CN110635514B - 一种并网型微网优化配置方法 - Google Patents

Abstract

本发明涉及一种并网型微网优化配置方法，属于微网储能系统配置优化技术领域，包括以下步骤：建立微网内各元件模型；建立净收益模型；建立微网优化配置模型；通过CPLEX求解器确定微网净收益最大的容量配置。在微网中增加P2G和SOFC‑MGT联合发电系统，天然气网为微电网内SOFC‑MGT联合发电系统供气，微电网内的SOFC‑MGT联合发电系统和P2G系统均产生热能，向微热网供热。本发明可应用于微网优化配置领域，使微网的规划兼具经济性与环保性。

Description

一种并网型微网优化配置方法

技术领域

本发明涉及微网优化配置技术领域，尤其是一种并网型微网优化配置方法，用于包含P2G和SOFC-MGT联合发电系统的微网优化配置。

背景技术

近年来，随着能源危机及环境污染问题的日益严重，由可再生能源分布式发电作为重要组成部分的微网成为研究热点。微网作为一个灵活、可控、绿色、经济的新型分布式电源载体，在保障用户供电、节能环保、改善电能质量等方面具有突出的优点。

SOFC-MGT联合发电系统相比传统发电方式(例如：火电、柴油机、燃气轮机等)与燃料电池发电更加高效与环保。考虑了SOFC-MGT联合发电系统易于捕获CO₂的特点，对SOFC-MGT联合发电系统进行CO₂捕获，并考虑了微网内弃风弃光的存在，加入P2G系统，与CO₂捕获系统结合可以产生天然气为微网供能，实现能源的高效利用。

发明内容

本发明需要解决的技术问题是提供一种并网型微网优化配置方法，其微网包含P2G和SOFC-MGT联合发电系统，通过天然气网为微电网内SOFC-MGT联合发电系统供气，微电网内的SOFC-MGT联合发电系统和P2G系统均产生热能，向微热网供热，实现微网规划的经济性与环保性。

为解决上述技术问题，本发明所采用的技术方案是：

一种并网型微网优化配置方法，所述方法的步骤如下：

步骤1，建立微网内各元件模型；所述各元件模型，包括风机模型、光伏电池模型、SOFC-MGT联合发电系统模型、P2G系统模型、燃气锅炉模型、充电站模型、电动汽车模型、电池储能模型与热储能模型；

步骤2，建立净收益模型；

步骤3，建立微网优化配置模型；

步骤4，通过CPLEX求解器确定微网净收益最大的容量配置。

本发明技术方案的进一步改进在于：步骤1中，建立微网内各元件模型，具体过程如下：

1-1风机模型

式中，P_WT为风机输出功率，v为风速，v_ci为切入风速，v_co为切出风速，v_N为额定风速，

为风机额定功率；

1-2光伏电池模型

P_PV＝P_STCF_PVG_AC[1+k(T_w-T_r)]/G_STC (2)

式中，P_PV为光伏电池输出功率，P_STC为标准测试条件下的最大测试功率；F_PV为光伏组件的降额因子，一般取0.9～0.95；G_AC为光照强度kw/m²；G_STC为标准测试条件下的光照强度，其值为1kw/m²；k为功率温度系数，其值一般为-0.5％～-0.35％/K；T_w为电池板工作温度；T_r为参考温度，其值为25℃；

1-3SOFC-MGT联合发电系统模型

为了便于微网优化配置，对SOFC-MGT联合发电系统的模型进行了简化，根据假定的条件，简化的模型如下：

P_PT＝η_PT·P_GT (4)

SOFC-MGT联合发电系统的模型如式(3)；式中，P_FC、P_PT、P_GT、P_gen分别为燃料电池、动力涡轮机、燃气轮机以及发电机的输出功率；

分别为联合发电系统输出的电、热功率；P_CCS为捕获二氧化碳消耗的电功率；

为捕获的二氧化碳量；η_inv、

η_PT、η_gen、

分别为逆变器的效率、燃料电池的电效率、动力涡轮机的效率、发电机的效率以及燃气轮机的电效率；

分别为联合发电系统的综合电、热效率；n_f为燃料的注入速率；LHV_f为燃料的低热值；

1-4P2G系统模型

(1)电解池

式中，

为电解池产生的氢气量；P_P2G为电解池耗电功率；

为电解池产氢率；

为氢气低热值；

(2)天然气生产系统

式中，

分别为反应的二氧化碳量、氢气量与生成的天然气量；

为转换效率；

约束条件：

式中，

为二氧化碳储存罐容量；

放热：

Q_P2G＝η_P2G,h·P_P2G (15)

