微电网能量管理研究

微电网能量管理研究（共5篇）

微电网能量管理研究 篇1

0 引言

随着全球能源、环境问题的凸显, 风能、太阳能等可再生能源得到较大的发展。与此同时, 微电网作为一种包含可再生能源等分布式电源的综合集成技术得到了广泛的关注[1,2]。微电网具有灵活的运行特性, 可以并网或脱网运行, 能同时满足本地用户的电能和热能需求。微电网提高了分布式发电系统的供电可靠性, 实现了分布式电源与负荷的一体化运行[3], 减少了系统的污染排放, 已经成为智能电网建设中一个重要的组成部分。

为了保证微电网高效稳定地运行, 微电网通常由能量管理系统进行智能控制和自动调度决策。微电网能量管理系统是一套具有发电优化调度、负荷管理、实时监测并自动实现微电网同步等功能的能量管理软件[4,5]。微电网的能量管理包含短期和长期的能量管理[2,6]。短期的能量管理包括:为分布式电源提供功率设定值, 使系统满足电能平衡、电压稳定;为微电网电压和频率的恢复和稳定提供快速的动态响应;满足用户的电能质量要求;为微电网的并网提供同步服务。长期的能量管理包括:以最小化系统网损、运行费用, 最大化可再生能源利用等为目标安排分布式电源的出力;为系统提供需求侧管理, 包括切负荷和负荷恢复策略;配置适当的备用容量, 满足系统的供电可靠性要求。

随着微电网工程的不断建立和发展, 与之配套的能量管理系统也逐渐成为一个研究热点。本文从国内外微电网能量管理系统的研究现状出发, 分析微电网能量管理系统的管理对象、功能结构、组成模块以及核心算法, 并针对当前研究存在的一些技术难点, 给出进一步的研究方向。

1 国内外微电网能量管理系统的研究现状及典型案例分析

国内外已经兴建了不少微电网示范工程和实验基地, 其中大部分微电网示范工程和实验基地配置了相应的能量管理系统[7]。下面简要介绍国内外微电网的能量管理系统研究现状, 并结合一个典型应用案例对微电网能量管理系统进行剖析。

1.1 北美研究现状

美国电力公司和美国电力可靠性技术协会CERTS (Consortium for Electric Reliability Technology Solution) 在俄亥俄州首府哥伦布建造了CERTS微电网示范平台[8]。该示范平台主要由蓄电池、燃气轮机、可控负荷和敏感负荷组成, 其能量管理采用自治管理方式, 不需要中央控制器统一安排分布式电源的发电;分布式电源根据下垂特性共享频率或电压, 实现自治管理, 即插即用;能量管理系统的一些必要控制信息通过以太网传输给分布式电源控制器。

1.2 欧洲研究现状

荷兰的Bronsbergen假日公园微电网是欧盟资助的一个微电网示范工程[9]:该微电网能量管理系统采用集中控制的方式, 微电网中每条馈线的功率由监测系统传送至中央控制器, 中央控制器通过全球移动通信系统 (GSM) 与调度中心交流;此外, 中央控制器还负责微电网并网和孤网的无缝切换。德国的Am Steinweg微电网由潮流和电能质量管理系统Po MS (Power flow and power quality Management System) 控制[10]:Po MS具有配电网管理、分布式电源管理和需求侧管理等功能, 它由一个中央处理器和几个界面控制盒组成;数据监测系统和控制器通过界面控制盒与中央处理器交流, 采用传输控制协议和因特网协议 (TCP/IP) 进行通信。意大利的CESI RICERCA DER微电网示范工程的能量管理采用集中式控制方式:分布式电源和可控负荷与监测控制系统SCS (Supervision and Control System) 相联, 采用分层式结构进行信息的交流与传输;SCS记录和分析运行过程中的数据, 监测系统电能质量和暂态过程, 优化分布式电源的发电调度, 并且向调度控制中心传输实时信息, 其指令信息采用2.4 GHz的无线频率传输[11]。希腊雅典国立大学建立的NTUA微电网由光伏阵列、风机、蓄电池和可控负荷组成, 该微电网的能量管理系统采用多代理系统MAS (MultiAgent System) 结构, 基于Java代理发展框架3.0平台开发, 采用XML和SL编写[12]。

1.3 亚洲研究现状

日本的Kyotango微电网工程由新能源综合开发机构NEDO (New Energy and industrial technology Development Organization) 建造, 该微电网能量管理由基于因特网的中央控制器控制, 采用标准的ISDN或ADSL ISP接入因特网[13]。中国合肥工业大学所建的微电网实验平台[14]的能量管理采用2层控制的方式, 分为中央控制器和局部控制器;中央控制器为分布式电源制定提前1 h、30 min、15 min的发电计划;局部控制器负责控制馈线潮流、电压频率、无缝切换、电能质量和控制保护;该能量管理系统遵照IEC61970标准执行, 由数据采集与监测系统、自动发电控制系统和其他能量应用软件构成。中国浙江电力试验研究院搭建的微电网能量管理采用分层式控制, 其主站层负责监测系统运行、管理历史数据、绘制图形、控制运行方式等;其协调层主要负责微电网并网和孤网的状态切换[15]。

从国内外的微电网能量管理研究情况可以看出, 目前微电网的能量管理主要包括发电侧和需求侧的管理。发电侧管理包括分布式电源、储能系统、配网侧的管理, 需求侧管理主要为分级负荷的管理。从管理的结构来看, 北美微电网采用自治控制, 为分散式控制, 而亚洲的微电网倾向使用集中控制。在欧洲主要有集中控制和基于代理的控制这2种方式。目前集中控制在微电网工程中仍属于主流的能量管理方式, 其在顶层决策中采用各种优化算法安排机组出力, 而底层控制器则按上层指令控制机组出力。能量管理系统中各种控制器均借助于无线或有线通信进行信息的传输与交流。

下面重点介绍一个典型微电网能量管理系统, 对其控制对象、管理结构、主要功能设计进行剖析。

1.4 典型微电网能量管理系统

日本NEDO的Hachinohe微电网[16,17]自2005年10月开始运行。该微电网为6.6 k V辐射型配电网结构, 连接3台170 k W的燃气机、1台130 k W的光伏系统、1台20 k W的风电机、1组100 k W的蓄电池。Hachinohe微电网能量管理采用集中控制方式, 通过光纤通信, 其中央控制器对各分布式电源和储能系统进行发电调度。为了获得最优的调度方案, 该能量管理系统采用长期计划与短期计划相结合的策略, 计划制定包括每30 min的周运行计划、每3 min的日内调度计划、1 s级的联络线潮流控制和10 ms级的频率控制计划。其中, 周运行计划基于负荷预测信息, 构造出以最小化外网购电和燃料费用为目标的优化问题, 采用问题空间搜索和二次规划相结合的算法求解, 获得各机组的启停机计划、出力计划以及从外网的购电计划;日内调度计划提前2 h计算一次。为了保持长期计划中的全局优化特征, 其储能系统的充放电计划延用周运行计划结果, 根据最新预测信息采用类似的优化模型和算法修正周计划的计算结果。其联络线潮流控制实时监测联络线的传输功率, 并与计划值比较, 通过反馈控制吸收功率偏差, 将联络线功率波动控制在一定的指标范围内。其频率控制主要针对孤网情况, 当微电网处于孤网运行时, 需要实时满足功率平衡以维持系统的频率稳定。由于燃气机功率调节速度较慢, 采用响应速度快的储能系统实时平抑即时功率波动, 以实现频率的控制。

2 微电网能量管理系统的主要管理对象

2.1 分布式电源

微电网中的分布式电源包括燃料电池、微型燃气轮机、柴油发电机、热电联产系统、风电、光伏等。其中, 热电联产系统[18,19]通过燃料电池、微型燃气轮机或其他燃机在发电的同时提供热能, 能量利用率超过80%[20], 在微电网中具有较好的应用前景。不同类型的电源通过整流器和逆变器等电力电子设备将不同频率的电能平滑地转换为相同频率的交流或直流电能。通过控制逆变器可以控制分布式电源的输出, 让分布式电源按指定的电压和频率 (U/f控制) 或有功和无功 (PQ控制) 输出[21]。这些基于逆变器的控制方式支撑着微电网系统的总体控制策略。分布式电源按可控性分为不可调度机组和可调度机组[22]。风电、光伏的发电主要取决于自然环境, 具有随机性和波动性, 属于不可调度机组, 其具有一定的可预测性, 但目前仍具有较大的预测误差。而燃料机组如微型燃气轮机、燃料电池、柴油机属于可调度机组, 微电网能量管理系统需要预测风电、光伏的出力, 并根据预测出力、燃料机组油耗、热电需求等制定可调度机组的调度计划。

2.2 储能系统

储能系统在微电网中得到了广泛的应用, 适合微电网的储能技术主要有蓄电池、飞轮、超级电容[23]。蓄电池具有电能容量大、能量密度大、循环寿命短等特点[24,25], 在并网时起削峰填谷和能量调度的作用, 在孤网时常作为中心存储单元, 维护微电网的频率与电压稳定。飞轮具有较大的能量密度、较高的功率输出和无限的充放电次数[26], 常用来平抑微电网中的瞬时功率波动。超级电容具有功率密度大、循环寿命长、能量密度低等特点[27], 但相对于其他2种储能技术具有较高的成本。由于具有较低的惯性, 储能系统在微电网中可以平抑可再生能源和负荷的功率波动, 维护系统的实时功率平衡, 同时能在微电网并网与孤网状态切换时提供瞬时的功率支撑, 维持系统稳定。储能系统一般通过逆变器接入微电网, 采用U/f控制和PQ控制, 接受微电网能量管理系统的指令来决定工作方式和发电功率。储能系统的管理目标取决于微电网的工作方式。在并网模式下, 其主要是确保分布式电源的稳定出力, 容量充足时可以起削峰填谷和能量调度的辅助作用;在孤网模式下, 储能系统主要是维护系统稳定, 减少终端用户的电能波动。

