基于儲能調(diào)度模式的分布式光伏兩階段多目標(biāo)就地消納模型

李　鵬，華浩瑞

(新能源電力系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室(華北電力大學(xué))，河北保定071003)

?

基于儲能調(diào)度模式的分布式光伏兩階段多目標(biāo)就地消納模型

李鵬，華浩瑞

(新能源電力系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室(華北電力大學(xué))，河北保定071003)

隨著分布式光伏接入配電網(wǎng)容量的提高，分布式光伏就地消納模型成為日益重要的課題。提出了一種基于儲能調(diào)度模式的分布式光伏兩階段多目標(biāo)消納模型。該模型以儲能調(diào)度策略為主要控制變量并配合機(jī)組出力，以分布式光伏消納率最大為優(yōu)先目標(biāo)，以系統(tǒng)運(yùn)行成本最小為次要目標(biāo)，計(jì)及儲能運(yùn)行約束等必要約束條件。針對建立的模型采用JAS算法配合分段線性化的混合整數(shù)規(guī)劃，并結(jié)合智能單粒子算法構(gòu)成的混合算法進(jìn)行求解。通過一個(gè)算例驗(yàn)證了該模型能在不同滲透率情況下最大化光伏消納率的同時(shí)最小化運(yùn)行成本，使得模型更加符合實(shí)際和具有應(yīng)用價(jià)值。

儲能調(diào)度模式； 兩階段優(yōu)化；多目標(biāo)；光伏消納；JAS算法；智能單粒子算法

0　引言

2015年3月，《國家能源局關(guān)于下達(dá)2015年光伏發(fā)電建設(shè)實(shí)施方案的通知》出臺，要求全年新增光伏電站建設(shè)規(guī)模達(dá)17.8 GW，并優(yōu)先建設(shè)35 kV以下、20 MW 以下的接入配電網(wǎng)的分布式光伏電站項(xiàng)目[1]。根據(jù)中國光伏資源分布特點(diǎn)，未來中國光伏發(fā)電發(fā)展將呈現(xiàn)大規(guī)模、高集中的開發(fā)趨勢[2]。而隨著分布式光伏發(fā)電接入容量的提高，研究配電網(wǎng)光伏消納能力及提高光伏消納能力的措施具有重要的現(xiàn)實(shí)意義[3-5]。

從系統(tǒng)的角度看，不同的電力系統(tǒng)對分布式光伏出力的接納能力并不相同。面對這樣的情況，如果系統(tǒng)有充足的儲能設(shè)備，則光伏的輸出相對容易充分消納，可更容易實(shí)現(xiàn)對光伏輸出的平穩(wěn)消納而且能夠滿足系統(tǒng)的安全穩(wěn)定需求，從而提高光伏的消納能力。文獻(xiàn)[6]基于某一實(shí)際系統(tǒng)饋線，結(jié)合當(dāng)?shù)貙?shí)際負(fù)荷及光伏規(guī)劃容量，利用隨機(jī)場景方法，分析了系統(tǒng)饋線的最大光伏消納能力；文獻(xiàn)[7]針對大規(guī)模并網(wǎng)光電消納容量計(jì)算問題，構(gòu)建了一種考慮網(wǎng)絡(luò)傳輸約束的消納分析模型；文獻(xiàn)[8]制定了以分布式光伏消納最大化為目標(biāo)的主動負(fù)荷需求響應(yīng)方案。此外，還有文獻(xiàn)[9-10]針對地區(qū)特點(diǎn)建立模型計(jì)算了其光伏消納容量。然而，當(dāng)分布式光伏滲透率較低的情況下，傳統(tǒng)的僅以光伏消納率最高為目標(biāo)的消納模型得出的最優(yōu)解通常不是唯一的，這是因?yàn)榇藭r(shí)消納率容易達(dá)到100%，而且無法計(jì)及含分布式光伏配電網(wǎng)的運(yùn)行效益。因此需要重新建立模型并在模型中計(jì)及其他目標(biāo)，使得模型更加合理和符合實(shí)際。

