“风光水”互补微电网的运行优化

余志勇，万术来，明志勇，张媛，邓明

(1.长沙理工大学电气与信息工程学院，长沙市 410004;2.天津市电力公司城东供电分公司，天津市 300250)

“风光水”互补微电网的运行优化

余志勇1，万术来2，明志勇1，张媛1，邓明1

(1.长沙理工大学电气与信息工程学院，长沙市 410004;2.天津市电力公司城东供电分公司，天津市 300250)

当前，针对微电网的研究存在着对储能单元优化的研究较少、含小水电的微电网研究不足等问题。为此，研究了含小水电微电网的运行优化，并对其中的储能单元提出了优化控制策略。针对风电、光伏不可调度的特性，提出了一种通过起作用集算法对蓄电池进行充、放电的控制策略，以达到削峰填谷效果，并采用改进粒子群算法对微电网系统进行经济运行优化。在给出的“风光水”微电网结构的基础上，建立了含蓄电池的“风光水”互补发电优化运行模型。选取冬季典型日的“风光水”微电网进行了仿真研究，在保证系统安全的前提下，以总的经济效益最高作为目标函数，分析结果表明了所提方案的正确性和有效性。

“风光水”互补系统；微电网；蓄电池储能；优化运行；改进粒子群算法

0 引 言

随着全球范围内的能源危机和污染问题，包含清洁可再生能源等分布式电源、储能单元以及负荷，并以一体化形式运行的微电网成为当前的研究热点[1]。微电网在并网模式或者孤岛模式下运行，能够灵活、快速地切换，是智能电网的重要组成部分[2-3]。在清洁可再生能源中，大部分属于径流式的小水电存在的流量小、枯水期等问题，使得供电的安全性存在着较大问题。我国的风能、太阳能、水能呈现季节互补的特点：太阳能最充足的夏季处于丰水季节；而风能比较充足的冬季则处于枯水季节。因此该类微电网的发展方向是利用小水电结合“风光”等分布式发电进行互补发电[4]。

目前，国内外学者对微电网的经济运行优化已做了相关的研究，存在着以下问题。一方面，对于微电网中的储能单元优化的研究较少，使得储能的作用发挥受限。文献[5]对包含蓄电池的微电网进行了多目标优化研究，其中的蓄电池只是基于预先制定的策略进行交替充、放电，没能考虑实际的负荷情况。文献[6]对微电网进行环保经济性研究，在并网模式三中，蓄电池基于负荷情况以固定的功率进行充、放电，没能实现对储能变量的随机优化。文献[7]将蓄电池的充、放电作为决策变量进行优化来实现经济效益，但存在着选取参数困难和可能无法得到全局最优解的问题。

另一方面，对于包含小水电的微电网的研究较少，文献[8]建立了有蓄水库的水电站与“风光”混合发电系统，带来能量转化的经济效益和节能减排的环境效益，但没考虑当地负荷情况和与电网的双向交换功率。文献[9]对“风光水”的微型电力系统进行了交、直流潮流的研究，但未进行仿真算例研究。文献[10]提出了“风光水”互补发电系统的调度策略，在综合考虑了投资、系统运营成本、环境治理等因素，以及孤网、并网这2种运行方式的前提下，建立了最低成本的优化模型，并提出了“风光水”互补发电系统的调度策略。文献[7]对“风蓄水”互补系统进行了优化运行研究，得到最大日收益，但没有考虑分时电价，没能将电网的交换功率作为决策变量进行优化产生经济效益。

本文对“风光水”微电网中的储能部分，提出起作用集算法对蓄电池进行充、放电的控制策略，并采用改进粒子群算法对微电网系统进行经济运行优化，选取冬季典型日进行算例仿真。

1 “风光水”微电网供电模式

“风光水”微电网系统主要组成部分包括光伏阵列、风机、水轮机、蓄电池(作为储能单元)、逆变器、整流器、负荷单元、直流母线、电网等，典型的“风光水”微电网如图1所示。

