CN106655248A - 一种并网型微电网电源容量配置方法 - Google Patents

Abstract

本发明公开了一种并网型微电网电源容量配置方法，包括步骤：A，搭建并网型微电网中的风机模型、光伏电池模型和蓄电池模型；B，搭建容量设计优化目标函数模型，所述容量设计优化目标函数包括年平均综合成本C_ACT和自平衡率SSR；C，利用基于随机模拟的NSGA‑Ⅱ算法，求解所述容量设计优化目标函数，得到帕累托前沿；步骤D；利用效用理论，从所述帕累托前沿中选出符合设计要求的最佳方案。本发明在考虑风光出力不确定性的同时，兼顾经济性与自供电能力，能根据设计需求确定最优的风机数量、光伏电池数量和蓄电池数量。

Description

一种并网型微电网电源容量配置方法

技术领域

本发明属于微电网领域，特别涉及一种并网型微电网电源容量配置方法。

背景技术

微电网是指由分布式电源(Distributed Generation，DG)、储能装置、能量转换装置、负荷监控、保护装置等汇集而成的，能够实现自我控制、保护和管理的小型发配电系统。现有的研究表明，将各类分布式电源以微电网的形式接入使用，是发挥其效能的有效方式。

微电网能有效整合各类分布式电源、储能单元以及负荷，通过对不同出力特性DG以及储能系统的综合利用，克服了新能源发电随机性、波动性带来的问题，提高了供电的可靠性并使得新能源发电的环保效益得到充分发挥。

目前，微电网电源容量规划方法多针对独立型系统，与独立型相比相比，并网型微电网能通过功率联络线获得大电网能量支撑，并在外网故障时转入孤岛运行，因而具有很好的供电可靠性及灵活性。

现有的并网型微电网容量的规划设计方法多只考虑经济性，没有将系统自供电能力作为设计目标之一(自供电能力决定了系统转入孤岛运行模式后的供电可靠性)，且设计模型往往没有充分考虑风光出力的不确定性，故由该类模型得到的配置方案在实际投入使用时容易出现系统容量不足的情况，无法达到同时满足经济性与自供电能力双优的设计需求。因此，需要设计一种在考虑风光出力不确定性基础上，兼顾经济性与自供电能力的并网型微电网电源容量配置方法。

鉴于上述缺陷，发明人经过长时间的研究和实践终于获得了本发明。

发明内容

本发明的目的在于，针对上述现有技术的不足，提供一种并网型微电网电源容量配置方法，在考虑风光出力不确定性的同时，兼顾经济性与自供电能力。

为解决上述技术问题，本发明所采用的技术方案是：

一种并网型微电网电源容量配置方法，包括以下步骤：

步骤A，搭建并网型微电网中的风机模型、光伏电池模型和蓄电池模型；

步骤B，搭建容量设计优化目标函数模型，所述容量设计优化目标函数包括年平均综合成本C_ACT和自平衡率SSR，其中，

式中：

和表示目标值，是目标函数C_ACT在置信水平不小于α₁下的最小值，是目标函数SSR在置信水平不小于α₂下的最小值，Pr{·}指{·}中的事件成立的概率；α₁和α₂为目标函数的置信水平；

C_ACT＝C_AFC+C_AOM+C_AEC，其中年等值设备投资费用 N_WT、N_PV、N_BS分别为风机、光伏电池和蓄电池数量；C_WT、C_PV、C_BS分别为风机、光伏电池和蓄电池的初始成本；r为贴现率；Y_P为微电网的使用寿命；Y_BS为蓄电池的使用寿命；年平均运行维护费用C_AOM＝N_WTC_WOM+N_PVC_POM+N_BSC_BOM，C_WOM、C_POM、C_BOM分别为风机、光伏电池和蓄电池的运维成本；年能量交互成本C_AEC＝∑C_p(t)E_p(t)-∑C_s(t)E_s(t)，C_p(t)、C_s(t)分别为t时刻买入或卖出的电价，E_p(t)、E_s(t)分别为t时刻买入或卖出的电量，0≤t≤8760h；

