含高溫儲(chǔ)能系統(tǒng)的微電網(wǎng)經(jīng)濟(jì)運(yùn)行研究

羅 毅，張麗娟

（華北電力大學(xué)控制與計(jì)算機(jī)工程學(xué)院，北京102206）

含高溫儲(chǔ)能系統(tǒng)的微電網(wǎng)經(jīng)濟(jì)運(yùn)行研究

羅 毅，張麗娟

（華北電力大學(xué)控制與計(jì)算機(jī)工程學(xué)院，北京102206）

高溫儲(chǔ)能系統(tǒng)以其高效、環(huán)保、節(jié)能等優(yōu)點(diǎn)而有著廣泛的應(yīng)用前景，含高溫儲(chǔ)能系統(tǒng)的微電網(wǎng)經(jīng)濟(jì)運(yùn)行日益引起關(guān)注。文中對(duì)高溫儲(chǔ)能系統(tǒng)、風(fēng)機(jī)、光伏電池、蓄電池、微型燃?xì)廨啓C(jī)以及燃料電池組成的微電網(wǎng)進(jìn)行分析研究，在分時(shí)電價(jià)以及微網(wǎng)并網(wǎng)運(yùn)行的環(huán)境下，基于各電源功率特性，建立了高溫儲(chǔ)能系統(tǒng)模型及微網(wǎng)經(jīng)濟(jì)運(yùn)行模型。運(yùn)用改進(jìn)免疫粒子群算法進(jìn)行模型求解，現(xiàn)場(chǎng)應(yīng)用驗(yàn)證了其有效性，結(jié)果表明文中方法可使微網(wǎng)動(dòng)態(tài)運(yùn)行整體達(dá)到最優(yōu)，高溫儲(chǔ)能系統(tǒng)參與熱負(fù)荷供應(yīng)，可以節(jié)省成本，具有顯著的經(jīng)濟(jì)效益。

高溫儲(chǔ)能系統(tǒng)；微電網(wǎng)；經(jīng)濟(jì)運(yùn)行；優(yōu)化調(diào)度；免疫粒子群算法

1 前言

隨著能源問(wèn)題和環(huán)境問(wèn)題的日益突出，開(kāi)發(fā)清潔的可再生能源資源已經(jīng)成為世界各國(guó)經(jīng)濟(jì)和社會(huì)可持續(xù)發(fā)展的重要戰(zhàn)略[1，2]。近年來(lái)，為了解決分布式電源與大電網(wǎng)的融合問(wèn)題，微電網(wǎng)應(yīng)運(yùn)而生。但是，微電網(wǎng)中具有隨機(jī)性、間歇性、波動(dòng)性的可再生能源占很大比例，降低了其抗擾動(dòng)能力[3]。為了提高系統(tǒng)穩(wěn)定性，改善電能質(zhì)量，發(fā)展可靠的儲(chǔ)能系統(tǒng)是必不可少的技術(shù)支撐。高溫儲(chǔ)能系統(tǒng)作為一種新型儲(chǔ)能方式得到發(fā)展，既可以起到移峰填谷的作用，又可以彌補(bǔ)蓄電池成本太高、使用壽命短的不足，降低風(fēng)電、光伏發(fā)電對(duì)蓄電池的充放電性能與容量等要求。因此，包含高溫儲(chǔ)能系統(tǒng)的微電網(wǎng)構(gòu)成了熱電聯(lián)供型供給方式，從而提高能源的利用效率，減少有害氣體的排放，降低系統(tǒng)運(yùn)行成本，具有良好的社會(huì)效益和經(jīng)濟(jì)效益。

