基于最優(yōu)路徑的多微網(wǎng)能源調(diào)度研究

張 羽李春華馬浩東付林瑤

(江蘇科技大學(xué)自動(dòng)化學(xué)院,江蘇省 鎮(zhèn)江市 212114)

0 引言

多微電網(wǎng)之間的能源交互可實(shí)現(xiàn)更廣闊的能源調(diào)度,并且能在更大程度上提高能源利用率,提高供電可靠性[1]。同時(shí),多微電網(wǎng)系統(tǒng)中的單微電網(wǎng)只有滿足了自身的能量需求之后,才能參與多微網(wǎng)間的能量互濟(jì),這樣可提高單一微電網(wǎng)獨(dú)立運(yùn)行過程中抗干擾能力和避免不必要的能量交互等問題[2-4],最終實(shí)現(xiàn)整個(gè)多微網(wǎng)系統(tǒng)的安全高效運(yùn)行。

多微網(wǎng)系統(tǒng)具有穩(wěn)定、安全的特點(diǎn),目前已有很多學(xué)者對(duì)其進(jìn)行了研究。文獻(xiàn)[5]提出了一種上下層優(yōu)化調(diào)度模型,上層調(diào)度對(duì)不同時(shí)間段的負(fù)載進(jìn)行劃分,建立相應(yīng)模型,下層調(diào)度目標(biāo)函數(shù)為微電網(wǎng)調(diào)度成本最小,考慮分時(shí)電價(jià)并使用粒子群算法進(jìn)行求解;文獻(xiàn)[6]提出了一種分布式能量管理策略,通過配置微電網(wǎng)能量管理系統(tǒng)的方式進(jìn)行電力信息交換和運(yùn)營(yíng),實(shí)現(xiàn)多微電網(wǎng)對(duì)分布式電源的有效管理,并采用交替方向乘子法對(duì)成本問題進(jìn)行迭代求解,然而忽略了交互過程中的能量損耗;文獻(xiàn)[7]構(gòu)建了微電網(wǎng)電量與電價(jià)的競(jìng)標(biāo)模式,以最小的成本作為投標(biāo)電價(jià),而投標(biāo)電量考慮系統(tǒng)能夠承受的最大風(fēng)險(xiǎn)比例,以此依托價(jià)格的差異和時(shí)間的慣性權(quán)重實(shí)現(xiàn)智能配電網(wǎng)的快速調(diào)度,然而只考慮了多微電網(wǎng)系統(tǒng)與配電網(wǎng)之間的整體交互功率,并沒有考慮微電網(wǎng)與微電網(wǎng)間的交互功率;文獻(xiàn)[8]構(gòu)建了多目標(biāo)優(yōu)化模型,把微電網(wǎng)間功率交互時(shí)的交易電價(jià)作為優(yōu)化變量之一,構(gòu)造運(yùn)行成本最小的目標(biāo)函數(shù),考慮儲(chǔ)能系統(tǒng)、柴油發(fā)電機(jī)以及微電網(wǎng)間和電網(wǎng)與微電網(wǎng)間的交互功率成本,使用非支配排序遺傳算法求解,然而卻忽略了微網(wǎng)運(yùn)行時(shí)的環(huán)境效益;文獻(xiàn)[9]構(gòu)建了一種計(jì)及負(fù)荷需求與多微網(wǎng)間功率互濟(jì)的優(yōu)化調(diào)度模型,并且全面考慮了風(fēng)、光清潔能源發(fā)電的維護(hù)成本、燃?xì)廨啓C(jī)的燃料費(fèi)用、蓄電池的損耗成本、微電網(wǎng)與大電網(wǎng)功率交互產(chǎn)生的購電成本以及出售電的收益,卻沒有考慮交互過程中的能量損耗。