图1 “风光水”微电网供电模式

2 “风光水蓄”互补发电优化模型

选取冬季典型日进行“风光水”互补优化运行研究，该典型日的特点是风能比较丰富，相对来讲太阳能匮乏，水电站处于枯水期，径流量小，不需考虑防洪问题。

2.1 目标函数

本文选取日调度，在保障系统安全稳定的基础上，考虑2种目标：(1)发电成本最小，由于选取的可再生能源，不考虑燃料成本，同时光伏、风机、水轮机的运行维护成本较低，只考虑与主网功率交换成本；(2)周期内水电的发电量最大。得到总的经济效益最高的目标函数为

(1)

(2)

式中：Ph(t)、Pg(t)分别为t时刻的水电出力、与主网的交换功率，kW；Ch为水电出力的效益折算数；Cbuy、Csell分别为向主网的购电和售电价格，元/(kW·h)。

2.2 约束条件

(1)功率平衡约束

Pload(t)=Pw(t)+Pp(t)+Ph(t)+Pb(t)+Pg(t)

(3)

式中：Pload(t)、Pw(t)、Pp(t)、Pb(t)分别为t时刻的负荷功率、风力发电出力、光伏发电出力、蓄电池充放电功率、与外网交换功率,kW。

(2)水量平衡约束

V(t+1)=V(t)+[q(t)-Q(t)]Δt

(4)

式中：V(t)为水电站t时刻初水库蓄水量，V(t+1)为水电站t+1时刻初水库蓄水量，亿m3；q(t)为水电站t时刻平均径流量，Q(t)为水电站在t时刻的发电流量,m3/s；Δt为每个时段的长度，Δt=1h。

(3)水库蓄水量约束

Vmin≤V(t)≤Vmax

(5)

(4)发电引用流量约束

Qmin≤Q(t)≤Qmax

(6)

(5)水电站出力约束

Phmin≤Ph(t)≤Phmax

(7)

式中：Ph(t)为t时刻水电出力,Ph(t)=AQ(t)H(t);H(t)为水电站在t时刻的发电净水头，为m;A是水电站出力系数。

(6)蓄电池的充、放电约束

Pbmin≤Pb(t)≤Pbmax

(8)

(7)蓄电池容量约束

Wmin≤W(t)≤Wmax

(9)

(8)周期始末蓄电池储能平衡约束

W1=W24

(10)

(9)蓄电池容量平衡约束

W(t+1)=W(t)+Pb(t)Δt

(11)

式中：W(t)为蓄电池t时刻初的容量,W(t+1)为蓄电池t+1时刻初的容量，kW·h。

(10)功率传输约束

Pgmin≤Pg(t)≤Pgmax

(12)

2.3 蓄电池运行的控制策略

储能装置在微电网的稳定运行中发挥了重大作用，可以平抑负荷波动，起到削峰填谷的作用，同时可以与不可调度的风电、光伏相配合，增强风电、光伏的可调度性，稳定功率输出。

为了达到上述目的，本文将风电出力、光伏出力安排为固定出力,并将风电出力、光伏出力等效为“负”的负荷，与微电网的负荷相叠加，作为微电网的等效负荷。用蓄电池充、放电对等效负荷进行削峰填谷。将蓄电池充、放电作为控制变量，t时刻的电池剩余容量作为状态变量，选取等效负荷的方差作为目标函数：

(13)

(14)

(15)

采用起作用集算法[11]求解上述问题，该算法的流程图如图2所示,得到蓄电池实现削峰填谷的最优出力。

2.4 微电网并网时的经济调度原则与控制策略

本文所设计的包含“风光水”互补系统的微电网并网运行控制策略为：

(1)优先考虑风力发电和光伏发电。因为二者受自然条件的影响较大，不具备可调度性，为了资源最大化利用，必须满发运行。二者为绿色可再生能源，

图2 起作用集算法流程图

国家政策也重点支持，故优先安排。这部分出力为固定出力，不能直接优化。

(2)当风力发电、光伏发电、蓄电池的优化出力不能满足全部负荷需求时，将全部负荷需求减去上述3种供电功率，得到剩余负荷需求，再对小水电，与主网交换功率，进行出力优化，尽力满足。规定微电网和外网之间可以自由双向交换功率。

