基于进化算法的离网混合能源系统控制与优化

2018-03-22马卫武周若于方松薛辛培

建筑热能通风空调 2018年11期

马卫武周若于方松薛辛培

中南大学能源科学与工程学院

我国偏远农村地区由于自然条件恶劣，电力发展普遍落后，传统能源已很难满足现代的生活需求[1]。近年来，可再生能源发电高效灵活、节能环保等优势日益凸显，为可再生能源资源丰富的偏远农村地区电力发展开辟了新思路。并不是所有的可再生能源都适用于农村地区[2]。鉴于可再生资源的周期性和间歇性，农村地区电力基础设施落后等问题，可以将多种可再生能源技术进行耦合互补（如光伏-风电[3]、光伏-生物质[4]），并采用离网式系统[5]进行研究。目前可再生能源系统仍存在着一定的设计优化和运行控制问题[6]。本文将开展偏远农村地区的离网式混合可再生能源系统的运行控制与优化研究，为应用可再生能源技术解决偏远地区用电难的问题提供可靠的理论依据。

1 系统描述与模型算法

1.1 系统描述

如图1，所提出的离网式混合可再生能源系统主要由太阳能，风能和沼气质能两者组成。发电模块由光伏发电板，风力发电机以及沼气内燃机三者组成。同时由于太阳能以及风能的资源间歇波动特性，在发电模块添加蓄电池组来稳定供电电流。产热模块则由沼气内燃机余热废热以及沼气辅助锅炉两者提供热量来源。

图1 离网式混合可再生能源系统的系统图

1.2 数学模型

太阳能光伏板将接收到的太阳能转化为电能，输出的直流电与太阳辐射强度呈正比的关系，因此可表示为：式中：Epv为光伏板逐时输出电能；fpv为衰减因子（考虑灰尘、遮挡、输出效率等因素）；Cpv为光伏板额定装机容量；为全局太阳辐射强度为标准条件下的太阳辐射，假定为1 kW/m2。

风力发电机可将风能转化为电能，其输出大小与风速呈比例关系，因此可表示为：

式中：Ewt为风力发电机组逐时输出；ρ为空气密度；Cp为性能系数；AW为风机叶片扫过的面积；Ewtr为额定容量；v 为实时风速；vc为有效风速；vr为满载风速；vf为容许风速。

沼气内燃机的发电效率主要随着其负载率变化，通常认为二者的关系呈二次相关，因此沼气内燃机的耗气量可表示如下：

式中：Ege、Ege,r为沼气内燃机的电输出与额定电输出；ηge、ηge,n为内燃机效率与名义效率；Fge为沼气消耗量；Rge为内燃机负载率为系数[7]。

沼气辅助锅炉：

式中：Fb、Qb为辅助锅炉的热输出与额定热输出；ηb、ηb,n为锅炉热效率与名义热效率；Fb为沼气消耗量；Rb为锅炉负载率；b0～b2为系数[8]。

蓄电池组和储热罐：

式中：Ebt、Qst为蓄电池组与储热罐的储电量与储热量；Ebt,in、Ebt,out为蓄电池组的逐时充电量与放电量；Qst,in、Qst,out为储热罐的逐时蓄热量与放热量；ηbt、ηst为蓄电效率与储热效率，t为时刻。

废热回收器：

式中：Qhr为内燃机废热回收量；Qwas为内燃机废热量；ηhr为热回收效率。

式中：ηge,loss为内燃机热损失率。

电平衡：

式中：Ed为区域逐时电负荷需求。热平衡：

式中：Qh为区域逐时热负荷需求；ηhe为板式换热器热交换效率。

1.3 目标函数与优化算法

混合能源系统通常以技术，经济与环境三方面为目标进行优化。其中技术因素譬如一次能源利用效率或消耗量，经济因素涉及年均总成本或生命周期总成本，环境因素包括年均碳排放量等。考虑到该混合可再生能源系统为完全可再生能源系统，并不消耗一次能源，碳排放基本可以忽略不计，因此仅采用经济指标年均总成本作为优化目标。年均总成本ATC主要包括年均初投资、运行与维护费、燃料费（沼气发生成本）与政府可再生能源补贴，具体可表示如下：

式中：Cini为系统初投资；Cfuel为沼气年均产气成本；Csub为政府可再生能源补贴；Qrated,i、Cp,i为各个模块的额定装机容量与单位价格；Fs,t为逐时总的沼气消耗量；fother为其他成本比例因子；fO＆M为运行与维护成本因子；μg为沼气单位成本；μsub,pv、μsub,wt为光伏与风电单位补贴；fcr为资金成本率，如式（15）所示。

式中：I为利息率，m为系统生命周期。

此外，系统优化过程必须满足各个模块的能源输出与储存不能超过额定功率的条件，因此，离网式混合可再生能源系统的优化目标函数和约束条件为：

混合可再生能源系统由多个能源模块组成，其系统优化涉及光伏发电容量、风力发电容量、沼气内燃机容量、沼气辅助锅炉容量等四个变量。此外，区域负荷随机多变，系统耦合结构复杂，因此该优化问题具有典型的非线性、多维特点。常用的线性规划算法（如混合整型线性规划）、遗传算法、粒子群算法等并不完全适合处理此类问题。当优化高维问题时，遗传算法收敛速度慢甚至难以收敛，粒子群算法虽然收敛速度比较快，但容易出现局部收敛。近些年，差分进化算法因具有收敛速度快且容易跳出局部收敛的优势，逐渐受到了广泛关注，因此该离网式混合可再生能源系统的优化采用差分进化算法。与遗传算法相比，差分算法不需要编码与解码过程，节省了计算时间。与粒子群算法相比，差分算法通过突变，交叉与选择等过程保证了种群的多样性。图2给出了差分进化算法的优化流程图，具体步骤如下：

