基于多應用場景獨立微電網儲能系統優化配置

潘 華，鄧長虹，吳之奎，何 俊，郭 芳

(1.武漢大學電氣工程學院，湖北武漢430072；2.廣東省電力設計研究院，廣東廣州510000)

基于多應用場景獨立微電網儲能系統優化配置

潘 華1，鄧長虹1，吳之奎1，何 俊1，郭 芳2

(1.武漢大學電氣工程學院，湖北武漢430072；2.廣東省電力設計研究院，廣東廣州510000)

含風、光、儲的獨立微電網，科學配置合理的儲能容量，能滿足負荷供電需求，保證系統安全穩定運行。針對三種具有代表性的應用場景，分別提出了儲能系統配置評價指標；以儲能系統全壽命周期費用最優為優化目標，計及系統運行要求及蓄電池設備的特性約束，建立了孤網運行的微電網蓄電池儲能系統的優化配置模型，并采用改進的粒子群算法進行求解；在容量配置的基礎上，探討了儲能系統拓撲結構優化的方法。編寫了優化設計軟件并進行算例驗證。

獨立微電網；蓄電池儲能系統；容量優化配置；改進粒子群算法；多應用場景

可再生能源被大量應用到微電網中，成為解決傳統發電系統所帶來的經濟及環境等問題的重要方法。我國在風、光資源豐富的地區以及遠離大陸的海島建立了許多微電網系統，但是可再生能源具有的隨機性、波動性，對系統的安全可靠運行造成了影響，特別是獨立微電網，更加需要儲能系統進行調節[1]。蓄電池作為發展最成熟的儲能設備而被廣泛應用于儲能系統的建設。

本文針對現有研究的不足之處，提出了一種應用于孤島模式下的微電網蓄電池儲能系統 (BESS)容量優化配置的模型，對不同的應用場景提出不同的優化評價指標，采用改進的粒子群算法，從儲能系統綜合經濟性最優的角度出發，以保證系統的安全可靠運行為前提，計及不同類型儲能蓄電池設備的諸多約束條件進行容量配置求解。

1 含蓄電池的微電網系統建模

1.1 獨立運行微電網的結構

獨立運行的微電網主要由微電源(風電、光伏)、儲能系統和負荷構成，典型的系統結構如圖1所示。

圖1 獨立微電網系統結構

1.2 BESS充放電建模

蓄電池儲能系統的剩余電量在充放電過程中不斷變化，其變化量與該時段內的充、放電電量和自放電有關。

蓄電池充電時：

蓄電池放電時：

1.3 各種類型蓄電池特性

針對目前比較常用的、技術發展比較成熟的幾種蓄電池，對其性能特點總結如下：

(1)鉛酸電池是傳統電化學電池的代表，是目前備用電源領域應用規模最大的電池類型，其技術和產業發展已非常成熟。鉛酸蓄電池優點在于無記憶效應，成本相對較低；缺電在于循環壽命短，比能量小，質量和體積較大，自放電大且存在一定的污染。

(2)氫鎳電池優點：具有較高的容量、結構堅固、充放循環次數多的特點；是密封免維護電池，正常使用過程中也不會產生任何有害物質；具有較好的低溫放電特性，自放電率很小，可深度放電。缺點是有記憶效應，能量密度低，充電速度較慢，原材料制造成本較高。

(3)鋰離子電池是新型綠色環保蓄電池，不僅具備高比能量、高比功率、高能量轉換效率等優點，而且兼具長循環壽命；其缺點在于制造成本較高。

1.4 蓄電池串并聯拓撲結構設計

蓄電池成組的串并聯拓撲結構設計具有十分重要的意義，既要使實際使用的蓄電池單體數盡量接近理論計算值，又要為最大限度保持各電池單體充放電電流均勻而遵循“多串少并”原則。本文提出了一種蓄電池成組拓撲結構設計方法，包括以下步驟：

(2)根據工程實際情況計劃采用的蓄電池用PCS型號；

2 基于多場景應用的BESS容量優化模型

2.1 目標函數

本文以BESS綜合經濟性最優為目標，以全生命周期費用對經濟性進行衡量。根據IEC60300-3-3的規定，儲能設備的全生命周期成本模型可定義為四大成本之和，即購置成本、運行成本、維護成本以及處置成本。在傳統的優化目標中，通常只考慮儲能設備的初始購置費用，忽略了在整個工程運行周期中蓄電池的運行、維護以及置換處理費用。如目前儲能用的鋰離子電池，雖然初始購置費用很高，但由于其充放電循環次數多，儲能設備的折舊率很低，在較長時間的工程中，與需要相對頻繁維護、更換的傳統鉛酸蓄電池相比，反而會顯示出更優的經濟性。

