能源互聯網背景下的微電網能量管理分析

張國棟，劉凱

?

能源互聯網背景下的微電網能量管理分析

張國棟1，劉凱2

（1．山東科技大學電氣信息系，山東省 濟南市 253500；2．洛陽供電公司，河南省 洛陽市 471000）

能源互聯網背景下，可再生能源并網規模日益擴大。由于可再生能源發電功率具有很強的隨機性，電力系統運行中出現了所謂“雙側隨機問題”，影響安全穩定運行。如何對各種可再生能源進行經濟有效的能量管理，是實現能源互聯網的關鍵技術之一。為實現微電網運行的整體優化，對包含各種分布式電源的微電網，建立以綜合發電成本最低、環境效益最好作為優化目標的多目標優化模型。利用遺傳算法，進行能量管理的優化研究。以聯網運行的含有多種分布式電源的微電網為算例進行仿真計算，仿真結果表明了優化模型及算法的有效性。

能源互聯網；微電網；分布式電源；能量管理

0 引言

化石能源的大量使用造成了資源的逐步枯竭以及環境破壞的日益嚴重，為了應對上述問題，人們對風能、太陽能等可再生能源越來越重視。由于可再生能源隨機性、間歇性與波動性較強的特點，傳統的供給方式不能滿足電網的需求。以深入融合可再生能源與互聯網信息技術為特征的能源互聯網的提出，將是實現能源清潔低碳替代和高效可持續發展的關鍵所在[1]。

傳統的電力系統運營模式下，電源側多采用火電、水電、核電機組，發電功率相對可控；而負荷側因為受用戶行為的影響，功率呈現出較強的隨機性。系統運行中，需要根據負荷功率實時調整發電功率，以保證系統的安全穩定。該情況下，由于發電功率相對可控，負荷功率隨機波動，因此可以稱為“單側隨機問題”。能源互聯網背景下，以風能、太陽能為代表的可再生能源大規模并網。由于可再生能源具有隨機性、間歇性與波動性較強的特點，其發電功率可控性較差，增強了發電功率的隨機性。此時，電力系統面臨著“發電功率隨機”與“負荷功率隨機”問題，即出現了所謂“雙側隨機問題”[2-5]，嚴重影響系統的安全穩定運行[6-8]。

如何在保證電網安全穩定的前提下，合理安排各種分布式電源的開停機，以獲取較高的經濟效益、付出較小的環境成本，即所謂能量管理問題，是實現能源互聯網的關鍵技術之一[9-15]。

本文研究了包含各種分布式電源的微電網能量管理問題。設定微網運行成本作為經濟目標，污染物治理成本作為環境目標，以各種分布式電源(distributed generator，DG)的開停機以及蓄電池的充放電作為優化對象，利用遺傳算法進行了微電網能量管理優化。

1 優化模型

1.1 優化目標

1.1.1 經濟目標

式中：為優化運行周期；為優化運行時段；為該微網中DG的數量；為DG的編號；OPE表示微網的運行成本；u()表示第臺DG在時段內的啟停狀態；F()、M()和Ss()分別表示第臺DG在時段內的燃料成本、維護成本和啟停機成本；P()表示時段微網與主網間的交互功率成本。其中，u()等于1表示該DG開啟，等于0表示停運，u()=u()。

燃料成本F()一般采用DG出力的二次函數表示，可表示為

式中：a、b和c分別為第臺DG燃料成本函數的二次項、一次項和常數項系數；P()為第臺DG在時段的輸出功率。

維護成本M()、啟停機成本S()和交互功率成本P()分別可以表示為：

1.1.2 環境目標

1.2 約束條件

功率平衡約束：

DG出力上下限約束：

蓄電池出力上下限約束：

蓄電池充放電功率上下限約束：

蓄電池充放電等式約束：

蓄電池荷電狀態約束，SOC始末狀態約束：

聯絡線功率約束：

2 遺傳算法求解流程

2.1 初始化

首先，確定程序初始化中需要的參數和對應的值。涉及到的參數名稱、符號和相應值見表1。

表1 遺傳算法初始化參數

2.2 染色體編碼

在時間從1增長至時，優化變量中，蓄電池荷電狀態、DG出力一類實數變量，采用實數編碼；而DG啟停一類零一變量，采用二進制編碼。

由此可得實數部分串長為′，二進制部分串長為′。

為了避免DG頻繁啟停，可以對各類DG設定日啟停轉換次數上限，則可將DG啟停零一變量編碼替換為啟停轉換時刻整數編碼，取值為0至-1，該部分編碼長度為′。在進行交叉和變異計算時可以采用與實值編碼相同的方法，之后進行規整。