分布式光伏的滲透率定義為光伏1 d出力總?cè)萘颗c本區(qū)域1 d負(fù)荷容量的比例。分布式光伏集群相對于電力系統(tǒng)的不同滲透率為就地消納帶來了不同的挑戰(zhàn)，本文討論了光伏滲透率低與滲透率高這兩種情況。

本文主要考慮采用儲能調(diào)度模式提高分布式光伏消納率并提高含分布式光伏配電網(wǎng)的運(yùn)行效益，提出一種分布式光伏集群兩階段多目標(biāo)優(yōu)化消納模型。該模型包含優(yōu)先目標(biāo)(光伏消納率最大)和次要目標(biāo)(系統(tǒng)運(yùn)行成本最小)。事實(shí)上，該模型存在一個(gè)分布式光伏邊界滲透率，當(dāng)光伏滲透率較小于該邊界滲透率的情況下，優(yōu)先目標(biāo)容易達(dá)到上限，因此需要模型以運(yùn)行成本最小為目標(biāo)，系統(tǒng)的安全較易保證，備用需求相對較小，因此儲能單元的作用主要還是提供合理的熱備用與調(diào)峰能力，并在一定程度上實(shí)現(xiàn)削峰填谷；當(dāng)光伏滲透率大于該邊界滲透率的情況下，儲能是備用的重要組成部分，優(yōu)化的重點(diǎn)是保證安全，通過合理的儲能調(diào)度實(shí)現(xiàn)光伏盡可能多的安全消納，此時(shí)希望模型主要考慮優(yōu)先目標(biāo)。

然而，在實(shí)際運(yùn)行中，難以判定邊界滲透率，而傳統(tǒng)優(yōu)化模型無法自動地針對任意情況對該兩階段消納模型進(jìn)行求解。因此本文提出了基于JAS算法的兩階段多目標(biāo)優(yōu)化消納模型求解方法。通過算例表明，本文模型可以自動地在優(yōu)先實(shí)現(xiàn)最大化光伏消納率的同時(shí)，盡量滿足系統(tǒng)運(yùn)行成本最小。

1　儲能調(diào)度模型

本文根據(jù)分布式光伏滲透率針對2種情況進(jìn)行分析：

第1種情況，分布式光伏滲透率較低。此時(shí)光伏功率輸出的隨機(jī)性與不確定性相對較小，系統(tǒng)有足夠的能力對這些不確定性因素加以消納，因此帶來的負(fù)面影響較易消除。此時(shí)可以將整體經(jīng)濟(jì)性作為優(yōu)化目標(biāo)，在保證網(wǎng)絡(luò)安全的情況下做到光伏輸出的幾乎100%就地消納，同時(shí)實(shí)現(xiàn)經(jīng)濟(jì)性的最優(yōu)化。之所以不能完全做到100%是因?yàn)樵诜昼娚踔撩爰壍臅r(shí)間尺度上可控機(jī)組的爬坡率限制以及儲能出力變化速率限制。主要思路是首先令光伏集群以最大功率點(diǎn)跟蹤(Maximum Power Point Tracking, MPPT)模式全額輸出，其余發(fā)電單元配合儲能，在光伏達(dá)到最大消納的基礎(chǔ)上，通過合理的調(diào)度計(jì)算，以綜合經(jīng)濟(jì)性的最優(yōu)為目標(biāo)實(shí)現(xiàn)包括經(jīng)濟(jì)性等多目標(biāo)的整體的優(yōu)化。

第2種情況，分布式光伏滲透率較高。此時(shí)的特點(diǎn)是需要一定的優(yōu)化才能做到光伏充分消納，同時(shí)也可能有余力對經(jīng)濟(jì)性進(jìn)行一定的優(yōu)化。光伏較大程度的不確定性成為了消納率提升的最大障礙，因?yàn)檫@樣的問題很可能導(dǎo)致安全約束、系統(tǒng)調(diào)峰、備用等約束無法滿足等問題的出現(xiàn)。因此，在第1種情況下需要以安全可靠為第一要素，此時(shí)將根據(jù)需要限制部分光伏出力(亦即“棄光”)，迫使光伏按給定的要求減少出力以維持安全性和系統(tǒng)穩(wěn)定，但是這樣做會導(dǎo)致能量的損失?？紤]到儲能相比于火力發(fā)電等傳統(tǒng)電源來說擁有更高的靈活性，在合理的儲能調(diào)度優(yōu)化基礎(chǔ)上，可通過對儲能運(yùn)行時(shí)間與容量的合理調(diào)度，實(shí)現(xiàn)減少棄光的目標(biāo)，從而提高光伏發(fā)電的就地消納能力。

