計及需求響應的聯網型微電網儲能容量隨機規劃方法

孫開元, 陳坤, 岑海鳳, 李濤, 曾慧, 林琳

(廣東電網有限責任公司廣州供電局, 廣州 510013)

微電網是指由分布式電源、儲能裝置、能量轉換裝置、負荷、監控和保護裝置等組成的小型發配電系統。隨著全球經濟的快速發展,微電網得到社會各界專家的高度重視[1]。微電網中的新能源發電具有較強的隨機性和波動性,會對微電網的電壓波動等帶來影響,如何平抑微電網中新能源系統的能量波動是研究的首要任務。而聯網型微電網是解決高比例新能源接入配電網中能量波動的有效方案,但該方案對儲能容量的規劃提出了較高要求。因此,對聯網型微電網儲能容量進行規劃具有重要的意義。

目前,隨著新能源技術的發展,國內大量學者對微電網儲能容量規劃方法進行了研究,如招景明等[2]提出一種考慮光伏波動的有源配電網分布式儲能雙目標優化規劃方法,該方法以電壓波動和配電網綜合成本為雙目標,通過分布式儲能優化規劃模型對雙目標模型進行優化求解,解決了光伏出力隨機性對儲能配置方案的影響。但該方法存在經濟性不理想的問題,建設和運行成本較高。謝鵬等[3]提出了一種考慮多時間尺度不確定性耦合影響的風光儲微電網系統儲能容量協同優化方法,該方法在考慮微電網優化運行的耦合前提下,根據能量平衡能力指標以及魯棒性協調成本指標構建了微電網儲能容量規劃模型,并通過復合差分進化算法對其進行求解,最終得到規劃方案。該方法僅限于包含可再生電源和電力負荷的微電網系統,在含多種分布式電源的聯網型微電網儲能容量規劃中,存在儲能額定電量容量不穩定的問題。黃金鑫等[4]提出了一種基于蒙特卡洛模擬和頻譜分析法的孤島微電網儲能容量配置方法,該方法在考慮微電網潮流約束以及安全約束的條件下,構建最小功率補償模型,通過非線性內點規劃求解最小功率補償。使用離散傅里葉對得到的最小功率補償進行頻譜分析,獲取對應的補償指令,進而實現儲能容量規劃。該方法有利于解決孤島型微電網中間歇性新能源消納及功率波動的問題,但存在儲能系統負荷較大的問題。徐婉迪等[5]提出了一種不確定環境下并網型光儲微電網的容量規劃方法,針對并網型光儲微電網容量規劃問題,構建了全新的兩階段分布魯棒優化模型,并基于線性決策準則對模型進行求解,從而實現微電網容量的規劃,該方法存在能量平衡能力不高的問題。張富平等[6]提出一種計及分布式電源不確定性的微網儲能容量博弈優化方法,通過建立微網間的非合作博弈模型,考慮分布式電源出力的不確定性,利用機會約束規劃理論對微網非合作博弈優化模型進行建模分析,該方法在聯網型微電網儲能容量規劃中存在規劃效率不高、規劃精度不高等問題。

為解決以上方法存在的問題,現提出一種計及需求響應的聯網型微電網儲能容量隨機規劃方法,在考慮需求響應的基礎上,構建聯網型微電網儲能容量隨機規劃模型,通過改進后的粒子群優化算法(particle swarm optimization,PSO)對儲能容量隨機規劃模型進行求解,從而獲得最優規劃方案。

1 計及需求響應的聯網型微電網儲能容量隨機規劃模型

1.1 隨機模擬技術

根據隨機變量的概率抽取變量可以很好地實現隨機模擬,對于一些無法求解的復雜度較高的規劃問題,使用隨機模擬模型求解是較好的解決方案之一。估計目標函數的期望值和估計隨機事件發生的概率是隨機優化問題中主要的應用方面[7]。

在考慮需求響應的基礎上,構建聯網型微電網儲能容量隨機規劃模型,該模型由目標函數以及約束條件共同組成隨機變量,目標函數的期望值為

(1)

式(1)中:θ為目標函數的期望值;g(ξ)為目標函數;N為隨機樣本的數量;i為樣本的編號。

由于實際約束條件比較模糊,因此,在隨機模擬技術下,通過概率來進行約束條件的表示。設某一概率約束條件為

Pr{gj(x,ξ)≤0}≥λj,j=1,2,…,p

(2)