2.3 適應度計算

隸屬度函數的確定。隸屬度函數的不同形式將影響到多目標優化的最優解，因此在微電網多目標優化調度模型中，如何依據問題的特點來確定隸屬度函數是解決問題的關鍵。

本研究的目的在于在滿足系統要求的前提下，盡可能降低運行維護成本、減少環境保護折算成本，期望值有上限值而無下限值，因此可選擇降半形的隸屬度函數。又由于降半矩形分布是二點分布，不適于解決連續性的優化問題；而降半梯形分布、降嶺形分布等需要確定fmin、fmax，其中fmax在本算例中無意義。因此，選用降半分布。

式中fmin為子目標函數在約束條件下的最小值。

模糊模型的建立。引入模糊隸屬度變量后，依據最大隸屬度原則，將微電網優化調度的多目標問題轉化為一個單純的單目標優化問題，此時，微電網的優化調度模型適應度可描述為：

約束條件的處理。罰函數的基本思想是對在解空間中無對應可行解的個體計劃其適應度時，除以一個罰函數，從而降低該個體的適應度，使該個體被遺傳到下一代群體中的概率減小。可以利用下式對個體的適應度進行調整：

式中為罰函數，可以取為約束越界量之和。

2.4 遺傳算子

選擇操作：本研究采用最佳保留選擇模式，首先按輪盤法選擇方式執行遺傳算法的選擇操作，然后將當前群體中適應度最高的個體結構復制到下一代群體中。該方法能保證遺傳算法終止時得到的最后結果是歷代出現過的最高適應度的個體。

交叉操作：對于實值編碼部分基因，本研究可采用算數交叉，由2個體線性組合產生2個新的個體。對于二進制編碼部分基因，可采用單點交叉，在個體編碼串中隨機設置一個交叉點，然后在該點相互交換2個配對個體的染色體。

變異操作：本研究選取均勻變異方法，分別用符合某一范圍內均勻分布的隨機數，以某一較小的概率來替換個體編碼串中各個基因座上的原有基因值。

2.5 搜索終止判斷

遺傳算法的終止條件有以下2個，滿足任何一個條件搜索就結束。

2）達到遺傳操作的最大進化代數。

2.6 整體流程

遺傳算法的整體流程如圖1所示，為了確定fmin子目標函數在約束條件下的最小值，需首先分別單獨對各子問題進行求解(此時隸屬度函數中fmin用保守估計下界代替)。

3 算例分析

3.1 算例數據

本研究算例含高滲透率DG的微網系統，包括風機(wind turbine，WT)、光伏(photovoltaic，PV)、柴油機(diesel engine，DE)、燃料電池(fuel cell，FC)、微型燃氣輪機(micro-turbine，MT)等分布式電源和蓄電池、負荷，微網系統并網運行。該系統某日的短期光伏和風力預測輸出功率值、負荷需求預測值和峰谷電價如圖2所示。

圖1 遺傳算法流程圖

圖2 各單元預測功率曲線與峰谷電價

該微網中，各發電單元的技術參數如表2所示。FC、DE和MT的燃料成本擬合的參數如表3所示。蓄電池的最大充放電為40 kW，容量為200kW×h，充放電效率均為95%，為了防止過分充放電，SOC工作范圍為0.3~0.9pu，優化周期初始SOC狀態為0.4pu。表4為環境目標技術參數。

3.2 計算結果

圖3、圖4分別為適應度與懲罰項折合系數曲線和各單元實際功率曲線與SOC。由圖3結果可以發現，綜合經濟和環境目標所得的適應度隨迭代次數增加不斷上升，而表征優化中超越邊界量的懲罰項折合系數p在迭代初期即已經達到1，即說明之后優化解皆滿足約束條件。由于本文涉及多目標優化，各優化目標無法同時達到最小值，因此適應度始終不能抵達1。

表2 發電單元技術參數

表3 燃料成本曲線擬合參數

表4 環境目標技術參數

由圖4結果可以發現，由于優化程序中限定各類DG每日至多啟停各1次，因此即便在下午時段，成本較高的柴油機也沒有停機，而是維持在低功率水平。在早晚負荷高峰，各類DG及電網都處于大發狀態。在凌晨低電價時段，蓄電池選擇進行充電，這與追求經濟最優的目標吻合。

