翁桂萍潘 夏邵振國

（1.福州大學(xué)電氣工程與自動化學(xué)院，福州 350116；2.國網(wǎng)福建省電力有限公司寧德供電公司，福建 寧德 352000）

計及峰谷電價和啟發(fā)式運行策略的風(fēng)光儲聯(lián)合發(fā)電用戶容量優(yōu)化

翁桂萍1潘 夏2邵振國1

（1.福州大學(xué)電氣工程與自動化學(xué)院，福州 350116；2.國網(wǎng)福建省電力有限公司寧德供電公司，福建 寧德 352000）

為優(yōu)化配置小區(qū)屋頂風(fēng)光儲聯(lián)合發(fā)電用戶的設(shè)備容量，本文提出一種計及峰谷電價和啟發(fā)式運行策略的容量配置方法。建立了優(yōu)化目標(biāo)函數(shù)和約束函數(shù)模型，采用粒子群優(yōu)化算法分別在統(tǒng)一電價和峰谷電價下對小區(qū)屋頂風(fēng)光儲聯(lián)合發(fā)電用戶的各電源容量進(jìn)行優(yōu)化配置。利用美國NASA氣象網(wǎng)站氣象數(shù)據(jù)和HOMER軟件居民負(fù)荷數(shù)據(jù)驗證了方法的有效性。

屋頂風(fēng)光儲；峰谷電價；啟發(fā)式運行策略；容量配置；粒子群算法

隨著化石燃料資源在全球范圍內(nèi)的逐步枯竭，風(fēng)能和太陽能等可再生能源受到世界各國的重視［1］。單一風(fēng)能或太陽能發(fā)電具有很強(qiáng)的隨機(jī)性和間歇性，對電網(wǎng)的安全性、穩(wěn)定性以及電能質(zhì)量影響較大［2］。利用風(fēng)能和太陽能在時間和空間上的天然互補特性，并加以配置適當(dāng)?shù)膬δ芙M成風(fēng)光儲聯(lián)合發(fā)電系統(tǒng)，具有更優(yōu)的運行指標(biāo)［3-4］。

合理配置風(fēng)/光/儲容量，是風(fēng)光儲聯(lián)合發(fā)電系統(tǒng)在規(guī)劃設(shè)計階段需要解決的一個重要課題。近幾年來，以屋頂為載體的風(fēng)光發(fā)電項目越來越多，有望成為未來新能源裝機(jī)容量增長的一個主要方向，然而現(xiàn)階段對居民屋頂風(fēng)光發(fā)電的經(jīng)濟(jì)運行研究還比較少。隨著居民用電峰谷電價在全國范圍內(nèi)的推行，研究不同電價對居民屋頂風(fēng)光儲用戶的容量優(yōu)化配置影響具有重要意義。

基于此，本文將居民用電電價因素考慮到屋頂風(fēng)光儲用戶的容量配置中，提出一種計及峰谷電價和啟發(fā)式運行策略的容量優(yōu)化配置方法。首先建立了考慮蓄電池循環(huán)壽命［5］的用戶綜合成本函數(shù)和約束函數(shù)模型，然后以華東沿海某小區(qū)為例，采用粒子群優(yōu)化算法分別在統(tǒng)一電價和峰谷電價下配置了用戶的風(fēng)/光/儲容量，最后對用戶的經(jīng)濟(jì)運行進(jìn)行分析，驗證所提方法的有效性，對居民屋頂風(fēng)光儲用戶的電價選擇提供參考。

1 風(fēng)光儲聯(lián)合發(fā)電系統(tǒng)

1.1 風(fēng)光儲聯(lián)合發(fā)電系統(tǒng)結(jié)構(gòu)

本文研究的風(fēng)光儲聯(lián)合發(fā)電系統(tǒng)結(jié)構(gòu)如圖1所示。其中，系統(tǒng)的直流母線電壓為 24V，交流母線電壓為220V，系統(tǒng)與電網(wǎng)可以自由雙向交換功率。