許多學(xué)者對(duì)微電網(wǎng)經(jīng)濟(jì)運(yùn)行進(jìn)行了一系列研究。文獻(xiàn)[4]中微電網(wǎng)動(dòng)態(tài)優(yōu)化考慮一個(gè)調(diào)度周期內(nèi)的運(yùn)行成本，以調(diào)度周期內(nèi)的總收益最高或總成本最低為目標(biāo)，優(yōu)化系統(tǒng)運(yùn)行。由于動(dòng)態(tài)優(yōu)化考慮了多時(shí)段設(shè)備運(yùn)行之間的協(xié)調(diào)配合，對(duì)于通常含有儲(chǔ)能、發(fā)電等時(shí)間耦合特性元件的微電網(wǎng)，優(yōu)化效果更理想。文獻(xiàn)[5，6]較為全面地建立了包括成本分析、可靠性分析、備用分析、線路潮流與利用率分析、負(fù)荷分析，投資效益分析等大量數(shù)據(jù)在內(nèi)的電力規(guī)劃評(píng)估指標(biāo)體系，進(jìn)而從不同的時(shí)間維度與分析維度實(shí)現(xiàn)對(duì)電網(wǎng)規(guī)劃方案的分析與評(píng)估。這個(gè)體系對(duì)于微電網(wǎng)的設(shè)計(jì)與調(diào)度同樣具有指導(dǎo)意義。文獻(xiàn)[7]建立了冷熱電聯(lián)供系統(tǒng)的節(jié)能優(yōu)化調(diào)度模型，重點(diǎn)研究了典型的聯(lián)供系統(tǒng)的發(fā)電成本，但是所采用模型較簡(jiǎn)單。文獻(xiàn)[8]針對(duì)間歇式電源的間歇性和波動(dòng)性，引入模糊理論，將間歇式電源的出力和負(fù)荷用模糊參數(shù)表示，對(duì)傳統(tǒng)確定型模型進(jìn)行改進(jìn)，但這種方法沒(méi)有可信性指標(biāo)參照，所得結(jié)果可能不滿足可信性要求，在低可信性下的最優(yōu)解在實(shí)際決策時(shí)不會(huì)采用。文獻(xiàn)[9]利用線性加權(quán)求和法將多目標(biāo)問(wèn)題轉(zhuǎn)換為單目標(biāo)問(wèn)題，分析不同權(quán)重對(duì)結(jié)果的影響，但這種方法主觀因素影響較大。文獻(xiàn)[10]通過(guò)搭建簡(jiǎn)單的微網(wǎng)模型，模擬其離網(wǎng)運(yùn)行情況，肯定了微網(wǎng)維持電能質(zhì)量的能力，然而，該文沒(méi)有對(duì)微網(wǎng)的調(diào)度策略進(jìn)行分析，也未考慮微網(wǎng)運(yùn)行的經(jīng)濟(jì)性。

上述研究大都是以熱電聯(lián)供型的調(diào)度模型為基礎(chǔ)，各微源模型的約束仍不能滿足實(shí)際的要求，而且這些研究沒(méi)有涉及高溫儲(chǔ)能系統(tǒng)的使用情況，因此，針對(duì)以上問(wèn)題，將著重研究高溫儲(chǔ)能系統(tǒng)的工作原理，建立其工作模型。并且在分時(shí)電價(jià)以及微網(wǎng)并網(wǎng)運(yùn)行的環(huán)境下，綜合考慮各微源的容量約束、爬坡約束、啟停約束等約束條件，建立熱電聯(lián)供型微電網(wǎng)的經(jīng)濟(jì)運(yùn)行模型。采用改進(jìn)免疫粒子群算法對(duì)算例進(jìn)行求解，以驗(yàn)證所建模型的有效性。供熱過(guò)程中，通過(guò)對(duì)是否含有高溫儲(chǔ)熱系統(tǒng)的運(yùn)行優(yōu)化結(jié)果進(jìn)行對(duì)比，分析討論高溫儲(chǔ)能系統(tǒng)對(duì)微電網(wǎng)帶來(lái)的經(jīng)濟(jì)效益。

2 微電網(wǎng)系統(tǒng)建模

本文將包含光伏電池（photovoltaic，PV）、風(fēng)機(jī)（wind turbine，WT）、微型燃?xì)廨啓C(jī)（micro turbine，MT）、蓄電池(storage battery，SB)、燃料電池（fuel cell，F(xiàn)C）、高溫儲(chǔ)能系統(tǒng)以及熱電負(fù)荷的微電網(wǎng)作為研究對(duì)象，其結(jié)構(gòu)如圖1所示。整個(gè)微網(wǎng)相對(duì)外部電網(wǎng)來(lái)說(shuō)是一個(gè)整體，通過(guò)一個(gè)靜態(tài)開(kāi)關(guān)和上級(jí)電網(wǎng)的變電站相聯(lián)系。本文根據(jù)不同微源的出力-發(fā)電成本特性及其約束條件，建立了各個(gè)微源的經(jīng)濟(jì)性數(shù)學(xué)模型。

圖1 微網(wǎng)系統(tǒng)結(jié)構(gòu)圖Fig.1 System configuration of microgrid

2.1 高溫儲(chǔ)能系統(tǒng)模型

2.1.1 高溫儲(chǔ)能系統(tǒng)的特點(diǎn)