2.3 负荷系统

为了使微电网在紧急情况下仍能运行, 微电网的负荷一般分级管理, 主要分为关键负荷和可控负荷。关键负荷为需要重点保护电力供应的负荷;而可控负荷在紧急情况下可以适当切除, 在正常情况下也可以通过需求侧管理或者需求侧响应达到优化负荷使用、节能省电的目的[28,29]。比如一栋楼在不影响用户满意度的情况下可以通过调节供热通风与空气调节HVAC (Heating Ventilation and Air Conditioning) 系统或者照明系统来达到节能的目的[30]。微电网负荷侧的管理是微电网能量管理中的重要部分。随着电动汽车的普及, 充电电动汽车PEV (Plug-in Electric Vehicle) 和混合充电电动汽车PHEV (Plug-in Hybrid Electric Vehicle) 在微电网中得到了广泛的应用[31]。PHEV和PEV既可以随时随地从电网中充电, 又可以通过汽车到电网V2G (Vehicle to Grid) 技术向电网输电[32], 具有可控负荷和电源的双重身份, 这类负荷的大规模接入将给微电网能量管理系统增加难度。

3 微电网能量管理系统的基本功能和设计框架

3.1 基本功能

微电网能量管理系统具有预测可再生能源机组出力、优化燃料机组发电、安排储能充放电、管理可控负荷、维持系统稳定等功能。图1显示了微电网能量管理系统的几个主要功能。微电网能量管理系统主要有4个功能模块[33,34,35]:人机交流模块、数据分析模块、预测模块、决策优化模块。一些外部信息如设备信息、天气预报等通过数据接口传递给微电网能量管理系统, 同时微电网能量管理系统也通过接口与分布式电源互相交换信息。

人机交流模块主要负责人与能量管理系统的交流, 其采用可视化人机接口, 并提供一个统一的图形平台[35,36]。通过人机界面可以查看微电网的拓扑结构和所有电气元件的接入情况, 并能实时操作开关与刀闸的状态, 控制微电网的工作方式。监测系统采集的电压、电流、有功、无功、温度等实时数据将在图形系统中显示。通过对人机界面的监视, 工作人员可以实时了解微电网系统、后台系统和通信系统的运行工况。系统的运行信息将通过文字、图形、声光、颜色等多种方式在人机界面中显示。

数据分析模块将系统采集的实时数据、各种操作日志以及预测数据存储到系统的数据库当中[36,37]。其历史服务功能按照不同的存储周期和预先设定的存储策略将实时数据写入数据库中, 并负责日、月、年统计量的统计工作。报表分析功能将历史数据和预测数据灵活地组织到表格中, 形成实时、日、月、年等历史统计报表和预测误差统计报表, 可统计最大值、最小值、平均值等, 同时具有打印和表格编辑功能。

预测模块是微电网能量管理系统的一个重要模块。为了优化分布式电源的发电调度, 需要对未来某段时间内的负荷、可再生能源、市场电价进行预测[2,6]。根据调度计划的时间尺度不同, 通常有短期 (1 d至1周) 预测和超短期 (分钟级或几小时内) 预测。短期预测可以采用离线的方式, 而超短期预测通常需要在线预测并实时滚动。预测所需要的基础数据主要为系统采集的历史数据, 预测结果每隔一定的时间段传送回微电网能量管理系统。

决策优化是微电网能量管理系统的核心模块。该优化系统根据负荷和可再生能源的预测值、用户的用电需求、调度规则、市场电价等信息决策分布式电源的发电调度、从电网的购电计划、储能的出力分配、负荷的安排[5,34]。该决策需要满足一系列约束条件以及控制目标, 如满足系统中的热电负荷需求, 确保微电网与主网系统间的运行协议, 尽可能使能源消耗与系统损耗最小, 使分布式电源的运行效率最高。优化决策模块还能提供微电网系统故障情况下孤岛运行和重合闸的逻辑与控制方法等, 保障微电网的高效稳定运行。

3.2 设计框架

常用的微电网能量管理系统的基本设计框架如图2所示, 其主要由硬件层和软件层两方面[36,38]构成。硬件层包含相关的硬件设备和支撑平台:硬件设备包括服务器、控制设备等;支撑平台层包括公共服务层、数据库层、网络通信层, 它支撑着系统的公共服务、数据管理、通信交流。软件层包括操作系统、功能应用软件等。

4 微电网能量管理系统的控制结构

从微电网能量管理系统的控制结构来看, 微电网可以分为集中式控制和分散式控制[39]。

4.1 集中式控制结构

集中式控制一般由中央控制器和局部控制器构成, 其中, 中央控制器通过优化计算后向局部控制器发出调度指令, 局部控制器执行该指令控制分布式电源的输出。文献[40]给出了一种3层结构的典型集中式能量管理系统, 其3层结构分别为:市场和配电网中心、中央控制器、局部控制器。市场中心负责电力市场和微电网之间的信息交流。配电网中心负责微电网与主网之间的信息交流。中央控制器是微电网能量管理系统的核心单元, 其负责上层系统与底层单元的信息交流。一方面, 中央控制器要满足配电网的负荷需求, 参与电力市场, 监测系统运行, 维护系统稳定, 处理微电网工作模式的转换;另一方面, 中央控制器要根据局部控制器传来的机组信息、市场和配电网中心的信息, 在各种机组约束和物理约束条件下, 以系统网损最小、利润最大等为控制目标安排分布式电源的功率分配, 并将指令传递给局部控制器。

集中式控制的优点[4,41]是:有明确的分工, 较容易执行和维护;具有较低的设备成本, 能控制整个系统;目前使用得比较广泛, 技术上更加成熟。其缺点是:随着分布式电源的增加, 要求中央控制器有较强的计算处理能力, 同时对其通信能力也有较高的要求;一旦中心单元故障, 整个系统面临瘫痪的风险;分布式电源不能即插即用, 不容易拓展应用。这些缺点成为这种模式的发展瓶颈。

4.2 分散式控制结构

分散式控制是微电网能量管理系统的另一种控制方式。分散式控制方式下, 微电网中的每个元件都由局部控制器控制, 每一个局部控制器监测微源的运行状况, 并通过通信网络与其他的局部控制器交流。局部控制器不需要接收中央控制器的控制指令, 有自主决定所控微源运行状况的权力。由于局部控制器仅需要与邻近的设备通信交流, 其信息传输量比集中式控制要少;其计算量也分担到各个局部控制器当中, 降低了中央控制器的工作负担。中央控制器在分散式控制结构中主要负责传递上层系统的负荷和电价信息, 以及在紧急事件或故障情况下从系统层面上操控局部控制器。

分散式控制的优点[41]是:中央控制器的计算量得到了大幅的削减;如果中央控制器故障, 系统仍然能够运行;其分散式的控制模式保证了分布式电源即插即用的功能;适用于大规模、复杂的分布式系统。其缺点有:由于局部控制器有较大的自主权, 其存在安全方面的隐患, 较难及时检测和维修;分布式电源的平滑控制依赖于局部控制器之间的交流, 需要设计一种有效的通信拓扑结构;其局部控制器之间的交流可能需要更长的时间达成协议;由于此种控制方式相比传统的主从式控制有较大的通信变革, 在实际当中还面临较大的设备投资和复杂的通信要求。这使得这种较有潜力的控制方式仍然需要深入研究。

集中式和分散式控制方式都有中央控制器和局部控制器, 只是分散式控制弱化了中央控制器的主导功能, 通过强化周边通信, 将控制权力分散到局部控制器。中央控制器和局部控制器甚至配电网中心在管理系统中均扮演着一定的角色, 多代理系统这一概念[42]可以较好地模拟这一特定功能的角色。多代理系统具有较好的灵活性与可扩展性, 既可以设计成集中式控制, 又可以设计成分散式控制, 在微电网的能量管理和控制领域受到了关注。多代理系统的能量管理策略主要有基于市场交易的竞争协调[43,44]和基于各种智能算法[45,46]的优化调度。基于市场交易的多代理系统模拟电力市场环境, 由各分布式电源代理和负荷代理根据成本和需求进行投标, 中央控制代理经过决策确定最后的出力状况。基于智能算法的优化调度类似于传统的集中式控制, 其根据各代理申报的情况以特定的目标进行优化计算来确定各微源的发电安排。

5 微电网能量管理的模型与求解算法

5.1 微电网能量管理的模型

微电网能量管理的目标是在满足系统负荷需求和各种物理约束条件的情况下, 以最小化分布式电源运行成本、系统网损、停电概率、污染排放等为目标, 为分布式电源和储能系统提供功率运行点。由于有多个运行目标, 微电网能量管理的控制目标可以描述成多目标函数[47,48]或者某一方面的单目标函数[49,50,51]。

可再生能源的发电基本上没有成本, 微电网的调度策略一般是优先利用可再生能源的发电, 通过预测系统预测可再生能源和负荷的出力值, 在此基础上安排可调度机组和储能系统的出力。可调度机组的约束条件包括发电上下限约束、机组爬坡约束、最小启停时间约束。对于储能系统的建模, 常用的模型有电力库模型[52]、Ki Ba M模型[53], 其约束条件一般包括电力容量约束、充放电上下限约束。对于系统约束则包括功率平衡约束、热能平衡约束、系统备用约束、线路潮流限值约束、母线电压限值约束。对于有特殊控制要求的设备可以加入一些额外约束如蓄电池充放电次数约束[54]。另外, 对于有逆变器接口的分布式电源, 其有功/频率的下垂特性也常作为约束条件[55,56,57]。

5.2 模型的求解算法

多目标优化问题常通过将目标函数加权转化为单目标优化问题[58], 采用单目标优化方法求解。另外也可以采用多目标优化方法求解, 如非支配多目标遗传算法等。下面介绍的算法主要是针对单目标优化问题。

不考虑可再生能源的预测误差情况下, 微电网能量管理模型属于机组组合问题。目前大部分微电网能量管理模型不考虑系统潮流的约束, 采用的求解方法主要有混合整数线性规划方法[50,59,60,61]、动态规划方法[62]、遗传算法[51,63]、粒子群优化算法[64,65]、蚁群算法[66]等智能算法以及基于规则判断的专家系统[67,68]等算法。其中混合整数线性规划方法通过将优化模型中的非线性函数转化为线性函数, 从而将优化问题转化为混合整数规划问题, 采用成熟的专业软件求解, 通常具有较高的求解精度和较快的求解速度[69]。对于考虑潮流约束的模型, 一般是在计算过程中加入最优潮流[70,71]或前推回代法等配电网潮流计算的子程序。由于非线性约束剧增, 通常采用遗传算法、粒子群算法等智能算法进行优化求解。

