計及多目標的微電網經濟性研究

謝逸豐，資容濤，高偉鵬，鄒學翔，黃智華，張偉

（云南電網有限責任公司昆明供電局，昆明 650000）

0 前言

近年來，霧霾問題越來越嚴重，嚴重影響了人們的正常工作和出行，尤其是在冬天，取暖負荷的升高，使得大量的燃煤電廠滿負荷運行，在這種條件下，電廠就會自發地排放大量的煙塵和碳氧硫氧化合物，這些排放物日積月累給城市帶來了嚴重的困擾。因此，清潔能源發電給我國的電力事業注入了新鮮的血液，微電網運營而生，微電網裝置一般包含風力發電機、太陽能光伏電池、柴油發電機、微型燃氣輪機、蓄電池等。這些裝置會消耗自然資源，產生排放物，如何實現微電網的最優經濟性，是當前的一個研究熱點，國內外學者對微電網的經濟性進行了廣泛的研究。

文獻[1-2]以獨立風光儲為研究對象，考慮了優化模型的初始投資，運行管理費用，以及污染物治理費用和收益，以微電網總投資最低來研究微電網的經濟效益。文獻[3]提出包含海水淡化負荷的風光柴儲獨立微電網進行仿真和優化，提出了包含微電網全壽命周期成本，可再生能源利用率以及污染物排放水平的多目標優化模型。文獻[4]針對包含風光燃氣輪機，電池，柴油發電機組成的微網，建立基于經濟調度的的熱電聯供型微網儲能優化模型，利用最小儲能容量方法分析微電網在孤網和并網狀態下的經濟性。文獻[5-6]考慮了微電網安全可靠運行和蓄電池自身累計損傷和充放電深度的影響，建立了總成本最小的模型，來進行容量配置，研究經濟性。文獻[7]針對風光柴儲獨立微電網的系統成本，污染物排放以及未利用能源等多個目標，使用仿真電磁學（ELM）來進行最佳容量的配置研究。文獻[8]以包含可再生能源的微電網為研究對象，考慮可再生能源的出力要求，利用加權移動平均控制法來平滑發電的輸出功率，同時提出上下限約束控制法來進行削峰填谷。文獻[9-12]針對微電網，在最大限度利用風光資源的前提下，通過對風機和光伏電池的出力，配電網傳輸功率進行優化，使微電網最經濟最環保。

上述文章在研究微電網經濟性時，均只考慮單一的目標函數來對微電網的容量進行優化配置。本文對上述文章的研究思路進行改進。利用一個并含風光柴儲以及微型燃氣輪機的微電網同時考慮成本指標，污染物排放懲罰費用，年失負荷容量，年容量缺電量這四個目標函數來進行多目標微電網進行研究。首先得出成本最小的優化結果，在改變各子目標函數的權重，優化得到在不同權重組合下的微源出力，為微電網的經濟調度提供重要參考。

1 微電網模型介紹

風力發電系統主要有風機，齒輪箱，發電機，電力電子器件，變壓器組成。

圖1 微電網結構圖

1.1 風力發電機模型

在當前的可再生能源形式中，風能是一種清潔，高效的新能源，風能取之不盡，用之不竭。19世紀丹麥首先利用風力發電。當前風力發電技術較為成熟，在十三五規劃相關政策的推動下，風力發電占據了新能源發電的半壁江山。它主要通過旋轉的葉輪將動能轉化為機械能來發電，在風機的工作系統中，當風速小于風機的切入風速時，不發電，當風速大于風機的切出風速時，風機抱閘停機，防止被損壞，只有當風速在切入風和切出風速之間時，風機才能正常發電。

圖2 風力發電機示意圖

1.2 光伏發電模型

主要原理是利用了太陽能光伏電池板的光生伏打效應，當有太陽光照射到電池板上時，就會產生電能。太陽光伏電池板的運行特性與運行的環境溫度，光照強度等有直接的關系。由于太陽光，溫度等環境因素極不穩定，隨機性較大，因此，太陽能光伏發電的輸出功率不穩定會隨著環境因素的改變而改變。

