考虑多能互补的小区式微电网供电系统优化设计

2022-12-17孙长海鞠爽陈百通郭佳彬李天明

电测与仪表 2022年12期

孙长海，鞠爽，陈百通，郭佳彬，李天明

(1.大连理工大学电气工程学院，辽宁大连 116024； 2.大连理工大学控制科学与工程学院，辽宁大连 116024)

0 引言

据美国石油协会估计，在2050年之前，世界经济的发展将越来越依赖化石能源。而其不可再生性将使清洁能源的使用量大幅增加。文献[1]介绍了偏远地区型、家庭小区型、办公楼宇型、工业园区型和实验研究型五种微电网应用场景，拓宽微电网的使用场景。文献[2]分析了工业园区多微网的特征，提出适合工业园区多微网的设计流程。而为减少远距离输电成本，文献[3]在偏远农村建立小型风光互补系统，满足用电需求。文献[4-5]针对独立海岛微网研究了其分布式电源容量配置，以及应用于负荷为海水淡化的关键技术研究。

微电网的应用场景多种多样，优化和评价微电网的方式也不尽相同。文献[6-7]利用改进灰狼算法、细菌觅食算法等不同智能算法的方式求解微电网调度的数学模型或经济最优模型，可更快获得全局最优解。文献[8]运用多种供电方式，提出两种能源系统，一是包含光伏、柴油发电机和储能系统，二是仅基于光伏和储能。通过优化分析，使系统成本最低。而文献[9]增加供电子系统，以风光柴储联合供电，但除整体经济性外并未进行其他评价分析。文献[10]从可靠性、优质性、经济性以及环保性四个方面评价微电网系统，为容量配置提供基础。文献[11-12]虽构建多目标优化，但都对目标进行归一化处理，其核心依旧为单目标。

随着分布式电源在用户侧的规模化接入，作为微网群的子系统，小区式微电网的投入量将大幅增加。上述文献从不同角度解决微电网中可再生能源消纳问题，但存在供电模式简单、评价指标单一等缺点，且分布式能源系统的选取因地理位置不同而不同。文中结合大连地区小区实际情况建立融合风、光、柴、储联合供电的孤立小区智能微电网系统，以各组件数量和类型为变量，综合考虑净现值成本、环境惩罚和可再生能源利用小时数的多目标优化模型，并从系统经济性、环境友好性、组件寿命敏感性、可再生能源使用情况四个方面评价其性能。

1 源荷特征

1.1 供电方式

根据NASA气象信息，知大连地区年风速有效小时数约为6 500 h，太阳全年日照时数总和约为2 688 h。根据我国资源划分标准知大连属于风资源丰富区、太阳能资源一般区。对比风光两种清洁能源，在冬季光照强度较弱时，是风资源最丰富的时段；而夏季风速较小时，光照强度强。所以大连地区的风资源与太阳能资源形成天然互补优势，为住宅小区的建立提供自然基础。

为确保供电可靠性、减少功率波动性，增加储能系统并用柴油发电机(Diesel Generator，DE)作为后备电源。当光伏(Photovoltaic，PV)与风力发电机(Wind Turbines，WT)可正常运行时，由二者供电；当二者出现事故或供电不足时，由DE或储能供电。

1.2 负荷特征

以大连地区为工程设计点，拟设计一个独立的小区式智能微电网。根据《城市居住区规划设计规范》，目标设计一个组团级别的小区式微电网，其中包括100户家庭和公共用电设备，通过对大连地区30户各类家庭及其所在小区用电量调查，得平均每户家庭用电量为4 380 (kW·h)/年，约12 (kW·h)/日。所以设置小区负载日用电量Q约为1 200 kW·h。

图1(a)是一天24小时内各时段负荷情况，小区内大多数为家庭住宅用电，少数为公共设施，在18时、19时外出工作时段之后，为日用电高峰。月负荷概况如图1(b)所示，由于夏季空调、风扇使用较多，7月份、8月份用电量高。

图1 小区负荷概况

2 小区供电系统出力模型

2.1 风力发电

风机轮毂高度为z时风速公式为：

(1)

式中vzREF为高度zREF米处实测平均风速(m/s);n为表面粗糙度。

WT功率曲线给出了输出功率与风速的关系[13]，即WT在时间步长t内的发电量如式(2)所示：

(2)

式中PWT为额定功率(kW)；a1～c3为回归系数。

2.2 光伏发电

PV在时间步长t内的发电量如式(3)所示：

(3)

式中G为阵列表面垂直辐射(W/m2)；PPV，rated是PV在G为1 000 W/m2时的额定功率(kW)；ηPV,conv为PV的DC/DC变换器和最大功率点跟踪系统(MPPT)的效率。PV系统通常配有MPPT系统，所以可默认PV的工作状态保持在最大功率点附近。文中取PV配备95%的效率。

2.3 柴油发电机

简化处理DE发电量与DE耗油量之间的关系，假设DE油耗Cdiesel为线性函数，如式(4)所示：

Cdiesel(t)=d1×Ediesel(t)+d2×Pdiesel×ndiesel×Δt

(4)

