随着全球能源需求不断增长和可再生能源受关注程度日益提高，微电网已成为一种具有应用前景且值得关注的能源供应解决方案[1]，其可在主电网被切断后，对某一区域内的负荷提供可靠且可控的电力服务[2-4]，特别是对于偏远地区或受灾地区而言，意义更大。然而，对于风光型微电网而言，风电和光伏发电的输出功率受天气影响较大，具有随机性、波动性和不可控性，很难像传统电源那样“按需发电”[5-7]，基本上属于“靠天吃饭”。因此，采用高效的能量管理日前优化调度策略对提高微电网的运行效率和经济性至关重要。

针对微电网的优化调度，文献[8]以家庭用电成本最小、可再生能源利用率最大为目标函数，对微电网的调度策略进行了规划，但并未对微电网的经济性进行充分考虑。文献[9]以微电网运行成本最小为目标函数，加入储能电池满充满放限制，采用粒子群算法求解微电网调度模型，相较于传统调度方法，该方法显著提高了微电网的运行经济性。文献[10]以微电网运行成本与电动汽车充电站充电费用最小为目标函数，提出了一种分层优化调度策略，以适应多种时间尺度，该方法实现了可再生能源的充分利用，并减少了碳排放量。

为实现合理利用可再生能源和提高微电网运行经济性的目的，本文针对风-光-柴-储微电网能量管理的日前优化调度问题，在满足居民负荷需求的前提下，以微电网运行成本最低为目标，制定微电网能量管理日前优化调度策略，建立相应模型，并以某算例进行策略效果验证。

1、风-光-柴-储微电网的结构与输出功率模型

1.1 微电网的结构

本微电网由可再生能源发电系统、柴油发电机、储能系统、日常负荷及变换器组成，如图1所示，其中，可再生能源发电系统包括光伏阵列、风电机组。光伏阵列、风电机组和储能系统通过各自的能量转换装置与柴油发电机共同汇集于交流母线。当微电网稳定运行时，各微电源按照发电策略为日常负荷供电，用来满足负荷要求。

图1 本微电网的结构图

1.2 各组成部分的功能

1)可再生能源发电系统。

光伏组件通过串联和并联的方式构成光伏阵列，光伏阵列利用变换器将光伏组件通过吸收太阳辐射能获得的直流电转变为交流电，然后注入到交流母线中。风电机组则是经过整流和逆变两个过程将交流电接入到交流母线中。

2)储能系统。

储能系统一般由配有双向AC/DC变换器的储能电池组成，而储能电池通常采用锂电池组或铅酸电池组。储能系统根据可再生能源发电系统与日常负荷之间的差额来决定自身的充电和放电状态。

3)柴油发电机。

柴油发电机在本微电网中可作为可再生能源发电的补充。

1.3 光伏阵列建模

光伏阵列建模主要涉及光伏阵列输出功率模型和光伏阵列成本模型。其中，光伏阵列成本模型是将光伏阵列投资成本和光伏发电损耗折算到每个时刻的输出功率上，方便计算光伏阵列运行成本。

1)光伏阵列输出功率模型[9]可表示为：

式中：PPV(t)为t时刻光伏阵列的实际输出功率；GING(t)为t时刻的实际太阳辐照度；GSTC为标准测试条件(STC)下的太阳辐照度；PSTC为STC下光伏阵列的最大输出功率；k为功率温度系数；Tc为光伏组件的实际工作温度；Tr为光伏组件的额定工作温度。

2)光伏阵列成本模型可表示为：

式中：MPV为光伏发电损耗系数；IPV为光伏阵列投资成本系数。

1.4 风电机组建模

风电机组建模主要涉及风电机组输出功率模型和风电机组成本模型。其中，风电机组成本模型是将风电机组投资成本和维护成本折算到每个时刻的输出功率上，方便计算风电机组运行成本。

1)风电机组输出功率模型[9]可表示为：

式中：PWT(t)为t时刻风电机组的实际输出功率；ρ为空气密度；R为风电机组叶片的半径；v(t)为t时刻风电机组叶片顶部的来风风速；CP为风电机组的风能利用系数。

2)风电机组成本模型可表示为：

式中：MWT为风电机组的维护成本系数；IWT为风电机组的投资成本系数。

1.5 储能系统建模

储能系统将多余的风电、光伏电力通过储能电池存储，并在必要时释放电力；为方便计算储能系统运行成本，将储能电池的购买成本和损耗成本折算到储能电池每个时刻的放电深度上。

荷电状态(SOC)是储能系统的关键指标，是储能系统的当前剩余容量与最大容量之间的比值。荷电状态与储能系统充放电功率之间存在一定关联，二者关系可表示为：

式中：SOC(t)、SOC(t+1)分别为储能系统第t和t+1时刻的荷电状态；Es为储能电池的总容量，取900 kWh;Pbat(t)为t时刻储能电池的充放电功率，其正值代表充电，负值代表放电。

