“風光水”互補微電網的運行優化

余志勇，萬術來，明志勇，張媛，鄧明

(1.長沙理工大學電氣與信息工程學院，長沙市 410004;2.天津市電力公司城東供電分公司，天津市 300250)

“風光水”互補微電網的運行優化

余志勇1，萬術來2，明志勇1，張媛1，鄧明1

(1.長沙理工大學電氣與信息工程學院，長沙市 410004;2.天津市電力公司城東供電分公司，天津市 300250)

當前，針對微電網的研究存在著對儲能單元優化的研究較少、含小水電的微電網研究不足等問題。為此，研究了含小水電微電網的運行優化，并對其中的儲能單元提出了優化控制策略。針對風電、光伏不可調度的特性，提出了一種通過起作用集算法對蓄電池進行充、放電的控制策略，以達到削峰填谷效果，并采用改進粒子群算法對微電網系統進行經濟運行優化。在給出的“風光水”微電網結構的基礎上，建立了含蓄電池的“風光水”互補發電優化運行模型。選取冬季典型日的“風光水”微電網進行了仿真研究，在保證系統安全的前提下，以總的經濟效益最高作為目標函數，分析結果表明了所提方案的正確性和有效性。

“風光水”互補系統；微電網；蓄電池儲能；優化運行；改進粒子群算法

0 引 言

隨著全球范圍內的能源危機和污染問題，包含清潔可再生能源等分布式電源、儲能單元以及負荷，并以一體化形式運行的微電網成為當前的研究熱點[1]。微電網在并網模式或者孤島模式下運行，能夠靈活、快速地切換，是智能電網的重要組成部分[2-3]。在清潔可再生能源中，大部分屬于徑流式的小水電存在的流量小、枯水期等問題，使得供電的安全性存在著較大問題。我國的風能、太陽能、水能呈現季節互補的特點：太陽能最充足的夏季處于豐水季節；而風能比較充足的冬季則處于枯水季節。因此該類微電網的發展方向是利用小水電結合“風光”等分布式發電進行互補發電[4]。

目前，國內外學者對微電網的經濟運行優化已做了相關的研究，存在著以下問題。一方面，對于微電網中的儲能單元優化的研究較少，使得儲能的作用發揮受限。文獻[5]對包含蓄電池的微電網進行了多目標優化研究，其中的蓄電池只是基于預先制定的策略進行交替充、放電，沒能考慮實際的負荷情況。文獻[6]對微電網進行環保經濟性研究，在并網模式三中，蓄電池基于負荷情況以固定的功率進行充、放電，沒能實現對儲能變量的隨機優化。文獻[7]將蓄電池的充、放電作為決策變量進行優化來實現經濟效益，但存在著選取參數困難和可能無法得到全局最優解的問題。

另一方面，對于包含小水電的微電網的研究較少，文獻[8]建立了有蓄水庫的水電站與“風光”混合發電系統，帶來能量轉化的經濟效益和節能減排的環境效益，但沒考慮當地負荷情況和與電網的雙向交換功率。文獻[9]對“風光水”的微型電力系統進行了交、直流潮流的研究，但未進行仿真算例研究。文獻[10]提出了“風光水”互補發電系統的調度策略，在綜合考慮了投資、系統運營成本、環境治理等因素，以及孤網、并網這2種運行方式的前提下，建立了最低成本的優化模型，并提出了“風光水”互補發電系統的調度策略。文獻[7]對“風蓄水”互補系統進行了優化運行研究，得到最大日收益，但沒有考慮分時電價，沒能將電網的交換功率作為決策變量進行優化產生經濟效益。

本文對“風光水”微電網中的儲能部分，提出起作用集算法對蓄電池進行充、放電的控制策略，并采用改進粒子群算法對微電網系統進行經濟運行優化，選取冬季典型日進行算例仿真。

1 “風光水”微電網供電模式

“風光水”微電網系統主要組成部分包括光伏陣列、風機、水輪機、蓄電池(作為儲能單元)、逆變器、整流器、負荷單元、直流母線、電網等，典型的“風光水”微電網如圖1所示。

