分時電價響應下園區微電網日前優化調度策略

皮琳雯,虞莉娟,蘇義鑫

(武漢理工大學 自動化學院,湖北 武漢 430070)

微電網(microgrid,MG)是由多種分布式電源、儲能裝置和各類負荷組成的一個可控制的系統,也是一種高效且環保利用可再生能源的有效途徑[1]。MG中用戶側的用電需求影響調度中心對各發電機組的調控。分時電價(time of use,TOU)作為一種需求響應策略,根據用電系統運行狀況,將24 h劃分為若干時段,各時段按系統運行的平均邊際成本制定電價進行收費。通過在MG中實施TOU政策,將部分負荷轉移至電價較低時段,降低峰谷差,減少用電系統的運行成本。

諸多文獻針對微電網優化調度問題進行了研究。文獻[2]建立了一個MG模型,在考慮需求側響應的情況下使微電網總運行成本最低。文獻[3-4]借助雙層策略模型實現了MG優化運行和與主網協調互動,并使MG相關利益者的收益達到最大。以上研究考慮因素較單一。文獻[5-6]在配電網中借助TOU模型,以減小峰谷差、降低運行中的電能損耗為目標,使配電系統運行穩定能力大大增強,但未用于完整的MG模型中[7]。以需求側管理為基礎,在充分考慮用戶側需求下實現調度,卻未考慮電價對調整用電產生的影響。文獻[8-9]以MG運行成本最小為目標,通過案例分析實現微電網優化運行,但均未從電價出發,綜合考慮MG運行成本的問題。

綜上所述,考慮到TOU能激勵用戶側調整部分負荷用電時段的特點,建立一個園區微電網(park microgrid,PMG)模型。以1 h為間隔,對PMG進行未來24 h的機組優化調度。根據可中斷負荷預測曲線的結果劃分負荷峰-谷-平時段,得出優化后TOU。建立價格與負荷間的需求響應關系,引導用戶側對用電負荷進行調整,降低負荷的峰谷差。本研究以日前調度的總成本最低為優化目標,通過灰狼算法進行求解,得到PMG日前優化調度策略。

1 PMG模型與運行模式

1.1 PMG的組成

PMG結構如圖1所示。PMG主要由發電機組、調度中心、園區內負荷3部分組成。其中發電機組主要是由常規發電機組、風光發電機組、儲能系統組成。園區內負荷主要分為不可中斷負荷和可中斷負荷兩大類,不可中斷負荷是指維持園區內正常生產運行產生的負荷;可中斷負荷是指用戶側可以中斷的負荷,如使用電動汽車、家電等產生的負荷。

圖1 園區微電網系統結構圖

從圖1可知,調度中心根據PMG運行狀況進行判斷和決策,對機組進行調度。為了確保PMG電量的供需平衡以及聯絡線交易,調度中心與主網通過聯絡線互聯。

1.2 PMG發電機組模型

1.2.1 常規發電機組模型

根據園區微電網的規模,常規機組主要是由兩臺微型燃氣輪機(micro-turbine,MT)、兩組燃料電池(fuel cell,FC)、兩臺柴油機(diesel engine generator,DG)組成。

1.2.2 風光發電機組模型

風光發電機組由光伏機組(photo valtaic, PV)和風電機組(wind turbine, WT)組成。

(1)

式中:Prs為光伏機組的額定輸出功率;Ic為確定的太陽輻射照點,通常為0.15 kW/m2;It為t時刻光伏發電機輸出電流值;Istd為太陽輻照的標準條件值,通常為1 kW/m2。

(2)

1.2.3 儲能系統

在園區微電網中,電池儲能系統(battery energy storage system, BESS)主要是由短時間內充放電的功率型蓄電池組成[10]。在本文中,考慮到儲能系統的充放電的時序性和靈活的調整能力,儲能系統不參與PMG的日前調度。

1.3 PMG運行模式

本研究中,根據PMG可中斷負荷預測曲線劃分峰-谷-平時段,根據其變化趨勢確定新的TOU。在完成上述工作前,調度中心需收集和核算PMG的負荷資源,確定不同種類的負荷體量和分布,統計出微電網中各分布式電源的容量,完成上述工作后對各發電機組進行調度。PMG優化運行的框架如圖2所示。

圖2 PMG調度框架圖

從圖2可知,負荷分為不可中斷負荷和可中斷負荷?？芍袛嘭摵勺鳛镻MG內可轉移的負荷參與需求側響應,將其分為直接參與需求側響應負荷(dem response, DR)和激勵型參與需求響應的負荷(incentive-based dem response, IDR)。IDR通過PMG實施TOU政策在用電高峰時期調整用電時段,在一定程度上能削峰填谷,緩解PMG用電壓力。在PMG內發電機組出力大于負荷需求時向主網售出多余電量,使PMG作為售電方獲得收益。

