并网运行风/光/储微电网容量配置双目标优化

兰国军，栗文义，尹凯，文博，宋沛辰

(1．内蒙古工业大学电力学院，内蒙古呼和浩特010080;2．大同超高压供电局，山西大同037000)

并网运行风/光/储微电网容量配置双目标优化

兰国军1，栗文义1，尹凯1，文博1，宋沛辰2

(1．内蒙古工业大学电力学院，内蒙古呼和浩特010080;2．大同超高压供电局，山西大同037000)

目前关于微网电源容量配置的研究主要针对独立运行情况，虽配置结果可保证系统运行的可靠性，但增加了冗余投资。针对并网运行的风/光/储微电网，制定了其运行策略，分别建立了微网经济性和供电可靠性模型，采用多目标模拟退火粒子群优化算法求取模型的最优解集，得到了微网中风力和光伏发电及储能系统容量配置方案。结果表明，相比于独立运行，在相同的可靠性要求下，以并网运行的角度配置风/光/储微电源容量关系，可明显降低微网投资成本。

并网运行;风/光/储微电网;容量配置;双目标优化

1 引言

近年来，微电网技术已成为新能源发电领域的研究热点，而电源的优化配置是微网规划建设的重要内容［1，2］。由于风、光资源的随机性、波动性和时间上的互补性，在风/光/储微电网中对风、光微电源和储能的容量进行优化配置，不仅可以保证资源的合理、有效利用，还可降低微网建设和运营等成本，提高供电可靠性［3］。

微网具有并网/独立两种运行模式，多数情况下处于并网运行状态。目前，针对微网电源容量配置的研究大多基于独立运行的情况［4，5］。文献［6，7］对风/光互补或其他微电源组成的独立系统，以经济性为优化目标，研究微电源容量配置方案;由于没有主网的电量支撑，要提高可靠性，必须以配置更多容量的电源为代价，因而配置结果往往增加了过多的冗余投资。文献［8］针对微网并网运行情况，以微网运行成本最小为目标，把负荷缺电率作为约束条件，研究微电源容量组合方案;但文章选取一天24h作为研究时段，不能反映全年运行状况;另外，上述研究都是针对单一目标函数的优化，而多目标优化方法是将经济性与可靠性等目标函数都作为子目标，对各子目标函数同时寻优，这样可以协调处理相互矛盾的子目标，使优化结果更为合理［9］。

本文针对并网运行的风/光/储微电网，制定了微网并网运行策略，建立了经济性和可靠性双目标模型。以全年8760h为研究区间，采用多目标模拟退火粒子群优化算法，对该双目标模型求取pareto最优解集，得到微电网中风力和光伏发电及储能容量配置方案;根据配置结果分析了并网运行微网经济性与可靠性的关系。

2 微电源模型

2.1 风力发电功率模型

风力发电机输出功率与风速之间的近似关系用分段函数表示［10］:

式中，Pw、Pr分别为风力发电机实际输出功率和额定功率;vci为切入风速;vco为切出风速;vr为额定风速。

2.2 光伏发电功率模型

光伏电池输出功率如式(2)所示［10］:

式中，Ppv、ηg分别表示光伏电池输出功率和光电转换效率;Npv、Am为光伏电池块数和单元面积;Gt为太阳辐照强度。

2.3 储能装置

储能装置在t时刻的荷电状态由t－1时刻微电网的电量供求状况和储能装置充放电状态决定，具体储能容量模型及荷电状态将在微网运行策略中详述。文中采用标准额定容量为50kW·h的VRB-50钒蓄电池，不考虑外界环境对蓄电池充放电的影响［11］。

3 双目标优化模型

3.1 经济性模型

从微网总支出成本(不计微网收益)的角度出发，建立经济模型，即在微电源投资和运行维护成本的基础上，计入向主网购电费用和负荷缺电补偿费用，具体表达式为:

式中，F为微网的总费用;CI为设备投资和运行维护费用;Ctra为从主网购电费用;Ccop为缺电补偿损失费用。其表达式为:

式中，N为电源类型数;xi为第i种电源(包括储能)数目;Ccpi为第i种电源的等年值投资费用;Comi为第i种电源年运行和维护费用;Ebuy(t)为t时刻向主网购电量;Pav为峰谷期平均购电费用;LPS(t)为t时刻的缺电量;Pcop为给用户的停电补偿费用［12］。系统的等年值装机成本、运行维护费用计算方法见文献［11］。

