户用型微电网能量管理策略研究

党宏社， 吕　钊

(陕西科技大学 电气与信息工程学院， 陕西 西安　710021)



户用型微电网能量管理策略研究

党宏社， 吕钊

(陕西科技大学 电气与信息工程学院， 陕西 西安710021)

摘要：为了提高微电网运行时系统的经济性，针对风光发电输出功率具有不可控的特性，提出了微电网在不同情况下的能量管理策略.综合考虑微电源发电量、储能系统的剩余电量以及不同时段的购电价格等，建立了以微电网系统运行经济性为目标的能量管理模型，并运用果蝇算法对微电网能量调度问题求解.算例结果表明,该模型能有效地根据风光资源条件和用户需求而合理地选择供电方式，这为解决微电网能量管理提供了一种新途径.

关键词：微电网； 户用型； 管理策略； 果蝇算法

0引言

随着国民经济的快速发展，人们对电能的需求量逐年增加，而作为电能主要来源的石化燃料正日益匮乏及其大肆利用所带来的环境问题愈发严峻.因此，世界各国都制定了相关政策来鼓励以清洁能源为主的分布式发电.然而，相对于外部大电网来说,分布式电源是一个不可控电源，且分布式电源往往遭到大电网限制或隔离.为了协调大电网和分布式电源之间的矛盾，国内外学者又提出了微电网的概念[1].微电网是指由小规模发电装置与低压配电网构成的发电系统，可以看作是基于分布式发电装置并管理局部能量供求关系的小电网[2].对于城市居民供电以及电网末端的偏远地区供电有着独特的优势，特别是风光互补发电在未来生活用电方面具有广阔的应用前景.

目前，微电网研究主要集中在系统结构和控制方面,而如何在满足负荷需求以及电能质量的前提下，对可再生能源发电能力协调控制和经济效益研究相对较少.由于季节和气候对太阳能及风力发电两者影响很大，且风力发电机、光伏阵列的输出功率等都存在较大范围的波动，如何对微电网中各电源进行有效地协调控制，以保证微电网在不同情况下都能满足负荷的电能需求，是微电网能否稳定运行的关键.

郭思琪等[3]建立了适用于离网型的微电网能量管理模型.从日前和日内两个时间尺度对微电网能量进行协调控制，但只考虑了网内储能设备的运行成本；石庆均等[4]提出了独立运行方式下的微电网能量管理优化方式.该方法根据系统净负荷功率大小和可控性微电源的基点运行功率范围之间的关系，采用不同的能量管理策略，缩减了可控发电单元的准许功率运行范围，但不能充分利用各微电源而增加了系统成本；皇甫宜耿等[5]提出了一种基于风光互补发电系统多模态能量流的分析法.研究了各模态及模态转化特性，提高了系统运行的安全可靠性，但未涉及经济性；王金全等[6]提出了一种经济与环保相协调的微电网能量优化方法.权衡停电损失和污染物处理费用，得到了微电网调度周期内各时刻微电源发电量和供电策略，忽略了可再生能源发电的时变特性.

本文针对以风光发电为主、市电为辅的微电网运行方式下的能量管理问题，在保证负荷需求的基础上，以整个系统的运行经济性为目标建立模型，并采用果蝇算法对模型进行求解.算例分析表明，在微电网系统运行过程中，正确地选择各时段不同类型的功率输出，能够保证系统经济稳定地运行.

1系统结构和元件模型

户用型微电网的各微电源容量配置较小，从系统建设成本和运行控制角度考虑，直流型微电网更具有优势.因此，本文以直流型微电网为研究对象，其结构如图1所示.

系统主要由风力发电机、太阳能电池、蓄电池、整流器、逆变器,以及能量管理单元等组成.这些电源具有不同的运行成本,对用户供电的可靠性不同,以及对环境的适应性也不同，因此,在满足系统性能指标的条件下，将这些微电源相互组合，可获得最经济性的发电方案.

图1　直流型微电网系统结构

(1)光伏发电系统输出功率,与标准额定条件STC下的输出功率和实际所处的环境的光照强度、环境温度等有关，其输出功率的计算参见文献[7].

(2)风力发电系统的输出功率与风速的关系，可近似用分段函数表示，参见文献[8].与风机的切入风速、切出风速、额定风速、以及额定输出功率等有关.

