CN110571868B - 微电网的优化配置方法 - Google Patents
微电网的优化配置方法 Download PDFInfo
- Publication number
- CN110571868B CN110571868B CN201910913092.5A CN201910913092A CN110571868B CN 110571868 B CN110571868 B CN 110571868B CN 201910913092 A CN201910913092 A CN 201910913092A CN 110571868 B CN110571868 B CN 110571868B
- Authority
- CN
- China
- Prior art keywords
- power
- micro
- load
- grid
- period
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 125
- 238000003860 storage Methods 0.000 claims abstract description 75
- 238000010248 power generation Methods 0.000 claims abstract description 50
- 230000005611 electricity Effects 0.000 claims abstract description 42
- 238000005457 optimization Methods 0.000 claims abstract description 11
- 230000001932 seasonal effect Effects 0.000 claims abstract description 11
- 230000007613 environmental effect Effects 0.000 claims abstract description 7
- 238000012423 maintenance Methods 0.000 claims description 22
- 230000003993 interaction Effects 0.000 claims description 20
- 238000012546 transfer Methods 0.000 claims description 18
- 238000005086 pumping Methods 0.000 claims description 13
- 238000003912 environmental pollution Methods 0.000 claims description 11
- 210000004027 cell Anatomy 0.000 claims description 9
- 230000001105 regulatory effect Effects 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 7
- 239000003344 environmental pollutant Substances 0.000 claims description 6
- 231100000719 pollutant Toxicity 0.000 claims description 6
- 238000004146 energy storage Methods 0.000 claims description 5
- 239000000446 fuel Substances 0.000 claims description 4
- 238000001816 cooling Methods 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims description 3
- 101150067055 minC gene Proteins 0.000 claims 1
- 230000000295 complement effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 102000010029 Homer Scaffolding Proteins Human genes 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种微电网的优化配置方法，分别建立包括风力发电单元、光能发电单元、水力发电单元、蓄电池单元和柴油机发电单元的出力模型和负荷模型，再将上述所有的模型建立微电网结构模型；按水力发电单元的季节出力特性和市场的分时电价机制，先计算负荷响应后的微电网系统功率缺额，再将一年分为四个时段，然后根据功率缺额的大小，分别实施对应的能量调节策略来调节微电网系统中的功率缺额，得出符合各自出力特性的微源出力；建立微电网容量优化配置的目标函数和约束条件，各个微源出力,求解微电网系统总成本最小的微源配置方案。解决了微电网中水电利用率不高、微电网发电成本高且环保性不好的问题。
Description
技术领域
本发明属于智能电网领域，特别涉及一种微电网的优化配置方法。
背景技术
