CN109713673A - 售电环境下并网型微电网系统配置及优化运行的方法 - Google Patents

Abstract

本发明涉及一种售电环境下并网型微电网系统配置及优化运行的方法，建立售电环境下并网型微电网系统优化配置模型，在考虑设定时间段内系统中各随机电源出力及市场电能交易价格波动性的基础上，基于日前市场电力交易的优化运行和基于实时市场电力交易的优化运行，并采用年时序仿真法计算售电环境下并网型微电网系统的年运行成本；采用遗传算法求解微电网容量配置问题，最终通过对比各组配置方案下的成本后得到最佳的DG设备、储能和并网变压器容量配置结果。通过长时间时序仿真方法对并网型微电网的运行状态进行了模拟，并采用了一种日前和实时两级市场交易的运行策略对并网微电网的运行成本及效益进行有效评估，得出了最佳的微电网规划方案。

Description

售电环境下并网型微电网系统配置及优化运行的方法

技术领域

本发明涉及一种微电网优化技术，特别涉及一种售电环境下并网型微电网系统配置及优化运行的方法。

背景技术

微电网作为一种集合分布式电源、储能、用电负荷、能量管理系统、配电设施、监控与保护装置的小型发配用电系统，在促进分布式电源就地消纳，建立安全、清洁、高效的能源体系方面发挥着重要作用，得到了高度重视与发展(文献1)。同时，售电放开背景下，微电网的运营及电能交易模式发生一定的改变，其可组建售电公司开展售电业务(文献2)。因此，在新环境下微电网内电源及配变容量的优化配置及其运行策略将显著影响其运营效益，具有重要的研究价值。

目前，国内外许多学者在微电网容量优化配置方面已开展了大量的研究工作，已取得一定的研究成果。针对独立运行的微电网容量配置问题，相关文献分别从供电可靠性、经济性以及不同控制策略等角度进行研究分析。文献3、4以综合成本费用最小作为独立微电网容量配置的优化目标，并在优化过程中引入了停电惩罚费用与能量浪费惩罚费用。文献5、6考虑不同的控制策略会对微电网的运行工况产生较大的影响，因此从控制策略角度来优化独立型微电网的容量配置。文献7考虑将经济性、供电可靠性和环境效益三者作为主要目标，并通过Pareto算法来获取独立型风光柴储微电网的最优解集。上述研究主要针对孤岛运行微电网，由于没有与外界电网的交互，规划配置相对较为简单，对于并网运行的微电网，其在优化各时刻微电源出力的同时还要考虑与外电网的交互功率，因此微电网运行成本的计算变得较为复杂，文献8、9通过从不同季节选取多个典型日，并计算其日运行成本，进而等效转换为年运行成本。文献10通过拉丁超立方采样方法对历史年数据进行处理后得到8760h个场景，然后将其进行缩减获得具有代表性的M个数据场景，最后基于这M个场景的优化结果来等效计算得到年运行成本。但是，以上文献通过典型日及典型场景等效的方法不能很好的模拟微电网真实运行情况，使得微电网的运行成本及效益无法正确评估，难以获取最优的微电网容量配置方案。

文献1：杨新法，苏剑，吕志鹏，等.微电网技术综述[J].中国电机工程学报，2014，34(1)：57-70.

文献2：国家发展改革委.推进并网型微电网建设试行办法[Z].2017.

文献3：丁明，王波，赵波，等.独立风光柴储微网系统容量优化配置[J].电网技术，2013，37(3)：575-581.

文献4：黎嘉明，郑雪阳，艾小猛，等.独立海岛微网分布式电源容量优化设计[J].电工技术学报，2016，31(10)：176-184.

文献5：陈健，王成山，赵波，等.考虑不同控制策略的独立型微电网优化配置[J].电力系统自动化，2013，37(11)：1-6.

文献6：刘梦璇，郭力，王成山，等.风光柴储孤立微电网系统协调运行控制策略设计[J].电力系统自动化，2012，36(15)：19-24.

文献7：R Dufo-López，JL Bernal-Agustín，JM Yusta-Loyo，et al.Multi-objective optimization minimizing cost and life cycle emissions of stand-alone PV–wind–diesel systems with batteries storage[J].Applied Energy，2011，88(11)：4033-4041.

文献8：陈健，王成山，赵波,等.不同自平衡能力并网型微电网优化配置分析[J].电力系统自动化，2014，38(21)：1-6.

文献9：黄弦超.计及可控负荷的独立微网分布式电源容量优化[J].中国电机工程学报，2018，38(7)：1962-1970.

文献10：薛美东，赵波，张雪松，等.并网型微网的优化配置与评估[J].电力系统自动化，2015，39(3)：6-13.

