计及峰谷电价和启发式运行策略的风光储联合发电用户容量优化

翁桂萍潘 夏邵振国

（1.福州大学电气工程与自动化学院，福州 350116；2.国网福建省电力有限公司宁德供电公司，福建 宁德 352000）

计及峰谷电价和启发式运行策略的风光储联合发电用户容量优化

翁桂萍1潘 夏2邵振国1

（1.福州大学电气工程与自动化学院，福州 350116；2.国网福建省电力有限公司宁德供电公司，福建 宁德 352000）

为优化配置小区屋顶风光储联合发电用户的设备容量，本文提出一种计及峰谷电价和启发式运行策略的容量配置方法。建立了优化目标函数和约束函数模型，采用粒子群优化算法分别在统一电价和峰谷电价下对小区屋顶风光储联合发电用户的各电源容量进行优化配置。利用美国NASA气象网站气象数据和HOMER软件居民负荷数据验证了方法的有效性。

屋顶风光储；峰谷电价；启发式运行策略；容量配置；粒子群算法

随着化石燃料资源在全球范围内的逐步枯竭，风能和太阳能等可再生能源受到世界各国的重视［1］。单一风能或太阳能发电具有很强的随机性和间歇性，对电网的安全性、稳定性以及电能质量影响较大［2］。利用风能和太阳能在时间和空间上的天然互补特性，并加以配置适当的储能组成风光储联合发电系统，具有更优的运行指标［3-4］。

合理配置风/光/储容量，是风光储联合发电系统在规划设计阶段需要解决的一个重要课题。近几年来，以屋顶为载体的风光发电项目越来越多，有望成为未来新能源装机容量增长的一个主要方向，然而现阶段对居民屋顶风光发电的经济运行研究还比较少。随着居民用电峰谷电价在全国范围内的推行，研究不同电价对居民屋顶风光储用户的容量优化配置影响具有重要意义。

基于此，本文将居民用电电价因素考虑到屋顶风光储用户的容量配置中，提出一种计及峰谷电价和启发式运行策略的容量优化配置方法。首先建立了考虑蓄电池循环寿命［5］的用户综合成本函数和约束函数模型，然后以华东沿海某小区为例，采用粒子群优化算法分别在统一电价和峰谷电价下配置了用户的风/光/储容量，最后对用户的经济运行进行分析，验证所提方法的有效性，对居民屋顶风光储用户的电价选择提供参考。

1 风光储联合发电系统

1.1 风光储联合发电系统结构

本文研究的风光储联合发电系统结构如图1所示。其中，系统的直流母线电压为 24V，交流母线电压为220V，系统与电网可以自由双向交换功率。

图1 风光储联合发电系统结构

1.2 居民负荷特性

图 2所示为我国东部沿海某地区（26°14′N，119°22′E）居民用户的秋季典型日负荷曲线。居民负荷呈现早、中、晚三个高峰时段，负荷的巨大变化使得发电厂经常性调整机组发电量，增加了运行费用。通过实施峰谷分时电价，可以利用电价的杠杆作用，抑制高峰时期用电量的快速增长，提高低谷时段的用电量，实现“削峰填谷”。

图2 居民用户典型日负荷曲线

1.3 储能

对于并网运行的风光储联合发电系统，储能除了平滑入网功率波动之外，还可以实现负荷时间尺度的转移，如:①在电网负荷低谷时期，储存剩余风能和光能，或者从电网购买价格较低的电能，以供峰时负荷使用；②在电网负荷高峰时期，释放储能中储存的电能供给负荷，以缓解电网的供电压力。

2 联合发电用户运行策略

居民现行用电电价有统一电价和峰谷电价两种，不同电价方式下，用户的运行策略有所不同。

本文将用户发电功率与其负荷需求的差称为用户的净功率，记作ΔP（t），即ΔP（t）=PW（t）+PPV（t）-Pload（t）。其中，PW（t）和PPV（t）表示风力和光伏发电系统出力。

2.1 统一电价运行策略

ΔP（t）＜0时，首先由储能系统放电供给负荷，其后再向电网购电；ΔP（t）＞0时，首先向储能系统充电，其后再向电网卖电。

2.2 峰谷电价运行策略

峰谷电价方式下，考虑到峰谷价差、发电特性及负荷特性，用户可以根据不同工况调整与电网的功率交换，实现经济效益最大化。

根据电价时段、净功率ΔP（t）和储能设备荷电状态SOC的不同可分为SA1—SA10共10种运行策略见表1。其中SOC=0.1表示储能处于安全容量下限，SOC=0.9表示储能处于安全容量上限；PBCmax、PBDmax分别为储能最大充、放电功率允许值。

