基于NSGA-Ⅱ的并網型風光儲系統最優配置

郝巍

（國家電投集團云南國際電力投資有限公司，云南 昆明 650228）

0 前言

隨著3060 雙碳目標和新型能源體系建設不斷深入，各能源企業紛紛全力以赴投入到新能源開發建設中，但是由于風電和光伏出力的隨機性，項目并網時會造成送變電設備利用率降低、投資浪費[1-2]。文獻[3] 發現了風光出力的互補性；文獻[4]通過遺傳算法優化風光儲裝機配比組合；文獻[5]以綜合成本最低為目標構建模型，并考慮了儲能和可再生能源之間的互補性；文獻[6] 則從儲能帶來的效益出發，將商業儲能的選址、定容問題和線路擴展規劃集成起來，構建輸儲規劃模型；文獻[7] 采用迭代算法研究了多區域電力系統儲能優化配置；文獻[8]通過一種分階段的輸儲模型，研究系統最低經濟成本。上述研究中均未考慮送出線路選型對于風光儲系統綜合效益的影響，面對大規模風光并網的最優經濟性問題，本文首先采用NSGA-Ⅱ算法進行風光互補發電系統多目標優化，在局部系統中合理安排新能源和儲能容量，進而延緩對送出線路進行升級或者擴建的需求，實現節約投資、提高設備利用率的目的。

1 考慮送出方案的風光儲系統最優配置研究思路

1.1 總體思路

隨著集中式新能源的快速發展，某些區域內風光儲系統通過同一升壓匯流站并入主網的方式逐漸增多，考慮各電源之間的聯絡線和外部送出方案的風光儲系統最優配置逐漸體現出復雜性和必要性。

本研究選擇的系統位于云南省某縣域，該區域的光照和風力資源均為全省最優，系統中的風電、匯流升壓站和送電線路均已建成投產，兩個風電裝機分別為145.4 MW、154.6 MW；兩個風電場各擁有一個220 kV 升壓站；兩個風場之間采用單回220 kV 線路進行聯絡，導線截面240 mm2；兩個風場匯集至風電場2 到主網的220 kV 線路是單回NR400 mm2架空線；光伏和儲能項目的裝機規模未定。如圖1 所示。通過本次研究來確定投資最小、送出線路利用率最高、棄風棄光最少的方案。

圖1 云南省某區域風光儲系統

1.2 風光互補特性

項目所在區域的風光互補特性采用式（1）和（2）進行分析：

式中，θ為相關系數，P1、P2分別為風力和光伏發電出力率。當θ>0，表示P1、P2出力趨向一致，互補性差；當θ=0，表示二者相互獨立；當θ<0，表示二者出力互補性強。

Kendall 秩相關系數法基于隨機性的變量排序，反映了變量之間的單調性，即變化趨勢的一致性。相關系數θ計算方法如式（3）：

式中，{(x1,y1), (x2,y2)…,(xn,yn)}∈?(P1,P2)為風力發電和光伏發電的組成樣本觀測值。

將根據項目所在區域的光照強度以及月平均風速代入上述公式得出不同季節風光出力的相關性（如表1 所示）。

表1 不同季節風光出力相關性

從計算結果可以看出，該區域夏季與冬季風光出力具有很強的互補性，3-10 月光照強度高于風速，5、6 月達到最高值；風速表現為夏季5-7 月較低，冬季10-12 月較高，風速在冬季大于光照強度的數值。

1.3 多目標最優模型

綜合考慮年棄風成本fwind、棄光成本fpv以及儲能成本fess、送電線路擴建成本fline和棄風棄光率f2、線路利用率f3，將總成本f作為規劃方案的目標函數：

1.3.1 儲能成本

式中：cvess,k和cfess,k表示儲能在k節點的可變成本和固定成本；若k節點配置了儲能，則xess,k取1，否則置0；Ωess表示可配置儲能的節點集合；Press,k表示儲能在k節點的功率；Eress,k表示第k個節點處的儲能容量；kde表示儲能年折舊系數；koc表示儲能運行成本系數；kmc表示儲能維護成本系數；kdc表示儲能折舊系數；cp表示儲能單位功率成本；ce表示儲能單位容量成本。

1.3.2 年棄風、棄光成本

式中：Ωwind表示風力發電場的集合；Ωpv表示光伏發電站的集合；Γ表示風光互補發電典型場景；ψ表示風光發電典型時段；cwind表示棄風的成本；cpv表示棄光的成本；days表示第s種場景下樣本的總數；Pwind,j,t,s、Pmaxwind,j,t,s、Pmaxpv,j,t,s、各自表示第s種典型場景下第j個風力發電場或光伏發電站在第t個時間段內真實出力和最大出力。

1.3.3 送電線路擴建投資成本

式中：i表示送電線路的貼現率；n表示送電線路使用壽命；cline,ij表示支路ij新建線路的成本；表示第ij條支路的第q條線路是否擴建，取值1 表示擴建，取值0 表示不擴建；Ωq表示待選可擴建的線路集。

2 NSGA-Ⅱ算法

NSGA-Ⅱ是最流行的多目標遺傳算法之一[9]，它降低了非劣排序遺傳算法的復雜性，具有運行速度快、解集的收斂性好的優點，成為其他多目標優化算法性能的基準。由于它采用了快速非支配排序算法，計算復雜度比NSGA 大大降低；采用了擁擠度和擁擠度比較算子，代替了需要指定的共享半徑，并在快速排序后的同級比較中作為勝出標準，使準帕累托域中的個體能擴展到整個域，并均勻分布，保持了種群的多樣性；引入了精英策略，擴大了采樣空間，防止最佳個體的丟失，提高了算法的運算速度和魯棒性。計算原理如圖2 所示。

圖2 優化流程

上述f1是各方案之間相對建設成本，包括光伏本體、電源聯絡線、儲能、整體外送方案的建設投資；f2是可研發電量與實際發電量之間的差值，通過電源和儲能出力曲線與送出通道能力擬合計算；f3是指整體外送線路的實際送電小時數與經濟利用小時數之間的比值。

3 方案比選和計算分析

3.1 方案比選

本研究中考慮暫未明確裝機的光伏項目選擇從兩個風電場220 kV 升壓站匯合送出，方案一、二接入風電場2，方案三、四接入風電場1。其中，方案一、三的光伏裝機為90 MW，方案二、四的光伏裝機分別為240 MW、200 MW。為盡可能提高電源送出率，還考慮了不同的儲能配置和線路加強方案。各方案情況如圖3 所示。

圖3 不同比選方案

3.2 計算分析

計算結果（如表2）表明，方案三雖然光伏裝機只能達到90 MW，但相對建設成本最低，棄風棄光率在可接受范圍內，送電線路利用率最高；方案二雖然光伏裝機能達到240 MW，但犧牲了送電線路利用效率，且投資最高。因此，方案三在系統綜合利用效率上最優。該結論也驗證了本文提出的計及風光出力相關性對于風光互補發電系統容量優化的意義，可以有效減少風機和光伏單獨出力的不確定性以及新能源電量損失，提高了送電線路利用率，同時降低了成本。

表2 計算結果

4 結束語

本文采用NSGA-Ⅱ算法對并網型風光儲系統進行多目標優化，將棄風棄光率、投資成本、送電線路利用率3 個優化目標進行綜合考慮，得出最優的系統配置。結論如下：

1）本方法發揮了風光互補特性最大潛能，總投資成本大幅節省，并且提高了主網對風光的接納能力。

2）本文選取的三個優化目標，可以作為該類型局部系統優化的主要指標，具有合理性和有效性，給新能源、儲能、送電線路合理配置提供了參考。