近年我国部分偏远乡镇在国家政策的扶持下依托自身地理资源条件，采用风、光、小水电等来解决缺电困境(小水电指的是装机容量25000kW及以下的水电站)。但由于新能源的随机性、间歇性，在边远地区建设新能源供电系统，存在系统自我调节能力不足、供电能力差的问题。而解决这一问题主要依赖非绿色电源的配备和电网的支撑，由于非绿色电源的环保问题及边远地区电网可获得性差的问题，导致系统方案的综合效益不好、可行性差。
目前我国对含小水电的新能源微电网研究主要集中在充分利用含径流式小水电的多种新能源互补特性方面，而很少综合考虑可调节式小水电在微电网容量优化配置中的影响，解决水电利用率不高、微电网发电成本高且环保性不好的问题。
发明内容
鉴于背景技术所存在的技术问题，本发明所提供的微电网的优化配置方法，通过建立微电网结构模型，制定了一年里四个不同时段的能量调节策略，优化了微源出力，求解出了微电网系统总成本最小的微源配置方案。
为了解决上述技术问题，本发明采取了如下技术方案来实现：
一种微电网的优化配置方法，包括以下步骤：
步骤1：分别建立包括风力发电单元、光能发电单元、水力发电单元、蓄电池单元和柴油机发电单元的出力模型和负荷模型，再将上述所有的模型建立成微电网结构模型；
步骤2：按水力发电单元的季节出力特性和市场的分时电价机制，先计算负荷响应后的微电网系统功率缺额，再将一年分为四个时段，然后根据功率缺额的大小，分别实施对应的能量调节策略来调节微电网系统中的功率缺额，得出符合各自出力特性的微源出力；
步骤3：建立微电网容量优化配置的目标函数和约束条件，根据步骤2中得到的各个微源出力,求解微电网系统总成本最小的微源配置方案。
优选的方案中，所述的建立风力发电单元出力模型的函数表达式为：
式中：Pw、Pr分别表示风力发电机组的输出功率和额定输出功率；Vr、Vci、Vco分别是风机的额定风速、切入风速、切出风速。
优选的方案中，所述的建立光能发电单元出力模型的函数表达式为：
T＝Tα+θG[1+θT(1-θWv)]A
式中：PPV为光伏电池输出功率，PPV.R为额定功率；fpv为光伏系统功率降额因数；A为光伏电池表面上的实际辐射强度；As为标准测试下的辐照度；αp为功率温度系数；TSTC是标准测试下的光伏系统温度；T为光伏电池实际温度；Tα为环境温度；θG为光伏板的温度系数；θT为环境温度系数；θW为风速的降温系数。
优选的方案中，所述的将水力发电单元分为包括径流式水力发电单元和可调式水力发电单元，分别建立径流式小水电出力模型和可调式小水电出力模型；
建立径流式小水电出力模型的函数表达式为：
PH＝9.81ηQH＝AQH
式中：PH为小水电机组出力；H为工作水头；Q为发电流量；A为出力系数；
建立可调式小水电出力模型的函数表达式为：
V(t+1)＝V(t)+[Qp(t)-Qt(t)]×ΔT(t)
式中：PPS.p(t)为抽水功率；PPS.t(t)为发电功率；QP(t)和Qt(t)分别为抽水流速和放水流速；KP为抽水工况下的流速功率比；Kt为发电工况下的流速功率比；V(t)、V(t+1)为水库的时刻始、末蓄水量；ηT为发电机组效率；ηP为水泵效率；ηWP为管道效率。
优选的方案中，所述的建立蓄电池单元出力模型的函数表达式为：
PG(t)＝PW(t)+PPV(t)+PH(t)+PPS(t)
式中：Pb(t)为t时刻的荷电量；PD(t)是负载功率；PG(t)为风光水发电总量；ηin和ηout分别为蓄电池的充电和放电效率。
优选的方案中，所述的建立柴油机发电单元出力模型的函数表达式为：
VF(t)＝F1PDIE(t)
式中：VF(t)为耗油量；F1为油耗系数；PDIE(t)为柴油发电机的输出功率。
优选的方案中，所述的负荷模型考虑了需求侧响应特性，其需求侧响应特性的负荷转移率和负荷模型的函数表达式为：
需求侧响应特性的负荷转移率为：
式中：k为线性区曲线斜率；Δp是较高与较低时段电价的差值；m、n是时段转移率死区和饱和区阈值。
考虑需求侧响应后的各时段负荷为：
式中：Pd0(t)、PD(t)是需求侧响应前、后的负荷；λpv、λpf、λfv分别为峰谷时段转移率、峰平时段转移率、平谷时段转移率；tp、tf、tv分别为峰、平、谷时刻；
分别为需求侧响应前的峰、平、谷时段负荷平均值。
优选的方案中，所述的步骤2中所述的四个时段包括丰、平水期的负荷峰时段，丰、平水期的负荷平谷时段，枯水期的负荷峰时段和枯水期的负荷平谷时段。其各时段的能量调节策略为：
1)在丰、平水期的负荷峰时段，若此时刻的功率缺额小于0，发电功率大于负荷；峰时段电价较高，可将多余功率向电网售出，提高效益；若此时刻的功率缺额大于0，发电功率小于负荷；功率缺额优先由可调节小水电调节发电量来提供，若仍无法满足，剩余缺额通过配置蓄电池和可控电源补充；若负荷超过预测负荷量则从电网购电来满足；
2)在丰、平水期的负荷平谷时段，若此时刻的功率缺额小于0，平谷时段电价较低，多余的功率优先对蓄水库抽水蓄能，配置足够数量的蓄电池，将余量作为负荷峰时段的功率补充；若此时刻的功率缺额大于0，功率缺额优先由可调节小水电提供，剩余部分需从电网购电满足功率平衡；
3)在枯水期的负荷峰时段，若此时刻的功率缺额小于0，因枯水期有最低水位约束，水位在最低水位之上可上网售电，反之则抽水蓄能；若此时刻的功率缺额大于0，若水位在最低水位之上，由可调节小水电调峰，剩余功率缺额由蓄电池和可控能源提供，超出预测负荷的部分从电网购电；
