微網的實時調度策略

路建明，危瑾，吳雄

(1.國網湖南省電力公司，湖南長沙410007；2.西安交通大學，陜西西安710049)

為了提高微網的能量利用率和安全可靠性，微網的能量管理技術成為微網課題當中一個重要的組成部分〔1－2〕。可再生能源的隨機性和波動性給分布式電源的管理帶來了新的挑戰。作為分布式電源的集成技術微網也面臨著如何實時調度的難題。

文獻 〔3－5〕均構建了以最大化運營效益為目標的微網能量管理模型，考慮了分布式電源的運行約束和各種物理約束。然而，上述文獻提出的優化模型均是離線計算模型。較少的文獻涉及微網的實時調度。文獻 〔6〕提出了一種包含蓄電池的微網能量管理的實時優化調度模型，其根據并網情況的電網電價，蓄電池的儲能狀態建立了優化調度模型。文獻 〔7〕補充了微網在孤網模式下的能量調度策略，考慮了微網孤網模式下的分布式電源的控制模式，提出了基于蓄電池儲能狀態大小的實時調度策略。文獻 〔8－9〕制定了微網中蓄電池的實時能量調度規則，通過仿真驗證了其調度策略的有效性。文獻 〔10〕采用模糊控制的方法實時平衡微網中的功率波動。

目前針對微網的實時調度研究很少，且較少文獻考慮了微網的控制策略。本文旨在專門研究微網不同控制策略下的實時調度策略。基于經濟性原則和微網逆變器的控制方式，提出了微網并網和孤網下的實時調度方法，對比較了幾種實時調度策略的優點和缺點，對其進行了經濟性分析。為微網能量管理中的實時調度提供了探索方法和技術支持。

1 微網并網與孤網下的控制策略

1.1 并網下的控制策略

微網中分布式電源以及儲能設備一般通過整流器和逆變器等電力電子設備將不同頻率的電能平滑的轉換為相同頻率的交流或直流電能。通過控制逆變器可以控制分布式電源的輸出，讓分布式電源按指定的電壓和頻率 (V/f控制)或有功功率和無功功率 (PQ控制)輸出。風電、光伏的發電主要取決于自然環境，具有隨機性和波動性，屬于不可調度機組。其具有一定的可預測性，但目前仍具有較大的預測誤差。而燃料機組如微型燃氣輪機、燃料電池、柴油機屬于可調度機組。微網并網狀態下，系統的頻率和電壓由電網決定，此時各分布式電源和儲能設備的逆變器一般采用PQ控制，接受微網能量管理系統的指令來決定其發電功率。

1.2 孤網下的控制策略

在孤網狀態下，根據微網的控制策略，一般分為主從控制和對等控制〔11〕。其中主從控制以某一可控微源為壓頻控制單元，其采用V/f控制，作為系統的參考電壓和頻率，負責吸收微網中的不平衡功率。其余的微源采用PQ控制接受能量管理系統的調度指令。對等控制根據逆變器的下垂特性曲線共享系統電壓和頻率，并能共同分攤微網中的不平衡功率。其函數如式 (1)、(2)所示:

式中 f和V分別為輸出電壓的頻率和幅值；f?和V?分別為它們的參考值；P和Q分別為輸出的有功功率和無功功率；P?和Q?為其參考值；m和n為逆變器的下垂系數。

2 微網的實時調度模型與算法

2.1 并網下的實時調度策略

在并網狀態下，微網的頻率由主網確定，可控分布式電源和儲能系統采用PQ控制。對于不可控的可再生能源機組，一般采用最大功率跟蹤的方法最大可能的發電。在微網的發電調度當中，一般會對可再生能源機組和負荷進行發電預測，在此基礎上再安排各可控機組的計劃出力。由于可再生能源機組發電取決于自然環境，具有隨機性和波動性，其實際出力與預測出力有一定的誤差，在實時調度當中需要實時去平抑系統中的不平衡功率。

根據經濟性原則以及微網控制的方式，提出了并網狀態下的幾種實時調度策略。

1)優化方法。此方法通過構建一定的數學模型，采用優化算法優化各機組的出力。顯然，由于優化需要時間，具有一定的時滯性。其基本數學模型如下。

目標函數:

