一种海岛型微电网的电源优化配置方法

摘要

本发明公开一种海岛型微电网的电源优化配置方法，首先将微电网中涉及的每个电源作为一个粒子，将各种类型电源的数目xi作为一组粒子，建立粒子群；获取每组粒子在规划期初始的建设费用在规划期内所发出的电量Eti，所产生的燃料费用Oti以及运行维护费用Mti；然后判断是否满足设定的约束条件，满足则当前目标函数来计算粒子群的适应度；不满足，则采用罚函数来调整当前粒子群的适应度，根据计算粒子群的适应度选出最优粒子组；选出最优粒子组后，直至达到设定的迭代次数后输出最优解得到海岛型微电网的电源优化配置。采用粒子群的算法求解最优选型的电源配置容量，降低了微电网在全生命周期内的投资费用，提高了微电网的稳定性。

说明书

技术领域

本发明涉及一种电源优化配置的方法，尤其是涉及一种海岛型微电网的电源优 化配置方法。属于微电网配置技术领域。

背景技术

随着世界经济的增长及其对化石能源的依赖，化石能源利用时产生的碳排放量 也显著增长，从而导致的全球变暖问题成为世界各国关注的焦点。相较于传统的依赖 化石能源的发电技术，利用可再生新能源构成分布式电源DG可以最大限度减轻环境 污染及碳排放成本。但分布式电源DG通常“不可控”和“不宜控”，现有的电网技术 仍不能完全适应分布式电源DG的接入要求。于是，微电网的概念应运而生。

海岛型微电网作为微电网的一个典型的应用模式，由于地理条件限制，难以获 取城市配电网的供电，其常年运行于孤岛模式下。但是同时海岛的独特的地理位置， 使其风、光等自然资源较内陆丰富，在海岛采用分布式电源的优势明显。

国内外学者从不同角度对DG优化配置问题进行了研究,提出了各种目标不同 的分布式电源DG优化配置计算模型。例如,从投资成本角度,以配电公司的投资和 运行费用最小为优化目标；从可靠性分析角度,以停电损失最小为优化目标,以可靠 性、安全性指标为约束条件；从降损角度,以配电网损耗最小为优化目标；从节能环 保角度,以DG安装容量最大为最优。更有的综合考虑多个优化目标,形成具有综合 优化性能的分布式电源DG优化配置模型。

海岛地区的资源随机性和间歇性，在成本计算中各个因素变化都很大，导致其 微电网的建设必须考虑全生命周期的特征。

发明内容

本发明的目的，是为了综合考虑项目规划期内的资源随机性，以及风、光、储 的互补特性，提供一种海岛型微电网的电源优化配置方法。该方法从微电网建设的全 生命周期出发，优化选取每种电源的配置容量，降低该微电网在全生命周期内的投资 费用。

本发明的目的可以通过以下技术方案实现：

一种海岛型微电网的电源优化配置方法，其特征在于包括如下步骤：

1）首先将微电网中涉及的每个电源作为一个粒子，将各种类型电源的数目x_i作 为一组粒子，建立粒子群；然后设置粒子群的优化参数，初始化粒子群，包括设定各 电源在初始范围内的容量值、迭代次数t、以及迭代步长；

2）通过生产模拟获取或从已有的数据库获取每组粒子在规划期初始的建设费用 ，在规划期内所发出的电量E_ti，所产生的运行及燃料费用O_ti和维护费用M_ti；

3）根据步骤2）得到的建设费用I_ti、在规划期内所发出的电量E_ti、所产生的运 行及燃料费用O_ti和维护费用M_ti，判断是否满足设定的约束条件，若满足可靠性约束 条件，则用当前目标函数来计算粒子群的适应度；若不满足，则采用罚函数来调整当 前粒子群的适应度，根据计算粒子群的适应度选出最优粒子组；

所述当前目标函数的表达式为：$C_{{\mathrm{life}}_j}\left(x\right)=\underset{t=j}{\overset{T+j}{\Sigma }}\underset{i=1}{\overset{N}{\Sigma }}\frac{x_i{C}_{{\mathrm{pt}}_i}+x_i{I}_{t_i}+x_i{O}_{t_i}+x_i{M}_{t_i}+x_i{F}_{t_i}}{{(1+r)}^t},$

所述罚函数的表达式为：$\mathrm{Cp}=\underset{t=j}{\overset{T+j}{\Sigma }}\frac{x{C}_{\mathrm{pti}}+x{I}_{\mathrm{ti}}+x{M}_{\mathrm{ti}}+x{F}_{\mathrm{ti}}}{{(1+r)}^t};$