本发明首先从经济性角度出发建立了以配变容量、风光储容量为优化变量的并网型微电网优化配置的数学模型；在微电网的年运行效益计算过程中，本发明采用了年时序仿真法，基于日前和实时两级市场交易模式对微电网内8760h的经济运行效益进行仿真计算，全面考虑了一年内各随机电源出力及市场购电价格的波动性，并反映了运行策略对运行成本的影响；最后基于应用实例，通过本发明所提出的优化运行方法，得出了最佳的微电网规划方案。

发明内容

本发明是针对微电网容量优化配置研究的问题，提出了一种售电环境下并网型微电网系统配置及优化运行的方法，首先从经济性角度出发建立了以配变容量、风光储容量为优化变量的并网型微电网优化配置的数学模型；在微电网的年运行效益计算过程中，本发明采用了年时序仿真法，基于日前和实时两级市场交易模式对微电网内8760h的经济运行效益进行仿真计算，全面考虑了一年内各随机电源出力及市场购电价格的波动性，并反映了运行策略对运行成本的影响；最后基于应用实例，通过本发明所提出的优化运行方法，得出了最佳的微电网规划方案。

本发明的技术方案为：一种售电环境下并网型微电网系统配置及优化运行的方法，具体包括如下步骤：

1)建立售电环境下并网型微电网系统优化配置模型：模型包括微电网系统的建设及系统维护成本模型、微电网系统DG设备发电成本及补贴收益模型、现货市场中的购电成本及售电收益模型、微网内部负荷的供电收益及向外部售电收益模型以及售电环境下并网型微电网系统的年收益模型；

2)售电环境下并网型微电网系统的优化运行及时序仿真：在考虑设定时间段内系统中各随机电源出力及市场电能交易价格波动性的基础上，基于日前市场电力交易的优化运行和基于实时市场电力交易的优化运行，并采用年时序仿真法计算售电环境下并网型微电网系统的年运行成本；

3)采用遗传算法求解微电网容量配置问题：外层利用遗传算法随机产生一组DG设备、储能和并网变压器容量配置方案，然后内层通过步骤2)基于日前与实时市场电力交易的优化运行，并计算该配置方案下的年运行成本；接着，内层将该结果返回到外层中，外层计算本组容量配置方案下的经济总成本并记录，继续通过遗传算法进行交叉变异获取另一组容量数据，按此操作循环，直到超过设定的迭代次数后中止；最终通过对比各组配置方案下的成本后得到最佳的DG设备、储能和并网变压器容量配置结果。

所述步骤2)中基于日前市场电力交易的优化运行是指基于日前对各微源及负荷的预测数据、日前市场的购售电价格，通过调节储能充放电功率来优化确定微电网未来一天内各时段在日前交易市场中的购售电计划，最终在满足微网内部负荷供电和向周边用户负荷售电的需求或DG并网发电需求的基础下，使得日运行收益最大；

所述基于实时市场电力交易的优化运行是指利用储能充放电及微电网参与实时市场交易两种手段来平衡误差功率。

所述基于日前市场电力交易的优化运行进行仿真运行具体如下：DG设备指风机和光伏设备，已知该日的24小时预测风机和光伏出力、净负荷、日前购电电价和上网电价数据，

步骤一、基于外网交互功率约束的储能充放电优化：

当外网交互功率逼近变压器有功传输限值P_T时，通过储能充放电来避免交互功率越限，此时，储能出力调整如下：

式中：为t时段净负荷，即内部与外部负荷之和与风机、光伏出力的差值；P_PCS(t)为开始优化时t时段的储能PCS最大可充放电功率；当净负荷功率为正，且大于与外网交互功率限值时，储能放电，P_ESS1(t)＞0；当净负荷功率为负，且其绝对值大于与外网交互功率限值时，储能充电，P_ESS1(t)<0；

步骤二、基于风机和光伏富余电量的储能充放电优化：

经过上一步储能在部分时段进行充放电后，相关时段的储能PCS剩余最大可充放电功率、SOC状态以及净负荷值均发生变化，由于这三者的值均将对本步的优化结果产生影响，故先对其进行更新后再优化风机和光伏富余电量，更新过程公式如下：

P_PCS2(t)＝P_PCS(t)-|P_ESS1(t)| (21)

式中：P_PCS2(t)、SOC_R(t)分别为基于步骤一储能充放电优化结果，更新得到的进行步骤二时的t时段净负荷、PSC剩余最大可充放电功率和SOC值；E_ESS为储能容量；Δt为仿真优化的时间步长；

首先根据各时段的净负荷值和日前电价情况对储能充放电优先级进行排序，净负荷小于0时，微电网可向外网供电或向储能充电；反之，从外网购电或储能放电；假设净负荷的时段共有M个，的时段共有N个，则M+N＝24。按微电网的上网电价将M个可充电时段进行排序并确定储能充电优先级i，i＝1，2，…，M，上网电价越低，i值越小，储能优先在该值对应时段充电；对于N个可放电时段，按微电网的购电电价将其排序并确定储能放电优先级j，j＝1，2，…，N，购电电价越高，j值越小，储能优先在该值对应时段放电；

当24个时段的优先级都确定后，每个优先级i或j将对应一个时段或假设t时段的净负荷为优化流程如下：

(1)该流程中当储能在一个可充电时段进行充电优化后，需在可放电时段按充放电功率平衡原则确定放电计划。由于有M个充电优先级，因此储能将进行M轮充放电优化，初始轮数k＝1；

(2)储能在充电优先级i值越小的时段充电时所花费的经济成本越低(初始值i＝1)，储能在充电优先级i对应时段以尽可能消纳风光富余电量的原则充电，充电功率为

即取第k轮优化时时段储能PCS剩余最大可充放电功率和净负荷功率的最小值，进入流程(3)；

(3)储能在放电优先级j值越小的时段放电时所带来的经济效益越好，将时段的充电功率从放电优先级j＝1对应时段开始放电，放电功率为此时PCS剩余最大可充放电功率、净负荷和时段的充电功率三者间的最小值：