圖1 “風光水”微電網供電模式

2 “風光水蓄”互補發電優化模型

選取冬季典型日進行“風光水”互補優化運行研究，該典型日的特點是風能比較豐富，相對來講太陽能匱乏，水電站處于枯水期，徑流量小，不需考慮防洪問題。

2.1 目標函數

本文選取日調度，在保障系統安全穩定的基礎上，考慮2種目標：(1)發電成本最小，由于選取的可再生能源，不考慮燃料成本，同時光伏、風機、水輪機的運行維護成本較低，只考慮與主網功率交換成本；(2)周期內水電的發電量最大。得到總的經濟效益最高的目標函數為

(1)

(2)

式中：Ph(t)、Pg(t)分別為t時刻的水電出力、與主網的交換功率，kW；Ch為水電出力的效益折算數；Cbuy、Csell分別為向主網的購電和售電價格，元/(kW·h)。

2.2 約束條件

(1)功率平衡約束

Pload(t)=Pw(t)+Pp(t)+Ph(t)+Pb(t)+Pg(t)

(3)

式中：Pload(t)、Pw(t)、Pp(t)、Pb(t)分別為t時刻的負荷功率、風力發電出力、光伏發電出力、蓄電池充放電功率、與外網交換功率,kW。

(2)水量平衡約束

V(t+1)=V(t)+[q(t)-Q(t)]Δt

(4)

式中：V(t)為水電站t時刻初水庫蓄水量，V(t+1)為水電站t+1時刻初水庫蓄水量，億m3；q(t)為水電站t時刻平均徑流量，Q(t)為水電站在t時刻的發電流量,m3/s；Δt為每個時段的長度，Δt=1h。

(3)水庫蓄水量約束

Vmin≤V(t)≤Vmax

(5)

(4)發電引用流量約束

Qmin≤Q(t)≤Qmax

(6)

(5)水電站出力約束

Phmin≤Ph(t)≤Phmax

(7)

式中：Ph(t)為t時刻水電出力,Ph(t)=AQ(t)H(t);H(t)為水電站在t時刻的發電凈水頭，為m;A是水電站出力系數。

(6)蓄電池的充、放電約束

Pbmin≤Pb(t)≤Pbmax

(8)

(7)蓄電池容量約束

Wmin≤W(t)≤Wmax

(9)

(8)周期始末蓄電池儲能平衡約束

W1=W24

(10)

(9)蓄電池容量平衡約束

W(t+1)=W(t)+Pb(t)Δt

(11)

式中：W(t)為蓄電池t時刻初的容量,W(t+1)為蓄電池t+1時刻初的容量，kW·h。

(10)功率傳輸約束

Pgmin≤Pg(t)≤Pgmax

(12)

2.3 蓄電池運行的控制策略

儲能裝置在微電網的穩定運行中發揮了重大作用，可以平抑負荷波動，起到削峰填谷的作用，同時可以與不可調度的風電、光伏相配合，增強風電、光伏的可調度性，穩定功率輸出。

為了達到上述目的，本文將風電出力、光伏出力安排為固定出力,并將風電出力、光伏出力等效為“負”的負荷，與微電網的負荷相疊加，作為微電網的等效負荷。用蓄電池充、放電對等效負荷進行削峰填谷。將蓄電池充、放電作為控制變量，t時刻的電池剩余容量作為狀態變量，選取等效負荷的方差作為目標函數：

(13)

(14)

(15)

采用起作用集算法[11]求解上述問題，該算法的流程圖如圖2所示,得到蓄電池實現削峰填谷的最優出力。

2.4 微電網并網時的經濟調度原則與控制策略

本文所設計的包含“風光水”互補系統的微電網并網運行控制策略為：

(1)優先考慮風力發電和光伏發電。因為二者受自然條件的影響較大，不具備可調度性，為了資源最大化利用，必須滿發運行。二者為綠色可再生能源，

圖2 起作用集算法流程圖

國家政策也重點支持，故優先安排。這部分出力為固定出力，不能直接優化。

(2)當風力發電、光伏發電、蓄電池的優化出力不能滿足全部負荷需求時，將全部負荷需求減去上述3種供電功率，得到剩余負荷需求，再對小水電，與主網交換功率，進行出力優化，盡力滿足。規定微電網和外網之間可以自由雙向交換功率。

