需求側響應波動性的獨立型微網的優化配置

張宏偉， 張向鋒， 陸俊明

(上海電機學院 電氣學院，上海 201306)

近年來，隨著能源危機及環境污染問題的日益嚴重，由可再生能源分布式發電作為重要組成部分的微網成為研究熱點。微網作為一個靈活、可控、綠色、經濟的新型分布式電源載體，在保障用戶供電、節能環保、改善電能質量等方面具有突出的優點。中國幅員遼闊，境內存在大量海島等偏遠地區，與大電網互聯困難或者代價過大，長期用電緊張，而這些地區可再生資源往往較為豐富，相對于單一風力發電系統或光伏發電系統,無論是從供電可靠性,還是經濟性等都存在較大的優勢[1-2]。

獨立型微網往往包含多種分布式發電和儲能方式，其組成和運行十分復雜，這就對獨立型微網系統的優化配置提出了較高的要求。文獻[3]以發電費用最低為目標，對獨立型風光儲微網系統進行了優化配置；文獻[4]以總成本最小為目標，對獨立型風光柴儲微網系統進行優化配置；文獻[5]則建立考慮地毯效益的獨立微網配置模型；文獻[6]在獨立風光儲微網優化配置模型中,優化過程中引入了停電懲罰費用與能量浪費懲罰費用。一些文獻對獨立型微網系統進行了多目標優化配置：文獻[7]從經濟性和環保性等角度建立了一種多目標優化配置模型；文獻[8]將總凈現成本、污染氣體排放和未滿足負荷作為優化目標，對風光柴儲燃料電池系統進行了優化配置；文獻[9]以能量利用成本、初始投資成本和溫室氣體排放最少為目標，對獨立型風光儲燃氣輪機微網系統進行了優化設計；文獻[10]建立了基于多狀態建模的獨立型微網優化配置模型，并采用改進的NAGA-II對模型進行求解；文獻[11]針對風光出力和負荷的不確定性，采用設置概率約束的方法處理相關不確定性下的供電可靠性約束問題。

需求側響應[12](Demand Response,DR)通過引導用戶調整用電方式，調節負荷波動，有利于促進分布式電源與負荷間雙向互動，緩解電力系統削峰填谷的壓力。在獨立性微網優化配置中有必要考慮需求側響應。文獻[13]在考慮DR的情況下，對微電網的儲能進行配置優化；文獻[14]對考慮DR的光儲微網的需求側響應進行了研究；文獻[15]考慮激勵型DR，對孤島型微電網的容量進行配置。

本文以微網投資運行經濟性和新能源發電利用率為目標，建立考慮需求側響應的獨立型微網多目標優化配置模型，考慮到實際中參與需求側響應的負荷量應具有一定的不確定性，因此在優化配置中考慮需求側響應的波動性，在需求側響應波動范圍內取一個隨機值來表征需求側響應的波動性。通過某一算例使用多目標粒子群算法對本文所提出的優化配置模型仿真計算。

1 微源建模

本文的微網系統由風電機組、太陽能電池、儲能蓄電池及工業負荷構成。其中工業負荷分為參與需求側響應的負荷(本文的需求側響應負荷只考慮可中斷負荷)和不參與需求側響應的負荷。參與需求側響應的負荷在微網電力不足以支撐全部負荷時候會被切斷，減少負荷需求。

1.1 光伏發電系統模型

光伏陣列的功率輸出為

(1)

式中:fPV為光伏系統的功率降額因數，表示光伏系統實際輸出功率與額定條件下輸出功率的比值，一般取0.9；YPV為光伏陣列容量,kW；IT為地表水平面實測光照度,kW/m2；IS為標準測試條件下的光照度，一般取1 kW/m2。(這里忽略溫度對光伏陣列發電功率的影響，即認為光伏陣列所處溫度為標準測試條件下的溫度25 ℃)

1.2 風力發電模型

風機功率計算公式為

(2)

式中:v為風機輪轂高度處的實際風速；vci,vco為風機切入風速和切出風速，當實際風速低于切入風速或高于切出風速時，風機都不工作；ve為額定風速;Pe為風機的額定功率。

