基于雙蓄電池組的微電網(wǎng)兩階段調(diào)度優(yōu)化模型及控制策略

陳科彬，邱曉燕，趙勁帥

(智能電網(wǎng)四川省重點(diǎn)實(shí)驗(yàn)室(四川大學(xué))，四川成都 610065)

0 引 言

面對(duì)日益嚴(yán)峻的能源與環(huán)境雙重問(wèn)題，調(diào)整能源結(jié)構(gòu)、推進(jìn)分布式能源發(fā)展已成為共識(shí)[1-3]。然而分布式能源中風(fēng)能、太陽(yáng)能具有間歇性、隨機(jī)性等特點(diǎn)，其大規(guī)模接入對(duì)配電系統(tǒng)的調(diào)度運(yùn)行帶來(lái)了新的挑戰(zhàn)。微電網(wǎng)的應(yīng)用為分布式能源并網(wǎng)提供了有效的技術(shù)手段，其憑借高效的運(yùn)行控制與能量管理技術(shù)，將分布式能源、儲(chǔ)能單元、能量雙向變換器、保護(hù)與監(jiān)控裝置、負(fù)荷等融合為一個(gè)小型的發(fā)、儲(chǔ)、配、用電系統(tǒng)，是靈活利用分布式能源的有效方式[4-5]。

為提高微電網(wǎng)對(duì)分布式能源的消納能力，需對(duì)其輸出功率進(jìn)行準(zhǔn)確預(yù)測(cè)，以協(xié)調(diào)安排機(jī)組計(jì)劃。然而在現(xiàn)有技術(shù)水平下，風(fēng)電、光伏日前預(yù)測(cè)誤差高達(dá)20%～25%[6-7]，若只依靠日前調(diào)度，預(yù)測(cè)誤差引起的聯(lián)絡(luò)線功率波動(dòng)將導(dǎo)致微電網(wǎng)難以友好接入配電網(wǎng)。由于縮短預(yù)測(cè)時(shí)長(zhǎng)可提高預(yù)測(cè)精度，因此增加預(yù)測(cè)頻率，對(duì)調(diào)度計(jì)劃進(jìn)行逐級(jí)修正，是平抑間歇性分布式能源功率波動(dòng)的重要技術(shù)措施[8-9]。

文獻(xiàn)[10]提出一種含儲(chǔ)能參與的風(fēng)電場(chǎng)日內(nèi)滾動(dòng)調(diào)度模型及兩階段優(yōu)化方法，能夠有效地減少棄風(fēng)，降低運(yùn)行費(fèi)用；文獻(xiàn)[11]以微電網(wǎng)常規(guī)多時(shí)間尺度能量管理框架為基礎(chǔ)，提出一種改進(jìn)模型，在長(zhǎng)短期調(diào)度間增設(shè)緩沖邊界約束，實(shí)現(xiàn)能量管理的分級(jí)細(xì)化和快速求解；文獻(xiàn)[12]提出基于多時(shí)間尺度的主動(dòng)配電網(wǎng)協(xié)調(diào)控制架構(gòu)，包含長(zhǎng)時(shí)間尺度層級(jí)的全局優(yōu)化和短時(shí)間尺度層級(jí)的區(qū)域自治控制，實(shí)現(xiàn)分布式電源和負(fù)荷的優(yōu)化協(xié)調(diào)，但該文獻(xiàn)未考慮儲(chǔ)能的壽命成本，事實(shí)上該成本占相當(dāng)大的比重，制約了儲(chǔ)能的規(guī)?；瘧?yīng)用；文獻(xiàn)[13]建立了計(jì)及蓄電池?fù)p耗成本的微電網(wǎng)多目標(biāo)優(yōu)化模型，但該模型基于誤差較大的日前預(yù)測(cè)曲線，未考慮到風(fēng)、光、負(fù)荷實(shí)時(shí)功率波動(dòng)對(duì)蓄電池壽命的損耗。此外，在平抑可再生能源功率波動(dòng)方面，文獻(xiàn)[14-16]提出的控制策略都卓有成效，但蓄電池輸出功率的高頻正負(fù)波動(dòng)將導(dǎo)致其在充放電狀態(tài)間反復(fù)切換，從而迅速耗盡其有限的循環(huán)壽命。

