袁曉玲，程淋偉，魯麗娟，赫衛(wèi)國，華光輝，陳 鋒，劉皓明

（1.河海大學(xué) 能源與電氣學(xué)院，南京 211100；2.中國能源建設(shè)集團廣東省電力設(shè)計研究院有限公司，廣州 510063；3.中國電力科學(xué)研究院，南京 210003；4.國網(wǎng)安徽電力公司，合肥 230022）

基于萬有引力搜索算法的微電網(wǎng)風(fēng)光儲容量優(yōu)化配置

袁曉玲1，程淋偉1，魯麗娟2，赫衛(wèi)國3，華光輝3，陳 鋒4，劉皓明1

（1.河海大學(xué) 能源與電氣學(xué)院，南京 211100；2.中國能源建設(shè)集團廣東省電力設(shè)計研究院有限公司，廣州 510063；3.中國電力科學(xué)研究院，南京 210003；4.國網(wǎng)安徽電力公司，合肥 230022）

針對規(guī)?；L(fēng)光儲發(fā)電單元運行可靠性差、經(jīng)濟效益低等問題，通過采用多目標萬有引力搜索算法，實現(xiàn)對風(fēng)光儲發(fā)電單元的優(yōu)化配置。建立發(fā)電單元的輸出功率模型，包括風(fēng)力發(fā)電機輸出功率模型、光伏電池輸出功率模型和儲能電池輸出功率模型；采用某地區(qū)2015年1月至12月的風(fēng)光數(shù)據(jù)，得出風(fēng)機、光伏電池一年的輸出功率。以風(fēng)機、光伏電池及蓄電池的容量為決策變量，以成本、能源浪費率及缺電率最小為優(yōu)化目標，得到最優(yōu)風(fēng)光儲容量配置組合。

風(fēng)光儲系統(tǒng)；多目標優(yōu)化；萬有引力搜索算法；容量優(yōu)化配置

風(fēng)能和太陽能作為眾多新能源中潛力最大、最有開發(fā)價值的能源，由于其資源豐富、污染小等特點，其開發(fā)與利用受到人們的高度重視。太陽能與風(fēng)能都存在著隨機性、間歇性、能量波動大等特點，單獨的風(fēng)光發(fā)電存在各種弊端而使其發(fā)展受到限制。但實際上，風(fēng)能與太陽能在時間與空間上存在著自然的互補性［1］。隨著儲能技術(shù)的發(fā)展，隨機性、間歇性的可再生清潔能源得到更加廣泛的利用，規(guī)?；L(fēng)光儲聯(lián)合作為一個發(fā)電單元集中供電成為當前可再生能源發(fā)展的熱點問題之一。

文獻［2］針對風(fēng)光蓄互補發(fā)電系統(tǒng)，提出一種改進的容量優(yōu)化配置方法，考慮獨立和并網(wǎng)2種模式，對風(fēng)力發(fā)電、光伏發(fā)電和蓄電池的容量進行最優(yōu)配置。文獻［3］結(jié)合風(fēng)力發(fā)電機組、PV方陣、抽水蓄能電站、蓄電池組等元件的輸出特性，以總系統(tǒng)成本最小為目標，建立了相應(yīng)的優(yōu)化模型，分析了可靠性約束、上網(wǎng)電價、能量交易系統(tǒng)容量。文獻［4］將改進的細菌覓食算法應(yīng)用到解決風(fēng)、光、儲混合的全年孤島運行的微電網(wǎng)電源優(yōu)化配置問題中，建立電源優(yōu)化配置模型，全面評估各種分布式電源的經(jīng)濟性及其對用戶的可靠性。文獻［5］提出一種基于等可信容量的風(fēng)光儲容量優(yōu)化配置方法，通過蒙特卡羅仿真計算得到等可信容量所需的風(fēng)光儲機組組合。

