風/光/柴多能互補發電系統優化配置研究

宋旭日，葉林

（中國農業大學信息與電氣工程學院，北京100083）

分布式發電是在用戶現場或者靠近用電現場配置容量較小的發電機組（一般低于50 MW），以滿足特定用戶的需要，支持現存配電網的經濟運行，或者同時滿足這兩個方面的要求。分布式電源（DG）通常包括：太陽能發電、風力發電、微水發電、燃料電池、生物發電及儲能裝置等。分布式發電是對大電網的輔助和補充，在意外災害發生時持續供電，彌補大電網安全運行的不足，可以有效地實現能源的梯級利用，提高電力系統供電的可靠性與靈活性[1-2]。

國內外學者針對DG引入電力系統后產生的各方面影響進行了評估分析，以求DG配置價值的最大化[3-4]。利用遺傳算法進行多目標優化，其中包括風力發電機的型號和容量以及光伏電池的容量和傾角對系統供電可靠性和成本的影響，該算法在一定程度上提高了問題尋優的速度，但仍然未能保證解的全局收斂性[5-7]。從節能環保角度出發，建立了綜合經濟、環保型模型求解分布式電源配置方案[8]。提出一種基于改進微分進化算法的風光互補混合供電系統容量優化配置模型，但對于分布式發電系統都沒有進行微網系統級的研究，因而無法全面地體現分布式發電的優越性[9]。

本文以遠離供電中心、與輸電系統弱連接的偏遠配電網為研究系統。引入啟發式算法，以分布式發電投資、運行費用、向輸電系統直接購電費用以及考慮環境因素費用總和最小為優化目標，分別對并網型和離網型2種情況進行規劃和運行的綜合分析，從而確定各DG類型的最優投入容量。

1 風/光/柴多能互補發電系統簡介

如圖1所示，分布式發電系統由不同型號的風力發電機、太陽能電池、同步發電機（柴油發電機等）和蓄電池組成。各發電系統具有不同的成本，對用戶供電可靠性也不同，各個發電系統相互補充，彌補各自獨立發電的不足之處，向電網提供更加穩定的電能，從而極大提高了分布式發電的供電可靠性[10-11]。

圖1 分布式發電系統結構示意圖

風/光/柴多能互補發電系統主要由太陽電池陣列、風力發電機、柴油發電機、蓄電池組和負荷所組成。其中太陽電池陣列輸出的是直流電，輸出電壓和電流一般隨著太陽電池上輻射強度和電池板傾角的變化而變化，輸出直流經過逆變器給交流負載供電。風力發電機輸出的是三相交流電，輸出功率隨風速大小變化而不斷變化，可通過現場總線直接給負荷供電。柴油發電作為系統備用電源，可以彌補風力發電和太陽能發電的隨機性和不均勻性。

太陽能和風能均受天氣變化的影響，為充分利用新能源的同時保證負荷的供電可靠性，系統中需要加入儲能裝置，鉛酸蓄電池由于其相對較低的價格，使其成為系統的主要儲能設備。在太陽能和風能資源豐富時，可對蓄電池進行充電儲能，反之蓄電池給系統供電。太陽能電池的輸出為直流電可直接用于蓄電池的充電。

由于負荷電壓一般為交流電，使用逆變器將直流電壓轉換為負載要求的交流電壓,需要在太陽能電池的輸出端連接最大功率點跟蹤裝置MPPT(Maximum Power Point Tracking)及控制單元使太陽能電池的輸出保持在最大輸出功率。

1.1 風力發電機（W ind T urbine,WT）模型簡介

風力發電機是把風的動能轉換成機械能的機械裝置，通過大量實驗表明，風機的輸出功率與風速之間的關系如下[11-12]：

式中，Pt為風力發電機的輸出功率，W；Pr為風力發電機額定功率,W；vci為切入風速，m/s；vco為切出風速，m/s；vr為額定風速,m/s；v為實際風速,m/s。

1.2 太陽能電池（Photovoltaic,PV）模型簡介

太陽能電池是將太陽能輻射轉換成電能的靜態裝置，輸出功率為直流電的形式，其大小取決于太陽能輻射量和溫度等條件，式（2）給出了太陽能電池板的輸出功率[13]：

式中，fpv為太陽能電池的轉換效率，%；Ypv為太陽能電池板額定容量,W；IT為太陽能電池板所接受的輻射量，kW/m2，Is=1kW/m2。根據所給地區的輻射量數據，即可計算出太陽能電池的輸出功率。

