基于光伏和蓄电池的智能小区能量调度优化策略研究

于港旭，李中伟，金显吉，郭丽华，张 啸

(1.哈尔滨工业大学电气工程及自动化学院，黑龙江 哈尔滨 150001；2.哈尔滨学院黑龙江省地下工程技术重点实验室，黑龙江 哈尔滨 150086)

0 引言

近些年，随着人们生活水平的提升，居民用电量大幅度提升，给电力部门带来了新的供电压力。新建小区中大都部署了风能、太阳能等新能源发电装置。如何管理这些新能源发电装置、解决好与小区用电负荷之间的能量调度优化问题，已成为国内外学者的研究热点。文献[1]提出了基于分时电价的家庭智能用电管理系统智能用电优化算法。该算法可为用户适当削减用电费用,同时能够防止引入新的用电高峰。文献[2]介绍了一种带有对电、水、气、热进行远程集中抄表功能的小区能量调度系统。该系统可以实现对小区各种能耗数据的集中采集，为下一步的数据挖掘作准备。文献[3]提出在电网控制中心层、智能小区控制层和各个参与调度家庭之间使用Open ADR2.0通信标准，为未来智能小区建设时的各个控制层之间的通信提供了一种设计方案。文献[4]提出了一种基于实时电价的家庭能量管理系统多目标能量调度优化策略，使系统中源、储、荷的相互协作和经济运行成为可能。

光伏发电作为一种清洁的发电方式，可以有效降低小区用电费用。合理的能量调度优化策略可以实现光伏发电就地消纳[5]。光伏发电功率的大小受天气的影响较大。直接将小区光伏发电系统接入电网，不仅无法使其参与小区的能量调度优化，还会因为发电功率波动影响电网的电能质量[6]。

本文结合负荷用电优化策略和光伏、蓄电池的工作特性，提出以用电费用最低为目标的能量调度优化策略，给出优化目标及约束条件，以实现智能小区能量调度优化。

1 光伏和蓄电池模型构建

本文将智能小区的家用负荷分为温控负荷(如空调和电热水器等)、不可调整类负荷(如电视机和电灯等)和可调整类负荷(如电饭煲和洗碗机等)。本文在构建光伏、蓄电池数学模型基础上，提出智能小区能量调度优化策略。不可调整类负荷、可调整类负荷的数学模型采用文献[7]中构建的数学模型。温控负荷的数学模型参考文献[8]。温控负荷模型主要考虑了空调和电热水器的工作状态。不可调整类负荷主要依据负荷是否工作而建模。可调整类负荷依据其是否工作在设定时间内而建模。

1.1 光伏发电系统数学模型

光伏发电具有对地域要求较低的特点，能量转化率高且安装成本较低，符合我国小区中分布式电源的要求。单位面积光伏太阳能板的发电量大小受该时刻的太阳能辐射量影响。文献[9]中，标准测试条件下光伏的最高输出功率可表示为：

PPV=ηPVSPVISTC

(1)

式中：PPV为在测试条件下的光伏发电装置的最高输出功率，kW；ηPV为太阳能向电能转化时的效率；SPV为小区内部署的太阳能电池板的总面积，m2；ISTC为在测试条件下的太阳光辐射强度，kW/m2,本文取ISTC=1 kW/m2。

对于已经出厂的光伏发电装置，PPV的大小由生产厂家提供，在实际使用时其发电功率大小与实际使用时的温度和辐射强度有关。因此，光伏总的输出功率为[10]：

(2)

式中：PPV(t)为t时刻的光伏发电功率，kW；kP为光伏发电的功率温度系数，通常取0.004；It为t时刻小区的光照强度大小， kW/m2；Tt为t时刻室外温度，℃ ；TSTC为厂家测试时的标准测试温度，℃，通常为25 ℃。

1.2 蓄电池数学模型及其工作特性

光伏发电对天气变化较为敏感，通常与蓄电池配套使用。当光伏发电量充裕时蓄电池储存电能，在小区负荷高峰时释放电能供用户使用。文献[11]中蓄电池的运行状态可表示为：

(3)

式中：RSOC(t) 、RSOC(t+1)为t时刻、(t+1)时刻蓄电池的荷电状态(state of charge,SOC)；Pc(t)、Pd(t)为蓄电池的充电功率、放电功率大小，kW；ηc为充电效率；QB为出厂额定容量,kW·h；Q(t)为t时刻蓄电池的容量大小,kW·h；γ为蓄电池处于一日内不运行状态时的放电率，通常为蓄电池容量的百分之一/天； Δt为相邻2个充电、放电之间的时间间隔。

频繁的充放电会降低蓄电池的使用寿命。在制定蓄电池的使用成本模型前，需确定在使用寿命之内蓄电池的可使用次数。参考文献[12]，可得蓄电池可充放电的总次数：

Nc,d=c1+c2e-c3·DDOD+c4ec5·DDOD

(4)

