联网光伏发电系统调度运行控制方法研究

王晓华，张建成，周春霞，朱立刚，丁晓哲

（1.华北电力大学电力工程系，河北保定 071003；2.中国电力科学研究院，北京 100085）

联网光伏发电系统调度运行控制方法研究

王晓华1，张建成1，周春霞2，朱立刚1，丁晓哲1

（1.华北电力大学电力工程系，河北保定 071003；2.中国电力科学研究院，北京 100085）

光伏联网是光伏发电系统的主流发展趋势，由于光伏出力受光照、温度等环境因素的影响呈现明显的随机性与不可控性，大容量光伏联网给电网调度带来一定困难。为了适应大容量光伏电源接入电网运行，本文采用混合储能平滑系统输出功率来提高联网光伏系统的可调度性，提出了一种基于不同补偿周期的双层混合储能能量管理方法，以实际供电曲线和调度曲线相关性、储能系统成本为优化目标，采用一种改进的基于小生境技术的Pareto遗传算法进行优化求解。通过算例优化配置了储能系统容量，分析验证了所提能量管理方法的合理性和有效性。

联网光伏发电；混合储能；功率平滑；经济性；可调度性

0　引 言

当今社会，人类正面临着化石燃料短缺和生态环境污染的严重局面，各种可再生能源发电技术逐步发展，太阳能光伏发电技术优势逐渐显露，其中联网光伏发电系统是光伏发电系统的主流发展趋势［1］。由于光伏出力受光照、温度等因素影响较大，具有明显的随机性和不可控性，光伏联网改变了传统的调度模式而且会对电网造成一定冲击［25］。为了适应大容量光伏电源接入电网运行，一系列与光伏并网发电相关的新技术应运而生，如储能技术、谐波抑制技术、新型光伏逆变技术等［67］，目前针对储能技术在光伏联网中的研究已取得一定成果。文献［8 9］将蓄电池储能用于平滑波动功率，根据蓄电池荷电状态对储能输出进行调整，但蓄电池循环寿命较短，很难满足功率频繁波动的要求。文献［10 15］将蓄电池超级电容器混合储能用于功率平抑，在一定程度上克服了使用单一储能设备时的不足。文献［10 11］从电网角度探讨了光伏电站的可调度运行模式，提出采用混合储能优化光伏电源输出功率特性。文献［12］通过混合储能系统充放电控制器的合理设计实现储能元件充放电过程的精确管理，根据风电实时功率及储能元件荷电状态检索预置的专家信息库得到充放电控制器的相应控制算法，简化了风电功率在多种波动状态下的控制逻辑，缩短了控制时间。文献［13］将补偿功率分为高频和低频进行补偿，并且在补偿过程中考虑了电网调度需求，所提控制策略有利于规避超级电容器补偿功率限制的制约和防止蓄电池组进行频繁充放电。文献［14］设计了混合储能的电路结构，提出了利用滑动平均滤波来区分储能负荷高低频部分，通过调整滑动平均窗口宽度实现储能负荷在蓄电池和超级电容器之间的合理分配。文献［15］在传统限值管理的基础上引入超级电容器电压预先控制以防止超级电容器因端电压达到上下限而停止工作，实现了超级电容器的高效运行。

本文在已有研究的基础上，提出运用混合储能来补偿不平衡功率以追踪调度曲线，分析了基于混合储能系统的联网光伏发电系统的结构，提出了一种新的基于不同补偿周期的双层混合储能能量管理方法，以供电曲线和调度曲线相关性、混合储能系统全生命周期成本为优化目标，通过基于小生境技术的Pareto遗传算法进行优化求解。

1　联网光伏发电系统典型结构

联网光伏发电系统典型结构如图1所示，由光伏阵列、DC/DC直流变换器、混合储能系统、双向DC/DC控制器、并网逆变器、并网变压器、系统负载以及电网等组成。

图1　联网光伏发电系统典型结构图

图1中，光伏阵列将太阳能转化为电能；DC/ DC直流变换器稳定直流母线电压，由于光伏发电系统造价相对较高，为实现太阳能资源利用的最大化，系统采用最大功率点跟踪（MPPT）技术，DC/DC直流变换器工作于MPPT模式［1］；双向DC/DC控制器控制混合储能系统充放电功率的大小及流动方向；并网逆变器和变压器将光伏阵列输出的直流电转化为合适电压等级的交流电，为光伏并网发电提供必备条件。