分布式光伏的功率輸出曲線和負(fù)荷曲線通過日前預(yù)測獲得。在所研究的電力系統(tǒng)中，除了分布式光伏集群、負(fù)荷與儲能設(shè)備以外還裝配有火力發(fā)電機(jī)組作為可控電源。

系統(tǒng)的目標(biāo)函數(shù)以光伏集群的功率消納率最高為優(yōu)先目標(biāo)，在保證消納的情況下，兼顧其他目標(biāo)。首要目標(biāo)為光伏消納率F1如式(1)所示。對于所給定的光伏出力預(yù)測曲線PPV，0(t)，實(shí)際消納為PPV(t)，那么在日前計(jì)劃中的光伏消納率F1可以通過消納的光伏功率總和與光伏實(shí)際出力總和之比來表示。

(1)

式中：T為總時(shí)段數(shù)。

兩階段優(yōu)化模型的次要目標(biāo)采用多目標(biāo)模型。次要目標(biāo)的第1個(gè)子目標(biāo)為經(jīng)濟(jì)成本，主要考慮了發(fā)電成本如式(2)所示，此外為了計(jì)及含分布式光伏接入配電網(wǎng)的節(jié)能減排效益，目標(biāo)函數(shù)中還應(yīng)計(jì)及網(wǎng)損成本如式(3)所示，任意時(shí)段的網(wǎng)損成本按該時(shí)段的外網(wǎng)分時(shí)電價(jià)水平計(jì)算價(jià)值，從而與發(fā)電成本相整合。

(2)

式中：C1為經(jīng)濟(jì)成本；G為總機(jī)組數(shù)；fg() 為機(jī)組g所對應(yīng)的成本曲線，已經(jīng)包含了燃料成本、運(yùn)行維護(hù)成本、設(shè)備折舊成本等必要成本；Pg(t)為機(jī)組g在t時(shí)段的出力；ΔT為每個(gè)時(shí)段對應(yīng)的時(shí)長，本文中取為1 h。

(3)

式中：C2為網(wǎng)損成本；Ploss,l(t)為t時(shí)段線路l的網(wǎng)損，總線路數(shù)量為L；p(t)為t時(shí)段外網(wǎng)分時(shí)電價(jià)水平。

因此，所構(gòu)成的第一個(gè)子目標(biāo)經(jīng)濟(jì)成本為f1如式(4)所示：

(4)

第2個(gè)子目標(biāo)為儲能電量越限懲罰項(xiàng)。一般文獻(xiàn)通常直接采用儲能電量上下限約束來對儲能中電量進(jìn)行約束從而避免其越限[11]。然而在實(shí)際中，在某些情況下允許儲能電量越限是有利的，只需要對儲能電量越限加入一定的懲罰項(xiàng)計(jì)入目標(biāo)函數(shù)即可，但是仍然希望儲能電量越限程度越小越好。而這樣的模型更加符合實(shí)際也具有更好的效益。儲能電量越限的目標(biāo)函數(shù)懲罰項(xiàng)，即次要目標(biāo)的第2個(gè)子目標(biāo)f2如式(5)所示，其中儲能電量越限百分比ΔSSB(t)如式(6)所示。

(5)

(6)

因此，兩階段模型的次要目標(biāo)如式(7)所示：

(7)

式中： γ1與γ2為權(quán)系數(shù)。

整體優(yōu)化模型為，首先滿足消納率最大化目標(biāo)maxF1，如果在達(dá)到100%消納的情況下，考慮次要目標(biāo)minF2的優(yōu)化。當(dāng)優(yōu)化模型的優(yōu)先目標(biāo)達(dá)到最優(yōu)且最優(yōu)解不唯一的時(shí)候，則最優(yōu)解在滿足優(yōu)先目標(biāo)最優(yōu)的前提下由次要目標(biāo)對應(yīng)的優(yōu)化模型來決定。

