风光储微电网容量配置优化综述

吴榆俊 钟 森

（国网江苏省电力有限公司丹阳供电分公司）

0 引言

步入21世纪以来，随着环境问题愈发严重和化石燃料的存量不断减少，各国开始不断地提高对环境保护和能源安全问题的重视。2021年，我国率先提出了“碳达峰”和“碳中和”的目标，随后电力行业也积极响应这一目标。这表明我国电力能源体系将从依靠化石燃料为主体的形式向以新能源为主体的形式转变。

各种新能源当中，目前最具发展前景的当属光伏发电和风力发电，据国家能源局统计，2021年全年我国光伏新增装机容量共30656万千瓦，同比增长20.9%，风电新增装机容量共32848万千瓦，同比增长16.6%，由此可见国家对于光伏和风力发电的积极推进。

1 风光储微电网主要形式

光伏发电和风力发电都具有较大的波动性和随机性，从而导致其接入电网后会对电力系统的稳定性带来一定的负面影响。另外，虽然我国的风能和光能资源十分丰富，但是风能和光伏都集中在西北、西南地区，而主要用电量较多的城市都分布在东南沿海地区，这样经过输送会使得本来投资就相对较高的新能源发电的成本再次提升，使得其经济效益下降，最终阻碍了新能源发电的大规模推广。

为克服上述问题，更好地利用新能源发电，国外学者Lasseter提出可以建设微电网［1］，微电网可以看作是一种小型的电力系统，主要可以利用当地的自然资源进行分布式发电来为当地负荷供电。因为其发电方式主要是风能、光伏以及其他形式互补，还配有储能设备，所以其能够较好地克服光伏发电和风力发电都具有较大的波动性和随机性的缺点。另外，由于其主要为当地负荷供电，因此，不需要在架设输电线路，减少资金的投入。微电网优点虽多，但是要能够充分发挥微电网的优点，关键在于如何确定其容量配置，微电网的容量配置就是在既定的目标下如何设置各主要设备的装机容量从而达到最优。为了尽可能地获得最好的容量配置方案，国内外专家学者对此做了大量研究，本文主要综述国内外学者在风光微电网容量配置方面做的一些研究，将从风光储微电网的各种形式、容量配置的评价指标和容量配置的求解验证技术三个方面来进行阐述。

风光互补的微电网早期的主要形式是依靠风光互补发电来为负荷供电，但这种形式并不能很好地降低其波动性和随机性，随着电力系统储能技术的不断发展，新一代的微电网都加入了储能设备来缓解供需不匹配的状况。

基于不同的储能方式，目前已经出现了多种以风光互补为主要发电方式的微电网形式［2］。具体如下表所示。

表 风光储微电网的各种形式

2 容量配置问题的评价指标

容量配置问题从本质上来说是一个在多个等式和不等式条件约束下的单目标或多目标的非线性优化问题，而无论是目标函数还是约束条件的确定都与微电网的评价指标有关，将对常用的评价指标做一些列举。

总的来说，微网容量配置问题的评价指标共有四大类，分别是经济性指标、可靠性指标、环境性指标和社会性指标。

2.1 经济性指标

微电网的经济性很大程度上决定着微电网容量配置方案的可行性，只有经济效益达到标准后，才表明建设该容量配置方案下的微电网是可行的。经济性指标主要有：①寿命期总成本（Life Cycle Cost，LCC）或总实际成本（Total Precent Cost，TPC）或净现值（Net Present Value，NPV）或总成本 （Total Cost，TC），这些主要是用于表征微网整个使用周期内的总成本，是一种比较直观的指标。②平均发电成本（Levelised cost of energy，LCOE），用于表征微网每发一度电所需要的成本，是一种比较精确的指标。③年度总成本（Total Annual Cost，TAC）或年度系统成本（Annual System Cost，ASC），用于表征系统年度的总成本，精度介于前两者之间，方便后期对于微网进行微调。

2.2 可靠性指标

作为供电系统，其供电的可靠性必然是非常重要的评价指标，同样在进行容量配置时，可靠性指标也有着重要的参考价值。可靠性指标主要有：①供电缺失概率（Loss of Power Supply Probability，LPSP），负荷缺电率（Loss of Load probability，LOLP），负荷缺失风险（Loss of Load Risk，LOLR）或负荷预期缺失（Loss of Load Expectation，LOLE），这些指标主要是从负荷侧来体现微网的可靠性高低。②能量波动率（Energy Fluctuation Rate），从供电质量来表征微网可靠性的高低。

