CN102354334B

CN102354334B - 基于全寿命周期净费用最小的微网系统优化设计方法

Info

Publication number: CN102354334B
Application number: CN2011102982519A
Authority: CN
Inventors: 赵波; 张雪松; 汪科; 周金辉; 周丹; 葛晓慧
Original assignee: State Grid Corp of China SGCC; Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd
Current assignee: State Grid Corp of China SGCC; Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd
Priority date: 2011-09-27
Filing date: 2011-09-27
Publication date: 2013-12-11
Anticipated expiration: 2031-09-27
Also published as: CN102354334A

Abstract

本发明实施例公开了一种基于全寿命周期净费用最小的微网系统优化设计方法，用于按照微网系统的运行策略，根据微网系统内可再生能源资源、负荷需求等情况，确定微网系统内部各分布式电源、储能的最佳容量配置，保证微网系统在全寿命周期内的净费用，即成本最小。本发明实施例方法包括：建立微网系统的基于全寿命周期净费用的目标函数；根据微网系统的运行策略确定目标函数的优化变量；根据微网系统的运行策略确定目标函数的约束条件；按照约束条件对目标函数进行准稳态仿真，通过标准遗传算法的交叉和变异操作，产生最佳优化变量组合，获取优化计算结果；根据优化计算结果确定微网系统的系统参数。

Description

基于全寿命周期净费用最小的微网系统优化设计方法

技术领域

本发明涉及电力系统分布式发电微网系统领域，尤其涉及一种基于全寿命周期净费用最小的微网系统优化设计方法。

背景技术

微网系统是指由分布式电源、储能装置、能量变换装置、负载和监控、保护装置汇集而成的小型发配电系统，是一个能够实现自我控制、保护和管理的自治系统，是解决偏远地区或远离海岸孤岛供电的有效方式。微网系统中，由于可再生能源，如风能和太阳能的不确定性，负载和电池的非线性特性，以及存在着多种不同的运行策略，微网系统的优化设计难度较大。

目前在微网系统的优化设计方面，格林（Green）和曼威尔（Manwell）开发的Hybrid2可以对微网系统进行准稳态仿真，但不能对微网系统的电源组成和最佳容量进行优化配置。美国国家能源实验室开发的HOMER软件，包含有风力发电、光伏发电、柴油发电机和储能电池的稳态仿真模型，可以通过灵敏度分析优化选择各个子系统的最佳配置容量。另外一款HOGA软件，利用遗传算法，以最小投资和运行成本为目标，对包含光伏发电、储能电池和柴油发电机的孤立系统进行容量优化设计，优化变量包括光伏阵列的数量、电池的最佳放电区间、柴油发电机和逆变器的功率等，分析比较了不同运行策略和关键参数对优化结果的影响。

以上微网系统的优化软件的算法都没有考虑以全寿命周期净费用最小为优化目标，从而对分布式电源的功率和储能系统的容量进行配置。

发明内容

本发明实施例提供了一种基于全寿命周期净费用最小的微网系统优化设计方法，用于按照微网系统的运行策略，根据微网系统内可再生能源资源、负荷需求等情况，确定微网系统内部各分布式电源、储能的最佳容量配置，保证微网系统在全寿命周期内的净费用，即成本最小。

依据本发明实施例提供的一种基于全寿命周期净费用最小的微网系统优化设计方法，包括以下步骤：

建立微网系统的基于全寿命周期净费用的目标函数；

根据所述微网系统的运行策略确定所述目标函数的优化变量；

根据所述微网系统的运行策略确定所述目标函数的约束条件；

按照所述约束条件对所述目标函数进行准稳态仿真，通过标准遗传算法的交叉和变异操作，产生最佳优化变量组合，获取优化计算结果；

根据所述优化计算结果确定所述微网系统的系统参数。

从以上技术方案可以看出，本发明实施例具有以下优点：

(1)建立了针对微网系统的基于全寿命周期净费用的目标函数，提供了微网系统的一种新的优化设计方法；

（2）通过优化变量和约束条件的确定可使得在保证分布式电源、储能的最佳容量配置的同时，实现全寿命周期净费用最小。

附图说明

图1所示为本发明基于全寿命周期净费用最小的微网系统优化设计方法的微网系统结构示意图；

图2所示为本发明基于全寿命周期净费用最小的微网系统优化设计方法的流程示意图。

具体实施方式

本发明实施例提供了一种基于全寿命周期净费用最小的微网系统优化设计方法，用于按照微网系统的运行策略，根据微网系统内可再生能源资源、负荷需求等情况，确定微网系统内部各分布式电源、储能的最佳容量配置，保证微网系统在全寿命周期内的净费用，即成本最小，以下将结合具体实施例详细描述本发明的实施过程。

