李 奇 趙淑丹 蒲雨辰 陳維榮 于 瑾

（1. 西南交通大學(xué)電氣工程學(xué)院 成都 611756 2. 國網(wǎng)山東省電力公司煙臺(tái)供電公司 煙臺(tái) 264001）

0 引言

隨著經(jīng)濟(jì)的快速發(fā)展，能源不足危機(jī)和環(huán)境污染問題在全球范圍內(nèi)已經(jīng)引起了廣泛的關(guān)注，進(jìn)行能源結(jié)構(gòu)改革迫在眉睫。與傳統(tǒng)的化石能源發(fā)電相比，以風(fēng)力發(fā)電和光伏發(fā)電技術(shù)為主的分布式發(fā)電技術(shù)具有高效性和環(huán)境友好性[1-2]，因此，分布式發(fā)電技術(shù)被廣泛使用。為解決分布式電源并網(wǎng)問題，科學(xué)家們提出了微電網(wǎng)的概念[3-4]。

微電網(wǎng)內(nèi)各設(shè)備的容量合理配置是微電網(wǎng)規(guī)劃設(shè)計(jì)階段的重要內(nèi)容，對(duì)保證系統(tǒng)安全穩(wěn)定運(yùn)行、減少投資成本等方面具有重要的指導(dǎo)意義。近年來，對(duì)于微電網(wǎng)容量配置已有很多研究。文獻(xiàn)[5]提出了一種基于靈敏度分析的微電網(wǎng)容量配置方法，考慮風(fēng)/光/柴/儲(chǔ)靈敏度與微電網(wǎng)總成本的關(guān)系，得到容量優(yōu)化的最優(yōu)配置方案。文獻(xiàn)[6]考慮了分布式電源、儲(chǔ)能裝備和負(fù)荷的不同特性，提出了一種微電網(wǎng)混合儲(chǔ)能容量優(yōu)化配置方案，減小了日電負(fù)荷的峰谷差。文獻(xiàn)[7]以實(shí)現(xiàn)多類型能源的協(xié)同優(yōu)化和微能源的經(jīng)濟(jì)效益最優(yōu)為出發(fā)點(diǎn)，綜合考慮分布式發(fā)電機(jī)組的出力特性、投資效益及碳減排政策，完成了儲(chǔ)能系統(tǒng)的容量優(yōu)化配置。文獻(xiàn)[8]基于海島用水需求及海水淡化系統(tǒng)的特點(diǎn)，綜合考慮運(yùn)行經(jīng)濟(jì)性及環(huán)境效益，提出了風(fēng)/光/柴/蓄及海水淡化負(fù)荷的微電網(wǎng)容量優(yōu)化配置模型，并驗(yàn)證了所提策略的有效性。

通過以上分析發(fā)現(xiàn)，目前針對(duì)微電網(wǎng)容量優(yōu)化配置的研究大多以風(fēng)光發(fā)電、柴油發(fā)電機(jī)和蓄電池間的協(xié)調(diào)配合為主，針對(duì)氫儲(chǔ)能系統(tǒng)并入微電網(wǎng)的研究相對(duì)薄弱。但是氫能具有清潔、高效、能量密度大等優(yōu)勢。電能氫能協(xié)調(diào)配合，能夠提高能源利用率，實(shí)現(xiàn)能量梯級(jí)利用。因此，考慮電氫耦合的混合儲(chǔ)能微電網(wǎng)的容量優(yōu)化配置研究具有重要意義。文獻(xiàn)[9]提出一種含氫儲(chǔ)能和蓄電池混合儲(chǔ)能系統(tǒng)的風(fēng)/光/儲(chǔ)微電網(wǎng)，建立容量配置優(yōu)化模型，并基于HOMER Pro軟件設(shè)計(jì)算例進(jìn)行求解。文獻(xiàn)[10]基于快速估計(jì)方法，考慮含氫儲(chǔ)能系統(tǒng)的微電網(wǎng)中電、氫儲(chǔ)能系統(tǒng)不同的響應(yīng)時(shí)間，根據(jù)實(shí)際天氣、負(fù)載情況對(duì)微網(wǎng)系統(tǒng)進(jìn)行容量優(yōu)化配置。文獻(xiàn)[11]對(duì)于含有單一電解制氫系統(tǒng)的孤島微電網(wǎng)系統(tǒng)進(jìn)行了基于碳排放和限制最大容量上的優(yōu)化。

