李盛偉， 李鵬飛， 白星振， 葛磊蛟

(1. 國(guó)網(wǎng)天津市電力公司經(jīng)濟(jì)技術(shù)研究院， 天津 300171；2. 山東科技大學(xué)電氣與自動(dòng)化工程學(xué)院， 山東 青島 266590；3. 天津大學(xué)電氣自動(dòng)化與信息工程學(xué)院， 天津 300172)

1 引言

目前，由于光伏發(fā)電具有間歇性和波動(dòng)性等特點(diǎn)，大規(guī)模的光伏并網(wǎng)和消納比較困難。所以在含光伏的微網(wǎng)中配置合理容量的儲(chǔ)能，是促進(jìn)分布式光伏就地消納、提高光伏系統(tǒng)效能、降低經(jīng)濟(jì)成本的有力方式[1-3]。隨著智能電網(wǎng)的發(fā)展與完善，相較于傳統(tǒng)電網(wǎng)而言，電能需求的增長(zhǎng)逐漸拉大了區(qū)域的負(fù)荷峰谷差，使得需求響應(yīng)(Demand Response，DR)得到更廣泛的關(guān)注，需求側(cè)資源的參與成為微網(wǎng)優(yōu)化運(yùn)行中不可忽視的因素。因此，研究?jī)?chǔ)能系統(tǒng)(Energy Storage System，ESS)和需求響應(yīng)對(duì)微網(wǎng)成本優(yōu)化的影響，對(duì)并網(wǎng)型光伏微網(wǎng)的日前經(jīng)濟(jì)運(yùn)營(yíng)優(yōu)化有著重要意義。

本文將儲(chǔ)能系統(tǒng)和需求響應(yīng)引入并網(wǎng)型光伏微網(wǎng)，在日前優(yōu)化調(diào)度下，達(dá)成需求側(cè)資源參與協(xié)調(diào)優(yōu)化的目的。目前，國(guó)內(nèi)外學(xué)者就需求側(cè)資源參與微網(wǎng)運(yùn)行的問(wèn)題進(jìn)行了大量研究。其中，針對(duì)儲(chǔ)能系統(tǒng)，文獻(xiàn)[4-6]對(duì)不同策略下含儲(chǔ)能系統(tǒng)的微網(wǎng)優(yōu)化配置展開(kāi)了研究，并給出了各策略的微網(wǎng)優(yōu)化方案。文獻(xiàn)[7]基于不同的運(yùn)行模式，分析了分布式發(fā)電系統(tǒng)(Distributed Generation，DG)和儲(chǔ)能裝置的基本出力特性，按經(jīng)濟(jì)最優(yōu)原則制定了運(yùn)行方案，但對(duì)并網(wǎng)安全方面考慮稍有不足。針對(duì)需求側(cè)響應(yīng)，文獻(xiàn)[8,9]綜合考慮需求響應(yīng)對(duì)光伏微網(wǎng)經(jīng)濟(jì)性的影響，并分析了儲(chǔ)能系統(tǒng)以及需求響應(yīng)對(duì)光伏微網(wǎng)投資決策的重要意義。文獻(xiàn)[10]基于需求側(cè)的不確定性，搭建了需求響應(yīng)和儲(chǔ)能系統(tǒng)的模型，并對(duì)微網(wǎng)的隨機(jī)出力優(yōu)化調(diào)度進(jìn)行了仿真研究，但在需求側(cè)響應(yīng)的過(guò)程中未考慮負(fù)荷的用電滿意度問(wèn)題。

本文基于上述問(wèn)題提出一個(gè)綜合考慮儲(chǔ)能、需求響應(yīng)和用戶滿意度的并網(wǎng)型微網(wǎng)日前優(yōu)化調(diào)度模型，通過(guò)改進(jìn)遺傳粒子群算法進(jìn)行分析計(jì)算，兼顧用戶滿意度和微網(wǎng)經(jīng)濟(jì)性。文中最后通過(guò)四個(gè)方案分析比較，并利用仿真，驗(yàn)證所提模型的有效性。