所要滿足的儲能相關(guān)的約束條件包括儲能充放電功率上下限約束，儲能電量與儲能充放電功率關(guān)系的約束，以及儲能首末電量約束。

針對本文項(xiàng)目基于的分布式光伏示范工程所在地區(qū)的特點(diǎn)，本文研究中采用的儲能單元形式為集中式蓄電池組。所用蓄電池的數(shù)學(xué)模型為：

儲能充電時(shí)和放電時(shí)的電能模型如式(8)和式(9)所示：

(8)

(9)

式中：PSB(t)為t時(shí)段蓄電池功率，以放電為正方向；ηin為充電效率；ηout為放電效率。

此外，蓄電池儲能還需要滿足充、放電功率上下限約束：

(10)

此外，由于本文考慮的是1 d內(nèi)的消納模型，為了維持電能穩(wěn)定以及保證次日的運(yùn)行調(diào)度，需要引入調(diào)度周期首末電能約束如式(11)所示；在實(shí)際運(yùn)行中，儲能1 d首末電量一般可取為儲能容量的一半。

(11)

式中：SSB(0)表示第一時(shí)段前的儲能電量；SSB(T)表示1 d最后1個(gè)時(shí)段末的儲能電量。本文中儲能電量只考察每個(gè)時(shí)段始末，即1 d 25個(gè)時(shí)刻的儲能電量情況。

在日級時(shí)間尺度上的儲能運(yùn)行方式研究中，假定儲能的折舊相對較小，因此忽略儲能容量的變化對模型的影響。

此外，所需要滿足的約束包括機(jī)組出力上下限約束如式(12)所示、節(jié)點(diǎn)電壓約束如式(13)所示、以及聯(lián)絡(luò)線傳輸功率約束如式(14)所示。

(12)

(13)

(14)

此外，假定該含分布式光伏接入的配電網(wǎng)系統(tǒng)已經(jīng)向外網(wǎng)購買了必要的旋轉(zhuǎn)備用以應(yīng)對光伏出力較小時(shí)間尺度上的波動性，該購買容量的確定可以通過優(yōu)化配置模型確定，不是本文研究重點(diǎn)，因此假定該購買的旋轉(zhuǎn)備用是充足的。

2　模型求解算法

上述光伏集群就地消納問題構(gòu)成了多個(gè)目標(biāo)的優(yōu)先級與目標(biāo)函數(shù)值相關(guān)聯(lián)而形成了分階段的非線性多目標(biāo)優(yōu)化問題，該問題不適合用常規(guī)的混合整數(shù)線性規(guī)劃方法(常規(guī)MILP)加以求解，對此可采用Jump and shift method[12]迭代算法(簡稱JAS)配合分段線性化的混合整數(shù)規(guī)劃算法，并結(jié)合智能單粒子算法(Intelligent Single Partical Optimization，ISP)[13]構(gòu)成的混合算法求解。

混合算法的主體迭代算法JAS，是一種提高復(fù)合型優(yōu)化問題求解效率的有效方法。設(shè)有兩個(gè)優(yōu)化問題，分別記為優(yōu)化問題A：

(15)

以及優(yōu)化問題B：

(16)

不同于傳統(tǒng)的代入求解，JAS算法采用分開計(jì)算、循環(huán)整合的方式對這兩個(gè)相互耦合的問題進(jìn)行整體優(yōu)化，并且避免了計(jì)算量的明顯增加；此外，其內(nèi)部的小范圍松弛也為過程中的尋優(yōu)提供了更多的機(jī)會。在JAS方法中定義3組優(yōu)化變量形成的向量如下：

(17)

式中：F-1(A)|p為在給定的p值下優(yōu)化所得解x；G-1(B)|x為在給定x的基礎(chǔ)上優(yōu)化所得解y；K-1(B)|x為給定x的基礎(chǔ)上優(yōu)化所得解p。這一通過求解優(yōu)化子問題而獲得適用于另一問題的優(yōu)化變量值的過程被稱為Jump過程。

同時(shí)，定義如下的Shift因子χ用于調(diào)節(jié)算法的收斂速度：

(18)

