当前位置:自动化网>智慧工厂门户>应用案例>微电网经济优化运行的综述

微电网经济优化运行的综述

发布时间:2020-01-15 16:15   类型:解决方案   人浏览
摘要:微电网由于其在经济效益以及环保效益方面的优异性在近年来受到了大力的推广和发展。本文基于国内外微电网经济优化运行的发展现状,详细介绍了微电网常见的目标函数,约束条件,归纳了不同微电网模型经济优化的特点。详细评述了功率预测,优化算法,需求侧响应等微电网经济优化的手段,并对微电网经济优化运行的发展进行了展望。 关键词:微电网   经济运行优化   微电网模型   优化算法   需求侧响应 Abstract:Micro-grid has been promoted and developed in recent years due to its excellent economic and environmental benefits. Based on the development status of economic optimization operation of micro-grid at home and abroad, this paper introduces in detail the common objective functions and constraints of micro-grid, and summarizes the characteristics of economic optimization of different micro-grid models. Power prediction, optimization algorithm, demand-side response and other means of microgrid economic optimization are reviewed in detail, and the development of microgrid economic optimization operation is forecasted. Keywords:Micro power grid   Optimization of economic operation   Microgrid model Optimization algorithm    Demand side response 【中图分类号】TM76 【文献标识码】B  文章编号1606-5123(2019)11-0050-05 1 引言 电力能源问题一直是各个国家能源战略中关注的重点问题。近年来,随着环保要求的日益提高,分布式发电技术,作为不同于传统的集中式供电方式获得了快速的发展。其中特别是新能源发电技术如风力发电,光伏发电等技术得到了长足的发展,微电网作为一种能将多种分布式电源结合在一起实现分布式电源与大电网融合的技术手段,获得了广阔的发展前景。 不同于传统式电网,微电网具有独特的网式结构,各个发电单位之间相对独立,安全性较高。通过建立备用储能单元和选用合适的调度方案和优化算法,能够在满足安全性和可靠性的前提下,实现对微电网的经济优化调度。实现综合成本的最小化是当下微电网优化研究中的重点。目前的研究主要集中在新能源发电的功率预测,微网中各个微电源的优化组合等方面。本文首先概述了微电网常见的经济优化模型,从目标函数,约束条件两个方面进行了详细介绍。其次分析了微电网经济优化运行的主要方法,分别从发电机组的输出功率预测,新能源组合经济优化算法,引入需求侧响应的经济优化三个方面进行了详细的分析与评述。最后,对微电网的发展前景与研究的热点进行了介绍。 2 微电网经济优化运行的模型                         2.1 微电网优化运行的目标函数 建立微电网经济运行模型的第一步是先选取目标函数。在研究的早期,其目标函数就是建造成本和日常运行管理成本。但是随着后续的研究,特别是环保要求的加入,环境污染成本也成了不可忽视的一部分。同样的,发出的电能质量,负荷的失荷率也是被考虑的重要目标函数。总的来说,可以将目标函数归纳为以下三类: (1)成本经济效益目标:微电网调度的最直接的需求就是经济效益,所以考虑经济效益是各项研究中的落脚点。各项研究都是将微电网的经济收益置于首位。