电力市场环境下工业园区电能用能策略的优化方法

摘要

本发明涉及用能优化技术领域，具体涉及电力市场环境下工业园区电能用能策略的优化方法及系统。本发明将光伏、风机发的电能放在使用的第一梯队，当光伏、风机发的电能大于负荷所需要的电能时，将多余的电能储存在蓄电池中。在光照和风力不足的时段，需要把蓄电池储存的电能释放出来，再不足就从需要从大电网购电以保证负荷稳定运行。这种用电策略完全从低碳角度出发，尽可能的减少从大电网购电。考虑将电网、风光供电系统综合调配，以电网的稳定性去弥补风光供电系统的不足之处。通过优化，在满足园区用电要求的前提下，可获得最经济的用电方案，用电成本最少。

说明书

技术领域

本发明涉及用能优化技术领域，具体涉及电力市场环境下工业园区电能用能策略的优化方法及系统。

背景技术

电网、风电、光电、蓄电池混合供电系统优化模型对提高可再生能源利用效率，促进可再生能源消纳及实现减少碳排放目标具有重要意义。王皓等人的论文《储能参与电力系统应用研究综述》集中在如何更好更经济的利用储能来实现多种能量形式下的能量跨时段转移，协调网络内的源荷不平衡以及平滑新能源出力，抑制其功率波动。

随着电力市场的改革不断深入，电力用户对电能的需求越来越大，对园区进行用电优化是一个亟待研究的课题。目前已有很多国家建立的电力市场，园区的综合能源系统优化可以以此为参考。谈金晶等作者的论文《多能源协同的交易模式研究综述》提出在能源互联网兴起和电力市场改革进程下，构建多能源协同的交易模式对综合能源市场具有基础性和框架性的作用。研究多能源协同和灵活交易模式，促进其余具体的交易规则和机制配合。贾晨等的论文《计及不确定因素的售电公司动态购电决策多目标优化研究》利用多目标优化思想，建立了包含售电公司综合售电收益和用户满意度最大化的优化模型，并提出一种结合拉丁超立方抽样，场景缩减法和改进多目标差分进化算法的优化方法对所提模型进行求解。周帆等提供的论文《长、短期电力负荷大数据下的智能预测实例分析》基于电力市场交易规则，通过长、短期记忆网络对实际负荷数据进行预测，验证结果显示，基于长期数据可以较为准确地预测负荷变化。对合理规划用电具有一定的指导作用。

发明内容

为了解决上述问题，本发明提供了电力市场环境下工业园区电能用能策略的优化方法及系统，具体技术方案如下：

电力市场环境下工业园区电能用能策略的优化方法，包括以下步骤：

S1：建立工业园区的供电系统模型，包括风力发电系统、光伏发电装置、蓄电池供电系统、电网供电系统；所述光伏发电装置包括若干光伏太阳板；所述风力发电系统包括若干风力发电机组；所述蓄电池供电系统包括若干蓄电池、逆变器；

S2：建立工业园区的负荷用能模型，所述负荷用能模型包括固定负荷用能模型和可转移负荷用能模型；

S3：建立工业园区电能用能策略的优化目标函数minF，目标函数minF是在满足工业园区负荷用能的前提下，使电网供电系统的电费及风力发电系统、光伏发电装置、蓄电池供电系统的运行维护费用达到最小；

minF＝min(C

其中，C

S4：设置优化目标函数的约束条件，采用改进的微分进化算法对模型进行求解，得到光伏太阳板的倾角、光伏太阳板的数量、风力发电机组的数量和总成本F；

S5：根据得到的光伏太阳板的倾角、光伏太阳板的数量、风力发电机组的数量设置光伏太阳板设置太阳板的倾角、光伏太阳板的数量、风力发电机组的数量。

优选地，所述风力发电系统模型包括若干风力发电机组；所述风力发电机组的发电功率P

式中，v为风机轮毂高度处的风速；v

优选地，所述光伏发电装置输出功率可用下式表示：

其中，式中：p

β为光伏太阳板倾角，T

优选地，蓄电池的能量是动态变化的，当光伏和风力发电的总输出功率大于负载功率时，蓄电池处于充电的状态；当光伏和风力发电的总输出功率小于负载功率时，蓄电池处于放电的状态。所述蓄电池荷电量在t时刻表示为：

P

其中，P

优选地，所述风力发电系统的运行维护费用C

w为风力发电机组的数量；w

光伏发电装置的运行维护费用C

g为光伏太阳板的数量；g

蓄电池供电系统的运行维护费用C

b为蓄电池的数量；b

从电网供电系统购电的费用C

C

P

优选地，所述可转移负荷用能模型如下：

其中，Q

P

优选地，所述固定负荷用能模型如下：

式中，c∈C表示不可转移类负荷，

优选地，所述优化目标函数的约束条件包括以下：

(1)蓄电池的运行特性约束：

式中，P

(2)风力发电机组、光伏太阳板、蓄电池数量约束：

式中：N

光伏太阳板倾角约束条件：

0°<β<90°；(15)

