考慮儲能分時自動控制策略的微電網容量優化配置方法研究

（廣東電網有限責任公司韶關供電局，韶關 512026）

0 引言

隨著可再生能源發電技術的快速發展，光伏發電、風力發電等分布式發電系統得到了快速發展。由于可再生能源出力具有波動性、間歇性等特點，其規模化并網將對配電網帶來不利影響[1,2]。微電網作為一種有效的能源組織利用手段，可將分布式發電系統、負荷組合為一個小型用電系統，微電網通過對系統內分布式電源和負荷的有效控制，可有效減少分布式電源出力波動對配電網的影響。由于不同類型分布式電源具有不同的輸出特性，為實現微電網的經濟、可靠運行，需要對微電網中不同分布式電源的容量進行優化配置[3,4]，以較好實現不同分布式電源間的協調優化與互補發電。對于微電網中分布式電源容量的優化配置方法，國內外已有較多學者進行了相應研究[5～8]，主要包括離網型微電網優化配置方法[5,6]和并網型微電網優化配置方法[7,8]的研究。微電網容量優化配置求解為數學優化問題，常用的數學優化求解方法主要有數學規劃方法和智能優化算法。目前微電網容量優化配置問題大多采用智能優化算法[9,10]進行求解，粒子群算法作為一種搜索能力強、易于實現的優化算法，在優化問題求解中得到了廣泛應用，但由于粒子群優化算法容易收斂到局部最優值，需要進行優化改進，以提升其全局尋優能力。為此，提出一種考慮儲能分時自動控制策略的微電網容量優化配置方法，并采用改進粒子群算法對其進行優化求解。

1 微電網系統數學模型及控制策略

微電網拓撲結構如圖1所示，主要包括風力發電系統、光伏發電系統、儲能系統、水力發電系統和負載等設備，所有設備直接接入交流母線，然后通過PCC點接入配電網。微電網系統中，風、光、水等發電系統作為能量源向負荷供電，儲能系統作為受控電源，通過接受調度指令實現對微電網能量的調節。當系統發電功率大于負荷用電需求時，多余功率可通過儲能進行吸收或向電網售電；當系統發電功率小于負荷用電需求時，不足功率由儲能放電補充或通過向電網購電進行補充。通過對多種電源與儲能的協調控制，可實現微電網能量的優化管理。

圖1 微電網拓撲結構

1.1 微電網系統模型

1.1.1 風力發電系統模型

風力發電系統輸出功率主要與風速相關，風力發電系統輸出功率PWG與風速v關系可表示如下：

式中：PWN為風力發電系統的額定功率，vci為切入風速，vco為切出風速，vrate為額定風速。

1.1.2 光伏發電系統模型

光伏發電系統是將光資源轉換為電能的發電單元，忽略溫度的影響，光伏發電系統輸出功率與光照強度成正比，光伏輸出功率PPV可表示如下

式中，PPVN為光伏發電系統的額定功率；Gs表示標準狀況下的光照強度，G表示實際光照強度。

1.1.3 水力發電系統模型

水力發電主要分為徑流式小水電和可調節式小水電，徑流式小水電無調節能力，其輸出功率PH主要由電站水頭和水流量決定，其出力公式可表示為：

式中：A表示出力系數；Q表示應用流量；H表示凈水頭。

1.1.4 儲能系統模型

微電網系統中，儲能系統作為受控電源，接受控制系統調度指令，控制自身充放電實現系統能量的平衡與優化，在儲能充放電過程中，儲能電池的剩余電量會隨著充放電功率的變化而改變，其剩余電量變化過程可表示為：

式中，Ebat（t）和Ebat（t+1）分別表示t時刻和t+1時刻儲能電池剩余能量；Pbat（t）表示t時刻電池功率，充電為負值，放電為正值；ηc和ηd分別為儲能電池的充電效率和放電效率；Δt為時間間隔，單位是h。

1.2 儲能分時自動控制策略

為協調各時段微電網內各電源的出力，需要選擇合適的運行控制策略對微電網內受控電源進行合理控制，實現系統經濟運行。在風光水儲微電網系統中，考慮可再生能源出力的波動性和不確定性，需要對儲能等受控電源進行調度；同時，考慮小水電的季節特性，針對豐水期、枯水期可采用不同儲能控制策略。系統控制策略總體原則為優先使用風、光、徑流式小水電等電源，不足部分或剩余部分采用儲能等可控電源或電網進行補充或吸收，微電網凈負荷ΔP（t）可用下式表示：

