計及虛擬儲能的風光儲獨立微電網優化配置

付波, 鄧競成， 李超順, 康毅恒, 趙熙臨， 權軼

(1.湖北工業大學電氣與電子工程學院， 武漢 430068； 2.華中科技大學土木與水利工程學院， 武漢 430074)

微電網由于能夠靈活接入分布式電源，其應用得到了廣泛關注。在一些偏遠山區、遠離城市的海島以及軍事機構，由于很難或出于隱蔽性無法建立與大電網的互聯，在這些地區建立供電可靠的獨立型微電網是有效利用當地可再生資源，對負荷完成帶動的方式[1-4]。

對于微電網的容量優化配置策略，中外已進行了許多研究。文獻[5]提出一種含氫儲能和蓄電池混合儲能系統的風/光/儲微電網結構，基于HOMER Pro軟件仿真得出儲能容量優化配置結果。文獻[6]定義了無量綱的可靠性綜合指標，采用機會約束規劃處理可再生能源不確定性,利用改進NSGA-II算法實現容量優化配置。文獻[7]中引入柴油機作為平衡經濟性和穩定性的電源，但同時會產生額外的碳排放。香港大學研究團隊根據機械彈簧的性質，提出了電力彈簧(electric spring,ES)的概念[8]。ES在有效運行范圍內能根據控制需要輸出適當的電壓，進而實現控制目標。ES 不但可以穩定關鍵性負載電壓,還具有減少轉移功率波動的功能[9]，同時其拓撲結構還不斷在改進[10]，在電網的發展中有著巨大的應用潛力。

現引入電力彈簧裝置ES-1用于調度用戶端的非關鍵負載，電力彈簧與非關鍵負載共同構成分布式的虛擬儲能。同時提出虛擬儲能和分布式電源的協同運行策略，設計計及虛擬儲能的風光儲微電網的一次和二次優化配置方法。最后，以某風光資源充足地區作為算例，驗證文中模型及方法的有效性。

1 風光儲互補獨立微電網模型

對獨立微電網的風光儲互補發電系統優化配置方法進行研究，獨立微電網的系統結構如圖1所示。

圖1 獨立微電網系統結構Fig.1 Structure of standalone microgrid system structure

同時引入基于電力彈簧的虛擬儲能，通過電力彈簧裝置調度用戶側的非關鍵負載作為虛擬儲能，與風光蓄的能量交換流相聯，促進儲能系統的合理配置。

1.1 風力發電機模型

風電的輸出功率取決于風速，采用Weibull分布函數建立風速的概率分布模型，其概率分布函數為

(1)

式(1)中：v為風速；k和c為Weibull概率模型中的形狀參數和尺度參數。由風機和風速的關系可以建立風機輸出有功功率的函數為

(2)

式(2)中：Pw為風機出力；v為實際風速；vin、vn、vout分別為切入風速、額定工作風速、切出風速；Pr為風機額定功率。

1.2 光伏陣列出力模型

光伏的輸出功率取決于光照強度和環境溫度，可以表示為

PPV(t)=PSTCGAC(t){1+k[Tc(t)-TSTC]}/GSTC

(3)

式(3)中：GAC(t)、Tc(t)為t時刻的實際光照強度和溫度；PSTC、GSTC分別為標準測試條件[11]下的最大測試功率及光照強度；k為功率溫度系數。

1.3 蓄電池模型

風光儲混合微電網中蓄電池主要用于平抑風、光出力波動，使總出力跟蹤負荷曲線。蓄電池的荷電狀態具有連續性，當新能源輸出量大于負荷需求時，將差值電能儲存于儲能裝置，當供不應求時則從蓄電池放電以滿足負荷需求。根據荷電狀態，蓄電池的數學模型描述為

(4)

式(4)中：SOC(t)為蓄電池實時荷電狀態；Pch(t)、Pdch(t)分別為實時充電和實時放電的功率；Δt為步長；ηdch為放電效率；Ebat為蓄電池額定容量。

1.4 基于電力彈簧的虛擬儲能

虛擬儲能是從需求側用戶端出發的，具有成本效益的儲能技術，利用用戶端本身的特性，主動調控負荷需求，等效實現儲存能量的功能。引入電力彈簧概念作為虛擬儲能，電力彈簧ES-1的拓撲結構如圖2所示，其由一個單相電壓逆變器和LC濾波器組成，輸出電壓通過濾波電容給出，ES-1與非關鍵負荷串聯組成基于電力彈簧的虛擬儲能。