圖3 適應度與懲罰項折合系數曲線

圖4 各單元實際功率曲線與SOC

4 結論

利用遺傳算法對含有各種DG的微電網進行了能量管理優化分析，分析結果表明：負荷高峰時，各類DG以及電網都處于大發狀態，這與實際情況相符合。負荷低谷時，考慮DG的開停機成本后，程序中設定各類DG每日至多啟停1次，在此情況下，成本較高的柴油機沒有停機，而是維持在低功率水平。另外，低谷電價階段，蓄電池進行了充電。綜上所述，在滿足負荷需求的前提下，各類DG的開停機行為以及蓄電池的充放電過程，與設定的經濟目標相一致，證明了算法的有效性。不足之處在于，該模型基于聯網運行的微電網，所包含的分布式電源機組較少，且未考慮常規機組，具有一定的局限性。后期可以采取以下措施予以改進：

1）擴大系統規模，即增加分布式電源機組的數量；

2）建立常規機組運行成本模型，將其納入優化范疇，以得到更普遍適用的結論。

[1] 周孝信，曾嶸，高峰，等．能源互聯網的發展現狀與展望[J]．中國科學：信息科學，2017，47(2)：149-170．

[2] 張濤，張福興，張彥．面向能源互聯網的能量管理系統研究[J]．電網技術，2016，40(1)：146-155．

[3] 曾鳴，楊雍琦，李源非，等．能源互聯網背景下新能源電力系統運營模式及關鍵技術初探[J]．中國電機工程學報，2016，36(3)：681-691．

[4] 何力，呂紅芳．考慮經濟性的多微電網優化調度研究[J]．發電技術，2018，39(5)：397-404．

[5] 胡曉通，劉天琪，何川，等．計及蓄電池損耗特性的微電網多目標優化運行[J]．中國電機工程學報，2016，36(10)：2674-2681．

[6] 曾洪瑜，史翊翔，蔡寧生．燃料電池分布式供能技術發展現狀與展望[J]．發電技術，2018，39(2)：165-170．

[7] 李凱，秦文萍，張海濤，等．含混合儲能的微電網能量管理系統控制策略[J]．電力系統及其自動化學報，2016，28(10)：85-91．

[8] 田世明，欒文鵬，張東霞，等．能源互聯網技術形態與關鍵技術[J]．中國電機工程學報，2015，35(14)：3482-3494．

[9] 竇曉波，曉宇，袁曉冬，等．基于改進模型預測控制的微電網能量管理策略[J]．電力系統自動化，2017，41(22)：56-65．

[10] 馬喜平，謝永濤，董開松，等．多能互補微電網的能量管理研究[J]．高壓電器，2015，51(6)：108-114．

[11] 陳其森，汪湘晉，池偉，等．多微電網互聯系統能量管理方法研究[J]．電力系統保護與控制，2018，46(11)：83-91．

[12] 吳雄，王秀麗，劉世民，等．微電網能量管理系統研究綜述[J]．電力自動化設備，2014，34(10)：7-14．

[13] 王成山，武震，李鵬．微電網關鍵技術研究[J]．電工技術學報，2014，29(2)：1-12．

[14] 馬守達，楊錦成，崔承剛，等．能源互聯網儲能技術應用研究[J]．發電技術，2018，39(5)：412-418．

[15] 莊雅妮，楊秀媛，金鑫城．風光儲聯合發電運行技術研究[J]．發電技術，2018，39(4)：296-303．

Analysis of Microgrid Energy Management Under the Background of Energy Internet

ZHANG Guodong1, LIU Kai2

(1. Department of Electrical and Information, Shandong University of Science and Technology, Jinan 253500, Shandong Province, China;2. Luoyang Power Supply Company, Luoyang 471000, Henan Province, China)

Under the background of energy internet, the scale of renewable energy interconnection is increasing day by day. Due to the strong randomness of renewable energy generation power, the so-called “bilateral stochastic problems” appears in the operation of the power system, which affects the safety and stability. How to manage all kinds of renewable energy economically and effectively is one of the key technologies to realize the energy internet. In order to realize the overall optimization of microgrid operation, a multi-objective optimization model was established for microgrid including various distributed generators (DG) with the lowest comprehensive power generation cost and the best environmental benefits as the optimization objectives. The genetic algorithm is used to optimize the energy management. The simulation results of a microgrid with multiple DGs running on the grid show the effectiveness of the optimization model and algorithm.

energy Internet; micro-grid; distributed generator; energy management

10.12096/j.2096-4528.pgt.18239

2018-11-19。

張國棟(1982)，男，碩士，講師，主要研究方向為電力系統運行控制，459532455@qq.com；

張國棟

劉凱(1981)，男，碩士，高級工程師，從事電網規劃設計等工作，51781628@qq.com。

教育部產學合作協同育人計劃項目(201702064021)；山東科技大學濟南校區教研項目(JNJG2017203)。

Project Supported by Ministry of Education's Cooperative Education Program Project (201702064021); Research Project of Jinan Campus of Shandong University of Science and Technology (JNJG2017203).

(責任編輯 辛培裕)