风/光/柴多能互补发电系统优化配置研究

宋旭日，叶林

（中国农业大学信息与电气工程学院，北京100083）

分布式发电是在用户现场或者靠近用电现场配置容量较小的发电机组（一般低于50 MW），以满足特定用户的需要，支持现存配电网的经济运行，或者同时满足这两个方面的要求。分布式电源（DG）通常包括：太阳能发电、风力发电、微水发电、燃料电池、生物发电及储能装置等。分布式发电是对大电网的辅助和补充，在意外灾害发生时持续供电，弥补大电网安全运行的不足，可以有效地实现能源的梯级利用，提高电力系统供电的可靠性与灵活性[1-2]。

国内外学者针对DG引入电力系统后产生的各方面影响进行了评估分析，以求DG配置价值的最大化[3-4]。利用遗传算法进行多目标优化，其中包括风力发电机的型号和容量以及光伏电池的容量和倾角对系统供电可靠性和成本的影响，该算法在一定程度上提高了问题寻优的速度，但仍然未能保证解的全局收敛性[5-7]。从节能环保角度出发，建立了综合经济、环保型模型求解分布式电源配置方案[8]。提出一种基于改进微分进化算法的风光互补混合供电系统容量优化配置模型，但对于分布式发电系统都没有进行微网系统级的研究，因而无法全面地体现分布式发电的优越性[9]。

本文以远离供电中心、与输电系统弱连接的偏远配电网为研究系统。引入启发式算法，以分布式发电投资、运行费用、向输电系统直接购电费用以及考虑环境因素费用总和最小为优化目标，分别对并网型和离网型2种情况进行规划和运行的综合分析，从而确定各DG类型的最优投入容量。

1 风/光/柴多能互补发电系统简介

如图1所示，分布式发电系统由不同型号的风力发电机、太阳能电池、同步发电机（柴油发电机等）和蓄电池组成。各发电系统具有不同的成本，对用户供电可靠性也不同，各个发电系统相互补充，弥补各自独立发电的不足之处，向电网提供更加稳定的电能，从而极大提高了分布式发电的供电可靠性[10-11]。

图1 分布式发电系统结构示意图

风/光/柴多能互补发电系统主要由太阳电池阵列、风力发电机、柴油发电机、蓄电池组和负荷所组成。其中太阳电池阵列输出的是直流电，输出电压和电流一般随着太阳电池上辐射强度和电池板倾角的变化而变化，输出直流经过逆变器给交流负载供电。风力发电机输出的是三相交流电，输出功率随风速大小变化而不断变化，可通过现场总线直接给负荷供电。柴油发电作为系统备用电源，可以弥补风力发电和太阳能发电的随机性和不均匀性。

太阳能和风能均受天气变化的影响，为充分利用新能源的同时保证负荷的供电可靠性，系统中需要加入储能装置，铅酸蓄电池由于其相对较低的价格，使其成为系统的主要储能设备。在太阳能和风能资源丰富时，可对蓄电池进行充电储能，反之蓄电池给系统供电。太阳能电池的输出为直流电可直接用于蓄电池的充电。

由于负荷电压一般为交流电，使用逆变器将直流电压转换为负载要求的交流电压,需要在太阳能电池的输出端连接最大功率点跟踪装置MPPT(Maximum Power Point Tracking)及控制单元使太阳能电池的输出保持在最大输出功率。

1.1 风力发电机（W ind T urbine,WT）模型简介

风力发电机是把风的动能转换成机械能的机械装置，通过大量实验表明，风机的输出功率与风速之间的关系如下[11-12]：

式中，Pt为风力发电机的输出功率，W；Pr为风力发电机额定功率,W；vci为切入风速，m/s；vco为切出风速，m/s；vr为额定风速,m/s；v为实际风速,m/s。

1.2 太阳能电池（Photovoltaic,PV）模型简介

太阳能电池是将太阳能辐射转换成电能的静态装置，输出功率为直流电的形式，其大小取决于太阳能辐射量和温度等条件，式（2）给出了太阳能电池板的输出功率[13]：

式中，fpv为太阳能电池的转换效率，%；Ypv为太阳能电池板额定容量,W；IT为太阳能电池板所接受的辐射量，kW/m2，Is=1kW/m2。根据所给地区的辐射量数据，即可计算出太阳能电池的输出功率。