与大电网的交互功率约束：

式中：

优选地，所述改进的微分算法步骤如下：

(1)初始化种群规模N

按照下式产生第一代个体解：

式中，X

(2)变异操作方法如下，微分进化算法按下式产生变异向量

其中，i＝1,2,…,N

式中，

(3)得到变异向量

式中：i＝1,2,…,N

(4)将变异得到的

优选地，所述步骤(2)中应用DE/current-to-best/2/bin形式的策略生成差分向量，具体如下：

式中：

优选地，变异因子Fac的计算方法如下：

其中，Fac

c

式中，N

本发明的有益效果为：本发明将光伏、风机发的电能放在使用的第一梯队，当光伏、风机发的电能大于负荷所需要的电能时，将多余的电能储存在蓄电池中。在光照和风力不足的时段，需要把蓄电池储存的电能释放出来，再不足就从需要从大电网购电以保证负荷稳定运行。这种用电策略完全从低碳角度出发，尽可能的减少从大电网购电。考虑将电网、风光供电系统综合调配，以电网的稳定性去弥补风光供电系统的不足之处。通过优化，在满足园区用电要求的前提下，可获得最节能、经济的用电方案，用电成本最少。

其次，本发明考虑了可转移负荷，通过将可转移负荷错峰使用，进而降低用电成本，也可实现错峰用电。

附图说明

图1为本发明搭建的工业园区的供电系统模型原理图；

图2为本发明中改进微分算法的流程图；

图3为本实施例中一年风速分布图；

图4为四个典型直射量分布图；

图5为四个典型日辐射总量分布；

图6全年负荷数据图；

图7总费用与太阳板倾角的关系曲线图；

图8为光伏太阳能板的优化过程图；

图9为风机数量优化过程图；

图10为光伏输出功率随时间变化图；

图11为风机输出功率随时间变化图；

图12为无蓄电池购电量随时间变化图；

图13购电费用和蓄电池的关系图；

图14清洁能源出力比率随蓄电池数量变化曲线图；

图15调度前三个典型日负荷分布曲线图；

图16调度后三个典型日负荷分布曲线图；

图17调度前后费用变化曲线图。

具体实施方式

为了更好的理解本发明，下面结合附图和具体实施例对本发明作进一步说明：

电力市场环境下工业园区电能用能策略的优化方法，包括以下步骤：

S1：建立工业园区的供电系统模型，包括风力发电系统、光伏发电装置、蓄电池供电系统、电网供电系统；所述光伏发电装置包括若干光伏发电装置；所述光伏发电装置包括光伏太阳板；所述风力发电系统包括风力发电机组；所述蓄电池供电系统包括若干蓄电池、逆变器；如图1所示。

所述风力发电系统模型包括若干风力发电机组；所述风力发电机组的发电功率P

式中，v为风机轮毂高度处的风速；v

所述光伏发电装置输出功率可用下式表示：

其中，式中：p

β为光伏太阳板倾角，T

蓄电池的能量是动态变化的，当光伏和风力发电的总输出功率大于负载功率时，蓄电池处于充电的状态；当光伏和风力发电的总输出功率小于负载功率时，蓄电池处于放电的状态。蓄电池荷电量在t时刻表示为：

P

其中，P

S2：建立工业园区的负荷用能模型，所述负荷用能模型包括固定负荷用能模型和可转移负荷用能模型；

所述可转移负荷用能模型如下：

其中，Q

P

所述固定负荷用能模型如下：

式中，c∈C表示不可转移类负荷，C包含需要24小时工作的生产设备、空调等。

S3：建立工业园区电能用能策略的优化目标函数minF，目标函数minF是在满足工业园区负荷用能的前提下，使电网供电系统的电费及风力发电系统、光伏发电装置、蓄电池供电系统的运行维护费用达到最小；

minF＝min(C

其中，C

所述风力发电系统的运行维护费用C

w为风力发电机组的数量；w

光伏发电装置的运行维护费用C

g为光伏太阳板的数量；g

蓄电池供电系统的运行维护费用C

b为蓄电池的数量；b

从电网供电系统购电的费用C

C

P

S4：设置优化目标函数的约束条件，采用改进的微分进化算法对模型进行求解，得到光伏太阳板的倾角、光伏太阳板的数量、风力发电机组的数量和总成本F。

所述优化目标函数的约束条件包括以下：

(1)蓄电池的运行特性约束：

式中，P

(2)风力发电机组、光伏发电装置、蓄电池数量约束：

式中：N

光伏太阳板倾角约束条件

0°＜β＜90°； (15)

