CN104092231A - 一种独立微网混和储能容量优化配置方法 - Google Patents

Abstract

本发明涉及一种独立微网混和储能容量优化配置方法，针对蓄电池和超级电容器组成的混和储能***，以混合储能***的一次性投资最小作为目标函数，从储能***的能量供给能力和功率供给能力两方面综合考虑确定混合储能***的容量，采用粒子群优化算法对算例进行求解，最终输出最优解即为在满足***可靠性前提下混和储能***的最省投资。验证本发明提出的混和储能容量优化模型的正确性，本发明方法节约了储能设备的投资成本，增加了可再生资源的利用效率。

Description

一种独立微网混和储能容量优化配置方法

技术领域

本发明涉及一种微网容量配置技术，特别涉及一种独立微网混和储能容量优化配置方法。

背景技术

在微电网中，风力、光伏等分布式电源的发电情况受到天气情况的制约，具有不稳定性和不可控性，再加上负荷也存在一定的随机性，因此在独立运行的微电网中很难做到电量的供需平衡。通过配置一定的储能单元，可以有效的提高微电网的供电可靠性，实现能量的供需平衡。目前，各种储能设备的价格均比较昂贵，因此在配置储能***时，力求达到分布式电源、负荷、储能***在容量上的最佳组合，从而较为经济的解决微电网供电可靠性问题，提高***运行的稳定性。

目前，对微电网中混和储能***的容量配置问题，国内外的相关学者对其进行了研究，并取得了一些理论和实践方面的成果。如孙耀杰、康云龙等建立了蓄电池容量优化约束规划的数学模型，在考虑蓄电池充放电的约束条件和分布式电源随机特性的基础上，将蓄电池容量最优化问题归结为机会约束规划问题。刘建涛、曾赣生等针对独立光伏混合发电***，以混合储能***的投资成本最低作为目标函数，以独立光伏发电***的运行技术指标为约束，基于一典型日气象数据提出了基于单纯形法的容量优化配置方法。

发明内容

本发明是针对独立运行的微电网中很难做到电量的供需平衡的问题，提出了一种独立微网混和储能容量优化配置方法，针对独立运行的风光互补微电网进行储能容量的优化配置，在综合考虑了发电单元、储能单元负荷特性的基础上，建立了以混和储能***投资成本最低的目标函数，提出了能量约束和功率约束，并用粒子群优化算法对算例进行了求解，证明了这种容量优化配置方法的正确性。

本发明的技术方案为：一种独立微网混和储能容量优化配置方法，具体包括如下步骤：

1）设定微电网电源包括风力发电单元、光伏发电单元、储能***，其中储能***为蓄电池和超级电容器组成的混和储能***；

2）对微电网电源建模，根据历史数据计算各个电源发电量和负荷用电量；

3）容量优化的目标函数：以储能***的一次性投资最小为目标函数；

                                                                    

式中：n ₁ 、n ₂  分别为蓄电池、超级电容器的个数；M _bat 为蓄电池的单价；M _uc 为超级电容器的单价；

4）储能***约束：

A: 发电盈余约束，设第i月电量盈余最大，12≥i≥1，电量盈余用E(i)表示，平均每天的电量盈余为E(i)/d，其中d为当月天数，储能***能够储存的总容量小于d ₁ E(i)/d，其中d ₁ 为储能***恢复时间，即

； 

B：发电不足约束，设第j月电量缺口最大，12≥j≥1）月电量缺口用E(j)表示，平均每天的电量缺口为E(j)/d，储能***的总容量大于d ₂ E(j)/d，其中d ₂ 为储能***自给时间，即

 ； 

C: 功率约束，在没有分布式电源出力时，储能***的功率输出能力应大于峰值负荷，蓄电池组的功率输出P _bat ，超级电容器的功率输出P _uc ，即

   

负荷出现大波动的时候，储能***能应变负荷变动，即                                            

                                             