1.3 蓄电池（Storage Battery,SB）模型简介

蓄电池作为储能装置，在分布式发电系统中起着平衡功率的作用，可以弥补风力发电、太阳能发电的随机性和不均匀性，提高了供电可靠性。在风能和太阳能资源丰富的时候，系统对蓄电池进行充电，但不能过充；同样，在风能和太阳能资源短缺的时候，蓄电池放电，保证负荷正常工作，但不能过放电。

蓄电池吸收的最大功率，用最大充电功率来决定是否蓄电池能够全部吸收分布式发电发出的电能，蓄电池最大的功率为[14]：

式中，Q1为蓄电池的初始可利用电能，kW·h；Q为蓄电池初始总电能，kW·h；c为蓄电池容量比率，%；k为蓄电池比率常数，h-1；Δt为时间步长，h。

1.4 柴油发电机（Diesel Engine Generator,DEG）模型简介

分布式发电系统中还可能包含有柴油发电机、微水发电机等同步发电单元，它们的能耗-功率输出特性为[12]

式中，a、b、c为发电机组的相关参数。

2 多能互补发电系统优化模型

由于分布式发电中太阳能、风能波动性较大并且具有很大的随机性，准确合理的匹配设计系统对分布式发电系统的推广尤为重要，它是充分利用风光资源在时间和空间分布上所呈现出的互补性的前提。系统匹配设计不合理将导致较高的系统供电成本和较差的性能表现，甚至根本不能体现出互补发电系统自身的优越性。准确合理的匹配设计应根据用户所在地的地理位置、地形条件、气象条件、组件（包括风机、太阳能电池、蓄电池、柴油发电机、转换器等）实际的工作特性以及用户用电需求等来确定系统各部分容量，使系统各部分尽可能工作在理想状态下[1]。

2.1 目标函数

对于多能互补发电系统，优化设计目标主要是在满足系统性能指标的前提下，使系统投资、运行、可靠性和环境治理等综合成本最小，其目标函数可以表示如下：

2.2 约束条件

为实现目标函数，需要满足以下约束条件。

1）功率平衡约束：每小时电网输出功率Pgrid和分布式发电输出功率Pdg之和等于对应小时总负荷需求PL：

2）分布式电源运行约束：分布式电源容量PDG须在最大容量PDGmax范围内：

3）供电可靠性约束：考虑分布式发电元件停运概率，系统必须满足一定的供电可靠性，本文将失负荷概率（LOLP）控制在2%以内。

式中,LOLP为失负荷概率，指的是统计期间内用户停电的总小时数与统计期间总供电小时数的比值[15-16]。

4）输电容量约束[17]：电网传输功率Pgridt最大不能超过输电网允许传输最大容量Pgmax：

2.3 启发式算法

多能互补发电系统优化配置的确定，要受到地理位置、气象条件（风速、光照等）、组件（风机、太阳能电池、柴油发电机等）实际的工作特性以及负荷特性的影响，在给定以上参数的条件下，应用启发式算法[2,17]，根据仿真得到的各组可行方案，比较其总投资费用，选择投资费用最少的方案为系统最优配置。具体算法流程如图2所示。

(1)开展教师下企业的活动，让教师更加深刻地了解各个行业的具体行业规范和思政要求，并使教师收集丰富的教学资料。

图2 启发式算法流程图

3 算例分析

本文应用HOMER软件建模仿真，来确定分布式发电系统中各部分的最优配置。HOMER软件是美国国家新能源实验室（NREL）开发的软件，主要用于设计和优化小型混合发电系统。它包含了一定数量的能源组件模型，基于成本和资源可利用性来进行适当的技术选择。HOMER主要是对能源、经济限制和控制方法的要求进行分析。它也要求输入组件类型、组件数量、成本、效率和使用寿命等等。在一定范围内给某个变量取值进行敏感分析，可以得出这个变量对系统配置的影响[16-17]。

本文针对某地区（北纬19°，经度0°）搭建模型进行仿真，该地区年平均风速5.758 m/s，月平均太阳辐射量为5.18 kW/m2，日平均负荷为85 kW·h/d，年度负荷峰值为12.1 kW，系统由分布式发电系统（包括风力发电机、太阳能电池、柴油发电机）和电网供电，分布式发电系统与电网弱连接，柴油发电机作为备用机组，供给一定的负荷，保证供电可靠性。相关分布式发电单元参数见表1。

