专利名称：基于全寿命周期净费用最小的微网系统优化设计方法
技术领域：
本发明涉及电力系统分布式发电微网系统领域，尤其涉及一种基于全寿命周期净费用最小的微网系统优化设计方法。
背景技术：
微网系统是指由分布式电源、储能装置、能量变换装置、负载和监控、保护装置汇集而成的小型发配电系统，是一个能够实现自我控制、保护和管理的自治系统，是解决偏远地区或远离海岸孤岛供电的有效方式。微网系统中，由于可再生能源，如风能和太阳能的不确定性，负载和电池的非线性特性，以及存在着多种不同的运行策略，微网系统的优化设计难度较大。目前在微网系统的优化设计方面，格林(Green)和曼威尔(Manwell)开发的 Hybrid2可以对微网系统进行准稳态仿真，但不能对微网系统的电源组成和最佳容量进行优化配置。美国国家能源实验室开发的HOMER软件，包含有风力发电、光伏发电、柴油发电机和储能电池的稳态仿真模型，可以通过灵敏度分析优化选择各个子系统的最佳配置容量。另外一款HOGA软件，利用遗传算法，以最小投资和运行成本为目标，对包含光伏发电、 储能电池和柴油发电机的孤立系统进行容量优化设计，优化变量包括光伏阵列的数量、电池的最佳放电区间、柴油发电机和逆变器的功率等，分析比较了不同运行策略和关键参数对优化结果的影响。以上微网系统的优化软件的算法都没有考虑以全寿命周期净费用最小为优化目标，从而对分布式电源的功率和储能系统的容量进行配置。
发明内容
本发明实施例提供了一种基于全寿命周期净费用最小的微网系统优化设计方法， 用于按照微网系统的运行策略，根据微网系统内可再生能源资源、负荷需求等情况，确定微网系统内部各分布式电源、储能的最佳容量配置，保证微网系统在全寿命周期内的净费用， 即成本最小。依据本发明实施例提供的一种基于全寿命周期净费用最小的微网系统优化设计方法，包括以下步骤建立微网系统的基于全寿命周期净费用的目标函数；根据所述微网系统的运行策略确定所述目标函数的优化变量；根据所述微网系统的运行策略确定所述目标函数的约束条件；按照所述约束条件对所述目标函数进行准稳态仿真，通过标准遗传算法的交叉和变异操作，产生最佳优化变量组合，获取优化计算结果；根据所述优化计算结果确定所述微网系统的系统参数。从以上技术方案可以看出，本发明实施例具有以下优点(1)建立了针对微网系统的基于全寿命周期净费用的目标函数，提供了微网系统的一种新的优化设计方法；(2)通过优化变量和约束条件的确定可使得在保证分布式电源、储能的最佳容量配置的同时，实现全寿命周期净费用最小。
图1所示为本发明基于全寿命周期净费用最小的微网系统优化设计方法的微网系统结构示意图；图2所示为本发明基于全寿命周期净费用最小的微网系统优化设计方法的流程示意图。
具体实施例方式本发明实施例提供了一种基于全寿命周期净费用最小的微网系统优化设计方法， 用于按照微网系统的运行策略，根据微网系统内可再生能源资源、负荷需求等情况，确定微网系统内部各分布式电源、储能的最佳容量配置，保证微网系统在全寿命周期内的净费用， 即成本最小，以下将结合具体实施例详细描述本发明的实施过程。参考图1，所示为本实施例基于的一种风光柴储的微网系统，其中“风”表示用于可再生能源风能转换的风力发电机12，“光”表示用于可再生能源太阳能转换的光伏阵列11， 风力发电机12和光伏阵列11构成了分布式电源，“柴”表示用于备用的柴油发电机15，“储” 表示用于储能的蓄电池组13，还包括孤立微网主控系统和负荷14，负荷又包括可控负荷和不可控负荷。蓄电池组13和光伏阵列11通过前级双向DC/DC换流器并入直流母线DC-BUS， 然后通过双向DC/AC逆变器接入交流母线AC-BUS，微网监控子系统用于控制微网内的电压和频率保持稳定。以下对图1所示的风光柴储微系统的基于全寿命周期净费用最小的微网系统优化设计方法作详细描述，其流程如图2所示，包括以下步骤S21，建立微网系统的基于全寿命周期净费用的目标函数；选取微网系统全寿命周期内的净费用(the Total Net Present Cost, NPC)最小为优化目标函数。NPC代表了微网系统在全寿命周期内所产生的净费用，即将全寿命周期内产生的所有成本和收入都浓缩到当前资金的时间价值。NPC的成本部分包括初始投资费用、设备更新费用、运行维护费用和燃料费用，收入部分包括卖电收益和设备残值。数学表达式为