本文基于萬有引力搜索算法，對獨立型微電網(wǎng)的風(fēng)光儲發(fā)電系統(tǒng)容量進行優(yōu)化配置，以系統(tǒng)成本、負荷缺電率和能源浪費率為優(yōu)化目標，對比分析了萬有引力搜索算法與粒子群算法的優(yōu)化結(jié)果，算例結(jié)果表明，萬有引力搜索算法優(yōu)化速度快、系統(tǒng)配置成本低。

1 系統(tǒng)電源模型

1.1 風(fēng)光儲系統(tǒng)總體結(jié)構(gòu)

圖1是獨立型微電網(wǎng)的風(fēng)光儲發(fā)電系統(tǒng)總體結(jié)構(gòu)示意圖，主要由風(fēng)電場、光伏電站、儲能系統(tǒng)以及相應(yīng)的變流設(shè)備組成。其中，風(fēng)力發(fā)電系統(tǒng)和光伏發(fā)電系統(tǒng)是系統(tǒng)的主要出力裝置，而儲能系統(tǒng)則是在風(fēng)光不足時補充出力以及風(fēng)光出力過剩時儲存電能，使風(fēng)光發(fā)電系統(tǒng)更好地滿足負荷需求，減少資源浪費。

圖1 風(fēng)光儲微電網(wǎng)總體結(jié)構(gòu)示意圖

1.2 風(fēng)力發(fā)電機

風(fēng)力發(fā)電機的輸出功率與當?shù)氐娘L(fēng)速直接相關(guān)，其模型［6］如式（1）

式中：Pw(v)為風(fēng)速為v時風(fēng)力發(fā)電機的輸出功率；Pr為風(fēng)力發(fā)電機的額定輸出功率；νci為切入風(fēng)速；νco為切出風(fēng)速；νr為額定風(fēng)速；

1.3 光伏電池

太陽能光伏發(fā)電技術(shù)利用半導(dǎo)體材料的光生伏打效應(yīng)將太陽能轉(zhuǎn)化為電能并輸出。一系列的光伏電池板通過串并聯(lián)的方式組成光伏陣列，產(chǎn)生的電能可通過逆變器等設(shè)備供給負荷。光伏電池的輸出功率模型［6］如式（2）

式中：Ppν(t)為時段t光伏電池的輸出功率；PSTC為標準測試環(huán)境下光伏面板輸出功率；GSTC為標準測試環(huán)境下光照輻射強度；TSTC為標準測試環(huán)境下環(huán)境溫度值；k為溫度系數(shù)；Gc(t)為時段t運行環(huán)境下實際光照輻射強度；Tc(t)為時段t運行環(huán)境下實際環(huán)境溫度。

1.4 儲能系統(tǒng)

由于風(fēng)、光發(fā)電系統(tǒng)存在一定的隨機性和間歇性，因此需要儲能系統(tǒng)進行能量調(diào)節(jié)和平衡負載。儲能系統(tǒng)與風(fēng)光及負荷系統(tǒng)交互的過程稱為儲能系統(tǒng)的充放電過程。當儲能系統(tǒng)充電時，風(fēng)力發(fā)電、光伏發(fā)電所發(fā)的多余電能被儲能系統(tǒng)通過變流器吸收；當儲能系統(tǒng)放電時，儲能系統(tǒng)將多余的電能通過變流器提供給負載。儲能電池的模型［6］如式（3）

式中：CSOC(t)為時段t儲能電池容量；Pbat(t)為時段t儲能電池的輸出功率；δ為儲能電池的充電或者放電效率；DB為儲能電池自放電速率；QSB為儲能電池總?cè)萘俊?/p>

2 風(fēng)光儲發(fā)電系統(tǒng)容量優(yōu)化模型

2.1 目標函數(shù)

