熱電聯(lián)產(chǎn)型微網(wǎng)系統(tǒng)的優(yōu)化調(diào)度研究

陳念斌，楊明玉

(華北電力大學(xué)電氣與電子工程學(xué)院，河北保定 071003)

熱電聯(lián)產(chǎn)型微網(wǎng)系統(tǒng)的優(yōu)化調(diào)度研究

陳念斌，楊明玉

(華北電力大學(xué)電氣與電子工程學(xué)院，河北保定 071003)

熱電聯(lián)產(chǎn)型微網(wǎng)以分布式電源為基礎(chǔ)，在充分利用可再生能源的同時(shí)，統(tǒng)一解決了用戶的電能與熱能需求問題，實(shí)現(xiàn)了能源的梯級(jí)利用。采用隨機(jī)模擬技術(shù)模擬了風(fēng)電功率及電負(fù)荷需求的隨機(jī)性，建立了集中控制模式下的孤網(wǎng)系統(tǒng)運(yùn)行成本最低、供電可靠性最高和綜合效益最高的多目標(biāo)優(yōu)化調(diào)度模型，并提出了優(yōu)化調(diào)度策略。以一個(gè)熱電聯(lián)產(chǎn)型微網(wǎng)為例，運(yùn)用遺傳算法優(yōu)化了各微電源的出力。優(yōu)化結(jié)果驗(yàn)證了本文所提模型和策略的有效性。

孤網(wǎng)；熱電聯(lián)產(chǎn)；優(yōu)化調(diào)度；經(jīng)濟(jì)性；供電可靠性

0 引 言

隨著國民經(jīng)濟(jì)的快速發(fā)展，全球能源、環(huán)境問題日益凸顯，微網(wǎng)[1]應(yīng)勢(shì)而生，成為時(shí)代與行業(yè)發(fā)展的重要機(jī)遇和挑戰(zhàn)。熱電聯(lián)產(chǎn)(Combined Heat and Power，CHP)型微網(wǎng)因其特有的供能方式引起了國內(nèi)外學(xué)者的廣泛研究[2-4]。

運(yùn)行經(jīng)濟(jì)性和供電可靠性是微網(wǎng)進(jìn)行能量優(yōu)化時(shí)必須兼顧的兩個(gè)方面[5]。經(jīng)濟(jì)效益的不確定性是阻礙微網(wǎng)發(fā)展與推廣的重要因素，因而經(jīng)濟(jì)性成為微網(wǎng)在運(yùn)行過程中追求的重要目標(biāo)；由于微網(wǎng)在孤網(wǎng)模式下缺少大電網(wǎng)的有力支持，供電可靠性隨即成為了衡量微網(wǎng)系統(tǒng)能否穩(wěn)定運(yùn)行的重要指標(biāo)；因此統(tǒng)籌兼顧微網(wǎng)系統(tǒng)孤網(wǎng)模式下的運(yùn)行經(jīng)濟(jì)性與供電可靠性顯得尤為必要。如何對(duì)孤網(wǎng)運(yùn)行狀態(tài)下的微網(wǎng)進(jìn)行優(yōu)化調(diào)度，即根據(jù)各微電源的參數(shù)和微網(wǎng)內(nèi)的熱電負(fù)荷需求，制定微網(wǎng)系統(tǒng)在未來一段時(shí)間內(nèi)的發(fā)電計(jì)劃，以使微網(wǎng)系統(tǒng)獲得最佳的經(jīng)濟(jì)效益和供電可靠性，已成為研究微網(wǎng)系統(tǒng)孤網(wǎng)運(yùn)行的重要課題之一。目前，國內(nèi)的研究主要集中于電力微網(wǎng)，對(duì)CHP方面的研究尚處于起步階段，而國外已展開了相關(guān)研究。文獻(xiàn)[6]以發(fā)電成本最小化為目標(biāo)，建立了CHP型微網(wǎng)的經(jīng)濟(jì)調(diào)度模型，并采用粒子群優(yōu)化算法進(jìn)行求解；文獻(xiàn)[7]針對(duì)包含光伏(Photovoltaic，PV)、風(fēng)機(jī)(Wind Turbine，WT)、微型燃?xì)廨啓C(jī)(Micro Turbine，MT)、燃料電池(Fuel Cell，F(xiàn)C)和蓄電池(Storage Battery，SB)的CHP型微網(wǎng)，以運(yùn)行成本最小化為目標(biāo)，建立了經(jīng)濟(jì)運(yùn)行模型，同時(shí)考慮了無功功率對(duì)經(jīng)濟(jì)調(diào)度的影響，并利用改進(jìn)遺傳算法進(jìn)行了求解。但是，它們只是單一地針對(duì)經(jīng)濟(jì)目標(biāo)進(jìn)行了優(yōu)化，供電可靠性也僅僅體現(xiàn)在約束條件上，而沒有作為具體的量化目標(biāo)，難以滿足日益復(fù)雜的微網(wǎng)系統(tǒng)的發(fā)展需求。同時(shí)，現(xiàn)階段的研究偏重于微網(wǎng)系統(tǒng)并網(wǎng)運(yùn)行而忽略微網(wǎng)孤網(wǎng)運(yùn)行時(shí)的優(yōu)化，對(duì)分布式電源及熱電負(fù)荷隨機(jī)性的考慮也不夠全面[8]。

