风光储微电网系统复合储能的网格式优化

田 德，陈忠雷

（新能源电力系统国家重点实验室（华北电力大学），北京 102206）

0 引 言

微电网是结合微电源、负荷和储能系统的新型电网形式，其作为独立的整体，可采用并网或孤岛运行模式[1]。储能系统可以支撑微电网在孤岛与并网运行模式之间的平滑转换、在不同模式下的电压和频率稳定[2-14]。储能系统可以在一定程度上平抑可再生能源的波动，将可再生能源发电变为可调度的电源[3,14]。储能系统可以进行削峰填谷、改善负荷特性、平缓负荷曲线，为微电网系统稳定运行[4,14]。储能系统在微电网黑启动、电能质量优化、稳定性优化等方面具有重要作用[7]。

微电网可以综合各种资源，提高可再生能源消纳率，保障大网的可靠性和稳定性。微电网运行稳定需要重点考虑资源分布特性、微电网运行以及负荷特性等对储能系统的设计[5-6,14]，混合储能对实现微电网多时间尺度的潮流稳定控制具有明显的优势[7,14]。

针对微电网控制策略，文献[8]提出基于多组储能系统动态调节的协调控制策略，通过设计带有电压前馈补偿的模糊下垂控制动态调整负荷功率分配，并可减小母线电压波动[8]。文献[9]提出了多储能系统微电网的分布式控制策略，该控制策略在传统V-I下垂控制策略的基础上加入了平均电压控制环节和功率协调控制环节[9]。文献[10]针对微电网中新能源不稳定输出导致的微网功率不平衡和直流母线电压波动大等问题，提出了一种新型的微电网能量控制策略，根据母线电压值将系统分为4 种工作模式、7 个运行区间，系统的运行方式可以自动判断和自由切换。文献[11]针对微电网中由于分布式发电单元输出功率的不稳定以及负载突变造成的直流母线电压波动问题，提出了一种基于微电源模块和混合储能模块的协同能量管理策略。文献[12]针对电压型下垂控制策略的不足，提出新型主从下垂控制策略，实现了分布式储能系统线路阻抗的完全解耦，提高了系统并联控制精度。文献[13]针对微电网互联变换器提出一种能根据两端直流母线电压判断自身传输功率方向与大小的智能控制策略,能够减小因不需要的功率流动所带来的功率损耗及储能的充放电次数。文献[15]提出了基于遗传算法的混合储能系统容量优化配置方法。文献[16]提出将改进后的模拟退火粒子群优化算法应用到风光互补发电系统混合储能单元容量的优化配置中。文献[17]提出在满足供电可靠性前提下，合理配置微电网中风、光、储各部分的容量。

随着微电网技术的发展，当前以区域综合能源系统为表现形式的微电网正向多源的复杂型微电网的方向发展，上述提出各种控制策略多专注于分布式单一储能技术的控制策略，对复合储能的网格式优化及其对微电网投资回报率的影响研究鲜有涉及。

本研究中，风光储微电网中储能系统应采用功率型和能量型储能设备相组合的复合型储能系统，为降低微电网的投资量，优化微电网运行稳定性，需根据综合能源系统中各区域风电、光伏的特点和负载特性进行区域性的网格划分，优化网架结构，并针对区域性的网格进行复合储能系统的优化，采用自适应分层网格控制策略，实现源网荷的协调控制，平抑源侧和用户行为的随机性，优化系统电能质量，并通过对符合储能系统的优化提高项目的投资回报率。

1 微电网结构与负荷特性

依托于综合能源系统的微电网结构(图1)具有如下特征：

1）微电网以母线为基础与外部电网联结；

2）微电网内存在多种能源设备，如风电、光伏、复合储能系统等，实现多种能源的横向互补；

3）负荷种类繁多，（如图2、图3 所示）；随机选取7 月某周7d 的日微电网总负荷（归一化的值）变化曲线，如图2 所示。图3 为该周该微电网总负荷的统计情况（归一化的值）。

图1 微电网的结构 Fig.1 Structure of DC microgrid

图2 7 月某周日负荷曲线 Fig.2 Daily load curve of a week in July

图3 7 月某周日负荷统计 Fig.3 Daily load statistics curve of a week in July

2 复合储能系统的网格优化

2.1 网格划分

微电网具有多分布式能源接入的特点，以各分布式能源接入点为中心，将微电网划分为若干个网格，将传统的集中式储能分布式建设于各网格中，并与分布式能源周边的负荷形成子网。

合理进行复合储能系统的网格式优化，可以实现分布式能源的子网内就地消纳，降低各子网之间的功率流动形成的功率损耗，同时分布式储能也可降低集中储能造成的供电稳定性风险。