3 改進的粒子群算法

粒子群算法是一種基于群體演化的隨機優化算法，在多維空間中，每個粒子個體通過共享歷史信息和社會信息來尋找全局最優值[12]。由于算法簡單、易實現、收斂速度快、可調參數少等優點，在很多領域都得到了廣泛應用。在電力系統中的應用效果也很明顯[13]。

對含等式約束的優化問題，常用的方法有將等式處理為2個不等式[14]，缺點是可行解難以產生，從而使算法的精度和收斂速度受到影響；另一種方法是采用罰函數處理的方法，由于在解空間中，可行解占的比例很小，加上懲罰項的適應值函數復雜性被提高，降低了粒子群算法的效率，甚至搜索不到最優解。本文采用的基于參數方程處理等式約束的粒子群算法[15]，能很好地解決上述問題。

本文選取水電站發電流量Q(t)、與外網交換功率Pg(t)，Q(t)可以確定時刻末的上游水位、下游水位，進而得到水電出力Ph(t)，粒子維數為24×2,Q(t)、Pg(t)各為24維。粒子i的位置向量為Xi=[Q1,Q2,...,Q24,Pg1,Pg2,...,Pg24]，Pg(t)由下式子進行更新。

Pg(t)=Pload(t)-Pw(t)-Pp(t)-Pb(t)-Ph(t)

(16)

具體的求解步驟為：

(1)輸入粒子群算法的相關參數，在上、下限的范圍內隨機產生每個粒子的位置Xi和速度Vi，用式(16)(其中風電出力Pw(t)、光伏出力Pp(t)為固定出力，由起作用集算法求解得到蓄電池實現削峰填谷的最優出力Pb(t))改變粒子Xi，判斷產生的新粒子是否在上、下限范圍內，否則重新產生粒子Xi。

(2)計算粒子的目標函數，得到個體極值和全體極值，并記錄相應的序列號。

(3)更新粒子的飛行速度和位置，得到新位置XiF。用式(16)改變粒子XiF，判斷產生的新粒子是否在上下限范圍內，若滿足則更新粒子位置，否則粒子位置不變。

(4)檢驗是否滿足中止條件，是則退出；否則轉向步驟(2)。

4 算例分析

4.1 算例系統

本文采用的蓄電池為多塊單元電池組成，容量為450 kW·h，最大輸出功率為100 kW。選取SDEC—JACOBS 43/600 kW型風力發電機，其重要參數如下：額定功率為600 kW，切入風速為3.2 m/s，額定風速為16 m/s和切出風速為25 m/s。太陽能發電系統總發電功率300 kW。水電站裝機構成及總容量為800×3 kW+400 kW=2 800 kW，屬于小型水電站，水電站單機發電引用流量最大為3.56 m3/s，枯水期只有1臺運行。水庫的基本參數、最大發電流量、水位與庫容的關系表見文獻[7]。

算例的參數設置如下：Ch為0.56，Cex實行分時電價政策，峰時段為14:00—17:00和19:00—22:00，平時段為8:00—14:00、17:00—19:00和22:00—24:00，谷時段為0:00—8:00。分時購電售電電價數據如下表1所示。風力和光伏的固定出力、負荷以及等效負荷曲線圖如圖3所示。

4.2 蓄電池不同控制策略下的削峰填谷出力結果及分析

通過起作用集算法對蓄電池進行充、放電的控制策略，來達到削峰填谷效果，結果見圖4。為了便于比較，本文選取文獻[6]中蓄電池基于負荷情況以固定的功率進行充、放電來達到削峰填谷的效果進行對照，所得到的結果見圖5。

表1分時購電售電電價數據

Tab.1Dateofelectricitypriceintime-sharingpowerpurchase元/(kW·h)

圖3 風力和光伏發電的固定出力、負荷、等效負荷曲線圖

圖4 等效負荷與優化后的等效負荷、蓄電池優化出力曲線

圖5 等效負荷與優化后的等效負荷、蓄電池固定出力曲線

由圖4、5可看出：2種策略的蓄電池出力均起到了削峰填谷作用，但通過起作用集算法對蓄電池進行充、放電控制，所得到的等效負荷曲線明顯更加平坦。本文提出蓄電池控制策略，所得到的等效負荷數據的方差由之前的58 302.6 kW變為35 177.5 kW，文獻[6]提出蓄電池控制策略，所得到的等效負荷數據的方差變為39 088.8 kW，證明了本文提出的蓄電池控制策略的有效性。