本文針對(duì)CHP型微網(wǎng)，在考慮了風(fēng)電功率及電負(fù)荷隨機(jī)性的基礎(chǔ)上，建立了孤網(wǎng)模式下包含發(fā)電成本最低、供電可靠性最高和協(xié)調(diào)考慮運(yùn)行經(jīng)濟(jì)性與供電可靠性的綜合效益最高的多目標(biāo)優(yōu)化調(diào)度模型，提出了一種優(yōu)化調(diào)度策略，并結(jié)合遺傳算法優(yōu)化了各微電源在未來一日內(nèi)各時(shí)段的有功出力，通過對(duì)比分析，得出了使得微網(wǎng)獲得最佳經(jīng)濟(jì)效益和供電可靠性的調(diào)度方案。

1 微網(wǎng)運(yùn)行成本分析

微網(wǎng)運(yùn)行時(shí)產(chǎn)生的成本主要包括燃料成本、投資折舊成本、運(yùn)行維護(hù)成本、環(huán)境成本、停電補(bǔ)償成本等。其中：燃料成本主要指微型燃?xì)廨啓C(jī)和燃料電池發(fā)電所用天然氣的費(fèi)用，風(fēng)電機(jī)組和光伏電池等發(fā)電裝置不消耗化石能源，故其在運(yùn)行過程中不存在此項(xiàng)成本；投資折舊成本主要指微網(wǎng)的建網(wǎng)成本[9]；運(yùn)行維護(hù)成本主要指對(duì)微網(wǎng)進(jìn)行維護(hù)的人工成本；環(huán)境成本主要指各微電源發(fā)電所產(chǎn)生的CO2、SO2和NOx等污染物的治理費(fèi)用；停電補(bǔ)償成本主要指切負(fù)荷時(shí)微網(wǎng)系統(tǒng)所有者補(bǔ)償給用戶的費(fèi)用。

2 微網(wǎng)優(yōu)化調(diào)度模型

2.1 微型燃?xì)廨啓C(jī)熱電聯(lián)供系統(tǒng)

微型燃?xì)廨啓C(jī)既能夠提供電能，同時(shí)又能夠滿足微網(wǎng)內(nèi)的熱能需求，是熱電聯(lián)供系統(tǒng)的重要組成部分。含微型燃?xì)廨啓C(jī)的熱電聯(lián)產(chǎn)系統(tǒng)的數(shù)學(xué)模型[7]為

(1)

式中：QMT(t)為第t個(gè)調(diào)度周期內(nèi)MT的排氣余熱量；Pet為t時(shí)刻MT的輸出電功率；ηet為t時(shí)刻MT的發(fā)電效率，其與Pet的關(guān)系函數(shù)參見文獻(xiàn)[7]；ηl為MT的散熱損失系數(shù)；Qh(t)為t時(shí)刻MT的制熱量；Kh為制熱系數(shù)；VMT為MT消耗的天然氣量；Δt1為MT的運(yùn)行時(shí)間；L為天然氣低熱值，本文取9.7kWh/m3。

由上可知MT提供的電能和熱能具有關(guān)聯(lián)性，兩者是相互限定的。對(duì)于MT所發(fā)出電能的調(diào)度，本文采取“以熱定電”的方式，即MT所輸出的電功率由其所提供的熱能確定。本文不考慮熱能的外送和儲(chǔ)存，但將制熱收益計(jì)入調(diào)度模型之中。

2.2 微網(wǎng)系統(tǒng)不確定因素的隨機(jī)模擬

2.2.1 隨機(jī)模擬技術(shù)