E_MG(t)为第t小时内微电网对负荷的供电量；E_load(t)为第t小时内负荷的用电量；

其中 N_WT、N_PV、N_BS为待求量，C_WT、C_PV、C_BS、r、Y_BS、C_WOM、C_POM、C_BOM为已知量，Y_P、α₁、α₂由设计者给定，C_p(t)、C_s(t)由仿真软件查询微电网所在地的电价信息得到，E_p(t)、E_s(t)、E_MG(t)、E_load(t)由仿真软件根据微电网所在地的风速、光强和负荷信息求解所述风机模型、光伏电池模型和蓄电池模型得到；

步骤C，利用基于随机模拟的NSGA-Ⅱ算法，求解所述容量设计优化目标函数，得到帕累托前沿；

步骤D，利用效用理论，从所述帕累托前沿中选出符合设计要求的最佳方案。

借由上述过程，采用年平均综合成本作为经济性目标，采用自平衡率作为自供电能力目标(自平衡率为并网型微电网内设备年供电量占负荷年用电量的比例，自平衡率越高则对大电网的依赖越小，亦即系统转入孤岛运行时的供电能力越强)，以微电网年平均综合成本最低和自供电能力最强为优化目标，优化模型综合考虑了风光出力的不确定性和经济性，对微电网进行多目标优化数学建模，将模型中含有不确定因素的目标函数和约束条件，用满足一定置信水平的概率形式来表示，采用基于随机模拟的NSGA-Ⅱ算法对模型进行求解，并利用效用理论给出不同的设计要求下的推荐方案。其中帕累托前沿为最优解的集合。

作为一种优选方式，所述步骤C中的求解过程包括：

步骤C₁，根据微电网所在地风速平均值和光强平均值，调用随机模拟方法，得到N组相互独立的风速和光强数据，N由设计者给定；

步骤C₂，采用随机方法产生包含M个染色体的种群P，M由设计者给定；

步骤C₃，对种群P中的每个染色体进行仿真运算；

步骤C₄，检验仿真计算结果中是否有满足容量设计优化目标函数中约束条件的染色体，如有则进入步骤C₅；如无则对种群P进行变异操作，并跳转至步骤C₃；

步骤C₅，创建满足约束调节的染色体集合P₁，计算适应度函数、P₁中各个染色体个体之间的支配关系和拥挤距离，根据计算结果对P₁进行帕累托排序；

步骤C₆，对步骤C₅中经过帕累托排序后的种群P₁连续进行n次交叉变异操作，得到种群P_n+1，n为大于1的正整数；

步骤C₇，对种群P进行帕累托排序，同时计算种群P_n+1中各染色体的适应度函数，根据计算结果对P_n+1进行帕累托排序；

步骤C₈，按照帕累托排序结果，从经过帕累托排序后的种群P和经过帕累托排序后的种群P_n+1的并集中选择M个染色体形成新种群，同时将种群P更新为所述新种群；

步骤C₉，重复步骤C₃～C₈直至达到设定的迭代次数，输出帕累托前沿优化结果。

将随机模拟技术与多目标遗传算法NSGA-Ⅱ结合，对模型中含有置信水平的目标函数和约束条件采用随机模拟技术进行处理，结合后的算法称为基于随机模拟的NSGA-Ⅱ算法，解决了本发明中目标函数中也存在概率形式的模型求解问题。

作为一种优选方式，所述步骤D中包括构造容量优化配置决策模型其中ω₁为设计者给定的年平均综合成本权重值，ω₂为设计者给定的自平衡率权重值，ω₁+ω₂＝1，min(C_ACT)和max(C_ACT)分别为C_ACT的最小值和最大值，min(SSR)和max(SSR)分别为SSR的最小值和最大值，min(C_ACT)、max(C_ACT)、min(SSR)、max(SSR)由步骤C中求解容量设计优化目标函数得到。

为了避免多属性决策的盲目性，引入效用理论对各待选方案进行综合评价，从而确定最优方案。效用理论是进行多属性决策的一种理论，其基本思想是先对不同评价指标进行无量纲处理，然后运用效用函数求得各指标效用值，采用合成函数将效用值和权重值加权合成，计算各方案效用评价综合得分，根据得分对各方案进行优劣排序。容量优化配置决策模型的两个属性分别为年平均综合成本C_ACT和自平衡率SSR，通过改变各分量权重的大小，可以得到不同权重下的最优方案。

