并網型微電網優化調度及經濟性分析

孫佳星，王培宇，胡興媛，陳 慶

(1.三峽大學電氣與新能源學院，湖北 宜昌 443002；2.大同煤礦集團朔州熱電有限公司，山西 大同 037000)

分布式電源以微電網的形式參與電力系統運行與調度，可以充分發揮分布式電源的優勢，提高新能源利用率，同時也能增強傳統大電網的可靠性[1-3]。包含分布式電源的微電網，其運行方式可以是與大電網連接的并網運行，也可以是與大電網分離的孤網運行。并網運行時，微電網與大電網可以進行交互，大電網能夠為微電網提供支撐，保證其內部供電安全及系統穩定；孤網運行時，微電網僅靠內部電源獨立供電[4]，由儲能裝置如蓄電池等參與微電網的優化調度，如果不能滿足功率平衡，可以通過切除部分負荷保證系統內部穩定[5-7]。運行方式的不同會導致微電網優化調度方式也不同，本文主要研究并網條件下微電網的優化調度。

近年來，學者在微電網優化調度方面已經取得了一定的成果，文獻[8]通過建立不同機組的數學模型，并應用分時電價機制，優化各電源的最優機組出力，并得出不同電價對微電網運行成本及儲能裝置作用的發揮影響不同的結論。文獻[9]在考慮功率平衡、儲能的荷電狀態、電動汽車的充電時間等約束條件的基礎上，以系統的總運行費用及與電網的交換電量最小為目標，對不同優化方案進行仿真分析。文獻[10]綜合考慮微電網經濟性、環境成本和用電負荷的優化等因素，使用改進算法提升尋優能力，通過算例驗證算法的有效性。

本文以包含光伏、風機、微型燃氣輪機、蓄電池的微電網為研究對象，在考慮蓄電池充放電深度等約束條件和計及分時電價機制的基礎上，綜合考慮微電網發電成本、環境污染治理費用、并網收益等多個條件，構建微電網并網運行模式下的多目標優化調度模型，實現微電網經濟、環保運行。針對遺傳算法存在的不足[11-12]，結合微電網的運行特性，提出改進遺傳算法，將其應用于微電網優化調度研究中，并結合微電網實際案例，驗證所提出方法的合理性與有效性。

1 微電網優化調度模型

并網方式下的微電網經濟運行策略如下。新能源發電優先，當風力發電機和光伏電池盡量發電而無法滿足電負荷需求時，比較微燃機、從主網購電和蓄電池放電價格，取價格低者供電；當新能源發電盈余時，向主網售電或給蓄電池充電；考慮分時電價機制，當主網售電價格低時，蓄電池盡量充電，當主網價格高時，蓄電池盡量向主網售電。

在滿足微電網功率平衡等約束的前提下應用上述策略，合理運用算法解決微電網電源優化配置問題[13]。通過對比不同機組出力對應的微電網運行成本，得出成本最小的機組出力組合。本文研究的微電網由風機、光伏、微型燃氣輪機、蓄電池以及負荷組成，其調度結構如圖1所示。

圖1 微電網調度結構

1.1 模型

1.1.1 微型燃氣輪機模型

(1)

式中：CMT為微型燃氣輪機的燃料成本，元；Cng為天然氣價格，元/m3；PMT為t時段微型燃氣輪機的輸出電功率，kW；ηMT為內燃機的發電效率；Qng為天然氣的低熱熱值，取9.7 kWh/m3。

1.1.2 蓄電池模型

單位時間間隔Δt內，蓄電池充放電功率均恒定，荷電狀態(SOC，State-of-Charge)數值變化由式(2)決定；為防止蓄電池過充和過放情況的發生，蓄電池的SOC應滿足上、下限值約束，如式(3)所示；由于蓄電池不能同時充電或放電，因此蓄電池的充放電須滿足式(4)；蓄電池能量狀態需滿足在調度周期始末相等的約束，約束如式(5)所示；為維持蓄電池壽命，設定蓄電池最大充放電功率，本文設定蓄電池最大功率為蓄電池額定容量的20%，約束如式(6)所示。

(2)

Smin

(3)

Xt·Yt=0

(4)

S0=ST

(5)

(6)

式中：Smin、Smax、St分別是蓄電池的上、下限值及t時段的SOC狀態。當SOC到達最大值時，蓄電池停止充電；當SOC到達最小值時，蓄電池停止放電。S0為蓄電池初始SOC狀態；Pcha,t和Pdis,t分別為蓄電池在t時段的充、放電功率；Xt和Yt分別為蓄電池的充、放電狀態量，其中Xt∈{0,1}，Yt∈{0,1},Δt，T為時段數，Eb為電池容量。

1.2 目標函數

微網優化運行問題是1個多目標、多約束的非線性優化問題，在保證用戶用電的基礎上，建立微網運行費用最小的目標函數。目標函數F為總成本，包括燃料及維護成本、污染治理成本和交互成本。目標函數為

(7)

(8)

