家庭微网储能分组能量管理优化策略

胡陈壮

（上海电力大学电子信息与工程学院，上海，200090）

0 引言

随着能源环境问题的日益加重和用电需求的不断增长，太阳能、风能等可再生能源具有清洁、丰富等特点，因而得到人们的充分关注与应用，成为如今能源发展必然趋势[1]。居民用电量比重的提高和用户侧经济效率不足促使家庭能量管理系统（Home Energy Management System,HEMS）优化调度成为国内外研究热点。然而，光伏发电和风力发电依赖于天气类型和风速大小，具有很强的随机性和间断性。这些不确定性因素使得可再生能源接入电网后，存在对系统优化调度和稳定运行造成困难的问题[2]。文献[3]中，目标函数为家庭用电费用和用户舒适度，建立了智能家庭能源优化控制模型，采用智能算法求解优化结果。但是模型未计及储能投资成本对优化的影响。文献[4]建立了考虑蓄电池使用寿命的微电网优化模型，该模型验证蓄电池参与调度可以提高运行经济性。文献[5]考虑到用户偏好和日前电价信息，根据温度和可再生能源出力预测值、以用电费用最小为目标构建家庭能量管理系统优化框架和调度算法。但是文中没有考虑可再生能源的出力预测误差对优化结果产生的影响。文献[6]以用户投入最小为目标函数,提出了一种用于家庭储能的家用电动汽车退役动力电池梯次利用容量优化配置方法，综合考虑了梯次储能的投资成本，合理配置了储能容量。文献[7]构建了基于双电池组交替储能运行的微网调度模型，但该策略未计及放电深度对蓄电池的影响和大容量的电池成本。此外，该系统需要通过购买较大容量的电池组才能减少电池组交替的次数。

文中提出储能系统分组的家庭能量管理优化策略，该策略考虑可再生能源出力预测误差对家庭能量管理的影响。建立包含储能系统、可再生能源系统的家庭能量管理系统模型。结合上海市分时电价和光伏补贴机制，采用改进遗传算法求解模型得到日内实时优化调度结果。仿真算例验证了该策略的有效性和经济性。

1 家庭能量管理系统基本模型

1.1 家庭能量系统结构

典型家庭能量管理系统结构如图1所示，其内部主要由能量管理中心、控制器、储能系统、光伏发电系统、风机发电系统、智能电器设备和智能电表系统等组成[8]，上述各组块通过电力电子变换器实现设备之间信息和能量的互联，能量管理中心根据每日收集的电价、用电、发电等信息进行各组块能量优化管理，并将优化结果分发给储能和负载系统。

图1 典型家庭能量管理系统结构图

1.2 可再生能源出力模型

典型的清洁可再生能源有风能和太阳能，发电设备风力发电机和太阳能电池板，风力发电功率输出预测曲线可提前通过气象预报中的风速预测值得到[9]，其发电功率输出值为：

式中，Pr为额定输出功率，vci为切入风速，vr为额定风速，vco为切出风速，常系数a,b与风速和额定输出功率有关，计算公式为：a=Prvci/（vci-vr）,b=-Pr/（vci-vr）,单位分别为kW和kW·s/m。

光伏发电功率与周围环境温度和实际太阳能辐照强度有关。为了方便计算，采用物理类预测方法[10]，具体计算公式如下：

式中：Ga和Gs分别为太阳辐照强度和标准测试下的光照强度大小（1000W/m2）,Ta为环境温度，Tr为参考温度25℃，Pv为所得光伏发电功率，Ps和k分别为标准测试最大功率和功率温度系数，k值为0.003 6/℃。

1.3 储能系统模型

在家庭能量管理系统中,储能系统（Energy Storage System，ESS）能够存储可再生能源的多余能量[11]，在低电价时段储能，高电价时段为用电设备供能，从而可大大降低家庭每日电费开销，达到灵活经济的目的。储能系统由多个蓄电池组成，荷电状态（State Of Charge,SOC）表示现存电量与额定容量之比：

1.4 储能系统分组优化模型

式中：Cch和Csch分别为储能系统充电部分和调度部分初始容量，ceil[.]为向上取整函数，返回大于或等于参数的最小整数。Cb1为组成储能系统的单个电池容量。SOCmin、SOCmax分别为SOC电池下限和上限值。

2 储能分组最优经济模型

2.1 目标函数

家庭微电网每日用电总费用包括购电费用、储能系统折旧费用、光伏电池板每日投资成本费用和光伏发电补贴收益，目标函数f如下：

2.1.1 购电费用

购电费用为向配电网买电费用与卖电收益之差，记优化的调度周期均分为时长Δi的T个时间段。调度周期内购电费用为：

式中：Pbuy,i和Psell,i是家庭微电网向配电网购电和卖电功率，Tbuy,i和Tsell,i分别是买电和售电电价。

2.1.2 储能系统折旧费用

储能电池放电成本与当前的荷电状态有关，放电越多，荷电状态越小，对电池造成的损耗就越大，相应造成的折旧费用也越大。储能系统由K个相同规格单电池组成，采用吞吐量法[9]的电池折旧费用表示如下:

