以换电站为负荷的微电网系统建模与优化

王 哲 ，谷 雨 ，王 瑞 ，代兵棋

（1.国网山东省电力公司菏泽供电公司，山东 菏泽 274000；2.广州供电局有限公司，广东 广州 510000；3.国网山东省电力公司临沂供电公司，山东 临沂 274000）

0 引言

微电网是将一定区域内的小型分散发电单元（分布式电源）组织起来而形成的一个小型发配电系统［1］，可为该区域内负荷提供冷、热和电，既可以孤立运行，也可以与外部大电网并网运行，参与系统的宏观调控。微电网的出现解决了分布式电源的大规模接入问题。将电动汽车换电站作为微电网系统的负荷［2-3］，一方面可以平抑可再生能源输出功率的波动，推动可再生能源的普及并避免使用柴油发电机等带来的污染；另一方面可充分利用电动汽车的储能作用，减少额外建设电池储能系统的投资［4］。

针对微电网系统运行优化，文献［5］在建立各种分布式能源稳态模型的基础上，提出了运行成本最低、环境和综合效益最高等优化目标函数，但没有考虑换电站对微电网系统的影响。文献［6］围绕微电网系统经济环保运行优化问题，建立了以分布式发电单元的发电费用和折旧费用为目标的微电网经济运行优化模型，但是没有计及分时电价对微电网运行的影响。

针对上述问题，结合各发电单元和换电站特点，以微电网系统运行成本最低为目标函数，以满足用户需求、发电单元和充放电功率平衡为约束条件，建立以换电站为负荷的微电网系统稳态模型，并通过粒子群优化算法进行求解。

1 微电网系统运行策略

1.1 常用分布式电源组件

微电网可根据因地制宜原则，实现对当地可再生能源的充分利用［7-8］。常用的分布式电源组件主要有光伏发电系统、风力发电机、燃料电池、小型生物质发电系统等。

光伏发电系统（Photovoltaic，PV）是指利用半导体材料的光电效应，将太阳能转换成电能的装置，其优点是基本不受地域限制，具有污染低、噪声小和建设周期短等特点。

风力发电机（Wind Turbine，WT）的工作原理是利用风力带动风机叶片旋转产生动能来发电。

燃料电池（Fuel Cell，FC）具有低污染、高效率的特性，属于一种绿色能源发电装置。与利用石化能源的传统锅炉或引擎发电装置相比，燃料电池发电效率高，是一种节约能源与提升能源使用效率的发电装置。

生物质发电系统（Biomass Energy，BE）主要包括生物质直接燃烧发电、气化发电以及与煤混合燃烧发电技术。

电动汽车换电站（Battery Swapping Station，BSS）可对电动汽车进行电池更换，并对更换下来的电池进行充放电及储存，基本可实现电能的自给［9］。由于换电站内充电机的数量是一定的，电池数量也受运行条件的约束，因此换电站内储存的电量和充放电功率之间存在关联。

1.2 系统运行策略

考虑到风能、太阳能等可再生能源输出功率的不确定性及换电需求的波动，为充分发挥微电网削峰填谷的能力，并保证系统的运行寿命，制定以下运行策略：

1）风能、太阳能的输出功率存在一定的波动性，且用户换电需求存在不确定性，因此通过对发电功率和用电需求进行预测［10］，制定运行计划。考虑到现有预测技术的精度，对未来一天进行预测。基于对未来一天的风能、太阳能等发电功率和电动汽车用户换电需求的预测制定微电网运行计划，以保证系统运行的经济性。

2）换电站与主网间可自由双向交换功率，为增强削峰填谷的能力和提高系统运行效率，引入分时电价作为控制手段。

3）电动汽车一般采用锂电池，为合理利用电池以保证其使用寿命，优先对电池进行浅深度充放电［11］。

2 以换电站为负荷的微电网系统建模

2.1 目标函数

微电网运行成本由各发电单元的能耗成本、运行管理成本及与主网进行功率交互的成本构成。当微电网从主网吸收功率时，交互成本为正；微电网向主网输出功率时，交互功率为负，即取得收益。

以微电网系统的运行成本最低为目标，对各发电单元及与主网间的功率交换进行优化，建立目标函数为

式中：J为发电单元数量；N为系统运行时段；pjt为发电单元j在时刻t发出的功率；Cf（pjt）为发出功率为pjt时的发电单元的能耗成本，包含FC和BE的能耗成本；Com（pjt）为发出功率为pjt时的发电单元运行管理成本，包含PV，WT，FC和BE的运行管理成本为t时刻电网向微电网系统输入的电量；为t时刻微电网系统向电网输出的电量；为电网向微电网系统输入的电量为时微电网系统的电费支出；为微电网系统向电网输出的电量为时微电网系统的电费收入。