蓄电池超级电容器混合储能系统用来补偿不平衡功率，在光照良好发电充足时将部分电能储存起来，在光照不足时释放电能进行能量补偿。在某时刻t，将光伏预测功率Ppv（t）作为光伏系统发电能力的参考，调度部门给定调度目标值为PD（t），则两者之间的不平衡功率Pun（t）定义为

根据不平衡功率的波动特点，将不平衡功率分为两部分：低频波动功率和高频波动功率。其中低频波动功率波动幅度较小，持续时间较长，能量密度较大；高频波动功率波动幅值较大，持续时间较短且能量波动较小。

蓄电池能量密度大，是一种能量型储能装置，适用于长期储存电能，但蓄电池同时具有功率密度小，充放电效率低，循环寿命短等不足，对大功率及频繁充放电的适应性不强。超级电容器则属功率型储能装置，具有功率密度大、充放电速度快且效率高、可充放电循环次数多等优点，可有效抑制系统的短时间功率波动，非常适用于大功率充放电和循环充放电的场合，但能量密度与蓄电池相比偏低，不适用于电能的大规模储存［1617］。将蓄电池和超级电容器组成混合储能系统应用于联网光伏发电系统，充分利用蓄电池能量密度大和超级电容器循环寿命长、功率密度大的优点，利用蓄电池来补偿不平衡功率低频波动部分，超级电容器来补偿不平衡功率高频波动部分，可以大大提高储能装置的性能，进而提高系统的经济性和可调度性。

2　混合储能系统能量管理方法

为充分发挥蓄电池和超级电容器优势，优化混合储能能量状态，延长蓄电池的使用寿命，本文提出一种基于不同补偿周期的双层混合储能能量管理方法。设定蓄电池补偿周期为Tb，超级电容器补偿周期为Tc，由于蓄电池一般用于分钟至小时级的功率补偿，超级电容器一般用于秒至分钟级的功率补偿，因此取Tb=MTc，其中M为整数且M≫1。在给定时间段内，对不平衡功率以Tc为采样间隔所得采样点数为n，以Tb为采样间隔所得采样点数为N，则有n=MN。

2.1基于Tb的第一层能量管理方法

表1　蓄电池ΔPb调整规则

2.2基于Tc的第二层能量管理方法

上述混合储能能量管理方法流程如图2所示。

图2　混合储能系统能量管理方法流程图

3　基于小生境技术的Pareto遗传算法在联网光伏发电系统调度运行控制中的应用

3.1优化目标

混合储能系统成本越小越有利于提高经济性，本文根据全生命周期理论建立混合储能系统的经济性优化目标。

基于以上两点建立联网光伏发电系统调度运行控制优化目标函数为

式中：r为实际供电曲线与调度曲线之间的相关系数；Pgd（t）为t时刻联网光伏发电系统实际供电功率；PD（t）为t时刻电网给定调度功率；n为给定时间段内取点数；Tc为取点周期，即超级电容器补偿周期；cncb为混合储能系统全生命周期成本；Czj为折旧成本；Cyx为运行成本；Cwh为维护成本；Ccz为处置成本。

此优化问题为多目标优化设计，两优化目标之间无法比较，而且混合储能容量越大系统的可调度性越高但容量越大储能成本越大，因此一个目标函数的改进以牺牲另外一个目标函数的值为代价，难以找到一个最优设计使所有的目标同时达到最优。遗传算法具有随机性和隐含并行性，能够同时搜索到多个局部最优解，这适用于多目标优化［1820］。本文将小生境技术与Pareto最优解应用于遗传算法，构造出适用于多目标优化设计的Pareto遗传算法（PGA），并将其应用于联网光伏发电系统调度运行控制中。

