多時(shí)間尺度下含混合儲(chǔ)能的生物質(zhì)能CHP微網(wǎng)滾動(dòng)優(yōu)化

楊曉輝, 張 亮, 李昭輝, 周斯易

(1.南昌大學(xué) 信息工程學(xué)院，南昌 330031；2.國(guó)網(wǎng)江西省電力有限公司湖口縣供電分公司，江西 九江 332500)

0 引 言

隨著能源需求的增加，熱電聯(lián)供系統(tǒng)(CHP)集供熱和供電于一體，比傳統(tǒng)供熱電分供系統(tǒng)更具吸引力[1]。CHP型微網(wǎng)有著較好的能源利用率與調(diào)度靈活性，是較有發(fā)展前景的一種運(yùn)營(yíng)模式[2]。含生物質(zhì)能的CHP通常將木質(zhì)顆粒化或 氣化為燃料，燃料的來(lái)源十分廣泛[3]。文獻(xiàn)[4-5]中提出基于Minimax準(zhǔn)則設(shè)計(jì)含生物質(zhì)能的CHP系統(tǒng)，為本文后續(xù)的工作奠定基礎(chǔ)。

為了將電力系統(tǒng)能源選擇多樣性提高，越來(lái)越多研究關(guān)注于風(fēng)、光和生物質(zhì)能的混合等可再生能源系統(tǒng)[6]。然而可再生能源的間歇性和波動(dòng)性對(duì)電網(wǎng)的穩(wěn)定性和安全性將會(huì)產(chǎn)生負(fù)面影響[7]。能量存儲(chǔ)系統(tǒng)是處理可再生能源不確定性的有效技術(shù)之一[8]，會(huì)對(duì)電力系統(tǒng)產(chǎn)生巨大影響。目前有許多研究聚焦在擴(kuò)展規(guī)劃、經(jīng)濟(jì)調(diào)度、機(jī)組組合問(wèn)題和系統(tǒng)控制策略上[9]。文獻(xiàn)[7]中提出了不同配置的混合儲(chǔ)能系統(tǒng)，如蓄電池-超級(jí)電容器，蓄電池-超磁電機(jī)，壓縮空氣-飛輪，壓縮空氣-蓄電池和燃料電池-超級(jí)電容器等。然而較多文獻(xiàn)在處理儲(chǔ)能系統(tǒng)時(shí)只選擇了簡(jiǎn)單的控制策略：發(fā)電量多余負(fù)荷量時(shí)，多余電量存儲(chǔ)在儲(chǔ)能系統(tǒng)中，當(dāng)電量不足時(shí)，儲(chǔ)能系統(tǒng)放電。大多數(shù)文獻(xiàn)沒(méi)有考慮儲(chǔ)能系統(tǒng)的退化成本，文獻(xiàn)[10]中對(duì)儲(chǔ)能系統(tǒng)退化成本的處理比較粗略甚至直接忽略。文獻(xiàn)[11]中構(gòu)建了住宅混合儲(chǔ)能的多種可再生能源系統(tǒng)，提出考慮需求響應(yīng)的綜合能源管理方法。

目前的優(yōu)化調(diào)度方法主要都是對(duì)單個(gè)時(shí)間斷面上的優(yōu)化，在不考慮時(shí)間斷面的耦合性的情況下，僅達(dá)到當(dāng)前調(diào)度周期的最優(yōu)，受風(fēng)光等不確定性因素的影響較大[12]。因此，需要一種能夠在不同時(shí)間尺度下實(shí)現(xiàn)不同目標(biāo)的能量管理方法。文獻(xiàn)[13]中提出利用模型預(yù)測(cè)解決多目標(biāo)問(wèn)題，上層解決微電網(wǎng)的最優(yōu)規(guī)劃，下層解決微電網(wǎng)的能源管理優(yōu)化。文獻(xiàn)[14-15]中利用模型預(yù)測(cè)控制解決微電網(wǎng)的機(jī)組組合問(wèn)題。這表明模型預(yù)測(cè)控制的方法運(yùn)用到微電網(wǎng)是常用的，并且能夠考慮時(shí)間斷面的耦合性。

