【微电网微源供电系统设计运行以及调度管理战略研究11000字（论文）】

微电网微源供电系统设计运行以及调度管理战略研 3 52.1微型燃气轮机热电联供系统模型 52.2风力发电模型 52.3光伏发电模型 62.4燃料电池模型 62.5蓄电池模型 63微网系统不确定因素的随机模拟 73.1随机模拟技术 73.2风电功率波动 73.3光伏功率波动 83.4负荷波动 94系统优化模型 94.1目标函数 94.2约束条件 1 5.4粒子群算法改进 6.1算例介绍及参数的设置 7结语 3摘要：大规模化风电和高比例的热电联产机组并存在我国“三北”地区，供热期热电联产机组的强热电耦合运行模式约束限制了其调峰能力，导致系统灵活性不足，造成了严重的弃风，带来了巨大的经济损削弱热电联产机组的耦合程度，提高系统运行的灵活性是我国一项富有重要意义本文建立了装配蓄电池的考虑电热储能的热电联产型微网系统。针对以上各种系统，分别研究了微型燃气轮机、风力发电器组、光伏发电器组、燃油动力电池以及蓄电池等相关数学模型。并通过结合系统的功率均值约束、微电源输出功率的约束、微电源爬坡速度的约束、大电网与微电网之间的交换功率约束以及对蓄电池充电的约束进行了分析。为了有效缓释目前微电网中各种类型微源的非动态可控性及随机变量波动性较大等各种微源动态变化性质，提高其微源供电的安全可靠性，寻求目前微电网最理想的微源供电系统设计运行以及调度管理战略。研究基于多目标动态优化资源调度的我国微电网物理模型，以直接实现我国微电网在各种不同应用领域中的公共经济和社会环境保护费用最小的优化为主要技术研究任务目标，建立了一套数学物理模型并首先分析确定了该数学模型的基本约束构成条件，用PSO 通过算例分析求得微电网在孤岛供电状态下正常运行的最优综合调整体系和协同资源调度优化计划。关键词：热电联产；供电可靠性；多目标优化调度；经济效益；PSO随着我国不断地发展进步，蕴藏在我国境内大地之下的化石燃料能源慢慢被我们发现并挖掘殆尽，能源短缺的窘境近在眼前，为了防止能源短缺的情况出现，如何安全有效地开发能源使其能够可持续发展，以及高效利用化石燃料发电已成为我国建立起安全、高效率及环保的现代能源发展体系，实现除化石燃料以外的能源的发展所必需要考虑的重要问题。在“十二五”(即第十二个五年计划)期间，我国在风力发电方面的研究有了重大突破，与风力发电相关的企业产业规模有了十足的长进。根据《风电发展“十三五”规划》的重要指示，我国光伏风电每年新增并网装机量将高达8000万kw以上。风力发电技术是一种以风电这种清洁能源为主，利用再生能源发电的技术，是一种技术研究方面相对成熟同时拥有广阔市场和发展前景的技术。据对弃风相关的统计数据结果显示，我国风电发展迅速的“三北”(指东北、4华北、西北)地区弃风现象十分严重。一方面的原因是由于电源构成部分不是十峰的要求。在冬季供暖的期间内，热电联产(CHP)机组的总数量很大，占电网热负荷的需求量变多而电负荷的需求量变少，CHP机组出力增加。这个时候的右的程度，风功率的预测值准确程度会随试验取值时的测量时间的增加而提升。统发电的有功功率偏差过大或者风力发电的有功功率受到的干扰程度太大超出个时候我们没有办法只能采用加入人为调控的方法来对电力系统进行实时调整，统发电情况相匹配的优化调度策略可以大大增加我国对于清洁能源的开发及应目的，构建热电联产型微电网动态多目标优化调度的一般模型件通过PSO算法对所建立的模型进行求解，并将典型冬季日热电联产型微电网52系统模型微型燃气轮机(MT)是热电联产电力系统中的重要一个构件，MT在微电系数和它的制热系数；△t表示运行时间；VMT象征着工作在时间段△t内的MT消耗的燃料天然气的量/m³;LHV,代表了燃料质量中的一种重要指标(天然气的低位热值),通常它取值为97kW·h/m³。