離網(wǎng)型微電網(wǎng)優(yōu)化運(yùn)行策略研究

何瑞東，周文，路艷巧，劉燁，李卓君，蔣曦

（1.國網(wǎng)河北省電力有限公司，河北 石家莊 050000；2.國網(wǎng)河北省電力有限公司電力科學(xué)研究院，河北 石家莊 050000；3.國網(wǎng)河北省電力有限公司石家莊供電分公司，河北 石家莊 050000；4.國網(wǎng)河北省電力有限公司滄州供電分公司，河北 滄州 061000）

全球能源的逐漸枯竭和環(huán)境問題的日益突出，加快了風(fēng)電、光伏等分布式能源的發(fā)展進(jìn)程。但分布式能源大規(guī)模并網(wǎng)時(shí)，其出力的隨機(jī)性和不確定性會對電網(wǎng)的頻率、電壓和電能質(zhì)量等帶來較大影響[1-3]。而微電網(wǎng)作為分布式能源的有效利用形式，為解決上述問題提供了技術(shù)可行性。微電網(wǎng)既能夠并網(wǎng)運(yùn)行，有效補(bǔ)充大電網(wǎng)；也可以離網(wǎng)運(yùn)行，為獨(dú)立區(qū)域提供可靠供電[4-7]。

離網(wǎng)型微電網(wǎng)是由多種分布式電源、柴油機(jī)/微燃機(jī)、儲能、負(fù)荷等組成的小型供電系統(tǒng)，能夠?qū)崿F(xiàn)區(qū)域管理和自治[8-9]。為了保證離網(wǎng)型微電網(wǎng)中源側(cè)和負(fù)荷側(cè)的能量平衡，需要進(jìn)行系統(tǒng)級的能量管理與控制，實(shí)現(xiàn)分布式能源的高效利用及個性化電能的安全、可靠、優(yōu)質(zhì)供應(yīng)，最終實(shí)現(xiàn)離網(wǎng)型微電網(wǎng)的經(jīng)濟(jì)性運(yùn)行。

目前，在離網(wǎng)型微電網(wǎng)的運(yùn)行控制方面開展了一些研究。文獻(xiàn)[10]在微網(wǎng)孤島運(yùn)行模式中，考慮分布式電源的發(fā)電成本、環(huán)境成本以及維護(hù)成本，優(yōu)化微網(wǎng)內(nèi)不同分布式電源和儲能的出力，從而使系統(tǒng)的總運(yùn)行成本最小。文獻(xiàn)[11]在兼顧光伏最大功率點(diǎn)跟蹤（maximum power point tracking，MPPT）運(yùn)行的同時(shí)，設(shè)計(jì)了基于BP神經(jīng)網(wǎng)絡(luò)算法的PID控制器，以控制柴油機(jī)的轉(zhuǎn)速，進(jìn)而調(diào)節(jié)其功率輸出，以達(dá)到維持光、柴獨(dú)立微網(wǎng)系統(tǒng)頻率恒定的目的。文獻(xiàn)[12]研究了微網(wǎng)中的需求側(cè)管理與調(diào)度方法，建立了孤島型微網(wǎng)能量管理的優(yōu)化調(diào)度模型。文獻(xiàn)[13]建立了以微電網(wǎng)系統(tǒng)運(yùn)行維護(hù)成本和環(huán)保效益為目標(biāo)函數(shù)的優(yōu)化調(diào)度模型，并采用基于評價(jià)函數(shù)的交互式多目標(biāo)優(yōu)化方法進(jìn)行多目標(biāo)轉(zhuǎn)換。文獻(xiàn)[14]提出了一種基于需求側(cè)響應(yīng)的實(shí)時(shí)調(diào)度方法，進(jìn)而建立負(fù)荷優(yōu)化分配模型，實(shí)現(xiàn)各可控型微源的出力優(yōu)化，從而減小微網(wǎng)的運(yùn)行成本。文獻(xiàn)[15]提出了一種分布式發(fā)電與負(fù)荷協(xié)調(diào)控制的能量管理策略。文獻(xiàn)[16]以某海島微網(wǎng)為例，通過建立的能量管理系統(tǒng)提高了可再生能源的利用率。文獻(xiàn)[17]提出一種考慮可轉(zhuǎn)移負(fù)荷效率的風(fēng)/光/柴/儲微網(wǎng)能量優(yōu)化控制方法，并在制淡水負(fù)荷一定的情況下，驗(yàn)證了該策略的成本優(yōu)勢。文獻(xiàn)[18]為保證分布式電源出力和負(fù)荷波動時(shí)，微網(wǎng)系統(tǒng)中的能量平衡及快速響應(yīng)，提出了一種分布式發(fā)電和蓄電池之間的協(xié)同控制能量管理策略。

