微电网系统最优容量配比及潮流分析研究

黎 青 王万军 周振平

微电网系统最优容量配比及潮流分析研究

黎 青1王万军2周振平3

（1. 陕西理工大学，陕西 汉中 723001；2. 龙源（北京）太阳能技术有限公司，北京 100083；3. 龙源（北京）风电工程技术有限公司，北京 100083）

微电网系统中如何进行风光储容量的最优配置，是目前微电网行业面临的一大难题。本文利用PVsyst软件建立光伏发电系统模型，考虑温度、灰尘等因素的影响，准确预测光伏系统的发电量；对负荷数据进行长期跟踪，利用负荷密度预测的方法考虑未来五年负荷的增长，并对现有负荷进行详细分析，建立负荷模型；结合Homer软件仿真，从消纳光伏发电系统剩余电力及峰谷电价差两方面进行分析，以度电成本最低为目标，给出微电网系统中光伏系统与储能容量的最佳配比。最后通过PSD-BPA软件对该微电网系统进行潮流分析，以验证光伏发电系统的接入节点电压波动范围符合规范要求。

最优配比；剩余电力；峰谷电价差；光伏系统；储能

0 引言

由于煤炭、电力资源的短缺，2021年底多省区出现拉闸限电现象，给居民及工企业带来了很大不便及经济损失。若园区建立微电网系统，可缓解电力限制带来的种种问题。

文献[1]以某大型商贸中心为例，对分布式光伏发电系统进行研究。分布式光伏发电系统可解决企业部分用电，但由于光照时段及光资源不稳定的限制，仅有光伏系统很难满足企业在电价峰值时段的供电需求及供电可靠性要求。为消除新能源出力的间歇波动特征带来的影响，可增加储能系统，提高微电网系统的稳定性。文献[2]以储能经济最优为目标，经建模分析，对分时电价下的五种储能电池进行容量配置；文献[3]研究非支配排序的遗传学算法求解电动汽车参与下的最优储能容量配置；文献[4]研究风机和储能系统参与下的功率柔性分配策略；文献[5]针对偏远及海岛地区，提出一种多元化预装式储能电站，采取遗传学算法，给出多元储能容量配置方案。文献[6]面向区域电网，考虑发电系统的可靠性，以总费用期望等年值最小为优化目标，构建风光机组的容量配比；文献[7]针对电网中的负荷率高及峰谷差价大等现象，提出用于变电站的储能容量配置方法。上述研究或仅考虑了储能的容量配置，或仅针对电力系统发电侧可再生能源的配置。

本文以某产业园区微电网项目为例，通过分析该地区太阳能资源，使用太阳能光伏系统设计软件PVsyst计算出25年光伏发电量。再结合该产业园的用电负荷情况，以负荷密度预测的方法考虑未来五年负荷的增长，预测该产业园区未来的负荷趋势。在Homer软件中建立模型，从光伏系统供给负荷后的剩余电力及峰谷电价差两方面进行分析，以度电成本最低为目标，给出微电网系统中光伏系统与储能容量的最佳配比。最后通过电力系统分析软件PSD-BPA进行潮流分析，验证该系统中光、储、负荷供需平衡，系统稳定。

1 数据分析

1.1 光资源分析

利用PVsyst软件对某产业园区的光伏系统进行建模，经计算装机容量为2.143 2MW，首年发电量为214.5万kW∙h，系统效率为82%。该地区的月度水平辐射量见表1。

光伏系统在发电时会有损耗，包括交直流电缆的损耗、灰尘损耗、变压器损耗、温度损耗、组件修正系数、失配损耗等，在PVsyst软件中建模时，设置直流电缆的损耗为1.5%、灰尘损耗为3%、变压器铜损为1.2%、温度功率衰减因子为-0.06%/℃、组件修正系数为-0.3%、失配损耗为1.2%。光伏组件的寿命按25年考虑，组件效率按寿命期25年内累计折损20%，首年衰减2.5%，第二年起，年均衰减为0.70%。

表1 月度水平辐射量

考虑到系统损耗及光伏组件衰减后，光伏电站第年的年实际发电量计算公式为

式中：为第年，≥2；1为光伏电站首年发电量。光伏电站寿命期内逐年发电量见表2。

表2 光伏电站寿命期内逐年发电量

（续表2）

该光伏系统25年总发电量约为4 900.50万kW∙h，25年年平均发电量约196.02万kW∙h，年等效利用小时数为914.61h。

1.2 负荷分析

图1是某产业园区2017年3～4月中30天的日用电量变化曲线，其中最大用电量在4月8日，消耗电能1.823 5万kW∙h，最小在4月5日，消耗电能为0.575 2万kW∙h。30天的平均日消耗电能为1.159 3万kW∙h。