文主要采取“以热定电”(以热定电是联产系统中一种以供热负荷大小为基础来判断发电能力的运行方式。“以热定电”的“热”,指的是各种电压的热负也就是说要根据锅炉还有汽轮发电机组的供热负载情况来判断如何选择配套锅定该机组的进气量，相当于将锅炉所发出的风力和水资源作为供热的主要副产品。)的方式，即MT所输出的电功率由其所提供的热能确定。6风力发电机的输出功率具体计算公式如下：其中，V为风机的实际风速；>、V.分别为风机切入、切出时的风速，实际风速<或者>切出风速时，风机停止运行；P,为正常范围内驱动风机需要的有功2.3光伏电池模型光伏电池是一类不受人为操作控制的电源，光伏电池会受到光照强度、周围等因素的影响，具有很高的随机性和间歇性，十分不稳定。光伏电池输出的功率值大致可以通过下面公式计算：其中，P为光伏电池输出功率；P,为光伏电池处于标准条件情况下的最大输出功率；SA为光伏电池此时实际受到的光照强度；S。为光伏电池处于标准条件情况下受到的光照强度；k为功率温度系数；T.为光伏电池实际工作时的温度；T,为我们自行设定的参考温度。2.4燃料电池模型燃料电池模型中的燃料消耗费可以表示为式中，Pc表示在时间间隔△t内的燃料电池的纯输出功率/KW;η;为△内的燃料电池的工作效率；CFc为燃料电池的燃料费用/元2.5蓄电池模型蓄电池是一种可以存储电能的装置，在电力系统需要时为其提供电能，在电力系统饱和时存储一定的电能以备不时之需，在微电网中对电网负荷能够起到削峰填谷的作用，保障电力系统能可靠地持续供电，蓄电池的充电状态(SOC)可以通过蓄电池的剩余电量与额定电量的比值来表示，处于t+△t时刻的充电状态由7处于t时刻的电池的剩余电量与此时的充电状态共同决定，数学模型如下：3微网系统不确定因素的随机模拟大部分地区的风速近似服从威布尔(Weibull风电功率Pwr与风机轮毂高度处的风速v具备的关系如下所示：式中：P指的是额定条件下风力发电机的输出功率；V、Vc₁、Vco分别为额定风速、切入风速和切出风速。风速>切入风速时，风机并入电网；风速>切出风8大致划分缩短到24个小时，根据每个小时的平均实际风速模拟预测值计算参数k和c;然后根据风速的近似分布情况，即式(9),选用一个随机生成出来的风速500次左右，将所得的全部结果取加权平均值，最终得到的结果就可以当作是考出力特性我们可以提高其预测精度，这是解决风电大规模并网一种的重要手段。光伏电池的有功出力在电力系统运行的过程中将会受到光照强度和环境温由该时间段内的光照强度平均值及其方差可以求得上述贝塔分布中的形状9式中：Gsrc为标准条件下的光照强度，取1000W/m²;Psrc为标准条件下的最大它取25°C。在电力系统中的各时段的电负荷波动一般认为它4系统优化模型4.1目标函数①目标一：经济性运行目标函数(微网系统的发电成本最小)微网系统在孤网运行模式下的总的发电成本要考虑费用系数；C(t)和CDEP(t)以及Com(t)表示微电源在第本和投资折旧成本以及运行维护成本；C为支付微电网切负荷时造成损耗的补CHP系统制热收益。Ca₂;指代表安装第i个微电源一个单位的容量所需要花费的费用；k;为第i个微电源的容量因素；r为年利率；n,为第i个微电源的投资偿还期；P为第i个微电源t时刻的有功出力；N的数值等同于系统中含有的微电源的数量；Kom;为第i个微电源的运行维护成本系数；k为所排放污染物(包含为第i个微电源排放k类污染物的系数；β为处理k这类污染物所需要消耗的处理费用；Kp用来表示出售一个单位大小的热能的价格。式中，C₂表示治理微电网排放的污染物的成本，当a的值为零时，表明当排放大气污染物的成本，这时a的值为1;Ck表示为处理一个单位排放量的污率的平衡。有功功率是否平衡是衡量电压和电网频率是否稳定的一个重要因素。电网中所有机组的有功功率和电网频率的平衡状况都与它对应的负载和功率息电力系统稳定的根本要素，而有功功率的稳定时保证电网频率的重要影响因素。