本文設(shè)計(jì)了在多時(shí)間尺度下含混合儲(chǔ)能的生物質(zhì)CHP微網(wǎng)滾動(dòng)優(yōu)化模型。考慮混合儲(chǔ)能系統(tǒng)的退化成本模型，包括蓄電池的退化成本模型和超級(jí)電容器的退化成本模型。利用蓄電池-超級(jí)電容器儲(chǔ)能系統(tǒng)處理可再生能源不確定性。設(shè)計(jì)了多時(shí)間尺度下含混合儲(chǔ)能的生物質(zhì)CHP微網(wǎng)滾動(dòng)優(yōu)化模型，日前滾動(dòng)(24 h/1 h)考慮微網(wǎng)的經(jīng)濟(jì)性，日內(nèi)實(shí)時(shí)滾動(dòng)(60 min/5 min)考慮預(yù)測(cè)誤差導(dǎo)致的功率波動(dòng)，并且分析了日內(nèi)不同預(yù)測(cè)時(shí)域的影響。

1 含混合儲(chǔ)能生物質(zhì)能的CHP型微電網(wǎng)模型

1.1 生物質(zhì)能CHP型微電網(wǎng)結(jié)構(gòu)

生物質(zhì)能是利用生產(chǎn)活動(dòng)中產(chǎn)生的有機(jī)廢棄物進(jìn)行能量轉(zhuǎn)換，常用氣化方式進(jìn)行發(fā)電。由于來(lái)源豐富以及價(jià)格便宜，因此應(yīng)用前景較好。

相比于常規(guī)型微電網(wǎng)，CHP型微電網(wǎng)集供熱和供電等功能聯(lián)合運(yùn)行效率較高，是最有發(fā)展前景的能源系統(tǒng)形式。電負(fù)荷可由發(fā)電裝置和配電網(wǎng)供電，熱負(fù)荷由余熱鍋爐提供。如圖1所示，其發(fā)電裝置包含了風(fēng)電機(jī)組、光伏機(jī)組、蓄電池、超級(jí)電容器和配電網(wǎng)。

圖1 生物質(zhì)能CHP型微電網(wǎng)結(jié)構(gòu)

1.2 生物質(zhì)能CHP型微電網(wǎng)設(shè)備模型

(1) 燃?xì)廨啓C(jī)。燃?xì)廨啓C(jī)的排出廢氣余熱功率數(shù)學(xué)模型：

(1)

燃?xì)廨啓C(jī)的運(yùn)行約束模型：

Pgt,min≤Pgt(t)≤Pgt,max

(2)

式中:ηgt是燃?xì)廨啓C(jī)的發(fā)電效率；ηgt,l是燃?xì)廨啓C(jī)的熱損失系數(shù)；Pgt(t)是燃?xì)廨啓C(jī)的輸出功率；Pgt,min和Pgt,max是燃?xì)廨啓C(jī)的最小和最大發(fā)電功率。

(2) 余熱鍋爐。余熱鍋爐輸出熱功率模型：

Qwh(t)=Qwhin(t)ηwh

(3)

余熱鍋爐的運(yùn)行約束模型：

Qwh,min≤Qwh(t)≤Qwh,max

(4)

式中:Qwhin(t)是余熱鍋爐的輸入熱功率；ηwh是余熱鍋爐的效率；Qwh,min和Qwh,max是余熱鍋爐的最小和最大輸出熱功率。

熱電比V是CHP機(jī)組輸出熱功率和電功率的比值：

V=Qwh(t)/Pgt(t)

(5)

(3) 可再生能源。由于風(fēng)力發(fā)電與風(fēng)速密切相關(guān)，風(fēng)速隨季節(jié)甚至天數(shù)而變化；光伏與光照密切相關(guān)，因此風(fēng)光發(fā)電具有很強(qiáng)的不確定性。由于預(yù)測(cè)精度會(huì)隨預(yù)測(cè)時(shí)域縮短而減小，通過(guò)研究日前滾動(dòng)優(yōu)化、日內(nèi)實(shí)時(shí)滾動(dòng)優(yōu)化的多時(shí)間尺度協(xié)調(diào)優(yōu)化，有利于提高風(fēng)光利用率，減輕電網(wǎng)運(yùn)行壓力。設(shè)風(fēng)光發(fā)電預(yù)測(cè)誤差由均值為零且相互獨(dú)立的正態(tài)分布刻畫[16]，即