1.3 儲能電池模型

為了簡化分析，本文假定電池儲能系統充放電效率均為100%，且不考慮電池充放電對電池容量的影響。儲能電池工作狀態有兩種：充電狀態和放電狀態。

儲能電池充電時應滿足

(3)

儲能電池放電時應滿足

(4)

1.4 需求側響應模型

本文的需求側響應只考慮可中斷負荷，文獻[16-17]中在微網規劃時均將每小時內能夠參與需求側響應的負荷量最大值設為一固定值，這里則認為某一時間內參加需求側響應的負荷最大量占當前小時內的總負荷的比例是固定的值，用α表示，考慮到參與需求側響應負荷的波動性，給出需求側響應模型為

PDR=PL·α·β, 1-γ≤β≤1

(5)

式中：PL為負荷功率;PDR為需求側響應功率;β為需求側響應負荷實際投入比，在運算中取[1-γ,1]內的隨機值;γ為需求側響應波動比。

2 需求側響應波動性的微網優化運行模型

2.1 目標函數

獨立型微網優化配置，應以微源正常運行和滿足各約束條件，達到微電網的總運行成本最低的要求。可再生能源機組中的風能和光伏都是依靠自身的能量進行發電，不需要投入資本在其中，因此它們產生的發電成本可忽略不計。由于各微源的使用壽命不同，如果在計算成本時，對各類微源的購買、安裝成本不做處理，直接進行計算顯然有誤，這里為避免這一問題，以微網年平均費用最低作為目標函數，各類微源的購買、安裝成本均按年進行折算。本文提出的微網優化配置的改進策略，在需求側響應模型中考慮了其波動性，改進策略模型表示為

Fy=CBy+CBd+CR+CDR

(6)

Fw=Fwp/Fp

(7)

(8)

2.2 約束條件

(1) 功率平衡約束

微網能夠正常運行的前提是其發電功率要滿足負荷的用電需求，即可得

(9)

式中：PL(t)為負荷的用電功率;Pw(t),Ps(t)分別為風機、光伏的發電功率;Pb(t)為儲能電池的放電功率；PDR(t)為參與需求側響應負荷功率。若參與需求側響應的負荷表現出耗電特效則為負，若參與需求側響應的負荷表現出放電特效則為正。

(2) 儲能電池使用約束

蓄電池的使用壽命受多重因素影響，其中一個重要因素就是電池的荷電狀態，為確保電池的使用壽命需對其設置一定的約束。

(10)

(3) 微源安裝數量約束

(11)

(12)

除了本文考慮的以上約束之外，還可根據實際需要選擇性地考慮其他一些約束條件。

2.3 多目標優化的轉換及步驟

目標式(6)和式(7)的取值顯然相差較大，因此先對兩個目標取值采取歸一化處理，然后利用線性加權求和法將多目標優化轉化為單目標優化問題。即

(13)

微網容量優化配置首先是要滿足各約束條件，在滿足各約束條件的前提下再來計算微網的綜合費用，尋求滿足約束條件的綜合年平均費用和新能源發電棄用率最低的微網容量配置方案，用粒子群算法優化目標式(13)，其具體步驟如下：

(1) 在各微源安裝數量限定的范圍內隨機取得一個整數值作為該微源的數量，即初始化了一種微網容量配置的組合X，X=(Xpv，Xw，Xb)，按照這樣的方法得到N組不同的微源容量組合。

(2) 對N組不同的微源容量組合進行仿真測試,利用表1中的數據對每個微源組合下每個小時光伏和風機的發電情況及儲能電池荷電狀態進行計算，若某個小時內微網系統不滿足功率平衡約束或是儲能電池荷電狀態約束，則重新初始化該微源組合直到滿足約束條件為止；若所有組合都滿足要求，則將這N組不同的微源容量組合作為初始粒子群，進行到下一步。