(4)为保证储能在时段所充入的功率均能释放完，使得储能每轮充放电功率平衡，判断与的大小，若相等，则进入流程(5)；若进入下一个放电优先级继续放电，j＝j+1，时段放电功率为 时段放电后，当时，表示时段所充入的功率已完成相应的放电计划，进入流程(5)；反之，返回流程(4)循环，继续在下一个放电优先级放电；

(5)完成对时段充电功率的放电计划后，根据公式(26)更新日内各时段的SOC值，并按公式(27)校验是否越限；

式中：SOC_max、SOC_min为设定的SOC上下限；

若存在越限现象，确定SOC最大越限量△SOC，将公式(23)修正为公式(28)，削减时段的储能充电功率，然后返回流程(3)重新优化；

若不存在越限现象，对下一个充电优先级进行放电计划，i＝i+1；当i>M时，则表示已完成M个充电优先级所充电功率的放电计划，结束步骤(2)；反之，k＝k+1，返回流程(2)，开始下一轮优化，经过上一轮储能充放电优化后，各时段储能PCS剩余最大可充放电功率和净负荷值又发生改变，调整公式如下：

式中：分别为第k轮和第k+1轮优化时t时段的净负荷；分别为第k轮和第k+1轮优化时t时段储能PCS剩余最大可充放电功率；

完成M轮充放电优化后，将每一轮储能优化结果叠加，得到步骤2)最终的各时段储能充放电优化结果：

步骤三、基于低储高发方式的储能充放电优化：

经过上一步的充放电优化后，参照公式(21)和(22)的计算方法，更新得到进行步骤3)时的各时段的PCS剩余最大可充放电功率P_PCS3以及SOC状态；

该步是利用储能在购电电价处于低位时从外网购电进行充电，在上网电价处于高位时向外网售电而进行放电，储能实现低储高发来获取经济效益；

(3.1)首先计算该日的购电电价平均值和上网电价平均值

(3.2)当该日t时段的购电电价低于上网电价平均值时(即)，储能充电功率为：

即取t时段储能PCS剩余最大可充放电功率和最大可与外网交互功率两者中的较小值；

当该日t时段的微电网的上网电价高于购电电价平均值时，即储能放电功率为：

(3.3)该步中储能进行充放电后，校验日内各时段的SOC是否越限；

若存在SOC越上限现象，确定SOC最大越限量ΔSOC，储能优先在购电电价较高的时段削减充电功率(ΔSOC·E_ESS)/Δt；若存在SOC越下限，储能优先在上网电价较低的时段削减放电功率(ΔSOC·E_ESS)/Δt；

(3.4)、将前三步的储能出力进行叠加得到日前储能充放电优化结果，

P_ESS(t)＝P_ESS1(t)+P_ESS2(t)+P_ESS3(t) (35)。

所述基于实时市场电力交易的优化运行进行仿真运行具体如下：假设负荷、风机和光伏出力的日前预测误差均服从期望值为0，标准差为10％的正态分布，利用储能充放电及微电网参与实时市场交易两种手段来平衡误差功率，具体流程如下：

式中：分别为t时段实际的净负荷、日前预测的净负荷；为t时段的误差功率；

进行误差功率是否在储能可调节功率范围内判断：

A:若t时段的误差功率高于储能在该时段最大可调节的功率范围时，误差功率直接通过实时市场交易进行平衡，储能不参与调节，进行t时段的误差功率判断：

当时，即微电网内出现功率缺额，因此通过实时市场购电来平衡，相应成本为：

当时，即微电网内出现功率富余，因此向实时市场售电来平衡，相应成本为：

B:当t时段的误差功率在储能可调节功率范围内时，则分别计算用储能充放电或者采取实时市场交易平衡误差功率两种调节方式下各自所需的成本，通过比较两者成本的大小来确定相应的优化手段；

储能参与误差功率调节所需成本计算方法如下：

差值ΔC(t)计算公式如下：

式中：C_new(t)为储能参与误差调节后，重新优化方案下的t时段的运行成本；C_old(t)为原先的日前优化方案下的t时段的运行成本；

当确定采用储能调节和实时市场交易来平衡误差各自所需的成本后，则比较两者的成本大小，若ΔC(t)＞C_rt(t)时，误差功率利用实时市场进行调节；反之，误差功率通过储能充放电调节。

本发明的有益效果在于：本发明售电环境下并网型微电网系统配置及优化运行的方法，研究了售电环境下具备售电资质的微电网的内部电源配置和优化运行方法，建立了计及微电网系统投资及运行效益的经济成本模型。鉴于市场环境下微电网运行更为灵活，本发明通过长时间时序仿真方法对并网型微电网的运行状态进行了模拟，仿真过程中考虑了输配电价及现货市场中购售电价格的实时变化，并基于微电网内微源出力及负荷的预测结果，采用了一种日前和实时两级市场交易的运行策略对并网微电网的运行成本及效益进行有效评估。