4）选出最优粒子组后，按照步骤1）中设定的迭代步长对粒子群进行变异操作， 计算迭代次数，每进行一次粒子群变异操作将迭代次数加1；

5）判断迭代次数是否等于t，是则输出最优解，否则改变x_i后返回执行步骤2） -步骤4），直至达到设定的迭代次数后输出最优解；得到海岛型微电网的电源优化配 置。

本发明的目的还可以通过以下技术方案实现：

进一步地：步骤3）中涉及的约束条件包括：

1）电源出力约束:P_i≤p_ix_i，式中，p_i为单机容量，x_i为机组数量；

2）可靠性约束，R_LPSP≤R_max，R_LPSP为缺电概率，R_max为全年孤岛运行的微电 网运行最大缺电概率。

进一步地:步骤3）中，涉及的当前目标函数表达：

$C_{{\mathrm{life}}_j}\left(x\right)=\underset{t=j}{\overset{T+j}{\Sigma }}\underset{i=1}{\overset{N}{\Sigma }}\frac{x_i{C}_{{\mathrm{pt}}_i}+x_i{I}_{t_i}+x_i{O}_{t_i}+x_i{M}_{t_i}+x_i{F}_{t_i}}{{(1+r)}^t}$

目标函数中，T为生命周期总长度，j代表全生命周期规划年限从第j年开始起 始，N代表电源类型数目，x_i为待优化的各种类型电源的数目；为高碳能源的 利用产生的碳排放所受到的政策惩罚在模型，其表达式为：其中ECO_i代表第i种电源每年发电所产生的CO₂数量，PEN_i代表单位CO₂所产 生的碳排放惩罚；

代表各微电源的规划期起始建设成本，对于指定的微网建设项目，制定好 规划起始年后，各微电源的起始建设成本是固定的，只有起始年有建设成本；

为各微电源的运行及燃料成本，对高碳能源，每年的运行及燃料费用正比于当 年的国际原油价格，其表达式为：式中，是各高碳能源的 燃料费用比例系数，为第i种电源在第t年的发电量；P_t为国际原油中第t年的 价格；对低碳能源发电机组，其年运行成本正比于机组容量；

各微电源的年维护成本主要需计入机组的启停费用，本文为简化计算，设每 年各微电源的维护成本不变；

折现率r的值为加权平均资本成本，用于测算投资方案的净现值和现值系数；

每次粒子群寻优时，更新一组x_i的值，相应的同时 更新。

进一步地：步骤3）中，涉及的罚函数表达式为：

$\mathrm{Cp}=\underset{t=j}{\overset{T+j}{\Sigma }}\frac{x{C}_{\mathrm{pt}}+x{I}_t+x{O}_t+x{M}_t+x{F}_t}{{(1+r)}^t}$

其中，x为只用高碳机组满足负荷需求时，所需高碳机组的数目；

T为生命周期总长度，j代表全生命周期规划年限从第j年开始起始；C_pt为高 碳能源的利用产生的碳排放所受到的政策惩罚在模型，其表达式为： C_pt=ECP*PEN，其中ECO代表高碳机组每年发电所产生的CO₂数量，PEN代表 单位CO₂所产生的碳排放惩罚；

I_t代表高碳机组的规划期起始建设成本，在本文所建立的模型中，对于指定的 微网建设项目，制定好规划起始年后，高碳机组发电的起始建设成本是固定的，只有 起始年有建设成本；

O_t为高碳机组的运行及燃料成本，对高碳能源，每年的运行及燃料费用正比于 当年的国际原油价格，其表达式：O_t=K_FC*E_t*P_t式中，K_FC是高碳能源的燃料费 用比例系数，E_t为高碳机组在第t年的发电量；P_t为国际原油中第t年的价格；

M_t为高碳机组的年维护成本主要需计入机组的启停费用，本文为简化计算，假 定每年高碳机组发电的维护成本不变；

折现率r的值为加权平均资本成本，用于测算投资方案的净现值和现值系数；每 次粒子群寻优时，更新一组x的值，相应的C_pt、I_t、O_t、M_t同时更新。

进一步地：所述微电网各电源包括风能、太阳能、储能装置和柴油机。

进一步地：所述步骤2）中涉及的生产模拟，采用优先利用新能源的机组调用顺 序，生产模拟如下进行：在微电网产生了功率缺额时，动作可控开关投入储能装置； 当新能源出力能满足当前负荷时，把剩余的电能储存进储能装置；当储能装置的可用 容量不能弥补功率缺额时，转而采用可控的后备电源发电。