式中：Closs,j为调度周期内储能系统的等效吞吐量，mtest为不同放电深度测试次数，DODj和Nj分别为单电池在第j次测试中的放电深度及其总的放电循环次数，finstall为储能系统安装成本。文中算例设置规定储能系统总安装成本为14 400元，系统吞吐量寿命[12]为156 680kWh。

2.1.3 光伏发电每日投资成本费用

安装光伏电池板每日投资成本费用[13]为:

2.1.4 光伏发电补贴收益

光伏补贴收益计算公式为：

Ppv,i为光伏系统时段i所发功率，αpv为每kWh政府补贴价格[13]。

2.2 约束条件

2.2.1 系统功率平衡约束

任意时刻家庭微网与配电网交互功率应为负荷消耗功率与风光发电功率之差：

2.2.2 储能系统荷电状态及功率约束

过大的放电深度会影响储能电池寿命。设置储能系统的荷电状态和充放电功率范围约束[14]如下：

2.2.3 交换功率约束

式中：Pgrid,min和Pgrid,max分别为用户与配电网之间最小交换功率和最大交换功率。

2.3 储能系统分组优化调度模型求解

上述所提经济优化调度模型约束条件繁多，是一个优化储能系统调度部分充放电功率和负荷用电的多约束非线性规划问题[15]。传统的优化方法如经典遗传算法对此类非线性规划问题存在易陷入局部最优解、收敛速度慢等问题。采用改进的遗传算法，通过实时能量优化调度在优化周期内实时监测用电任务和储能电池状态得出最优调度结果。

3 仿真算例

3.1 参数设置

本文以上海市某家庭住宅系统（见图1）为背景进行算例分析。储能系统由6个容量为10kWh单电池构成，额定容量为60kWh。电池SOC最小值为0.2，最大值为0.9。最大充放电功率为6kW，配备风机和太阳能电池板额定功率分别为1kW和8kW。该住宅系统可再生能源发电预测曲线和典型日负荷曲线如图2所示。

图2 可再生能源发电预测及典型日负荷

光伏补贴价格为0.479元/kWh。光伏电池板每日安装投资成本费用相关参数如表1。本文将一天划分为48个时间段，即T=48，每个时间段时长为0.5h,采用上海市分时电价如表2所示。

表1 光伏电池每日安装投资费用相关参数

3.2 结果分析

为了便于对比分析，算例1以储能系统不分组参与家庭能量系统日前调度，算例2以储能系统分组参与系统日内能量实时优化调度。通过Matlab仿真实验得出的结果如图3、4所示。

图3 储能系统不分组日前调度

算例1中，储能系统总容量为60kWh。通过对图3分析可知，综合考虑购电费用、储能系统折旧费用和光伏系统每日投资成本费用以及光伏补贴机制，合理安排了储能系统充放电及用户与配电网的交互功率。通过与配电网的功率交互填补，消除可再生能源出力的预测偏差。8:00～10:00时间段，可再生能源出力预测偏小，储能系统充电存储多余能量。在11:00～13:00,可再生能源预测出力偏大，虽然光伏出力较充裕，为了不影响储能系统后续供能，需从配电网购电填补用电缺额。在1:00～2:00，可再生能源预测出力偏小，多余的光伏能量存储在ESS中或向电网售电。17:00～22:00时刻，为缓减用电高峰，储能系统放电供能以平衡经济性。

算例2中，通过日前可再生能源出力预测统计，对储能系统进行分组，出力不确定部分存储在ESS充电部分，参与第二天的能量调度，确定部分参与家庭能量管理系统日内调度。计算出配置的ESS充电部分总容量为20kWh,调度部分总容量40kWh。分析图4可知，6:00～17:00，ESS充电部分充电，存储可再生能源发电不确定的能量盈余。0:00～2:00时间段，ESS调度部分充电，此时间段电价较低，因而继续在4:00～6:00时段充电。16:00～22:00，电价相对较高，ESS调度部分放电供家庭负荷使用，因而提高了经济效益。两个算例各部分费用如表3所示，对比算例1，虽然算例2中储能系统折旧费用较大些，光伏补贴也小于算例1，但总费用降幅明显，总经济费用降低18.59%。

图4 储能系统分组实时调度

表3 算例1、2费用对比

通过仿真分析可知，针对可再生能源发电出力预测偏差对能量管理系统优化调度造成的费用过高问题，采用储能系统分组参与家庭能量管理优化的策略可以解决。同时，ESS充电部分的配置减少了电池系统充放电次数，延长了储能系统使用寿命。具有较好的经济性和参考价值。

4 结术语

文中建立了包含储能系统、光伏电池板、风力发电机的家庭能量管理系统模型，为减小可再生能源出力预测误差对家庭能量管理系统的影响，提出了储能系统分组能量管理优化策略。该策略日前根据可再生能源出力预测将储能系统划分成充电部分和调度部分，出力不确定部分存储在储存系统充电部分，参与第二天的能量调度。确定部分参与能量管理日内调度。日内采用实时优化调度，通过改进遗传算法对模型求解。仿真算例分析验证了该方法的经济性和有效性。