式中，Q_P2G为P2G系统输出热功率；η_P2G,h为P2G系统放热效率。

1-5燃气锅炉模型

输出功率：

Q_GB＝η_GB·x_GB·L_NG (16)

式中，Q_GB为燃气锅炉输出功率；η_GB为燃气锅炉转换效率；x_GB为消耗的天然气量；L_NG为天然气低热值；

1-6充电站模型

式中，R_EV为充电站售电的收入；C_EV为充电站从电动汽车用户处买电的成本；P_sell-EV、P_buy-EV分别为充电站售电功率、买电功率；θ₁、θ₂分别为充电站售电时间、买电时间；C_sell-EV、C_buy-EV分别为充电站售电价格、买电价格；

1-7电动汽车模型

E_EVmin≤E_EV(t)≤E_EVmax (21)

P_EVcmin·δ_EVc(t)≤P_EVc(t)≤P_EVcmax·δ_EVc(t) (22)

P_EVdmin·δ_EVd(t)≤P_EVd(t)≤P_EVdmax·δ_EVd(t) (23)

δ_EVc(t)+δ_EVd(t)≤1 (24)

式中，η_EVc为电动汽车充电效率；η_EVd为电动汽车放电效率；P_EVc(t)为t时段电动汽车充电功率；P_EVd(t)为t时段电动汽车放电功率；E_EV(t)为t时段电动汽车容量；E_EV(t+1)为t+1时段电动汽车容量；E_ev(t)为t时段单个电动汽车容量；E_EVmin为电动汽车最小可用容量；E_EVmax为电动汽车最大可用容量；δ_EVc(t)为t时段电动汽车充电状态；δ_EVd(t)为t时段电动汽车放电状态；

1-8电池储能模型

0≤P_ESc(t)≤P_ESc,max (26)

0≤P_ESd(t)≤P_ESd,max (27)

S_E,min≤S_E(t)≤S_E,max (28)

P_ESc(t)·P_ESd(t)＝0 (29)

S_E(0)＝S_E(T) (30)

式中：S_E(t)为t时刻电池的能量；S_E(t+1)为t+1时刻电池的能量；σ为自放电比；P_ESc、P_ESd为充、放电功率；η_ESc、η_ESd为充、放电效率；Δt为间隔时间；P_ESc,max、P_ESd,max为充放电功率上限；S_E,min、S_E,max为电池能量上下限；

1-9热储能模型

H_HSmin≤H_HS(t)≤H_HSmax (32)

0≤Q_HSc≤Q_HSc,max (33)

0≤Q_HSd≤Q_HSd,max (34)

H_HS(T)＝H_HS(0) (35)

式中：H_HS(t)为t时刻热储能容量；H_HS(t+1)为t+1时刻热储能容量；μ为热储能散热损失率；Q_HSc、Q_HSd为储、放热功率；η_HSc、η_HSd为储、放热效率；Δt为间隔时间；Q_HSc,max、Q_HSd,max为储放热功率上限；H_HSmin、H_HSmax为储热容量上下限。

本发明技术方案的进一步改进在于：步骤2中，建立净收益模型，具体过程如下：

以微网净收益最大为目标，构建成本-效益计算模型：

2-1成本模型

微网规划成本包含：初始投资成本，运行和维护成本，购电成本，购气成本；

(1)初始投资成本

C_inv＝C_init·CRF (36)

式中，C_inv为微网内元件的投资成本；C_init为微网元件最初投资成本；CRF为资本回收系数；i为利率；n为元件的寿命；

(2)运行和维护成本

C_om＝α·C_init (38)

式中，C_om为微网元件的运行和维护成本；α为运行和维护成本系数；

(3)购电成本

微网购电的方式有两种：一种是向配电网买电；另一种是向电动汽车用户买电；购电成本为：

式中，C_buy,e为微网购电成本；C_buy-grid为微网向配电网买电的价格；θ₃为微网向配电网买电的时间；P_buy-grid为微网向配电网买电的功率；C_buy-EV为微网向电动汽车用户买电的价格；θ₂为微网向电动汽车用户买电的时间；P_buy-EV为微网向电动汽车用户买电的功率；

