费 阳 沈 润 戴桂木

（东南大学电气工程学院，南京 210096）

微电网能量优化管理[1-2]的目的是通过综合考虑微网内的用电需求情况、燃料费用及电价、气候状况、电能质量要求、燃料消耗、需求侧管理要求等情况来作出决策，给出每个分布式电源的功率和电压设定值，在满足热/电负荷需求、确保微网能满足与外网间的运行合同等的前提下，实现微网运行成本最小、分布式电源的运行效率最高、系统环境效益最大等目标。

目前，国内外对微电网能量管理算法都有大量研究，文献[3]基于“最优保留”对遗传算法进行改进，用于多元微电网能量管理，文献[4]对含有微型燃气轮机、光伏发电、燃料电池、蓄电池等多种单元的微电网建立模型实现微电网经济运行，文献[5]提出算法的多目标优化，实现微电网电能质量和经济指标的最优。但能量管理算法多停留在理论阶段，调度计划需要可再生能源出力及负荷需求数据为保障，与实际的负荷风光出力预测出现断层。

本文正是以实际应用为出发点，以多时间尺度策略实现能量管理功能[6]，对发用电预测[7-11]和能量管理算法深入研究，结合发用电预测、预测修正，不断调整微电网调度指令，实现能量管理站控层的完整设计。

本文实现了微电网能量管理系统的整体架构，从二次设备的数据采集、后台能量管理系统开发以及用户侧的维护管理，通过长期运行对能量管理系统的运行效果进行验证，并结合数据对算法进一步修正完善。

1 微电网能量管理系统

微电网能量管理系统其功能包括整个微电网的所有功能管理的上层监控、决策和执行。微电网能量管理系统对整个微电网系统运行进行监测，分析下层采集上的数据，利用各个高级功能应用软件进行综合分析，并给出及时的控制指令。在安全稳定运行的前提下实现对微电网内部各分布式电源的控制、储能的监管控制、负荷的需求响应及投切。

1.1 就地控制层

就地控制层采用BECKHOFF 公司的软PLC，通过EtherCAT 总线采集风机、光伏和储能的各路电网信息，并将数据传至站控层。需要采集的数据有风机和光伏的交流出线侧的电压、电流、有功和无功等电网信息，还需要与逆变器之间通信获取各路逆变器的状态数据，同时系统还需要控制各路出线的接触器，实现线路的通断。

1.2 站控层

站控层是实现微电网能量管理功能的核心部分，承担数据的分析计算，发布调度指令等任务，实现微电网能量管理优化目标。与大电网的优化运行不同，微网运行不仅要考虑分布式电源提供电能、有效利用可再生能源、保护环境、减小燃料费用，还需考虑与外网间的电能交易，本文提出的优化目标主要有以下两点：

1）经济运行。通过对微网内的可调度分布式电源和储能设备进行合理调度，在确保可再生能源的尽可能消纳前提下，尽量减少微网的运行成本和提高系统效率。

2）联络线功率控制。微网运行于联网模式时，微网一般被要求控制成为一个友好负荷形式，微网应有助于降低电能损耗，实现电力负荷的移峰填谷，提高电压质量或不造成电能质量恶化等目标，因此一般要求微网联络线输出功率平滑或者维持在一定功率范围内。

1.3 远程访问层

基于Web 开发的能量管理监控系统，实现微电网能量管理优化结果的各项数据展示，包括微电网一次接线图、发用电预测、调度计划等，此外提供数据维护功能，包括电价、储能、联络线配置信息等。

2 站控层能量管理算法开发

站控层实现的能量管理算法采用多时间尺度能量管理优化策略如图1所示，以日时间尺度获取气象预测数据，作为日前发用电预测的依据并结合历史数据发布日预测值，根据不同能量管理优化模式调用相应算法发布发电计划；以小时时间尺度基于当日运行数据反馈对预测和发电计划滚动修正；此外以10min 为时间尺度基于实时运行数据调用超短期预测[9]，并依据预测数值，比对滚动预测偏差分配给各可控单元，实现微电网功率平衡。

图1 能量管理算法流程

2.1 发电预测

利用气象数据基于相似日对预测日的可再生能源发电进行预测，其预测策略如图2所示。结合近期负荷数据对负荷需求进行分析预测。基于实时运行数据，对当日的预测数据进行修正和超短期预测。

基于气象预报利用相似日计算选取相似日进行风光预测[8]，对于光伏出力的影响因子主要为最低温度、最高温度、光照条件，对于风机出力的影响因子主要为风力和风向。

针对光伏、风机发电预测，分别建立向量Ypv=[Tmax,Tmin,G],Ywt=[Vw,Vd]。对向量中各分量进行归一化，对预测日和历史气象数据进行相关性计算，得到相似度。选取最近N日中相似度最高的m日作为相似日预测发电。

图2 发用电预测策略

引入变化趋势的相似度计算，基于实时发电功率对下一时刻发电功率进行预测[9]。样本中为运行到t时刻的前5 次采集到的发电功率p[5]，相似日对应前5 个时刻及t时刻的发电功率p1[6],p2[6],…pm[6]，计算功率变化趋势的相似度：