4)枯水期的负荷平谷时段，若此时刻的功率缺额小于0，蓄水库优先蓄水，剩余功率通过配置足量蓄电池储存；若此时刻的功率缺额大于0，若水位在最低水位之上，由可调节小水电调峰，剩余功率缺额从电网购电满足。
优选的方案中，所述的步骤3中所述的微源配置方案求解步骤为：
1)将总成本分解为包括电源投资成本、设备运行维护成本、国家补贴、环境污染成本和网际交互成本；
2)再分别建立电源投资成本模型、设备运行维护成本模型、国家补贴模型、环境污染成本模型和网际交互成本模型的函数表达式；同时建立约束条件；所述的约束条件包括功率平衡约束、微电源出力约束、蓄电池约束、蓄水库水量约束、网际交互约束、考虑小水电的季节特性约束；
其中，电源投资成本模型：
式中：i表示不同的电源类型；ci第i种微源的投资成本系数；PEi为第i种微源的额定功率；u为折现利率；γ为使用年限。
设备运行维护成本模型：
式中：cRi为第i种微源的维护成本系数；cfi为第i种微源的燃料单价；Ei为第i种微源的年总发电量。
国家补贴模型：
式中：PPV(t)、PW(t)、PH(t)、PPS.t(t)分别为光伏、风电、径流式小水电、可调节小水电t时刻的输出功率；a、b、c、d分别为各类微源对应的补贴系数。
环境污染成本模型：
式中：α为污染物种类；PDIE(t)为t时刻柴油机的输出功率；kα为污染物排放系数；
为环境价值标准系数；βα为排放惩罚标准系数；θα为治污标准系数。
网际交互成本模型：
式中：pr(t)为t时刻的实时电价，Pgrid(t)表示t时刻主网向微电网输送的功率。
功率平衡约束：
式中：Pi(t)为t时刻第i种微电源的实际输出功率；PD(t)为t时刻的负荷功率。
微电源出力约束：
Pi.min≤Pi(t)≤Pi.max
式中：Pi(t)为t时刻第i种微电源的实际输出功率；Pi.min、Pi.max为第i种微电源输出功率下限和上限。
蓄电池约束：
Pc.min≤Pc(t)≤Pc.max
Pd.min≤Pd(t)≤Pd.max
SOCmin≤SOC(t)≤SOCmax
式中：Pc(t)为t时刻蓄电池的充电功率；Pd(t)为t时刻蓄电池的放电功率；SOC(t)为t时刻蓄电池的荷电状态；Pc.min、Pc.max分别为蓄电池充电功率的下限和上限；Pd.min、Pd.max分别为蓄电池放电功率的下限和上限；SOCmin、SOCmax分别为蓄电池荷电状态的下限和上限。
蓄水库水量约束：
V(t+1)＝V(t)+[Qp(t)-Qt(t)]×ΔT(t)
Vmin≤V(t)≤Vmax
式中：V(t)为水库t时刻的起始蓄水量；V(t+1)为水库t时刻末的蓄水量；ΔT(t)为时间间隔；QP(t)为抽水流速；Qt(t)为放水流速；Vmax、Vmin分别为水库最大和最小允许水量。
网际交互约束：
Pgrid.min≤Pgrid(t)≤Pgrid.max
式中：Pgrid.max、Pgrid.min分别为主网与微电网间联络线交换功率的上下限。
考虑小水电的季节特性约束：
Vk(t)≥Vk.min
式中：Vk(t)为枯水期水库蓄水量；Vk.min为枯水期的水库最小允许水量；
3)求解总成本最小的优化配置方案，
目标函数为：
min Ctotal＝min(CIN+COM-CPS+CEN+CTRAN)。
式中：Ctotal为总成本；CIN为电源投资成本；COM为设备运行维护成本；CPS为国家补贴；CEN为环境污染成本；CTRAN为网际交互成本。
本专利可达到以下有益效果：
1、本发明的方法可以综合利用带水库小水电的调节作用、多种能源的互补调节效应提高微电网系统的综合自我调节能力，减少储能系统及非绿色能源的配置，减小对主电网的依赖度；
2、本发明的方法可以提高绿色可再生能源的利用率，提高新能源消纳及系统的供电能力，有利于微电网的可持续发展；
3、针对在一些拥有或即将开发带水库小水电的乡镇或地区建设的含小水电的微电网工程提供参考，为边远地区经济社会发展服务。
附图说明
下面结合附图和实施例对本发明作进一步说明：
图1为本发明微电网结构图；
图2为本发明能量调节策略流程图。
具体实施方式
优选的方案如图1和图2所示，一种微电网的优化配置方法，包括以下步骤：
步骤1：分别建立包括风力发电单元、光能发电单元、水力发电单元、蓄电池单元和柴油机发电单元的出力模型和负荷模型，再将上述所有的模型建立成微电网结构模型；
步骤2：按水力发电单元的季节出力特性和市场的分时电价机制，先计算负荷响应后的微电网系统功率缺额，再将一年分为四个时段，然后根据功率缺额的大小，分别实施对应的能量调节策略来调节微电网系统中的功率缺额，得出符合各自出力特性的微源出力；
步骤2-1：得到所选地区的风速、光照强度、水流量、负荷的数据，计算各微源出力。以我国西南某地区的微电网为研究对象，将一年划分为8760小时，利用Homer软件模拟地区的典型年光照强度、风速、水流量的数据。
步骤2-2：实施优化配置方法中的第一层能量调节
发挥风、光、径流式小水电的多能互补特性优先承担基荷，首先根据分时电价得到需求侧响应后的负荷，风、光、径流式小水电发电优先消纳，发挥资源互补效应，以最大出力来承担基荷，再计算功率缺额，功率缺额等于负荷减去风、光、径流式小水电的出力和的差值，
步骤2-3：实施优化配置方法中的第二层能量调节
基于分时电价利用可调节小水电进行调峰。分时电价分为峰、平和谷时段电价，峰时段因电价高，微电网系统多余的发电功率可优先考虑卖给电网；发电功率不够则优先考虑系统的自我调节。而平、谷时段电价低，系统多余的发电功率可优先抽水蓄能或给蓄电池充电；发电功率不够则优先考虑从大电网购电。小水电在枯水期发电能力较弱，丰水期发电能力强，结合分时电价将可调节式小水电调峰分为四个时段，判断不同时段的功率缺额大小来执行相应的能量调节策略。
