家用新能源系統經濟運行研究

趙為光，趙靜強，楊 瑩，凌澤昊

(黑龍江科技大學 電氣與控制工程學院，哈爾濱 150022)

0 引 言

家用新能源是光伏發電發展的一個重要方向，太陽能資源分布廣泛，家庭能量管理系統為住宅用戶提供需求響應，通過減少高峰負荷和將高峰小時需求轉移到非高峰時間來降低電力的發電成本，避免不必要的發電，優化了家庭負荷匹配[1-4]。

文獻[5]提出了以余電充電比例因子為核心的協調調度策略,得到優化調度方案并進行經濟性分析。文獻[6]提出了一種實時經濟調度方法，依據經濟學中邊際成本等于邊際收益時綜合效益最大的原理制定實時經濟調度方案。文獻[7]計算分布式光伏電站的度電成本和收益,分析了并網電壓等級和電量消納方式對分布式光伏發電成本、收益的影響。文獻[8]采用隨機機會約束規劃建立分布式家庭并網光伏系統優化調度模型。

然而以上文獻都沒有考慮到多余發電量或者負荷所需的不足電量通過蓄電池和電網的分配比例的問題，也沒有考慮到光伏發電能夠減少碳排放產生環保收益的問題。該文通過傳統與優化家庭光伏發電系統調度策略的對比，針對家庭光伏發電系統的經濟調度模型，提出了2個決策變量因子，保證家庭用戶的經濟收益最大；光伏發電減少二氧化碳的排放，繼而減少了除污成本，對環境有一定的保護作用，能夠得到環保收益。此文算例以家庭光伏發電系統1天24小時為一個調度周期，建立了經濟調度模型，證實該模型的確能提高家庭用戶的經濟效益，不僅能優化用電結構得到家庭用戶最大收益，還能對電網系統進行有效的“削峰填谷”，提高電網穩定性。

1 傳統調度策略

現在越來越多的家庭用戶響應國家號召，安裝了家庭光伏發電系統，該系統大多使用“自發自用，余電上網”模式。該模式是指光伏發電系統產生的電量主要是由用戶自己使用，多余電量饋入電網。

家庭光伏發電結構如圖1所示，主要由光伏電池，蓄電池和逆變器以及一些負載(如電視，空調、電熱水器等)所構成。家庭光伏發電系統將戶用光伏系統與電網相連。白天在太陽光的照射下，光伏陣列產生的直流電流通過智能匯流箱，一部分對蓄電池進行充電，一部分傳送到逆變器轉化為交流電，供給家庭負荷，剩余部分接入電網運行；當陽光不足時，蓄電池向逆變器送電，經逆變器轉化為交流電供家庭負荷使用，若蓄電池電量不足，此時需要電網對負荷供電。

圖1 家用新能源系統結構圖Fig.1 Structure diagram of family new energy system

常見的電價政策為峰谷分時電價，一般蓄電池在峰時段放電，谷時段充電。這樣的蓄電池充放電策略存在有很大的限制性。若峰時段的光伏發電量大于負荷所需電量，則此時有剩余電量，該部分剩余電量應該存入蓄電池，即對蓄電池充電，與上述蓄電池在峰時段放電相矛盾。

這種傳統策略的實施有很大的隨機性和波動性，光伏陣列不具備調度自動化的功能，加大了電網控制與調度運行的難度，容易導致蓄電池組過充、過放，無法充分發揮蓄電池的循環次數，減少它的使用壽命，進而增加光伏發電系統的成本，則本策略不適用。

2 優化調度模型

為了解決傳統調度策略的局限性，考慮了光伏政策收入、售電收益、買電成本、系統的維護成本和蓄電池的折損費用5種因素，給出了家用光伏發電系統儲能經濟優化調度模型，優化光伏發電量大于負荷的售電比例和光伏發電量小于負荷的買電比例。

2.1 決策變量

家庭光伏發電系統產生的電量首先滿足家庭負荷，若光伏發電量大于負荷用電量，剩余的電量才會提供給蓄電池和電網；若光伏發電量小于負荷用電量，電量不足的部分由蓄電池和電網提供給家庭負荷。該文提出了2個決策變量因子(售電比例ω(t)和買電比例λ(t))在該系統中協作，ω(t)分配剩余電量并入電網的比例，λ(t)分配電量不足的部分由蓄電池和電網提供的比例。

2.2 光伏電池模型

光伏電池與輻射強度以及溫度有關，通過預測每天的太陽輻照強度，就可以估算出其產生的最大功率，光伏發電功率輸出為

式中：Ppv為光伏電池的輸出有功功率；fpv為光伏發電單元的功率因數；Ypv為光伏陣列的額定容量；GT為實際環境下太陽輻照強度；GTS為標準測試條件下的太陽輻照強度；αp為光伏電池板的功率溫度系數；TCS為光伏電池的溫度；TC為當前光伏電池的溫度，為了便于計算，不考慮電池溫度的影響，在有光照時近似取47 ℃。

2.3 儲能蓄電池模型

蓄電池荷電狀態(State of Charge，SOC)是指電池使用一段時間后剩余電量Eremain與未使用前的蓄電池容量Enominal的比值，按照百分比表示蓄電池荷電狀態，其數學模型為[9]

