基于云儲能的微電網(wǎng)多源協(xié)調優(yōu)化

朱國海

(國網(wǎng)甘肅省電力公司金昌供電公司，甘肅 金昌 737100)

在能源互聯(lián)網(wǎng)的發(fā)展趨勢下，為進一步加大可再生分布式能源(distributed generation，DG)的滲透率，微電網(wǎng)的應用是一種有效的解決方式。DG、負荷、儲能裝置等不同組成單元為微電網(wǎng)的基本組成結構。作為一個具備自我控制和自我能量管理的自治系統(tǒng)，它既可以與外部電網(wǎng)并網(wǎng)運行，也可以孤立運行[1]。

將風、光能源運用在微網(wǎng)系統(tǒng)中，DG出力的隨機性與波動性會對電力系統(tǒng)運行產(chǎn)生沖擊[2]。儲能通過快速響應、頻繁充放電，進行短時間內對輸出功率的波動控制。文獻[3]對儲能設備蓄電池的壽命損耗模型及它在優(yōu)化調度中的使用配合問題研究的不足，改進了每一次蓄電池放電損耗的數(shù)學模型，引入到日前調度優(yōu)化的目標函數(shù)中的運行結果良好。考慮到通信問題，文獻[4]提出基于本地信息的控制策略，通過不依賴網(wǎng)絡通信技術的策略，可實現(xiàn)快速儲能和后備儲能之間的協(xié)調，以及微電網(wǎng)進入孤島過程中，微源的主動控制以及孤島模式下的自治運行。文獻[5]針對蓄電池、光伏陣列和負荷之間的多種能量供需情況，提出一種孤島運行模式下的能量管理協(xié)調控制策略，按照多種控制模式，實現(xiàn)光儲微電網(wǎng)的穩(wěn)定運行。文獻[6]對多微電網(wǎng)互聯(lián)系統(tǒng)進行研究，通過配合儲能的作用，獲得儲能系統(tǒng)的容量配置參數(shù)，并以此實現(xiàn)微電網(wǎng)互聯(lián)運行的經(jīng)濟性最優(yōu)目標。

云儲能是一種基于已建成的現(xiàn)有電網(wǎng)的共享式儲能技術，使用戶可以隨時、隨地、按需實時使用，由集中式或分布式的儲能設施構成的共享儲能資源，并按照使用需求而支付服務費[7]。云儲能作為電力系統(tǒng)中儲能的新形式，作為共享經(jīng)濟的新方式，它的出現(xiàn)可以為更多用戶提供蓄電服務，將云儲能運用到微電網(wǎng)能量協(xié)調優(yōu)化中，不僅能減少微網(wǎng)并網(wǎng)運行時對電力系統(tǒng)運行產(chǎn)生的沖擊，還能夠簡化云儲能的運行方式與結構。隨著共享經(jīng)濟和能源互聯(lián)網(wǎng)建設，云儲能技術將會是未來發(fā)展的一個重要趨勢。

本文以微電網(wǎng)成本作為目標函數(shù)，構建基于云儲能的微網(wǎng)模型，簡單介紹了云儲能基本概念和商業(yè)模式，通過分析各微源、云儲能的功率交換約束，建立基于云儲能的微網(wǎng)模型。在此基礎上，通過調整需求側電價的方式，來改變用戶的用能習慣，以此提高DG出力的平滑性；采用源荷互動的方法，優(yōu)化需求響應層的負荷曲線，繼而運用模糊遺傳算法，對各微源的出力進行優(yōu)化，保證了在分布式電源出力最大的同時，減少微電網(wǎng)中隨機性、波動性對電力系統(tǒng)的影響，達到成本最低的效益。

1 云儲能與微網(wǎng)模型

云儲能作為共享經(jīng)濟新形式，儲能形式可以是集中式也可以分布式，因此它能與微電網(wǎng)結合起來，充分利用例如風、光等新能源，并且在微源的協(xié)調調度中發(fā)揮作用，比如，當風光發(fā)電短時波動時，儲能通過快速響應、頻繁充放電，進行短時間內輸出功率的波動控制。

1.1 云儲能概念

云儲能依賴于共享資源達到規(guī)模效益，云儲能技術可將原本分散在用戶側的儲能裝置集中到云端，用云端的虛擬儲能容量來代替用戶側的實體儲能[7]。在云儲能系統(tǒng)中，儲能無論是集中式還是分布式，都應由云儲能供應商統(tǒng)一管理、統(tǒng)一操作，用戶則通過消費獲得相應時間內的儲能服務，并按照自身需要對儲備池進行充電以及用電[8]。圖1所示為云儲能系統(tǒng)概念圖。