1.3 蓄電池（Storage Battery,SB）模型簡介

蓄電池作為儲能裝置，在分布式發電系統中起著平衡功率的作用，可以彌補風力發電、太陽能發電的隨機性和不均勻性，提高了供電可靠性。在風能和太陽能資源豐富的時候，系統對蓄電池進行充電，但不能過充；同樣，在風能和太陽能資源短缺的時候，蓄電池放電，保證負荷正常工作，但不能過放電。

蓄電池吸收的最大功率，用最大充電功率來決定是否蓄電池能夠全部吸收分布式發電發出的電能，蓄電池最大的功率為[14]：

式中，Q1為蓄電池的初始可利用電能，kW·h；Q為蓄電池初始總電能，kW·h；c為蓄電池容量比率，%；k為蓄電池比率常數，h-1；Δt為時間步長，h。

1.4 柴油發電機（Diesel Engine Generator,DEG）模型簡介

分布式發電系統中還可能包含有柴油發電機、微水發電機等同步發電單元，它們的能耗-功率輸出特性為[12]

式中，a、b、c為發電機組的相關參數。

2 多能互補發電系統優化模型

由于分布式發電中太陽能、風能波動性較大并且具有很大的隨機性，準確合理的匹配設計系統對分布式發電系統的推廣尤為重要，它是充分利用風光資源在時間和空間分布上所呈現出的互補性的前提。系統匹配設計不合理將導致較高的系統供電成本和較差的性能表現，甚至根本不能體現出互補發電系統自身的優越性。準確合理的匹配設計應根據用戶所在地的地理位置、地形條件、氣象條件、組件（包括風機、太陽能電池、蓄電池、柴油發電機、轉換器等）實際的工作特性以及用戶用電需求等來確定系統各部分容量，使系統各部分盡可能工作在理想狀態下[1]。

2.1 目標函數

對于多能互補發電系統，優化設計目標主要是在滿足系統性能指標的前提下，使系統投資、運行、可靠性和環境治理等綜合成本最小，其目標函數可以表示如下：

2.2 約束條件

為實現目標函數，需要滿足以下約束條件。

1）功率平衡約束：每小時電網輸出功率Pgrid和分布式發電輸出功率Pdg之和等于對應小時總負荷需求PL：

2）分布式電源運行約束：分布式電源容量PDG須在最大容量PDGmax范圍內：

3）供電可靠性約束：考慮分布式發電元件停運概率，系統必須滿足一定的供電可靠性，本文將失負荷概率（LOLP）控制在2%以內。

式中,LOLP為失負荷概率，指的是統計期間內用戶停電的總小時數與統計期間總供電小時數的比值[15-16]。

4）輸電容量約束[17]：電網傳輸功率Pgridt最大不能超過輸電網允許傳輸最大容量Pgmax：

2.3 啟發式算法

多能互補發電系統優化配置的確定，要受到地理位置、氣象條件（風速、光照等）、組件（風機、太陽能電池、柴油發電機等）實際的工作特性以及負荷特性的影響，在給定以上參數的條件下，應用啟發式算法[2,17]，根據仿真得到的各組可行方案，比較其總投資費用，選擇投資費用最少的方案為系統最優配置。具體算法流程如圖2所示。

(1)開展教師下企業的活動，讓教師更加深刻地了解各個行業的具體行業規范和思政要求，并使教師收集豐富的教學資料。

圖2 啟發式算法流程圖

3 算例分析

本文應用HOMER軟件建模仿真，來確定分布式發電系統中各部分的最優配置。HOMER軟件是美國國家新能源實驗室（NREL）開發的軟件，主要用于設計和優化小型混合發電系統。它包含了一定數量的能源組件模型，基于成本和資源可利用性來進行適當的技術選擇。HOMER主要是對能源、經濟限制和控制方法的要求進行分析。它也要求輸入組件類型、組件數量、成本、效率和使用壽命等等。在一定范圍內給某個變量取值進行敏感分析，可以得出這個變量對系統配置的影響[16-17]。

本文針對某地區（北緯19°，經度0°）搭建模型進行仿真，該地區年平均風速5.758 m/s，月平均太陽輻射量為5.18 kW/m2，日平均負荷為85 kW·h/d，年度負荷峰值為12.1 kW，系統由分布式發電系統（包括風力發電機、太陽能電池、柴油發電機）和電網供電，分布式發電系統與電網弱連接，柴油發電機作為備用機組，供給一定的負荷，保證供電可靠性。相關分布式發電單元參數見表1。

