鄭夢秋，薛陽，王琳

（上海電力學院自動化工程學院，上海 200090）

0 引言

在微電網運行中，由于風力、光照具有不穩定性和不可控性，而分布式電源運行受天氣影響因素較大，且家庭中的日常負荷在運行中也有一定的波動性，因此一般孤島下的微網系統很難能夠滿足自給自足，非常不穩定。但是通過配置適量容量大小的儲能單元，可以與微網系統協同合作，有效提高微網的安全性，可靠性以及經濟性。當風光等分布式能源不足以提供負荷所需功率時，由儲能系統提供額外所需功率，反之則由儲能單元儲存剩余的功率。

本文在綜合考慮了風光發電單元、負荷特性，功率約束等問題后，構造出以蓄電池加超級電容器的儲能系統，并用遞減權重法改進粒子群算法來對算例進行求解，并證明了這種基于粒子群優化算法的容量配置的正確性。

1 微電網能量優化調度的建模

微電網的穩定、安全運行的關鍵在于其儲能管理系統的運作。而儲能系統的優化能夠使微網系統更加安全地運行。在微網系統中的各分布式電源、冷熱電負荷、蓄電池等不同特性，優化微網中各發電單元的出力與儲能系統充放電管理的平衡需求以及負荷波動等要求下，來完成微網系統的發電成本，以及污染物排放的最小化，滿足總效益的最佳原則。

微網系統運行中的各約束條件如下：

孤島下的微電網，其儲能系統的優化是使其經濟性達到最優，其次在達到經濟投資的最低標準下，系統的整個污染物排放量最低。其目標函數可以用下式表示：minZcost=λ1Cg+λ2Ce

式中：

Zcost——微網系統所需資金的目標函數；

Cg——系統發電成本；

Ce——污染物排放成本；

λ1，λ2——Cg與Ce的權重比。

根據孤島下微電網系統運作的狀況可以了解，約束條件主要包括發電盈余、發電不足、功率平衡以及分布式單元出力約束等。

發電盈余約束：

在微網運行中，令i（1≤i≤12）月系統發電量盈余最多，總發電量用 E（i）表示。設 n 為當月天數，則 E（i）/n為每天微網系統發電的盈余量。為當微網系統發電總量比日常負荷需求還要多時，應讓儲能單元將盈余的能量儲存起來。為了避免過多的儲能單元處于空閑狀態，一般儲能系統的容量配置要小于日均多余的電量，也就是配置的儲能總量應當小于n1E(i)/n，其中n1為儲能系統恢復時間。表達式如（1）：

發電不足約束：

當微網系統發電總量小于負荷所需的情況下，則應由儲能系統供給負荷所需額外電量。令第j月負荷所需電量最大，月電量缺損用Ej表示，平均每天的電量缺損為E（j）/n。為了保證微電網系統在惡劣環境下也能為負荷供給足夠電量，配置的儲能總量應大于n2E(i)/n，其中n2為給定的時間。表達式如（2）：

功率平衡約束：

在大容量混合儲能系統中，蓄電池作為儲能裝置一般負責絕大部分的能量存儲的任務，但是在面對負荷系統出現波動時，蓄電池效果并不理想，而如果將超級電容用作儲能的輔助裝置，通過超級電容器能夠快速充放電的特性，發揮其大功率吞吐能力的優勢，能夠較好地解決負荷系統功率波動的問題。考慮極限情況下，在沒有分布式單元發電情況下，儲能系統的功率輸出能力應大于峰值負荷，具體表達式如（3）：

式中：

t——Gi沖擊負荷持續時間；

PLmax——沖擊負荷功率。

分布式單元出力約束：

微網中各分布式單元必須按要求，滿足各單元發電出力約束，這樣才能使整個微網系統安全穩定運行。分布式單元發電出力約束如（4）：

2 改進粒子群算法

粒子群算法是通過觀察鳥群在一定空間內隨機搜索食物的群體行為而得到的一種算法，一般用來解決最優化問題。在粒子群算法中，每一個個體都看作是正在尋找食物的一只鳥，即代表需求解問題中的潛在答案，每一個粒子在尋找最優解時，都會賦給它們一個決定尋找的方向和距離，然后每一個粒子都會跟隨當前區域內的最優粒子繼續尋找。本文采用慣性權重法來計算粒子的速度，如式（5）所示。