基于以上分析,本文在微電網(wǎng)并網(wǎng)運(yùn)行的運(yùn)行條件下,建立并網(wǎng)型多微網(wǎng)系統(tǒng)雙層優(yōu)化調(diào)度模型,第1層調(diào)度以維護(hù)費(fèi)用、燃料費(fèi)用、蓄電池?fù)p耗費(fèi)用、污染物治理費(fèi)用及功率交互費(fèi)用最低為目標(biāo)函數(shù);采用群集蜘蛛優(yōu)化算法求解第1層1個(gè)周期內(nèi)各分布式發(fā)電單元的最優(yōu)出力及總運(yùn)行成本。第2層調(diào)度在第1層調(diào)度的優(yōu)化結(jié)果之上考慮各微電網(wǎng)之間以及與大電網(wǎng)之間能量調(diào)度的損耗,以各電網(wǎng)之間交互成本最低為目標(biāo)函數(shù),采用蟻群算法選擇損耗最小的最優(yōu)路徑,實(shí)現(xiàn)多微網(wǎng)間的能量互濟(jì)。最后采用基于IEEE 9節(jié)點(diǎn)的并網(wǎng)型多微電網(wǎng)系統(tǒng)進(jìn)行能源調(diào)度驗(yàn)證。

1 微電網(wǎng)數(shù)學(xué)模型

微電網(wǎng)由光伏電池(photovoltaic,PV)、風(fēng)力發(fā)電機(jī)(wind turbine,WT)、微型燃?xì)廨啓C(jī)(micro turbine,MT)、蓄電池(storage battery,SB)構(gòu)成,并與大電網(wǎng)進(jìn)行電量雙向流動(dòng)[10-11]。

1.1 風(fēng)力發(fā)電機(jī)的數(shù)學(xué)模型

在微電網(wǎng)的優(yōu)化調(diào)度中,需要風(fēng)力發(fā)電機(jī)有功功率預(yù)測(cè)數(shù)據(jù),風(fēng)力發(fā)電機(jī)的功率輸出與風(fēng)速有關(guān),風(fēng)力發(fā)電機(jī)的風(fēng)速-功率特性曲線可通過多項(xiàng)式擬合得到,即

式中:Pwt為風(fēng)力發(fā)電機(jī)的輸出功率,kW;Pr為風(fēng)力發(fā)電機(jī)的額定功率,kW;vci為風(fēng)力發(fā)電機(jī)的切入風(fēng)速,m/s;vr為額定風(fēng)速,m/s;vco為切出風(fēng)速,m/s;a、b、c、d為風(fēng)速參數(shù);v為實(shí)際風(fēng)速,m/s。

在實(shí)際優(yōu)化調(diào)度中,為獲得較為準(zhǔn)確的風(fēng)力發(fā)電機(jī)功率預(yù)測(cè)數(shù)據(jù),需要根據(jù)實(shí)際環(huán)境條件對(duì)風(fēng)速-功率特性曲線進(jìn)行修正。氣象局提供的風(fēng)速數(shù)據(jù)通常都是在9 m 的高度上得到的,而風(fēng)速-功率曲線需要提供風(fēng)機(jī)輪轂高度處的風(fēng)速,因此,必須將其折算成風(fēng)機(jī)輪轂處風(fēng)速。折算公式如下:

式中:H1、H2為不同的高度,m;v1、v2為不同高度上的風(fēng)速,m/s;α為冪律指數(shù)。

1.2 光伏發(fā)電的數(shù)學(xué)模型

微電網(wǎng)優(yōu)化調(diào)度過程中,需要對(duì)光伏電池一整天的輸出功率進(jìn)行預(yù)測(cè)。光伏電池的功率輸出模型為

式中:Ppv為光伏電池的輸出有功功率,kW;Ypv為光伏電池在標(biāo)準(zhǔn)測(cè)試條件下的輸出功率,kW;fpv表示光伏列陣上的塵土和積雪等對(duì)其的遮擋;GT為當(dāng)前的太陽輻照強(qiáng)度;GT,STC為標(biāo)準(zhǔn)測(cè)試條件下太陽的輻照強(qiáng)度;αP為光伏電池板的功率溫度系數(shù);TC為當(dāng)前的光伏電池溫度;TC,STC為標(biāo)準(zhǔn)測(cè)試條件下的光伏電池溫度[12]。