微电网中光伏、风电等可再生分布式电源出力的随机性、间歇性给微电网的短期调度带来挑战。光伏、风电的随机分布特性常用其概率密度分布函数来描述[72]。一般情况下, 光伏出力可认为服从Beta分布, 风电出力可以通过由服从Weibull分布的风速经风机的出力-风速转换函数获得[73]。负荷一般服从高斯分布。目前考虑可再生能源出力预测误差分布的短期调度方法主要有基于机会约束的随机规划方法[65,74]、基于抽样技术的场景削减法[75]、点估计法[63,76]。其中, 场景削减方法利用场景削减技术将众多的情景转化为可数的典型静态场景进行调度分析;点估计法则通过计算多随机变量构成的随机函数值的概率统计量进行分析。

6 微电网能量管理系统的机遇与挑战

目前微电网能量管理主要采用集中式控制, 随着技术的成熟, 分散式控制将逐渐成为微电网能量管理控制结构的发展方向。分散式控制使得分布式电源能够即插即用, 任何分布式电源或储能设备在任何时间都可以连接到微电网中, 大幅提高了用电的灵活性。

微电网能量管理系统对微电网的使用便利性和高效性起着重要的作用。由于微电网的特殊性, 微电网的能量管理依然面临一系列挑战, 主要有以下3个方面。

a.微电网中可再生能源如风电、光伏出力受自然环境的影响, 具有间歇性、波动性和可预测性差等特点。微电网能量管理系统的设计当中需要考虑这些随机因素的影响。

另一方面, 随着可控负荷形式的增多, 可控负荷如PEV可以随时随地连接到微电网中, 这增加了微电网负荷侧时间和空间上的不确定性。微电网能量管理系统在需求侧的管理中需充分考虑到这些不确定性因素。

b.各种储能技术各具优缺点, 单一的储能技术很难在技术性和经济性上满足要求, 常常需要多种储能技术的配合才能达到效果。多种储能技术的优化配合以及多储能系统的联合调度将成为微电网能量管理的一个难点。

c.可靠且兼容的通信网络是微电网能量管理系统的基础。通信可能会存在的延时、超时失败等问题, 将影响微电网能量管理系统的执行。另一方面, 微电网的通信主要是通过无线网络传输, 而无线网络的共享和易接近等特点, 使得其存在安全陷患。因此微电网能量管理系统的通信网络建设和通信安全也是一个值得研究的问题。

7 结语

微电网的能量管理是微电网技术中一个重要的研究内容。随着微电网的不断发展和规模的扩大, 微电网的能量管理将面临控制结构、优化算法、通信设计等一系列需要解决的问题。本文总结了国内外微电网能量管理的研究现状, 从微电网能量管理系统的管理对象、基本功能、设计框架、控制结构等方面全面介绍了微电网能量管理系统的软硬件的构成和主要功能。此外, 针对当前微电网能量管理的理论研究给出了微电网能量管理的基本模型和优化算法, 对现在研究工作存在的问题和难点进行了概括, 指出了进一步研究的方向。

微电网能量管理研究 篇2

微电网是一种由分布式电源、储能、负荷、电力电子装置和监控保护装置等组成的小型发配电系统。作为集成分布式电源的良好解决方案,微电网受到了广泛关注[1]。为了保证可再生能源的充分利用和微电网系统的经济稳定运行,通常由能量管理系统根据天气情况、燃料价格、实时电价及负荷需求等信息对微电网进行调度决策。

考虑可再生能源随机性和波动性对微电网经济稳定运行带来的影响以及预测精度随时间尺度减小而提高的特点,借鉴大电网有功调度采用的人工日前调度计划和自动发电控制相结合的调度方式[2],现有微电网能量管理多采用日前计划和实时调度相结合的多时间尺度能量管理。在日前阶段基于预测数据制定机组组合及运行计划基值,在实时环节基于实时数据将上级遗留的偏差对可控分布式电源进行功率调整[3,4,5,6]。

现有多时间尺度能量管理主要存在以下问题:

1)多时间尺度框架较为简单,各时间尺度之间跨度大,调度模式粗放。文献[7]在传统日前计划和实时调度框架中增加了日内1h和15 min调度环节,逐级平衡风电功率不确定性引起的功率不平衡量。但各时间尺度,尤其是短时调度和实时控制环节之间时间跨度仍然较大,计划偏差和可再生能源及负荷波动全部由实时控制环节承担,可能出现可调容量不足的情况。

2)能量管理模型日渐复杂,若应用于短时调度环节,可能无法满足短时调度快速性的要求。文献[8-9]借鉴模型预测控制理论(MPC),在日前启停计划和实时调整间增加了日内基于MPC的在线滚动经济调度,增加了滚动优化模型求解规模。文献[10]以蒙特卡洛模拟描述可再生能源及负荷不确定性,构建机会约束规划模型,采用遗传算法求解。文献[11-12]建立了微电网经济调度鲁棒双层模型,需对模型进行转化或采用Benders算法求解。以上模型虽考虑了可再生能源不确定性对调度的影响,但增加了求解复杂度,尤其对于实际工程应用增加了困难。

3)长期计划和短时调度的优化特征缺乏有效配合机制。传统多时间尺度能量管理通过在短时调度阶段调节可控分布式电源或可控负荷消纳可再生能源出力波动使系统遵循日前计划。日本NEDO的Hachinohe微电网为了保持长期计划的全局优化特征,短时调度中储能系统的充放电计划仍沿用周运行计划[13],这种调度策略忽略了短时调度的局部优化特征。文献[14]在时尺度制定机组组合计划,在分和秒尺度分别由微燃机和储能平抑功率波动,这种策略忽略了长期和短时调度的协调配合。

针对以上问题,本文基于传统多时间尺度能量管理模型建立了包括日前计划、滚动优化和超短期调度的能量管理基础模型,并在此基础上提出了改进模型:①在超短期调度与实时控制之间增加超超短期调度环节以减少实时控制环节机组调节压力;②以缓冲边界形式描述可控分布式电源超短期调度约束以简化模型,加快求解速度;③在超短期调度中增加反映长期优化特征的储能荷电状态(SOC)惩罚项,通过调节SOC惩罚因子协调系统全局和局部的经济最优性。由此构成改进的微电网多时间尺度能量管理模型,实现微电网更加快速、实时和精确的调度。最后在实际微电网系统中对所提模型的有效性进行了验证。

1 改进多时间尺度能量管理模型概述

改进多时间尺度能量管理模型由基础模型和改进模型两部分组成,如图1所示。

1.1 基础模型概述

基于传统多时间尺度能量管理框架构建的多时间尺度能量管理基础模型包括日前计划、滚动优化和超短期计划。

1)日前计划从日前角度,以小时为尺度,基于可再生能源及负荷日前预测和实时电价,在满足系统约束条件的前提下,以系统稳定和全局经济性为目标,优化各分布式电源基本调度曲线。然而在实际微电网运行中,由于可再生能源及负荷功率的随机性,日前预测往往误差较大,因而需要增加实时性较好的超短期调度环节对日前计划予以修正。

2)超短期调度以5~15 min为尺度,对可再生能源及负荷进行超短期预测,以平抑净负荷波动为目标,计算各分布式电源调度指令。

3)由于日前计划与超短期调度时间跨度大,日前计划偏差较大,在日前计划和超短期调度间增加滚动优化环节,以30 min至1h为尺度,利用最新的气象信息和系统状态,修正后续可再生能源以及负荷预测功率,并对日前计划予以不断刷新和修正。

1.2 改进模型概述

本文在多时间尺度能量管理基础模型上主要进行了如下改进:

1)由于超短期调度和实时控制之间存在较大时间跨度,增加超超短期调度环节通过基于准则的功率分配快速消纳可再生能源及负荷的功率波动,减小联络线功率波动,减轻实时控制环节可控分布式电源的调节压力。

2)为了满足短时调度快速性的要求,并反映可控分布式调整裕量的限制,在超短期调度模型中采用基于日前计划的可控分布式电源缓冲边界约束,简化模型,加快求解速度。

3)为了协调长期调度分布式电源和储能协调配合带来的系统全局经济性和短时调度的局部经济最优性,在超短期调度目标中增加反映长期特征的储能SOC惩罚项,并通过调整储能SOC惩罚因子进行协调。

2 基础模型

借鉴由长期计划和短期调度构成的传统多时间尺度能量管理模型,多时间尺度能量管理基础模型主要包括日前计划、滚动优化和超短期调度三部分,各时间尺度模型具体分析如下。

2.1 日前计划模型

日前计划以小时为时间尺度,以日运行成本最低为目标,得出全天最优调度方案。

2.1.1 目标函数

微电网并网情况下的运行成本主要包括各分布式电源发电成本、储能运行成本和与外部电网的交互成本。日前计划目标函数为:

式中:Pi(t)为第i个分布式电源在t时刻的出力;Ci为第i个分布式电源出力的成本;ΔT为调度周期时长;N为分布式电源数;T为总时段。

可控分布式电源发电成本一般包括燃料成本、运行维护成本和污染物排放惩罚成本,即

式中:Pcdg(t)为可控分布式电源t时刻出力;Ccdg为分布式电源发电成本;Cfuel为燃料成本;Com为运行成本;Cev为环境成本;Cgas为天然气价格;QLHV为天然气低热值;η为分布式电源效率;Som为运行维护系数;n为总排放物种类;和分别为第k种排放物的外部折扣成本和排放系数。

储能运行成本包括运行维护费用和折旧费用,不计充电成本,可等效为充放电功率的二次函数[15,16],即

式中:Ces为储能运行成本;Pes(t)为储能充放电功率;α 为储能成本系数。

微电网系统与外部大电网的交互成本为购电成本或售电收益,即

式中:Cpcc为联络线与外部电网的交互成本;Cbuy和Csell分别为购售电价;Ppcc(t)为t时刻联络线传输功率。

2.1.2 约束条件

1)功率平衡约束

式中:Pres(t)和Pload(t)分别为t时刻可再生能源和负荷的出力。

2)联络线传输功率限制

式中:Ppccs_max和Ppccb_max分别为最大售电和最大购电功率。

3)可控分布式电源功率上下限约束

式中:Pcdgmin和Pcdgmax分别为可控分布式电源输出功率下限和上限。

4)爬坡率约束

式中:ΔPcdgd_max和 ΔPcdgr_max分别为爬坡率最大功率下降率和最大功率上升率。

5)储能充放电约束

式中:Pesc_max和Pesd_max分别为最大充电和最大放电功率。

6)储能SOC约束

式中:SSOCmin和SSOCmax分别为储能SOC下限和上限;ηd为放电效率;ηc为充电效率;Q为电池总容量。

同时,储能荷电状态变化量 ΔSSOC也需满足一定上下限约束,以避免过充过放对寿命造成损害。

7)储能状态平衡约束

式中:为日前计划最终时刻SOC;为起始时刻SOC。

2.2 滚动优化模型

为了及时反映可再生能源及负荷波动,减小日前计划与超短期调度的偏差,加入滚动优化环节。其主要目标是利用最新信息(如系统实际运行数据、最新气象信息等),经过预测模型计算,修正后续可再生能源及负荷功率,从而得到后续时段的调度计划。滚动优化是对日前计划不断修正、不断刷新的过程。

