能源互联网背景下的微电网能量管理分析

张国栋，刘凯



能源互联网背景下的微电网能量管理分析

张国栋1，刘凯2

（1．山东科技大学电气信息系，山东省 济南市 253500；2．洛阳供电公司，河南省 洛阳市 471000）

能源互联网背景下，可再生能源并网规模日益扩大。由于可再生能源发电功率具有很强的随机性，电力系统运行中出现了所谓“双侧随机问题”，影响安全稳定运行。如何对各种可再生能源进行经济有效的能量管理，是实现能源互联网的关键技术之一。为实现微电网运行的整体优化，对包含各种分布式电源的微电网，建立以综合发电成本最低、环境效益最好作为优化目标的多目标优化模型。利用遗传算法，进行能量管理的优化研究。以联网运行的含有多种分布式电源的微电网为算例进行仿真计算，仿真结果表明了优化模型及算法的有效性。

能源互联网；微电网；分布式电源；能量管理

0 引言

化石能源的大量使用造成了资源的逐步枯竭以及环境破坏的日益严重，为了应对上述问题，人们对风能、太阳能等可再生能源越来越重视。由于可再生能源随机性、间歇性与波动性较强的特点，传统的供给方式不能满足电网的需求。以深入融合可再生能源与互联网信息技术为特征的能源互联网的提出，将是实现能源清洁低碳替代和高效可持续发展的关键所在[1]。

传统的电力系统运营模式下，电源侧多采用火电、水电、核电机组，发电功率相对可控；而负荷侧因为受用户行为的影响，功率呈现出较强的随机性。系统运行中，需要根据负荷功率实时调整发电功率，以保证系统的安全稳定。该情况下，由于发电功率相对可控，负荷功率随机波动，因此可以称为“单侧随机问题”。能源互联网背景下，以风能、太阳能为代表的可再生能源大规模并网。由于可再生能源具有随机性、间歇性与波动性较强的特点，其发电功率可控性较差，增强了发电功率的随机性。此时，电力系统面临着“发电功率随机”与“负荷功率随机”问题，即出现了所谓“双侧随机问题”[2-5]，严重影响系统的安全稳定运行[6-8]。

如何在保证电网安全稳定的前提下，合理安排各种分布式电源的开停机，以获取较高的经济效益、付出较小的环境成本，即所谓能量管理问题，是实现能源互联网的关键技术之一[9-15]。

本文研究了包含各种分布式电源的微电网能量管理问题。设定微网运行成本作为经济目标，污染物治理成本作为环境目标，以各种分布式电源(distributed generator，DG)的开停机以及蓄电池的充放电作为优化对象，利用遗传算法进行了微电网能量管理优化。

1 优化模型

1.1 优化目标

1.1.1 经济目标

式中：为优化运行周期；为优化运行时段；为该微网中DG的数量；为DG的编号；OPE表示微网的运行成本；u()表示第台DG在时段内的启停状态；F()、M()和Ss()分别表示第台DG在时段内的燃料成本、维护成本和启停机成本；P()表示时段微网与主网间的交互功率成本。其中，u()等于1表示该DG开启，等于0表示停运，u()=u()。

燃料成本F()一般采用DG出力的二次函数表示，可表示为

式中：a、b和c分别为第台DG燃料成本函数的二次项、一次项和常数项系数；P()为第台DG在时段的输出功率。

维护成本M()、启停机成本S()和交互功率成本P()分别可以表示为：

1.1.2 环境目标

1.2 约束条件

功率平衡约束：

DG出力上下限约束：

蓄电池出力上下限约束：

蓄电池充放电功率上下限约束：

蓄电池充放电等式约束：

蓄电池荷电状态约束，SOC始末状态约束：

联络线功率约束：

2 遗传算法求解流程

2.1 初始化

首先，确定程序初始化中需要的参数和对应的值。涉及到的参数名称、符号和相应值见表1。

表1 遗传算法初始化参数

2.2 染色体编码

在时间从1增长至时，优化变量中，蓄电池荷电状态、DG出力一类实数变量，采用实数编码；而DG启停一类零一变量，采用二进制编码。

由此可得实数部分串长为´，二进制部分串长为´。

为了避免DG频繁启停，可以对各类DG设定日启停转换次数上限，则可将DG启停零一变量编码替换为启停转换时刻整数编码，取值为0至-1，该部分编码长度为´。在进行交叉和变异计算时可以采用与实值编码相同的方法，之后进行规整。