式中：x(i)為第i個(gè)變量；x(i)new為在χ的限制下所得的新x(i)值。

基于JAS可實(shí)現(xiàn)分階段多目標(biāo)的優(yōu)化計(jì)算。整體方法為建立計(jì)及光伏消納率最大化與綜合經(jīng)濟(jì)性最優(yōu)的分階段目標(biāo)，構(gòu)建多目標(biāo)優(yōu)化運(yùn)行復(fù)合問題，其中優(yōu)先考慮光伏消納率最大化；在首要目標(biāo)得到滿足的情況下，以其保持最大為約束條件、以次要目標(biāo)為優(yōu)化目標(biāo)進(jìn)行第二階段的優(yōu)化計(jì)算。

混合整數(shù)規(guī)劃MILP可以解決的機(jī)組組合問題構(gòu)建為問題A，潮流與損耗優(yōu)化的部分構(gòu)建為問題B。其連接關(guān)系為：

(19)

式中：G為系統(tǒng)中機(jī)組數(shù)量；PLD(t)為t時(shí)段系統(tǒng)總的凈負(fù)荷功率，即系統(tǒng)總負(fù)荷功率減去光伏發(fā)電功率；PLOSS(t)為t時(shí)段全系統(tǒng)的損耗。通過潮流計(jì)算即可獲得網(wǎng)絡(luò)中包括潮流與節(jié)點(diǎn)電壓等各項(xiàng)參數(shù)，由Shift因子χ松弛后的機(jī)組輸出功率可在松弛范圍內(nèi)以光伏消納率進(jìn)一步提高或損耗最低為目標(biāo)進(jìn)行尋優(yōu)求解工作。

問題B構(gòu)建為變量搜索范圍有限的優(yōu)化問題，采用智能單粒子算法ISPO實(shí)現(xiàn)快速求解。ISPO只需要在一個(gè)粒子的基礎(chǔ)上通過特殊的迭代循環(huán)實(shí)現(xiàn)優(yōu)化求解，尋優(yōu)準(zhǔn)確，計(jì)算快速。

將ISPO算法用于求解問題B，則優(yōu)化變量為某個(gè)靜態(tài)時(shí)間斷面下各單元的出力情況，其變量約束除設(shè)備本身以外，還受到Shift因子χ的限制。

看到盧一平語噎,郝桂芹轉(zhuǎn)身走了。走幾步,回頭又說。你再想想,將來你兒子去城市買房,開發(fā)商用雜志和你結(jié)算嗎？

在ISPO中定義了“子矢量”的概念。稱用矢量表示的解為“解矢量”，即靜態(tài)時(shí)間斷面下的矢量p，則子矢量為這個(gè)解矢量的片段，具體含義為若干機(jī)組的出力組合。ISPO算法的唯一粒子是整個(gè)解矢量，維數(shù)為D，可劃分為m個(gè)互不重疊的片段，則稱將解矢量分解為m個(gè)子矢量。每一個(gè)子矢量都擁有自己的位置zj與速度vj，j=1,…,m。子矢量的劃分取決于按照變量之間的關(guān)聯(lián)，關(guān)聯(lián)緊密的變量在劃分到同一子矢量后，尋優(yōu)能力通常會更強(qiáng)。每一片段允許不連續(xù)，但這實(shí)際上等價(jià)于對變量進(jìn)行某種重新排列，因此為了敘述簡單起見，這里依然用子矢量連續(xù)的形式表示。

(20)

(21)

(22)

3　求解方法流程

算法的流程為：

(1)以光伏就地消納率最大為目標(biāo)，以系統(tǒng)和設(shè)備限制為約束，對問題A進(jìn)行MILP機(jī)組組合計(jì)算，并將出力計(jì)劃送入問題B。

(2)問題B中在Shift因子χ范圍內(nèi)，通過ISPO計(jì)算損耗并修正平衡等式，在變量優(yōu)化范圍內(nèi)以光伏就地消納率最大為目標(biāo)進(jìn)行尋優(yōu)。

(3)如果光伏消納率已經(jīng)達(dá)到最大，則修改模型，加入保持光伏消納率最大的約束和綜合經(jīng)濟(jì)性最優(yōu)的目標(biāo)，進(jìn)入步驟4；否則如果不滿足收斂條件，就重復(fù)步驟1；若光伏消納率還沒有達(dá)到100%但已經(jīng)達(dá)到收斂條件，則轉(zhuǎn)步驟7。