1.3 蓄電池的數(shù)學(xué)模型

蓄電池的荷電狀態(tài)(state of charge,SOC)是電池的重要參數(shù),表示蓄電池當(dāng)前剩余總能量與電池最大能量的比值:

式中:Q為電池當(dāng)前剩余能量;Qmax為電池最大能量。

放電深度(depth of discharge,DOD)與荷電狀態(tài)的關(guān)系為

1.4 微型燃?xì)廨啓C(jī)的數(shù)學(xué)模型

微型燃?xì)廨啓C(jī)的運(yùn)行效率與其輸出的有功功率有關(guān),其數(shù)學(xué)模型為

式中:ηMT為燃?xì)廨啓C(jī)的運(yùn)行效率;PMT為微型燃?xì)廨啓C(jī)輸出的有功功率。

2 第1 層多微電網(wǎng)優(yōu)化調(diào)度模型

2.1 微電網(wǎng)系統(tǒng)結(jié)構(gòu)

本文的單微網(wǎng)系統(tǒng)由風(fēng)力機(jī)發(fā)電系統(tǒng)、太陽能發(fā)電系統(tǒng)、儲(chǔ)能系統(tǒng)和微型燃?xì)廨啓C(jī)發(fā)電系統(tǒng)及負(fù)荷5個(gè)部分組成。

2.2 目標(biāo)函數(shù)

在分析系統(tǒng)中各分布式電源的出力情況后,考慮微電網(wǎng)調(diào)度周期內(nèi)的燃料成本、維護(hù)成本、蓄電池?fù)p耗成本和污染治理成本最低,所建立的總目標(biāo)函數(shù)為

式中:目標(biāo)函數(shù)f1、f2分別為微電網(wǎng)運(yùn)行成本和環(huán)境保護(hù)成本。

運(yùn)行成本包括4個(gè)部分:維護(hù)費(fèi)用、燃料費(fèi)用、交互費(fèi)用以及蓄電池?fù)p耗費(fèi)用。

式中:Pwt-i、Ppv-i、Pmt-i分別為風(fēng)力發(fā)電機(jī)、光伏發(fā)電機(jī)和微型燃?xì)廨啓C(jī)在ih里輸出的功率;C（P i）為可再生發(fā)電單元的維護(hù)費(fèi)用;K為可再生發(fā)電單元的維護(hù)系數(shù);FMT-i為微型燃?xì)廨啓C(jī)在第i小時(shí)的燃料成本;LHV為天然氣的低熱熱值;D為燃?xì)廨啓C(jī)的燃料氣體單價(jià);W為蓄電池的購買成本;Qlifetime-i為蓄電池的全壽命輸出量;ηrt為蓄電池的往返效率;ui為蓄電池的疲勞循環(huán)量;DDODi為蓄電池的放電深度;qmax為蓄電池的最大容量;omt為微型燃?xì)廨啓C(jī)的啟停狀態(tài);Pb-i、Ps-i為交互功率;d、h分別為買電和賣電的價(jià)格系數(shù);Mb、Ms分別為微電網(wǎng)向大電網(wǎng)買電和賣電的費(fèi)用。

微電網(wǎng)環(huán)境保護(hù)成本為

式中:Ck為k類污染物的成本系數(shù);γk為k類污染物的排放量。

2.3 約束條件

功率平衡約束為

微型燃?xì)廨啓C(jī)出力約束為

蓄電池充放電約束為

2.4 群集蜘蛛優(yōu)化算法

在群集蜘蛛優(yōu)化算法中,空間就像一張蜘蛛網(wǎng),每只蜘蛛所在的位置被當(dāng)做一個(gè)備選解,并且依靠蜘蛛的適應(yīng)度值的大小來決定每只蜘蛛的權(quán)重大小。蜘蛛個(gè)體之間通過分工合作、信息交流和繁衍后代等行為對(duì)所需解決問題的最優(yōu)解進(jìn)行搜索[13-14]。