隨機(jī)模擬，也稱蒙特卡洛(Monte Carlo)模擬，是一種實(shí)現(xiàn)隨機(jī)(或確定)系統(tǒng)抽樣試驗(yàn)的技術(shù)，其基本思想是從給定的概率分布中抽取隨機(jī)變量，從而對(duì)系統(tǒng)決策進(jìn)行檢驗(yàn)或?yàn)橄到y(tǒng)決策提供依據(jù)[10]。隨機(jī)模擬技術(shù)只是給出了一定次數(shù)統(tǒng)計(jì)估計(jì)結(jié)果的平均值，而非精確結(jié)果，其精確度可用估計(jì)值的標(biāo)準(zhǔn)誤差表示。本文采用隨機(jī)模擬技術(shù)來模擬微網(wǎng)系統(tǒng)運(yùn)行過程中出現(xiàn)的可再生能源功率和電負(fù)荷的波動(dòng)等不確定因素。

2.2.2 風(fēng)電功率波動(dòng)

通過大量的統(tǒng)計(jì)數(shù)據(jù)分析表明，大多數(shù)地區(qū)的風(fēng)速近似服從Weibull分布[11]，其概率密度函數(shù)為

(2)

式中：v為風(fēng)速(m/s)；k為形狀參數(shù)；c為尺度參數(shù)。

上述參數(shù)可由該時(shí)段的平均風(fēng)速求得

(3)

風(fēng)電功率PWT與風(fēng)機(jī)輪轂高度處的風(fēng)速v具有如下關(guān)系[11]：

(4)

式中：PN為風(fēng)機(jī)額定輸出功率；vN、vCI和vCO分別為額定風(fēng)速、切入風(fēng)速和切出風(fēng)速。當(dāng)風(fēng)速高于切入風(fēng)速時(shí)，自動(dòng)裝置動(dòng)作將風(fēng)機(jī)并入電網(wǎng)；當(dāng)風(fēng)速高于切出風(fēng)速時(shí)，風(fēng)機(jī)停止發(fā)電，從電網(wǎng)中解列出來。

為了進(jìn)行模擬，將一天分為24h個(gè)時(shí)段，先根據(jù)各時(shí)段平均風(fēng)速的預(yù)測(cè)值計(jì)算參數(shù)k和c；然后根據(jù)風(fēng)速分布，即式(2)，采用蒙特卡洛模擬隨機(jī)產(chǎn)生風(fēng)速數(shù)據(jù)；再由式(4)計(jì)算風(fēng)電功率。上述過程重復(fù)進(jìn)行1 000次，對(duì)其結(jié)果取平均值，即為考慮了波動(dòng)因素的各時(shí)段風(fēng)機(jī)出力值。

2.2.3 光伏功率波動(dòng)

光伏電池的出力，與光照強(qiáng)度和環(huán)境溫度等因素有關(guān)。據(jù)統(tǒng)計(jì)，在一定時(shí)間段內(nèi)，光照強(qiáng)度近似服從Beta分布，其概率密度函數(shù)[12]為

(5)

式中：G和Gm分別為一定時(shí)間段內(nèi)的實(shí)際光照強(qiáng)度和最大光照強(qiáng)度；α和β為Beta分布的形狀參數(shù)。

上述Beta分布中的形狀參數(shù)可由該時(shí)間段內(nèi)的光照強(qiáng)度平均值及其方差求得

(6)

(7)

式中：Gu為該時(shí)間段內(nèi)的平均光照強(qiáng)度；σ2為光照強(qiáng)度方差。

直接測(cè)量光伏電池的溫度比較困難，對(duì)于封裝的太陽能電池組件，可以根據(jù)下面的經(jīng)驗(yàn)計(jì)算式，通過測(cè)量環(huán)境溫度而估算出光伏電池組件工作時(shí)的溫度[13]：

(8)

式中：Tc和Tamd分別為光伏電池工作溫度和環(huán)境溫度。

光伏電池組件的功率輸出模型可表示如下[13]:

(9)

式中：GSTC為標(biāo)準(zhǔn)測(cè)試條件下的光照強(qiáng)度，取1 000W/m2；PSTC為標(biāo)準(zhǔn)測(cè)試條件下的最大輸出功率；K為功率溫度系數(shù)；Tr為參考溫度，取25℃。

