風-光-抽-柴微電網優化運行研究*

李志偉，東 偉，張繪敏

(河南應用技術職業學院 機電工程學院，河南 鄭州 450042)

1 研究意義現狀

為解決人類文明和社會產業高速發展帶來的日益嚴重的環境污染及資源短缺問題，全球各國高度重視風電、光伏發電等可再生清潔能源的發展[1，2]。光伏、風能是新能源中開發較早、分布較廣、技術最成熟并具大規模開發價值的新能源，受到各個國家能源部門的高度重視，許多國家已經把風電、光伏發電建設作為重要的能源政策，風電、光伏已經成為一些國家電力工業的重要組成分支。

但是風、光自身存在著很大的缺點，風能是一種不能準確預測、不能存儲、不可調度的間歇性能源，風速預測存在一定的誤差，因此風電場不能提供持續的功率，發電穩定性較差，可靠性低，成本較高。受天氣的影響，光伏發電同樣也具有隨機性和不穩定性，與水電和火電相比，風、光的隨機性和間歇性特點造成其出力頻繁波動，會影響電網頻率和電壓的穩定性，給電網的安全穩定及正常電力調度帶來新的問題。為了使整個系統安全、穩定和優質地運行，需要增加系統的旋轉備用容量和調頻機組容量，其后果是增加了系統的運行成本，如果增加的這部分成本大于風電節省的燃料成本，對系統而言是虧本的，這是哪個電力系統都不愿接受的。所以風、光產業在發展的同時，也受到了制約，部分地區電網結構限制了風、光發電接入容量。但是在一些偏遠地區，比如山村景區、旅游海島、邊防哨所等地，由于距離城市較遠，電網架設難度大、成本高，不能接通電網，但是可以利用這些地區的天然優勢構建風-光-柴油-抽水蓄能微型電網，以滿足當地負荷需求。

微型電網在有效利用可再生分布式發電技術方面有著天然優勢，可以減輕風電、光伏發電自身的波動性及隨機性對電網的沖擊[3，4]。微電網作為一個靈活、完整的小型電力系統，可與大電網并網運行，相互補充，滿足當地負荷需求。但是微型電網系統各個分布式電源如果沒有得到合理調度及容量配置，就會降低電能供應的安全可靠性及環保經濟性[5，6]。國內外專家學者在微網分布式電源容量配置及出力調度方面進行了大量研究。文獻[7]基于虛擬儲能概念，提出了計及主配儲能協同的微網風光儲容量雙層優化配置方案，采用改進的粒子群算法對方案進行求解，算例驗證結果表明方案可以提高微電網調節能力。文獻[8]在研究商業微網(BPMG)的基礎上，提出一種考慮需求側靈活性資源的BPMG優化調度方法，建立兼顧運行靈活性及經濟性的BPMG多目標優化運行模型，采用CPLEX優化軟件求解。文獻[9]建立以經濟性為目標函數，包括光伏發電、天然氣發電、儲能系統的微網系統模型，采用狼群-粒子群混合算法對模型進行求解。文獻[10-12]分別以年、日綜合運維成本最小、環境污染最小、運行靈活性最大為目標函數，記及功率平衡等約束條件，建立微電網優化運行模型，采用不同的求解方法對模型求解，并仿真驗證了模型的正確性。

建立風電-光伏-柴油-抽水蓄能電站微網運行系統，具有很大科學研究、工程實踐及社會經濟意義，體現在下面三個方面：

(1) 為未接入電網偏遠地區已建成的純風電場、光伏電場配建相關容量的抽水蓄能電站及柴油發電機組，解決棄能浪費、電量短缺、功率輸出不平穩的問題，為電力系統安全、經濟及可靠運行提供新的技術支持。

(2) 根據應用控制要求，建立復雜控制模型，采用先進優化算法進行控制求解，推動智能控制算法在工程實踐中的應用。

(3) 為推廣可再生新能源的擴大應用提供技術參考，并可以推動偏遠旅游景區、旅游海島經濟創收，提高當地居民的生活質量，具有一定的經濟、環境及社會效益，符合國家正在推行的“打贏扶貧攻堅戰”、“綠水青山就是金山銀山”的扶貧及環保政策。

2 風-光-抽-柴并網型微網系統結構

根據當地負荷特點，為最大限度地利用當地風能、光伏可再生發電資源，結合抽水蓄能電站運行特性及配建條件，建立風-光-抽-柴并網型微網模型，如圖1所示。

圖1 風-光-抽-柴并網型微網模型

由圖1可知，微網主要由風力發電、光伏發電、柴油發電、抽水蓄能電站[13，14]、當地負荷組成。在優化時段內，風、光發電優先滿足當地負載，如果超出負載啟動抽水蓄能電站的水泵，把下水庫的水抽至上水庫，以“重力勢能”存儲起來；在風、光發電出力不能滿足當時段負荷時，啟動抽水蓄能電站的水輪機帶動發電機發電，把存儲的“重力勢能”轉化為電能滿足負荷。在風、光發電及抽水蓄能電站都不能滿足負荷時，可以啟動柴油發電機供給當地負荷。以運行成本和環境懲罰成本為目標的優化出力調度決定著各個機組的運行狀況及能量走向。

3 風-光-抽-柴微電網各單元系統模型

3.1 風力發電系統模型

參考文獻[6]，風力發電的功率輸出表示為：

(1)

其中：CP為風能利用系數；D為風輪直徑；ρ為空氣密度；vi、vo分別為切入切出風速；vp優化時段平均風速；ve為額定風速；Pw為風機功率；Pe為風機額定功率。

3.2 光伏發電系統模型

光伏發電系統的功率輸出[15]如下：

Ppv=PstcGac[1+k(Tc-Tstc)]/Gstc.