本发明的有益效果：

1、本发明从微电网建设的全生命周期出发，充分考虑了海岛资源的特点，微电 网项目规划期内的资源随机性，以及风、光、储的互补特性，建立了目标函数和约束 条件，采用粒子群的算法形式求解最优选型的电源配置容量，使微电网建设的全生命 周期内成本最低，从而降低了微电网在全生命周期内的投资费用，提高了微电网的稳 定性。

2、本发明是基于粒子群计算来优化确定海岛型微电网电源配置的方法，实现如 下目标：1）以投资和运行费用最小为优化目标；2）以停电损失最小为优化目标；3） 以安全性指标为约束条件；4）以配电网损耗最小标优化目标；5）从节能环保角度,以 DG安装容量最大为最优目标。更有的综合考虑多个优化目标,形成具有综合优化性 能的分布式电源DG优化配置模型。所提出的算法与已有方法相比，计算速度更快， 更简便且精确度高。

附图说明

图1是本发明的流程示意图。

图2是本实施例中某海岛全年温度资源曲线图。

图3是本实施例中某海岛全年风速资源曲线图。

图4是本实施例中某海岛全年光照强度资源曲线图。

图5是本实施例中某海岛年全年负荷供应曲线图。

具体实施方式

下面结合附图对本发明作进一步的说明。

如图1、图2、图3、图4和图5所示一种海岛型微电网的电源优化配置方法，该 微电网采用风能、光能、储能装置及柴油机构成等发电装置，柴油机作为后备电源发 电。微电网全生命周期的电源规划，主要计及了电网初期的电源建设费用、电网运行 时的燃料费用、运行维护费用等，其中燃料费用跟该电网在全生命周期内的生产模拟 方法有关，在生产模拟中各个机组的调用顺序影响全生命周期内的总发电量，从而影 响燃料费用。

本发明优先采用新能源的机组调用顺序，生产模拟如下进行：

在微电网产生了功率缺额时，动作可控开关投入储能装置。当新能源出力能满足 当前负荷时，把剩余的电能储存进储能装置；当储能装置的可用容量不能弥补功率缺 额时，转而采用可控的后备电源发电，所述储能装置采用蓄电池。

当新能源出力富余时，

$X_{\mathrm{dc}}\left(t\right)=\left(\begin{array}{c}{X}_{\mathrm{dc}},X_{\mathrm{dc}}-X_{\mathrm{dc}}(t-1)\le E_t\\ X_{\mathrm{dc}}(t-1)+E_t,X_{\mathrm{dc}}-X_{\mathrm{dc}}(t-1)>E_t\end{array}\right)$

否则，

$X_{\mathrm{dc}}\left(t\right)=\left(\begin{array}{c}0,X_{\mathrm{dc}}(t-1)\le E_t\\ X_{\mathrm{dc}}(t-1)-E_t,X_{\mathrm{dc}}(t-1)>E_t\end{array}\right)$

式中，X_dc(t)为储能装置当前剩余可用容量SOC。X_dc(t-1)为前一小时储能装置 的容量SOC，X_dc为储能装置最大容量SOC，E_t为新能源出力和负荷之间的差额。

当前一小时的功率缺额为正，且前一小时储能装置的SOC不能满足时， 需要后备可控电源发电：

X_dc(t-1)≤E_t

以此累加，可得全生命周期内的后备电源总发电量。

当计入后备电源之后，仍不能满足功率缺额时，当前小时缺电：

X_dc(t-1)-E_t-E_hb<0

式中，E_hb表述后备电源的发电量，

累加此种情况在全生命周期内发生的次数，可得总缺电小时数T_miss，则可靠性 计算为：

R_LPSP=T_miss/T

Reliability=1-T_miss/T

其中，reliability是电源的可靠性，R_LPSP为缺电概率，T为全生命周期内总的 小时数。

建立该项目从规划期起建设开始，到规划期内运行，到规划期结束。以微电网 各电源在规划期内的全生命周期的成本最小为目标建立成本模型，采用改进粒子群算 法求解最优选型和容量配置方案：包括如下步骤：

