王紅亮，佘金鑫

(特變電工智慧能源有限公司，遼寧 沈陽 110144)

隨著新能源戰(zhàn)略提出，我國近些年在新能源發(fā)電領(lǐng)域發(fā)展迅速，國內(nèi)、國外的裝機容量都是最大。新能源發(fā)電技術(shù)的成熟在并網(wǎng)推進(jìn)上也較為迅速，除了傳統(tǒng)的燃煤發(fā)電外，風(fēng)電和光伏發(fā)電由于借助自然條件，不產(chǎn)生污染，發(fā)展迅速，作用日益加大，是清潔能源的典型代表[1]。但風(fēng)電和光伏發(fā)電在時間和空間上受到較大限制，因此在發(fā)電輸出上存在一定的波動性和不穩(wěn)定性，例如風(fēng)力較大時，風(fēng)電輸出功率大；風(fēng)力小或者無風(fēng)狀態(tài)時，風(fēng)電輸出功率小或者沒有。光伏發(fā)電白天可以正常發(fā)電，在日光最足時輸出功率最大；但夜晚時無電能輸出。為了解決輸出穩(wěn)定性問題，提出風(fēng)光互補發(fā)電系統(tǒng)優(yōu)化策略，利用各自不同特點進(jìn)行互補輸出，同時配置蓄能系統(tǒng)，提高系統(tǒng)穩(wěn)定性[2-4]。配置容量小的發(fā)電系統(tǒng)可以通過蓄電池蓄能來互補實現(xiàn)；配置容量大的發(fā)電系統(tǒng)，蓄電池蓄能無法完全滿足，需要容量大，啟動速度更快的蓄能系統(tǒng)。在整體配置上，如果抽水蓄能容量不足，則無法充分平衡整個系統(tǒng)的功率波動；如果抽水蓄能容量過大，會造成資源浪費。因此，對聯(lián)合互補發(fā)電系統(tǒng)進(jìn)行優(yōu)化研究，具有重大的意義[5]。

1 聯(lián)合互補發(fā)電系統(tǒng)結(jié)構(gòu)

將傳統(tǒng)的風(fēng)電和光伏發(fā)電及抽水蓄能電站有機結(jié)合起來，構(gòu)成聯(lián)合互補發(fā)電系統(tǒng)，如圖1所示。

圖1 聯(lián)合互補發(fā)電系統(tǒng)結(jié)構(gòu)

抽水蓄能電站要求較高，要根據(jù)地形進(jìn)行建設(shè)。風(fēng)電和光伏發(fā)電受時間制約，存在一定的不穩(wěn)定性，輸出電能的波動性大。聯(lián)合互補發(fā)電系統(tǒng)就是在風(fēng)光發(fā)電基礎(chǔ)上，增加抽水蓄能電站，將不穩(wěn)定電能轉(zhuǎn)移到抽水蓄能電站，成為穩(wěn)定電能進(jìn)行存儲。我國西北晚上風(fēng)力明顯比白天大，夜間發(fā)電輸出功率較大，往往會超出電網(wǎng)實際負(fù)荷量，此時將多余的電能通過抽水蓄能電站進(jìn)行存儲，就可以大大減少電能浪費[6]。光伏發(fā)電受太陽光線強度限制，白天發(fā)電量大，夜間幾乎無法發(fā)電。通過將三者有機結(jié)合，減少電能損失，提高發(fā)電效率，減少電網(wǎng)電壓波動，保證電網(wǎng)電壓穩(wěn)定。

2 聯(lián)合互補發(fā)電系統(tǒng)模型分析

抽水蓄能電站將電能轉(zhuǎn)換成水的勢能存儲，因此在聯(lián)合互補發(fā)電系統(tǒng)中將水作為能量的載體[7]，將水量平衡和排水系統(tǒng)容量作為重點模型。在水量平衡模型中主要是上游水庫的容量大小。

Y0=max(Qti-Qoi)+A

(1)

式中:Qti為1個24 h周期內(nèi)第i個時間節(jié)點上，抽水蓄能電站上游水庫的進(jìn)水量；Qoi為同1個時間節(jié)點，抽水蓄能電站水輪機組一共引用的水量數(shù)值，i=1,2,…,24；A為抽水蓄能電站的水庫固定庫容。

(2)

(3)

式中：q1(t)為光伏發(fā)電對應(yīng)的抽水流量；q2(t)為風(fēng)電對應(yīng)的抽水流量；q(t)為抽水蓄能電站總水輪發(fā)電機運行時產(chǎn)生的引水流量。抽水蓄能電站抽水機的容量大小，根據(jù)風(fēng)電和光伏發(fā)電產(chǎn)生的電能確定，多余能量越大，抽水機容量越大[8]。

3 聯(lián)合互補發(fā)電系統(tǒng)優(yōu)化

3.1 目標(biāo)函數(shù)