基于微網(wǎng)容量配置問題，粒子群優(yōu)化算法（Particle Swarm optimization, PSO）具有魯棒性好、尋優(yōu)速度快、效率高等優(yōu)點(diǎn)，且在求解不連續(xù)、不可微的非線性優(yōu)化問題時(shí)具有強(qiáng)大優(yōu)勢。文獻(xiàn)[12]利用粒子群算法求解微電網(wǎng)凈收益最優(yōu)時(shí)的儲(chǔ)能系統(tǒng)容量，文獻(xiàn)[13]建立了混合儲(chǔ)能系統(tǒng)容量配置優(yōu)化模型，利用改進(jìn)粒子群算法對(duì)算例進(jìn)行求解。文獻(xiàn)[14]以環(huán)境效益及有功損耗最優(yōu)為目標(biāo)，利用改進(jìn)粒子群算法對(duì)目標(biāo)函數(shù)進(jìn)行求解。文獻(xiàn)[15]在綜合考慮經(jīng)濟(jì)性、供電可靠性、環(huán)境效益等評(píng)價(jià)指標(biāo)基礎(chǔ)上，建立不同導(dǎo)向的微電網(wǎng)容量配置優(yōu)化模型，采用自適應(yīng)權(quán)重粒子群算法進(jìn)行求解，得到了不同模型下的最優(yōu)解，驗(yàn)證了所提方法的正確性。在求解過程中，所設(shè)參數(shù)直接影響算法的最終結(jié)果。

上述研究多以微電網(wǎng)系統(tǒng)運(yùn)營成本或凈收益為優(yōu)化目標(biāo)，未計(jì)及系統(tǒng)的穩(wěn)定性，而以經(jīng)濟(jì)性最優(yōu)時(shí)的容量配置結(jié)果不能完全平抑母線功率及電壓波動(dòng)，缺乏對(duì)微網(wǎng)系統(tǒng)供電可靠性的評(píng)估。在此基礎(chǔ)上，本文提出將由電解槽-儲(chǔ)氫罐-燃料電池組成的氫儲(chǔ)能系統(tǒng)應(yīng)用于孤島直流微電網(wǎng)的容量優(yōu)化配置問題。首先，建立微電網(wǎng)內(nèi)各分布式能源的數(shù)學(xué)模型，包含電儲(chǔ)能系統(tǒng)模型和氫儲(chǔ)能系統(tǒng)模型。然后，提出一種以微電網(wǎng)系統(tǒng)經(jīng)濟(jì)性和供電可靠性為目標(biāo)，以單位電量成本、負(fù)載失電率和能量過剩率作為評(píng)估指標(biāo)的微網(wǎng)容量優(yōu)化配置方法。通過控制系統(tǒng)內(nèi)各儲(chǔ)能裝置的工作狀態(tài)，決定各微源的出力順序，再使用加權(quán)法將多目標(biāo)問題轉(zhuǎn)換為單目標(biāo)問題。最后，選取某地區(qū)一年內(nèi)的光照及負(fù)荷數(shù)據(jù)進(jìn)行算例分析，采用粒子群優(yōu)化算法求解模型，并對(duì)比分析不同優(yōu)化算法、權(quán)重系數(shù)對(duì)優(yōu)化結(jié)果的影響。采用RT-LAB半實(shí)物仿真平臺(tái)將配置結(jié)果在實(shí)際情況下進(jìn)行了實(shí)驗(yàn)驗(yàn)證。

1 微電網(wǎng)的系統(tǒng)結(jié)構(gòu)及數(shù)學(xué)模型

1.1 系統(tǒng)結(jié)構(gòu)