2 TOU模型

為了考慮PMG內電力資源的合理配置,本研究選用TOU作為激勵方式調整部分負荷的用電時段。確定TOU模型主要分為以下兩步:①調度中心獲取次日的不可中斷負荷預測曲線,根據預測曲線變化趨勢劃分峰-谷-平時段;②根據可中斷負荷預測曲線峰-谷-平劃分時段的結果對電價進行優化,生成新的TOU曲線。

2.1 峰-谷-平周期劃分方法

劃分峰-谷-平時段是實施分時電價的必要前提。筆者采用基于移動邊界技術來對負荷時段進行周期劃分。

圖3 基于移動邊界技術周期劃分算法流程圖

本研究將邊界變量Bfv、Bpv作為周期劃分模型中兩個決策變量,設F(Bfv,Bpv)為目標函數。目標函數表達式如下:

(3)

(4)

式中,Nm為第m個周期內的負荷數量。

2.2 TOU優化模型

建立負荷變化與價格的數學關系,該表達式由電能變化與價格變化之比的彈性系數組成,需求彈性系數分為自彈性系數和交叉彈性系數,表達式如下:

(5)

(6)

式中:m和l為不同時期,即m∈(p,f,v),l∈(p,f,v);ξmm為自彈性系數;ξml(m≠l)為交叉彈性系數;ΔEm為第m個周期用電量的變化;Em為前m個時段的用電量;ΔPm、ΔPl為第m個周期和第l個周期的價格變化;P0為原始電價。

考慮TOU前后的小時負荷計算方法為:

(7)

3 PMG日前優化調度模型

3.1 目標函數

以PMG的綜合運行成本Fcost為目標函數,其計算方法為:

Fcost=Cf+Cos+Cd+Ci

(8)

式中:Cf為燃料成本;Cos為發電機組的運行維修成本;Cd為污染氣體的排放成本;Ci為PMG與主網交互的購售電成本。

3.1.1 PMG的燃料成本

PMG中的燃料成本為24小時微型燃氣輪機、柴油機、燃料電池所用燃料費用的總和。

(9)

(10)

(11)

(12)

3.1.2 PMG的運維成本

在PMG中,機組的運行維護成本如下:

(13)

3.1.3 PMG的排放成本

在PMG中,常規發電機組的使用會產生大量污染物氣體。為了降低排放物對環境的影響,需要對這些排放物和污染物進行處理。其表達式如下:

(14)

3.1.4 PMG的購售電成本

PMG進行聯絡線交易時,購售電成本為:

(15)

3.2 約束條件

3.2.1 PMG的功率約束

(16)

(17)

3.2.2 PMG的機組出力約束

PMG機組的出力約束主要集中在常規機組的出力上下限約束和爬坡約束:

(18)

(19)

3.2.3 與主網的交互功率約束

(20)

(21)

式中,Pi,min、Pi,max分別為與主網交互功率的最大值和最小值。

3.2.4 參與需求側響應的功率約束

在PMG中,有一部分負荷參與需求側響應負荷。參與需求側響應的負荷分為直接可控負荷和不可控負荷。其表達式及約束條件如下:

(22)

0≤?！?

(23)

3.3 PMG多目標優化模型求解方法

在實現PMG合理調度過程中,對算法的收斂速度、搜索能力都有著較高的要求。筆者選用灰狼算法對模型進行優化[12]。

設灰狼群在空間內有N個個體,其位置為:

X=(x1,x2,…,xN)

(24)

設定目標灰狼的位置為:

(25)

當前灰狼的位置為:

(26)

當前灰狼向目標灰狼移動后的位置可由式(27)得出:

(27)

式中:A為取值范圍-a到a的均勻隨機數,a為某一常數,一般取初始值為2,隨著算法的迭代減至0;C為取值0或2的隨機數。經過移動后,當前灰狼將移動到目標灰狼的位置周圍。其距離目標灰狼的距離由隨機數A決定,隨著迭代次數增加,會逐漸到達目標灰狼的位置。

灰狼算法流程如圖4所示,其中α、β、γ為灰狼算法中3個初始樣本的位置。

圖4 灰狼算法流程圖

4 算例分析

4.1 PMG基礎數據及日前負荷與風光機組出力預測曲線

以某虛擬工業園區微電網典型日數據為基礎,進行算例分析,相關參數如表1所示。

表1 PMG運行參數

根據PMG典型日運行數據,風光發電機組日出力及PMG日負荷預測情況如圖5所示。

圖5 風光發電機組出力及PMG日負荷預測曲線圖

從圖5可知,光伏發電機組受太陽光影響較大,而風力發電機組出力較為波動。光照強度逐漸上升,光伏發電機組會持續輸出功率;光照強度逐漸減弱,光伏機組輸出的功率不斷減小;室外無光照后,光伏機組不再提供出力。PMG負荷高峰期集中于11:00～20:00,在20:00后負荷水平不斷下降。