式中d1和d2是柴油消耗系数[14](L/(kW·h))；Ediesel(t)为DE在时间步长t内的发电量(kW·h)；Pdiesel为一台DE额定功率(kW)；ndiesel为运行发电机数量(台)。

2.4 储能系统

蓄电池相较其他储能设备(如钒液流电池、超导储能等)，技术更成熟，利用率高，体积小，适合较大容量的安装。荷电状态(State Of Charge，SOC)是蓄电池的重要参数[15]，表征蓄电池剩余电量与总容量之比。蓄电池SOC在时间步长t内放电与充电公式分别如式(5)和式(6)：

(5)

(6)

式中Pbat(t)为蓄电池在t时刻的输出功率(kW)；Cbatmax为蓄电池额定容量(kW·h)；ηdis为放电效率；ηc为充电效率；SOC(t-1)为蓄电池前一时刻的荷电状态;t为时间间隔。

2.5 变流器

PV和WT分别产生直流电和交流电，变流器可作为整流器将交流转换为直流，也可作为逆变器将直流转换为交流。系统需变流器维持交直流设备之间的能量传动。逆变器容量Pinverter如式(7)所示：

Pinverter=Eload,max/ηDC/AC

(7)

式中Eload,max为最大负荷需求(kW·h)；ηDC/AC为变流器效率，取90%。

3 优化运行模型

3.1 优化变量

以微网中WT类型Twind(即WT单机额定功率)，WT台数Nwind，PV容量PPV，rated，DE类型Tdieseel(即DE单机额定功率)，DE台数Ndiesel，蓄电池类型Tbattery，蓄电池组数Nbattery为优化变量。

3.2 目标函数

在建立生命周期内净现值成本最小、污染物排放最小的基础上，增加可再生能源利用小时数最大为第三个目标函数。可再生能源年平均利用小时数可有效反映供求关系。在可行配置中，最大化的利用小时数，可提高可再生能源利用效率，避免资源浪费。

(1)净现值成本

系统总净现值成本(Net Present Cost，NPC)是在生命周期内所有成本的现值，减去所有收入的现值。成本包括资本成本、更换成本、运维成本、燃料成本等。收入包括残值以及并网时可向大电网售电的收入。其表达式如式(8)所示：

(8)

式中CNPC指总净现值(元)；Csalvage是残值，指在系统生命周期结束时，某个部件的剩余价值(元)

CNPC、Cann(n)所包含的内容如式(9)、式(10)所示：

(9)

式中Cann(n)指第n年成本(元)；N指系统寿命(年)；a指年实际贴现率。

Cann(n)=Cann,capital(n)+Cann,replacement(n)+Cann,O&M(n)+Cann,fuel(n)

(10)

式中Cann，capital(n)、Cann，replacement(n)、Cann，O&M(n)、Cann，fuel(n)分别为第n年的初始成本、设备更换费用、运维费用、燃料费用，其中除燃料费用外，均包含风、光、柴、储、逆变器的花费。

(2)环境惩罚

污染物排放量最小可等效为环境惩罚最小，其表达式如式(11)所示：

(11)

式中cCO2、cCO、cUMC、cPM、cSO2、cNOX分别为CO2、CO、未燃烧的碳氢化合物(Unburned Hydrocarbons，UHC)、PM、SO2、NOx的排放惩罚(元/吨)；MCO2、MCO、MUHC、MPH、MSO2、MNOX则为其排放量(千克/年)。

(3)可再生能源利用小时数

总利用小时数为每部分供电子系统利用小时数按其累计装机容量的比例加权和。所提出的模型是规划期间的最大使用时间总和，如式(12)所示：

(12)

式中Pn,all指第n年供电系统总输出功率(kW)；Pn,wind指第n年WT输出功率(kW)；Pn,PV指第n年PV输出功率(kW)；hn,wind和hn,PV分别为第n年风、光年均利用小时数(h)。

Pn,all计算式如式(13)所示：

Pn,all=Pn,wind+Pn,PV+Pn,diesel+Pn,battery

(13)

式中Pn,diesel指第n年DE输出功率(kW)；Pn,battery指第n年蓄电池输出功率(kW)。

3.3 约束条件

(1)小区微网功率平衡约束：

Pall(t)=Pload(t)

(14)

式中Pall(t)为t时刻供电系统输出功率(kW)；Pload(t)为t时刻用户所需功率(kW)。

(2)蓄电池SOC约束：

SOCmin≤SOC(t)≤SOCmax

(15)

式中SOCmin和SOCmax分别表示SOC最小和最大约束。

(3)为避免DE低载运行，设置约束:

Ediesel(t)≥DGmin×Pdiesel

(16)

式中DGmin为最低功率约束指标，取30%。

4 优化分析

4.1 优化求解

优化小区微网供电结构的目标是在满足用户需求、经济发展、环境友好、技术可行等要求的前提下，以经济最优投入，合理并高效地运用可再生能源，而单一的经济目标不能充分表征可再生能源的消纳情况，若同时考虑多个目标通常是相互冲突的，优化流程如图2所示。