式中：t为冲击负荷持续时间；P _Lmax 为冲击负荷功率；

5）把目标函数和约束条件转化为具体可求解的优化方程；

6）使用粒子群优化算法对优化方程进行求解；

7）最终输出最优解即为在满足***可靠性前提下混和储能***的最省投资。

本发明的有益效果在于：本发明独立微网混和储能容量优化配置方法，针对蓄电池和超级电容器组成的混和储能***，以混合储能***的一次性投资最小作为目标函数，从储能***的能量供给能力和功率供给能力两方面综合考虑确定混合储能***的容量。采用粒子群优化算法对算例进行求解，通过算例分析，证明了本发明提出的混和储能容量优化模型的正确性，节约了储能设备的投资成本，增加了可再生资源的利用效率。

附图说明

图1为本发明独立微电网的结构图；

图2为本发明容量优化配置的流程图；

图3为本发明风力发电机组的月发电量；

图4为本发明光伏电池的月发电量。

具体实施方式

在风力发电单元和光伏机组不足以供给负荷所需电量时，储能***担负着供给不足功率的重任；在发电量存在盈余时，储能***吸收盈余的功率。微电网发电量的盈余和不足是确定储能***容量的依据。同样，在负荷突然脉动时，也由储能***提供缓冲冲击功率，所以负荷大波动时的冲击功率和这段时间内的耗电量也是确定储能容量的关键因素之一。在综合考虑了发电单元、储能单元负荷特性的基础上，建立了以混和储能***投资成本最低的目标函数，提出了能量约束和功率约束，并用粒子群优化算法对算例进行了求解。

一、微电网建模：

典型的独立微网由风力发电单元、光伏发电单元、储能***、负载以及相应的控制单元组成，本发明建立的独立微电网结构图如图1所示。控制单元主要是DC/DC和AC/DC，通过这些功率变换器实现分布式电源、储能单元、负载与直流母线的连接。分布式电源模型和储能单元的模型如下：

1、风力发电单元建模

风力发电机组输出功率P _wt 与实际风速v的关系可描述如下：

  （1）                                     

式中：为风机的额定出力；为切入风速；为切出风速；为额定风速。

2、光伏电池建模

光伏发电单元的输出功率与光照强度，环境温度密切相关。光伏发电单元的实时输出功率P _pv 可以用如下的函数表示：

         （2）

式中：为STC（standard test condition）下光伏发电单元的最大输出功率；为实际太阳辐照强度(W/m²)；为标准测试条件下太阳辐照强度(W/m²)；为功率温度系数 (%/℃)；为电池温度；为参考温度。

3、蓄电池建模

对于单体容量为C _bat (Ah)、额定电压为U _bat  (V)、级联数为N _bat 的蓄电池组理论上储存的电能总量E _bat （本发明中电能的单位若无特别说明均为kWh，功率单位均为kW）为：

             （3）

假设蓄电池的放电深度为λ（1>λ>0），则蓄电池组在每次循环充放电过程中可以放出的电能E _{bat_f} 为：

           （4）

充电过程中需要的电能E _{bat_ch} 为：

       （5）

式中:η为蓄电池的充电效率。

通常情况下，把蓄电池看做恒压工作，工作电流控制在0.1C _bat ，因此上述蓄电池组的功率输出能力为：

             （6）

4、超级电容器建模

超级电容器充放电时把它等效为理想电容。记单体超级电容器的电容为C _uc  (F)，额定电压为U _uc (V)，超级电容器存储的电量E _uc 为：

               （7）                                                                                                  

在实际的应用中，超级电容的工作电压有一个范围U _ucmin ~U _ucmax ，对于级联数量为N _uc 的超级电容器组，每次充放电循环中可为***提供的电能为：

         （8）         

对于充电效率为γ(1>γ>0)的超级电容器，超级电容器在充电过程中需要的电能为：

    （9）

上述超级电容器组的输出功率为：

           （10）

式中：P _{uc_max} 为电容器组最大输出功率；I _{uc_max} 为单体电容器的工作电流上限。

二、混和储能***容量优化目标函数与约束条件：

1、容量优化的目标函数

储能***的配置最重要的目标是满足***供电可靠性的要求，理论上越大越好，但是储能单元的容量越大一次性投资也就越大。目前，储能***在独立运行微电网总成本中占有较大的比例，以独立运行的微电网为例，蓄电池占整个微电网投资成本的20%~25%。本发明以储能***的一次性投资最小为目标函数。