步骤2-4：实施优化配置方法中的第三层能量调节
为了降低由于电网停电或者峰时段功率缺额过大绿色微电源出力达不到功率平衡导致切负荷的发生概率，将柴油机作为发电顺序的最后一级，最大程度保证微电网的可靠性和环保性。
步骤3：建立微电网容量优化配置的目标函数和约束条件，根据步骤2中得到的各个微源出力,求解微电网系统总成本最小的微源配置方案。
微源容量表示微电网分布式电源容量，微网分布式电源为风力发电单元、光能发电单元、水力发电单元、蓄电池单元和柴油机发电单元等发电单元的总成；
所述的微源出力为包括风力发电单元、光能发电单元、水力发电单元、蓄电池单元和柴油机发电单元的发电总量。
进一步地，建立风力发电单元出力模型的函数表达式为：
式中：Pw、Pr分别表示风力发电机组的输出功率和额定输出功率；Vr、Vci、Vco分别是风机的额定风速、切入风速、切出风速。
进一步地，建立光能发电单元出力模型的函数表达式为：
T＝Tα+θG[1+θT(1-θWv)]A
式中：PPV为光伏电池输出功率，PPV.R为额定功率；fpv为光伏系统功率降额因数；A为光伏电池表面上的实际辐射强度；As为标准测试下的辐照度；αp为功率温度系数；TSTC是标准测试下的光伏系统温度；T为光伏电池实际温度；Tα为环境温度；θG为光伏板的温度系数；θT为环境温度系数；θW为风速的降温系数。
进一步地，将水力发电单元分为包括径流式水力发电单元和可调式水力发电单元，分别建立径流式小水电出力模型和可调式小水电出力模型；
建立径流式小水电出力模型的函数表达式为：
PH＝9.81ηQH＝AQH
式中：PH为小水电机组出力；H为工作水头；Q为发电流量；A为出力系数；
建立可调式小水电出力模型的函数表达式为：
V(t+1)＝V(t)+[Qp(t)-Qt(t)]×ΔT(t)
式中：PPS.p(t)为抽水功率；PPS.t(t)为发电功率；QP(t)和Qt(t)分别为抽水流速和放水流速；KP为抽水工况下的流速功率比；Kt为发电工况下的流速功率比；V(t)、V(t+1)分别为水库的t时刻始、末蓄水量；ηT为发电机组效率；ηP为水泵效率；ηWP为管道效率。
进一步地，建立蓄电池单元出力模型的函数表达式为：
PG(t)＝PW(t)+PPV(t)+PH(t)+PPS(t)
式中：Pb(t)为t时刻的荷电量；PD(t)是负载功率；PG(t)为风光水发电总量；ηin和ηout分别为蓄电池的充电和放电效率。
进一步地，建立柴油机发电单元出力模型的函数表达式为：
VF(t)＝F1PDIE(t)
式中：VF(t)为耗油量；F1为油耗系数；PDIE(t)为柴油发电机的输出功率。
进一步地，建立考虑了需求侧响应特性的负荷模型，其需求侧响应特性的负荷转移率和负荷模型的函数表达式为：
需求侧响应特性的负荷转移率为：
式中：k为线性区曲线斜率；Δp是较高与较低时段电价的差值；m、n是时段转移率死区和饱和区阈值。
考虑需求侧响应后各时段的负荷为：
式中：Pd0(t)、PD(t)是需求侧响应前、后的负荷；λpv、λpf、λfv分别为峰谷时段转移率、峰平时段转移率、平谷时段转移率；tp、tf、tv分别为峰、平、谷时刻；
分别为需求侧响应前的峰、平、谷时段负荷平均值。
进一步地，步骤2中所述的四个时段包括丰、平水期的负荷峰时段，丰、平水期的负荷平谷时段，枯水期的负荷峰时段和枯水期的负荷平谷时段；其对应的能量调节策略为：
1)在丰、平水期的负荷峰时段，若此时刻的功率缺额小于0，发电功率大于负荷；峰时段电价较高，可将多余功率向电网售出，提高效益；若此时刻的功率缺额大于0，发电功率小于负荷；功率缺额优先由可调节小水电调节发电量来提供，若仍无法满足，剩余缺额通过配置蓄电池和可控电源补充；若负荷超过预测负荷量则从电网购电来满足；
2)在丰、平水期的负荷平谷时段，若此时刻的功率缺额小于0，平谷时段电价较低，多余的功率优先对蓄水库抽水蓄能，配置足够数量的蓄电池，将余量作为负荷峰时段的功率补充；若此时刻的功率缺额大于0，功率缺额优先由可调节小水电提供，剩余部分需从电网购电满足功率平衡；
3)在枯水期的负荷峰时段，若此时刻的功率缺额小于0，因枯水期有最低水位约束，水位在最低水位之上可上网售电，反之则抽水蓄能；若此时刻的功率缺额大于0，若水位在最低水位之上，由可调节小水电调峰，剩余功率缺额由蓄电池和可控能源提供，超出预测负荷的部分从电网购电；
4)枯水期的负荷平谷时段，若此时刻的功率缺额小于0，蓄水库优先蓄水，剩余功率通过配置足量蓄电池储存；若此时刻的功率缺额大于0，若水位在最低水位之上，由可调节小水电调峰，剩余功率缺额从电网购电满足。
进一步地，步骤3中所述的微源配置方案求解步骤为：
1)将总成本分解为包括电源投资成本、设备运行维护成本、国家补贴、环境污染成本和网际交互成本；
2)再分别建立电源投资成本模型、设备运行维护成本模型、国家补贴模型、环境污染成本模型和网际交互成本模型的函数表达式；同时建立约束条件；所述的约束条件包括功率平衡约束、微电源出力约束、蓄电池约束、蓄水库水量约束、网际交互约束、考虑小水电的季节特性约束；
其中，电源投资成本模型：
式中：i表示不同的电源类型，例如风机、光伏阵列、径流式小水电、可调节式小水电、储能电池和柴油发电机，那么n＝6；ci第i种微源的投资成本系数；PEi为第i种微源的额定功率；u为折现利率；γ为使用年限。