目標函數的具體表達式為[2]：

為避免優化模型過于復雜，本文引入折算系數來表示相應的成本，將式(3)改寫為：

實際上，公共服務均等化供給受到的影響因素顯然不限于本文所列舉的幾個變量。從回歸結果中的擬合優度R2值比較低可以看出，我們無法在建模過程中把所有解釋變量全部列出，因此三個模型不能排除因為遺漏變量而產生的內生性。

蓄電池的折舊率與其容量的損失直接相關，即當蓄電池進行深充深放時充放的電量低于一定值(本文取低于額定值的80%)時就需進行置換。定義蓄電池的初始額定容量為，運行一段時間后蓄電池的容量為，則此時蓄電池的折舊率為：

2.2 約束條件

在進行BESS容量優化時，一方面要考慮蓄電池設備本身的特性約束，另一方面要根據具體的應用場景考慮系統的運行約束。蓄電池的特性約束如式(6)所示：

系統運行的約束條件和具體的應用場景有關。

(1)BESS作微電網后備電源

作為后備電源，儲能系統應能配合風、光等新能源，滿足負荷供電需求，使微電網的負荷缺電率 (loss of power supply probability，LPSP)小于制定值：

在此應用場景下以LPSP為衡量指標表征微電網系統的供電可靠性。

(2)BESS抑制風、光輸出功率波動

由于風、光自然資源的隨機性和間歇性，會導致風電、光伏發電的輸出功率波動很大，隨著可再生能源的滲透率不斷增加，將給系統的安全穩定運行帶來很大的挑戰。本文提出以新能源的輸出功率波動率(fluctuation of power supply probability，FPSP)來表征系統的輸出功率波動情況。

然后根據系統運行的要求和新能源滲透率的不同制定輸出功率波動率的目標值BD。通過儲能系統的充放電調節，理想情況是使新能源的輸出功率保持在區間[內。若通過蓄電池的調節，風電、光伏的輸出功率仍超過了設定的功率波動范圍，即：

由式(12)得到FPSP的定義式：

故此場景下的新能源輸出功率波動率約束即衡量指標FPSP小于制定值。

(3)儲能系統作重要負荷的全后備

微電網孤網運行時，沒有大電網的支撐僅靠新能源發電，在資源條件不好時會導致負荷供電中斷。針對微電網中的重要負荷，如機房、醫院等，需要配置一定容量的儲能系統在極端條件下持續供電一段時間。

此應用場景下，重要負荷在要求的保電時間內，應做到負荷缺電率為零：

2.3 改進的粒子群算法

本文采用改進的粒子群算法對優化模型進行求解。基本的粒子群算法思路見文獻[3]：將每個優化問題的解看作是搜索空間內的一個粒子，所有的粒子具有一個由優化目標函數確定的適應度，還具有一個決定飛翔方向和距離的二維速度量。在迭代過程中，粒子根據自身最優解pbest和全局最優解gbest對自己的速度和位置進行更新。基本的粒子群算法收斂速度快，但容易陷入局部最優而導致收斂“早熟”。因此本文引入慣性權重，得到每個粒子的速度更新公式為：

慣性權重對算法性能影響很大：較大的慣性權重有利于全局的探索，而較小的慣性權重有利于局部開發從而加快收斂。為解決這一問題，對ω采用如下的非線性動態慣性權重系數公式：

式中：ωmax、ωmin分別為ω的最大值和最小值；為粒子當前的目標函數值，和分別為當前所有微粒的平均目標值和最小目標值。

引入慣性權重系數ω，并采用自適應法確定其數值，可以針對算法初期目標函數的不同取值情況對權重進行不同處理，若趨于局部最優則加重權重，反之若各微粒目標值很分散則減小權重。對于取值不同的各微粒，將趨于最優解的微粒的權重減小，將取值相對較差的微粒權重因子加重，最終達到粒子群平均取值趨于最優的目的。除此之外，自適應權重法還能夠根據目標值的變化而做相應的變化，從而使目標函數加速優化。

3 算例及分析

本文采用的算例為國內某一海島的實際數據，為一典型的孤島運行的微電網系統，其中包含10臺260 kW的風力發電機，17組50 kW的光伏電池板。所選用PCS的端口電壓上限值分別為150和50 V。該島的月平均風速情況如表1所示。