3.2 微网运行策略及供电可靠性模型

微网全年(8760h)并网运行，以1h为计算步长，t时刻风力和光伏发电量为:

式中，Nw、Nv分别指风力发电机和光伏电池数量; Pw(t)、Pv(t)分别指t小时内风力和光伏发电量; Pre(t)是t小时内风力和光伏发电总发电量。由于微网与主网交换功率Pgrid受联络线物理容量或购售电合同限制，设定最大可交换功率为Pgridmax;为保证微网可靠经济运行，根据风力和光伏发电量Pre(t)的变化，制定微网并网运行策略:

(1)当t时刻Pre(t)大于负荷需求时，微电源在满足负荷供电的情况下，向蓄电池充电。

1)若蓄电池组充电但未充满，蓄电池的荷电状态为:

式中，ES(t)为t时刻蓄电池组的储能容量;σ为蓄电池每小时的自放电率;Pload(t)为t时刻的负荷功率，本文不计储能及负荷侧逆变器的效率。

2)若蓄电池组已充满，仍有剩余发电量，可向主网输电或启用卸荷负载。蓄电池组的荷电状态为:

式中，ESN为蓄电池组的额定总容量。

(2)当t时刻Pre(t)等于负荷需求时，蓄电池组的荷电状态为:

(3)当t时刻Pre(t)小于负荷需求时，首先选择向主网购电。

1)若主网向微网输送的电量可以补充供电缺额，蓄电池组荷电状态和向主网购电量计算公式为:

2)若主网向微网输送的电量不足以满足供电缺额，启用蓄电池组放电运行以补充功率缺额。向主网购电量和蓄电池组荷电状态为:

3)针对运行策略2)，若蓄电池已达放电深度限制(即设定蓄电池最小荷电状态SOCmin)仍不能满足负荷供电需求，则切除可中断负荷。微网向主网购电量和蓄电池荷电状态为:

此时，负荷缺电量为:

根据负荷缺电量计算微网供电可靠性:

式中，ηLPSP为全年负荷缺电率(LPSP，the loss of power supply probability);LPS(t)、LPS(LPS，the loss of power supply)分别为t时刻和全年负荷缺电量。

4 双目标优化求解

将风力发电机、光伏电池和蓄电池台数作为优化过程中的决策变量，确定目标函数:

约束条件为:

式中，Nmin、Nmax分别为风力发电和光伏发电满足负荷需求所需的最大、最小数量;SOC(State of Charge)指蓄电池的荷电状态。通常蓄电池的最小SOC为20%～30%，为保证蓄电池组具有足够容量作为微网孤网运行和极端条件下的备用，本文设定蓄电池最小荷电状态SOCmin为50%。

5 模拟退火粒子群优化算法

模拟退火粒子群算法是在标准粒子群算法的基础上引入模拟退火机制，具有标准粒子群算法的并行性、快速性和模拟退火算法的全局性、精度高的优点［13］。本文将多目标模拟退火粒子群算法应用到微电网电源容量配置优化计算中。

6 算例分析

本文根据北方某地区的资源条件，针对并网运行风/光/储微电网系统，研究微电源容量配置。风力发电机、光伏电池和蓄电池等设备安装、运行成本等数据如表1所示［11］。风力发电机的切入风速、额定风速和切出风速分别取2.5m/s、12m/s和18m/s;光伏电池光电转换效率ηg取13%，Am取0.6465m2;蓄电池每小时自放电率σ为0.01%。微网与主网的最大交换功率Pgridmax取50kW，缺电补偿损失费用Ccop取$0.1/(kW·h)［12］。将该地区某一年的风速、太阳辐照强度数据及年负荷数据作为计算的输入数据，如图1曲线所示。采用模拟退火粒子群优化算法，对微网成本、负荷缺电率两个目标函数同时寻优得到微电源容量配置结果，文中分别列出了微网等年值成本最小和可靠性最高的两种配置方案，见表2。

6.1 容量配置结果分析

图1 微网所在地的气象数据和负荷曲线Fig．1 Meteorological conditions and load at location ofmicrogrid

表1 微电源成本Tab．1 Cost ofmicro-sources

分析表1参数和表2容量配置结果发现，由风力和光伏发电组成的微电网，由于存在风速、光照不足的极端情况，为提高可靠性，所配置的微电源额定总容量远大于微网不同时刻的负荷功率需求。这样，使得微网的投资成本急剧增加。当风力发电机、光伏电池额定运行时，微电源的可发电量将远远超过峰值负荷的需求，必将出现大量的电量剩余。因此，将风力发电和光伏发电组成微电网并网运行，参与主网能量调度和电量交换，可以充分有效地利用风力和光伏发电。