设备运行维护成本模型：
式中：cRi为第i种微源的维护成本系数；cfi为第i种微源的燃料单价；Ei为第i种微源的年总发电量。
国家补贴模型：
式中：PPV(t)、PW(t)、PH(t)、PPS.t(t)分别为光伏、风电、径流式小水电、可调节小水电t时刻的输出功率；a、b、c、d分别为各类微源对应的补贴系数。
环境污染成本模型：
式中：α为污染物种类；PDIE(t)为t时刻柴油机的输出功率；kα为污染物排放系数；
为环境价值标准系数；βα为排放惩罚标准系数；θα为治污标准系数。
网际交互成本模型：
式中：pr(t)为t时刻的实时电价，Pgrid(t)表示t时刻主网向微电网输送的功率。
功率平衡约束：
式中：Pi(t)为t时刻第i种微电源的实际输出功率；PD(t)为t时刻的负荷功率。
微电源出力约束：
Pi.min≤Pi(t)≤Pi.max
式中：Pi(t)为t时刻第i种微电源的实际输出功率；Pi.min、Pi.max为第i种微电源输出功率下限和上限。
蓄电池约束：
Pc.min≤Pc(t)≤Pc.max
Pd.min≤Pd(t)≤Pd.max
SOCmin≤SOC(t)≤SOCmax
式中：Pc(t)为t时刻蓄电池的充电功率；Pd(t)为t时刻蓄电池的放电功率；SOC(t)为t时刻蓄电池的荷电状态；Pc.min、Pc.max分别为蓄电池充电功率的下限和上限；Pd.min、Pd.max分别为蓄电池放电功率的下限和上限；SOCmin、SOCmax分别为蓄电池荷电状态的下限和上限。
蓄水库水量约束：
V(t+1)＝V(t)+[Qp(t)-Qt(t)]×ΔT(t)
Vmin≤V(t)≤Vmax
式中：V(t)为水库t时刻的起始蓄水量；V(t+1)为水库t时刻末的蓄水量；ΔT(t)为时间间隔；QP(t)为抽水流速；Qt(t)为放水流速；Vmax、Vmin分别为水库最大和最小允许水量。
网际交互约束：
Pgrid.min≤Pgrid(t)≤Pgrid.max
式中：Pgrid.max、Pgrid.min分别为主网与微电网间联络线交换功率的上下限。
考虑小水电的季节特性约束：
Vk(t)≥Vk.min
式中：Vk(t)为枯水期水库蓄水量；Vk.min为枯水期的水库最小允许水量；
3)求解总成本最小的优化配置方案，
目标函数为：
min Ctotal＝min(CIN+COM-CPS+CEN+CTRAN)。
式中：Ctotal为总成本；CIN为电源投资成本；COM为设备运行维护成本；CPS为国家补贴；CEN为环境污染成本；CTRAN为网际交互成本。
本发明的试验结果如下：
选取我国的西南地区的数据进行实验，其1～4月和12月为枯水期，6～9为丰水期，小水电的水头取16m，综合出力系数取0.72，发电机组效率为0.64，水泵效率为0.65，管道效率为0.95，蓄水池允许的最大和最小蓄水量分别为总容量的100％和25％，枯水期水量约束取水库总容量的30％。
风机的投资成本系数0.8万元/kW，维护费用系数0.032元/kW，额定功率100kW/台；光伏的投资成本系数1.7万元/kW，维护费用系数0.0056元/kW，额定功率0.2kW/台；蓄电池的投资成本系数0.12万元/kW，维护费用系数0.0082元/kW，额定功率6kW/台；可调式水轮机的投资成本系数0.4万元/kW，维护费用系数0.092元/kW，额定功率500kW/台；不可调式水轮机的投资成本系数0.56万元/kW，维护费用系数0.084元/kW，额定功率500kW/台；柴油机的投资成本系数0.08万元/kW，维护费用系数0.061元/kW，燃料单价8元/L，额定功率500kW/台；
1、实施优化配置方法的容量配置优化效果
优化前的总成本为3104万元，其中投资成本为2871万元，维护成本为280万元，环境污染成本为26.7万元，国家补贴为72.1万元，网际交互效益为0.73万元；优化后的总成本为2283万元，其中投资成本为2202万元，维护成本为134万元，环境污染成本为186.3万元，国家补贴为70.1万元，网际交互效益为2.59万元。
对微电网实施优化配置方法后，优化前的购电比例为0.16，优化后的购电比例0.027，优化前的小水电发电比例为0.615，优化后的小水电发电比例为0.829。小水电的发电比例提高，购电比例降低，减少了微电网对主网的依赖度和小水电的弃水窝电现象。
2、典型日下的系统各微电源出力调度情况
为了进一步考察在系统优化配置中，实施优化配置方法的能量分层调度效果，分别选取小水电枯水期和丰水期的典型日容量调度优化情况。
枯水期时，风光发电完全消纳，径流式小水电出力较丰水期小，可调小水电还要保持水库水位正常，导致枯水期功率缺额较大，调峰任务重。由于优化配置方法中考虑了分时电价，可调小水电优先在负荷谷时段蓄水，在峰时段发电输出，最大程度的保证了经济效益。在负荷峰时段，功率缺额较大，当风光水出力都不足时，蓄电池根据分时电价将负荷平谷时段存储的电量用于峰时段放电。当11、19、20点的系统功率缺额临近日内功率缺额的最大值时，柴油机发电满足了系统出力的严重不足，避免了系统峰时段购电，在一定程度上减小了系统对电网的依赖度。丰水期时，径流小水电、风光发电优先消纳，调峰任务由可调小水电与蓄电池承担。丰水期电能充足，将平谷期的剩余功率对水库蓄水和蓄电池充电，用于负荷高峰期的调峰，可调小水电和蓄电池放电给系统提供了强有力的功率支撑。
