離網型微電網優化運行策略研究

何瑞東，周文，路艷巧，劉燁，李卓君，蔣曦

（1.國網河北省電力有限公司，河北 石家莊 050000；2.國網河北省電力有限公司電力科學研究院，河北 石家莊 050000；3.國網河北省電力有限公司石家莊供電分公司，河北 石家莊 050000；4.國網河北省電力有限公司滄州供電分公司，河北 滄州 061000）

全球能源的逐漸枯竭和環境問題的日益突出，加快了風電、光伏等分布式能源的發展進程。但分布式能源大規模并網時，其出力的隨機性和不確定性會對電網的頻率、電壓和電能質量等帶來較大影響[1-3]。而微電網作為分布式能源的有效利用形式，為解決上述問題提供了技術可行性。微電網既能夠并網運行，有效補充大電網；也可以離網運行，為獨立區域提供可靠供電[4-7]。

離網型微電網是由多種分布式電源、柴油機/微燃機、儲能、負荷等組成的小型供電系統，能夠實現區域管理和自治[8-9]。為了保證離網型微電網中源側和負荷側的能量平衡，需要進行系統級的能量管理與控制，實現分布式能源的高效利用及個性化電能的安全、可靠、優質供應，最終實現離網型微電網的經濟性運行。

目前，在離網型微電網的運行控制方面開展了一些研究。文獻[10]在微網孤島運行模式中，考慮分布式電源的發電成本、環境成本以及維護成本，優化微網內不同分布式電源和儲能的出力，從而使系統的總運行成本最小。文獻[11]在兼顧光伏最大功率點跟蹤（maximum power point tracking，MPPT）運行的同時，設計了基于BP神經網絡算法的PID控制器，以控制柴油機的轉速，進而調節其功率輸出，以達到維持光、柴獨立微網系統頻率恒定的目的。文獻[12]研究了微網中的需求側管理與調度方法，建立了孤島型微網能量管理的優化調度模型。文獻[13]建立了以微電網系統運行維護成本和環保效益為目標函數的優化調度模型，并采用基于評價函數的交互式多目標優化方法進行多目標轉換。文獻[14]提出了一種基于需求側響應的實時調度方法，進而建立負荷優化分配模型，實現各可控型微源的出力優化，從而減小微網的運行成本。文獻[15]提出了一種分布式發電與負荷協調控制的能量管理策略。文獻[16]以某海島微網為例，通過建立的能量管理系統提高了可再生能源的利用率。文獻[17]提出一種考慮可轉移負荷效率的風/光/柴/儲微網能量優化控制方法，并在制淡水負荷一定的情況下，驗證了該策略的成本優勢。文獻[18]為保證分布式電源出力和負荷波動時，微網系統中的能量平衡及快速響應，提出了一種分布式發電和蓄電池之間的協同控制能量管理策略。

本文在上述研究的基礎上，在實現離網型微電網經濟性運行的同時，使可再生能源的利用率最大化。首先，考慮各單元的出力特性約束，建立離網型微電網經濟性運行策略。然后，通過專家策略和本文所提優化策略的對比，分析本文所提優化策略的優勢。最后，通過不同時間尺度的仿真，量化了本文所提優化策略的經濟性，這可以為離網型微電網的運行提供理論參考。

1 離網型微電網經濟性運行優化策略

本文建立的離網型微電網如圖1所示，包括光伏、風電、儲能、柴油機和負載。其能量管理系統能夠對各單元進行實時監控，并通過優化策略實現微電網的高效可靠運行。

圖1 離網型微電網拓撲圖Fig.1 Islanded microgrid topology

在滿足供電需求的情況下，以系統經濟成本最低為優化目標，對系統各單元進行實時監測，優先采用發電成本較低的分布式能源進行供電。另外，在系統運行過程中最大化利用分布式能源，以提高其利用率。分布式能源利用率r計算如下：

式中：Pres為分布式能源出力；Pd為柴油機出力。進而，系統應滿足以下的不等式關系：

式中：Pd（t），Ppv（t），Pw（t）分別為每h柴油機、光伏單元、風機的輸出功率；C為可再生能源滲透率。

以離網型微電網經濟性為優化目標，同時考慮供需平衡、各單元出力的約束，進而考慮發電單元啟停費用和發電特性，優化系統運行以滿足負荷的需求，使系統整體經濟性成本最低。

構建離網型微電網優化控制的目標函數：

式中：N為系統中發電單元的個數；ui(t)為t時刻發電單元的開、關機狀態，等于1時，表示開機，等于0時，表示關機；PGi為第i個發電單元出力；SGi為第i個單元的啟停成本；BGi(t)為第i個發電單元t時刻的成本；Cbat為單位運行周期內儲能的運行費用。

