基于混整規劃的微電網優化調度

三峽大學電氣與新能源學院 余 坤

0 引言

電能的需求逐漸擴大，傳統能源被消耗的越來越多，發展新能源是一件很緊急的任務。風力發電和太陽能發電這種情節的能源，越來越受到廣泛的追求，當前對于高效、清潔的能源的需求越來越迫切。分布式發電就為了解決這一問題而產生，以光伏和風電為主藥的清潔能源。分布式發電具有排放污染氣體低、能源利用效率高、損耗低和安裝靈活等優點[1]。但出力的隨機性和間歇性的分布式能源具有的特性，在大規模并網的時候，會對電網的造成極大的沖擊，降低了電網的運行的穩定性、可靠性和安全性[2-4]。

研究人員已經對微電網系統相關問題做出了諸多研究，文獻[1]研究了在微網中接入蓄電池，通過優化發現了光伏和蓄電池的搭配組合可以極大保證光伏的輸出。文獻[2]通過動態規劃的方法分析了風電和光伏對蓄電池容量的影響。文獻[3-4]研究了含有多種形式能源的微電網經濟調度的問題，但文獻[4]僅僅解決了負荷的經濟分配問題；文獻[5]分析了風電、光伏以及水電之間的搭配互相補充的方案。

本文針對含有風力發電、光伏發電、配電網、蓄電池等分布式電源的微電網。首先對微電網經濟性評估，然后建立各種微電源的發電模型及特性和各種經濟成本的計算方法；再針對不同的調度方案分析各調度策略的經濟性；然后建立了微電網日前優化調度模型。

1 模型建立

本文假設負荷預測、風機和光伏未來出力預測精度很高，可以忽略實際產生的偏差，并且盡可能使用新能源的電能。

式中，分別為蓄電池時段的SOC狀態及其上、下限值。即當SOC到達電池最大值()時，電池停止充電；當SOC到達最小值()時，電池停止放電。蓄電池每時刻的荷電狀態:

式中，S0表示蓄電池的運行之前的荷電值，Pcha, i、Pdis, i為表示蓄電池在第i時段的充放電效率，單位kW，B3、B4為充放電狀態。滿足

蓄電池在的初始能量在運行的周期范圍內要余最終荷電狀態相同：

為了盡量使蓄電池壽命延長不產生重大的損壞，最大充放電電流因為額定容量的20%，即：

式中，Eb表示蓄電池的容量，單位：kWh。

蓄電池充放電狀態對電池壽命影響重大，充放電次數約束如下：

式中，N1、N2分別表示蓄電池充電和放電的次數限制值。

張全文話不多，心卻很亮。凡是涉及到原則性的問題，他就會變得很嚴肅。張倫小學時，羨慕大人們抽煙時的瀟灑，會和朋友湊錢買兩毛五一包的小春城抽。“我那次被抓是和一個堂哥一起抽。我們一起找了些煙，躲到包谷地里面抽，結果還是被我隔壁家的一個哥哥發現了。”張全文知道后，叫來了家里的至親。“我們兩個被抓去堂屋里，全家人——我大爹、二大爹、三大爹、四大爹，一個個就開始和我講道理，公審一樣。”

2 優化調度數學模型

2.1 經濟性評估方案

當可再生能源全額利用時，系統不存在棄風棄光。因此，如果風機和光伏產生的電能多于負荷，就必須向主網售電。為此，我們建立如下的數學模型。

全天總供電費用F為：

其中Fi為第i個時段微網的供電費用，用(8)式表示：

式中，Pgrid表示主網與微網的交換功率，Pload表示負荷功率，分別表示第i個時段光伏和風機注入到微網的電能功率，PG,i表示第i個時刻光伏和風機總的發電功率，Cb,i表示第i個時間段購電電價。