k=\ (丄 + η式中，K代表微网系统的全寿命周期时间，单位为年，r为贴现率，C(k)代表第k年的成本，单位为Y/年，计算公式为C (k) = C1 (k) +Ce (k) +Cm (k) +Cf (k)式中，C1GO，Ce(k)，Cm(k)，Cf(k)分别代表第k年的初始投资费用、更新费用、维护费用和燃料费用，其中，C1 (k) 一 CIcon+CIbattery+CIpv+CIwind+CIDG+CIConverterCIcon、Clbattery Λ ClpvΛ ClwindΛ CidgΛ Ciconverter 分别代表微网主控系统、电池、光伏阵列、风力发电机、柴油发电机和变流器的投资费用；
Ce (k) = CEbattery (k) +Cepv (k) +CEwind (k) +Cedg (k) +C
RConverter
(k) CEbattery (k)、CEpv (k)、
CEwind(k) Xedg(k) >CEConverter(k)分别代表第k年的电池、光伏阵列、风力发电机、柴油发电机和变流器的更新费用；Cm (k) — CMbattery (k) +CMpv (k) +CMwind (k) +Cmdg (k) +CMConverter (k) CMbattery (k)、CMpv (k)、 CMwind(k) Xbg(k) >CMConverter(k)分别代表第k年的电池、光伏阵列、风机、柴油发电机和变流器的维护费用；Cf(k) = Cfdg(k)表示第k年的柴油发电机的燃料费用；B(k)代表第k年的收入，单位为Y/年，计算公式如下，B(k) = Bsalvage (k)+Bcrids (k)式中，Bsalvage(k)，Btoids(k)分别代表第k年设备残值、卖电收入。S22，根据微网系统的运行策略确定目标函数的优化变量；此步骤中需根据目标函数和微网系统的运行策略来确定优化变量。NPC成本部分包括初始投资费用、设备更新费用、运行维护费用和燃料费用，收入部分包括设备残值和卖电收益，而这些成本费用大小是相互关联的，如风力发电机台数越多，会导致初始投资越大，但同时也会减少燃料费用，所以要通过优化变量，去寻求全寿命周期净费用的最小。光伏电池阵列的功率取决于光伏电池单体功率以及阵列的串联数和并联数，光伏电池单体功率以及阵列串联数一般是定义好的，所以选择光伏电池的并联数PVnud作为优化变量，通过优化光伏电池的并联数PVnud，就能决定光伏电池的功率大小；风机的功率取决于单台风机功率以及台数，单台风机功率一般是定义好的，所以选择风机台数WindNum作为优化变量，通过优化风机台数Windmm，就能决定风机的功率大小；储能系统为电池储能形式， 优化储能系统容量即指优化电池容量&attCTy，选择电池容量&attCTy作为优化变量，从而决定储能系统容量。S23，根据微网系统的运行策略确定目标函数的约束条件；该优化计算方法的约束条件主要包括蓄电池、柴油发电机、风力发电机、光伏以及变流器的约束条件。
1)蓄电池电池工作在部分荷电状态下(MinSOCbattwy，MaxSOCbattoy)。在该工作范围内，通过对分布式电源或者负荷的有效管理，保证电池在充电过程中不放电，在放电过程中不充电，避免对电池进行频繁的充放电操作，达到延长电池使用寿命的目的。由于较大的充放电电流、 电池过充和过放等对电池的伤害较大，因此，需要对电池的充放电电流、电池电压以及SOC 三个指标进行监控，并分别设定限值，其中SOCGtate ofCharge)为电池荷电状态电量。电池电流约束条件包括 I charge〈 MaX Icharge Idischarge〈 MaX I discharge其中，I。harge、Idis。！^ge分别为电池的充电电流、放电电流，MaxI。h ge、MaxIdis。！^ge分别为电池的最大充电电流、最大放电电流。电池端口电压约束条件表示为MinVbattery < V < Max Vbattery当电池端口电压V高于MaxVbattey，或者低于MinVbattoy时，电池会由于过充、过放而遭到损坏。
7