与大电网的交互功率约束：

式中：

所述改进的微分算法步骤如下：

(1)初始化种群规模N

按照下式产生第一代个体解：

式中，X

(2)变异操作方法如下，微分进化算法按下式产生变异向量

其中，i＝1,2,…,N

式中，

(3)得到变异向量

式中：i＝1,2,…,N

(4)将变异得到的

所述步骤(2)中应用DE/current-to-best/2/bin形式的策略生成差分向量，具体如下：

式中：

变异因子Fac的计算方法如下：

交叉因子c

式中，N

观察本实施例的约束条件可知，所有约束条件均满足如下形式：

x

在这种形式下，使用微分进化算法的过程中，当生成的粒子不满足约束条件时可利用下面的式子进行处理：

如图2，在本实施例中，改进的微分算法步骤如下：

1)设定改进的微分算法运行的原始数据，包括图6中的负荷、风速、水平面总辐射、负荷、时角、赤纬角、地理纬度、方位角等信息；

2)设置优化维数、种群数量、最大迭代次数、初始化群体；

3)计算种群中的最优个体；

4)依据式(19)、(23)变异操作，在初始化种群中随机选取两个不同的个体执行变异操作；

5)依据式(20)、(21)交叉操作，对变异个体与原个体进行交叉；

6)选择出当前最优的解输出。然后执行下一次变异交叉操作。

7)当达到迭代次数且种群数小于设定的种群数时，停止计算。

S5：根据得到的光伏太阳板的倾角、光伏太阳板的数量、风力发电机组的数量设置光伏太阳板设置太阳板的倾角、光伏太阳板的数量、风力发电机组的数量。

本发明以广西南宁(北纬22.5°)某并网型风光供电园区进行分析。该地区风速数据如图3所示。园区装有光伏太阳能板、风机、蓄电池组等能源供应设备。南宁纬度低，全年光照量大，一年四季中，每个季节选一个典型日的光照量近似代替该季度的光照数据，如图4-5所示。

表1设备参数

表2分时电价

杨琦等公开的论文《风光互补混合供电系统多目标优化设计》的研究表明光伏电阳板的倾角设计与当地纬度存在一定的差异，本实施例中也将太阳板倾角作为一个决策变量进行优化。

通过多次仿真得到图7，由图可知当太阳板倾角设定为20°左右时总费用最小，进而验证了杨琦的结论。基于此，为了提高优化速度，接下来的仿真将太阳板倾角区间限定在10°到30°之间，进一步探讨其他因素对总费用的影响。

通过进化微分算法对光伏数量和风机数量进行优化。此时没有加入蓄电池，由大电网保持系统的稳定运行。优化过程如图8-9所示。

根据优化结果光伏的数量选在2800，风机的数量选定在12。此时在一年中光伏发电总量为1353万kWh，风机发电总量为6285万kWh，从大电网购电3548 万kWh。光伏发电功率和风机发电功率在一年8760小时的变化情况分别如图10 和图11所示。光伏发电功率受季节的影响较大，风机发电功率随着季节的变化不是很明显，但是也存在风力较弱的时间段。在这些风光出力较弱的时段，为了保持系统的稳定，主要依靠大电网对园区的电能输入。经过计算发现，风、光、电网提供的总能量为11186万kWh，而负荷的总需求量仅为5273万kWh。说明在白天光伏、风力能源充沛时，有过多的能量被丢弃掉了。风、光出力仅占总负荷的33％，显然没有达到减少碳排放的目标。为了利用好这部分被丢弃的能量，进一步减少从大电网购电，需要在系统中引入蓄电池储能结构，与此同时，这会增加蓄电池的购买和维护成本。因为在并网时从大电网的购电费用和园区储能系统折旧成本之间还存在约束关系，所以下面将针对这两者的关系进行进一步的探讨。

将太阳板的倾角、光伏数量、风机数量都选定好后，系统并不能稳定运行，因为光能和风能不是稳定的能源，所以必须在系统中加入蓄电池储能或从大电网购电以达到系统稳定运行的目的。蓄电池的使用顺序在电网之前，这样可以减少电网出力。考虑到风力发电机组、光伏发电装置、蓄电池的使用年限，本发明将风力发电系统、光伏发电装置、蓄电池供电系统稳定运行的年限设定为 20年，考虑系统的折损成本，当风光混合供电系统不足以给园区供电时，从大电网购电以补充系统所需。大电网的电价设定为峰平谷三种情况，如表2所示。光伏发电主要受日出日落限制，晚上光伏发电停止工作后，这一部分电量就需要由蓄电池和电网来补充。

由图12可知，当无蓄电池时电网最大的输出功率为18000kW，而一块蓄电池的最大蓄电量是140kWh，为了延长蓄电池的寿命，在放电时不会把其内的电量放至0，本案例中将蓄电池的最低电量设定为70kWh。也可以认为一块蓄电池的存储电量是70kWh。为了获得较高的蓄电池电压，将20块蓄电池串联成一组来进行计算。

