CN106532681A - 综合控制策略下混合能源微网系统的配置方法及系统 - Google Patents

Abstract

本发明实施例公开了一种综合控制策略下混合能源微网系统的配置方法，包括：确定目标混合能源微网系统的综合控制策略；在所述综合控制策略下，确定所述目标混合能源微网系统的目标函数；在预设约束条件下，对所述目标函数进行求解，得到所述目标混合能源微网系统的配置。可实现全生命周期的净现值成本最低的经济目标，最大限度地利用可再生能源并尽可能减少柴油发电机的参与，同时保持满意的稳定性及可靠的电力供应。

Description

综合控制策略下混合能源微网系统的配置方法及系统

技术领域

本发明涉及混合能源微网技术领域，更具体地说，涉及一种综合控制策略下混合能源微网系统的配置方法及系统。

背景技术

如今，混合能源微电网是解决偏远孤岛地区电力短缺问题的一个可行有效的办法。

因此，本发明提出了一种综合控制策略下混合能源微网系统的配置方法，可实现全生命周期的净现值成本最低的经济目标，最大限度地利用可再生能源并尽可能减少柴油发电机的参与，同时保持满意的稳定性及可靠的电力供应。

发明内容

本发明的目的在于提供一种综合控制策略下混合能源微网系统的配置方法及系统，可实现全生命周期的净现值成本最低的经济目标，最大限度地利用可再生能源并尽可能减少柴油发电机的参与，同时保持满意的稳定性及可靠的电力供应。

为实现上述目的，本发明实施例提供了如下技术方案：

一种综合控制策略下混合能源微网系统的配置方法，包括：

确定目标混合能源微网系统的综合控制策略；

在所述综合控制策略下，确定所述目标混合能源微网系统的目标函数；

在预设约束条件下，对所述目标函数进行求解，得到所述目标混合能源微网系统的配置。

上述的配置方法，所述确定目标混合能源微网系统的综合控制策略，包括：

确定所述目标混合能源微网系统的负荷跟随策略、循环充电策略、充电策略和放电策略。

上述的配置方法，所述负荷跟随策略的模型为：

其中，和是柴油发电机单元的最小和最大输出功率，是柴油发电机单元的最小起止时间，∑t_DE是柴油发电机单元的总工作时间，是电池储能系统单元的最大充电或放电功率，SOC_min是最小保持功率能源或充电储能单元的状态。

上述的配置方法，所述循环充电策略的模型为：

其中，是电池储能系统单元的最小充电或放电功率，SOC_mzx是最大保持功率能源或充电储能单元的状态。

上述的配置方法，所述充电策略的模型为：

其中，T_BESS是电池储能系统的总放电时间。

上述的配置方法，所述放电策略的模型为：

上述的配置方法，所述预设约束条件为：

其中，N是不同类型的微源的数目，M是每个类型的微源的数量，P_i，j(t)为在时间t时i型第j微源的输出功率，P_LPSP是微网电源概率损失，是最大容许限度，是微源输出功率下限，是微源输出功率上限。

上述的配置方法，所述对目标函数进行求解，包括：

利用改进的自适应遗传算法对所述目标函数进行求解。

上述的配置方法，所述改进的自适应遗传算法对自适应交叉和变异算子进行修改，修改后的自适应交叉为：

修改后的变异算子为：

其中，P_c和P_m分别是交叉和变异算子，P_c1和P_m1分别设置为交叉和变异算子的较大比率，P_c2和P_m2分别为较小的比率，f是两个计划交叉算子之间更大的适应值，f_avg是平均适应值，f_max是最大的适应值，f是变异算子的适应值。

一种综合控制策略下混合能源微网系统的配置系统，包括：

第一确定单元，用于确定目标混合能源微网系统的综合控制策略；

第二确定单元，用于在所述综合控制策略下，确定所述目标混合能源微网系统的目标函数；

求解单元，用于在预设约束条件下，对所述目标函数进行求解，得到所述目标混合能源微网系统的配置。

通过以上方案可知，本发明实施例提供的一种综合控制策略下混合能源微网系统的配置方法中，确定目标混合能源微网系统的综合控制策略；在所述综合控制策略下，确定所述目标混合能源微网系统的目标函数；在预设约束条件下，对所述目标函数进行求解，得到所述目标混合能源微网系统的配置。可实现全生命周期的净现值成本最低的经济目标，最大限度地利用可再生能源并尽可能减少柴油发电机的参与，同时保持满意的稳定性及可靠的电力供应。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例公开的一种综合控制策略下混合能源微网系统的配置方法的流程图；

