風(fēng)光儲(chǔ)聯(lián)合就近供電多時(shí)間尺度優(yōu)化調(diào)度

摘" 要： 針對新能源消納困難的問題，提出一種風(fēng)光儲(chǔ)聯(lián)合就近供電模式，并建立了多時(shí)間尺度的多目標(biāo)優(yōu)化調(diào)度模型。文中關(guān)注不同時(shí)間尺度下的調(diào)度問題，包括日前、超短期和實(shí)時(shí)。在日前調(diào)度計(jì)劃中，以風(fēng)光發(fā)電和本地負(fù)荷需求日前預(yù)測數(shù)據(jù)為基礎(chǔ)，考慮風(fēng)光儲(chǔ)發(fā)電系統(tǒng)運(yùn)行成本問題和負(fù)荷供電可靠性問題，建立了雙目標(biāo)優(yōu)化模型，并使用基于PSO改進(jìn)的黃金搜索優(yōu)化算法（GSO）進(jìn)行求解。在日內(nèi)超短期計(jì)劃中，結(jié)合日內(nèi)功率預(yù)測更新數(shù)據(jù)和雙儲(chǔ)能實(shí)際利用情況對儲(chǔ)能系統(tǒng)與電網(wǎng)并/離網(wǎng)情況進(jìn)行調(diào)整。在實(shí)時(shí)調(diào)度中，基于本地供需設(shè)備監(jiān)測情況和雙儲(chǔ)能荷電狀態(tài)持續(xù)可用性，以電網(wǎng)峰谷電價(jià)為依據(jù)，建立了雙電池儲(chǔ)能實(shí)時(shí)調(diào)度模型，以實(shí)現(xiàn)源/網(wǎng)/荷/儲(chǔ)能量的綜合管理。最后，利用Matlab搭建了仿真模型，驗(yàn)證了所提出的多時(shí)間尺度雙儲(chǔ)能風(fēng)光發(fā)電功率調(diào)度方法的經(jīng)濟(jì)性和實(shí)用性。

關(guān)鍵詞： 多時(shí)間尺度； 能量管理； 雙儲(chǔ)能； 荷電狀態(tài)； 功率分配； 風(fēng)光儲(chǔ)聯(lián)合就近供電模式

中圖分類號： TN911.1?34" " " " " " " " " " " " " "文獻(xiàn)標(biāo)識碼： A" " " " " " " " " " " 文章編號： 1004?373X（2024）19?0109?06

Wind?solar?storage joint nearby power supply multi?timescale optimization scheduling

TAN Likun， ZHU Jianhong， DENG Junyi

（College of Electrical and Automation， Nantong University， Nantong 226019， China）

Abstract： A wind?solar?storage joint nearby power supply mode is proposed and a multi?timescale multi?objective optimization scheduling model is established to cope with the difficulties in the new energy consumption. This paper focuses on scheduling issues at different time scales， including day?ahead scheduling， ultra?short?term scheduling and real?time scheduling. In the day?ahead scheduling plan， a dual?objective optimization model is established based on the day?ahead forecast data of wind?solar power generation and local load demand， considering the operation cost of wind?solar?storage power generation system and the reliability of load power supply. The model is solved by the PSO?based improved golden search optimization （GSO） algorithm. In the intra?day ultra?short?term plan， the energy storage system and the grid connection/disconnection status are adjusted based on the updated intra?day power forecast data and the actual utilization of dual energy storage. In the real?time scheduling， on the basis of the local supply and demand equipment monitoring and the continuous availability of dual energy storage SOC （state of charge）， a real?time scheduling model of dual?battery energy storage is established according to the grid peak?valley price， so as to achieve comprehensive management of source， grid， load and storage energy. A simulation model is built with Matlab to verify the economy and practicality of the proposed multi?timescale dual energy storage wind?solar power generation scheduling method.

Keywords： multi?timescale; energy management; dual energy storage; SOC; power distribution; wind?solar?storage joint nearby power supply mode

0" 引" 言

隨著可再生能源的商業(yè)價(jià)值不斷開發(fā)與國內(nèi)新能源發(fā)電技術(shù)的不斷進(jìn)步，風(fēng)力發(fā)電與光伏發(fā)電因?yàn)榘l(fā)展較早且技術(shù)較為成熟逐漸成為未來一段時(shí)間新能源發(fā)電應(yīng)用的重要方向[1?2]。考慮到風(fēng)能、光能資源的分布特性，采用新能源就近供電的方法即分布式發(fā)電系統(tǒng)結(jié)合本地負(fù)荷組成的發(fā)電系統(tǒng)成為未來的一個(gè)重要發(fā)展趨勢[3]。