1）首先将微电网中涉及的每个电源作为一个粒子，将各种类型电源的数目x_i作 为一组粒子，建立粒子群；然后设置粒子群的优化参数，初始化粒子群，包括设定各 电源在初始范围内的容量值、迭代次数t、速度以及迭代步长等，

所述迭代次数t、迭代步长取标准粒子群中的数值，迭代次数取1000、迭代步长 取0.02。已知单台机组的容量，规划期内各电源的容量值等于规划的n台机组乘以单 台机组的容量；

2）通过生产模拟获取或从已有的数据库获取每组粒子在规划期初始的建设费用 ，在规划期内所发出的电量E_ti，所产生的运行及燃料费用O_ti和维护费用M_ti；

3）根据步骤2）得到的建设费用I_ti、在规划期内所发出的电量E_ti、所产生的运 行及燃料费用O_ti和维护费用M_ti，判断是否同时满足设定的约束条件，若满足可靠性 约束条件，则用当前目标函数来计算粒子群的适应度；若不满足，则采用罚函数来调 整当前粒子群的适应度，根据计算粒子群的适应度选出最优粒子组；

所述约束条件包括：

1）电源出力约束:P_i≤p_ix_i，式中，p_i为单机容量，x_i为机组数量；

2）可靠性约束，R_LPSP≤R_max，R_LPSP为缺电概率，R_max为全年孤岛运行的微电 网运行最大缺电概率，或者可靠性reliability=1-R_LPSP，设定微电网的最小可靠性为 0.99，reliability≥0.99。

所述当前目标函数的表达式为：$C_{{\mathrm{life}}_j}\left(x\right)=\underset{t=j}{\overset{T+j}{\Sigma }}\underset{i=1}{\overset{N}{\Sigma }}\frac{x_i{C}_{{\mathrm{pt}}_i}+x_i{I}_{t_i}+x_i{O}_{t_i}+x_i{M}_{t_i}+x_i{F}_{t_i}}{{(1+r)}^t},$

目标函数中，x_i为待优化的各种类型电源的数目；其中，T为生命周期总长度， j代表全生命周期规划年限从第j年开始起始，N代表电源类型数目，

为高碳能源的利用产生的碳排放所受到的政策惩罚在模型，其表达式为： ，其中ECO_i代表第i种电源每年发电所产生的CO₂数量， PEN_i代表单位CO₂所产生的碳排放惩罚；

代表各微电源的规划期起始建设费用，对于指定的微网建设项目，制定好规 划起始年后，各微电源的起始建设成本是固定的，只有起始年有建设成本，已知单台 机组建设费用，各微电源的规划期起始建设费用I_ti等于规划的n台机组乘以单台机组 建设费；

各微电源的运行及燃料费用，对于高碳能源，每年的运行及燃料费用正比于 当年的国际原油价格，其表达式：式中，是各高碳能源的 燃料费用比例系数，为第i种电源在第t年的发电量，P_t为国际原油中第t年的 价格；对于低碳能源发电机组，其年运行成本正比于机组容量；

各微电源的年维护费用主要需计入机组的启停费用，本发明为简化计算，假 定每年各微电源的维护成本不变；

在规划期内每年的发电量所产生的运行及燃料费用和维护费用通 过累加一年8760小时的生产模型而得到；

折现率r的值为加权平均资本成本，用于测算投资方案的净现值和现值系数；

每次粒子群寻优时，更新一组x_i的值，相应的同时 更新。

所述罚函数的表达式为：$\mathrm{Cp}=\underset{t=j}{\overset{T+j}{\Sigma }}\frac{x{C}_{\mathrm{pt}}+x{I}_t+x{O}_t+x{M}_t+x{F}_t}{{(1+r)}^t};$

罚函数中，x为只用高碳机组满足负荷需求时，所需高碳机组的数目；

T为生命周期总长度，j代表全生命周期规划年限从第j年开始起始；C_pt为高 碳能源的利用产生的碳排放所受到的政策惩罚在模型，其表达式为： C_pt=ECP*PEN，其中ECO代表高碳机组每年发电所产生的CO₂数量，PEN代表 单位CO₂所产生的碳排放惩罚；

I_t代表高碳机组的规划期起始建设成本，在本文所建立的模型中，对于指定的 微网建设项目，制定好规划起始年后，高碳机组发电的起始建设成本是固定的，只有 起始年有建设成本；

