微电网多目标能量优化短时调度策略研究

2017-10-12 17:23:55 分布式发电与微电网　点击量：评论 (0)

同济大学电子与信息工程学院的研究人员金立军、侯珂、程逸帆，在2016年《电工技术学报》增刊2上撰文指出，微电网中存在风力发电、光伏发电等微电源，其发电的波动性限制了微电网调度的跟随性和实时性。因此，使用

同济大学电子与信息工程学院的研究人员金立军、侯珂、程逸帆，在2016年《电工技术学报》增刊2上撰文指出，微电网中存在风力发电、光伏发电等微电源，其发电的波动性限制了微电网调度的跟随性和实时性。因此，使用储能装置对波动性微电源进行功率平抑，以降低其接入微电网时的波动性，确保微电网短时调度的可行性。

微电网短时调度考虑从技术、经济和环境等方面对各类微电源进行能量优化配置，并使用Pareto支配法对微电网多目标优化问题进行了求解。对单步求解生成的Pareto解集，使用权重系数法、附加目标法和调度空间法进行了调度方案筛选，确定了短时调度情况下的调度策略。

微电网作为将风电、光电等分布式电源接入电网的有效手段，得到了逐步推广和应用。为保证并提高系统运行的稳定性和可靠性，应综合考虑多个方面对微电网中的微电源、储能元件进行能量优化配置[1]。

文献[2]以经济和环境为优化目标给出了电力系统调度方案;文献[3]在考虑最大化经济效益的同时，还最大化可靠性、最小化可再生能源功率波动和作为微电网优化运行的目标;文献[4]考虑了将电压偏差和微电网削峰填谷能力作为优化目标;文献[5]考虑将风电消纳最大作为优化目标之一，提高了电网运行风电消纳的水平。综上所述，微电网能量配置方案满足经济、环境和技术要求。

从时间策略上，目前微电网常用的调度方案可以分为周期调度和短时调度。周期调度是依据典型的各类微电源和负荷预测数据给出固定的调度计划。

文献[6]考虑了经济成本和环境成本，结合典型风、电和日负荷下的调度方案，给出了24h的调度策略，调度时间间隔为1h;文献[7]选取一年中的典型情况为算例进行经济运行分析，并采用小生境遗传算法进行求解，得出了在各典型情况下各微电源的最优出力和最佳电能交易调度策略。短时调度则是根据微电网中各微电源当前能量分布情况作出一段时间间隔内相应的调度安排。

文献[8]给出了风电实时调度控制协调策略，降低了风电预测偏差带来的影响。采用短时调度策略能够根据实际的微电源和负荷情况进行能量分配，有利于自然资源合理分配和利用，进而确保系统稳定运行。

在采用短时调度策略时，一方面，为提高调度策略对系统当前能量分配状态的跟随性，应尽可能缩小单步调度时的时间间隔;另一方面，风能、光能的波动性和不确定性限制了短时调度时间间隔的进一步缩小，若直接对风、光能量进行调度时采用过小的调度时间间隔，将导致调度过于频繁，降低了微电网系统的稳定性。因此，确定合适的单步调度的时间间隔尤为关键。

为降低自然能源的波动性给微电网系统带来的影响，实现对自然资源如风能、光能等的最大利用，可对波动性微电源进行功率平抑，即利用储能元器件结合相应控制策略降低其接入的波动性。

文献[9,10]采用了能量型储能和功率型储能组成的混合储能系统平抑光伏输出功率波动;文献[11]则采用混合储能系统对风力发电输出功率进行了功率平抑。功率平抑的结果使得波动性微电源的功率在一段时间内、在某一范围内小幅波动，可进一步减小短时调度的时间间隔。

因此，本文提出了考虑波动性微电源功率平抑的微电网多目标优化问题，对含有风力发电和光伏发电单元的微电网的能量配置进行了提高供电可靠性、减小经济和环境成本等方面的优化[12]。

针对提出的微电网多目标优化模型，本文采用了基于Pareto支配的多目标粒子群算法MOPSO进行求解，并在有限的调度时间内，采用权重系数法、附加目标法和调度空间法三种方法对求解得到的Pareto解集进行筛选，得到的调度方案综合考虑了微电网系统的网络损耗、电压偏差、经济成本和环境成本，具有一定的可行性。

典型微电网系统结构

结论

本文选取微电源、储能元件和柴油发电机作为能量配置的对象，对含有风力发电和光伏发电单元的微电网的能量配置进行了提高供电可靠性、减小经济和环境成本等方面的优化。

针对提出的微电网多目标优化模型，采用了基于Pareto支配的多目标粒子群算法MOPSO进行单步求解：一方面，为快速获取优异的Pareto解集，本文给出了调度时间的一般选取方法;另一方面，对于求解得到的Pareto解集，本文给出了权重系数法、附加目标法和调度空间法三种方法进行筛选，确定了单步调度策略。

最后，本文采用调度空间法和权重系数法对一个典型的微电网的能量配置进行了多目标优化，得到的调度方案综合考虑了网络损耗、电压偏差、经济成本和环境成本，在保证调度对系统的跟随性的同时，使系统经济可靠运行，具有一定的可行性。