2.2.1 目标函数

滚动优化的目标为在满足负荷平衡的基础上调整T0时刻后续时段出力修正值使得调整成本最小,其目标函数为:

式中:ΔPi(t)为分布式电源i的功率调整量;T0为当前时间节点。

2.2.2 约束条件

功率平衡约束、联络线传输功率约束、可控分布式电源功率及爬坡率约束、储能充放电功率约束、储能SOC和SOC变化量约束同式(5)至式(13)。

2.3 超短期调度模型

超短期调度阶段,以5~15min为周期对可再生能源及负荷采用基于相似日的超短期预测。该时间尺度内可再生能源及负荷变化主要是非规律性幅值较小的随机波动,因而超短期调度目标是在缓冲边界范围内通过微调各单元出力使得超短期调度成本与滚动调度对应的综合成本最接近,从而既保证对波动的及时响应,又保证了全局经济最优性。

2.3.1 目标函数

根据可再生能源及负荷侧超短期预测功率t时刻的变化,在缓冲边界范围内微调各机组出力使得超短期调度成本与滚动调度对应的综合成本最接近,目标函数为:

式中:Fttotal(Pi+ΔPi)为超短期调度断面下t时段综合调度成本;Fttotal(Pi)为该时段滚动优化对应成本。

2.3.2 约束条件

功率平衡约束、联络线传输功率约束、可控分布式电源功率及爬坡率约束、储能充放电功率约束、储能SOC和SOC变化量约束同式(5)至式(13),仅时间尺度 ΔT有所不同。

3 改进模型

相较于传统微电网多时间尺度能量管理模型,本文提出的改进模型主要包括以下3个特征:①超短期调度与实时控制之间增加超超短期调度环节;②超短期调度采用缓冲边界约束;③在超短期调度中加入与长期特性有关的储能荷电状态惩罚项。

3.1 超超短期调度模型

超短期调度时间尺度为5~15 min,自动发电控制(AGC)的执行周期为2~8s,时间尺度相隔较大,若可再生能源或负荷突发较大波动,则AGC阶段缓冲机组压力较大,甚至造成系统不稳定,因而在超短期调度与AGC环节中加入以分钟为时间尺度的调整环节,以进一步消纳净负荷波动量。

该环节时间尺度较短,采用基于准则的快速功率分配消纳净负荷波动量。参照等耗量微增率准则,提出等成本微增率准则,即负荷增加时,应尽量让成本微增率小的分布式电源优先出力,负荷减少时,应先让成本微增率大的分布式电源减少出力。

定义成本微增率为dC/dP,其中C为发电成本,P为分布式电源出力。 参照等耗量微增率准则,即当各机组燃料消耗量微增率相同时,总燃料消耗量最小,得到等成本微增率准则,即当各分布式电源成本微增率相同时,系统运行总成本最小。

设分布式电源i的成本函数为Ci(Pi(t)),可控分布式电源个数为N,t时刻系统净负荷波动量为 ΔP(t),则当可控分布式电源调整功率满足下式时,系统运行成本最小,同时各分布式电源需满足其功率限制等基本约束条件。

3.2 缓冲边界

在微电网运行中,日前计划与实际情况存在的偏差主要来源于2种预测误差:①不同类型负荷用电特性的非规律性变化引起的需求波动;②可再生能源输出功率与光强、温度、风速等天气因素有关,由于在预测算法中考虑了具有随机性和波动性的天气因素的影响,因而发电功率预测量与实际值可能产生偏差。

故而需要一定的电源调整裕量,以使其他时间尺度的调度存在调整空间。调整空间指负荷及可再生能源的实际功率与各自对应日前预测量差值之和,即净负荷波动量。调整空间在实际运行中必须满足一定的范围约束,因而本文引入缓冲边界,由可控分布式电源备用容量、机组爬坡率共同决定。

3.2.1 缓冲边界作用

缓冲边界针对可控分布式电源,基于日前计划和各分布式电源实际运行限制,给出了其在超短期调度阶段的约束,且随着滚动优化对日前计划的修正,缓冲边界也会不断修正以更逼近系统实际运行情况。约束超短期调度阶段各分布式电源的调整量在缓冲边界范围内既能保证系统安全稳定性,又能简化约束条件满足超短期调度求解快速性的要求。

3.2.2 缓冲边界约束

缓冲边界的计算主要包含如下约束。

1)各分布式电源备用容量约束

对一般分布式电源,直接考虑备用容量约束,即额定值与预测值的差值。对储能,除充放电功率、容量约束外,还需考虑SOC约束以延长储能寿命,提高储能整体经济性。

2)各分布式电源爬坡约束

若系统中包含柴油机、燃气轮机等机组,需考虑爬坡率。对缓冲边界上下限,需分别考虑调度周期内分布式电源i以功率增长爬坡率上限rmaxu,i或功率下降爬坡率上限rmaxd,i工作功率变化量。

对可控分布式电源i,其缓冲边界上下限为:

式中:Bupper(t)和Blower(t)分别为t时刻的缓冲边界上下限;Pra,i为分布式电源i的额定功率;Pi,t为分布式电源i在t时刻的预测功率。

超短期调度阶段功率平衡约束和联络线传输功率限制约束仍同式(5)和式(6),可控分布式电源以缓冲边界约束考虑,即

式中:Bilower(t)为可控分布式电源i在t时段的调整功率约束。

3.3 储能荷电状态惩罚项和惩罚因子

微电网能量管理的全局经济性来源于在满足负荷需求的情况下,基于分时电价,通过合理制定储能充放电功率和联络线购售电功率计划,减少系统综合用电成本。但由于可再生能源发电及负荷的波动,超短期调度阶段需要对分布式电源功率进行重新分配。由于时间尺度较短,该阶段的优化结果只注重了局部经济性,而无法计及储能在长时间段合理充放电带来的收益,也无法保证在全天时间内储能充放电量的平衡。鉴于超短期调度阶段净负荷波动量不会很大,因而在日前计划功率基础上进行调整能够保证既满足功率平衡又尽可能维持全局经济最优。故鉴罚函数法思想[17],在超短期调度模型目标函数中引入储能荷电状态惩罚项,在原超短期调度目标函数中增加储能SOC惩罚项,即

式中:为日前计划t时刻储能SOC;为超短期调度阶段储能SOC;β为储能SOC惩罚因子。

惩罚项越大,储能调度结果越接近全局优化结果;反之,储能调度结果则更接近局部优化结果。通过合理设置储能SOC惩罚因子决定超短期调度储能SOC状态对日前计划的遵循程度,从而协调系统局部和全局的经济性。

4 模型验证

4.1 系统参数

用于算例验证的南京市江宁区某并网型微电网结构如图2所示。试验微电网系统包括10kW光伏发电系统、10kW·h磷酸铁锂电池储能、15kW燃料电池(模拟)及14kW负荷。光伏发电系统通过光伏逆变器接入交流母线,储能系统通过功率变换系统(PCS)接入交流母线。微电网通过联络线公共连接点(PCC)处的固态开关接入公共电网。

为了验证本文所提策略对含有爬坡率限制机组的应用效果,通过逆变器闭环控制直流源使其出力满足爬坡率限制约束,从而模拟燃料电池功率输出。系统内各单元信息如附录A表A1所示,储能成本系数取0.08[15],燃料电池成本参数见附录A表A2,配电网电价信息见附录A表A3。

算例中日前计划和滚动优化时间尺度为1h;超短期调度时间尺度为10min;考虑到预测分辨率一般为分钟级,超超短期调度时间尺度为1min,各时间尺度模型均采用Gurobi优化器求解[18]。本文所提微电网改进多时间尺度能量管理模型已得到成功应用,试验微电网系统见附录A图A1,工控机及能量管理软件部分界面见附录A图A2 至图A5。工控机配置为Intel(R)Core(TM)i3 CPU,3.50GHz/3.46GB。

4.2 结果分析

4.2.1 各时间尺度调度结果

光伏及负荷日前预测、滚动修正、超短期预测、超超短期预测及实际数据如附录A图A6所示。算例中负荷结构较为简单,因此负荷预测曲线准确度较高。

各时间尺度内的优化结果如图3所示。其中,图3(a)为储能、联络线和燃料电池日前计划及滚动优化结果。图3(a)中,虚线表示日前计划,实线表示滚动优化。图3(b)和3(c)分别为联络线和储能各时间尺度调度结果。

由图3(a)可见,日前计划和滚动优化以小时为时间尺度,调度粗放,但滚动优化较日前计划有所修正。由图3(b)可见,超短期调度相较于日前计划和滚动优化更为精确,同时售电量在峰时段有所增大,购电量则在谷时段略有增大,结合储能调度结果可以看到系统在低电价时购电进行充电,高电价时由储能放电进行售电,从而提高系统经济性。由于超超短期调度阶段净负荷波动量比较小,储能经济模型采用二次函数形式,当功率较小时,成本较低,因而在超超短期调度阶段的净负荷波动主要由储能承担,超短期和超超短期调度阶段的联络线交换功率曲线基本重合。由图3(c)可见,随着超短期和超超短期调度环节时间尺度减小,调度结果逐步逼近实际曲线。由图中圈出区域可见,超超短期调度较超短期调度更为接近系统运行实际情况。其中超短期调度结果约束在缓冲边界范围内,以缓冲边界形式考虑约束有效缩小了可行域范围。日前计划,滚动优化,超短期和超超短期的调度成本分别为12.77,12.70,8.74,8.56 元/日。分析可知,通过改进多时间尺度能量管理,调度结果逐步逼近实际情况,同时系统经济性逐级提高。

4.2.2 缓冲边界作用分析

表1为可控分布式电源以缓冲边界形式考虑约束(情景一)和以传统方法考虑约束(情景二)的计算效果对比,其中β取10 000,取值方法见下节分析。

由分析可知,可控分布式电源缓冲边界约束能够有效减少超短期调度阶段约束条件个数,简化模型,加快求解速度。本系统中可控分布式电源较少,仅有储能和燃料电池,当系统更为复杂,可控分布式电源个数增加,短时调度环节时间尺度减小,缓冲边界约束对模型的简化作用和意义将更加显著。