储能电池第t时刻的放电深度DDOD(t)可表示为：

式中：SOC(t–1)为储能系统第t–1时刻的荷电状态。储能电池的循环寿命受其放电深度的影响，通过分析储能电池的放电特性曲线，得到储能电池放电深度与其循环寿命之间的关系[11]，即：

式中：L(t)为储能电池第t时刻放电深度下的循环寿命。

储能电池在第t时刻放电深度下所释放的电量LET(t)可表示为：

储能电池的购买成本Cbat可折算到t时刻的储能电池放电成本[12]和储能电池损耗成本[12]中，可分别表示为：

式中：CBT(t)为储能系统在t时刻的运行成本。

1.6 柴油发电机建模

1.6.1 柴油发电机输出功率模型

考虑到可再生能源发电具有波动性，需要以柴油发电机作为后备电源，为最大化利用可再生能源发电，柴油发电机工作时需保证运行在低效区和高效区，柴油发电机的发电效率-功率(η-PDG)曲线如图2所示。图中：Prat为柴油发电机的额定功率。

图2 柴油发电机的发电效率-功率曲线

1.6.2 柴油发电机的成本模型[10]

式中：PDG(t)为t时刻柴油机的输出功率；MDG为柴油机维修成本系数；IDG为柴油机初始投资成本系数；EDG为环境成本系数；Ffue为燃油成本系数。

1.7 各发电部分的成本系数

各发电部分的各项成本系数如表1所示。

表1 各发电部分的各项成本系数

2、能量管理的日前优化调度策略

本微电网的能量管理的日前优化调度策略的制定以经济性为目标，尽量减少柴油发电机的使用，最大化利用可再生能源发电系统电力，其流程图如图3所示。图中：Ploa为日常负荷；Pnet为风电机组、光伏阵列输出功率与日常负荷之间的差额，即微电网的净功率；Px为储能系统的中间功率变量；Py为舍弃的可再生能源发电输出功率；Pd＿max为储能系统能够接受的最大充电功率；SOC,min、SOC,max分别为储能系统荷电状态的下限和上限。

图3 本微电网的能量管理的日前优化调度策略流程图

3、能量管理的日前优化调度策略模型

3.1 目标函数

本文在满足微电网供电可靠性的同时，考虑光伏阵列、风电机组、储能系统及柴油发电机的运行成本，目的是使微电网的综合运行成本CTSC最低，即：

式中：CPV为光伏阵列运行成本；CWT为风电机组的运行成本；CBT为储能系统的运行成本；CDG为柴油发电机的运行成本。

3.2 约束条件

本文建立功率均衡约束、储能系统荷电状态约束与充放电约束、可再生能源发电系统输出功率约束和柴油发电机功率约束等约束，以保障微电网可靠运行。

3.2.1 功率平衡约束

微电网稳态运行要满足功率平衡约束，即：

式中：Ploa(t)为t时刻的日常负荷。

3.2.2 储能系统的荷电状态约束

为保证储能系统的使用寿命最大化，需满足荷电状态约束，即：

3.2.3 储能系统充放电功率约束

储能系统的充放电要满足最大充放电功率，即：

式中：Pc＿max为储能系统能够释放的最大放电功率。

3.2.4 可再生能源发电系统功率约束

可再生能源发电系统的输出功率约束主要涉及光伏阵列输出功率约束和风电机组输出功率约束[11]，即：

式中：PWT＿max为风电机组的最大输出功率；PVT＿max为光伏阵列的最大输出功率。

3.2.5 柴油发电机的输出功率约束

柴油发电机要求运行在低效区和高效区：

实际上，为降低柴油发电机的耗油成本与延长柴油发电机的使用寿命，会使柴油发电机在运行过程中的输出功率不低于其最小输出功率，本文中柴油发电机的最小输出功率取值为0.3倍的额定功率[13]。

4、算例分析

本算例中的微电网由功率变化范围为18～60 kW的柴油发电机，装机容量为90 kW的风电机组，装机容量为85 kW的光伏阵列，额定容量为900 kWh的储能系统及日常负荷构成；此外，储能电池的起始电量为450 kWh，储能电池的购置成本取60万元，柴油发电机的额定功率为60 kW。

对某天实测的光伏阵列输出功率、风电机组输出功率及日常负荷进行统计，统计结果如图4所示。

图4 某天光伏阵列、风电机组及日常负荷的功率情况

由图4可知：光伏阵列的全天输出功率为566.78 kW，风电机组的全天输出功率为825.54kW，日常负荷总功率为1486.80 kW。由于得到的数据为24 h的值，因此，日前优化调度的周期取24 h，并以1 h为时间划分尺度。

利用Matlab和Cplex软件进行算例仿真，得到微电网各发电部分1天内的功率情况，如表2所示，其中储能系统充放电功率为正值时，代表储能系统充电；为负值时，代表储能系统放电。

由表2可知：风电机组全天都在供电，但01:00～04:00时的输出功率较少，光伏阵列的发电时段主要集中在06:00～18:00之间，柴油发电机在22:00～24:00之间供电。