風(fēng)、光等可再生能源因其固有的波動(dòng)性與隨機(jī)性等特征導(dǎo)致風(fēng)電、光伏不像傳統(tǒng)的火電穩(wěn)定可控，需要額外添加其他設(shè)備以維持其發(fā)電的穩(wěn)定性。文獻(xiàn)[4]就提出一種聯(lián)合電化學(xué)儲(chǔ)能的風(fēng)電儲(chǔ)能聯(lián)合經(jīng)濟(jì)調(diào)度控制策略，利用儲(chǔ)能系統(tǒng)追蹤風(fēng)電功率預(yù)測曲線以確定功率計(jì)劃上報(bào)的準(zhǔn)確性，提升風(fēng)能的利用率與供電的穩(wěn)定性；文獻(xiàn)[5]則提出了一種分布式儲(chǔ)能與光伏發(fā)電系統(tǒng)聯(lián)合調(diào)度控制策略，利用電池儲(chǔ)能解決光伏發(fā)電并入電網(wǎng)后發(fā)電網(wǎng)絡(luò)有源損耗成本與電壓偏差成本過大等問題。可以發(fā)現(xiàn)在可再生能源發(fā)電系統(tǒng)中加入一個(gè)穩(wěn)定可控的發(fā)電源可以有效地穩(wěn)定風(fēng)、光等可再生能源發(fā)電功率的波動(dòng)范圍，增強(qiáng)了新能源發(fā)電的實(shí)用性與經(jīng)濟(jì)性。文獻(xiàn)[6?7]則在分析與總結(jié)風(fēng)、光兩種不同的可再生發(fā)電資源的分布特點(diǎn)后，發(fā)現(xiàn)了風(fēng)電與光電之間的發(fā)電功率可以實(shí)現(xiàn)互補(bǔ)，進(jìn)一步提升了新能源的利用率。

優(yōu)化調(diào)度從時(shí)間上主要分為單時(shí)間尺度與多時(shí)間尺度[8]。由于可再生能源發(fā)電的預(yù)測特性，隨著預(yù)測時(shí)間的接近，其預(yù)測精度也隨之上升，如日前24 h尺度的可再生能源發(fā)電的預(yù)測誤差在25%～40%之間，而超短期4 h預(yù)測誤差則會(huì)降低到10%～25%之間，如果進(jìn)一步精進(jìn)預(yù)測時(shí)間其誤差值還可以進(jìn)一步減小[9?11]。對此，文獻(xiàn)[11]基于多時(shí)間尺度的優(yōu)化調(diào)度控制策略，將日前優(yōu)化調(diào)度分為了24個(gè)時(shí)間段進(jìn)行。通過更合理的規(guī)劃儲(chǔ)能的充放電功率以達(dá)到減小發(fā)電系統(tǒng)運(yùn)行成本的目的。文獻(xiàn)[12]則考慮市場電價(jià)波動(dòng)以及風(fēng)光發(fā)電的不確定性，建立風(fēng)光儲(chǔ)日前、日內(nèi)多時(shí)間尺度經(jīng)濟(jì)收益模型，使風(fēng)光儲(chǔ)電站最大化收益的同時(shí)風(fēng)險(xiǎn)最小。文獻(xiàn)[13]針對多儲(chǔ)能系統(tǒng)提出了一種多儲(chǔ)能協(xié)同控制算法，動(dòng)態(tài)地調(diào)節(jié)了各儲(chǔ)能的充放電功率，保障了發(fā)電在正常運(yùn)行中儲(chǔ)能荷電狀態(tài)維持在合理的范圍內(nèi)，儲(chǔ)能處于可充可放狀態(tài)，提高了發(fā)電并網(wǎng)運(yùn)行的靈活性和孤島運(yùn)行的穩(wěn)定性。

由此，本文在考慮風(fēng)光互補(bǔ)發(fā)電方式與雙儲(chǔ)能功率分配的基礎(chǔ)上，建立“日前?超短期?實(shí)時(shí)”多時(shí)間尺度功率調(diào)度策略，最終實(shí)現(xiàn)源/荷/儲(chǔ)三端之間的動(dòng)態(tài)平衡。分析比較了最終的優(yōu)化結(jié)果，驗(yàn)證了多時(shí)間尺度的功率調(diào)度策略的有效性。

1" 風(fēng)光儲(chǔ)發(fā)電系統(tǒng)

1.1" 雙儲(chǔ)能風(fēng)光儲(chǔ)發(fā)電系統(tǒng)結(jié)構(gòu)