圖1 風(fēng)光儲聯(lián)合發(fā)電系統(tǒng)結(jié)構(gòu)

1.2 居民負(fù)荷特性

圖 2所示為我國東部沿海某地區(qū)（26°14′N，119°22′E）居民用戶的秋季典型日負(fù)荷曲線。居民負(fù)荷呈現(xiàn)早、中、晚三個高峰時段，負(fù)荷的巨大變化使得發(fā)電廠經(jīng)常性調(diào)整機(jī)組發(fā)電量，增加了運行費用。通過實施峰谷分時電價，可以利用電價的杠桿作用，抑制高峰時期用電量的快速增長，提高低谷時段的用電量，實現(xiàn)“削峰填谷”。

圖2 居民用戶典型日負(fù)荷曲線

1.3 儲能

對于并網(wǎng)運行的風(fēng)光儲聯(lián)合發(fā)電系統(tǒng)，儲能除了平滑入網(wǎng)功率波動之外，還可以實現(xiàn)負(fù)荷時間尺度的轉(zhuǎn)移，如:①在電網(wǎng)負(fù)荷低谷時期，儲存剩余風(fēng)能和光能，或者從電網(wǎng)購買價格較低的電能，以供峰時負(fù)荷使用；②在電網(wǎng)負(fù)荷高峰時期，釋放儲能中儲存的電能供給負(fù)荷，以緩解電網(wǎng)的供電壓力。

2 聯(lián)合發(fā)電用戶運行策略

居民現(xiàn)行用電電價有統(tǒng)一電價和峰谷電價兩種，不同電價方式下，用戶的運行策略有所不同。

本文將用戶發(fā)電功率與其負(fù)荷需求的差稱為用戶的凈功率，記作ΔP（t），即ΔP（t）=PW（t）+PPV（t）-Pload（t）。其中，PW（t）和PPV（t）表示風(fēng)力和光伏發(fā)電系統(tǒng)出力。

2.1 統(tǒng)一電價運行策略

ΔP（t）＜0時，首先由儲能系統(tǒng)放電供給負(fù)荷，其后再向電網(wǎng)購電；ΔP（t）＞0時，首先向儲能系統(tǒng)充電，其后再向電網(wǎng)賣電。

2.2 峰谷電價運行策略

峰谷電價方式下，考慮到峰谷價差、發(fā)電特性及負(fù)荷特性，用戶可以根據(jù)不同工況調(diào)整與電網(wǎng)的功率交換，實現(xiàn)經(jīng)濟(jì)效益最大化。

根據(jù)電價時段、凈功率ΔP（t）和儲能設(shè)備荷電狀態(tài)SOC的不同可分為SA1—SA10共10種運行策略見表1。其中SOC=0.1表示儲能處于安全容量下限，SOC=0.9表示儲能處于安全容量上限；PBCmax、PBDmax分別為儲能最大充、放電功率允許值。

表1 用戶運行策略劃分

3 聯(lián)合發(fā)電用戶容量優(yōu)化模型及配置方法

3.1 目標(biāo)函數(shù)

風(fēng)光儲聯(lián)合發(fā)電用戶進(jìn)行容量優(yōu)化配置的目的是在考慮初始投資成本、運行維護(hù)費用、新能源發(fā)電補貼、購電費用、售電收益以及切負(fù)荷損失等因素下取得最小的綜合成本。

用戶的初始投資成本主要包括風(fēng)機(jī)、光伏電池、蓄電池和并網(wǎng)逆變器的初始投資費用，表達(dá)式為

式中，i（i=1，2，3）表示不同的電源類型，此處指風(fēng)機(jī)、光伏電池和蓄電池；Ni為電源的數(shù)量；Ci為電源的單位價格，元；Li為電源的使用年限（蓄電池的使用年限為其實際壽命損壞期與浮充壽命的取小值，具體計算見文獻(xiàn)［5］）；r為貼現(xiàn)率；Pinv為并網(wǎng)逆變器的容量，kW；Cinv為單位容量并網(wǎng)逆變器的價格，元/kW；Linv為并網(wǎng)逆變器的使用年限。