2.3 环境性指标

环境性指标主要是针对一些微网当中可能会对环境造成污染的设备（如柴油发电机、蓄电池等）而设置的，主要的环境性指标有：①二氧化碳的总排放量（Total CO2Emissions），这一指标主要是针对含有柴油发电机的微网需要控制温室气体的排放而设置的。②生命周期评估（LCA），主要是针对蓄电池这种类型的设备，其生产和报废阶段都会对环境产生一定的污染。

2.4 社会性指标

社会性指标主要是用于评价微网对于社会产生的一些影响，这一类评价指标的种类并不是很多。碳排放的社会成本（Social Cost of Carbon，SCC）是一种社会性的评价指标，主要用来表征微网运行过程中产生的温室气体所产生的社会性影响。

3 容量配置问题的求解方式

容量配置问题本质上是一个单目标或多目标的优化问题，而优化目标，也就是目标函数通常都是非线性的，这类问题的求解，通常有三种主要方式，分别是传统的求解方式，群智能算法以及软件工具。

传统的求解方式主要是使用各种迭代、数值解析、图形构造等方法。学者Hosseinalizadeh R采用迭代技术求解了PV－WT的微网容量配置问题，得出的方案经过验证表明，该系统与其他系统相比成本更低［14］。胡林献［15］等人建立了以工程寿命内总收益最大为目标函数的风光互补系统容量优化配置模型，考虑风光互补性、风光资源利用率、跟踪调度曲线等约束，以工程寿命内总收益最大为目标函数的容量优化配置模型，提出一种变步长循环离散求解方法。最后通过算例验证了配置方案和算法的合理性。

群智能算法主要是模仿一些动物、微生物种群的习性而提出的一种智能算法，这类算法的求解速度与精度都比较好，因而是目前使用的最广泛的一种方式。刘鹏飞［5］以系统年值成本为目标函数，系统年缺点率等为约束条件，运用一种基于混沌的QPSO算法来对风光氢储的系统进行容量配置，通过仿真验证了得出的结果准确性。王广玲［12］以系统总成本为目标函数，在考虑空间限制、蓄电池寿命、入网功率的波动的情况下，采用粒子群（PSO）算法分别进行求解并仿真，得出结论，储能设备对提升系统的经济性和稳定性都具有很大的作用。陈永进［7］建立了以微电网投资及运营成本、年弃风弃水电量和电源年发电量为目标函数的多目标优化模型，通过基于精英策略的非支配性排序遗传算法（NSGA-Ⅱ）求出模型的最优解集，并采用逼近理想解排序方法（TOPSIS）选择满意的配置方案，随后进行仿真，验证了该配置方法的实用性和经济性。除了上述的群智能算法外，还有人工蜂群算法 （ABC）［11］、麻雀搜索算法 （SSA）［13］、蚱蜢优化算法（GOA）［16］、蚁群算法（ACO）［17］、差分进化算法（DE）［18］等都可以用于求解微电网容量配置优化的问题。

可用于求解验证容量配置问题的软件目前主要有两种，分别是HOMER和iHOGA［14］。HOMER是由美国NREL发展起来的一个小型的电力系统优化模型软件，可应用于离网和并网的电力系统评估设计任务中［20］。胡文雷［21］利用HOMER软件对系统功容量配置问题进行研究，以总净现成本最为目标函数，得出最优配置方案，并对蓄电池状态以及供电可靠性进行分析验证。Ramli M［22］利用Matlab和荷马软件仿真验证了沙特阿拉伯西海岸地区PV-WT混合系统的潜力。

4 结束语

本文主要综述国内外学者在风光微电网容量配置方面做的研究，从风光储微电网的各种形式，容量配置的评价指标和容量配置的求解验证技术三个方面来进行汇总。

1）对于风光储微电网的形式而言，今后主要可以研究加入其他不同的优质储能方式，比如进一步细化氢储能，盐差能储能等清洁的储能方式。

2）对于评价指标而言，可以为了更好地评价整个系统的优劣，可以进一步考虑如何优化个别更好的同时在目标函数上耦合多种类型的评价指标。

3）对于求解仿真技术来说，今后除了采用更好的群智能算法以外，还应当结合控制策略来进一步精确地优化容量配置。

总而言之，风光储微电网作为一种能够很好地利用新能源的形式，十分具有发展前景。