(2)

其中：Ppv為光伏發電功率；Pstc為光伏發電最大輸出功率；Gac、Gstc為當前光照強度和最大輸出功率光照強度；Tc、Tstc為電池板當前溫度和最大輸出功率時的測試溫度；k為溫度系數，一般情況下取k=-0.47。

3.3 抽水蓄能水泵水輪機運行模型

抽水蓄能過程是集抽水、蓄水、發電、變壓為一體的復雜過程，本文只討論發電、抽水兩個過程。

(1) 抽水工況的耗電量為：

(3)

其中：Ep為抽水消耗電量，kW·h；Hp為抽水平均揚程，m；Vs為調節水量，m3；ηp為抽水運行效率。

(2) 發電工況的發電量為：

(4)

其中：Ek為發電量，kW·h；Hk為發電平均水頭，m；Vs為調節水量，m3；ηk為發電運行效率。

抽水蓄能完成抽水發電一次循環的效率為：

(5)

一般情況下，η取0.65～0.75。

3.4 柴油發電機模型

在實際運行中，當風光發電機組、抽水蓄能電站無法滿足負荷要求時，柴油發電機用于保證負載運行。柴油發電機燃料消耗成本與輸出功率關系模型如下：

Cf=aPdg2+bPdg+c.

(6)

其中：Cf為柴油發電機燃油費；Pdg為柴油發電機輸出功率；a、b、c為柴油燃料曲線系數，a、b、c一般由廠家提供，本文中取a=0.007 1、b=0.233 3、c=0.433 3。

4 風-光-抽-柴微電網運行模型

微電網中的風力發電、光伏發電、抽水蓄能發電、柴油發電的系統配合是保證微網系統優質運行的保障。以系統典型日運行成本及污染排放成本最小為優化目標，結合多項約束條件、分時電價等因素，建立微網優化調度模型。優化模型包含2個優化目標：日運行成本和污染排放成本。

4.1 目標函數1

目標函數1是微網系統日運行總成本Cdr：

Cdr=Cdii+Cdom.

(7)

其中：Cdii為折算到每天的設備初始投資；Cdom為系統運行日維護成本。

4.1.1 運行日設備初始投資Cdii

微網系統的初始投資主要是設備購置安裝費，與容量有關，微網系統的初始投資主要包含風電、光伏、抽水蓄能、柴油發電投資費用，屬于一次性投資，考慮利率不考慮設備折舊(年平均利率)，利用等額年金計算方法，計算折算日初始成本為：

(8)

其中：Cdii,j為第j種設備的初始投資成本；m為所有設備總種數，m=4；R為等額年金參數；Cw為風電初始投資成本；Cpv為光伏發電初始投資成本；Cp為抽水蓄能電站初始投資成本；Cd為柴油發電機組初始投資成本。R和Cdii,j分別由下式計算：

(9)

Cdii,j=Nj×Cu,j.

(10)

其中：r為利率；n為風光儲微網壽命，年；Nj為第j種設備的數目；Cu,j為第j種設備的單位成本。

4.1.2 系統運行日維護成本Cdom

微網系統的運行成本與設備的容量有關，主要包括人工費和設備維修費：

(11)

其中：Cdom,j為第j種設備一年運行維護成本；Cdom,u,j為第j種設備單位容量的一年運行維護成本；Cj為第j種設備一年運行的總容量。

4.2 目標函數2

目標函數2為環境污染成本Ce：

(12)

其中：μc為柴油發電懲罰因子。

5 模型求解

由所建的優化模型來看，該模型是一個多目標、多約束的非線性動態優化問題。聯合運行系統的仿真時間為一天24個時段，從上述公式分析模型涉及參數變量之間相互制約，變量之間的取值相互影響，并且不同時段的取值范圍也不同，這就給優化算法的實現帶來很大困難。采用改進的多目標克隆選擇算法對模型進行求解分析，是一種基于精英保留策略的優化算法，抗體隨著進化代數的增加趨近最優。改進的多目標克隆選擇算法流程如圖2所示。運用MATLAB仿真軟件編寫代碼程序，對微網優化模型進行求解。

圖2 改進的多目標克隆選擇算法流程

6 結論

風-光-抽-柴微電網的建立可以替代原有的傳統的發電方式，可以充分利用風光電能，降低發電成本，提高當地電網運行質量，同時可以促進當地產業發展。可以給偏遠地區(山區、孤立海島)建立微型電網，這些地區與城市距離較遠，比較貧困，建立聯合微電網可以提高當地居民的生活質量，促進當地經濟發展，有助于這些地方創建綠色景區，實現經濟創收，脫貧攻堅，實現小康生活。偏遠地區不再以柴油發電機作為主要發電動力來源，能夠減少材料消耗，同時利用風電光伏等清潔能源，可以減少污染，符合國家“藍天保衛戰”的環保政策。