高溫儲(chǔ)能系統(tǒng)是將風(fēng)、光發(fā)電系統(tǒng)的不平衡電力或者電網(wǎng)低谷電轉(zhuǎn)化為高溫?zé)崮軆?chǔ)存，用于供熱、供冷及炊事（建筑供暖、供冷，工業(yè)供熱，海水淡化，生活熱水及炊事，工業(yè)余熱利用）或者用于再發(fā)電實(shí)現(xiàn)平滑輸電。高溫儲(chǔ)能系統(tǒng)具有以下特點(diǎn)：a.儲(chǔ)能容量大，通過(guò)增加或者減少其中的儲(chǔ)能介質(zhì)來(lái)控制儲(chǔ)能的容量；b.儲(chǔ)能密度大，約為720Wh/L；c.溫度高，在常壓下，儲(chǔ)熱可以達(dá)到800℃以上；d.效率高，電能轉(zhuǎn)換為熱能效率近100%，熱能轉(zhuǎn)換成熱能效率保持在97%左右；e.造價(jià)低，制造成本低；f.安全可靠及經(jīng)濟(jì)性好，沒(méi)有潛在的爆炸或著火危險(xiǎn)，沒(méi)有燃燒、沒(méi)有水、沒(méi)有廢棄物排放，運(yùn)行無(wú)噪音，經(jīng)濟(jì)環(huán)保；g.使用壽命長(zhǎng)。儲(chǔ)能介質(zhì)熱傳導(dǎo)率高，比熱值大，耐高溫氧化強(qiáng)；h.選址自由度大，可全自動(dòng)封閉運(yùn)行，占地面積小，節(jié)省空間，易于安裝和維修。

2.1.2 高溫儲(chǔ)能系統(tǒng)的工作過(guò)程

1）電能轉(zhuǎn)換為熱能可以概括為：

式(1)中，Pe為輸入蓄熱系統(tǒng)的電能；Hih為輸入高溫儲(chǔ)能系統(tǒng)的熱能；ηeh為電能轉(zhuǎn)換為熱能的轉(zhuǎn)換效率，與加熱管等材料有關(guān)。

2）熱能的輸出過(guò)程可以概括為：

式(2)中，Hoh為蓄熱系統(tǒng)輸出的熱能總量；C為儲(chǔ)能介質(zhì)的比熱容，取值為1.2kJ/(kg?℃)；m為每塊蓄熱介質(zhì)的質(zhì)量，單位為kg；n為蓄熱介質(zhì)的數(shù)量；Tmax為儲(chǔ)熱磚的額定蓄熱溫度上限；tc為蓄熱系統(tǒng)的充電時(shí)長(zhǎng)；Δt為單位時(shí)間長(zhǎng)度。由于熱轉(zhuǎn)換效率在97%左右，所以Hih與Hoh的值幾乎相同。

3）高溫儲(chǔ)能系統(tǒng)可以將存儲(chǔ)的熱能轉(zhuǎn)換為電能，與其他微電源一起發(fā)電以滿足微電網(wǎng)中的電負(fù)荷。與余熱發(fā)電的工作原理類似，只是轉(zhuǎn)換效率不是很高，因此只有特殊情況下才會(huì)這樣使用。

綜上所述，其數(shù)學(xué)模型為：

式(3)中，L(t)為高溫儲(chǔ)能系統(tǒng)t時(shí)刻的儲(chǔ)能容量；Hih(t)、Hoh(t)分別為t時(shí)刻輸入和輸出的熱能；ηL、ηin和ηout分別為高溫儲(chǔ)能系統(tǒng)的存儲(chǔ)、輸入和輸出轉(zhuǎn)化效率。

本文選取的高溫儲(chǔ)能系統(tǒng)的相關(guān)參數(shù)如表1所示。其中，功率造價(jià)和容量造價(jià)分別代表安裝高溫儲(chǔ)能系統(tǒng)每千瓦及每千瓦時(shí)所需費(fèi)用。

表1 高溫儲(chǔ)熱系統(tǒng)的相關(guān)參數(shù)Table 1 Parameters of high temperature energy storage system

2.2 蓄電池模型

蓄電池具有平抑可再生能源發(fā)電功率波動(dòng)的作用，本文選用功率大、效率高的釩電池。

蓄電池放電時(shí)，PSB(t)≥0，t時(shí)刻的電池的剩余容量為：

蓄電池充電時(shí)，PSB(t)≤0，t時(shí)刻的剩余容量為[11]：

式（4）、式（5）中，CSOC(t)為t時(shí)刻蓄電池的剩余容量，PSB(t)為t時(shí)刻蓄電池的充、放電電功率；ηF、ηC分別為放、充電效率；DB為蓄電池每小時(shí)的自放電比例；為蓄電池的總?cè)萘俊?/p>