图2为本发明实施例公开的一种混合能源微网系统示意图；

图3为本发明实施例公开的一种综合控制策略下混合能源微网系统的配置系统的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参见图1，本发明实施例公开了一种综合控制策略下混合能源微网系统的配置方法，可以包括以下步骤：

S101、确定目标混合能源微网系统的综合控制策略。

混合能源微电网的系统概述如图2所示，它包括四种不同类型的分布式发电单元，如风力涡轮机发电(WT)，太阳能光伏发电(PV)，电池储能系统(BESS)和柴油发电机(DE)。值得注意的是，所述混合能源微电网系统只有一个孤岛运行模式，是远程社区的一个典型系统配置。

PV和WT都先通过适当的电力转换系统(PCS)连接到次级交流母线，而DE和BESS两者都直接连接到初级交流母线。

众所周知，净负荷是所有间歇性可再生发电机的输出功率减去总系统负荷需求，为了达到最低的发电成本，选择微电网分布式发电的的运行控制策略是重要的。

如图2所示，两个可控微源如BESS和DE的控制策略用于运行和控制微电网系统。换句话说，微电网的综合控制策略建模如下。

负荷跟随策略：DE是独立遵循微电网净负荷波动的主电源，BESS通常不工作。除非BESS需要吸收一定功率，以使DE输出较其下限高，而DE的最小运行时间也根据其最小起止时间约束得到满足。因此，DE的负载跟随策略可用于以下的条件下，其可以表达成如下。

其中，和是DE单元的最小和最大输出功率，是DE单元的最小起止时间，∑t_DE是DE单元的总工作时间，是BESS单元的最大充电或放电功率，SOC_min是最小保持功率能源或充电储能单元的状态。

循环充电策略：当电池组的充电状态保持在最大的额定容量(80％的额定容量)和最小的额定容量(20％的额定容量)之间，BESS是遵循微电网的净负荷波动的主电源。

它只是发生在以下条件：直到电池SOC达到工作极限，BESS可通过充电或放电的功率的策略独立地满足净负荷需求；当DE运行在全功率时，BESS将运行以满足各地的峰值净负荷缓冲的瞬时波动。

因此，BESS的循环充电策略在下列条件下是良好的，这表示在公式(2)或(3)。请注意，是BESS最大的SOC，DE单元的额定输出功率。

充电策略：BESS只吸收多余的电力，直到达到最大电池SOC(80％的额定容量)为止。在一般情况下，它只是在以下条件下的一种特殊的控制策略：可再生能源发电机组的输出功率超过了系统负荷需求一段时间时，需要BESS吸收多余能量。当系统的净负荷突然减少停机，需求比DE的最小输出功率低，BESS充电是必要的。因此，这种策略的操作条件如方程(4)或(5)，并且T_BESS是BESS的总放电时间。

放电策略：直到电池放电达到SOC最低容量(额定容量的20％)为止，BESS放电以满足系统的净负荷缺口。通常它也是在特殊的工作条件下：当一段时间内可再生能源机组的输出功率不能满足系统负荷需求，需要BESS释放能量以满足系统负荷需求。当DE作为主控单元时，系统净负荷需求突然增加至大于DE的额定功率时，BESS很好的履行了系统功率平衡的功能。因此，适合于该策略的动作条件可以模拟在式(6)和(7)，并且T_BESS是BESS的总放电时间。

S102、在所述综合控制策略下，确定所述目标混合能源微网系统的目标函数。

混合能源微电网的主要预期好处是在维持系统供电的可靠性前提下，能够在整个生命周期中的时间达到的最小经济成本。因此，微电网的优化目标是将投资成本，维护和操作(M&O)成本，重置成本，燃料成本和污染物排放的成本组合的整个生命周期净现值成本最小化(f_LNPC)。优化目标表示为式(8)。

min f_FNPC＝C_IC+C_MC+C_RC+C_FC+C_EC (8)