本文所研究的考慮電氫耦合的混合儲(chǔ)能微電網(wǎng)的系統(tǒng)結(jié)構(gòu)如圖1所示，主要由光伏陣列、蓄電池、燃料電池、電解槽、儲(chǔ)氫罐、負(fù)荷及DC-DC變換器等元件組成。儲(chǔ)能系統(tǒng)包括以蓄電池為主的電儲(chǔ)能系統(tǒng)和以燃料電池、電解槽、儲(chǔ)氫罐為主的氫儲(chǔ)能系統(tǒng)，其中燃料電池與電解槽為電氫耦合元件。

圖1 微電網(wǎng)系統(tǒng)結(jié)構(gòu)Fig.1 Microgrid structure

1.2 數(shù)學(xué)模型

1.2.1 光伏電池模型

為了減小誤差，提高所建模型的準(zhǔn)確性，光伏電池的實(shí)際輸出功率需要同時(shí)考慮實(shí)際光照強(qiáng)度和實(shí)際環(huán)境溫度，因此光伏電池的實(shí)際輸出功率表示為

式中，Cpv為光伏電池的額定輸出功率；S(t)和SST分別為t時(shí)刻光照強(qiáng)度和標(biāo)準(zhǔn)光照強(qiáng)度；ηpv_DC-DC為光伏電池的DC-DC變換器效率，本文取90%；ηloss為由于溫度升高光伏電池產(chǎn)生的功率損耗，可表示為

式中，λ為溫度系數(shù)，本文取λ=0.004 85/℃；T(t)為工作溫度，可由環(huán)境溫度與光照強(qiáng)度進(jìn)行估算；Ta(t)為實(shí)際環(huán)境溫度；TN為標(biāo)準(zhǔn)工作溫度，取為25℃。設(shè)計(jì)壽命為20年。

1.2.2 蓄電池模型

蓄電池可以有效平抑微電網(wǎng)內(nèi)負(fù)載需求突變引起的波動(dòng)。當(dāng)光伏輸出功率大于負(fù)荷需求功率時(shí)，蓄電池處于充電狀態(tài)；反之，蓄電池處于放電狀態(tài)。其特性如下。

蓄電池充電時(shí)

蓄電池放電時(shí)

式中，Ebat(t)為t時(shí)刻蓄電池儲(chǔ)存的能量；δ為蓄電池自放電率，根據(jù)相關(guān)實(shí)驗(yàn)結(jié)果，本文取0.46%/天；Pbat_ch、Pbat_dh分別為充、放電功率；ηch、ηdh分別為蓄電池的充電和放電效率，本文均取 90%；ηbat_DC-DC為蓄電池的DC-DC變換器效率，本文取90%；Δt為時(shí)間步長，本文取1h。

在系統(tǒng)運(yùn)行過程中，蓄電池經(jīng)歷充電和放電過程受其荷電狀態(tài)（SOCmin＜SOC＜SOCmax）的約束，蓄電池的最大充、放電功率可分別表示為

式中，SOCmax、SOCmin分別為蓄電池荷電狀態(tài)的上、下限；Cbat為蓄電池的容量。

1.2.3 電解槽-儲(chǔ)氫罐-燃料電池模型

本文所建電解槽-儲(chǔ)氫罐-燃料電池模型與蓄電池儲(chǔ)能的作用相同，即在光伏資源充足條件下，電解槽利用多余電能電解水制氫，并將氫氣儲(chǔ)存在儲(chǔ)氫罐中；當(dāng)光伏資源不足時(shí)，燃料電池以儲(chǔ)氫罐中的氫氣為燃料進(jìn)行發(fā)電，滿足電負(fù)荷需求。

電解槽能夠?qū)⑺娊鉃闅錃夂脱鯕?。其輸出功率可表示?/p>

式中，Pel為電解槽的輸入功率；ηel為電解槽的效率，本文取為60% 。

燃料電池模型為質(zhì)子交換膜燃料電池（Proton Exchange Membrane Fuel Cell, PEMFC），以氫氣和氧氣作為燃料，將化學(xué)能轉(zhuǎn)換為電能儲(chǔ)存起來，其輸出功率為