該島的月平均光照強度如表2所示。

表1 算例風速數據

表2 算例光照數據

本文選用氫鎳、鋰電、鉛酸等多種類型的儲能蓄電池，針對具體的微電網算例，應用于不同的場景。其中，后備場景缺電率取值5%，抑制功率波動場景波動率取值10%，并在Matlab/Simulink下對優化配置出來的儲能蓄電池容量進行了仿真驗證。為了表現不同類型蓄電池的特性，所選用蓄電池的額定容量均為1 000 Ah、額定電壓均為2 V，SOC初始值為80%，蓄電池的具體參數見表3。

表3 蓄電池儲能系統參數

3.1 儲能系統作后備場景

缺電率取5%時儲能容量配置結果如表4所示。該場景下的仿真結果如圖2所示。

表4 儲能作后備場景配置結果

圖2 蓄電池作后備場景仿真結果

3.2 儲能系統抑制功率波動場景

取不同目標波動率時儲能容量配置結果如表5所示。

該場景下的仿真結果如圖3所示。

表5 儲能抑制功率波動場景配置結果

圖3 蓄電池抑制功率波動場景仿真結果

3.3 儲能系統作重要負荷的全后備場景

針對不同的保電負荷、保電時間的要求，配置出相應容量的蓄電池儲能系統，結果如表6所示。

表6 儲能作重要負荷的全后備場景配置結果

3.4 BESS全生命周期經濟性效益

以不同類型的BESS的年平均費用來評價全壽命周期的經濟性，其中年平均費用包括購置、運行、維護和處置等成本，以BESS作微電網后備電源為例，工程時間取10年，結果如圖4所示。

如圖4所示，鋰電池儲能系統相對其他兩種類型的BESS，初始購置成本較高，但由于鋰電池循環壽命較長，在長時間的工程運行中，反而顯示出經濟性優勢，而鉛酸蓄電池和氫鎳蓄電池由于需要進行更換，使得年平均費用在4年以后高于鋰電池儲能系統的年平均費用。

4 結論

針對孤島運行的風、光、儲微電網系統，本文提出一種優化配置儲能系統容量的方法。該方法以滿足系統的安全穩定運行為前提，以實現全生命周期內綜合經濟性最優為目的，計及儲能蓄電池的諸多約束條件，運用改進的粒子群算法對優化配置模型進行求解，同時對串并聯拓撲結構進行設計。

在不同的應用場景下，根據不同的系統運行實際要求，配置出不同的儲能容量，并進行仿真驗證，由粒子群算法得到滿足要求的最小容量。仿真結果表明，優化配置后的儲能系統，在作后備場景下能滿足負荷功率需求，在抑制功率波動場景下能明顯減小波動范圍，在作重要負荷全后備場景下能夠在要求的時間內保證重要負荷的正常供電。算例的結果驗證了該方法的合理性和有效性。

采用全生命周期作為經濟性表征指標，比只考慮初始購置成本的經濟性考核方法更符合實際情況，具有現實意義。

[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)：576-581.

[2]崔新奇，尹來賓，范春菊，等.變電站改造中變壓器全生命周期費用(LCC)模型的研究[J].電力系統保護與控制，2010，38(7)：69-73.

[3]李愛國，覃征，鮑復民，等.粒子群優化算法[J].計算機工程與應用，2002，38(21)：1-3.

Optimal design of energy storage system for independent microgrid based on multi-application situation

For an independent microgrid containing wind power,photovoltaic power and energy storage system,it is of great importance to configure reasonably the capacity of energy storage system to meet the electric power need of load and to make the microgrid system function safely and stably.Aiming at three typical scenarios,different indexes were presented.An optimal sizing method based on the modified particle swarm optimization was proposed.The method solves the optimal design problem on the premise that microgrids function safely.Various restrictions of batteries were taken into account, and finally the best sets of batteries were selected to achieve the optimal economic.In addition,the optimal design of topological structure of energy storage system was discussed.And optimization software was programmed and verified by calculation examples.

independent microgrid;battery energy storage system;capacity optimization;modified particle swarm algorithm;multi-application situation

TM 912

A

1002-087 X(2016)06-1269-04

2015-12-09

國家科技支撐計劃(2013BAA02B02)；中央高校基本科研業務費專項資金(207274006)

潘華(1990—)，男，湖北省人，碩士研究生，主要研究方向為新能源發電中儲能容量優化配置。