(6)

1.3 考慮退化成本的混合儲(chǔ)能系統(tǒng)

新能源存在的波動(dòng)性、間歇性和隨機(jī)性特點(diǎn)，會(huì)給系統(tǒng)的功率平衡以及電能質(zhì)量帶來(lái)較大影響，蓄電池-超級(jí)電容器混合儲(chǔ)能系統(tǒng)可以較好的平抑功率波動(dòng)。蓄電池以其能量密度高的特點(diǎn)而廣泛應(yīng)用于儲(chǔ)能領(lǐng)域，但其功率密度較小，動(dòng)態(tài)響應(yīng)速度慢，難以提供較大的瞬時(shí)輸出電流，壽命較短。超級(jí)電容器能量密度較小，功率密度大，可承受短時(shí)高倍率充放電電流。

(1) 蓄電池。放電深度(DOD)是指一次充電或放電的能量與蓄電池容量的比值。蓄電池的使用壽命與其工作方式密切相關(guān)，往往放電深度越大，使用壽命越短。蓄電池的循環(huán)壽命與蓄電池的放電深度關(guān)系可以由擬合曲線表示[17]：

N(Dod(t))=a·Dod(t)-b·e-cDod(t)

(7)

式中:a、b和c是擬合曲線的系數(shù);Eb是蓄電池總能量。由于之前的工作并沒(méi)有具體的關(guān)系，因此合理地通過(guò)經(jīng)驗(yàn)數(shù)據(jù)對(duì)蓄電池退化效應(yīng)進(jìn)行擬合。

由于蓄電池的退化成本與放電深度有關(guān)，便需要知道在相鄰的時(shí)間間隔蓄電池的充放電狀態(tài)。設(shè)U(t)是一個(gè)二進(jìn)制數(shù)，值為1時(shí)表示蓄電池相鄰時(shí)間間隔充放電狀態(tài)不一致；值為0時(shí)表示蓄電池相鄰時(shí)間間隔充放電狀態(tài)一致。則從狀態(tài)轉(zhuǎn)換開(kāi)始至t時(shí)刻所積蓄的能量：

(8)

則t時(shí)刻的放電深度可表示為

Dod(t)=Ea(t)/Eb(t)

(9)

同時(shí)，蓄電池實(shí)際容量會(huì)隨著放電深度的變化而按比例退化：

(10)

式中，Erat是蓄電池的額定容量。

因此蓄電池的退化成本可表示為

(11)

式中:Cexb是蓄電池的更換成本;ηbc、ηbd分別是蓄電池的充放電效率。

(2) 超級(jí)電容器。通常情況下，超級(jí)電容器的退化成本可以認(rèn)為是時(shí)間的線性函數(shù)[18],

(12)

式中:Cexsc是超級(jí)電容器的更換成本;Nsc是超級(jí)電容器的循環(huán)壽命。

2 多時(shí)間尺度滾動(dòng)優(yōu)化模型

2.1 多時(shí)間尺度滾動(dòng)優(yōu)化框架

滾動(dòng)優(yōu)化是有限時(shí)域內(nèi)的優(yōu)化，在當(dāng)前時(shí)刻開(kāi)始時(shí)輸入此時(shí)的預(yù)測(cè)信息，進(jìn)行本時(shí)段內(nèi)的優(yōu)化，而當(dāng)下一個(gè)時(shí)刻到來(lái)時(shí)，將預(yù)測(cè)信息進(jìn)行更新，來(lái)降低預(yù)測(cè)誤差對(duì)調(diào)度結(jié)果的影響，如圖2所示。