根據(jù)一定時(shí)間段內(nèi)的平均光照強(qiáng)度，由式(6)和(7)計(jì)算光強(qiáng)分布的形狀參數(shù)；根據(jù)式(5)隨機(jī)抽取1 000次光強(qiáng)數(shù)據(jù)，代入式(8)求取光伏電池的工作溫度；將1 000組光照強(qiáng)度數(shù)據(jù)和光伏電池溫度數(shù)據(jù)分別代入式(9)中，對(duì)其結(jié)果取平均值，即為考慮光伏波動(dòng)后的功率輸出。

2.2.4 負(fù)荷波動(dòng)

本文忽略熱負(fù)荷的波動(dòng)，即認(rèn)為熱負(fù)荷預(yù)測(cè)值即為實(shí)際值。

2.3 目標(biāo)函數(shù)

① 目標(biāo)一：運(yùn)行經(jīng)濟(jì)性目標(biāo)函數(shù)，即微網(wǎng)系統(tǒng)的發(fā)電運(yùn)行成本最低。

微網(wǎng)系統(tǒng)在孤網(wǎng)模式下的發(fā)電成本考慮各微電源的燃料成本、投資折舊成本、運(yùn)行維護(hù)成本、環(huán)境成本以及CHP系統(tǒng)的制熱收益等，從而有

minF1(t)=Cf(t)+Cdp(t)+Com(t)

+Ce(t)-Cs(t)

(10)

其中：

(11)

(12)

(13)

(14)

Cs(t)=Qht×Kph

(15)

式中：F1(t)為微網(wǎng)系統(tǒng)孤網(wǎng)運(yùn)行時(shí)在第t個(gè)調(diào)度周期內(nèi)的發(fā)電成本；Cf(t)、Cdp(t)、Com(t)、Ce(t)、Cs(t)分別為各微電源在第t個(gè)調(diào)度周期內(nèi)的燃料成本、投資折舊成本、運(yùn)行維護(hù)成本、環(huán)境成本和CHP系統(tǒng)制熱收益；Caz,i為第i個(gè)微電源的單位容量安裝成本；ki為第i個(gè)微電源的容量因素；r為年利率；ni為第i個(gè)微電源的投資償還期；Pit為第i個(gè)微電源t時(shí)刻的有功出力；N為微電源的個(gè)數(shù)；Kom,i為第i個(gè)微電源的運(yùn)行維護(hù)成本系數(shù)；k為所排放污染物(包含CO2、SO2、NOx等)的類型編號(hào)；M為污染物種類總數(shù)；αik為第i個(gè)微電源對(duì)污染物k的排放系數(shù)；βk為污染物k的處理成本；Kph為單位熱能售價(jià)。

② 目標(biāo)二：供電可靠性目標(biāo)函數(shù)，即微網(wǎng)系統(tǒng)的負(fù)荷缺電率[14]最小。

負(fù)荷缺電率LPSP(Loss of Power Supply Probability)定義為系統(tǒng)不能滿足的負(fù)荷需求除以調(diào)度期總的負(fù)荷需求。本文以負(fù)荷缺電率作為供電可靠性的衡量指標(biāo)，負(fù)荷缺電率越小，微網(wǎng)系統(tǒng)的供電可靠性越高。

(16)

式中：F2(t)為微網(wǎng)孤網(wǎng)運(yùn)行時(shí)第t個(gè)調(diào)度周期內(nèi)的負(fù)荷缺電率；PDt為微網(wǎng)在t時(shí)刻的電負(fù)荷需求。

③ 目標(biāo)三：綜合效益目標(biāo)函數(shù)，即微網(wǎng)的經(jīng)濟(jì)性與可靠性協(xié)調(diào)最佳。

協(xié)調(diào)考慮微網(wǎng)孤網(wǎng)運(yùn)行時(shí)的經(jīng)濟(jì)性與可靠性，將切負(fù)荷量統(tǒng)一歸算為微網(wǎng)系統(tǒng)所有者補(bǔ)償給用戶的費(fèi)用[15]，并計(jì)入微網(wǎng)運(yùn)行的總發(fā)電成本中，從而有

CL(t)=Cbu×PLt

(17)

minF3(t)=Cf(t)+Cdp(t)+Com(t)+

Ce(t)+CL(t)-Cs(t)

(18)

式中：F3(t)為微網(wǎng)系統(tǒng)孤網(wǎng)運(yùn)行時(shí)第t個(gè)調(diào)度周期內(nèi)的發(fā)電成本；CL(t)為微網(wǎng)系統(tǒng)孤網(wǎng)運(yùn)行時(shí)第t個(gè)調(diào)度周期內(nèi)的停電補(bǔ)償成本；Cbu為微網(wǎng)系統(tǒng)所有者向用戶支付的單位停電量的補(bǔ)償費(fèi)用；PLt為微網(wǎng)在t時(shí)刻的切負(fù)荷量。