其中:

式中 xt表示為t時刻的決策變量；G為可控分布式電源的集合；B為儲能設備的集合；上標為“?” 的量表示原計劃設定值；Pdg，i，t表示 t時刻分布式電源i的有功功率；fdg，i(·)表示可控分布式電源i的運行費用；Cfi(·)表示分布式電源i的發電費用； ρmai，i為分布式電源 i的單位維護費用； Pbs，i，t為t時刻蓄電池i的有功功率；fbs，i(·)表示蓄電池i的維護費用；ρbs，i為蓄電池 i的單位維護費用；Pgrid＋，t和 Pgrid－，t分別為 t時刻從電網的買入和賣出電功率； ρbuy，t和 ρsell，t分別為 t時刻從電網的買入和賣出電價；fgrid(·)表示從電網的購售電費用；fp(·)表示懲罰費用；ρp為懲罰系數；分別為t時刻分布式電源i和蓄電池i的原計劃設定值。

式 (4)，(6)表示微網的運行費用，式 (7)用懲罰函數的形式約束實時優化結果應盡可能少的偏離原計劃優化結果即離線計算結果。

約束條件有:

式中 Prg，i，t為t時刻可再生能源機組i發出的有功功率； R為可再生能源機組集合；Pld，t和 Ploss，t分別為 t時刻的負荷和線損值； P－dg，i、 P－dg，i、 S－dg，i分別為第i臺分布式電源的最小有功功率、最大有功功率、最大容量；分別表示 t時刻第 i臺分布式電源設定狀態值， 發出無功功率；分別為蓄電池i的最大充放電、 最大容量、 最小儲能、 最大儲能值； Qbs，i，t、 Ebs，i，t分別為t時刻蓄電池i發出無功功率和儲能值；P－grid為微網與主網聯絡線上的最大有功功率傳輸量；Pgrid，t、Qgrid，t分別為t時刻微網與主網聯絡線上的發出有功功率和無功功率；λ為設定的最小功率因素值；V－i、分別為節點i的電壓的最小和最大限值；Vi，t為 t時刻節點 i的電壓值； Si，j，t為 t時刻支路 i， j的潮流值；為支路i，j的最大潮流限值。式(9)—(14)和式(16)—(17)為物理限值約束。由于微網被作為可控負荷，式 (15)保證聯絡線與微網的交互傳輸功率具有一定的功率因素。

該優化問題為非凸、非線性優化問題，用傳統方法較難求解，本文采用遺傳算法求解。

2)啟發式方法。根據經濟性原則將不平衡功率實時分配給各可控機組，采用簡單的排序算法安排各機組的配額。其基本計算步驟如下:

a)計算實時功率與預測功率之差ΔPt；

圖1 啟發式算法流程

該算法通過逐步降低可控機組出力將ΔPt逐漸削減至零，從而達到實時功率平衡。

2.2 孤網下的實時調度策略

孤網情況下，根據系統采用的控制方式的不同，有著不同的實時調度策略。可以概括如下:

1)若微網采用主從控制，則要求壓頻控制單元采用V/f控制，吸收微網中的不平衡功率。其余的機組采用PQ控制，通過調節這些機組的功率達到優化的目地。其實時調度策略跟并網情況下類似，有優化方法和啟發式方法，所不同的是作為壓頻控制單元的微源充當了電網的角色。

2)若微網采用對等控制，各分布式電源通過逆變器的下垂特性用來動態平衡功率。分布式電源的下垂系數一般為常數，文獻 〔12〕指出分布式電源的下垂系數可以根據分布式電源的運行備用值動態改變，不平衡功率通過下垂系數成比例的分配到了各個分布式電源上。固定的下垂系數mi一般可以根據其最大容量值設計〔13〕:

對于既可以充電又可以放電的蓄電池，其下垂系數 mi＝ Δf/2。可調節下垂系數按式 (20)設計，則每個機組最后分配的功率如式 (21)所示:

