含多種分布式電源的微電網(wǎng)經(jīng)濟(jì)調(diào)度

柯奇江，劉 肖，劉 波

（1.國網(wǎng)四川省電力公司攀枝花供電公司，四川 攀枝花 617000；2.國網(wǎng)重慶市電力公司市區(qū)供電分公司，重慶 渝中區(qū) 400015）

含多種分布式電源的微電網(wǎng)經(jīng)濟(jì)調(diào)度

柯奇江1，劉 肖1，劉 波2

（1.國網(wǎng)四川省電力公司攀枝花供電公司，四川 攀枝花 617000；2.國網(wǎng)重慶市電力公司市區(qū)供電分公司，重慶 渝中區(qū) 400015）

針對含多種分布式電源的微電網(wǎng)經(jīng)濟(jì)調(diào)度問題，以微電網(wǎng)各機(jī)組的出力和蓄電池、電動(dòng)汽車的電量為約束條件，考慮微電網(wǎng)中設(shè)備的投資費(fèi)用、運(yùn)行維護(hù)費(fèi)用、燃料消耗費(fèi)用和能量交易費(fèi)用，以微電網(wǎng)在一個(gè)完整的調(diào)度周期的總運(yùn)行費(fèi)用最小為目標(biāo)函數(shù)，建立微電網(wǎng)經(jīng)濟(jì)調(diào)度模型，采用粒子群優(yōu)化算法對燃?xì)廨啓C(jī)的每小時(shí)輸出功率進(jìn)行優(yōu)化。仿真結(jié)果表明：該模型能有效降低微電網(wǎng)的運(yùn)行成本，其粒子群優(yōu)化算法與其他算法相比具有簡單、易實(shí)現(xiàn)、精度高等優(yōu)點(diǎn)。

微電網(wǎng)；經(jīng)濟(jì)調(diào)度；分布式電源；粒子群算法

有效訪問地址：http://dx.doi.org/10.3969/j.issn.1672-3643.2017.03.002

分布式電源（Distributed Generator，DG）接入配電網(wǎng)及電動(dòng)汽車（electric vehicle，EV）充放電帶來的雙向潮流等問題導(dǎo)致電網(wǎng)的經(jīng)濟(jì)調(diào)度更加困難，而電網(wǎng)對風(fēng)電、光伏等可再生能源的消納問題也成為了國內(nèi)外學(xué)者關(guān)注的重點(diǎn)。為了提高微電網(wǎng)運(yùn)行經(jīng)濟(jì)性和穩(wěn)定性，有必要建立微電網(wǎng)經(jīng)濟(jì)調(diào)度模型及需求適當(dāng)?shù)膬?yōu)化算法［1］。

1 研究現(xiàn)狀及需要解決的問題

1.1 研究現(xiàn)狀

微電網(wǎng)（Micro-Grid）也稱為微網(wǎng)，是微電源、負(fù)荷、儲能系統(tǒng)和控制裝置的有機(jī)結(jié)合，同時(shí)為本地用戶提供電能和熱能。微電網(wǎng)的運(yùn)行方式有兩種：（1）與外部電網(wǎng)并網(wǎng)運(yùn)行；（2）孤島運(yùn)行［2］。分布式發(fā)電技術(shù)（一般指使用可再生能源或燃料電池為主要能源進(jìn)行發(fā)電的小型發(fā)電機(jī)組），在大電網(wǎng)互聯(lián)的背景下應(yīng)運(yùn)而生。憑借其操作靈活、環(huán)境效益高等優(yōu)勢獲得國際和國內(nèi)的廣泛認(rèn)可。由于分布式電源可以建設(shè)在用戶用電現(xiàn)場，但是其單機(jī)接入的特點(diǎn)使DG不受電網(wǎng)側(cè)的實(shí)時(shí)控制，導(dǎo)致當(dāng)電網(wǎng)故障時(shí)，必須在連接電網(wǎng)的一側(cè)將DG斷開，大大降低了DG的利用效率。而傳統(tǒng)配電網(wǎng)對DG的優(yōu)化調(diào)度有一定的局限性，為了解決DG并網(wǎng)運(yùn)行的高效實(shí)用問題，微電網(wǎng)技術(shù)逐步成為研究的熱點(diǎn)［3］。