本文在上述研究的基礎(chǔ)上，在實(shí)現(xiàn)離網(wǎng)型微電網(wǎng)經(jīng)濟(jì)性運(yùn)行的同時(shí)，使可再生能源的利用率最大化。首先，考慮各單元的出力特性約束，建立離網(wǎng)型微電網(wǎng)經(jīng)濟(jì)性運(yùn)行策略。然后，通過專家策略和本文所提優(yōu)化策略的對比，分析本文所提優(yōu)化策略的優(yōu)勢。最后，通過不同時(shí)間尺度的仿真，量化了本文所提優(yōu)化策略的經(jīng)濟(jì)性，這可以為離網(wǎng)型微電網(wǎng)的運(yùn)行提供理論參考。

1 離網(wǎng)型微電網(wǎng)經(jīng)濟(jì)性運(yùn)行優(yōu)化策略

本文建立的離網(wǎng)型微電網(wǎng)如圖1所示，包括光伏、風(fēng)電、儲能、柴油機(jī)和負(fù)載。其能量管理系統(tǒng)能夠?qū)Ω鲉卧M(jìn)行實(shí)時(shí)監(jiān)控，并通過優(yōu)化策略實(shí)現(xiàn)微電網(wǎng)的高效可靠運(yùn)行。

圖1 離網(wǎng)型微電網(wǎng)拓?fù)鋱DFig.1 Islanded microgrid topology

在滿足供電需求的情況下，以系統(tǒng)經(jīng)濟(jì)成本最低為優(yōu)化目標(biāo)，對系統(tǒng)各單元進(jìn)行實(shí)時(shí)監(jiān)測，優(yōu)先采用發(fā)電成本較低的分布式能源進(jìn)行供電。另外，在系統(tǒng)運(yùn)行過程中最大化利用分布式能源，以提高其利用率。分布式能源利用率r計(jì)算如下：

式中：Pres為分布式能源出力；Pd為柴油機(jī)出力。進(jìn)而，系統(tǒng)應(yīng)滿足以下的不等式關(guān)系：

式中：Pd（t），Ppv（t），Pw（t）分別為每h柴油機(jī)、光伏單元、風(fēng)機(jī)的輸出功率；C為可再生能源滲透率。

以離網(wǎng)型微電網(wǎng)經(jīng)濟(jì)性為優(yōu)化目標(biāo)，同時(shí)考慮供需平衡、各單元出力的約束，進(jìn)而考慮發(fā)電單元啟停費(fèi)用和發(fā)電特性，優(yōu)化系統(tǒng)運(yùn)行以滿足負(fù)荷的需求，使系統(tǒng)整體經(jīng)濟(jì)性成本最低。

構(gòu)建離網(wǎng)型微電網(wǎng)優(yōu)化控制的目標(biāo)函數(shù)：

式中：N為系統(tǒng)中發(fā)電單元的個數(shù)；ui(t)為t時(shí)刻發(fā)電單元的開、關(guān)機(jī)狀態(tài)，等于1時(shí)，表示開機(jī)，等于0時(shí)，表示關(guān)機(jī)；PGi為第i個發(fā)電單元出力；SGi為第i個單元的啟停成本；BGi(t)為第i個發(fā)電單元t時(shí)刻的成本；Cbat為單位運(yùn)行周期內(nèi)儲能的運(yùn)行費(fèi)用。

柴油機(jī)的能耗成本為

式中：a，b，c分別為系數(shù)，取值分別為a=3.258 4，b=1.754 4，c=0.055 6。

儲能的運(yùn)行成本與其輸出功率成正比：鉛酸電池儲能的比例系數(shù)α為0.083 2。

約束條件如下。

1.1 功率平衡約束

功率平衡約束條件如下：

式中：PEj為第j個儲能出力；PLk為第k個負(fù)荷功率；M為儲能個數(shù)。

1.2 備用設(shè)備啟停約束

備用設(shè)備啟停約束條件如下：

式（7）成立，表明目前啟動的發(fā)電單元能夠滿足負(fù)荷的需求；反之，則需要開啟下一個發(fā)電單元。

1.3 發(fā)電單元出力約束

發(fā)電單元出力約束條件如下：

1）柴油機(jī)出力約束。柴油機(jī)應(yīng)該運(yùn)行在一定功率范圍之內(nèi)，否則會影響柴油機(jī)的使用效率與經(jīng)濟(jì)性。