表1 各类型分布式发电单元参数

3.1 系统并网运行分析

假设大电网全年正常运行，电网电价固定0.05$/kW，正常情况下电网的最大输电功率为60 kW。分布式发电系统：风力发电机功率为12 kW，上限为5台；太阳能电池板最大功率为8 kW，系统最优解见表2。

表2 并网运行时系统可行方案

通过比较以上方案总费用成本，方案1成本最低，选为最优解，此时系统的优化配置为太阳能发电、风力发电、电网供电所占比例分别为8%、57%、35%。总投资成本为$64164，单位成本电价最低，为0.180$/kWh。并网条件下各发电单元出力情况见图3。

图3 并网条件下各发电单元出力情况

从图3可以看出,风/光/电网三种发电形式在各个月份的出力情况。系统总的年发电量为40965 kW·h，其中风机的年发电量是23236 kW·h，太阳能电池的年发电量是3152 kW·h，电网供电为14577 kW·h。由于该地区处于亚热带，年度的太阳能辐射量基本不变，所以太阳能电池的出力情况基本趋于平稳。对于风机，冬春季风能较大，风机出力较多，系统主要由风机供电，电网与太阳能电池起辅助作用。夏秋季风能较小，此时风机与大电网联合供电，太阳能电池起辅助作用。图4给出了年度负荷峰值日的系统负荷分布示意图。

图4 年度负荷峰值日系统运行图

以年度负荷峰值日（8月10日）为例进行分析。图4（a）图4（b）分别给出了系统交流负荷、总供电量以及系统未满足负荷曲线，由图4(a)可以看出，分布式发电并网运行，分布式发电与电网总的供电量大于系统交流负荷，保证了系统的供电可靠性。图4（b）中分别给出了太阳能电池板、风力发电机、电网供电量。在年度负荷峰值日，6点-18点太阳能电池板与电网联合供电，由于处于夏季，风机出力很小，其余时间主要由电网供电，充分体现了分布式发电与电网供电良好的互补性。

3.2 系统离网运行分析

分布式发电是对大电网的辅助和补充，弥补大电网安全运行的不足，可以有效的实现能源的梯级利用，提高电力系统供电的可靠性与灵活性。而在意外灾害发生时要与大电网解耦，运行在离网模式下，即孤岛模式，此时分布式发电单独给系统供电，以下主要分析分布式发电的离网运行特性。

分布式发电离网运行，系统由风力发电机、太阳能电池板、柴油发电机组成，风力发电机功率为12 kW，上限为5台，太阳能电池板最大功率为8 kW，柴油发电机功率为2 kW，上限为3台，柴油发电机在电网停运时作为备用机组，供给一定的负荷，保证供电可靠性。

离网运行的优化结果为太阳能电池板功率为2 kW、风力发电机一台、柴油发电机两台，此时系统未满足负荷为273 kWh，占发电总量的0.9%。系统交流主负荷和未满足负荷分布见图5。

图5 系统交流主负荷和未满足负荷分布

由图5可知，系统缺电主要发生在7、8、9三个月中，主要原因是7、8、9月份处于平均风速最低的月份，同时夏季也是用电负荷高峰期，风机出力远不能满足负荷需求，而系统中太阳能发电所占比例较小，综合导致夏季系统负荷丢失较多。为解决离网运行条件下系统负荷丢失较多的情况，可以加大太阳能电池板、风力发电机、柴油发电机容量等，但增加了系统剩余不可用电量。综合考虑，在太阳能电池板中加入最大功率点追踪装置（MPPT），这样既可以增加发电量又可以避免系统剩余电量的产生，仿真结果见图6。

图6 综合敏感度分析

从图6可知，太阳能电池板倾角大小直接影响太阳能电池出力情况，从而影响整个系统的失负荷概率。随着太阳能电池板倾角的不断增大，太阳能电池出力先减小而后增大，15°为其转折点。而对于失负荷概率，在18°时，其值达到最大，约为0.008，之后逐渐减小并最终保持平稳在0.0075。综合考虑太阳能电池出力和失负荷概率，太阳能电池倾角大于35°以后，出力情况以及失负荷概率基本保持不变。所以，把太阳能电池板倾角35°作为一个阈值，并选其为最优倾角。

3.3 敏感性分析

敏感性分析就是计算某个变量对优化配置结果的影响，比如柴油价格、风速变化、太阳辐射量变化等等这些都是关键因素，需对其进行敏感性分析。对所给定的值都将重复仿真和优化，这样就可以看出输入量变化时引起的结果改变，以此来确定该变量的重要性和敏感性。主要分析风速变化对系统的影响见图7。柴油价格对系统的影响见图8。