圖3 光伏發電原理圖

1.3 柴油發電機與微型燃汽輪機模型

由于風力發電與光伏發電存在隨機性的特點，為了保證供電的可靠性，滿足微電網區域內用電負荷的需求。還需對微電網內的供電裝置加設柴油發電機和微型燃氣輪機。本文的柴油發電機與微型燃氣輪機主要考慮它們的功率特性曲線，化石燃料的消耗特性以及污染物廢棄物等對環境造成的傷害程度。

2 多目標微網系統優化模型

2.1 分布式發電系統評估指標

本文的發電單元包括風力發電機、太陽能光伏電池板、微型燃氣輪機、柴油發電機、儲能電池等。由于微電網綠色環保的要求，使得其必須具有一定的環境效益。節能減排效益是衡量它的一個重要參考指標。運用可再生能源或者污染較小的分布式電源技術，代替傳統的化石能源發電可以減少污染物氣體的排放量。其中微型燃氣輪機以天然氣為消耗能源，燃燒會產生CO2，柴油發電機在發電過程中會產生SO2和氮氧化物（NOχ）。這些都是對環境有害的氣體[13]。在利用分布式發電技術后，這些氣體的排放量均會得到有效的控制。

此外，為了保證供電的可靠性與經濟性還需要考慮：

1）成本指標：總投資費用C；

2）環境兼容性指標：可再生能源年發電量Eren；

3）負荷可靠性指標：年失負荷容量PL；

4）系統可靠性指標：年容量缺電量Ps。這四個指標之間存在著一些關系。比如可再生能源年發電量Eren越大，則風力發電機和太陽能發電的總裝機容量越大，會造成系統總投資費用C增大。風力發電和太陽能發電的大力投入會帶來輸出功率不穩定，導致PL，Ps的變化。

2.2 目標函數

1）成本指標的目標函數

式中m表示分布式電源類型數，N表示每種發電類型數所含微源數量，αij,βij,γij,aij,bij分別表示單位容量的分布式單元投資成本，運行維護成本，置換成本，消耗的燃料費用和設備殘值。為微源的容量，dt為電網電價，微源單元在電量充足時向電網售電，在微網區域內負荷較大時，可以向電網購電，表示微電網向大電網售電，表示微電網向大電網購電。其中售電時取負號，購電時取正號。其中，置換成本指發電裝置在完成壽命周期的任務后，不能再使用，需要對其更換所花成本，殘值指的是壽命周期結束后，該分布式微電源所剩余的資金價值。

2）其它目標函數

F2中，為了滿足環保效益，須最大限度的利用風能，太陽能等零排放資源發電。目標函數F3和F4中為了滿足負荷和系統的可靠性指標，必須讓負荷失電量PL與年容量缺電量PS最小。其中，PL和PS的計算依據下式。

和分別表示某時刻的失負荷容量和容量缺電量，它們的計算由下式得到。

和分別表示某時刻總的需要的容量和某時刻需要的實際容量。

Lt表示負荷容量，Rt表示備用容量；表示第i種類型的微電源的第j個發電裝置在t時刻輸出的最大功率，PGrid,max表示輸電線路輸送的最大功率。

為了使電網能夠保證負荷的的正常供電，在緊急情況下應對負荷的突然增加，需對電網配置一定的備用容量。備用容量不但要滿足符合一定小時的平均裕度。還要滿足風力發電，光伏發電的隨機性導致的出力突然減小等問題。

α1,α2,α3分別表示負荷，風力發電機和光伏電池的出力備用因子。

3 目標函數的處理

3.1 統一目標函數

本文中一共包括四個目標函數，F1表示成本函數，單位是元，F2表示最大限度的利用可再生能源發電，是無量綱的。這給多目標函數的處理帶來了困難。但是最大限度的利用可再生能源發電意味著將會最小化化石能源在發電中的利用。而化石能源的燃燒將會產生環境污染物氣體。可以引入一個環境污染物懲罰費用使其最小就可以代替目標函數F2。這樣兩個函數就有了統一的量綱。