3 改进的粒子群算法

粒子群算法是一种基于群体演化的随机优化算法，在多维空间中，每个粒子个体通过共享历史信息和社会信息来寻找全局最优值[12]。由于算法简单、易实现、收敛速度快、可调参数少等优点，在很多领域都得到了广泛应用。在电力系统中的应用效果也很明显[13]。

对含等式约束的优化问题，常用的方法有将等式处理为2个不等式[14]，缺点是可行解难以产生，从而使算法的精度和收敛速度受到影响；另一种方法是采用罚函数处理的方法，由于在解空间中，可行解占的比例很小，加上惩罚项的适应值函数复杂性被提高，降低了粒子群算法的效率，甚至搜索不到最优解。本文采用的基于参数方程处理等式约束的粒子群算法[15]，能很好地解决上述问题。

本文选取水电站发电流量Q(t)、与外网交换功率Pg(t)，Q(t)可以确定时刻末的上游水位、下游水位，进而得到水电出力Ph(t)，粒子维数为24×2,Q(t)、Pg(t)各为24维。粒子i的位置向量为Xi=[Q1,Q2,...,Q24,Pg1,Pg2,...,Pg24]，Pg(t)由下式子进行更新。

Pg(t)=Pload(t)-Pw(t)-Pp(t)-Pb(t)-Ph(t)

(16)

具体的求解步骤为：

(1)输入粒子群算法的相关参数，在上、下限的范围内随机产生每个粒子的位置Xi和速度Vi，用式(16)(其中风电出力Pw(t)、光伏出力Pp(t)为固定出力，由起作用集算法求解得到蓄电池实现削峰填谷的最优出力Pb(t))改变粒子Xi，判断产生的新粒子是否在上、下限范围内，否则重新产生粒子Xi。

(2)计算粒子的目标函数，得到个体极值和全体极值，并记录相应的序列号。

(3)更新粒子的飞行速度和位置，得到新位置XiF。用式(16)改变粒子XiF，判断产生的新粒子是否在上下限范围内，若满足则更新粒子位置，否则粒子位置不变。

(4)检验是否满足中止条件，是则退出；否则转向步骤(2)。

4 算例分析

4.1 算例系统

本文采用的蓄电池为多块单元电池组成，容量为450 kW·h，最大输出功率为100 kW。选取SDEC—JACOBS 43/600 kW型风力发电机，其重要参数如下：额定功率为600 kW，切入风速为3.2 m/s，额定风速为16 m/s和切出风速为25 m/s。太阳能发电系统总发电功率300 kW。水电站装机构成及总容量为800×3 kW+400 kW=2 800 kW，属于小型水电站，水电站单机发电引用流量最大为3.56 m3/s，枯水期只有1台运行。水库的基本参数、最大发电流量、水位与库容的关系表见文献[7]。

算例的参数设置如下：Ch为0.56，Cex实行分时电价政策，峰时段为14:00—17:00和19:00—22:00，平时段为8:00—14:00、17:00—19:00和22:00—24:00，谷时段为0:00—8:00。分时购电售电电价数据如下表1所示。风力和光伏的固定出力、负荷以及等效负荷曲线图如图3所示。

4.2 蓄电池不同控制策略下的削峰填谷出力结果及分析

通过起作用集算法对蓄电池进行充、放电的控制策略，来达到削峰填谷效果，结果见图4。为了便于比较，本文选取文献[6]中蓄电池基于负荷情况以固定的功率进行充、放电来达到削峰填谷的效果进行对照，所得到的结果见图5。

表1分时购电售电电价数据

Tab.1Dateofelectricitypriceintime-sharingpowerpurchase元/(kW·h)

图3 风力和光伏发电的固定出力、负荷、等效负荷曲线图

图4 等效负荷与优化后的等效负荷、蓄电池优化出力曲线

图5 等效负荷与优化后的等效负荷、蓄电池固定出力曲线

由图4、5可看出：2种策略的蓄电池出力均起到了削峰填谷作用，但通过起作用集算法对蓄电池进行充、放电控制，所得到的等效负荷曲线明显更加平坦。本文提出蓄电池控制策略，所得到的等效负荷数据的方差由之前的58 302.6 kW变为35 177.5 kW，文献[6]提出蓄电池控制策略，所得到的等效负荷数据的方差变为39 088.8 kW，证明了本文提出的蓄电池控制策略的有效性。