2.4 約束條件

① 微網(wǎng)內(nèi)負(fù)荷平衡約束：

(19)

② 各微電源的輸出功率約束：

Pi,min≤Pit≤Pi,max

(20)

式中：Pi,max、Pi,min分別為微網(wǎng)內(nèi)各微電源的功率輸出上、下限。

③ 機(jī)組爬坡率約束[11]：

-Ri,dΔt≤Pit-Pi,t-1≤Ri，uΔt

(21)

式中：Δt為調(diào)度時(shí)段的長度(h)；Ri,d和Ri,u分別為發(fā)電機(jī)組向下和向上的爬坡速率。

④ 蓄電池約束：

蓄電池荷電狀態(tài)SOC有如下約束[13]：

SOCmin≤SOC≤SOCmax

(22)

其中荷電狀態(tài)可通過下式計(jì)算[16]：

(23)

式中：SOCmax、SOCmin分別為蓄電池荷電狀態(tài)的上、下限；P+、P-分別為蓄電池的充、放電功率；n為充放電次數(shù)；UDC為微網(wǎng)系統(tǒng)的直流母線電壓；Δti為第i次充放電小時(shí)數(shù)。

本文規(guī)定單位時(shí)間內(nèi)的充放電最大功率為蓄電池額定容量的20%[13]，如下式所示：

P+≤(0.2×UDC×SOCmax)/Δt

(24)

P-≤(0.2×UDC×SOCmax)/Δt

(25)

3 優(yōu)化調(diào)度策略與模型求解

3.1 優(yōu)化調(diào)度策略

① WT和PV利用清潔可再生能源發(fā)電，無燃料成本，不產(chǎn)生污染氣體，故優(yōu)先利用其全部發(fā)電量；

② 在不考慮配置儲(chǔ)熱裝置時(shí)，為滿足微網(wǎng)系統(tǒng)內(nèi)的熱負(fù)荷，同時(shí)實(shí)現(xiàn)能量的梯級(jí)利用，MT運(yùn)行在“以熱定電”模式下,亦優(yōu)先利用其電能；

③ 若WT、PV和MT的有功出力可以滿足微網(wǎng)內(nèi)的電負(fù)荷需求，首先向蓄電池充電，若仍有富余電力,則可根據(jù)發(fā)電成本依次切除部分WT和PV；若WT、PV和MT的有功出力無法滿足微網(wǎng)負(fù)荷需求，首先由SB補(bǔ)充出力，如果蓄電池在其出力范圍內(nèi)仍不能滿足負(fù)荷需求，則按照微網(wǎng)運(yùn)行的優(yōu)化模型，優(yōu)化調(diào)度FC和SB的出力，以滿足剩余負(fù)荷需求；

④ 若所有微電源在出力范圍內(nèi)仍不能滿足負(fù)荷要求，則根據(jù)負(fù)荷的重要程度依次切除部分負(fù)荷。

3.2 模型求解

本文建立的優(yōu)化模型是一個(gè)多約束的多目標(biāo)優(yōu)化問題，鑒于遺傳算法(Genetic Algorithm，GA)具有簡單通用、魯棒性強(qiáng)、適于并行處理等優(yōu)點(diǎn)[17]，本文采用此方法結(jié)合蒙特卡洛模擬來優(yōu)化微網(wǎng)系統(tǒng)孤網(wǎng)運(yùn)行時(shí)各微電源的有功出力。算法流程如圖1所示，采取了錦標(biāo)賽選擇、多點(diǎn)交叉和高斯變異，并使用罰函數(shù)來處理約束條件。

圖1 算法流程圖

4 算例分析

4.1 算例介紹及參數(shù)設(shè)置

本文以某城市微電網(wǎng)為例,其系統(tǒng)配置包括風(fēng)力發(fā)電機(jī)WT(20kW)、光伏電池PV(10kW)、微型燃?xì)廨啓C(jī)MT(65kW)、燃料電池FC(40kW)以及蓄電池儲(chǔ)能裝置SB(100kW)。

