《2024风光储互补微电网的优化调度与能量管理》由会员分享，可在线阅读，更多相关《2024风光储互补微电网的优化调度与能量管理（12页珍藏版）》请在金锄头文库上搜索。
1、风光储互补微电网的优化调度与能量管理策略研究1. 引言近年来，由于工业化进程的脚步不断加快，城市迅速扩张，世界各地的电力用户对电能的需求逐年剧增，对于电能质量的要求也与日俱增。太阳能、水能、风能等诸多新型可再生能源的开发与利用，已逐渐发展成为现代电气工程和技术中最具发展力的领域1，然而，光电、风电的间歇性为其并入当地大电网带来了一些挑战。如何在可负担的投资成本范围内，最大限度地增加可再生能源的发电效率和降低对大电网的危害就成为了亟待解决的问题。微电网的出现可以很好地缓和大电网与分布式电源之间的冲突，并且将大电网遭分布式电源破坏的可能性降到最低，建立包括可再生能源在内的微电网是必要的发展趋势。从
2、世界各地现存的微电网项目来看，储能装置具有独特的能量双向流动的能力和特性，能够对其他分布式电源的出力以及负荷的变化做出实时响应，逐渐成为微电网中的关键技术2。目前对于储能的优化配置有指标最优、储能容量最小、系统成本最小三个大方向3。文献4提出了一种用于微电网最佳运行的模型，以最小化系统的总成本为优化目标，同时满足客户需求和系统安全性。文献5提出了一种基于粒子群优化(Particle Swarm Opti- mization，PSO)的高效算法，通过对 EOM 控制变量的优化调整，使微电网的总耗能和运行成本最小化。文献6在整合了贝叶斯网络理论与粒子群算法的双方优点后，给出了一种基于贝叶斯粒子群算
3、法的微电网优化运行的全新策略。文献7介绍了一种运用在独立光风柴蓄微电网系统中，利用强化后的 Pareto 进化算法算出各分布式单元容量最佳配置的能量管理策略。本文在讨论微电网及分布式发电对社会进步和环境改善的作用的基础上，探究了微电网能量管理系统对微电网高效稳定运行的必要性，建立了适合风光储互补微电网系统的优化调度模型，并提出风光储互补微电网的能量管理策略。采用粒子群优化算法对优化模型进行求解，通过算例来验证本文提出的优化模型和能量管理策略的有效性和准确性。2. 风光储互补微电网经济运行调度模型微电网孤岛运行时，不与大电网进行交互，微电网内的分布式电源产生的总能量全部用于微电网内部自身负荷的运
4、作。此模式下风光储互补微电网中风力发电与光伏发电具有不可调度性，同时微电网不与大电网的电能相通，因此调度变量就只存在于蓄电池本身。并网运行时，微电网通过快速开关与外部大电网相连后微电网的电能可卖给大电网，大电网的电能也可以卖给微电网使用，这样就实现了微电网和大电网之间的交互。两种模式下都需要考虑发电机组的出力配合协调问题，不同的是并网运行模式下还要关注与大电网的交互问题。本文所提出的模型考虑了离网与并网两种模式，并在并网模式下采用分时电价的模型，使系统拥有更佳的收益，更灵活的调度方式。2.1. 孤岛运行模式下的优化调度模型2.1.1. 目标函数本文以一天 24 小时运行成本最低为目标建立微电网
5、的经济优化模型，孤岛模式下电能的交易停止， 微电网与大电网隔离。优化目标如式(1)所示：min M24=C+ C+ C + Copt =1OM ( pvi )OM (wti )OM (bati ) pCOM ( pvi ) = KOM PpviCOM (wti ) = KOM Pwti(1)C= K P OM (bati )OMbatiCp = Pvi kPvi = Ppvi + Pwti + Pbati - Ploadi式中， Mop 表示微电网在运行一天所产生的运行费用。COM ( pvi ) 表示在第𝑖小时光伏发电设备产生的运行成本，COM (wti ) 表示在第 i 小
6、时风力发电设备产生的运行成本，COM (bati ) 表示在第 i 小时蓄电池发电系统产生的运行成本，KOM 为各分布式电源的运行维护系数，取值如表 1 所示。Cp 表示出现功率缺额时的惩罚费用， Pvi 为负荷功率缺额， Ppvi 、 Pwti 、 Pbati 分别代表光伏、风能、蓄电池三种分布式电源在第 i 小时的输出功率， Ploadi 为第 i 时段的电负荷。k 为惩罚系数，其取值与单位电价有关。Table 1. Operation and maintenance coefficient of distributed power表 1. 分布式电源运行维护系数分布式发电类型运行维护系数
7、 KOM光伏发电系统0.0096风力发电系统0.0296蓄电池发电系统0.04132.1.2. 约束条件1) 分布式电源出力约束：Ppv,min Ppv Ppv,maxP P P(2) wt ,minwtwt ,maxP P P bat ,minbatbat ,max式中，Ppv 、Pwt 、Pbat 分别为光伏发电、风力发电、蓄电池的输出功率，Ppv,min 、Pwt ,min 、Pbat ,min 、Ppv,max 、Pwt ,max 、 Pbat ,max 分别为光伏发电、风力发电、蓄电池输出功率的上下限。2) 功率平衡约束：Ppvi + Pwti + Pbati = Ploadi(3)