表1 某地區典型日實際24 h風速光照及負荷數據

(5) 重復(4)的過程，直到滿足迭代次數步驟。

微網容量配置流程圖如圖1所示。

圖1 算法流程圖

3 算例分析

針對文獻[18]所用到的某地區的實際風、光及負荷數據，在Matlab 2010b上對前面所提到優化配置模型進行驗證仿真。表1為某地區實際24 h風光及負荷數據，表2所示為各分布式電源參數設置。

由表1可見，該地區負荷有兩個峰時段分別是在12:00～18:00之間和19:00～21:00之間，負荷谷時段則在凌晨2:00～7:00；該地區光資源較豐富主要在10:00～16:00之間，而相比較光資源該地區的風資源不太豐富主要在15:00～22:00之間。由表2可見，蓄電池盡管比風電及光伏價格便宜，但其使用壽命較短，因此其年等效成本并不低。

表2 各分布式電源參數

利用以上的步驟對微網進行優化配置，相關參數設置如下：光伏系統的功率降額因數fPV設為0.9，風機的切入風速vci=3 m/s，切出風速vco=24 m/s，額定風速ve=12 m/s，儲能電池最小荷電狀態SOCmin=25%，儲能電池最大荷電狀態SOCmax=85%，分布式電源裕度η=0.85，參加需求側響應的負荷占總負荷的比例α=0.4，需求側響應的波動系數γ=0.4，粒子群體大小N=20，迭代次數設為200次，目標式權值θ1=0.7,θ2=0.3。獨立型微網對參與需求側響應的可中斷負荷每度電賠償0.2 $。分別對不考慮需求側響應的微網優化配置模型、考慮需求側響應但不考慮需求側響應波動性的微網優化配置模型、考慮需求側響應波動性的微網優化配置模型進行仿真，結果分別如表3、表4和表5所示。

表3 不考慮需求側響應的微網配置

表4 考慮需求側響應的微網優化配置結果(不考慮需求側響應波動性)

表5 考慮需求側響應的微網優化配置結果(考慮需求側響應波動性)

對比表3、表4可見，考慮需求側響應的微網優化配置年總成本相比較不考慮需求側響應的微網優化配置的年總成本有明顯的下降，而新能源發電棄用率則降幅更大；對比表4、表5可見，考慮需求側響應波動性的微網優化配置與僅考慮需求側響應但不考慮其波動性的微網優化配置相比，兩者的年等效成本略微有所增加，而日參加需求側響應的總負荷度數則下降明顯。

微網考慮需求側響應波動性情況下典型日負荷、風、光發電量及儲能電量的變化情況如圖2和3所示，結合圖2和表1,考慮需求側響應波動后負荷量變化主要發生在9:00～10:00。從圖3中可見,在3:00～9:00微網幾乎不發電，主要靠儲能電池支撐微網運行，到10:00儲能電池接近其荷電狀態下限值25%，而在11:00～16:00由于光伏系統大規模發電使儲能電池荷電狀態大幅攀升至上限值85%，隨后出現了新能源發電的棄用，17:00過后光伏不再發電，風機開始發電供給微網；20:00左右由于負荷處在晚間峰值，風電發電量不足以支撐負荷，故蓄電池荷電狀態有所下降，隨后負荷量有所下降，風機發電增加足以支持負荷同時還有多余的電，故蓄電池荷電狀態有所下降。

圖2 典型日各時段的負荷

圖3 典型日風、光發電量及儲能電量的變化情況

4 結 語

本文基于需求側響應波動性的獨立型微網容量優化配置模型。實際應用中因參與需求側響應的不可控性，每個時間段內參加需求側響應的負荷總量也會出現一定的波動性，本文即是考慮了在這種不確定性下，以微網年等效成本最小和新能源發電棄用率最低為目標，建立獨立型微網多目標容量優化配置模型。通過算例結果驗證了所建模型的經濟性和有效性。將需求側響應加入到獨立型微網優化配置中是微網研究的重要內容之一，考慮需求側響應的波動性能夠更好地模仿現實。本文是采用一個波動域內的隨機數來模擬需求側響應的波動性，進一步的研究可以收集實際微網中需求側響應的大數據，得到需求側響應波動的大數據規律，更好地進行仿真實驗。