基于混整规划的微电网优化调度

三峡大学电气与新能源学院 余 坤

0 引言

电能的需求逐渐扩大，传统能源被消耗的越来越多，发展新能源是一件很紧急的任务。风力发电和太阳能发电这种情节的能源，越来越受到广泛的追求，当前对于高效、清洁的能源的需求越来越迫切。分布式发电就为了解决这一问题而产生，以光伏和风电为主药的清洁能源。分布式发电具有排放污染气体低、能源利用效率高、损耗低和安装灵活等优点[1]。但出力的随机性和间歇性的分布式能源具有的特性，在大规模并网的时候，会对电网的造成极大的冲击，降低了电网的运行的稳定性、可靠性和安全性[2-4]。

研究人员已经对微电网系统相关问题做出了诸多研究，文献[1]研究了在微网中接入蓄电池，通过优化发现了光伏和蓄电池的搭配组合可以极大保证光伏的输出。文献[2]通过动态规划的方法分析了风电和光伏对蓄电池容量的影响。文献[3-4]研究了含有多种形式能源的微电网经济调度的问题，但文献[4]仅仅解决了负荷的经济分配问题；文献[5]分析了风电、光伏以及水电之间的搭配互相补充的方案。

本文针对含有风力发电、光伏发电、配电网、蓄电池等分布式电源的微电网。首先对微电网经济性评估，然后建立各种微电源的发电模型及特性和各种经济成本的计算方法；再针对不同的调度方案分析各调度策略的经济性；然后建立了微电网日前优化调度模型。

1 模型建立

本文假设负荷预测、风机和光伏未来出力预测精度很高，可以忽略实际产生的偏差，并且尽可能使用新能源的电能。

式中，分别为蓄电池时段的SOC状态及其上、下限值。即当SOC到达电池最大值()时，电池停止充电；当SOC到达最小值()时，电池停止放电。蓄电池每时刻的荷电状态:

式中，S0表示蓄电池的运行之前的荷电值，Pcha, i、Pdis, i为表示蓄电池在第i时段的充放电效率，单位kW，B3、B4为充放电状态。满足

蓄电池在的初始能量在运行的周期范围内要余最终荷电状态相同：

为了尽量使蓄电池寿命延长不产生重大的损坏，最大充放电电流因为额定容量的20%，即：

式中，Eb表示蓄电池的容量，单位：kWh。

蓄电池充放电状态对电池寿命影响重大，充放电次数约束如下：

式中，N1、N2分别表示蓄电池充电和放电的次数限制值。

张全文话不多，心却很亮。凡是涉及到原则性的问题，他就会变得很严肃。张伦小学时，羡慕大人们抽烟时的潇洒，会和朋友凑钱买两毛五一包的小春城抽。“我那次被抓是和一个堂哥一起抽。我们一起找了些烟，躲到包谷地里面抽，结果还是被我隔壁家的一个哥哥发现了。”张全文知道后，叫来了家里的至亲。“我们两个被抓去堂屋里，全家人——我大爹、二大爹、三大爹、四大爹，一个个就开始和我讲道理，公审一样。”

2 优化调度数学模型

2.1 经济性评估方案

当可再生能源全额利用时，系统不存在弃风弃光。因此，如果风机和光伏产生的电能多于负荷，就必须向主网售电。为此，我们建立如下的数学模型。

全天总供电费用F为：

其中Fi为第i个时段微网的供电费用，用(8)式表示：

式中，Pgrid表示主网与微网的交换功率，Pload表示负荷功率，分别表示第i个时段光伏和风机注入到微网的电能功率，PG,i表示第i个时刻光伏和风机总的发电功率，Cb,i表示第i个时间段购电电价。

由以下面三种情况确定：

在第二种情况下，负荷从主网购电的价格不会变化，所以负荷平均购电单价不会变化。

2.2 优化调度策略

考虑蓄电池的作用，蓄电池储存电能与自身额定功率、荷电状态、充放电次数等因素有关。在可再生能源必须全额利用的前提下，当微网的发电量大于负荷用电的需求量时，多余的电能只能储存在蓄电池中或者向主网售出。为尽可能使微网获得更高利润或减小损失，当微网的发电成本与蓄电池放电成本之和低于主网的购电电价时，应将多余的电能出售于主网；反之，则应将多余的电能储存在蓄电池中，在主网购电电价高时售出。另外，当主网的售电电价较低且蓄电池仍有储能空间时，微网也可从主网购电储存在蓄电池中，待主网购电电价高时售出，此时必须保证微网售电总额大于从主网购电成本与蓄电池放电成本之和。当然，微网与主网的功率交换模式也可能是上述情况下的组合。因此，需要建立了整数规划模型，求解一个最优的运行方案。

负荷平均供电单价即为微网全天总供电费用与全天总负荷的比值，如公式（16）所示：

目标函数：

约束条件：

以上建立了微电网的日前调度模型。

3 仿真算例

算例采用15min为调度点，整个调度周期为24h，风力发电额定功率为250kw，光伏额定功率为150kw，发电成本分别为0.52元/kWh、0.75元/kWh。假设不计蓄电池损耗，蓄电池额定容量为300kWh，电池SOC运行范围为[0.3,0.95]，初始SOC值为0.4，由充电至放电成本为0.2元/kWh，每天的充放电次数限制均为8次，售电及购电电价如表1所示。