         （11）                                                                          

式中：n ₁ 、n ₂  分别为蓄电池、超级电容器的个数；M _bat 为蓄电池的单价；M _uc 为超级电容器的单价。

2、容量优化的约束方程

储能***在微电网中起着非常重要的作用，在风光互补发电***发电充足时，把多余的电能存储在蓄电池和超级电容器里；在风光互补***发电不足时，储能***能够迅速的发出功率弥补***的电量缺额。原则上，储能***的容量应不小于全年最大连续电量缺口。因此本发明采用月统计电量的概念，利用一年中电量盈余最大的月份和电量缺额最多的月份来规划储能***的总容量，这样可以充分避免储能容量的浪费或不足。鉴于蓄电池和超级电容器各自的充放电特性和优势，蓄电池作为最主要的储能装置，超级电容器作为辅助单元，在对相对平稳的负荷供电时，考虑的主要是蓄电池的供电能力；而在出现冲击负荷时，考虑的主要是超级电容器的大功率充放电能力。本发明从电量盈余、电量亏损最大的两个月来约束储能***的总容量，从对冲击负荷的吞吐能力来约束储能***的功率。

（1）发电盈余约束

在发电有盈余时，应让储能单元把多余的电量储存起来。而储能元件的容量应小于平均盈余的电量，避免过多的配置储能。设第i（12≥i≥1）月电量盈余最大，电量盈余用E(i)表示。平均每天的电量盈余为E(i)/d，其中d为当月天数。为了避免能量的浪费，储能***能够储存的总容量应小于d ₁ E(i)/d，其中d ₁ 为储能***恢复时间。表达式如下：

            （12）

（2）发电不足约束

在发电不足时，储能单元弥补电量缺口。设第j（12≥j≥1）月电量缺口最大，月电量缺口用E(j)表示，平均每天的电量缺口为E(j)/d。为了保证在恶劣天气下（风速小或无光）储能***能够向负荷提供足够的电能，储能***的总容量应大于d ₂ E(j)/d，其中d ₂ 为储能***自给时间。表达式如下：

               （13）                                                   

（3）功率约束

在蓄电池—超级电容器储能***中，蓄电池作为主要单元承担大部分的电量储存和供应的工作，而根据超级电容器的特性，超级电容器作为辅助单元，在负荷出现大波动的时候，利用超级电容器快速充放电的特性，充分发挥超级电容器大功率吞吐能力的优势。考虑极限情况下，在没有分布式电源出力时，储能***的功率输出能力应大于峰值负荷，如式14、15所示。

                 （14）                                                      

                 （15）                                                   

式中：t为冲击负荷持续时间；P _Lmax 为冲击负荷功率。

三、基于粒子群优化方法的容量优化配置：

1.粒子群优化算法

粒子群算法是基于鸟类社会行为的模拟发展起来的一种种群随机优化方法。PSO算法的运动过程如下：假定粒子群的种群规模为N，在R维空间中粒子的位置相量表示为X _i =[x _i1,x _i2,...x _ir ]，粒子i的的速度定义为迭代中粒子移动的距离，速度相量表示为V _i =[v _i1,v _i2,...,v _ir ]。P _i 表示粒子i所经历的最好位置，P _g 表示种群中所有粒子所经历的最好位置。粒子每更新一次，就计算一次适应度值，综合比较个体适应度值和群体适应度值更新P _i 和P _g ，最后收敛到问题的最优解或近似解。PSO算法中每个粒子在迭代过程中按照如下两式对粒子的速度和位置进行更新：