附图说明

图1为本发明两级优化运行仿真流程图；

图2为本发明模型求解流程图；

图3a为本发明典型日的光伏出力日前预测曲线及预测误差曲线图；

图3b为本发明典型日的内部负荷日前预测曲线及预测误差曲线图；

图3c为本发明典型日的外部负荷日前预测曲线及预测误差曲线图；

图4为24h电价数据图；

图5为本发明储能出力优化结果图；

图6为本发明外网交互功率优化结果图。

具体实施方式

一、售电环境下并网型微电网系统优化配置模型

1、微电网系统的建设及系统维护成本：

微电网系统内储能及DG设备(DG设备在这是指风机和光伏)的购置成本和设备维护成本计算如下：

式中：N为储能及DG设备总数量，为第i台设备投资成本；分别为第i台设备单位容量的初始购置成本和置换成本；S_DGi为第i台设备容量；n_DGi为第i台规划期内设备的置换次数；f_r为资金回收系数，用于将初始投资总成本折算为等年值成本；为第i台设备单位容量的年维护成本；

f_r公式如下：

式中：r为贴现率；L_MG为微电网的规划年限。

2、微电网系统DG发电成本及补贴收益：

微电网系统内的DG发电成本计算模型如下：

式中：c_DGi(t)为第i台设备在t时段单位电量的发电成本；P_DGi(t)为t时段第i台设备的出力值。

考虑目前我国对新能源发电给予相应的补贴，因此，微电网获得的补贴收益模型如下：

式中：为第i台设备发出单位电量给予的补贴电价。

3、现货市场中的购电成本及售电收益：

现货市场包括日前与实时市场，并网微电网系统可根据负荷及内部DG发电预测情况，日前确定购售电计划，并通过日内实时市场将功率预测误差补齐，实时保障供需平衡。基于日前和日内两级现货市场，微电网系统的交易成本(包含电量成本、变压器容量成本和输配电成本)和售电收益的计算过程见下。

a)日前市场的收益计算模型

式中：为基于日前预测的DG出力和负荷值通过在日前优化储能的出力后，计算得到的t时段微电网与外网的交互功率，该值大于0表示微电网向电网售电，反之表示在日前市场进行购电交易；B_dh为一年内该微电网在日前市场的总收益；为与外网功率交互时的日前售电或购电电价，当微电网向外网售电时，即其为t时段的日前市场的交易电价当微电网从外网购电时，即其为交易电价与输配电价c_gridline之和。

b)日内实时市场的收益计算模型

式中：为t时段微网与外网实际的交互功率；为t时段储能实际的出力值；为t时段微电网实际的内部负荷值；为t时段微电网实际的外部负荷值；为t时段微电网与外网的实际交互功率与日前计划交互功率的差值；B_rt为一年内该微电网系统在实时市场的总收益；为与外网功率交互时的实时售电或购电电价，当微电网向外网售电时，即其为t时段实时市场的交易电价当微电网从外网购电时，即其为交易电价与输配电价c_gridline之和。

c)与外网功率交互过程中变压器的容量成本：

式中：C_cap和C_c′_ap分别为按“最大需量”和“变压器容量”计费时一年内变压器总的容量成本，这里将根据微电网实际与外网的功率交互情况来确定合适的计费模式；为“最大需量计费”模式的单位电价(元/千瓦·月)；为按“变压器容量计费”模式的单位电价(元/千伏安·月)；为第m月内最大与外网交互有功功率预测值；P_max为一年内最大与外网交互有功功率预测值；M表示仿真周期包含的月份数，如为一年，该值取12；γ为大于1的裕度系数，用以保障变压器容量满足与外网的功率交换需求；为变压器的功率因数。

4、微网内部负荷的供电收益及向外部售电收益

微电网满足内部负荷后的剩余富裕电量除了通过现货市场反向售给电网以外，还可以直接销售给周边用户，按照双方协定电价向外部用户收取售电费用，若向外部用户售电过程中，需经配电公司所经营网络，则需要向配电公司缴纳“过网费”。微电网向周边用户售电的收益B_Lout计算如下：

式中：为t时段微电网对外部负荷的售电电价；P_Lout(t)为t时段的外部负荷值；c_Loutline为外部用户供电时所需承担的配电电价。

微电网为内部负荷供电的收益按相对于无微电网时所节省的购电成本计算，具体如下：

式中：P_Lin(t)为t时段的内部负荷值；为t时段电力公司的售电电价。

5、售电环境下并网型微电网系统的年收益模型

本发明以微电网系统年收益最大化作为微电网系统配置及运行的优化目标，模型如下：

式中：五项收益分别为日前市场收益B_dh、实时市场收益B_rt、微网内部负荷的供电收益B_Lin、微网向周边用户的售电收益B_Lout和新能源发电补贴收益B_sub；四项成本分别为变压器容量成本C_cap、微电网系统的初始投资的等年值成本系统维护成本和DG发电成本

二、售电环境下并网型微电网系统的优化运行及时序仿真方法

本发明在全面考虑一年内各随机电源出力及市场电能交易价格波动性的基础上，基于日前和实时两级市场交易模式，采用年时序仿真法对微电网1年内8760h的经济运行成本进行仿真计算。

1、基于日前市场电力交易的优化运行方法

微电网日前优化运行策略主要基于日前对各微源及负荷的预测数据、日前市场的购售电价格，通过调节储能充放电功率来优化确定微电网未来一天内各时段在日前交易市场中的购售电计划，最终在满足微网内部负荷供电和向周边用户负荷售电的需求或DG并网发电需求的基础下，使得日运行收益最大。

本发明在日前对各时段的储能充放电优化过程将分四步完成，当上一步中储能在部分时段进行充放电后，受储能自身特性的影响，下一步中储能在这些时段的PCS剩余最大可充放电功率和后续时段的SOC状态发生变化，故进行下一步充放电优化前需根据上一步优化结果对相关参数进行更新。具体过程如下：