表1 各類型分布式發電單元參數

3.1 系統并網運行分析

假設大電網全年正常運行，電網電價固定0.05$/kW，正常情況下電網的最大輸電功率為60 kW。分布式發電系統：風力發電機功率為12 kW，上限為5臺；太陽能電池板最大功率為8 kW，系統最優解見表2。

表2 并網運行時系統可行方案

通過比較以上方案總費用成本，方案1成本最低，選為最優解，此時系統的優化配置為太陽能發電、風力發電、電網供電所占比例分別為8%、57%、35%。總投資成本為$64164，單位成本電價最低，為0.180$/kWh。并網條件下各發電單元出力情況見圖3。

圖3 并網條件下各發電單元出力情況

從圖3可以看出,風/光/電網三種發電形式在各個月份的出力情況。系統總的年發電量為40965 kW·h，其中風機的年發電量是23236 kW·h，太陽能電池的年發電量是3152 kW·h，電網供電為14577 kW·h。由于該地區處于亞熱帶，年度的太陽能輻射量基本不變，所以太陽能電池的出力情況基本趨于平穩。對于風機，冬春季風能較大，風機出力較多，系統主要由風機供電，電網與太陽能電池起輔助作用。夏秋季風能較小，此時風機與大電網聯合供電，太陽能電池起輔助作用。圖4給出了年度負荷峰值日的系統負荷分布示意圖。

圖4 年度負荷峰值日系統運行圖

以年度負荷峰值日（8月10日）為例進行分析。圖4（a）圖4（b）分別給出了系統交流負荷、總供電量以及系統未滿足負荷曲線，由圖4(a)可以看出，分布式發電并網運行，分布式發電與電網總的供電量大于系統交流負荷，保證了系統的供電可靠性。圖4（b）中分別給出了太陽能電池板、風力發電機、電網供電量。在年度負荷峰值日，6點-18點太陽能電池板與電網聯合供電，由于處于夏季，風機出力很小，其余時間主要由電網供電，充分體現了分布式發電與電網供電良好的互補性。

3.2 系統離網運行分析

分布式發電是對大電網的輔助和補充，彌補大電網安全運行的不足，可以有效的實現能源的梯級利用，提高電力系統供電的可靠性與靈活性。而在意外災害發生時要與大電網解耦，運行在離網模式下，即孤島模式，此時分布式發電單獨給系統供電，以下主要分析分布式發電的離網運行特性。

分布式發電離網運行，系統由風力發電機、太陽能電池板、柴油發電機組成，風力發電機功率為12 kW，上限為5臺，太陽能電池板最大功率為8 kW，柴油發電機功率為2 kW，上限為3臺，柴油發電機在電網停運時作為備用機組，供給一定的負荷，保證供電可靠性。

離網運行的優化結果為太陽能電池板功率為2 kW、風力發電機一臺、柴油發電機兩臺，此時系統未滿足負荷為273 kWh，占發電總量的0.9%。系統交流主負荷和未滿足負荷分布見圖5。

圖5 系統交流主負荷和未滿足負荷分布

由圖5可知，系統缺電主要發生在7、8、9三個月中，主要原因是7、8、9月份處于平均風速最低的月份，同時夏季也是用電負荷高峰期，風機出力遠不能滿足負荷需求，而系統中太陽能發電所占比例較小，綜合導致夏季系統負荷丟失較多。為解決離網運行條件下系統負荷丟失較多的情況，可以加大太陽能電池板、風力發電機、柴油發電機容量等，但增加了系統剩余不可用電量。綜合考慮，在太陽能電池板中加入最大功率點追蹤裝置（MPPT），這樣既可以增加發電量又可以避免系統剩余電量的產生，仿真結果見圖6。

圖6 綜合敏感度分析

從圖6可知，太陽能電池板傾角大小直接影響太陽能電池出力情況，從而影響整個系統的失負荷概率。隨著太陽能電池板傾角的不斷增大，太陽能電池出力先減小而后增大，15°為其轉折點。而對于失負荷概率，在18°時，其值達到最大，約為0.008，之后逐漸減小并最終保持平穩在0.0075。綜合考慮太陽能電池出力和失負荷概率，太陽能電池傾角大于35°以后，出力情況以及失負荷概率基本保持不變。所以，把太陽能電池板傾角35°作為一個閾值，并選其為最優傾角。

3.3 敏感性分析

敏感性分析就是計算某個變量對優化配置結果的影響，比如柴油價格、風速變化、太陽輻射量變化等等這些都是關鍵因素，需對其進行敏感性分析。對所給定的值都將重復仿真和優化，這樣就可以看出輸入量變化時引起的結果改變，以此來確定該變量的重要性和敏感性。主要分析風速變化對系統的影響見圖7。柴油價格對系統的影響見圖8。