以ΔPt大于零的情況為例，其不平衡功率分配的流程如圖2所示。

圖2 比例分配算法流程

一般情況下，按照各分布式電源的比例系數即可實時動態平衡誤差功率。但是也有可能造成部分機組越限，此時應讓越限的機組出力保持在限值，越限功率重新分配到還有余力的機組。

3 算例分析

3.1 基礎數據

根據文獻 〔14〕提供的14節點的微網算例做了小的改動，包含了多種典型的分布式電源。由一臺微型燃氣輪機 (Micro turbine，MT)，一臺燃料電池 (Fuel cell，FC)，一組蓄電池 (Battery storage，BS)，一臺風電 (Wind turbine，WT)，一臺光伏 (Photovoltaic，PV)組成，通過公共連接點接入配電網 (Grid)。微網內的最大負荷為120 kW，微網系統結構如圖3所示。

圖3 微網的系統結構

微網中典型日每小時的總負荷、風電出力、光伏出力預測情況如圖4所示。為了模型實時調度，每5 min的實時模擬數據也繪制在圖中。

圖4 典型日光伏風電以及負荷預測和實際出力

微源和配電網的相關參數見表1。

表1 微網中的相關參數 kW

微型燃氣輪機和燃料電池的維護系數〔15〕分別為0.03元/kW和0.06元/kW。蓄電池的最大，最小和初始容量分別為100%，20%，50%額定容量。系統采用分時電價，其中峰時段為00:00—08:00，平時段為 08:00—20:00，谷時段為20:00—24:00， 電價分別為 0.24 元/kWh、0.48元/kWh、 0.36元/kWh。

微網并網與孤網狀態下各微源的計劃出力如圖5、6所示。并網狀態下，微型燃氣輪機完全停機，由便宜的市電和其他機組供電。孤網狀態下，發電便宜的燃料電池全程以額定功率運行，較貴的微型燃氣輪機全程開機起備用的作用。

圖5 并網狀態下的計劃出力

圖6 孤網狀態下的計劃出力

3.2 結果分析

采用 Matlab編程計算。并網情況下，以每5 min為時間間隔模擬實時調度情景。優化方法每次計算的時間大約為20 s，啟發式方法每次計算的時間幾乎可以忽略不計。優化方法和啟發式方法的可調度單元的調度情況分別如圖7、8所示:

圖7 并網下優化方法的實時調度結果

圖8 并網下啟發式方法的實時調度結果

從優化方法的計算結果可以看出，由于設計要求可控機組盡量少的偏離計劃出力，因此，實際與計劃之間的誤差功率基本上由電網吸收。在13:00—17:00之間，燃料電池發電較市電便宜，因此其吸收了部分不平衡功率。

采用啟發式方法獲得的實時調度方案中，基上采用內部消化。蓄電池吸收了絕大部分的不平衡功率。而電網則在微源不能消納時起到了補充吸收的作用，如在04:00—07:00之間，電網分擔了部分不平衡功率。

若孤網采用主從控制，假設蓄電池充當壓頻控制單元，采用優化方法，啟發式算法分別進行實時調度。以優化方法為例，其結果如圖 9、10所示:

圖9 孤網下優化方法的實時調度結果

圖10 孤網下啟發式方法的實時調度結果

若孤網采用對等控制，以下垂系數固定為例，其調度結果如圖11所示。

圖11 對等控制下的實時調度結果

從圖11中可以看出，采用對等控制，系統的不平衡功率基于下垂系數按比例分配到了各個機組上。相比于采用壓頻控制的方式，其未造成機組較大的功率調節，因此可控機組不需擔心其爬坡速度跟不上調節的幅度。比較各種調度策略優劣的一個重要的指標是其整體的經濟性。表2給出了微網并網和孤網情況下幾種策略下總的運行費用。方法1—4分別代表優化方法、啟發式方法、下垂系數固定和可調的比例分配方法。

表2 各種策略下的運行費用 元

從表中可以看出，啟發式方法在孤網和并網狀態下均有最小的運行費用。主要因為其完全按經濟性指標來安排出力，而優化方法考慮了多種約束條件，經濟性并非最優，但是能滿足設定的約束。孤網情況下，失去了市電的支援，其整體費用增加。在對等控制下，兩種方法的運行費用相當，且總體不高，主從控制情況下，優化方法的費用總體偏高，啟發式方法費用最低，但要求可調機組有較快的響應速度，實際當中可以模擬對等控制的比例分配法來減少機組的功率大幅度調整。