已知该日的24小时预测风机和光伏出力、净符号、日前购电电价和上网电价数据，

1)基于外网交互功率约束的储能充放电优化

当外网交互功率逼近变压器有功传输限值P_T时，通过储能充放电来避免交互功率越限，此时，储能出力调整如下：

式中：为t时段净负荷，即内部与外部负荷之和与风机、光伏出力的差值；P_PCS(t)为开始优化时t时段的储能PCS最大可充放电功率；当净负荷功率为正，且大于与外网交互功率限值时，储能放电(P_ESS1(t)＞0)；当净负荷功率为负，且其绝对值大于与外网交互功率限值时，储能充电(P_ESS1(t)<0)。

2)基于风机和光伏富余电量的储能充放电优化

经过上一步储能在部分时段进行充放电后，相关时段的储能PCS剩余最大可充放电功率、SOC状态以及净负荷值均发生变化，由于这三者的值均将对本步的优化结果产生影响，故先对其进行更新后再优化风机和光伏富余电量。更新过程公式如下：

P_PCS2(t)＝P_PCS(t)-|P_ESS1(t)| (21)

式中：PPCS2(t)、SOC_R(t)分别为基于步骤1)储能充放电优化结果，更新得到的进行步骤2)时的t时段净负荷、PSC剩余最大可充放电功率和SOC值；E_ESS为储能容量；Δt为仿真优化的时间步长。

首先根据各时段的净负荷值和日前电价情况对储能充放电优先级进行排序。净负荷小于0时，微电网可向外网供电或向储能充电；反之，从外网购电或储能放电。假设净负荷的时段共有M个，的时段共有N个，则M+N＝24。按微电网的上网电价将M个可充电时段进行排序并确定储能充电优先级i(i＝1，2，…，M)，上网电价越低，i值越小，储能优先在该值对应时段充电；对于N个可放电时段，按微电网的购电电价将其排序并确定储能放电优先级j(j＝1，2，…，N)，购电电价越高，j值越小，储能优先在该值对应时段放电。

当24个时段的优先级都确定后，每个优先级i或j将对应一个时段或假设t时段的净负荷为优化流程如下：

(1)该流程中当储能在一个可充电时段进行充电优化后，需在可放电时段按充放电功率平衡原则确定放电计划。由于有M个充电优先级，因此储能将进行M轮充放电优化，初始轮数k＝1。

(2)储能在充电优先级i值越小的时段充电时所花费的经济成本越低(初始值i＝1)，储能在充电优先级i对应时段以尽可能消纳风光富余电量的原则充电，充电功率为

即取第k轮优化时时段储能PCS剩余最大可充放电功率和净负荷功率的最小值，进入流程(3)。

(3)储能在放电优先级j值越小的时段放电时所带来的经济效益越好，将时段的充电功率从放电优先级j＝1对应时段开始放电，放电功率为此时PCS剩余最大可充放电功率、净负荷和时段的充电功率三者间的最小值：

(4)为保证储能在时段所充入的功率均能释放完，使得储能每轮充放电功率平衡，判断与的大小，若相等，则进入流程(5)；若进入下一个放电优先级继续放电，j＝j+1，时段放电功率为 时段放电后，当时，表示时段所充入的功率已完成相应的放电计划，进入流程(5)；反之，返回流程(4)循环，继续在下一个放电优先级放电。

(5)完成对时段充电功率的放电计划后，根据公式(26)更新日内各时段的SOC值，并按公式(27)校验是否越限。

式中：SOC_max、SOC_min为设定的SOC上下限。

若存在越限现象，确定SOC最大越限量ΔSOC，将公式(23)修正为公式(28)，削减时段的储能充电功率，然后返回流程(3)重新优化。

若不存在越限现象，对下一个充电优先级进行放电计划，i＝i+1。当i>M时，则表示已完成M个充电优先级所充电功率的放电计划，结束步骤(2)；反之，k＝k+1，返回流程(2)，开始下一轮优化，经过上一轮储能充放电优化后，各时段储能PCS剩余最大可充放电功率和净负荷值又发生改变，调整公式如下：

式中：分别为第k轮和第k+1轮优化时t时段的净负荷；分别为第k轮和第k+1轮优化时t时段储能PCS剩余最大可充放电功率。

综上，完成M轮充放电优化后，将每一轮储能优化结果叠加，得到步骤2)最终的各时段储能充放电优化结果：

3)基于低储高发方式的储能充放电优化

经过上一步的充放电优化后，参照公式(21)和(22)的计算方法，更新得到进行步骤3)时的各时段的PCS剩余最大可充放电功率P_PCS3以及SOC状态。

该步是利用储能在购电电价处于低位时从外网购电进行充电，在上网电价处于高位时向外网售电而进行放电，储能实现低储高发来获取经济效益。

(1)首先计算该日的购电电价平均值和上网电价平均值

(2)当该日t时段的购电电价低于上网电价平均值时(即)，储能充电功率为：

即取t时段储能PCS剩余最大可充放电功率和最大可与外网交互功率两者中的较小值。

当该日t时段的微电网的上网电价高于购电电价平均值时(即)，储能放电功率为：

(3)该步中储能进行充放电后，校验日内各时段的SOC是否越限。

若存在SOC越上限现象，确定SOC最大越限量ΔSOC，储能优先在购电电价较高的时段削减充电功率(ΔSOC·E_ESS)/Δt；若存在SOC越下限，储能优先在上网电价较低的时段削减放电功率(ΔSOC·E_ESS)/Δt。