作为一种优选方式，所述步骤C₆中，通过轮盘赌转法对经过帕累托排序后的种群P₁连续进行n次交叉变异操作。

作为一种优选方式，所述仿真软件为HOMER软件。

HOMER软件是美国国家可再生能源实验室于1993年开发的混合电力系统分析设计软件，适用于各微网系统的系统仿真和优化设计。

与现有技术相比，本发明在考虑风光出力不确定性的同时，兼顾经济性与自供电能力，能根据设计需求确定最优的风机数量、光伏电池数量和蓄电池数量。

附图说明

图1为本发明模拟实例中微网所在地全年的风速图。

图2为本发明模拟实例中微网所在地全年的光照强度图。

图3为本发明模拟实例中微网所在地全年的负荷用电量图。

图4为本发明中容量设计优化目标函数求解流程图。

图5为本发明模拟实例求解得到的帕累托前沿。

具体实施方式

本发明的一实施方式包括以下步骤：

步骤A，在仿真软件(HOMER软件)中搭建并网型微电网中的风机模型、光伏电池模型和蓄电池模型。对此三者进行模型搭建属于现有的成熟技术。

其中风机模型如下：

式中P_W为风机输出功率；P_Wr为风机额定输出功率；V_ci为切入风速；V_co为切出风速；V_r为额定风速。

光伏电池模型如下：

式中G为光照强度；P_STC为标准测试条件下(光照强度为1KW/m²，环境温度为25℃)的最大输出功率；G_STC为标准测试条件下的光照强度，η为与电池板表面温度有关的系统效率。

蓄电池模型如下：

式中SOC(t)为蓄电池在t时刻的荷电状态；SOC(t-1)为蓄电池在t-1时刻的荷电状态；δ为蓄电池每小时自放电率；P_c为充电功率；P_d为放电功率；η_c为充电效率；η_d为放电效率；Δt为时间间隔，本文取1h；E_C为蓄电池额定容量。

步骤B，在仿真软件中搭建容量设计优化目标函数模型，所述容量设计优化目标函数包括年平均综合成本C_ACT和自平衡率SSR，其中，

式中：

和表示目标值，是目标函数C_ACT在置信水平不小于α₁下的最小值，是目标函数SSR在置信水平不小于α₂下的最小值，Pr{·}指{·}中的事件成立的概率；α₁和α₂为目标函数的置信水平，在实施例中均取为85％；

C_ACT＝C_AFC+C_AOM+C_AEC，其中年等值设备投资费用C_AFC为各电源投资资本乘以资金回收系数得到，即N_WT、N_PV、N_BS分别为风机、光伏电池和蓄电池数量；C_WT、C_PV、C_BS分别为风机、光伏电池和蓄电池的初始成本；r为贴现率，其值为加权平均资本成本，用于测算投资方案的净现值和现值系数，以比较投资方式，进行投资决策，取固定值6.15％；Y_P为微电网的使用寿命，设计为20年；Y_BS为蓄电池的使用寿命，设计为2年；年平均运行维护费用C_AOM与各微源的装机数量成正比关系，即C_AOM＝N_WTC_WOM+N_PVC_POM+N_BSC_BOM，C_WOM、C_POM、C_BOM分别为风机、光伏电池和蓄电池的运维成本；年能量交互成本C_AEC为微网每年从大电网购买的电量成本与向微网出售电量收益的差值，即C_AEC＝∑C_p(t)E_p(t)-∑C_s(t)E_s(t)，C_p(t)、C_s(t)分别为t时刻买入或卖出的电价，E_p(t)、E_s(t)分别为t时刻买入或卖出的电量，0≤t≤8760h(将一年划分为8760小时)；

E_MG(t)为第t小时内微电网对负荷的供电量；E_load(t)为第t小时内负荷的用电量；

其中 N_WT、N_PV、N_BS为待求量，C_WT、C_PV、C_BS、C_WOM、C_POM、C_BOM为已知量，由表1中的设备参数表得到。

表1

C_p(t)、C_s(t)由仿真软件查询微电网所在地的电价信息得到，E_p(t)、E_s(t)、E_MG(t)、E_load(t)由仿真软件根据微电网所在地的风速、光强和负荷信息(如图1至图3所示)求解所述风机模型、光伏电池模型和蓄电池模型得到。

