基于分布式电源接入的电网环保经济调度策略方案

谢 伟，王 灿，贾建邦，邓 强，刘 敏，兰玉彬

(1．国网重庆市电力公司 技能培训中心，重庆 400053；2．重庆电力高等专科学校，重庆 400053；3．国家电网公司榆林供电公司，陕西 榆林 719000；4．西华大学 电气与电子信息学院，四川 成都 610039)

基于分布式电源接入的电网环保经济调度策略方案

谢 伟1，王 灿2，贾建邦3，邓 强4，刘 敏1，兰玉彬1

(1．国网重庆市电力公司 技能培训中心，重庆 400053；2．重庆电力高等专科学校，重庆 400053；3．国家电网公司榆林供电公司，陕西 榆林 719000；4．西华大学 电气与电子信息学院，四川 成都 610039)

针对分布式发电(distributed generation, DG)的特点，以经济和环境最优为目标，建立一个包含光伏阵列、风机、微型燃气轮机和燃料电池等多种分布式发电系统的环保经济调度模型。采用粒子群算法进行求解，通过仿真算例表明，优化后的运行调度方式能够达到发电成本最低和对环境影响最小的目标。

分布式发电；电力系统；环保经济调度；粒子群算法

分布式发电(distributed generation，DG)，是用多种连接电网的小型设备进行发电和储能的技术与系统，属于一种较为分散的发电方式。与分布式发电相对的是集中式发电。常规发电站，如燃煤、天然气和核电站，以及水坝和大型太阳能发电站，是集中式发电[1]。通常情况下，集中式发电由于远离负荷中心，需要长距离输电，投资大，线路损耗多。相比之下，分布式发电系统是分散的、模块化的，更为灵活，安装位置通常接近它们所服务的负荷，无需远距离传输，因此投资小，损耗少。DG是目前国内外研究的热点问题，其核心研究主要是电源、并网和控制、经济运行和维护等几方面。本文基于DG具有很好的经济性和环保性的特点，建立含DG电力系统的环保经济调度的数学模型，为DG接入电网的环保经济调度策略提供研究方案。

1 含分布式电源的配网系统

分布式电源接入配网的方式常见的有两种：一是单独接入，二是以微电网的形式接入[2]。由于单独接入会有更大的随机性[3]，因此，本文以微电网接入形式来分析，其微电网系统结构如图1所示。系统中接入了多种分布式电源，包含了光伏(PV)、风机(WT)、微型燃气轮机(MT)和燃料电池(FC)。微电网系统通过公共连接点(PCC)与大电网相连。系统内负荷由各分布式电源和大电网共同进行供电。

1.1 光伏发电模型

光伏阵列的功率输出如下[4]：

(1)

式中：PPV(t)是太阳能光伏电池在时刻t的输出功率；PSTC为标准测试环境下最大输出功率(kW)；GSTC为标准测试条件下的光照强度，通常取1 kW/m2；G(t)为t时刻的地表实际光照强度(kW/m2)；k是温度系数，通常取k=-0.5；T(t)为光伏电池t时刻的表面温度(℃)；TSTC为光伏电池在标准测试条件下的温度，通常取25 ℃。

图1 微电网系统结构

1.2 风力发电模型

风力发电机的出力与风速有关：

(2)

式中：PWT和Pr分别为风力发电机的实际输出功率和额定输出功率；vci为切入风速，通常取3 m/s；vco为切出风速，本文取25 m/s；vr为额定风速，本文取14 m/s。

1.3 微型燃气轮机模型

微型燃气轮机燃料成本和效率有关[5]：

(3)

(4)

式中：CMT为微型燃气轮机燃料成本；Ci为燃料单价；PMT为微型燃气轮机输出功率；ηMT为微型燃气轮机效率；LHV为天然气低热值，通常取9.7 kW·h/m3。

1.4 燃料电池模型

燃料电池燃料成本如下[6]：

(5)

ηFC=-0.002 3PFC+0.673 5

(6)

式中：CPC为发电燃料成本；Ci为燃料价格；T为燃料电池运行时间；PJ为J时间内净输出功率；ηJ为J时间内燃料电池的总效率。

2 优化调度模型

2.1 目标函数

本文所建立的系统模型以运行成本和环境处理费用之和最小为目标。

minF(X)=fc(X)+fe(X)

(7)