式(2)中:x為決策向量;ξ為隨機變量;gj(x,ξ)為約束條件函數;λj為置信水平。

采用隨機模擬技術驗證對應的約束條件,詳細的操作步驟[8]如下。

步驟1優先設定置數N1=0。

步驟2隨機形成N個變量,設定隨機變量樣本為ξi。

步驟3假設決策變量x滿足gj(x,ξi)≤0,需要將預置數的取值加1。

步驟4將步驟3重復N次。

步驟5假設N1/N≥λj,則成立;反之,則不成立。

1.2 模型構建

1.2.1 目標函數

在計及需求響應條件下,聯網型的微電網輸出功率會隨著外界條件的變化而變化,同時由于電力系統包含多種不同的運行模式,而且不同時段的風機輸出功率也存在十分明顯的差異。為了確保聯網型微電網能夠更好完成儲能容量隨機規劃,使規劃后的項目投資費用最小[9-10],構建聯網型微電網儲能成本目標函數f1為

f1=CucPuc+CbatPbat

(3)

式(3)中:Puc為超級電容的額定功率;Pbat為蓄電池的額定功率;Cuc為超級電容單位功率的成本;Cbat為蓄電池單位功率的成本。

計及需求響應的聯網型微電網儲能的另一個優化目標是可再生能源功率波動平抑,該值應該以加入儲能系統后等效輸出功率的方差最小為目標,根據微電網配置運行一段時間內的輸出功率方差和最小為目標函數f2為

(4)

PDG,i=Pgd,i+Puc,i+Pbat,i

(5)

式中:Puc,i和Pbat,i分別為超級電容以及蓄電池的輸出功率;Pgd,i為沒有儲能補償的可再生能源的實際發電功率;PDG,i為經過儲能補償后可再生能源的輸出功率;t1為儲能參入可再生能源功率調節的開始時間;t2為儲能參入可再生能源功率調節的結束時間。

1.2.2 約束條件

計及需求響應的聯網型微電網儲能系統容量配置應該考慮功率平衡、儲能電池荷電狀態、儲能最大功率限制等方面的約束條件,具體如下。

1)功率平衡約束

聯網型微電網在運行過程中,需要滿足功率平衡需求,功率失衡將造成微電網運行中出現功率波動,從而產生故障,因此,功率平衡約束條件為

Pgd,i+Puc,i+Pbat,i-PL,i-PLoss,i=0

(6)

式(6)中:PL,i為電力系統的負荷功率輸出值;PLoss,i為微電網運行過程中產生的功率損耗。

2)儲能電池荷電狀態

為了確保聯網型微電網的正常運行,在使用儲能電池的過程中,需要保證電池的安全性和最小耗損,有效防止過度放電對電池本身造成的影響[11-12]。其中,電池荷電狀態需要滿足以下的約束條件為

(7)

式(7)中:SOCuc,max和SOCuc,min分別為超級電容荷電狀態的上限和下限;SOCB,max和SOCB,min分別為蓄電池荷電狀態的上限和下限。

3)最大功率要求

在短時故障下,微電網中會突然出現比較大的功率,為了有效防止上述情況的發生。微電網儲能系統必須快速輸出較大功率,也減少突然大功率缺失對電能質量的影響。儲能系統的總功率不小于瞬時功率最大值ΔPmax,表達式為

Puc,i+Pbat,i≥ΔPmax

(8)

在上述分析的基礎上,還需要設定超級電容以及蓄電池儲能輸出功率的范圍,表達式為

(9)

對以上的目標函數以及約束條件進行總結,即可獲取計及需求響應的聯網型微電網儲能容量隨機規劃模型[13-14]為

(10)

(11)

1.3 模型求解

粒子群優化算法(PSO)是一種基于種群的隨機優化技術,采用改進的粒子群算法[15]對上述構建的計及需求響應的聯網型微電網儲能容量隨機規劃模型進行求解,優先對PSO算法中的編碼方式進行改進。在聯網型微電網運行過程中,需要通過決策變量的閾值取值范圍確定最終的解集搜索空間。

在搜索空間中會形成初始化的粒子種群,在搜索空間中對全部粒子群進行初始化處理[16],即可形成粒子種群表示為

(12)