本文以1h為一個(gè)調(diào)度周期，將全天分為24個(gè)時(shí)段，并作如下假設(shè)：在一個(gè)調(diào)度周期內(nèi)，微網(wǎng)負(fù)荷需求維持穩(wěn)定；各微電源的功率輸出恒定；蓄電池的充放電狀態(tài)保持不變，且其充放電功率恒定；微網(wǎng)網(wǎng)損忽略不計(jì)。

設(shè)定蓄電池在孤網(wǎng)運(yùn)行前，荷電狀態(tài)為100%，其荷電狀態(tài)下限取為20%；切負(fù)荷補(bǔ)償費(fèi)用取1.277 5元/kWh，制熱量單價(jià)為0.1元/kWh，各微電源的參數(shù)如表1所示。各污染物的排放系數(shù)及污染物處理成本如表2所示[18]。

表1 微電源的參數(shù)

表2 污染物的排放系數(shù)及處理成本

4.2 優(yōu)化結(jié)果與分析

本文選取典型的冬季日來研究CHP型微網(wǎng)的孤網(wǎng)運(yùn)行情況。蒙特卡洛模擬的次數(shù)為1 000次，遺傳算法的參數(shù)設(shè)置如下：種群規(guī)模為20，最大迭代次數(shù)為500，交叉率為0.8，變異率為0.2。由于遺傳算法自身固有的隨機(jī)性，每次優(yōu)化結(jié)果會(huì)有所不同，本文優(yōu)化結(jié)果取20次優(yōu)化結(jié)果的平均值。微網(wǎng)系統(tǒng)的熱電負(fù)荷及各目標(biāo)下微電源的優(yōu)化出力結(jié)果如圖2、圖3、圖4和圖5所示。

圖2 冬季日熱電負(fù)荷曲線

當(dāng)微網(wǎng)系統(tǒng)按照目標(biāo)一進(jìn)行優(yōu)化時(shí)，由圖3可看出，1～6時(shí)段是電負(fù)荷低谷期，此時(shí)主要由WT和MT提供有功出力，充分利用了可再生能源，而熱負(fù)荷由MT提供，實(shí)現(xiàn)了能量的梯級(jí)利用；從7時(shí)段開始，電負(fù)荷逐漸增加，由于WT、PV的出力受環(huán)境因素的影響，而MT的出力受其自身“以熱定電”發(fā)電特性的限制，此時(shí)的WT、PV和MT已不能滿足電負(fù)荷需求，SB開始出力平衡系統(tǒng)有功，直至12時(shí)段，SB的剩余容量已達(dá)下限，F(xiàn)C增加出力，剩余電量給SB充電，此時(shí)FC已達(dá)出力極限，在12～14時(shí)段出現(xiàn)少量負(fù)荷缺額，系統(tǒng)進(jìn)行切除；16～18時(shí)段的電負(fù)荷則主要由更加經(jīng)濟(jì)的SB來滿足；18～22時(shí)為電負(fù)荷和熱負(fù)荷需求的高峰期，雖然MT已根據(jù)熱負(fù)荷需求提供了較大電能支援，但此時(shí)FC已滿發(fā)，且SB在20時(shí)段已放電完畢，故在19～22時(shí)段出現(xiàn)功率缺額，系統(tǒng)進(jìn)行了切除。

圖3 采用目標(biāo)一時(shí)各微電源的優(yōu)化出力

從圖4可以看出，按照目標(biāo)二進(jìn)行優(yōu)化時(shí)，1～6時(shí)段的電負(fù)荷低谷期仍主要由WT和MT供應(yīng)電能；7～9時(shí)段由SB來平衡系統(tǒng)的有功；10～15時(shí)段由于SB無剩余電量而進(jìn)入充電狀態(tài)，在此時(shí)間段內(nèi)WT和PV均滿發(fā)，F(xiàn)C以極限功率運(yùn)行，以保證系統(tǒng)的供電可靠性；18～22時(shí)段的電負(fù)荷高峰期，WT、PV、和FC均滿發(fā)，MT達(dá)到出力限制點(diǎn)，而SB在20時(shí)段時(shí)剩余容量已達(dá)下限，系統(tǒng)此時(shí)出現(xiàn)暫時(shí)的功率缺額，而在其它時(shí)間段內(nèi)均能滿足負(fù)荷需求。