步骤C，利用基于随机模拟的NSGA-Ⅱ算法，求解所述容量设计优化目标函数，得到帕累托前沿；如图4所示，所述步骤C中的求解过程包括：

步骤C₁，根据微电网所在地风速平均值和光强平均值，调用随机模拟方法，得到相互独立的全年风速和光强数据；

步骤C₂，采用随机方法产生包含M个染色体的种群P，M在此例中为50；

步骤C₃，对种群P中的每个染色体进行仿真运算；

步骤C₄，检验仿真计算结果中是否有满足容量设计优化目标函数中约束条件的染色体，如有则进入步骤C₅；如无则对种群P进行变异操作，并跳转至步骤C₃；

步骤C₅，创建满足约束调节的染色体集合P₁，计算适应度函数、P₁中各个染色体个体之间的支配关系和拥挤距离，根据计算结果对P₁进行帕累托排序；

步骤C₆，通过轮盘赌转法对步骤C₅中经过帕累托排序后的种群P₁进行选择交叉、变异操作，得到种群P₂，再经过交叉、变异得到种群P₃其中交叉率选为0.9，变异率选为0.2；

步骤C₇，对种群P进行帕累托排序，同时计算种群P₃中各染色体的适应度函数，根据计算结果对P₃进行帕累托排序；

步骤C₈，按照帕累托排序结果，从经过帕累托排序后的种群P和经过帕累托排序后的种群P₃的并集中选择50个染色体形成新种群，同时将种群P更新为所述新种群；

步骤C₉，重复步骤C₃～C₈直至达到设定的迭代次数(本例中迭代次数选为100)，输出帕累托前沿优化结果，如图5所示。

步骤D，利用效用理论，从所述帕累托前沿中选出符合设计要求的最佳方案：首先构造容量优化配置决策模型其中ω₁为设计者给定的年平均综合成本权重值，ω₂为设计者给定的自平衡率权重值，ω₁+ω₂＝1，min(C_ACT)和max(C_ACT)分别为C_ACT的最小值和最大值，min(SSR)和max(SSR)分别为SSR的最小值和最大值，min(C_ACT)、max(C_ACT)、min(SSR)、max(SSR)由步骤C中求解容量设计优化目标函数得到。设计者根据需要，更倾向于经济性则选取较大的ω₁值，更倾向于供电能力则选择较大的ω₂值。设计者选用三组不同的权重值，得到三种不同权重下的容量配置最优方案如表2所示。

表2

从表2中看出，三组配置方案的自平衡率都在一个比较高的水平。高自平衡率下，即使大电网发生故障，微网依靠自身供电，依然能保证绝大部分微网内负荷需求得到满足，即并网微网使负荷的供电可靠性得到了有效提高。

从图5和表2中看出，微网年平均综合成本与微网自平衡率这两个目标函数是相互冲突的。这是因为在目前的条件下，采用新能源发电的直接成本显然要高于直接从公共电网购电的成本。配置一为经济性与自平衡性等偏重时的解，配置二为偏重自供电能力的解；配置三为偏重经济性的解。对比三组典型配置方案:配置一比配置三年平均综合成本高出27.85％，自平衡率提升效果为7.25％；配置二的年平均综合成本要比配置一高出45.47％，自平衡率的提高为5.86％。即对自平衡性要求越高，相应要付出的经济代价也越大，尤其是达到一定水平之后，自平衡性的小幅度提升需要较大的经济代价，因此，合理评估确定各指标权重，是降低系统电源冗余投资、获得较优综合效益的有效手段之一。

Claims (5)

1.一种并网型微电网电源容量配置方法，其特征在于，包括以下步骤：

步骤A，搭建并网型微电网中的风机模型、光伏电池模型和蓄电池模型；

步骤B，搭建容量设计优化目标函数模型，所述容量设计优化目标函数包括年平均综合成本C_ACT和自平衡率SSR，其中，

$\left\{\begin{array}{c}\min \stackrel{\‾}{C_{ACT}}\\ s.t.\mathrm{Pr}\left\{C_{ACT}\≤\stackrel{\‾}{C_{ACT}}\right\}\≥{\mathrm{\α}}_1\end{array}\right.,\left\{\begin{array}{c}max\stackrel{\‾}{SSR}\\ s.t.\mathrm{Pr}\{SSR\≥\stackrel{\‾}{SSR}\}\≥{\mathrm{\α}}_2\end{array}\right.,$

