考慮經濟性和靈活性的海島微電網優化調度策略

葉清泉，林厚飛，金建新，陳 偉

（國網浙江省電力有限公司平陽縣供電公司，浙江 溫州 325200）

0 引言

大規模風光發電的接入使得電網運行的經濟性和靈活性備受關注［1］。而海島因其獨特的地理位置，擁有著非常豐富的風光綠色資源，且缺少火力發力、水力發電等調節能力強的電廠，靈活性供需平衡問題受到極大的挑戰［2］。風光資源因受到天氣、地理位置的制約，其出力具有不可控與間歇性，如何最大化利用這部分風光資源、提高海島微電網的經濟性具有十分重要的現實意義。在政府政策的支持下，電動汽車與儲能的接入更是對海島微電網的靈活性提出了更高的要求。未來智慧海島將成為海島的發展趨勢［3］。

在經濟性方面，現有的研究從減少棄風和棄光及切負荷量、提高可再生能源利用率等幾個方面對海島微電網系統進行了分析［4］。文獻［5］以風光互補的海島為研究對象，分析了海島的經濟性以及影響經濟性的敏感因素。文獻［6］分析了可再生能源滲透率下海島微電網系統的經濟性，結果顯示風、光、柴、儲的綜合運用下，系統具有良好的經濟性和技術性。文獻［7］研究了海島微電網各分布式電源的特點，從運行成本與環境成本角度考慮，最后采用粒子群算法尋求最優解。文獻［8］以儲能裝置運行成本最小化對海島電網群進行優化配置。文獻［9-10］從并網和孤島模型對微電網內運行總成本進行分析。雖然對海島微電網的經濟性有大量研究，但是對海島中存在的大量棄風棄光問題并沒有給出很好的解決方案。

海島中風光資源，如電動汽車、儲能等的應用都存在一定的靈活性裕度，目前關于海島微電網靈活性的研究還處于起步階段。文獻［11］分別從輸電側、配電側以及輸配側3個角度來介紹電力系統的靈活性。文獻［12］考慮的是孤島微電網的靈活性，重點考慮柴油發電機提供的靈活性。文獻［13］考慮的是風光資源并網系統的靈活性，提出了固有與運行兩種靈活性指標來衡量系統的靈活性水平。文獻［14］認為系統的靈活性為常數，以可再生能源的消納能力來驗證靈活性的充裕度。文獻［15］提出了凈負荷允許波動率的概念，認為靈活性存在上調靈活性和下調靈活性兩種。文獻［16］從網絡重構的角度來對配電網靈活性提升進行分析研究。文獻［17］從能量樞紐對電-氣系統進行靈活性價值分析。文獻［18-20］對高滲透率可再生能源下的電力系統靈活性進行分析。文獻［21-22］提出了一個測量電力系統靈活性的統一框架。綜合現有研究，以海島微電網為研究背景下的海島經濟性與靈活性綜合優化考慮的研究相對較少，且未充分考慮需求側靈活性資源，針對含大量風光資源和電動汽車的海島微電網，如何協調優化電源側與需求側資源，實現海島微電網經濟性與靈活性綜合優化是亟待解決的問題［23-25］。

本文考慮風光氫儲參與下，對海島微電網的經濟性和靈活性進行分析。采用模型預測控制的方法對風光、負荷出力的不確定性進行分析，通過建立模糊隸屬度函數綜合分析海島微電網的經濟性和靈活性。案例分析表明，多目標優化能夠統籌兼顧系統的經濟性與靈活性，且考慮氫的參與下，能大大減少棄風棄光，提升系統的經濟性與靈活性。

1 系統模型

1.1 風機、光伏模型

風機、光伏出力具有隨機性與不確定性，風機和光伏在每個時段的輸出均是非負的且在理論的最大功率限制范圍內即可：

式中：Pwt(t)和Ppv(t)分別為風機、光伏在t時刻的出力；分別為風機和光伏出力的理論最大值。

1.2 蓄電池模型

蓄電池容量約束為：

蓄電池出力約束為：

蓄電池的電量約束為：

式中：E(t)為t時刻電儲能中的電量；Pd(t)為t時刻電儲能的放電功率；Pc(t)為t時刻電儲能的充電功率；Δt為時間間隔；ηc和ηd分別為電儲能的充放電效率；分別為電儲能最大充放電功率，式（6）表示充電和放電不能同時進行；Emax和Emin分別為電儲能電量的最大值和最小值，式（8）表示一個調度周期T后蓄電池的電量恢復到開始狀態；Bc(t)和Bd(t)分別為充、放電標志位。