2 微網(wǎng)系統(tǒng)組件模型

2.1 光伏發(fā)電系統(tǒng)模型

光伏發(fā)電利用半導(dǎo)體界面的光生伏特效應(yīng)將太陽(yáng)能直接轉(zhuǎn)換成電能。而光伏發(fā)電的輸出功率會(huì)隨著光照強(qiáng)度和環(huán)境溫度等因素的變化而變化，具有一定的隨機(jī)性和波動(dòng)性。

光伏發(fā)電系統(tǒng)在標(biāo)準(zhǔn)太陽(yáng)輻射強(qiáng)度GSC(一般為1000W/m2)、相對(duì)大氣光學(xué)質(zhì)量為AM1.5、電池溫度TSC為25℃的情況下，輸出功率為：

(1)

2.2 蓄電池儲(chǔ)能系統(tǒng)模型

儲(chǔ)能系統(tǒng)具有負(fù)荷和電源的雙重特性，在低負(fù)荷時(shí)段，儲(chǔ)能系統(tǒng)能夠作為負(fù)荷將電能特別是多余的新能源發(fā)電量?jī)?chǔ)存起來(lái)；而在高負(fù)荷時(shí)段，儲(chǔ)能系統(tǒng)又可以將之前儲(chǔ)存的電能釋放出來(lái)，為電力系統(tǒng)供電，減少電力系統(tǒng)的供電壓力。在微網(wǎng)運(yùn)行的過(guò)程中，儲(chǔ)能系統(tǒng)儲(chǔ)電量與荷電狀態(tài) (State Of Charge，SOC) 有關(guān)，t+1時(shí)刻與t時(shí)刻的儲(chǔ)能蓄電池系統(tǒng)功率關(guān)系可表示為：

(2)

2.3 需求響應(yīng)模型

文獻(xiàn)[12]提供的DR分時(shí)電價(jià)(Time-Of-Use，TOU)模型如圖1所示。通過(guò)TOU方法，將負(fù)荷百分比從峰值時(shí)間段轉(zhuǎn)移到非高峰時(shí)段，由微網(wǎng)操作者降低負(fù)荷，從而降低預(yù)期運(yùn)行成本。

圖1 考慮分時(shí)電價(jià)的DR負(fù)荷模型Fig.1 Load modeling considering TOU rate of DR

根據(jù)TOU方法的定義，本部分模型目的是將負(fù)荷曲線的部分負(fù)荷從高峰時(shí)段轉(zhuǎn)移到非高峰時(shí)段，從而降低微網(wǎng)的預(yù)期運(yùn)行成本。根據(jù)式(3)定義TOU方式的數(shù)學(xué)模型：

loadt=(1-DRt)load0,t+ldrt

(3)

式中，loadt表示考慮DR后t時(shí)刻的實(shí)際負(fù)荷；DRt表示t時(shí)刻參與DR負(fù)荷占基礎(chǔ)負(fù)荷的比例；ldrt表示t時(shí)刻通過(guò)DR的轉(zhuǎn)移負(fù)荷；load0,t表示不考慮DR時(shí)t時(shí)刻的基礎(chǔ)負(fù)荷。

2.4 分布式發(fā)電機(jī)組模型

在微網(wǎng)中，除了光伏發(fā)電機(jī)組還有另外一些能源機(jī)組，例如微型燃?xì)廨啓C(jī)和小型發(fā)電機(jī)組等。為了計(jì)算方便，根據(jù)文獻(xiàn)[13]將這些機(jī)組統(tǒng)一看做為一個(gè)擁有獨(dú)立成本系數(shù)的特殊機(jī)組，其成本可表示為：

(4)

2.5 與大電網(wǎng)功率交互模型

微網(wǎng)中自身發(fā)電出力不足以滿足當(dāng)?shù)刎?fù)荷需求時(shí)，需從大電網(wǎng)購(gòu)電以滿足本地用電需求及旋轉(zhuǎn)備用，本著“自給自足，余電上網(wǎng)”的原則，當(dāng)微網(wǎng)的發(fā)電出力富足時(shí)，可以將多余的電兜售給電網(wǎng)，功率交互成本模型為：

