源網(wǎng)在低谷期從主電網(wǎng)低價(jià)購電并存儲(chǔ)，在高峰期將儲(chǔ)存電能同機(jī)組發(fā)電一起滿足負(fù)荷需求。減小平均用電費(fèi)用，使各機(jī)組調(diào)度發(fā)電更加靈活。

圖8 風(fēng)光氣協(xié)同經(jīng)濟(jì)調(diào)度功率曲線Fig.8 Power curve of coordinated economic dispatch

5.3 整體滿意度模型評(píng)估

對(duì)于前述經(jīng)濟(jì)調(diào)度方案分別計(jì)算可再生能源風(fēng)、光各自的利用率，如圖9 所示。

圖9 各經(jīng)濟(jì)調(diào)度方案所得可再生能源利用率Fig.9 The renewable energy utilization rate of economic scheduling schemes

由圖9 可知，當(dāng)以經(jīng)濟(jì)效益為主要優(yōu)化目標(biāo)時(shí)，棄風(fēng)棄光較多，無法兼顧環(huán)境效益的提高。

圖10 風(fēng)光氣儲(chǔ)整體滿意度優(yōu)化功率曲線Fig.10 Overall satisfaction optimization power curve

通過整體滿意度優(yōu)化計(jì)算，得到經(jīng)濟(jì)效益結(jié)果，平均用電費(fèi)用為 0.592 3 元/（kW·h）；所得環(huán)境效益結(jié)果，風(fēng)、光能源利用率分別為0.74，0.91。與方案C4 相比，其風(fēng)、 光能源利用率分別為0.63，0.69，經(jīng)濟(jì)效益略差，但可再生能源利用率得到顯著提高。

綜上所述，采用整體滿意度模型并結(jié)合一定的政策補(bǔ)貼，能夠在提升經(jīng)濟(jì)效益，降低微能源網(wǎng)區(qū)域平均用電費(fèi)用的同時(shí)，兼顧考慮區(qū)域內(nèi)環(huán)境效益，提高可再生能源的利用率。

6 結(jié)論

本文基于含風(fēng)機(jī)、光伏、燃?xì)鈾C(jī)組及儲(chǔ)能裝置的微能源網(wǎng)架構(gòu)，綜合考慮風(fēng)光氣儲(chǔ)各項(xiàng)約束條件，計(jì)及微能源網(wǎng)發(fā)電成本、購、售電交易及政策補(bǔ)貼，對(duì)各類能源出力進(jìn)行協(xié)同調(diào)度，建立微能源網(wǎng)經(jīng)濟(jì)效益和環(huán)境效益整體最優(yōu)模型。經(jīng)過算例仿真驗(yàn)證，利用RAGA 算法對(duì)各類能源出力值協(xié)同調(diào)度，能夠快速達(dá)到收斂值，有效提高能源利用的整體滿意度。