2.3 微型燃?xì)廨啓C(jī)模型

含微型燃?xì)廨啓C(jī)的熱電聯(lián)產(chǎn)系統(tǒng)的數(shù)學(xué)模型為：

式（6）中，QMT(t)為t時(shí)刻燃?xì)廨啓C(jī)排氣余熱量；Pm(t)為t時(shí)刻燃?xì)廨啓C(jī)輸出的電功率；ηm(t)為t時(shí)刻燃?xì)廨啓C(jī)的發(fā)電效率；ηl為燃?xì)廨啓C(jī)的散熱損失系數(shù)；Qho(t)為t時(shí)刻燃?xì)廨啓C(jī)煙氣余熱提供的制熱量；Kho為溴冷機(jī)的制熱系數(shù)；VMT為燃?xì)廨啓C(jī)消耗的天然氣量；Δt為燃?xì)廨啓C(jī)的運(yùn)行時(shí)間，本文取為1 h；L為天然氣低熱熱值，取9.7 kWh/m3。

微型燃?xì)廨啓C(jī)的燃料成本為：

式(7)中，Cn1為天然氣價(jià)格，文中取2.5元/m3。具體參數(shù)參見(jiàn)文獻(xiàn)[11]。

2.4 燃料電池模型

燃料電池可以將存儲(chǔ)在燃料和氧化劑中的化學(xué)能直接轉(zhuǎn)換為電能，并且可以連續(xù)發(fā)電。燃料電池發(fā)電過(guò)程中的燃料消耗費(fèi)用計(jì)算式為：

式(8)中，PFC(t)、ηFC(t)分別為t時(shí)刻燃料電池的輸出功率和工作效率。具體參數(shù)參見(jiàn)文獻(xiàn)[11]。

2.5 風(fēng)機(jī)出力模型

由風(fēng)輪機(jī)的空氣動(dòng)力學(xué)指示可以得到風(fēng)輪機(jī)的輸出功率為[12]：

式(9)中，RWT為風(fēng)輪機(jī)葉片的半徑；πR2WT為葉片的掃落面積；ρ為空氣密度；v為風(fēng)速；Cp為風(fēng)能利用系數(shù)。

2.6 光伏電池模型

光伏電池[13]的輸出功率的計(jì)算式為：

式(10)中，PSTC為STC（標(biāo)準(zhǔn)測(cè)試條件：太陽(yáng)光入射強(qiáng)度1 000 W/m2，環(huán)境溫度25℃）下的最大測(cè)試功率；GAC為光照強(qiáng)度；GSTC為STC下光照強(qiáng)度，取1 000 W/m2；k為功率溫度系數(shù)，取0.47%/℃；Tc為電池板工作溫度；Tτ為參考溫度，其值取25℃。

3 微電網(wǎng)經(jīng)濟(jì)運(yùn)行

為了使電網(wǎng)實(shí)現(xiàn)最優(yōu)技術(shù)經(jīng)濟(jì)比、最大經(jīng)濟(jì)效益、最可靠的電力供給、最優(yōu)環(huán)境保護(hù)、最佳可持續(xù)發(fā)展，根據(jù)微電網(wǎng)內(nèi)可再生能源資源、負(fù)荷需求等情況，將對(duì)模型進(jìn)行優(yōu)化，確定微電網(wǎng)內(nèi)各分布式電源、儲(chǔ)能系統(tǒng)的最佳容量配置方案[14，15]。目前，微網(wǎng)的電能質(zhì)量還達(dá)不到向電網(wǎng)輸送功率的要求，因此微網(wǎng)與電網(wǎng)并網(wǎng)只考慮電網(wǎng)向微網(wǎng)單向供電。其中，微電網(wǎng)中風(fēng)電與光伏利用自然資源發(fā)電，認(rèn)為其沒(méi)有發(fā)電成本。本文研究的優(yōu)化周期為24h，單位時(shí)間間隔為1h。

3.1 目標(biāo)函數(shù)

考慮到微網(wǎng)運(yùn)行狀態(tài)變化快等特點(diǎn)，采用常規(guī)的日前調(diào)度模型。主要考慮發(fā)電單元的燃料成本、運(yùn)行管理成本、投資折舊成本、微網(wǎng)與外網(wǎng)的交互成本、熱電聯(lián)產(chǎn)系統(tǒng)的制熱收益成本。其函數(shù)為：

其中：

式(11)～式(16)中，t為時(shí)間段數(shù)；N為發(fā)電單元個(gè)數(shù)；Cf(t)為t時(shí)刻各電源的燃料成本，主要包括MT和FC的燃料消耗；fi為第i個(gè)電源的燃料成本函數(shù)；Pi(t)為第i個(gè)電源t時(shí)刻的功率輸出；COM(t)為t時(shí)刻各電源的運(yùn)行管理成本；KOMi為第i個(gè)電源單位電量運(yùn)行管理成本系數(shù)；CDP(t)為t時(shí)刻各電源的投資折舊成本；Caz,i為第i個(gè)電源的單位容量安裝成本；ki為第i個(gè)電源的容量因數(shù)；r為年利率；ni為第i個(gè)電源的投資償還期；Cgrid(t)為t時(shí)刻微網(wǎng)與外網(wǎng)的交互成本；Cb(t)為t時(shí)刻微網(wǎng)向外網(wǎng)的購(gòu)電價(jià)格；Pb(t)為t時(shí)刻微網(wǎng)向外網(wǎng)的購(gòu)電量；Csh(t)為t時(shí)刻的制熱收益；Kho為單位制熱量的售價(jià);Qhe(t)為t時(shí)刻熱電聯(lián)產(chǎn)系統(tǒng)的制熱量。