2.4.1 種群初始化

種群初始化包括種群數(shù)目N,并計(jì)算婚配半徑r和雌蜘蛛數(shù)目Nf和雄蜘蛛數(shù)目Nm。

2.4.2 雌性種群協(xié)作過程

雌性蜘蛛通過自身振動(dòng)吸引其他個(gè)體向其靠近或者遠(yuǎn)離,其位置更新如下:

式中:α、β、δ為[0.1]之間的隨機(jī)數(shù);PF為概率因子;Sc為權(quán)重高于自身且距離最近的雌性個(gè)體;Sb為全部雌性蜘蛛中擁有最高權(quán)重的個(gè)體;Vhbch為蜘蛛h對(duì)蜘蛛c的震動(dòng)感知能力;Vhbbh為擁有最高權(quán)重的蜘蛛對(duì)蜘蛛h的感知能力。

2.4.3 雄性種群協(xié)作過程

式中:Sf為距雄性支配個(gè)體g最近的雌性蜘蛛個(gè)體f所在的位置;Vgbfg為雄性個(gè)體g對(duì)個(gè)體f的振動(dòng)感知能力表示雄性種群的中心位置。

2.4.4 婚配行為

對(duì)于權(quán)重較高的雄性支配個(gè)體g,如果其他的雌性個(gè)體處于它的婚配范圍內(nèi),即滿足個(gè)體g和個(gè)體l之間的歐式距離dgl≤r,g∈TD,l=1,2…,Nf,則發(fā)生婚配行為。婚配過程中,婚配蜘蛛越重對(duì)產(chǎn)生的子代蜘蛛影響越大。

3 第2 層多微電網(wǎng)優(yōu)化調(diào)度模型

第2層優(yōu)化調(diào)度是在第1層優(yōu)化的結(jié)果之上,將孤島微電網(wǎng)連接在一起構(gòu)成多微網(wǎng)系統(tǒng)與大電網(wǎng)共同進(jìn)行調(diào)度,并考慮能量調(diào)度過程中的損耗,選擇網(wǎng)損最小的路徑進(jìn)行電網(wǎng)間的功率互濟(jì)。

3.1 目標(biāo)函數(shù)

在各單微網(wǎng)完成內(nèi)部自身優(yōu)化之后,只需考慮微網(wǎng)與微網(wǎng)及微網(wǎng)與電網(wǎng)之間功率交互的損耗。

式中:Zi為各微電網(wǎng)單獨(dú)優(yōu)化的成本,其中要考慮第2層調(diào)度過程中實(shí)際的調(diào)度情況;A為電網(wǎng)間的交互系數(shù);Pi,loss為各微電網(wǎng)交互過程中的網(wǎng)損。

3.2 約束條件

功率平衡約束為

交互功率約束為

3.3 蟻群算法

蟻群算法是模擬螞蟻在自然界中尋找食物過程的一種仿生算法。螞蟻在尋找食物的路徑上會(huì)釋放出一種分泌物質(zhì),這種物質(zhì)使其他的螞蟻向著這一方向前進(jìn),這種在蟻群中能夠產(chǎn)生正反饋?zhàn)饔玫奈镔|(zhì)通常稱為信息素[15-16]。

3.3.1 狀態(tài)轉(zhuǎn)移概率

人工螞蟻在尋找最優(yōu)過程中,根據(jù)不同路徑上信息素含量和啟發(fā)式信息來計(jì)算狀態(tài)轉(zhuǎn)移概率:

3.3.2 信息素更新

為使螞蟻在經(jīng)過所有微電網(wǎng)之后留下的信息素所含信息有效,對(duì)遺留的信息素按下式進(jìn)行更新:

