周成偉，李鵬，，俞斌，俞天楊，孟偉

（1.南京信息工程大學(xué) 自動化學(xué)院，南京 210044； 2.無錫學(xué)院，江蘇 無錫 214105）

0 引言

在國家能源戰(zhàn)略布局的影響下，風(fēng)電、光伏等分布式電源高比例接入電網(wǎng)，一方面緩解了電力供需矛盾，另一方面積極響應(yīng)了綠色發(fā)展的理念［1-2］。但太陽能和風(fēng)能的波動性和隨機性對電力系統(tǒng)的抗沖擊能力、電能質(zhì)量等提出了新挑戰(zhàn)，電網(wǎng)調(diào)度也面臨壓力［3-5］，新能源消納問題成了風(fēng)電、光伏快速發(fā)展的瓶頸［6-7］。因此，為了減少新能源發(fā)電中的棄光棄風(fēng)現(xiàn)象，利用儲能容量優(yōu)化配置技術(shù)促進可再生能源接入電網(wǎng)成為目前的研究熱點［8-10］。

國內(nèi)外學(xué)者對微電網(wǎng)儲能容量配置問題已進行了一定研究，大致可分為3 類：（1）關(guān)注新能源發(fā)電功率與負荷功率的不確定性，如Hu 等［11］利用數(shù)學(xué)中概率統(tǒng)計方法對微電網(wǎng)中的輸出特性進行分析，建立微電網(wǎng)各單元數(shù)學(xué)概率模型，求得容量配置結(jié)果和可靠性指標，但其隨機性概率大，與實際數(shù)據(jù)有差異；（2）提出利用儲能平抑出力波動性的方法，如周喜超等［12］對波動功率分頻，低頻信號波動平滑直接用來并網(wǎng)，次高頻功率信號利用蓄電池進行吸收消納，但沒有考慮頻繁充放電對蓄電池使用壽命的不利影響；（3）研究儲能混合模型應(yīng)用，如吳倩等［13］提出利用超級電容和蓄電池進行混合儲能平抑功率波動的控制方法，平抑效果較好，減少了充放電循環(huán)次數(shù)，延長了蓄電池使用壽命，但其控制結(jié)構(gòu)稍顯復(fù)雜，投資過大。

以上研究多針對可再生能源的波動性，但對儲能能量調(diào)度策略關(guān)注較少。本文針對以上問題，提出風(fēng)光儲并網(wǎng)微電網(wǎng)結(jié)構(gòu)，以總投資成本、年負荷缺電率、棄風(fēng)棄光率3個指標最小為優(yōu)化目標，通過算法改進求解模型；采用能量調(diào)度配置策略，克服傳統(tǒng)蓄電池儲能系統(tǒng)成本高及壽命短的缺點；最后利用微電網(wǎng)實驗室的實際數(shù)據(jù)，按照優(yōu)化算法同比例進行儲能容量配置，驗證其新能源消納效果和方案的正確性。

1 并網(wǎng)微電網(wǎng)系統(tǒng)拓撲結(jié)構(gòu)

并網(wǎng)微電網(wǎng)系統(tǒng)拓撲結(jié)構(gòu)主要由分布式能源發(fā)電系統(tǒng)、儲能系統(tǒng)、用電負荷和控制中心組成［14-15］，如圖1所示。

圖1 并網(wǎng)微電網(wǎng)系統(tǒng)拓撲結(jié)構(gòu)Fig.1 Topology of the grid-connected micro-grid system

2 微電網(wǎng)系統(tǒng)模型

2.1 光伏發(fā)電出力模型

光伏發(fā)電（Photovoltaic，PV）輸出功率與光照強度和環(huán)境溫度相關(guān)，其表達式［16-17］為

式中：PPV為光伏發(fā)電系統(tǒng)在工作點的輸出功率，kW；NPV為光伏板數(shù)量；PSTC為光伏陣列標準條件下的額定輸出功率，kW；Ec為工作點實際太陽輻照度，kW/m2；ESTC為標準條件下的太陽輻照度，kW/m2；μ為功率溫度系數(shù)，取值為-0.004 3/℃；tc為工作點溫度，℃；tSTC為標準條件下溫度，℃。