2.2 约束条件

微电网系统的运行应该满足用户的换电需求，同时考虑各发电单元和充放电功率的约束。

1）用户换电需求约束。

在t时刻，换电站内充满电的电池数量应满足电动汽车的换电需求约束为

式中：Et为在t时刻换电站电池的总功率；Dt为电动汽车在t时刻的换电功率需求；R为考虑正在进行充放电的电池组及用户换电需求的波动，保留一定的备用需求。

2）发电单元功率输出约束为

3）微电网系统与主网间能够允许交互的最大容量约束为

4）电池储存约束。

由于在t时刻换电站内的电池数量是有限的，为防止对电池的过充和过放，存在电量储存约束为

式中：Et为电池在 t时刻的储能；Emax，Emin分别为电池的最大、最小储能。

5）充放电功率约束。

换电站充放电机数量是有限的，因此总充放电功率存在约束为

6）功率平衡约束为

2 基于粒子群优化算法的模型求解

2.1 粒子群优化算法简介

粒子群算法 （Particle Swarm Optimization，PSO）是一种较为常用的全局寻优算法［12-13］，不仅能够加速神经网络的收敛速度，而且可以避免神经网络陷入局部最优解，可有效地优化本文中的问题。

m个粒子在n维空间中搜索，粒子种群为x=［x1，x2，…，xm］，第 i个粒子的 n 维位置为 xi=［xi1，xi2，…，xin］T，其飞行速度为 vi=［vi1，vi2，…，vin］T，粒子 i最优位置为 pi=［pi1，pi2， …，pin］T， 群体最优位置为 pg=［pg1，pg2，…，pgn］T，粒子的速度和位置更新公式为

式中：vid（k），xid（k）分别为第 i个粒子在第 k 次迭代中第d维上的速度和位置；ω为惯性系数；c1，c2为学习因子；r1，r2为0～1之间的随机数。

2.2 模型求解

将FC和BE的出力及微电网与主网间的功率交换设置为粒子位置，适应度函数为式（9），PSO优化过程如图1所示。

图1 PSO优化流程

3 算例分析

3.1 算例参数

设微电网系统由 PV，WT，FC，BE，BSS 组成，其中PV，WT的典型功率曲线如图2所示。考虑到换电模式下区域内电动汽车的行驶特性与燃油汽车相似，BSS的典型负荷曲线参照城区加油站，如图3所示。

图2 PV和WT典型功率曲线

图3 BSS典型负荷曲线

假设换电站有100台充放电机，充放电功率均为8 kW，充放电效率均为0.95，电池组的有效荷电量均为40 kWh。微电网与主网间能量交互的容量上限为200 kW；FC的功率上限为300 kW，功率下限为30 kW；BE的功率上限为200kW，功率下限为30 kW。PV和WT的管理成本为0.005元／kWh；FC的燃料成本为 0.6元／kWh，管理成本为 0.03元／kWh；BE 的燃料成本为0.8元／kWh，管理成本为0.14元／kWh。微电网与主网之间的功率交换采用分时电价计算［14］，分时电价如表1所示。

表1 分时电价 元

3.2 求解方法

考虑到对PV和WT输出功率的预测精度，将一天划分为24个时段，以微电网系统的运行成本最低为目标，对各个时段内FC和BE的出力及微电网与主网间的功率交换进行优化。在求解过程中，共需要对4个单元24个时段共计96个维度进行优化。

采用粒子群优化算法进行求解，将微电网系统的运行成本设为适应度函数，将FC和BE的出力及微电网与主网之间的功率交换设为粒子位置。为避免最优粒子过早收敛，引起其他粒子迅速收敛到其周围而导致的早熟现象，将每个粒子的速度按二次项策略进行更新，从而在每一步迭代中较好的平衡全局与局部搜索能力。

二次项改进粒子群算法对粒子速度的更新公式进行如下变化：

由上式可以看出，改进算法是在基本算法的基础上加入了二次项［pid（k）－xid（k）］2和［pgd（k）－xid（k）］2。当｜pid（k）－xid（k）｜＜1（粒子靠近局部最优解）或｜pgd（k）－xid（k）｜＜1（粒子靠近全局最优解）时，则有 0≤［pgd（k）－xid（k）］2＜1 和 0≤［pid（k）－xid（k）］2＜1，这时粒子的飞行速度变慢，可以使粒子更细致地搜索局部和全局最优解。 当｜pid（k）－xid（k）｜＞1（粒子远离局部最优解）或｜pgd（k）－xid（k）｜＞1（粒子远离全局最优解）时，则有［pgd（k）－xid（k）］2＞1 和［pid（k）－xid（k）］2＞1，粒子飞行速度变快，可扩大搜索范围，增强寻找全局最优的能力。

3.3 计算结果

为验证优化结果的有效性，对优化前、后的微电网运行成本及微电网与主网的功率交互进行比较。

优化前，充电站在无序充电（即电池更换下来后就立即对其充电）状态下，微电网系统一天的运行费用为4 163元；优化后，充电站在有序充电（即在主网的波谷时刻进行充电，波峰时刻进行放电）状态下，微电网系统一天的运行费用为3 475元，两种状态下微电网系统与主网的功率交换如图4所示。其中，功率为负值时表示微电网系统向主网输出功率，功率为正值时表示微电网系统从主网吸收功率。优化后系统FC和BE的出力如图5所示。

图4 微电网与主网功率交换曲线

图5 优化后的FC与BE出力

在无序充电的情况下，系统运行费用较高，同时因为电动汽车的换电需求与电网的波峰时刻有部分重叠，微电网系统会加重主网的峰谷差。通过对微电网系统运行的优化，主网电价较低时，即主网的谷时段，微电网从主网吸收功率；主网电价较高时，即主网的峰时段，微电网向主网输出功率，运行成本与无序充电下相比得到了降低，并且可以发挥微电网系统削峰填谷的作用。

4 结语

建立了一种以电动汽车换电站为负荷，由太阳能电池、风力发电机、燃料电池和小型生物质发电系统等清洁能源组成的微电网系统模型，并通过改进粒子群算法对其进行了优化。算例表明，换电站作为负荷可平抑可再生能源输出功率的波动，从而减少微电网系统中柴油发电机等带来的污染，并显著提高了微电网系统削峰填谷能力。