1.3 電動汽車模型

電動汽車的出行與返程大多具有一定的規律性，這里采用蒙特卡羅模擬電動汽車的出行時間、返回時間以及每天的行駛里程數。

電動汽車出行時刻表達式為：

電動汽車返程時刻表達式為：

電動汽車日行駛里程表達式為：

電動汽車SOC 消耗量用SOC，x表示，其表達式為：

式中：f0(x)為電動汽車出行時刻的概率分布；f1(x)為電動汽車返程時刻的概率分布；fk(y)為電動汽車行駛里程概率分布；x為時間；y為行駛的里程數；W為電動汽車每百千米耗電量；C為電動汽車電池容量大小；C（t）為t時刻電動汽車電池容量大小；μ0為電動汽車每天行駛開始時刻的期望；σ0為電動汽車每天行駛開始時刻的方差；μ1為電動汽車每天行駛結束時刻的期望；σ1為電動汽車每天行駛結束時刻的方差；μk為某個行駛里程的分布均值；σk為某個行駛里程的分布標準差。

1.4 電轉氫模型

電轉氫是電轉氣的第一階段，利用電解水裝置，消耗電能產生氫氣和氧氣。

1.5 氫儲能模型

儲氫罐中t時刻氫氣體積狀態可由（17）式表示：

儲氫罐充放能體積約束如下：

1.6 氫燃料電池模型

氫燃料電池可以看作是電解水的逆反應。氫燃料電池產生的電功率如（23）所示：

式中：PHf(t)為t時刻氫燃料電池產生的電功率；ηH為氫燃料電池工作的效率；VHf(t)為氫燃料電池t時刻消耗的氫氣體積。

2 目標函數

由于海島微電網遠離大陸，其中風能、太陽能等可再生能源所占比例較大，出力具有很強的不可控性。由于可再生能源發電量和負荷波動等不確定因素的影響，系統原有的平衡可能會受到影響。在未來的優化調度中，需要預留足夠的靈活資源來應對各種不確定性。

t時段海島微電網的上調靈活性指標為：

t時段海島微電網的下調靈活性指標為：

其中儲能的上調、下調靈活性為：

電轉氫的上調、下調靈活性為：

電動汽車的下調靈活性為：

本文定義的靈活性評價指標為系統上調、下調靈活性的均值，具體表示為：

為了將1個調度周期中的靈活性指標用具體的值表示，本文采用將各時刻靈活性指標的平均值作為海島微電網系統的靈活性指標：

本文重點研究海島微電網系統的經濟性和靈活性。

1）系統運行經濟性

海島微電網經濟優化運行要求系統24 h 運行總費用最少，系統運行過程中所需費用包括從電網的購售電費用和棄風棄光懲罰費用，目標函數為：

式中：cin(t)為系統向電網的購電電價；cout(t)為系統向電網的售電電價；cwt和cpv分別為棄風、棄光懲罰費用；分別為棄風量和棄光量。

2）系統運行靈活性

根據前面的介紹，本文采用靈活性的平均值定義為靈活性指標，一個系統的靈活性越大，系統運行越可靠，即：

3）綜合考慮經濟性和靈活性

綜合考慮運行經濟性與靈活性屬于多目標求解問題，利用模糊隸屬度函數將多目標問題轉化成求最大滿意度問題，即為單目標優化問題。系統運行成本越小越好，是最小化函數，這里選擇降半直線形作為隸屬度函數，如圖1所示。系統運行靈活性越大越好，是最大化函數，這里選擇升半直線形作為隸屬度函數，如圖2所示，運行結果越靠近1，滿意程度越高，其中，f1和f2的隸屬度函數具體形式分別如下：

圖1 上半梯形隸屬度函數

圖2 下半梯形隸屬度函數

設δ為兩個目標隸屬度函數中的最小值，表示優化的滿意度指標，即：

原多目標問題即可轉化為在滿足約束下的單目標優化問題［26］：

3 約束條件

要使系統安全運行，系統必須滿足一定的約束條件，電儲能、氫儲能以及設備模型約束條件在模型中已經介紹，這里不再贅述。

3.1 電功率守恒約束

式中：Pload(t)為t時刻電負荷；Pin(t)為t時刻系統從上級電網購電功率；Pdis(t)為t時刻蓄電池放電功率；Pout(t)為t時刻系統賣電給電網的功率；Pch(t)為t時刻蓄電池充電功率；Pev為電動汽車充電功率；n（t）為t時刻電動汽車充電數量。

3.2 氫體積守恒約束

3.3 電動汽車運行約束約束

電動汽車電池SOC限制：

電動汽車充電約束：

電動汽車出發電量限制：

式中：SOC，max和SOC，min分別為電動汽車電池SOC上下限；uev為電動汽車是否充電標志位；u為電動汽車是否回家標志位；SOC，cf為電動汽車準備出發時刻的SOC 值；SOC，stop為電動汽車達到正常出行SOC的下限。