(4)以綜合經(jīng)濟(jì)性最優(yōu)為目標(biāo)，在保持光伏消納率最大的基礎(chǔ)上對問題A進(jìn)行MILP機(jī)組組合計(jì)算，并將出力計(jì)劃送入問題B。

(5)問題B中在Shift因子χ范圍內(nèi)，通過ISPO計(jì)算損耗并修正平衡等式，在變量優(yōu)化范圍內(nèi)以綜合經(jīng)濟(jì)性最優(yōu)為目標(biāo)進(jìn)行尋優(yōu)。

(6)如果綜合經(jīng)濟(jì)性最優(yōu)的計(jì)算已經(jīng)收斂，則轉(zhuǎn)步驟(7)；否則轉(zhuǎn)步驟(4)。

(7)停止計(jì)算，輸出結(jié)果。

4　算例

本文基于IEEE九節(jié)點(diǎn)系統(tǒng)構(gòu)建了改進(jìn)的含分布式光伏接入的系統(tǒng)。在算例中有3臺發(fā)電機(jī)組分別為Gen1、Gen2、Gen3分別接入節(jié)點(diǎn)1、2、3，容量依次為400 MW，400 MW，200 MW，其中節(jié)點(diǎn)1通過PCC與外網(wǎng)連接，可以由外網(wǎng)向該含分布式光伏的配電網(wǎng)傳輸功率，為了保證外網(wǎng)的安全可靠性，因此不考慮節(jié)點(diǎn)1通過PCC向外網(wǎng)售電的情況。在負(fù)荷節(jié)點(diǎn)5、6、8分別接入分布式光伏，接入容量相等，接入總?cè)萘吭诰唧w算例中根據(jù)要考察的滲透率而定；在節(jié)點(diǎn)9接入集中式儲能系統(tǒng)蓄電池組，其配置容量為250 MW·h，充放電功率上限50 MW。本文主要研究分布式光伏有功功率的消納模型，因此假定系統(tǒng)中無功功率充足而不考慮無功運(yùn)行特性。

算例1：光伏滲透率較低的情況。分布式光伏集群的總?cè)萘繛?50 MW，滲透率為20%。備用容量取負(fù)荷的10%及光伏計(jì)劃的20%，且不考慮機(jī)組檢修和突發(fā)性誤差等問題。系統(tǒng)中光伏預(yù)測曲線PV與負(fù)荷預(yù)測曲線PL如圖1所示。

圖1　算例1低滲透率時(shí)負(fù)荷與光伏預(yù)測

采用本文的儲能調(diào)度模式進(jìn)行求解，可以得到結(jié)果該算例中可以做到光伏100%消納，因此求解方法中的優(yōu)化目標(biāo)自動調(diào)整為綜合經(jīng)濟(jì)性即次要目標(biāo)。在不使用儲能的情況下，全調(diào)度周期的綜合成本為106 858.7元，光伏就地消納率100%；在加入儲能的情況下，全調(diào)度周期的綜合成本為103 357.7元，光伏就地消納率為100%。這種情況下，模型的優(yōu)先目標(biāo)消納率最高，容易得到滿足且滿足時(shí)的最優(yōu)解不唯一，因此模型按照次要目標(biāo)運(yùn)行成本最小進(jìn)行優(yōu)化調(diào)度。

在算例1中，儲能主要作用是小額度的削峰填谷，由于火電機(jī)組的燃料成本曲線的斜率隨著其出力的增大而增大，因此通過儲能的削峰填谷作用可以讓機(jī)組盡量運(yùn)行在效率較高的低斜率部分，從而降低運(yùn)行成本。事實(shí)上，算例1中綜合成本降低了3.3%，各機(jī)組以及儲能充放電狀況如圖2所示。

圖2　算例1消納光伏策略

算例2：同算例1，只按比例改變光伏的總裝機(jī)容量，將其提高到875 MW，此時(shí)滲透率為70%，這個(gè)數(shù)據(jù)意味著在光伏輸出高峰時(shí)對其他發(fā)電單元有明顯的替代效果。高滲透率下系統(tǒng)中光伏預(yù)測曲線PV與負(fù)荷預(yù)測曲線PL如圖3所示。