風(fēng)光儲(chǔ)發(fā)電系統(tǒng)結(jié)構(gòu)如圖1所示。其中包括：風(fēng)力發(fā)電機(jī)（Wind Turbine， WT）、光伏發(fā)電陣列（Photovoltaic Generator， PG）、雙儲(chǔ)能系統(tǒng)（Dual Energy Storage System， DESS）、本地負(fù)荷以及一系列驅(qū)動(dòng)電路和控制器。電網(wǎng)通過公共節(jié)點(diǎn)（Point of Common Coupling， PCC）與系統(tǒng)相連。

1.2" 雙儲(chǔ)能聯(lián)合調(diào)度策略

系統(tǒng)設(shè)置雙儲(chǔ)能的首要目標(biāo)是實(shí)現(xiàn)新能源發(fā)電就近供電的可靠性，減少并網(wǎng)供電的頻次；其次是并網(wǎng)發(fā)電經(jīng)濟(jì)套利，為了提高儲(chǔ)能容量的利用率，在儲(chǔ)能容量存在盈余時(shí)，電網(wǎng)負(fù)荷高峰盡量提高并網(wǎng)發(fā)電計(jì)劃。因此，多時(shí)間尺度的風(fēng)光發(fā)電計(jì)劃及在線儲(chǔ)能調(diào)度方法如圖2所示。其中，日前計(jì)劃中，考慮儲(chǔ)能工作可靠性很大程度取決于初始荷電狀態(tài)，由于補(bǔ)償供需偏差過程的極性與幅值隨機(jī)波動(dòng)，所以在日前，在確保過充過放約束范圍內(nèi)，基于發(fā)電計(jì)劃與負(fù)荷預(yù)測對儲(chǔ)能日前功率計(jì)劃進(jìn)行初步設(shè)計(jì)，以給后面在線調(diào)度的儲(chǔ)能能量管理提供參考數(shù)據(jù)。

在4 h超短期計(jì)劃中，考慮儲(chǔ)能容量利用的經(jīng)濟(jì)套利，基于儲(chǔ)能實(shí)際運(yùn)行情況，設(shè)計(jì)了儲(chǔ)能調(diào)度策略，參考前時(shí)段容量變化趨勢，以及后時(shí)段儲(chǔ)能荷電狀態(tài)預(yù)測數(shù)據(jù)，對于風(fēng)光儲(chǔ)盈余量較大且電網(wǎng)用電負(fù)荷上升情況，調(diào)整風(fēng)光發(fā)電計(jì)劃，觸發(fā)并網(wǎng)發(fā)電。在實(shí)時(shí)調(diào)度中，設(shè)計(jì)5 min功率計(jì)劃，考慮實(shí)時(shí)供電可靠性，提高區(qū)域新能源消納水平，結(jié)合并網(wǎng)點(diǎn)電流與儲(chǔ)能荷電狀態(tài)監(jiān)測情況，給出雙儲(chǔ)能切換的條件，優(yōu)化雙儲(chǔ)能調(diào)度能力。

2" 多時(shí)間尺度功率調(diào)度模型構(gòu)建

2.1" 日前計(jì)劃優(yōu)化模型

日前調(diào)度計(jì)劃以1 h為時(shí)間間隔，綜合考慮各分布式發(fā)電資源與負(fù)荷消耗情況，以24 h為規(guī)劃周期，以風(fēng)光儲(chǔ)發(fā)電系統(tǒng)供需平衡成本最低、風(fēng)光儲(chǔ)負(fù)荷缺電率最低為目標(biāo)進(jìn)行優(yōu)化調(diào)度。

2.1.1" 日前計(jì)劃目標(biāo)函數(shù)

目標(biāo)函數(shù)1：風(fēng)光儲(chǔ)發(fā)電系統(tǒng)供需平衡成本。

[F1=minn=1NFbess+Fgrid] （1）

具體公式如下。

1） 儲(chǔ)能系統(tǒng)供需平衡成本[Fbess]

[Fbess=Kbuildn-1nUnchPch，n+UndhPdh，ndnEBAEb+KbUnchPch，n+UndhPdh，n] （2）

式中：[Kb]、[Kbuild]分別為儲(chǔ)能單位功率運(yùn)行成本與單位儲(chǔ)能容量建設(shè)成本；[Pch，n]、[Pdh，n]為儲(chǔ)能計(jì)劃充電功率與儲(chǔ)能計(jì)劃放電功率；[EBA]為儲(chǔ)能系統(tǒng)使用周期內(nèi)能量的總吞吐量；[Eb]為儲(chǔ)能系統(tǒng)容量；[Unch]、[Undh]分別為儲(chǔ)能系統(tǒng)充電、放電狀態(tài)。

2） 電網(wǎng)購售電成本[Fgrid]