式中：F(X)为目标函数；fc(X)为系统运行成本；fe(X)为环境处理成本；X为优化变量。

1)运行成本

对于运行成本，本文考虑燃料成本、设备运行维护成本、与大电网的交互成本。

fc(X)=CG+COM+Cgrid

(8)

式中：CG为燃料成本；COM为分布式电源的运维成本；Cgrid为分布式电源与大电网间的交互成本。

2)环境处理成本

环境成本是排放的多种污染物的处理成本，主要是CO2，SO2和NOx三类污染物的处理。

(9)

式中：n为总共的发电时间；λCO2，λSO2和λNOx分别为相关污染气体CO2，SO2和NOx的处理价格；ECO2(p)，ESO2(p)和ENOx(p)分别是发出功率p时相应的污染物的排放量。

2.2 约束条件

2.2.1 功率平衡约束

Pload(t)=PPV(t)+PWT(t)+PMT(t)+
PFC(t)Pgrid(t)

(10)

式中：Pload(t)是t时刻微电网系统内的负荷大小；PPV(t)，PWT(t)，PMT(t)，PFC(t)分别为t时刻系统内的光伏、风机、微型燃气轮机和燃料电池发出的功率；Pgrid(t)为t时刻微电网系统与大电网间的交互功率，Pgrid(t)gt;0表示微电网向大电网购电，Pgrid(t)lt;0表示微电网向大电网售电。

2.2.2 分布式电源出力约束

(11)

2.2.3 交互功率约束

(12)

3 粒子群算法

粒子群算法[8](particle swarm optimization，PSO)，早在1995年就由Kennedy和Eberhart共同提出。该算法最初是用来研究各种群居性动物的社会现象，但是经过不断的改善和发展后，现已经成为计算智能方面的一类以模拟群体动物为基础的智能优化算法。在粒子群算法中，每个待优化问题的可能解都可以被看作是三维空间中的一只鸟。在实际操作过程中为使问题简化，被简化为无限小的一个点，优化的过程可以看作动物在三维空间中找到了食物。对于高维度的问题，则可以将其扩展到D维空间。个体i在D维空间所处的位置可以用一个向量来表示，每个个体的运动速度也用一个向量来表示。所有个体都有一个适应度(fitness)，这是经由已经被优化了的函数决定的，每个个体有一个包含方向和距离两个已知量的速度。各个个体知道它到现在为止能找到的最优的解(pbest)和当前所处的坐标，称作个体经验。同时，各个粒子都知道当前全部群体中所有个体发现的能满足条件的最好的解(gbest)，称作社会经验，个体当前的速度随着它及群体的运行经验进行实时调整，从而得以实现粒子在解空间中的寻优操作。粒子群优化算法最开始是要对一群随机解设定初值，粒子沿着目前的能满足条件的最优解在解空间中查找，即利用迭代的方式找到能满足条件的最好的解。针对多维的问题，那么就需要在对应维度的空间中，由n个解组成的种群X=(X1,X2,…,X3)。其中，第i个解表示为一个多维度的向量Xi=(Xi1,Xi2,…,XiD)T，代表第i个解在对应维搜索空间中的位置，也代表问题的一个潜在解。由目标函数计算出每个粒子位置对应的适应值。第i个粒子的速度为Vi=(Vi1,Vi2,…,ViD)T；其个体值为Pi=(Pi1,Pi2,…,PiD)T；种群的群体极值为Pg=(Pg1,Pg2,…,PgD)T。每经过一次迭代，粒子通过以下公式更新自身速度和位置

(13)

(14)

式中：ω是惯性权重，在某些发展后的算法也会在程序中进行更新；d=1,2,…,n；k为进行到现在已经迭代了的次数；Vid为粒子的速度；c1和c2为学习因子，是非负数；r1和r2是分布于[0,1]区间的随机数。粒子群优化流程如图2所示。

图2 粒子群求解流程

4 算例仿真

4.1 算例系统

本文采用matlab7.11软件进行编程，为验证本文所建模型，以图1的微电网系统为例，使用本文的优化调度模型进行以1天为周期的优化调度，典型日24 h负荷数据如表1所示[6]，其峰值为158 kW。系统中包含在标准测试环境下最大输出功率为10 kW的光伏、最大输出为1 000 kW的风机、50 kW的微型燃气轮机和40 kW的燃料电池，系统与大电网之间的最大传输功率为250 kW。为提高风能与太阳能的利用率，光伏和风机运行在最大功率跟踪模式下。系统中分布式电源经济性数据如表2所示，DG排放系数及相关处理费用见表3所示[10]。PSO相关参数的取值是：群体规模为20，进化次数300，c1和c2均为1.5，ωmax取0.9，ωmin取0.4，vmax取2，vmin取-2。