(4)购气成本

微网的购气成本即微网向天然气网买气的成本：

式中，C_buy,NG为微网购气成本；C_buy-NG为微网购气价格；x_buy-NG为购气量；

2-2效益模型

微网的效益包含：实时电量效益、热负荷收益、充电站的收入、环境效益；

(1)实时电量效益

式中，R_ele为微网的电量收益；Day为天数；C_ele,i为i时刻售电价格；P_ele,i为i时刻售电功率；Δt为时间间隔；

(2)热负荷收益

式中，R_h为微网的热负荷收益；Day为天数；C_h为售热价格；P_h,i为i时刻售热功率；Δt为时间间隔；

(3)充电站的收入

充电站的收入来源于向电动汽车售电，收入如下：

式中，R_EV为充电站售电的收入；P_sell-EV为充电站售电功率；θ₁为充电站售电时间；C_sell-EV为充电站售电价格；

(4)环境效益

环境收益如下：

式中，R_env为环境收益；Day为天数；

为二氧化碳排放价格，

为i时刻捕获的二氧化碳量；

为燃气锅炉单位热功率二氧化碳排放量；Q_HSd,i为i时刻储热系统放热功率；Δt为时间间隔；

2-3净效益模型

微网的净收益为总收益减去总成本：

总收益：

R＝R_ele+R_h+R_EV+R_env (45)

总成本：

C＝C_inv+C_om+C_buy,e+C_buy,NG (46)

净收益：

P_net＝R-C (47)

本发明技术方案的进一步改进在于：步骤3中，建立微网优化配置模型，具体过程如下：

3-1目标函数

以微网规划净收益最大为目标，目标函数为

max P_net＝R-C (48)

3-2约束条件

等式约束包括微网内能量的平衡约束；

不等式约束包括各单元的运行约束；

(1)能量平衡约束

电功率平衡：

热功率平衡：

式中，P_load(t)为微网内电负荷，Q_h(t)为网内热负荷；

天然气平衡：

(2)与配网电功率交换约束

P_buy-grid(t)≤P_linemax (52)

P_sell-grid(t)≤P_linemax (53)

式中，P_linemax为联络线的最大功率；

(3)与天然气网交换约束

x_buy-NG(t)≤x_pmax (54)

式中，x_pmax为管道的最大输送量；

(4)PV、WT的有功出力约束

式中，

为风机、光伏的额定功率；

(5)燃气锅炉约束

Q_GBmin≤Q_GB(t)≤Q_GBmax (57)

Q_GB(t)-Q_GB(t-1)≤R_up,GB (58)

Q_GB(t-1)-Q_GB(t)≤R_down,GB (59)

式中，Q_GBmin、Q_GBmax为燃气锅炉输出最小、最大功率；R_up,GB、R_down,GB为上坡速率、下坡速率；

(6)储能的相关约束

电池充、放电功率受最大充、放电倍率制约

式中，

为储能电池额定容量；γ_ESc、γ_ESd分别为储能的最大充、放电倍率。

本发明技术方案的进一步改进在于：对SOFC-MGT联合发电系统模型进行简化，简化条件为：

(1)假定SOFC输出电效率恒定；

(2)假定SOFC-MGT联合发电系统输出电、热效率恒定；

(3)假定二氧化碳捕获系统消耗的能量与SOFC-MGT系统输出电功率有关；

(4)假定能捕获全部的二氧化碳。

由于采用了上述技术方案，本发明取得的技术进步是：

1、本发明考虑了SOFC-MGT联合发电系统易于捕获CO₂的特点，在微网中使用固态氧化物燃料电池与微燃气轮机(SOFC-MGT)联合发电系统进行CO₂捕获，比其他发电系统更加高效与环保，能够提高能源的利用率。

2、本发明考虑了微网内弃风弃光的存在，加入P2G系统，与CO₂捕获系统结合可以消纳系统产生的二氧化碳，并产生天然气为微网供能，实现能源的高效利用，达到能源的综合利用与高效环保。

3、本发明采用自适应动态规划方法获得相应时间段内的优化控制策略，降低电网的峰谷载荷差值，提高电网的灵活性与兼容性，同时降低用户的用电成本。

4、本发明对SOFC-MGT联合发电系统模型进行了简化，使微网更加优化。

附图说明

图1是本发明优化配置系统模型图。

具体实施方式

下面结合实施例对本发明做进一步详细说明：

如图1所示：

本发明对微网电、热系统进行优化配置，电热网互联，其中微电网由可再生能源(风机、光伏电池)、SOFC-MGT联合发电系统、P2G系统、电池储能、充电站、电动汽车和电负荷组成；微热网由燃气锅炉、热储能、热负荷组成。

