计及需求侧响应的微电网多尺度调度自适应优化算法

李 津,蒋晨达

(福建水利电力职业技术学院电力工程系,福建 永安 366000)

0 引言

过量燃烧不可再生能源,不仅会污染环境,还会造成能源紧缺等现象,因此,对可再生能源的利用一直是与电网相关的重点研究领域。微电网是一种小型的电力网络系统,虽然体积较小,但是具有微电源、负荷控制系统、监控设备以及电力调度装置等组件,可以直接组成一个微型电网。为保证微电网的经济成本达到最低,需计算调度微电网电力的运行成本,并对其进行优化。文献[1]针对微电网的风力与光伏发电负荷,对其不确定性进行了进一步的预测调整,综合考虑系统内各装置的出力能力,通过动态激励等方式引导用户面对需求响应跟随引导,并综合实施优化调度的顺序参数,建立了一个多时间尺度的价格动态变化模型。该方法可以有效降低微电网的运行成本,但是其在电网日调度的预测误差较大。文献[2]根据价格需求响应建立了一个以运行费用为主的电网调度模型,该方法基于价格需求理论,将微电网中的多尺度运营管理作出了优化,同时改进了不同时段的价格参数,但没有降低微电网的调度成本。文献[3]可以精准预测短时间内的风力与光伏发电功率,因此在节能环保的前提下,将一周内的电力负荷与可再生能源发电功率进行数据融合,并提前预测下一周的功率负荷等参数。在该预测算法下,基于多时间尺度调度微电网的运行功率,并对其进行成本优化。该方法可以有效提高预测精度与计算速度,但是无法降低微电网的调度成本。

基于前述文献的不足,为了进一步降低微电网的调度成本,本文设计了计及需求侧响应的微电网多尺度调度自适应优化算法。建立计及需求响应的微电网运行成本函数,以计算电网调度的总成本。基于微电网结构模型,综合考虑用户需求侧响应的负荷中断成本和微电网电力交互功率,以自适应寻优的方式,构建运行成本自适应目标函数与约束条件,设计微电网多尺度调度自适应算法,获得微电网调度策略。实验结果表明本文方法的贡献在于能够实现微电网的智能调峰,降低运行负荷和调度成本。

1 计及需求侧响应的微电网多尺度调度自适应优化算法设计

1.1 计及需求响应的微电网运行成本函数

在传统的微电网中,通常只有以化石能源为主的经济成本运行模型,而没有将风力与光伏发电融入到电网调度中,导致成本的计算结果精度较低[4-5]。本文方法主要针对成本最小化进行设计,需要考虑到并网模式下的节能减排以及可再生能源的不确定性,综合分析其成本费用。

1.1.1 燃料需求

在微电网中,由于可再生清洁能源的不确定性,无法将所有的能源负荷全部投入到清洁能源中,因此需要计算燃料费用,作为微电网经济的主要费用,购买燃料的费用表达式为式(1):

(1)

式中:Frl表示微电网在各个时段的燃料燃烧中产生的总费用;Pi(t)表示微电网在第i个电源中的有功功率;fi(t)表示微电网在第i个电源中的无功功率[6];n通常表示该微电网中电力设备的数量,其中包括风力发电机、光伏发电机、火力发电机、蓄电池等。

1.1.2 运行维护需求

微电网在运行过程中难免会遇到一定的损坏,因此需要实时检测微电网的状态,如果状态不佳,就需要尽快维修,避免微电网因状态不佳导致发电错漏[7-8]。因此在微电网的维护成本中,主要包括检修、维护、人工等3个方面的费用,运行维护成本的总费用计算公式为式(2):

Fyw=Pj+Pw+Pr,

(2)

式中:Fyw表示运行维护成本;Pj表示微电网检测费用;Pw表示电网维修费用;Pr表示人工监测费用。而在微电网维修过程中,可以使用式(3)计算该阶段的有功功率折算费用。