建立風(fēng)光儲發(fā)電單元的多目標函數(shù)，包括發(fā)電單元總成本最小、可再生能源損失率及負荷缺電率最低。

2.1.1 系統(tǒng)總投資

（1）設(shè)備投資費用

購買風(fēng)力發(fā)電機，光伏電池板以及儲能電池所花費的費用被稱為固有成本，也是成本中最大、最簡單直接的一部分，表達式如式（4）

式中：i為不同的電源類型，即風(fēng)機、光伏電池和蓄電池；Ni和Pi分別為各電源的個數(shù)和單價。

（2）維護費用

在風(fēng)光儲發(fā)電系統(tǒng)整個運行過程中，需要對發(fā)電單元進行維護，以保證風(fēng)機光伏電池及儲能電池能夠正常穩(wěn)定運行，表達式如式（5）

式中：t為某一采樣時刻；Ki為各電源的維護成本系數(shù)，元/kWh；Pi()t為各電源t時刻的運行功率，kW；Δt為采樣時間段。

（3）售電收益

風(fēng)光儲混合發(fā)電系統(tǒng)將發(fā)出的電能供給負載所獲得的收入為售電收益，其表達式如式（6）

式中：Kin為出售電價，元/kWh；j為風(fēng)力發(fā)電機和太陽能光伏電池；Pj(t)為風(fēng)力發(fā)電機和太陽能光伏電池t時刻供給負載的功率，kW。

（4）發(fā)電補貼

由于風(fēng)光互補發(fā)電為新能源發(fā)電，還沒有像火力等常規(guī)發(fā)電方式那么普及，建設(shè)成本也較高，導(dǎo)致出售電價高于常規(guī)發(fā)電價格。為了鼓勵清潔能源發(fā)電，政府對風(fēng)光發(fā)電進行補貼，其表達式如式（7）

式中：Ks為補貼電價，元/kWh。

因此，風(fēng)光儲混合發(fā)電系統(tǒng)的總成本如式（8）

2.1.2 負荷缺電率

風(fēng)光儲混合發(fā)電系統(tǒng)中，會出現(xiàn)風(fēng)力發(fā)電及光伏發(fā)電發(fā)出的電能小于負載需要的電能，并且此時儲能電池的荷電常數(shù)小于極限值（一般取0.1）不能放電時，在這段時間內(nèi)，系統(tǒng)不能滿足負荷功率需求的比例被稱為負荷缺電率［7］（loss of power supply probability,LPSP），表達式如式（9）

式中：m為給定時間內(nèi)系統(tǒng)不能滿足負荷功率需求的采樣點個數(shù)；Pi(t)為風(fēng)機、光伏電池和儲能電池t時刻供給負載的功率，kW；P1(t)為t時刻系統(tǒng)負荷需求；LPSP越小越好。

2.1.3 能源浪費率

風(fēng)光儲混合發(fā)電系統(tǒng)中，當風(fēng)力發(fā)電和光伏發(fā)電所發(fā)電量供給全部用電負荷使用后仍有剩余且此時蓄電池已不能再繼續(xù)充電時，多余電能就會浪費。給定時間內(nèi)，系統(tǒng)浪費的電量占全部負荷需求的電量的比稱為能量浪費率［7］（energy wastage rate,EWR），其表達式如式（10）

式中：n為給定時間內(nèi)系統(tǒng)能量浪費的采樣點個數(shù)；EWR越小越好。

為了加快算法的優(yōu)化計算速度，將LPSP和EWR轉(zhuǎn)化為一個指標，記為LE，最終的優(yōu)化目標函數(shù)如式（11）

2.2 約束條件

設(shè)置多目標函數(shù)的約束條件，包括功率約束條件、發(fā)電機出力約束條件和儲能電池容量約束條件。功率平衡約束條件如式（12）

式中：Pref(t)為時段t電網(wǎng)預(yù)期的功率，kW；Pbat(t)為儲能電池輸出功率上限。

儲能電池出力約束條件如式（13）

儲能電池容量約束條件如式（14）

式中：SOC(t)為時段t儲能電池容量；SOCmin為儲能電池最大放電深度時的電荷容量；SOCmax為儲能電池充滿電荷時的容量。

3 算法及相關(guān)參數(shù)