其中，C_IC是WT，PV，DE与BESS的初始投资成本；C_MC是所有分布式发电的维护和运营成本；C_RC只是更换重要组成部分及寿命较短的BESS的重置成本；C_FC只是DE单元燃料成本；C_EC是氮氧化物，二氧化硫和二氧化碳的污染物排放费用。

S103、在预设约束条件下，对所述目标函数进行求解，得到所述目标混合能源微网系统的配置。

显然最优化的解决方案是在满足电能质量且经济成本最低前提下，使涉及的类型和数量成为最佳的系统配置。因此，每一种解决方案是通过各种必要的等式和不等式约束条件来限制的，如式(9)。

其中，N是不同类型的微源的数目，M是每个类型的微源的数量，P_i，j(t)为在时间t时i型第j微源的输出功率，R_LPSP是微网电源概率损失，是最大容许限度，是微源输出功率下限，是微源输出功率上限。

遗传算法(GA)是一种最常用的基于群体基础的启发式算法，它采用三种算子(选择，交叉和变异)，以模仿自然进化过程。对于这项工作，一种改进的自适应遗传算法(IAGA)被应用于求解混合能源微电网的单元优化问题，因为它可以提高鲁棒性，并避免局部收敛问题。改进的自适应多目标遗传算法修改自适应交叉和变异算子，以求得全局最优解。

所述改进的自适应遗传算法对自适应交叉和变异算子进行修改，修改后的自适应交叉为：

修改后的变异算子为：

其中，P_c和P_m分别是交叉和变异算子，P_c1和P_m1分别设置为交叉和变异算子的较大比率，P_c2和P_m2分别为较小的比率，f是两个计划交叉算子之间更大的适应值，f_avg是平均适应值，f_max是最大的适应值，f是变异算子的适应值。

通过以上方案可知，本发明实施例提供的一种综合控制策略下混合能源微网系统的配置方法中，确定目标混合能源微网系统的综合控制策略；在所述综合控制策略下，确定所述目标混合能源微网系统的目标函数；在预设约束条件下，对所述目标函数进行求解，得到所述目标混合能源微网系统的配置。可实现全生命周期的净现值成本最低的经济目标，最大限度地利用可再生能源并尽可能减少柴油发电机的参与，同时保持满意的稳定性及可靠的电力供应。

与图1中一种综合控制策略下混合能源微网系统的配置方法实施例相对应，参考图3，本申请还提供了一种综合控制策略下混合能源微网系统的配置系统的实施例，包括：

第一确定单元301，用于确定目标混合能源微网系统的综合控制策略。

第二确定单元302，用于在所述综合控制策略下，确定所述目标混合能源微网系统的目标函数。

求解单元303，用于在预设约束条件下，对所述目标函数进行求解，得到所述目标混合能源微网系统的配置。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种综合控制策略下混合能源微网系统的配置方法，其特征在于，包括：

确定目标混合能源微网系统的综合控制策略；

在所述综合控制策略下，确定所述目标混合能源微网系统的目标函数；

在预设约束条件下，对所述目标函数进行求解，得到所述目标混合能源微网系统的配置。

2.根据权利要求1所述的配置方法，其特征在于，所述确定目标混合能源微网系统的综合控制策略，包括：

确定所述目标混合能源微网系统的负荷跟随策略、循环充电策略、充电策略和放电策略。

3.根据权利要求2所述的配置方法，其特征在于，所述负荷跟随策略的模型为：

$\left\{\begin{array}{c}{P}_{DE}^{\min }\≤P_{net-load}\left(t\right)\≤P_{DE}^{\max }\\ {\mathrm{\Σt}}_{DE}\≥T_{DE}^{\min }\\ P_{BESS}^{\max }\≤P_{net-load}\left(t\right)orSOC\left(t\right)\≤{\mathrm{SOC}}_{min}\end{array}\right.$

其中，和是柴油发电机单元的最小和最大输出功率，是柴油发电机单元的最小起止时间，∑t_DE是柴油发电机单元的总工作时间，是电池储能系统单元的最大充电或放电功率，SOC_min是最小保持功率能源或充电储能单元的状态。