图1 某产业园区日用电量变化曲线

对2016年及2017年1～4月某产业园区的月度用电情况进行分析，月度用电量变化曲线如图2 所示。

图2中方框实线代表2016年各月的用电量情况，三角实线代表2017年1～4月的用电量情况。对图2数据进行分析可得：

1）分析2016年各月的用电量，12月的用电量远高于其他月份，这是由于12月该园区二期开始投入使用；3～5月的用电量偏小。

图2 月度用电量变化曲线

2）比较2016年1～4月及2017年1～4月的用电量可看出，各月用电量变化趋势相同，说明该产业园区的负荷基本为固定负荷。但是由于2017年该园区二期投运，使用电量整体有一定幅度的增长，差值约为15万kW∙h。

该产业园区的电度电费主要由两个方面构成：大工业用电及非居民照明用电。其收取的峰谷电价基准不同，峰谷电价单价见表3。

表3 峰谷电价单价

将非居民照明的用电量按电价折算至大工业用电，统一电价基准。折算后的各月峰谷用电量如图3所示。

图3 折算后的各月峰谷用电量

各月的平价用电量均最大，大约占37%，峰价用电量占总用电量35%左右，谷价用电量最少，占28%。峰值时电价最高，可利用峰谷电价差的优势收益。

1.3 用电分类及负荷趋势预测

一方面，由于某产业园区还未完全建成，部分三期厂房、办公楼等还未投入，未来的负荷势必要增加；另一方面，用户侧需求是随时间变动的，负荷具有不确定性，因此负荷预测时应对这些因素进行考虑。

负荷预测的方法有类比法、负荷密度法、比例系数增长法、季节时间序列预测法等[8]，根据目前所掌握的该产业园区用电数据及三期扩建规划情况，在此选用负荷密度预测法进行负荷预测。

负荷密度预测即从该地区的人口或土地面积的平均耗电量出发进行预测，总耗电量是通过单位耗电面积乘以总面积求得。从总平面图上分析该产业园区预建面积约为现有面积的三分之一，因此以30%的增加量进行预测。目前，该产业园区的平均日消耗电能为1.159 3万kW∙h，三期建成后，该产业园区的用电量为现在的1.3倍，即日均用电量为1.507 09万kW∙h。

通过1.2节对比分析的结论可知，峰价用电量占总用电量35%左右，即峰值时段用电量为0.527万kW∙h。按360天统计，该园区年用电峰值量为189.72万kW∙h。

1.4 现有光伏系统与负荷用电量需求对比分析

将该园区3月20日光伏发电系统的发电量与负荷用电量进行比较，数据如图4所示。其中，菱形实线为发电量数据，方框实线为8:00—19:00的小时用电量数据，测得日总用量为1.316 7万kW∙h，平均小时用电量为548.63kW∙h，如图4中横直线所示。图4中横直线高于方框实线的主要原因是：该园区夜间生产车间工作，车间大功率用电设备多，使全天总用电量增加，从而导致平均小时用电量高于白天小时用电量。

图4 3月20日小时数据

由图4数据可看出，在9:00～17:00，光伏发电系统的发电量可满足该产业园区负荷用电需求。该园区当日的总负荷用电量为1.316 7万kW∙h，光伏系统发电量预测为0.518 7万kW∙h。独立光伏发电系统无法满足日负荷需求。

由上述分析可知，光伏发电系统在某些时段输出功率过剩，但总量上无法满足负荷需求。为解决此问题并降低园区的用电成本，本文从消纳光伏系统的剩余电力及利用削峰填谷两个方面进行储能电池配置，搭建微电网系统。

2 储能配置容量

2.1 光伏系统剩余电力储能容量计算

为求出从光伏系统余电储存峰值释放的角度需配置的最小储能容量，假设该产业园区不从电网接收电能，不考虑负荷供电可靠性，使用Homer软件进行建模仿真。

Homer模型：建立2.143MW光伏组件模型，日均用电量为1.24万kW∙h、峰值为944kW的负荷模型，额定容量为480～1 440kW∙h的电池模型，配置2MW光伏逆变器。

经计算，不同储能电池容量下的光伏系统的年弃电量、弃电率、负荷年缺电量、负荷缺电率、系统年缺电量、系统缺电率见表4。

表4 不同储能装机容量下电性能参数计算结果

当配置480kW∙h的储能系统时，光伏系统的年弃电量为135 966kW∙h，占光伏系统发电量的7%。随着储能系统装机容量的增加，系统的弃电量逐渐减小，不同储能装机容量下的光伏系统年弃电量变化趋势如图5所示。

图5 不同储能装机容量下光伏系统年弃电量变化趋势

当储能装机容量增加至1 140kW∙h时，光伏系统的弃电量逐渐趋近于0。

为计算弃电量为0时，储能的最小装机容量，对1 200～1 260kW∙h区间的储能容量进行进一步细化，重新建模后的弃电量如图6所示。

图6 1 200～1 260kW∙h储能装机容量下的弃电量

当储能的装机容量为1 255.2kW∙h时，光伏系统的年弃电量仅为0.467kW∙h，故从光伏系统剩余电力全部存储的角度，需配置的最小储能装机容量为1 255.2kW∙h。