2.2 容量优化

1）功率平衡约束

式中PLoad(t)为t时刻的变化用电负荷，kW，该值可在系统运行过程中通过计量、大数据分析和负荷预上报相结合的方式来确定；PWT(t)为t时刻风电机组输出功率，kW；PPV(t)为t时刻光伏输出功率，kW；PBAT(t)为t 时刻磷酸铁锂电池组输出功率，kW，大于0即为放电，小于0即为蓄电；PSC(t)为t 时刻超级电容输出功率，kW，大于0即为放电，小于0即为蓄电；PGrid(t)为t 时刻微电网与外电网之间交换的功率，kW，当用电时大于0，向电网送电小于0。

2）系统之间传输功率约束

式中PGrid,max为传输功率的上限，kW。

3）磷酸铁锂电池、超级电容运行约束

式中Socmin,BAT、Socmin,SC分别为磷酸铁锂电池、超级电容容量的下限；Socmax,BAT、Socmax,SC分别为磷酸铁锂电池、超级电容容量的上限。

4）容量约束

在除用电高峰期的其他时间段，储能满充状态，避免对储能系统寿命的影响，同时避免过度投资影响项目投资收益率，即：

式中SocBAT、SocSC分别为磷酸铁锂电池、超级电容的容量，kWh；EWT、EPV、ELoad分别为风电、光伏的发电量和负载的用电量，kWh。

3 自适应分层控制网格控制模型

3.1 成本函数

磷酸铁锂电池是较为常见的用于建设储能电站的化学储能模式，近年来鲁能海西州多能互补集成优化示范工程50MW/100MWh 的磷酸铁锂电池储能项目，湖南长沙电池储能电站一期示范工程建设规模为60MW/120MWh 都是成功的案例。

而超级电容仅作为吸收冲击负荷或突变的可再生能源发电，不需要进行大容量配置，因此小容量的超级电容配置对磷酸铁锂电池、超级电容的组合的经济性影响不大。

1）储能系统年平均运行成本

磷酸铁锂电池、超级电容在t 时段的剩余电量与在t-1时段的剩余电量、t-1 时段到t 时段的充放电量的关系为

式中SocBAT(t)、SocSC(t)分别为t 时段磷酸铁锂电池、超级电容的剩余电量；PBAT(t)、PSC(t)分别为t 时段磷酸铁锂电池、超级电容的充放电功率，当磷酸铁锂电池、超级电容放电时，PBAT(t)、PSC(t)大于0，当磷酸铁锂电池、超级电容充电时PBAT(t)、PSC(t)小于0；BATη 、SCη 分别为磷酸铁锂电池、超级电容的充放电效率。

2）储能系统的寿命

其中磷酸铁锂电池、超级电容的寿命依赖于多种因素，侧重于研究与充放电次数、充放电深度的关系。当磷酸铁锂电池、超级电容充放电循环深度为RBAT、RSC时，最大循环充放电次数NBAT、NSC表示为

磷酸铁锂电池、超级电容年均充放电循环次数为NBAT＇、NSC＇，那么：

式中yBAT、ySC分别为磷酸铁锂电池、超级电容寿命，a。

3）储能系统年平均硬件成本

磷酸铁锂电池、超级电容的年平均成本需要考虑在寿命周期内磷酸铁锂电池、超级电容的运维成本和购置成本

式中CBAT、CSC分别为磷酸铁锂电池、超级电容年平均成本，万元；kOp,BAT、kOp,SC分别为磷酸铁锂电池、超级电容运维成本系数，%；cBAT、cSC为磷酸铁锂电池、超级电容购置成本，万元。

3.2 目标函数及约束条件

1）目标函数

经济性最优准则以微电网系统的年成本为目标函数

式中f 为微电网系统年收益函数，元。f1为微电网系统的年成本函数，元； Cbuy为系统向主网购电成本，元；Csold为微电网向外电网卖电收益，元。

式中PGrid(t)为系统之间交换的功率，kW，当购电时为正，反之为负；e(t)实时电价，元；T 为最终时刻。

2）磷酸铁锂电池、超级电容运行约束

磷酸铁锂电池、超级电容运行应满足60 s内功率波动不超过额定功率的10%，10 min内功率波动不找过额定功率的20%，即

式中PeBAT、PeSC分别为磷酸铁锂电池、超级电容额定输出功率，kW。

3）功率平衡约束

4）并网传输功率约束

式中PGrid,max为传输功率的上限，kW。

3.3 求解方法

采用改进粒子群算法（partical swarm optimization，PSO）求解自适应非线性多目标优化问题。

设问题维度D，N个粒子组成的一个群落，第k次迭代第m个粒子的位置和速度分别表示为

第m个粒子截止到第k次迭代时最优位置（即个体最优极值）为

整个种群目前找到的最优位置，即全局最优解为

在找到这2个最优解时，粒子根据式（19）和式（20）来更新自己的速度和位置。一般来说，粒子的位置和速度均是在连续的实数空间内取值。

式中ω 为原来速度的惯性系数；c1、c2分别为加速系数；ε、η分别为[0,1]区间内均匀分布的随机数，用于维护群体的多样性；r为位置更新约束因子。

将釆用随机权重法来进行惯性系数的计算。将ω 设定为服从某种随机分布的随机数，在一定程度上克服其线性递减的不足。

随机权重法中ω 的计算公式如（23）所示

式中N（0,1）为标准正态分布的随机数；rand(0,1)为0到1之间的随机数；η 为随机权重的平均值；δ 为随机权重的方差；minη 、maxη 分别为随机权重的最小值和最大值。