微电网与配电网、天然气网、热网相连。配电网与微电网之间传输功率实现微电网的功率平衡，天然气网为微电网内SOFC-MGT联合发电系统供气，微电网内的SOFC-MGT联合发电系统和P2G系统均产生热能，向微热网供热。

微热网与天然气网、微电网相连。天然气网和微电网中的P2G系统为燃气锅炉供气，微电网内的SOFC-MGT联合发电系统和P2G系统向微热网供热。

一种并网型微网优化配置方法，步骤如下：

步骤1，建立微网内各元件模型；所述各元件模型，包括风机模型、光伏电池模型、SOFC-MGT联合发电系统模型、P2G系统模型、燃气锅炉模型、充电站模型、电动汽车模型、电池储能模型与热储能模型；

步骤2，建立净收益模型；

步骤3，建立微网优化配置模型；

步骤4，通过CPLEX求解器确定微网净收益最大的容量配置。

步骤1中，建立微网内各元件模型，具体过程如下：

1-1风机模型

式中，P_WT为风机输出功率，v为风速，v_ci为切入风速，v_co为切出风速，v_N为额定风速，

为风机额定功率。

1-2光伏电池模型

P_PV＝P_STCF_PVG_AC[1+k(T_w-T_r)]/G_STC (2)

式中，P_PV为光伏电池输出功率，P_STC为标准测试条件(太阳能入射强度为1kW/m²，环境温度为25℃)下的最大测试功率；F_PV为光伏组件的降额因子，用来表示光伏电池板表面灰尘、雨雪的遮盖以及光伏电池板老化等引起的损耗，一般取0.9～0.95；G_AC为光照强度(kW/m²)；G_STC为标准测试条件下的光照强度，其值为1kW/m²；k为功率温度系数，因光伏电池不同而异，其值一般为-0.5％～-0.35％/K；T_w为电池板工作温度；T_r为参考温度，其值为25℃。

1-3SOFC-MGT联合发电系统模型

SOFC-MGT是指固体氧化物燃料电池-微型燃气轮机，英文为：Solid Oxide FuelCell-Micro Gas Turbine，简称SOFC-MGT，为了便于微网优化配置，对SOFC-MGT联合发电系统的模型进行了简化。简化的条件如下：

(1)假定SOFC输出电效率恒定；

(2)假定SOFC-MGT联合发电系统输出电、热效率恒定；

(3)假定二氧化碳捕获系统消耗的能量与SOFC-MGT系统输出电功率有

关；

(4)假定能捕获全部的二氧化碳。

根据假定的条件，简化的模型如下：

P_PT＝η_PT·P_GT (4)

SOFC-MGT联合发电系统的模型如式(3)，式中，P_FC、P_PT、P_GT、P_gen分别为燃料电池、动力涡轮机、燃气轮机以及发电机的输出功率；

分别为联合发电系统输出的电、热功率；P_CCS为捕获二氧化碳消耗的电功率；

为捕获的二氧化碳量；η_inv、

η_PT、η_gen、

分别为逆变器的效率、燃料电池的电效率、动力涡轮机的效率、发电机的效率以及燃气轮机的电效率；

分别为联合发电系统的综合电、热效率；n_f为燃料的注入速率；LHV_f为燃料的低热值。

1-4P2G系统模型

P2G系统是指电转气系统，英文名称为：Power to Gas。

(1)电解池

式中，

为电解池产生的氢气量；P_P2G为电解池耗电功率；

为电解池产氢率；

为氢气低热值。

(2)天然气生产系统

式中，

分别为反应的二氧化碳量、氢气量与生成的天然气量；

为转换效率。

约束条件:

式中，

为二氧化碳储存罐容量。

放热：

Q_P2G＝η_P2G,h·P_P2G (15)

式中，Q_P2G为P2G系统输出热功率；η_P2G,h为P2G系统放热效率。

1-5燃气锅炉模型

输出功率：

Q_GB＝η_GB·x_GB·L_NG (16)

式中，Q_GB为燃气锅炉输出功率；η_GB为燃气锅炉转换效率；x_GB为消耗的天然气量；L_NG为天然气低热值。

1-6充电站模型

式中，R_EV为充电站售电的收入；C_EV为充电站从电动汽车用户处买电的成本；P_sell-EV、P_buy-EV分别为充电站售电功率、买电功率；θ₁、θ₂分别为充电站售电时间、买电时间；C_sell-EV、C_buy-EV分别为充电站售电价格、买电价格。