综上所述，优化配置策略符合了小水电的季节出力特性，充分利用小水电的调节特性将微电网的配置成本降低了7.5％，将小水电的利用率提高了21.4％，购电比例降低了13.3％，对整个微网的配置起到了优化作用。
Claims (5)
1.一种微电网的优化配置方法，其特征在于包括以下步骤：
步骤1：分别建立包括风力发电单元、光能发电单元、水力发电单元、蓄电池单元和柴油机发电单元的出力模型和负荷模型，再将上述所有的模型建立成微电网结构模型；
建立光能发电单元出力模型的函数表达式为：
T＝Tα+θG[1+θT(1-θWv)]A
式中：PPV为光伏电池输出功率，PPV.R为额定功率；fpv为光伏系统功率降额因数；A为光伏电池表面上的实际辐射强度；As为标准测试下的辐照度；αp为功率温度系数；TSTC是标准测试下的光伏系统温度；T为光伏电池实际温度；Tα为环境温度；θG为光伏板的温度系数；θT为环境温度系数；θW为风速的降温系数；
将水力发电单元分为包括径流式水力发电单元和可调式水力发电单元，分别建立径流式小水电出力模型和可调式小水电出力模型；
建立径流式小水电出力模型的函数表达式为：
PH＝9.81ηQH＝AQH
式中：PH为小水电机组出力；H为工作水头；Q为发电流量；A为出力系数；
建立可调式小水电出力模型的函数表达式为：
V(t+1)＝V(t)+[Qp(t)-Qt(t)]×ΔT(t)
式中：PPS.p(t)为抽水功率；PPS.t(t)为发电功率；QP(t)和Qt(t)分别为抽水流速和放水流速；KP为抽水工况下的流速功率比；Kt为发电工况下的流速功率比；V(t)、V(t+1)分别为水库的t时刻始、末蓄水量；ηT为发电机组效率；ηP为水泵效率；ηWP为管道效率；
建立负荷模型考虑了需求侧响应特性，其需求侧响应特性的负荷转移率和负荷模型的函数表达式为：
需求侧响应特性的负荷转移率为：
式中：k为线性区曲线斜率；Δp是电价较高与较低时段的电价差值；m、n是时段转移率死区和饱和区阈值；
考虑需求侧响应后的各时段负荷模型为：
式中：Pd0(t)、PD(t)是需求侧响应前、后的负荷；λpv、λpf、λfv分别为峰谷时段转移率、峰平时段转移率、平谷时段转移率；tp、tf、tv分别为峰、平、谷时刻；
分别为需求侧响应前的峰、平、谷时段负荷平均值；
步骤2：按水力发电单元的季节出力特性和市场的分时电价机制，先计算负荷响应后的微电网系统功率缺额，再将一年分为四个时段，然后根据功率缺额的大小，分别实施对应的能量调节策略来调节微电网系统中的功率缺额，得出符合各自出力特性的微源出力；
步骤3：建立微电网容量优化配置的目标函数和约束条件，根据步骤2中得到的各个微源出力,求解微电网系统总成本最小的微源配置方案；
步骤3中所述的微源配置方案求解步骤为：
1)将总成本分解为包括电源投资成本、设备运行维护成本、国家补贴、环境污染成本和网际交互成本；
2)再分别建立电源投资成本模型、设备运行维护成本模型、国家补贴模型、环境污染成本模型和网际交互成本模型的函数表达式；同时建立约束条件；所述的约束条件包括功率平衡约束、微电源出力约束、蓄电池约束、蓄水库水量约束、网际交互约束、考虑小水电的季节特性约束；
其中，电源投资成本模型：
式中：i表示不同的电源类型；ci第i种微源的投资成本系数；PEi为第i种微源的额定功率；u为折现利率；γ为使用年限；
设备运行维护成本模型：
式中：cRi为第i种微源的维护成本系数；cfi为第i种微源的燃料单价；Ei为第i种微源的年总发电量；
国家补贴模型：
式中：PPV(t)、PW(t)、PH(t)、PPS.t(t)分别为光伏、风电、径流式小水电、可调节小水电的t时刻的输出功率；a、b、c、d分别为各类微源对应的补贴系数；
环境污染成本模型：
式中：α为污染物种类；PDIE(t)为t时刻柴油机的输出功率；kα为污染物排放系数；
为环境价值标准系数；βα为排放惩罚标准系数；θα为治污标准系数；
网际交互成本模型：
式中：pr(t)为t时刻的实时电价，Pgrid(t)表示t时刻主网向微电网输送的功率；
功率平衡约束：
式中：Pi(t)为第i种微电源的实际输出功率；PD(t)为t时刻的负荷功率；
微电源出力约束：
Pi.min≤Pi(t)≤Pi.max
式中：Pi(t)为第i种微电源的实际输出功率；Pi.min、Pi.max为第i种微电源输出功率下限和上限；
蓄电池约束：
Pc.min≤Pc(t)≤Pc.max
Pd.min≤Pd(t)≤Pd.max
SOCmin≤SOC(t)≤SOCmax
式中：Pc(t)为t时刻蓄电池的充电功率；Pd(t)为t时刻蓄电池的放电功率；SOC(t)为t时刻蓄电池的荷电状态；Pc.min、Pc.max分别为蓄电池充电功率的下限和上限；Pd.min、Pd.max分别为蓄电池放电功率的下限和上限；SOCmin、SOCmax分别为蓄电池荷电状态的下限和上限；
蓄水库水量约束：
V(t+1)＝V(t)+[Qp(t)-Qt(t)]×ΔT(t)
Vmin≤V(t)≤Vmax
式中：V(t)为水库t时刻的起始蓄水量；V(t+1)为水库t时刻末的蓄水量；ΔT(t)为时间间隔；QP(t)为抽水流速；Qt(t)为放水流速；Vmax、Vmin分别为水库最大和最小允许水量；
网际交互约束：
Pgrid.min≤Pgrid(t)≤Pgrid.max
式中：Pgrid.max、Pgrid.min分别为主网与微电网间联络线交换功率的上下限；
考虑小水电的季节特性约束：
Vk(t)≥Vk.min