本文針對(duì)微電網(wǎng)中儲(chǔ)能成本過(guò)高的瓶頸問(wèn)題，提出了基于雙蓄電池組的兩階段優(yōu)化模型及控制策略；采用隨機(jī)權(quán)重粒子群優(yōu)化(random weight particle swarm optimization, RandWPSO)算法對(duì)日前階段的最優(yōu)經(jīng)濟(jì)調(diào)度模型進(jìn)行求解；在日內(nèi)階段，為補(bǔ)償聯(lián)絡(luò)線功率偏差，構(gòu)建了一種基于雙蓄電池組的實(shí)時(shí)在線控制策略，即兩組蓄電池分別作為放電組、充電組，交替運(yùn)行，避免了蓄電池充、放電狀態(tài)之間的頻繁切換，從而延長(zhǎng)了蓄電池的循環(huán)壽命。最后對(duì)采用單蓄電池組和雙蓄電池組兩種儲(chǔ)能方案的微電網(wǎng)經(jīng)濟(jì)性進(jìn)行對(duì)比分析。

1 兩階段調(diào)度架構(gòu)

風(fēng)電、光伏等間歇性新能源的接入給微電網(wǎng)的調(diào)度提出了更高的要求。因此，本文建立了計(jì)及兩重時(shí)間尺度的微電網(wǎng)日前—日內(nèi)兩階段優(yōu)化調(diào)度模型：

①日前長(zhǎng)期計(jì)劃：每日?qǐng)?zhí)行一次，制定次日每小時(shí)的機(jī)組計(jì)劃，確定每小時(shí)的聯(lián)絡(luò)線功率(即購(gòu)、售電功率)，并將計(jì)劃下達(dá)各設(shè)備。

②日內(nèi)短期計(jì)劃：每5min執(zhí)行一次，確定儲(chǔ)能充放電功率，修正由于日前預(yù)測(cè)誤差造成的聯(lián)絡(luò)線功率偏差。提出一種基于雙蓄電池組的實(shí)時(shí)控制策略，最大限度地避免蓄電池充放電狀態(tài)的頻繁切換，延長(zhǎng)蓄電池的循環(huán)壽命。

日前、日內(nèi)計(jì)劃隨著時(shí)間不斷向前推移，兩者的關(guān)系如圖1所示。

圖1 日前、日內(nèi)調(diào)度計(jì)劃的關(guān)系

2 日前優(yōu)化調(diào)度模型

在當(dāng)今電力市場(chǎng)環(huán)境下，微電網(wǎng)的運(yùn)行成本主要包括傳統(tǒng)型分布式電源(如微型燃?xì)廨啓C(jī)等)燃耗、運(yùn)維和治污成本，風(fēng)電機(jī)組、光伏系統(tǒng)運(yùn)維成本，儲(chǔ)能裝置運(yùn)維和壽命損耗成本以及微電網(wǎng)向主網(wǎng)的購(gòu)電成本等。日前調(diào)度階段以最小化微電網(wǎng)的運(yùn)行成本為目標(biāo)函數(shù)，合理安排次日機(jī)組計(jì)劃和儲(chǔ)能充放電功率，從而達(dá)到最優(yōu)經(jīng)濟(jì)調(diào)度的目的。

2.1 日前優(yōu)化調(diào)度目標(biāo)函數(shù)

日前調(diào)度階段的目標(biāo)函數(shù)如下：

(1)

式中：C為微電網(wǎng)日前調(diào)度運(yùn)行總成本；T為調(diào)度總時(shí)段數(shù)；Δt為時(shí)間間隔；NG為分布式電源機(jī)組數(shù)；ρfi、ρomi、ρtri分別為第i臺(tái)機(jī)組的燃耗、運(yùn)維、治污成本系數(shù)，其中光伏、風(fēng)電機(jī)組的第一、三項(xiàng)系數(shù)取值為0；PGi,t為第i臺(tái)機(jī)組在t時(shí)段的有功出力；ρp,t、ρs,t分別為微電網(wǎng)在t時(shí)段向主網(wǎng)的購(gòu)電和售電電價(jià)；Pp,t、Ps,t分別為相應(yīng)的購(gòu)電和售電功率，當(dāng)所在時(shí)段無(wú)相應(yīng)功率時(shí)取值為0；CBESS,t為t時(shí)段儲(chǔ)能裝置成本，包含運(yùn)維成本和壽命損耗成本，其中蓄電池壽命損耗成本可采用文獻(xiàn)[17-18]雨流計(jì)數(shù)法進(jìn)行計(jì)算。

2.2 約束條件

①分布式電源有功出力約束：

PGi,min≤PGi,t≤PGi,max

(2)

②分布式電源爬坡功率約束：

出力增大時(shí)為

PGi,t-PGi,t-1≤ΔPup

(3)

出力減小時(shí)為

PGi,t-1-PGi,t≤ΔPdown

(4)

