基于削峰填谷的微电网并网运行的优化调度

舒大松，黄挚雄，李军叶，李志勇



基于削峰填谷的微电网并网运行的优化调度

舒大松1, 2，黄挚雄1，李军叶1，李志勇1

(1. 中南大学信息科学与工程学院，湖南长沙 410075；2. 湖南广播电视大学机电工程系，湖南长沙 410004)

基于微电网中的光伏和风力等可再生能源发电占主导地位，而其具有很强的随机性和波动性，不遵循人工调度，而传统电网的调度模型不能直接应用到微电网等问题，借鉴大电网的调度经验，针对微电网本身特点，建立最小发电成本和最少污染物排放的2个目标函数。针对大电网存在较大的峰谷负荷差等问题，通过控制蓄电池充放电时段和功率、大电网交互功率和时段，以实现大电网的削峰填谷的目的。针对微电网优化调度是一个多目标、非线性、多约束条件的模型，提出杂交粒子群算法对模型进行求解，针对粒子群算法中可能存在的局部收敛和收敛速度慢等问题，随机搜索取值代替失去进化的粒子和选择杂交过程。仿真结果验证了微电网优化调度模型的正确性和有效性，以及杂交粒子群算法的收敛性。

削峰填谷；微电网；杂交粒子群；随机搜索；优化调度

微电网作为智能电网的重要部分，其以灵活的方式接入大量的分布式能源，可以参与电力系统的运行与控制[1−3]。目前，人们对如何灵活控制微电网与大电网之间的并列运行方式使微电网起到削峰填谷的作用，从而使整个电网的发电设备得到充分利用、实现微电网经济运行的研究较少[4−7]。文献[8−10]仅提出了储能单元的充放电控制，达到削峰填谷的目的，而没有考虑微电网中其他分布式电源的协调控制。文献[11−13]建立了带储能单元的微电网优化调度，但模型优化求解过程比较复杂，且遗传算法求解的最优值与初始值有关。本文作者根据大电网负荷分布情况将1 d划分为峰/平/谷3个时段，在保证负荷供电可靠、安全的前提下，低谷时尽量地从电网取电向蓄电池充电，在峰时段则向电网售电，达到微电网和上级电网双赢的目的。建立以发电成本和污染物排放量罚款的加权之和最小为目标函数，在满足分布式单元安全运行的约束前提下，蓄电池和大电网在不同的时段采取不同的功率限制。结合遗传算法较强的全局收敛能力和粒子群算法与初值无关的优点对模型进行求解，并对微粒运行行为和收敛性进行分析和修正。以包含光伏、风力、微型燃气轮机、燃料电池和蓄电池等多种分布式单元组成的微电网为例，通过仿真分析，验证杂交粒子群算法的合理性和有效性。

1 微电网优化调度模型

1.1 优化目标函数

本文研究的微电网优化模型是在满足以下3种假设条件下建立的：1) 微型燃气轮机和燃料电池输出的最大功率之和能够满足系统内部最大负荷需求；2) 忽略蓄电池内部损耗；3) 蓄电池以恒功率放电，且忽略电池的爬坡速率。在此前提下，微电网在任何时候都能满足功率的供需平衡，因此，不考虑负荷停运经济损失。

微电网中存在多种能源的输入(光、风、天然气等)，对于光伏和风力这类间歇式电源应尽量提高其发电效率，一般使其运行在最大功率跟踪点(MPPT)。而对于微型燃气轮机、燃料电池这类输出可以根据需要改变电源以及蓄电池和大电网输出功率可正可负的单元，通过多目标优化算法对其发电量进行控制，通过优化蓄电池的充放电时间和充放电功率获取更多利润。在保证微电网系统内部负荷供电不间断的前提下，以1 d微电网总的发电成本和污染物罚款成本最小建立优化调度目标函数：

式中：()为微电网运行总成本；c()为微电网的发电成本；e()为污染气体排放的罚款成本；为优化变量，即微电网中可调度单元各个时刻的优化功率；1和2为加权系数，且满足1+2=1。

本文所讨论的微电网发电成本包括燃料成本、运行管理成本、折旧成本、大电网交互成本等，可表示为

式中：1，2，3和4可取0或1，取1表示计入该项成本，取0表示不计该项成本，也可取1+2+3+4=1，不同可用来衡量每一项成本在总发电成本的比重，可根据实际需求灵活取值；G为燃料成本；OM为运行管理成本；DP为折旧成本；grid为大电网交互 成本。

1) 燃料成本为[14]

式中：为调度时段总数；()为输出功率所需要的燃料量；c为燃料的价格。

2) 运行管理成本为

运行管理成本与输出功率成正比。式中：为分布式单元序号；为分布式单元的总数；OMi为第个分布式单元运行管理系数。

3) 与大电网交互成本为

式中：f，p和g分别为峰时段、平时段和谷时段与上级电网交互功率之和，它们大于0表示购电，小于0表示售电；为基本电价；为峰时段电价上调系数，且大于1；为谷时段电价下调系数，小于1。

4) 折旧成本为[15]

式中：为年利率；为使用年限；为安装成本；fc为发电单元最大输出功率；f为容量因子；p为时刻所发出的功率。

5) 污染物排放罚款成本。主要考虑排放的CO2，SO2和NO等温室气体和污染气体对环境的影响。使用下式计算罚款成本：