圖7 風速敏感性分析曲線

圖8 柴油價格敏感性分析曲線

斜率表示敏感程度，圖7中隨風速不斷增加，風機出力隨之增加，使得系統總投資和失負荷概率都不斷下降，當風速達到8 m/s時，系統總投資降到了$80000同時失負荷概率將為0.01。從風速-失負荷概率曲線可以看出，風速在5～6 m/s之間時失負荷概率變化較大，這與風機切入風速有關。圖8中，系統總投資與柴油價格成線性關系，斜率表示柴油價格對系統總投資的靈敏度影響。從圖7、圖8中可以看出，柴油價格對系統影響與風速變化對系統的影響正好相反，柴油價格越低對系統參數影響越小。

4 結論

本文建立了計及供電可靠性和環境影響的DG優化配置模型，綜合評估了發電成本、輸配電損失和環保成本，并根據運行方式的不同及用戶不同的可靠性要求，得到相應的最優配置。

并網運行時，多能互補系統總年發電量40965 kW·h，其中風力發電為23236 kW·h，太陽能發電為3152 kW·h，電網供電為14577 kW·h，此時系統的優化配置為風力發電、太陽能發電、電網供電各占57%、8%、35%。這就可以充分利用當地的風力資源，并且在相同功率條件下,風力發電的價格遠低于太陽能發電，從而可以大大節約總投資成本。離網運行時，各發電單元容量優化配置分別為風機容量12 kW、太陽能電池容量2 kW、柴油發電機容量4 kW。

另外，針對太陽能電池板傾角、風速變化、柴油價格進行了敏感性分析，結果表明優化參數設計可以使風能和太陽能電池具有良好的互補性，從而提高系統的供電可靠性。

[1] 艾斌,楊洪興,沈輝,等.風光互補發電系統的優化設計Ⅱ匹配設計實例[J].太陽能學報，2003,24(5)：718-723.

[2] 王成山,王守相.分布式發電功能系統若干問題研究[J].電力系統自動化，2008,32(30)：1-4.

[3] 徐大明,康云龍,曹秉剛.風光互補獨立供電系統的優化設計[J].太陽能學報，2006，27(9)：919-922.

[4] 陳凱，王成山.分布式電源優化規劃[D].天津：天津大學電氣與自動化工程學院，2006：11-20.

[5] 趙國波，劉天琪，李興源.分布式發電作為備用電源的優化配置[J].電力系統自動化，2009：85-88.

[6] 鄭漳華，艾芊，顧承紅,等.考慮環境因素的分布式發電多目標優化配置[J].中國電機工程學報，2009,29(13)：23-29.

[7] 錢科軍，袁越，ZHOU Chengke,等.分布式發電的環境效益分析[J].中國電機工程學報，2008，28(29)：11-15.

[8] 楊琦，張建華，劉自發,等.風光互補混合供電系統多目標優化設計[J].電力系統自動化，2009，,33(17)：86-90.

[9] 王守相，王慧，蔡聲霞.分布式發電優化配置研究綜述[J].電力系統自動化，2009,33(18)：110-114.

[10] 冬雷,廖曉鐘,劉廣忱,等.分布式風光互補發電系統及其多目標優化控制策略研究[J].儀器儀表學報，2005，26(8):750-753.

[11] 丁明，張穎媛，楊為,等.集中控制式微網系統的穩態建模與運行優化[J].電力系統自動化，2009，33(24)：78-82.

[12] 熊禮儉.風電手冊[M].北京：中國科技文化出版社，2005:56.

[13] FELIX A,FARRET M,GODOY S.Intggration of Alternative Sources of Energy[M].Published by John Wiley&Sons,Inc.Hoboken,NewYork：398-410.

[14] HOEMR V.Help National Renewable Energy Laboratory(NREL)[J].617 Cole Boulevard,Golden,CO 80401-3393.

[15] 宋云亭,張東霞,吳俊玲.國內外城市配電網供電可靠性對比分析[J].電網技術，2008,32(32)：13-18.

[16] JIMMY EHNBERG,Generation Reliability for Isolated Power Systems with Soalr,Wind and Hydro Generation[J].Department of Electric Power Engineering.CHALMERS UNIVERSITY OF TECHNOLOGY:5-12.

[17] 陳琳，鐘金，倪以信,等.聯網分布式發電系統運行規劃研究[J].電力系統自動化，2007，31(9)：26-31.