3.4 電網聯絡線功率守恒約束

式中：Pinmax和Poutmax分別為購、售電功率上限；Fin(t)和Fout(t)分別為購、售電標志位。

4 模型預測控制

傳統控制方法通常是采用一個不變的全局優化目標，并將得到的反饋控制結果一直作用于系統，而模型預測控制采用滾動優化策略，優化過程是反復進行的。由于風光、負荷等的不確定性，系統的預測值與實際值存在偏差。采用模型預測控制方法，可以實時調整風光、負荷出力，消除不確定性帶來的系統誤差。

模型預測控制的原理圖如圖3所示。在滾動優化階段，系統在一開始使用第一時刻的預測值，生成當前的調度計劃，在下一時刻，系統將重新預測，再次使用本次預測值生成當前時刻的調度計劃，隨著預測域不斷向后推移，系統每次都使用最新的預測信息，進行滾動優化，并且只生成當前時刻的調度計劃，直至完成整個優化周期。本文的優化周期為24 h，即預測域為24 h，控制域為1 h。

圖3 模型預測控制滾動優化原理

本文基于模型預測控制的滾動優化思想對風光、負荷的不確定性進行處理，根據系統每小時的預測更新數據，針對建立的以經濟性和靈活性為綜合目標的混合整數線性規劃問題，通過MATLAB調用Gorubi求解器進行求解，從而獲取該預測域下海島微電網系統優化運行結果。此處依據模型預測控制的滾動思想對數據進行滾動處理，并不對預測模塊模型與方法做重點探討。在模型預測控制下，系統的目標函數不再是一個24 h的整體優化，而是每個控制周期都需要一次優化，系統共需優化24次。

此時目標函數和約束條件分別為：

式中：ts為滾動優化調度的起始時段；NT為1個完整調度周期的總時段數。

5 案例分析

5.1 案例基本信息

本文以某海島微電網系統為例，對所提優化運行策略進行驗證。海島微電網的可再生能源包括風能和光能，儲能設備為電儲能和氫儲能。其中負荷包括不可控的居民用電負荷和可控負荷電動汽車，海島微電網除了利用當地的可再生能源以外還與上級大電網相連。系統結構圖如圖4 所示，風光、負荷日前預測出力與滾動預測出力對比結果如圖5—7 所示，電儲能具體參數如表1 所示，電動汽車具體參數如表2所示。其中，系統采用峰谷電價，1：00—8：00，購電電價0.43 元，售電電價0.27 元；12：00—15：00、19：00—21：00，購電電價1.21元，售電電價1.02元；9：00—11：00、16：00—18：00、22：00—24：00，購電電價0.69元，售電電價0.5元。

表1 蓄電池設備參數

表2 電動汽車參數

圖4 海島微電網系統結構

圖5 風機出力

圖6 光伏出力

5.2 案例仿真結果

為方便分析比較不同場景下優化運行方案，本文設置以下3個方案。

方案1：不考慮氫能參與下，系統單目標運行優化。

方案2：考慮氫能參與下，系統單目標運行優化。

圖7 電負荷出力

方案3：考慮氫能參與下，綜合考慮經濟性與靈活性多目標優化。

5.2.1 方案1：不考慮氫能參與下，系統單目標運行優化

1）經濟性單目標優化

由于海島中居民較少，電負荷較少，而可再生能源出力卻很大，在不考慮氫能參與的情況下，系統出現了大量的棄風棄光，此時系統運行總費用為-12 001元，系統的靈活性為0.354 7。此時系統蓄電池運行情況與電網購售電情況如圖8 所示，電動汽車充電情況如圖9所示，系統每個時刻的靈活性如圖10所示，棄風棄光結果如圖11所示。

圖8 電池充放電與電網購售電結果

圖9 電動汽車充電結果

圖10 各時段靈活性結果

從圖11 可以看出，系統中存在大量的棄風棄光，風光資源出力完全滿足島內電負荷與電動汽車充電的需要，此時系統一直處于向上級電網售電的狀態，考慮到棄風棄光帶來的懲罰費用，電儲能一直處于頻繁的充放電狀態，盡可能地減少棄風棄光。

圖11 棄風棄光結果

圖9為電動汽車的充電數量，由于在一天當中凌晨和夜晚的時候電價最低，絕大多數的電動汽車都在這個時候接入電網進行充電工作，電動汽車為了保證第二天的正常出行，電池SOC 需充到一定的量，為此也有小部分的車輛在其他時刻進行充電。

由圖10 可知，在考慮經濟性運行下，系統靈活性在凌晨較高，白天較低，且整體水平也較低，由于儲能的頻繁充放電行為導致系統的靈活性也處于波動狀態。

2）靈活性單目標優化

在不考慮氫能參與的情況下，系統以靈活性最大為優化目標，此時，系統的靈活性為0.485 2，系統運行費用為-2 241.7元。此時系統蓄電池運行情況與電網購售電情況如圖12 所示，電動汽車充電情況如圖13 所示，系統每個時刻的靈活性如圖14所示。