式中，Ptank-fc為儲(chǔ)氫罐輸入到燃料電池中的功率；ηfc為燃料電池的工作效率。

儲(chǔ)氫罐用來儲(chǔ)存電解水產(chǎn)生的氫氣，也可以為燃料電池提供氫氣，提高系統(tǒng)的靈活性，其儲(chǔ)能的數(shù)學(xué)模型可表示為

式中，Etank(t)為t時(shí)刻儲(chǔ)氫罐儲(chǔ)存的能量；ηel_DC-DC、ηfc_DC-DC分別為電解槽和燃料電池的工作效率，本文均取 90%；ηtank為儲(chǔ)氫罐的工作效率，本文取ηtank=50%。

電解槽的最大輸入功率與燃料電池的最大輸出功率受其容量與儲(chǔ)氫罐剩余儲(chǔ)能容量的限制，可分別表示為

式中，Cel、Cfc分別為電解槽及燃料電池的容量；Etankmax、Etankmin分別為儲(chǔ)氫罐儲(chǔ)能容量的上、下限；Ctank為儲(chǔ)氫罐容量；本文中取Etankmax=0.8Ctank，Etankmin=0.2Ctank。

2 微電網(wǎng)優(yōu)化配置模型

2.1 目標(biāo)函數(shù)

本文研究的微電網(wǎng)系統(tǒng)主要包括光伏陣列、電儲(chǔ)能系統(tǒng)、氫儲(chǔ)能系統(tǒng)及負(fù)荷。因此容量配置的對(duì)象，即優(yōu)化變量，為光伏陣列、蓄電池、電解槽和燃料電池的容量。配置圍繞微電網(wǎng)系統(tǒng)經(jīng)濟(jì)性和供電可靠性兩個(gè)目標(biāo)進(jìn)行，供電可靠性由負(fù)載失電率和能量過剩率兩個(gè)指標(biāo)表征。

2.1.1 經(jīng)濟(jì)性

本文以微電網(wǎng)系統(tǒng)的單位電量成本 LCE作為經(jīng)濟(jì)性目標(biāo)函數(shù)。該目標(biāo)函數(shù)可表示為

式中，∑Pload(t)為年負(fù)荷消耗能量；ACS為系統(tǒng)等年值投資費(fèi)用 (Annualized Cost of System, ACS)，可以表示為

式中，CAcap為年主設(shè)備投資費(fèi)用，包括光伏陣列、蓄電池、燃料電池、電解槽和儲(chǔ)氫罐等設(shè)備；CAux為年輔助設(shè)備投資費(fèi)用；CArep為年重置成本；CAom為年運(yùn)行維護(hù)成本；CRF為資金回收系數(shù)（Capital Recovery Factor, CRF），其表達(dá)式為

式中，r為實(shí)際年利率，本文取4%；Y為項(xiàng)目設(shè)計(jì)年限，即微電網(wǎng)壽命周期。

主設(shè)備購買成本與設(shè)備型號(hào)、額定容量等因素有關(guān)，光伏電池、燃料電池的購買成本取決于其額定功率，因此，主設(shè)備投資成本可表示為

式中，kpv、kbat、kel、kfc、kDC-DC分別為光伏陣列、蓄電池、電解槽、燃料電池和DC-DC變換器設(shè)備購買單價(jià)；Cpv、Cbat、Cel、Cfc分別為光伏陣列、蓄電池、電解槽和燃料電池的容量。

由文獻(xiàn)[16]分析可知，輔助投資成本與主設(shè)備投資成本成正比例關(guān)系，表達(dá)式為

式中，kaux為比例系數(shù)，本文取0.1。

在微電網(wǎng)壽命周期內(nèi)，光伏陣列壽命較長，一般不需要更換；而蓄電池和燃料電池的相對(duì)壽命較短，需要進(jìn)行部分或整體的替換，因此需要考慮重置成本。

年運(yùn)行維護(hù)費(fèi)用包括燃料費(fèi)用和設(shè)備維護(hù)費(fèi)用，它與設(shè)備購買成本成比例，即

式中，kaom為從設(shè)備購買成本轉(zhuǎn)換為運(yùn)維成本的因子，本文取0.01。

2.1.2 負(fù)載失電率

負(fù)載失電率 LPSP是系統(tǒng)缺額功率和負(fù)荷需求功率的比率[17]。孤島微電網(wǎng)由于未連接到電網(wǎng)，其負(fù)荷需求全部由系統(tǒng)自身提供。 因此，負(fù)載失電率通常用于表征孤島微電網(wǎng)的可靠性。其表達(dá)式為