表1 典型日负荷、光照、风速、实时电价、温度数据

表2 各分布式电源经济性参数

表3 环境参数

4.2 结果分析

本文采用PSO进行寻优，在目标函数中不仅考虑了发电成本，同时也包含了环境成本，分别对图1所示的含多种DG的微电网系统和不含分布式电源的配网系统进行寻优分析，其优化过程分别如图3和图4所示。

图3 含分布式电源的粒子群寻优过程

图4不含分布式电源的粒子群寻优过程

从图3可以看出，在接近50代时得到了最优结果收敛在22附近，图4在接近100代时得到最优结果收敛在90附近。对比两种情况下寻优结果可知，加入分布式电源后，配网系统能够付出更小经济运行成本和环境成本。含分布式电源的优化调度方案如图5。从图中容易看出，光伏发电和风力发电处于满发状态，这是由于本文模型综合考虑了经济性和环境性，而光伏发电和风力发电在经济性和环境性上都有较大优势，均工作在最大运行方式下。

图5 最优调度结果

5 结论

本文研究了以微电网形式接入配电网的分布式电源经济调度，在满足约束的前提下，综合考虑了经济性和环境性，建立以微电网系统运行成本和环境成本之和为最小目标的优化调度模型。仿真结果表明，在配网中加入分布式电源能够在环保性和经济性上有明显改善，具有一定的参考价值和指导作用。

[1] 袁东明.加快发展分布式电源优化我国供电模式[R].北京:国务院发展研究中心,2004.

[2] 王敏,丁明.含分布式电源的配电系统规划[J].电力系统自动化学报,2004,16(6):5-8,23.

[3] 梁有伟,胡志坚,陈允平.分布式发电及其在电力系统中的应用研究综述[J].电网技术,2003,27(12):71-75,88.

[4] 王金全，杨毅．基于多目标粒子群算法的微电网优化调度[J]．电网与清洁能源，2014,30(1)：49-54．

[5] 孙可，韩祯祥，曹一家．微型燃气轮机系统在分布式发电中的应用研究[J]．机电工程，2005,22(8)：55-60．

[6] 洪博文，郭力，王成山，等．微电网多目标动态优化调度模型与方法[J]．电力自动化设备，2013，33(3)：123-128．

[7] 苗雨阳，卢锦玲，朱国栋．基于改进多目标粒子群算法的微电网并网优化调度[J]．电力工程，2012，28(7)：15-20．

[8] 史峰，王辉，郁磊，等．MATLAB智能算法30个案例分析[M]．北京：北京航空航天大学出版社，2011：130-136．

[9] 龚纯，王正林．精通MATLAB最优化计算[M]．北京：电子工业出版社，2012：270-312．

[10] 侯国彦，王彪，丁理杰，等．微电网并网时的环保经济调度[J]．四川电力技术，2011，34(5)：80-83．

AStudyontheStrategiesforEnvironmentally-FriendlyandEconomicalDispatchingBasedontheGridSystemwithDistributedGeneration

XIE Wei1，WANG Can2，JIA Jianbang3，DENG Qiang4，LIU Min1，LAN Yubin1

(1．Skills Training Center of State Grid Chongqing Electric Power Company，Chongqing 400053，P.R.China；2．Chongqing Electric Power College，Chongqing 400053，P.R.China；3．Yulin Power Supply Company of State Grid Shaanxi Electric Power Company，Yulin Shaanxi 719000，P.R.China；4．School of Electrical Engineering and Electronic Information of Xihua University，Chengdu Sichuan 610039，P.R.China)

Based on the characteristics of DG，this paper introduces an economical and environmentally-friendly dispatching model of a DG system including a PV，a WT，a MT and a FC．Solutions can be obtained by means of the PSO．Simulation examples show that the optimized mode of operation dispatching is economical and environmentally-friendly．

distributed generation；power system；environmentally-friendly and economical dispatching；PSO

TM727

A

1008- 8032(2017)05- 0028- 04

2017-06-08

谢 伟(1971-)，高级讲师，研究方向为电力系统运行、变电运行、安全经济调度。