式中：ΔPup、ΔPdown分別為分布式電源向上、向下爬坡功率最大值。

③微電網(wǎng)與主網(wǎng)的聯(lián)絡(luò)線交換功率約束：

Ptie,min≤Ptie,t≤Ptie,max

(5)

其中

Ptie,t=Pp,t-Ps,t

(6)

式中：Ptie,t為t時(shí)段聯(lián)絡(luò)線交換功率，取正值時(shí)表示微電網(wǎng)從主網(wǎng)購(gòu)電，取負(fù)值時(shí)表示向主網(wǎng)售電。

④微電網(wǎng)內(nèi)功率平衡約束：

(7)

式中：PL,t為t時(shí)段微電網(wǎng)的總負(fù)荷;PBESS,t為t時(shí)段儲(chǔ)能裝置充放電功率。

⑤儲(chǔ)能裝置約束條件：

儲(chǔ)能裝置如蓄電池通常依靠?jī)?chǔ)能變流器(power conversion system，PCS)控制其充放電過(guò)程，進(jìn)行交直流變換，故受其影響存在充放電功率約束：

PBESS,min≤PBESS,t≤PBESS,max

(8)

儲(chǔ)能裝置在t時(shí)刻的SOC與t-1時(shí)刻的SOC以及t-1到t時(shí)刻間的累計(jì)充放電電量相關(guān)：

充電時(shí)，PBESS,t<0，則t時(shí)刻的荷電狀態(tài)為

St=(1-σ)St-1+(|PBESS,t|ηcΔt)/QBESS

(9)

放電時(shí)，PBESS,t≥0，則t時(shí)刻的荷電狀態(tài)為

St=(1-σ)St-1-(PBESS,tΔt)/(ηdQBESS)

(10)

式中：St為t時(shí)刻儲(chǔ)能裝置的荷電狀態(tài)；ηc、ηd分別為充、放電效率；σ為儲(chǔ)能裝置的自放電率；Δt為時(shí)間間隔；QBESS為儲(chǔ)能裝置總?cè)萘俊?/p>

儲(chǔ)能SOC應(yīng)在合理的范圍之內(nèi)，過(guò)充過(guò)放都會(huì)損害儲(chǔ)能元件，因此：

Smin≤St≤Smax

(11)

式中：Smax、Smin分別為儲(chǔ)能裝置SOC上、下限值。

由于微電網(wǎng)的優(yōu)化調(diào)度具有周期性，為了保證儲(chǔ)能裝置能夠滿足第二天的運(yùn)行，本文將微電網(wǎng)內(nèi)所有儲(chǔ)能裝置看作整體，使其在1d內(nèi)的累積充電電量等于放電電量：

ΔQc=ΔQd

(12)

2.3 日前優(yōu)化求解方法

日前優(yōu)化調(diào)度模型是一個(gè)多變量、高維度、非線性規(guī)劃問(wèn)題，求解該類問(wèn)題的有效辦法是采用PSO算法。然而傳統(tǒng)PSO算法存在容易早熟陷入局部最優(yōu)、迭代后期局部搜索能力較差等缺點(diǎn)，因此本文采用改進(jìn)的RandWPSO算法[19]進(jìn)行優(yōu)化求解。該算法對(duì)傳統(tǒng)PSO算法進(jìn)行改進(jìn)，將每個(gè)粒子的慣性權(quán)重w設(shè)定為服從特定分布的隨機(jī)值，避免算法早熟收斂，同時(shí)提高了算法的局部精確搜索能力。

RandWPSO算法的基本步驟如下：

①設(shè)定種群規(guī)模，初始化種群。

②初始化個(gè)體最優(yōu)位置，將每個(gè)粒子的當(dāng)前位置作為其個(gè)體最優(yōu)位置，比較種群的個(gè)體最優(yōu)值，將最優(yōu)個(gè)體的位置作為種群最優(yōu)位置。

③對(duì)每個(gè)粒子，用式(13)生成隨機(jī)權(quán)重。

(13)

式中：rand(0,1)表示0到1之間的隨機(jī)數(shù)；σ為生成隨機(jī)權(quán)重的方差取值；N(0,1)表示標(biāo)準(zhǔn)正態(tài)分布的隨機(jī)數(shù)。

④用式(14)更新每個(gè)粒子的速度和位置。

(14)

⑤更新每個(gè)粒子的個(gè)體最優(yōu)位置：將每個(gè)粒子新的適應(yīng)度值與其之前的個(gè)體最優(yōu)值作比較，如果更優(yōu)，將該粒子當(dāng)前位置作為其個(gè)體最優(yōu)位置，否則，個(gè)體最優(yōu)位置和上一代相同。