从图13中可以清楚地看出，随着蓄电池数量的增加，蓄电池的成本(包括其折扣成本)线性增加。从电网购电的费用随着蓄电池数量的增加而减少。因为没有蓄电池供电系统时，当风光混合供电系统供电不足时，缺额的电量都由电网供电，电费相对较高。当加入蓄电池时，白天多余的电量可以由蓄电池储存，等到晚上再由蓄电池释放出来。但是白天由风光发电产生的过剩电量并不稳定，在园区负荷基本稳定的情况下，天气的阴晴将会影响风光发电的总量。等到晚上时，蓄电池在白天储存的电量不足以弥补混合供电系统的供电差额，还需要从大电网购电。所以从电网购电费用减小幅度越来越小，最后趋于平缓。此时再增加蓄电池的数量也不会再让购电费用下降反而会使蓄电池的成本增加。根据仿真结果，蓄电池的数量设定为60块时，蓄电池容量为84000kWh，经济效益最佳。

随着蓄电池数量的增加，清洁能源的出力比率也开始上升。图14表示，在开始加入蓄电池时，清洁能源的出力比率显著增加，但是当蓄电池的并联数量超过60块后，这个增速变慢了。随之而来的，电费和蓄电池的总成本开始增加。在蓄电池数量超过60块后，再增加蓄电池的数量可以进一步达到减少碳排放的目标，但是会付出更大的经济成本。综合考虑各个因素，将蓄电池的数量选定在60块，容量为84000kWh时可以在最低的成本下减少碳的排放。

当设备数量达到最优后，还可以在用电侧进行一些寻优。可以尽量把一些可转移负荷转移到电价较低的时段去使用，进行适当的削峰填谷。为准确计算一年中实际节约的费用，以夏、冬、春秋三个典型日的负荷、光能、风能分布情况为计算依据，优化前后对比如图15-17所示。

通过观察，该园区三个典型日的负荷数据在24小时内的分布不太均匀，高峰时段主要集中在上午和下午。通过主动调节负荷在不同时段的工作，将负荷调整的尽量均匀一些。因为园区内大部分设备是需要24小时工作的，还有一些设备如制冷机等需要规定工作在白天的某些时段，这样为转移负荷带来了一些难度。考虑到实际情况，本发明将消毒柜的使用以及一些需要充电的设备的充电时间集中调整到晚上，即谷时段。谷时电价0.43元/kWh。在不同的季节调整转移的幅度也不一样，具体见图15和图16，其中最大转移功率为1800kW。将一些没有必要24小时运行的设备，尽可能的调度在非高峰时段。避免了峰时段负荷过高，出现光伏供电不足产生高额购电费用的情况。在凌晨时段，光伏不供电，电能来源是大电网、风机、蓄电池。由图15、16可知，经过调度后，三个典型日的峰值平均下降1000kW，低谷值平均上升800kW。在此时段增加最多1800kW的负荷，可以缴纳相对低价格的电费(3575.8万元)且不影响园区的正常工作，以此分担用电高峰期高价购电的费用。

将调整后的负荷代入仿真模型进行计算，得到的实验数据如图17所示，通过调整负荷，电费相比于负荷调度前有所下降。将一些可转移负荷移动到夜间的调度方案可以有效降低电费。

实验数据表明，在进行可转移负荷调度前，电费和蓄电池费用的最少要花费4560.3万元，在进行可转移负荷调度后，电费和蓄电池费用最少花费4490.3 万元。虽然下降比例不是很大，但从长远来看，收益可观。

本发明以用电费用最低为目标，间接达到了减少碳排放的目的。利用Matlab 搭建了园区光伏发电装置模型、风力发电系统模型，在模型中加入大电网和蓄电池供电系统来保持系统稳定运行。利用改进微分进化算法对供电系统参数进行寻优和计算。

1)经过寻优得出，光伏太阳能电池板的最佳倾角设计为20°(当地纬度 22.5°)，光伏数量设计为2800，一年中光伏发电总量为1353万kWh；风机数量12，风机发电总量为6285万kWh。

2)通过分析购电费用和蓄电池数量的关系可知，两者总的费用会随着蓄电池数量先减少后增加，在蓄电池并联数量为60组时经济成本达到最优。

3)在用户需求侧进行管理，通过把可转移负荷转移到晚上使用的方法还达到减少电费使用的目的。经过计算，在使用60组蓄电池时调度后的电费比调度前电费在一年中大约减少了70万元。

以上述实施例具体证明了本发明提供的方法的可行性，在节能、经济方面具有突出的有益效果。

本发明不局限于以上所述的具体实施方式，以上所述仅为本发明的较佳实施案例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。