[Fgrid=UnbuyCg_buynPbuy，n-UnsellCg_sellnPsell，n] （3）

式中：[Cg_selln]與[Cg_buyn]分別為電網(wǎng)售電、購電價(jià)格；[Pbuy，n]與[Psell，n]為并網(wǎng)計(jì)劃購電功率、計(jì)劃售電功率；[Unbuy]、[Unsell]分別為電網(wǎng)購電、售電狀態(tài)。

目標(biāo)函數(shù)2：風(fēng)光儲(chǔ)負(fù)荷缺電率最低。

[F2=minn=1NPload，n-Pg，nPload，n] （4）

[Pg，n=Pw，n+Ppv，n+Pdh，n-Pch，n] （5）

式中：[Pw，n]、[Ppv，n]、[Pload，n]分別為風(fēng)力發(fā)電功率、光伏發(fā)電功率與本地負(fù)荷需求功率；[Pg，n]為發(fā)電系統(tǒng)發(fā)電功率。

2.1.2" 日前計(jì)劃約束條件

1） 功率平衡約束

[Pload，n=Pg，n+Pbuy，n-Psell，n] （6）

2） 儲(chǔ)能充放電功率約束

[0≤Pch，n≤Pch_max0≤Pdh，n≤Pdh_max] （7）

[0≤Unch≤10≤Undh≤1Unch+Undh=1] （8）

式中：[Pch_max]、[Pdh_max]為儲(chǔ)能系統(tǒng)單位時(shí)間充/放電功率最大值。

3） 儲(chǔ)能荷電狀態(tài)約束

[SOCn=SOCn-1+n-1nPch，nηch-Pdh，nηdhdnEb] （9）

[SOCmin≤SOCn≤SOCmax] （10）

[SOCmin≤SOC0≤SOCmax] （11）

式中：[SOCn]、[SOCn-1]分別為儲(chǔ)能荷電狀態(tài)與上一階段荷電狀態(tài)；[ηch]、[ηdh]分別為儲(chǔ)能電池的充電效率、放電效率；[SOCmin]、[SOCmax]分別為儲(chǔ)能系統(tǒng)荷電狀態(tài)最小值、最大值，本文取值為0.1與0.9；[SOC0]為儲(chǔ)能荷電狀態(tài)的初始值。

4） 電網(wǎng)購售電時(shí)間段約束

[Unbuy=0，" " " n∈電價(jià)峰值時(shí)段0，1，" " " other] （12）

[0≤Unsell≤1] （13）

[Unbuy+Unsell=1] （14）

在本文中設(shè)定的電網(wǎng)購電峰值時(shí)段為10：00—15：00與18：00—21：00。

2.2" 日內(nèi)超短期計(jì)劃優(yōu)化模型

日內(nèi)超短期計(jì)劃是日前計(jì)劃的延續(xù)，在最大化風(fēng)光儲(chǔ)供電率的基礎(chǔ)上降低系統(tǒng)供需平衡成本，其目標(biāo)函數(shù)為：

[" " " " " " " " "Fr1=minn=ii+3m=1M（Fbess_r+ΔFbess_r+Fgrid_r），" " " " " " " " " " " " " " "i=1，5，9，13，17，21] （15）

[Fr2=minn=ii+3m=1MPnload，m-Png，mPnload，m，" i=1，5，9，13，17，21] （16）

[Fbess_r=KbuildUnchr，mPnchr，m+Undhr，mPndhr，mΔmEBAEb+KbUnchr，mPnchr，m+Undhr，mPndhr，m] （17）

[ΔFbess_r=0，" " "Unch，mUnchr，m=1 or Undh，mUndhr，m=1λPnb，m-Pnbr，m，" " "other] （18）

[Fgrid_r=Cg_buynmUnbuyr，mPnbuyr，m-Cg_sellnmUnsellr，mPnsellr，m] （19）

式中：[Fbess_r]、[ΔFbess_r]、[Fgrid_r]分別為儲(chǔ)能系統(tǒng)日內(nèi)運(yùn)行成本、儲(chǔ)能系統(tǒng)充放電懲罰、配電網(wǎng)日內(nèi)功率交換成本；[Δm]為超短期計(jì)劃時(shí)間間隔；[λ]充放電懲罰系數(shù)[14]，本文取值為0.75。約束條件與日前計(jì)劃一致。

2.3" 實(shí)時(shí)功率調(diào)度模型

為實(shí)現(xiàn)對負(fù)荷電力需求與風(fēng)光儲(chǔ)發(fā)電系統(tǒng)供應(yīng)的檢測與調(diào)整，根據(jù)式（20）得到儲(chǔ)能日內(nèi)計(jì)劃功率[ΔPn1，t]與負(fù)荷需求功率[ΔPn2，t]。