表2 微电源配置结果Tab．2 Optimal configuration result ofmicro-sources

6.2 微网向主网购电分析

图2显示了不同时刻微网向主网的购电量。微网向主网购电时间主要集中在［2000，4000］和［6000，8000］小时区间内，这是由于该区间内当地风速接近甚至超过20m/s，风机退出运行，此时光照低于额定辐照强度(1000W/m2)。而在［4000，6000］小时区间光照强度大于额定光照强度，风速处于额定风速和切出风速之间，微电源发电量可满足负荷供电需求，此时微网向主网购电很少。在微电源发电量大于负荷需求时，应首先为蓄电池充电，然后向主网输出电能，这样可保证充足的备用容量。而将主网作为微网的备用和支撑，还可避免蓄电池频繁充放电，延长蓄电池组的使用寿命。

图2 不同时刻微网向主网购电量Fig．2 Power purchased from main grid in different time

6.3 储能运行策略分析

如图3所示，由于蓄电池放电深度限制为50%，蓄电池剩余荷电量始终维持在25kW·h以上，这部分容量可为微网计划或非计划孤岛运行提供备用容量，从而保证微网在极端情况下的运行可靠性。在并网运行状态下，通过制定合理的调度机制和配备完善的能量管理系统，蓄电池剩余荷电量还可配合主网削峰填谷。

6.4 经济性与可靠性关系

若设定微网与主网联络线交换功率Pgridmax= 0，可得到微网在孤岛运行状态的电源配置情况。采用多目标模拟退火粒子群优化方法，求得pareto最优前沿如图4所示。

图3 不同时刻单台蓄电池荷电量Fig．3 SOC of battery cell in defferent time

图4 双目标(等年值成本和负荷缺电率)优化获得的pareto前沿Fig．4 Pareto front caculated by bi-objective optimization for annual cost and LPSP

由图4可看出，与独立运行比较，在相同可靠性指标下，针对并网运行配置微电源容量所需成本明显低于孤网时的投资成本。可见，以微网并网运行的角度配置微电源容量，可在保证微网运行可靠性的同时降低投资、运行成本。采用经济性和可靠性双目标同时优化方法分析二者的关系比单目标优化方法更为直观和明确。

7 结论

本文通过制定微网运行策略，考虑微网向主网的购电费用，建立了风/光/储微电网的经济性和可靠性双目标优化模型。采用模拟退火粒子群优化算法对模型求解，得到了微网中风力发电机、光伏电池和储能系统的容量配置关系。算例分析结果表明:相比于独立运行，针对微网并网运行配置微电源容量，在合理的调度和运行策略下，可以满足系统的供电可靠性，并降低微电网投资成本。

［1］李鹏，张玲(Li Peng，Zhang Ling)．微网技术应用与分析(Application and analysis ofmicrogrid)［J］．电力系统自动化(Automation of Electric Power Systems)，2009，33(20):109-115．

［2］程军照，李澍森，冯宇，等(Cheng Junzhao，Li Shusen，Feng Yu，et al．)．发达国家微网政策及其对中国的借鉴意义(Policies on microgrid in developed countries and implications for China)［J］．电力系统自动化(Automation of Electric Power Systems)，2010，34 (1):64-68．

［3］刘文胜，毛晓明，陈志勇(Liu Wensheng，Mao Xiaoming，Chen Zhiyong)．微网优化运行研究进展与展望(A review on microgrid optimal operation)［J］．电工电能新技术(Advanced Technology of Electrical Engineering and Energy)，2012，31(2):64-68．

［4］石庆均，耿光超，江全元(Shi Qingjun，Geng Guangchao，Jiang Quanyuan)．独立运行模式下的微网实时能量优化调度(Real-time optimal energy dispatch of standalonemicrogrid)［J］．中国电机工程学报(Proceedings of the CSEE)，2012，32(16):26-35．

［5］王瑞琪，李珂，张承慧(Wang Ruiqi，Li Ke，Zhang Chenghui)．基于混沌多目标遗传算法的微网系统容量优化(Optimization allocation of microgrid capacity based on chaotic multi-objective genetic algorithm)［J］．电力系统保护与控制(Power System Protection and Control)，2011，39(22):16-22．