3.1 萬有引力搜索算法

萬 有 引 力 搜 索 算 法［8］（gravitational search algorithm,GSA）由伊朗的EsmatRashedi教授等人提出，該算法是基于牛頓萬有引力定律的一種元啟發(fā)式智能優(yōu)化算法。該算法的原理是通過將搜索粒子看作一組在空間運行的物體，物體間通過萬有引力相互吸引，物體的運行遵循動力學(xué)的規(guī)律，適度值越大的粒子其慣性質(zhì)量越大，因此萬有引力會促使物體們朝著質(zhì)量最大的物體移動，從而逐漸逼近求出優(yōu)化問題的最優(yōu)解。

在時刻t，物體 j在第k維上受到物體i的引力如式（16）

式中：ε為一個非常小的常量；Maj(t)為作用物體 j的慣性質(zhì)量；Mpi(t)為被作用物體i的慣性質(zhì)量；G(t)為t時間的萬有引力常數(shù)。

當粒子受到其它粒子的引力作用后就會產(chǎn)生加速度，因此，根據(jù)式（16）計算的引力，則物體i在第k維上獲得的加速度為其作用力與慣性質(zhì)量的比值，計算如式（17）

在GSA中，每一個粒子在每次迭代過程中根據(jù)式（17）更新速度和位置，如式（18）

相比于PSO和GA算法，GSA的收斂速度更快，全局搜索能力更強。

3.2 風(fēng)光儲發(fā)電模型數(shù)據(jù)

利用NASA數(shù)據(jù)庫，采集某地區(qū)（經(jīng)度120.86o，緯度32.01o）8 760 h的風(fēng)速、太陽輻射強度、環(huán)境溫度數(shù)據(jù)。

3.2.1 風(fēng)機數(shù)據(jù)及其參數(shù)

風(fēng)速數(shù)據(jù)見圖2。

圖2 一年中逐時風(fēng)速數(shù)據(jù)

風(fēng)力發(fā)電機型號為FD21-100；額定容量為100 kW；切入風(fēng)速為3 m/s；額定風(fēng)速為13 m/s；切出風(fēng)速為25 m/s；極限風(fēng)速為59.9 m/s；售價為800 000元；運行維護成本為1.87元/kW。

3.2.2 光照溫度數(shù)據(jù)及光伏電池參數(shù)

太陽輻射強度、溫度數(shù)據(jù)分別見圖3和圖4。

圖3 一年逐時太陽輻射強度數(shù)據(jù)

圖4 一年逐時溫度數(shù)據(jù)

光伏電池型號為DJB-36V250WK；工作電壓為36 V；工作電流為8.19 A；開路電壓為37.3 V；短路電流為8.79 A；額定功率為250 W；轉(zhuǎn)換效率為18%；單價為1 120元；運行維護成本為5.43元/kW。

3.2.3 儲能電池參數(shù)及負荷數(shù)據(jù)

負荷功率數(shù)據(jù)見圖5。

圖5 一年逐時負荷功率數(shù)據(jù)

儲能電池型號為BT-MSE-2000；額定電壓為2 V；額定容量為2 000 AH；單價為3 200元；運行維護成本為4元/kW；自放電速率為0.3%/h；充放電效率為90%。

4 算例分析

本文對比分析萬有引力搜索算法和粒子群算法的優(yōu)化結(jié)果。在優(yōu)化算法中，選取種群維數(shù)為3，即為風(fēng)機、光伏電池和蓄電池的數(shù)量。粒子數(shù)目取50，最大迭代次數(shù)為500。

由圖6、圖7結(jié)果可見，萬有引力搜索算法迭代140次后穩(wěn)定，粒子群算法迭代200次后穩(wěn)定，萬有引力搜索算法收斂速度更快；根據(jù)表1中系統(tǒng)總成本、LPSP和EWR結(jié)果可見，萬有引力搜索算法的優(yōu)化結(jié)果更好。