式中：Vk(t)为枯水期水库蓄水量；Vk.min为枯水期的水库最小允许水量；
3)求解总成本最小的优化配置方案，
目标函数为：
minCtotal＝min(CIN+COM-CPS+CEN+CTRAN)
式中：Ctotal为总成本；CIN为电源投资成本；COM为设备运行维护成本；CPS为国家补贴；CEN为环境污染成本；CTRAN为网际交互成本。
2.根据权利要求1所述的微电网的优化配置方法，其特征在于：建立风力发电单元出力模型的函数表达式为：
式中：Pw、Pr分别表示风力发电机组的输出功率和额定输出功率；Vr、Vci、Vco分别是风机的额定风速、切入风速、切出风速。
3.根据权利要求1所述的微电网的优化配置方法，其特征在于：建立蓄电池单元出力模型的函数表达式为：
PG(t)＝PW(t)+PPV(t)+PH(t)+PPS(t)
式中：Pb(t)为t时刻的荷电量；PD(t)是负载功率；PG(t)为风光水发电总量；ηin和ηout分别为蓄电池的充电和放电效率。
4.根据权利要求1所述的微电网的优化配置方法，其特征在于：建立柴油机发电单元出力模型的函数表达式为：
VF(t)＝F1PDIE(t)
式中：VF(t)为耗油量；F1为油耗系数；PDIE(t)为柴油发电机的输出功率。
5.根据权利要求1所述的微电网的优化配置方法，其特征在于：步骤2中所述的四个时段包括丰、平水期的负荷峰时段，丰、平水期的负荷平谷时段，枯水期的负荷峰时段和枯水期的负荷平谷时段；四个时段里对微电网中功率缺额的实施的能量调节策略不同：
1)在丰、平水期的负荷峰时段，若此时刻的功率缺额小于0，发电功率大于负荷；峰时段电价较高，可将多余功率向电网售出，提高效益；若此时刻的功率缺额大于0，发电功率小于负荷；功率缺额优先由可调节小水电调节发电量来提供，若仍无法满足，剩余缺额通过配置蓄电池和可控电源补充；若负荷超过预测负荷量则从电网购电来满足；
2)在丰、平水期的负荷平谷时段，若此时刻的功率缺额小于0，平谷时段电价较低，多余的功率优先对蓄水库抽水蓄能，配置足够数量的蓄电池，将余量作为负荷峰时段的功率补充；若此时刻的功率缺额大于0，功率缺额优先由可调节小水电提供，剩余部分需从电网购电满足功率平衡；
3)在枯水期的负荷峰时段，若此时刻的功率缺额小于0，因枯水期有最低水位约束，水位在最低水位之上可上网售电，反之则抽水蓄能；若此时刻的功率缺额大于0，若水位在最低水位之上，由可调节小水电调峰，剩余功率缺额由蓄电池和可控能源提供，超出预测负荷的部分从电网购电；
4)枯水期的负荷平谷时段，若此时刻的功率缺额小于0，蓄水库优先蓄水，剩余功率通过配置足量蓄电池储存；若此时刻的功率缺额大于0，若水位在最低水位之上，由可调节小水电调峰，剩余功率缺额从电网购电满足。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910913092.5A CN110571868B (zh) | 2019-09-25 | 2019-09-25 | 微电网的优化配置方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910913092.5A CN110571868B (zh) | 2019-09-25 | 2019-09-25 | 微电网的优化配置方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110571868A CN110571868A (zh) | 2019-12-13 |
| CN110571868B true CN110571868B (zh) | 2023-06-02 |
Family
ID=68782433
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910913092.5A Active CN110571868B (zh) | 2019-09-25 | 2019-09-25 | 微电网的优化配置方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110571868B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114336599B (zh) * | 2021-12-13 | 2023-12-22 | 天津大学 | 一种独立型微电网动态优化调度方法 |
| CN117293954A (zh) * | 2023-09-15 | 2023-12-26 | 三峡智控科技有限公司 | 蓄电池储能方法、装置、电子设备及存储介质 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109494727A (zh) * | 2018-11-30 | 2019-03-19 | 国网江西省电力有限公司经济技术研究院 | 考虑需求响应的配电网有功和无功协调优化运行方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9733623B2 (en) * | 2013-07-31 | 2017-08-15 | Abb Research Ltd. | Microgrid energy management system and method for controlling operation of a microgrid |