運行維護(hù)費用為

式中，t為采樣時刻；Δt為采樣間隔，取 1h；ki和Pi（t）（i=1，2，3）分別為風(fēng)機(jī)、光伏電池、蓄電池的維護(hù)成本系數(shù)，元/kW·h和在t時刻的功率，kW；kinv為并網(wǎng)逆變器的維護(hù)成本系數(shù)，元/（kW·a）。

新能源發(fā)電補貼為

式中，ksub為補貼電價，元/kW·h；Psup（t）為 t時刻的新能源供電功率，kW。

購電費用為

式中，j表示某一天；N為峰谷電價劃分的時段個數(shù)，執(zhí)行統(tǒng)一電價時，N=1；ki為第 i個時段的電價，元/kW·h；ni為第i個時段的時間長度，h，執(zhí)行統(tǒng)一電價時ni=24；為t時刻用戶的購電狀態(tài)，0表示不購電，1表示購電；Ppur，i（t）為第i個時段t時刻用戶的購電功率，kW。

售電收益如式（5）和式（6）所示，其中式（5）為用戶t時刻的售電收益，式（6）為用戶全年售電收益。

風(fēng)光儲系統(tǒng)因不滿足用戶負(fù)荷需求而造成的切負(fù)荷損失為

式中，kloss為切負(fù)荷損失系數(shù)，元/kW·h；Pcut（t）為t時刻切除的負(fù)荷，kW。

綜上所述，優(yōu)化目標(biāo)函數(shù)為

3.2 約束函數(shù)

1）風(fēng)光儲容量約束

根據(jù)用戶場地面積約束，風(fēng)力發(fā)電機(jī)、光伏電池和蓄電池的最大安裝數(shù)應(yīng)滿足式（9）。

式中，［x］為取整函數(shù)，表示不超過x的最大整數(shù)值；D為風(fēng)機(jī)的風(fēng)輪直徑；S為屋頂可利用場地的面積；L為屋頂可利用場地的長度；W為屋頂可利用場地的寬度；SW、SPV、SB分別為單臺風(fēng)機(jī)、單塊光伏電池和單節(jié)蓄電池的占地面積。

2）蓄電池電量約束［6］

以荷電狀態(tài)SOC（State of Charge）表示蓄電池當(dāng)前的電量狀態(tài)。蓄電池充放電時的荷電狀態(tài)分別如式（10）和式（11）所示。

式中，PBC（t）、PBD（t）分別為蓄電池在 t時刻的充、放電功率，kW；EBn為蓄電池的額定容量，kW·h；ηc、ηd分別為蓄電池的充、放電效率，分別取0.9215（廠家提供）和1。

用 SOCmin和 SOCmax表示單個蓄電池的最小荷電狀態(tài)和最大荷電狀態(tài)，那么單個蓄電池的電量約束為

3）蓄電池充放電功率約束［7］

為了防止蓄電池的過充電和過放電，蓄電池的充放電功率約束為

式中，PBCmax（t）、PBDmax（t）分別為蓄電池在t時刻的最大充、放電功率允許值，kW。

蓄電池的最大充、放電功率允許值由其物理特性和當(dāng)前剩余電量決定。本文假設(shè)蓄電池以標(biāo)準(zhǔn)充放電電流和電壓進(jìn)行工作，則蓄電池的最大充、放電功率允許值為

式中，PmaxBC、PmaxBD分別為蓄電池最大持續(xù)充、放電功率，kW。

4）交換功率約束

風(fēng)光儲用戶與電網(wǎng)之間的交換功率約束為

式中，Pgridmin和 Pgridmax為聯(lián)合發(fā)電用戶與配電網(wǎng)之間允許交換功率的最小值和最大值，該值根據(jù)聯(lián)合發(fā)電用戶與所并入電網(wǎng)達(dá)成的供求協(xié)議來確定［8］。