表1 用户运行策略划分

3 联合发电用户容量优化模型及配置方法

3.1 目标函数

风光储联合发电用户进行容量优化配置的目的是在考虑初始投资成本、运行维护费用、新能源发电补贴、购电费用、售电收益以及切负荷损失等因素下取得最小的综合成本。

用户的初始投资成本主要包括风机、光伏电池、蓄电池和并网逆变器的初始投资费用，表达式为

式中，i（i=1，2，3）表示不同的电源类型，此处指风机、光伏电池和蓄电池；Ni为电源的数量；Ci为电源的单位价格，元；Li为电源的使用年限（蓄电池的使用年限为其实际寿命损坏期与浮充寿命的取小值，具体计算见文献［5］）；r为贴现率；Pinv为并网逆变器的容量，kW；Cinv为单位容量并网逆变器的价格，元/kW；Linv为并网逆变器的使用年限。

运行维护费用为

式中，t为采样时刻；Δt为采样间隔，取 1h；ki和Pi（t）（i=1，2，3）分别为风机、光伏电池、蓄电池的维护成本系数，元/kW·h和在t时刻的功率，kW；kinv为并网逆变器的维护成本系数，元/（kW·a）。

新能源发电补贴为

式中，ksub为补贴电价，元/kW·h；Psup（t）为 t时刻的新能源供电功率，kW。

购电费用为

式中，j表示某一天；N为峰谷电价划分的时段个数，执行统一电价时，N=1；ki为第 i个时段的电价，元/kW·h；ni为第i个时段的时间长度，h，执行统一电价时ni=24；为t时刻用户的购电状态，0表示不购电，1表示购电；Ppur，i（t）为第i个时段t时刻用户的购电功率，kW。

售电收益如式（5）和式（6）所示，其中式（5）为用户t时刻的售电收益，式（6）为用户全年售电收益。

风光储系统因不满足用户负荷需求而造成的切负荷损失为

式中，kloss为切负荷损失系数，元/kW·h；Pcut（t）为t时刻切除的负荷，kW。

综上所述，优化目标函数为

3.2 约束函数

1）风光储容量约束

根据用户场地面积约束，风力发电机、光伏电池和蓄电池的最大安装数应满足式（9）。

式中，［x］为取整函数，表示不超过x的最大整数值；D为风机的风轮直径；S为屋顶可利用场地的面积；L为屋顶可利用场地的长度；W为屋顶可利用场地的宽度；SW、SPV、SB分别为单台风机、单块光伏电池和单节蓄电池的占地面积。

2）蓄电池电量约束［6］

以荷电状态SOC（State of Charge）表示蓄电池当前的电量状态。蓄电池充放电时的荷电状态分别如式（10）和式（11）所示。

式中，PBC（t）、PBD（t）分别为蓄电池在 t时刻的充、放电功率，kW；EBn为蓄电池的额定容量，kW·h；ηc、ηd分别为蓄电池的充、放电效率，分别取0.9215（厂家提供）和1。

用 SOCmin和 SOCmax表示单个蓄电池的最小荷电状态和最大荷电状态，那么单个蓄电池的电量约束为

3）蓄电池充放电功率约束［7］

为了防止蓄电池的过充电和过放电，蓄电池的充放电功率约束为

式中，PBCmax（t）、PBDmax（t）分别为蓄电池在t时刻的最大充、放电功率允许值，kW。

蓄电池的最大充、放电功率允许值由其物理特性和当前剩余电量决定。本文假设蓄电池以标准充放电电流和电压进行工作，则蓄电池的最大充、放电功率允许值为

式中，PmaxBC、PmaxBD分别为蓄电池最大持续充、放电功率，kW。

4）交换功率约束

风光储用户与电网之间的交换功率约束为

式中，Pgridmin和 Pgridmax为联合发电用户与配电网之间允许交换功率的最小值和最大值，该值根据联合发电用户与所并入电网达成的供求协议来确定［8］。

入网功率波动约束为

式中，ΔPgrid（t）为t时刻的入网功率波动量，ΔPgrid（t）= Pgrid（t）-Pgrid（t-1）；ΔPmin和ΔPmax为功率波动量的下限和上限，该值同样根据联合发电用户与所并入电网达成的供求协议来确定。

