尤森槟，程志江，张子建，章 节

(新疆大学 电气工程学院，新疆 乌鲁木齐 830047)

电力是人类社会可持续发展的一个非常重要的因素，远离电网的偏远地区也需要稳定的电力供给,在许多偏远地区，独立供电系统比电网更具成本效益，因此发展独立供电系统是一种有效的供电方案[1-2]。独立供电系统中应用最广泛的能源是光伏、风力发电机，然而风光出力具有间歇性,受天气季节影响比较大，当与其他可控微源组合可以平抑负荷波动[3]。胡林静[4]等用储能对风光出力进行补偿，并采用算法对容量配置进行优化，以实现供电的可靠性与经济最优。李建林[5]等为解决风光储容量最优问题，建立双层决策模型，采用动态规划方法对容量进行优化配置。由于蓄电池单位容量价格高，且寿命周期充放电次数有限，为了进一步提高供电的可靠性与经济性，谭颖[6]等采用风光柴储微电网，使用改进的仿电磁学算法对容量优化配置，并对模型和算法的有效性进行验证。孙瑜[7]等为了提高风光柴储系统经济性，对经济运行方案进行设计，并用生物地理学算法进行优化，算例结果表明，设计方案合理可行。洪林[8]等提出了一种风光柴储微网运行性能综合评价方法，并以实际工程为例，验证评价方法的科学性。风光柴储微电网能够实现稳定的电能输出，然而柴油是化石燃料，在使用的过程中存在环境污染，且价格比较高，马艺玮[9]等对风光沼可再生能源系统进行研究，并采用改进的自适应遗传算法进行优化，以实现系统经济最优。

本文在借鉴前人研究成果的基础上首先建立了包含风光沼储微电网优化模型，并提出了运行策略，以典型日的数据为基础，采用改进型的粒子群算法进行优化，实现风光沼容量的最优配置。

1 风光沼储微电网系统描述

孤岛混合能源系统如图1所示：主要由风力发电机组(简称风机)、光伏板、蓄电池、沼气池、燃气机组成，系统能量来源于太阳能、风能、沼气，蓄电池是储能单元。利用沼气发电可以将生活污水和有机质垃圾无公害处理，但沼气生产也存在周期长，受沼气池容量和有机质限制难以实现大容量供电，和风能、太阳能进行耦合，能够解决能源在时空上分布不均问题，克服了单一能源可靠性差的特点[3]。

图1 风光沼储微电网结构

1.1 光伏发电系统

光伏板提供的能量可以用以下公式计算为太阳辐射的函数，输出功率Ppv如下[10]：

(1)

式中：PN-pv为参考条件下的额定功率；G为太阳辐射，W·m-2；Gref为1000，W·m-2；Tref为25℃；Kt为-3.7×10-3(1/℃)；Tamb为环境温度[10]。

1.2 风能系统

风机的风速与输出功率之间是如下所示的分段函数[11]：

(2)

式中：Pr为额定输出功率;vc为切入风速;vf为切出风速;vr为额定风速。

1.3 燃气机

燃气及输出功率为下列公式：

Pg=vbiqbiηg

(3)

式中：Pg为燃气机输出功率;vbi为单位时间燃气机发电时甲烷消耗体积(标准工况下);ηg为燃气机的能量转化效率;qbi为单位体积燃气热值。

2 运行策略

为了维持混合能源系统的稳定，需要进行能量管理来实现系统的可靠性,如图2为系统的能量调度策略(Pw，Pv，PL分别为风机、光伏、负载功率)，在该系统中，燃气机的优先级最低，即当光伏板、风机和蓄电池提供的能量无法满足负荷需求时启动燃气机，如果光伏板和风机的总发电量充足，且风力发电小于负荷，那么风机和光伏板联合运行给负载供电，优先满足负载后，剩余的电能可提供给蓄电池组，如果仅靠风机产生的电力就足以满足负荷需求，那么剩余的电能可馈给蓄电池组。如果Pb大于蓄电池组的最大允许容量，那么通过能源供给侧减载，或者可以用于可延迟负载。如果光伏板和风机不能产生足够的电能，则电池可以提供平衡电能，当蓄电池投运后也不能满足负荷需求，则启动燃气发电机，燃气机在额定功率下运行时，在满足负荷需求的前提下，剩余的电能可用于给蓄电池充电[12]。

图2 系统能量调度策略

3 容量优化配置的方法

系统优化配置目标函数为：

minCt=C+Cr

(4)