电池的SOC约束条件为MaxSOCbat > SOC > MinSOCbat ；当 SOC < MinSOCbat 时，电池充电；当 SOCMax > SOCbat 时，电池放电。2)柴油发电机柴油发电机组的最大发电功率MaxPre应能够满足在可再生能源出力为零，且电池容量不能满足放电要求时最大负荷功率，即MbxPdg = MaxPltjad，其中 MaxPlrad 为最大负荷功率。柴油发电机的启动条件S0C < MinSOCbat ；柴油发电机的关闭条件S0C > MaxSOCbat ；柴油机运行约束=MaxPlie > Pd > MinPlie，Tdg彡MinTre，其中，Pd是柴油机的运行功率，MaxPDe、MinPD(;分别为其上下限约束，TDe、MinTD(;则为柴油机的运行时间和最小运行时间。 设置柴油发电机的最小运行时间约束，减少频繁启停对其寿命的影响。只有当电池SOC < MinSOCbat时，才启动柴油机为其充电。3)风力发电机风机的启动条件=Pless彡Pwn，Δ tws彡MinTws,其中，Pless为系统缺额功率，PwN为单台风机的额定功率；Δ tws为风机停机时间，Δ tws为最小停机时间。当Pless ^ Pwn时，投入风机，避免小功率波动造成的风机频繁投切；风机停机时间需要满足Atws ^ MinTws ；优先投入已切除时间较长的风机，同理，优先切除已投入时间 Atwo较大的风机。4)光伏电池组光伏发电约束条件PpvN彡 MaxPpv 彡 Ppv 彡 MinPpv ；其中，Ppv、MaXPpv、MinPpv、PpvN 分别为当前光伏电池组的输出功率、MPPT (Maximum Power Point Tracking，最大功率点跟踪) 最大输出功率、功率下限及额定功率。5)变流器与柴油发电机类似，变流器的额定功率P。。nvCTtCT应能够在可再生能源出力为零时， 利用储能电池可以独立满足最大负荷功率需求，即为P。。nvCTtCT = MaxPloado根据风光柴储孤立微网系统控制策略，电池处于放电状态时，如果存在Ioadunmrt > 0，则有部分负荷将会停电。采用LPSP(Loss of Power Supply Probability，负载缺电率)衡量供电指标，表示未满足供电需求的负荷与所有负荷的比值。LPSP的取值在0 1之间，数值越小，供电可靠性越高。电池处于充电状态时，如果Pradie > 0，则柴油发电机最低运行功率仍大于电池最大充电功率，在柴油发电机最小出力约束条件下系统中仍有多余的柴油机发电功率并未被完全消耗。在仿真过程中，优化模型的约束条件表示为 EDGex^f^PexDG(n)xAT^0
权利要求
1.一种基于全寿命周期净费用最小的微网系统优化设计方法，其特征在于，包括以下步骤建立微网系统的基于全寿命周期净费用的目标函数； 根据所述微网系统的运行策略确定所述目标函数的优化变量； 根据所述微网系统的运行策略确定所述目标函数的约束条件； 按照所述约束条件对所述目标函数进行准稳态仿真，通过标准遗传算法的交叉和变异操作，产生最佳优化变量组合，获取优化计算结果；根据所述优化计算结果确定所述微网系统的系统参数。
2.根据权利要求1所述的基于全寿命周期净费用最小的微网系统优化设计方法，其特征在于，所述微网系统包括微网主控系统、蓄电池、光伏阵列、风力发电机、柴油发电机和变流器，所述目标函数为式中，K为整个系统的工程寿命，单位为年； r为贴现率；C(k)代表第k年的成本，单位为Y/年，计算公式如下 C (k) = C1 (k) +Ce (k) +Cm (k) +Cf (k)，式中，C1GO，Ce(k)，Cm(k)，Cf(k)分别代表第k年的初始投资费用、更新费用、维护费用和燃料费用，其中 C1GO =Cicon+Cibattery+CIpv+CIwin ID G+C IConverterCicon、Clbattery λ ClpvΛ ClwindΛ CidgΛ Ciconverter 分别为所述孤立微网主控系统、电池、光伏阵列、 风力发电机、柴油发电机和变流器的投资费用；Cr (k) — CEbattery (k) +CEpv (k) +CEwind (k) +Cedg (k) +CEConverter (k)CEbattery(k)、CKpv(k)、CKwind(k) ^^(k) >CEConverter(k)分别代表第 k 年的电池、光伏阵列、风力发电机、柴油发电机和变流器的更新费用；Cm (k) = Clllbattery (k) +Cmpv (k) +Clllwind (k) +Cmdg (k) +CMConverter(k)^Mbattery(k)、CMpv (k)、CMwind(k) XmdgGO、cMConverter(k)分别代表第k年的电池、光伏阵列、风力发电机、柴油发电机和变流器的维护费用；Cf(k) = Cfdg(k)表示第k年的柴油发电机的燃料费用。 