同时也要兼顾环保要求和可靠性要求。 (2)环境效益目标:当下微电网的发展越来越多的需要考虑到环境保护的压力。微网中存在一些发电机组例如柴油发电机,燃气轮机等等对环境不友好的微电源。所以在设计微电网模型时,一定要特别关照污染排放是否达标,环境承载力是否在合理范围中的问题。 (3)可靠性目标:除了经济效益,微电网运行的可靠性也是非常关键的指标。包括电压的稳定程度,微电网网损成本等等。为了保障用户的供电需求,这些指标需要维持在一个非常稳定的范围内[2][3]。 在面对微电网经济优化运行的调度时,模型都是根据目标函数来建立。结合微电网经济调度的实际应用情况,既有只考虑成本最优的单目标优化,又有综合考虑成本因素,环境因素,可靠性因素的多目标优化情况[4]。 2.2 微电网经济优化运行的约束 微电网优化的约束条件一般来源于发电设备本身和功率的平衡条件等。一般可以分为等式约束以及不等式约束,一般来看,来自于发电设备本身特性的约束大多是不等式约束,而功率平衡条件则为等式约束。   其中,设备约束主要取决于对应微电网的构成。在一个典型的风光水储微电网中,包含着风力发电机,水力发电机光伏发电单元等微电源。风力发电机,光伏发电单位都有着发电的上下限。储能电池由于其自身的性质一般会有着荷电状态的约束,同时,电池本身也会有着充放电功率的约束[5]。这些约束可以如下表示出来: (1)各分布式电源出力约束 式中,Pimin, ,Pimax, 分别为第i个分布式电源的出力下限及出力上限值。 (2)储能电池的荷电状态约束 式中,SOCmin,SOCmax 分别为储能电池荷电状态的安全下限及安全上限值[6]。 (3)功率平衡约束为: 式中:PLOAD是系统负荷需求;Pi是微电网第i个发电设备;PGRID是网络输出功率[7]。 3 微电网新能源出力的功率预测 3.1 风功率的预测 由于风力资源本身所存在的强间歇性,不稳定性的特点。风力发电机相对其他发电方式而言很难做到稳定的电能输出。但是要实现后续的经济优化调度,就必须对其发电情况有比较完整的掌握。在这样的前提下,实现对风力资源的短期预测就显得十分有价值。 风功率预测从方法上来看,可分为物理法,统计学法以及将二者结合起来的混合方法。物理法主要是通过数学模型和数学来描述物理现象,通过建立空气动力学等数学模型来实现对短期目标的预测。其中比较具有代表性的就是Persistence(PER)模型,该模型的主要原理是利用前一时刻的预测值与实际值之间的误差来补偿下一时刻的预测值,但是由于风电输出功率有着随机性大的特点,这种模型下的预测值往往会具有误差很大。针对这一缺陷,Nielsen等人提出一种综合考虑PER模型和平均输出功率的新模型[8]。目前商业应用比较成熟的有L.Landberg等人提出的Predicktor预测系统,EurowindGmbh公司设计出的SOWIE短期风电预测系统等。 统计学法和混合法是现在运用的比较广泛且精度相对物理法较高的方法。该法需要大量的历史数据,采用如人工神经网络,支持向量机,马尔可夫链等方法从历史数据中找到规律,进行预测。在文献[9],中,Jyothi Varanasi等人基于NARX模型提出一种改进型的人工神经网络(ANN),使用选定的输入参数(例如风力风速的历史值)对神经网络进行适当的训练以预测未来的风力。Samidha Mridul Verma等人在文献[10]一文中提出了一种使用二阶马尔可夫链模拟短期风力预测的方法。 3.2 光伏发电功率的预测 对光伏的输出功率预测主要分为两类:直接预测和间接预测[11]。间接预测主要是建立物理模型,利用详实的地理信息数据,进行预测分析。直接预测需要大量的历史数据,这种预测方法对模型的要求较低,但是容错率较高。缺点是其预测结果有的时候会存在滞后[12]。其中用到较多有时间序列模型,人工神经网络模型等。 高毅等人提出了一种基于人群搜索算法-小波神经网络SOA-WNN的光伏短期输出功率预测算法,利用SOA快速性好,全局搜索能力强的特点对WNN预测算法进行优化,有效提高了光伏短期输出功率预测的稳定性与准确性[13]。王新普等人提出了一种基于改进BP神经网络的多模型组合光伏出力预测方法,通过对比表明该方法能显著提高光伏出力预测精度[14]。 4 微电网经济优化算法的研究现状 在微电网经济优化运行过程中,发电