所以可以推导出结论：最终的调度结果必须要满足式中：Pmax、Pmin指微网内第i个微电源输出功率所达到的上限值、下限值。式中，分别表示大电网和微电网之间允许交换功率的最小下限⑤蓄电池的SOC约束5模型求解于微电网优化调度建立模型的方法以及与其相关的计算方法。但是基于PSO算法技术改进方面仍然存在的不足，我们认为应该在深入地重新研究一下PSO优主要就是对基本PSO优化算法在公式速度、位置的自动更新上对公式及其中的在PSO算法中，每一个n维的向量就代表着一个粒子，每个向量的具体维决定“D”的数值具体为多少。首先我们假设粒子的一个种群中有N个粒子，那方面来讲N的数值越大也就说明算法能够解出答案的难度也会变大、得到最终找到最佳答案，但如果是N的数值不满足最低要求，那么种群与种群之间的交流机会就会变少，因此对于N的数值的决定我们要慎之又慎，只要能够成功取到适当的N值，将会使整个计算过程变得极其顺利。经过研究调查，我们可以得到这样一个结论：值为50的N可以使计算变得更加顺利。i粒子的位置可表述成X;=(x₁,x₁2…,xia),V意味着粒子位置变动的多少，Pbes=(Pi,Pi₂…,Pia)标记的是种群最优位置，凭式中i=1,2,3,….,N。惯性权重的表示符号为w,粒子本身找到并记录下来的最优位置的加速因子是c₁,全体粒子找到并记录下来的r和r₂是在零到一间随机选取的两个随机数，t代表迭代次数，为了使粒子在规第一个部分为粒子接下来的飞行速度将会受到在此之前的飞行速度的影的窘境。工程上惯性权重w通常取值0.7298,使算法变得更容易收敛。这被研究学者们统称为加速因子c₁,粒子本身的最优对粒子寻优方向所产生的影被称为研究学者们统称加速因子c₂,全体粒子的最优位置对粒子寻找最优位置飞使粒子围绕在全局最优位置附近寻优，实现使粒子能够快速收敛的目的，对发现最优解有很大益处。上述的三个部分之间有着很大的关联，可以说三者是息息相关，缺一不可。无论缺少了哪一部分，都会对粒子的速度产生坏的方面的影响。如果缺少了第一部分，那么粒子在寻找最优解的过程中所花费的时间会增加，丧失掉寻找更多空间范围进行寻找最优解的可能性，粒子活动的空间范围将急剧减少，这样将使粒子在更小的空间内，花费更多的时间寻找最优解，大幅度提升了粒子陷入局部最优情况出现的概率，对寻找最佳结果来说没有好处；如果缺少了第二部分，粒子将丢掉自己所经历的位置的记忆，虽然这样能够在更大的空间范围内寻找最优结果，但是会对寻优收敛造成更大的负担；如果缺少第三部分，各个粒子将失去在种群中与其他个体交换信息的能力，导致整个种群没有一个团队意识的引导，极大地限制了种群向好的方向发展的可能性，不利于寻优。下图对粒子寻优时所受到的各个因素的影响情况进行了简略的描述。粒子移动示意图5.2粒子群算法基本步骤：(1)将粒子种群进行初始化操作；(2)为求各粒子适应度值，我们可以依靠建立的目标函数来进行计算，并在计算结束后分别对个体和全局第最优值进行初始化操作；(3)将结果与预设要求进行比对，并与终止条件相比较进行判断，满足终止条件则运算停止搜索，输出结果；否则继续下一个步骤；(4)通过速度、位置更新公式求得更新后各粒子的速度和所处位置；(5)根据目标函数计算各粒子适应度值；(6)更新各粒子历史最优值以及全局最优值；(7)回到第三个步骤后再次执行算法运算。对于终止条件，通常可以设置为适应值误差达到预设要求，或迭代次数超过最大允许迭代次数。5.3粒子群算法流程图：开始开始↵空间的初始位置和初始速度最优解，找到整个粒子群的当前全局最优解调整每个粒子的位置和速度在可行域?成?↵是输出最优解5.4粒子群算法改进标准的粒子群算法虽然收敛的速度快，效率高，但是也存在着计算精度低，较多地依赖于初始取值所设定的特征，迭代时间到了后期收敛的速度大大降低，很容易就会造成局部收敛的情况，从而直接导致其准确度的降低。