4.3 并網模式的優化運行出力結果及分析

經過仿真計算，得出各種電源的發電情況。圖6(a)為水電站和“風光水”互補系統與大電網的功率交換情況。設定與電網的交換功率為[-500 kW, 500 kW]時，系統安全穩定運行。

為了驗證算法的優越性，選取粒子群算法進行了對比分析，得到的優化出力曲線圖如圖6(b)所示，并給出了這2種算法所產生的經濟效益比較，如表2所示。結合圖6、表2可以看出：相比粒子群算法，基于改進的粒子群算法的日優化運行水電發電量增加了285.2 kW，發電成本減少了219.2元，總的經濟效益增加了398.9元，可見本文所采用的改進粒子群算法(基于參數方程處理等式約束的粒子群算法)在處理“風光水”互補微電網的優化運行方面具有一定的優勢。

根據“風光水”互補發電系統優化運行情況，結合圖6(a)、表2的分析，可得：

圖6 微電網經濟運行優化出力曲線

表2 運用不同算法所產生的經濟效益比較

(1)12:00—16:00時段。結合圖3可知風速較大，光照充足，風機、光伏發電處于滿發狀態，能滿足負荷的要求；因此水電站停機，在枯水期，水電只起調峰作用，多余的水量可以存儲用于其他階段的調峰，或者用于負荷高峰期發電，充分體現了優先利用不可調度的風力發電、光伏發電的原則。

(2)1:00—11:00，17:00—24:00時段。結合圖3可知此時風電、光伏較小，需要水電站進行開機補償，補償的水力發電總量為9.4871×103kW，水電折合效益為5.3128×103元，體現了“風光水”的互補性，經濟效益明顯。

(3)本裝置是在系統穩定的情況下再考慮經濟性，穩定性主要考慮微源出力限制、庫容限制、蓄電池容量限制和負荷功率平衡，所優化的決策變量均要滿足穩定性條件。負荷方面， 19:00時刻系統不能滿足此時負荷需求，需從電網中購電并支付相應的費用，在其他時刻，系統能滿足此時負荷需求，故將多余的電能供給電網獲取收益，均沒有超過500 kW，體現了本算法的有效性。

(4)由圖6(a)可知，小水電出力多數處于滿發狀態，而且出力占負荷總量的比例較大，充分體現了以小水電為主的微電網的特性。

5 結 論

(1)風能、太陽能與水能通過合理的規劃實現這3種綠色能源的互補，具有廣泛的推廣應用價值，存在著以下幾點明顯優勢：①水電站快速調節出力補償風機和光伏出力波動，克服風光波動性和間歇性的缺點，充分發揮互補能源優勢。②多種能源的協調利用使得能源綜合利用率提高很大。③由于電源供電質量和可靠性的提高，明顯降低了對補償設備的要求。④通過合理布局與配置互補發電設備，共用送變電設備與管理人員，降低了單獨運行建設各種微電網系統的投資成本。⑤從生態效益上講，將這3種綠色能源進行聯合開發，大量地減少了廢棄物的排放，非常有益于保護生態環境。

(2)本文建立了“風光水蓄”互補發電優化運行的數學模型，提出了蓄電池進行充、放電控制策略，所達到的削峰填谷效果很明顯，采用改進粒子群算法對枯水期的模型進行了具體分析，求得各時刻水電出力功率、蓄電池充電和放電功率和“風光水”互補系統與電網交換的功率值，在滿足安全性的前提下獲得滿意的收益，增大了風能和光伏的利用率，同時最大限度地利用了水能資源，具有較高推廣應用價值。

[1] 丁明，王波，趙波，等.獨立風光柴儲微網系統容量優化配置[J].電網技術,2013,37(3):575-581.

[2] 丁明，徐寧舟，畢銳．負荷側新型儲能電站動態功能的研究[J]．電力自動化設備，2011，31(5)：1-7.