1-7电动汽车模型

E_EVmin≤E_EV(t)≤E_EVmax (21)

P_EVcmin·δ_EVc(t)≤P_EVc(t)≤P_EVcmax·δ_EVc(t) (22)

P_EVdmin·δ_EVd(t)≤P_EVd(t)≤P_EVdmax·δ_EVd(t) (23)

δ_EVc(t)+δ_EVd(t)≤1 (24)

式中，η_EVc为电动汽车充电效率；η_EVd为电动汽车放电效率；P_EVc(t)为t时段电动汽车充电功率；P_EVd(t)为t时段电动汽车放电功率；E_EV(t)为t时段电动汽车容量；E_EV(t+1)为t+1时段电动汽车容量；E_ev(t)为t时段单个电动汽车容量；E_EVmin为电动汽车最小可用容量；E_EVmax为电动汽车最大可用容量；δ_EVc(t)为t时段电动汽车充电状态；δ_EVd(t)为t时段电动汽车放电状态。

1-8电池储能模型

0≤P_ESc(t)≤P_ESc,max (26)

0≤P_ESd(t)≤P_ESd,max (27)

S_E,min≤S_E(t)≤S_E,max (28)

P_ESc(t)·P_ESd(t)＝0 (29)

S_E(0)＝S_E(T) (30)

式中：S_E(t)为t时刻电池的能量；S_E(t+1)为t+1时刻电池的能量；σ为自放电比；P_ESc、P_ESd为充、放电功率；η_ESc、η_ESd为充、放电效率；Δt为间隔时间；P_ESc,max、P_ESd,max为充放电功率上限；S_E,min、S_E,max为电池能量上下限。

1-9热储能模型

H_HSmin≤H_HS(t)≤H_HSmax (32)

0≤Q_HSc≤Q_HSc,max (33)

0≤Q_HSd≤Q_HSd,max (34)

H_HS(T)＝H_HS(0) (35)

式中：H_HS(t)为t时刻热储能容量；H_HS(t+1)为t+1时刻热储能容量；μ为热储能散热损失率；Q_HSc、Q_HSd为储、放热功率；η_HSc、η_HSd为储、放热效率；Δt为间隔时间；Q_HSc,max、Q_HSd,max为储放热功率上限；H_HSmin、H_HSmax为储热容量上下限。

步骤2中，建立净收益模型，具体过程如下：

以微网净收益最大为目标，构建成本-效益计算模型。

2-1成本模型

微网规划成本包含：初始投资成本，运行和维护成本，购电成本，购气成本。

(1)初始投资成本

C_inv＝C_init·CRF (36)

式中，C_inv为微网内元件的投资成本；C_init为微网元件最初投资成本；CRF为资本回收系数；i为利率；n为元件的寿命。

(2)运行和维护成本

C_om＝α·C_init (38)

式中，C_om为微网元件的运行和维护成本；α为运行和维护成本系数。

(3)购电成本

微网购电的方式有两种：一种是向配电网买电；另一种是向电动汽车用户买电。购电成本为：

式中，C_buy,e为微网购电成本；C_buy-grid为微网向配网买电的价格；θ₃为微网向配网买电的时间；P_buy-grid为微网向配网买电的功率；C_buy-EV为微网向电动汽车用户买电的价格；θ₂为微网向电动汽车用户买电的时间；P_buy-EV为微网向电动汽车用户买电的功率。

(4)购气成本

微网的购气成本即微网向天然气网买气的成本。

式中，C_buy,NG为微网购气成本；C_buy-NG为微网购气价格；x_buy-NG为购气量。

2-2效益模型

微网的效益包含：实时电量效益、热负荷收益、充电站的收入、环境效益。

(1)实时电量效益

式中，R_ele为微网的电量收益；Day为天数；C_ele,i为i时刻售电价格；P_ele,i为i时刻售电功率；Δt为时间间隔。

(2)热负荷收益

式中，R_h为微网的热负荷收益；Day为天数；C_h为售热价格；P_h,i为i时刻售热功率；Δt为时间间隔。

(3)充电站的收入

充电站的收入来源于向电动汽车售电，收入如下：

式中，R_EV为充电站售电的收入；P_sell-EV为充电站售电功率功率；θ₁为充电站售电时间；C_sell-EV为充电站售电价格。

(4)环境效益

微网的环境效益来源两方面：一方面，微网使用二氧化碳捕获系统和P2G系统结合，减少了SOFC-MGT发电系统的二氧化碳排放，因此减少的环境治理成本即为CCS系统(二氧化碳捕获系统)环境收益；另一方面，储热系统放热时，减少了燃气锅炉的出热，从而减少了燃气锅炉的出热排放，由此减少的环境治理成本即为储热系统环境收益。环境收益如下：