3.2 約束條件

1）功率平衡約束：

式(17)中，PSB(t)放電時(shí)為正，充電時(shí)為負(fù)；Pgrid(t)為微電網(wǎng)從電網(wǎng)購(gòu)電量；Pload(t)為t時(shí)段的負(fù)荷值。

2）微電源的輸出功率約束：

3）可控機(jī)組的爬坡約束：

式(19)、式(20)中，rup、rdown分別為機(jī)組的向上、向下爬坡速率。

4）蓄電池運(yùn)行約束：

5）微網(wǎng)與外網(wǎng)交互功率約束：

6）高溫儲(chǔ)能系統(tǒng)約束：

容量約束：

輸入輸出熱能約束：

式(24)～式(26)中，Lmax、Hih,max和Hoh,max為系統(tǒng)最大容量、最大熱能輸入值、最大熱能輸出值。

7）旋轉(zhuǎn)備用約束。避免停電事故的發(fā)生是電力系統(tǒng)可靠性的最基本內(nèi)涵。由于發(fā)電機(jī)組有可能發(fā)生意外故障，且準(zhǔn)確地預(yù)測(cè)負(fù)荷比較困難，所以需要維持一定的備用容量尤其是旋轉(zhuǎn)備用容量[16,17]。系統(tǒng)的旋轉(zhuǎn)備用容量包括儲(chǔ)能的備用容量，其表達(dá)式為：

因此，系統(tǒng)的旋轉(zhuǎn)備用容量可以描述為：

式(28)中，UFC為FC的啟停狀態(tài)，啟動(dòng)時(shí)為1，否則為0；Rn為所需旋轉(zhuǎn)備用容量。

4 模型求解

本文采用改進(jìn)免疫粒子群算法（CIPSO），即在免疫粒子群算法的基礎(chǔ)上采用動(dòng)態(tài)調(diào)整的學(xué)習(xí)因子。粒子群速度公式中的代表“認(rèn)知”部分，表示粒子對(duì)自身的思考即粒子從自身的學(xué)習(xí)，代表“社會(huì)”部分，即粒子從群體中的學(xué)習(xí)，表示與鄰居粒子的比較和模仿，實(shí)現(xiàn)粒子與粒子間信息共享與合作。傳統(tǒng)算法中，學(xué)習(xí)因子c1和c2的取值通常是固定的，沒(méi)有根據(jù)算法的不同階段來(lái)設(shè)置不同的學(xué)習(xí)因子，使得社會(huì)搜索和認(rèn)知搜索權(quán)重相同，這種做法忽略了學(xué)習(xí)因子變化的重要性，算法的收斂速度和精度明顯不如變化的學(xué)習(xí)因子，甚至在單峰函數(shù)的尋優(yōu)過(guò)程中過(guò)早陷入局部收斂，無(wú)法找到全局最優(yōu)點(diǎn)[18]。改進(jìn)后的算法克服以上問(wèn)題的同時(shí)，又提高了解的精度。

粒子搜索的前階段速度快，后期易過(guò)早收斂于局部極值。本文對(duì)學(xué)習(xí)因子c1和c2進(jìn)行改進(jìn)，通過(guò)調(diào)節(jié)學(xué)習(xí)因子，讓粒子漸漸地少向自己的最優(yōu)pij學(xué)習(xí)，而向社會(huì)最優(yōu)pgj學(xué)習(xí)多一點(diǎn)，使粒子向社會(huì)的最優(yōu)靠攏。初期使粒子進(jìn)行大范圍搜索，以期獲得具有更好多樣性的高質(zhì)量粒子，后期不斷地向社會(huì)最優(yōu)學(xué)習(xí)，盡可能擺脫局部極值的干擾，從而提高解的精度。學(xué)習(xí)因子的變化可分為同步變化和異步變化，其中異步變化的學(xué)習(xí)因子又可分為對(duì)稱變化和非對(duì)稱變化的學(xué)習(xí)因子，同步變化的學(xué)習(xí)因子可表示為[19]：