           （16）

                （17）

式中：i为进化代数；为惯性权重；c ₁、c ₂为加速因子，也被称为认知因子和社会因子；rand（）为[0,1]之间的随机数。

基于粒子群优化算法的容量配置流程图如图2所示，其具体步骤为：

1）根据历史数据计算分布式发电的发电量和负荷用电量；

2）校验电量平衡原理是否成立，若成立可以为微电网配置储能***；若不成立，则此微电网不具备配置储能***的条件；

3）把目标函数和约束条件转化为具体可求解的优化方程；

4）使用粒子群优化算法对步骤3）中的优化方程进行求解；

5）最终输出最优解即为在满足***可靠性前提下混和储能***的最省投资。

四、算例分析：

1、算例***

应用本发明方法为某风光互补微电网为例，对混合储能***容量优化配置。算例的具体参数如下：

1）风力发电的额定功率75kW，光伏机组额定发电功率25kW。风力发电和光伏发电的每月发电量分别如图3、图4所示。

2）负荷日耗电量850kWh/d，平均功率35kW，负荷每天会出现30s的脉动，脉动时产生很大的峰值功率，为其额定功率的5倍。

3）单体蓄电池和超级电容器的基本参数如表1所示。

表1

2、算例分析及讨论

首先校验电量平衡原理是否成立，分布式电源和负荷的月统计电量如表2所示。分布式电源全年发电量为313381.23kWh，负荷全年用电量为310250kWh，发电量略大于用电量，满足***要求。由表2可知电量的最大盈余出现在12月，月内共盈余1366.52kWh，平均每天盈余的电量为45.55 kWh；电量供给的最大缺额出现在5月份，5月内的电量缺口为1174.52kWh，平均每天的电量缺口为39.16kWh。为保证***稳定的供电，储能***总容量应不小于5月份5天的电量缺口；同时为了使避免储能容量的浪费，储能***的总能量不大于12月5天的盈余电量；负荷峰值功率为175kW，考虑极限情况下（无风、无光照），储能***的功率输出能力应大于负荷峰值功率。

表2

综合上述，把式（3）~（10）代入约束条件中，并代入蓄电池和超级电容器的具体参数，容量优化的约束条件整理为：

   （18）

把目标函数和约束条件转化为具体的可求解的优化方程，代入蓄电池和超级电容器的相应参数得到式（19），使用粒子群优化算法进行求解：

          （19）

式中：P(x,M)为储能***一次性投资成本，即为粒子群优化算法的适应度函数；n(1) 为蓄电池个数；n(2) 为超级电容器个数；M 为惩罚因子，M为远大于1的正数，。

设置粒子群种群规模sizepop=100，加速因子c ₁ =c ₂ =1.4955，权重系数ω=1。经过200次迭代得到容量优化的结果如表3所示。

表3

由表3可知若单纯使用蓄电池作为储能单元，为了在出现冲击负荷的时候满足对负荷的供电，必须配备大量的蓄电池，经济成本很高。使用混合储能后，充分发挥超级电容器大功率吞吐能力，减少了蓄电池的数量，节约了经济成本。

Claims (1)

1.一种独立微网混和储能容量优化配置方法，其特征在于，具体包括如下步骤：

1）设定微电网电源包括风力发电单元、光伏发电单元、储能***，其中储能***为蓄电池和超级电容器组成的混和储能***；

2）对微电网电源建模，根据历史数据计算各个电源发电量和负荷用电量；

3）容量优化的目标函数：以储能***的一次性投资最小为目标函数；

                                                                    

式中：n ₁ 、n ₂  分别为蓄电池、超级电容器的个数；M _bat 为蓄电池的单价；M _uc 为超级电容器的单价；

4）储能***约束：

A: 发电盈余约束，设第i月电量盈余最大，12≥i≥1，电量盈余用E(i)表示，平均每天的电量盈余为E(i)/d，其中d为当月天数，储能***能够储存的总容量小于d ₁ E(i)/d，其中d ₁ 为储能***恢复时间，即

； 

B：发电不足约束，设第j月电量缺口最大，12≥j≥1）月电量缺口用E(j)表示，平均每天的电量缺口为E(j)/d，储能***的总容量大于d ₂ E(j)/d，其中d ₂ 为储能***自给时间，即

 ； 

C: 功率约束，在没有分布式电源出力时，储能***的功率输出能力应大于峰值负荷，蓄电池组的功率输出P _bat ，超级电容器的功率输出P _uc ，即

   

负荷出现大波动的时候，储能***能应变负荷变动，即                                            

                                             

式中：t为冲击负荷持续时间；P _Lmax 为冲击负荷功率；

5）把目标函数和约束条件转化为具体可求解的优化方程；

6）使用粒子群优化算法对优化方程进行求解；

7）最终输出最优解即为在满足***可靠性前提下混和储能***的最省投资。