(3)

式中:Yop表示某调度时段的有功维护费用;Pi(u)表示有功功率折算系数。除此以外,一些维护所需要的材料费用也需要计算在运行维护成本中。

1.1.3 电网交互费用需求

由于不同时段的负荷需求相差较大,因此微电网的电力负荷需求有时候大于发电总量,有时候小于发电总量。因此当该时段为负荷高峰期时,需要将蓄电池中储存的电能发放出来,若某时段为负荷低谷期,需要使用蓄电池将电能储存起来[9-10]。当蓄电池中的电量不足时,就需要通过购买电量的方式,与外界的电网进行交互。外界电网与微电网的交互可以使用式(4)表示。

(4)

式中:Fjh表示外界电网与微电网交互所产生的费用;tbh表示电力交互耗时;Cmax与Cmin分别表示分时能耗计量过程中的最大与最小单价;Pi(h)与Pi(f)则分别表示买电时电源的有功功率与无功功率。在该阶段微电网买卖电力的费用即电网交互费用。

1.1.4 环境维护需求

在现阶段的微电网中,还无法完全避免使用煤炭等化石能源,一旦使用化石能源,就会造成一定的污染,因此需要考虑到微电网运行过程中产生的环境维护成本,其计算公式为式(5):

(5)

式中:Cwh表示一段时间内微电网生成污染所需要的环境维护成本;rfd表示有害气体与温室气体的总质量;Pf(u)表示一段时间内调度的最小单位;Ph(t)与Pr(t)分别表示不同有功功率下有害气体的治理成本与温室气体的治理成本[11]。结合前述燃料成本、运行维护成本、电网交互成本、环境维护成本等,将其相加,即可得到微电网运行的总成本。

1.2 设计微电网多尺度调度自适应算法

通过对可中断负荷以及大电网交互的合理设计,结合蓄电池系统,可以建立一个微电网的电力调度模型,以此优化其调度方法[12],该模型令微电网的多尺度调度具备一定的自适应性,同时考虑用户侧和运营商侧的可中断负荷成本,以及微电网系统中风能发电机、光伏发电机、电网供电系统、蓄电池储能系统等不同节点主体的交互调度功率,以适应各类不同的电网模型,获得运行成本自适应最优解。

可中断负荷管理通过合同方式对用户进行电价刺激,使用户在系统峰值时或者紧急状态下按合同要求中断或削减负荷,减少或者推迟运营商调峰发电容量的建设,降低运行成本,提高电力系统运行效率,实现供需平衡,即需求侧响应。用户的中断成本取决于用户的类型、负荷中断的响应频率等因素。峰期时,中断成本过高的用户会选择继续用电,而中断成本较低的用户选择中断用电。

此时的调度结构如图1所示。

图1 微电网电力调度模型

在该调度模型中,基于24 h内的电价以及风电与光伏的负荷预测,配电网安全约束为

(6)

充放电功率约束为

(7)

式中0～1间的变量是α1、α2,α1+α2≤1。

荷电状态约束为

(8)

式中:W(t)、W(t-1)是t、t-1时刻电网侧储能荷电状态;η1、η2是P1,t与P2,t的能量转化率;Wmin、Wmax是W(t)的最小、最大值。

功率平衡约束为

(9)

在前述约束条件下,可以通过运行成本自适应寻优的方式,得到下一阶段的调度计划,此时该电网的最小化运行成本函数可以表示为

(10)

式中:Cz(t)表示前述正常调度时的调度总成本;Pz(t)为经过调度优化后的微电网电力交互功率;Ei(d)表示电网中断负荷的响应频率[13]。此时其调度的约束条件为

(11)

