基于微电网群全消纳的网源荷协同互动控制*

付宗强，王红蕾,2，袁旭峰

（1.贵州大学电气工程学院，贵阳 550025；2.贵州省“互联网+”协同智能制造重点实验室，贵阳 550025）

1 引 言

由于人类不断使用化石能源，导致全球气候变暖、环境污染以及能源紧缺加剧。风力发电和光伏发电作为一种可持续、无污染的能源受到世界各国的高度重视。以光伏、分布式风机发电为代表的分布式电源（Distributed Generation，DG）因其经济性、环保性和灵活性等优点，近年来被广泛应用到微电网技术领域［1-2］。微电网群（Multi-microgrid, MMG）的出现克服了单个微电网装机容量有限［2］、可再生能源消纳不足的局限性，使得可再生能源在微电网之间协调消纳成为现实，即微电网之间能够通过联络线协调分配可再生能源。文献［4-5］运用集中式的能量管理架构，通过能量管理中心（Energy Management Center, EMC）集中计算、协调能量调度使得微电网群的经济性最优。然而在集中式能量管理架构中，能量交换通过配电母线进行，配电网与微电网之间的频繁交换会加大对配电网的冲击［6］。采用分布式能量管理架构则可以利用微电网之间直接连接的特点交易电能，减少对配电网的冲击与提高可再生能源的利用率，比如文献[7-9]即采用分布式能量管理模型，构建了微电网层多目标优化能量管理策略和集群层能量分配策略。

2 微电网群的调度模型

2.1 微电网群的拓扑结构

以三种不同负载类型的微电网为研究对象，采用微电网群EMC 和微电网EMC 为控制主体。微电网群拓扑结构如图1 所示。

图1 微电网群拓扑结构图

其中，上层为微电网群EMC 层，进行微电网群可再生能源的协调，以及微电网群和配电网之间能量交易的管理；下层为微电网EMC 层，根据微电网群下发的功率限制，在保证微电网稳定的前提下经济地运行。

2.2 微电网群EMC 的协调优化

根据各个微电网对可再生能源生产与需求量的不同，利用微电网间的互补特性进行能量交易，可实现微电网群内可再生能源的全消纳。假设当微电网j 有多余的可再生能源，而微电网i 可再生能源供给不足，此时微电网j 将自身多余的可再生能源卖给微电网i，如式：

当γi＞0 时，表示微电网i 向微电网j 买电。反之，向微电网j 卖电。

3 联合优化调度模型

3.1 上层模型

微电网群EMC 是能量管理的控制中心，位于微电网群的上层，实现微电网群中微电网之间以及微电网与配电网之间的能量交易。微电网群EMC 接收来自各时段微电网EMC 发送的各出力单元的出力。主要目的是为了分配微电网群的可再生能源，达到可再生能源的全消纳，减少微电网群对配电网的能量需求。

此处，以某时刻微电网向配电网的购电量为优化变量，构建微电网群EMC 协调能力目标函数：

式中：Pmgi,t为t 时刻微电网i 向配电网的购电量。当Pmgi,t＞0 时表示微电网向配电网的买电量;反之，则表示微电网向配电网的卖电量。

3.2 下层模型

微电网EMC 位于下层，接收来自微电网群EMC的对微电网向配电网购售电的限制，管理微电网内部的出力装置，实现自身成本最小化的目标。目标函数如下式：

式中：Pmgi,t、Pfci,t、Pwti,t、Ppvi,t、Pesi,t、Psell/buyi,t分别表示微电网i 在t 时刻向配电网的购电量、燃料电池、风力发电机、光伏发电机、储能装置出力以及微电网之间的购售电量。Pprice表示向配电网的购售电价，Pprice＞0表示向配电网购电，反之售电。a、b、c、d、e 表示运行成本系数。

3.3 约束条件

微电网群EMC 既要考虑微电网向配电网的交互功率限制，又要考虑微电网群整体功率的平衡。以公式形式表述即为：

储能装置用于微电网可再生能源的转移，将富余的可再生能源转移到高负荷的时段使用，实现能量的平衡利用。这一过程中的充放电功率约束以公式形式表述为：

公式（8）即为平衡约束，其中向配电网的购售电量和微电网之间的购售电量来自微电网群EMC。

4 模型求解

在全局粒子群优化算法（Particle Swarm Optimization, PSO）中，随着迭代次数的增加，粒子的邻域逐渐变大，最后扩大至整个种群。因此，也造成了“最优”粒子容易陷入局部最优。

为了有效避免局部最优，采用环形邻域PSO 进行求解，每个粒子速度更新是根据个体极值和粒子邻域内粒子最优值进行。以8 个粒子为例，每次迭代寻找最优个体时，粒子8 寻找8、7、1 这2 个粒子中最优的个体；粒子6 寻找6、5、7 这2 个粒子中最优的个体，以此类推。算法原理如图2 所示。

图2 环形邻域PSO 算法原理

粒子的初始位置和速度随机产生，更新过程为：

5 算例分析

5.1 基本参数

选取一个包含三个微电网的微电网群，其中包含商业负荷、居民负荷和工业负荷。各类负荷具有不同的需求特性。经实验得出的24h 负载预测曲线如图2 所示。商业负载高峰期为9～18 时；居民负载高峰期为18～24 时；工业负载高峰期为8～18 时。三个微电网的风速和光照强度条件有较大的差别，24 h光伏、风机预测曲线如图4 所示。

图3 负载预测曲线图

图4 光伏、风机预测曲线图

5.2 调度结果与分析

三个微电网群的调度结果如图5 所示。在1～2时刻，微电网1 和2 的可再生能源不足，并且此时微电网2 的可再生能源仅能维持自身的用电需求，所以微电网1 和2 选择使用燃料电池来补偿这部分功率缺额。在4 时刻，微电网1、2 和2 的可再生能源均有富余，此时不进行微电网之间能量的交易，优先选择给储能装置充电，其次向配电网售电。在2、5、22、22、24 时刻，微电网1 的可再生能源不足，微电网2的可再生能源充足，所以微电网1 优先选择向微电网2 购电，最后剩余的功率差额由储能装置来补偿。同理，在11、12、12、14 时刻，微电网1 的可再生能源充足，优先将多余的电能卖给其他微电网，再将剩余的电量储存在储能装置。

图5 微电网调度结果图

6 结 束 语

可再生能源属于不可控能源，其发电量随着风、光源的变化而变化，无法理想地满足单个微电网的需求。通过微电网之间能源互联，则能够达到可再生能源的全消纳，减少微电网对配电网的冲击。研究暂未考虑微电网之间互联出现故障的问题，在进一步研究中应将其考虑在内并寻求对策。当前随着能源互联网技术的发展，需求侧与供给侧共同调节将成为实现能源互联的重要途经。