3.2Pareto最优解

针对一般的极小值问题：

3.3小生境（niche）技术

用基本遗传算法求解多峰值问题时，经常只能找到个别几个最优值，甚至往往得到的是局部最优解。利用小生境我们可以找到全部最优解。本文采用基于共享机制的实现方法。该方法的基本思想是：通过反映个体之间相似程度的共享函数来调整群体中各个体的适应度，从而在后续的群体进化过程中，算法能够依据这个调整后新的适应度来进行选择运算。

3.4本文算法

采用上述Pareto遗传算法解决联网光伏发电系统调度运行控制优化的流程如图3所示。

图3　联网光伏发电系统调度运行控制优化流程图

4　算例分析

由于多云天气下不平衡功率波动更为频繁且波动幅度较大，所以算例选取多云天气情况下进行储能优化配置及分析。某光伏发电系统多云天气一天的光伏预测功率曲线、调度功率给定曲线及两者之间的不平衡功率曲线如图4所示。本文采用的混合储能中蓄电池和超级电容器参数如表2所示。

采用本文所提出的基于不同补偿周期的双层能量管理方法，以实际供电曲线和调度曲线之间的相关性和混合储能系统全生命周期成本为优化目标，采用基于小生境技术的Pareto遗传算法进行优化计算，优化配置结果如表3所示。需要配备蓄电池10 096组，超级电容器692 193组，此时储能成本3.272 5×105元，实际供电曲线和调度曲线相关系数为0.996 7，具有较高的经济性和可调度性。

图4　某光伏发电系统算例数据曲线图

表2　蓄电池超级电容器混合储能系统参数表

表3　储能系统最优配置

在此最优储能系统配置下，蓄电池和超级电容器的输出功率如图5所示。由图5可以看出，蓄电池的输出功率较小且较长时间内输出相对较平滑，承担了不平衡功率中的低频波动部分。超级电容器输出功率波动较大且波动频繁，承担了不平衡功率中的高频波动部分，这样充分发挥了蓄电池能量密度大和超级电容器功率密度大、循环寿命长的优点。

图5　蓄电池与超级电容器输出功率曲线图

蓄电池能量状态变化曲线如图6所示，根据实际情况设定蓄电池初始状态为满充状态，由图6可以看出蓄电池整个过程中充放电转换次数较少，有助于延长了蓄电池使用寿命。

图6　蓄电池荷电状态变化曲线图

超级电容器的能量状态变化如图7所示，由图可以看出超级电容器的能量状态位于上下限之间且利用率高。

图7　超级电容器能量变化曲线图

5　结束语

本文分析了联网光伏发电系统典型结构组成，提出运用混合储能补偿不平衡功率以追踪调度曲线。提出了一种新的基于不同补偿周期的双层混合储能能量管理方法，第一层能量管理通过滑动平均区分不平衡功率中的高频成分和低频成分，并根据蓄电池荷电状态对蓄电池输出参考功率进行预调整，第二层能量管理根据超级电容器能量状态修正其补偿功率以优化超级电容器的能量状态。以供电曲线和调度曲线相关性、混合储能全生命周期成本为优化目标，采用改进的基于小生境技术的Pareto遗传算法进行优化。最后通过算例优化配置了混合储能系统容量，在最优储能配置下对蓄电池、超级电容器的功率输出及能量变化进行了分析，通过分析验证了所提能量管理方法的合理性和有效性。

［1］ 刘建涛，曹雷，马杰，等.储能技术在光伏并网发电系统中的应用分析［J］.电网与清洁能源，2011，27（7）：62 66.

［2］ 艾欣，韩晓男，孙英云，等.光伏发电并网及其相关技术发展现状与展望［J］.现代电力，2013，30（1）：1 7.

［3］ Li Weiya.The affect of future grid-connected photovoltaic power generation on the grid［J］.Solar Energy，2008（2）：67 68.

［4］ 陈炜，艾欣，吴涛，等.光伏并网发电系统对电网的影响研究综述［J］.电力自动化设备，2013，33（2）：26 33.

［5］ 刘建涛，曹雷，张建成.基于储能系统的用户并网光伏发电系统经济性分析［J］.太阳能学报，2012，33（11）：1887 1892.

［6］ 陈维，沈辉，邓幼俊，等.太阳能光伏应用中的储能系统研究［J］.蓄电池，2006（1）：21 27.

