考虑光、储、燃联合发电的微电网优化运行

向红伟 常喜强 吕梦琳 邢占礼 王晗

摘要：考虑到光伏与负荷的时序相关性，引入广义负荷作为研究对象，用k-mesns聚类得到微电网运行的典型场景与各个场景对应出现的概率。以年综合运维成本最小为目标函数，记及功率平衡等约束条件，建立微电网优化运行模型。采用改进的粒子群算法求解，得出并网与孤岛两种运行模式下储能、电动汽车的充放电策略。最后，以某地区低压微电网为例，验证了所提方法与模型的有效性。

关键词：微电网运行;电动汽车;充放电策略

DOI：10.15938/j.jhust.2020.02.010

中图分类号：TM732文献标志码：A 文章编號：1007-2683（2020）02-0073-07

0 引言

随着高比例分布式电源的接人，电网的电能质量受到了很大的影响，微电网作为消除这一影响的有效途径之一了研究者的广泛关注。微电网是集合了分布式电源、储能单位、负荷以及各种控制单元的小型电网。随着时代的进步，微电网中增加了很多新的元素，如具有充放电功能的特殊“负荷”一电动汽车。微电网元素的多元化给其安全稳定运行带来挑战。因此，如何协调各种资源，使得微电网在并网与孤岛两种情况下运行最经济，成了研究的重点。

文考虑到直流微电网的时变性与新能源出力的不确定性，提出一种最小化运行成本的直流孤岛优化运行策略。文考虑电网的实时电价，协调可控式电源的输出功率、储能充放电功率以及微电网与外界交互的功率，提出了微电网在并网状态下的优化运行策略。文考虑需求侧响应，建立了微电网在并网状态下的多目标优化模型。以上文献只讨论了微电网在孤岛或并网这种单一运行状态下的的优化问题。文通过改变微电网中双电池储能系统的充放电策略，不仅拓展了储能系统的可用容量，还提高了储能系统的灵活性。文探讨了交直流混合微电网中电动汽车充电站的控制策略，虽然分析了两种运行模式下的控制策略，但优化对象过于单一。文建立了微电网多目标鲁棒优化模型，虽然降低了运行的风险，但是由于优化结果过于保守，经济性下降了很多。文从可靠性、经济性等四个方面提出了微电网运行的综合评估方法。

本文首先考虑了光伏机组出力与负荷消纳的时序相关性并采用k-means聚类得到微电网运行的典型场景集。其次，以综合运维成本最小为目标函数，记及功率平衡等约束条件，建立微电网优化运行的数学模型。再次，采用改进的粒子群算法分别求得并网与孤岛运行状态下电动汽车与储能的充放电策略。最后，以某地区微电网为例，验证所提优化方法的有效性。

1 场景的选择

引入广义负荷的概念，将光伏机组的出力视为负的负荷，与常规负荷合并在一起，称为广义负荷。采用k-means对日广义负荷的均值聚类，得到一组微电网运行的典型场景集以及对应的各个场景在全年出现的概率。

1.1 原始聚类中心的选择

k-means聚类法原始的聚类中心是随机确定的，若强制将原本应划分为同一族的元素作为不同族的聚类中心计算，则会出现聚类结果局部收敛的情况。因此，合理地选取原始聚类中心至关重要。

为了避免聚类结果在局部收敛的情况出现，需要尽可能地分散原始的聚类中心。本文首先将日广义负荷均值按从小到大的顺序排列，然后按样本数量将其均分为k组，每组元素的均值当作原始聚类中心。

1.2k值的选取

k-means聚类法需要在算法开始前人为地确定好k值，k值取太大会影响模型的求解速度，k值取太小会使聚类得到的典型场景集不能全面地描述一年的运行情况。因此，如何选取合适的k值成了场景选择过程中最关键问题。本文以族内距离与族间距离的和函数L最小时对应的k值作为划分的总族数，证明过程与具体步骤参考文。

族内距离即所有样本到各自的族中心的距离之和，用D来表示。族间距离即各族中元素的均值到所有样本均值的距离之和，用s来表示。综合距离L为5与D的和函数。具体表达式如下：

式中：i为族的计数;k为聚类划分的总族数;C_i为第i个族中所有元素的集合;p为第i个族中的元素;m：为第i个族内元素的均值;m₀为所有样本的均值。

1.3 收敛条件

k-means聚类通过算法迭代，不断寻找新的聚类中心，直到达到算法的终止条件。聚类算法的收敛条件不仅要考虑到族间的紧密性，同时还要考虑到族间的分散性。所以本文综合族内与族间距离来确定收敛条件。

采用DBI指标（Davies-Bouldin Index）作为聚类算法的判断条件。

S（i，j）=||m_i-m_j||（4）

式中：S（i，j）为第i个族与第j个族元素均值的欧式距离;D_i为第i个族内的各个元素到本族元素均值的标准差，N_i为第i个族中元素的个数。

1.4 场景选择流程

场景选择的具体步骤如下：

1）将日广义负荷均值从小到大排列，输入数据，以及确定的原始聚类中心。

3）选出数组A中的最小值，其对应的k值则为划分的族数。

4）执行k-means算法，直到满足DBI指标收敛的条件，跳出算法循环。

5）得到运行典型场景集以及对应场景的概率。

2 模型构建

2.1微型燃气轮机

微型燃气轮机的输出功率与其消耗的天然气量近似成正比，具体公式如下：

式中：P_MT为m节点第k个场景t时段下微型燃气轮机的输出功率，A_na，m，k为m节点第k个场景t时段下消耗天然气量，η_MT为发电效率，H_MT为微型燃气轮机热值。