在完成系統(tǒng)模型分析后，建立風(fēng)電和光伏發(fā)電輸出能量模型，同時對風(fēng)光發(fā)電實際輸出能量的利用率進(jìn)行分析，將電網(wǎng)用電和聯(lián)合互補發(fā)電系統(tǒng)的效益作為評估手段，構(gòu)建系統(tǒng)數(shù)字模型，通過算法分析，找到系統(tǒng)最優(yōu)解，作為系統(tǒng)優(yōu)化的最終方案。目標(biāo)函數(shù)求解的關(guān)鍵是根據(jù)系統(tǒng)特點，選擇占比重的參數(shù)作為目標(biāo)函數(shù)，因為整個系統(tǒng)是1個具有約束條件多、離散程度大的非線性動態(tài)系統(tǒng)，因此最優(yōu)解求解過程較為繁瑣復(fù)雜[9]。

a.目標(biāo)函數(shù)1

目標(biāo)函數(shù)1以聯(lián)合互補發(fā)電系統(tǒng)效益最大化作為切入點進(jìn)行模型設(shè)計，通過對風(fēng)電、光伏發(fā)電和抽水蓄能電站在不同時間點的效益輸出減去抽水過程損失的效益，得到最終能量效益的輸出模型。目標(biāo)函數(shù)1為

(4)

b.目標(biāo)函數(shù)2

目標(biāo)函數(shù)2是對風(fēng)電和光伏發(fā)電的功率波動情況進(jìn)行建模，主要是相鄰時刻風(fēng)電和光伏發(fā)電系統(tǒng)輸出功率差。目標(biāo)函數(shù)2為

(5)

式中:Pf(i)為第i個時間節(jié)點系統(tǒng)輸出功率；Pf(i-1)為第i個時間節(jié)點的上1個時間節(jié)點系統(tǒng)輸出功率。通過差值得到系統(tǒng)功率是正輸出還是負(fù)輸出。

3.2 約束條件

a.發(fā)電功率和輸出功率守恒

根據(jù)能量守恒定律，風(fēng)電和光伏發(fā)電系統(tǒng)輸出的總功率等于風(fēng)電負(fù)載功率、光伏發(fā)電負(fù)載功率以及抽水作用在水泵上功率的和。

(6)

b.電網(wǎng)對波動電能接收能力的限制

風(fēng)電和光伏發(fā)電存在不穩(wěn)定因素，因此電網(wǎng)對入網(wǎng)電能的波動功率有一定要求，電網(wǎng)最大電能接收能力為系統(tǒng)負(fù)荷20%。

(7)

c.水庫容量約束

水庫容量對抽水蓄能大小有一定約束，實際運行時容量在一定的范圍。

0≤Vi≤Vmax

(8)

式中：Vi為水庫容量；Vmax為水庫最大容量。

d.水電機組功率約束為

(9)

e.風(fēng)電輸出功率約束為

(10)

f.光伏發(fā)電輸出功率約束為

(11)

4 改進(jìn)免疫粒子群算法優(yōu)化

4.1 優(yōu)化策略

改進(jìn)免疫粒子群算法為

Vi(t+1)=Vi(t)+c1rand1()(pi(t)-Xi(t))+c2rand2()(BestS(t)-Xi(t))Xi(t+1)=Xi(t)+Vi(t+1)

(12)

式中：pi(t)為t時刻粒子i的個體最優(yōu)值；BestSi(t)為t時刻的群體最優(yōu)解；c1，c2為學(xué)習(xí)因子；rand1(),rand2()為2個相互獨立的(0,1)間的隨機數(shù)；Xi(t)為第i個粒子的位置；Vi(t)為第i個粒子的速度。

加入慣性權(quán)重ω，速度優(yōu)化為

Vi(t+1)=ωVi(t)+c1rand1()(pi(t)-Xi(t))+c2rand2()(BestSi(t)-Xi(t))Xi(t+1)=Xi(t)+Vi(t+1)

(13)

式中：ω為速度慣性對粒子群全局搜索與局部尋優(yōu)之間協(xié)調(diào)能力。ω值較大時，代表全局搜索能力強；ω值較小時，代表局部搜索能力強。在計算過程中采用線性遞減的方法。

(14)

式中：Tmax為迭代次數(shù);ωmax、ωmin為最大、最小慣性權(quán)重;t為當(dāng)前迭代值。

根據(jù)系統(tǒng)建模需求，學(xué)習(xí)因子變化分為異步變化和同步變化。根據(jù)對稱性,異步變化學(xué)習(xí)因子分為對稱變化和非對稱變化。

同步變化學(xué)習(xí)因子為

c=c1=c2=cmax-k×(cmax-cmin)/kiter

(15)

式中:k為當(dāng)前迭代次數(shù)；kiter為最大迭代次數(shù)；cmax、cmin為c的最大、最小值。

異步變化學(xué)習(xí)因子為

c1=c1max-k×(c1max-c1min)/kiter

(16)

c2=c2max-k×(c2max-c2min)/kiter

(17)