式中：Pdrate為柴油機(jī)額定出力；kd為柴油機(jī)最小出力對應(yīng)的比例系數(shù)。

2）風(fēng)機(jī)、光伏出力約束：

式中：Pw_max，Ppv_max分別為風(fēng)機(jī)、光伏最大出力。

1.4 儲能約束

儲能約束條件如下：

式中：SOC（t）為t時(shí)段儲能剩余容量（state of charge，SOC）約束；SOCmin為最小值；SOCmax為最大值；PE(t)為t時(shí)刻儲能出力約束。

基于上述模型，利用二次規(guī)劃方法求解，從而保障系統(tǒng)的最優(yōu)運(yùn)行。

2 算例分析

基于Matlab構(gòu)建微電網(wǎng)系統(tǒng)，包括風(fēng)機(jī)3 kW、光伏100 kW、柴油機(jī)100 kW和儲能100 kW·h，采用專家策略和本文所提的優(yōu)化策略進(jìn)行對比，進(jìn)而證明本文所提微電網(wǎng)能量管理策略的有效性。

專家策略[19]介紹如下：1）當(dāng)分布式能源出力大于負(fù)荷功率時(shí)，柴油機(jī)不啟動，儲能吸收過剩功率。當(dāng)過剩功率超出儲能的充電功率限制，或者儲能SOC達(dá)到上限時(shí)，分布式能源限功率運(yùn)行。2）當(dāng)分布式能源和儲能的總出力小于負(fù)荷功率時(shí)，啟動柴油機(jī)。當(dāng)柴油機(jī)運(yùn)行在功率區(qū)間下限，且儲能系統(tǒng)達(dá)到充電功率限制或者SOC達(dá)到上限，分布式能源限功率運(yùn)行；當(dāng)柴油機(jī)運(yùn)行在功率區(qū)間上限，且儲能達(dá)到放電功率限制或者SOC達(dá)到下限，柴油機(jī)變?yōu)闈M功率運(yùn)行。

2.1 優(yōu)化策略

選取晴天和非晴天兩種典型天氣進(jìn)行仿真，其中光伏、風(fēng)電和負(fù)載功率仿真波形如圖2～圖5所示。風(fēng)電非晴天的出力和晴天相比，雖然有一定的變化，但是由于風(fēng)電裝機(jī)容量較小，其出力變化較??；再者，對于整個微電網(wǎng)來看，風(fēng)電非晴天的出力變化對系統(tǒng)的影響很小，幾乎可以忽略不計(jì)，因此本文假定非晴天和晴天的出力相同。

圖2 光伏出力（晴天）Fig.2 Photovoltaic power（sunny day）

圖3 光伏出力（非晴天）Fig.3 Photovoltaic power（not sunny day）

圖4 風(fēng)電出力Fig.4 Wind power

圖5 負(fù)載功率Fig.5 Load power

專家模式下各單元出力曲線（晴天）如圖6所示。專家策略下儲能SOC曲線（晴天）如圖7所示。晴天的時(shí)候，主要由光伏、風(fēng)電和儲能向負(fù)載供電，柴油機(jī)處于關(guān)機(jī)狀態(tài)。初始時(shí)刻可再生能源出力不足，主要由儲能向負(fù)載供電，隨著光伏出力的逐漸增大，光伏替代儲能給負(fù)載供電，當(dāng)光伏出力大于負(fù)載功率時(shí)光伏給儲能充電，16點(diǎn)時(shí)儲能SOC達(dá)到上限，如圖7所示，隨后光伏限功率運(yùn)行。該策略下系統(tǒng)運(yùn)行成本為229.65元，主要為儲能的運(yùn)行成本，柴油機(jī)一直處于關(guān)閉狀態(tài)，其運(yùn)行成本為0元，此時(shí)計(jì)算可再生能源利用率為58.67%。

圖6 專家策略下各單元出力（晴天）Fig.6 Each unit power with expert strategy（sunny day）

圖7 專家策略下儲能SOC（晴天）Fig.7 Energy storage SOC with expert strategy（sunny day）

專家策略下系統(tǒng)各單元的出力結(jié)果（非晴天）如圖8所示。與圖6對比可得，非晴天時(shí)候，由于可再生出力不足，主要由儲能對負(fù)載供電，8點(diǎn)時(shí)SOC較低，此時(shí)開啟柴油機(jī)向儲能充電，當(dāng)SOC達(dá)到上限時(shí)柴油機(jī)關(guān)閉，該過程中主要由可再生能源向負(fù)載供電。當(dāng)可再生能源功率不足時(shí)，儲能再繼續(xù)向負(fù)載提供電能。儲能SOC如圖9所示。該模式下的系統(tǒng)運(yùn)行成本為532.9元，其中柴油機(jī)運(yùn)行成本為295.3元，儲能運(yùn)行成本為237.6元，可再生資源利用率為55.86%。