参考图1，所示为本实施例基于的一种风光柴储的微网系统，其中“风”表示用于可再生能源风能转换的风力发电机12，“光”表示用于可再生能源太阳能转换的光伏阵列11，风力发电机12和光伏阵列11构成了分布式电源，“柴”表示用于备用的柴油发电机15，“储”表示用于储能的蓄电池组13，还包括孤立微网主控系统和负荷14，负荷又包括可控负荷和不可控负荷。蓄电池组13和光伏阵列11通过前级双向DC/DC换流器并入直流母线DC-BUS，然后通过双向DC/AC逆变器接入交流母线AC-BUS，微网监控子系统用于控制微网内的电压和频率保持稳定。

以下对图1所示的风光柴储微系统的基于全寿命周期净费用最小的微网系统优化设计方法作详细描述，其流程如图2所示，包括以下步骤：

S21，建立微网系统的基于全寿命周期净费用的目标函数；

选取微网系统全寿命周期内的净费用（the Total Net Present Cost,NPC）最小为优化目标函数。NPC代表了微网系统在全寿命周期内所产生的净费用，即将全寿命周期内产生的所有成本和收入都浓缩到当前资金的时间价值。NPC的成本部分包括初始投资费用、设备更新费用、运行维护费用和燃料费用，收入部分包括卖电收益和设备残值。数学表达式为：

f_{1} (X) = Σ_{k = 1}^{K} \frac{C (k) - B (k)}{{(1 + r)}^{k}}

式中，K代表微网系统的全寿命周期时间，单位为年，r为贴现率，

C(k)代表第k年的成本，单位为￥/年，计算公式为：

C(k)=C_I(k)+C_R(k)+C_M(k)+C_F(k)

式中，C_I(k)，C_R(k)，C_M(k)，C_F(k)分别代表第k年的初始投资费用、更新费用、维护费用和燃料费用，其中，

C_I(k)=C_Icon+C_Ibattery+C_Ipv+C_Iwind+C_IDG+C_IConverter

C_Icon、C_Ibattery、C_Ipv、C_Iwind、C_IDG、C_IConverter分别代表微网主控系统、电池、光伏阵列、风力发电机、柴油发电机和变流器的投资费用；

C_R(k)=C_Rbattery(k)+C_Rpv(k)+C_Rwind(k)+C_RDG(k)+C_RConverter(k)

C_Rbattery(k)、C_Rpv(k)、C_Rwind(k)、C_RDG(k)、C_RConverter(k)分别代表第k年的电池、光伏阵列、风力发电机、柴油发电机和变流器的更新费用；

C_M(k)=C_Mbattery(k)+C_Mpv(k)+C_Mwind(k)+C_MDG(k)+C_MConverter(k)

C_Mbattery(k)、C_Mpv(k)、C_Mwind(k)、C_MDG(k)、C_MConverter(k)分别代表第k年的电池、光伏阵列、风机、柴油发电机和变流器的维护费用；

C_F(k)=C_FDG(k)表示第k年的柴油发电机的燃料费用；

B(k)代表第k年的收入，单位为￥/年，计算公式如下，

B(k)=B_salvage(k)+B_Grids(k)

式中，B_salvage(k)，B_Grids(k)分别代表第k年设备残值、卖电收入。

S22，根据微网系统的运行策略确定目标函数的优化变量；

此步骤中需根据目标函数和微网系统的运行策略来确定优化变量。NPC成本部分包括初始投资费用、设备更新费用、运行维护费用和燃料费用，收入部分包括设备残值和卖电收益，而这些成本费用大小是相互关联的，如风力发电机台数越多，会导致初始投资越大，但同时也会减少燃料费用，所以要通过优化变量，去寻求全寿命周期净费用的最小。