(4)、将前三步的储能出力进行叠加得到日前储能充放电优化结果。

P_ESS(t)＝P_ESS1(t)+P_ESS2(t)+P_ESS3(t) (35)

2、基于实时市场电力交易的优化运行方法

本发明中假设负荷、风机和光伏出力的日前预测误差均服从期望值为0，标准差为10％的正态分布，利用储能充放电及微电网参与实时市场交易两种手段来平衡误差功率，具体流程如下：

式中：分别为t时段实际的净负荷、日前预测的净负荷；为t时段的误差功率。

(1)若t时段的误差功率高于储能在该时段最大可调节的功率范围时，误差功率直接通过实时市场交易进行平衡，储能不参与调节。

实时市场平衡误差功率所需成本计算方法如下：

当时，即微电网内出现功率缺额，因此通过实时市场购电来平衡，相应成本为：

当时，即微电网内出现功率富余，因此向实时市场售电来平衡，相应成本为：

(2)当t时段的误差功率在储能可调节功率范围内时，则分别计算用储能充放电或者采取实时市场交易平衡误差功率两种调节方式下各自所需的成本，通过比较两者成本的大小来确定相应的优化手段。

储能参与误差功率调节所需成本计算方法如下：

在利用储能参与t时段误差功率调节时，其可能导致该日后续时段(即t时段之后的24-t个剩余时段)的储能出力若按照原先日前优化出力计划方案执行时，会出现部分时段储能SOC越限的现象，因此本文采取对该日后续剩余时段的储能充放电功率根据日前优化策略重新进行优化，这样即可避免储能参与误差功率调节后部分时段出现SOC越限情况的发生，同时又可以使得储能在剩余时段中以经济效益最大的目标下进行充放电，最终得到储能在t时段参与误差调节后剩余时段的出力计划，相应确定微电网在剩余时段所需的新的运行成本，然后将该值与原先的日前优化结果下的运行成本相比较，两者的差值ΔC(t)即为储能参与误差功率调节所需要的成本，ΔC(t)可能为正值，也可能为负值，公式如下：

式中：C_new(t)为储能参与误差调节后，重新优化方案下的t时段的运行成本；C_old(t)为原先的日前优化方案下的t时段的运行成本。

当确定采用储能调节和实时市场交易来平衡误差各自所需的成本后，则比较两者的成本大小，若ΔC(t)＞C_rt(t)时，误差功率利用实时市场进行调节；反之，误差功率通过储能充放电调节。

日前与实时两级优化运行仿真流程如下图1所示。当规划一个微电网系统时，系统的总成本包括两部分，一部分是微电网内设备的购置成本，还有一部分就是微电网系统运行时产生的成本和收益，所以在微电网系统的容量优化配置过程中需要考虑对系统进行优化运行，因此，本发明通过遗传算法和日前与实时两级优化运行策略相结合的方法求解微电网最佳的容量配置方案，外层利用遗传算法随机产生一组风机、光伏、储能和并网变压器容量配置方案，然后内层通过日前与实时两级优化运行策略计算该配置方案下的运行成本。接着，内层将该结果返回到外层中，外层计算本组容量配置方案下的经济总成本并记录，继续通过遗传算法进行交叉变异获取另一组容量数据，按上述操作循环，直到超过设定的迭代次数后中止。最终通过对比各组配置方案下的成本后得到最佳的风光储和配变容量配置结果。

三、模型求解方法

本发明采用遗传算法求解微电网容量配置问题，以风机、光伏、储能和并网变压器容量作为遗传算法的决策变量，并将目标函数作为适应度函数，利用遗传操作进行循环迭代，最终获取一组使得目标最优的微电网容量配置结果。求解流程如下图2所示。

四、应用实例

以下结合案例对本发明进行详细说明。

本发明以上海某一实际区域为算例展开研究，该区域的年平均风速约为3.32m/s、日平均太阳辐照度约4.16(kW·h)/(m²·d)，规划的内部负荷峰值为216kW，平均值约113.9kW，外部供电用户的负荷类型为工商业负荷，其年最大负荷为199.82kW，平均值为79.61kW，根据风速、太阳辐照度及内部与外部负荷曲线；各电源设备的相关参数；外部用户的售电电价；微电网系统和外部用户接入的电压等级及过网费；该微电网系统规划过程中的其余相关参数。

针对算例数据，通过仿真得到微电网在不同运营方案下的优化结果，系统容量配置结果见表1，建设及维护成本和运行成本分别见表2和表3，方案1中微电网容量规划时仅考虑内部负荷，方案2在考虑内部负荷的基础上还向外部用户售电。

表1

表2

表3

由表1可知，由于该区域风资源较差，投资建设风机进行发电无法获取经济收益，因此配置方案中风机容量均为0。虽然目前储能的购置成本较高，但是配置储能后能通过存储风光富余电量来减少输配电量成本、购电电量成本以及配置的变压器容量，并利用购售电价的波动性来实现低储高发以获取经济效益，故方案中均配置一定比例的储能容量。

方案2中考虑对外部用户的售电后，相比方案1的配置结果，所增加的光储及配变容量较小，其主要是由于增加一定量的工商业负荷能有效消纳微电网在满足内部负荷后的富余光伏电量，减少上网售电量，这相应降低额外对光伏和储能的投资，故微电网经济性有所提高。

为验证日前与实时两级优化运行策略的有效性，本发明选取仿真过程中的典型日优化结果进行分析，该典型日的光伏出力、内外部负荷的日前预测曲线及预测误差曲线如下图3a、3b、3c所示，24h电价数据见图4，储能出力和外网交互功率优化结果分别见图5和图6。