式中：

和表示目标值，是目标函数C_ACT在置信水平不小于α₁下的最小值，是目标函数SSR在置信水平不小于α₂下的最小值，Pr{·}指{·}中的事件成立的概率；α₁和α₂为目标函数的置信水平；

C_ACT＝C_AFC+C_AOM+C_AEC，其中年等值设备投资费用 N_WT、N_PV、N_BS分别为风机、光伏电池和蓄电池数量；C_WT、C_PV、C_BS分别为风机、光伏电池和蓄电池的初始成本；r为贴现率；Y_P为微电网的使用寿命；Y_BS为蓄电池的使用寿命；年平均运行维护费用C_AOM＝N_WTC_WOM+N_PVC_POM+N_BSC_BOM，C_WOM、C_POM、C_BOM分别为风机、光伏电池和蓄电池的运维成本；年能量交互成本C_AEC＝∑C_p(t)E_p(t)-∑C_s(t)E_s(t)，C_p(t)、C_s(t)分别为t时刻买入或卖出的电价，E_p(t)、E_s(t)分别为t时刻买入或卖出的电量，0≤t≤8760h；

E_MG(t)为第t小时内微电网对负荷的供电量；E_load(t)为第t小时内负荷的用电量；

其中N_WT、N_PV、N_BS为待求量，C_WT、C_PV、C_BS、r、Y_BS、C_WOM、C_POM、C_BOM为已知量，Y_P、α₁、α₂由设计者给定，C_p(t)、C_s(t)由仿真软件查询微电网所在地的电价信息得到，E_p(t)、E_s(t)、E_MG(t)、E_load(t)由仿真软件根据微电网所在地的风速、光强和负荷信息求解所述风机模型、光伏电池模型和蓄电池模型得到；

步骤C，利用基于随机模拟的NSGA-Ⅱ算法，求解所述容量设计优化目标函数，得到帕累托前沿；

步骤D，利用效用理论，从所述帕累托前沿中选出符合设计要求的最佳方案。

2.如权利要求1所述的并网型微电网电源容量配置方法，其特征在于，所述步骤C中的求解过程包括：

步骤C₁，根据微电网所在地风速平均值和光强平均值，调用随机模拟方法，得到N组相互独立的风速和光强数据，N由设计者给定；

步骤C₂，采用随机方法产生包含M个染色体的种群P，M由设计者给定；

步骤C₃，对种群P中的每个染色体进行仿真运算；

步骤C₄，检验仿真计算结果中是否有满足容量设计优化目标函数中约束条件的染色体，如有则进入步骤C₅；如无则对种群P进行变异操作，并跳转至步骤C₃；

步骤C₅，创建满足约束调节的染色体集合P₁，计算适应度函数、P₁中各个染色体个体之间的支配关系和拥挤距离，根据计算结果对P₁进行帕累托排序；

步骤C₆，对步骤C₅中经过帕累托排序后的种群P₁连续进行n次交叉变异操作，得到种群P_n+1，n为大于1的正整数；

步骤C₇，对种群P进行帕累托排序，同时计算种群P_n+1中各染色体的适应度函数，根据计算结果对P_n+1进行帕累托排序；

步骤C₈，按照帕累托排序结果，从经过帕累托排序后的种群P和经过帕累托排序后的种群P_n+1的并集中选择M个染色体形成新种群，同时将种群P更新为所述新种群；

步骤C₉，重复步骤C₃～C₈直至达到设定的迭代次数，输出帕累托前沿优化结果。

3.如权利要求1或2所述的并网型微电网电源容量配置方法，其特征在于，所述步骤D中包括构造容量优化配置决策模型其中ω₁为设计者给定的年平均综合成本权重值，ω₂为设计者给定的自平衡率权重值，ω₁+ω₂＝1，min(C_ACT)和max(C_ACT)分别为C_ACT的最小值和最大值，min(SSR)和max(SSR)分别为SSR的最小值和最大值，min(C_ACT)、max(C_ACT)、min(SSR)、max(SSR)由步骤C中求解容量设计优化目标函数得到。

4.如权利要求2所述的并网型微电网电源容量配置方法，其特征在于，所述步骤C₆中，通过轮盘赌转法对经过帕累托排序后的种群P₁连续进行n次交叉变异操作。

5.如权利要求1或2所述的并网型微电网电源容量配置方法，其特征在于，所述仿真软件为HOMER软件。