圖4 采用目標(biāo)二時(shí)各微電源的優(yōu)化出力

按照目標(biāo)三進(jìn)行優(yōu)化時(shí)，從圖5可以看出，系統(tǒng)只在9～11及18時(shí)間段出現(xiàn)少量的功率缺額，而在其它時(shí)間段均能保持電力供應(yīng)；在6～11及16～18時(shí)間段內(nèi)SB以接近極限功率運(yùn)行，而發(fā)電成本較高的FC則較少發(fā)電，只在12～14及19～22時(shí)段的用電高峰期以極限功率運(yùn)行，以保證供電可靠性。為直觀比較3種目標(biāo)下微網(wǎng)系統(tǒng)在孤網(wǎng)運(yùn)行時(shí)的優(yōu)化調(diào)度結(jié)果，根據(jù)優(yōu)化結(jié)果分別計(jì)算出3種目標(biāo)下微網(wǎng)系統(tǒng)運(yùn)行時(shí)的總發(fā)電成本，如圖6所示；3種目標(biāo)下微網(wǎng)系統(tǒng)的負(fù)荷缺電率如圖7所示。

圖5 采用目標(biāo)三時(shí)各微電源的優(yōu)化出力

圖6 微網(wǎng)孤網(wǎng)運(yùn)行時(shí)的發(fā)電成本

圖7 負(fù)荷缺電率

從圖6可以看出，目標(biāo)一的發(fā)電成本最低，而目標(biāo)二的發(fā)電成本最高；由圖7可知，目標(biāo)一中的負(fù)荷缺電情況持續(xù)存在于負(fù)荷高峰時(shí)段，目標(biāo)二中的負(fù)荷缺電率得到了很好的抑制，從而可知保證微網(wǎng)系統(tǒng)的供電可靠性，是以犧牲部分的經(jīng)濟(jì)性為代價(jià)的；目標(biāo)三的發(fā)電成本總體上介于目標(biāo)一和目標(biāo)二之間，而供電可靠性相較于目標(biāo)一，也得到了明顯的改善，說明按照目標(biāo)三來優(yōu)化調(diào)度微網(wǎng)系統(tǒng)孤網(wǎng)運(yùn)行時(shí)各微電源的出力，統(tǒng)籌兼顧了微網(wǎng)系統(tǒng)運(yùn)行時(shí)的經(jīng)濟(jì)性與供電可靠性。

此外，在1～6時(shí)段的熱負(fù)荷高峰期，MT除了滿足熱負(fù)荷需求之外，還能提供相應(yīng)的電能，減少其他非可再生能源機(jī)組的出力，降低了發(fā)電成本，提高了環(huán)保效益；而在18～22時(shí)段，熱電負(fù)荷的高峰期近乎重疊，MT在滿足熱負(fù)荷需求的同時(shí)，亦能提供較大的電力支援，降低了發(fā)電成本。

5 結(jié)束語

本文基于集中控制思想，在考慮了風(fēng)電功率和電負(fù)荷的隨機(jī)性的基礎(chǔ)上，建立了微網(wǎng)系統(tǒng)孤網(wǎng)運(yùn)行時(shí)的優(yōu)化調(diào)度模型，提出一種優(yōu)化調(diào)度策略，并以一個(gè)CHP型微網(wǎng)為例，結(jié)合蒙特卡洛模擬和遺傳算法對(duì)各微電源的出力情況進(jìn)行了優(yōu)化。優(yōu)化結(jié)果表明，本文提出的優(yōu)化模型及策略可應(yīng)用于CHP型微網(wǎng)的孤網(wǎng)優(yōu)化調(diào)度。但是本文提出的蓄電池的調(diào)度策略和CHP型微網(wǎng)的數(shù)學(xué)模型及調(diào)度策略相對(duì)較簡單，有待進(jìn)一步完善；同時(shí)開發(fā)高效快速的求解算法，以滿足微網(wǎng)實(shí)時(shí)調(diào)度的需求，也是今后研究的重點(diǎn)之一。

[1] Hatziargyriou N，Asano H，Iranvani R，et al.Microgrids [J].IEEE Power and Energy Magazine，2007，5(4):78-94.

[2] Jablko R，et al. Technical and economical comparison of micro CHP systems[C]. Future Power Systems，2005 International Conference on IEEE，2005.

[3] Aki， Hirohisa.The penetration of micro CHP in residential dwellings in Japan[C].Power Engineering Society General Meeting，IEEE，2007.

[4] Dong Quanxue， Zhang Tian Kuo， Yuan Min，et al. The situation and problems of CHP industry in China[C].In Management and Service Science，2009， MASS’09，International Conference on IEEE，2009：1-4.

