贾 科, 林瑶琦, 陈奕汝, 毕天姝, 刘搏晗

(1. 新能源电力系统国家重点实验室(华北电力大学), 北京市 102206; 2. 国网浙江省电力公司电力科学研究院， 浙江省杭州市 310014； 3. 国家电网交流建设公司, 北京市 100052)

0 引言

优化利用电网中各类能源发电是解决能源与环境问题的方法之一。然而微电网中可再生能源(renewable energy source,RES)出力(光伏、风电)具有间歇性和波动性,且与负荷需求呈不对等分布,给能源的本地高效利用带来挑战[1-3]。因此,利用储能系统协调能量供给和负荷需求的能量管理十分重要[4-12]。目前,能量管理方法主要分为启发式能量管理算法和模型预测控制(MPC)算法两大类。

启发式能量管理算法能在一定时间和空间范围内给出最优可行解。文献[13-15]以系统运行成本最小为目标函数,分别采用模糊控制、遗传算法实现系统能量流的优化控制。但上述算法都采用了日前控制的思路,需要根据RES预测出力预设储能系统运行模式,受预测误差影响较大。文献[16-18]采用启发式规则和粒子群优化(particle swarm optimization,PSO)算法相结合的方法优化储能充放电,提升算法实用性。但此类算法计算时间长且易陷入局部最优,不适用于运行复杂的系统。

MPC算法通过模型预测、滚动优化和反馈校正来解决有限时域开环问题。文献[19]提出一种基于模型预测控制的风储协调运行方法,可以解决风电间歇性出力功率波动问题,但未考虑储能对用户负荷削减的作用。文献[20-21]建立了考虑储能系统、电动汽车、可控分布式发电设备等的能量管理模型,有效降低了预测误差对系统运行成本和负荷削减的影响。……