⑥比較當(dāng)前所有粒子的個(gè)體最優(yōu)值與之前的種群最優(yōu)值，更新種群最優(yōu)位置。

⑦若滿足終止條件，停止搜索并輸出最終結(jié)果，否則返回步驟③更新權(quán)重后繼續(xù)搜索。

3 基于雙蓄電池組的日內(nèi)實(shí)時(shí)控制

在日內(nèi)階段，本文設(shè)計(jì)了基于雙蓄電池組的實(shí)時(shí)控制策略，使得微電網(wǎng)能在短時(shí)間尺度下對(duì)小幅度隨機(jī)波動(dòng)做出實(shí)時(shí)響應(yīng)，修正聯(lián)絡(luò)線實(shí)際交換功率與日前優(yōu)化目標(biāo)值的偏差，同時(shí)盡可能地減少蓄電池的充、放電狀態(tài)切換次數(shù)，延長(zhǎng)蓄電池循環(huán)壽命。

3.1 雙蓄電池組儲(chǔ)能拓?fù)浣Y(jié)構(gòu)

基于雙蓄電池組的儲(chǔ)能系統(tǒng)由兩套相同容量相同參數(shù)的蓄電池組構(gòu)成，如圖2所示。

圖2 雙蓄電池組拓?fù)鋱D

3.2 雙蓄電池組的實(shí)時(shí)控制策略

儲(chǔ)能裝置控制策略的核心是根據(jù)可再生能源及負(fù)荷的超短期預(yù)測(cè)功率、日前機(jī)組計(jì)劃獲取儲(chǔ)能實(shí)時(shí)功率需求曲線，在此基礎(chǔ)上結(jié)合雙蓄電池組的監(jiān)測(cè)信息，通過(guò)監(jiān)測(cè)控制模塊在線計(jì)算兩個(gè)蓄電池組的參考功率，最終將參考功率信號(hào)輸出給相應(yīng)蓄電池組的PCS，完成控制過(guò)程，如圖3所示。

圖3 雙蓄電池組控制方案

儲(chǔ)能實(shí)時(shí)功率需求可表示為

Pr=PLp-Ptie-PPVp-PWTp-PMT

(15)

式中：Pr為儲(chǔ)能實(shí)時(shí)功率；PLp、PPVp、PWTp分別為負(fù)荷、光伏、風(fēng)機(jī)的超短期預(yù)測(cè)功率；Ptie為聯(lián)絡(luò)線交換功率；PMT為微型燃?xì)廨啓C(jī)功率。

本文設(shè)計(jì)了如下雙蓄電池組實(shí)時(shí)控制策略：(為便于分析，假定當(dāng)前時(shí)刻，蓄電池BAT1為放電組，蓄電池BAT2為充電組)

①若Pr>0，即為儲(chǔ)能放電需求狀態(tài)，此時(shí)應(yīng)調(diào)用BAT1工作，而將BAT2設(shè)為待命狀態(tài)。BAT1放電功率為

(16)

式中：Pd,max為放電組BAT1的最大放電功率；Qd為放電組的額定容量；Sd,t-1為放電組上一個(gè)時(shí)刻的SOC；該等式可防止蓄電池過(guò)放電。

放電組BAT1荷電狀態(tài)更新為

(17)

②若Pr<0，即為儲(chǔ)能充電需求狀態(tài)，此時(shí)應(yīng)調(diào)用BAT2工作，而將BAT1設(shè)為待命狀態(tài)。BAT2充電功率為

(18)

式中：Pc,max為充電組BAT2的最大充電功率；Qc為充電組的額定容量；Sc,t-1為充電組上一個(gè)時(shí)刻的SOC；該等式可防止蓄電池過(guò)充電。

充電組BAT2荷電狀態(tài)更新為

(19)

③雙蓄電池組運(yùn)行中，若監(jiān)測(cè)到任意一組蓄電池SOC達(dá)到限值，則應(yīng)交換兩組蓄電池的工作角色，將原放電組切換運(yùn)行狀態(tài)改為充電組，同時(shí)將原充電組切換運(yùn)行狀態(tài)改為放電組，繼續(xù)按以上策略運(yùn)行。值得注意的是，當(dāng)一組蓄電池SOC達(dá)到限值時(shí)，兩組蓄電池必須同時(shí)切換運(yùn)行狀態(tài)，具體流程圖如圖4所示。