(5)

3 并網(wǎng)型微網(wǎng)優(yōu)化調(diào)度模型

3.1 目標(biāo)函數(shù)

在含多種需求側(cè)資源參與的并網(wǎng)型微網(wǎng)的綜合經(jīng)濟(jì)調(diào)度中，光伏發(fā)電消納量最大、系統(tǒng)運(yùn)行成本最低和系統(tǒng)煤耗最小是幾種常見(jiàn)的優(yōu)化模型。本文以系統(tǒng)運(yùn)行成本最低為優(yōu)化目標(biāo)，建立一個(gè)包含光伏系統(tǒng)、儲(chǔ)能系統(tǒng)、分布式發(fā)電機(jī)組和需求響應(yīng)的微網(wǎng)綜合優(yōu)化調(diào)度模型，該模型為單目標(biāo)非線性規(guī)劃模型，目標(biāo)函數(shù)為：

(6)

3.2 約束條件

3.2.1 功率平衡約束

系統(tǒng)運(yùn)行功率平衡如式(7)所示：

(7)

根據(jù)式(7)可知，微網(wǎng)從電網(wǎng)購(gòu)電量、分布式發(fā)電系統(tǒng)和儲(chǔ)能系統(tǒng)的出力由DR決定，儲(chǔ)能系統(tǒng)的放電模式可以看做是特殊的發(fā)電機(jī)，充電模式可以看做是特殊的負(fù)載。

3.2.2 微網(wǎng)穩(wěn)定性約束

在微網(wǎng)運(yùn)行的過(guò)程中，為了保證系統(tǒng)運(yùn)行的穩(wěn)定性還有留有一定的旋轉(zhuǎn)備用，作為對(duì)突發(fā)供電需求的應(yīng)對(duì)，其對(duì)應(yīng)關(guān)系為：

(8)

另外，微網(wǎng)與大電網(wǎng)功率交互過(guò)大時(shí)，容易對(duì)電網(wǎng)運(yùn)行的穩(wěn)定性造成一定的影響，為了最大限度地避免這種影響，對(duì)兩者的功率交互做了約束，如式(9)所示：

(9)

3.2.3 儲(chǔ)能系統(tǒng)功率約束

根據(jù)文獻(xiàn)[14]，與儲(chǔ)能系統(tǒng)相關(guān)的限制約束如下所示。

儲(chǔ)能系統(tǒng)的初始能量極限方程為：

(10)

儲(chǔ)能系統(tǒng)的充放電功率限制約束為：

(11)

(12)

蓄電池的壽命與充放電深度相關(guān)，過(guò)沖和過(guò)放都會(huì)增加蓄電池壽命損耗，所以需對(duì)蓄電池荷電狀態(tài)SOCt進(jìn)行約束，儲(chǔ)能系統(tǒng)的存儲(chǔ)限制約束為：

(13)

儲(chǔ)能系統(tǒng)充電和放電的二元模型為：

(14)

3.2.4 需求響應(yīng)約束

負(fù)荷轉(zhuǎn)移不影響總負(fù)荷的大小，其約束為：

(15)

任意時(shí)段負(fù)荷轉(zhuǎn)移存在上限，以免造成不必要的經(jīng)濟(jì)損失，對(duì)此用式(16)進(jìn)行約束：

(16)

為了保證用戶用電質(zhì)量，最大負(fù)荷轉(zhuǎn)移限制如式(17)所示：

(17)

3.2.5 分布式發(fā)電約束

分布式發(fā)電包括光伏發(fā)電和分布式機(jī)組發(fā)電兩部分，式(18)給出了光伏發(fā)電約束，式(19)、式(20)分別對(duì)分布式機(jī)組發(fā)電的每小時(shí)輸出功率和每日的輸出功率進(jìn)行約束：

(18)

(19)

(20)