分析圖1可知，用戶買賣虛擬儲能可以此控制云端虛擬電池充放電，云儲能用戶不需承擔用戶安裝和維護儲能設備的附加成本，與實體儲能不同。由于云儲能系統(tǒng)建成后用戶數(shù)量龐大，而其運作需獲得一定利潤，因此，制定合理的商業(yè)模式是云儲能系統(tǒng)的一個重要環(huán)節(jié)。另外，決定用戶充放電需求的因素主要包括用戶(實時/峰谷)電價、用戶負荷以及用戶的分布式能源發(fā)電的大小。對于云儲能提供商而言，其實體電池的充放電運行由所有用戶的充放電需求確定[9]。

云儲能提供商為了調整用戶放電曲線中波動較為強烈的部分，不僅要采用響應速度較慢，但容量較大的蓄電池，而且要配置超級電容器、飛輪、超導磁儲能等響應速度快、輸出功率大但容量相對較小的功率型儲能裝置[10]。在微電網(wǎng)的應用中，該技術同樣具備協(xié)調DG隨機性出力的作用，具有良好的發(fā)展前景和潛力。

1.2 微電網(wǎng)模型

本文研究的微電網(wǎng)系統(tǒng)包括風電、光伏、儲能系統(tǒng)中各儲能設備等微源。儲能系統(tǒng)作用于風光發(fā)電短時波動，以控制功率的波動。微電網(wǎng)作為云儲能的一部分不斷給云儲能系統(tǒng)輸送電能，如圖2所示。云儲能系統(tǒng)中的儲能由微網(wǎng)系統(tǒng)中的儲能、其他微網(wǎng)系統(tǒng)中儲能或微網(wǎng)外儲能設備共同構成，它取代了傳統(tǒng)微網(wǎng)系統(tǒng)中的儲能，因此微網(wǎng)系統(tǒng)可自帶儲能組成云儲能的一部分交換功率，亦可直接從云儲能交換功率。

圖2 微電網(wǎng)對云儲能電能輸送簡化模型

本文目標函數(shù)以成本最小進行構建，主要包含設備的折舊成本，運行維護成本和購電成本。目標函數(shù)如下：

式中：CIN(t)為折舊成本函數(shù)；CM(t)為運行和維護成本函數(shù)；CG(t)為購電成本。

(1)折舊成本

折舊成本屬于微電網(wǎng)發(fā)電成本的固定成本，通常是將投資成本采用等年值法折算為單位容量成本得來，其中風機、光伏板的折舊成本都包括在內。在t時間段，微網(wǎng)的折舊成本為[11]：

式中：n為微源數(shù)量；Pi(t)為微源在t時刻的輸出功率；ni為投資償還期；ri為第i種微源的固定年利率；Cin,i為單位容量建設成本；ki為年利用系數(shù)。ni、ri、ki值的選取參考文獻[11]。

(2)運行和維護成本[12]

式中：cm,i為第i種微源單位出力運維成本系數(shù)。

(3)購電成本

式中：CP(t)為t時段購電價，本文考慮購電價格分為峰谷平3個時段；PPgrid為t時段購電功率。

云儲能作為儲能方式之一，實時儲能量不應超過其儲能上限Qmax。微電網(wǎng)能量管理優(yōu)化的約束條件主要有以下幾個方面，其中包括等式約束和不等式約束：

式中：NDG為DG的數(shù)量；PGi(t)為第i臺微源在t時刻的出力；Pbat(t)為儲能在t時刻的充電功率，為正值時表示微電網(wǎng)對儲能充電，為負值時表示儲能向微電網(wǎng)放電。

2 能量優(yōu)化策略

為了充分利用新能源，達到成本最優(yōu)，必然涉及到分布式能源間歇性出力帶來的系統(tǒng)電壓、頻率不穩(wěn)等問題，因此要提高DG出力的平滑性，重要決策就是制定合理的商業(yè)模式。

依據(jù)云端傳輸過來的DG出力數(shù)據(jù)確定一個期望出力曲線，數(shù)學模型為：

平穩(wěn)性指標表達式為：

式中：rstable為平穩(wěn)性指標；PCG(t)為第i種可控微源在t時刻出力為周期內的平均出力。

為實現(xiàn)出力的平滑性，避免云儲能電量達到其儲能上限，制定合理的商業(yè)模式，需引入需求響應，通過實時電價激勵用戶調節(jié)可轉移負荷，引導用戶調整用電計劃，從而保證電力安全和經(jīng)濟生產(chǎn)。需求價格彈性反映負荷需求對價格變化的敏感程度，其表達式為：

式中：e為需求價格彈性；Rb和ΔR分別為優(yōu)化前總用戶負荷以及優(yōu)化后的負荷變化量；qb和Δqr分別為調整前電價和電價的調整幅度。

電價與需求側用戶負荷的關系可表示為[12]：

期望負荷率標幺值：

實時電價的電價率標幺值：

式中：K為常數(shù)；R為負荷量；R*、qr*分別為期望負荷率和實時電價的電價率；Ra為某時刻優(yōu)化后的期望負荷；qref、qr分別為常規(guī)電價(常數(shù))和優(yōu)化后的實時電價。