式中:ρ為信息素?fù)]發(fā)系數(shù);為第K只螞蟻在本次循環(huán)中留在微電網(wǎng)i與微電網(wǎng)j之間路徑上的信息量。

4 算例分析

本文使用基于IEEE 9節(jié)點(diǎn)的微電網(wǎng)系統(tǒng)進(jìn)行分析[17],結(jié)構(gòu)如圖1所示,其中節(jié)點(diǎn)1為大電網(wǎng),其余節(jié)點(diǎn)為微電網(wǎng)。由ENTSO-E 網(wǎng)站提供的數(shù)據(jù)進(jìn)行多微網(wǎng)系統(tǒng)的優(yōu)化調(diào)度。各節(jié)點(diǎn)間的阻抗大小如表1所示。

圖1 多微網(wǎng)系統(tǒng)結(jié)構(gòu)Fig.1 Multi-microgrid system structure

表1 節(jié)點(diǎn)間阻抗Table 1 Impedance between nodes

4.1 光伏發(fā)電基礎(chǔ)數(shù)據(jù)

光伏電池基礎(chǔ)數(shù)據(jù)如表2所示。

表2 光伏發(fā)電基礎(chǔ)數(shù)據(jù)Table 2 Basic data of photovoltaic power generation

4.2 風(fēng)力機(jī)發(fā)電基礎(chǔ)數(shù)據(jù)

在Matlab上對(duì)風(fēng)速-功率特性曲線進(jìn)行曲線擬合,求得的風(fēng)速參數(shù)如表3所示。

表3 風(fēng)力發(fā)電機(jī)基礎(chǔ)數(shù)據(jù)Table 3 Basic data of Wind turbine

4.3 蓄電池的基礎(chǔ)數(shù)據(jù)

蓄電池?fù)p耗需計(jì)算疲勞循環(huán)量u,表4為本文使用鋰電池的疲勞循環(huán)量。對(duì)數(shù)據(jù)進(jìn)行擬合,得到擬合方程為u=3 491.34DDOD2-8 479.61DDOD+6 539.24。圖2為擬合曲線與原數(shù)據(jù)的對(duì)比,從圖2可知,擬合效果較好。

表4 鋰電池的疲勞循環(huán)量表Table 4 Fatigue cycle scale of lithium battery

圖2 鋰電池的疲勞循環(huán)量擬合對(duì)比圖Fig.2 Fatigue cycle fitting comparison of lithium batteries

4.4 微電網(wǎng)仿真基礎(chǔ)數(shù)據(jù)

各發(fā)電系統(tǒng)的維護(hù)系數(shù)如表5所示,污染物排放系數(shù)及成本如表6所示。

表5 維護(hù)系數(shù)表Table 5 Maintenance coefficient table

表6 污染物排放系數(shù)及成本Table6 Discharge coefficient and cost of pollutants

從大電網(wǎng)和微電網(wǎng)購電的電價(jià)如圖3所示,出售給大電網(wǎng)和微電網(wǎng)的電價(jià)如圖4所示。

圖4 售電價(jià)格Fig.4 Prices of power sell

由圖3、4可見:23:00—07:00為谷時(shí)段,購售電價(jià)格最低;07:00—10:00、15:00—18:00及21:00—23:00為平時(shí)段;10:00—15:00和18:00—21:00為峰時(shí)段,購售電價(jià)格最高。

圖3 購電價(jià)格Fig.3 Prices of power purchase

4.5 多微電網(wǎng)系統(tǒng)優(yōu)化調(diào)度仿真

圖5為各微電網(wǎng)光伏、風(fēng)力機(jī)功率及負(fù)荷需求的預(yù)測(cè)數(shù)據(jù)。各微電網(wǎng)優(yōu)化調(diào)度結(jié)果如圖6所示。

圖5 微電網(wǎng)2—9光伏、風(fēng)力機(jī)功率預(yù)測(cè)數(shù)據(jù)和負(fù)荷需求預(yù)測(cè)量Fig.5 PV and fan power forecast data and load demand forecast for MG2—9