式中，K表示污染物排放種類，M表示分布式電源數量，δik表示第i種分布式電源的第k類污染物排放出發收費標準，Yik表示第i中分布式電源的第k類污染物排放量。

函數F3與F4的處理可借助F2的處理方式，分別引入一個處罰收費標準系數θ1，θ2。對失負荷容量和年容量缺電量進行處理，使其懲罰費用最低。

3.2 轉化為單目標函數

通過3.1節對四個目標函數的統一，將各個函數的量綱轉化為相同的單位。可將各子目標函數值統一轉化為對優化結果的滿意度，從而可將多目標優化轉化為單目標優化問題。本文采用線性加權求和法將多目標優化轉化為單目標優化問題進行求解。再利用二元對比定權法確定權系數[14]。按照上述線性加權平均求和法構造單目標函數為：

式中：λi≥ 0，且λi表示權系數，它能夠反映每個目標函數在總體單目標函數下的重要程度。其中通過λi的設置可反映四個不同指標的重要程度。所以，重要的目標函數應設置權系數λi的值較大（通常不超過1），不重要的目標函數應設置權系數λi的值較小（通常不小于0）。

4 算例分析

不同季節的負荷有著一定的波動，本文采用冬季、夏季、春季工作日和周末的負荷來模擬微電網內一定的負荷變化。根據不同的負荷情況，可統計出該地的峰荷為47 kW，平均負荷為30 kW，平均風速為8.6 m/s。微型燃氣輪機最大出力為80kw，平均光照強度3.7（kw.h）/m2，備用因子α1，α2，α3分別為 3%，10%，10%。其它參數見文獻[15]。

圖4 不同季節全天負荷曲線

根據以上的負荷數據，利用HOMER軟件進行優化，將一年內的時間段進行分解，計算和模擬分析每個時間段的發電單元出力情況，可以得到如下的優化結果，見表1。同時根據計算得到的優化結果，可以確定四個優化目標函數的結果。表2為子目標函數優化結果。

表1 優化結果表

表2 子目標函數優化結果

上述表格為實現總成本最小的優化結果，在得到該最優結果的同時可以確定出λ1=0.4，λ2=0.3，λ3=0.15，λ4=0.15。

在上述最優結果已知的情況下，還可以繼續研究在不同權重因子下各微源的出力情況。不同的λi取值會影響微網經濟調度的經濟性。當取發電成本與排放成本同等重要時，即λ1=λ2，具體取值為λ1=λ2=0.45，λ3=λ4=0.05。在HOMER軟件中對冬季工作日優化并得到優化結果如下圖所示。

圖5 冬季總成本最小各種成本

根據該地區的一天的負荷曲線可以看出，在冬季一天的1、2、3時，周末的負荷大于工作日的負荷，而它們相應的發電成本與排放成本是一個統一的標準，所以周末的總成本應該大于工作日的總成本。優化的結果與理論分析是一致的，驗證了結果的正確性。

只考慮總投資費用最小忽略其它三個目標函數，即將λ1=1，λ2=0，λ3=0，λ4=0，或者將λ1=0，λ2=1，λ3=0，λ4=0，研究各種微電源一天的出力情況。優化結果如下圖所示。

圖6 冬季工作日總投資或排放成本最小時微源出力

根據上圖由于新能源發電的排放成本和發電成本比較低，所以優先安排新能源發電這與圖中優化的曲線相符合。驗證了優化結果的正確性。

再來選取夏季工作日進行研究，將發電成本與排放成本權重設為10：1時，即將λi設置為λ1=0.9，λ2=0.09，λ3=0.005，λ4=0.005， 或者將排放成本與發電成本設為10：1時，即將λ1=0.09，λ2=0.9，λ3=0.005，λ4=0.005 時，進行優化可以得到各微源的出力進行優化可以得到如下曲線。根據曲線，在偏重發電成本和排放成本時，都優先考慮新能源發電，符合實際。

圖7 夏季工作日偏重發電成本或排放成本時微源的出力

5 結束語

本文將四個目標函數轉化為統一量綱進行研究，根據子目標函數影響力的不同，設置不同的權重，然后將四個子目標函數轉化為單目標函數進行優化，得到成本最小的結果。同時根據某地的負荷數據，改變各子目標函數的權重，研究最優條件下各分布式電源（DG）的出力，這對電力的經濟調度是很有意義的。由于微電網內部面臨著負荷水平、燃料供給、自然資源等多方面的不確定因素，考慮隨機性和模糊性的多目標經濟性研究是下一步研究的主要工作。