由以下面三種情況確定：

在第二種情況下，負荷從主網購電的價格不會變化，所以負荷平均購電單價不會變化。

2.2 優化調度策略

考慮蓄電池的作用，蓄電池儲存電能與自身額定功率、荷電狀態、充放電次數等因素有關。在可再生能源必須全額利用的前提下，當微網的發電量大于負荷用電的需求量時，多余的電能只能儲存在蓄電池中或者向主網售出。為盡可能使微網獲得更高利潤或減小損失，當微網的發電成本與蓄電池放電成本之和低于主網的購電電價時，應將多余的電能出售于主網；反之，則應將多余的電能儲存在蓄電池中，在主網購電電價高時售出。另外，當主網的售電電價較低且蓄電池仍有儲能空間時，微網也可從主網購電儲存在蓄電池中，待主網購電電價高時售出，此時必須保證微網售電總額大于從主網購電成本與蓄電池放電成本之和。當然，微網與主網的功率交換模式也可能是上述情況下的組合。因此，需要建立了整數規劃模型，求解一個最優的運行方案。

負荷平均供電單價即為微網全天總供電費用與全天總負荷的比值，如公式（16）所示：

目標函數：

約束條件：

以上建立了微電網的日前調度模型。

3 仿真算例

算例采用15min為調度點，整個調度周期為24h，風力發電額定功率為250kw，光伏額定功率為150kw，發電成本分別為0.52元/kWh、0.75元/kWh。假設不計蓄電池損耗，蓄電池額定容量為300kWh，電池SOC運行范圍為[0.3,0.95]，初始SOC值為0.4，由充電至放電成本為0.2元/kWh，每天的充放電次數限制均為8次，售電及購電電價如表1所示。

表1 購售電價

由圖2可知，在第0-54個調度時段（0：00-13：30），新能源能夠滿足負荷的需求，所以主網不需要出力，而且可再生能源必須全額利用，風機和光伏發出的電能在滿足負荷需求以后，必須售給主網。其中0-20個調度時段（0：00-5：00）光伏還未發電，其后，光伏開始發電，但是此時風機發出的電能任然比負荷需求多，所以光伏發出的電將全部售給主網，多余的風電將繼續售與主網。在第28和36個調度時段（6：45-9：00），風機發出的電能不能滿足負荷需求，所以光伏補充缺額，但是缺額少于光伏的發電量，所以光伏還向主網售電，風機不再售電。45個調度周期（11：00）以后風電就一直不能滿足負荷需求了，所以風機不再向主網售電，光伏補充補充缺額，多余的電售與主網。54-94個調度時段（13：15-23：30），風機和光伏完全不能滿足符合需求，需要從主網中購電，所以圖2中主網輸出功率一直為正，94-96個調度時刻（23：30-24：00）風機又能滿足負荷需求，所以圖2中主網的輸出功率變為0。

圖1 風光及負荷預測

圖2 風光及電網出力

利用matlab計算可得，全天總供電費用為2272.2元，微網的供電單價為0.6880元/kWh，微網向主網的購電單價為0.6658元/kWh，負荷平均購電單價0.4775元/kWh。

圖3 各時段負荷的供電構成

在圖3中，蓄電池輸出功率為負值時，表明蓄電池在充電；蓄電池輸出功率為正值時，表明蓄電池在放電。因此，從圖中可知蓄電池的充電次數為8次，放電次數為4次。分別計算出蓄電池充電和放電的總電能，兩者相等。說明經過一天的運行，蓄電池的最終回到了初始的荷電狀態。