3.2.6 用戶滿意度約束

用戶滿意度分別由需求響應(yīng)滿意度和供電滿意度構(gòu)成[15]。需求響應(yīng)滿意度要求負(fù)荷需求被及時(shí)滿足時(shí)，需求響應(yīng)轉(zhuǎn)移的負(fù)荷量越少滿意度越高；供電滿意度基于“自發(fā)作用，余量上網(wǎng)”的光伏政策，光伏發(fā)電就地使用，減少外送。如果本地用戶的負(fù)荷都是由光伏系統(tǒng)與儲(chǔ)能系統(tǒng)提供，則供電滿意度最高。由此可知，用戶滿意度Se可用式(21)～式(23)表示。

(21)

(22)

(23)

式中，Ssup表示供電滿意度；PDG,all表示分布式電源供電總量；PPV,all表示日光伏發(fā)電的總量；PESS,all表示儲(chǔ)能供電總量；Sdr表示需求響應(yīng)滿意度。

在本文中，滿意度雖然不作為最終的優(yōu)化目標(biāo)，但是會(huì)對(duì)優(yōu)化過(guò)程起到一定的約束。并且在最終的結(jié)果分析過(guò)程中，滿意度也會(huì)作為一個(gè)重要的參考因素。滿意度約束為：

Se≥Smin

(24)

式中，Smin表示微網(wǎng)允許的最低滿意度。

4 改進(jìn)遺傳粒子群算法求解優(yōu)化調(diào)度模型

微網(wǎng)日運(yùn)行優(yōu)化過(guò)程中約束較多，傳統(tǒng)粒子群算法在處理此類非線性優(yōu)化問(wèn)題時(shí)往往存在收斂速度慢、易陷入局部最優(yōu)等缺點(diǎn)，為此本文將種群親和度[16]的概念引入到粒子群算法中，并選用自適應(yīng)的交叉、變異算子，提高目標(biāo)求解效率，增強(qiáng)種群多樣性，防止早熟現(xiàn)象的發(fā)生。同時(shí)利用親和度的概念增強(qiáng)群體的優(yōu)越性，避免局部收斂，最終完成對(duì)微網(wǎng)操作成本的優(yōu)化。

在生成初始種群{X1,X2,…,Xn}的過(guò)程中，利用歐幾里得距離求取計(jì)算種群個(gè)體相似性，如式(25)所示：

(25)

式中，1≤i,j≤n。

若d越小，表明粒子間的相似性越大，如果d等于0，說(shuō)明兩個(gè)粒子完全相同。本文引入一個(gè)近似系數(shù)τ，于是粒子親和度的定義為：

(26)

計(jì)算粒子親和度后將初始種群存入最優(yōu)種群H中。在每次迭代后，對(duì)粒子進(jìn)行交叉、變異獲得新的種群。算法中采用自適應(yīng)算子，粒子i的交叉、變異概率計(jì)算如下：

(27)

(28)

將新獲得的種群存入H中，并進(jìn)行親和度計(jì)算，若種群個(gè)體超過(guò)H所容納的數(shù)量，則淘汰掉親和度低的個(gè)體。

本文提出的并網(wǎng)型微網(wǎng)日前隨機(jī)優(yōu)化調(diào)度模型求解的具體步驟如下：

(1)生成初始種群P0以及初始速度V0，并計(jì)算出個(gè)體最優(yōu)值Pbest和全局最優(yōu)值Gbest。

(2)將初始的個(gè)體值存入最優(yōu)種群H中。

(3)完成種群更新和速度更新。

(4)對(duì)于更新完成之后的種群進(jìn)行選擇、交叉和變異，如果交叉變異后的目標(biāo)值優(yōu)于原先值，存入最優(yōu)種群H中；否則舍棄本次交叉、變異，進(jìn)入步驟(5)。

(5)利用親和度機(jī)制式(25)、式(26)對(duì)H中個(gè)體的親和度進(jìn)行計(jì)算，如果超出H的最大容量，則根據(jù)親和度大小，刪除親和度小的個(gè)體。