4.2.3 储能荷电状态惩罚因子作用分析

超短期调度时间尺度较短,局部经济性较高,但无法考虑全天时段储能合理充放电带来的效益及储能能量的平衡,因而通过储能SOC惩罚因子β来协调系统全局和局部的经济最优性。β取10,100,1 000,10 000,100 000时的成本分别为4.03,6.20,8.50,8.74,8.76元/日。图4为相应的SOC。

β取值较小时,局部经济性较高,系统运行成本较小,但储能充放电频繁,SOC波动频繁,不利于储能寿命,由于目前储能成本较高,长期运行会对系统经济性产生不利影响;随着β取值增大,求解结果中考虑局部经济性的比重减小,考虑全局经济性的比重逐渐增大,超短期调度对日前计划的遵循度提高,储能SOC曲线与日前计划SOC曲线越接近,但可能牺牲一定的经济性。在本算例中,β取103或104数量级时惩罚项与原目标函数数量级基本相当,储能充放电状态较日前计划有所调整,同时系统成本有所降低,兼顾了储能全天合理充放电带来的经济性和局部经济最优性。

由分析可知,储能SOC惩罚因子越小,越符合局部经济最优性,惩罚因子越大,越符合系统全局最优特性。实际运行中,可根据系统配置和调度需求合理选择β的取值。

5 结语

针对微电网传统多时间尺度能量管理中各时间尺度跨度大、优化模型日益复杂及长期计划与短时调度间缺乏合理的协调机制等问题,本文所提出的微电网改进多时间尺度能量管理模型具有以下特点。

1)通过在超短期调度和实时控制环节间增加超超短期调度环节,减小时间跨度,实现平滑过渡。

2)通过缓冲边界简化短时调度优化模型约束条件,加快求解速度。

3)通过合理设置储能荷电状态惩罚因子兼顾长期调度的全局优化特征和短期调度的局部经济性。

如何应对可再生能源出力不确定性是微电网能量管理面临的最重要的问题之一。在实际微电网中的验证表明,本文所提模型以时序为递进,通过多级协调、逐级细化,实现了微电网的精确调度和经济运行,是一种具有实用性的处理可再生能源出力不确定性的方法。但本文各时间尺度模型均为确定性模型,为了进一步提高能量管理方法的鲁棒性,下一步研究工作考虑在本文多时间尺度框架上建立各时间尺度能量管理不确定性模型并研究相应的快速求解方法。

附录见本刊网络版(http://www.aeps-info.com/aeps/ch/index.aspx)。

摘要：为减小可再生能源随机性和波动性给微电网稳定经济运行带来的影响,考虑到可再生能源预测精度随时间尺度减小而提高的特点以及不同时间尺度能量管理之间的强耦合关系等因素,在常规多时间尺度能量管理框架的基础上,提出了微电网多时间尺度能量管理的改进模型及其协调控制策略,即通过在超短期调度与实时控制之间增加超超短期调度,在长期调度与短期调度之间增加缓冲边界约束,在超短期调度中加入与长期特性有关的储能荷电状态惩罚项等改进措施,实现对微电网能量管理的逐级细化、优化求解以及全局和局部的协调。实际系统验证表明,相比常规多时间尺度能量管理,所提改进模型及其协调控制策略具有精度高、求解速度快、充分协调各时间尺度优化等特点。

微电网能量管理研究 篇3

关键词：能量管理系统,IEC 61970,公共信息模型,微电网,建模

0 引言

电力系统自动化正在向着网络化、集成化的方向发展。公共信息模型(CIM)是能量管理系统(EMS)应用程序接口标准IEC 61970的一部分。CIM是一个抽象模型,采用应用程序通用的方法来构建电网网络设备、EMS和应用程序中所有主要对象,显示其自身信息,并使这些信息能被管理工具所利用[1,2,3,4]。

微电网是一个相对于传统大电网而言的概念,是指分布式发电单元(DER)、储能装置和负载按照一定的拓扑结构组成的网络,并通过开关设备连接到常规电网。微电网能够有效利用各种分布式电源,充分消纳新能源发电,并可同时满足用户对电能质量和供电安全等的要求[5,6]。随着微电网技术的兴起,对EMS的要求有所变化。与传统电力网络相比,微电网系统具有设备种类多样、运行模式灵活、功率双向流动、控制方法多变的特点。IEC 61970中的CIM无法准确描述微电网本身以及微电网内的各类设备,需要在原有基础上做进一步扩展。

IEC 61970规定了CIM扩展和建模的基本原则,可以灵活地扩展和修正CIM以适应不同的应用场合[7,8,9,10]。文献[11]提出了IEC 61970中CIM的拆分和合并的方法,为CIM的扩展修正提供了理论支持;文献[12]基于配电网的特点,扩展已有CIM,建立了配电网线路、调压器、负载、馈线模型;文献[13]虽然建立了完整的分布式发电系统电网信息模型,但是过于抽象,不能满足工程应用的实际需求。

完整的CIM是构建微电网EMS的基础,但是目前尚无文献就这个方面展开研究。本文以IEC 61970为基础,从工程实际需要出发,考虑微电网自身特点,在原有的CIM基础上,采用面向对象的设计方法,按照统一建模语言(UML)对微电网系统建立完整的CIM,为建设微电网EMS支撑平台提供通用接口,为下一步开发相关微电网能量管理高级应用软件提供了统一平台,满足包括分布式电源的经济组合和优化调度、分布式发电控制等在内的微电网EMS的各种应用需求。

1 微电网系统结构

图1是一个典型400 V低压母线微电网结构图,包含DER、储能系统、负荷、并网开关、监控系统、保护装置、电能质量检测装置、环境监测等部分。图中,APF为有源滤波器,BMS为电池管理系统。

在典型的400V低压微电网结构中,所有的分布式电源、储能系统、无功补偿器、用户负荷都连接到低压400V母线,并通过并网开关与外部配电网连接。微电网EMS实时监控微电网运行信息,按照一定的控制策略调整各运行设备,保证微电网安全稳定运行。

图1中,微电网中的负荷按重要等级分为敏感负荷、可控负荷、可切负荷3种。微电网有并网运行和离网运行2种主要运行方式。并网运行时,微电网内所有负荷、DER、储能装置通过并网开关与外部电网相连,参加与外部电网的能量交换。当外部电网出现故障或是有离网运行指令时,微电网立即转入至并/离网模式切换状态,切除可切负荷和可控负荷,转换主电源运行方式;待并网开关打开后,微电网进入离网运行状态,此时微电网内用电需求全部由储能装置和DER提供,敏感负荷和可控负荷通过公共母线得到电能正常运行;当外部电网恢复供电时,并网开关重新合上,微电网进入离/并网模式切换状态,调整主电源运行方式,必要时还将暂时切除可控负荷;待所有负荷、DER及储能装置都重新投入运行,微电网恢复与外部电网的同步运行。

2 微电网CIM扩展

2.1 CIM扩展原则

CIM是一个与具体实现无关的、用于描述管理信息的概念性模型[1]。文献[14]总结了采用UML建模的IEC 61970中CIM修改扩展方法:或通过向已有的类增加属性值,或通过继承和关联来扩展新类,或增加新的应用包以适应增加的应用,达到尽可能地使用现有CIM包的目的。CIM扩展主要考虑3个方面:是否需要建立新的包;要扩展哪些新的类;要扩展哪些已有类的属性和属性值。

本文基于IEC 61970中原有的CIM包扩展建立了微电网信息模型,所涉及的模型均在CIM-301内扩展。主要涉及CIM中的电线包Wires、发电包Generation中的2个子包、电力生产包Production、发电动态包GenerationDynamics和域包Domain。

本文将重点介绍如何从微电网系统中抽象出新类,建立完整准确的微电网信息模型,并给出具体的CIM类图。通过分析微电网中相关设备,抽象其属性特征,获得微电网CIM扩展模型中的新类。对按照已有的CIM分类指出新类所属包,说明新类之间以及新类与已有类之间的关系。微电网中同时也包含传统电力系统设备,但其运行方式产生了较大的改变,这部分设备将从CIM中已有的类扩展,增加属性及属性值。为了便于命名的理解和规范,所有扩展的新类及其属性的定义和命名参考相关国际术语标准以及文献。

2.2 微电网CIM建模

为了简化微电网设备逻辑分组,便于CIM扩展实现,在微电网建模前,先引入支路的概念。支路是相关设备的逻辑组合,具体是指包含一个400V低压接入开关、一个主设备(光伏逆变器、通用变流器、储能变流器、负荷、APF、无功补偿器、公共联接点)及附属设备的一个物理设备集合。

微电网内含有光伏支路、风电支路、储能支路、负荷支路、无功补偿支路、并网支路、电能质量支路、有源滤波支路、无功补偿支路、环境监测支路等。每种支路代表相应设备对象的聚集,而微电网也是各类支路的聚集。下面以图1为例,介绍微电网CIM的主要内容。

2.2.1 微电网CIM

微电网是负荷、DER和储能装置组成的有机整体。图2给出了微电网在Production中的框图,微电网类MicroGrid作为一个可控单元,与传统电源不同,可以根据指令输出或输入电能,与外部电网交换能量。因此,新建类EnergyUnit表示可控的双向电源,MicroGrid从EnergyUnit继承,描述微电网运行相关信息。新类branch从设备容器类EquipmentContainer继承,描述各支路的详细信息。随着主设备的不同,支路的属性也会有所不同,新类KeyEquipment描述了支路主设备及附属设备的属性及其运行详细信息,从EquipmentContainer继承。支路开关合上,支路相关设备接入微电网运行;支路开关断开,该条支路上所有设备将退出运行,进入停机状态。支路开关类swtich从已有类Swtich继承,描述支路开关的相关信息。

与一般的电力系统不同,微电网具有离网运行和并网运行2种稳态运行模式,可根据用户的控制目标选择不同运行模式下相应的控制策略。在微电网模式切换时,可以选择无缝切换方式或有缝切换方法。微电网种类较多、运行方式多变,存在功率双向流动现象,原先类的属性需要加以修改以适应新的应用场合。MicroGrid的主要属性见附录A表A1。表1总结了微电网扩展的类。

2.2.2 光伏支路CIM

光伏支路是指微电网内一个光伏逆变器的并网支路,其典型结构如图3所示,包含低压开关、光伏逆变器、直流配电柜、直流汇流箱、光伏电池等。在微电网CIM建模时已经建立了通用支路类branch,光伏支路类PVbranch是支路类branch的特殊类,描述微电网光伏支路的具体运行信息。