在圖3中，風電和光伏均全額發電。在1-54個調度時段（0：00-13：30）中，主網的輸出功率為負值，這是因為風電與光伏在這個時間段的總發電功率大于負荷功率，因此需要向電網售電，以保證可再生能源全額利用，蓄電池在這個時間段里面也三次充電，具體時間分別為5-6個調度時段（1：00-1：30）、第12個調度時段（2：45-3：00）以及17-26個調度時段（4：00-6：30），在這個時間段，售電電價最低，很顯然，儲存電能，待電價升到以后賣出更加劃算；在55-56個調度時段（13：30-14：00），微網不從主網購電也不向主網售電，而蓄電池向微網注入電能，已補充可再生能源所不能滿足的負荷要求，而在這個及其后面的一段時間，售電電價最高，蓄電池里的電能能獲得更高的利潤，蓄電池此時放電最合理。主網在56個調度時段后（14：00以后）將一直保持正的輸出功率，即向電網提供電能，這是由于微網中的電能不足，所以需要主網提供電能滿足符合需求；在53-60個調度時段（13：00-15：00），售電電價再次降低，蓄電池再次充電等待電價升高，等到了第72個調度時段后（18：00以后），電價再次升高，蓄電池放電，一直到第84個時間段（21：00）電價降低。等到第91個調度時段后（22：45以后），為了達到初始荷電狀態，陸續充電以備第二天應用。其余時段雖然也有陸續的充電放電，主要是為了滿足符合的需求。另外，微網從主網購電和向主網售電的功率都未超過150KW，滿足微網與主網交換功率不超過150KW的約束。

此問中，全天總供電費用為2211.9元，微網平均供電單價0.6683元/kWh。微網從主網購電的平均購電單價為0.6177元/kWh，負荷的平均購電稱本為0.4775元/kWh。

4 結論

本文結合分布式電源的特性建立其發電模型，建立基于分時電價的微電網聯網(含有蓄電池)運行的內部調度模型。首先分析了微電網新能源的經濟性，其次當微電網聯網參與電力市場交易時，以發電成本最低為目標函數時，使微電網以低成本，良好環境效益運行，并利用改進帝國競爭算法對模型進行求解。

[1]趙媛媛,艾芊,余志文,等.考慮多種因素評估的微電網優化調度[J].電力系統保護與控制,2014(23):23-30.

[2]王旭冉,郭慶來,孫宏斌,葛懷暢,辛蜀駿,張永旺,趙偉.計及電動汽車充放電負荷的分布式電壓穩定監控方法[J].電力系統保護與控制,2015,16:43-49.

[3]邱海偉.基于多目標的微電網優化調度研究[D].上海電力學院,2013.

[4]劉嬌嬌,王致杰,袁建華,等.基于PSO算法的風光儲微電網優化調度研究[J].華東電力,2014,42(8):1534-1539.

[5]王金全,黃麗,楊毅.基于多目標粒子群算法的微電網優化調度[J].電網與清潔能源,2014,30(1):49-54.

[6]苗雨陽.微電網優化調度研究[D].華北電力大學(保定)華北電力大學,2013.

[7]井天軍,譚元剛,楊明皓.農村微電網優化調度模型的建立[J].農業工程學報,2012,28(14):127-132.

[8]翟云峰,蔣云峰,易國偉,等.基于改進蝙蝠算法的微電網優化調度[J].電力建設,2015,36(6):103-108.

[9]Xu G,Shang C,Fan S,et al.A Hierarchical Energy Scheduling Framework of Microgrids with Hybrid Energy Storage Systems[J].IEEE Access,2017,PP(99):1-1.

[10]Chen Y,He L,Lu H,et al.Stochastic dominant-subordinate interactive scheduling optimization for interconnected microgrids with considering wind-photovoltaic-based distributed generations under uncertainty[J].Energy,2017,130.

[11]Amicarelli E,Tran T Q,Bacha S.Optimization algorithm for microgrids day-ahead scheduling and aggregator proposal[C]//IEEE International Conference on Environment and Electrical Engineering and 2017 IEEE Industrial and Commercial Power Systems Europe.IEEE,2017:1-6.

[12]張金環,安海霞,王永春.基于改進小生境帝國競爭算法的多目標電力系統無功優化[J].華北電力大學學報(自然科學版),2014,41(04):41-47.

[13]翟云峰,易國偉,王亦,李明,周鵬.基于改進帝國競爭算法的微網動態經濟調度[J].電力科學與工程,2015,31(05):34-41.