2.3 适应度计算

隶属度函数的确定。隶属度函数的不同形式将影响到多目标优化的最优解，因此在微电网多目标优化调度模型中，如何依据问题的特点来确定隶属度函数是解决问题的关键。

本研究的目的在于在满足系统要求的前提下，尽可能降低运行维护成本、减少环境保护折算成本，期望值有上限值而无下限值，因此可选择降半形的隶属度函数。又由于降半矩形分布是二点分布，不适于解决连续性的优化问题；而降半梯形分布、降岭形分布等需要确定fmin、fmax，其中fmax在本算例中无意义。因此，选用降半分布。

式中fmin为子目标函数在约束条件下的最小值。

模糊模型的建立。引入模糊隶属度变量后，依据最大隶属度原则，将微电网优化调度的多目标问题转化为一个单纯的单目标优化问题，此时，微电网的优化调度模型适应度可描述为：

约束条件的处理。罚函数的基本思想是对在解空间中无对应可行解的个体计划其适应度时，除以一个罚函数，从而降低该个体的适应度，使该个体被遗传到下一代群体中的概率减小。可以利用下式对个体的适应度进行调整：

式中为罚函数，可以取为约束越界量之和。

2.4 遗传算子

选择操作：本研究采用最佳保留选择模式，首先按轮盘法选择方式执行遗传算法的选择操作，然后将当前群体中适应度最高的个体结构复制到下一代群体中。该方法能保证遗传算法终止时得到的最后结果是历代出现过的最高适应度的个体。

交叉操作：对于实值编码部分基因，本研究可采用算数交叉，由2个体线性组合产生2个新的个体。对于二进制编码部分基因，可采用单点交叉，在个体编码串中随机设置一个交叉点，然后在该点相互交换2个配对个体的染色体。

变异操作：本研究选取均匀变异方法，分别用符合某一范围内均匀分布的随机数，以某一较小的概率来替换个体编码串中各个基因座上的原有基因值。

2.5 搜索终止判断

遗传算法的终止条件有以下2个，满足任何一个条件搜索就结束。

2）达到遗传操作的最大进化代数。

2.6 整体流程

遗传算法的整体流程如图1所示，为了确定fmin子目标函数在约束条件下的最小值，需首先分别单独对各子问题进行求解(此时隶属度函数中fmin用保守估计下界代替)。

3 算例分析

3.1 算例数据

本研究算例含高渗透率DG的微网系统，包括风机(wind turbine，WT)、光伏(photovoltaic，PV)、柴油机(diesel engine，DE)、燃料电池(fuel cell，FC)、微型燃气轮机(micro-turbine，MT)等分布式电源和蓄电池、负荷，微网系统并网运行。该系统某日的短期光伏和风力预测输出功率值、负荷需求预测值和峰谷电价如图2所示。

图1 遗传算法流程图

图2 各单元预测功率曲线与峰谷电价

该微网中，各发电单元的技术参数如表2所示。FC、DE和MT的燃料成本拟合的参数如表3所示。蓄电池的最大充放电为40 kW，容量为200kW×h，充放电效率均为95%，为了防止过分充放电，SOC工作范围为0.3~0.9pu，优化周期初始SOC状态为0.4pu。表4为环境目标技术参数。

3.2 计算结果

图3、图4分别为适应度与惩罚项折合系数曲线和各单元实际功率曲线与SOC。由图3结果可以发现，综合经济和环境目标所得的适应度随迭代次数增加不断上升，而表征优化中超越边界量的惩罚项折合系数p在迭代初期即已经达到1，即说明之后优化解皆满足约束条件。由于本文涉及多目标优化，各优化目标无法同时达到最小值，因此适应度始终不能抵达1。

表2 发电单元技术参数

表3 燃料成本曲线拟合参数

表4 环境目标技术参数

由图4结果可以发现，由于优化程序中限定各类DG每日至多启停各1次，因此即便在下午时段，成本较高的柴油机也没有停机，而是维持在低功率水平。在早晚负荷高峰，各类DG及电网都处于大发状态。在凌晨低电价时段，蓄电池选择进行充电，这与追求经济最优的目标吻合。

图3 适应度与惩罚项折合系数曲线

图4 各单元实际功率曲线与SOC

4 结论

利用遗传算法对含有各种DG的微电网进行了能量管理优化分析，分析结果表明：负荷高峰时，各类DG以及电网都处于大发状态，这与实际情况相符合。负荷低谷时，考虑DG的开停机成本后，程序中设定各类DG每日至多启停1次，在此情况下，成本较高的柴油机没有停机，而是维持在低功率水平。另外，低谷电价阶段，蓄电池进行了充电。综上所述，在满足负荷需求的前提下，各类DG的开停机行为以及蓄电池的充放电过程，与设定的经济目标相一致，证明了算法的有效性。不足之处在于，该模型基于联网运行的微电网，所包含的分布式电源机组较少，且未考虑常规机组，具有一定的局限性。后期可以采取以下措施予以改进：