一般將電壓敏感設備作為關鍵性負載，將空調、冰箱等可承受一定電壓波動的負載作為非關鍵性負載，非關鍵負載愿意犧牲自身電壓質量換取補貼收益。獨立微電網中針對作為虛擬儲能的非關鍵負載，采用的調控手段與可控負荷有所區別，非關鍵負載同時具有向上和向下的調節空間，而可控負荷只能通過減少用電量或轉移用電時段向下調節。

圖2 基于電力彈簧ES-1的虛擬儲能結構圖Fig.2 Virtual energy storage structure diagram based on power spring ES-1

2 容量優化配置方法

2.1 評價體系

選用負載失電率(loss of power supply probabi-lity，LPSP)及能量過剩率(energy exceed rate,EXR)來表征系統的供電可靠性水平以及為了達到可靠運行產生的能量過剩水平；LPSP希望系統任意時刻都能夠滿足功率平衡約束，EXR則希望分布式電源輸出的功率不要溢出，即理想情況下獨立微電網無能量浪費且時刻滿足功率平衡約束。計算方法為

(5)

(6)

式中：δLPSP、δEX、Ploss(t)、PEX(t)、Pload(t)分別為負載失電率、能量過剩率和t時刻失電、過剩功率、t時刻負荷水平。

2.2 協同運行策略

風光儲混合獨立微電網優化配置的方案不僅與目標函數、約束條件、分布式電源數學模型有關，還與選擇的協同運行策略有關。協同運行策略決定了分布式電源的出力順序，合理的協同運行策略能夠提高各分布式電源的利用率。

Pimb(t)=NWTPWT(t)+NPVPPV(t)-Pload(t)

(7)

式(7)中：Pimb(t)為不平衡量，此時可能出現的情況有以下三種：

(1)Pimb(t)=0，即該時刻可再生能源與負荷間滿足功率平衡，不需要調度非可再生能源，但由于風光出力與環境條件有關，而負荷通常具有周期性，此類情況幾乎不存在。

(2)Pimb(t) >0，即該時刻可再生能源的出力超出負荷需求，產生能量過剩，處理方式有以下三步：①優先調度蓄電池進行充電;②若能量仍有剩余,調用虛擬儲能向上調節；③若能量仍有多余，計算能量過剩功率，公式為

PEX(t)=Pimb(t)-Pch,max(t)-Puve(t)

(8)

式(8)中：Puve(t)為向上調節的虛擬儲能功率。

(3)Pimb(t)<0，即該時刻可再生能源的出力無法滿足負荷需求，有部分負載失電，處理方式有以下三步：①優先調度蓄電池進行放電;②若仍無法滿足負荷需求，調用虛擬儲能向下調節；③若能量仍有不足，計算失電功率，公式為

Ploss(t)=|Pimb(t)|-Pdch,max(t)-Pdve(t)

為了建立科學的、系統地實現對國家脆弱性的綜合分析模型，本文從自然因素、環境因素和社會因素選擇了50個指標來衡量國家的脆弱性，由于指標過多，會增加計算的復雜度，因此文章采用PCA(主成分分析)方法先對指標進行降維，

(9)

式(9)中：Pdve(t)為向下調節的虛擬儲能功率，得到失電功率、能量過剩功率后，根據式(5)、式(6)可以計算得出LPSP和EXR。

3 計及虛擬儲能的優化配置模型

3.1 風光蓄容量一次優化配置模型

建立獨立型風光儲微電網的容量優化配置模型，目標函數中經濟性主要包括投資成本、運行維護成本，可靠性成本，目的是在滿足可靠性要求的情況下，做出最經濟的配置方案，目標函數為

minCA=Cinv+CM+Cr

(10)

式(10)中：CA、Cinv、CM、Cr分別為微網配置總成本、投資建設成本、運行維護成本、可靠性成本。

3.1.1 投資建設成本

投資建設成本中包括各類電源的配置成本，與風光蓄配置的數量有關，表示為

(11)

式(11)中：Ni為第i類電源的配置數量；CAfi為單位第i類電源的裝機成本；r為貼現率；Yi為第i類電源的投產壽命。

3.1.2 運行維護成本

運行維護成本中包括各類電源的日常運行維護費用、重置費用，表示為

(12)

式(12)中：Cmc為起始年的運行維護費用；f為通貨膨脹率；m為投產后經過的年數。

3.1.3 可靠性成本

針對LPSP及EXR這兩個評價指標，將其計入到目標函數中，采用罰函數法描述為

Cr=λLδLPSP+λEδEX

(13)