5）用户购/售电状态互斥约束

6）供电可靠性约束

风光储用户在各个阶段的能量分配过程中，不能满足负荷需求的功率与负荷总需求量的比值称为切负荷率。本文以切负荷率λCUT表征用户负荷的供电可靠性，表达式为

式中，Pcut（t）为 t时刻切除的负荷；Pload（t）为 t时刻负荷的需求。

则供电可靠性约束为

式中，λCUTmax为用户的切负荷率上限。

3.3 容量配置优化

粒子群优化算法［9-10］（Particle Swarm Optimization，PSO）是模拟鸟群捕食过程的一种智能寻优算法，具有实现简单、鲁棒性好、收敛速度快等优点，适合工程应用。PSO算法中的粒子通过跟踪个体极值Pbest和全局极值gbest来更新自己的速度和位置，并逐步逼近最优解，粒子更新过程见文献［10］。

本文以风机、光伏电池和蓄电池的数量作为优化变量，以目标函数的倒数作为适应度函数（不满足要求的配置，其适应度值为0），找出适应度值最大的组合作为风光储联合发电用户的最优容量配置，并输出相应配置下的用户综合成本。本文取种群规模Psize=60，迭代次数Ngenmax=200，具体算法流程如下:

1）读入风/光/储系统的相关参数，以及单位数量风机、光伏和负荷的全年功率数据。

2）根据约束随机生成满足条件的初始种群和速度。

3）计算种群中每个粒子的适应度值，确定种群的个体极值Pbest和全局极值gbest。

4）更新粒子的速度和位置。

5）计算更新后的粒子的适应度值，并更新个体极值Pbest和全局极值gbest。

6）判断迭代次数是否满足要求，若满足迭代次数，则退出迭代，转至步骤7），否则返回步骤4）。

7）输出优化配置结果及对应的综合成本。

4 算例分析

4.1 算例介绍

1）气象及负荷数据

以我国华东沿海某小区（26°14′N，119°22′E）为模拟安装地点，采用NASA提供的该地区月平均气象统计数据和HOMER软件居民负荷数据。通过HOMER软件离散得到的全年数据如图3所示。

图3 小区所在地的气象及全年负荷数据

2）电源选型

风光储型号参数见表2。垂直轴风机、光伏电池和蓄电池的维护成本系数参考文献［11］；蓄电池荷电状态SOC的变化范围取0.1～0.9，初始荷电状态取0.5。并网逆变器的单位价格参照目前市场平均价3.5元/W，运行维护成本和平均使用年限分别取51元/（kW·a）和20年［5］。

3）电价

居民用电峰时段为 8∶00—22∶00，电价为0.5783元/kW·h；谷时段为 22∶00—8∶00，电价为0.3483元/kW·h。不申请峰谷分时电价时的统一电价为0.5483元/kW·h。

采用国家发改委于2013年和2014年制定的分布式光伏发电和陆上风电标杆上网电价，该地区处在风能第Ⅳ类资源区，风电标杆上网电价为0.61元/kW·h；分布式光伏发电用户的上网电价为当地燃煤机组标杆上网电价，为0.4075元/kW·h。

表2 风光储型号参数

4.2 优化配置结果及分析

小区供电点短路容量取700kVA，两种电价方式下用户容量的优化配置结果与各项主要技术经济指标见表3。

从表3可以看出，峰谷电价方式下虽然用户的初始投资成本更高，但综合成本却更低且供电可靠性更高。这是由于峰谷电价方式的运行策略虽然提高了蓄电池的利用率，但也缩短了蓄电池的循环寿命，同时风光配置容量也比统一电价高，因此峰谷电价方式下用户的初始投资成本更高。然而，蓄电池深度充放电也给用户带来了巨大的峰谷电价差收益，使得用户不仅降低了购电费用，而且也增加了售电收益，因此用户的综合成本显得更低。

表3 两种电价方式下的配置结果

表 4为两种电价方式下用户的购/售电量及费用。

表4 两种电价方式下用户的购/售电量及费用

从表4可以看出，与统一电价相比，峰谷电价下的优化结果具有以下优势:①用户的峰时购电量低而谷时购电量高，并且用户的峰时售电量也比统一电价方式高，说明峰谷电价方式比统一电价更有利于调动用户主动参与“削峰填谷”；②用户的购电费用更低。由于谷时电价与统一电价的差价是峰时电价与统一电价差价的近7倍，用户可以将电价较低的谷时电能储存起来于电价较高的峰时电价时段使用，从而进一步降低了总购电费用。