O_t为高碳机组的运行及燃料成本，对高碳能源，每年的运行及燃料费用正比于 当年的国际原油价格，其表达式：O_t=K_FC*E_t*P_t式中，K_FC是高碳能源的燃料费 用比例系数，E_t为高碳机组在第t年的发电量；P_t为国际原油中第t年的价格；

M_t为高碳机组的年维护成本主要需计入机组的启停费用，本文为简化计算，假 定每年高碳机组发电的维护成本不变；

折现率r的值为加权平均资本成本，用于测算投资方案的净现值和现值系数；

每次粒子群寻优时，更新一组x的值，相应的C_pt、I_t、O_t、M_t同时更新。

选出最优粒子组后，按照步骤1）中设定的迭代步长对粒子群进行变异操作，计 算迭代次数，每进行一次粒子群变异操作将迭代次数加1；更新粒子群的速度和位置， 更新目标函数的变量值，计算出适应度，变异操作是控制下一次迭代的粒子往全局最 优值运动，更改合适速度和位置，使其能更快的寻忧。

5）判断迭代次数是否等于t，是则输出最优解，否则改变x_i后返回执行步骤2）- 步骤4），直至达到设定的迭代次数后输出最优解；得到海岛型微电网的电源优化配置。

在电源出力约束满足的情况下，为了使最优值满足可靠性的约束，采用罚函数来 进行限制，其表达式为：

$F_d=\left(\begin{array}{c}{C}_{{\mathrm{life}}_j}\left(x\right),0.99\le \mathrm{reliability}\\ C_p,0.99>\mathrm{reliability}\end{array}\right)$

式中，F_d代表目标函数的值，C_lifej(x)为全生命周期成本，C_P为全生命周期只采 用高碳能源柴油机发电的成本。

某海岛型微电网的自然条件气象数据及负荷数据如下，采用本发明选出最优的各 电源容量配置：根据如表1所示的风速情况获得风能发电的情况，根据如表2所述的 光照强度获得光伏发电的情况。

表1：全年中各月份的风速统计表：

月份 1 2 3 4 5 6 风速（m/s） 9.4 7.2 7.0 6.0 7.3 7.3 月份 7 8 9 10 11 12 风速（m/s） 7.0 5.4 5.8 9.2 6.4 7.9

表2：全年中各月份的光照强度统计表：

月份 1 2 3 4 5 6 光照强度（kWh/m2/d） 2.993 3.323 3.798 5.279 5.825 5.113 月份 7 8 9 10 11 12 光照强度（kWh/m2/d） 5.495 5.083 5.706 5.111 3.626 3.449

取边界条件为：光伏设备1000kW，柴发7.5MW，储能成本1.998/千瓦时。260kW 风机配置10台，储能容量为11772kWh。

各种电源的费用明细表如下所示：

单台机组的成本计算如下：

根据不同需求所做电源优化配置

1、光伏、风机容量不定

现选取太阳能、蓄电池、风机、柴油机台数范围分别为：0～50、0～20、0～5、 10～20。带入本发明方法计算所得优化配置方案如下表所示：

  台数 安装费用 运行费用 可靠性 太阳能 0 0 0 0.996801 蓄电池 1 199850 5050 0.996801 风机 3 2775240 72540 0.996801 柴油机 15 9750000 4470000 0.996801

总费用为：336111480元

2、光伏、风机容量已定

其中光伏容量850kw，风机容量2600kw。此外，蓄电池和柴油机台数范围选为： 0～20、10～20。带入本发明方法计算所得优化配置方案如下表所示：

  台数 安装费用 运行费用 可靠性 太阳能 17 12750000 510000 0.999315 蓄电池 1 199850 5050 0.999315 风机 10 9250800 241800 0.999315 柴油机 15 9750000 4470000 0.999315

总费用为：340183183元

3、微电网不含蓄电池

为起到比较作用，现将上组试验中的蓄电池台数设置为0，带入本发明方法计算 得到优化配置方案如下表所示：

  台数 安装费用 运行费用 可靠性 太阳能 17 12750000 510000 0.999315 蓄电池 0 0 0 0.999315 风机 10 9250800 241800 0.999315 柴油机 15 9750000 4470000 0.999315

总费用为：339932833元

由上述三种电源配置所计算的数据可知，当微电网中储能容量比例很小时，无蓄 电池的情况下对于微电网可靠性基本没影响，且可以减少费用。

上述具体实施例仅对本发明精神作举例说明，所属技术领域的技术人员对本发明 所描述的具体实施例做各种的修改或补充或采用类似的方式替代，都属于本发明的保 护范围。