大量DG接入電網(wǎng)影響了電能質(zhì)量，因此研究微電網(wǎng)技術(shù)成為電網(wǎng)經(jīng)濟(jì)高效運(yùn)行的重要措施，而EV的規(guī)?；\(yùn)行使得污染氣體排放量減少和對石油資源的依賴降低，成為了實(shí)現(xiàn)節(jié)能減排不可或缺的部分，這也給微電網(wǎng)的規(guī)劃和運(yùn)行帶來了不可忽視的影響［4］。文獻(xiàn)［5］在微電網(wǎng)的環(huán)境中通過電池儲能系統(tǒng)（battery energy storage system，BESS）的特性分析，以微電網(wǎng)的運(yùn)行成本、網(wǎng)絡(luò)折舊成本、環(huán)境效益和綜合效益4個(gè)指標(biāo)為目標(biāo)函數(shù)，通過改變微電網(wǎng)與主網(wǎng)交互電價(jià)，選取不同的控制策略，對微電源的出力進(jìn)行了優(yōu)化，這是儲能技術(shù)在微電網(wǎng)運(yùn)行優(yōu)化中的典型應(yīng)用。文獻(xiàn)［6］提出主動(dòng)配電網(wǎng)中儲能的優(yōu)化調(diào)度模型，得到儲能容量、位置等的確定方法。文獻(xiàn)［7-8］提出含DG的微電網(wǎng)的控制策略，即分層分布式控制。但上述研究都沒有考慮EV充放電及DG同時(shí)接入微電網(wǎng)的經(jīng)濟(jì)調(diào)度。

1.2 需要解決的問題

針對DG接入電網(wǎng)及EV充放電調(diào)度難的問題，建立微電網(wǎng)經(jīng)濟(jì)調(diào)度模型，需要解決的問題主要有以下3點(diǎn)：

（1）DG與EV接入微網(wǎng)的協(xié)調(diào)優(yōu)化調(diào)度問題；

（2）可再生能源的消納問題（主要針對風(fēng)電和光伏）；

（3）微電網(wǎng)運(yùn)行經(jīng)濟(jì)性問題，即經(jīng)濟(jì)成本問題。

2 解決方案

本文針對DG接入電網(wǎng)及EV充放電調(diào)度難的問題，提出含多種DG的微電網(wǎng)的經(jīng)濟(jì)調(diào)度模型，以運(yùn)行成本、燃料費(fèi)用、電能交易費(fèi)用為目標(biāo)函數(shù)，考慮微電網(wǎng)各機(jī)組的出力約束和蓄電池、EV的電量約束，用粒子群（particle swarm optimization，PSO）算法最小化成本目標(biāo)函數(shù)的優(yōu)化來確定各個(gè)DG的出力以及微電網(wǎng)的成本。

2.1 建立微電網(wǎng)經(jīng)濟(jì)調(diào)度模型

以微電網(wǎng)在一個(gè)完整的調(diào)度周期的總運(yùn)行費(fèi)用最小為目標(biāo)函數(shù)，考慮微電網(wǎng)中設(shè)備的投資費(fèi)用、運(yùn)行維護(hù)費(fèi)用、一個(gè)調(diào)度周期的燃料消耗費(fèi)用和能量交易費(fèi)用。