圖2 滾動(dòng)優(yōu)化的時(shí)間窗口

日前滾動(dòng)優(yōu)化是以預(yù)測(cè)時(shí)域24 h、控制時(shí)域1 h，進(jìn)行24輪優(yōu)化控制，給出生物質(zhì)能CHP型微電網(wǎng)的調(diào)度策略，主要是對(duì)微電網(wǎng)的經(jīng)濟(jì)性進(jìn)行優(yōu)化，通過(guò)不同設(shè)備的出力來(lái)協(xié)調(diào)熱電功率平衡，給日內(nèi)優(yōu)化提供參考數(shù)據(jù)；日內(nèi)實(shí)時(shí)滾動(dòng)優(yōu)化是以預(yù)測(cè)時(shí)域60 min、控制時(shí)域5 min，進(jìn)行12輪優(yōu)化控制，通過(guò)更新可再生能源的出力數(shù)據(jù)，對(duì)平抑風(fēng)光誤差，減小功率波動(dòng)進(jìn)行優(yōu)化，多時(shí)間尺度滾動(dòng)優(yōu)化框架如圖3所示。

圖3 多時(shí)間尺度雙層優(yōu)化框架

2.2 日前優(yōu)化模型

(1) 目標(biāo)函數(shù)。日前優(yōu)化以系統(tǒng)總運(yùn)營(yíng)成本最小，包括與電網(wǎng)交互成本、電池退化成本及燃料購(gòu)買成本。值得注意的是在日前優(yōu)化中不考慮超級(jí)電容器，超級(jí)電容器僅在日內(nèi)實(shí)時(shí)滾動(dòng)優(yōu)化時(shí)考慮用來(lái)平抑風(fēng)光誤差。

(13)

式中:

x∈[Pex(tDA),Pb(tDA),Pgas(tDA),Pbio(tDA)]

Pex(tDA)為與電網(wǎng)交互功率;Pgas(tDA)、Pbio(tDA)分別為利用天然氣和利用生物質(zhì)能產(chǎn)生的電功率;tDA是日前的控制時(shí)域。

Cex(tDA)=λex(tDA)Pex(tDA)Δt

(14)

式中：λex(tDA)是實(shí)時(shí)電價(jià)，為了保護(hù)電網(wǎng)利益，當(dāng)微網(wǎng)電量有余時(shí)向電網(wǎng)售電的電價(jià)為0.8倍的實(shí)時(shí)電價(jià)。

(15)

式中:Qgas和Qbio分別為天然氣和生物質(zhì)能的低熱值;λgas、λbio分別是天然氣和生物質(zhì)能的能源價(jià)格。

(2) 約束條件。日前優(yōu)化約束包括等式約束和不等式約束，等式約束包括熱負(fù)荷平衡和電負(fù)荷平衡，不等式約束包括一系列的設(shè)備運(yùn)行約束。

電負(fù)荷平衡：

(16)

熱負(fù)荷平衡：

VPbio(tDA)+VPgas(tDA)=Qheating(tDA)

(17)

式中，Qheating(tDA)是系統(tǒng)熱負(fù)荷。

設(shè)備運(yùn)行約束：

Eba(t)=

(18)

(19)

(20)

(21)

(22)

2.3 日內(nèi)優(yōu)化模型

(1) 目標(biāo)函數(shù)。日內(nèi)優(yōu)化在進(jìn)行優(yōu)化前導(dǎo)入日前優(yōu)化的數(shù)據(jù)[Pex(tDA),Pb(tDA),Pgas(tDA),Pbio(tDA)]ref，并且更新風(fēng)光出力數(shù)據(jù)，優(yōu)化因超電容器平抑功率而導(dǎo)致的變化。即

(23)

式中:

xDI∈[Pex(tDI),Pb(tDI),Pgas(tDI),Pbio(tDI),PSC(tDI)]

Cpu(tDI)是日內(nèi)優(yōu)化結(jié)果與日前結(jié)果波動(dòng)的懲罰項(xiàng);

δ2(Pex(tDA)-Pex(tDi))2+δ3(Pgas(tDA)-

Pgas(tDi))2+δ4(Pbio(tDA)-Pbio(tDI))2)

(24)

