计及停电损失的风-柴-储系统优化配置

任胜男，王 进，胡泽斌，周洋，谢谨，龚罗文

(1.湖南省清洁能源与智能电网协调创新中心 长沙理工大学，长沙 410114；2.长沙理工大学，长沙 410114)

0 引言

当今化石能源危机问题的日益突出，可再生能源发电技术迅速发展，微电网是可再生能源集中发电的一种重要的表现形式[1]。微电网是集分布式电源、储能以及本地负荷为一体小型电力系统，能够充分发挥分布式电源优势[2]，缓解电力系统扩张的需求，同时风-柴互补独立发电系统是能够有效解决海岛用电问题的一种模式。合理规划微电网中不同类型分布式电源的容量配置，不仅能够有效降低系统运行投资成本，提高可再生能源利用率[3]，而且供电可靠性也将得到大幅度提高。

随着“十三五”期间我国微电网市场规模的不断扩大，独立运行微电网中分布式电源规划问题成为微电网相关研究中的热点问题。文献[4]针对独立海岛微网中分布式电源容量配置问题，以微网年投资运行成本最小为优化目标；文献[5]构建微电网经济成本最小、污染排放最少和能源利用率最高的多目标优化配置模型，并引入熵理论以确定多目标函数各指标的权重系数；文献[6]以经济性和环保性为目标，建立了基于多状态建模的独立型微网多目标优化配置模型；文献[7]以综合经济成本最低为目标函数,电源类型与容量为待求变量，建立微电网并网模式下的电源优化配置模型；文献[8]以网络年费用最小化为优化目标，建立了微网中各设备的最优配置模型。现有微电网分布式电源优化配置多集中在以系统运行投资成本最小为目标，忽略了系统缺额电量带来的停电经济损失。

为了提高独立运行微电网系统的供电可靠性，文献[9]采用蒙特卡洛法评估配电系统可靠性，利用前推回代法计算系统节点电压和网损，获得适合微电网接入的负荷节点，以不同负荷的停电损失和系统网损费用最低为目标函数，但缺乏对储能装置的考虑；文献[10]基于对微网网架规划特点和用户停电损失的研究，建立了考虑用户停电损失的微网网架规划模型,并将分布式电源和负荷的时序特性纳入目标函数中，以最小化网络年费用为优化目标，却忽略了发电企业损失；文献[11]用系统的负荷失电率评价系统的供电可靠性，提出了微电网的电源容量多目标优化配置模型，但却缺乏对系统缺额电量进行分析；文献[12]基于蒙特卡洛法随机模拟，将考虑时序性和不确定性的停电损失可靠性指标引入模型，建立综合考虑最小化分布式风电源投资成本、最小化网损以及最小化停电损失的多目标优化配置模型，但未对停电损失计算成本进行改进。

本文用系统的缺额电量评价系统的供电可靠性，搭建了微电网缺额电量分段式停电损失成本计算模型，并提出了计及停电损失费用的风-柴-储型独立微电网分布式电源优化配置模型，以最小化投资成本、运维成本以及停电损失费用之和为目标。针对所建立的模型，采用粒子群算法进行求解，并分析了停电损失成本对系统优化配置的影响以及柴油发电机燃料成本对电源结构的影响。

1 风-柴-储型微电网结构模型

本研究主要针对风资源丰富地区，因此采用风-柴-储型独立微电网结构，如图1所示。本文采用风-柴-储型独立微电网结构，包括分布式电源、柴油发电机、储能装置以及负荷。其中，分布式电源主要考虑风力发电机，将风能转化为电能供给电负荷；储能单元主要为平滑风力发电输出功率，在电能充足时，储存电能，电能不足时，释放电能，从而实现直流母线电压稳定；此外，系统还需要配置一定数量的柴油发电机作为系统的备用电源，以提高系统的供电可靠性。柴油发电机与风力发电机、储能装置协调运行，共同提高微电网的供电可靠性。

1.1 风力发电机模型

风力发电机作为风能转化为电能的重要的能量转化装置，风速的大小直接影响着风力发电机的输出功率，风力发电机的输出功率表达式如下[13]:

(1)

(2)

(3)

式中，Pw(t)表示风力发电机在t时刻的输出功率；vW(t)为t时刻的风速；vin为风力发电机的切入风速；vout为风力发电机的切出风速。

1.2 柴油发电机模型

柴油发电机是以柴油等为燃料，将化学能转化为电能的小型发电设备，其输出功率与燃料之间的关系如下[11]：

C(t)=aPDE(t)+bP0.