［6］杨琦，张建华，刘自发，等(Yang Qi，Zhang Jianhua，Liu Zifa，et al．)．风光互补混合供电系统多目标优化设计(Multi-objective optimization of hybrid PV/ wind power supply system)［J］．电力系统自动化(Automation of Electic Power System)，2009，33(17): 86-90．

［7］丁明，包敏，吴红斌，等(Ding Ming，Bao Min，Wu Hongbin，et al．)．复合能源分布式发电系统的机组组合问题(Unit commitment problem in distributed generation system with multiple energy sources)［J］．电力系统自动化(Automation of Electric Power System)，2008，32(6):46-50．

［8］Lin Shan，LiGengyin，Wang Wenbo，et al．Optimal sizing combination of the micro-sources in a connected microgrid［A］．2012 IEEE Innovative Smart Grid Technologies-Asia(ISGT Asia)［C］．2012.1-5．

［9］肖晓伟，肖迪，林锦国，等(Xiao Xiaowei，Xiao Di，Lin Jinguo，et al．)．多目标优化问题的研究概述(O-verview on multiobjective optimization problem research)［J］．计算机应用研究(Application Research of Computers)，2011，28(3):805-808，827．

［10］H Hassanzadehfard，SM Moghaddas-Tafreshi，SM Hakimi．Effect of energy storage systems on optimal sizing of islanded micro-grid considering interruptible loads［A］．Proceedings of the 2011 3rd International Youth Conference on Energetics(IYCE)［C］．2011.1-7．

［11］马溪原，吴耀文，孙元章，等(Ma Xiyuan，Wu Yaowen，Sun Yuanzhang，et al．)．采用改进细菌觅食算法的风光储混合微电网电源优化配置(Optimal sizing of hybrid solar-wind distributed generation in an isolated microgrid using improved bacterial foraging algorithm)［J］．中国电机工程学报(Proceedings of the CSEE)，2011，31(25):17-25．

［12］言大伟，韦钢，陈眩姿，等(Yan Dawei，Wei Gang，Chen Xuanzi，et al．)．考虑可中断负荷的微网能量优化(Optimization considering interruptible load)［J］．电力系统及其自动化学报(Proceedings of the CSU-EPSA)，2012，24(1):88-93．

［13］李勇，王建君，曹丽华(Li Yong，Wang Jianjun，Cao Lihua)．火电厂负荷优化分配的模拟退火粒子群算法(Simulated annealing particle swarm optimization algorithm ofoptimal load dispatch in power plant)［J］．电力系统及其自动化学报(Proceedings of the CSU-EPSA)，2011，23(3):40-44．

Bi-objective optim ization of capacity configuration based on grid-connected w ind/photovoltaic/storagem icrogrid

LAN Guo-jun1，LIWen-yi1，YIN Kai1，WEN Bo1，SONG Pei-chen2
(1．School of Electric Power，Inner Mongolia University of Technology，Hohhot010080，China; 2．Datong Extra-high Voltage Power Supply Bureau，Datong 037000，China)

Currently，research onmicro-sources capacity configuration is concentrated on the case of isolatedmicrogrid．Though configuration results can guarantee the reliability of the system connected or disconnected，the redundant investment is increased．In this paper，the operation strategy for the parallel operation of wind/photovoltaic/ storagemicrogrid is developed，and the economymodel and power supply reliability model are established respectively，usingmulti-objective simulated annealing particle swarm optimization algorithm to calculate optimal solution set of themodel．The configuration scheme of the wind power，photovoltaic power and energy storage system is obtained．It shows thatas compared with the isolated operation，to configure themicro-sources capacity relationship of wind/photovoltaic/storagemicrogrid in view of parallel operation，the investment cost will be decreased obviously under the same reliability requirement．

parallel operation;wind/photovoltaic/storagemicrogrid;capacity configuration;bi-objective optimization

TM9

A

1003-3076(2015)03-0018-06

2013-09-26

内蒙古自然科学基金(2013MS0701)、内蒙古“草原英才”工程、内蒙古工业大学风能太阳能利用技术省部共建教育部重点实验室开放基金资助项目

兰国军(1989-)，男，内蒙古籍，硕士研究生，研究方向为新能源发电及微电网技术;栗文义(1963-)，男，内蒙古籍，教授，博士生导师，博士，主要研究方向为电力系统规划及可靠性分析、新能源发电(通信作者)。