4.3 并网模式的优化运行出力结果及分析

经过仿真计算，得出各种电源的发电情况。图6(a)为水电站和“风光水”互补系统与大电网的功率交换情况。设定与电网的交换功率为[-500 kW, 500 kW]时，系统安全稳定运行。

为了验证算法的优越性，选取粒子群算法进行了对比分析，得到的优化出力曲线图如图6(b)所示，并给出了这2种算法所产生的经济效益比较，如表2所示。结合图6、表2可以看出：相比粒子群算法，基于改进的粒子群算法的日优化运行水电发电量增加了285.2 kW，发电成本减少了219.2元，总的经济效益增加了398.9元，可见本文所采用的改进粒子群算法(基于参数方程处理等式约束的粒子群算法)在处理“风光水”互补微电网的优化运行方面具有一定的优势。

根据“风光水”互补发电系统优化运行情况，结合图6(a)、表2的分析，可得：

图6 微电网经济运行优化出力曲线

表2 运用不同算法所产生的经济效益比较

(1)12:00—16:00时段。结合图3可知风速较大，光照充足，风机、光伏发电处于满发状态，能满足负荷的要求；因此水电站停机，在枯水期，水电只起调峰作用，多余的水量可以存储用于其他阶段的调峰，或者用于负荷高峰期发电，充分体现了优先利用不可调度的风力发电、光伏发电的原则。

(2)1:00—11:00，17:00—24:00时段。结合图3可知此时风电、光伏较小，需要水电站进行开机补偿，补偿的水力发电总量为9.4871×103kW，水电折合效益为5.3128×103元，体现了“风光水”的互补性，经济效益明显。

(3)本装置是在系统稳定的情况下再考虑经济性，稳定性主要考虑微源出力限制、库容限制、蓄电池容量限制和负荷功率平衡，所优化的决策变量均要满足稳定性条件。负荷方面， 19:00时刻系统不能满足此时负荷需求，需从电网中购电并支付相应的费用，在其他时刻，系统能满足此时负荷需求，故将多余的电能供给电网获取收益，均没有超过500 kW，体现了本算法的有效性。

(4)由图6(a)可知，小水电出力多数处于满发状态，而且出力占负荷总量的比例较大，充分体现了以小水电为主的微电网的特性。

5 结 论

(1)风能、太阳能与水能通过合理的规划实现这3种绿色能源的互补，具有广泛的推广应用价值，存在着以下几点明显优势：①水电站快速调节出力补偿风机和光伏出力波动，克服风光波动性和间歇性的缺点，充分发挥互补能源优势。②多种能源的协调利用使得能源综合利用率提高很大。③由于电源供电质量和可靠性的提高，明显降低了对补偿设备的要求。④通过合理布局与配置互补发电设备，共用送变电设备与管理人员，降低了单独运行建设各种微电网系统的投资成本。⑤从生态效益上讲，将这3种绿色能源进行联合开发，大量地减少了废弃物的排放，非常有益于保护生态环境。

(2)本文建立了“风光水蓄”互补发电优化运行的数学模型，提出了蓄电池进行充、放电控制策略，所达到的削峰填谷效果很明显，采用改进粒子群算法对枯水期的模型进行了具体分析，求得各时刻水电出力功率、蓄电池充电和放电功率和“风光水”互补系统与电网交换的功率值，在满足安全性的前提下获得满意的收益，增大了风能和光伏的利用率，同时最大限度地利用了水能资源，具有较高推广应用价值。

[1] 丁明，王波，赵波，等.独立风光柴储微网系统容量优化配置[J].电网技术,2013,37(3):575-581.

[2] 丁明，徐宁舟，毕锐．负荷侧新型储能电站动态功能的研究[J]．电力自动化设备，2011，31(5)：1-7.