式中，R_env为环境收益；Day为天数；

为二氧化碳排放价格，

为i时刻捕获的二氧化碳量；

为燃气锅炉单位热功率二氧化碳排放量；Q_HSd,i为i时刻储热系统放热功率；Δt为时间间隔。

2-3净效益模型

微网的净收益为总收益减去总成本。

总收益：

R＝R_ele+R_h+R_EV+R_env (45)

总成本：

C＝C_inv+C_om+C_buy,e+C_buy,NG (46)

净收益：

P_net＝R-C (47)

步骤3中，建立微网优化配置模型，具体过程如下：

3-1目标函数

本发明以微网规划净收益最大为目标，目标函数为

max P_net＝R-C (48)

3-2约束条件

本发明等式约束包括微网内能量的平衡约束，不等式约束包括各单元的运行约束。

(1)能量平衡约束

电功率平衡：

热功率平衡：

式中，P_load(t)为微网内电负荷，Q_h(t)为网内热负荷。

天然气平衡：

(2)与配网电功率交换约束

P_buy-grid(t)≤P_linemax (52)

P_sell-grid(t)≤P_linemax (53)

式中，P_linemax为联络线的最大功率。

(3)与天然气网交换约束

x_buy-NG(t)≤x_pmax (54)

式中，x_pmax为管道的最大输送量。

(4)PV、WT的有功出力约束

式中，

为风机、光伏的额定功率。

(5)燃气锅炉约束

Q_GBmin≤Q_GB(t)≤Q_GBmax (57)

Q_GB(t)-Q_GB(t-1)≤R_up,GB (58)

Q_GB(t-1)-Q_GB(t)≤R_down,GB (59)

式中，Q_GBmin、Q_GBmax为燃气锅炉输出最小、最大功率；R_up,GB、R_down,GB为上坡速率、下坡速率。

(6)储能的相关约束

电池充、放电功率受最大充、放电倍率制约

式中，

为储能电池额定容量；γ_ESc、γ_ESd分别为储能的最大充、放电倍率。

微网的优化配置是先给定原始数据，包括电热负荷、电动汽车负荷、风速、光照强度、温度、购气价格、与配电网交换功率的买卖价格、与电动汽车用户交换功率的买卖价格、售电价格、售热价格、微网内各元件的投资成本、运行成本、维护成本、寿命年利率等；再根据建立的微网模型求出各个元件的容量，使规划的微网的净收益达到最大。

以上所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (3)

1.一种并网型微网优化配置方法，其特征在于：所述方法的步骤如下：

步骤1，建立微网内各元件模型；所述各元件模型，包括风机模型、光伏电池模型、SOFC-MGT联合发电系统模型、P2G系统模型、燃气锅炉模型、充电站模型、电动汽车模型、电池储能模型与热储能模型；

步骤2，建立净收益模型；

步骤3，建立微网优化配置模型；

步骤4，通过CPLEX求解器确定微网净收益最大的容量配置；

步骤1中，建立微网内各元件模型，具体过程如下：

1-1风机模型

式中，P_WT为风机输出功率，v为风速，v_ci为切入风速，v_co为切出风速，v_N为额定风速，

为风机额定功率；

1-2光伏电池模型

P_PV＝P_STCF_PVG_AC[1+k(T_w-T_r)]/G_STC (2)

式中，P_PV为光伏电池输出功率，P_STC为标准测试条件下的最大测试功率；F_PV为光伏组件的降额因子，一般取0.9～0.95；G_AC为光照强度kw/m²；G_STC为标准测试条件下的光照强度，其值为1kw/m²；k为功率温度系数，其值一般为-0.5％～-0.35％/K；T_w为电池板工作温度；T_r为参考温度，其值为25℃；

1-3 SOFC-MGT联合发电系统模型

为了便于微网优化配置，对SOFC-MGT联合发电系统的模型进行了简化，根据假定的条件，简化的模型如下：

P_PT＝η_PT·P_GT (4)