圖8 專家策略下各單元出力（非晴天）Fig.8 Each unit power with expert strategy（not sunny day）

圖9 專家策略下儲能SOC（非晴天）Fig.9 Energy storage SOC with expert strategy（not sunny day）

綜上，專家模式下，當(dāng)可再生能源出力不足時(shí)，系統(tǒng)的運(yùn)行費(fèi)用會大大增加，主要為柴油機(jī)運(yùn)行成本。

優(yōu)化策略的晴天模式下，系統(tǒng)各單元運(yùn)行結(jié)果如圖10、圖11所示。與專家模式一樣，可再生能源出力充足時(shí)，柴油機(jī)處于停機(jī)狀態(tài)。在8～16時(shí)可再生出力大于負(fù)載功率，多余功率給儲能充電，16點(diǎn)時(shí)達(dá)到SOC上限。之后光伏出力逐漸減小，且負(fù)載功率逐漸增大，儲能放電以滿足負(fù)載的需求。該模式下系統(tǒng)運(yùn)行成本為218.05元，柴油機(jī)運(yùn)行成本為0元，儲能運(yùn)行成本為218.05元，可再生能源利用率為58.77%。

圖10 優(yōu)化策略下各單元出力（晴天）Fig.10 Each unit power with optimization strategy（sunny day）

圖11 優(yōu)化策略下儲能SOC（晴天）Fig.11 Energy storage SOC with optimization strategy（sunny day）

優(yōu)化策略下的非晴天仿真結(jié)果如圖12所示。優(yōu)化策略下的非晴天儲能SOC結(jié)果如圖13所示。在非晴天的時(shí)候主要依靠可再生能源和光伏供電，在兩者均不足的情況下才啟動柴油機(jī)，與圖8相比，柴油機(jī)的出力大大減小。該模式系統(tǒng)的運(yùn)行成本為260.86元，柴油機(jī)運(yùn)行成本為42.32元，儲能運(yùn)行成本為218.54元，可再生能源利用率為99.55%。

圖12 優(yōu)化策略下各單元出力（非晴天）Fig.12 Each unit power with optimization strategy（not sunny day）

圖13 優(yōu)化策略下儲能SOC（非晴天）Fig.13 EnergystorageSOCwithoptimizationstrategy（notsunnyday）

將專家策略和優(yōu)化策略進(jìn)行對比，如表1所示。

表1 系統(tǒng)運(yùn)行費(fèi)用與可再生能源利用率Tab.1 System operating costs and renewable energy efficiency

從表1可以看出，優(yōu)化策略下的可再生能源與專家策略基本相同，因?yàn)樵趦δ艿恼{(diào)節(jié)下，柴油機(jī)不用啟動，可再生出力基本全部消納，以滿足負(fù)載需求。雖然兩種策略下都充分利用了可再生能源發(fā)電，專家策略下的運(yùn)行成本高于優(yōu)化策略，增加了5.32%。這是因?yàn)閮?yōu)化策略下，儲能的運(yùn)行得到了優(yōu)化，不會出現(xiàn)過充、過放等現(xiàn)象，經(jīng)濟(jì)性較好。

再者，非晴天時(shí)候，優(yōu)化策略下的運(yùn)行成本較專家策略降低了49.02%，同時(shí)可再生能源利用率提高了43.69%。這就說明在可再生能源出力與負(fù)載需求相匹配時(shí)，優(yōu)化策略能夠最大化的利用可再生能源進(jìn)行供電。而專家策略下由于優(yōu)先使用儲能供電，在光伏出力還未達(dá)到負(fù)載功率時(shí)儲能已經(jīng)處于低SOC狀態(tài)，這時(shí)為了保證系統(tǒng)正常運(yùn)行，需啟動柴油機(jī)供電。因此，兩種策略下，儲能的運(yùn)行成本基本相同，主要的成本差異是由柴油機(jī)產(chǎn)生的。