(6)更新個(gè)體最優(yōu)值Pbest和全局最優(yōu)值Gbest，若滿足結(jié)束條件，進(jìn)入步驟(7)；否則返回步驟(3)。

(7)輸出最優(yōu)種群和全局最優(yōu)值Gbest。

5 算例

本文所研究的微網(wǎng)系統(tǒng)由分布式光伏、分布式發(fā)電機(jī)組、儲(chǔ)能系統(tǒng)以及負(fù)荷構(gòu)成，負(fù)荷包括主要可轉(zhuǎn)移負(fù)荷和其他負(fù)荷，微網(wǎng)系統(tǒng)的結(jié)構(gòu)如圖2所示。

圖2 微網(wǎng)結(jié)構(gòu)圖Fig.2 Structure of microgrid

5.1 基礎(chǔ)數(shù)據(jù)

分布式發(fā)電機(jī)組、光伏發(fā)電系統(tǒng)、儲(chǔ)能蓄電池的運(yùn)行參數(shù)分別如表1～表3所示。某地的日預(yù)測(cè)溫度和輻射強(qiáng)度數(shù)據(jù)如表4所示[17]。

表1 DG機(jī)組的成本系數(shù)Tab.1 Cost coefficient of DG

表2 光伏發(fā)電系統(tǒng)參數(shù) Tab.2 PV system parameters

表3 儲(chǔ)能系統(tǒng)參數(shù)Tab.3 Energy storage system parameters

表4 預(yù)測(cè)的日溫度和輻射強(qiáng)度數(shù)據(jù)Tab.4 Forecasted daily temperature and insulation for sample day

本文設(shè)定DG機(jī)組每小時(shí)最大出力為30MW；考慮微網(wǎng)與大電網(wǎng)功率交互限制為40MW；針對(duì)滿意度，分為四個(gè)階段：0～0.5為不滿意，0.5～0.7為一般滿意，0.7～0.8為很滿意，0.8～1.0為非常滿意。本文要求用戶的用電滿意度不得低于0.7；假設(shè)微網(wǎng)向大電網(wǎng)購(gòu)電價(jià)格與售電價(jià)格相同，本文設(shè)定可轉(zhuǎn)移負(fù)荷的固定補(bǔ)償電價(jià)為0.7元/(kW·h)；另外，旋轉(zhuǎn)備用價(jià)格假設(shè)為大電網(wǎng)購(gòu)電價(jià)格的10%[18]。

5.2 算例分析

本文調(diào)度周期為1天，某地日預(yù)測(cè)負(fù)荷需求和微網(wǎng)向大電網(wǎng)的購(gòu)電價(jià)格分別如圖3、圖4所示。

圖3 微網(wǎng)的日預(yù)測(cè)負(fù)荷曲線Fig.3 Forecasted demand profile of microgrid

圖4 購(gòu)電價(jià)格曲線Fig.4 Forecasted upstream grid price

為了表現(xiàn)出ESS和DR對(duì)該優(yōu)化模型的影響以及優(yōu)化模型的有效性，設(shè)置四個(gè)方案進(jìn)行分析比較。

(1)方案1?；A(chǔ)方案，不依賴ESS和DR，只通過(guò)光伏系統(tǒng)、分布式機(jī)組和購(gòu)電來(lái)滿足日預(yù)測(cè)負(fù)荷需求。

(2)方案2。ESS方案，不依賴DR，通過(guò)光伏系統(tǒng)、分布式機(jī)組、購(gòu)電和儲(chǔ)能系統(tǒng)來(lái)滿足日預(yù)測(cè)負(fù)荷需求。

(3)方案3。DR方案，不依賴ESS，通過(guò)光伏系統(tǒng)、分布式機(jī)組、購(gòu)電和需求響應(yīng)來(lái)滿足日預(yù)測(cè)負(fù)荷需求。

(4)方案4。綜合方案，通過(guò)光伏系統(tǒng)、分布式機(jī)組、購(gòu)電以及綜合考慮ESS和DR來(lái)滿足日預(yù)測(cè)負(fù)荷需求。

