涂 昊，杨袆潘，付 婷

（1.重庆航运建设发展（集团）有限公司，重庆 401121；2.中铁长江交通设计集团有限公司，重庆 401121）

0 引言

随着全球化石能源枯竭和环境污染日益加剧，在高速公路服务区建设光伏-储能微电网，不仅能实现绿色低碳用电，还能实现偏远地区独立供电，增强服务区电能的自协调能力。

目前，高速公路系统微电网建设问题主要集中在道路域光伏发电项目的选址、容量和投资决策等方面[1]，现有研究很少将服务区作为微电网进行研究。本研究构建了高速公路服务区微电网系统的典型架构，提出了光伏板除尘维护优化模型。基于此，建立了光伏板除尘维护下的高速公路服务区光伏-储能微电网容量规划模型，并利用NSGA II 求解以系统总投资、运行成本最小、微网自洽用电量最大化为目标的多目标优化问题。利用计算的Pareto 最优解边界，从而得到不同微网自洽水平用电量下高速公路服务区光伏、储能和接触线的容量。

1 高速公路服务区微电网系统模型

高速公路服务区微网系统结构如图1 所示，服务区微电网主要由分布式光伏发电、储能和负荷组成，其中，负荷主要为电动汽车充电负荷和生活用电负荷。考虑不同气象情景下供需平衡的多变性，仍有必要接入主电网作为备用和运行保障。

图1 高速公路服务区微网结构示意图

1.1 光伏阵列模型

光伏发电利用光伏板组件的光伏效应，将太阳能转化为电能，根据太阳辐射强度、环境温度以及标准条件下光伏阵列的输出，即可得到电能。

其中Pstc为标准条件下的输出，Ir，t为时刻t的实际太阳辐射强度，Istc=1 kW/m2，aT为光伏板的功率温度系数，Tt为光伏板在时刻t的温度，Tstc=25 ℃。

当不考虑其他因素对PV 输出的影响时，PV 输出可简化为式（2）。

其中It是指在没有任何影响因素的情况下，太阳到达地面的辐射强度的最大值。

当PV 输出遮阳系数ηt，可由式（3）计算得到。

1.2 储能充放电模型

采用电池组作为储能系统，电化学储能系统的核心功能是通过能量的快速存储和释放来跟踪负载的变化[2]。多时段储能之间的能量耦合模型如式（4）所示。

式中Ebess（t）为t时刻储能系统存储的电量，s为电池装置的自放电率，hch和hdis分别为储能系统的充电和放电效率和分别表示t时刻储能系统的充电和放电功率，△t是步长。

储能电量状态是衡量电池剩余电量的主要参数，如式（5）所示。

其中，Erate为电池储能系统的额定功率。

2 高速公路微电网建设的关键技术与策略

2.1 高速公路光伏板除尘维护优化模型

偏远地区高速公路在施工和车辆运行过程中路基、路面和边坡会产生大量粉尘，导致光伏板更容易被灰尘覆盖，随而影响光伏板清洁维护成本。因此，确定合适的光伏板清洗周期，获取光伏电站清洗维护成本具有重要的研究意义。

光伏发电功率损失率与积灰时间的时变预测模型为：

式中，h*为积灰条件下光伏发电功率损耗率的渐近值，h（q）为光伏发电功率损耗率，q为积灰时间，qc为时间常数，积灰时间以天为单位。

光伏电站日失电成本为：

式中，Ppv为光伏电站装机容量，Td为光伏电站日平均利用小时数，lg为光伏并网电价。

光伏电站单次清洗维护成本为：

式中，S为单位容量光伏板的面积，lc为单位面积光伏板的清洗维护成本。

光伏板积灰造成的电能损耗和清洁维护的最小总成本为：

式中tc为清洗周期，tall为统计周期，一般以年为单位。日耗电成本积分表示一个清洗周期内的总耗电成本。

将上述方程结合起来，可得到光伏板的清洗周期和运维成本作为规划模型的输入条件。

2.2 高速公路服务区微电网容量规划模型

2.2.1 目标函数

考虑光伏、储能在服务区和微网与主网接触线上的建设投资和运维成本，以微网向主网购电总成本、微网向主网售电总收入、减载惩罚总成本、系统总投资和运行成本最小化为目标函数。考虑高速公路服务区微网的能源自产自用，最大自洽电量为另一个目标函数。因此总目标函数可表示为：

式中CIn、CMa、Cgrid、Congrid、Cab分别代表系统投资成本、运维成本、购电成本、售电收入和损失负荷惩罚成本，Pload（t）和Pgrid（t）分别表示t时刻微网的负载需求功率和微网从电网购买的电量。

2.2.2 求解方式

本研究的高速公路服务区微网风-光电-蓄容量规划模型具有多目标、多元和非线性的特点。因此采用改进的NSGA II 对模型进行求解。采用多目标函数作为适应度函数，目标函数的求解流程如图2所示。

图2 目标与适应度函数的求解流程图

3 案例分析

以华东某大型高速公路服务区为例，所有光伏板均采用545 W 单晶硅组件，光伏板尺寸为2.384 m ×1.303 m。

3.1 光伏板除尘维护成本优化

单位面积光伏板的清洗维护费用按0.5 元/m2计算。光伏电站日平均利用小时数取为5 h。光伏发电进入并网平价时代，光伏卖给主电网价格取为0.55元/ kWh。清洗周期为决策变量，在区间[0，365]上通过遗传算法求解[3]，得到545 W 光伏板的最优清洗周期为21 天，年合计除尘维护费用为59.661 元。

3.2 多目标容量规划模型的求解

根据当地实际光伏输出水平以及高速公路大型服务区的实际负荷数据，选取服务区内及周边的最大可开发光伏容量为4.046 MW。规划周期为20 年，折现率为10%。储能系统选用磷酸铁锂电池。充放电效率为95%，自放电率为0.02% 损失负荷惩罚成本为1.2 元/kWh。

利用MATLAB 软件编写改进的NSGA II 求解上述模型，设置种群规模为100，最大迭代次数为500，选择交叉率为0.7，变异率为0.3。得到的Pareto 最优解边界如图3 所示，Pareto 解分布均匀且广泛，为决策者在微电网总投资最小、运行成本最小和自恰电量最大这两个相互矛盾的目标中进行选择提供了大量信息。图中系统的最低总成本为392.4 万元，主要包括接触线建设投资、运维费用和购电费用。

图3 基于NSGAⅡ算法的多目标优化结果

自恰率hser为40%、60%、80%时微网风电光伏储能容量最优配置结果见表1。

表1 高速公路微电网容量优化配置结果

当服务区安装光伏板数量为3028 块时，微网用电量自洽率为40%，能量自洽水平较低。当光伏板安装数为7202 块时，用电量自洽率提高到80%。接触线的额定容量逐渐减小，从一开始接近微网的最大负荷需求到400 kW 左右。储能配置容量逐渐增大，储能系统最终稳定在885.4 kW/3600 kWh。此外，光伏除尘维护费用占系统年度综合成本的5%～10%。

4 结语

本研究建立了光伏板除尘维护下的高速公路服务区光伏-储能微网多目标容量规划模型，并利用NSGAⅡ求解该模型。研究可为高速公路服务区微电网建设示范工程提供理论支持和参考，并在此基础上，未来可继续优化考虑需求响应的高速公路微电网光储联网和接入线路的能量交换策略和容量配置模型。