SOFC-MGT联合发电系统的模型如式(3)，式中，P_FC、P_PT、P_GT、P_gen分别为燃料电池、动力涡轮机、燃气轮机以及发电机的输出功率；

分别为联合发电系统输出的电、热功率；P_CCS为捕获二氧化碳消耗的电功率；

为捕获的二氧化碳量；η_inv、

η_PT、η_gen、

分别为逆变器的效率、燃料电池的电效率、动力涡轮机的效率、发电机的效率以及燃气轮机的电效率；

分别为联合发电系统的综合电、热效率；n_f为燃料的注入速率；LHV_f为燃料的低热值；

1-4 P2G系统模型

(1)电解池

式中，

为电解池产生的氢气量；P_P2G为电解池耗电功率；

为电解池产氢率；

为氢气低热值；

(2)天然气生产系统

式中，

分别为反应的二氧化碳量、氢气量与生成的天然气量；

为转换效率；

约束条件：

式中，

为二氧化碳储存罐容量；

放热：

Q_P2G＝η_P2G,h·P_P2G (15)

式中，Q_P2G为P2G系统输出热功率；η_P2G,h为P2G系统放热效率；

1-5燃气锅炉模型

输出功率：

Q_GB＝η_GB·x_GB·L_NG (16)

式中，Q_GB为燃气锅炉输出功率；η_GB为燃气锅炉转换效率；x_GB为消耗的天然气量；L_NG为天然气低热值；

1-6充电站模型

式中，R_EV为充电站售电的收入；C_EV为充电站从电动汽车用户处买电的成本；P_sell-EV、P_buy-EV分别为充电站售电功率、买电功率；θ₁、θ₂分别为充电站售电时间、买电时间；C_sell-EV、C_buy-EV分别为充电站售电价格、买电价格；

1-7电动汽车模型

E_EVmin≤E_EV(t)≤E_EVmax (21)

P_EVcmin·δ_EVc(t)≤P_EVc(t)≤P_EVcmax·δ_EVc(t) (22)

P_EVdmin·δ_EVd(t)≤P_EVd(t)≤P_EVdmax·δ_EVd(t) (23)

δ_EVc(t)+δ_EVd(t)≤1 (24)

式中，η_EVc为电动汽车充电效率；η_EVd为电动汽车放电效率；P_EVc(t)为t时段电动汽车充电功率；P_EVd(t)为t时段电动汽车放电功率；E_EV(t)为t时段电动汽车容量；E_EV(t+1)为t+1时段电动汽车容量；E_ev(t)为t时段单个电动汽车容量；E_EVmin为电动汽车最小可用容量；E_EVmax为电动汽车最大可用容量；δ_EVc(t)为t时段电动汽车充电状态；δ_EVd(t)为t时段电动汽车放电状态；

1-8电池储能模型

0≤P_ESc(t)≤P_ESc,max (26)

0≤P_ESd(t)≤P_ESd,max (27)

S_E,min≤S_E(t)≤S_E,max (28)

P_ESc(t)·P_ESd(t)＝0 (29)

S_E(0)＝S_E(T) (30)

式中：S_E(t)为t时刻电池的能量；S_E(t+1)为t+1时刻电池的能量；σ为自放电比；P_ESc、P_ESd为充、放电功率；η_ESc、η_ESd为充、放电效率；Δt为间隔时间；P_ESc,max、P_ESd,max为充放电功率上限；S_E,min、S_E,max为电池能量上下限；

1-9热储能模型

H_HSmin≤H_HS(t)≤H_HSmax (32)

0≤Q_HSc≤Q_HSc,max (33)

0≤Q_HSd≤Q_HSd,max (34)

H_HS(T)＝H_HS(0) (35)

式中：H_HS(t)为t时刻热储能容量；H_HS(t+1)为t+1时刻热储能容量；μ为热储能散热损失率；Q_HSc、Q_HSd为储、放热功率；η_HSc、η_HSd为储、放热效率；Δt为间隔时间；Q_HSc,max、Q_HSd,max为储放热功率上限；H_HSmin、H_HSmax为储热容量上下限；

步骤2中，建立净收益模型，具体过程如下：

以微网净收益最大为目标，构建成本-效益计算模型：

2-1成本模型

微网规划成本包含：初始投资成本，运行和维护成本，购电成本，购气成本；

(1)初始投资成本

C_inv＝C_init·CRF (36)

式中，C_inv为微网内元件的投资成本；C_init为微网元件最初投资成本；CRF为资本回收系数；i为利率；n为元件的寿命；

(2)运行和维护成本

C_om＝α·C_init (38)