式(13)中：λL為失電懲罰系數，設為105以保證供電的可靠性；λE為能量過剩懲罰系數，設為103以限制能量大量過剩。

3.1.4 約束條件

在微電網容量優化配置過程中，需要考慮場地是否能夠布置優化方案的臺數，約束條件為

0≤NWT≤NWT,max

(14)

0≤NPV≤NPV,max

(15)

0≤Nbat≤Nbat,max

(16)

式中：NWT,max、NPV,max、Nbat,max分別為各類電源最大可投產建設的數量。同時為了保障蓄電池的安全運行，蓄電池在充放電過程中，蓄電池荷電狀態需要維持在限定的水平，表示為

SOCmin≤SOC(t)≤SOCmax

(17)

式(17)中：SOCmin、SOCmax分別為蓄電池荷電狀態的上下限。

同時蓄電池處于不同工況下的功率也需要滿足各自的出力約束，表示為

0≤Pch(t)≤Pch,max

(18)

0≤Pdch(t)≤Pdch,max

(19)

式中：Pch,max、Pdch,max分別為充電工況最大功率和放電工況最大功率。

3.2 基于虛擬儲能的儲能系統二次優化配置模型

當獨立微電網中引入虛擬儲能后，由于其同時具有可向上和向下調節的特性，與蓄電池的特性相似，從而可以替代一部分的蓄電池，同時降低負荷水平，得到更加經濟性的配置結果。二次配置即以一次配置中得到的蓄電池配置結果作為輸入，以虛擬儲能代替部分蓄電池進行配置，其配置目標為儲能系統總體成本最低，即

minCess=N′batCAfb+N′esCAfes+N′esPesCpc

(20)

Pes=UEbat/T

(21)

式中：Cess為二次配置中儲能系統配置的總成本；N′bat、N′es分別為二次配置中蓄電池的個數及虛擬儲能等效為蓄電池的個數；Pes為分布式虛擬儲能等效為單個蓄電池的功率；CAfes為用戶端電力彈簧的配置價格；Ebat為蓄電池額定容量；U和T為用戶端電壓及調度周期；Cpc為虛擬儲能參與調度向用戶提供的經濟補償，其分段函數表示為

(22)

式(22)中：虛擬儲能參與調度的總功率處于不同段時對應的補償單價不同，假設總功率P處于P1～P2之間，則P1～P2間其對應的單價為Cpc2，同時當功率處于0～P1段時按Cpc1計算，即總價為P1Cpc1+(P-P1)Cpc2，蓄電池及等效蓄電池個數均為整數，并采用商業求解器計算。P4設為非關鍵負荷的總功率，電力彈簧僅對非關鍵負荷進行調度，相應的Cpc5設為M。同時二次配置中需要滿足數量約束，即二次配置中蓄電池的個數加上虛擬儲能等效所等效的蓄電池個數等于一次配置中所求得的蓄電池個數。采用協同運行策略的獨立微電網電源優化配置總流程圖如圖3所示。

圖3 計及虛擬儲能的電源優化配置流程Fig.3 Generations optimize allocation flow chart considering virtual energy storage

4 算例分析

4.1 算例條件及參數

本文算例選取風光資源較充足的某地，風速采用Weibull分布進行計算，光輻射強度、溫度、負荷數據采用HOMER軟件模擬，將數據進行離散處理得到年小時數據，所得結果如圖4～圖7所示。

圖4 年小時平均風速Fig.4 Hourly average wind speed for a year

圖6 年小時平均溫度Fig.6 Hourly average loads for a year

圖7 年小時平均負荷Fig.7 Hourly average temperature for a year

除基于當地的氣象環境條件外，電源投資成本還與各分布式電源選型參數及投資參數有關。

風電機組：配置成本為495 080元；運行維護成本為1 910元；額定功率為10 kW；切入風速為3 m/s；額定風速為10 m/s；切出風速為25 m/s。

光伏陣列：配置成本為3 450元；運行維護成本為13元；額定功率為0.1 kW。

蓄電池：配置成本為1 276元；運行維護成本為13元；放電效率為0.9；荷電狀態上下限分別為1及0.2；初始荷電狀態為0.5；容量為300 A·h。

投資參數：通貨膨脹率為0.005；貼現率為0.067。

4.2 算例結果與分析

4.2.1 負載失電率對電源優化配置的影響

針對本文中所提出的模型，設定粒子群算法的種群數量為40，迭代次數為150，采用慣性權重對數遞減[12]的方法針對早熟和局部收斂問題進行改進，負載失電率α分別設定為3%、2%、1%、0，能量過剩率均設為100%，先不引入基于電力彈簧的虛擬儲能，得到表1所示的優化結果。