式中：Ct为系统的年使用成本；C为系统年均投资费用；Cr为系统年维护费用[13]。

(5)

Cf=kNgCf

(6)

式中：Cw，Cp，Ce，Cg分别为风机装置及其附属设备、光伏及其附属设备、蓄电池、燃气机单位容量成本；Nw，Np，Ne，Ng分别为风机装置、光伏、蓄电池的、燃气机建设容量；Cf为沼气池的年均投资费用，本文中沼气池的建设成本与燃气机成本为线性关系；k为单位功率燃气机所对应沼气池的系数,单位为m3·kW-1，电池的寿命Le(取值为5)，n取值为20；i为贴现率，取值为5%，除蓄电池外各设备使用寿命取值为20[13]。

(7)

式中：Cwr，Cpr，Cgr分别为风机装置、光伏、燃气机单位容量维护成本，忽略逆变器、蓄电池，沼气池的维护成本[14]。

系统目标函数的约束为：

(8)

系统功率平衡约束为：

Pl(t)=Pw(t)+Pp(t)+Pe(t)+Pg(t)

(9)

式中：Pl(t)，Pw(t)，Pp(t)，Pe(t)，Pg(t)分别为负载、风机、光伏板、蓄电池、燃气机在t时刻的功率。

在任何时刻，蓄电池组的充电量应满足：

4 风光沼微电网系统配置方法

在粒子群优化算法中每个粒子的运动是由两个随机加权因子和一个初始随机速度组成的,粒子群优化算法的3个关键参数都在速度更新方程中,首先是动量成分，这里的加速度常数c1控制着粒子向它的最佳位置移动的程度，第2个分量是惯性常数w，它控制着粒子对之前速度的记忆程度,第3个组成部分将粒子拉向群体的最佳位置;加速度常数c2控制着这种趋势，粒子在空间中的位置是通过如下方程得到的[13]：

(11)

惯性权重在全局搜索和局部搜索之间起着重要的平衡作用，基于这些思想，引进非线性递减权重指数函级递减法，对PSO算法权重进行一些修改，惯性权重均为非线性递减权重，由下式确定[16]：

w=wmin+(wmax-wmin)×exp[-20(t/T)6]

(12)

在粒子群优化算法中，c1和c2取值过小，粒子经验和社会经验在寻优过程中起较小作用，当取值过大时，由于变量调整幅值较大，这样容易陷入局部最优解[11]，引进非线性变化的学习因子，能较快的收敛于全局最优[17]：

(13)

粒子群算法的具体流程如图3所示[18]：

图3 微电网容量优化求解流程

5 算例分析

以某农业园区为研究对象，园区内有丰富的生物质，风能和太阳能，如图4所示为典型日24 h负荷模型，其峰值负荷为580 kW，最小负荷为290 kW，图5是典型日园区太阳辐射能，图6是环境温度变化，图7是典型日园区风速数据，风机、光伏板、蓄电池组和沼气池的参数如表1所示。

图4 负荷变化情况

图5 太阳辐射能分布情况

图6 温度变化曲线

图7 风速分布情况

表1 优化配置算例相关参数

以系统年收入为目标函数，利用改进型粒子群算法进行优化，在 MATLAB 中对采用改进型的粒子群算法进行仿真，设定种群规模大小为50，粒子的维数为20，最大迭代次数为150，以园区冬季和夏季两个典型日的数据为基础，以1小时为步长，模拟微电网的运行情况从而获得系统最优配置类型和数量，表2显示混合系统容量最优配置情况。

使用粒子群算法和改进型粒子群算法系统的年使用成本如图8。

从表2 中可以得出，与基本粒子群算法相比采用改进型粒子群算法，设备容量配置更合理。通过对图8分析，基本粒子群算法收敛慢，采用改进型粒子群算法，粒子收敛速度更快，寻优能力更好，此方法能有效地为不同能源系统提供优化配置方案。

表2 混合能源系统优化配置结果

图8 算法收敛曲线

6 结论

独立的风光沼微电网系统可将风光等可再生能源转化为电能，将两种或两种以上的能源结合起来可以提高供电的可靠性、稳定性。本文构建微电网能源系统数学模型评估模型在一定的情况下准确地反映系统的投资、维护成本，在约束条件下，利用冬季典型日、夏季典型日的数据，采用改进型粒子群算法对系统进行优化设计，得到系统的最优配置，结果表明改进型的粒子群优化算法收敛速度更快，独立的风光沼微电网系统在解决偏远地方电力供应不足、提高供电质量方面起到重要作用。