(4)

式中，C(t)为t时刻柴油发电机的耗油量；PDE(t)为t时刻柴油发电机的实际输出功率；P0为柴油发电机的空载功率；a,b分别为柴油发电机燃油-功率关系曲线的截距与斜率。

1.3 储能装置模型

由于可分布式电源输出功率的间歇性和不确定性，微电网中往往需要配置一定的储能单元，其中蓄电池是目前应用最普遍、技术比较成熟的储能装置，因此本文中储能单元选取蓄电池为研究对象。荷电状态(SOC)通常反映电池剩余容量，其表达式如下：

(5)

式中，Ec表示蓄电池的剩余容量；Ebat为表示蓄电池的额定容量。

在微电网运行过程中蓄电池存在两个过程：充电过程与放电过程，其与SOC关系可表述为：

(6)

式中，SOC(t)为t时刻蓄能装置的荷电状态；δ为蓄电池自放电率，一般取0.01%；Pch,Pdis为蓄电池充、放电功率；ηch,ηdis为蓄电池充、放电效率。

2 目标函数

本文考虑孤岛运行微电网的投资成本、运维成本以及停电损失成本，模型的目标函数表示如下：

minf=f1+f2+f3+f4.

(7)

式中，f1为微电网年投资费用；f2为微电网年运行成本；f3为微电网年维护成本；f4为微电网年停电损失成本。

2.1 年投资费用

微电网的年投资费用表达式如下：

f1=(NwCW+NcCc+NbCb)ζ.

(8)

(9)

式中，Nw,Nc,Nb为风力发电机、柴油发电机、储能电池的安装数量；CW,Cc,Cb为单个风力发电机、柴油发电机、蓄电池投资成本；ζ投资成本年回收率；n为项目年限,本文取n=20；λ为实际贷款率[14]。

2.2 年运行成本

由于风力发电仅消耗风能，而不消耗燃料，本文仅考虑柴油发电机在运行过程中消耗燃料的费用，其年运行成本表达式如下：

(10)

式中，τc为柴油发电机单位发电量的燃料成本。

2.3 年维护成本

年维护成本指发电机设备维护费用，其表达式如下：

f3=NwCWc+NcCcc+NbCbc.

(11)

式中，CWc，Ccc，Cbc分别表示单台风力发电机、柴油发电机及储能装置的维修成本。

2.4 分段式停电损失费用计算模型

停电损失成本主要包含由于缺额电量造成企业发电的损失成本，此处未考虑用户侧，我国在停电损失计算方面，主要采用电价折算倍数法、产电比法、总拥有费用法[15]，本文采用产电比法的停电损失计算公式：

Co=EENS·R.

(12)

式中，Co为停电损失费用；EENS年总缺额电量；R为产电比。

年总缺额电量表达式如下：

(13)

为了进一步保证微电网系统供电可靠性，借鉴需求响应原理，电力网络中负荷能够分为需求响应负荷和基线负荷，其所占比例不同，因此，按照不同负荷可将缺额电量分为不同区域，本文构建分段式停电损失成本计算模型，以规划的年最大缺额电量EENSmax为总年负荷的20%为基准，规定其最大损失电量。当缺额电量超过最大缺额电量时，其相应的单位停电损失费用会按照一定规律增加，缺额电量越大对应的停电损失成本越高，分段式停电损失成本计算模型如下式：

(14)

式中，∂为单位缺电量成本增幅。

3 约束条件

3.1 机组出力约束

机组出力约束包括风力发电机组出力和柴油发电机组出力两部分，其表达式如下：

0≤Pw(t)≤PWN.

(15)

0≤PDE(t)≤PDN.

(16)

式中，PWN为风力最大发电功率；PDN为柴油发电机额定功率。

3.2 储能装置运行约束

本文中储能系统作用于平滑风力发电输出功率曲线，以平稳直流母线电压。储能装置运行约束主要考虑以下方面：

(1)充放电功率约束：

0≤Pch≤Pchmax.

(17)

0≤Pdis≤Pdismax.

(18)

(2)剩余电量约束：

E(t)≤Ssocmax×Ebat.

(19)

E(t)≥Ssocmin×Ebat.