[ΔPn1，t=Pndh，t-Pnch，tΔPn2，t=Pnload，t-Pnw，t-Pnpv，t-ΔPnbuy，t+Pnsell，t] （20）

式中：[Pnw，t]、[Pnpv，t]、[Pnload，t]為日內(nèi)第[n]小時(shí)內(nèi)[t]時(shí)刻的風(fēng)力發(fā)電實(shí)際功率、光伏發(fā)電實(shí)際功率與負(fù)荷需求實(shí)際功率?？紤]系統(tǒng)供需關(guān)系與功率極性，在實(shí)時(shí)調(diào)度中以儲(chǔ)能放電為正、充電為負(fù)。

公式（21）綜合[ΔPn1，t]與[ΔPn2，t]計(jì)算出了實(shí)時(shí)儲(chǔ)能調(diào)度偏差功率[Δerrornt]。

[Δerrornt=ΔPn2，t-ΔPn1，t] （21）

當(dāng)[ΔPn1，t]、[ΔPn2，t]、[Δerrornt]正負(fù)一致時(shí)，此時(shí)日前計(jì)劃制定功率不足，儲(chǔ)能系統(tǒng)B將作為儲(chǔ)能系統(tǒng)A工作的補(bǔ)充，此時(shí)儲(chǔ)能系統(tǒng)A追蹤日前功率計(jì)劃[ΔPn1，m]，儲(chǔ)能系統(tǒng)B消納功率偏差[Δerrornt]；當(dāng)[ΔPn1，t]與[ΔPn2，t]正負(fù)一致且與[Δerrornt]正負(fù)相反時(shí)，此時(shí)日前計(jì)劃制定功率盈余，為減少儲(chǔ)能功率多余損耗，此時(shí)儲(chǔ)能系統(tǒng)A消納日內(nèi)供需偏差[ΔPn2，m]，儲(chǔ)能系統(tǒng)B備用；當(dāng)[ΔPn1，m]與[ΔPn2，m]正負(fù)不一致且與[Δerrornt]正負(fù)相反時(shí)，此時(shí)日前計(jì)劃已經(jīng)不再適用，儲(chǔ)能系統(tǒng)B消納日內(nèi)供需偏差[ΔPn2，m]，儲(chǔ)能系統(tǒng)A備用。理想情況下雙儲(chǔ)能工作狀態(tài)如表1所示。

根據(jù)每5 min更新的功率預(yù)測數(shù)據(jù)，對雙儲(chǔ)能功率與電網(wǎng)功率進(jìn)行微調(diào)，使得雙儲(chǔ)能系統(tǒng)整體運(yùn)行成本最低，其目標(biāo)函數(shù)為：

[Fs=minn=1Nt=1T（Fnba_t+Fnbb_t+Fng_t）] （22）

[Fba_t=KbuildPnA，t+ΔPnAr，tΔtEBAEb+KbPnA，t+ΔPnAr，t] （23）

[Fbb_t=KbuildPnB，t+ΔPnBr，tΔtEBAEb+KbPnB，t+ΔPnBr，t] （24）

[Fg_t=（Cg_buynt+Knt）Pnbuy，t-Cg_sellntPnsell，t] （25）

式中：[Fnba_t]、[Fnbb_t]、[Fng_t]分別為第[n]個(gè)小時(shí)內(nèi)第[t]個(gè)5 min的儲(chǔ)能系統(tǒng)A運(yùn)行成本、儲(chǔ)能系統(tǒng)B運(yùn)行成本、電網(wǎng)購售電成本；[ΔPnAr，t]、[ΔPnBr，t]為儲(chǔ)能系統(tǒng)A實(shí)時(shí)調(diào)整功率、儲(chǔ)能系統(tǒng)B實(shí)時(shí)調(diào)整功率；[Δt]為實(shí)時(shí)調(diào)度時(shí)間間隔；[Knt]為高峰購電懲罰系數(shù)。

實(shí)時(shí)功率[Png_t]與電網(wǎng)功率應(yīng)該等于負(fù)荷需求功率[Pload，t]。

[Pnw，t+Pnpv，t+PnA，t+ΔPnAr，t+PnB，t+ΔPnBr，t=Png_t] （26）

[Png，t+Pnbuy，m-Pnsell，m=Pnload，t] （27）

[Knt]為電網(wǎng)高峰購電懲罰系數(shù)，滿足公式（28）：

[Knt=2×Cg_buynt，" " " t∈購電電價(jià)高峰時(shí)段0，" " "other] （28）

其余約束條件與日內(nèi)計(jì)劃一致。

3" 案例分析

3.1" 黃金搜索多目標(biāo)優(yōu)化算法

為提高多目標(biāo)粒子群優(yōu)化（Multiple Objective Particle Swarm Optimization， MOPSO）算法在全局最優(yōu)解附近的優(yōu)化精度并加快優(yōu)化過程，基于傳統(tǒng)的多目標(biāo)粒子群優(yōu)化算法權(quán)重系數(shù)改進(jìn)后提出了黃金搜索多目標(biāo)優(yōu)化算法[15]。