入網(wǎng)功率波動約束為

式中，ΔPgrid（t）為t時刻的入網(wǎng)功率波動量，ΔPgrid（t）= Pgrid（t）-Pgrid（t-1）；ΔPmin和ΔPmax為功率波動量的下限和上限，該值同樣根據(jù)聯(lián)合發(fā)電用戶與所并入電網(wǎng)達(dá)成的供求協(xié)議來確定。

5）用戶購/售電狀態(tài)互斥約束

6）供電可靠性約束

風(fēng)光儲用戶在各個階段的能量分配過程中，不能滿足負(fù)荷需求的功率與負(fù)荷總需求量的比值稱為切負(fù)荷率。本文以切負(fù)荷率λCUT表征用戶負(fù)荷的供電可靠性，表達(dá)式為

式中，Pcut（t）為 t時刻切除的負(fù)荷；Pload（t）為 t時刻負(fù)荷的需求。

則供電可靠性約束為

式中，λCUTmax為用戶的切負(fù)荷率上限。

3.3 容量配置優(yōu)化

粒子群優(yōu)化算法［9-10］（Particle Swarm Optimization，PSO）是模擬鳥群捕食過程的一種智能尋優(yōu)算法，具有實現(xiàn)簡單、魯棒性好、收斂速度快等優(yōu)點，適合工程應(yīng)用。PSO算法中的粒子通過跟蹤個體極值Pbest和全局極值gbest來更新自己的速度和位置，并逐步逼近最優(yōu)解，粒子更新過程見文獻(xiàn)［10］。

本文以風(fēng)機(jī)、光伏電池和蓄電池的數(shù)量作為優(yōu)化變量，以目標(biāo)函數(shù)的倒數(shù)作為適應(yīng)度函數(shù)（不滿足要求的配置，其適應(yīng)度值為0），找出適應(yīng)度值最大的組合作為風(fēng)光儲聯(lián)合發(fā)電用戶的最優(yōu)容量配置，并輸出相應(yīng)配置下的用戶綜合成本。本文取種群規(guī)模Psize=60，迭代次數(shù)Ngenmax=200，具體算法流程如下:

1）讀入風(fēng)/光/儲系統(tǒng)的相關(guān)參數(shù)，以及單位數(shù)量風(fēng)機(jī)、光伏和負(fù)荷的全年功率數(shù)據(jù)。

2）根據(jù)約束隨機(jī)生成滿足條件的初始種群和速度。

3）計算種群中每個粒子的適應(yīng)度值，確定種群的個體極值Pbest和全局極值gbest。

4）更新粒子的速度和位置。

5）計算更新后的粒子的適應(yīng)度值，并更新個體極值Pbest和全局極值gbest。

6）判斷迭代次數(shù)是否滿足要求，若滿足迭代次數(shù)，則退出迭代，轉(zhuǎn)至步驟7），否則返回步驟4）。

7）輸出優(yōu)化配置結(jié)果及對應(yīng)的綜合成本。

4 算例分析

4.1 算例介紹

1）氣象及負(fù)荷數(shù)據(jù)

以我國華東沿海某小區(qū)（26°14′N，119°22′E）為模擬安裝地點，采用NASA提供的該地區(qū)月平均氣象統(tǒng)計數(shù)據(jù)和HOMER軟件居民負(fù)荷數(shù)據(jù)。通過HOMER軟件離散得到的全年數(shù)據(jù)如圖3所示。

圖3 小區(qū)所在地的氣象及全年負(fù)荷數(shù)據(jù)

2）電源選型

風(fēng)光儲型號參數(shù)見表2。垂直軸風(fēng)機(jī)、光伏電池和蓄電池的維護(hù)成本系數(shù)參考文獻(xiàn)［11］；蓄電池荷電狀態(tài)SOC的變化范圍取0.1～0.9，初始荷電狀態(tài)取0.5。并網(wǎng)逆變器的單位價格參照目前市場平均價3.5元/W，運行維護(hù)成本和平均使用年限分別取51元/（kW·a）和20年［5］。