当微电网系统配置1 255.2kW∙h的储能电池时，电价峰值时段的光伏系统的年发电量为57.26万kW∙h，储能系统的年出力为102.45万kW∙h，总计159.71万kW∙h电量。而该园区年用电峰值量为189.72万kW∙h，因此峰值时段其余的30.18万kW∙h电量，可通过削峰填谷方式配置储能，进一步降低用电成本。

2.2 削峰填谷储能容量计算

经1.2节分析，利用削峰填谷配置储能系统具有经济性。

30.18万kW∙h为年用电量，以全年8 760h计算，每小时的用电量为34.452kW∙h，储能系统蓄电池容量的基本公式为

式中：为可靠系数，一般取1.1；、、分别为蓄电池电压、电流、功率；为蓄电池循环效率；DOD为蓄电池放电深度，深度循环时取80%；为蓄电池温度系数，当1＜电池放电率＜10时，取0.008；为电池的使用时间；为温度。

结合该地区气象资料，其多年极端最低气温为-21.2℃；考虑峰谷电价差很大的因素，初步拟定储能系统存储的电量供晚上18:00—22:00高峰时段负荷需求；储能电池的放电深度按80%计算，电池的循环效率按85%考虑，储能系统容量根据式（2）计算为

根据以上从余电储存峰值释放的角度分析得出储能的最小装机容量为1 255.2kW∙h，削峰填谷需要配置的储能系统最小容量为471.55kW∙h，故本文推荐配置的储能系统容量为1.727MW∙h。

3 经济性分析

该产业园区装设2.142MW光伏发电系统，1.727MW∙h储能系统，分析园区的用电成本。

在Homer软件中建立各元件的经济模型[9]，光伏系统的初始投资取4元/W，不考虑年运维费用，其寿命周期为25年；系统效率为82%；组件为平铺方式，不含跟踪系统；安装倾角及方位角为0°；地面反射率为0.2，设置光伏系统各经济参数。

储能系统的初始投资按3.5元/(W∙h)，寿命周期按10年考虑，设置储能系统的经济模型各参数。

该产业园区装设2.142MW光伏发电系统，1.727MW∙h储能系统的初始投资为1 461.25万元。其中光伏系统的初始投资为856.8万元，储能系统的投资为604.45万元。

经Homer软件仿真计算，该产业园区装设2.142MW光伏发电系统，1.727MW∙h储能系统时，园区的度电成本为0.84元/(kW∙h)。仿真所得经济数据见表5。

本方案每年可为园区节约153.99万元电费，项目初始投资为1 461.25万元，回收期约9.49年。同时，本方案可将峰值时段的电价由0.886 0元/(kW∙h)降至0.84元/(kW∙h)，具有经济性。

表5 经济数据

4 系统潮流分析

该产业园区包括生产厂房、办公楼、生活区等，为满足其供电要求，现设置变压器：户外箱变T1（1 600kV∙A）、联合生产厂房变压器T2（1 600kV∙A）、联合生产厂房变压器T3（1 600kV∙A）、电源设备间变压器T4（1 250kV∙A）、户外箱变T5（800kV∙A）、光伏升压变压器及储能系统变压器。由总配变电所的10kV电源经过YJV22—8.7/10kV—3×95电缆分别接至各变压器的高压侧。户外箱变T1位于宿舍楼附近，主要供生活区供电；T2、T3变压器位于二期厂房内的车间变电所，主要供逆变器装配一、二车间及逆变器研发区、半成品装配区、户外龙门吊及研发楼等配电照明；T4变压器位于二期厂房内电源设备间变电所，主要供研发区、中间辅房二层配电及冷热机房配电照明；户外箱变T5位于二期办公楼旁，主要供二期办公楼内的照明、空调、客梯、消防等使用。该产业园内除消防控制室照明、主要通道照明、楼梯间照明、客梯、消防电梯等为二级负荷外，其余均为三级负荷，二级负荷还设置了备用电源柴油发电机供电。具体的配电系统如图7所示。

图7 配电系统

根据图7在PSD-BPA软件中进行潮流分析，并绘制微电网系统单线图如图8所示。

含光伏和储能系统的微电网计算，使用PVsyst软件导出光伏发电系统在某一天的典型日小时输出功率数据，在PSD-BPA软件中建立模型，采用牛顿-拉夫逊法进行该系统一天内24h的潮流计算[10]。设并网点为平衡节点，其电压幅值、相位分别为1.02p.u.、0rad，光伏系统及储能系统设置为PQ节点。