式中，Punmet(t)為t時(shí)刻的缺額功率；Pload(t)為t時(shí)刻的系統(tǒng)負(fù)荷。

2.1.3 能量過剩率

當(dāng)光伏出力與負(fù)荷消耗功率不匹配時(shí)，由于輸出功率的限制，儲(chǔ)能系統(tǒng)不能完全吸收光伏發(fā)電系統(tǒng)的多余能量，系統(tǒng)的能量過剩率定義為系統(tǒng)的總盈余能量與系統(tǒng)的負(fù)荷需求功率的比率，其表達(dá)式為

式中，Pexc(t)為t時(shí)刻的盈余功率。

2.2 約束條件

（1）功率平衡約束

（2）充放電深度約束

式中，SOC為蓄電池的荷電狀態(tài)；為便于研究儲(chǔ)氫罐的存儲(chǔ)狀態(tài)，本文引入等效荷電狀態(tài)Sohc[18]，即

式中，psto為儲(chǔ)氫罐內(nèi)的壓強(qiáng)；pN為儲(chǔ)氫罐最大壓強(qiáng)。

（3）各裝置容量約束

本文以各裝置容量為優(yōu)化變量，考慮系統(tǒng)優(yōu)化配置方案的合理性，需要對(duì)微網(wǎng)內(nèi)分布式電源做出裝機(jī)容量約束，自變量約束范圍見式（24），同時(shí)規(guī)定儲(chǔ)氫罐最大容量。

3 微電網(wǎng)的運(yùn)行控制策略與模型求解方法

3.1 運(yùn)行控制策略

微電網(wǎng)的運(yùn)行控制策略決定著微電網(wǎng)中各微源的出力順序，直接影響蓄電池和氫儲(chǔ)能系統(tǒng)的工作情況，從而影響配置方案的優(yōu)劣。本文所提的微電網(wǎng)系統(tǒng)運(yùn)行策略流程如圖2所示。當(dāng)光伏功率大于負(fù)荷功率時(shí)，多余的能量首先給蓄電池充電，剩余能量通過電解槽轉(zhuǎn)換為化學(xué)能并儲(chǔ)存在儲(chǔ)氫罐中。當(dāng)光伏功率小于負(fù)荷功率時(shí)，由蓄電池優(yōu)先工作，釋放電能以補(bǔ)充系統(tǒng)缺額功率，再由燃料電池發(fā)電補(bǔ)充缺額功率。

對(duì)應(yīng)圖 2中的Pchmax、Pdhmax、Pelmax、Pfcmax分別按照式（6）、式（7）、式（11）、式（12）計(jì)算，對(duì)應(yīng)運(yùn)行控制策略中的字母 A～F表示系統(tǒng)在對(duì)應(yīng)時(shí)間段內(nèi)的工作狀態(tài)，分別如下：

A：在滿足負(fù)荷需求功率后，光伏發(fā)電系統(tǒng)的剩余功率全部用于對(duì)蓄電池充電。

B：在滿足負(fù)荷需求功率后，光伏發(fā)電系統(tǒng)的剩余功率一部分用于對(duì)蓄電池充電，另一部分則通過電解槽轉(zhuǎn)換為氫氣儲(chǔ)存起來。