圖6 萬有引力搜索算法結(jié)果

圖7 粒子群算法結(jié)果

表1 風(fēng)光儲容量優(yōu)化結(jié)果

圖8是單塊蓄電池一年的荷電常數(shù)，由圖可見，在春秋兩季，電池荷電常數(shù)在0.5以上居多，而在夏冬兩季尤其是夏季，荷電常數(shù)明顯偏低。與現(xiàn)實也比較符合，夏季用電偏多，缺電情況比較明顯。

圖8 單塊蓄電池一年的荷電常數(shù)

風(fēng)光儲系統(tǒng)一年的能源浪費和能源缺失分別見圖9和圖10。當電池的荷電常數(shù)SOC大于0.9時，電池停止充電，此時風(fēng)力發(fā)電機和光伏電池發(fā)出的多余電量即會造成浪費。當電池的荷電常數(shù)SOC小于0.1時，電池停止放電，此時負荷處于缺電狀態(tài)。

圖9 風(fēng)光儲系統(tǒng)一年的能源浪費

當電池荷電常數(shù)SOC=0.1時，電池停止放電，此時處于能源供應(yīng)不足狀態(tài)，需要切負荷。

圖10 風(fēng)光儲系統(tǒng)一年的能源缺失

采用粒子群算法時，對應(yīng)的LPSP和EWR指標均高于萬有引力搜索算法的計算結(jié)果，計算結(jié)果如表1所示。兩種方法優(yōu)化結(jié)果對應(yīng)的能源浪費率及負荷缺電率均小于10%，符合配置要求。

表2是單獨考慮LPSP或EWR時的優(yōu)化結(jié)果，由表2結(jié)果可見，如果能源浪費率為0，負荷缺電率將達到26.4%；如果負荷缺電率為0，能源浪費率達到25.7%；單獨考慮一種指標的情況下，系統(tǒng)總成本均有所下降。

表2 單獨考慮LPSP或EWR時的結(jié)果

5 結(jié)束語

本文采用萬有引力搜索算法，對獨立性微電網(wǎng)的風(fēng)光儲發(fā)電系統(tǒng)進行了容量優(yōu)化配置。利用全年的風(fēng)速、太陽能輻照強度及溫度數(shù)據(jù)計算風(fēng)光出力，根據(jù)負荷需求，基于能源浪費率和負荷缺電率，對比分析了萬有引力搜索算法和粒子群算法對風(fēng)機、光伏電池和儲能電池配置的優(yōu)化結(jié)果，由比較結(jié)果可以看出，采用萬有引力搜索算法提高了優(yōu)化速度，降低了系統(tǒng)總成本、負荷缺電率和能源浪費率。

［1］ 南京師范大學(xué).一種風(fēng)光儲互補發(fā)電系統(tǒng)優(yōu)化配置方法：中國，201510026469.7［P］.2015-5-13.

［2］ 徐林，阮新波，張步涵，等.風(fēng)光蓄互補發(fā)電系統(tǒng)容量的改進優(yōu)化配置方法［J］.中國電機工程學(xué)報，2012，32（25）：88-98.

［3］ 葛曉琳.風(fēng)光儲混合發(fā)電系統(tǒng)優(yōu)化設(shè)計與分析［J］.上海電力學(xué)院學(xué)報，2014，30（4）：297-302.

［4］ 馬溪原，吳耀文，方華亮，等.采用改進細菌覓食算法的風(fēng)/光/儲混合微電網(wǎng)電源優(yōu)化配置［J］.中國電機工程學(xué)報，2011，31（25）：17-25.

［5］ 何俊，鄧長虹，徐秋實，等.基于等可信容量的風(fēng)光儲電源優(yōu)化配置方法［J］.電網(wǎng)技術(shù)，2013，37（12）：3 317-3 324.