式中：Nc,d为蓄电池的总的允许充、放电次数；c1、c2、c3、c4、c5为由生产厂家提供的系数，取值与蓄电池的特性有关；DDOD为蓄电池的放电深度，数值上等于放电量除以额定容量。

一般情况下，蓄电池在工作时，每次的DDOD有一定差异。随着充放电深度不断加深，蓄电池的损耗也逐步增多。假设蓄电池每次放电后均被充满，则电池在使用寿命之内总的充放电大小可由式(5)计算得到。

(5)

式中：Q∑为蓄电池在使用寿命之内总充、放电量,kW·h；DDOD(i)为第i次的放电深度；nt为蓄电池使用寿命之内总的充、放电次数。

根据式(4)和式(5)，得到蓄电池工作一日的损耗费用计算方式：

(6)

在设计蓄电池的容量时，应该满足可独立向小区可靠供电2 h的目标。按照每户需约2 kW蓄电池容量计算，可得小区的蓄电池的总容量为5 280 kW·h 。市场铅蓄电池的价格约为每块510元。根据某小区具体情况，估算出该小区需要部署该类蓄电池4 100块，则小区部署蓄电池前期总投入约为210万元。通过查询市面上蓄电池的使用寿命可知，该类蓄电池在寿命内的允许放电次数为1 200次。根据式(5)，计算得到蓄电池报废前可进行充、放电的总电量为Q∑=1.056 ×107kW·h。

1.3 蓄电池数学模型及其工作特性

本文以河北某智能小区为例，采用本文所构建的光伏发电系统和蓄电池数学模型，得到该小区夏季某日光伏发电变化曲线，进而验证本文所提智能小区调度优化策略的有效性。该智能小区共11栋居民楼，平均每栋楼约有住户60户。假设该小区11栋居民楼的楼顶均安装太阳能电池板。根据太阳能电池板厂商提供的数据可知标准测试情况下光伏电源总输出功率标准值。通过查询气象部门的预报，可得该小区所在地一日室外温度变化和光照辐射变化。将一日内的温度变化和辐射强度变化代入式(2)，得到的智能小区在夏季某一天光伏发电功率变化曲线如图1所示。

图1 智能小区在夏季某一天光伏发电功率变化曲线

2 智能小区能量调度优化策略

2.1 智能小区能量管理系统

在提出智能小区能量调度优化策略前，本文设计的智能小区能量管理系统总体架构如图2所示。

图2 智能小区能量管理系统总体架构

每栋单元楼设有1个光伏电源和1个蓄电池，用于调度本单元楼的电能。光伏发电功率和蓄电池容量根据每栋住宅楼用户负荷总功率确定。

为了将所提出的能量调度优化策略应用于智能小区，需在智能小区中建立单独的能量调度中心(智能小区控制中心)，负责智能小区能量管理系统的运行工作。其主要工作包括：①设计调查问卷，收集用户的用电习惯，通过大数据分析挖掘节能潜力；②分析小区采用能量调度优化策略后的节能效果；③通过云端或者无线传感器网络，对光伏、蓄电池和小区的家用负荷进行控制，以实现提出的控制策略。

2.2 优化目标与约束条件

调度过程中的目标函数为小区调度一日产生的费用最低。定义一日内智能小区家用负荷因运行而产生的总用电费用为fload、一日内蓄电池的损耗费用为fcost、一日内住户因为光伏电源向其提供电能而削减的电费为ΔfPV、小区由光伏电源向电网输送电能获得的收益为fgain、一日内住户因为蓄电池向其提供电能而削减的电费为ΔfB。目标函数表达式如式(7)所示。

fday=min{fload+fcost-ΔfPV-fgain-ΔfB}

(7)

目标函数中，fload计算表达式为：

(8)

目标函数中，ΔfPV的计算表达为：

(9)

目标函数中fgain的计算表达式为：

(10)

目标函数中，ΔfB的计算表达式为：

(11)

能量调度优化策略中的约束条件包括：蓄电池荷电状态不等式约束，如式(12)所示；小区功率等式约束，如式(13)所示。

20%≤RSOC≤100%

(12)

(13)

2.3 能量调度优化策略实现流程

本文所提能量调度优化策略中采用的可调整类负荷群、温控负荷群的用电优化策略可参考文献[7]。根据已有的负荷的用电优化策略，本文提出智能小区能量调度优化策略。该优化策略具体的实现步骤如下。

①设计调查问卷，统计小区居民用电行为习惯。

②根据用户的使用计划，得到小区内可调整类负荷、温控负荷的用电优化策略。

③通过当地权威的气象部门，得到一日内的室外温度变化情况和太阳能辐射变化情况，进而通过建立的光伏发电模型模拟出小区一日内的光伏发电功率。

④选择1 min为最小时间片段。当电价处于较低水平时，小区所用电能全部来源于电网。同时，如蓄电池处于较低电量时也由电网充电。当电价不处于较低电价水平时，在供电稳定的前提下使用光伏装置向小区供电，而电网向小区供电则作为补充。