C：光伏出力在滿足負(fù)荷需求功率后，對(duì)蓄電池充電直至飽和，再為電解槽提供充足能量，過剩功率記為Pexc(t)。

圖2 運(yùn)行控制策略流程Fig.2 Operation management strategy flow chart

D：系統(tǒng)缺額功率全部由蓄電池提供。

E：蓄電池充分放電為系統(tǒng)提供一部分缺額功率，剩余部分由燃料電池發(fā)電提供。

F：蓄電池充分放電和燃料電池完全發(fā)電為系統(tǒng)補(bǔ)充部分功率，后續(xù)缺額功率記為Punmet(t)。

3.2 模型求解方法

以微電網(wǎng)中光伏陣列、蓄電池、電解槽和燃料電池的容量為優(yōu)化變量，建立優(yōu)化配置模型?？紤]微電網(wǎng)優(yōu)化配置是一個(gè)非線性多目標(biāo)問題，難以得到全局最優(yōu)解，因此本文采用粒子群優(yōu)化算法進(jìn)行求解。PSO算法具有魯棒性好、計(jì)算效率高、簡單易實(shí)現(xiàn)的優(yōu)點(diǎn)。結(jié)合本文研究對(duì)象及運(yùn)行控制策略，利用 PSO算法進(jìn)行微電網(wǎng)優(yōu)化配置的基本步驟如圖3所示，首先對(duì)系統(tǒng)優(yōu)化變量進(jìn)行初始化，包括粒子群的規(guī)模、粒子的位置與速度，然后根據(jù)一年內(nèi)的氣象數(shù)據(jù)求出系統(tǒng)中光伏每小時(shí)的出力。結(jié)合負(fù)載數(shù)據(jù)，完成全年系統(tǒng)仿真，得到光伏年發(fā)電量、系統(tǒng)年缺電量和年過剩電量，計(jì)算負(fù)載失電率和能量過剩率，最后根據(jù)年投資成本、運(yùn)行維護(hù)成本求解目標(biāo)函數(shù)，并迭代優(yōu)化得到最優(yōu)解。

以微電網(wǎng)系統(tǒng)單位電量成本、負(fù)載失電率和能量過剩率為優(yōu)化目標(biāo)，通過計(jì)算三個(gè)目標(biāo)函數(shù)的理想值，然后再求各目標(biāo)函數(shù)值與理想值的相對(duì)誤差的二次方和，得到加權(quán)后的單目標(biāo)函數(shù)為

圖3 電氫孤島微電網(wǎng)優(yōu)化配置流程Fig.3 Optimized configuration flow of electrohydrogen island microgrid

式中，F(xiàn)為目標(biāo)函數(shù)；LCEdesired、LPSPdesired、EERdesired分別為各目標(biāo)函數(shù)的理想值；w1、w2、w3為加權(quán)因子。

4 算例分析

4.1 典型仿真場景

根據(jù)上文建立的容量優(yōu)化配置模型，選取西北某地區(qū)的全年光照數(shù)據(jù)和負(fù)荷數(shù)據(jù)作為系統(tǒng)輸入數(shù)據(jù)，仿真步長設(shè)置為1h，共計(jì)8 760組測量數(shù)據(jù)。其中，年平均光照強(qiáng)度為 206.79kW/m2，年負(fù)荷量為 1 810 402.84kW?h，負(fù)荷日平均值為 206.67kW。具體光照資源年度分布和每小時(shí)負(fù)荷需求功率如圖4和圖5所示。

圖4 光照資源年度分布Fig.4 Annual distribution map of light resource

圖5 每小時(shí)負(fù)荷需求功率Fig.5 Diagram of hourly load demand power

4.2 參數(shù)設(shè)置

本文設(shè)定微電網(wǎng)系統(tǒng)的壽命周期為20年，在此期間，蓄電池需更換5次，電解槽、燃料電池及儲(chǔ)氫罐都需要更換1次。同時(shí)通過仿真計(jì)算，得到各目標(biāo)函數(shù)的理想值。微電網(wǎng)部分儲(chǔ)能參數(shù)見表1。

表1 電源及儲(chǔ)能參數(shù)Tab.1 Parameters of power supply and energy storage

通過Matlab仿真計(jì)算，得到各目標(biāo)函數(shù)的理想值。

表2 微電網(wǎng)系統(tǒng)其他參數(shù)Tab.2 Other parameters of microgrid system

4.3 優(yōu)化算法對(duì)容量優(yōu)化配置結(jié)果影響

根據(jù)本文所提容量優(yōu)化配置方法，設(shè)置粒子群數(shù)量為30，迭代次數(shù)為100次，同時(shí)采用回溯搜索算法[19]（Backtracking Search Algorithm, BSA）作為對(duì)比，得到兩種優(yōu)化算法下的配置方案及目標(biāo)函數(shù)值，見表3和表4。