由圖6可看出:多微電網(wǎng)系統(tǒng)在優(yōu)化調(diào)度時(shí),會(huì)優(yōu)先使用風(fēng)力機(jī)和光伏電池所產(chǎn)生的清潔能源;在清潔能源能夠滿足需求的情況下,優(yōu)先向蓄電池進(jìn)行充電,多余的電量會(huì)用來進(jìn)行多微電網(wǎng)能量交互;在清潔能源無法滿足需求時(shí),在調(diào)度過程中會(huì)考慮分時(shí)電價(jià),選擇購買或者使用蓄電池及燃?xì)廨啓C(jī)來填補(bǔ)需求的空缺。

圖6 微電網(wǎng)2—9各發(fā)電單元優(yōu)化調(diào)度結(jié)果Fig.6 Optimization results of each power generation unit for MG2—9

大電網(wǎng)與各微電網(wǎng)之間的交互電量如圖7所示。

考慮最優(yōu)路徑之后,大電網(wǎng)與多微網(wǎng)系統(tǒng)中各微電網(wǎng)之間的交互電量如圖8所示。

圖8 大電網(wǎng)與多微網(wǎng)系統(tǒng)交互電量Fig.8 Electric quantity of interaction between large grid and multi-micro grid system

由圖7、8可看出:在多微網(wǎng)系統(tǒng)中,由于大電網(wǎng)昂貴的分時(shí)電價(jià)以及買賣電過程中的損耗,各微電網(wǎng)更傾向于彼此之間交易,大多數(shù)時(shí)間與大電網(wǎng)并無能量的交換,這樣不但可減小能量損耗,還可節(jié)約成本。

圖7 大電網(wǎng)與各微電網(wǎng)交互電量Fig.7 Electric quantity of interaction between large power grid and each microgrid

多微網(wǎng)系統(tǒng)調(diào)度過程中的最優(yōu)路徑如表7 所示,總網(wǎng)損和總成本如表8所示。

表7 最優(yōu)調(diào)度路徑Table 7 Optimal scheduling path

由表8可知:在各微電網(wǎng)單獨(dú)調(diào)度時(shí),系統(tǒng)的總成本為17 578元,總網(wǎng)損為1 379 kW;而在考慮最優(yōu)路徑的多微網(wǎng)能量調(diào)度中,由于調(diào)度過程中損耗減小以及多微網(wǎng)間買賣電的價(jià)格與大電網(wǎng)不同,多微網(wǎng)系統(tǒng)的總成本為13 443元,總網(wǎng)損為905 kW,網(wǎng)損降低了34.4%,成本降低了23.5%。

表8 總網(wǎng)損及總成本Table 8 Total network loss and total cost

5 結(jié)論

本文考慮多微網(wǎng)間能量互濟(jì)的最優(yōu)路徑,以IEEE 9節(jié)點(diǎn)系統(tǒng)為例進(jìn)行求解,討論了微電網(wǎng)單獨(dú)調(diào)度和多微網(wǎng)調(diào)度兩種模式下的不同結(jié)果。通過算例分析,得到以下結(jié)論:

(1) 將多微網(wǎng)系統(tǒng)進(jìn)行雙層調(diào)度,綜合考慮了運(yùn)行成本、維護(hù)成本、環(huán)境保護(hù)成本及網(wǎng)損的大小,通過智能優(yōu)化算法求解目標(biāo)函數(shù),使系統(tǒng)具有較強(qiáng)的魯棒性和經(jīng)濟(jì)性。

(2) 采用最大化清潔能源的調(diào)度策略,提高了清潔能源的利用率。

(3) 調(diào)度過程中考慮了各微電網(wǎng)及大電網(wǎng)之間的最優(yōu)傳輸路徑,能夠有效地減小傳輸過程中的功率損耗,達(dá)到節(jié)約能源的目的。