式中:c1max、c2max為c1、c2的最大值；c1min、c2min為c1、c2的最小值。

由式(15)—式(17)可知，在改進(jìn)免疫粒子群算法學(xué)習(xí)過程中，c1值體現(xiàn)了粒子在局部搜索能力的強弱，當(dāng)c1值較大時，表示當(dāng)前粒子主要進(jìn)行局部搜索；c2值體現(xiàn)了粒子全局搜索能力強弱，當(dāng)c2值較大時，表示當(dāng)前粒子會更快收斂到局部最優(yōu)值[10]。粒子搜索的速度和精度是保證算法有效性的關(guān)鍵，為了提高搜索速度和精度，需要讓粒子從向自己的最優(yōu)Pi(t)的學(xué)習(xí)轉(zhuǎn)為向社會最優(yōu)BestSi(t)學(xué)習(xí)，最終完成向社會最優(yōu)BestSi(t)靠攏的收斂原則。采用非對稱變化的學(xué)習(xí)因子方式，能夠提高算法優(yōu)化速度，更準(zhǔn)確收斂到系統(tǒng)最優(yōu)解。

4.2 優(yōu)化流程

通過優(yōu)化算法建立聯(lián)合互補發(fā)電系統(tǒng)模型，對其最優(yōu)解求解，實現(xiàn)系統(tǒng)優(yōu)化，系統(tǒng)流程如圖2所示。

圖2 系統(tǒng)流程

4.3 仿真分析

不同風(fēng)電、光伏發(fā)電以及抽水蓄能電站的裝機容量，最終優(yōu)化配置均不相同。本文選擇風(fēng)電容量為l00 MW，光伏發(fā)電容量為50 MW，抽水蓄能電站容量分別為21 MW、40 MW以及60 MW。對3種容量進(jìn)行建模并仿真，最終得到優(yōu)化方案。因為風(fēng)電和光伏發(fā)電受時間因素影響，在仿真中以小時為調(diào)度周期，這樣1天就被劃分為24個時間段，假設(shè)每個時段內(nèi)系統(tǒng)發(fā)電和水輪機的工作效率不變,以系統(tǒng)最大的經(jīng)濟(jì)效益以及最小的功率波動為最終目標(biāo)函數(shù)，通過改進(jìn)免疫粒子群算法對系統(tǒng)進(jìn)行求解。

a.在系統(tǒng)仿真參數(shù)定義上，Δt為時間間隔，設(shè)置l h；T為時間周期，設(shè)置24 h；光伏發(fā)電效率ηp=93.69%、風(fēng)電效率ηk=93.85%、聯(lián)合發(fā)電效率ηinv=0.8。通過仿真得到風(fēng)電及光伏發(fā)電輸出的有功功率，如圖3所示。

圖3 風(fēng)電和光伏發(fā)電有功功率輸出

由圖3可知，光伏發(fā)電受太陽光強度和角度影響，最終近似成正態(tài)分布狀態(tài)。風(fēng)電受時間影響波動很大，在凌晨時風(fēng)速大，輸出功率大，白天隨著風(fēng)力減小，輸出曲線呈下降趨勢，即使日照增強，但因為風(fēng)速減緩，輸出功率下降速度很快；傍晚后隨著風(fēng)力強度增加，風(fēng)電輸出功率上升。可以看出，整個系統(tǒng)功率波動非常大，對電網(wǎng)和負(fù)載造成非常大沖擊。

b.對于不同裝機容量和水庫容量的聯(lián)合互補發(fā)電系統(tǒng)輸出功率進(jìn)行仿真，結(jié)果如圖4所示。

圖4 聯(lián)合互補發(fā)電系統(tǒng)輸出功率對比

由圖4可知，裝機容量為40 MW時，系統(tǒng)輸出效率最高，抑制系統(tǒng)功率波動效果最好，產(chǎn)生的經(jīng)濟(jì)效益最大。

c.為了驗證系統(tǒng)收斂性，在仿真過程中選取30個粒子進(jìn)行100次迭代，系統(tǒng)權(quán)重ω根據(jù)式(14)選值，學(xué)習(xí)因子C1、C2通過式(15)、式(16)和式(17)選值,最后對收斂特性進(jìn)行仿真,如圖5所示。

圖5 收斂特性曲線

由圖5可知，系統(tǒng)收斂性較好，實現(xiàn)了系統(tǒng)優(yōu)化，同時驗證了改進(jìn)免疫粒子群算法可靠。

5 結(jié)束語

本文針對風(fēng)電和光伏發(fā)電存在的弊端，研究聯(lián)合互補發(fā)電系統(tǒng)優(yōu)化策略，建立聯(lián)合互補發(fā)電系統(tǒng)容量配置優(yōu)化模型，提出了一種基于改進(jìn)粒子群算法的聯(lián)合互補發(fā)電系統(tǒng)各子系統(tǒng)容量分配的設(shè)計方案。通過對抽水蓄能電站的水庫容量、各個發(fā)電系統(tǒng)及電網(wǎng)負(fù)載能力等約束條件分析，給出聯(lián)合互補發(fā)電系統(tǒng)的數(shù)學(xué)模型，并設(shè)計改進(jìn)免疫粒子群算法，對各個發(fā)電系統(tǒng)的容量配比進(jìn)行分析和求解并進(jìn)行仿真，驗證了聯(lián)合互補發(fā)電系統(tǒng)的可行性，具有很好的實際應(yīng)用價值。