式中：Ct—微電網(wǎng)運(yùn)行總成本；

Cc′—等年值設(shè)備投資成本；

Mi—第i類微電源的個(gè)數(shù)；

Cc.i—第i類單個(gè)微電源的投資成本；

r—年利息率；

Ni—第i類微電源的使用年限；

CO.i—第i類微電源的運(yùn)行維護(hù)成本；

n—分布式電源類型個(gè)數(shù)；

Cf(t)—在t時(shí)刻所有燃?xì)廨啓C(jī)的總?cè)剂腺M(fèi)用；

Cb(t)—t時(shí)刻微電網(wǎng)向外界電網(wǎng)購買的電量費(fèi)用；

Cs(t)—t時(shí)刻微電網(wǎng)向外界電網(wǎng)賣電賺的費(fèi)用；

T—微電網(wǎng)的完整調(diào)度周期。

2.2 電池儲能模型

為了簡化分析，在微電網(wǎng)中BESS的工作狀態(tài)有充電和放電2種狀態(tài)，儲能充電時(shí)滿足

儲能放電時(shí)滿足

式中：SB(t)— t時(shí)刻BESS的荷電狀態(tài)；

2.3 EV模型

本文假設(shè)接入微網(wǎng)的EV在與電網(wǎng)互動(dòng)（vehicle to grid，V2G）運(yùn)行模式下都可以調(diào)度［9］，EV行駛一天后重新接入微電網(wǎng)充電時(shí)的初始荷電狀態(tài)為：

式中：Ld—電動(dòng)汽車在充滿電后單天行駛的實(shí)際里程數(shù)；

Lr—電動(dòng)汽車滿荷電狀態(tài)下可以行駛的最大里程數(shù)。

單天行駛里程數(shù)Ld應(yīng)近似滿足對數(shù)正態(tài)分布

對微電網(wǎng)來說，EV的工作狀態(tài)有充電和放電兩種，在EV隨機(jī)充電、有序充電2種運(yùn)行模式下EV只有充電狀態(tài)而在V2G模式下EV就兼具2種工作狀態(tài)，電網(wǎng)需要時(shí)EV就可處于放電狀態(tài)，即近似將EV看成一個(gè)儲能裝置。

EV充電時(shí)滿足：

EV放電時(shí)滿足

式中：SE(t)—t時(shí)刻的EV荷電狀態(tài)；

2.4 約束條件

2.4.1 功率平衡等式約束條件

式中：PDi(t)—分布式電源t時(shí)刻發(fā)電功率；

nD—分布式電源個(gè)數(shù)；

Ps(t)—微電網(wǎng)向上級電網(wǎng)的購電功率；

PE(t)—EV充放電功率且充電時(shí)為正放電時(shí)為負(fù)；

PL(t)—總的負(fù)荷。

2.4.2 可控分布式電源的有功出力約束條件

可控分布式電源包括風(fēng)電、光伏、微型燃?xì)廨啓C(jī)等［10］，它們的有功出力約束為

式中：n—可控分布式電源數(shù)；

PGi(t)—第i個(gè)可控分布式電源在t時(shí)刻的有功出力；

2.4.3 節(jié)點(diǎn)電壓約束條件

為保證微電網(wǎng)穩(wěn)定安全運(yùn)行，所有節(jié)點(diǎn)電壓幅值都應(yīng)該限制在允許范圍內(nèi)，即

2.4.4 BESS約束條件

假定在電池儲能整個(gè)充放電過程中兩端電壓維持恒定以及最大充電功率與最大放電功率相同且都等于電池儲能的額定功率，則儲能還需滿足以下約束條件

2.4.5 EV約束條件

SE—EV最大充放電功率。

2.5 求解算法

粒子群優(yōu)化［11］（particle swarm optimization，PSO）算法由于其簡單、易實(shí)現(xiàn)以及需要調(diào)節(jié)的參數(shù)少而被廣泛使用，每一個(gè)D維粒子帶入目標(biāo)函數(shù)后都有相應(yīng)的適應(yīng)值(Fitness Value)。在搜尋過程中，每個(gè)粒子根據(jù)自己的歷史最優(yōu)適應(yīng)值Fi-1產(chǎn)生1個(gè)自己現(xiàn)在的最優(yōu)適應(yīng)值Pi，全部粒子根據(jù)比較每個(gè)粒子的最優(yōu)適應(yīng)值Fi，產(chǎn)生1個(gè)全局最優(yōu)適應(yīng)值（Fb）。同時(shí)在搜尋過程中，每個(gè)粒子根據(jù)自己的當(dāng)前速度Vi、自己當(dāng)前最優(yōu)值Fi和全局最優(yōu)Fb來更新自己的速度和位置，這樣粒子們就追隨當(dāng)前的最優(yōu)粒子在D維空間［12］中搜索。