1） 用指數(shù)運(yùn)算指標(biāo)[Titer]代替固定權(quán)重系數(shù)，使得在迭代后期尋優(yōu)粒子迅速收斂，提升優(yōu)化算法運(yùn)行速度。[Titer]如公式（29）所示：

[Titer=100?exp-20?itermaxiter，" " " " " " "iter=1，2，…，maxiter] （29）

式中：[iter]、[maxiter]分別為尋優(yōu)粒子當(dāng)前迭代次數(shù)與最大迭代次數(shù)。

2） 為降低MOPSO陷入局部最優(yōu)解的可能性，加入式（30）所示的隨機(jī)變異環(huán)節(jié)。

[Xit+1=Xit+1，" " rand≤μr3Xmax-Xmin+Xmin，" " randgt;μ] （30）

式中：[Xmin]、[Xmax]分別為粒子位置下限、上限值；[r3]為區(qū)間（0，1）的隨機(jī)數(shù)；[μ]為變異置信度，本文取值為0.5。

3） 考慮到求解目標(biāo)并不單一，需要根據(jù)計(jì)算得到的不同目標(biāo)函數(shù)值，找出全局非支配個(gè)體并確定每一個(gè)解向量間的支配關(guān)系，選擇不受其他個(gè)體支配的個(gè)體將其歸納至檔案庫中，并根據(jù)不同解之間的擁擠距離CD精簡篩選檔案庫中的解。擁擠距離越大說明周圍解的分布越廣闊，保證了種群中有一定數(shù)量的解，有利于維持種群的多樣性。

[CDij=fjXi+1-fjXi-1fjXmax-fjXmin，" i=2，3，…，maxiter-1] （31）

式中：[CDij]為第[j]個(gè)目標(biāo)函數(shù)第[i]個(gè)個(gè)體的擁擠度；[fj]為第[j]個(gè)目標(biāo)函數(shù)。

4） 通過輪盤賭策略篩選出最終的全局最優(yōu)粒子，在得到個(gè)體最優(yōu)粒子與群體最優(yōu)粒子之后，進(jìn)入下一個(gè)循環(huán)迭代，直到達(dá)到最大迭代次數(shù)為止。

3.2" 調(diào)度結(jié)果

為驗(yàn)證所提出的多時(shí)間尺度調(diào)度能保證系統(tǒng)在穩(wěn)定運(yùn)行的同時(shí)提高系統(tǒng)的經(jīng)濟(jì)效益并減少發(fā)電與電網(wǎng)之間的功率交換。在Matlab仿真平臺(tái)中搭建了仿真模型。其中風(fēng)光儲(chǔ)發(fā)電系統(tǒng)運(yùn)行參數(shù)、電網(wǎng)分時(shí)段購/售電價(jià)格如表2、表3所示[16]。

根據(jù)本文所提出的優(yōu)化調(diào)度策略，基于某風(fēng)電場、光伏電站歷史發(fā)電數(shù)據(jù)對日前24 h風(fēng)力發(fā)電、光伏發(fā)電進(jìn)行預(yù)測，以黃金搜索多目標(biāo)優(yōu)化算法對日前計(jì)劃目標(biāo)函數(shù)進(jìn)行求解，得到的風(fēng)光儲(chǔ)發(fā)電系統(tǒng)日前計(jì)劃曲線如圖3所示。

由圖3可以看出，風(fēng)力發(fā)電在全天的分布更加平均，而光伏發(fā)電主要集中于10：00—15：00，風(fēng)光的聯(lián)合使用可以有效實(shí)現(xiàn)雙方發(fā)電量的互補(bǔ)。同時(shí)本地負(fù)荷的高峰主要集中在每天的中午與下午，此時(shí)也是電網(wǎng)電價(jià)的高峰時(shí)段，需要儲(chǔ)能的補(bǔ)充以保障系統(tǒng)的供需平衡減小電網(wǎng)的調(diào)度壓力。最后可以看出在電網(wǎng)電價(jià)低谷時(shí)段與負(fù)荷低谷時(shí)段，此時(shí)儲(chǔ)能系統(tǒng)可以更多地進(jìn)行充電補(bǔ)充高峰時(shí)的發(fā)電消耗以保障儲(chǔ)能系統(tǒng)的長時(shí)間運(yùn)行。這表明了引入儲(chǔ)能系統(tǒng)的日前計(jì)劃可以有效地應(yīng)對電網(wǎng)電價(jià)與本地負(fù)荷的峰谷差，緩解了電網(wǎng)的調(diào)峰壓力。

