考慮需求側(cè)儲能及可控負(fù)荷的微網(wǎng)優(yōu)化運(yùn)行

趙巖，鄧華生，龔正宇，劉繼春

(1.上海市電力公司，上海200122；2.華能滇東能源有限責(zé)任公司，云南昆明650228；3.四川大學(xué)電氣信息學(xué)院，四川成都610065)

考慮需求側(cè)儲能及可控負(fù)荷的微網(wǎng)優(yōu)化運(yùn)行

趙巖1，鄧華生2，龔正宇3，劉繼春3

(1.上海市電力公司，上海200122；2.華能滇東能源有限責(zé)任公司，云南昆明650228；3.四川大學(xué)電氣信息學(xué)院，四川成都610065)

微網(wǎng)中集成了大量風(fēng)力、光伏等出力具有隨機(jī)性、間歇性的不可控DG，通過一體協(xié)調(diào)儲能、可控負(fù)荷等需求側(cè)資源研究微網(wǎng)優(yōu)化運(yùn)行。基于實(shí)時(shí)電價(jià)環(huán)境，考慮風(fēng)機(jī)、光伏出力不確定性，利用儲能裝置的能量轉(zhuǎn)移與能量備用和可控負(fù)荷的負(fù)荷轉(zhuǎn)移，以微網(wǎng)運(yùn)行成本為目標(biāo)建立優(yōu)化模型。采用基于隨機(jī)模擬的量子粒子群算法求解模型。通過算例仿真表明提出的微網(wǎng)運(yùn)行模型和優(yōu)化算法可有效進(jìn)行微網(wǎng)能量優(yōu)化管控，并且驗(yàn)證了考慮需求側(cè)資源的微網(wǎng)運(yùn)行更具經(jīng)濟(jì)性。

微網(wǎng)；需求側(cè)資源；能量備用；負(fù)荷轉(zhuǎn)移；量子粒子群算法

智能電網(wǎng)的發(fā)展伴隨大量隨機(jī)性間歇性分布式能源(DG)引入電力系統(tǒng)，具有經(jīng)濟(jì)高效和節(jié)能減排特點(diǎn)的微網(wǎng)技術(shù)逐漸興起[1－3]。對于微網(wǎng)運(yùn)行優(yōu)化的研究，目前多集中于微網(wǎng)能量管理，即根據(jù)微網(wǎng)內(nèi)部包含的各種分布式微源的運(yùn)行方式、管控成本和能耗函數(shù)，研究微網(wǎng)的負(fù)荷高效分配和微源經(jīng)濟(jì)運(yùn)行。隨著大量儲能設(shè)備和需求側(cè)資源接入電力系統(tǒng)，為調(diào)動用戶與電網(wǎng)積極互動，發(fā)揮微網(wǎng)運(yùn)行經(jīng)濟(jì)性，需考慮儲能設(shè)備與可控負(fù)荷等需求側(cè)資源來研究微網(wǎng)的優(yōu)化運(yùn)行。

目前，國內(nèi)已有大量相關(guān)文獻(xiàn)對微網(wǎng)的優(yōu)化運(yùn)行進(jìn)行了研究。文獻(xiàn)[4]針對熱電聯(lián)供型微網(wǎng)，建立了運(yùn)行費(fèi)用和污染氣體排放量最小的多目標(biāo)優(yōu)化模型，并采用基于隨機(jī)模擬Pareto最優(yōu)解的改進(jìn)MOPSO算法求解，但并未考慮儲能和負(fù)荷資源。文獻(xiàn)[5]將分布式發(fā)電(DG)、儲能與負(fù)荷定義為廣義需求側(cè)資源，并建立相應(yīng)的微網(wǎng)運(yùn)行優(yōu)化模型，但并未考慮微網(wǎng)參與需求響應(yīng)時(shí)可再生能源出力等不確定性因素。文獻(xiàn)[6]通過簡化微網(wǎng)結(jié)構(gòu)建立多目標(biāo)優(yōu)化模型，采用粒子群算法求解。文獻(xiàn)[7]針對集中控制式微網(wǎng)系統(tǒng)，根據(jù)不同的微網(wǎng)與主網(wǎng)的交互運(yùn)行控制策略，研究了包含鈉硫電池微網(wǎng)的經(jīng)濟(jì)運(yùn)行。