对微电网的能量进行日前优化调度，优化调度结果如图5所示。

由图5可知，在01:00～04:00之间，储能系统处于放电状态，该时段可再生能源发电系统的输出功率较低，基本上是由储能系统供电，以满足日常负荷的需求；在05:00～17:00之间，储能系统处于充电状态，该时段可再生能源发电系统的输出功率较多，可再生能源发电系统不仅可以满足日常负荷需求，同时可将剩余电量储存在储能电池中；在18:00～22:00之间，储能系统处于放电状态，该时段由于光伏发电能力减弱甚至消失，同时日常负荷增加，需要风电机组及储能系统共同满足日常负荷需求；在22:00时，可再生能源发电系统及储能系统已无法满足日常负荷需求，需由柴油发电机进行补充；在23:00～24:00之间，储能系统当日存储电量全部释放，储能系统停止放电，由可再生能源发电系统及柴油发电机供电。

表2 微电网各发电部分1天内的功率情况

图5 本微电网1天内的能量日前优化调度结果

由于可再生能源发电系统具有波动性和不确定性，导致微电网存在弃电现象。从图5还可以发现：通过采用本文提出的能量管理日前优化调度策略，可以满足用户的日常负荷要求，同时所配置的储能系统可以最大限度的存储可再生能源系统多余的发电量，最大程度地避免了弃电，并减少了柴油发电系统的使用率，降低了对环境的伤害，可满足微电网的能量管理目标。

为了更直观地反映储能系统的充放电情况，以及储能系统充电功率和荷电状态之间的关系，对1天内储能系统的充电功率和荷电状态进行统计，统计结果如图6所示。其中：荷电状态为正值，代表储能系统充电；荷电状态为负值，代表储能系统放电。

由图6可知：储能系统仅在05:00～17:00充电，且荷电状态仅在40%～80%之间变化，满足储能系统使用寿命最大化的要求。

图6 1天内储能系统的充电功率和荷电状态变化情况

5、结论

本文针对风-光-柴-储微电网能量管理日前优化调度问题，在满足日常负荷的前提下，以微电网运行成本最低为目标，制定微电网能量管理日前优化调度策略，建立相应模型，并以某算例进行策略效果验证。验证结果显示：通过采用所提出的能量管理日前优化调度策略，可以满足用户的日常负荷要求，同时所配置的储能系统可以最大限度的存储可再生能源系统多余的发电量，最大程度地避免了弃电，并减少了柴油发电系统的使用率，降低了对环境的伤害，可满足微电网的能量管理目标；验证了策略的经济性与可靠性。

风-光-柴-储本研究成果可为微电网设计人员和运营者提供参考，促进风-光-柴-储微电网技术的发展和推广。通过采用微电网能量管理日前优化调度策略，可以最大程度地提高可再生能源利用率，减少碳排放，降低用电成本，并为地区能源供应的可持续发展做出贡献。

参考文献:

[1]阮绵晖,郑建平,刘尧,等.离网直流微网群混合储能容量优化配置方法[J].电力工程技术,2021,40(3):99-105.

[2]岳大为,赵文体,袁行行,等.计及电-氢混合储能的孤岛直流微电网可靠性评估[J].电力工程技术,2023,42(3):27-35.

[3]冯帅,袁至,王维庆,等.碳交易背景下基于LGPGP2G的微电网容量优化配置[J].电力工程技术,2023,42(3):157-167.

[4]宋扬,石勇,刘宝泉,等.基于反向变异麻雀搜索算法的微电网优化调度[J].电力工程技术,2022,41(2):163-170.

[5]潘立刚,陈同法,王卿然,等.促进新能源消纳的风-光-抽水蓄能联合调度优化研究[J].电工技术,2022(4):76-80.

[6]赵琳,王阳,魏澈,等.面向新型电力系统的多学科分析[J].风能,2023(7):48-53.

[7]杨朋朋,张修平,王明强,等.计及调峰能力的风光储联合系统优化调度[J].电力建设,2019,40(9):124-130.

[8]王江波,费标青,王越,等.户用微电网能量调度日前计划研究[J].电测与仪表,2013,50(8):81-86,107.

[9]刘娇娇,王致杰,袁建华,等.基于PSO算法的风光储微电网优化调度研究[J].华东电力,2014,42(8):1534-1539.

[10]肖朝霞,张可信,冯冀.含电动汽车充电站的风/光/柴独立微电网分层优化调度[J].天津工业大学学报,2022,41(4):61-74.

[11]刘利兵,刘天琪,张涛,等.计及电池动态损耗的电动汽车有序充放电策略优化[J].电力系统自动化,2016,40(5):83-90.

基金资助:新疆重大科技专项(2022A1001-1,2022A01007-4); 新疆风-光-柴-储微电网工程技术研究中心(2022062420);

文章来源:万炜兴,周龙,谢丽蓉,等.风-光-柴-储微电网能量管理的日前优化调度策略分析[J].太阳能,2024,(10):70-76.