针对日前预测净负荷曲线，根据日前优化运行策略，如图5所示，储能因受PCS最大充放电功率及SOC约束影响，仅在净负荷小于0且日前上网电价较低的部分时段进行了充电，使得剩余未消纳的富余光伏电量能够在上网电价较高的时段出售，以此提高售电收益；同时，在日前预测净负荷大于0且日前购电电价较高的部分时段，储能将存储的富余光伏电量进行释放，使得微电网从外网购电的成本降低；此外，可以看到图4中22时段的日前购电电价处于该日上网电价的平均值，微电网进行购电为储能充电，故图6中该时段的外网交互功率高于日前预测净负荷值。

另一方面，针对日前预测误差曲线，根据实时优化运行策略，在实时购电电价较高或者上网电价较低时段，储能参与部分时段预测误差功率的调节，例如在10时段根据日前优化结果储能不充电，但是由于该时段误差功率为正且实时购电电价较高，储能放电来平衡误差；此外，由图6可知，5-6时段的外网交互功率高于日前净负荷值，根据日前优化结果储能在之前时段已将存储的电能释放完，无法再参与误差功率的调节，故误差功率只能通过实时市场购电平衡，使得外网交互功率高于净负荷。

Claims (4)

1.一种售电环境下并网型微电网系统配置及优化运行的方法，其特征在于，具体包括如下步骤：

1)建立售电环境下并网型微电网系统优化配置模型：模型包括微电网系统的建设及系统维护成本模型、微电网系统DG设备发电成本及补贴收益模型、现货市场中的购电成本及售电收益模型、微网内部负荷的供电收益及向外部售电收益模型以及售电环境下并网型微电网系统的年收益模型；

2)售电环境下并网型微电网系统的优化运行及时序仿真：在考虑设定时间段内系统中各随机电源出力及市场电能交易价格波动性的基础上，基于日前市场电力交易的优化运行和基于实时市场电力交易的优化运行，并采用年时序仿真法计算售电环境下并网型微电网系统的年运行成本；

3)采用遗传算法求解微电网容量配置问题：外层利用遗传算法随机产生一组DG设备、储能和并网变压器容量配置方案，然后内层通过步骤2)基于日前与实时市场电力交易的优化运行，并计算该配置方案下的年运行成本；接着，内层将该结果返回到外层中，外层计算本组容量配置方案下的经济总成本并记录，继续通过遗传算法进行交叉变异获取另一组容量数据，按此操作循环，直到超过设定的迭代次数后中止；最终通过对比各组配置方案下的成本后得到最佳的DG设备、储能和并网变压器容量配置结果。

2.根据权利要求1所述售电环境下并网型微电网系统配置及优化运行的方法，其特征在于，所述步骤2)中基于日前市场电力交易的优化运行是指基于日前对各微源及负荷的预测数据、日前市场的购售电价格，通过调节储能充放电功率来优化确定微电网未来一天内各时段在日前交易市场中的购售电计划，最终在满足微网内部负荷供电和向周边用户负荷售电的需求或DG并网发电需求的基础下，使得日运行收益最大；

所述基于实时市场电力交易的优化运行是指利用储能充放电及微电网参与实时市场交易两种手段来平衡误差功率。

3.根据权利要求2所述售电环境下并网型微电网系统配置及优化运行的方法，其特征在于，所述基于日前市场电力交易的优化运行进行仿真运行具体如下：DG设备指风机和光伏设备，已知该日的24小时预测风机和光伏出力、净负荷、日前购电电价和上网电价数据，

步骤一、基于外网交互功率约束的储能充放电优化：

当外网交互功率逼近变压器有功传输限值P_T时，通过储能充放电来避免交互功率越限，此时，储能出力调整如下：

式中：为t时段净负荷，即内部与外部负荷之和与风机、光伏出力的差值；P_PCS(t)为开始优化时t时段的储能PCS最大可充放电功率；当净负荷功率为正，且大于与外网交互功率限值时，储能放电，P_ESS1(t)＞0；当净负荷功率为负，且其绝对值大于与外网交互功率限值时，储能充电，P_ESS1(t)<0；

步骤二、基于风机和光伏富余电量的储能充放电优化：

经过上一步储能在部分时段进行充放电后，相关时段的储能PCS剩余最大可充放电功率、SOC状态以及净负荷值均发生变化，由于这三者的值均将对本步的优化结果产生影响，故先对其进行更新后再优化风机和光伏富余电量，更新过程公式如下：

P_PCS2(t)＝P_PCS(t)-|P_ESS1(t)| (21)

式中：P_PCS2(t)、SOC_R(t)分别为基于步骤一储能充放电优化结果，更新得到的进行步骤二时的t时段净负荷、PSC剩余最大可充放电功率和SOC值；E_ESS为储能容量；Δt为仿真优化的时间步长；

首先根据各时段的净负荷值和日前电价情况对储能充放电优先级进行排序，净负荷小于0时，微电网可向外网供电或向储能充电；反之，从外网购电或储能放电；假设净负荷的时段共有M个，的时段共有N个，则M+N＝24。按微电网的上网电价将M个可充电时段进行排序并确定储能充电优先级i，i＝1，2，…，M，上网电价越低，i值越小，储能优先在该值对应时段充电；对于N个可放电时段，按微电网的购电电价将其排序并确定储能放电优先级j，j＝1，2，…，N，购电电价越高，j值越小，储能优先在该值对应时段放电；