在光伏支路中,光伏逆变器是光伏发电的关键,是支路的主设备。光伏电池经直流汇流箱/柜接入光伏逆变器,可以看成是光伏支路的辅助设备。逆变器间隔类InverterBay从主设备间隔类KeyEquipment继承,是光伏支路主设备———光伏逆变器及其直流侧所接设备的集合。光伏逆变器类Inverter从整流逆变类RectifierInverter继承,描述并网逆变器的运行信息。新类PVCombiner和PVdcbox从导电设备类ConductingEquipment继承,分别描述了直流配电柜与直流汇流箱。新类PVcell从RegulatingCondEq继承,描述了一组单体光伏电池级联组成的光伏组件。新类PVcellCurve描述光伏电池的伏安特性曲线,由于伏安特性曲线还与温度有关,因此PVcellCurve可能在不同温度下有一组伏安特性曲线,其与PVcell是一对多的聚集关系。

图4是光伏支路CIM框图,描述了各个类之间的关系,表2总结了光伏电站扩展的所有类。

2.2.3 风电支路CIM

400V微电网系统中风电支路主要有2种典型结构,如图5所示。

本文主要讨论10kW以下风机支路建模。10kW以下的风电系统多采用风机一体化控制器,将整流和逆变整合至一台设备中执行。10kW以下风机多为永磁电机,所发出的电能经一体化控制器调整后并入微电网。

图6为风电支路在Production中的框图。在风电支路中,风机一体化控制器调整风机所发出的电能,是支路的主设备。风机控制间隔类WindControl从主设备间隔类KeyEquipment继承,是风电支路上风机一体化控制器与其所接风机的聚集。风机一体化控制器类WindInverterControl从整流逆变器类RectifierInverter继承,描述了风机一体化控制器的详细信息。风力发电机类WindGeneratingUnit从类GeneratingUnit处继承,由于10kW以下风机多采用永磁电机,因此与永磁电机类PermanentmagnetMachine是关联关系。

风机组WindTurbine主要将风能转换为机械能,属原动设备。文献[13]对GenerationDynamics中建立的风机模型进行了详细描述。在本文中,风机采用永磁电机,与文献[13]中的模型只有简单的属性不同,因此参考文献[13],列出400V低压微电网中风机组在GenerationDynamics包中的扩展框图,见图7。表3总结了风电支路扩展的所有类。

2.2.4 储能支路CIM

目前电力储能方式多样,应用最为广泛的是蓄电池储能系统。在微电网中,蓄电池储能装置能够通过灵活的充放电动作,向用户提供高质量电能,平抑分布式发电系统出力波动,是微电网系统经济运行和优化调度的重要组成部分。储能支路典型结构如图8所示,电池堆经双向斩波器、双向变流器接入微电网运行,电池EMS监控电池堆运行状态,同时与双向变流器保持通信,保证储能系统的高效运行。

参考文献[13]所建的蓄电池储能模型,新建类EnergyStorageUnit用于描述的是一种能量输入和输出双向调度的机组模型,用于机组组合和经济调度。由于微电网中储能装置是双向的能量单元,从功率双向流动类EnergyStorageUnit派生出电池堆类BESS。电池堆有固定的组成结构:若干单体电池组成电池箱,再通过串联组成电池串,若干电池串并联组成电池堆。通过前面的描述,可知单体电池对于电池箱,电池箱对于电池串,电池串对于电池堆都是简单的聚集关系。BatteryCell从电池类Battery继承,表示单体电池,BatteryBox表示电池箱,BatteryString表示电池串。

在储能支路中,双向变流器按照指令对蓄电池进行充放电操作,双向斩波器调整电池堆的端口电压,满足双向变流器直流侧输入要求。变流器间隔类PCSBay从主设备间隔类KeyEquipment继承,是双向变流器、双向斩波器、电池堆的聚集。双向斩波器类BiConverter从整流逆变类RectifierInverter继承,描述该设备具体信息。新类PCS从整流逆变类RectifierInverter继承,描述了双向逆变器详细信息。图9描述了储能支路各类之间的关系,表4列出了储能支路所有扩展类。

2.2.5 有源滤波支路CIM

为保证微电网输出的电能质量满足外部电网的要求,在并网点处设置APF,对微电网输出电流进行处理。图10为有源滤波支路结构图。可见,有源滤波支路主要由APF、支路开关组成。

有源滤波间隔类APFBay从主设备间隔类KeyEquipment继承,是APF和其他辅助设备的聚集。设计类APF从整流逆变类RectifierInverter继承,关联有RegulatingCondEq,描述APF的相关运行特性。图11为有源滤波支路的框图,由于本支路仅扩展了APF类,这里不再列表赘述。

2.2.6 其他支路CIM

微电网内有些支路设备与传统电力系统设备相同,但为了适应微电网的应用需要增加新的属性,以准确描述相应设备。

1)负荷支路CIM

如前所述,为了满足用户不同用电需求,微电网内负荷按重要程度分为3种,因此微电网内负荷需要增加负荷等级LoadLevel这一属性。由于微电网负荷类型较多,因此负荷类Load从能量消耗类EnergyConsumer继承,代表各种类型负荷。负荷支路结构如图12所示。图13为负荷支路CIM框图。

2)无功补偿支路CIM

无功补偿支路CIM建模与负荷支路类似,静态无功补偿器CIM在IEC 61970的CIM包中已经建立,不需再额外扩展。

3)并网点支路CIM

图14所示的是并网点支路结构图,并网支路的主设备为并网开关,连接外部电网和微电网。通过控制并网开关的开断,实现微电网运行模式的切换。

微电网在进行离/并网无缝切换时,要求并网点开关具有检同期功能,即能够实时检测外部电网电压与频率,待达到并网条件时,并网开关自动合上。对于微电网而言,外部电网可以等效为一个无穷大电源,正常情况下其电压与频率保持不变。

图15为并网点支路CIM框图,描述支路上各个类之间的关系。类PCCbranch表示并网点支路,是支路上各设备的聚集。并网开关类PCCswitch从开关类switch继承,增加了检同期等属性。外部电网等效电源类StationGrid从类PowerSystemResource继承,代表无穷大电源。值得注意的是,并网开关处需同时测量微电网侧和外部电网侧运行信息,从而评估微电网运行状态,判断是否进行模式切换。

3 微电网CIM应用

国网电力科学研究院国家太阳能实验验证中心建立了一个133kW屋顶光伏电站,配以100kW,60kW·h铁锂电池储能装置和20kW,40kW·h全钒液流电池储能装置,组建简单的光储微电网。利用本文所建的微电网CIM,采用Redhat Enterprise Linux 5.4操作系统,以Microsoft Visual Studio 2008集成开发环境设计了基于IEC 61970的光储微电网EMS。将CIM映射至商用数据库和实时数据库Oracle中,建立了基于微电网CIM的数据库,将EMS图元代表的物理设备与CIM及数据库相对应,实现图模库一体化。

4 结语

本文在IEC 61970原有CIM基础上,分析微电网CIM建模需求,总结微电网具体特点,提出了支路概念,基于此概念建立了光伏、风电、储能等不同支路模型,并在此基础上建立高效低碳的微电网具体CIM,构建完整的微电网信息模型,并将其应用到基于IEC 61970的光储微电网EMS的设计中,为建设微电网EMS平台提供了统一接口,为下一步开发微电网EMS高级应用软件奠定了基础。

附录见本刊网络版(http://aeps.sgepri.sgcc.com.cn/aeps/ch/index.aspx)。

微电网能量管理研究 篇4

关键词：微电网,IEC61970,能量管理系统

0 引言

作为智能电网中的重要组成部分, 微电网技术的发展对提高电力系统供电效率和可靠性、解决未来能源问题都具有重要的意义[1,2]。目前的能量管理系统 (Energy Management System, EMS) 主要是针对大电网设计的, 而微电网与大电网有着明显的区别:微电网承受扰动的能力比较差, 特别是孤岛运行模式下, 风能、太阳能变化的随机性可能会给系统的安全性带来更大的风险;微电网的运行方式、系统内分布式能源的类型、负荷特性和对电能质量的要求也不同于常规电力系统[3,4,5,6,7]。因此研究适用于微电网的能量管理系统 (Micro-grid Energy Management System, MEMS) 将有助于提高微电网运行的经济性、系统的运行效率及提高能源的利用率, 减小微电网给大电网带来的影响和冲击, 从而有效地提高系统的供电质量和供电可靠性。

本文在配电网能量管理系统EMS的基础上, 结合微电网自身的特点, 基于IEC61970等国际标准, 提出微电网能量管理系统平台的设计方案, 从硬件平台和软件平台两方面着手设计了基于IEC61970标准的微电网能量管理系统平台。

1 微电网能量管理系统平台的设计

1.1 微电网系统的硬件平台

在配电网中可以存在若干个微电网系统, 同时每个微电网EMS控制层次又可以分为主站层控制和子站层控制, 其结构图如1所示。配电网层主要负责管理微电网的主站层, 如根据电网的需求对主站层发送控制指令;主站层是决策层, 可以根据微电网内的信息做出对应的决策, 通过命令的下发控制子站层的动作。主站层应具有以下功能:

a) 与配电网交换信息, 服从配电网调度;

b) 微电网内的发电量预测以及负荷预测;

c) 根据分布式调度的需要, 定时向子站层提供DER的有功、无功功率设置。

子站层根据主站层传来的决策信息执行, 并且向主站层上传采集到的本地信息, 除此之外, 子站层还可以根据本地信息直接实现微电网内电压和频率的调节, 以便于实现“即插即用”的效果。子站层应具有以下功能:

a) 能够根据主站层的有功、无功功率设置进行功率调节;

b) 具有P-f和Q-V下垂调节特性;

c) 可以实现微电网并网运行模式和孤岛运行模式下控制策略的变换;

d) 能够向主站层上传采集到的本地信息。

1.2 微电网能量管理系统软件平台

软件平台的设计遵循IEC61970国际标准, 其体系结构具有良好的分布性、操作性和可移植性。整个微电网能量管理系统分为4个层次:

a) 硬件层:硬件层主要包括PC等硬件设备;

b) 操作系统层:操作系统层主要以Windows系统为主;

c) 支撑平台层:在整个能量管理系统中处于核心地位, 直接关系到微电网系统的结构、开放性和集成能力。由分布式网络通信层、数据库层和公共服务层组成, 采用分布式请求代理体系结构作为系统的通信和集成框架, 采用基于CIM的数据库平台和图形平台, 拥有告警服务, 统一系统管理、网络通信服务, 权限服务, 公式计算服务等公共服务;

d) 应用软件层。具有与支撑平台层同等的地位, 其中包含针对MEMS的一系列高级应用软件:数据采集与监控子系统软件SCADA、网络分析软件、潮流计算软件等。

2 IEC61970标准及其CIM扩展建模

IEC61970是国际电工委员会制定的《能量管理系统应用程序接口 (EMS-API) 》系列国际标准, 它定义了能量管理系统 (EMS) 的应用程序接口 (API) 。其目的是便于实现来自不同厂家的EMS内部各种应用的无缝集成, 便于实现EMS与调度中心内部其它系统互联, 便于实现不同调度中心EMS之间的模型交换。IEC61970主要由接口参考模型、公共信息模型 (CIM) 和组件接口规范 (CIS) 三部分组成。