綜上所述，優(yōu)化策略在運(yùn)行成本和可再生資源利用方面均優(yōu)于專家策略。

2.2 多時(shí)間尺度下的優(yōu)化策略分析

為了進(jìn)一步證明優(yōu)化策略的優(yōu)越性，本文對不同的時(shí)間尺度進(jìn)行了仿真，包括7 d，15 d，30 d，仿真結(jié)果如下。

2.2.1 連續(xù)運(yùn)行7 d

連續(xù)運(yùn)行7 d兩種策略對比圖如圖14所示。從圖14可以看出，優(yōu)化策略下的仿真結(jié)果優(yōu)于專家策略，前者中的儲能一直運(yùn)行在可再生能源有效調(diào)節(jié)的情況下，其放電深度明顯低于專家策略下的放電深度，能夠提高儲能的使用壽命。連續(xù)運(yùn)行7 d系統(tǒng)運(yùn)行費(fèi)用與可再生能源利用率如表2所示。從表2可以看出，優(yōu)化策略下系統(tǒng)運(yùn)行成本、柴油機(jī)運(yùn)行成本和儲能運(yùn)行成本分別低于專家策略11.0%，4.62%，23.91%，但前者的可再生能源利用率較后者高出1.68%。

表2 連續(xù)運(yùn)行7 d系統(tǒng)運(yùn)行費(fèi)用與可再生能源利用率Tab.2 System operating costs and renewable energy efficiency with 7 days

圖14 連續(xù)運(yùn)行7天兩種策略對比圖Fig.14 The result of two strategies with 7 days

2.2.2 連續(xù)運(yùn)行15 d

連續(xù)運(yùn)行15 d兩種策略對比圖如圖15所示。根據(jù)圖15的仿真結(jié)果可以獲得系統(tǒng)在兩種策略下連續(xù)運(yùn)行15 d的仿真數(shù)據(jù)如表3所示。

圖15 連續(xù)運(yùn)行15 d兩種策略對比圖Fig.15 The result of two strategies with 15 days

表3 連續(xù)運(yùn)行15 d系統(tǒng)運(yùn)行費(fèi)用與可再生能源利用率Tab.3 System operating costs and renewable energy efficiency with 15 days

優(yōu)化策略下系統(tǒng)運(yùn)行成本、柴油機(jī)運(yùn)行成本和儲能運(yùn)行成本分別低于專家策略10.5%，8.45%，17.80%，但前者的可再生能源利用率較后者高出3.1%。可見隨著運(yùn)行時(shí)間的延長，優(yōu)化策略的優(yōu)勢越顯著。

2.2.3 連續(xù)運(yùn)行30 d

連續(xù)運(yùn)行30 d兩種策略對比圖如圖16所示。

圖16 連續(xù)運(yùn)行30 d兩種策略對比圖Fig.16 The result of two strategies with 30 days

根據(jù)上述仿真結(jié)果可以獲得系統(tǒng)在兩種策略下連續(xù)運(yùn)行30 d的仿真數(shù)據(jù)如表4所示。

表4 連續(xù)運(yùn)行30 d系統(tǒng)運(yùn)行費(fèi)用與可再生能源利用率Tab.4 System operating costs and renewable energy efficiency with 30 days

優(yōu)化策略下系統(tǒng)運(yùn)行成本、柴油機(jī)運(yùn)行成本和儲能運(yùn)行成本均低于專家策略，分別低于12.1%，17.10%，12.73%，但前者的可再生能源利用率高出后者6.05%。隨著運(yùn)行時(shí)間的增加，優(yōu)化策略的優(yōu)勢明顯增加。

3 結(jié)論

本文考慮風(fēng)光儲柴的特性和約束，構(gòu)建了離網(wǎng)型微電網(wǎng)經(jīng)濟(jì)性優(yōu)化運(yùn)行模型，并通過二次規(guī)劃方法求解，實(shí)現(xiàn)了各單元的功率優(yōu)化分配運(yùn)行。通過算例分析，將專家策略和本文所提優(yōu)化策略進(jìn)行了對比，本文所提優(yōu)化策略能夠在成本較小的情況下，提高可再生能源的利用率。最后，通過7 d，15 d和30 d的仿真尺度，進(jìn)一步驗(yàn)證了本文優(yōu)化策略的有效性，隨著時(shí)間尺度的延長，本文所提優(yōu)化策略下的可再生能源利用率和系統(tǒng)經(jīng)濟(jì)性優(yōu)勢越得到發(fā)揮。因此，本文的研究對改善離網(wǎng)型微電網(wǎng)電能質(zhì)量和提高系統(tǒng)的優(yōu)化運(yùn)行具有一定的指導(dǎo)意義。