為驗(yàn)證所提出的基于雙儲(chǔ)能系統(tǒng)的多時(shí)間尺度調(diào)度方法的有效性，設(shè)計(jì)了兩種不同的調(diào)度案例進(jìn)行對此與分析，具體如下。

案例1：發(fā)電系統(tǒng)按照日前功率計(jì)劃運(yùn)行，針對日前日內(nèi)功率預(yù)測的偏差，雙儲(chǔ)能采用預(yù)測偏差分配策略，并施加儲(chǔ)能過充過放保護(hù)，其結(jié)果如圖4所示。

案例2：發(fā)電系統(tǒng)采用日前?日內(nèi)?實(shí)時(shí)多級調(diào)度方法，根據(jù)更新后的風(fēng)電、光伏發(fā)電功率與負(fù)荷需求功率及雙儲(chǔ)能荷電狀態(tài)進(jìn)行日內(nèi)工況劃分并修正雙儲(chǔ)能日內(nèi)功率吞吐量，其結(jié)果如圖5所示。

針對不同能量管理方案的仿真結(jié)果如表4所示。

圖4是基于日前日內(nèi)功率偏差分配的雙儲(chǔ)能能量調(diào)度，由于雙儲(chǔ)能系統(tǒng)的存在使得風(fēng)光儲(chǔ)發(fā)電系統(tǒng)功率消納能力得到顯著提升。從仿真結(jié)果可以看出雙儲(chǔ)能功率分配控制策略保障。最終仿真結(jié)果表現(xiàn)出相較于日前計(jì)劃提升了新能源的利用率，減少了發(fā)電整體運(yùn)行成本等優(yōu)勢。但也表現(xiàn)出儲(chǔ)能系統(tǒng)A無法釋放功率，儲(chǔ)能系統(tǒng)B功率波動(dòng)較大且缺乏補(bǔ)充等問題，對發(fā)電系統(tǒng)的長時(shí)間運(yùn)行有一定的影響。

圖5是基于日前日內(nèi)功率偏差建立的風(fēng)光儲(chǔ)發(fā)電日內(nèi)計(jì)劃目標(biāo)函數(shù)優(yōu)化后并通過實(shí)時(shí)調(diào)度方法進(jìn)行進(jìn)一步優(yōu)化的結(jié)果。由于調(diào)度時(shí)間精度從1 h細(xì)分到了15 min，再從15 min提升到5 min，最終結(jié)果可以看出在降低風(fēng)光儲(chǔ)發(fā)電系統(tǒng)總運(yùn)行成本的同時(shí)提升了新能源利用率，并降低了雙儲(chǔ)能吞吐功率上限，減小了雙儲(chǔ)能的容量需求，降低了雙儲(chǔ)能的整體調(diào)用成本。使得雙儲(chǔ)能功率吞吐更加均衡，有利于發(fā)電系統(tǒng)的長期穩(wěn)定運(yùn)行。

4" 結(jié)" 語

通過在風(fēng)光儲(chǔ)發(fā)電系統(tǒng)中添加另一套相同的儲(chǔ)能系統(tǒng)，建立了一種雙儲(chǔ)能風(fēng)光儲(chǔ)日前?日內(nèi)?實(shí)時(shí)多級功率調(diào)度方法對儲(chǔ)能的充放電行為與并網(wǎng)開關(guān)的閉合時(shí)段進(jìn)行控制。仿真算例表明在日前階段，提出的黃金搜索多目標(biāo)優(yōu)化的日前調(diào)度方法能有效降低系統(tǒng)運(yùn)行成本，提升負(fù)荷供電情況。在日內(nèi)計(jì)劃階段針對分布式發(fā)電系統(tǒng)中不可預(yù)見因素的影響，提出了一種滾動(dòng)更新的日內(nèi)計(jì)劃方法與雙重儲(chǔ)能功率規(guī)劃方法，能夠?qū)崿F(xiàn)對雙儲(chǔ)能功率進(jìn)行修正并對風(fēng)光儲(chǔ)發(fā)電系統(tǒng)日前計(jì)劃進(jìn)行完善。在實(shí)時(shí)調(diào)度階段，考慮雙儲(chǔ)能之間的功率調(diào)度，利用雙儲(chǔ)能之間與雙儲(chǔ)能與電網(wǎng)對各自的充放電功率進(jìn)行修正，最終保障雙儲(chǔ)能系統(tǒng)的穩(wěn)定運(yùn)行。針對算例在Matlab中搭建了仿真模型，驗(yàn)證了調(diào)度策略的可行性。

注：本文通訊作者為朱建紅。

參考文獻(xiàn)

[1] 何永秀，呂媛，車怡然.基于地區(qū)用戶成本的分布式風(fēng)力發(fā)電長期規(guī)模預(yù)測[J].山東電力技術(shù)，2021，48（12）：21?28.