由于聯網型微電網中分布式電源的隨機出力特性導致隨機變量影響負荷的分配,因此,需要采用隨機模擬技術來對約束越限值進行模擬。

根據隨機模擬技術[式(2)]可知,在計及需求響應條件下,聯網型微電網儲能系統中的負荷需要滿足式(11)中的約束條件,表達式為

(13)

經過改進后,利用隨機模擬技術和改進后的PSO算法對計及需求響應的聯網型微電網儲能容量隨機規劃模型進行求解,求解流程如圖1所示,求解步驟如下。

圖1 模型求解流程Fig.1 Model solving process

步驟1計算網損和方差靈敏度,同時將其進行排序。

步驟2輸入儲能容量歷史數據,采用相關公式計算獲取粒子的位置和速度值。

步驟3計算不同粒子的適應度取值。

步驟4更新粒子的全局以及局部最優值。

步驟5通過模擬退火算法對求解的局部最優解進行抽樣,形成全新的目標函數值,使用Metropolis準則保留最優解,剔除無用解。

步驟6通過抽樣結果獲取全局最優,同時檢驗算法是否達到最大迭代次數,假設達到,則跳轉至步驟7;反之,則返回步驟4。

步驟7輸出最優規劃方案。

2 實驗分析

為了驗證所述的計及需求響應的聯網型微電網儲能容量隨機規劃的效果,需要準確描述儲能系統額定容量和微電網能量平衡能力之間的關系。現以廣東省某地區聯網型微電網為例,該微電網中存在分布式光伏和風力發電系統,共由30個節點所構成,分別標記為1～30,其中在4、10、15號多元負荷節點處并入光伏機組,在20號多元負荷節點處并入風力機組。優先獲取不同仿真對象的光伏以及風電等數據的變化情況,負荷、光伏和風電標幺化數據如圖2所示。

圖2 負荷、光伏和風電標幺化數據Fig.2 Standardized data of load, photovoltaic and wind power

優先獲取不同仿真對象的光伏以及風電等數據的變化情況,負荷、光伏和風電標幺化數據如圖2所示。

圖2(a)～圖2(c)分別為不同仿真對象在00:00—24:00時間段的負荷需求標玄值、光伏出力標幺值和風電出力標幺值折線圖。由圖2(a)可知,不同仿真對象的負荷需求標玄值隨時間變化均先呈現波動變化,08:00—16:00時間段內持續上升隨后趨于平衡。其中,仿真對象為16:00—20:00時負荷需求標玄值最大。由圖2(b)可知,各仿真對象均隨著時間的增加呈現先增大后減小的趨勢,當處于12:00時各仿真對象的光伏出力標幺值均達到最高。由圖2(c)可知,各仿真對象的風電出力標幺值隨時間增加無規律波動變化。其中,當仿真對象參數小于0.2時其風電出力標幺值明顯高于仿真對象參數大于0.2時的風電出力標幺值。

經過擬合獲取不同類型儲能系統額定容量下微電網的能量平衡能力變化情況,得出能量平衡能力指標測試結果如圖3所示。

圖3 能量平衡能力指標測試結果Fig.3 Test results of index value of energy balance ability

分析圖3中的實驗數據可知,隨著電容電量的不斷增加,微電網的整體平衡能力開始變強。

雖然電容電量的增加會提高微電網的整體平衡能力,但是電容電量的增加會提高建設和運行成本,因此,需要考慮微網與主網聯網變壓器的變電容量對儲能系統的容量配置以及總成本的影響,分析變壓器容量和儲能配置的經濟性。在實驗模擬中設置3 種規格的變壓器容量,分別為315、400和500 kV·A,運行時間設置為前10年,不同變壓器容量下的儲能系統成本如表1所示。

表1 不同變壓器容量下的儲能系統成本Table 1 Cost of energy storage system with different transformer capacities