(3)蓄电池的荷电状态是管理蓄电池的重要依据，其在t时刻的状态,与t+1时刻的状态以及电力供求状态有关.其电荷量变化可以表示为：

(1)

式(1)中，η为充、放电转换效率；PGi(t)为风光能源在t时输出的功率；PL(t)为t时负荷所需求的功率；SOCB为t时段蓄电池储存的电荷量.

2微电网系统能量管理模型

在微电网运行时，应尽可能利用绿色清洁能源，以获取最少外电网功率输入为原则.同时，需考虑到风光发电系统输出功率具有随机波动的特性，蓄电池虽能有效地平衡微电源功率输出的短时波动，但仍需注意其放电深度和循环次数对蓄电池使用寿命的影响，具体管理策略如图2所示.

(1)在以一天为调度周期时，用户对大电网购电价格分为峰、平、谷3个不同的时段，所以依照分时电价所确定的峰时段、平时段、和谷时段等，将其划分为峰、平时段和谷时段两种情况，同时读取当前负载需求、风光发电系统输出功率，以及蓄电池的荷电状态.

(2)在峰平时段，考虑到系统的经济性,此时,应避免从电网获取电能.

①当风光互补发电系统输出功率大于负荷需求功率时，查看蓄电池的剩余量的百分比(SOC)，若充电后蓄电池电荷量仍小于设定的最大值，则风光发电系统向负荷提供电能外，同时将多余的电能储存在蓄电池中;若蓄电池电荷量达到最大值，则需减少部分风光发电系统的输出功率.

②当风光互补发电系统输出功率小于负荷需求功率时，计算此时蓄电池可提供的最大电量是否能满足剩余负荷需求百分比，若能满足则由风光互补发电系统与蓄电池同时为负载供电；若蓄电池最大放电功率不能满足剩余负荷需求，为了提高系统运行的可靠性则不足的部分应由市电补充.

(3)在谷时段，为了使蓄电池在峰平时段有足够电能，因此，在谷时段时蓄电池没有达到上限应尽量对蓄电池充电，部分负载可由市电提供.出于经济性和稳定性考虑，当微电网供能不足而向电网购电时，市电不允许对蓄电池充电.

①当风光互补发电系统输出功率大于负荷需求时，管理策略与峰、平时段相同.

②当风光互补发电系统输出功率小于负荷需求功率时，且蓄电池电荷量小于设定的最小值，则由市电单独为负荷供电，风光发电系统只为蓄电池充电；若蓄电池大于设定的最小值，则风光蓄市电共同为负荷提供电能.

图2　微电网能量管理策略流程图

2.1目标函数

基于以上运行方式，微电网能量管理的主要任务是在给定周期内根据各微电源发电量、储能单元剩余容量、用户电能需求等，依据电网售电价格，合理安排各微电源的启停状态和出力.而微电网运行的经济性是吸引用户并能在电力系统中得以推广的关键.因此，应建立经济性运行成本最小的目标函数：

CBTPBT(t)+CBuyPG(t)

(2)

式(2)中：系数CPV、CWT、CBT分别对应风光蓄不同的运行费用；PPV(t)、PWT(t)、PBT(t)表示其输出功率；CBuy表示微电网系统从外网购电价格；PG(t)表示外网获得的功率.

2.2约束函数

建立系统约束函数时，应根据负荷需求以及元件特性，使微电网既能保证用户负荷的需求，又能保证系统高效有序地运行.主要从用户要求、微电源输出特性、蓄电池充放电特性等方面建立约束函数.

(1)功率平衡约束.整个系统所提供的功率总量应与负载所需功率相等.

PL=PPV+PWT+PBT+PG

(3)

(2)微电源输出约束.各微电源运行时,出力必须满足容量限制，即要求：

(4)

(3)储能单元约束.蓄电池除了需要满足式(5)外，还需考虑蓄电池使用寿命.蓄电池使用寿命与充放电功率、放电深度，以及充放电次数等因素有关.

为了延长蓄电池的使用寿命，每小时的充放电量应小于其最大容量的20%；另外，考虑到蓄电池荷电状态在调度周期之间具有继承性，为了保证蓄电池在各调度周期间连续有效地工作，应满足其能量状态在调度周期始末相等.