圖4 雙蓄電池組實(shí)時(shí)控制策略流程圖

傳統(tǒng)單蓄電池組方案的弊端在于每次功率的正負(fù)波動(dòng)均導(dǎo)致充、放電狀態(tài)的切換(蓄電池在運(yùn)行過(guò)程中，每切換一次充放電狀態(tài)相當(dāng)于損耗0.5次循環(huán)壽命[17])，而采用本文控制策略則只需在一組蓄電池滿充或滿放時(shí)切換運(yùn)行狀態(tài)，這將極大地減少切換次數(shù)，延長(zhǎng)蓄電池循環(huán)壽命，提高微電網(wǎng)的經(jīng)濟(jì)性。同時(shí)該策略也能保證聯(lián)絡(luò)線實(shí)時(shí)功率能夠較好地跟蹤日前計(jì)劃值，修正隨機(jī)波動(dòng)引起的聯(lián)絡(luò)線功率偏差，使得微電網(wǎng)能夠友好地接入大電網(wǎng)并參與電網(wǎng)調(diào)度，實(shí)現(xiàn) “好公民”的特性。

4 算例分析

4.1 算例參數(shù)

本文選取北京某園區(qū)示范微電網(wǎng)[20]作為分析對(duì)象，對(duì)所提出的模型及策略進(jìn)行驗(yàn)證。該微電網(wǎng)結(jié)構(gòu)如圖5所示，包含1臺(tái)40kW風(fēng)電機(jī)組，1臺(tái)30kW光伏系統(tǒng)，1臺(tái)120kW微型燃?xì)廨啓C(jī)，儲(chǔ)能單元選用2套額定容量均為120kWh的蓄電池組代替?zhèn)鹘y(tǒng)單套240kWh的蓄電池組，蓄電池最大充、放電功率為30kW，SOC上下限分別為1.0和0.3，充放電效率為90%。算例中采用的蓄電池為技術(shù)較成熟的鉛酸電池，其功率單價(jià)為1500元/kW，容量單價(jià)為1000元/(kWh)[18]，微型燃?xì)廨啓C(jī)燃耗系數(shù)為0.89元/(kWh)[13]。各分布式電源運(yùn)行數(shù)據(jù)見(jiàn)表1，分時(shí)電價(jià)數(shù)據(jù)見(jiàn)表2。

圖5 微電網(wǎng)結(jié)構(gòu)

表1 分布式電源運(yùn)行數(shù)據(jù)

表2 購(gòu)電和售電分時(shí)電價(jià) 元/kWh

4.2 日前優(yōu)化調(diào)度結(jié)果及分析

微電網(wǎng)的典型日風(fēng)-光-荷日前預(yù)測(cè)曲線如圖6所示。考慮到日前預(yù)測(cè)曲線存在較大誤差，在日前優(yōu)化時(shí)，儲(chǔ)能應(yīng)留有一定的最大充放電功率裕度，以備日內(nèi)階段用于修正因風(fēng)-光-荷實(shí)時(shí)波動(dòng)產(chǎn)生的誤差。本文設(shè)定儲(chǔ)能的充放電功率裕度為20%，即日前優(yōu)化階段最大充放電功率為24 kW，而日內(nèi)階段最大充放電功率為30 kW。根據(jù)2.3節(jié)，采用RandWPSO算法對(duì)日前優(yōu)化調(diào)度模型進(jìn)行求解。優(yōu)化得到的儲(chǔ)能充放電功率、微型燃?xì)廨啓C(jī)出力和聯(lián)絡(luò)線交換功率如圖7所示。

圖6 典型日負(fù)荷、光伏、風(fēng)電日前預(yù)測(cè)曲線

圖7 日前機(jī)組計(jì)劃優(yōu)化結(jié)果

由圖7分析可知，由于日前優(yōu)化調(diào)度以最小化微電網(wǎng)運(yùn)行總成本為目標(biāo)函數(shù)，微電網(wǎng)的功率缺額主要由儲(chǔ)能裝置出力、微型燃?xì)廨啓C(jī)出力和聯(lián)絡(luò)線功率提供。一方面，儲(chǔ)能在電價(jià)和負(fù)荷均較低的時(shí)段(1:00～6:00)進(jìn)行充電，微電網(wǎng)則向主網(wǎng)以最大功率進(jìn)行購(gòu)電，其余功率缺額由微型燃?xì)廨啓C(jī)提供；另一方面，儲(chǔ)能在電價(jià)和負(fù)荷均較高的時(shí)段(19:00～21:00)進(jìn)行放電，同時(shí)微型燃?xì)廨啓C(jī)接近滿發(fā)狀態(tài)運(yùn)行以滿足負(fù)荷需求，減少對(duì)高價(jià)網(wǎng)電的依賴；而在其余時(shí)段則綜合考慮儲(chǔ)能和微型燃?xì)廨啓C(jī)等成本后，決定各自的出力。該日前經(jīng)濟(jì)優(yōu)化模型及結(jié)果不僅保證了儲(chǔ)能裝置日充、放電量的平衡，使得儲(chǔ)能能夠長(zhǎng)期連續(xù)運(yùn)行，還發(fā)揮了儲(chǔ)能的“削峰填谷”作用，提高了微電網(wǎng)的整體經(jīng)濟(jì)性。