式中：Ci(Pi)微源i的發電成本，由各電源的出力模型確定；Ki為不同微源的運行維護系數，不同微源的維護系數不同；Pi為微源i的輸出功率；αj為污染物的折算系數；Ei,j為微源i輸出單位功率時排放第j類污染物的量;Pgrid(t)為t時段微電網與大電網的交互功率；cgrid為t時段微電網與大電網的交易價格，當微電網分別向電網購電和售電時，分別選擇分時購電價格cbuy和分時售電價格csell。

1.3 約束條件

為保證微電網安全穩定運行，系統需滿足功率平衡約束、爬坡率約束、出力上下限約束，表達式為

Pload(t)=PWT(t)+PPV(t)+PMT(t)+PBA(t)+Pgrid(t)

(9)

|Pi(t)-Pi-1(t)|≤Pup

(10)

Pimin≤Pi(t)≤Pimax

(11)

式中：Pload(t)為微電網t時段負荷功率總和；PWT(t)、PPV(t)分別為微電網中風力和光伏發電功率；PMT(t)、PBA(t)分別為微型燃氣輪機和蓄電池在t時段的功率；Pimax、Pimin分別為燃氣輪機出力的上、下限；Pup為爬坡速率。

2 改進遺傳算法

遺傳算法是將需優化問題的相關參數編碼成為二進制串，進而將多個二進制串組成1個初始種群，構成待優化問題的初始解。使用選擇、交叉和變異3種算子進行操作，不斷迭代優化，找到最優解。遺傳算法是利用參數的編碼進行操作的，搜索信息就是目標函數，各個步驟的運算均采用概率的方式。在求解微電網優化調度問題時，基本遺傳算法往往易陷入局部最優解，因此本文針對微網特點，在基本遺傳算法的基礎上做了一些改進。

a.在變量編碼形式上進行改進。為保證在有效范圍內搜索，提高算法搜索效率，將微電源的上下限約束作為遺傳算法的輸入量。

b.增加優秀個體庫。將符合約束并且適應度更優的解作為優秀個體庫，在該庫中選擇父本來交叉，通過種群中優秀的個體的遺傳性加速算法收斂，完成進化。

c.增加隨機變量。為增加種群的多樣性，避免陷入局部最優解出現早熟等現象，在迭代過程中增加一些隨機種群，使這些隨機種群也加入交叉進化的過程。

算法初始時，需提前設置參數，如相關變量的范圍、精度，種群規模Np，進化代數NG，優秀個體庫個體數M及交叉概率、編譯概率。按照上述措施改進后的遺傳算法具體求解流程如圖2所示，圖中r是隨機個體的比例。

圖2 算法流程

3 算例

為檢驗上述模型和算法的有效性，采用如下算例進行驗證，本文研究的微電網包括100 kW光伏機組、100 kW風電機組、100 kW微型燃氣輪機和20 kW蓄電池，微電網運行在并網條件下。光伏和風電機組為清潔能源，燃料費用幾乎為0，沒有污染氣體排放，故只需要考慮運行維護成本。負荷、風電、光伏出力預測曲線如圖3所示。各機組額定功率、爬坡率、維護系數如表1所示，污染物種類及治理費用如表2所示，分時購、售電價格如表3所示。

圖3 負荷、風力出力、光伏出力的預測曲線

類型額定功率/kW爬坡率/(kW·min-1)維護系數/(元·kW-1)WT100-0.045PV100-0.009 6MT200100.128BA40-0.045

表2 污染物種類和治理費用

表3 微電網購、售電價格

本算例中，微網中光伏、風機全額利用，通過合理安排微型燃氣輪機出力、蓄電池充放電以及與主網交互來實現微電網經濟效益最優的目的。并網運行方式下各單元的出力優化調度結果如圖4所示。

圖4 各機組出力

成本類型并網運行/元僅主網供電/元發電成本1 458-環境成本74-與電網交互成本-2012 158總成本1 3312 158

由表3和圖4可知0：00—7：00時為電價谷時段，微網通過聯絡線從大電網吸收電能，蓄電池處于持續充電狀態；7：00—10：00和15：00—18：00時為電價平時段，此時為了維持微電網內功率平衡，微網與大電網有能量交換，蓄電池有充電，也有放電；10：00—15：00時為電價峰時段，此時由于微型燃氣輪機發電成本及大電網電價高，而蓄電池電量充足，所以蓄電池在此時放電，保證經濟效益。微電網并網供電形式與僅主網供電形式的成本對比如表4所示，通過對比可知，采用并網形式可以降低總成本，并且通過與主網交互功率，微電網還可以利用蓄電池等的作用增加部分收益，從而降低自身成本。

4 結束語

本文采用并網方式下微電網經濟運行策略，考慮微電網的經濟性和環保性，建立了包含分布式電源、微型燃氣輪機和儲能單元的微電網經濟運行模型，并使用改進遺傳算法求解，保證結果的收斂性。算例結果表明通過合理調度可以有效降低微電網運行成本，提高綜合效益，驗證了策略的有效性和算法的可行性。