SOCmin≤SOCt≤SOCmax

(5)

PBT(t)Δt≤SOCmax/5

(6)

SOC(0)=SOC(T)

(7)

式(5)～(7)中，SOC为蓄电池的荷电状态;SOCmin和SOCmax分别为蓄电池电荷状态的上、下限.

3基于果蝇算法的模型求解

在微电网能量管理模型中，既有连续型又有整数型变量，运行费用是关于输出功率的非线性函数.在调度周期内，总供电成本是由24个相互关联的阶段决策构成的，因此是一个多约束、非线性的动态优化问题.

果蝇算法(FOA)是由中国台湾学者潘文超于2011年6月提出的一种全新的智能搜索算法[9].该算法搜索寻优的过程模拟为果蝇种群的觅食过程.基于果蝇觅食行为对嗅觉和视觉的运用，设计对应的嗅觉和视觉搜索操作，通过迭代进化实现对果蝇种群中心位置的优化，从而获得优化问题的近似最优解[10].该算法具有以下优点：①算法简单，参数少，易于调节；②全局寻优能力强，不易陷入局部极点；③寻优精度较高，计算量较小[11-13].将此方法应用到微电网能量管理模型求解中,具体步骤如图3所示.

图3　模型求解流程图

(1)模型初始化.设置微电网中风光发电系统和蓄电池容量上下限，输入各时刻的风速和光照强度以及负荷需求功率，果蝇种群算法相关参数.

(2)设置种群规模，随机生成符合条件的果蝇群体，根据果蝇搜索食物的行为给个体赋予觅食的随机方向与距离.通过式(1)求出蓄电池各时刻的输出功率,并通过式(3)求出市电相应时刻所需提供的电能，再根据式(2)求出判定值.

(3)更新果蝇方向和位置，确定新的果蝇个体是否满足条件，若不满足系统约束条件式(5～7)，则重新生成直到满足条件.将新的满足条件果蝇进行判定，若新的果蝇浓度大于原果蝇浓度，新的种群位置Si为最优位置，新果蝇bestsmell为新的种群携带最大浓度的果蝇，若新的果蝇浓度没有原果蝇浓度大，则保持不变.

(4)重复进行，直至达到迭代次数.当达到最大迭代次数时，输出满足判断式的最优值.

4算例分析

4.1基础数据

以典型的风光蓄直流微电网系统为例，应用果蝇算法对能量管理模型进行求解.求解时,果蝇算法所用的参数为：种群规模为50，最大迭代次数为100.系统模型中,风速和光照强度的数据参照文献[14,15]，各单元参数如表1所示.

蓄电池荷电状态的最大值和最小值分别设置为95%和50%，充放电效率为0.9.选取一天24小时作为一个周期，将每个周期划分为24个时段，每个时段的时间间隔为1小时，对每个时段的购电价格采用分时电价政策，购电价格根据峰平谷三个时段的价格确定，如表2所示.

表1　微电源基本参数

表2　各时段购电价格

4.2结果分析

根据以上给出的微电网的基本资料，求解结果如图4所示.从图4中可知，当电网电价在谷值时(如00:00～05:00)，负荷电能需求由市电和风力发电系统共同提供，蓄电池在电网价格系数低的时间内充电，补充了部分电能；当风光发电系统发电量有余时(如08:00～18:00)，多余的电量储存在蓄电池中；当电网电价在峰值时(如18：00～22：00)，且风光发电系统不能满足负荷需求时，此时，电网的价格系数高，不足部分由蓄电池补充，这时刻由于蓄电池储能充沛避免了市电的利用.

图4　求解后各电源输出功率

表3为各时段成本最低的最优电源输出功率组合情况.其中，1表示风光发电、市电等发电系统运行，0表示风光发电、市电等发电系统关闭；蓄电池充放电分别用-1和1表示，0表示蓄电池不工作.由计算可知：在调度周期内，风力发电、光伏发电和电网购电的比例分别为32.48%、59.26%和8.26%.负荷需求总功率为619.486 kW，其中风力发电量和光伏发电量分别为201.212 kW和354.863 kW，不足部分由市电补充，保证了系统运行的可靠性.

表3　各时段最优组合

从图5可以看出，在一天的调度周期中，系统运行费用最低为81.78元.同时，也可以看出所采用的果蝇算法具有很好的迭代效果，随着迭代次数的增加，经过FOA算法求解后的微电网运行成本递减.因此，能量管理模型考虑到各个时段的电网购电价格、负荷需求,以及风光发电系统的发电成本等，通过合理地控制各时段微电源的运行状态，最终达到系统经济、可靠地运行.