公共信息模型 (CIM) 将电力系统中所有实体对象进行标准化定义, 提供一种通用的电力系统模型, 得到统一的电力系统资源描述, 从而实现接口层的数据交换和数据共享。

当前的CIM模型都是针对传统的电力系统建立的, 随着我国分布式发电技术大规模应用, IEC61970已经不能满足当下的需求, 需要针对分布式发电系统进行CIM扩展建模:

a) 微电网中有风力发电等新式发电设备以及超级电容器等各种形式的储能装置, 需要对这些设备进行CIM建模;

b) 分布式发电系统中广泛应用冷、热、电联产, 除了电负荷外, 还要向用户提供热负荷以及冷负荷, 因此需要对非电负荷建立CIM模型;

c) 对于风力发电和光伏发电, 由于它们受气象因素影响较大, 因此在运行管理中气象数据需要完善气象模型。

3 MEMS高级应用软件

微电网中采用了大量的电力电子设备, 并且存在着为数众多的非常规发电装置[8,9,10]。因此, 微电网能量管理系统中高级应用软件应该针对其特点进行设计。具体各应用软件的功能如下:

a) 短期/超短期负荷预测软件:包括风速预测软件, 光照强度预测软件, 光伏/风力发电量预测软件, 负荷预测软件, 以实现对太阳能、风能的最优利用;

b) 储能单元能量管理软件:实现蓄电池、飞轮和超级电容器等的能量管理;

c) 机组组合软件:含多分布式能源互补的机组组合;

d) 潮流计算软件:含分布式发电的配网潮流计算软件。用来求取包括电网各母线节点的电压幅值和相角, 以及各支路的功率分布、网络的功率损耗等的运行状态参量;

e) 自动发电控制 (AGC) :含分布式电源的自动发电控制软件。其功能是控制分布式电源的出力, 以满足不断变化的用户电力需求, 并使系统处于经济的运行状态;

f) 离线/在线经济调度软件 (EDC) :可以实现分布式电源离线/在线经济调度;

g) 最优潮流软件:当系统的结构参数和负荷情况都已给定时, 调节可利用的控制变量找到能满足所有运行约束条件, 并使系统的某一性能指标达到最优值的潮流分布软件。

4 结语

微电网将成为未来智能电网的有力补充和有效支撑, 其能量管理系统MEMS也具有广阔的应用前景。本文基于IEC61970等国际标准, 初步设计了MEMS的硬件平台和软件平台。其硬件平台主要包括各种分布式能源单元、冷热电负荷和测控单元;软件平台主要包含基于CORBA的分布式网络通信层、面向CIM的商业数据库和实时数据库, 以及基于CIM模型的图形平台。设计的微电网能量管理系统MEMS, 有助于提高微电网运行的经济效率及能源的利用率, 可以减小微电网给大电网带来的影响和冲击, 并且能够实现系统供电质量和供电可靠性提升的目标。

参考文献

[1]施婕, 艾芊.智能电网实现的若干关键技术问题研究[J].电力系统保护与控制, 2009, 37 (19) :1-4.

[2]李鹏, 张玲.微网技术应用与分析[J].电力系统自动化, 2009, 33 (20) :109-115.

[3]盛鹍, 孔力.新型电网-微电网 (Microgrid) 研究综述[J].继电器, 2007, 35 (12) :75-81.

[4]徐金雄, 张双平, 王帅.微型电网关键技术及研究应用概况[J].电气开关, 2010 (3) :59-61.

[5]鲁宗相, 王彩霞.微电网研究综述[J].电力系统自动化, 2007, 31 (19) :100-108.

[6]郭力, 王成山.含多种分布式电源的微网动态仿真[J].电力系统自动化, 2009, 33 (2) :82-86.

[7]王成山, 肖朝霞, 王守相.微网综合控制与分析[J].电力系统自动化, 2008, 32 (7) :98-103.

[8]张宗包, 袁荣湘, 赵树华, 等.微电网继电保护方法探讨[J].电力系统保护与控制, 2010, 38 (18) :204-209.

[9]丁明, 张征凯, 毕锐.面向分布式发电系统的CIM扩展[J].电力系统自动化, 2008, 32 (20) :83-87.

微电网能量管理研究 篇5

关键词：微电网,能量优化,可靠性,经济性,自治模式

0 引言

微电网是具有自我控制、保护和管理能力的微型配电系统,充分利用分布式电源发电(微电源发电)是其最大优势[1]。但是,如何优化微电网能量管理和微电源调度,仍存在诸多问题。微电网可以并网运行,也可以孤岛运行。微电网自治运行(长期孤岛)能发挥当地可再生能源的优势,整合绿色能源和清洁能源发电,提高就地供电能力[2]。微电网自治运行在国外研究中已经开始体现,作为延缓主网容量扩张、远距离供电不经济[3]、充分利用当地自然资源的有效途径;为保证微电网负荷供电可靠性,主网可作为微电网备用;微电网、主网分离运行,对主网传统的调度、保护、控制影响较小。

可靠性与经济性是微电网能量优化必须兼顾的2个方面。目前已有不少关于微电网可靠性方面的研究,如采用解析法或基于蒙特卡洛模拟评估微电网可靠性,分析微电源出力特性、接入容量和位置等对可靠性指标的影响[4,5,6],但忽视微电网经济评价,难以比较可靠性效益与成本。也有文献考虑了微电网经济运行问题:文献[7]考虑微电源参数的不确定性,配置微电源使得以可靠运行为限制条件的微电网年投资运行费用的模糊期望值最小;文献[8]针对偏远配电系统独立和并网2种运行方式,在满足年失负荷约束下优化配置不同类型微电源运行,使微电网投资和购电费用最小。文献[9]针对离网配电系统,在满足年缺电时间约束下,运用成本效益分析找出风力发电安装容量和储能容量的最优组合;文献[10]满足冷负荷、电负荷需求,确定微型燃气轮机发电计划使微电网经济最优。然而上述文献都可归纳为以可靠性为约束的微电网经济最优问题,与本文可靠性与经济性相协调存在偏差。

本文提出一种可靠性与经济性相协调的微电网能量优化方法:一方面计及微电源出力特性及故障情况、微电网与主网交换功率、负荷需求及可靠性模型,用序贯蒙特卡洛模拟统计停电损失;另一方面计及微电源运行工况、微电网与主网交换成本及微电网运行年限,基于全生命周期计算微电网投资运行费用,从而将系统经济性和可靠性有效结合,得到微电网等年值费用最小时各类微电源的最佳运行容量,并对其运行管理做了有益的探索。本文认为微电网自治运行不失为未来电力系统一种行之有效的运行模式,因此以优化自治运行的微电网系统为例,验证模型和算法的有效性。

1 微电网可靠性评价

本文采用的微电网结构如图1所示,通过自动开关和主网相连,可在并网模式和自治模式下灵活切换。微电源包括风力发电(WT)、太阳能光伏发电(PV)、柴油发电(DE)和储能(ES)。微电源也通过自动开关(图1中未画出)连在微电网母线上,可将故障微电源切除或灵活控制微电源投运容量。微电网能量管理周期取值各异,考虑运行的完整性,本文设为1a,并确定单位小时内微电网功率分布基本维持不变。此外,本文采用美国电气可靠性技术解决方案联合会(CERTS)提出的馈线潮流控制模式,即设微电网与主网交换功率恒定。形成孤岛后,依靠本地的微电源调节来满足功率平衡。

1.1 微电源功率输出模型

1)WT和PV:受自然资源分布随机性影响,此类微电源出力存在间歇性和不可控性。本文通过HOMER软件模拟风速及光照曲线,所需的风速、光照月平均值取自文献[7],并根据典型WT和PV出力模型得到输出功率[11,12]。WT运行参数为:切入风速3m/s,额定风速14m/s,切出风速25m/s。PV运行参数为:光电转换率13.44%。

2)ES:此类微电源平衡WT出力PWT(t)、PV出力PPV(t)、负荷需求PL(t)、微电网与主网交换功率需求Pgrid间的短时波动,既稳定系统的功率输出又平抑负荷波动,增加可再生能源发电的可调度性。

储能特性描述为:

式中:η为充、放电效率,本文分别取0.4和0.6;k为微电网运行方式变量,取0为自治运行,取1为并网运行;Pgrid为微电网与主网交换功率,其为正时,微电网向主网供电,其为负时,主网向微电网供电;PES,min和PES,max分别为储能最小、最大容量,本文分别取0和额定容量,并设定ES初始容量为额定容量[11]。

3)DE:此类微电源输出功率可控,对于柴油供应充足的情况,PDE(t)∈[0,PDE,max](PDE,max为DE额定输出功率)。

1.2 微电源状态模型

1)WT,PV,DE:配电网可靠性分析时元件一般采用双状态模型[13],本文也采用相同模型描述微电源运行情况,对故障状态概率分布函数抽样,无故障时间为tTTF:

式中:λ为故障率;r为(0,1)区间上均匀分布的随机数。

考虑微电源故障时间较小和兼顾程序存储空间,故障时间tTTR取其期望值。设WT,PV,DE故障率分别取0.04,0.04,0.05次/a,故障时间期望值分别取20,20,50h。

2)ES:由于其工作时间较小,本文采用运行状态模型,即不考虑故障。

1.3 负荷模型

本文负荷需求采用IEEE-RTS提供的年时序模型[14],峰值5 MW。考虑停电损失有赖于用电性质,负荷采用工业、商业、居民用电分类模型,可以合理模拟负荷间可靠性要求的差异。本文中上述用电分类比例分别为30%,20%,50%。