当24个时段的优先级都确定后，每个优先级i或j将对应一个时段或假设t时段的净负荷为优化流程如下：

(1)该流程中当储能在一个可充电时段进行充电优化后，需在可放电时段按充放电功率平衡原则确定放电计划。由于有M个充电优先级，因此储能将进行M轮充放电优化，初始轮数k＝1；

(2)储能在充电优先级i值越小的时段充电时所花费的经济成本越低(初始值i＝1)，储能在充电优先级i对应时段以尽可能消纳风光富余电量的原则充电，充电功率为

即取第k轮优化时时段储能PCS剩余最大可充放电功率和净负荷功率的最小值，进入流程(3)；

(3)储能在放电优先级j值越小的时段放电时所带来的经济效益越好，将时段的充电功率从放电优先级j＝1对应时段开始放电，放电功率为此时PCS剩余最大可充放电功率、净负荷和时段的充电功率三者间的最小值：

(4)为保证储能在时段所充入的功率均能释放完，使得储能每轮充放电功率平衡，判断与的大小，若相等，则进入流程(5)；若进入下一个放电优先级继续放电，j＝j+1，时段放电功率为

时段放电后，当时，表示时段所充入的功率已完成相应的放电计划，进入流程(5)；反之，返回流程(4)循环，继续在下一个放电优先级放电；

(5)完成对时段充电功率的放电计划后，根据公式(26)更新日内各时段的SOC值，并按公式(27)校验是否越限；

式中：SOC_max、SOC_min为设定的SOC上下限；

若存在越限现象，确定SOC最大越限量△SOC，将公式(23)修正为公式(28)，削减时段的储能充电功率，然后返回流程(3)重新优化；

若不存在越限现象，对下一个充电优先级进行放电计划，i＝i+1；当i>M时，则表示已完成M个充电优先级所充电功率的放电计划，结束步骤(2)；反之，k＝k+1，返回流程(2)，开始下一轮优化，经过上一轮储能充放电优化后，各时段储能PCS剩余最大可充放电功率和净负荷值又发生改变，调整公式如下：

式中：分别为第k轮和第k+1轮优化时t时段的净负荷；分别为第k轮和第k+1轮优化时t时段储能PCS剩余最大可充放电功率；

完成M轮充放电优化后，将每一轮储能优化结果叠加，得到步骤2)最终的各时段储能充放电优化结果：

步骤三、基于低储高发方式的储能充放电优化：

经过上一步的充放电优化后，参照公式(21)和(22)的计算方法，更新得到进行步骤3)时的各时段的PCS剩余最大可充放电功率P_PCS3以及SOC状态；

该步是利用储能在购电电价处于低位时从外网购电进行充电，在上网电价处于高位时向外网售电而进行放电，储能实现低储高发来获取经济效益；

(3.1)首先计算该日的购电电价平均值和上网电价平均值

(3.2)当该日t时段的购电电价低于上网电价平均值时(即)，储能充电功率为：

即取t时段储能PCS剩余最大可充放电功率和最大可与外网交互功率两者中的较小值；

当该日t时段的微电网的上网电价高于购电电价平均值时，即储能放电功率为：

(3.3)该步中储能进行充放电后，校验日内各时段的SOC是否越限；

若存在SOC越上限现象，确定SOC最大越限量△SOC，储能优先在购电电价较高的时段削减充电功率(ΔSOC·E_ESS)/Δt；若存在SOC越下限，储能优先在上网电价较低的时段削减放电功率(ΔSOC·E_ESS)/Δt；

(3.4)、将前三步的储能出力进行叠加得到日前储能充放电优化结果，

P_ESS(t)＝P_ESS1(t)+P_ESS2(t)+P_ESS3(t) (35)。

4.根据权利要求3所述售电环境下并网型微电网系统配置及优化运行的方法，其特征在于，所述基于实时市场电力交易的优化运行进行仿真运行具体如下：假设负荷、风机和光伏出力的日前预测误差均服从期望值为0，标准差为10％的正态分布，利用储能充放电及微电网参与实时市场交易两种手段来平衡误差功率，具体流程如下：

式中：分别为t时段实际的净负荷、日前预测的净负荷；为t时段的误差功率；

进行误差功率是否在储能可调节功率范围内判断：

A:若t时段的误差功率高于储能在该时段最大可调节的功率范围时，误差功率直接通过实时市场交易进行平衡，储能不参与调节，进行t时段的误差功率判断：

当时，即微电网内出现功率缺额，因此通过实时市场购电来平衡，相应成本为：

当时，即微电网内出现功率富余，因此向实时市场售电来平衡，相应成本为：

B:当t时段的误差功率在储能可调节功率范围内时，则分别计算用储能充放电或者采取实时市场交易平衡误差功率两种调节方式下各自所需的成本，通过比较两者成本的大小来确定相应的优化手段；

储能参与误差功率调节所需成本计算方法如下：

差值ΔC(t)计算公式如下：

式中：C_new(t)为储能参与误差调节后，重新优化方案下的t时段的运行成本；C_old(t)为原先的日前优化方案下的t时段的运行成本；

当确定采用储能调节和实时市场交易来平衡误差各自所需的成本后，则比较两者的成本大小，若ΔC(t)＞C_rt(t)时，误差功率利用实时市场进行调节；反之，误差功率通过储能充放电调节。