图5　运行成本

5结论

本文研究了直流型微电网的能量管理问题，在满足系统约束的前提下，建立了以微电网运行成本

为最小的能量管理模型，并利用果蝇算法进行了求解.

结果表明，该模型能有效地安排各时刻风光发电系统的出力、蓄电池充放电量，以及外网间的交互功率，从而在满足可靠性的前提下获得了最满意的经济性.

果蝇算法计算精确度高，运行速度快，并且全局寻优能力强，为微电网经济调度问题提供了一种较为实用的求解方法.

参考文献

[1] 苏玲,张建华,王利,等.微电网相关问题及技术研究[J].电力系统保护与控制,2010,38(19):235-239.

[2] 王成山,杨占刚,王首相，等.微网实验系统结构特征及控制模式分析[J].电力系统自动化,2010,34(1):99-105.

[3] 郭思琪,袁越,张新松，等.多时间尺度协调控制的独立微网能量管理策略[J].电工技术学报,2014,29(2):122-129.

[4] 石庆均,江全元.独立运行方式下的微电网能量优化管理[J].机电工程,2012,29(4):428-433.

[5] 皇甫宜耿,安晓彤,马瑞卿，等.离网型风光互补发电系统多模态能量控制与管理[J].西北工业大学学报,2013,31(3):470-475.

[6] 王金全,黄丽,杨毅.基于多目标粒子群算法的微电网优化调度[J].电网与清洁能源,2014,30(1):49-54.

[7] 周二雄,李凤婷,朱贺.微电网的建模仿真研究[J].计算机仿真,2013,30(6):133-137.

[8] 洪博文,郭力,王成山，等.微电网多目标动态优化调度模型与方法[J].电力自动化设备,2013,33(3):100-107.

[9] 张勇,夏树发,唐冬生.果蝇优化算法对多峰函数求解性能的仿真研究[J].暨南大学学报(自然科学与医学版),2014,35(1):82-87.

[10] 胡能发.演化式果蝇算法及其应用研究[J].计算机技术与发展,2013,23(7):131-137.

[11] 吴小文,李擎.果蝇算法和5种群智能算法的寻优性能研究[J].火力与指挥控制,2013,38(4):17-20.

[12] 郑晓龙,王凌,王圣尧.求解置换流水线调度问题的混合离散果蝇算法[J].控制理论与应用,2014,31(2):159-163.

[13] 赖豪杰,李晓英,张磊，等.基于改进果蝇算法的水库群调度应用研究[J].水电能源科学,2013,31(8):74-76.

[14] 牛焕娜,罗希,杨明皓.基于储能水平控制的微电网能量优化调度[J].农业工程学报,2014,30(10):122-130.

[15] 付蓉,杨健,李满礼，等.基于改进粒子群算法的微电网多时段经济调度[J].电力需求侧管理,2014,16(3):12-17.

Research on household-type microgrid

system and power scheduling strategy

DANG Hong-she， LV Zhao

(College of Electrical and Information Engineering, Shaanxi University of Science & Technology, Xi′an 710021, China)

Abstract:In order to improve the operating economy of the microgrid system, with regard to the uncontrollability of the output power of wind and solar generators,it puts forward the energy management strategy for microgrid on different situation,takes an overall consideration of micro sources′ generating capacity, the remaining charge of energy storage systems,the electricity prices for different hours,and establishes an energy management model targeting at the profit of microgrid operation.In addition，the fruit fly algorithm(FOA)is used to solve the problem of energy dispatch in the microgrid.At last,the results show that this model can effectively and reasonably choose power supply modes according to the conditions of wind and solar source and user demand, which provides a new way for solving the energy management of microgrid.

Key words:microgrid; household-type; management strategy; FOA

中图分类号：TM731

文献标志码：A

文章编号：1000-5811(2015)02-0154-05

作者简介:党宏社(1962-)，男，陕西武功人，教授，博士，研究方向：工业过程智能控制、多源信息融合、数字图像处理

基金项目：陕西省科技厅社会发展科技攻关计划项目(2015K18-05)

收稿日期:*2015-01-18