1.4 停电损失统计

传统的产电比法和平均电价法[15]计算停电损失难以计及负荷间可靠性要求差异,与微电网需求管理特性相悖。本文考虑负荷间可靠性要求差异的停电费用描述为:

式中:FECOST为期望停电费用;t为微电网用电负荷大于供电量的时段;PT(t),PC(t),PR(t)分别为t时段削减负荷功率、商业负荷功率及居民负荷功率;CICIC,CCCIC,CRCIC分别为工业负荷、商业负荷、居民负荷的单位电量停电损失,数据源自文献[16]。需要指出的是,停电损失还应与持续停电时间相关,本文在此简化处理。

2 微电网经济性评价

针对全生命周期经济管理有助于科学决策。借鉴微电源经济性计算HOMER软件[17],本文基于全生命周期的微电网投资运行费用描述为:

式中:FCOST为微电网年投资运行费用;i,j,Ki分别为微电源种类、个数和第i类微电源的最大个数;eij为0-1变量,决定第i类第j个微电源安装与否;aij,bij,cij,dij分别为折算到每年的单位投资、运行费用、替代费用和剩余价值,替代费用一般小于初始投资,本文定为初始投资的0.8。

剩余价值计算公式如下:

式中:TE为元件运行年限;TG为微电网运行年限。

对于DE,本文中设定运行时段只考虑燃料费用,故障时段维修费用与相同时间内燃料费用相当,可以合理模拟其运行费用。

文中ES和DE运行年限小于微电网运行年限,产生购买新设备的中间年费用。微电网运行年限内一次性支付费用(初始年、中间年、末年)都可通过经济学公式(本文设折现率为6%)转化年值。

3 可靠性与经济性相协调的微电网能量优化模型和方法

3.1 能量优化模型

微电网孤岛运行,当微电源供电能力不足或供电不经济时,可依据负荷间可靠性要求的差异,中断部分负荷[18];并网运行时,网内用户虽然有微电源与主网的双重支持,但为充分利用微电源供电优势,微电网与主网交换功率往往难以满足网内所有用户需求。因此,考虑微电网与传统电网在建设目的与功能配置上的差异,微电网可靠性、经济性协调的目标是在2种运行方式下,优化各微电源出力,希望达到投资运行费用和停电损失之和最小,即微电网等年值费用最小。目标函数为:

为实现优化目标,需要满足各微电源的运行约束和可再生能源发电接入约束。对于后者,考虑可再生能源发电与负荷需求正相关性较差,富余电能无法上网,只能供给储能,其约束为:

本文模型并非以微电网可靠性为约束条件,在寻优过程中可靠性是一个结果,最优可靠性与最优解一一对应。

3.2 能量优化实现流程

实现流程图见附录A图A1,具体如下。

1)利用1.1节介绍的方法形成WT,PV,DE全年各小时输出功率。进行序贯蒙特卡洛仿真,按照1.2节介绍的方法形成微电源时序状态转移过程。重复ts年,统计得到计及故障的微电源全年各小时输出功率期望值。对于微电网与主网的交换功率,计及主网可靠性参数,按照上述方法统计期望值。

2)WT,PV,ES供电策略:优先最大化可再生能源发电,由ES补偿可再生能源发电与负荷用电的差值,得到微电网剩余未供负荷时间序列。

3)WT和PV最大接入容量确定:考虑到ES运行不经济,确定满足式(9)的ES最小单位容量个数m,当其大于设定值ms,用单变量法重新调整WT个数N和PV个数M,得到最大接入容量下的Nmax和Mmax。

4)DE供电策略:按照剩余未供负荷对可靠性要求的不同依次供电,得到微电网削减负荷时间序列。为模拟实际情况,设定承担基荷机组全年运行和调峰机组(全年热备用)需要时运行。考虑DE输出功率可控,DE数量n的最大值可由微电网峰荷值PLP确定,表达式如下:

5)在微电源最大容量范围内,统计配置不同容量微电源的停电损失和投资运行费用。通过等年值费用比较,找到最优方案,并对微电源进行运行管理。

4 算例分析

自治模式下的能量模型是并网模式下的特例(Pgrid=0),考虑到微电网自治运行在未来电力系统存在的价值,算例以自治运行的微电网系统为例,典型系统如图1所示。考虑所在地区月平均风速较高,选用单位容量为750kW的高速风力发电机;PV采用Pilkington公司SFM144H250wp型电池,单位容量100kW;ES采用储氢—燃料电池储能系统,单位容量500kW·h,最大容量1 500kW·h;DE选用国产GF500型,单位容量500kW。微电网运行20a,基于其全生命周期各微电源相关费用见表1。

注:微电源经济参数原始数据取自文献[4-5,8];DE年运行费用为考虑其全年满载运行消耗燃料费用,实际须计及各小时负载情况。

按研究需要,设置下述方案。

方案1:微电网只接入WT。

方案2:在方案1基础上,微电网接入PV。

方案3:在方案2基础上,WT接入容量最大,微电网接入PV和DE。

方案4:在接入最大容量WT和PV基础上,DE故障率增大至0.2次/a。

运用本文的优化模型和方法,对各方案微电网等年值费用进行计算,结果与分析如下。

4.1 方案1

以WT单独接入说明其供电特性。图2为不同WT容量方案下微电网等年值费用。由图2可以看出,随WT容量增加,等年值费用呈下降趋势。微电网ES最大容量1 500kW·h(m=3),任何时间富余WT发电需要被储能完全吸收决定WT最大接入容量为2 250 kW(N=3),占峰值负荷(5 MW)比例仅为45%。由此可见,在WT发电经济情况下,其自身发电特性不可控、与负荷用电相关性差都决定了其不能大量接入自治运行的微电网。

4.2 方案2

以WT和PV联合接入说明互补可再生能源发电优势及最优接入容量。图3为不同WT和PV最大容量组合下微电网等年值费用。与图2比较,接入PV后等年值费用进一步下降。由图3可以看出,由ES最大容量决定的WT和PV最大接入容量组合分别为:(1)750kW(N=1)和3 500kW(M=35);(2)1 500kW(N=2)和2 400kW(M=24);(3)2 250kW(N=3)和800kW(M=8)。WT接入容量最大时等年值费用最小。由此可见,两者发电互补,WT发电更经济,自治运行时微电网应在ES容量范围内优先最大化WT接入容量。

4.3 方案3

进一步探索自治运行时各类微电源最佳容量和供电策略。由前述可知,WT接入容量最大有利于降低微电网等年值费用。WT接入容量最大下不同PV和DE容量组合的微电网等年值费用见图4和附录A表A1。

由图4可得下述结论。

1)PV对于WT具有较好的发电互补性,随PV容量增加,等年值费用随停电损失减小而减小。

2)发电可控的DE带负荷能力强,前期随可靠性要求很高的工业负荷和商业负荷供电情况改善,等年值费用显著减少;但当其容量进一步增加,DE发电经济性减弱,等年值费用减小趋势放缓;当满足绝大多数负荷供电时,提高可靠性将使等年值费用增加。

3)算例孤岛运行方式下,WT,PV,ES,DE最优容量分配分别为2 250kW(N=3),800kW(M=8),1 500kW(m=3),3 500kW(n=7)。可再生能源发电占总发电容量比例为45%,WT为35%,PV为10%。

4)微电源最优容量配置下微电网供电可靠率达99.37%,满足绝大多数负荷供电要求。

由此可见,存在最优可靠性水平;在达到该水平之前,新增微电源容量引起停电损失减少超过相应设备的投资运行费用。考虑各类负荷单位电量停电损失较大以及国家政策推动下微电源发电费用的进一步降低,本文中最优可靠性水平较高符合实际。

对上述微电源最优容量规划方案进行年度和单日能量运行管理。图5为各微电源月平均供电情况。从全年看,可再生能源发电占总发电量的20%~40%,理论上具有削峰填谷功能的ES长期来看几乎无供电能力,而DE是保证微电网供电可靠性的微电源。图6为夏季典型日(7月2日)各微电源出力、负荷需求情况。从单日看,WT和PV联合供电能互补其单独供电存在的缺点:白天风速较低(09:00—15:00),PV起稳定可再生能源供电作用;同理,光照强度较小时,WT弥补了PV阶段性供电情况。ES的存在能短期平衡出力和需求波动,最大化可再生能源发电。对DE,模拟实际运行情况如图7所示,常规时间开启6台机组,某阶段(20:00)仍无法满足负荷需求时,另一台热备用机组快速启动。

4.4 方案4

以保证微电网可靠供电的核心微电源DE为例,说明微电源故障率增加对最优方案选择影响。考虑过多引入变量掩盖DE故障率增加影响,表2为WT和PV以最优容量接入下DE不同容量组合时方案3、方案4微电网等年值费用F、年缺电量IENSI比较。由表2可以看出,方案4与方案3相比结果如下:(1)不同DE容量下,等年值费用和年缺电量都增加;(2)DE运行方式灵活,随其接入容量增大,实际运行容量减少,故障备用容量增加,年缺电量增量减小;(3)虽然DE接入容量增大对可靠性削弱影响减小,但考虑DE故障频率增加引起维修费用和实际运行容量增大导致的燃料费用,等年值费用增量反而增大;(4)DE容量增大对等年值费用影响趋势以及最优方案选择与方案3都一致。由此可见,考虑微电源单位容量、故障率都不大且运行方式灵活,若只在一定范围内增大DE故障率,对微电网可靠经济运行影响不大。

5 结语

与传统配电系统采用产电比法或平均电价法进行宏观可靠性经济评价不同,本文以更为细致地考虑微电网运行、微电源故障、负荷需求及用电性质的序贯蒙特卡洛模拟法统计微电网停电损失;与基于全生命周期的微电网投资运行费用结合,为微电源最佳容量选择提供依据,所得最优方案在统筹可靠性与经济性方面优于可靠性约束方案。

可再生能源发电在微电网中接入容量没有形成标准,本文以微电网储能容量范围内匹配富余风力、光伏发电为前提,兼顾可靠性与经济性选择其容量。

自治模式下微电网内负荷可靠性要求较高,为协调经济性和可靠性,本文认为由储能配置最大容量且比例恰当的可再生能源优先发电,同时化石燃料式微电源发电必不可少,灵活运行,满足剩余大多数负荷的随机需求。

附录见本刊网络版(http://aeps.sgepri.sgcc.com.cn/aeps/ch/index.aspx)。