式中，C_om为微网元件的运行和维护成本；α为运行和维护成本系数；

(3)购电成本

微网购电的方式有两种：一种是向配电网买电；另一种是向电动汽车用户买电；购电成本为：

式中，C_buy,e为微网购电成本；C_buy-grid为微网向配电网买电的价格；θ₃为微网向配电网买电的时间；P_buy-grid为微网向配电网买电的功率；C_buy-EV为微网向电动汽车用户买电的价格；θ₂为微网向电动汽车用户买电的时间；P_buy-EV为微网向电动汽车用户买电的功率；

(4)购气成本

微网的购气成本即微网向天然气网买气的成本：

式中，C_buy,NG为微网购气成本；C_buy-NG为微网购气价格；x_buy-NG为购气量；

2-2效益模型

微网的效益包含：实时电量效益、热负荷收益、充电站的收入、环境效益；

(1)实时电量效益

式中，R_ele为微网的电量收益；Day为天数；C_ele,i为i时刻售电价格；P_ele,i为i时刻售电功率；Δt为时间间隔；

(2)热负荷收益

式中，R_h为微网的热负荷收益；Day为天数；C_h为售热价格；P_h,i为i时刻售热功率；Δt为时间间隔；

(3)充电站的收入

充电站的收入来源于向电动汽车售电，收入如下：

式中，R_EV为充电站售电的收入；P_sell-EV为充电站售电功率；θ₁为充电站售电时间；C_sell-EV为充电站售电价格；

(4)环境效益

微网的环境效益来源两方面：

一方面，微网使用二氧化碳捕获系统和P2G系统结合，减少了SOFC-MGT发电系统的二氧化碳排放，因此减少的环境治理成本即为CCS系统环境收益；

另一方面，储热系统放热时，减少了燃气锅炉的出热，从而减少了燃气锅炉的出热排放，由此减少的环境治理成本即为储热系统环境收益；

环境收益如下：

式中，R_env为环境收益；Day为天数；

为二氧化碳排放价格，

为i时刻捕获的二氧化碳量；

为燃气锅炉单位热功率二氧化碳排放量；Q_HSd,i为i时刻储热系统放热功率；Δt为时间间隔；

2-3净效益模型

微网的净收益为总收益减去总成本：

总收益：

R＝R_ele+R_h+R_EV+R_env (45)

总成本：

C＝C_inv+C_om+C_buy,e+C_buy,NG (46)

净收益：

P_net＝R-C (47)。

2.根据权利要求1所述的一种并网型微网优化配置方法，其特征在于：步骤3中，建立微网优化配置模型，具体过程如下：

3-1目标函数

以微网规划净收益最大为目标，目标函数为：

max P_net＝R-C (48)

3-2约束条件

等式约束包括微网内能量的平衡约束；

不等式约束包括各单元的运行约束；

(1)能量平衡约束

电功率平衡：

热功率平衡：

式中，P_load(t)为微网内电负荷，Q_h(t)为网内热负荷；

天然气平衡：

(2)与配网电功率交换约束

P_buy-grid(t)≤P_linemax (52)

P_sell-grid(t)≤P_linemax (53)

式中，P_linemax为联络线的最大功率；

(3)与天然气网交换约束

x_buy-NG(t)≤x_pmax (54)

式中，x_pmax为管道的最大输送量；

(4)PV、WT的有功出力约束

式中，

为风机、光伏的额定功率；

(5)燃气锅炉约束

Q_GBmin≤Q_GB(t)≤Q_GBmax (57)

Q_GB(t)-Q_GB(t-1)≤R_up,GB (58)

Q_GB(t-1)-Q_GB(t)≤R_down,GB (59)

式中，Q_GBmin、Q_GBmax为燃气锅炉输出最小、最大功率；R_up,GB、R_down,GB为上坡速率、下坡速率；

(6)储能的相关约束

电池充、放电功率受最大充、放电倍率制约：

式中，

为储能电池额定容量；γ_ESc、γ_ESd分别为储能的最大充、放电倍率。

3.根据权利要求1所述的一种并网型微网优化配置方法，其特征在于：对SOFC-MGT联合发电系统模型进行简化，简化条件为：

(1)假定SOFC输出电效率恒定；

(2)假定SOFC-MGT联合发电系统输出电、热效率恒定；

(3)假定二氧化碳捕获系统消耗的能量与SOFC-MGT系统输出电功率有关；

(4)假定能捕获全部的二氧化碳。

Images