2.2 風(fēng)力發(fā)電出力模型

風(fēng)力發(fā)電機組（Wind Turbine，WT）輸出功率與風(fēng)速之間的關(guān)系可用如下分段函數(shù)［18-19］表示

式中：PWT為風(fēng)電機組輸出功率，kW；v，vci，ve，vco分別為實際風(fēng)速、切入風(fēng)速、額定風(fēng)速和切出風(fēng)速，m/s；Pe為風(fēng)電機組額定功率，kW。

2.3 儲能系統(tǒng)模型

本文采用鋰電池（Lithium Battery）中的能量型電池——磷酸鐵鋰電池作為儲能電池，儲能系統(tǒng)是整個風(fēng)光儲微電網(wǎng)系統(tǒng)的核心之一。

儲能系統(tǒng)的能量是不斷變化的，鋰電池的荷電狀態(tài)值（State of Charge，SOC）由其充放電功率決定，可表示為［20-21］

式中：SOC(t)為t時刻鋰電池的SOC 值；PLB為鋰電池充放電功率（充電時取正值，放電時取負值），kW；CLB為鋰電池額定容量，kA·h；ULB為鋰電池額定電壓，V；η為充放電效率（充電時取0.65～0.85，放電時取1.00）；Δt為采樣時間段。

3 儲能容量優(yōu)化配置模型

3.1 目標函數(shù)

規(guī)劃設(shè)計微電網(wǎng)需要綜合考慮系統(tǒng)經(jīng)濟性、供電可靠性和棄風(fēng)棄光率等因素，本文以微電網(wǎng)總投資成本、年負荷缺電率、棄風(fēng)棄光率最小為目標，建立多目標函數(shù)，表達式為

式中：CA為系統(tǒng)總成本；ηLPSP為負荷缺電率；ηEWR為棄風(fēng)棄光率。

3.1.1 系統(tǒng)總投資成本

（1）固定成本。購買光伏板、風(fēng)力發(fā)電機以及儲能鋰電池所支出的費用為固定成本，是投資費用最多的一部分，表達式為

式中：C0為系統(tǒng)固定成本，萬元；pPV，pWT，pLB分別為光伏板、風(fēng)電機組、鋰電池的單價，萬元；NWT，NLB分別為風(fēng)電機組、鋰電池的數(shù)量。

（2）運行維護成本。系統(tǒng)運行過程中需要定期對發(fā)電單元進行維護管理，以保證光伏板、風(fēng)電機組及鋰電池能夠正常穩(wěn)定運行，期間所支出的費用稱為維護費用，表達式為

式中：Cm為系統(tǒng)年運行維護成本；CPVu，CWTu，CLBu分別為光伏板、風(fēng)電機組、鋰電池單位容量維護成本。

（3）主網(wǎng)購電成本。在用戶側(cè)電量需求增加、分布式能源和鋰電池儲能系統(tǒng)發(fā)出電能不足時，需要向主網(wǎng)購電，以保證整個系統(tǒng)穩(wěn)定運行，購電產(chǎn)生的費用即主網(wǎng)購電成本

式中：Cnp為從主網(wǎng)購電費用，元；Ebuy(t)為t時段向主網(wǎng)的購電量，kW·h；pav為峰谷期平均購電價格，元/（kW·h）。

（4）售電收益。系統(tǒng)將分布式能源發(fā)出的多余電量供給負載所獲得的收入為售電收益，其表達式為

式中：pin為售電價格，元/（kW·h）；PPV(t)，PWT(t)為光伏、風(fēng)電機組t時刻供給負載的功率，kW。

因此，風(fēng)光儲微電網(wǎng)系統(tǒng)的總成本為

3.1.2 系統(tǒng)供電可靠性

為了保證用戶負荷能夠正常運行，以負荷缺電率ηLPSP表征系統(tǒng)供電可靠性，通常情況下，ηLPSP在一個系統(tǒng)允許范圍即可，其表達式為

式 中：Pg(ti) 為 系 統(tǒng) 發(fā) 電 功 率；PPV(ti)，PWT(ti)，PLB(ti)，PUL(ti)分別為ti時刻光伏、風(fēng)電、鋰電池和用戶負荷的功率，kW；N為計算時段內(nèi)的采樣點數(shù)；ηLPSP，max為負荷最大允許缺電率，ηLPSP越小，供電可靠性越高。

3.1.3 棄風(fēng)棄光率

當(dāng)風(fēng)光資源較好時，發(fā)電量供大于求，用戶側(cè)和儲能系統(tǒng)都無法全部消納當(dāng)天的發(fā)電量，呈現(xiàn)棄風(fēng)棄光現(xiàn)象，則微電網(wǎng)系統(tǒng)在t時刻的棄風(fēng)棄光率ηEWR為