基本粒子群算法［13］計(jì)算步驟：

步驟1：初始化N個(gè)粒子的速度V1和位置X1，帶入fitness函數(shù)得到初始每個(gè)粒子最優(yōu)F1，比較這些粒子自己的最優(yōu)，找出初始的全局最優(yōu)Fbest。

步驟2：根據(jù)粒子的速度、粒子自身歷史最優(yōu)位置和全局最優(yōu)位置更新速度公式。

在每次迭代過程中每個(gè)粒子根據(jù)以上3個(gè)部分作用更新自己的速度，第一個(gè)部分是對自身速度的信任；第二個(gè)部分是對自己的思考，鼓勵(lì)粒子向自己的歷史最優(yōu)位置移動(dòng)；第三部分是對社會的思考，鼓勵(lì)粒子向全局最優(yōu)位置移動(dòng)。

步驟3：更新位置公式。

步驟4：根據(jù)fitness函數(shù)評價(jià)更新過后的位置Xi，如果更新后的位置所得的適應(yīng)值 f(Xi)比自己歷史最優(yōu)值Fi小，則修改粒子的最優(yōu)值Fi并記下所對應(yīng)的位置Pi，如果更新后的粒子自身最優(yōu)適應(yīng)值Fi比全局最優(yōu)適應(yīng)值Fbest小，則修改全局最優(yōu)適應(yīng)值Fbest并記下所對應(yīng)的位置Pbest。

步驟5：判斷迭代次數(shù)是否達(dá)到M，達(dá)到就結(jié)束，沒達(dá)到就轉(zhuǎn)到步驟2。本文算法流程如圖1所示，PGrid為微網(wǎng)的有功功率。

圖1 經(jīng)濟(jì)調(diào)度模型算法流程

3 仿真結(jié)果及效果評價(jià)

3.1 仿真結(jié)果

3.1.1 算例仿真模型及參數(shù)設(shè)置

本文算例基于改造后的標(biāo)準(zhǔn)微電網(wǎng)，WT表示風(fēng)電，PV表示光伏，L為加入的負(fù)荷，分布式電源風(fēng)電、光伏容量設(shè)置為500 kW（峰值），圖2為DG及負(fù)荷功率預(yù)測值［14］。電動(dòng)汽車規(guī)模選為100輛，車型參考比亞迪E6［15］，額定容量定為64 kW·h，、分別取額定容量的20%和95%，EV接入微電網(wǎng)的初始荷電狀態(tài)由公式（3）得到，EV通過充電站的雙向充電機(jī)進(jìn)行充放電，額定充放電功率為7 kW，充放電效率取90%，假設(shè)V2G模式下的用戶響應(yīng)度為80%，即在V2G模式下，有80%的EV用戶參與微電網(wǎng)經(jīng)濟(jì)調(diào)度，剩下20%的EV還是處于有序充電模式；而假設(shè)EV處于有序充電模式下的用戶響應(yīng)度為100%。

圖2 24 h分布式電源與負(fù)荷的預(yù)測功率

儲能裝置采用鉛酸蓄電池，其容量成本為500元/（kW·h），額定功率成本為350元/（kW·h），最小和最大荷電狀態(tài)取額定容量的0.2和1倍，充放電效率與EV相同，故障率α取0.09，Co取3元/kW［16］，儲能運(yùn)行維修成本CO取0.5元/kW，為簡化分析使微電網(wǎng)從外界購電和售點(diǎn)價(jià)格相同，微電網(wǎng)與外界交換的電能的單位實(shí)時(shí)電價(jià)C(t)由表1給出。

表1 24 h內(nèi)不同時(shí)段的電價(jià)