4.根据权利要求3所述的配置方法，其特征在于，所述循环充电策略的模型为：

$\left\{\begin{array}{c}{P}_{BESS}^{\min }\≤P_{net-load}\left(t\right)\≤P_{BESS}^{\max }\\ {\mathrm{SOC}}_{\min }\≤SOC\left(t\right)\≤{\mathrm{SOC}}_{\max }\end{array}\right.$

其中，是电池储能系统单元的最小充电或放电功率，SOC_mzx是最大保持功率能源或充电储能单元的状态。

5.根据权利要求4所述的配置方法，其特征在于，所述充电策略的模型为：

$\left\{\begin{array}{c}{P}_{net-load}\left(t\right)<0\\ SOC\left(t\right)\&le;{\mathrm{SOC}}_{\max }\\ T_{BESS}={\mathrm{\&Sigma;t}}_{BESS}\&GreaterEqual;T_{DE}^{\min }\end{array}\right.$

其中，T_BESS是电池储能系统的总放电时间。

6.根据权利要求5所述的配置方法，其特征在于，所述放电策略的模型为：

$\left\{\begin{array}{c}0<P_{net-load}\left(t\right)<P_{BESS}^{\max }\\ {\mathrm{SOC}}_{\min }<SOC\left(t\right)<{\mathrm{SOC}}_{\max }\\ T_{BESS}={\mathrm{\&Sigma;t}}_{BESS}\&GreaterEqual;T_{DE}^{\min }\end{array}\right.$

7.根据权利要求1所述的配置方法，其特征在于，所述预设约束条件为：

$\left\{\begin{array}{c}\underset{i=1}{\overset{N}{\&Sigma;}}\underset{j=1}{\overset{M}{\&Sigma;}}{P}_{i,j}\left(t\right)=P_{Load}\left(t\right)\\ R_{LPSP}\&le;R_{LPSP}^{max}\\ P_{i,j}^{\min }\&le;P_{i,j}\left(t\right)\&le;P_{i,j}^{\max }\\ {\mathrm{SOC}}_{\min }\&le;SOC\left(t\right)\&le;{\mathrm{SOC}}_{\max }\end{array}\right.$

其中，N是不同类型的微源的数目，M是每个类型的微源的数量，P_i，j(t)为在时间t时i型第j微源的输出功率，R_LPSP是微网电源概率损失，是最大容许限度，是微源输出功率下限，是微源输出功率上限。

8.根据权利要求1所述的配置方法，其特征在于，所述对目标函数进行求解，包括：

利用改进的自适应遗传算法对所述目标函数进行求解。

9.根据权利要求8所述的配置方法，其特征在于，所述改进的自适应遗传算法对自适应交叉和变异算子进行修改，修改后的自适应交叉为：

$P_c=\left\{\begin{array}{cc}{P}_{c1}-\frac{P_{c1}-P_{c2}}{f_{\max }-f_{avg}}(f^{\&prime;}-f_{avg})& f^{\&prime;}\&GreaterEqual;f_{avg}\\ P_{c1}& f^{\&prime;}<f_{avg}\end{array}\right.$

修改后的变异算子为：

$P_m=\left\{\begin{array}{cc}{P}_{m1}-\frac{P_{m1}-P_{m2}}{f_{max}-f_{avg}}(f_{max}-f)& f\&GreaterEqual;f_{avg}\\ P_{m1}& f<f_{avg}\end{array}\right.$

其中，P_c和P_m分别是交叉和变异算子，P_c1和P_m1分别设置为交叉和变异算子的较大比率，P_c2和P_m2分别为较小的比率，f是两个计划交叉算子之间更大的适应值，f_avg是平均适应值，f_max是最大的适应值，f是变异算子的适应值。

10.一种综合控制策略下混合能源微网系统的配置系统，其特征在于，包括：

第一确定单元，用于确定目标混合能源微网系统的综合控制策略；

第二确定单元，用于在所述综合控制策略下，确定所述目标混合能源微网系统的目标函数；

求解单元，用于在预设约束条件下，对所述目标函数进行求解，得到所述目标混合能源微网系统的配置。