并网型微电网优化调度及经济性分析

2018-12-19孙佳星王培宇胡兴媛

东北电力技术 2018年9期

孙佳星，王培宇，胡兴媛，陈庆

(1.三峡大学电气与新能源学院，湖北宜昌 443002；2.大同煤矿集团朔州热电有限公司，山西大同 037000)

分布式电源以微电网的形式参与电力系统运行与调度，可以充分发挥分布式电源的优势，提高新能源利用率，同时也能增强传统大电网的可靠性[1-3]。包含分布式电源的微电网，其运行方式可以是与大电网连接的并网运行，也可以是与大电网分离的孤网运行。并网运行时，微电网与大电网可以进行交互，大电网能够为微电网提供支撑，保证其内部供电安全及系统稳定；孤网运行时，微电网仅靠内部电源独立供电[4]，由储能装置如蓄电池等参与微电网的优化调度，如果不能满足功率平衡，可以通过切除部分负荷保证系统内部稳定[5-7]。运行方式的不同会导致微电网优化调度方式也不同，本文主要研究并网条件下微电网的优化调度。

近年来，学者在微电网优化调度方面已经取得了一定的成果，文献[8]通过建立不同机组的数学模型，并应用分时电价机制，优化各电源的最优机组出力，并得出不同电价对微电网运行成本及储能装置作用的发挥影响不同的结论。文献[9]在考虑功率平衡、储能的荷电状态、电动汽车的充电时间等约束条件的基础上，以系统的总运行费用及与电网的交换电量最小为目标，对不同优化方案进行仿真分析。文献[10]综合考虑微电网经济性、环境成本和用电负荷的优化等因素，使用改进算法提升寻优能力，通过算例验证算法的有效性。

本文以包含光伏、风机、微型燃气轮机、蓄电池的微电网为研究对象，在考虑蓄电池充放电深度等约束条件和计及分时电价机制的基础上，综合考虑微电网发电成本、环境污染治理费用、并网收益等多个条件，构建微电网并网运行模式下的多目标优化调度模型，实现微电网经济、环保运行。针对遗传算法存在的不足[11-12]，结合微电网的运行特性，提出改进遗传算法，将其应用于微电网优化调度研究中，并结合微电网实际案例，验证所提出方法的合理性与有效性。

1 微电网优化调度模型

并网方式下的微电网经济运行策略如下。新能源发电优先，当风力发电机和光伏电池尽量发电而无法满足电负荷需求时，比较微燃机、从主网购电和蓄电池放电价格，取价格低者供电；当新能源发电盈余时，向主网售电或给蓄电池充电；考虑分时电价机制，当主网售电价格低时，蓄电池尽量充电，当主网价格高时，蓄电池尽量向主网售电。

在满足微电网功率平衡等约束的前提下应用上述策略，合理运用算法解决微电网电源优化配置问题[13]。通过对比不同机组出力对应的微电网运行成本，得出成本最小的机组出力组合。本文研究的微电网由风机、光伏、微型燃气轮机、蓄电池以及负荷组成，其调度结构如图1所示。

图1 微电网调度结构

1.1 模型

1.1.1 微型燃气轮机模型

(1)

式中：CMT为微型燃气轮机的燃料成本，元；Cng为天然气价格，元/m3；PMT为t时段微型燃气轮机的输出电功率，kW；ηMT为内燃机的发电效率；Qng为天然气的低热热值，取9.7 kWh/m3。

1.1.2 蓄电池模型

单位时间间隔Δt内，蓄电池充放电功率均恒定，荷电状态(SOC，State-of-Charge)数值变化由式(2)决定；为防止蓄电池过充和过放情况的发生，蓄电池的SOC应满足上、下限值约束，如式(3)所示；由于蓄电池不能同时充电或放电，因此蓄电池的充放电须满足式(4)；蓄电池能量状态需满足在调度周期始末相等的约束，约束如式(5)所示；为维持蓄电池寿命，设定蓄电池最大充放电功率，本文设定蓄电池最大功率为蓄电池额定容量的20%，约束如式(6)所示。

(2)

Smin

(3)

Xt·Yt=0

(4)

S0=ST

(5)

(6)

式中：Smin、Smax、St分别是蓄电池的上、下限值及t时段的SOC状态。当SOC到达最大值时，蓄电池停止充电；当SOC到达最小值时，蓄电池停止放电。S0为蓄电池初始SOC状态；Pcha,t和Pdis,t分别为蓄电池在t时段的充、放电功率；Xt和Yt分别为蓄电池的充、放电状态量，其中Xt∈{0,1}，Yt∈{0,1},Δt，T为时段数，Eb为电池容量。