4.3 日內(nèi)雙蓄電池組實(shí)時(shí)優(yōu)化控制結(jié)果及分析

負(fù)荷、光伏和風(fēng)電的超短期預(yù)測(cè)功率可采用人工智能法、時(shí)序外推法等進(jìn)行預(yù)測(cè)。為不失一般性，本文將風(fēng)-光-荷日前預(yù)測(cè)曲線分別疊加上相應(yīng)的正態(tài)分布預(yù)測(cè)誤差來(lái)模擬超短期預(yù)測(cè)功率?；诔唐陬A(yù)測(cè)功率和日內(nèi)實(shí)時(shí)優(yōu)化控制目標(biāo)，通過(guò)式(15)獲取儲(chǔ)能實(shí)時(shí)功率需求曲線，如圖8所示。由圖8可以看出，由于新能源的間歇性、隨機(jī)性以及負(fù)荷的不確定性，儲(chǔ)能實(shí)時(shí)功率需求曲線將出現(xiàn)較嚴(yán)重的波動(dòng)，尤其在7:00～18:00時(shí)段，若采用傳統(tǒng)單蓄電池組的儲(chǔ)能方案，功率需求的正負(fù)頻繁波動(dòng)將導(dǎo)致蓄電池充、放電狀態(tài)的反復(fù)切換。

圖8 儲(chǔ)能實(shí)時(shí)功率需求曲線(不考慮額定功率限制)

采用本文構(gòu)建的雙蓄電池組儲(chǔ)能方案，假定初始時(shí)刻BAT 1為放電組、BAT 2為充電組，根據(jù)日前優(yōu)化結(jié)果，初始荷電狀態(tài)均設(shè)為0.4。根據(jù)圖4的實(shí)時(shí)控制策略流程，得到兩組蓄電池組的充、放電功率曲線和SOC曲線分別如圖9和圖10所示。圖9中，功率取正值時(shí)表示相應(yīng)蓄電池組放電；功率取負(fù)值時(shí)表示相應(yīng)蓄電池組充電。

圖9 雙蓄電池組充電、放電功率

圖10 雙蓄電池組SOC變化曲線

分析圖9和圖10可知，在任一時(shí)段，兩組蓄電池都處于不同的運(yùn)行狀態(tài)，分別應(yīng)對(duì)功率的正、負(fù)波動(dòng)。并且在末時(shí)刻，兩組蓄電池SOC值分別為0.499和0.300，總剩余電量和初始時(shí)刻保持平衡，使得蓄電池能夠滿足第二天的運(yùn)行。值得注意的是，在7:00～18:00時(shí)段，該實(shí)時(shí)控制策略尤為有效，兩組蓄電池在無(wú)需切換充放電狀態(tài)的情況下平抑了較為嚴(yán)重的功率波動(dòng)，極大地緩解了對(duì)蓄電池的壽命損耗。此外，在全天的調(diào)度周期內(nèi)，蓄電池組共切換兩次運(yùn)行狀態(tài)，分別發(fā)生在4:30和20:50時(shí)刻，原因是其中一組蓄電池達(dá)到了滿充或滿放，監(jiān)測(cè)控制模塊及時(shí)作出響應(yīng)并切換了蓄電池的運(yùn)行狀態(tài)，避免了過(guò)充或過(guò)放。

圖11 補(bǔ)償前后聯(lián)絡(luò)線功率對(duì)比情況

圖11給出了在采用雙蓄電池組前后，聯(lián)絡(luò)線實(shí)時(shí)功率與優(yōu)化目標(biāo)值的對(duì)比結(jié)果。可以看出，在未采用儲(chǔ)能補(bǔ)償情況下，聯(lián)絡(luò)線功率將出現(xiàn)頻繁波動(dòng)，導(dǎo)致微電網(wǎng)難以平穩(wěn)接入主網(wǎng)，而主網(wǎng)將為此預(yù)留大量備用容量，可靠性較低。而在采用本文提出的雙蓄電池組方案及其控制策略后，聯(lián)絡(luò)線功率和優(yōu)化目標(biāo)值基本吻合，實(shí)現(xiàn)了很好地跟蹤控制效果。另一方面，該策略每一輪的計(jì)算工作平均耗時(shí)僅約為0.02 s，完全滿足在線控制的需求，這也說(shuō)明了本文提出的控制策略具有一定的實(shí)用價(jià)值。