式中tmin、ti、tmax分别表示微电网中电力调度所需要的最小时间、正常时间与最大时间;Pi(t)、Pi(g)分别表示中断负荷的工作状态与正常工作状态。

基于前述模型,可以得到计及需求响应的微电网多尺度调度优化模型。

2 算例分析

2.1 电网系统负荷仿真

本实验中的微电网系统由风能发电机、光伏发电机、电网供电系统、蓄电池储能系统4个主要部分组成,因为是仿真实验,所以未考虑新能源出力精度,测试本文方法能否有效降低成本。在不同的时段,微电网的电价有所差异,见表1。

表1 微电网电价

根据表1的微电网电价变化情况,以及各系统组成部分在不同时段的负荷量,得到如图2所示的电机负荷曲线。

图2 风机、光伏发电与电力负荷曲线

根据表1和图2,微电网在时段9:00—13:00、17:00—22:00时电力负荷最大,而在24:00—次日6:00电力负荷最低,表1中所示的微电网电价与电力负荷相吻合,但是这样的定价方式没有考虑到风力发电与光伏发电的作用,如14:00—18:00时段,风力发电与光伏发电功率最高,但是此时的电力负荷相对较低,这样会直接导致消纳现象,造成能源的浪费,因此这样的定价标准是不合理的[14-15]。因此可以依据风力发电与光伏发电,更改电价见表2。

表2 改进微电网电价

在表2中,计算光伏与风力的总发电功率,相对于电力负荷的差值,作为相对功率。依据相对功率判断电价的调整准则,将相对功率为0的时间段设置为0.7元/(kW·h),相对功率每降低10 kW,则电价提高0.1元/(kW·h),相对功率每上升20 kW,电价降低0.1元/(kW·h)。这样一来,用户就会自动在电价较低的时间段内使用电力,以此调整电力的使用时间,减少消纳现象。经过此类调整后,用户的用电量发生了一定的改变,负荷曲线如图3所示。

图3 电价改变前后负荷曲线

由图3可知,通过改变电价,电力负荷发生了一定的改变,电价较高时段的功率在一定程度上会降低,而电价较低时段的功率则普遍提高。

2.2 微电网多尺度调度仿真

针对如图3所示,根据更改后的电力负荷曲线,可以得到微电网的自适应调度方案,输入4个评价网络的神经元,使用双极性函数,并将输出层转化为线性函数。将之前的调度样本作为评价网络的参数因子,可以得到如图4所示的对网络泛化能力的检测结果。在图4中,以4 d为标准,分别测试其在不同时段内调度成本估计值与期望值的差值。若差值较大,则表示仿真结果准确率较差;若差值较小,则表示精度较高。

图4 网络泛化能力检测结果

如图4所示是调度成本估计值与期望值之间的差额,为保证实验结果的准确性,分别以4个标准日为实验参数,计算二者之差。此时估计值与期望值之间的最大差异不超过9元,可见其误差在允许范围之内。根据运行成本曲线,训练执行网络的性能指标函数,更新网络权值矩阵,得到不同调度策略下的运行情况,如图5所示。

(a)需求侧响应

由图5可知,4种微电网多尺度调度算法的资源调用情况,通过实验结果可知,与其他调度方案相比,本文方法运行下的电力负荷最小,整体功率<40 MW,且各时间段运行负荷基本平衡,调峰作用明显,其中蓄电池可以降低功率,对电力成本具有较大的影响。基于表2计算4种调度策略下的调度成本,见表3。

表3 调度成本对比

如表3,相比起前文3种微电网多尺度调度自适应优化算法,本文的方法调度成本最低,可见该算法实现了对运行成本的优化。

3 结语

为了解决微电网调度成本较大的问题,本文基于需求侧响应设计了一种微电网多尺度调度自适应优化算法。根据微电网中的燃料需求、电网运行维护需求、电网交互费用需求、环境维护需求,计算电网调度的总成本;基于微电网结构模型,设计微电网多尺度调度自适应算法,获得可以减小调度成本的调度方案。实验结果证明该方法能够大范围降低调度成本,同时在保证微电网稳定性的基础上减小功率,保障了微电网调度的经济效益。