光伏电池阵列的功率取决于光伏电池单体功率以及阵列的串联数和并联数，光伏电池单体功率以及阵列串联数一般是定义好的，所以选择光伏电池的并联数PV_Num作为优化变量，通过优化光伏电池的并联数PV_Num，就能决定光伏电池的功率大小；风机的功率取决于单台风机功率以及台数，单台风机功率一般是定义好的，所以选择风机台数Wind_Num作为优化变量，通过优化风机台数Wind_Num，就能决定风机的功率大小；储能系统为电池储能形式，优化储能系统容量即指优化电池容量E_battery，选择电池容量E_battery作为优化变量，从而决定储能系统容量。

S23，根据微网系统的运行策略确定目标函数的约束条件；

该优化计算方法的约束条件主要包括：蓄电池、柴油发电机、风力发电机、光伏以及变流器的约束条件。

1）蓄电池

电池工作在部分荷电状态下（MinSOC_battery，MaxSOC_battery）。在该工作范围内，通过对分布式电源或者负荷的有效管理，保证电池在充电过程中不放电，在放电过程中不充电，避免对电池进行频繁的充放电操作，达到延长电池使用寿命的目的。由于较大的充放电电流、电池过充和过放等对电池的伤害较大，因此，需要对电池的充放电电流、电池电压以及SOC三个指标进行监控，并分别设定限值，其中SOC（State of Charge）为电池荷电状态电量。电池电流约束条件包括：

I_charge<MaxI_charge，I_discharge<MaxI_discharge

其中，I_charge、I_discharge分别为电池的充电电流、放电电流，MaxI_charge、MaxI_discharge分别为电池的最大充电电流、最大放电电流。

电池端口电压约束条件表示为：

MinV_battery<V<MaxV_battery

当电池端口电压V高于MaxV_battery，或者低于MinV_battery时，电池会由于过充、过放而遭到损坏。

电池的SOC约束条件为：

MaxSOC_bat>SOC>MinSOC_bat；当SOC<MinSOC_bat时，电池充电；当SOCMax>SOC_bat时，电池放电。

2）柴油发电机

柴油发电机组的最大发电功率MaxP_DG应能够满足在可再生能源出力为零，且电池容量不能满足放电要求时最大负荷功率，即

MaxP_DG=MaxP_load，其中MaxP_load为最大负荷功率。

柴油发电机的启动条件：SOC<MinSOC_bat；

柴油发电机的关闭条件：SOC>MaxSOC_bat；

柴油机运行约束：MaxP_DG>P_d>MinP_DG，T_DG≥MinT_DG，其中，P_d是柴油机的运行功率，MaxP_DG、MinP_DG分别为其上下限约束，T_DG、MinT_DG则为柴油机的运行时间和最小运行时间。设置柴油发电机的最小运行时间约束，减少频繁启停对其寿命的影响。

只有当电池SOC<MinSOC_bat时，才启动柴油机为其充电。

3）风力发电机

风机的启动条件：P_less≥P_wN，Δt_ws≥MinT_ws，其中，P_less为系统缺额功率，P_wN为单台风机的额定功率；Δt_ws为风机停机时间，Δt_ws为最小停机时间。

当P_less≥P_wN时，投入风机，避免小功率波动造成的风机频繁投切；风机停机时间需要满足Δt_ws≥MinT_ws；优先投入已切除时间较长的风机，同理，优先切除已投入时间Δt_wo较大的风机。

4）光伏电池组

光伏发电约束条件：P_pvN≥MaxP_pv≥P_pv≥MinP_pv；其中，P_pv、MaxP_pv、MinP_pv、P_pvN分别为当前光伏电池组的输出功率、MPPT（Maximum Power PointTracking，最大功率点跟踪）最大输出功率、功率下限及额定功率。

5）变流器

与柴油发电机类似，变流器的额定功率P_converter应能够在可再生能源出力为零时，利用储能电池可以独立满足最大负荷功率需求，即为P_converter=MaxP_load。根据风光柴储孤立微网系统控制策略，电池处于放电状态时，如果存在load_unmet>0，则有部分负荷将会停电。采用LPSP（Loss of Power SupplyProbability，负载缺电率）衡量供电指标，表示未满足供电需求的负荷与所有负荷的比值。LPSP的取值在0～1之间，数值越小，供电可靠性越高。

电池处于充电状态时，如果P_exDG（n）>0，则柴油发电机最低运行功率仍大于电池最大充电功率，在柴油发电机最小出力约束条件下系统中仍有多余的柴油机发电功率并未被完全消耗。