为达到算法的整体全局搜索寻优能力与局部搜索能力达到平衡的目的，一般希望该算法：除了修改惯性权重w,使其线性递减：6仿真与验证把一天的工作时间划分缩短到24个小时。对于粒子群算法的基本参数我们将其设置为：种群规模大小200,最大迭代次数300,加速因子c₁、C₂均为2.05,惯性权重系数w为0.9;蓄电池最大电量设为50kWh。微电网的各微电源运行参数如表1所示；各类污染物的处理成本和排放系数如表2所示；本文将电价划分成3个时间段(谷时段电价、平时段电价和峰时段电价),谷时段为23时至7时；平时段为7时至10时、15时至18时、21时至23时；峰时段为10时至15时、18时至21时，微电网处于三个不同时段的售电价如表3所示，风力发电机和光伏电池出力如图1所示，热电负荷如图2所示。 (万元/kW)功率上限功率下限寿命/年00(元/kWh)WT排放系数/(g/kWh)↵PV排放系数/(g/kWh)↵MT排放系数/(g/kWh)。FC排放系数/(g/kWh)Grid排放系数/(g/kWh)↵处理成本/(元/kg)↵表3微电网分时电价时段购电价(元/kWh)售电价(元/kWh)峰时平时谷时时刻结合前面对微电网处于孤岛运行模式下制定的调度策略和建立的目标函数模型，对典型冬季日微电网内各微电源运行状态进行分析，并采用PSO算法进行求解，经优化调度后各微源在每时刻对应的输出功率大小如图3所示。从图3显示的优化结果以及结合图1、图2综合来看，我们可以发现在冬季热定电”的模式，在从23:00到7:00的这八个小时的时间段内，电网一直是处于负荷的低谷时段，蓄电池(SB)工作在不断充电的状态，而在平时段和谷时段电网具有满足负荷需求的特点，蓄电池(SB)工作在不断放电的状态，同时放电的多少也与系统负荷的大小有一定关系；在23:00~24:00这一时段，系统内部的负荷逐渐减少，这时可以使燃料电池(FC)的发电量变小，系统所需要的负荷由微型燃汽轮机(MT)来进行提供。从图4、图5两个图综合来看，可以看出在0:00~6:00负荷低谷时间段，蓄电池进行充电，并在6:00时刻达到50kWh(设定的蓄电池最大容量),其后不再次放电供能并释放完所有储存的电能。在20:00~24:00时间段停止工作退出运时段图6燃气轮机供热时段图7燃气轮机热储出力由图2、图6、图7综合来看，我们可以直观地看出在任何一个时刻，燃气迭代收敛图迭代次数图8孤岛时微电网日运行成本(不考虑电热储能)迭代收敛图迭代次数图9孤岛时微电网日运行成本(考虑电热储能)利用PSO算法我们可以求得微电网在孤岛模式下运行的综合成本，其结果如图8、图9所示，从两张图显示出来的结果中我们可以发现两条曲线均以很快不考虑电热储能的最终优化结果是1275.35元；考虑电热储能的最终优化结果是1096.61元。以上结果显示，考虑电热储能的热电联产装置更经济。因此，使发电的经济效益更高。7结语本文以一个典型的热电联产型微电网作为主要的研究对象，考虑到冬季孤岛的运行模式以及微电网经济和环保性能，在满足一定约束条件下，建立了适应微电网环境和运行成本多目标优化的调度模型，采用PSO算法对各微电源进行仿真求解，并对各微电源的出力进行分析，结果验证了本文中所提的算法及调度模型的有效性、真实性。[1]余晓丹，徐宪东，陈硕翼，等.综合能源系统与能源互联网简述[J].电工技术学报，2016,31(1):1-13.[2]孙宏斌，潘昭光，郭庆来.多能流能量管理研究：挑战与展望[J].电力系统自动化，2016,40(15):1-8,16.[3]贾宏杰，穆云飞，余晓丹.对我国综合能源系统发展的思考[J].电力建设，2015,36(1):16-25.[4]程浩忠，胡枭，王莉，等.区域综合能源系统规划研究综述[J].电力系统自动化，2019,43(7):