表1 一次優化配置結果

表1中各配置方案的能量過剩率均未超過設定值，同時，設定越嚴格的負載失電率，配置的結果就擁有越高的能量過剩率水平，這是由于為了在更多的時刻滿足功率平衡，需要提高電源在每個時刻的出力下限，也就需要配備更多的分布式電源及儲能，這說明為了達到更嚴格的可靠性，會產生更多的能量浪費。

如圖8所示，當負載失電率要求從3%提高到2%時所產生的成本相對于負載失電率2%～1%或1%～0相比，前者增加的成本并不多，而后兩者所增加的成本均以遞增的幅度增加。這是因為隨著可靠性要求的增加，在負荷較高時段，必須提高電源的出力上限水平才能彌補負載失電率的懲罰，從而導致成本增加，這說明選擇合適的可靠性水平對于電源優化配置的經濟性有很大影響。

圖8 負載失電率與微網配置總成本的關系Fig.8 Relationship between LPSP and annual cost

4.2.2 引入虛擬儲能對電源優化配置的影響

方案一：設置式(21)～式(23)中各參數如下：

CAfes=300元;U=220 V,T=24 h；

P1=50 kW,P2=100 kW,P3=150 kW,P4=200 kW;

Cpc1=0.1元/W,Cpc2=0.2元/W,Cpc3=0.4元/W,

Cpc4=0.6元/W,Cpc5=1 000元/W。

方案二：在方案一的基礎上，修改Cpc3=0.3元/W。

方案三：在方案一的基礎上，修改P4=250 kW。

以負載失電率設置為1%和2%的一次優化配置結果作為二次配置的輸入，在MATLAB平臺通過YALMIP[13]調用商業求解器GUROBI，在三個方案下分別進行儲能系統的優化配置，所得配置結果如表2所示。

表2中Cess,d、Cess、Cbat分別為儲能系統減少成本、二次配置儲能系統成本、一次配置蓄電池成本。根據配置結果可進行以下分析。

表2 二次優化配置結果

(1)在保持設定的負載失電率不變的情況下，引入基于電力彈簧的虛擬儲能后，由于電力彈簧能夠調度用戶側的非關鍵負荷作為等效的蓄電池，所需配置的蓄電池數量有所下降，且在不同方案下儲能系統總成本均較一次配置的結果有所下降。

(2)相同方案下，設定不同的負載失電率，二次配置中的等效蓄電池個數均相同，說明蓄電池和虛擬儲能間找到了平衡點；而由方案一和方案三的配置結果區別可得，該平衡點與分段函數的邊界設定有關，邊界則對應可調度的最大資源量。

(3)將Cpc3降低0.1元/后，得到表2中方案2對應的配置結果，所配置的蓄電池均減少了18臺，這說明為參與調度的虛擬儲能用戶設定合適的補償價格有利于提升資源配置的合理性。

(4)在相同的負載失電率設置下，配置54、72、90臺蓄電池所等效對應的虛擬儲能調度總功率分別為148.5、198.5、247.5 kW，均接近對應方案中調度價格分段函數的邊界，可見在獨立微電網的規劃中如何確定非關鍵負載的可調度潛力十分重要。

5 結論

針對獨立型微網，在配置各類分布式電源時引入了基于電力彈簧的虛擬儲能，在一次優化配置中考慮了微網的可靠性和經濟性，得出各類分布式電源的配置結果。以其作為二次優化配置的輸入，求得引入虛擬儲能后的配置結果，確定了最終的分布式電源配置方案。算例結果表明，引入虛擬儲能后能夠減少微電網的儲能系統配置成本，從而降低微網的規劃成本，并得到以下結論。

(1)系統的可靠性參數設定是影響經濟成本最重要的一個因素，越嚴格的可靠性要求所帶來的經濟成本越高，設定合理的可靠性指標能有效降低電源的投資溢出。

(2)在分布式電源優化配置中引入基于電力彈簧的虛擬儲能，能夠降低儲能系統的配置成本，提高微電網的經濟性。

(3)為參與調度的虛擬儲能用戶設定合適的補償價格和價格分段邊界有利于提升儲能系統資源配置的合理性。