5 结论

风、光、储电源的选型和定容是屋顶风光储用户在规划设计阶段需要解决的首要问题。本文以华东沿海某小区屋顶风光储联合发电用户为例，研究了不同居民用电电价下的风/光/储容量优化配置问题。文中考虑了蓄电池充放电深度对其循环寿命的影响，建立了全面反映用户综合成本的目标函数模型，包括初始投资成本、运行维护费用、新能源发电补贴、购电费用、售电收益和切负荷损失等经济指标，并采用PSO算法分别在统一电价和峰谷电价下对屋顶风光储用户的各电源容量进行优化配置。仿真结果表明，采用本文提出的计及峰谷电价和启发式运行策略的容量优化配置方法，虽然缩短了蓄电池的循环寿命，但有效提高了蓄电池的利用率，不仅降低了用户的综合成本、提高了用户的供电可靠性，而且还进一步帮助电网“削峰填谷”，减轻了电网的运行压力。

我们将继续研究峰谷电价因素对风光储用户的用电行为和电网运行的影响，为电网公司制定合理的峰谷电价政策提供参考。

［1］Borowy B S，Salameh Z M.Methodology for optimally sizing the combination of a battery bank and PV array in a Wind/PV hybrid system［J］.IEEE Transactions on Energy Conversion，1996，11（2）：367-373.

［2］何春光.超级电容器储能装置仿真建模及其应用研究［D］.长沙：湖南大学，2013.

［3］Habib M A，Said S，El-Hadidy M A，et al.Optimization procedure of a hybrid photovoltaic wind energy system［J］.Energy，1999，24（11）：919-929.

［4］王波.储能系统的优化建模与控制策略研究［D］.合肥：合肥工业大学，2013.

［5］江全元，石庆均，李兴鹏，等.风光储独立供电系统电源优化配置［J］.电力自动化设备，2013，33（7）：19-26.

［6］Menniti D，Pinnarelli A，Sorrentino N.A method to improve microgrid reliability by optimal sizing PV/Wind plants and storage systems［C］//The 20th International Conference on Exhibition on Electricity Distribution，2009：8-11.

［7］丁明，王波，赵波，等.独立风光柴储微网系统容量优化配置［J］.电网技术，2013，37（3）：575-581.

［8］丁明，张颖媛，茆美琴，等.包含钠硫电池储能的微网系统经济运行优化［J］.中国电机工程学报，2011，31（4）：7-14.

［9］唐贤伦，张衡，李进，等.基于多 Agent粒子群优化算法的电力系统经济负荷分配［J］.电力系统保护与控制，2012，40（10）：42-47.

［10］袁晓辉，王乘，张勇传，等.粒子群优化算法在电力系统中的应用［J］.电网技术，2004，28（19）：14-19.

［11］刘艳平.风光储混合发电系统容量优化及协调控制方法［D］.济南：山东大学，2014.

Capacity Optimization of Wind/PV/Storage Hybrid Power Generation Customer under Time-of-Use Pricing Policy and Heuristic Operational Strategies

Weng Guiping1Pan Xia2Shao Zhenguo1
（1.College of Electrical Engineering and Automation，Fuzhou University，Fuzhou 350116；2.State Grid Electric Power Co.，Ltd，Fujian Ningde Power Company，Ningde，Fujian 352000）

In order to optimize the capacity of wind/PV/storage hybrid power generation customer of residential rooftop，a configuration method of capacity under Time-of-Use pricing policy and heuristic operational strategies is proposed in this paper.It first builds the mathematical model for optimization objective function and constraint function.Secondly，it uses particle swarm optimization algorithm to optimize the capacity of different kinds of power sources within the wind/PV/storage hybrid power generation customer of residential rooftop in unified and time-of-use pricing policy.Finally，it uses the meteorological data of NASA's meteorological sites and the residential load data of HOMER to verify the validity of the method.

wind/PV/storage hybrid power generation customer of rooftops；time-of-use pricing；heuristic operational strategies；capacity configuration；particle swarm optimization

翁桂萍（1990-），男，福州大学在读硕士研究生，主要研究方向为新能源发电优化运行。