1.2 目标函数

微网优化运行问题是1个多目标、多约束的非线性优化问题，在保证用户用电的基础上，建立微网运行费用最小的目标函数。目标函数F为总成本，包括燃料及维护成本、污染治理成本和交互成本。目标函数为

(7)

(8)

式中：Ci(Pi)微源i的发电成本，由各电源的出力模型确定；Ki为不同微源的运行维护系数，不同微源的维护系数不同；Pi为微源i的输出功率；αj为污染物的折算系数；Ei,j为微源i输出单位功率时排放第j类污染物的量;Pgrid(t)为t时段微电网与大电网的交互功率；cgrid为t时段微电网与大电网的交易价格，当微电网分别向电网购电和售电时，分别选择分时购电价格cbuy和分时售电价格csell。

1.3 约束条件

为保证微电网安全稳定运行，系统需满足功率平衡约束、爬坡率约束、出力上下限约束，表达式为

Pload(t)=PWT(t)+PPV(t)+PMT(t)+PBA(t)+Pgrid(t)

(9)

|Pi(t)-Pi-1(t)|≤Pup

(10)

Pimin≤Pi(t)≤Pimax

(11)

式中：Pload(t)为微电网t时段负荷功率总和；PWT(t)、PPV(t)分别为微电网中风力和光伏发电功率；PMT(t)、PBA(t)分别为微型燃气轮机和蓄电池在t时段的功率；Pimax、Pimin分别为燃气轮机出力的上、下限；Pup为爬坡速率。

2 改进遗传算法

遗传算法是将需优化问题的相关参数编码成为二进制串，进而将多个二进制串组成1个初始种群，构成待优化问题的初始解。使用选择、交叉和变异3种算子进行操作，不断迭代优化，找到最优解。遗传算法是利用参数的编码进行操作的，搜索信息就是目标函数，各个步骤的运算均采用概率的方式。在求解微电网优化调度问题时，基本遗传算法往往易陷入局部最优解，因此本文针对微网特点，在基本遗传算法的基础上做了一些改进。

a.在变量编码形式上进行改进。为保证在有效范围内搜索，提高算法搜索效率，将微电源的上下限约束作为遗传算法的输入量。

b.增加优秀个体库。将符合约束并且适应度更优的解作为优秀个体库，在该库中选择父本来交叉，通过种群中优秀的个体的遗传性加速算法收敛，完成进化。

c.增加随机变量。为增加种群的多样性，避免陷入局部最优解出现早熟等现象，在迭代过程中增加一些随机种群，使这些随机种群也加入交叉进化的过程。

算法初始时，需提前设置参数，如相关变量的范围、精度，种群规模Np，进化代数NG，优秀个体库个体数M及交叉概率、编译概率。按照上述措施改进后的遗传算法具体求解流程如图2所示，图中r是随机个体的比例。

图2 算法流程

3 算例

为检验上述模型和算法的有效性，采用如下算例进行验证，本文研究的微电网包括100 kW光伏机组、100 kW风电机组、100 kW微型燃气轮机和20 kW蓄电池，微电网运行在并网条件下。光伏和风电机组为清洁能源，燃料费用几乎为0，没有污染气体排放，故只需要考虑运行维护成本。负荷、风电、光伏出力预测曲线如图3所示。各机组额定功率、爬坡率、维护系数如表1所示，污染物种类及治理费用如表2所示，分时购、售电价格如表3所示。

图3 负荷、风力出力、光伏出力的预测曲线

类型额定功率/kW爬坡率/(kW·min-1)维护系数/(元·kW-1)WT100-0.045PV100-0.009 6MT200100.128BA40-0.045

表2 污染物种类和治理费用

表3 微电网购、售电价格

本算例中，微网中光伏、风机全额利用，通过合理安排微型燃气轮机出力、蓄电池充放电以及与主网交互来实现微电网经济效益最优的目的。并网运行方式下各单元的出力优化调度结果如图4所示。

图4 各机组出力

成本类型并网运行/元仅主网供电/元发电成本1 458-环境成本74-与电网交互成本-2012 158总成本1 3312 158

由表3和图4可知0：00—7：00时为电价谷时段，微网通过联络线从大电网吸收电能，蓄电池处于持续充电状态；7：00—10：00和15：00—18：00时为电价平时段，此时为了维持微电网内功率平衡，微网与大电网有能量交换，蓄电池有充电，也有放电；10：00—15：00时为电价峰时段，此时由于微型燃气轮机发电成本及大电网电价高，而蓄电池电量充足，所以蓄电池在此时放电，保证经济效益。微电网并网供电形式与仅主网供电形式的成本对比如表4所示，通过对比可知，采用并网形式可以降低总成本，并且通过与主网交互功率，微电网还可以利用蓄电池等的作用增加部分收益，从而降低自身成本。