［7］ 鞠洪新，于金辉.储能在光伏并网发电系统中的应用［J］.电子世界，2009（11）：61.

［8］ 谢俊文，陆继明，毛承雄，等.基于变平滑时间常数的电池储能系统优化控制方法［J］.电力系统自动化，2013，37（1）：96 102.

［9］ 张野，郭力，贾宏杰，等.基于电池荷电状态和可变滤波时间常数的储能控制方法［J］.电力系统自动化，2012，36（6）：34 38.

［10］鲍雪娜，强玉尊，张建成.联网光伏电站可调度性研究［J］.电力科学与工程，2012，28（2）：1 6.

［11］鲍雪娜，张建成.联网光伏电站可调度运行特性分析［J］.电网与清洁能源，2012，28（8）：59 63.

［12］于芃，周玮，孙辉，等.用于风电功率平抑的混合储能系统及其控制系统设计［J］.中国电机工程学报，2011，31（17）：127 133.

［13］蒋平，熊华川.混合储能系统平抑风力发电输出功率波动控制方法设计［J］.电力系统自动化，2013，37（1）：122 127.

［14］张国驹，唐西胜，齐智平，等.平抑间歇式电源功率波动的混合储能系统设计［J］.电力系统自动化，2011，35（20）：24 28.

［15］张野，郭力，贾宏杰，等.基于平滑控制的混合储能系统能量管理方法［J］.电力系统自动化，2012，36（16）：36 41.

［16］唐西胜，武鑫，齐智平.超级电容器蓄电池混合储能独立光伏系统研究［J］.太阳能学报，2007，28（2）：178 183.

［17］杨珺，张建成，桂勋.并网风光发电中混合储能系统容量优化配置研究［J］.电网技术，2013，37（5）：1209 1216.

［18］江敏，陈一民.遗传算法在多目标优化问题中的应用策略［J］.兰州理工大学学报，2007，3（3）：92 94.

［19］朱学军，攀登，王安麟，等.混合变量多目标优化设计的Pareto遗传算法实现［J］.上海交通大学学报，2000，34（3）：411 414.

［20］王晓鹏等.多目标优化设计的Pareto遗传算法［J］.系统工程与电子技术，2003，25（12）：1558 1561.

（责任编辑:杨秋霞）

Research on Scheduling Controlling Method for Grid-connected PV Power System

WANG Xiaohua1，ZHANG Jiancheng1，ZHOU Chunxia2，ZHU Ligang1，DING Xiaozhe1
（1.Department of Electrical Engineering，North China Electric Power University，Baoding 071003，China；2.China Electric Power Research Institute，Beijing 100085，China）

Grid-connected photovoltaic system is the main development trend of photovoltaic generation systems.The power output of PV is random and uncontrollable because it is influenced by such factors as sunlight and temperature，large-capacity grid-connected photovoltaic power brings certain difficulties in power grid dispatching.In order to connect large-capacity photovoltaic power with power grid，hybrid energy storage is used to smooth power output for improving the schedulability of grid-connected photovoltaic system.A kind of double-deck energy management method is put forward based on different compensatory period in this paper.Taking the cost of energy storage system and the correlation between actual power supply curve and the power dispatching curve of photovoltaic system as the optimized objectives，an improved technology named Pareto genetic algorithm based on niche is applied to obtain optimized solution.In the end，the capacity of energy storage system is optimally equipped by cases，and the rationality and validity of the proposed energy management strategy is analyzed and verified.

grid-connected photovoltaic system；hybrid energy storage；power smooth；economical efficiency；schedulability

1007-2322（2015）02-0023-06

A

TM615

2014-07-13

王晓华（1989—），女，硕士研究生，研究方向为联网光伏发电系统调度运行控制方法，E-mail：wangxiaohua01@163.com；

张建成（1965—），男，教授，博士生导师，研究方向为新型储能技术和可再生能源发电控制技术，E-mail：zhang_ jiancheng@126.com；

周春霞（1965—），女，高级工程师，研究方向为光伏发电、电力系统继电保护，E-mail：Chxzhou@epri.sgcc.com.cn。

国家自然科学基金项目（51177047）