4 算 例

以河北省北部某工业园区为例，该工业区具有几十家工业企业，园区采用综合能源系统的模式实现园区用能最大程度上的自给自足，不同的企业的符合状态不同，但具有相同特点的是，各企业均有面积比较大的可用屋顶，可采用光伏发电对园区能源进行供给；园区周围的山上可以进行分布式风电或风电场的建设。该微电网系统包含外电网、区域电网、风电、光伏发电、混合储能系统以及工业负荷。

4.1 初始条件

考虑到该算例中，微电网内包含4 个分布式风电/光伏发电系统，将微电网的4 个分布式风电/光伏发电系统连同周边负载分成4 个网格，定义为网格1~4，根据表1、表2所示网格参数采用改进粒子群算法对符合储能系统中，功率储能和能量储能的功率和容量匹配进行优化求解。图4分别给出了网格1~4 的某日风电出力、光伏出力和负荷功率波动范围。

图4 风电、光伏出力和负荷功率 Fig. 4 Wind power, photovoltaic power output and load power

表1 风电、光伏装机和负载容量仿真参数 Table 1 Wind power, photovoltaic and load capacity simulation parameters

表2 储能系统、电价仿真参数 Table 2 Storage system, electricity price simulation parameters

4.2 求解

1）数据处理

网格化子网实现风力发电和光伏发电后，功率差额补足由复合储能系统和外部电网完成。由以上边界条件得到功率差额如图5所示。

图5 功率差额 Fig.5 Power error

当功率偏差小于0时，风电和光伏发电高于负载用电，网格1~4风电和光伏发电功率应向储能系统和外电网输送，对应分别为1280、399、1284、957 kW；当功率偏差小于0时，风电和光伏发电功率不足以支撑负载用电，此时网格1~4功率差额应由储能系统和外电网提供，分别为1480、1459、1396、1247 kW。

若系统不对外送电，网格1~4应分别具备6636、749.2、7514.8、2200 kWh的储能能力。

2）数据优化

为减少对周边电网的影响，按全部风电、光伏发电的就地消纳为边界条件进行储能优化，设置边界条件如表2所示。

为满足系统运行的需要，当网格1~4复合储能设备功率分别为1280、399、1284、957 kW时，磷酸铁锂电池配置为1126×5.9、344×2.2、1128×6.7、867×2.54 kWh；超级电容分别154 kW×10 s、55 kW×10 s、130 kW×10 s、90 kW×10 s。

在不改变磷酸铁锂电池的容量配置的前提下。当增加超级电容功率容量配置时，系统投资回报率逐渐下降。

在不改变超级电容功率容量配置的前提下。维持充电小时数不变，当增加磷酸铁锂电池的功率配置时，在网格1~4分别提高至1247、598、1185、903 kW时达到系统最大投资回报率，系统投资回报率逐步下降。

维持各网格磷酸铁锂电池充电功率不变的，增加充电小时数，系统投资回报率变化不明显，分别达到6.53、2.76、7、2.54 h时，系统投资回报率开始下降。

因此，当网格1~4的复合储能系统中磷酸铁锂电池配置分别为1247×5.9、598×2.2、1185×6.7、903×2.54 kWh，超级电容分别配置为154 kW×10 s、55 kW×10 s、130 kW×10 s、90 kW×10 s时，系统具有最优的投资回报。

从图6仿真结果，微电网功率分布可得，网格1~4对外最大功率需求为79、661、81、253.8 kW；微电网对外最大功率需求为895.8 kW，仅为传输功率上限的6.40%；微电网不对外输出功率。

图6 微电网功率分布 Fig.6 Microgrid power distribution

5 结 论

通过对风光储微电网中采用的复合型储能系统进行网格式优化的研究可以得出，当完全满足对为电网内可再生能源发电消纳能力之后，提高超级电容的配置将大幅度降低系统的投资回报率；适当提高能量型储能装置的配置可在一定程度上提高投资回报率。

结果表明微电网对外最大功率需求为895.8 kW，仅为传输功率上限的6.40%，并且无对外电网的电力输出，并且对外电网功率需求出现在00:00~5:00 和18:00~21:00 2 个时间段，该2 个时间段均为非工作时间，对外电网的影响不大，不会给外电网带来沉重的压力。通过复合储能系统通过自适应网格化分层控制策略，可以平抑源侧和用户行为的波动性，在用户有大功率阶跃前可提前向电网预报，降低对电网的冲击。

研究结果的推广，可以增加风电、光伏等可再生能源发电的应用场景，可以在条件允许的情况下，在全国15 000 座以上工业园区内推广实施微电网和综合能源系统工程。