图2 小区微电网供电系统优化框架

文中采用NSGA2以及美国国家可再生能源实验室开发的HOMER软件分别求解。NSGA2求解流程如图3所示。文中从经济性、环境友好性、可再生能源消纳三方面设置目标函数，其中环境友好性可经济化，整合到成本中，简化为双目标优化，即成本最小、可再生能源利用小时数最大的倒数。

图3 NSGA2算法流程

根据第一章源荷特征，采用所提出的优化模型进行优化配置计算。DE、PV、WT、蓄电池和变流器相关参数如表1所示，DE燃料费用为5.2元/L。

表1 相关参数

DE与WT的单机额定功率均分别为10 kW和25 kW。蓄电池单体容量为50 kW·h、100 kW·h。排列组合如表2所示，其他决策变量由优化获得。系统优化规划使用年限为25年，折现率r取5%。NSGA2中的种群个数为100，迭代次数为10 000。优化结束的判据为进化代数。最后一代种群的所有非支配解构成的集合，为Pareto最优解集。如图4为Pareto解集合。

表2 不同单机容量组件的组合方案

图4 Pareto解集合

如图4所示，经济性和可再生能源年利用小时数相互制约，主要由于DE投入时，WT、PV必定供电量不足，增大可再生能源年利用小时数可再生能源年利用小时数则需要减少DE容量及其投入使用的次数，为此需要安装更多的可再生能源发电和储能电池，带来了整个系统成本的上升。在Pareto解集中分别选择出上述方案的代表结果，如表3所示(①为PPV，rated/kW，②为Nwind/台，③为Nbattery/组，④为DE运行时间/h，⑤为CNPC/兆元，⑥为可再生能源年利用小时数/h)。

采用乘除法决策该多目标优化问题，当有m个目标y1(x)，y2(x)，…，yk(x)的值要求优先选择较小值，目标yk+1(x)，yk+2(x)，…，ym(x)的值要求优先选择较大值，且yk+1(x)，yk+2(x)，…，ym(x)都大于0，于是可采用如式(17)的决策方式，求其最小值。

[34] Andrew Browne, “China’s World: China Is Capitalizing on the West’s Retreat,” The Wall Street Journal, July 6, 2016.

(17)

表3 方案结果对比

各方案决策结果如图5所示，可知方案五略优于其他方案。以方案五为例，两种求解方法的结果对比如表4所示。

图5 决策结果

表4 方法结果对比

HOMER的优化方式是仅以经济最优为目标，所以用少量价格较贵的WT而投入更多的PV，而PV受外界条件影响大，需投入稍多的DE。而本文通过NSGA2多目标优化，考虑环境、可再生能源利用的因素，NPC相较HOMER略高，但可再生能源年利用小时数有所提高，且较少投入PV，无光照时供电更稳定，也可根据不同需求选择不同的配置方式。

如图6所示，为方案五供电系统各分布式发电单元出力以及负荷需求情况。DE在8月～10月风光均弱的时候给系统供电，99%的电量输出不产生有害气体，降低环境危害，系统发电量始终大于用电量，满足用电需求。

图6 各分布式发电单元出力及负荷需求

如图7所示，是一月份的某一天各分布式发电单元出力及负荷需求情况，该时段DE未工作，一天中，风光发电量几乎可满足整个系统，仅在傍晚阶段需蓄电池供电，此时风速低、光照弱。

图7 24小时各分布式发电单元出力及负荷需求

如图8所示，模拟运行一年8 760 h为光伏出力和蓄电池放电情况，选取一年中的某几天，可看出蓄电池供电阶段与光伏是交替互补的，蓄电池在夜间使用频率更高。

4.2 组件寿命敏感性

HOMER特有的敏感性分析可对方案进行完善。图9是风光储组件寿命与DE发电量的关系图，横坐标为PV寿命，纵坐标为WT寿命，图谱数值为DE发电量，其中图9(a)～图9(c)分别是储能系统寿命为5年、10年、15年时其它三者的关系。

图8 光储供电情况

图9 组件寿命敏感性

分析风光柴储之间的互补关系，控制经济最优化，模拟组件寿命不同时系统容量配置的差异。分析图9(a)(图9(b)、图9(c)同理)，即在储能系统寿命确定为5年时，风光柴不同容量组合对经济的影响。若WT寿命短，PV寿命长(如图9(a)下方部分)，则WT更换和维修的成本更高，为保证系统经济最优，会较少投入WT，更多使用PV。而PV夜晚光照强度几乎为零，风光发电量小于用户用电量时，需使用DE，所以此时DE发电量较多。系统应合理投入DE，在花费最少时，保证用户可靠用电。图中其他部分同理。

对比分析图9(a)～图9(c)，当风光组件寿命一定时，蓄电池与DE发电量并不是完全线性关系，因为寿命较短的蓄电池，其本身初始成本低，且在其服役期间充放电磨损成本也较低，在经济最优条件下可选择多投入。蓄电池容量大，那么后备电源DE使用减少，发电量低。寿命较长时则相反。工程设计中，不同蓄电池本身寿命有差异，通过组件寿命敏感性分析，可在系统实施前期为容量配置提供更精细的优化。