異步變化的學(xué)習(xí)因子c1和c2可以表示為：

式(29)～式(31)中，k為當(dāng)前迭代次數(shù)；kiter是最大迭代次數(shù)；c1max、c2max分別為c1、c2的最大值；c1min、c2min分別為c1、c2的最小值。

粒子經(jīng)驗(yàn)信息對(duì)尋優(yōu)軌跡的影響反映粒子之間的信息交換。較大的c1值會(huì)使粒子過(guò)多的在局部搜索；較大的c2值使粒子過(guò)早收斂到局部最優(yōu)值。為了加快搜索速度的同時(shí)提高搜索精度，按照粒子逐漸少向自己的最優(yōu)pij學(xué)習(xí)，多向社會(huì)最優(yōu)pgj學(xué)習(xí)，使粒子向社會(huì)最優(yōu)pgj靠攏的原則，本文采用非對(duì)稱線性變化的學(xué)習(xí)因子[20]，使得進(jìn)化初期群體能在較短時(shí)間內(nèi)快速搜索到最優(yōu)值，進(jìn)化后期能夠快速準(zhǔn)確收斂到最優(yōu)解。

5 現(xiàn)場(chǎng)應(yīng)用

為了驗(yàn)證上文提出的模型及算法的可行性，選取中國(guó)北方某地區(qū)微電網(wǎng)進(jìn)行實(shí)驗(yàn)分析。各微源的具體參數(shù)如表2所示。

表2 各微源的參數(shù)Table 2 Parameters of various microsources

本文中的熱量單位kcal將換算成kW來(lái)計(jì)算。天然氣價(jià)格為2.5元/m3；高溫儲(chǔ)能系統(tǒng)的存儲(chǔ)、輸入和輸出轉(zhuǎn)化效率分別為0.98、1.0、0.97；本文實(shí)行分時(shí)電價(jià)政策，峰時(shí)段為10：00—15：00，18：00—21：00；平時(shí)段為7：00—10：00、15：00—18：00和21：00—3：00；谷時(shí)段為0：00—7：00、23：00—24：00。電價(jià)分別為0.82元 /(kW?h)、0.47元 /(kW?h)、0.16元/(kW?h)。算例的數(shù)據(jù)包括冬季典型日電負(fù)荷和熱負(fù)荷的預(yù)測(cè)曲線，熱電負(fù)荷及風(fēng)光預(yù)測(cè)出力如圖2所示。

圖2 熱電負(fù)荷及風(fēng)光預(yù)測(cè)出力Fig.2 Heating and electric loads，focasted PV and WT output

5.1 不含高溫儲(chǔ)熱系統(tǒng)的微電網(wǎng)運(yùn)行結(jié)果

基于已建立的模型，經(jīng)過(guò)算法求解，可以得到微電網(wǎng)中各可調(diào)節(jié)單元的調(diào)度出力，其出力情況如圖3所示。其中：有功缺額=總電負(fù)荷-PV出力-WT出力-MT出力。

圖3 不含高溫儲(chǔ)能系統(tǒng)的可控電源優(yōu)化出力Fig.3 Dispatched output of controllable sources without considering high temperature energy storage system

由于遵循“以熱定電”原則[21]，所以微燃機(jī)用來(lái)供熱，與不可控電源風(fēng)電、光伏發(fā)電均優(yōu)先出力。圖3中，當(dāng)電網(wǎng)電價(jià)處于谷時(shí)段，如1—5和22—24時(shí)，微電網(wǎng)中電負(fù)荷較輕，PV，WT和MT發(fā)出的剩余電量給蓄電池充電；當(dāng)系統(tǒng)開(kāi)始出現(xiàn)有功缺額，優(yōu)先調(diào)用蓄電池進(jìn)行功率補(bǔ)給，因此蓄電池幾乎處于容量滿發(fā)的狀態(tài)。運(yùn)行過(guò)程中，當(dāng)微電網(wǎng)運(yùn)行成本大于電網(wǎng)購(gòu)電價(jià)格的時(shí)候，會(huì)及時(shí)對(duì)蓄電池充電，如11—14時(shí)段。蓄電池的出力范圍不能滿足微電網(wǎng)可靠運(yùn)行，此時(shí)燃料電池出力與電網(wǎng)購(gòu)電均增加，若此時(shí)處于峰時(shí)段，電價(jià)高于燃料電池發(fā)電成本，因此對(duì)燃料電池優(yōu)先調(diào)用，不足則購(gòu)電補(bǔ)充。整個(gè)運(yùn)行過(guò)程中，蓄電池在缺負(fù)荷時(shí)放電，基于成本最小的原則，綜合所有因素，選擇合適的時(shí)刻進(jìn)行充電，以減少運(yùn)行費(fèi)用。