柴油機的能耗成本為

式中：a，b，c分別為系數，取值分別為a=3.258 4，b=1.754 4，c=0.055 6。

儲能的運行成本與其輸出功率成正比：鉛酸電池儲能的比例系數α為0.083 2。

約束條件如下。

1.1 功率平衡約束

功率平衡約束條件如下：

式中：PEj為第j個儲能出力；PLk為第k個負荷功率；M為儲能個數。

1.2 備用設備啟停約束

備用設備啟停約束條件如下：

式（7）成立，表明目前啟動的發電單元能夠滿足負荷的需求；反之，則需要開啟下一個發電單元。

1.3 發電單元出力約束

發電單元出力約束條件如下：

1）柴油機出力約束。柴油機應該運行在一定功率范圍之內，否則會影響柴油機的使用效率與經濟性。

式中：Pdrate為柴油機額定出力；kd為柴油機最小出力對應的比例系數。

2）風機、光伏出力約束：

式中：Pw_max，Ppv_max分別為風機、光伏最大出力。

1.4 儲能約束

儲能約束條件如下：

式中：SOC（t）為t時段儲能剩余容量（state of charge，SOC）約束；SOCmin為最小值；SOCmax為最大值；PE(t)為t時刻儲能出力約束。

基于上述模型，利用二次規劃方法求解，從而保障系統的最優運行。

2 算例分析

基于Matlab構建微電網系統，包括風機3 kW、光伏100 kW、柴油機100 kW和儲能100 kW·h，采用專家策略和本文所提的優化策略進行對比，進而證明本文所提微電網能量管理策略的有效性。

專家策略[19]介紹如下：1）當分布式能源出力大于負荷功率時，柴油機不啟動，儲能吸收過剩功率。當過剩功率超出儲能的充電功率限制，或者儲能SOC達到上限時，分布式能源限功率運行。2）當分布式能源和儲能的總出力小于負荷功率時，啟動柴油機。當柴油機運行在功率區間下限，且儲能系統達到充電功率限制或者SOC達到上限，分布式能源限功率運行；當柴油機運行在功率區間上限，且儲能達到放電功率限制或者SOC達到下限，柴油機變為滿功率運行。

2.1 優化策略

選取晴天和非晴天兩種典型天氣進行仿真，其中光伏、風電和負載功率仿真波形如圖2～圖5所示。風電非晴天的出力和晴天相比，雖然有一定的變化，但是由于風電裝機容量較小，其出力變化較小；再者，對于整個微電網來看，風電非晴天的出力變化對系統的影響很小，幾乎可以忽略不計，因此本文假定非晴天和晴天的出力相同。

圖2 光伏出力（晴天）Fig.2 Photovoltaic power（sunny day）

圖3 光伏出力（非晴天）Fig.3 Photovoltaic power（not sunny day）

圖4 風電出力Fig.4 Wind power

圖5 負載功率Fig.5 Load power

專家模式下各單元出力曲線（晴天）如圖6所示。專家策略下儲能SOC曲線（晴天）如圖7所示。晴天的時候，主要由光伏、風電和儲能向負載供電，柴油機處于關機狀態。初始時刻可再生能源出力不足，主要由儲能向負載供電，隨著光伏出力的逐漸增大，光伏替代儲能給負載供電，當光伏出力大于負載功率時光伏給儲能充電，16點時儲能SOC達到上限，如圖7所示，隨后光伏限功率運行。該策略下系統運行成本為229.65元，主要為儲能的運行成本，柴油機一直處于關閉狀態，其運行成本為0元，此時計算可再生能源利用率為58.67%。

圖6 專家策略下各單元出力（晴天）Fig.6 Each unit power with expert strategy（sunny day）

圖7 專家策略下儲能SOC（晴天）Fig.7 Energy storage SOC with expert strategy（sunny day）

專家策略下系統各單元的出力結果（非晴天）如圖8所示。與圖6對比可得，非晴天時候，由于可再生出力不足，主要由儲能對負載供電，8點時SOC較低，此時開啟柴油機向儲能充電，當SOC達到上限時柴油機關閉，該過程中主要由可再生能源向負載供電。當可再生能源功率不足時，儲能再繼續向負載提供電能。儲能SOC如圖9所示。該模式下的系統運行成本為532.9元，其中柴油機運行成本為295.3元，儲能運行成本為237.6元，可再生資源利用率為55.86%。

圖8 專家策略下各單元出力（非晴天）Fig.8 Each unit power with expert strategy（not sunny day）

圖9 專家策略下儲能SOC（非晴天）Fig.9 Energy storage SOC with expert strategy（not sunny day）

綜上，專家模式下，當可再生能源出力不足時，系統的運行費用會大大增加，主要為柴油機運行成本。

優化策略的晴天模式下，系統各單元運行結果如圖10、圖11所示。與專家模式一樣，可再生能源出力充足時，柴油機處于停機狀態。在8～16時可再生出力大于負載功率，多余功率給儲能充電，16點時達到SOC上限。之后光伏出力逐漸減小，且負載功率逐漸增大，儲能放電以滿足負載的需求。該模式下系統運行成本為218.05元，柴油機運行成本為0元，儲能運行成本為218.05元，可再生能源利用率為58.77%。