在仿真过程中，优化模型的约束条件表示为：

\{\begin{matrix} E_{DGex} = Σ_{n = 1}^{N} P_{exDG} (n) \times ΔT = 0 \\ LPSP = \frac{E_{CS}}{E_{tot}} = \frac{Σ_{n = 1}^{N} E_{unmet} (n)}{E_{tot}} \leq 0.01 \end{matrix}

其中，E_DGex是仿真时长内的柴油机发出的多余能量，E_CS为总的未满足能量，E_tot为总的电负荷需求能量，ΔT为仿真步长，N为总的仿真步长个数。

S24，按照约束条件对目标函数进行准稳态仿真，通过标准遗传算法的交叉和变异操作，产生最佳优化变量组合，获取优化计算结果；

根据建立好的优化设计模型，针对风光柴储微网系统进行准稳态仿真和优化设计。根据给定系统结构、系统内各元件容量以及每一步长的光照强度、风速、负荷情况等，按照本发明所提出的控制策略对系统进行准稳态仿真。

其仿真过程按照以下的步骤进行：

（1）配置计算参数，填写光照强度、风速、负荷等时间序列数据；

（2）开始仿真，初始仿真步数n=0，n≤N；

（3）仿真步数开始递增，n=n+1；

（4）根据运行控制策略计算储能充放电功率、剩余容量、柴油发电机发电功率、光伏发电、风力发电的实际发电功率等；

（5）判断仿真步数是否等于设定值，如果是则输出方案结果，仿真结束；如果不是，则返回仿真步数递增的步骤，重新进入仿真循环。

S25，根据优化计算结果确定微网系统的系统参数。

在仿真过程中，每一个仿真步长ΔT内，可再生能源和负荷都采用这一步长内的平均值，忽略其在仿真步长内的波动；假设仿真步长大于可再生能源投切控制周期，因此，忽略仿真步长内柴油发电机的启停机、光伏限功率操作和风机的启停机过程。

优化计算过程是根据给定系统结构、系统内各元件容量以及每一仿真步长的光照强度、风速、负荷情况等，按照孤岛微网优化控制策略，采用权利1提到的数学模型对系统进行准稳态仿真。根据仿真结果得出评估系统效能所需的关键数据，如燃料消耗量、电池寿命评估、发电机使用时间、负荷损失等，通过标准遗传算法的交叉、变异等操作，产生最佳优化变量组合，得出最终的优化计算结果，最终的优化计算结果是最优的分布式电源功率，即风力发电机和光伏整列的功率，其由风力发电机台数和光伏阵列并列数决定，以及储能系统容量，即电池容量。同时，还包括此容量组合对应的仿真运行参数，如燃料消耗量、电池寿命评估、发电机使用时间、负荷损失等。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上对本发明所提供的一种基于全寿命周期净费用最小的微网系统优化设计方法进行了详细介绍，对于本领域的一般技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims

1.一种基于全寿命周期净费用最小的微网系统优化设计方法，其特征在于，包括以下步骤：

建立微网系统的基于全寿命周期净费用的目标函数；

根据所述优化计算结果确定所述微网系统的系统参数；

其中，所述优化变量包括：光伏阵列并联个数，风力发电机台数和电池容量；所述约束条件包括所述电池的约束条件、柴油发电机的约束条件、所述光伏阵列的约束条件、所述风力发电机的约束条件和变流器的约束条件；

其中，所述目标函数为：

其中，K为整个系统的工程寿命，单位为年；r为贴现率；C(k)代表第k年的成本，单位为￥/年，B(k)代表第k年的收入，单位为￥/年；

所述目标函数的仿真约束条件为，

其中，P_exDG（n）是单步仿真时长内的柴油发电机发出的多余能量，E_DGex是总仿真时长内的柴油发电机发出的多余能量，E_unmet(n)为单步未满足能量，E_CS为总的未满足能量，E_tot为总的电负荷需求能量，△T为仿真步长，N为总的仿真步长个数，LPSP是负载缺电率。

2.根据权利要求1所述的基于全寿命周期净费用最小的微网系统优化设计方法，其特征在于，所述微网系统包括微网主控系统、蓄电池、光伏阵列、风力发电机、柴油发电机和变流器，所述C(k)的计算公式如下：