圖3　算例2低滲透率時(shí)負(fù)荷與光伏預(yù)測

在不使用儲能的情況下光伏消納率為98.17%，綜合成本為65 177.83元；使用儲能的情況下，光伏消納率提高到100%，綜合成本為63 831.52 元。可以看出，儲能的合理調(diào)度實(shí)現(xiàn)了光伏就地消納率的提升，將本來難以消納的部分也得以充分利用，光伏消納率提高了1.83%，實(shí)現(xiàn)了就地充分消納；綜合成本降低了2.06%，相比之下效果沒有光伏滲透率較低的情況更顯著，這是因?yàn)楫?dāng)分布式光伏滲透率較高時(shí)，可以大大降低機(jī)組出力，使得機(jī)組更傾向于運(yùn)行中燃料成本曲線的高效率部分，而使得通過儲能進(jìn)一步提高效率的空間相對有限，所以通過儲能削峰填谷的成本下降效益沒有算例1顯著。

在這種情況下，模型按照優(yōu)先目標(biāo)進(jìn)行優(yōu)化調(diào)度，當(dāng)優(yōu)先目標(biāo)既光伏消納率達(dá)到最大時(shí)，此時(shí)優(yōu)化運(yùn)行結(jié)果唯一；事實(shí)上，算例2中的各機(jī)組出力曲線以及儲能充放電狀況如圖4所示。

圖4　算例2消納光伏策略

具體分析儲能的作用可以看出，在光伏高峰階段儲能主要是吸收能量，而在晚上負(fù)荷小高峰但光伏無輸出的情況下，儲能放電，實(shí)現(xiàn)了光伏功率的更充分利用，整體滿足合理利用的要求。在本文2個(gè)算例中，儲能的1 d各時(shí)段電量情況如圖5所示。在算例1中，儲能的作用主要是削峰填谷，因此其電量在負(fù)荷高峰時(shí)期較低；而在算例2中，儲能調(diào)度的主要目的是提高光伏消納率，因此在光伏大量并網(wǎng)時(shí)充分充電，其電量在光伏出力大時(shí)較高。

圖5　算例1和算例2的1 d各時(shí)段儲能電量情況

5　結(jié)論

本文提出了一種基于儲能調(diào)度模式的分布式光伏集群兩階段多目標(biāo)優(yōu)化消納模型。本文模型可以在優(yōu)化光伏消納率的同時(shí)，更好地兼顧系統(tǒng)運(yùn)行成本最小化的目標(biāo)。通過算例說明：

(1)在分布式光伏滲透率較高時(shí)，采用本文儲能調(diào)度模式相比于不采用儲能調(diào)度模式時(shí)，可以較好地提高光伏消納率。

(2)當(dāng)分布式光伏滲透率較低的情況下，采用儲能調(diào)度模式對分布式光伏消納率的提升沒有顯著作用，當(dāng)滿足優(yōu)先目標(biāo)最優(yōu)時(shí)的最優(yōu)解不唯一，此時(shí)模型可以自主地計(jì)及次要目標(biāo)即系統(tǒng)運(yùn)行成本最低，制定經(jīng)濟(jì)的調(diào)度策略。

(3)當(dāng)分布式光伏滲透率較高的情況下，模型自主地以優(yōu)先目標(biāo)即消納率最大為目標(biāo)，采用儲能調(diào)度模式對分布式光伏消納率的提升有顯著作用。

(4)提出的混合智能算法使用于求解類似本文的兩階段多目標(biāo)優(yōu)化模型，具備較好求解效果。

[1]劉皓明，陸丹，楊波，等. 可平抑高滲透分布式光伏發(fā)電功率波動的儲能電站調(diào)度策略[J]. 高電壓技術(shù)，2015,41(10): 3213-3223.

[2]白建華，辛頌旭，賈德香，等. 中國風(fēng)電開發(fā)消納及輸送相關(guān)重大問題研究[J]. 電網(wǎng)與清潔能源，2010，26(1)：14-17.