由于實(shí)時(shí)電價(jià)和可再生能源出力都具有預(yù)測誤差所帶來的不確定性，微網(wǎng)用戶參與需求響應(yīng)可能無法合理安排購用電計(jì)劃、經(jīng)濟(jì)高效平衡本地負(fù)荷。本文建立了微網(wǎng)需求側(cè)儲能和可控負(fù)荷的運(yùn)行模型，利用其能量備用、負(fù)荷轉(zhuǎn)移功能削減微網(wǎng)參與需求響應(yīng)的風(fēng)險(xiǎn)，同時(shí)優(yōu)化微網(wǎng)運(yùn)行經(jīng)濟(jì)性。在今后綠色證書交易、碳交易等可再生能源交易模式和各種補(bǔ)貼、配額政策的激勵(lì)下，許多可控負(fù)荷用戶可通過購入一定量的分布式發(fā)電設(shè)備組建微網(wǎng)，從而在電力市場環(huán)境下通過參與需求側(cè)響應(yīng)獲得更大的用電效益。

1 微網(wǎng)需求側(cè)資源模型

智能電網(wǎng)可兼容各種分布式電源和儲能裝置，微網(wǎng)運(yùn)行需要管控的有：DG資源、儲能資源、可控負(fù)荷資源[5]。關(guān)于各類DG運(yùn)行模型，相關(guān)文獻(xiàn)已有敘述，其中光伏、風(fēng)機(jī)兩種不可控DG運(yùn)行模型[8]。

(1)儲能設(shè)備模型

儲能設(shè)備憑借其“荷-源”雙重特性，可用于負(fù)荷削峰填谷，還可與風(fēng)力發(fā)電、光伏發(fā)電等技術(shù)配合，平抑可再生能源出力隨機(jī)性、間歇性。微網(wǎng)參與需求側(cè)響應(yīng)時(shí)，儲能除設(shè)備通過充放電發(fā)揮能量轉(zhuǎn)移功能外，還可實(shí)現(xiàn)能量備用功能。儲能的能量備用可分為放電備用和負(fù)荷備用，儲能設(shè)備可預(yù)先儲存能量，控制其在對應(yīng)的時(shí)段放出，若部分能量在放電計(jì)劃外，儲能設(shè)備即實(shí)現(xiàn)放電備用；同時(shí)，儲能設(shè)備也可通過在某時(shí)段控制充電量低于充電計(jì)劃，實(shí)現(xiàn)負(fù)荷備用。本文將充、放電功率分解為計(jì)劃充、放電功率和充、放電功率修正量，當(dāng)風(fēng)機(jī)、光伏出力偏離預(yù)測值，可修正充放電功率，優(yōu)化儲能設(shè)備出力。由于儲能設(shè)備的備用能量與發(fā)電設(shè)備的旋轉(zhuǎn)備用不同，發(fā)電設(shè)備的旋轉(zhuǎn)備用只在備用時(shí)段內(nèi)有效，故儲能的備用以能量形式存在且不隨時(shí)間失效因而具有可累加性。

式中：ES(t)和(t)分別為儲能裝置t時(shí)段內(nèi)的總能量和備用容量；hch和hdis分別為儲能的充、放電效率；Pch(t)和Pdis(t)分別為t時(shí)段充、放電功率；Pch，p(t)和Pdis，p(t)分別為計(jì)劃充、放電功率；D Pch，p(t)和D Pdis，p(t)為充、放電功率修正量，且D Pch，p(t)、D Pdis，p(t)>0；PSR(t)為能量備用功率，表示儲能裝置控制備用容量釋放的功率。

儲能設(shè)備容量約束

儲能設(shè)備運(yùn)行約束

式中：Er為儲能的最大容量和分別為儲能的剩余電量百分比的上、下限，取值范圍為(0，1)；Pch，max和Pdis，max分別為儲能的最大充、放電功率。

(2)可控負(fù)荷模型

智能電網(wǎng)通過提供負(fù)荷平移與負(fù)荷削減補(bǔ)貼和實(shí)時(shí)電價(jià)信息，使微網(wǎng)用戶積極參與需求側(cè)響應(yīng)。本文暫不考慮可控負(fù)荷削減，則微網(wǎng)的需求側(cè)響應(yīng)可通過平移可控負(fù)荷(如洗衣機(jī)、電動汽車)，在滿足各時(shí)段負(fù)荷消納能力的前提下，將可控負(fù)荷從電價(jià)高峰時(shí)段平移到低谷時(shí)段，降低微網(wǎng)運(yùn)行成本。負(fù)荷平移后的可控負(fù)荷：