式中：PLoad（t）、PWT（t）、PPV（t）、PHydro（t）分別表示t時刻負荷功率、風電功率、光伏功率和水電功率。

在豐水期，負荷的峰時段內，當ΔP（t）<0時，新能源出力大于負荷功率，由于峰時段電價較高，可以將多余的功率向電網售出，提高系統受益。當ΔP（t）>0時，則負荷功率大于新能源出力，負荷存在功率缺額，此時若受控電源可補充功率缺額，則調度其輸出功率進行補充；若受控電源不能完全滿足功率缺額，則通過受控電源和電網共同承擔不足功率。在平時段和谷時段，當ΔP（t）<0時，因平、谷時段電價較低，多余的功率先對受控電源進行補充，為峰時段預留調節容量，減少峰時段的購電成本。當ΔP（t）>0時，優先向電網購電，若受控電源需充電，則進行充電。

在枯水期，需要保證正常用水需求，盡量減少相電網售電，在負荷峰時段內，當ΔP（t）<0時，先采用儲能吸收多余能量，若還有剩余能量再向電網售電；其他時段內采用與豐水期相同策略。

2 優化配置模型

2.1 目標函數

所提風光水儲微電網優化配置目標函數為考慮微電網自平衡率、冗余率約束和系統運行約束條件下的系統綜合運行費用ftotal最小。目標函數可表示如下：

式中，微電網綜合費用由初始投資成本Cinv、系統運維成本Com、購售電成本Cbs等組成，可表示如下：

2.1.1 初始投資成本與運維成本

風光水儲微電網初始設備投資和運維成本主要包括各分布式電源和儲能設備的初始投資費用和運維費用，可表示如下：

式中，CWT為風電投資成本，CPV為光伏投資成本，CHydro為水電投資成本，CESS為儲能投資成本。Com,WT為風電運維成本，Com,PV為光伏運維成本，Com,Hydro為水電運維成本，Com,ESS為儲能運維成本。

1）分布式電源投資成本與運維成本

風光水等發電系統投資成本可用其等年值成本評估，其公式如下：

式中，Ndev為發電系統數量，Pdev為單臺發電設備額定容量，cdev為發電系統單位容量價格，r0為貼現率，ldev為發電設備壽命，dev的取值可能值為風力發電系統、光伏發電系統和水力發電系統。

風光水等發電系統運維成本可用其實際發電量進行評估，其具體公式如下：

式中，Pdev（t）為t時刻發電系統功率，mom,dev為發電單位發電量運維價格，Δt為時間間隔。

2）儲能系統投資成本與運維成本

儲能系統投資成本可用其等年值成本評估，其具體公式如下：

式中，NBat為儲能系統數量，PsBatN為單個系統儲能電池額定容量，csBat為儲能電池單位容量價格，PsPcsN為單個系統的PCS額定容量，csPcs為PCS單位容量價格，r0為貼現率，lBat為儲能系統壽命年限。

儲能系統運維成本具體可表示如下：

式中，PBat（t）為t時刻儲能系統輸出功率，放電為正，充電為負，mom，Bat為儲能系統單位電量運維價格，Δt為時間間隔。

2.1.2 購售電成本

購售電成本由微電網從配電網購電費用和微電網向配電網售電收益的代數和組成。當微電網中分布式電源輸出功率大于負荷需求功率時，多余功率可用于儲能充電或向電網售電，當微電網中分布式電源輸出功率小于負荷功率需求時，不足功率可由儲能放電補充或從大電網購電進行補充，因此，微電網購售電成本表示如下：

式中，Cbs為購售電成本，Cb為購電成本，Cs為售電收益，為負，Cbuy為購電價格，Pbuy（t）為t時購電功率，從電網購電為正，Csell為售電價格，Psell（t）為t時刻售電功率，向電網售電為負，Δt為時間間隔。

2.2 約束條件

微電網優化配置模型的約束條件主要分為等式約束和不等式約束，具體如下：

1）微電網功率平衡約束

微電網中，忽略功率損耗，分布式電源輸出有功功率應與負荷用電功率相等。

式中：Pgrid（t）表示聯絡線功率。

2）與電網交互功率約束

微電網與配電網允許的功率交換限值可表示如下：

式中，Pmin，grid（t）表示最小允許交換功率，Pmax，grid（t）表示最大允許交換功率。

3）儲能系統充放電約束

充放電滿足下列約束條件：

式(17)中，Pc，min，Pc，max為蓄電池充電功率的下限與上限；Pd，min，Pd，max為蓄電池放電功率的下限與上限，Pc（t）、Pd（t）分別表示t時刻儲能充電功率和放電功率。