8、2.2. 并网运行模式下的优化调度模型2.2.1. 目标函数将并网和孤岛差距化的根本因素就是并网的时候会有电能的交易情况，并且交易的多少也是非线性变化的。以运行成本最小为优化目标，如式(4)所示。min M24=C+ C+ C+ (M- M) + Copt =1OM ( pvi )OM (wti )OM (bati )buyiselli pMbuyi = d PbuyiM= h Pselliselli(4)Pvi = Ppvi + Pwti + Pbati + Pgridi - Ploadi式中 Mbuyi 表示的意思是第𝑖时段从电网购电的成本， Pbuyi 为第⻕
9、4;时段购电电量，d 为电价，采用分时电价的模式8，如表 2 所示。M selli 表示第 i 时段的售电收益， Pselli 为第𝑖时段售电量；h 为售电价格系数，本文取值为 1.42 元/kwh； Pgridi 为第 i 时段与大电网交换的功率。Table 2. Time-of-use electricity price list表 2. 分时电价价目表时段电价(元)峰时段(911、1415、1921)1.099平时段(78、1213、1618)0.696谷时段(16、2224)0.2512.2.2. 约束条件1) 分布式电源出力约束：Ppv,min Ppv Ppv,max
10、P P P wt ,minwtwt ,max(5)P P P bat ,minbatbat ,maxP P P grid ,mingridgrid ,max式中， Pgrid ,min 、 Pgrid ,max 分别表示与大电网交互的最小、最大功率。2) 功率平衡约束：Ppvi + Pwti + Pbati + Pgridi = Ploadi式中， Pgridi 为第 i 时段节点与大电网交换的功率值，购电时为正，售电时为负。3. 风光储互补微电网能量调度策略(6)对微电网进行能量管理的核心问题是优化各发电单元之间的出力。由此，本文提出了基于蓄电池充放电状态的优化调度策略以满足微电网能量管理的
11、要求。改变蓄电池的充放电状态可以让其释放的电能得到最充分的利用，同时保证系统的平滑运行。在微电网运行中，有离网和并网两种运行模式。3.1. 离网运行方式根据微电网能量管理系统中检测到的 PV 以及 WT 的发电数据，对蓄电池的出力适时调整。此模式下的决策变量为蓄电池的充放电功率。风光出力的总和与负荷的需求量存在以下三种情况：风光联合出力并不能达到负荷需求量；风光联合出力等于负荷需求量；风光联合出力大于负荷需求量。当出现第一种情况，利用蓄电池放电，放电量根据电能缺额值确定。若蓄电池把所存储的电能全都释放完后，仍不能满足要求时，微电网内部的电力电子器件动作，将一些不重要的负荷切除，对微电网内的一级
12、负荷以及重要的二级负荷优先供电。当处在第二种情况时，这是最理想的状态，蓄电池既不需要充电也不需要放电。当处在第三种状态，蓄电池储电，可供系统在第一种情况下使用。若蓄电池充满电后还有多余的电量则通过卸荷器将这部分能量释放入大地。3.2. 并网运行方式风光联合出力与负载侧需求的量值也有三种情况。当 Ppv + wt - Pload 0 时，让多余的电量给蓄电池充电或者直接卖给大电网。由于电价的不同，我们可以选择在电价高的时候优先给大电网送电以赚取更多的收益。当 Ppv + wt - Pload = 0 时，既不给蓄电池充放电，也不与大电网进行能量交易。当 Ppv + wt - Pload 0 时，
13、 让蓄电池放电或向大电网购电。若此时电价较高，优先利用蓄电池放电来弥补缺额；反之优先购电，将蓄电池的电留到电价高的时候卖给大电网提高整个微电网运行的经济效益9。3.3. PSO 在能量管理中的应用将 PSO 运用于微电网的能量管理的步骤如下：第一步：搜索空间识别。初始化 PSO 参数，如种群大小 N、总迭代次数 MaxDT 、惯性权重因子wmin 、wmax 、学习因子 C1 和 C2。t 为当前迭代次数，初始化 t = 0；第二步：初始化。生成N 个随机粒子群。每个粒子的初始位置将随机地设定在控制变量的最大值和最小值之间。使用目标函数(1)和(4)对初始种群中的每个粒子进行评估。对于每个粒子
14、群，都满足Pbesti(0) = Xi(0) 。搜索目标函数的最优值，并将与最优值关联的粒子设置为全局最优值Gbesti(0) 。设置惯性权重的初值为w(0) ；第三步：更新迭代次数t = t +1 。利用式(7)更新惯性权重w(t ) ；惯性权重因子的最小值和最大值，通常取 0.4 和 0.9。w =wmax - (wmax - wmin ) t(7)MaxDT第四步：利用式(8)更新粒子速度，第 i 个粒子速度为Vi (t ) ；ii1 1 beastiivk (t +1) = w (t )vk (t ) + C r (Pk (t ) - xk (t ) + C r (Gk (t ) - xk (t )(8)2 2beastii第五步：利用式(9)更新粒子位置；iiixk (t +1) = xk (t ) + vk (t +1)(9)第六步：更新个体最优值，根据其更新的位置评估每个粒子； 第七步：更新全局最优值，在 Pbesti 中寻找最小值；第八步：终止条件。满足终止条件则停止，不满足则返回第三步；第九步：输出最佳解决方案。