式中，δ1～δ4是懲罰成本系數(shù)。

(2) 約束條件。日內(nèi)優(yōu)化包含日前優(yōu)化的所有約束條件，此外還應(yīng)對(duì)電負(fù)荷平衡進(jìn)行修正：

(25)

超級(jí)電容器運(yùn)行約束：

Esca(t)=

(26)

(27)

(28)

2.4 模型求解偽代碼

本文的計(jì)算平臺(tái)采用CPUi3-4130、3.40GHz的Windows10電腦，日前及日內(nèi)問(wèn)題的求解均采用Matlab優(yōu)化工具箱中求解非線性多元函數(shù)最小值的fmincon函數(shù)。模型求解偽代碼如圖4所示。

1. 導(dǎo)入系統(tǒng)相關(guān)參數(shù),設(shè)置儲(chǔ)能系統(tǒng)初值[Sstartb,Sstartsc],初始化xDA∈[Pex(tDA),Pb(tDA),Pgas(tDA),Pbio(tDA)]tDA+24tDA2. While tDA>24 h3. 更新tDA至tDA+24 h的風(fēng)光預(yù)測(cè)數(shù)據(jù),讀取Sb(tDA),求解min fDA(xDA)4. 設(shè)置日內(nèi)實(shí)時(shí)滾動(dòng)優(yōu)化初值:xstartDt=xDA(1,:)5. While tDI>60 min6. 更新tDI至tDI+60 min的風(fēng)光預(yù)測(cè)數(shù)據(jù),讀取[Sb(tDI),Ssc(tDI)],求解min fDI(xDI),得到xDI∈[Pex(tDI),Pb(tDI),Pgas(tDI),Pbio(tDI),PSC(tDI)]tDI+60tDI7. 實(shí)時(shí)調(diào)度指令:x=[x,xDI(1,:)]8. 設(shè)置下一輪日內(nèi)實(shí)時(shí)滾動(dòng)優(yōu)化初值:xstartDt=xDI(2,:)9. tDI=tDI+510. end11. tDA=tDA+112. 設(shè)置下一輪日前滾動(dòng)優(yōu)化初值:xstartDt=xDI(2,:) 反饋儲(chǔ)能系統(tǒng)信息[Sb(tDI),Ssc(tDI)]13. end

3 算例分析

3.1 參數(shù)設(shè)置

算例模擬典型熱電聯(lián)供系統(tǒng)的能源配置形式，本文不考慮因天然氣和生物質(zhì)能比例對(duì)燃?xì)廨啓C(jī)燃燒機(jī)制的影響。微網(wǎng)系統(tǒng)參數(shù)見(jiàn)附表A1。

日前滾動(dòng)優(yōu)化的控制時(shí)域?yàn)? h，日內(nèi)實(shí)時(shí)滾動(dòng)優(yōu)化的控制時(shí)域?yàn)? min。日前預(yù)測(cè)數(shù)據(jù)見(jiàn)附圖A1，日內(nèi)預(yù)測(cè)數(shù)據(jù)在日前預(yù)測(cè)數(shù)據(jù)的基礎(chǔ)上設(shè)置10%～50%的預(yù)測(cè)誤差得到。電價(jià)采用分時(shí)電價(jià)，電價(jià)見(jiàn)附表A2。

3.2 結(jié)果分析

日內(nèi)預(yù)測(cè)時(shí)域的長(zhǎng)短影響系統(tǒng)的穩(wěn)定性和快速性。表1展示了在不同預(yù)測(cè)時(shí)域下的系統(tǒng)日成本、蓄電池日退化成本和計(jì)算時(shí)間。隨著預(yù)測(cè)時(shí)域的增加，系統(tǒng)日成本變化較小，蓄電池日退化成本逐漸減小，而計(jì)算時(shí)間卻逐漸增加。為兼顧綜合性能，本文設(shè)置日內(nèi)預(yù)測(cè)時(shí)域?yàn)?0 min。