2.142MW光伏系统某一天的典型日小时输出功率如图9所示，光伏系统出力受日照影响，在早6:00—晚19:00有功率输出，其余时间受日照限制，光伏发电系统无功率输出。

图8 微电网系统单线图

图9 2.142MW光伏系统某一天的典型日小时输出功率

通过PSD-BPA软件进行潮流计算，光伏接入节点DG1的潮流计算结果如图10所示。由图10可看出，光伏发电系统的接入节点DG1的电压波动范围为0.992p.u.～1.039p.u.，偏差绝对值为4.7%，满足GB 12325—2008《电能质量供电电压偏差》标准中20kV及以下三相供电电压偏差为标称电压±7%的要求[11]。

图10 DG1潮流计算结果

5 结论

本文通过对用户侧负荷进行分析、光资源计算，结合消纳光伏发电系统剩余电力及峰谷电价差两种策略，给出微电网系统能源配比的计算方法，以某产业园区的具体应用实例进行分析说明，通过经济性对比分析可看出，方法满足行业标准要求，具有可行性。通过潮流计算可知，光伏系统接入节点电压符合国家标准要求。

[1] 张蓝宇, 李俊, 欧阳进, 等. 大型建筑屋顶分布式光伏发电项目的研究与应用[J]. 湖南电力, 2019, 39(6): 34-37.

[2] 陈景文, 肖妍, 莫瑞瑞, 等. 考虑光伏校正的微电网储能容量优化配置[J]. 电力系统保护与控制, 2021, 49(10): 59-66.

[3] 陆燕娟, 潘庭龙, 杨朝辉. 计及电动汽车的社区微网储能容量配置[J]. 太阳能学报, 2021, 42(12): 362- 367.

[4] 张靖, 张志文, 胡斯佳, 等. 独立微电网风储协同调频的功率柔性分配策略[J]. 电工技术学报, 2022, 37(15): 3767-3780.

[5] 袁铁江, 张昱, 栗磊, 等. 计及功率密度约束含氢储能的预装式多元储能电站容量优化配置研究[J]. 电工技术学报, 2021, 36(3): 496-506.

[6] 宋宇, 李涵, 楚皓翔, 等. 计及可靠性的风光互补发电系统容量优化配比研究[J]. 电气技术, 2022, 23(6): 49-58, 68.

[7] 白桦, 王正用, 李晨, 等. 面向电网侧、新能源侧及用户侧的储能容量配置方法研究[J]. 电气技术, 2021, 22(1): 8-13.

[8] 牛东晓, 曹树华, 卢建昌. 电力负荷预测技术及其应用[M]. 2版. 北京: 中国电力出版社, 2009.

[9] AL-KARAGHOULI A, KAZMERSKI L L. Optimi- zation and life-cycle cost of health clinic PV system for a rural area in southern Iraq using HOMER software[J]. Solar Energy, 2010, 84(4): 710-714.

[10] 彭寒梅, 昌玲, 郭颖聪, 等. 主从控制微电网的动态区间潮流计算[J]. 电网技术, 2018, 42(1): 195-202.

[11] 电能质量 供电电压偏差: GB/T 12325—2008[S]. 北京: 中国标准出版社, 2009.

Research on optimal capacity ratio and power flow analysis of the microgrid system

LI Qing1WANG Wanjun2ZHOU Zhenping3

(1. Shaanxi University of Technology, Hanzhong, Shaanxi 723001;2. Long Yuan (Beijing) Solar Energy Technology Co., Ltd, Beijing 100083;3. Long Yuan (Beijing) Wind Power Engineering Technology Co., Ltd, Beijing 100083)

How to optimize the allocation of wind, photovoltaic and energy storage capacity in the microgrid system is a major problem faced by microgrid industry at present. This paper establishes the photovoltaic power generation system model using PVsyst software, considering the influence of temperature, dust and other factors, to accurately predict the power generation of photovoltaic system. The load data is tracked for a long time. The load growth in the next five years is considered by using the load density prediction method, and the existing load is analyzed in detail to establish a load model. Combined with the simulation analysis of Homer software, the research and analysis are carried out from the aspects of absorbing the residual power of photovoltaic power generation system and the difference between peak and valley electricity prices. With the lowest electricity cost as the goal, the optimal ratio of photovoltaic system and energy storage capacity in the microgrid system is given. Finally, the power flow analysis of the microgrid system is carried out through PSD-BPA software, and the voltage fluctuation range of the access node of photovoltaic system is verified to meet the specification requirements.

optimal ratio; surplus power; peak valley electricity price difference; photovoltaic system; energy storage

陕西理工大学科研项目“智能微电网系统研究”（SLGKYXM2203）

2022-07-07

2022-09-10

黎 青（1990—），女，陕西省咸阳市人，硕士，主要从事新能源发电、微电网系统分析等方面研究工作。