2.2 蓄电池

储能装置以蓄电池为例，蓄电池除了考虑充放电的效率外还要考虑其搁置时容量的自然损耗。另外，为了保证蓄电池的剩余容量在各个场景中具有可连续性，假设容量在各场景末时刻回到初始状态。式中：S_{Es，m，k，t}为m节点第k个场景t时段下蓄电池的容量，δ为蓄电池自放电的效率，P_{Es，m，k，t}为m节点第k个场景t时段下蓄电池的充放电功率（充电时P_{Es，m，k，t}>0，放电时P_{Es，m，k，t}<0，P_{Es，m，k，t}=0时，蓄电池处于停运状态），△t为时间间隔，η_es。為充放电效率，P_{battery，m，N}N与S_Es，m，N分别为m节点蓄电池的额定充放电功率和容量。

2.3 电动汽车

电动汽车除了满足充放电的功率约束外，还需要考虑其在微电网中的充放电时间限制。

式中：P_{Es，m，k，t}为m节点第k个场景t时段下电动汽车的充放电功率（充电时P_{Es，m，k，t}>0，放电时P_{EV，m，k，t}<0，P_{EV，m，k，t}=0时，充电桩上无停靠的电动汽车）S_EV，m，N为m节点上电动汽车的额定充放电功率，t_EV，m为m节点上电动汽车允许充放电的时间范围，t_s，m与t_e，m分别为m节点上电动汽车允许充放电的起始和结束时间。

2.4 优化模型

本文建立以综合运维成本最小为目标函数，记及功率平衡等约束的优化模型，分别求得储能和电动汽车在并网与孤岛两种运行状态下的充放电策略。

2.4.1 目标函数

优化模型以综合运维成本最小为目标函数：

minO_total=O_pv+O_Es+O_MT+O_EXC（10）式中：O_total为年综合运维成本;O_Pv、O_Es和O_MT分别为光伏、储能和微型燃气轮机的运维费，O_EXC为微电网与主网的交互费用。其中：

2.4.2 约束条件

1）功率平衡约束

2.5 两种运行状态下的控制策略

2.5.1 并网模式

并网运行状态下，微电网与外界主网相连，无需考虑爬坡约束。此时，目标函数为式（10），约束条件包含式（12）-（15）。

2.5.2 孤岛模式

孤岛运行状态下，微电网与外界主网分离，两者间无功率交互。此时，目标函数为式（10），其中O_ExC=0，约束条件包含式（12）-（14）、（16）。

3 求解算法

利用智能算法可以高效地解决微电网优化这一类非线性优化的问题。传统的粒子群算法程序简单，但是可能出现搜索进入局部最优解的情况，因此很多学者对算法进行改进，均取得了较好的求解效果。

因此本文考虑在标准的粒子群算法中融入遗传算法的思想，避免搜索进入局部最优的情况发生。图2为求解算法的流程，具体求解步骤如下：

1）随机选择一些个体充当初始粒子种群。

2）计算粒子的适应度，在初始种群中暂且把计算结果最高的粒子作为最优解。

3）按粒子群算法进行迭代。

4）将最优个体进行交叉变异。

5）计粒子的适应度，若适应度变大则接受变异进行6），否则不接受此次变异，回到4）重新进行交叉变异。

6）最优群体进行交叉变异。

7）计算粒子的适应度，若适应度变大则接受变异进行8），否则不接受此次变异，回到6）重新进行交叉变异。

8）满足一定的迭代次数后输出计算结果，否则回到6）。

4 算例分析

某地区低压微电网如图3所示。微电网的具体参数如表1所示。各个设备的运维费见表2，电网峰谷平时段的电价见表3.算例中蓄电池的充放电效率为0.9，自放电效率为0.02，初始时刻的电量为总容量的50%;光伏最大利用小时数为900h。

聚类所得的典型场景集如图4所示，每个场景对应的概率如表4所示。几个典型场景下储能和电动汽车在两种运行状态下的充放电情况如图5所示。

通过计算得，并网状态下，每年所需的购电量为76772.28kwh，购电成本为53085.62元，由图5的运行曲线可知，该充电策略使储能与电动汽车在峰荷期放电，在谷荷期充电，用电价低谷期增加的购电量去填补电价高峰期减少的购电量4223.05kwh，购电成本减少了2787.21元，使原购电成本减少5.25%;

在广义负荷功率水平较低的情况下，如场景l，并网状态下储能装置充放电次数较少，每天的充放电量仅4kwh，比孤岛状态下减少了16kwh，由此可见该模型方法通过减少储能的动作次数，延长储能设备的使用寿命，每年可减少充放电量4025.95kwh，减少设备运维成本1646.61元，使原运维成本减少了43.44%;

以场景6为例，做出充放电前后运行曲线的对比图，由图6可知该充放电策略可以削峰填谷，有平滑负荷曲线的作用，使得微型燃气轮机出力趋于平稳，既延长了微型燃气轮机机组的寿命，又保证了微电网的安全稳定运行。

5 结语

本文引入广义负荷作为研究对象，充分考虑了新能源出力与负荷的时序相关性。建立了并网与孤岛两种运行状态下的数学模型，并用改进的粒子群算法求解。算例表明本文所提的优化方法可以有效平缓负荷曲线的波动，减少储能设备的充放电频数。并网运行模式下，增加储能与电动汽车在电网低谷电价时段的充电量和在电网高峰电价时段的放电量，带来一定的经济效益;孤岛运行模式下，在不满足电力平衡约束或爬坡约束的情况下切除部分次要负荷，维持微电网安全稳定运行。