3）電價

居民用電峰時段為 8∶00—22∶00，電價為0.5783元/kW·h；谷時段為 22∶00—8∶00，電價為0.3483元/kW·h。不申請峰谷分時電價時的統(tǒng)一電價為0.5483元/kW·h。

采用國家發(fā)改委于2013年和2014年制定的分布式光伏發(fā)電和陸上風(fēng)電標(biāo)桿上網(wǎng)電價，該地區(qū)處在風(fēng)能第Ⅳ類資源區(qū)，風(fēng)電標(biāo)桿上網(wǎng)電價為0.61元/kW·h；分布式光伏發(fā)電用戶的上網(wǎng)電價為當(dāng)?shù)厝济簷C(jī)組標(biāo)桿上網(wǎng)電價，為0.4075元/kW·h。

表2 風(fēng)光儲型號參數(shù)

4.2 優(yōu)化配置結(jié)果及分析

小區(qū)供電點短路容量取700kVA，兩種電價方式下用戶容量的優(yōu)化配置結(jié)果與各項主要技術(shù)經(jīng)濟(jì)指標(biāo)見表3。

從表3可以看出，峰谷電價方式下雖然用戶的初始投資成本更高，但綜合成本卻更低且供電可靠性更高。這是由于峰谷電價方式的運行策略雖然提高了蓄電池的利用率，但也縮短了蓄電池的循環(huán)壽命，同時風(fēng)光配置容量也比統(tǒng)一電價高，因此峰谷電價方式下用戶的初始投資成本更高。然而，蓄電池深度充放電也給用戶帶來了巨大的峰谷電價差收益，使得用戶不僅降低了購電費用，而且也增加了售電收益，因此用戶的綜合成本顯得更低。

表3 兩種電價方式下的配置結(jié)果

表 4為兩種電價方式下用戶的購/售電量及費用。

表4 兩種電價方式下用戶的購/售電量及費用

從表4可以看出，與統(tǒng)一電價相比，峰谷電價下的優(yōu)化結(jié)果具有以下優(yōu)勢:①用戶的峰時購電量低而谷時購電量高，并且用戶的峰時售電量也比統(tǒng)一電價方式高，說明峰谷電價方式比統(tǒng)一電價更有利于調(diào)動用戶主動參與“削峰填谷”；②用戶的購電費用更低。由于谷時電價與統(tǒng)一電價的差價是峰時電價與統(tǒng)一電價差價的近7倍，用戶可以將電價較低的谷時電能儲存起來于電價較高的峰時電價時段使用，從而進(jìn)一步降低了總購電費用。

5 結(jié)論

風(fēng)、光、儲電源的選型和定容是屋頂風(fēng)光儲用戶在規(guī)劃設(shè)計階段需要解決的首要問題。本文以華東沿海某小區(qū)屋頂風(fēng)光儲聯(lián)合發(fā)電用戶為例，研究了不同居民用電電價下的風(fēng)/光/儲容量優(yōu)化配置問題。文中考慮了蓄電池充放電深度對其循環(huán)壽命的影響，建立了全面反映用戶綜合成本的目標(biāo)函數(shù)模型，包括初始投資成本、運行維護(hù)費用、新能源發(fā)電補貼、購電費用、售電收益和切負(fù)荷損失等經(jīng)濟(jì)指標(biāo)，并采用PSO算法分別在統(tǒng)一電價和峰谷電價下對屋頂風(fēng)光儲用戶的各電源容量進(jìn)行優(yōu)化配置。仿真結(jié)果表明，采用本文提出的計及峰谷電價和啟發(fā)式運行策略的容量優(yōu)化配置方法，雖然縮短了蓄電池的循環(huán)壽命，但有效提高了蓄電池的利用率，不僅降低了用戶的綜合成本、提高了用戶的供電可靠性，而且還進(jìn)一步幫助電網(wǎng)“削峰填谷”，減輕了電網(wǎng)的運行壓力。

我們將繼續(xù)研究峰谷電價因素對風(fēng)光儲用戶的用電行為和電網(wǎng)運行的影響，為電網(wǎng)公司制定合理的峰谷電價政策提供參考。

［1］Borowy B S，Salameh Z M.Methodology for optimally sizing the combination of a battery bank and PV array in a Wind/PV hybrid system［J］.IEEE Transactions on Energy Conversion，1996，11（2）：367-373.

