高丛珊

(国能新能源科技开发有限公司，江苏 南京 210017)

电力是现代社会重要的能源之一。电力公司在向用户提供电能时应保证供电电压稳定。为了提高供电水平，含有可再生能源发电的电力系统的应用越来越多，这种发电系统具有可靠性高、灵活性好的优点，为偏远岛屿、山区等孤岛型地区提供了较好的能源解决方案。但是现有的含有可再生能源发电的电力系统存在一定的不足，为了满足应用需求，相关人员进行了研究。崔杨等[1]研究了考虑需求响应的含光热电站可再生能源高渗透率电力系统多源优化调度方法，该方法引入需求机制来应对风电预测、光伏预测误差等不确定性问题，设置误差预测模型，实现对可再生能源的优化调度；查永星等[2]基于多目标多任务进化算法研究了含可再生能源混合发电系统优化调度方法，该方法预先假设条件，引入多目标多任务进化算法，并行处理电力系统的优化调度问题。上述文献提出的方法虽能够对电力系统进行调度，但是电力系统能源调度效果较差，为此本文基于电力系统多源调度优化视角，设计了一个新的含有可再生能源发电的电力系统。

1 含有可再生能源发电的电力系统总体架构

含有可再生能源发电的电力系统包括硬件和软件两部分，硬件主要通过处理器、A/D转换芯片、通信模块采集与转换数据，软件在可再生能源模型构建基础上，设定电能优化目标，对各可再生能源能量进行协调控制。系统总体架构如图1所示。

图1 总体架构

2 系统硬件设计

系统硬件结构如图2所示，本文将重点对处理器、A/D转换器、通信模块进行设计。处理器为系统的核心，负责数据的采集与转换；通信模块为辅助部分，主要负责系统内的数据传输。

2.1 处理器设计

采用型号为TMS320C32的处理器，以满足电力系统存储容量、计算速度等方面的要求[3]。该处理器具有程序加载方式灵活的优点，并包含空等待和低功耗两种电源管理方式，是一种数字信号处理器。该处理器包含1个串行端口和2个定时器，由内部时钟或外部时钟产生脉冲信号[4]，用户可以根据自身需求设置中断向量表。

2.2 A/D转换芯片设计

采用ADC0832转换芯片，该芯片分辨率较高，达到256级，误差小、稳定性高[4]，芯片各引脚的功能见表1。通过该芯片采集数据并进行数据转换[5]，模拟输出的信号精度较高，可达19.50 mV。

表1 ADC0832转换芯片引脚功能表

2.3 通信模块设计

系统采用串行通信方式，通信接口采用RS-485接口，该接口应用广泛[6]。接口网络拓扑为平衡驱动器和差分接收器组合，以一系列位元来一个接一个地传输信号，采用平衡发送和差分接收方式实现通信。发送端将串行口的电平信号转换成差分信号[7]，通过A、B两路输出。该通讯接口能够支持多种规约，适用于电力系统的设计。其基本参数见表1。

表2 RS-485接口基本参数

3 系统软件设计

3.1 可再生能源系统单元模型构建

在系统硬件设计的基础上，进行系统软件设计。由常见的可再生能源系统结构可以看出，太阳能与风能是利用较多的可再生能源[8]，蓄电池是较为常见的储能设备[9]。

太阳能通过以下公式计算：

(1)

式中：δ为太阳赤纬角[10]；θ为地轴与地球平面的倾角；n为一年中的序数天数；h为太阳高度角；φ为地理纬度；τ为时角；l为太阳辐射强度；t为太阳光入射方向。

基于太阳高度角计算辐射太阳能：

(2)

式中：St为辐射太阳能[11]；S为太阳直射点的纬度。

风能通过以下公式计算：

(3)

式中：P(v,t)为风能模型；v为实际功率；Vc为瞬时功率；Cp为风机性能参数；ρ为计算时刻的空气密度；A为转子扫过面积；Pw为风机额定功率；Vr为有功功率；Vd为额定功率。

可再生能源系统一般采用蓄电池储能，为此在电力系统优化设计时需要重点考虑电池的荷电状态[12]，该值根据可再生能源发电量与负载功率之间的关系而变化，荷电状态值由以下公式计算：