負(fù)荷平移約束條件：

2 微網(wǎng)運(yùn)行優(yōu)化模型

2.1 目標(biāo)函數(shù)

本文研究的微網(wǎng)包含以下三部分：不可控DG(風(fēng)力、光伏)，儲能設(shè)備，微網(wǎng)負(fù)荷(固定負(fù)荷、可平移負(fù)荷)。已知光伏、風(fēng)機(jī)等可再生能源出力具有波動，可通過對微網(wǎng)儲能備用和可控負(fù)荷的合理規(guī)劃，使微網(wǎng)自身運(yùn)行費(fèi)用最小。當(dāng)內(nèi)部電源無法滿足負(fù)荷需求或調(diào)用內(nèi)部儲能能量備用和可控負(fù)荷資源不經(jīng)濟(jì)時(shí)，可從主網(wǎng)購電以滿足系統(tǒng)運(yùn)行。本文不考慮微網(wǎng)向主網(wǎng)輸電，微網(wǎng)優(yōu)化運(yùn)行的目標(biāo)函數(shù)可表示為：

式中：T為運(yùn)行優(yōu)化周期；Pr(t)為t時(shí)段實(shí)時(shí)電價(jià)；Pbuy(t)為t時(shí)段微網(wǎng)的購電量；ND為可控負(fù)荷種類；li為第i類可控負(fù)荷的單位負(fù)荷轉(zhuǎn)移補(bǔ)貼費(fèi)用。

微網(wǎng)中可控負(fù)荷參與需求側(cè)響應(yīng)發(fā)生負(fù)荷轉(zhuǎn)移后，由于不可控DG出力不確定性，微網(wǎng)可能面臨供電不足的風(fēng)險(xiǎn)，需要考慮調(diào)用儲能備用容量或從主網(wǎng)購電。此時(shí)，微網(wǎng)購電量可表示為：

式中：E[D PF(t)]是不可控DG的綜合預(yù)測誤差期望；PR(t)是微網(wǎng)內(nèi)所有儲能裝置備用容量。若微網(wǎng)某時(shí)段有富余備用容量，可根據(jù)微源出力和實(shí)時(shí)電價(jià)的情況，通過優(yōu)化選擇何時(shí)釋放備用容量。

2.2 約束條件

儲能設(shè)備和可控負(fù)荷運(yùn)行約束分別為式(5)～式(8)和式(10)～式(13)，風(fēng)力、光伏運(yùn)行約束[8－11]。系統(tǒng)運(yùn)行約束還需考慮：

(1)功率平衡約束

式中：PWT(t)、PPV(t)和PL(t)分別為t時(shí)段風(fēng)機(jī)、光伏出力和負(fù)荷量。

(2)聯(lián)絡(luò)線傳輸功率約束

式中：Pl，max為微網(wǎng)與主網(wǎng)間聯(lián)絡(luò)線的傳輸功率極限。

(3)負(fù)荷平衡約束

3 模型求解

3.1 量子粒子群算法

量子粒子群優(yōu)化(QPSO)算法，是在傳統(tǒng)粒子群優(yōu)化(PSO)算法的基礎(chǔ)上，通過模擬量子行為的改進(jìn)粒子群優(yōu)化算法，相比于傳統(tǒng)粒子群優(yōu)化算法全局搜索能力更強(qiáng)。針對微網(wǎng)經(jīng)濟(jì)運(yùn)行優(yōu)化具有的多約束、非線性等特點(diǎn)，本文運(yùn)用QPSO求解運(yùn)行優(yōu)化模型。QPSO中對每個(gè)粒子用量子方式表示，即可表示為相位，本文采用相位表示法，通過求解全局最優(yōu)粒子相位，再映射到定義域空間，得到全局最優(yōu)解。

3.2 量子粒子群算法流程

Step1：初始化種群，得到粒子的初始相位。

Step2：計(jì)算各粒子量子態(tài)，并進(jìn)行第一次適應(yīng)度評估。如滿足跳出條件，則轉(zhuǎn)Step8，否則轉(zhuǎn)Step3。

Step3：計(jì)算粒子歷史最優(yōu)相位、全局最優(yōu)粒子相位。計(jì)算粒子量子態(tài)，并進(jìn)行適應(yīng)度評估；迭代次數(shù)加1；如滿足跳出條件，則轉(zhuǎn)Step8；否則，轉(zhuǎn)Step4。