1）扩大系统规模，即增加分布式电源机组的数量；

2）建立常规机组运行成本模型，将其纳入优化范畴，以得到更普遍适用的结论。

[1] 周孝信，曾嵘，高峰，等．能源互联网的发展现状与展望[J]．中国科学：信息科学，2017，47(2)：149-170．

[2] 张涛，张福兴，张彦．面向能源互联网的能量管理系统研究[J]．电网技术，2016，40(1)：146-155．

[3] 曾鸣，杨雍琦，李源非，等．能源互联网背景下新能源电力系统运营模式及关键技术初探[J]．中国电机工程学报，2016，36(3)：681-691．

[4] 何力，吕红芳．考虑经济性的多微电网优化调度研究[J]．发电技术，2018，39(5)：397-404．

[5] 胡晓通，刘天琪，何川，等．计及蓄电池损耗特性的微电网多目标优化运行[J]．中国电机工程学报，2016，36(10)：2674-2681．

[6] 曾洪瑜，史翊翔，蔡宁生．燃料电池分布式供能技术发展现状与展望[J]．发电技术，2018，39(2)：165-170．

[7] 李凯，秦文萍，张海涛，等．含混合储能的微电网能量管理系统控制策略[J]．电力系统及其自动化学报，2016，28(10)：85-91．

[8] 田世明，栾文鹏，张东霞，等．能源互联网技术形态与关键技术[J]．中国电机工程学报，2015，35(14)：3482-3494．

[9] 窦晓波，晓宇，袁晓冬，等．基于改进模型预测控制的微电网能量管理策略[J]．电力系统自动化，2017，41(22)：56-65．

[10] 马喜平，谢永涛，董开松，等．多能互补微电网的能量管理研究[J]．高压电器，2015，51(6)：108-114．

[11] 陈其森，汪湘晋，池伟，等．多微电网互联系统能量管理方法研究[J]．电力系统保护与控制，2018，46(11)：83-91．

[12] 吴雄，王秀丽，刘世民，等．微电网能量管理系统研究综述[J]．电力自动化设备，2014，34(10)：7-14．

[13] 王成山，武震，李鹏．微电网关键技术研究[J]．电工技术学报，2014，29(2)：1-12．

[14] 马守达，杨锦成，崔承刚，等．能源互联网储能技术应用研究[J]．发电技术，2018，39(5)：412-418．

[15] 庄雅妮，杨秀媛，金鑫城．风光储联合发电运行技术研究[J]．发电技术，2018，39(4)：296-303．

Analysis of Microgrid Energy Management Under the Background of Energy Internet

ZHANG Guodong1, LIU Kai2

(1. Department of Electrical and Information, Shandong University of Science and Technology, Jinan 253500, Shandong Province, China;2. Luoyang Power Supply Company, Luoyang 471000, Henan Province, China)

Under the background of energy internet, the scale of renewable energy interconnection is increasing day by day. Due to the strong randomness of renewable energy generation power, the so-called “bilateral stochastic problems” appears in the operation of the power system, which affects the safety and stability. How to manage all kinds of renewable energy economically and effectively is one of the key technologies to realize the energy internet. In order to realize the overall optimization of microgrid operation, a multi-objective optimization model was established for microgrid including various distributed generators (DG) with the lowest comprehensive power generation cost and the best environmental benefits as the optimization objectives. The genetic algorithm is used to optimize the energy management. The simulation results of a microgrid with multiple DGs running on the grid show the effectiveness of the optimization model and algorithm.

energy Internet; micro-grid; distributed generator; energy management

10.12096/j.2096-4528.pgt.18239

2018-11-19。

张国栋(1982)，男，硕士，讲师，主要研究方向为电力系统运行控制，459532455@qq.com；

张国栋

刘凯(1981)，男，硕士，高级工程师，从事电网规划设计等工作，51781628@qq.com。

教育部产学合作协同育人计划项目(201702064021)；山东科技大学济南校区教研项目(JNJG2017203)。

Project Supported by Ministry of Education's Cooperative Education Program Project (201702064021); Research Project of Jinan Campus of Shandong University of Science and Technology (JNJG2017203).

(责任编辑 辛培裕)