(4)

式中：soc(t)为荷电状态值；Pb(t)为电池的输入或者输出功率；Vy为直流母线电压；Δt为时间步长；ηt为双向充电的效率参数；Cm为单体电池额定容量。

通过上述过程建立可再生能源系统单元模型，为系统资源优化调度奠定基础。

3.2 电能优化目标建立

在上述可再生能源模型构建基础上，设定优化目标，此次设置的优化目标包含两部分[13]，分别为成本经济性目标与电能质量目标。在电力系统中，成本主要包括固定成本、运行维护成本和原料成本：

(5)

式中：C为含有可再生能源发电电量的总成本；Si,Di分别为第i个指标的发电成本与发电总量；Pi(t)为t时间内成本投资的折旧费用；Si(s)为平均维护费用;n为变量个数。

在此基础上设置电能质量目标，由于各个可再生能源环境条件不同，存在频率偏差、电压波动等问题，导致电能质量存在差异[14]，因此将电能质量作为优化目标，计算公式如下：

(6)

式中：W为电能质量；Vk为电能差异参数；qk为指标要求参数；m为目标函数个数。

在此基础上，将上述优化目标转换为多目标优化问题[15]，假设优化目标包含n个变量、m个目标函数、p个约束条件，则电能质量数学模型表示为：

(7)

式中：Q(x)为目标变量；gi(x)为优化目标变量；aj(x)为约束变量；qm(x)为目标参量;l为目标个数。

将优化目标的约束条件表示为：

(8)

式中：xi为约束目标函数；xi,max为最大约束目标函数；xi,min为最小约束目标函数。采用式(9)对优化模型求解：

(9)

式中：V为优化模型；s(x)为求解模型；ΔV为伪逆参数。

通过上述过程对优化模型进行求解，实现对能源的调度，其流程如图3所示。基于能源调度流程对各可再生能源能量协调控制，以实现电力系统软件的设计。

图3 调度流程

4 实际应用效果分析

4.1 实际应用场景

为了验证本文设计的含有可再生能源发电的电力系统的应用效果，进行实验验证，实验场景如图4所示。

图4 实验场景

4.2 测试环境

测试环境如图5所示，其中，母线侧负载由恒功率负载和可编程电子负载并联构成，接口数字信号处理器的型号为TMS320F28335，在上述环境下进行实验能够保证运算效果。

图5 测试环境

含有可再生能源发电的电力系统参数见表3。

表3 含有可再生能源发电的电力系统参数

4.3 电力系统调度成本对比

对本文电力系统使用前、后的电力调度成本进行对比，结果如图6所示。从图6可知，应用含有可再生能源发电的电力系统的调度成本较低，主要原因是在系统软件部分设置了调度目标函数，并对光伏发电与风力发电单独建模，减少了电力系统的调度成本。

图6 电力系统调度成本

4.4 切负荷量对比

比较应用本文系统前、后的切负荷量，结果如图7所示。通过图7可知，应用本文系统后的切负荷量减少，在响应调度需求的同时，能够降低电力负荷量。

图7 切负荷量对比

4.5 可再生能源弃电量对比

可再生能源弃电量的调度效果对比结果如图8所示。通过分析图8能够发现，应用本文系统能够合理运用可再生能源电量，弃电量较少，而应用系统前弃电量较多，调度效果较差。这是因为本文系统通过硬件支持，提高了数据传输的速度与准确性，由软件建立模型对目标进行优化使系统获得了更好的调度效果。

图8 可再生能源弃电量对比

4.6 调度效率对比

应用本文电力系统前、后的调度效率对比结果如图9所示。通过分析图9能够发现，应用本文系统后可以在短时间内就实现能源调度，而没有应用本文系统时调度时间较长，这表明本文电力系统可以有效提高调度效率。

图9 调度效率对比

5 结束语

本文设计了含有可再生能源发电的电力系统，实验结果表明，系统在减少发电成本的同时还减少了切负荷量与弃电量，达到了预期设计目标。本文系统虽然降低了电力负荷，但是还不是最优的，后续研究中，还需要将能源调度优化作为研究目标，进一步优化电力系统。