若Pg(t) ＞PUL(t)，表明滿足用戶負荷正常運行后，能源發(fā)電量仍有盈余，產(chǎn)生浪費。若Pg(t) ≤PUL(t)，表明能源發(fā)電量和儲能系統(tǒng)電量全部被用戶負荷吸收，能源浪費率為0，但需要電網(wǎng)輸出電能，保證充足的備用容量，維持整個系統(tǒng)正常運行。ηEWR越小，能量利用率越高。

3.2 約束條件

（1）功率平衡約束。微電網(wǎng)實際運行過程中，需要時刻保持功率平衡以滿足電能質(zhì)量要求，其表達式為

式中：Ploss(t)為微電網(wǎng)運行過程中損耗的功率。

（2）儲能電池SOC。為了延長儲能電池的壽命，防止過度充放電對電池造成傷害，鋰電池SOC 應(yīng)該設(shè)置上下限，其表達式為

式中：SOC，min和SOC，max分別為鋰電池SOC 的上、下限，能量型電池SOC最大值為0.9，最小值為0.1。

（3）鋰電池儲能系統(tǒng)的容量、充放電功率、一天充放電次數(shù)約束，其表達式為

式中：SBESS，min和SBESS，max分別為鋰電池儲能系統(tǒng)最小、最大容量；PBESS為鋰電池儲能系統(tǒng)充放電功率；Pc，min，Pc，max，Pd，min，Pd，max分別為鋰電池儲能系統(tǒng)最小充電功率、最大充電功率、最小放電功率、最大放電功率；λmax為一天內(nèi)最大允許充放電次數(shù)。

（4）風(fēng)光能源的功率及安裝數(shù)量約束。

式中：PPV，min，PPV，max分別為光伏發(fā)電輸出功率的最小、最大值；PWT，min，PWT，max分別為風(fēng)電機組輸出功率的最小、最大值；NPV，min，NWT，min，NLB，min分別為光伏板、風(fēng)電機組、鋰電池的最小安裝數(shù)量，一般設(shè)置為0；NPV，max，NWT，max，NLB，max分別為光伏板、風(fēng)機組、鋰電池根據(jù)實際場地確定的最大安裝數(shù)量。

3.3 微網(wǎng)運行策略

為了維持微電網(wǎng)系統(tǒng)的穩(wěn)定，需要進行能量管理來保證系統(tǒng)的可靠性。微電網(wǎng)全年（8 760 h）并網(wǎng)運行過程中，風(fēng)光能源輸出不可控，當(dāng)風(fēng)光能源功率輸出大于用戶負荷時，能量控制系統(tǒng)給儲能鋰電池下達充電命令，儲能鋰電池處于充電狀態(tài)，吸收太陽能、風(fēng)電等分布式能源發(fā)出的多余電能；反之，當(dāng)光伏、風(fēng)力發(fā)電不能滿足用戶負荷需求時，能量控制系統(tǒng)給儲能鋰電池下達放電命令，儲能電池處于放電狀態(tài)，通過變流器向電網(wǎng)或負載放電。

本文提出一種微電網(wǎng)能量調(diào)度策略，在滿足微電網(wǎng)基本功率平衡的基礎(chǔ)上，盡量減少對高成本儲能系統(tǒng)的調(diào)度，以提高微電網(wǎng)經(jīng)濟性。系統(tǒng)能量調(diào)度策略流程如圖2所示。

圖2 能量調(diào)度策略流程Fig.2 Flow of energy scheduling strategy

4 模型求解方法

并網(wǎng)風(fēng)光儲微電網(wǎng)系統(tǒng)中，由于光伏、風(fēng)力資源以及用戶負荷具有很強的隨機性，其容量優(yōu)化配置是一個典型的非線性優(yōu)化問題，很難通過傳統(tǒng)方法進行求解。本文采用非支配排序遺傳算法（NSGA）對模型進行求解，如圖3 所示（圖中：g為進化代數(shù)；X為非支配解集）。

圖3 模型求解流程Fig.3 Algorithm flow

5 算例分析

本文以某并網(wǎng)運行的風(fēng)光儲微電網(wǎng)實驗室為研究對象，實驗室光伏裝機容量為30 kW，風(fēng)機裝機容量為5 kW，儲能容量為10 kW，實驗室24 h 太陽能、風(fēng)能、儲能系統(tǒng)出力以及用戶負荷如圖4所示。