粒子群算法在實際應用當中，慣性權重ωt是計算機仿真過程中，比較影響系統的優化結果因素之一。它是體現當前粒子繼承上一粒子速度大小的比重。為了使該算法具有較理想的結果，本文采用遞減權重法，如式（6）。

隨著粒子迭代更新的進行，式（5）中的ω大小由ωmax遞減至ωmin，通過反復實驗，其中參數ωmax取值為9.0，ωmin取值為4.0的情況下，既可以保持算法前期在全局下的收斂能力，又可以再算法后期使粒子保持更精確的局部探索。式（6）中，t：當下迭代次數；T：最大迭代次數。

改進粒子群算法優化微網儲能配置容量流程圖：

圖1 流程圖

3 算例分析

本文以孤島運行下的微電網為仿真對象，由MAT?LAB軟件進行仿真驗證。

仿真實例中參數如下：

分布式發電裝置中，風機額定功率為70kW，光伏額定功率為20kW。通過查找浙江某小島資料得到，島上每月分布式電源發電量如圖2、圖3所示。風速參照中國氣象數據網，通過風機扇葉的切入、切除風速，進而得到風力發電單元月發電總量。光伏發電單元的發電效率主要受光照輻射強度影響較大，溫度因素可忽略不計。

圖2

圖3

單體蓄電池和超級電容器的基本參數如表1。

表1

仿真過程中，設置粒子群種群規模size=150，加速因子a1=a2=1.4950，ω隨式（6）遞減。經過300次算法迭代，得到目標函數的最小值，仿真過程的迭代如下圖4所示。通過對比可以觀察到，改進后的算法結果避免了粒子較早收斂，提高了搜索精度。容量優化的最終配置如表2所示。

表2

由表2可得如果單單用蓄電池作為儲能系統的配置，則為了解決沖擊負荷的高要求，需要安裝較多的蓄電池單元，經濟上非常不劃算，而將蓄電池與超級電容器按一定比例混合搭配，既能夠保證有足夠能量儲存，又能夠發揮超級電容大功率吞吐的特性，使得整個儲能系統達到經濟最優的目的。

圖4

通過表2的結果可以看到，采購435個蓄電池和38個超級電容，將蓄電池用5×87的結構串并聯為一組，每組的額定電壓為220V，額定電流100A。再將38個超級電容器全部串聯成一組，組合后超級電容器組的額定電壓為100V、容量是65F。

4 結語

本文將改進后的粒子群算法應用于微電網中儲能系統的配置優化，利用改變慣性權重，調整慣性因子的方法，提高了算法搜索能力，減小搜索空間，基于月平均電量提了儲能配置優化的約束方程，將改進后的粒子群算法對文中實例進行求解優化。計算結果證明了基于改進粒子群算法的儲能配置容量上經濟的優越性，并使得整個微網系統運行更加安全、可靠、穩定。

[1]張建華，蘇玲，陳勇等.微網的能量管理及其控制策略[J].電網技術，2011，35（7）：24-28．

[2]馬溪原，吳耀文，方華亮等.基于可靠性評估的微電網配置方法[J].電力系統自動化，2014，35（9）：73-77，99．

[3]汪海瑛，白曉民，許婧.考慮風光儲協調運行的可靠性評估[J].中國電機工程學報，2012，32（13）：13-20．

[4]任磊，謝開貴，胡博等.計及運行策略的微電網可靠性評估[J].電力系統保護與控制，2013，41（15）：21-29.

[5]丁明，王波，趙波等.獨立風光柴儲微網系統容量優化配置[J].電網技術，2013，37（3）：576-581．

[6]Wang S，Li Z，Wu L，et al.New Metrics for Assessing the Reliability and Economics of Microgrids in Distribution System[J].IEEE Transactions on Power System，2013，28（3）：2852-2861.

[7]Niemoeller B.A.,Krein P.T.Battery-Ultracapacitor Active Parallel Interface with Indirect Control of Battery Current[C].Power and Energy Conference at Illinois（PECI）,2010:12-15.

[8]劉建濤,張建成,王珂等.獨立光伏發電混合儲能系統容量優化研究[J].電網與清潔能源,2012,28（3）:85-90.

[9]楊珺,張建成,黃磊磊.基于改進粒子群算法的獨立光伏發電系統儲能容量優化配置研究[J].華東電力,2012,40（8）:1370-1374.

[10]周志敏,紀愛華.離網風光互補發電技術及工程應用[M].北京:人民郵電出版社,2011.81-85.