3.1.2 算例結(jié)果對比分析

在matlab軟件［17］上進(jìn)行仿真，圖3為經(jīng)濟(jì)調(diào)度中24 h內(nèi)微網(wǎng)各單元出力情況。其中W表示風(fēng)力發(fā)電機(jī)；S表示光伏電池陣列；EV表示電動(dòng)汽車，包括可調(diào)度的電動(dòng)汽車和私家電動(dòng)汽車；B表示蓄電池；PG表示微電網(wǎng)總出力［18］；LOAD表示負(fù)荷。

圖3 24 h內(nèi)微網(wǎng)各單元出力

如上面提及到，微電網(wǎng)的發(fā)電單元和儲能單元都是偏緊配置，但是在含有電動(dòng)汽車的情況下，負(fù)荷高峰期，各發(fā)電單元和蓄電池都能滿足負(fù)荷時(shí)，由可調(diào)度電動(dòng)汽車給微電網(wǎng)提供電能，最后再考慮與外界電網(wǎng)交換電能。

10時(shí)至18時(shí)，負(fù)荷處于高峰期，然而風(fēng)力發(fā)電機(jī)和光伏電池陣列處于發(fā)電低谷期間，所以燃?xì)廨啓C(jī)發(fā)電量處于高峰期。在其他時(shí)間段，負(fù)荷較輕，風(fēng)能發(fā)電比較充足的時(shí)候，燃?xì)廨啓C(jī)發(fā)電量減少。圖2與圖3對比可知微電網(wǎng)經(jīng)濟(jì)調(diào)度能最大限度地消納分布式電源。

3.2 效果評價(jià)

（1）圖3向外界買電量與賣電量相差不了多少，而且含有可調(diào)度的電動(dòng)汽車相當(dāng)于一個(gè)沒有投資成本的移動(dòng)蓄電池。本文模型實(shí)現(xiàn)了DG與EV之間的協(xié)調(diào)調(diào)度。

（2）圖2與圖3對比可知，實(shí)行經(jīng)濟(jì)調(diào)度之后的風(fēng)電與光伏的輸出功率和預(yù)測輸出值相近，也就說明了本文提出的調(diào)度模型可實(shí)現(xiàn)微電網(wǎng)對風(fēng)電和光伏的有效消納。

（3）算例微網(wǎng)未經(jīng)濟(jì)優(yōu)化調(diào)度之前，一天內(nèi)的成本為1 351.82元，通過matlab程序仿真得到此微電網(wǎng)算例經(jīng)濟(jì)調(diào)度下一天內(nèi)運(yùn)行成本為1 287.52元。節(jié)約了64.30元的成本，說明了本文算法模型的可行性及有效性。

4 結(jié)論

（1）本文基于微電網(wǎng)經(jīng)濟(jì)調(diào)度方法的含多種分布式電源的微電網(wǎng)經(jīng)濟(jì)調(diào)度模型，能有效降低微網(wǎng)的運(yùn)行成本。

（2）含多種分布式電源的微電網(wǎng)經(jīng)濟(jì)調(diào)度模型通過粒子群優(yōu)化算法求解，PSO算法與其他算法相比具有簡單、易實(shí)現(xiàn)、精度高等優(yōu)點(diǎn)。

（3）含多種分布式電源的微電網(wǎng)經(jīng)濟(jì)調(diào)度方法通過matlab編程仿真實(shí)現(xiàn)，結(jié)果可知，在微電網(wǎng)中加入電動(dòng)汽車后，不僅使得微電網(wǎng)運(yùn)行成本明顯下降，且提高了微電網(wǎng)對分布式電源的消納能力，因此電網(wǎng)運(yùn)營者應(yīng)該大力鼓勵(lì)電動(dòng)汽車用戶參與到電網(wǎng)的調(diào)度中來，這也是作者后續(xù)需要進(jìn)行的研究。

［1］ 劉文，楊慧霞，祝斌.微電網(wǎng)關(guān)鍵技術(shù)研究綜述[J].電力系統(tǒng)保護(hù)與控制，2012，40(14):152-155.

［2］ Hatziargyriou N，Asano H，Iravani R，et al.Micro-grids [J].Power and Energy Magazine，NY，USA，IEEE，2007，5(4):78-94.

［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(dòng)化，2010，34(2):10-14.