[5] 言大偉，韋鋼，胡吟，等.可靠性與經(jīng)濟(jì)性相協(xié)調(diào)的微電網(wǎng)能量優(yōu)化[J].電力系統(tǒng)自動(dòng)化，2012，36(8)：18-23.

[6] Basu A K，Chowdhury S， Chowdhury S P.Strategic deployment of CHP-based distributed energy resources in microgrid[C] .Proceedings of IEEE Power and Energy Society General Meeting，July 26-30，2009，Calgary，AB，Canada，1-6.

[7] 陳潔，楊秀，朱蘭，等.基于遺傳算法的熱電聯(lián)產(chǎn)型微網(wǎng)經(jīng)濟(jì)運(yùn)行優(yōu)化[J].電力系統(tǒng)保護(hù)與控制，2013，41(8)：7-15.

[8] 賀鵬，艾欣，徐虹.微電網(wǎng)經(jīng)濟(jì)運(yùn)行研究綜述[J].現(xiàn)代電力，2012,29(4)：1-6.

[9] 楊佩佩，艾欣，崔明勇，等.基于粒子群優(yōu)化算法的含多種供能系統(tǒng)的微網(wǎng)經(jīng)濟(jì)運(yùn)行分析[J].電網(wǎng)技術(shù)，2009，33(20):38-42.

[10]孫元章，吳俊，李國杰，等.基于風(fēng)速預(yù)測(cè)和隨機(jī)規(guī)劃的含風(fēng)電場(chǎng)電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度[J].中國電機(jī)工程學(xué)報(bào)，2009,29(4)：41-47.

[11]劉小平，丁明，張穎媛，等.微網(wǎng)系統(tǒng)的動(dòng)態(tài)經(jīng)濟(jì)調(diào)度[J].中國電機(jī)工程學(xué)報(bào)，2011,31(31)：77-83.

[12]肖青，陳潔，楊秀，等.含多種分布式電源的微網(wǎng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)，2013,25(4)：22-28.

[13]郭佳歡.微網(wǎng)經(jīng)濟(jì)運(yùn)行優(yōu)化的研究[D].北京：華北電力大學(xué)，2010.

[14]王瑞琪，李珂，張承慧.基于混沌多目標(biāo)遺傳算法的微網(wǎng)系統(tǒng)容量優(yōu)化[J].電力系統(tǒng)保護(hù)與控制，2011，39(22)：16-19.

[15]張美霞，陳潔，楊秀，等.微網(wǎng)經(jīng)濟(jì)運(yùn)行研究綜述[J].華東電力，2012，40(9)：1481-1485.

[16]朱博，陳民鈾，徐瑞林，等.孤島模式下的微網(wǎng)優(yōu)化運(yùn)行策略[J].電力系統(tǒng)保護(hù)與控制，2012,40(17)：35-40.

[17]雷英杰，張善文，李續(xù)武，等.MATLAB遺傳算法工具箱及應(yīng)用[M].西安：西安電子科技大學(xué)出版社，2005.

[18]王振華，朱桂萍.并網(wǎng)狀態(tài)下微電網(wǎng)中微電源出力優(yōu)化算法[J].中國電力，2012，45(1)：55-58.

(責(zé)任編輯：林海文)

Research on Optimal Dispatch of a Combined Heat and Power Micro-grid System

CHEN Nianbin，YANG Mingyu

(School of Electrical and Electronic Engineering，North China Electric Power University，Baoding 071003，China)

Based on distributed generation, the combined heat and power micro-grid makes full use of renewable energy sources, solves the unified problem of power and heat demand of users, and realizes the cascade usage of energy. A stochastic technology is proposed to simulate the randomness of wind power and electrical loads, and a multi-objective model of island micro-grid optimal dispatch under the centralized control mode is developed, whose objective functions are to minimize the cost of operation, and maximize the reliability of power supply and the comprehensive benefit. Then a control strategy of micro-grid optimal dispatch under the island mode is presented. Taking a CHP micro-grid system as simulation case, the genetic algorithm is chosen to optimize the micro-source outputs. The results verify the validity of the proposed model and control strategy.

island；CHP；optimal dispatch；economy；power supply reliability

1007-2322(2015)04-0027-07

A

TM731

2014-06-13

陳念斌(1989—)，男，碩士研究生，研究方向?yàn)槲㈦娋W(wǎng)的優(yōu)化調(diào)度，E-mail:ncepu_cnb@163.com；

楊明玉(1965—)，女，副教授，研究方向?yàn)殡娏ο到y(tǒng)繼電保護(hù)和微電網(wǎng)能量管理。