图7 风速敏感性分析曲线

图8 柴油价格敏感性分析曲线

斜率表示敏感程度，图7中随风速不断增加，风机出力随之增加，使得系统总投资和失负荷概率都不断下降，当风速达到8 m/s时，系统总投资降到了$80000同时失负荷概率将为0.01。从风速-失负荷概率曲线可以看出，风速在5～6 m/s之间时失负荷概率变化较大，这与风机切入风速有关。图8中，系统总投资与柴油价格成线性关系，斜率表示柴油价格对系统总投资的灵敏度影响。从图7、图8中可以看出，柴油价格对系统影响与风速变化对系统的影响正好相反，柴油价格越低对系统参数影响越小。

4 结论

本文建立了计及供电可靠性和环境影响的DG优化配置模型，综合评估了发电成本、输配电损失和环保成本，并根据运行方式的不同及用户不同的可靠性要求，得到相应的最优配置。

并网运行时，多能互补系统总年发电量40965 kW·h，其中风力发电为23236 kW·h，太阳能发电为3152 kW·h，电网供电为14577 kW·h，此时系统的优化配置为风力发电、太阳能发电、电网供电各占57%、8%、35%。这就可以充分利用当地的风力资源，并且在相同功率条件下,风力发电的价格远低于太阳能发电，从而可以大大节约总投资成本。离网运行时，各发电单元容量优化配置分别为风机容量12 kW、太阳能电池容量2 kW、柴油发电机容量4 kW。

另外，针对太阳能电池板倾角、风速变化、柴油价格进行了敏感性分析，结果表明优化参数设计可以使风能和太阳能电池具有良好的互补性，从而提高系统的供电可靠性。

[1] 艾斌,杨洪兴,沈辉,等.风光互补发电系统的优化设计Ⅱ匹配设计实例[J].太阳能学报，2003,24(5)：718-723.

[2] 王成山,王守相.分布式发电功能系统若干问题研究[J].电力系统自动化，2008,32(30)：1-4.

[3] 徐大明,康云龙,曹秉刚.风光互补独立供电系统的优化设计[J].太阳能学报，2006，27(9)：919-922.

[4] 陈凯，王成山.分布式电源优化规划[D].天津：天津大学电气与自动化工程学院，2006：11-20.

[5] 赵国波，刘天琪，李兴源.分布式发电作为备用电源的优化配置[J].电力系统自动化，2009：85-88.

[6] 郑漳华，艾芊，顾承红,等.考虑环境因素的分布式发电多目标优化配置[J].中国电机工程学报，2009,29(13)：23-29.

[7] 钱科军，袁越，ZHOU Chengke,等.分布式发电的环境效益分析[J].中国电机工程学报，2008，28(29)：11-15.

[8] 杨琦，张建华，刘自发,等.风光互补混合供电系统多目标优化设计[J].电力系统自动化，2009，,33(17)：86-90.

[9] 王守相，王慧，蔡声霞.分布式发电优化配置研究综述[J].电力系统自动化，2009,33(18)：110-114.

[10] 冬雷,廖晓钟,刘广忱,等.分布式风光互补发电系统及其多目标优化控制策略研究[J].仪器仪表学报，2005，26(8):750-753.

[11] 丁明，张颖媛，杨为,等.集中控制式微网系统的稳态建模与运行优化[J].电力系统自动化，2009，33(24)：78-82.

[12] 熊礼俭.风电手册[M].北京：中国科技文化出版社，2005:56.

[13] FELIX A,FARRET M,GODOY S.Intggration of Alternative Sources of Energy[M].Published by John Wiley&Sons,Inc.Hoboken,NewYork：398-410.

[14] HOEMR V.Help National Renewable Energy Laboratory(NREL)[J].617 Cole Boulevard,Golden,CO 80401-3393.

[15] 宋云亭,张东霞,吴俊玲.国内外城市配电网供电可靠性对比分析[J].电网技术，2008,32(32)：13-18.

[16] JIMMY EHNBERG,Generation Reliability for Isolated Power Systems with Soalr,Wind and Hydro Generation[J].Department of Electric Power Engineering.CHALMERS UNIVERSITY OF TECHNOLOGY:5-12.

[17] 陈琳，钟金，倪以信,等.联网分布式发电系统运行规划研究[J].电力系统自动化，2007，31(9)：26-31.