圖10 優化策略下各單元出力（晴天）Fig.10 Each unit power with optimization strategy（sunny day）

圖11 優化策略下儲能SOC（晴天）Fig.11 Energy storage SOC with optimization strategy（sunny day）

優化策略下的非晴天仿真結果如圖12所示。優化策略下的非晴天儲能SOC結果如圖13所示。在非晴天的時候主要依靠可再生能源和光伏供電，在兩者均不足的情況下才啟動柴油機，與圖8相比，柴油機的出力大大減小。該模式系統的運行成本為260.86元，柴油機運行成本為42.32元，儲能運行成本為218.54元，可再生能源利用率為99.55%。

圖12 優化策略下各單元出力（非晴天）Fig.12 Each unit power with optimization strategy（not sunny day）

圖13 優化策略下儲能SOC（非晴天）Fig.13 EnergystorageSOCwithoptimizationstrategy（notsunnyday）

將專家策略和優化策略進行對比，如表1所示。

表1 系統運行費用與可再生能源利用率Tab.1 System operating costs and renewable energy efficiency

從表1可以看出，優化策略下的可再生能源與專家策略基本相同，因為在儲能的調節下，柴油機不用啟動，可再生出力基本全部消納，以滿足負載需求。雖然兩種策略下都充分利用了可再生能源發電，專家策略下的運行成本高于優化策略，增加了5.32%。這是因為優化策略下，儲能的運行得到了優化，不會出現過充、過放等現象，經濟性較好。

再者，非晴天時候，優化策略下的運行成本較專家策略降低了49.02%，同時可再生能源利用率提高了43.69%。這就說明在可再生能源出力與負載需求相匹配時，優化策略能夠最大化的利用可再生能源進行供電。而專家策略下由于優先使用儲能供電，在光伏出力還未達到負載功率時儲能已經處于低SOC狀態，這時為了保證系統正常運行，需啟動柴油機供電。因此，兩種策略下，儲能的運行成本基本相同，主要的成本差異是由柴油機產生的。

綜上所述，優化策略在運行成本和可再生資源利用方面均優于專家策略。

2.2 多時間尺度下的優化策略分析

為了進一步證明優化策略的優越性，本文對不同的時間尺度進行了仿真，包括7 d，15 d，30 d，仿真結果如下。

2.2.1 連續運行7 d

連續運行7 d兩種策略對比圖如圖14所示。從圖14可以看出，優化策略下的仿真結果優于專家策略，前者中的儲能一直運行在可再生能源有效調節的情況下，其放電深度明顯低于專家策略下的放電深度，能夠提高儲能的使用壽命。連續運行7 d系統運行費用與可再生能源利用率如表2所示。從表2可以看出，優化策略下系統運行成本、柴油機運行成本和儲能運行成本分別低于專家策略11.0%，4.62%，23.91%，但前者的可再生能源利用率較后者高出1.68%。

表2 連續運行7 d系統運行費用與可再生能源利用率Tab.2 System operating costs and renewable energy efficiency with 7 days

圖14 連續運行7天兩種策略對比圖Fig.14 The result of two strategies with 7 days

2.2.2 連續運行15 d

連續運行15 d兩種策略對比圖如圖15所示。根據圖15的仿真結果可以獲得系統在兩種策略下連續運行15 d的仿真數據如表3所示。

圖15 連續運行15 d兩種策略對比圖Fig.15 The result of two strategies with 15 days

表3 連續運行15 d系統運行費用與可再生能源利用率Tab.3 System operating costs and renewable energy efficiency with 15 days

優化策略下系統運行成本、柴油機運行成本和儲能運行成本分別低于專家策略10.5%，8.45%，17.80%，但前者的可再生能源利用率較后者高出3.1%。可見隨著運行時間的延長，優化策略的優勢越顯著。

2.2.3 連續運行30 d

連續運行30 d兩種策略對比圖如圖16所示。

圖16 連續運行30 d兩種策略對比圖Fig.16 The result of two strategies with 30 days

根據上述仿真結果可以獲得系統在兩種策略下連續運行30 d的仿真數據如表4所示。

表4 連續運行30 d系統運行費用與可再生能源利用率Tab.4 System operating costs and renewable energy efficiency with 30 days

優化策略下系統運行成本、柴油機運行成本和儲能運行成本均低于專家策略，分別低于12.1%，17.10%，12.73%，但前者的可再生能源利用率高出后者6.05%。隨著運行時間的增加，優化策略的優勢明顯增加。

3 結論

本文考慮風光儲柴的特性和約束，構建了離網型微電網經濟性優化運行模型，并通過二次規劃方法求解，實現了各單元的功率優化分配運行。通過算例分析，將專家策略和本文所提優化策略進行了對比，本文所提優化策略能夠在成本較小的情況下，提高可再生能源的利用率。最后，通過7 d，15 d和30 d的仿真尺度，進一步驗證了本文優化策略的有效性，隨著時間尺度的延長，本文所提優化策略下的可再生能源利用率和系統經濟性優勢越得到發揮。因此，本文的研究對改善離網型微電網電能質量和提高系統的優化運行具有一定的指導意義。