2.4 目標函數

1)能量優化調度的時間為1天24 h，以分配售電比例ω(t)和買電比例λ(t)為優化的決策變量因子，最終實現家庭用戶的最大化收益。家庭用戶在峰谷分時電價的政策下的收入為光伏政策補貼和售電收益，支出為買電成本、系統的運行維護成本和蓄電池的折舊成本，優化目標函數為

式中：C為家庭光伏發電系統在1天內的最終收益,將調度周期(1天)按小時劃分為T個階段；Csub(t)為家庭光伏發電系統在t時段的光伏政策收入；Csell(t)為家庭光伏發電系統并網賣電收入；Cbut(t)為家庭用戶買電費用支出；COM(t)為光伏電池和蓄電池的運行維護支出；Ccost,bat(t)為蓄電池的折舊支出；Pbuy(t)和Psell(t)為t時段家庭用戶從電網的購電量和賣入電網的售電量；C0為家庭用戶并網售電價格；Cprice為系統從電網的購電價格；PL(t)為t時段家庭負荷的用電量；ω(t)為家庭光伏發電量供給負荷以后多余的電量出售給電網的比例；λ(t)為家庭光伏發電量供給負荷不足的部分從電網購買的比例；k1和k2為光伏電池和蓄電池的運行維護成本支出系數；nB為調度周期內蓄電池總充放電轉換次數；Fscost為蓄電池一次轉換的折損費用；FB為蓄電池的更換成本；CB為蓄電池標況下額定充放電次數；F為光伏政策補貼。

2)光發電系統在運行過程中沒有廢氣排放，不會對當地環境空氣質量產生污染，是最清潔的能源之一。在建造光伏發電系統的過程中會損耗能量產生二氧化碳，所以應該減去制造過程產生的二氧化碳2 525 kW·h，則環保收益為

CP=α(HtPpvPR·N-2525)EI

式中：CP為環保收益；α為二氧化碳折算系數，也可以叫除污成本；Ht為每年的峰值日照時數；Ppv為光伏系統功率；PR為系統綜合效率；N為壽命周期年數；EI為二氧化碳排放指數。

傳統的發電廠通過化石燃料如煤產生電能，同時產生對環境造成污染的氣體，產生的主要是CO2，需要對產生的污染氣體進行除污才能將合格的氣體排出，因此傳統的發電廠會存在除污成本。然而光伏發電不會產生CO2，因此該環保收益就是節省的除污成本。

2.5 約束條件

2.5.1 荷電狀態約束

考慮到使用蓄電池期間的維護保養，延長蓄電池的使用壽命，因此要對蓄電池的儲能電量和充放電功率進行約束。

SOCmin≤SOC≤SOCmax

上式防止了蓄電池過充和過放。為保證蓄電池的使用年限，規定蓄電池的荷電狀態為20%～90%，即SOCmin=0.2，SOCmax=0.9。

2.5.2 儲能充放電功率約束

蓄電池深度充放電會影響其使用年限，所以蓄電池的充電功率和放電功率不能超過其額定容量的20%，即

式中：E=20 kW·h，為蓄電池的額定容量；Δt為1 h。

2.5.3 分配比例約束

決策變量因子ω(t)和λ(t)是應該優化的變量，ω(t)分配光伏發電量供給負荷后的剩余電量、λ(t)分配光伏發電量供給負荷的不足電量，二者的約束范圍為

2.5.4 系統調度約束

當家庭光伏發電系統的發電量大于家庭負荷的用電量時，剩余光伏發電量部分就按照決策變量因子ω(t)對其進行優化調度，約束為

Psell(t)=[Ppv(t)-PL(t)]ω(t)

Pcha(t)=[Ppv(t)-PL(t)][1-ω(t)]

當家用新能源系統的發電量小于家庭負荷的用電量時，由決策變量因子λ(t)進行優化調度，約束為

Pbuy(t)=[PL(t)-Ppv(t)]λ(t)

Pdis(t)=[PL(t)-Ppv(t)][1-λ(t)]

2.5.5 功率供需平衡約束

家用新能源系統應滿足以下功率平衡式，約束條件為

PL(t)=Ppv(t)+Pbuy(t)+

Pdis(t)-Psell(t)-Pcha(t)

當Ppv(t)>PL(t)時，就不需要從電網買電或者通過蓄電池放電了，即Pbuy(t)=0和Pdis(t)=0，約束條件為

PL(t)=Ppv(t)-Psell(t)-Pcha(t)

當Ppv(t)

PL(t)=Ppv(t)+Pbuy(t)+Pdis(t)