[3] 王成山，李鵬．分布式發電、微網與智能配電網的發展與挑戰[J]．電力系統自動化，2010，34(2)：10-14.

[4] 柯人觀.微電網典型供電模式及微電源優化配置研究[D].杭州：浙江大學，2013：38-39.

[5] Mohamed F A,Koivo H N. Online management of microgrid with battery storage using multi-objective optimization[C]//Proceedings of International Conference on Power Engineering, Energy and Electrical Drives.Setubal，Portugal:[s.n]，2007:231-236.

[6] 萬術來.基于改進粒子群算法的微網環保經濟運行的優化[D].廣州：華南理工大學，2012：62-65.

[7] 尚志娟，周 暉，王天華． 帶有儲能裝置的風電與水電互補統的研究[J]． 電力系統保護與控制，2012(02): 99-105.

[8] 白雪, 袁越, 傅質馨.小水電與風光并網的經濟效益與環境效益研究[J]. 電網與清潔能源，2011，27(6)：75-80.

[9] 邵冰然，楊建華，左婷婷.風/光/水互補微型電力系統的交直流潮流的研究[J].小水電，2009, 49(1):20-22.

[10] 陳麗媛，陳俊文，李知藝，等. “風光水”互補發電系統的調度策略[J]. 電力建設，2013，34(12)：1-6.

[11] 龔純，王正林.精通MATLAB最優化計算[M].北京：電子工業出版社，2012:257-260.

[12] 楊維，李歧強．粒子群優化算法綜述[J]．中國工程科學，2004，6(5)：87-94.

[13] 袁曉輝，王乘，張勇傳，等．粒子群優化算法在電力系統中的應用[J]．電網技術，2004，28(19)：14-19.

[14] 張敏慧. 改進的粒子群計算智能算法及其多目標最優應用研究[D]. 杭州:浙江大學,2005.

[15] 劉偉，蔡前風，劉海林.基于參數方程處理等式約束優化的粒子群算法[J].計算機工程與設計，2008，29 (3):697 -699.

(編輯：蔣毅恒)

OptimalOperationofComplementaryMicrogridwithHybridWind-Solar-HydroPower

YU Zhiyong1, WAN Shulai2, MING Zhiyong1, ZHANG Yuan1, DENG Ming1

(1. College of Electrical and Information Engineering, Changsha University of Science and Technology, Changsha 410004, China;2. Tianjin Electric Power Corporation, Chengdong Power Supply Company, Tianjin 300250, China)

At present, there are some problems in the research on microgrid, such as less research on energy storage unit optimization, microgrid with small hydropower, etc. Therefore, this paper studied the optimal operation of microgrid containing small hydropower, and proposed optimal control strategy for the energy storage unit. Aiming at the un-dispatching characteristic of wind power and photovoltaic power, this paper proposed a charge and discharge control strategy of battery by active set algorithm to reach the effect of peak load shifting, as well as the improved particle swarm optimization (PSO)algorithm for the economic operation optimization of microgrid systems. On the basis of the proposed microgrid structure with wind power, photovoltaic power and hydropower, the optimal operation model was constructed for a complementary power generation system containing batteries of wind power, photovoltaic power and hydropower. Finally, the typical daily wind power, photovoltaic power and hydropower microgrid in winter was selected to carry out simulation research, and the maximum economic benefit was taken as the target function under the premise of ensuring system security. The analysis results verified the correctness and effectiveness of the proposed method.

hybrid wind-solar-hydro power system; microgrid; battery storage; optimal operation; improved particle swarm optimization

TM 73

： A

： 1000-7229(2014)06-0050-06

10.3969/j.issn.1000-7229.2014.06.010

2014-02-11

：2014-04-29

余志勇(1987),男，碩士研究生，從事分布式儲能在微電網中的應用研究，E-mail：635266215@qq.com；

萬術來(1986),男，工程師，從事電力系統自動化、電力建設方面的工作；

明志勇(1988),男，碩士研究生，從事微電網并網及其電能質量方面的研究；

張媛(1987),女，碩士研究生，從事分布式儲能裝置運行方式方面的研究；

鄧明(1990)，男，碩士研究生，從事儲能在電動汽車能量管理方面的研究。