基于NSGA-Ⅱ的并网型风光储系统最优配置

郝巍

（国家电投集团云南国际电力投资有限公司，云南 昆明 650228）

0 前言

随着3060 双碳目标和新型能源体系建设不断深入，各能源企业纷纷全力以赴投入到新能源开发建设中，但是由于风电和光伏出力的随机性，项目并网时会造成送变电设备利用率降低、投资浪费[1-2]。文献[3] 发现了风光出力的互补性；文献[4]通过遗传算法优化风光储装机配比组合；文献[5]以综合成本最低为目标构建模型，并考虑了储能和可再生能源之间的互补性；文献[6] 则从储能带来的效益出发，将商业储能的选址、定容问题和线路扩展规划集成起来，构建输储规划模型；文献[7] 采用迭代算法研究了多区域电力系统储能优化配置；文献[8]通过一种分阶段的输储模型，研究系统最低经济成本。上述研究中均未考虑送出线路选型对于风光储系统综合效益的影响，面对大规模风光并网的最优经济性问题，本文首先采用NSGA-Ⅱ算法进行风光互补发电系统多目标优化，在局部系统中合理安排新能源和储能容量，进而延缓对送出线路进行升级或者扩建的需求，实现节约投资、提高设备利用率的目的。

1 考虑送出方案的风光储系统最优配置研究思路

1.1 总体思路

随着集中式新能源的快速发展，某些区域内风光储系统通过同一升压汇流站并入主网的方式逐渐增多，考虑各电源之间的联络线和外部送出方案的风光储系统最优配置逐渐体现出复杂性和必要性。

本研究选择的系统位于云南省某县域，该区域的光照和风力资源均为全省最优，系统中的风电、汇流升压站和送电线路均已建成投产，两个风电装机分别为145.4 MW、154.6 MW；两个风电场各拥有一个220 kV 升压站；两个风场之间采用单回220 kV 线路进行联络，导线截面240 mm2；两个风场汇集至风电场2 到主网的220 kV 线路是单回NR400 mm2架空线；光伏和储能项目的装机规模未定。如图1 所示。通过本次研究来确定投资最小、送出线路利用率最高、弃风弃光最少的方案。

图1 云南省某区域风光储系统

1.2 风光互补特性

项目所在区域的风光互补特性采用式（1）和（2）进行分析：

式中，θ为相关系数，P1、P2分别为风力和光伏发电出力率。当θ>0，表示P1、P2出力趋向一致，互补性差；当θ=0，表示二者相互独立；当θ<0，表示二者出力互补性强。

Kendall 秩相关系数法基于随机性的变量排序，反映了变量之间的单调性，即变化趋势的一致性。相关系数θ计算方法如式（3）：

式中，{(x1,y1), (x2,y2)…,(xn,yn)}∈ϕ(P1,P2)为风力发电和光伏发电的组成样本观测值。

将根据项目所在区域的光照强度以及月平均风速代入上述公式得出不同季节风光出力的相关性（如表1 所示）。

表1 不同季节风光出力相关性

从计算结果可以看出，该区域夏季与冬季风光出力具有很强的互补性，3-10 月光照强度高于风速，5、6 月达到最高值；风速表现为夏季5-7 月较低，冬季10-12 月较高，风速在冬季大于光照强度的数值。

1.3 多目标最优模型

综合考虑年弃风成本fwind、弃光成本fpv以及储能成本fess、送电线路扩建成本fline和弃风弃光率f2、线路利用率f3，将总成本f作为规划方案的目标函数：

1.3.1 储能成本

式中：cvess,k和cfess,k表示储能在k节点的可变成本和固定成本；若k节点配置了储能，则xess,k取1，否则置0；Ωess表示可配置储能的节点集合；Press,k表示储能在k节点的功率；Eress,k表示第k个节点处的储能容量；kde表示储能年折旧系数；koc表示储能运行成本系数；kmc表示储能维护成本系数；kdc表示储能折旧系数；cp表示储能单位功率成本；ce表示储能单位容量成本。

1.3.2 年弃风、弃光成本

式中：Ωwind表示风力发电场的集合；Ωpv表示光伏发电站的集合；Γ表示风光互补发电典型场景；ψ表示风光发电典型时段；cwind表示弃风的成本；cpv表示弃光的成本；days表示第s种场景下样本的总数；Pwind,j,t,s、Pmaxwind,j,t,s、Pmaxpv,j,t,s、各自表示第s种典型场景下第j个风力发电场或光伏发电站在第t个时间段内真实出力和最大出力。

1.3.3 送电线路扩建投资成本

式中：i表示送电线路的贴现率；n表示送电线路使用寿命；cline,ij表示支路ij新建线路的成本；表示第ij条支路的第q条线路是否扩建，取值1 表示扩建，取值0 表示不扩建；Ωq表示待选可扩建的线路集。

2 NSGA-Ⅱ算法

NSGA-Ⅱ是最流行的多目标遗传算法之一[9]，它降低了非劣排序遗传算法的复杂性，具有运行速度快、解集的收敛性好的优点，成为其他多目标优化算法性能的基准。由于它采用了快速非支配排序算法，计算复杂度比NSGA 大大降低；采用了拥挤度和拥挤度比较算子，代替了需要指定的共享半径，并在快速排序后的同级比较中作为胜出标准，使准帕累托域中的个体能扩展到整个域，并均匀分布，保持了种群的多样性；引入了精英策略，扩大了采样空间，防止最佳个体的丢失，提高了算法的运算速度和鲁棒性。计算原理如图2 所示。

图2 优化流程

上述f1是各方案之间相对建设成本，包括光伏本体、电源联络线、储能、整体外送方案的建设投资；f2是可研发电量与实际发电量之间的差值，通过电源和储能出力曲线与送出通道能力拟合计算；f3是指整体外送线路的实际送电小时数与经济利用小时数之间的比值。

3 方案比选和计算分析

3.1 方案比选

本研究中考虑暂未明确装机的光伏项目选择从两个风电场220 kV 升压站汇合送出，方案一、二接入风电场2，方案三、四接入风电场1。其中，方案一、三的光伏装机为90 MW，方案二、四的光伏装机分别为240 MW、200 MW。为尽可能提高电源送出率，还考虑了不同的储能配置和线路加强方案。各方案情况如图3 所示。

图3 不同比选方案

3.2 计算分析

计算结果（如表2）表明，方案三虽然光伏装机只能达到90 MW，但相对建设成本最低，弃风弃光率在可接受范围内，送电线路利用率最高；方案二虽然光伏装机能达到240 MW，但牺牲了送电线路利用效率，且投资最高。因此，方案三在系统综合利用效率上最优。该结论也验证了本文提出的计及风光出力相关性对于风光互补发电系统容量优化的意义，可以有效减少风机和光伏单独出力的不确定性以及新能源电量损失，提高了送电线路利用率，同时降低了成本。

表2 计算结果

4 结束语

本文采用NSGA-Ⅱ算法对并网型风光储系统进行多目标优化，将弃风弃光率、投资成本、送电线路利用率3 个优化目标进行综合考虑，得出最优的系统配置。结论如下：

1）本方法发挥了风光互补特性最大潜能，总投资成本大幅节省，并且提高了主网对风光的接纳能力。

2）本文选取的三个优化目标，可以作为该类型局部系统优化的主要指标，具有合理性和有效性，给新能源、储能、送电线路合理配置提供了参考。