[3] 王成山，李鹏．分布式发电、微网与智能配电网的发展与挑战[J]．电力系统自动化，2010，34(2)：10-14.

[4] 柯人观.微电网典型供电模式及微电源优化配置研究[D].杭州：浙江大学，2013：38-39.

[5] Mohamed F A,Koivo H N. Online management of microgrid with battery storage using multi-objective optimization[C]//Proceedings of International Conference on Power Engineering, Energy and Electrical Drives.Setubal，Portugal:[s.n]，2007:231-236.

[6] 万术来.基于改进粒子群算法的微网环保经济运行的优化[D].广州：华南理工大学，2012：62-65.

[7] 尚志娟，周 晖，王天华． 带有储能装置的风电与水电互补统的研究[J]． 电力系统保护与控制，2012(02): 99-105.

[8] 白雪, 袁越, 傅质馨.小水电与风光并网的经济效益与环境效益研究[J]. 电网与清洁能源，2011，27(6)：75-80.

[9] 邵冰然，杨建华，左婷婷.风/光/水互补微型电力系统的交直流潮流的研究[J].小水电，2009, 49(1):20-22.

[10] 陈丽媛，陈俊文，李知艺，等. “风光水”互补发电系统的调度策略[J]. 电力建设，2013，34(12)：1-6.

[11] 龚纯，王正林.精通MATLAB最优化计算[M].北京：电子工业出版社，2012:257-260.

[12] 杨维，李歧强．粒子群优化算法综述[J]．中国工程科学，2004，6(5)：87-94.

[13] 袁晓辉，王乘，张勇传，等．粒子群优化算法在电力系统中的应用[J]．电网技术，2004，28(19)：14-19.

[14] 张敏慧. 改进的粒子群计算智能算法及其多目标最优应用研究[D]. 杭州:浙江大学,2005.

[15] 刘伟，蔡前风，刘海林.基于参数方程处理等式约束优化的粒子群算法[J].计算机工程与设计，2008，29 (3):697 -699.

(编辑：蒋毅恒)

OptimalOperationofComplementaryMicrogridwithHybridWind-Solar-HydroPower

YU Zhiyong1, WAN Shulai2, MING Zhiyong1, ZHANG Yuan1, DENG Ming1

(1. College of Electrical and Information Engineering, Changsha University of Science and Technology, Changsha 410004, China;2. Tianjin Electric Power Corporation, Chengdong Power Supply Company, Tianjin 300250, China)

At present, there are some problems in the research on microgrid, such as less research on energy storage unit optimization, microgrid with small hydropower, etc. Therefore, this paper studied the optimal operation of microgrid containing small hydropower, and proposed optimal control strategy for the energy storage unit. Aiming at the un-dispatching characteristic of wind power and photovoltaic power, this paper proposed a charge and discharge control strategy of battery by active set algorithm to reach the effect of peak load shifting, as well as the improved particle swarm optimization (PSO)algorithm for the economic operation optimization of microgrid systems. On the basis of the proposed microgrid structure with wind power, photovoltaic power and hydropower, the optimal operation model was constructed for a complementary power generation system containing batteries of wind power, photovoltaic power and hydropower. Finally, the typical daily wind power, photovoltaic power and hydropower microgrid in winter was selected to carry out simulation research, and the maximum economic benefit was taken as the target function under the premise of ensuring system security. The analysis results verified the correctness and effectiveness of the proposed method.

hybrid wind-solar-hydro power system; microgrid; battery storage; optimal operation; improved particle swarm optimization

TM 73

： A

： 1000-7229(2014)06-0050-06

10.3969/j.issn.1000-7229.2014.06.010

2014-02-11

：2014-04-29

余志勇(1987),男，硕士研究生，从事分布式储能在微电网中的应用研究，E-mail：635266215@qq.com；

万术来(1986),男，工程师，从事电力系统自动化、电力建设方面的工作；

明志勇(1988),男，硕士研究生，从事微电网并网及其电能质量方面的研究；

张媛(1987),女，硕士研究生，从事分布式储能装置运行方式方面的研究；

邓明(1990)，男，硕士研究生，从事储能在电动汽车能量管理方面的研究。