實時電價滿足約束如下[13]：

式中：qrmax和qrmin為實時電價的上下限約束。

調度部門結合實時電價與DG的關系制定合理的云儲能購售電電價，激勵用戶適時進行充放電，可達到對可轉移負荷時序調整的預期效果。

3 模糊遺傳算法

由于遺傳算法(genetic algorithm，GA)的遺傳操作，相關參數(shù)，如交叉率的選擇不合理且不隨進化過程自適應改變，會導致計算收斂速度低、收斂過早等一系列問題，本文采用模糊遺傳算法(fuzzy genetic algorithm，F(xiàn)GA)對微電網(wǎng)各微源進行分析計算。一方面，F(xiàn)GA算法用模糊遺傳的語言對GA算法現(xiàn)有的知識和經(jīng)驗進行了描述，用于在線控制遺傳操作和參數(shù)設置，得到動態(tài)遺傳算法；另一方面，借鑒模糊邏輯及模糊集合運算的思想，得到模糊編碼和相應模糊遺傳操作，進而達到改進遺傳算法的目的。

模糊遺傳算法的大致流程如圖3所示。

4 算例仿真

4.1 基本數(shù)據(jù)

為了驗證該方案的有效性，本節(jié)以智能電網(wǎng)實驗室交流微電網(wǎng)為研究對象進行了仿真驗算。

圖3 模糊遺傳算法流程圖

在網(wǎng)絡中，風機上限設置在10 kW，光伏上限為10 kW，與儲能的交換功率上限為20 kW，下限為－20 kW，需求響應的切出值和入限值均為5 kW。圖4和圖5為風機和光伏出力預測數(shù)據(jù)。

圖4 風機出力預測

圖5 光伏出力預測

負荷預測結果及需求側負荷優(yōu)化之后的結果如圖6所示。

圖6 負荷優(yōu)化結果

根據(jù)初始負荷和優(yōu)化后負荷得到期望負荷率，進而求得實時電價如圖7，圖中的電價為所得區(qū)間的合理取值。

由以上分析可知，優(yōu)化后，用戶在負荷低谷時期加大負荷，高峰時減少負荷，同時，云儲能的用戶可選擇電價高的時候放電，電價低的時候充電，供應商在此基礎上實現(xiàn)云儲能調度以及經(jīng)濟收益最優(yōu)的目的。

圖7 負荷率、電價率和實時電價

4.2 方案對比

為驗證云儲能方案的有效性，本文首先搭建了傳統(tǒng)模式的微網(wǎng)運行，即含儲能系統(tǒng)、風機、光伏且與大電網(wǎng)并網(wǎng)的運行模式進行仿真參照，與本文提出的云儲能微網(wǎng)方案進行比較，結果如表1所示。

表1為基于云儲能微電網(wǎng)的特點，從該表可以看出，云儲能系統(tǒng)的應用極大程度簡化了微網(wǎng)調度模型。為驗證該方案對DG利用率以及成本的影響，本文給出兩種不同的對比方案：方案1是傳統(tǒng)微電網(wǎng)調度優(yōu)化；方案2是云儲能的微電網(wǎng)調度優(yōu)化。

表1 模型對比

兩種方案各指標對比的仿真分析如下：

(1)各方案成本

各方案優(yōu)化成本如表2所示。

表2 各方案優(yōu)化成本 元

對比表2可得方案2成本最低，經(jīng)濟性最好。

(2)清潔能源利用率

一級優(yōu)化要實現(xiàn)清潔能源最大限度的利用，故清潔能源利用率是一個重要指標。圖8所示為不同方案下，清潔能源的優(yōu)化出力。

圖8 不同方案優(yōu)化曲線

由圖8可知，方案2的云儲能微電網(wǎng)調度優(yōu)化方案功率輸出最大，功率峰值為9.98 kW，方案1最小，峰值為9.76 kW。故基于云儲能系統(tǒng)的清潔能源利用率顯然高于直接調度的利用率。對于多微網(wǎng)互聯(lián)的模式，因各微網(wǎng)與云儲能交換功率，依舊與單個微網(wǎng)功率傳輸模式相同，在此不作具體討論。

5 結論

本文提出了一種基于云儲能的微電網(wǎng)多源協(xié)調模型調度方案。在模型的構建以及優(yōu)化的算法上，綜合以上研究仿真分析可得，本文基于云儲能系統(tǒng)結合需求響應的微電網(wǎng)優(yōu)化方案，提高了DG出力的平滑性，采用源荷互動的方法，優(yōu)化需求響應層的負荷曲線，并運用模糊遺傳算法，對各微源的出力值進行優(yōu)化，保證了分布式電源出力最大的同時，減少微電網(wǎng)中隨機性、波動性對電力系統(tǒng)的影響，達到了總成本最低、DG利用率最優(yōu)的目標，驗證了本文提出的模型方案的有效性。下一步考慮將需求響應與云儲能的商業(yè)模式相結合，與微電網(wǎng)運行成本協(xié)同分析，得到更加完善的解決方案。