［6］ 華北電力大學(xué)，國家電網(wǎng)公司，國網(wǎng)新源張家口風(fēng)光儲示范電站有限公司.風(fēng)光儲發(fā)電單元多目標協(xié)調(diào)運行優(yōu)化方法：中國，201410268596.3［P］.2014-9-3.

［7］ 劉艷平，賈春娟.基于遺傳算法的獨立型風(fēng)光互補發(fā)電容量優(yōu)化［J］.電力系統(tǒng)及其自動化學(xué)報，2015，27（10）：69-74.

［8］ Rashedi E,Nezamabadi-Pour H,Saryazdi S.GSA：a gravitational search algorithm［J］.Information sciences,2009,179（13）：2 232-2 248.

［9］ 李鵬，徐偉娜，周澤遠，等.基于改進萬有引力搜索算法的微網(wǎng)優(yōu)化運行［J］.中國電機工程學(xué)報，2014，34（19）：3 073-3 079.

［10］ Abbassi R,Chebbi S.Optimal energy management strategy for wind photovoltaic hybrid system with battery storage［C］//Electrotechnical Conference（MELECON）,2012 16th IEEEMediterranean.

［11］ Bortolini M,Gamberi M,Graziani A,et al.Economic and environmental bi-objective design of an off-grid photovoltaic-battery-diesel generator hybrid energy system［J］.Energy Conversion&Management,2015,106（1）：1 024-1 038.

［12］ ángel A.Bayod-Rújula,Haro-LarrodéM E,Martínez-Gracia A.Sizing criteria of hybrid photovoltaic-wind systems with battery storage and self-consumption considering interaction with the grid［J］.Solar Energy,2013,98（4）：582-591.

［13］ 陳潔，楊秀，朱蘭，等.微網(wǎng)多目標經(jīng)濟調(diào)度優(yōu)化［J］.中國電機工程學(xué)報，2013（19）：57-66.

Configuration optimization of wind-solar-storagesystem in microgrid based on GSA

YUANXiao-ling1,CHENGLin-wei1,LU Li-juan2,HEWei-guo3,HUAGuang-hui3,CHEN Feng4,LIUHao-ming1
（1.Colleg eof Energy and Electrical Engineering,Hohai University,Nanjing 211100,China;2.China Energy Engineering Group Guangdong Electric Power Design Institute Co.,Ltd.,Guangzhou 510063,China;3.China Electric Power Research Institute,Nanjing 210003,China;4.State Grid Anhui Electric Power Company,Hefei 230022,China）

For the poor operation reliability and low economic benefit of large-scale wind-solar-storage generation system,this paper adopts multi-objective gravitational search algorithm（GSA）to optimize capacity allocation of wind-solar-storage generation unit.Power output models of generation unit are established,including wind turbine model,photovoltaic generator model and storage battery model.Wind speed,irradiation and temperature data of an area from January to December in 2015 are used to calculate power output of wind turbine and photovoltaic cell.The optimal wind-solarstorage system configuration is obtained with capacity of wind turbine,photovoltaic cell and battery as decision variables and minimum of cost,loss of power supply probability and energy wastage rateasoptimal objective.

wind-solar-storage system;multi-objective optimization;gravitational search algorithm（GSA）;configuration optimization of capacity

TM714

B

1009-1831（2017）06-0014-06

10.3969/j.issn.1009-1831.2017.06.004

2017-05-27；

2017-08-09

國家電網(wǎng)公司科技項目（NY71-16-024）

袁曉玲（1971），女，安徽巢湖人，博士，副教授，研究方向為新能源發(fā)電并網(wǎng)控制；程淋偉（1992），男，江蘇如皋人，碩士研究生，研究方向為風(fēng)光儲優(yōu)化配置等；魯麗娟（1977），女，湖北孝感人，碩士，高級工程師，主要從事智能配電系統(tǒng)規(guī)劃與設(shè)計相關(guān)研究工作。