1）针对优化问题，随机生成初始化种群Xi,G。

2）计算初始种群中每个个体的适应度。

3）随机选择种群中的个体进行差分变异操作。

4）对第G代种群及其变异的中间体进行了交叉操作。

5）选择最优的个体进入下一代种群。

6）判断循环条件是否满足（最大代数、个体适应度等），满足即终止循环。

图2 差分进化算法的基本流程图

1.4 控制策略

对于偏远山区，保证村民的生活用电安全稳定是优先选项，热供应作为附加产品，因此本研究中离网式混合可再生能源系统的运行控制采用“以电定热”的策略，即优先满足电力负荷的需求，具体如图3。

图3 离网式混合可再生能源系统的运行控制策略

2 湘西地区气象与市场数据

对湘西地区的气象数据进行分析得出湘西地区风速及太阳能辐射两个气象数据于一年之中的变化折线图，如图4和电、热负荷于一年之中的变化折线图，如图5，并且将湘西地区的市场数据列于表1表2之中。

图4 湘西地区的全年逐时气象数据

由图4可知，湘西地区太阳能以及风能资源较为丰富。风能资源全年波动较大、主要受天气变化影响。太阳能资源则基本按照夏季丰富冬季偏低、中午最高晚上最低的变化规律而变化。风力资源最高风速接近10 m/s，而太阳能资源最高辐射强度达到了1000 Wh/m2左右。

图5 研究区域的全年逐时电热负荷

图5反映了本文所研究的湘西地区全年的电热负荷的变化曲线。由图可以看出湘西地区电负荷全年波动范围基本较为平均，基本在20至60 kWh之间波动。波动主要由昼夜所需电负荷差异导致。而热负荷的波动表现出明显随外界温度变化的特性。夏季热负荷最低、冬季热负荷最大。白天热负荷低、夜晚热负荷高。热负荷的波动则是从0至110 kWh之间波动。

表1 离网式混合可再生能源系统的技术参数

表2 离网式混合可再生能源系统的相关经济参数

3 结果与讨论

根据湘西地区的气象及市场数据，带入以电定热的控制策略运行得出湘西地区离网式混合可再生能源系统的优化结果，详细参数如表3所述。可以看出，湘西地区由于常年多阴雨天，且位于山区，日照强度不适合使用光伏发电，同时由于每一种可再生能源的前期投资都偏大，最后在发电模块中放弃光伏发电机组。

表3 离网式混合可再生能源系统优化结果

图6 混合可再生能源系统相应模块的电输出

结合湘西地区的风力资源以及湘西地区电负荷，不难得出湘西地区冬春季节风力资源较为丰富。此时沼气内燃发电机组起着辅助发电的作用，在风力资源短缺的时间段由内燃机补正当时的电负荷需求。夏秋两季由于风力资源偏少，发电由沼气内燃发电机组为主，同时配合风力发电的波动进行相关的功率增减。此外，由于夏季风力资源基本为零，夏季的电负荷几乎全部由沼气内燃发电机组承担。夏季的沼气内燃机组的电输出即表示着当前时刻电负荷需求。详见图6。

由于本文系统的运行控制采用的“以电定热”的策略，所以系统的供热运行控制由沼气内燃机的运行功率作为控制变量。本文所研究的混合可再生能源系统相应模块的热输出如图7所示。综合图6的内燃机运行功率曲线，内燃机的废热随之波动，变化曲线基本一致。并且结合湘西地区的热负荷需求，一年之中仅有冬季需要开启辅助锅炉进行辅助供热。其余时间基本可以全部由沼气内燃机发电所产生的废热来提供所有的热负荷需求。

图7 混合可再生能源系统相应模块的热输出

结合逐时储热电量以及系统逐时余热电排放情况可以更好的得出能源系统的供电供热情况。如图8所示，系统在度过冬季之后储热罐一直处于蓄满状态，在冬季大部分时间处于放空状态。同时注意到过渡季节以及夏季储热罐长期处于蓄满状态。这部分热能可以考虑利用在其他方面，例如吸收式制冷机组，中低温朗肯循环以及蒸汽发电机组等等。本文暂不做深入研究。系统的蓄电池组的蓄电量则全年处于高频的充放波动。这与风力发电资源不稳定，随天气波动的特性有关。在夏季时间段，由于风力资源匮乏且不稳定，蓄电池组的充放电频率明显增加。最后如图9所示，可以看到系统的余热电的排放情况。余热排放集中在夏季。这是因为夏季热负荷需求最低，且夏季内燃机工作强度偏高，系统的热供应无处可用导致的余热排放。同时在系统余电排放上，系统最高排放时刻排放量不超过30 kWh，且系统余电排放曲线程分散、断续的特点。整体侧向证明系统的产电产热的优良性能。