四個(gè)方案優(yōu)化對(duì)比結(jié)果如表5所示?？梢?jiàn)，方案1的預(yù)期運(yùn)行費(fèi)用為326727元，引入ESS和DR后，微網(wǎng)的預(yù)期運(yùn)行成本有了明顯的減少。方案2～方案4相較于方案1，成本分別下降了2.41%、6.25%、7.91%，這說(shuō)明通過(guò)引入ESS和DR能有效減少微網(wǎng)的供電壓力，使負(fù)荷曲線更加平穩(wěn)。分析方案2和方案3可知，不管是ESS還是DR兩者都能降低經(jīng)濟(jì)成本，相比于前者DR的優(yōu)化更為顯著，但是用戶滿意度僅為0.72。而方案4的總成本最低，用戶滿意度也在一個(gè)較高的水準(zhǔn)，說(shuō)明ESS和DR的綜合運(yùn)用才是微網(wǎng)經(jīng)濟(jì)成本優(yōu)化的最佳選擇。

表5 四個(gè)方案的運(yùn)營(yíng)成本Tab.5 Operating costs of four schemes

圖5為光伏發(fā)電的日出力曲線圖。10∶00～16∶00時(shí)段為出力高峰，受外界因素影響較大。

圖5 光伏發(fā)電日出力Fig.5 Available power from PV system

圖6為一天等效負(fù)荷的優(yōu)化圖?？梢钥闯觯啾扔谠钾?fù)荷而言，在綜合考慮ESS和DR之后的負(fù)荷曲線，都體現(xiàn)了對(duì)負(fù)荷削峰填谷的效果。圖7為方案2和方案4的儲(chǔ)能系統(tǒng)的曲線圖。可以看出，方案4在整體上更能調(diào)動(dòng)資源的利用，ESS整體上保持一個(gè)較高的儲(chǔ)能狀態(tài)。

圖6 負(fù)荷優(yōu)化曲線Fig.6 Load optimization curve

圖7 ESS儲(chǔ)能曲線Fig.7 Stored energy of ESS

分布式機(jī)組出力和購(gòu)電功率曲線分別如圖8、圖9所示。方案4相較于其他方案，分布式機(jī)組出力曲線與購(gòu)電功率曲線更加平穩(wěn)，總量也要少于其他三個(gè)方案。這說(shuō)明在加入ESS和DR后，微網(wǎng)日運(yùn)行會(huì)降低對(duì)電網(wǎng)購(gòu)電和成本較高機(jī)組的依賴，更多地通過(guò)負(fù)荷優(yōu)化調(diào)度或者儲(chǔ)能來(lái)調(diào)節(jié)滿足日前用戶的負(fù)荷需求，提高微網(wǎng)的經(jīng)濟(jì)效益。

圖8 分布式機(jī)組出力曲線Fig.8 Purchased powers from DG

圖9 購(gòu)電功率曲線Fig.9 Purchased powers from upstream grid

6 結(jié)論

本文提出一種考慮需求側(cè)資源參與優(yōu)化的微網(wǎng)經(jīng)濟(jì)調(diào)度模型，該模型充分考慮了儲(chǔ)能系統(tǒng)和需求響應(yīng)在微網(wǎng)日前調(diào)度中的優(yōu)化作用，降低了微網(wǎng)運(yùn)行的成本并滿足微網(wǎng)的“削峰填谷”需求，使得負(fù)荷曲線盡可能平緩，并最終維持一個(gè)較高的用戶滿意度水準(zhǔn)。通過(guò)算例仿真分析，驗(yàn)證了模型的經(jīng)濟(jì)性和有效性，最后得出結(jié)論：在微網(wǎng)的日運(yùn)行過(guò)程中，通過(guò)使需求側(cè)資源積極參與優(yōu)化調(diào)度能夠有效降低微網(wǎng)成本，減少負(fù)荷的峰谷差，使系統(tǒng)更加經(jīng)濟(jì)、安全、穩(wěn)定地運(yùn)行。

需求側(cè)資源積極參與電網(wǎng)優(yōu)化控制，這是電力需求側(cè)管理的重要內(nèi)容之一。針對(duì)不同種類的負(fù)荷提供不同的賠償機(jī)制以及優(yōu)化策略，將是下一步的研究方向。