[3]孫卓新，朱永強(qiáng)，倪一峰，等. 基于粒子群算法的含光伏電站的配電網(wǎng)無功優(yōu)化[J]. 電力建設(shè)， 2014， 35(4) : 25-30.

[4]陳煒, 艾欣, 吳濤, 等. 光伏并網(wǎng)發(fā)電系統(tǒng)對電網(wǎng)的影響研究綜述[J]. 電力自動化設(shè)備, 2013, 33(2): 26-32.

[5]魏磊, 姜寧, 于廣亮, 等. 寧夏電力系統(tǒng)接納新能源能力研究[J]. 電網(wǎng)技術(shù), 2010, 34(11): 176-181.

[6]趙波，韋立坤，徐志成, 等. 計(jì)及儲能系統(tǒng)的饋線光伏消納能力隨機(jī)場景分析[J]. 電力系統(tǒng)自動化, 2015，39(9)：34-40.

[7]歐陽聰，劉明波. 考慮網(wǎng)絡(luò)傳輸約束的并網(wǎng)光伏發(fā)電消納容量計(jì)算[J]. 電力系統(tǒng)保護(hù)與控制，2016，44(5):17-23.

[8]湯奕，魯針針，伏祥運(yùn). 居民主動負(fù)荷促進(jìn)分布式電源消納的需求響應(yīng)策略[J]. 電力系統(tǒng)自動化，2015，39(24):49-55.

[9]姚天亮，鄭海濤，楊德洲，等. 甘肅河西500萬kW光伏就地消納及調(diào)峰分析[J]. 中國電力,2014，47(3)：14-18.

[10]寧光濤，謝海鵬，別朝紅，等. 海南電網(wǎng)分布式光伏消納能力評估[J]. 南方電網(wǎng)技術(shù)，2015，9(5)：59-65.

[11]桑丙玉，王德順，楊波，等. 平滑新能源輸出波動的儲能優(yōu)化配置方法[J]. 中國電機(jī)工程學(xué)報(bào)，2014，34(22)：3700-3706.

[12]CHEN S X, GOOI I H B.Jump and shift method for multi-objective optimization[J]. IEEE Transaclions on Industrial Electronics, 2011, 58(10): 4538-4548.

[13]紀(jì)震，周家銳，廖惠連，等.智能單粒子優(yōu)化算法[J].計(jì)算機(jī)學(xué)報(bào)，2010，33(3)：556-561.

Two-stage Multi Objective Consumption Model for Distributed Photovoltaic Based on Energy Storage Scheduling Mode

LI Peng, HUA Haorui

(State Key Laboratory of Alternate Electrical Power System With Renewable Energy Sources,North China Electric Power University, Baoding 071003, China)

With the increase of the distributed photovoltaic (PV) capacity connected to distribution network, distributed photovoltaic consumption model has become an increasingly attractive topic. This paper proposed a two-stage multi-objective consumption model for distributed PV based on energy storage scheduling mode. The proposed model uses energy storage scheduling strategy, combining with the unit output as the main controllable variables, while the maximizing consumptive rate of PV is considered as the priority target and minimizing operation costs as the secondary one. The constraints include energy storage operation conditions, etc. For the built model, this paper uses JAS algorithm combined with mixed integer programming with piecewise linearization, and the intelligent single particle algorithm is applied to solve the subsequent mathematical problem. Last, an example is made to verify the proposed model. It comes out that the proposed method can maximize consumptive rate of PV at the same time minimize operation costs in conditions of different PV penetration rate, which makes the model more practical and useful.

energy storage scheduling mode； two-stage optimization； multiple objective； consumption of PV; JAS algorithm; intelligent single particle algorithm

2016-07-05。

國家電網(wǎng)公司總部科技項(xiàng)目 (520201150012)。

李鵬(1965-)，男，教授，主要研究方向?yàn)樾履茉床⒕W(wǎng)發(fā)電微網(wǎng)技術(shù)、電能質(zhì)量分析與控制、電力電子技術(shù)在智能電網(wǎng)中的應(yīng)用等,E-mail:ncepulp@gmail.com。

TM615

ADOI:10.3969/j.issn.1672-0792.2016.10.001