4.4 與傳統(tǒng)單蓄電池組方案的經(jīng)濟(jì)性比較

為進(jìn)一步說(shuō)明本文方案與控制策略的優(yōu)越性，將其與文獻(xiàn)[13]的傳統(tǒng)單蓄電池組方案進(jìn)行了成本方面的對(duì)比。鉛酸蓄電池不同充放電深度對(duì)應(yīng)的循環(huán)壽命參見(jiàn)文獻(xiàn)[18]。在均配置總計(jì)240kWh蓄電池且并完成相同的跟蹤控制效果下，兩種儲(chǔ)能方案的經(jīng)濟(jì)性對(duì)比如表3所示。

表3 兩種儲(chǔ)能方案經(jīng)濟(jì)性對(duì)比

由表3可以看出，采用雙蓄電池組后投資成本有所增加，增加約4.5萬(wàn)元，這是因?yàn)榕c單蓄電池組相比，雙蓄電池組額定容量配置不變，而額定功率配置有所增加。但是單蓄電池組在1 d內(nèi)切換運(yùn)行狀態(tài)多達(dá)76次，累計(jì)壽命損耗成本高達(dá)2 063.02 元，微電網(wǎng)每日運(yùn)行總成本為7 656.83元；而采用本文雙蓄電池組方案及控制策略，1 d內(nèi)只需切換運(yùn)行狀態(tài)2次，極大地緩解了對(duì)循環(huán)壽命的損耗，累計(jì)壽命損耗成本將降為262.86元，微電網(wǎng)每日運(yùn)行總成本降為5 856.67元，降幅達(dá)23.5%。由此可見(jiàn)，雖然雙蓄電池組投資成本有所增加，但微電網(wǎng)每日的運(yùn)行總成本大大減少，當(dāng)連續(xù)運(yùn)行一個(gè)月以上時(shí)，采用雙蓄電池組代替單蓄電池組所節(jié)約的運(yùn)行成本已超過(guò)增加的投資成本，因此在實(shí)際應(yīng)用中具有較大的經(jīng)濟(jì)優(yōu)勢(shì)。

5 結(jié) 論

微電網(wǎng)的優(yōu)化調(diào)度能顯著提高電網(wǎng)對(duì)間歇性分布式能源的消納能力，提高能源資源利用效率和微電網(wǎng)經(jīng)濟(jì)性。本文提出了基于雙蓄電池組的微電網(wǎng)兩階段調(diào)度模型及控制策略。研究結(jié)果如下：

①在日前優(yōu)化調(diào)度階段，考慮功率預(yù)測(cè)數(shù)據(jù)、儲(chǔ)能壽命以及市場(chǎng)實(shí)時(shí)電價(jià)等信息，建立了以運(yùn)行總成本最低為目標(biāo)的經(jīng)濟(jì)調(diào)度模型，優(yōu)化結(jié)果表明該模型不僅實(shí)現(xiàn)了機(jī)組出力、儲(chǔ)能充放電、購(gòu)售電的經(jīng)濟(jì)協(xié)調(diào)，還發(fā)揮了儲(chǔ)能“削峰填谷”的作用，提高了微電網(wǎng)的經(jīng)濟(jì)性和電網(wǎng)友好性。

②在日內(nèi)實(shí)時(shí)控制階段，采用基于雙蓄電池組的實(shí)時(shí)控制策略，以應(yīng)對(duì)預(yù)測(cè)誤差引起的聯(lián)絡(luò)線實(shí)際功率偏離現(xiàn)象。結(jié)果表明該策略能實(shí)現(xiàn)很好地跟蹤控制效果，同時(shí)避免了蓄電池充、放電狀態(tài)間的頻繁切換，極大地緩解了蓄電池的壽命損耗。

③通過(guò)對(duì)單蓄電池組和雙蓄電池組的經(jīng)濟(jì)性對(duì)比，表明在功率頻繁波動(dòng)的應(yīng)用場(chǎng)景下，雙蓄電池組具有較大的成本優(yōu)勢(shì)。在目前市場(chǎng)環(huán)境下，儲(chǔ)能成本是限制其規(guī)模化應(yīng)用的瓶頸問(wèn)題，因此該控制策略為儲(chǔ)能的應(yīng)用提供了一種新的技術(shù)手段。

[1] 白建華，辛頌旭，劉俊，等.中國(guó)實(shí)現(xiàn)高比例可再生能源發(fā)展路徑研究[J].中國(guó)電機(jī)工程學(xué)報(bào)，2015，35(14)：3699-3705.