-
2019
- 2019-09-25 CN CN201910913092.5A patent/CN110571868B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109494727A (zh) * | 2018-11-30 | 2019-03-19 | 国网江西省电力有限公司经济技术研究院 | 考虑需求响应的配电网有功和无功协调优化运行方法 |
Non-Patent Citations (4)
| Title |
|---|
| 基于风光互补的独立微网系统容量优化;李成等;《电源技术》;20160320(第03期);第610-616页 * |
| 独立微电网微源多目标分层优化配置方法研究;李咸善;《高压电器》;20181016;第170-178页 * |
| 考虑季节特性的多微源独立微网容量优化配置;何可人等;《现代电力》;20170210(第01期);第8-14页 * |
| 考虑小水电季节特性的微网经济运行;黄伟等;《现代电力》;20140108(第01期);第1-6页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110571868A (zh) | 2019-12-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Papaefthymiou et al. | A wind-hydro-pumped storage station leading to high RES penetration in the autonomous island system of Ikaria | |
| Papaefthimiou et al. | Operating policies for wind-pumped storage hybrid power stations in island grids | |
| Manwell et al. | Hybrid2–a hybrid system simulation model–theory manual | |
| Bernal-Agustín et al. | Hourly energy management for grid-connected wind–hydrogen systems | |
| Koko et al. | Optimal power dispatch of a grid-interactive micro-hydrokinetic-pumped hydro storage system | |
| CN107276122B (zh) | 适应大规模可再生能源并网的调峰资源调用决策方法 | |
| KR20170095580A (ko) | 신재생 에너지 연계형 ess의 전력 관리 방법 | |
| CN113343478B (zh) | 考虑不确定性和需求响应的独立微网容量优化配置方法 | |
| CN110601260B (zh) | 一种限定联络线上功率波动的光-蓄系统容量优化方法 | |
| CN102182634A (zh) | 基于改进粒子群的海岛风柴蓄发电功率优化设计方法 | |
| CN106600022B (zh) | 基于多目标优化的风-光-燃气-海水抽水蓄能孤立电力系统容量优化配置方法 | |
| CN115936244A (zh) | 考虑可再生能源发电不确定性的虚拟电厂优化调度方法 | |
| CN108206547A (zh) | 风氢耦合发电系统各单元容量优化的方法 | |
| CN110571868B (zh) | 微电网的优化配置方法 | |
| CN110932261A (zh) | 一种基于全局效益最大化的多能源系统联合装机规划方法 | |
| Chen et al. | Scheduling strategy of hybrid wind-photovoltaic-hydro power generation system | |
| CN116979578A (zh) | 一种风光水火储的电气热三联产优化调度方法和系统 | |
| Saberbari et al. | Net-zero energy building implementation through a grid-connected home energy management system | |
| CN113988392B (zh) | 一种考虑可靠性需求响应的微网优化规划方法 | |
| CN113541195B (zh) | 一种未来电力系统中高比例可再生能源的消纳方法 | |
| CN110768303A (zh) | 一种海岛型能源系统设备容量的优化配置方法 | |
| CN114465226A (zh) | 一种电力系统多级备用获取联合优化模型的建立方法 | |
| CN117829470A (zh) | 规避风光电出力不确定性调度风险的电力生产模拟方法 | |
| CN117649119A (zh) | 基于vcg理论的清洁能源碳减排价值评估方法 | |
| CN117410958A (zh) | 一种基于urfc的微电网容量配置优化方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |