(1.新疆大學(xué)電氣工程學(xué)院，新疆 烏魯木齊 830047；2.河北民族師范學(xué)院物理與電子工程學(xué)院(承德市新能源發(fā)電與并網(wǎng)工程技術(shù)研究中心)，河北 承德 067000)

0 引 言

近年來(lái)，傳統(tǒng)化石能源日益枯竭，促使中國(guó)建成多個(gè)千萬(wàn)千瓦級(jí)的新能源發(fā)電基地,以光伏為代表的發(fā)電技術(shù)得到快速發(fā)展[1]，現(xiàn)有光伏電站功率的隨機(jī)性、波動(dòng)性和功率預(yù)測(cè)的不準(zhǔn)確性導(dǎo)致大規(guī)模光伏發(fā)電在可靠性和穩(wěn)定性方面還不能完全滿足電網(wǎng)的并網(wǎng)要求。優(yōu)化光伏電站輸出功率波動(dòng)是光伏發(fā)電并網(wǎng)運(yùn)行亟待解決的關(guān)鍵技術(shù)[2-3]。

為平滑光伏發(fā)電出力波動(dòng)性加入儲(chǔ)能系統(tǒng)是目前最普遍的方式，它可以在一定程度上降低光伏發(fā)電功率波動(dòng)，而針對(duì)光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)控制策略，國(guó)內(nèi)外專家學(xué)者也在開(kāi)展相關(guān)研究工作。其中，為平抑光伏發(fā)電輸出功率，文獻(xiàn)[4-5]從混合儲(chǔ)能的儲(chǔ)能荷電狀態(tài)、儲(chǔ)能出力以及相關(guān)約束進(jìn)行協(xié)調(diào)控制，在平抑功率波動(dòng)方面起到了一定效果，但未考慮粒子群算法。文獻(xiàn)[6-7]考慮光伏出力需求的波動(dòng)性，對(duì)可靠性評(píng)估算法進(jìn)行改進(jìn)，功率平抑取得一定進(jìn)步，但未考慮多代理思想。文獻(xiàn)[8]基于短期光伏發(fā)電預(yù)測(cè)功率及預(yù)測(cè)誤差的隨機(jī)性，采用機(jī)會(huì)約束規(guī)劃的儲(chǔ)能系統(tǒng)控制方法，對(duì)儲(chǔ)能電站并網(wǎng)進(jìn)行測(cè)試證明了其優(yōu)越性。文獻(xiàn)[9-10]采用儲(chǔ)能日前優(yōu)化調(diào)度方法，提高了風(fēng)光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)的出力與計(jì)劃出力匹配能力，平抑了功率波動(dòng)。文獻(xiàn)[11-14]從光伏的最大功率跟蹤工作點(diǎn)控制和混合儲(chǔ)能系統(tǒng)協(xié)調(diào)控制策略平抑了光伏并網(wǎng)功率波動(dòng)。目前將粒子群算法用到光儲(chǔ)電站控制策略的公開(kāi)文獻(xiàn)較少,尚處于探索階段[15-17]。

下面在現(xiàn)有功率平抑方法的基礎(chǔ)上，利用多代理系統(tǒng)理論建立了多代理控制系統(tǒng)仿真模型，結(jié)合粒子群算法建立控制策略目標(biāo)函數(shù)，對(duì)目標(biāo)函數(shù)值擴(kuò)大解空間搜索范圍，尋優(yōu)計(jì)算約束條件和目標(biāo)函數(shù)，探索出平抑功率波動(dòng)的最優(yōu)解同時(shí)對(duì)儲(chǔ)能荷電狀態(tài)和放電深度進(jìn)行了優(yōu)化。該策略基于某光儲(chǔ)電站歷史輸出功率進(jìn)行仿真驗(yàn)證，結(jié)果表明，所提策略在平抑功率波動(dòng)、儲(chǔ)能主代理的荷電狀態(tài)管理方面得到了有效提高。

1 儲(chǔ)能電站代理模型

為實(shí)現(xiàn)儲(chǔ)能電站代理系統(tǒng)自治功能。模型主要包含以下4個(gè)模塊：

1) 算法模塊主要通過(guò)競(jìng)爭(zhēng)學(xué)習(xí)算法，實(shí)現(xiàn)單個(gè)代理與其他代理之間的學(xué)習(xí)競(jìng)爭(zhēng)功能，確定單個(gè)代理的功率值。并根據(jù)代理的功率值，結(jié)合代理下各儲(chǔ)能電池荷電狀態(tài)(state of charge，SOC)確定單個(gè)代理所對(duì)應(yīng)各儲(chǔ)能換流器的充放電功率值，以達(dá)到限制充放電功率的目的。

2)控制模塊主要通過(guò)算法模塊計(jì)算上級(jí)中各儲(chǔ)能系統(tǒng)換流器(power conversion system，PCS)的充放電功率值，有效控制下級(jí)子站代理模塊所對(duì)應(yīng)的換流器充放電功率。

3)數(shù)據(jù)庫(kù)模塊主要根據(jù)其他代理的通信請(qǐng)求發(fā)送和接受對(duì)應(yīng)數(shù)據(jù)并對(duì)代理所對(duì)應(yīng)的各種數(shù)據(jù)進(jìn)行實(shí)時(shí)存儲(chǔ)。

4)通信模塊主要負(fù)責(zé)采集儲(chǔ)能電池?fù)Q流器和儲(chǔ)能電池運(yùn)行數(shù)據(jù)并實(shí)現(xiàn)代理之間的通信功能。

多個(gè)代理的仿真模型根據(jù)競(jìng)爭(zhēng)和合作關(guān)系完成儲(chǔ)能電站總充放電功率需求。比如以荷電狀態(tài)為主要考慮因素對(duì)儲(chǔ)能電站進(jìn)行分區(qū)，在完成功率輸出工作時(shí)，荷電狀態(tài)值比較低的代理期望少放電多充電，然而荷電狀態(tài)比較高的代理期望多放電少充電。電站多代理結(jié)構(gòu)如圖1所示。

圖1 電站多代理結(jié)構(gòu)

2 多代理粒子群算法的控制策略

結(jié)合多代理思想，將儲(chǔ)能電站分割成多個(gè)代理區(qū)，同時(shí)結(jié)合粒子群算法，擴(kuò)大解空間搜索范圍。在多代理粒子群算法中，生成的粒子的個(gè)數(shù)為儲(chǔ)能單元代理的個(gè)數(shù)，代表所要求解的個(gè)數(shù)。將儲(chǔ)能電站控制層級(jí)分為兩級(jí)：主代理與各儲(chǔ)能單元區(qū)代理。儲(chǔ)能電站主代理為解決多代理各儲(chǔ)能單元區(qū)代理粒子群算法最優(yōu)區(qū)間，通過(guò)協(xié)商通信明確各儲(chǔ)能單元區(qū)代理充放電功率參考值，將儲(chǔ)能總需求分配給各個(gè)儲(chǔ)能單元區(qū)代理，各儲(chǔ)能換流器最終實(shí)際充放電功率的確定還需考慮儲(chǔ)能子單元限制范圍內(nèi)的荷電狀態(tài)及最大充放電功率等參數(shù)。

儲(chǔ)能單元區(qū)代理通過(guò)儲(chǔ)能電站主代理與儲(chǔ)能單元區(qū)代理之間互相通信比較，在確定此區(qū)此時(shí)實(shí)際應(yīng)發(fā)出功率之前，需要分別計(jì)算某一確定分區(qū)當(dāng)前時(shí)刻功率參考值。粒子群算法控制流程如圖2所示。算法如下：

1)接收上級(jí)調(diào)度總功率需求的儲(chǔ)能電站主代理充放電功率計(jì)算為

(1)

圖2 控制流程

當(dāng)功率需求為正需要放電時(shí)，第i個(gè)單元區(qū)代理計(jì)算的放電功率值為

(2)

式中：i=1,2,3…n，n為儲(chǔ)能單元區(qū)個(gè)數(shù)；SA_i(t-1)為第i個(gè)儲(chǔ)能單元區(qū)代理(t-1)時(shí)刻儲(chǔ)能變流器荷電狀態(tài)的平均值；μA_i為第i個(gè)儲(chǔ)能單元的運(yùn)行工況參數(shù)。

當(dāng)功率需求為負(fù)需要充電時(shí)，各單元區(qū)代理計(jì)算其充電功率值方法為

(3)

(4)

(5)

儲(chǔ)能單元區(qū)代理處于放電狀態(tài)時(shí)對(duì)其控制范圍內(nèi)的各儲(chǔ)能換流器進(jìn)行功率分配確定系數(shù)α、β，功率分配計(jì)算如(6)式：

(6)

單元功率參考值需要根據(jù)充電狀態(tài)時(shí)的第i個(gè)儲(chǔ)能單元區(qū)計(jì)算得到，功率分配計(jì)算為

(7)

(8)

(9)

(10)

(11)

(12)

(13)

(14)

功率上、下限區(qū)間微調(diào)如式(15)：

(15)

GA_b=min (ω1FA1+ω2FA2)

(16)

(17)

(18)

(19)

(20)

(21)

經(jīng)過(guò)迭代算法后，上級(jí)儲(chǔ)能主代理發(fā)出的調(diào)令在允許的范圍內(nèi)接近各個(gè)儲(chǔ)能單元與光伏出力總和。

以多代理和粒子群算法相結(jié)合，個(gè)體粒子根據(jù)自身對(duì)問(wèn)題理解，算法中粒子的速度用各儲(chǔ)能單元區(qū)的各儲(chǔ)能換流器的充放電功率表示，粒子的位置用各儲(chǔ)能換流器對(duì)應(yīng)的荷電狀態(tài)表示。為探索出滿足目標(biāo)函數(shù)的儲(chǔ)能主代理變流器充放電功率最優(yōu)解，需要不斷調(diào)整尋找探索出滿足目標(biāo)函數(shù)的位置和速度。

3 仿真分析

對(duì)某光伏電站實(shí)際運(yùn)行數(shù)據(jù)在Matlab/simulink中進(jìn)行仿真驗(yàn)證。該電站光伏裝機(jī)50 MW，儲(chǔ)能系統(tǒng)容量為15 MWh，分為多個(gè)儲(chǔ)能單元區(qū)代理。各儲(chǔ)能單元區(qū)的初始荷電狀態(tài)按0.5～0.6均勻配置，儲(chǔ)能荷電狀態(tài)控制的上下限值設(shè)置為0.1～0.9之間。光儲(chǔ)控制系統(tǒng)如圖3所示。

圖3 光儲(chǔ)控制系統(tǒng)

光儲(chǔ)功率曲線如圖4所示，從圖中功率波動(dòng)走勢(shì)看出原始光儲(chǔ)總有功波動(dòng)幅度較大，波動(dòng)頻率較多。光儲(chǔ)系統(tǒng)在多代理粒子群算法的控制作用下能有效減小光儲(chǔ)輸出功率波動(dòng)幅度，減少功率波動(dòng)區(qū)域，因此基于多代理粒子群算法的光儲(chǔ)系統(tǒng)控制策略平抑功率波動(dòng)效果較好。

圖4 光儲(chǔ)功率曲線

功率波動(dòng)率計(jì)算公式為

(22)

式中：Pmax為光儲(chǔ)發(fā)電功率的最大值；Pmin為光儲(chǔ)發(fā)電功率的最小值；Pz為光儲(chǔ)電站裝機(jī)容量。圖5是輸出功率波動(dòng)率曲線，對(duì)比發(fā)現(xiàn)基于多代理粒子群算法的光儲(chǔ)電站發(fā)電功率波動(dòng)大幅度減小，10 min功率波動(dòng)率在2%以內(nèi)。

圖5 功率波動(dòng)率曲線

圖6為電池儲(chǔ)能電站的主代理對(duì)應(yīng)的電池荷電狀態(tài)變化趨勢(shì)圖，可看出儲(chǔ)能系統(tǒng)充放電次數(shù)基本相同, 荷電狀態(tài)初始值設(shè)為0.5。原光儲(chǔ)電站荷電狀態(tài)變化范圍在0.35～0.95區(qū)間波動(dòng)，超出最大值0.9的范圍，表明儲(chǔ)能系統(tǒng)充放電幅度較大，為深度充、放電，經(jīng)過(guò)循環(huán)后荷電狀態(tài)低于0.4。在多代理粒子群算法下光儲(chǔ)電站荷電狀態(tài)變化在0.5～0.9區(qū)間，表現(xiàn)為淺充淺放，經(jīng)過(guò)一天的循環(huán)，最終使得儲(chǔ)能電站主代理荷電狀態(tài)回歸0.5，與最初設(shè)置值基本保持在相對(duì)一致的狀態(tài)。

圖6 SOC變化曲線

4 結(jié) 語(yǔ)

在考慮儲(chǔ)能系統(tǒng)平抑光伏波動(dòng)、儲(chǔ)能系統(tǒng)荷電狀態(tài)情況下，提出多代理粒子群算法的光儲(chǔ)電站控制策略，采用多代理粒子群算法建立控制策略目標(biāo)函數(shù)。針對(duì)光儲(chǔ)電站歷史輸出功率，對(duì)目標(biāo)函數(shù)輸出功率值擴(kuò)大解空間搜索范圍，尋優(yōu)計(jì)算各儲(chǔ)能單元區(qū)對(duì)應(yīng)的儲(chǔ)能子系統(tǒng)的充放電功率的約束條件和目標(biāo)函數(shù)，探索出最優(yōu)解。仿真結(jié)果表明，所提出的多代理粒子群算法在儲(chǔ)能系統(tǒng)作用下有效減小了功率波動(dòng)率，優(yōu)化了光儲(chǔ)電站主代理對(duì)應(yīng)的電池荷電狀態(tài)。