表1 购售电价

由图2可知，在第0-54个调度时段（0：00-13：30），新能源能够满足负荷的需求，所以主网不需要出力，而且可再生能源必须全额利用，风机和光伏发出的电能在满足负荷需求以后，必须售给主网。其中0-20个调度时段（0：00-5：00）光伏还未发电，其后，光伏开始发电，但是此时风机发出的电能任然比负荷需求多，所以光伏发出的电将全部售给主网，多余的风电将继续售与主网。在第28和36个调度时段（6：45-9：00），风机发出的电能不能满足负荷需求，所以光伏补充缺额，但是缺额少于光伏的发电量，所以光伏还向主网售电，风机不再售电。45个调度周期（11：00）以后风电就一直不能满足负荷需求了，所以风机不再向主网售电，光伏补充补充缺额，多余的电售与主网。54-94个调度时段（13：15-23：30），风机和光伏完全不能满足符合需求，需要从主网中购电，所以图2中主网输出功率一直为正，94-96个调度时刻（23：30-24：00）风机又能满足负荷需求，所以图2中主网的输出功率变为0。

图1 风光及负荷预测

图2 风光及电网出力

利用matlab计算可得，全天总供电费用为2272.2元，微网的供电单价为0.6880元/kWh，微网向主网的购电单价为0.6658元/kWh，负荷平均购电单价0.4775元/kWh。

图3 各时段负荷的供电构成

在图3中，蓄电池输出功率为负值时，表明蓄电池在充电；蓄电池输出功率为正值时，表明蓄电池在放电。因此，从图中可知蓄电池的充电次数为8次，放电次数为4次。分别计算出蓄电池充电和放电的总电能，两者相等。说明经过一天的运行，蓄电池的最终回到了初始的荷电状态。

在图3中，风电和光伏均全额发电。在1-54个调度时段（0：00-13：30）中，主网的输出功率为负值，这是因为风电与光伏在这个时间段的总发电功率大于负荷功率，因此需要向电网售电，以保证可再生能源全额利用，蓄电池在这个时间段里面也三次充电，具体时间分别为5-6个调度时段（1：00-1：30）、第12个调度时段（2：45-3：00）以及17-26个调度时段（4：00-6：30），在这个时间段，售电电价最低，很显然，储存电能，待电价升到以后卖出更加划算；在55-56个调度时段（13：30-14：00），微网不从主网购电也不向主网售电，而蓄电池向微网注入电能，已补充可再生能源所不能满足的负荷要求，而在这个及其后面的一段时间，售电电价最高，蓄电池里的电能能获得更高的利润，蓄电池此时放电最合理。主网在56个调度时段后（14：00以后）将一直保持正的输出功率，即向电网提供电能，这是由于微网中的电能不足，所以需要主网提供电能满足符合需求；在53-60个调度时段（13：00-15：00），售电电价再次降低，蓄电池再次充电等待电价升高，等到了第72个调度时段后（18：00以后），电价再次升高，蓄电池放电，一直到第84个时间段（21：00）电价降低。等到第91个调度时段后（22：45以后），为了达到初始荷电状态，陆续充电以备第二天应用。其余时段虽然也有陆续的充电放电，主要是为了满足符合的需求。另外，微网从主网购电和向主网售电的功率都未超过150KW，满足微网与主网交换功率不超过150KW的约束。

此问中，全天总供电费用为2211.9元，微网平均供电单价0.6683元/kWh。微网从主网购电的平均购电单价为0.6177元/kWh，负荷的平均购电称本为0.4775元/kWh。

4 结论

本文结合分布式电源的特性建立其发电模型，建立基于分时电价的微电网联网(含有蓄电池)运行的内部调度模型。首先分析了微电网新能源的经济性，其次当微电网联网参与电力市场交易时，以发电成本最低为目标函数时，使微电网以低成本，良好环境效益运行，并利用改进帝国竞争算法对模型进行求解。

[1]赵媛媛,艾芊,余志文,等.考虑多种因素评估的微电网优化调度[J].电力系统保护与控制,2014(23):23-30.

[2]王旭冉,郭庆来,孙宏斌,葛怀畅,辛蜀骏,张永旺,赵伟.计及电动汽车充放电负荷的分布式电压稳定监控方法[J].电力系统保护与控制,2015,16:43-49.

[3]邱海伟.基于多目标的微电网优化调度研究[D].上海电力学院,2013.

[4]刘娇娇,王致杰,袁建华,等.基于PSO算法的风光储微电网优化调度研究[J].华东电力,2014,42(8):1534-1539.

[5]王金全,黄丽,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.

[6]苗雨阳.微电网优化调度研究[D].华北电力大学(保定)华北电力大学,2013.

[7]井天军,谭元刚,杨明皓.农村微电网优化调度模型的建立[J].农业工程学报,2012,28(14):127-132.

[8]翟云峰,蒋云峰,易国伟,等.基于改进蝙蝠算法的微电网优化调度[J].电力建设,2015,36(6):103-108.

[9]Xu G,Shang C,Fan S,et al.A Hierarchical Energy Scheduling Framework of Microgrids with Hybrid Energy Storage Systems[J].IEEE Access,2017,PP(99):1-1.

[10]Chen Y,He L,Lu H,et al.Stochastic dominant-subordinate interactive scheduling optimization for interconnected microgrids with considering wind-photovoltaic-based distributed generations under uncertainty[J].Energy,2017,130.

[11]Amicarelli E,Tran T Q,Bacha S.Optimization algorithm for microgrids day-ahead scheduling and aggregator proposal[C]//IEEE International Conference on Environment and Electrical Engineering and 2017 IEEE Industrial and Commercial Power Systems Europe.IEEE,2017:1-6.

[12]张金环,安海霞,王永春.基于改进小生境帝国竞争算法的多目标电力系统无功优化[J].华北电力大学学报(自然科学版),2014,41(04):41-47.

[13]翟云峰,易国伟,王亦,李明,周鹏.基于改进帝国竞争算法的微网动态经济调度[J].电力科学与工程,2015,31(05):34-41.