表1 日內(nèi)不同預(yù)測(cè)時(shí)域下的成本和計(jì)算時(shí)間

當(dāng)系統(tǒng)熱負(fù)荷完全由生物質(zhì)能提供且日內(nèi)預(yù)測(cè)數(shù)據(jù)設(shè)置為10%的預(yù)測(cè)誤差時(shí)，其調(diào)度結(jié)果如圖5、6所示，圖5是日前滾動(dòng)調(diào)度結(jié)果，在日前滾動(dòng)優(yōu)化中沒(méi)有考慮預(yù)測(cè)誤差的影響，也就不需要考慮超級(jí)電容器的協(xié)同，圖6是日內(nèi)實(shí)時(shí)滾動(dòng)優(yōu)化的調(diào)度結(jié)果，引入超級(jí)電容器來(lái)彌補(bǔ)誤差，在不違背日前優(yōu)化調(diào)度結(jié)果的同時(shí)，又能減少風(fēng)光不確定性對(duì)系統(tǒng)造成的影響。對(duì)比兩層的調(diào)度結(jié)果，可以觀察到日前計(jì)劃以小時(shí)為時(shí)間尺度，調(diào)度粗放，系統(tǒng)不能及時(shí)響應(yīng)可再生能源波動(dòng)，日內(nèi)實(shí)時(shí)滾動(dòng)優(yōu)化中與電網(wǎng)交互功率、蓄電池功率和生物質(zhì)能輸出功率較上層波動(dòng)較小，而超級(jí)電容器則隨時(shí)間變化快速充放電以實(shí)現(xiàn)由預(yù)測(cè)誤差導(dǎo)致的功率不平衡問(wèn)題。此外對(duì)比附錄B中20%～50%預(yù)測(cè)誤差的日內(nèi)實(shí)時(shí)滾動(dòng)調(diào)度結(jié)果可知，在風(fēng)光數(shù)據(jù)波動(dòng)時(shí)，該系統(tǒng)能較好的保持日前的調(diào)度策略，同時(shí)也能較好地追蹤風(fēng)光的波動(dòng)。

圖5 日前實(shí)時(shí)滾動(dòng)調(diào)度結(jié)果

圖6 日內(nèi)實(shí)時(shí)滾動(dòng)調(diào)度結(jié)果

同時(shí)，蓄電池的運(yùn)行主要由實(shí)時(shí)電價(jià)決定，在電價(jià)非峰期進(jìn)行充電，在電價(jià)峰期進(jìn)行放電。此外，在12:00～18:00這個(gè)階段電價(jià)處于平價(jià)期，蓄電池一直處于充電狀態(tài)，因?yàn)轱L(fēng)光發(fā)電機(jī)組在這一階段的發(fā)電量增多，使系統(tǒng)的發(fā)電量多于負(fù)荷。這說(shuō)明蓄電池能緊隨電價(jià)變化從而減少系統(tǒng)運(yùn)行成本。

圖7顯示了蓄電池和超級(jí)電容器SOC的變化，蓄電池SOC的變化頻率與超級(jí)電容器相比大大降低，這使超級(jí)電容器的瞬時(shí)消納功能得到充分利用，并降低對(duì)蓄電池的沖擊。隨著預(yù)測(cè)誤差的增加，蓄電池表現(xiàn)地較為穩(wěn)定，波動(dòng)并不明顯，而超級(jí)電容器波動(dòng)較大，這也體現(xiàn)了超級(jí)電容器的瞬時(shí)消納功能能夠響應(yīng)不同的預(yù)測(cè)誤差。與此同時(shí)，在8:00～16:00這個(gè)時(shí)間段內(nèi)蓄電池和超級(jí)電容器的波動(dòng)較大，這是由于光伏發(fā)電機(jī)組和風(fēng)力發(fā)電機(jī)組在此時(shí)間段的不確定性更高，主要是光照風(fēng)速原因使得可再生能源的輸出存在較大波動(dòng)。