Step4：更新粒子相位的變化量，并更新粒子。

Step5：判斷是否需要對粒子的相位進(jìn)行跳變：是，則執(zhí)行相位跳變，并轉(zhuǎn)Step6；否，則直接轉(zhuǎn)Step6。

Step6:根據(jù)預(yù)設(shè)的粒子狀態(tài)觀測概率選擇粒子的狀態(tài)，使粒子坍塌，并將粒子映射到預(yù)設(shè)的空間范圍內(nèi)。

Step7：對坍塌的粒子進(jìn)行適應(yīng)度評價(jià)；若滿足跳出條件，則轉(zhuǎn)Step8；否，則更新全局最優(yōu)和歷史最優(yōu)，轉(zhuǎn)Step3。

Step8：算法結(jié)束，并且輸出最優(yōu)值。

4 算例仿真

本文以某樓宇區(qū)級微網(wǎng)為例進(jìn)行仿真計(jì)算，設(shè)微網(wǎng)光伏和風(fēng)機(jī)機(jī)組的裝機(jī)容量分別為20 kW和40 kW，并設(shè)定風(fēng)機(jī)切入風(fēng)速vci=3.5m/s，切出風(fēng)速vco=20m/s，額定vr=17.5m/s，風(fēng)機(jī)和光伏機(jī)組出力由預(yù)測值和預(yù)測誤差得到，并假設(shè)風(fēng)機(jī)和光伏出力服從正態(tài)分布N(0，0.19)和N(0，0.11)；儲能設(shè)備的最大儲能容量為100 kWh，最大功率為20 kW；本文優(yōu)化周期T=24 h，優(yōu)化的單位時(shí)間間隔為1 h。算例中微網(wǎng)負(fù)荷及不可控DG出力預(yù)測如圖1所示。

圖1 微網(wǎng)負(fù)荷及不可控DG出力預(yù)測

利用QPSO算法，在實(shí)時(shí)電價(jià)環(huán)境下，對微網(wǎng)運(yùn)行成本進(jìn)行優(yōu)化。設(shè)hch和hdis分別為0.88和0.89，各時(shí)段負(fù)荷最大轉(zhuǎn)入量設(shè)為20 kW。優(yōu)化后的微網(wǎng)購電量及儲能設(shè)備出力如圖2所示。約定儲能出力大于0時(shí)儲能設(shè)備放電，小于0充電。從圖2可見，考慮了需求側(cè)資源管理后，儲能設(shè)備充分利用峰谷電價(jià)差，在電價(jià)低谷時(shí)段充電，在電價(jià)高峰時(shí)段放電；同時(shí)，通過負(fù)荷轉(zhuǎn)移和儲能設(shè)備出力，微網(wǎng)在電價(jià)高峰時(shí)期購買的電能減少，在電價(jià)低谷時(shí)間購入的電能增多。相比于未考慮儲能和可控負(fù)荷協(xié)調(diào)管控的情況，減少購電成本653.5元，微網(wǎng)總運(yùn)行成本減少了3.08%。

圖2 微網(wǎng)購電方案及儲能出力

微網(wǎng)可控負(fù)荷管理結(jié)果如表1所示，從表1中可見，微網(wǎng)在晚高峰時(shí)段的大量可控負(fù)荷從高峰時(shí)段(17：00～22：00)轉(zhuǎn)入到負(fù)荷低谷時(shí)段，從而實(shí)現(xiàn)負(fù)荷的削峰填谷，有效抑制了微

網(wǎng)負(fù)荷波動。算例表明，通過控制協(xié)調(diào)可控負(fù)荷和儲能裝置的能量轉(zhuǎn)移，降低微網(wǎng)購電成本，同時(shí)最終提升微網(wǎng)運(yùn)行經(jīng)濟(jì)性。

5 結(jié)語

智能電網(wǎng)中將接入大量與電網(wǎng)互動的需求側(cè)資源。本文著眼于微網(wǎng)中包含的需求側(cè)資源，研究微網(wǎng)經(jīng)濟(jì)優(yōu)化運(yùn)行。本文考慮儲能和可控負(fù)荷等需求側(cè)資源的作用，建立相應(yīng)的原件模型?；诓豢煽谼G出力不確定性，對儲能的建?？紤]了儲能設(shè)備能量備用功能。在實(shí)時(shí)電價(jià)環(huán)境下，建立優(yōu)化模型，一體協(xié)調(diào)儲能及可控負(fù)荷兩類需求側(cè)資源。為提高算法精度，避免迭代陷入局部最優(yōu)，運(yùn)用量子粒子群算法求解模型，保證了求解問題的準(zhǔn)確性。

算例仿真表明，利用本文提出的優(yōu)化方法，并運(yùn)用QPSO算法求解，可降低微網(wǎng)運(yùn)行成本。微網(wǎng)通過合理管理自身需求側(cè)資源，可有效實(shí)現(xiàn)負(fù)荷削峰填谷，減少對系統(tǒng)備用容量需求，更有利于大電網(wǎng)安全穩(wěn)定運(yùn)行。

[1]KATIRAEIF，IRAVANIR，HATZIARGYRIOU N，etal.M icrogrids management[J].IEEE Power and Energy Magazine，2008，6(3)：54-65.