⑤根据实际情况，上位机下达实时的调度指令，用于执行小区能量调度优化策略。

智能小区能量调度优化策略实现流程如图3所示。该策略由智能小区控制中心的能量管理系统上位机执行。

图3 智能小区能量调度优化策略实现流程图

当某一时间内电价处于较低水平时，小区所需电能全部由电网提供。当蓄电池中的电能与满电状态时的电能基本保持一致时，光伏电源会将电能输送给电网；当蓄电池的电量不足时，位于小区内部的光伏发电系统会将电能输送给蓄电池。

当电价不处于较低水平时，如光伏发电系统所发出的电能超过小区负荷消耗的电能，小区由光伏供电，并根据蓄电池当前含有电能的多少来决定光伏所发电能扣除负荷所需电能后是向蓄电池还是电网输送电能。当光伏发电的电能无法满足负荷所需电能时，蓄电池与电网共同承担这一负荷所需电能的缺额，且在蓄电池状态允许的情况下优先考虑蓄电池。

3 仿真结果与分析

目前，国内外采用的电价形式主要有阶梯电价、分时电价(峰谷电价或峰谷平电价)和实时电价等。国内多执行分时电价。因此，本文选用如图4所示的河北省试行的分时电价曲线，对本文提出的智能小区能量调度优化策略的有效性进行验证。其同样适用于实时电价。

图4 分时电价曲线

在MATLAB平台上对本文所提出的智能小区能量调度优化策略的有效性进行仿真验证。本文选取的河北某智能小区参与能量调度优化的负荷数量统计如表1所示。根据一般用户习惯，将表1中的负荷归属为可调整负荷、不可调整负荷和温控负荷，具体应用时由用户设定其哪种负荷属于哪种类型。

表1 河北某智能小区参与能量调度优化的负荷数量统计

Monte Carlo以概率统计理论为核心。在求解问题的过程中：首先，搭建一个概率模型或建立一个随机过程，使它的参数或数字特征等于待求解问题的解；然后，通过对模型或过程的观察或抽样试验，计算这些参数或数字特征。最后，得出待求问题解的近似值。

以模拟智能小区中电视机负荷曲线为例，基于蒙特卡洛法的智能小区日负荷曲线模拟流程如图5所示。

图5 基于蒙特卡洛法模拟电视机日负荷曲线流程

在初始阶段，需要恰当地设定模拟次数(对于此方法，200～500次是比较理想的模拟次数)，调查并核实小区全部居民楼的电视机数量。然后，利用智能小区所有住户电视机开启时刻和运行时长的合理分布情况，在每个模拟周期内生成各台电视机开启时刻和运行时长的随机数，并将电视机负荷曲线与之叠加。最后，当模拟次数达到初始设定的次数同时满足收敛条件时，输出电视机的日负荷曲线。上述方法也是智能小区内其余负荷曲线的生成方法。

利用蒙特卡洛法，对图3中所提出的智能小区内可调整类负荷、温控负荷的能量调度优化策略进行仿真验证。优化前后智能小区日负荷曲线如图6所示。

图6 优化前后智能小区日负荷曲线

根据图4和图6，计算可得该小区优化前一日内用电负荷共产生用电费用8 555元，优化后用电费用为7 390元。优化后相比优化前节约电费1 165元。优化前后一日内电网和光伏向智能小区供电功率变化情况如图7所示。

图7 优化前后一日内电网和光伏向智能小区供电功率变化情况

根据图7中光伏出力情况可知，光伏不能持续稳定地向小区进行供电。结合图4所示的分时电价进行计算，可得在采用能量调度优化策略后由于光伏向小区供电可以为小区节约用电费用2 060元。在光伏不向小区供电时，光伏的工作状态分为向电网馈电和向小区部署的蓄电池充电2种工作模式。查阅市面上的光伏上网价格可知光伏的上网价格为0.65元/kW·h。假设蓄电池工作前的荷电状态为0.8。通过对仿真结果的分析可知，采用能量调度优化策略后蓄电池工作一日的损耗费用为210元，光伏向电网馈电一日的收益为1 250元。经过计算可得，采用本文提出的能量调度优化策略后可以每日为小区节约用电费用3 100元。

4 结论

本文基于已构建的不可调整类负荷、可调整类负荷、温控负荷的数学模型和提出的用电优化策略，建立光伏、蓄电池的数学模型，提出了以用电费用最低为目标的智能小区能量调度优化策略。小区家用负荷采用用电优化策略前后分别采用蒙特卡洛法来进行模拟，并通过仿真软件对这一策略进行仿真验证。仿真结果表明，本文所提的能量调度优化策略能够使得居民用电费用显著降低。本文研究成果可有效提高智能小区能量利用率，降低用户成本。随着智能小区的快速发展，本文的研究成果具有广阔的应用前景。