圖12 電池充放電與電網購售電結果

圖13 電動汽車充電結果

圖14 各時段靈活性結果

在系統只考慮運行靈活性的時候，系統運行費用大大增加，從圖12 可以看出，此時系統還存在向電網購電的情況，系統在保證靈活性的時候無法兼顧經濟性。

由圖13 可以看出，為了提高系統的靈活性，電動汽車在凌晨和夜晚出現充電高峰，對應著靈活性的兩個高峰。

5.2.2 方案2：考慮氫能參與下，系統單目標運行優化

1）經濟性單目標優化

考慮到海島上存在大量的棄風棄光，如何做到最大限度地利用這一部分綠色能源，不管是對能源短缺還是環境污染都是一個好的解決辦法。為此在系統中引入電轉氫、氫燃料電池與氫儲能，將多余的可再生能源轉化成氫能。此時系統的運行費用為-13 800 元，系統運行靈活性為0.890 6，系統此時不存在棄風棄光。此時系統蓄電池運行情況與電網購售電情況如圖15所示，系統氫儲能、電轉氫與氫燃料電池運行情況如圖16 所示，系統每個時刻的靈活性如圖17所示。

圖15 電池充放電與電網購售電結果

圖16 氫能系統運行結果

圖17 各時段靈活性結果

考慮氫能后，電儲能不再頻繁地充放電，此時系統的靈活性波動幅度也較小。多余的風光資源通過電轉氫，氫燃料電池這樣的電-氫-電循環，在適當時刻供能給系統，也有一部分氫能存儲在儲氫罐中，氫能的引入大大減少了棄風棄光，提升了系統的經濟性，也相應地提高了系統的靈活性。

2）靈活性單目標優化

系統在考慮氫能參與下，以系統靈活性最大為優化目標，此時系統的靈活性為1.400 1，運行費用為4 825.1 元。此時系統蓄電池運行情況與電網購售電情況如圖18 所示，電動汽車充電情況如圖19 所示，系統每個時刻的靈活性如圖20 所示。方案1與方案2運行結果對比如表3所示。

表3 方案1與方案2運行結果對比

圖18 電池充放電與電網購售電結果

圖19 電動汽車充電結果

圖20 各時段靈活性結果

考慮氫儲能參與下，系統的靈活性大大增加，但是此時系統還存在向上級電網購電的情況，系統運行費用也大大增加。

從表3 可以看出，不管是方案1 還是方案2，在單目標運行下，系統運行結果都存在偏一性，都能達到單目標下的經濟性最優和靈活性最優，但卻無法同時兼顧，為此有必要進行經濟性和靈活性的多目標優化。分別對比方案1和方案2的經濟性優化與靈活性優化，考慮氫能參與后不僅能大大減少棄風棄光，提升系統的經濟性，也顯著提高了系統的靈活性。

5.2.3 方案3：考慮氫能參與下，綜合考慮經濟性與靈活性多目標優化

在方案2中，系統分別以經濟性和靈活性兩個單目標進行優化的時候，都能取得單目標的最優結果，但是無法同時兼顧二者，運行存在一定的局限性，因此有必要采用多目標優化運行，綜合求解系統的經濟性和靈活性，此時系統運行費用和靈活性與前兩種情況的對比如表4所示，各時刻運行靈活性對比情況如圖21所示。

表4 各場景下經濟性與靈活性運行結果

圖21 各場景下運行靈活性對比結果

以經濟性為優化目標時，系統日運行費用最低，但此時系統運行靈活性不是很理想；以靈活性為優化目標時，系統取得最優的靈活性，但此時系統運行費用較高；可見以經濟性和靈活性為單一目標時，系統運行存在一定的局限性。在采用多目標進行優化求解時，系統的經濟性和靈活性都相對取得了較優值，系統能同時兼顧經濟性和靈活性。

6 結語

本文通過對含電動汽車的海島微電網系統進行日內經濟性和靈活性的滾動優化研究，在單目標研究的基礎上再進一步綜合研究經濟性與運行靈活性的多目標優化運行問題。仿真結果表明多目標優化下系統能統籌兼顧經濟性與靈活性；通過引入氫能可大大減少系統的棄風棄光，提升系統的經濟性，也能顯著提升系統的靈活性。氫能的引入為海上風電的開發利用指出了新的方向。

目前由于電-氫轉換設備在海島上沒有廣泛推廣，本文在考慮經濟性的時候缺乏對電-氫轉換設備的投資成本的考慮，因此這將是下一步的研究方向。