5.2 含高溫儲(chǔ)熱系統(tǒng)的微電網(wǎng)運(yùn)行結(jié)果

含高溫儲(chǔ)能系統(tǒng)的微電網(wǎng)運(yùn)行結(jié)果如圖4所示。從圖中可以看出，谷時(shí)段1—7時(shí)刻，微電網(wǎng)中電負(fù)荷較輕，PV、WT和MT發(fā)出的剩余電量給蓄電池充電，同時(shí)高溫儲(chǔ)能系統(tǒng)開(kāi)始蓄熱；8時(shí)開(kāi)始，隨著系統(tǒng)中電負(fù)荷增加，風(fēng)光發(fā)電不能滿足負(fù)荷，優(yōu)先使用蓄電池進(jìn)行放電，如果蓄電池運(yùn)行范圍內(nèi)不能滿足微電網(wǎng)正常運(yùn)行，則增加對(duì)燃料電池出力與電網(wǎng)購(gòu)電量；高溫儲(chǔ)熱系統(tǒng)則是在谷時(shí)段集中充電，其余時(shí)刻進(jìn)行放熱，在不能滿足熱負(fù)荷的時(shí)刻，考慮到高溫儲(chǔ)能系統(tǒng)可以做到即充即用，因此此時(shí)需要比較其他微電源發(fā)電與電網(wǎng)購(gòu)電價(jià)格，選擇相對(duì)便宜的電源進(jìn)行充電，雖然比谷時(shí)刻要價(jià)格高，但整個(gè)微電網(wǎng)的目標(biāo)是為人提供便利，還是要以供熱優(yōu)先。

圖4 微電網(wǎng)系統(tǒng)各微源的優(yōu)化出力Fig.4 Dispatched output of sources in microgrid system

通過(guò)優(yōu)化結(jié)果的成本對(duì)比，不同運(yùn)行情況下費(fèi)用見(jiàn)表3，含有高溫儲(chǔ)能系統(tǒng)的微電網(wǎng)的節(jié)能效益達(dá)到了10.2%，經(jīng)濟(jì)效益還是比較好的。

表3 不同運(yùn)行情況下費(fèi)用Table 3 Costs of different operating conditions

6 結(jié)語(yǔ)

本文首先根據(jù)高溫儲(chǔ)能系統(tǒng)的工作原理及特性，建立其機(jī)理模型。針對(duì)文中計(jì)及高溫儲(chǔ)能系統(tǒng)的混合微電網(wǎng)供電系統(tǒng)，利用預(yù)測(cè)到的風(fēng)電、光伏、電負(fù)荷和熱負(fù)荷的出力數(shù)據(jù)，建立了包含風(fēng)電、光伏、微型燃?xì)廨啓C(jī)、燃料電池等分布式電源以及高溫儲(chǔ)能系統(tǒng)的微電網(wǎng)優(yōu)化運(yùn)行模型。利用改進(jìn)免疫粒子群算法對(duì)模型進(jìn)行分析求解，驗(yàn)證了模型的有效性，得出了微電網(wǎng)系統(tǒng)的優(yōu)化調(diào)度方案。實(shí)驗(yàn)結(jié)果表明，高溫儲(chǔ)能系統(tǒng)參與熱負(fù)荷供應(yīng)時(shí)，微電網(wǎng)運(yùn)行成本更低，更節(jié)能、高效。

[1] 蘇 玲，張建華，王 利，等.微電網(wǎng)相關(guān)問(wèn)題及技術(shù)研究[J].電力系統(tǒng)保護(hù)與控制，2010(19)：235-239.

[2] 李富生，李瑞生，周逢權(quán).微電網(wǎng)技術(shù)及工程應(yīng)用[M].北京：中國(guó)電力出版社，2013.

[3] 錢(qián)科軍，袁 越，石曉丹，等.分布式發(fā)電的環(huán)境效益分析[J].中國(guó)電機(jī)工程學(xué)報(bào)，2008，28(29)：11-15.

[4] 洪博文，郭 力，王成山，等.微電網(wǎng)多目標(biāo)動(dòng)態(tài)優(yōu)化調(diào)度模型與方法[J].電力自動(dòng)化設(shè)備，2013，33(3)：100-107.

[5] 周鯤鵬，方仍存，顏 炯，等.電網(wǎng)規(guī)劃智能輔助決策系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].電力系統(tǒng)自動(dòng)化，2013，37(3)：77-82.

[6] Marnay C，Asano H，Papathanassiou S，et al.Policymaking for microgrids[C]//Power and Energy Magazine，IEEE，2008，6 (3)：66-77.

[7] 郭佳歡，沈 宏，黃 偉.含小型冷熱電聯(lián)產(chǎn)的微電網(wǎng)系統(tǒng)經(jīng)濟(jì)運(yùn)行[J].電網(wǎng)與清潔能源，2009(10)：21-24.