[2] 劉琳，馬超，黃書馨，等.分布式光伏發(fā)電發(fā)展政策法律保障研究[J].中阿科技論壇（中英文），2023（9）：153?157.

[3] SAEED M H， WANG F Z， KALWAR B A， et al. A review on microgrids′ challenges amp; perspectives [J]. IEEE access， 2021， 9： 166502?166517.

[4] 徐偉航，楊茂，孫莉.利用電化學(xué)儲(chǔ)能追蹤風(fēng)電預(yù)測曲線的風(fēng)儲(chǔ)聯(lián)合調(diào)度經(jīng)濟(jì)性分析[J].南方電網(wǎng)技術(shù)，2023，17（11）：87?96.

[5] LI X J， WANG L J， YAN N， et al. Cooperative dispatch of distributed energy storage in distribution network with PV generation systems [J]. IEEE transactions on applied superconductivity， 2021， 31（8）： 1?4.

[6] 徐陽旭，彭學(xué)林，張夢.考慮柔性負(fù)荷的風(fēng)光儲(chǔ)微電網(wǎng)多時(shí)間尺度優(yōu)化調(diào)度[J].電工材料，2023（4）：67?70.

[7] KUMAR P S， CHANDRASENA R P S， RAMU V， et al. Energy management system for small scale hybrid wind solar battery based microgrid [J]. IEEE access， 2020， 8： 8336?8345.

[8] 祝榮，陳俊清，宋偉，等.風(fēng)光儲(chǔ)一體化綜合能源系統(tǒng)柔性調(diào)度策略[J].太陽能，2022（5）：67?76.

[9] 楊曉萍，劉浩杰，黃強(qiáng).考慮分時(shí)電價(jià)的風(fēng)光儲(chǔ)聯(lián)合“削峰”優(yōu)化調(diào)度模型[J].太陽能學(xué)報(bào)，2018，39（6）：1752?1760.

[10] 劉曉艷.風(fēng)光儲(chǔ)微網(wǎng)系統(tǒng)多時(shí)間尺度模型預(yù)測調(diào)度策略[J].電子器件，2020，43（6）：1294?1298.

[11] 趙詣，方陳，馮冬涵，等.考慮電池儲(chǔ)能壽命損耗的風(fēng)光儲(chǔ)微網(wǎng)隨機(jī)日前調(diào)度策略[J].電氣工程學(xué)報(bào)，2022，17（3）：210?218.

[12] 王凱，延肖何，劉念.基于投資組合理論的風(fēng)光儲(chǔ)場站參與多時(shí)間尺度電力現(xiàn)貨市場的出力分配優(yōu)化方法[J].工程科學(xué)與技術(shù)，2023，55（1）：101?109.

[13] 郭佩乾，郝峰杰，袁志昌，等.混合多類型儲(chǔ)能的分布式能源系統(tǒng)運(yùn)行優(yōu)化方法[J/OL].南方電網(wǎng)技術(shù)：1?11[2023?09?14].[http：//kns.cnki.net/kcms/detail/44.1643.TK.20230913.2328.008.]html.

[14] PALIWAL N K. A day?ahead optimal scheduling operation of battery energy storage with constraints in hybrid power system [J]. Procedia computer science， 2020， 167（3）： 2140?2152.

[15] NOROOZI M， MOHAMMADI H， EFATINASAB E， et al. Golden search optimization algorithm [J]. IEEE access， 2022， 10： 37515?37532.

[16] 謬妙，李勇，曹一家，等.考慮環(huán)境因素的多能源系統(tǒng)交直流混合供能優(yōu)化策略[J].電力系統(tǒng)自動(dòng)化，2018，42（4）：128?134.

作者簡介：檀立昆（1998—），男，安徽宣城人，碩士研究生，主要研究方向?yàn)樾履茉窗l(fā)電與調(diào)度。

朱建紅（1971—），女，江蘇南通人，博士研究生，副教授，主要研究方向?yàn)樾履茉窗l(fā)電。

鄧俊逸（2004—），男，湖南邵陽人，主要研究方向?yàn)殡姎夤こ碳捌渥詣?dòng)化。

收稿日期：2024?04?03" " " " " "修回日期：2024?04?22