表3 優(yōu)化配置結(jié)果Tab.3 Optimized configuration results

表4 優(yōu)化配置目標(biāo)函數(shù)值Tab.4 Objective function value for optimal configuration

由以上結(jié)果可以看出，兩種優(yōu)化算法得到的三個(gè)目標(biāo)函數(shù)均接近理想值，由此產(chǎn)生的容量配置方案能夠滿足用戶的需求。同時(shí)PSO算法優(yōu)化得到的單位電量成本略高于BSA算法，但負(fù)載失電率和能量過剩率均低于 BSA算法得到的結(jié)果。因此采用PSO算法對(duì)考慮電氫耦合的混合儲(chǔ)能孤島微電網(wǎng)進(jìn)行容量分配更能增強(qiáng)系統(tǒng)的穩(wěn)定性。對(duì)于孤島微電網(wǎng)而言，安全穩(wěn)定的運(yùn)行，為系統(tǒng)內(nèi)的用戶提供高質(zhì)量的電能是其工作的首要目標(biāo)，因此綜合各目標(biāo)函數(shù)值，PSO算法較BSA算法的效果更優(yōu)。

圖6 PSO與BSA優(yōu)化結(jié)果對(duì)比Fig.6 Comparison of PSO and BSA optimization results

圖6為兩種優(yōu)化算法的迭代速度曲線，PSO算法的迭代次數(shù)約為 13次，BSA算法的迭代次數(shù)約為46次，這表明PSO算法的收斂速度更快，也驗(yàn)證了使用 PSO算法進(jìn)行電氫微電網(wǎng)容量配置的有效性和優(yōu)越性。

4.4 權(quán)重系數(shù)對(duì)容量優(yōu)化配置結(jié)果影響

采用 PSO算法對(duì)微電網(wǎng)系統(tǒng)進(jìn)行容量優(yōu)化配置，保持其他條件不變，改變目標(biāo)函數(shù)中的權(quán)重系數(shù)，分析權(quán)重系數(shù)對(duì)容量優(yōu)化配置結(jié)果的影響。方案 1：w1=0.5、w2=0.3、w3=0.2；方案 2：w1=0.8、w2=0.1、w3=0.1；方案 3：w1=0.2、w2=0.4、w3=0.4。其優(yōu)化結(jié)果見表5。

表5 不同權(quán)重系數(shù)下微電網(wǎng)系統(tǒng)優(yōu)化結(jié)果Tab.5 Optimal configuration results of microgrid systems with different weight coefficients

當(dāng)供電可靠性在目標(biāo)函數(shù)中所占比重越小時(shí)，單位電量成本越低，系統(tǒng)可靠性越差。這是因?yàn)殡娊獠?儲(chǔ)氫罐-燃料電池儲(chǔ)能系統(tǒng)的單位功率成本高于光伏陣列和蓄電池的單位功率成本，經(jīng)濟(jì)性較電儲(chǔ)能裝置的小，同樣系統(tǒng)在優(yōu)化配置中傾向于剩余能量和犧牲系統(tǒng)可靠性，以此減少單位電量成本。因此會(huì)配置更大容量的光伏陣列和蓄電池，而配置較小容量的氫儲(chǔ)能裝置。因此在進(jìn)行容量配置時(shí)，應(yīng)合理評(píng)估經(jīng)濟(jì)性和可靠性的重要程度。

4.5 半實(shí)物驗(yàn)證

為驗(yàn)證本文配置結(jié)果及運(yùn)行控制策略的有效性，使用RT-LAB半實(shí)物仿真平臺(tái)進(jìn)行測試。RT-LAB是由加拿大 Opal-RT Technologies推出的一套針對(duì)電力系統(tǒng)及電力電子實(shí)時(shí)仿真的運(yùn)行平臺(tái)，完全集成Matlab/Simulink，它可將基于Simulink搭建的數(shù)學(xué)模型通過上位機(jī)和目標(biāo)機(jī)實(shí)現(xiàn)實(shí)時(shí)運(yùn)行，并且可以通過上位機(jī)對(duì)運(yùn)行過程進(jìn)行監(jiān)控。近年來廣泛應(yīng)用于國內(nèi)外相關(guān)科研機(jī)構(gòu)。