2.6 優化調度算法

遺傳算法不需要推導和附加信息，尋優規則具有非確定性、自組織、自適應和自學習性等特點，所以本算例中使用遺傳算法對目標函數進行尋優，運算流程如圖2所示。

圖2 遺傳算法流程圖Fig.2 Flow chart of genetic algorithm

3 算例分析

3.1 算例數據

以某一家庭光伏發電用戶在1天24 h所需的負荷為例進行分析。該家庭的光伏總裝機容量為8 kW,蓄電池的額定容量為20 kW。算例采用峰谷分時電價，峰時段(8∶00-22∶00)電價為0.58元/(kW·h),谷時段(22∶00-8∶00)電價為0.32元/(kW·h)。該地針對光伏發電國家補貼和當地補貼一共0.63元/(kW·h)。該地區脫硫燃煤標桿上網電價為0.3597元/(kW·h)。表1和表2為家庭光伏調度周期內可間斷用電負荷和基本用電負荷的基本數據，表3為調度周期內的太陽輻射強度，圖3為家庭用戶所需負荷曲線和光伏發電量曲線。

表1 可間斷用電負荷Table 1 Interruptible electricity load

表2 基本用電負荷Table 2 Essential electricity load

表3 調度周期內的太陽輻射強度Table 3 Solar radiation intensity in dispatching period

從圖3可以看出，家庭光伏發電系統的發電量主要集中在調度期的中間時刻，此時光伏發電量大于負荷用電量。家庭用戶的日負荷用電量在2個峰谷時段，上午和晚上為峰時段。

圖3 家庭用戶所需負荷和光伏發電量Fig.3 Load required by family users and photovoltaic power generation

3.2 結果分析

通過遺傳算法對該優化調度模型進行求解，主要參數包括初始化種群數目為NP=50，染色體二進制編碼長度為L=20,最大進化代數為G=100，交叉概率pc=0.8以及變異概率pm=0.1。調度周期為1天24個小時，根據調度模型和約束條件，通過Matlab仿真尋優，得到圖4分配比例因子ω的優化曲線和圖5分配比例因子λ的優化曲線。圖6為優化調度策略下的經濟方案。

圖4 ω的優化曲線Fig.4 Optimization curve of ω

從圖3～5可以看出，0∶00-8∶00主要是比例因子λ起決定性作用，此時家庭負荷不足的電量需要從電網中獲得或者通過蓄電池放電滿足日常需求。0∶00-8∶00為谷時段電價0.32元/(kW·h)，此時應該從電網中買入電量給負荷供電。9∶00-19∶00主要是比例因子ω起決定性作用，此時家庭光伏發電量大于家庭負荷所需的電量，除了提供給家庭日負荷以外盈余的部分需要賣給電網或者對蓄電池充電。從圖5可以看出，9∶00-19∶00盈余的電量大部分都賣給了電網，少部分對蓄電池進行充電，用來維持晚上光伏發電不足時，蓄電池可以供應家庭負荷。20∶00-22∶00時為峰時段電價0.58元/(kW·h)，電價較高，此時應該由蓄電池放電供給家庭負荷，避免從電網中買入較高的電價。23∶00-24∶00主要是比例因子λ起決定性作用，光伏發電量為0，家庭負荷也比較少，且此時購買電價為0.32元/(kW·h)，則優先從電網中購買電量提供給負荷。0∶00-8∶00為谷時段，此時的電價也比較低，該系統從電網中買電能節省電費開支，在一定程度上能夠“填谷”；9∶00-19∶00是用電高峰期，該系統不從電網中獲取電量，不增加電網的負擔，還能供給電網，緩解了電網的壓力，在一定程度上達到了“削峰”的目的。

圖5 λ的優化曲線Fig.5 Optimization curve of λ

圖6 優化調度策略下的經濟方案Fig.6 The economic scheme under optimized dispatching strategy

根據第1.1節的傳統調度策略，得到圖7傳統調度策略下的經濟方案。從圖7可以看出，14∶00-18∶00有多余電量賣給電網，其余時間都是蓄電池充放電以保證家庭負荷的需求。蓄電池充放電次數過多，對蓄電池的損耗也比較大。在用電高峰期，大部分光伏發電量都存入了蓄電池，用電低谷期，大部分時段都是蓄電池供電，也不利于“削峰填谷”。

圖7 傳統調度策略下的經濟方案Fig.7 The economic scheme under traditional dispatching strategy

通過優化調度策略和傳統調度策略的對比，很容易發現，優化調度策略能夠改良家庭用戶用電的方式，有效地對電網進行削峰填谷，不僅使用戶收益達到了最大化，還有效地緩解了電網的壓力。表4為2種調度策略下的經濟效益對比。

表4 兩種調度模式的收益對比Table 4 Revenue comparison of two dispatching modes

光伏發電是值得大力推廣的清潔能源,家庭光伏發電系統有效地減少了CO2的排放，節省了除污成本，節約了對環境保護的成本，環保收益為37.156元。

4 結 語

在峰谷電價的基礎上，對家庭光伏發電系統的儲能經濟調度模型進行了研究，引入售電比例ω和買電比例λ這2個決策變量比例因子，通過合理分配售電和買電的比例，利用遺傳算法對模型進行尋優求解。結果表明,所研究家庭用戶的優化調度比傳統調度得到的收益更多，能夠節約家庭開支；優化了用電結構，能夠在峰時段供給電網，在谷時段大量減少電網電量，減輕了電網的壓力，提高了電網的供電可靠性，驗證了該優化研究的正確性。