由表1的結果可知,變壓器容量越大,對應的儲能容量就越小,主要是由于變壓器容量越大,計及需求響應的聯網型微電網中儲能需要調節的作用就越少,不需要配置較多的儲能來用于調節。而且儲能所需要投入的成本較高,配置的儲能容量越大,需要投入的成本也越多,同樣,變壓器容量越大,投入的成本也越多。當變壓器容量由315 kV·A增長到400 kV·A時,建設成本加運行成本由138.86萬元降到了137.73萬元,而變壓器容量由400 kV·A增長到 500 kV·A時,建設成本加運行成本由137.73萬元增加到了138.64萬元。可見,在變壓器容量為400 kV·A時,儲能系統的綜合成本最低,因此,在該聯網型微電網中,考慮到變壓器容量和儲能配置的綜合成本最優,選定所使用的變壓器容量為400 kV·A,儲能容量為49.465 kW·h。

為了進一步驗證計及需求響應的聯網型微電網儲能容量隨機規劃方法的優越性。采用文獻[3]中的考慮能量平衡能力指標以及魯棒性協調成本指標的微電網儲能容量隨機規劃方法、文獻[4]中的考慮潮流約束以及安全約束的微電網儲能容量隨機規劃方法和本文方法進行對比分析,對比測試3種不同方法的儲能容量規劃性能,實驗測試結果如表2所示。

表2 不同方法的儲能容量規劃性能測試結果Table 2 Performance test results of energy storage capacity planning by different methods

表2中,已考慮和未考慮是指是否考慮實驗的隨機不確定性。由表2中的數據可知,本文方法相比文獻[3]方法和文獻[4]方法的能量平衡能力指標更高,特別是在考慮隨機不確定性后,能量平衡能力指標更高。而且所提方法的儲能額定電量容量相比文獻[3]方法和文獻[4]方法在考慮隨機不確定性和不考慮隨機不確定性的差值最小,說明所提方法的儲能額定電量容量相對更穩定。所提方法的儲能系統負荷相對于文獻[3]方法和文獻[4]方法更小,在考慮隨機不確定性后,負荷更小,說明所提方法功率輸出更平衡。主要是由于所提方法在計及需求響應條件下,將功率平衡最優作為規劃目標,組建儲能容量隨機規劃模型,并利用改進粒子群算法對構建的儲能容量隨機規劃模型進行求解,從而獲得了較好的規劃性能。

為進一步驗證所提方法的規劃效率,采用文獻[3]方法和文獻[4]方法、本文方法分別對計及需求響應的聯網型微電網中電源規劃和網架規劃所用時間進行對比,結果如圖4所示。

圖4 電源規劃和網架規劃所用時間比較Fig.4 Time comparison between power supply planning and grid planning

由圖4可知,本文方法的電源規劃和網架規劃所使用的時間,比文獻[3]方法與文獻[4]方法所有時間都短,表明所提方法具有更高的微電網儲能容量隨機規劃效率,主要是由于本文方法采用了粒子群優化算法對隨機規劃模型進行了求解,提高了處理效率。

3 結論

為了更好地實現儲能容量規劃,得到最優規劃方案,在考慮功率平衡、儲能電池荷電狀態以及最大功率要求的基礎上,提出了一種計及需求響應的聯網型微電網儲能容量隨機規劃方法。在考慮需求響應的基礎上,通過構建聯網型微電網儲能容量隨機規劃模型,利用改進后的PSO算法對模型進行求解,從而獲得最優規劃方案,得出以下結論。

(1)經過擬合獲取不同類型儲能系統額定容量下微電網的能量平衡能力變化情況可知,隨著電容電量的不斷增加,微電網的整體平衡能力開始變強。

(2)變壓器容量越大,對應的儲能容量就越小,反之,儲能容量越大,變壓器容量越小。因此,需要考慮變壓器容量和儲能配置的綜合成本,項目案例中選定所使用的變壓器容量為400 kV·A,儲能容量為49.465 kW·h。

(3)本文方法相比文獻[3]方法和文獻[4]方法的能量平衡能力指標更高,特別是在考慮隨機不確定性后,能量平衡能力指標更高,儲能額定電量容量相對更穩定,儲能系統負荷更小,功率輸出更平衡,表明儲能容量規劃效果好。

(4)本文方法相比文獻[3]方法和文獻[4]方法,電源規劃和網架規劃所用時間更短,表明所提方法規劃效率更高。

(5)實驗在儲能配置容量隨機規劃方面,因實驗時間和項目資金有限,后續實驗可進一步優化微電網中需求響應資源與儲能的關系,從而減少儲能配置容量需求,以達到提高微電網運行和規劃經濟性的目的。