圖7為RT-LAB實(shí)時(shí)仿真平臺(tái)結(jié)構(gòu)。仿真平臺(tái)型號(hào)為OP5600HILBOX，運(yùn)行速度為3.3GHz，本實(shí)驗(yàn)中運(yùn)行步長設(shè)為0.1ms，仿真時(shí)間設(shè)為1天。各設(shè)備運(yùn)行結(jié)果如圖8所示。電儲(chǔ)能及氫儲(chǔ)能系統(tǒng)狀態(tài)如圖9所示。

圖7 RT-LAB實(shí)時(shí)仿真平臺(tái)Fig.7 RT-LAB simulation platform

圖8 系統(tǒng)功率曲線Fig.8 Power curve of system

圖9 系統(tǒng)儲(chǔ)能狀態(tài)Fig.9 State of energy storage system

由仿真實(shí)驗(yàn)結(jié)果可以看出，本文所提方法能夠?qū)ο到y(tǒng)內(nèi)各設(shè)備進(jìn)行有效的功率分配。當(dāng)光伏輸出功率小于負(fù)荷所需功率時(shí)，蓄電池優(yōu)先放電，為負(fù)荷提供電能，若蓄電池所供能量不足以滿足負(fù)荷缺額功率時(shí)，由燃料電池發(fā)電提供所需能量；當(dāng)光伏輸出功率大于負(fù)荷所需功率時(shí)，蓄電池優(yōu)先充電儲(chǔ)存能量，剩余棄光能量再供給電解槽進(jìn)行制氫。電儲(chǔ)能系統(tǒng)和氫儲(chǔ)能系統(tǒng)存在互補(bǔ)特性，減少了棄光現(xiàn)象的發(fā)生，提高了能源利用效率，同時(shí)也提高了儲(chǔ)能系統(tǒng)的儲(chǔ)能穩(wěn)定性。實(shí)驗(yàn)結(jié)果證明了本文所提微電網(wǎng)運(yùn)行控制策略的有效性，該策略可以實(shí)現(xiàn)功率的缺額的高效補(bǔ)充及母線電壓和功率流的平衡。

5 結(jié)論

微電網(wǎng)的容量優(yōu)化配置不僅能夠充分利用太陽能，減少棄光，還可以提高微電網(wǎng)系統(tǒng)的經(jīng)濟(jì)性和供電可靠性。本文建立了考慮電氫耦合的混合儲(chǔ)能孤島微電網(wǎng)的微源容量優(yōu)化配置模型，在不同優(yōu)化算法和不同權(quán)重系數(shù)下進(jìn)行了仿真，并通過 RTLAB在線運(yùn)行對(duì)本文所提運(yùn)行控制策略進(jìn)行驗(yàn)證，具體結(jié)論如下：

1）采用兩種優(yōu)化算法對(duì)本文所建微電網(wǎng)容量優(yōu)化配置模型進(jìn)行求解，由結(jié)果分析可得，兩種優(yōu)化算法均能夠進(jìn)行容量配置，得到最小目標(biāo)函數(shù)值下的最優(yōu)配置方案，且能滿足用戶需求。但粒子群優(yōu)化算法在系統(tǒng)穩(wěn)定性和工作效率方面均優(yōu)于回溯搜索算法。

2）負(fù)載失電率和能量過剩率在目標(biāo)函數(shù)F中所占比重越高，孤島微電網(wǎng)的單位電量成本越高，即高供電可靠性是以高投資成本為代價(jià)的。因此，合理設(shè)置可靠性指標(biāo)是減少孤島微電網(wǎng)冗余投資的有效方法。

本文只考慮到單一直流負(fù)荷，未來可進(jìn)一步探索引入需求側(cè)響應(yīng)對(duì)孤島微電網(wǎng)系統(tǒng)穩(wěn)定性和供電可靠性的影響。