对相似度进行归一化处理：

污水水量40万t/d，约16650t/h,水量充足，足够使用。冬季污水设计温度约为15℃，热泵冷凝器侧供回水温度为55～50℃。

对t时刻发电功率进行预测：

2.2 经济调度

可再生能源最大消纳的基础上，利用分时电价储能按充放电策略进行控制[12]，实现谷时储能吸纳电量，峰时储能释放电量，提高微电网的经济性，经济调度流程如图3所示。

经济调度的实现体现在优化目标函数为运行成本，利用优化算法寻找运行成本最小解。

目标函数如式：

式中，Pgrid(t)为t时段配电网吸收功率；Cgrid(t)为t时段售电价格；Ci为单元i的单位电量管理费用，￥/kW·h；Pi(t)为单元i在t时段的功率输出。

图3 经济调度策略

2.3 定联络线功率控制

微电网与上层配电网的互动，当接收到与市电功率交换指令时，储能系统结合光伏发电量与负荷的实际用电量，更新储能单元的输出功率值和可控负荷的切除，实现微电网相对电网为一个可控源，定功率控制策略如图4所示。

图4 定功率控制策略

定功率控制的实现体现在优化算法中的约束条件中：

储能的约束条件为

基于改进遗传算法，设置微电网能量管理算法中适应度函数及约束条件，通过种群的迭代进化，最终找到迭代过程中的最优解作为能量管理算法发布的调度指令。

3 站控层能量管理算法实现

基于气象信息得到可再生能源出力和负荷需求的功率预测数据，预测曲线如图5所示。

图5 负荷需求及风光出力数据

两组储能的荷电状态的上限均为0.9，下限分别为0.3 和0.2，两组储能的初始荷电状态分别为0.55和0.45。实时电价见表1。

并网运行下的算法优化结果见表2。

表1 峰谷电价表

表2 经济调度计划

由上述比较可以看出，并网下的能量管理经济调度策略能够实现购电成本的明显下降，其调度的出力曲线如图6所示。两组储能在日运行计划中满足各自的荷电状态约束，同时可以看出储能在电价谷值时段进行充电，在电价峰值时段进行放电，并在日计划结束时刻荷电状态恢复初始状态。

图6 微电网经济优化下的各单元调度

接收到定功率控制指令后，运行模式转至定功率控制，基于超短时的可再生能源预测及负荷预测，调整两组储能的出力指令，实现联络线功率在设定数值。计算得到的各单元调度指令见表3，相应的出力曲线图如图7所示。

表3 定功率调度计划

图7 定功率调度曲线

4 结论

本文给出了完整的微电网能量管理系统架构，实现微电网数据采集、算法优化、数据维护、远程访问等功能。主要研究微电网能量管理系统的站控层设计，实现微电网能量管理多尺度优化策略，对发用电进行预测并加入反馈修正环节，此外基于实时运行数据修正调度计划，实现能量管理策略的完整性，弥补了能量管理策略中对预测的空缺部分。优化目标主要有经济调度及定功率控制，实现微电网的经济性和可控性，优化效果通过算例得到有效验证。

[1] 刘梦璇. 微网能量管理与优化设计研究[D]. 天津大学,2012.

[2] 陈昌松. 光伏微网的发电预测与能量管理技术研究[D]. 华中科技大学,2011.

[3] 陈昌松,段善旭,蔡涛,等. 基于改进遗传算法的微网能量管理模型[J]. 电工技术学报,2013(4): 196-201.

[4] 刘天琪， 江东林. 基于储能单元运行方式优化的微电网经济运行[J]. 电网技术,2012(1): 45-50

[5] 王新刚,艾芊,徐伟华,等. 含分布式发电的微电网能量管理多目标优化[J]. 电力系统保护与控制,2009(20): 79-83

[6] 魏路平,张小白,卢敏,等.日前电力市场环境下的实时调度[J]. 电力系统自动化,2007(24): 38-41.

[7] 周英,尹邦德,任铃,等. 基于BP 神经网络的电网短期负荷预测模型研究[J]. 电测与仪表,2011(2): 68-71.

[8] 孟洋洋,卢继平,孙华利,等. 基于相似日和人工神经网络的风电功率短期预测[J]. 电网技术,2010(12): 163-167.

[9] 段彬. 风光互补发电控制系统中的短期功率预测研究[D]. 电子科技大学,2011.

[10] Peder Bacher,Henrik Madsen,Henrik Aalborg,Nielsen. Online short-term solar power forecasting[J]. Solar Energy,2009: 1772-1783.

[11] James W. Taylor. Short-Term Electricity Demand Forecasting Using Double Seasonal Exponential Smoothing[J]. Journal of Operational Research Society,2003(54): 799-805.

[12] 李扬,王治华,卢毅,等. 峰谷分时电价的实施及大工业用户的响应[J]. 电力系统自动化,2001(8): 45-48.