[2]LASSETER R H.Smart distribution：coupled microgrids[J].Proceedingsof the IEEE，2011，99(6)：1074-1082.

[3]王成山，李鵬.分布式發(fā)電、微網(wǎng)與智能配電網(wǎng)的發(fā)展與挑戰(zhàn)[J].電力系統(tǒng)自動化，2010，34(2)：10-14．

[4]顧偉，吳志，王銳.考慮污染氣體排放的熱電聯(lián)供型微電網(wǎng)多目標(biāo)運(yùn)行優(yōu)化[J].電力系統(tǒng)自動化，2012，36(14)：177-185.

[5]邢龍，張沛超，方陳，等.基于廣義需求側(cè)資源的微網(wǎng)運(yùn)行優(yōu)化[J].電力系統(tǒng)自動化，2013，12：7-12.

[6]楊佩佩，艾欣，崔明勇，等.基于粒子群優(yōu)化算法的含多種供能系統(tǒng)的微網(wǎng)經(jīng)濟(jì)運(yùn)行分析[J].電網(wǎng)技術(shù)，2009，20：38-42.

[7]丁明，張穎媛，茆美琴.包含鈉硫電池儲能的微網(wǎng)系統(tǒng)經(jīng)濟(jì)運(yùn)行優(yōu)化[J].中國電機(jī)工程學(xué)報(bào)，2011，31(4)：7-14.

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

[9]石慶均．微網(wǎng)容量優(yōu)化配置與能量優(yōu)化管理研究[D].杭州：浙江大學(xué)，2012．

[10]劉天琪，江東林.基于儲能單元運(yùn)行方式優(yōu)化的微電網(wǎng)經(jīng)濟(jì)運(yùn)行[J].電網(wǎng)技術(shù)，2012(1)：45-50.

[11]王成山，于波，肖峻，等.平滑可再生能源發(fā)電系統(tǒng)輸出波動的儲能系統(tǒng)容量優(yōu)化方法[J].中國電機(jī)工程學(xué)報(bào)，2012，32(16)：1-8.

Optimaloperation ofmicrogrid considering demanded sideenergy storageand controllable load

ZHAO Yan1，DENG Hua-sheng2，GONG Zheng-yu3，LIU Ji-chun3
(1.ShanghaiMunicipal Electric PowerCompany，Shanghai200122，China;2.Huaneng Eastern Yunnan Energy Co.，Ltd.，Kunming Yunnan 650228，China;3.College ofElectrical Engineering and Information Technology，Sichuan University，Chengdu Sichuan 610065，China)

Microgrid combines a large amount of random，interm ittent and uncontrolled DG such as w ind power，photovoltaic.Through the combination of demanded side resources such as energy storage and the transfer of controllable load，them icrogrid optimaloperation was researched.In the case of time-of-use price，an econom ic scheduling model for a m icrogrid was proposed by considering the uncertainty of the output of w ind power and photovoltaic and respective functions of demanded side resources.Quantum particle swarm optim ization(QPSO) based on stochastic simulation was applied to solve the problem.Calculation examp le indicates that the modeland QPSO method are effective and feasible to carry out energy management of m icrogrids and the operation of m icrogrid considering demanded side resource ismore econom ic.

m icrogird;demanded side resources;energy reserve;load transformation;quantum particle swarm algorithm

TM131

A

1002-087 X(2016)07-1473-03

2015-12-05

國家自然科學(xué)基金(51207098)；中歐中小企業(yè)節(jié)能減排科研合作資金項(xiàng)目(SQ2011ZOF000004)

趙巖(1962—)，男，遼寧省人，高級工程師，主要研究方向?yàn)殡娏φ{(diào)度優(yōu)化及電力市場。

龔正宇(1989—)，男，四川省人，碩士生，主要研究方向?yàn)橹悄芘潆娋W(wǎng)和微電網(wǎng)。