4）儲能電池電量約束

為了提高蓄電池的使用壽命，蓄電池的荷電狀態約束條件為：

式中：Ebat，min，Ebat，max分別表示儲能電池剩余電量的下限和上限。

5）自平衡率約束

自平衡率fself用來表示微電網對負荷的供電能力，可表示為微電網內部各分布式電源發電總量與負荷用電總量的比值，其公式如下：

自平衡率越大，表示微電網的自治能力越強，自平衡率約束條件可表示如下：

式中，d1為最低自平衡率。

6）冗余率約束

冗余率fredu可表示微電網對配電網的影響，冗余率越小，微電網對配電網影響越小，其計算公式表示如下：

自平衡率可表示為優化模型的約束條件，表示如下：

式(23)中，d2為冗余率最大值。

7）決策變量約束

優化配置決策變量為各分布式電源數量，其數量約束可表示如下：

式中：NWT，max為風機最大臺數，NPV，max為光伏最大數量，NHydro，max為水力發電最大臺數，NWT，max為儲能最大數量。

3 改進粒子群算法

粒子群算法（PSO）是一種啟發性搜索算法，單個粒子通過自身認知和社會學習實現對種群最優粒子的跟蹤學習，具有收斂速度快、尋優能力強、易于實現等特點。

傳統的粒子群算法中，隨著粒子群算法的迭代次數的增加，算法容易過早陷入局部最優點，為了提高算法的全局搜索能力，需要在種群多樣性方面進行改進，為此提出一種改進的粒子群算法，當粒子群種群多樣性指標低于某一閾值時，按一定的概率對種群粒子進行隨機初始化，以提高算法的全局搜索能力，最后，采用所提的改進粒子群算法對微電網進行優化配置優化求解，模型求解流程如圖2所示。

求解步驟如下：

1）獲取微電網電源信息、歷史負荷數據及風速、光照等氣象數據，確定每年12個月的典型日負荷數據；

2）根據典型日負荷數據和氣象數據，結合分布式電源出力模型和實際負荷數據，建立分布式電源出力模型和負荷的時序出力模型；

圖2 模型求解流程圖

3）根據微電網優化配置模型，結合負荷時序出力曲線與可再生能源出力曲線，確定優化配置目標表達式，并作為粒子群適應度函數；

4）初始化滿足約束的粒子群位置和速度，每個粒子為一種微電網電源優化配置方案；

5）計算各粒子的適應度函數，獲取不同優化配置方案的目標函數值，對比分析并獲取個體最優和全局最優方案值；

6）評估種群的多樣性，若種群多樣性低于設定閾值，則按一定概率對種群粒子進行隨機初始化，否則，跳轉至步驟7）；其中種群多樣性Pmul采用式(25)進行評估計算。

式中，di為第i個粒子xi與種群最優粒子gbest的歐式距離，di，pu為di的歸一化值，di，pu，sort為升序排序的di，pu。

7）更新粒子位置和速度，更新個體最優值和種群最優值，判斷是否滿足算法終止條件。若是，則全局最優方案為最優優化配置方案；若否則轉至步驟5）。其中，位置和速度更新公式如式(26)所示。

4 仿真分析

為了驗證所提方法的有效行，進行仿真驗證分析。微電網系統拓撲結構如圖1所示。設備的相關參數如表1所示，分時電價信息如表2所示，微電網中負荷曲線、光照強度、風速、徑流量等數據如圖3所示。

圖3 負荷曲線、風光水資源數據

表1 設備的相關參數

表2 分時電價信息

4.1 相同平衡率和冗余率約束下的優化配置結果分析

在相同平衡率約束和冗余率約束下，考慮d1為0.6，d2為0.3條件下，不同電源組合方案下的優化配置結果如表3所示。

表3中，方案I為風光儲組合方案，方案II為風光水組合方案，方案III為光水儲組合方案，方案IV為風水儲組合方案。由上表知，相同自平衡率約束和冗余率約束下，各組合方案綜合費用由低到高排名為方案II、方案III、方案IV、方案I，這是由于水電投資費用相對較低且其發電效率較高，具有較高的經濟效益，所以方案II綜合費用最低；而由于光照強度較好，風速平均值較低，所以光伏比風電具有經濟優勢，儲能經濟性相對較差，因此方案III、方案IV、方案I綜合費用依次遞增。

表3 不同電源組合方案的優化配置結果

4.2 改進粒子群算法有效性分析

圖4為改進粒子群算法與標準粒子群算法結果比較圖，由圖知，與標準粒子群算法相比，所提改進粒子群算法可具有較快收斂速度，可快速獲得優化配置結果，具有較好的有效性。

圖4 改進粒子群算法與標準粒子群算法結果比較

5 結語

本文提出了考慮儲能分時自動控制策略的微電網容量優化配置方法，建立了以微電網綜合費用最小為目標的電源容量優化配置模型，在考慮自平衡約束、冗余率約束和系統運行約束條件下，采用改進粒子群算法對容量優化配置模型進行了優化求解，所提改進粒子群算法在種群多樣性低于某個閾值時，將按照一定概率隨機初始化種群某些粒子位置以提升種群多樣性，所提方法提升了粒子群算法的全局搜索能力，仿真分析結果證明了所提方法的有效性。