C(k)=CI(k)+C_R(k)+C_M(k)+C_F(k)，

式中，C_I(k)，C_R(k)，C_M(k)，C_F(k)分别代表第k年的初始投资费用、更新费用、维护费用和燃料费用，其中：

C_I(k)=C_Icon+C_Ibattery+C_Ipv+C_Iwind+C_IDG+C_IConverter

C_Icon、C_Ibattery、C_Ipv、C_Iwind、C_IDG、C_IConverter分别为所述微网主控系统、电池、光伏阵列、风力发电机、柴油发电机和变流器的投资费用；

C_R(k)=C_Rbattery(k)+C_Rpv(k)+C_Rwind(k)+C_RDG(k)+C_RConverter(k)

C_M(k)=C_Mbattery(k)+C_Mpv(k)+C_Mwind(k)+C_MDG(k)+C_MConverter(k)

C_Mbattery(k)、C_Mpv(k)、C_Mwind(k)、C_MDG(k)、C_MConverter(k)分别代表第k年的电池、光伏阵列、风力发电机、柴油发电机和变流器的维护费用；

C_F(k)=C_FDG(k)表示第k年的柴油发电机的燃料费用；

所述B(k)计算公式如下：

B(k)=B_salvage(k)+B_Grids(k)

式中，B_salvage(k)，B_Grids(k)分别代表第k年设备残值和卖电收入。

3.根据权利要求1或2所述的基于全寿命周期净费用最小的微网系统优化设计方法，其特征在于，所述电池的约束条件包括电池电流约束条件、电池端口电压约束条件和电池荷电状态约束，其中，

所述电池电流约束条件为I_charge<MaxI_charge，I_discharge<MaxI_discharge，I_charge为电池的充电电流，MaxI_charge为电池的最大充电电流，I_discharge为电池的放电电流，MaxI_discharge为电池的最大放电电流；

所述电池端口电压约束条件为MinV_battery<V<MaxV_battery，V为电池端口电压，MinV_battery为电池的最小端口电压，MaxV_battery为电池的最大端口电压；

所述电池荷电状态约束条件为MaxSOC_bat>SOC>MinSOC_bat，SOC为电池荷电状态电量，MaxSOC_bat为最大电池荷电状态电量，MinSOC_bat为最小电池荷电状态电量。

4.根据权利要求1或2所述的基于全寿命周期净费用最小的微网系统优化设计方法，其特征在于，所述柴油发电机的约束条件包括柴油发电机的最大发电功率约束条件，柴油发电机的启动约束条件，柴油发电机的关闭约束条件和柴油机运行约束条件，其中，

所述柴油发电机的最大发电功率约束条件为MaxP_DG=MaxP_load，MaxP_DG为柴油发电机的最大发电功率，MaxP_load为最大负荷功率；

所述柴油发电机的启动约束条件为SOC<MinSOC_bat；

所述柴油发电机的关闭条件为SOC>MaxSOC_bat；

所述柴油发电机运行约束条件为MaxP_DG>P_d>MinP_DG，T_DG≥MinT_DG，P_d为柴油机的运行功率，MaxP_DG为运行功率上限约束，MinP_DG为运行功率下限约束，T_DG为柴油发电机的运行时间，MinT_DG为柴油发电机的最小运行时间。

5.根据权利要求1或2所述的基于全寿命周期净费用最小的微网系统优化设计方法，其特征在于，所述风力发电机的约束条件包括风力发电机的启动约束条件，其中，

风力发电机的启动约束条件为P_less≥P_wN，Δt_ws≥MinT_ws，其中，P_less为系统缺额功率，P_wN为单台风机的额定功率；Δt_ws为风机停机时间，MinT_ws为最小停机时间。

6.根据权利要求1或2所述的基于全寿命周期净费用最小的微网系统优化设计方法，其特征在于，所述光伏阵列的约束条件包括光伏发电约束条件，其中，

所述光伏发电约束条件为P_pvN≥MaxP_pv≥P_pv≥MinP_pv，其中，P_pv、MaxP_pv、MinP_pv、P_pvN分别为光伏阵列的输出功率、最大功率点跟踪MPPT最大输出功率、功率下限及额定功率。

7.根据权利要求1或2所述的基于全寿命周期净费用最小的微网系统优化设计方法，其特征在于，所述变流器的约束条件为变流器额定功率约束条件，其中，

变流器额定功率约束条件为P_converter=MaxP_load，P_converter为变流器的额定功率，MaxP_load为最大负荷功率。