圖4 實驗室分布式能源出力及負荷Fig.4 Distributed energy output and load characteristics of the laboratory

以總投資成本、年負荷缺電率、棄風(fēng)棄光率為目標函數(shù)，在Matlab 中采用NSGA 進行仿真，設(shè)定種群規(guī)模為100，最大迭代次數(shù)為150，以實驗室微電網(wǎng)出力數(shù)據(jù)為基礎(chǔ)，以1 h 為步長，模擬微電網(wǎng)不同的運行情況，獲得系統(tǒng)不同的配置方案。3 個方案的容量優(yōu)化配置結(jié)果見表1。

由表1 可知，方案1 沒有配置儲能系統(tǒng)，微電網(wǎng)實驗室的投資成本為5.85 萬元，接入的光伏板、風(fēng)機數(shù)量分別為10 塊、1 臺，但仍需要花費1.50 萬元向電網(wǎng)購電，而且負荷缺電率為10%，說明光伏、風(fēng)機發(fā)電量消納能力差，導(dǎo)致棄光棄風(fēng)率高達30%。

表1 容量優(yōu)化配置結(jié)果Table 1 Capacity optimal configuration schemes

方案2 保持峰谷負荷不變，接入少量儲能系統(tǒng)并采用儲能系統(tǒng)能量調(diào)度策略，其投資成本為5.63萬元，接入光伏板、風(fēng)機、儲能電池的數(shù)量分別為10塊、1 臺、5 塊，購電費用明顯減少，相應(yīng)的負荷缺電率和棄光棄風(fēng)率有所下降，說明有部分光伏、風(fēng)機多發(fā)的電量存儲在儲能系統(tǒng)中。

在儲能能量調(diào)度策略和NSGA的支持下，方案3的投資成本為5.54 萬元，基本無需購電，接入的光伏板、風(fēng)機和儲能電池數(shù)量分別為15 塊、1 臺、10塊，系統(tǒng)負荷缺電率和棄風(fēng)棄光率僅為5%和10%，說明儲能系統(tǒng)不僅收集并儲存了多余電量，還能在負荷高峰時放電，提升能源的綜合利用率。

綜合幾種方案模擬結(jié)果，方案3 的容量配置結(jié)果最優(yōu)。方案3的儲能系統(tǒng)出力擬合曲線和儲能系統(tǒng)SOC狀態(tài)分別如圖5、圖6所示。

圖5 儲能系統(tǒng)出力擬合曲線Fig.5 Fitting curve of the energy storage system output

圖6 方案3的儲能系統(tǒng)SOCFig.6 SOC of the energy storage system taking scheme 3

由圖5、圖6 可知，儲能系統(tǒng)對光伏和風(fēng)機發(fā)出的多余電量進行管控，進行快速充放電，實現(xiàn)了大功率動態(tài)調(diào)節(jié)，減少了外部條件對新能源發(fā)電系統(tǒng)的影響，實現(xiàn)了新能源電力的可控，減少了對電網(wǎng)的沖擊，大大提高了能源的利用率。

6 結(jié)論

本文提出了風(fēng)光儲微電網(wǎng)儲能系統(tǒng)拓撲結(jié)構(gòu)，搭建以微電網(wǎng)系統(tǒng)的總投資成本、負荷缺電率和棄風(fēng)棄光率三者最小為目標的數(shù)學(xué)模型，并采用儲能能量調(diào)度策略和NSAG 對所提模型進行求解，得到以下結(jié)論。

（1）系統(tǒng)的可靠性是經(jīng)濟成本最重要的影響因素。對于相同容量的儲能系統(tǒng)，采用儲能能量調(diào)度策略，缺電負荷率從10%降到8%，可有效降低系統(tǒng)總投資成本，提高微電網(wǎng)的經(jīng)濟性。

（2）以并網(wǎng)運行的風(fēng)光儲微電網(wǎng)實驗室為硬件基礎(chǔ)，加入NSGA 配合儲能能量調(diào)度策略運行，儲能系統(tǒng)出力在高峰時段下降5%，儲能SOC 趨于平衡，避免了過充過放。

（3）棄風(fēng)棄光率從30%降到10%，表明新能源消納能力提高，改善了棄風(fēng)棄光現(xiàn)象，大大提高了能源的利用率。