[8] 熊 虎，向鐵元，陳紅坤，等.含大規(guī)模間歇式電源的模糊機(jī)會(huì)約束機(jī)組組合研究[J].中國(guó)電機(jī)工程學(xué)報(bào)，2013，33(13)：36-44.

[9] 金 鵬，艾 欣，許佳佳.基于序列運(yùn)算理論的孤立微電網(wǎng)經(jīng)濟(jì)運(yùn)行模型[J].中國(guó)電機(jī)工程學(xué)報(bào)，2012，32(25)：52-59.

[10] 王 凌，李培強(qiáng)，李欣然，等.微電源建模及其在微電網(wǎng)仿真中的應(yīng)用[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)，2010，22(3)：32-38.

[11] 李 樂(lè).微網(wǎng)的經(jīng)濟(jì)運(yùn)行研究[D].北京：華北電力大學(xué)，2011.

[12] Karki R，Hu P，Billinton R.A simplified wind power generation model for reliability evaluation[C]//IEEE Transactions on Energy Conversion，2006，21(2)：533-540．

[13] 陳 潔，楊 秀，朱 蘭，等.微網(wǎng)多目標(biāo)經(jīng)濟(jì)調(diào)度優(yōu)化[J].中國(guó)電機(jī)工程學(xué)報(bào)，2013，33(19)：57-66.

[14] Chen Changsong，Duan Shanxu，Cai Tao，et al.Smart energy management system for optimal microgrid economic operation[J].IET Renewable Power Generation，2011，5(3)：258-267.

[15] 徐 飛，陳 磊，金和平，等.抽水蓄能電站與風(fēng)電的聯(lián)合優(yōu)化運(yùn)行建模及應(yīng)用分析[J].電力系統(tǒng)自動(dòng)化，2013，37(1)：149-154.

[16] 劉小平，丁 明，張穎媛，等.微網(wǎng)系統(tǒng)的動(dòng)態(tài)經(jīng)濟(jì)調(diào)度[J].中國(guó)電機(jī)工程學(xué)報(bào)，2011，31(31)：77-84.

[17] 羅 毅，劉明亮.計(jì)及風(fēng)險(xiǎn)備用約束的孤網(wǎng)系統(tǒng)經(jīng)濟(jì)環(huán)保調(diào)度[J].電網(wǎng)技術(shù)，2013，37(10)：2705-2711.

[18] 段其昌，張廣峰，黃大偉.加強(qiáng)學(xué)習(xí)與聯(lián)想記憶的粒子群優(yōu)化算法[J].計(jì)算機(jī)應(yīng)用，2012，32(12)：3322-3325.

[19] 魯忠燕，鄧集祥，汪永紅.基于免疫粒子群算法的電力系統(tǒng)無(wú)功優(yōu)化[J].電網(wǎng)技術(shù)，2008，32(24)：55-58.

[20] 張若含.風(fēng)光互補(bǔ)蓄能系統(tǒng)優(yōu)化算法研究及應(yīng)用[D].北京：華北電力大學(xué)，2014.

[21] Chen Changsong，Duan Shanxu，Cai Tao，et al.Optimal allocation and economic analysis of energy storage system in microgrids[C]//Power Electronics，IEEE Transactions on，2011，26(10)：2762-2773.

Research on economic operation of microgrid with high temperature energy storage system

Luo Yi，Zhang Lijuan
(School of Control and Computer Engineering，North China Electric Power University，Beijing 102206，China)

With the advantages of high efficiency，environmental protection and energy conservation，the high energy storage system has extensive application prospect，economic operation is becoming a wide concerned issue on microgrid with high temperature energy storage system.By analyzing the microgrid with high temperature energy storage system，based on the characteristics of each micro-source，the model of high temperature energy storage system and economic operation model of the grid-connected microgrid are constructed with time-sharing electricity.The improved immune particle swarm algorithm is used to solve the proposed model，and then field application verifies the effectiveness of model.Results show that the proposed method and model can reach the globally optimal solution of dynamic microgrid，and it is of cost saving and significant economic benefit for high temperature energy storage system to participate in thermal load supplying.

high temperature energy storage system；microgrid；economic operation；optimized dispatching；improved immune particle swarm algorithm

TM721

A

1009-1742（2015）01-0074-07

2014-11-06

國(guó)家自然科學(xué)基金面上項(xiàng)目(61273144)

羅 毅，1969年出生，男，湖南新化縣人，教授，主要研究方向?yàn)閺?fù)雜系統(tǒng)建模與仿真、優(yōu)化控制與決策；E-mail：lyphzh@ncepu.edu.cn