(20)

式中：E(t)为蓄电池在t时刻的剩余电量；Ssocmax为蓄电池荷电状态上限；Ssocmin为蓄电池荷电状态下限。

3.3 功率平衡约束

NwPw(t)+NcPDE(t)+Nb(Pch(t)-Pdis(t))=PL(t).

(21)

式中，PL为负荷功率。

4 求解方法

粒子群算法(Particle Swarm Optimization,PSO)具有算法简单、搜索效率高和快速收敛等优点，因此本文采用粒子群算法对所建立的线性规划问题进行求解。针对不同模型中的优化配置问题，模拟实际中风-柴-储型微电网日运行情况，得到适应度函数，对风力发电机、柴油发电机、储能电池安装台数进行优化求解，取迭代次数为500，粒子群规模200，从而得到独立运行微电网最优电源配置，算法流程图如图2所示。

5 算例分析

5.1 仿真模式设置

为验证本文所建模型在提高风-储-柴型独立运行微电网供电可靠性以及降低运行成本方面的有效性，本文设定以下三种模式：

模式一，目标函数中仅考虑微电网投资运行成本；

模式二，在统一型停电损失成本下，统一型停电损失成本不对缺额电量进行划分，同时考虑经济效益与供电可靠性；

模式三，在分段式停电损失成本下，对缺额电量进行划分，同时考虑经济效益与供电可靠性。

5.2 算例参数

本文各类型分布式电源参数[16]如表1所示，其中蓄电池初始剩余电量设置为0.5，荷电状态设定范围0.4～0.95，充放电功率ηch=ηdis=95%；柴油的燃料消耗量为10.5 kW·h/L；取柴油价格为8.0元/L。假设某地区典型日负荷功率曲线与风速曲线如图3、如图4所示，选取典型日负荷峰值作为负荷功率预测值，Pload=28 500 kW。

表1 分布式电源参数

5.3 仿真结果分析

由表2和图5可知：

(1)与模式一相比较，模式三的缺额电量降低了52 MW·h，停电损失成本降低62.4万元，缺额电量降低了29.46%。风力发电机的配置数量为620台，储能装置以及柴油发电机的配置数量适当增加。这主要原因为，当不考虑缺额电量限制时，受单台风力发电机的出力约束，需要通过增加风力发电机安装数量来提高系统总体出力水平，从而满足负荷需求，因而增加了风力发电机投资水平。另外，风力发电机的装机容量增加导致柴油发电机出力降低，柴油发电机的运行成本降低。

(2)与模式二对比，模式三的停电损失成本降低了约19.94%，且投资成本也得到明显降低，差距相对模式一而言较小。这是由于模式三对缺额电量控制更加严格，减少了由于风力发电的不确定性与随机性而产生的停电损失，当风力发电机发电降低时，柴油发电机发电量增加以满足电力需求，减少系统的缺额电量，提高系统的供电可靠性。

表2 不同模式中经济成本比较

综上所述，本文所建立的计及停电损失的微电网分布式电源优化模型，能够兼顾系统经济性与供电可靠性。通过三种模式计算结果分析对比可知，本文所提出的分段式停电损失成本模型具有一定的优越性。

5.4 燃料成本τc对配置影响分析

燃料成本τc直接影响着柴油发电机的运行状况，从而影响风-储-柴型独立运行微电网的分布式电源优化配置。

表3 不同燃料成本配置情况

由表3可知，当燃料成本降低至1.6元时，柴油发电机装机容量降低,同时风力发电机装机容量也随之降低，柴油发电机运行成本降低，使得柴油发电机的发电量增加，从而替代风力发电机的部分发电量；当燃料成本增加至2.0元时，柴油发电机的装机容量依然降低，但由于其运行成本增加，导致风力发电机与储能装置装机数量增加，作为柴油发电机的代替电源。

6 结论

本文建立计及停电损失的分布式电源优化模型，并搭建分段式停电损失费用计算模型，通过粒子群算法求解模型最优配置。分析比较三种模式下的计算结果，得到如下结论：

(1)缺额电量分段式停电损失计算模型对缺额电量进行更加严格的控制，在提高供电可靠性的同时减少停电事故的发生，并且能够降低系统的总成本。

(2)微电网中配置适当的柴油发电机作为系统的备用电源，短期内虽会导致系统的总投资的增加，长期考虑却有利于提高微电网供电的可靠性。

(3)燃料成本影响着柴油发电机的运行成本，进而影响系统的总成本，导致电源配置结构发生变化。