［4］ 胡澤春，宋永華，徐智威，等.電動(dòng)汽車接入電網(wǎng)的影響與利用[J].中國電機(jī)工程學(xué)報(bào)，2012，32(4):1-10.

［5］ 丁明，張穎媛，茆美琴，等.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.

［6］ 劉波，邱曉燕.主動(dòng)配電網(wǎng)儲能優(yōu)化規(guī)劃[J].儀器儀表學(xué)報(bào)，2016，37(5)：1180-1186.

［7］ 黎金英，艾欣.含多種分布式電源的微電網(wǎng)分層控制策略[J].寧夏電力，2016(3)：16-21.

［8］ 劉波，邱曉燕，韓軒，等.主動(dòng)配電網(wǎng)分層分布控制模式切換研究[J].高壓電器，2016，52(7)：68-74.

［9］ 楊秀菊，白曉清，李佩杰，等.電動(dòng)汽車規(guī)?；尤肱潆娋W(wǎng)的充電優(yōu)化[J].電力自動(dòng)化設(shè)備，2015，35(6):31-36.

［10］邱嘵燕，夏莉麗，李興源.智能電網(wǎng)建設(shè)中分布式電源的規(guī)劃[J].電網(wǎng)技術(shù)，2010，34(4)：7-10.

［11］向小蓉，劉滌塵，向農(nóng)，等.基于并行禁忌搜索算法的配電網(wǎng)重構(gòu)[J].電網(wǎng)技術(shù)，2012，36(8)：100-105.

［12］董宗然，周慧.禁忌搜索算法評述[J].軟件工程，2010，13(2)：96-98.

［13］張雷.基于粒子群算法的神經(jīng)網(wǎng)絡(luò)故障診斷方法研究[D].廣州：華南理工大學(xué)，2016.

［14］鐘清，孫聞，余南華，等.主動(dòng)配電網(wǎng)規(guī)劃中的負(fù)荷預(yù)測與發(fā)電預(yù)測[J].中國電機(jī)工程學(xué)報(bào)，2014，34(19)：3050-3056.

［15］Richadson P，F(xiàn)lynn D，Keane A.Optimal charging of electric vehicles in low-voltage distribution systems[J].IEEE Transactions on Power Systems，2012，27(1)：268-279.

［16］[16]Sedghi M，Aliakbar-Golkar，Haghifam M R.Dis?tribution network expansion considering distributed gen?eration and storage units using modified PSO algotithm [J].Electric Power Energy Systems，2013，52(1)：221-230.

［17］李淑霞，葉濤，羅杰偉，等.基于MATLAB/Simulink的準(zhǔn)Z源光伏并網(wǎng)發(fā)電系統(tǒng)的仿真研究[J].寧夏電力，2016(2):51-55.

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

Micro-grid economic dispatching of containing multiple distributed generations

KE Qijiang1，LIU Xiao1，LIU Bo2

(1.Panzhihua Power Supply Filiale of State Grid Sichuan Power Co.,Panzhihua Sichuan 617000,China; 2.Urban Power Supply Filiale of State Grid Chongqing Power Co.,Chongqing 400015,China)

Aiming at the problem of micro-grid economic dispatching containing multiple distributed generations,considers the investment costs,maintenance and operation costs,fuel costs and energy trade costs of equipments in micro-grid,takes the total operation cost minimum as the objective function in a complete dispatching circle of the micro-grid,builds micro-grid economic dispatching model,adopts particle swarm optimization algorithm to optimize the output per hour of the gas turbine.The simulation result shows that the model can effectively reduce the operation cost of the micro-grid.the particle swarm optimization algorithm comparing with other algorithms has the advantages of simple,easy to realize and high precision.

micro-grid;economic dispatching;distribution generations;particle swarm optimization algorithm

TM711

A

1672-3643（2017）03-0007-06

10.3969/j.issn.1672-3643.2017.03.002

2017-03-08

柯奇江（1991），男，助理工程師，研究方向?yàn)榉植际诫娫醇拔㈦娋W(wǎng)技術(shù)。