［2］何春光.超級電容器儲能裝置仿真建模及其應(yīng)用研究［D］.長沙：湖南大學(xué)，2013.

［3］Habib M A，Said S，El-Hadidy M A，et al.Optimization procedure of a hybrid photovoltaic wind energy system［J］.Energy，1999，24（11）：919-929.

［4］王波.儲能系統(tǒng)的優(yōu)化建模與控制策略研究［D］.合肥：合肥工業(yè)大學(xué)，2013.

［5］江全元，石慶均，李興鵬，等.風(fēng)光儲獨立供電系統(tǒng)電源優(yōu)化配置［J］.電力自動化設(shè)備，2013，33（7）：19-26.

［6］Menniti D，Pinnarelli A，Sorrentino N.A method to improve microgrid reliability by optimal sizing PV/Wind plants and storage systems［C］//The 20th International Conference on Exhibition on Electricity Distribution，2009：8-11.

［7］丁明，王波，趙波，等.獨立風(fēng)光柴儲微網(wǎng)系統(tǒng)容量優(yōu)化配置［J］.電網(wǎng)技術(shù)，2013，37（3）：575-581.

［8］丁明，張穎媛，茆美琴，等.包含鈉硫電池儲能的微網(wǎng)系統(tǒng)經(jīng)濟(jì)運行優(yōu)化［J］.中國電機(jī)工程學(xué)報，2011，31（4）：7-14.

［9］唐賢倫，張衡，李進(jìn)，等.基于多 Agent粒子群優(yōu)化算法的電力系統(tǒng)經(jīng)濟(jì)負(fù)荷分配［J］.電力系統(tǒng)保護(hù)與控制，2012，40（10）：42-47.

［10］袁曉輝，王乘，張勇傳，等.粒子群優(yōu)化算法在電力系統(tǒng)中的應(yīng)用［J］.電網(wǎng)技術(shù)，2004，28（19）：14-19.

［11］劉艷平.風(fēng)光儲混合發(fā)電系統(tǒng)容量優(yōu)化及協(xié)調(diào)控制方法［D］.濟(jì)南：山東大學(xué)，2014.

Capacity Optimization of Wind/PV/Storage Hybrid Power Generation Customer under Time-of-Use Pricing Policy and Heuristic Operational Strategies

Weng Guiping1Pan Xia2Shao Zhenguo1
（1.College of Electrical Engineering and Automation，F(xiàn)uzhou University，F(xiàn)uzhou 350116；2.State Grid Electric Power Co.，Ltd，F(xiàn)ujian Ningde Power Company，Ningde，F(xiàn)ujian 352000）

In order to optimize the capacity of wind/PV/storage hybrid power generation customer of residential rooftop，a configuration method of capacity under Time-of-Use pricing policy and heuristic operational strategies is proposed in this paper.It first builds the mathematical model for optimization objective function and constraint function.Secondly，it uses particle swarm optimization algorithm to optimize the capacity of different kinds of power sources within the wind/PV/storage hybrid power generation customer of residential rooftop in unified and time-of-use pricing policy.Finally，it uses the meteorological data of NASA's meteorological sites and the residential load data of HOMER to verify the validity of the method.

wind/PV/storage hybrid power generation customer of rooftops；time-of-use pricing；heuristic operational strategies；capacity configuration；particle swarm optimization

翁桂萍（1990-），男，福州大學(xué)在讀碩士研究生，主要研究方向為新能源發(fā)電優(yōu)化運行。