4 結語

文中總結了當前微網并網與孤網狀態下的幾種常用的控制方法。根據并網與孤網下的特點，提出了微網的實時調度策略。在并網情況下，主要設計了優化方法、啟發式方法。在孤網的主從控制下，可以采用優化方法、啟發式方法。而在對等控制下，根據下垂系數按比例分配不平衡功率。通過各種方法的比較分析，可以得出以下一些結論:

1)啟發式方法具有最高的經濟效益，其要求可調節機組具有較快的響應速度，適合于新能源比例少的場合。2)優化方法考慮了多種約束，經濟性適中，計算有時滯性。適合于微網機組規模較小和有特殊控制約束要求的場合。3)孤網在對等控制的方式下不平衡功率分配均勻，過渡平滑。可以應用于啟發式算法中，減少機組功率的調整力度。

〔1〕 Hatziargyriou N， Asano H， Iravani R， et al.Microgrids 〔J〕.Power and Energy Magazine， IEEE， 2007， 5(4):78-94.

〔2〕 Katiraei F，Iravani R，Hatziargyriou N，et al.Microgrids management〔J〕.Power and Energy Magazine， IEEE， 2008， 6(3):54-65.

〔3〕王銳，顧偉，吳志.含可再生能源的熱電聯供型微網經濟運行優化 〔J〕.電力系統自動化，2011，35(8):22-27.

〔4〕徐立中，楊光亞，許昭，等.考慮風電隨機性的微電網熱電聯合調度 (英文)〔J〕.電力系統自動化，2011，35(9):53-60.

〔5〕丁明，張穎媛，茆美琴，等.包含鈉硫電池儲能的微網系統經濟運行優化 〔J〕.中國電機工程學報，2011，31(4):7-14.

〔6〕石慶均，江全元.包含蓄電池儲能的微網實時能量優化調度〔J〕.電力自動化設備， 2013， 33(5):76-82.

〔7〕石慶均，耿光超，江全元.獨立運行模式下的微網實時能量優化調度 〔J〕.中國電機工程學報，2012，32(16):26-35.

〔8〕 Belvedere B，Bianchi M，Borghetti A，et al.A microcontrollerbased power management system for standalone microgridswith hybrid power supply 〔J〕.IEEE Transactions on Sustainable Energy， 2012， 3(3):422-431.

〔9〕 Tan K T，So P L，Chu Y C，et al.Coordinated Control and Energy Management of Distributed Generation Inverters in a Microgrid 〔J〕.IEEE Transactions on Power Delivery， 2013， 28(2):704-713.

〔10〕 Mohamed A，Mohammed O.Real-time energy management scheme for hybrid renewable energy systems in smart grid applications〔J〕.Electric Power Systems Research， 2013， 96(0):133-143.

〔11〕 Lopes J A P， Moreira C L， Madureira A G.Defining control strategies for microgrids islanded operation 〔J〕. IEEE Transactions on Power Systems， 2006， 21(2):916-924.

〔12〕 Kang H-K， Ahn S-J， Moon S-I.A new method to determine the droop of inverter-based DGs 〔C〕.Calgary， AB， Canada:IEEE Computer Society，2009.

〔13〕 Guerrero J M，Chandorkar M，Lee T-L，et al.Advanced control architectures for intelligent microgridspart i:Decentralized and hierarchicalcontrol 〔J〕.IEEE Transactionson Industrial Electronics， 2013， 60(4):1254-1262.

〔14〕 Basu A K， Chowdhury S， Chowdhury S P.Impact of strategic deployment of CHP－based DERs on microgrid reliability 〔J〕.IEEE Transactions on Power Delivery， 2010，25(3):1697-1705.

〔15〕 Rasheduzzaman M， Stahlman E， Chowdhury B H.Investment payback calculatorfordistributed generation sources 〔C〕.Boston， MA， United states:IEEE Computer Society， 2011.