4.2 TOU優化結果分析

確定PMG的典型日負荷曲線后,發電機組優先為不可中斷負荷提供出力,部分可中斷負荷根據價格激勵進行用電時段調整。

本研究將可中斷型負荷分為DR和IDR?？芍袛嘭摵煞?谷-平時段劃分曲線如圖6所示。

圖6 周期劃分負荷曲線圖

從圖6可知,負荷高峰時段主要集中在14:00-24:00,平時段為12:00-13:00,低谷時期為3:00-11:00。

在完成負荷曲線時段劃分后,根據負荷變化趨勢對TOU進行優化。PMG分時電價圖線如圖7所示。

圖7 PMG分時電價曲線圖

從圖7可知,與原始電價相比,優化后的TOU根據負荷的變化,在平、谷兩個時期,電價處于較高的水平;而在用電高峰期,電價處于較低水平。優化后的TOU在一定程度上可以激勵用戶調整部分用電需求。在電價較高時,用戶側可以將部分IDR轉移至電價較低時段,可減少部分用電支出。通過這種電價激勵的方式,PMG移峰填谷效果較明顯,以此達到降低峰谷差的目的。

4.3 日前優化調度策略結果分析

4.3.1 常規機組調度結果分析

在確定分時電價后,將根據PMG中每小時內的負荷情況和機組出力情況進行調度。圖8中為PMG常規機組每小時的出力情況。

圖8 機組調度圖

從圖8可知,各類型機組在每個小時都向PMG發出功率,且每個小時輸出功率的總和不超過400 kW。MT出力較為波動,FC出力較為恒定;作為備用發電機組的DG,在此日前調度中出力占比最少。

4.3.2 PMG與主網互聯結果分析

在常規發電機組與風光發電機組總出力大于PMG負荷時,PMG可向主網出售多余的電量,實現聯絡線交易,PMG獲得收益。此外,通過調整DR與IDR的用電時段,可降低購電成本。聯絡線交易負荷與DR、IDR負荷分布如圖9所示。

圖9 聯絡線交易負荷與DR、IDR負荷分布圖

結合TOU可看出,在1:00～5:00時電價開始上升,并在5:00后達到當日電價的最大值。在這段時間內,先從主網購電,在8:00后停止從主網購電;在12:00～14:00時,電價達到峰值。在9:00～15:00間,風光發電機組與常規發電機組的出力之和大于PMG所需的電量,此時PMG以較高的電價向主網售電,PMG獲得收益。在16:00～24:00間,電價處于最低值,光伏發電機組出力減小,此時以較低的電價從主網購電,可降低購電成本。因此,該調度策略可有效地將DR以及部分IDR轉移至電價較低時段。

4.3.3 優化調度結果分析

圖10為各發電機組占比圖。

圖10 各發電機組出力占比圖

從圖10可知,風光發電機組出力比例最高,常規發電機組其次,主網出力占比最低。因此,該調度策略使風光機組出力比例達到最大,有利于降低MT、FC等常規發電機組的燃料成本,進而減少購電成本,降低對主網的依賴性。

PMG日前調度策略如圖11所示。 在該調度策略中,利用優化后的TOU激勵用戶轉移了部分負荷,降低一天內負荷波動的峰谷差,起到“削峰填谷”的作用。同時通過聯絡線將多余電量售賣給主網,使PMG通過售賣多余電量獲得收益,減少購電成本。該日前調度策略能夠使風光發電機組出力占比最大,減少了常規發電機組的出力,從而降低了PMG日運行的燃料成本、排放成本等,提高微電網運行的經濟性。

圖11 日前調度策略圖

4.4 PMG運行成本

在日前調度策略下,PMG日前運行的燃料成本及運行維護成本如表2所示。

表2 燃料成本及運行維護成本結果

從表2可知,DG、FC燃料成本和運行維護成本較高,而風光發電機組不需要燃料成本,且運行維護成本花費較低。PMG一天內發電機組燃料成本與運行維護成本總和為24 881.56元。

PMG日前運行需花費2 986.25元從主網購電,而PMG作為售電方,可向主網售出1 026.28元的電量。因此,PMG日前調度所需成本為26 841.53元。

5 結論

針對PMG日前優化調度,設計了一個基于TOU響應的常規發電機組、風光發電機組以及與主網互聯的微電網運行模式,以最小化PMG日運行總成本為目標進行日前優化調度。通過算例分析,驗證所提模型的合理性,得出以下結論:

(1)通過對可中斷負荷預測曲線劃分峰-谷-平時段,得出優化后的TOU模型。利用價格激勵用戶側轉移部分負荷的用電時段,降低負荷峰谷差,降低用戶的購電成本。

(2)得出的調度策略可實現與主網互聯,降低PMG向主網購電成本,同時PMG獲得收益,大大提高了微電網運行的經濟型。

園區微電網內各發電機組與負荷側及主網緊密聯系,利用分時電價引導用戶側合理調整部分負荷用電時段,協調微電網內資源配置,提高微電網運行經濟性。