[2] 呂志鵬，盛萬(wàn)興，鐘慶昌，等.虛擬同步發(fā)電機(jī)及其在微電網(wǎng)中的應(yīng)用[J].中國(guó)電機(jī)工程學(xué)報(bào)，2014，34(16)：2591-2603.

[3] 邱曉燕，夏莉麗，李興源.智能電網(wǎng)建設(shè)中分布式電源的規(guī)劃[J].電網(wǎng)技術(shù)，2010，34(4)：7-10.

[4] Lasseter R H，Paigi P.Microgrid：a conceptual solution[C].IEEE 35th Annual Power Electronics Specialists Conference.Aachen，Germany：IEEE，2004：4285-4290.

[5] 楊新法，蘇劍，呂志鵬，等.微電網(wǎng)技術(shù)綜述[J].中國(guó)電機(jī)工程學(xué)報(bào)，2014，34(1)：57-70.

[6] 丁華杰，宋永華，胡澤春，等.基于風(fēng)電場(chǎng)功率特性的日前風(fēng)電預(yù)測(cè)誤差概率分布研究[J].中國(guó)電機(jī)工程學(xué)報(bào)，2013，33(34)：136-144.

[7] 張慧玲，高小力，劉永前，等.三種主流風(fēng)電場(chǎng)功率預(yù)測(cè)算法適應(yīng)性對(duì)比研究[J].現(xiàn)代電力，2015，32(6)：7-13.

[8] 張娜，呂泉，張顯，等.含風(fēng)電系統(tǒng)的多級(jí)機(jī)組組合協(xié)調(diào)制定策略[J].電力系統(tǒng)自動(dòng)化，2013，37(11)：39-45.

[9] De Giorhi M G，F(xiàn)icarella A，Tarantino M.Error analysis of short term wind power prediction models[J].Applied Energy，2011，88(4)：1298-1311.

[10] 黃楊，胡偉，閔勇，等.考慮日前計(jì)劃的風(fēng)儲(chǔ)聯(lián)合系統(tǒng)多目標(biāo)協(xié)調(diào)調(diào)度[J].中國(guó)電機(jī)工程學(xué)報(bào)，2014，34(28)：4743-4751.

[11] 竇曉波，徐忞慧，董建達(dá)，等.微電網(wǎng)改進(jìn)多時(shí)間尺度能量管理模型[J].電力系統(tǒng)自動(dòng)化，2016，40(9)：48-55.

[12] 尤毅，劉東，鐘清，等.多時(shí)間尺度下基于主動(dòng)配電網(wǎng)的分布式電源協(xié)調(diào)控制[J].電力系統(tǒng)自動(dòng)化，2014，38(9)：192-198.

[13] 胡曉通，劉天琪，何川，等.計(jì)及蓄電池?fù)p耗特性的微網(wǎng)多目標(biāo)優(yōu)化運(yùn)行[J].中國(guó)電機(jī)工程學(xué)報(bào)，2016，36(10)：2674-2681.

[14] Teleke S，Baran M E，Huang A Q，et al.Control strategies for battery energy storage for wind farm dispatching[J].IEEE Transactions on Energy Conversation，2009，24(3)：725-732.

[15] Teleke S，Baran M E，Bhattacharya S，et al.Optimal control of battery energy storage for wind farm dispatching[J].IEEE Transactions on Energy Conversation，2010，25(3)：787-794.

[16] Han X J，Chen F，Cui X W，et al.A power smoothing control strategy and optimized allocation of battery capacity based on hybrid storage energy technology[J].Energies，2012，5(5)：1593-1612.

[17] Schaltz E，Khaligh A，Rasmussen P O.Influence of battery/ultra-capacitor energy-storage sizing on battery lifetime in a fuel cell hybrid electric vehicle[J].IEEE Transactions on Vehicular Technology，2009，58(8)：3882-3891.

[18] 韓曉娟，程成，籍天明，等.計(jì)及電池使用壽命的混合儲(chǔ)能系統(tǒng)容量?jī)?yōu)化模型[J].中國(guó)電機(jī)工程學(xué)報(bào)，2013，33(34)：91-97.

[19] 聶衛(wèi)平，徐衛(wèi)亞，王偉.RandWPSO-LSSVM 反演方法及其在大型地下工程中的應(yīng)用[J].中南大學(xué)學(xué)報(bào)(自然科學(xué)版)，2013，44(4)：1626-1633.

[20] 肖浩，裴瑋，孔力.基于模型預(yù)測(cè)控制的微電網(wǎng)多時(shí)間尺度協(xié)調(diào)優(yōu)化調(diào)度[J].電力系統(tǒng)自動(dòng)化，2016，40(18)：7-14.