(a) 10%誤差

表2列出了在不同預(yù)測(cè)誤差情況下，系統(tǒng)用混合儲(chǔ)能和單儲(chǔ)能的蓄電池日退化成本。混合儲(chǔ)能在應(yīng)對(duì)不同的預(yù)測(cè)誤差時(shí)蓄電池的日退化成本表現(xiàn)地較為穩(wěn)定，而單儲(chǔ)能時(shí)蓄電池的日退化成本隨著預(yù)測(cè)誤差增大而上升，而且混合儲(chǔ)能對(duì)比單儲(chǔ)能的蓄電池日退化成本節(jié)省百分比均在6%以上。

表2 混合儲(chǔ)能與單儲(chǔ)能蓄電池日退化成本對(duì)比

圖8、9顯示了在不同預(yù)測(cè)誤差下系統(tǒng)運(yùn)行成本和蓄電池退化成本的變化?？梢钥闯?，在日前日內(nèi)實(shí)時(shí)滾動(dòng)優(yōu)化機(jī)制下，預(yù)測(cè)誤差對(duì)系統(tǒng)運(yùn)行成本影響較小，蓄電池退化成本稍微有些波動(dòng)，但從日退化成本上看，預(yù)測(cè)誤差影響較小，有利于系統(tǒng)控制成本。值得注意的是，蓄電池的退化成本在6、15和21 h幾個(gè)時(shí)間段上偏高。從調(diào)度結(jié)果上可知，在這幾個(gè)時(shí)間段蓄電池處于充放電狀態(tài)過(guò)渡階段或是放電深度較大，這也表明了蓄電池頻繁充放電及較大的放電深度會(huì)增加蓄電池的退化成本，減少電池壽命。

圖8 不同預(yù)測(cè)誤差下系統(tǒng)運(yùn)行成本

圖9 不同預(yù)測(cè)誤差下蓄電池退化成本

圖10所示為天然氣和生物質(zhì)能不同比例時(shí)系統(tǒng)的運(yùn)行成本。由圖可知，當(dāng)天然氣所占能源比例逐漸升高時(shí)，系統(tǒng)的運(yùn)行成本也逐漸升高。當(dāng)系統(tǒng)熱負(fù)荷完全由生物質(zhì)能提供時(shí)系統(tǒng)運(yùn)行成本取得最低值。這表明生物質(zhì)能在滾動(dòng)優(yōu)化競(jìng)爭(zhēng)中優(yōu)于天然氣，能夠降低系統(tǒng)用能費(fèi)用。然而由于生物質(zhì)能的低熱值遠(yuǎn)低于天然氣，在不考慮價(jià)格的情況下，需要更多的生物質(zhì)來(lái)源，這也將限制生物質(zhì)能的應(yīng)用局限于生物質(zhì)能豐富的城鎮(zhèn)鄉(xiāng)村微電網(wǎng)系統(tǒng)。

圖10 不同能源比例時(shí)的系統(tǒng)運(yùn)行成本

4 結(jié) 語(yǔ)

本文針對(duì)生物質(zhì)能CHP微電網(wǎng)系統(tǒng)，引入考慮退化成本的混合儲(chǔ)能模型，考慮光伏、風(fēng)力及生物質(zhì)能多種能源輸入的微網(wǎng)聯(lián)合運(yùn)行優(yōu)化模型，提出基于多時(shí)間尺度下的綜合能源運(yùn)行滾動(dòng)優(yōu)化方法，日前滾動(dòng)優(yōu)化微網(wǎng)經(jīng)濟(jì)性，日內(nèi)實(shí)時(shí)滾動(dòng)優(yōu)化因預(yù)測(cè)誤差引起的功率波動(dòng)。在算例中，針對(duì)不同的預(yù)測(cè)誤差，分析系統(tǒng)的調(diào)度結(jié)果及儲(chǔ)能狀態(tài)，驗(yàn)證了所提模型的有效性和經(jīng)濟(jì)性。

附錄A

表A1 微電網(wǎng)的參數(shù)

(續(xù)表)

圖A1 微電網(wǎng)熱電預(yù)測(cè)負(fù)荷及風(fēng)電、光伏出力

表A2 微電網(wǎng)系統(tǒng)交易電價(jià)

附錄B

圖B 不同預(yù)測(cè)誤差下日內(nèi)實(shí)時(shí)滾動(dòng)調(diào)度結(jié)果