B(k)代表第k年的收入，单位为Y/年，计算公式如下 B(k) = Bsalvage (k)+Bcrids (k)式中，Bsalvage (k)，Bcrids (k)分别代表第k年设备残值和卖电收入。
3.根据权利要求2所述的基于全寿命周期净费用最小的微网系统优化设计方法，其特征在于，所述目标函数的仿真约束条件为，EDGex = ^PexDG(n)xAT = 0η =I<NJ^〉 Eunmet (“)LPSP = — = ^-<0.01、Etot Etot其中，PexDG是单步仿真时长内的柴油发电机发出的多余能量，Ellto是总仿真时长内的柴油发电机发出的多余能量，Eumiet(H)为单步未满足能量，Ecs为总的未满足能量，Etot为总的电负荷需求能量，T为仿真步长，N为总的仿真步长个数，LPSP是负载缺电率。
4.根据权利要求3所述的基于全寿命周期净费用最小的微网系统优化设计方法，其特征在于，所述优化变量包括光伏阵列并联个数，风力发电机台数和电池容量。
5.根据权利要求4所述的基于全寿命周期净费用最小的微网系统优化设计方法，其特征在于，所述约束条件包括所述电池的约束条件、所述柴油发电机的约束条件、所述光伏阵列的约束条件、所述风力发电机的约束条件和所述变流器的约束条件。
6.根据权利要求5所述的基于全寿命周期净费用最小的微网系统优化设计方法，其特征在于，所述电池的约束条件包括电池电流约束条件、电池端口电压约束条件和电池荷电状态约束，其中，所述电池电流约束条件为Idmge < MaxIcharge, Idischarge < MaxIdischarge, Ictoge为电池的充电电流，MaxIctoge为电池的最大充电电流，Idis。！^ge为电池的放电电流，MaxIdisdmge为电池的最大放电电流；所述电池端口电压约束条件为Min Vbattery < V < MaxVbattery, V为电池端口电压， MinVbattery为电池的最小端口电压，MaxVbattoy为电池的最大端口电压；所述电池荷电状态约束条件为MaxSOCbat > SOOMinSOCbat，SOC为电池荷电状态电量， MaxSOCbat为最大电池荷电状态电量，MinSOCbat为最小电池荷电状态电量。
7.根据权利要求5所述的基于全寿命周期净费用最小的微网系统优化设计方法，其特征在于，所述柴油发电机的约束条件包括柴油发电机的最大发电功率约束条件，柴油发电机的启动约束条件，柴油发电机的关闭约束条件和柴油机运行约束条件，其中，所述柴油发电机的最大发电功率约束条件为MaxPre = MaxPload,MbxPdg为柴油发电机的最大发电功率，MaxPload为最大负荷功率；所述柴油发电机的启动约束条件为SOC < MinSOCbat ；所述柴油发电机的关闭条件为SOC > MaxSOCbat ；所述柴油发电机运行约束条件为MaxPre > Pd > MinPre，Tdg彡MinTlie，Pd为柴油机的运行功率，MbxPdg为运行功率上限约束，MinPre为运行功率下限约束，Tdg为柴油发电机的运行时间，MinTlie为柴油发电机的最小运行时间。
8.根据权利要求5所述的基于全寿命周期净费用最小的微网系统优化设计方法，其特征在于，所述风力发电机的约束条件包括风力发电机的启动约束条件，其中，风力发电机的启动约束条件为Pless彡Pwn，Δ tws彡MinTws,其中，Pless为系统缺额功率， Pwn为单台风机的额定功率；Δ tws为风机停机时间，MinTws为最小停机时间。
9.根据权利要求5所述的基于全寿命周期净费用最小的微网系统优化设计方法，其特征在于，所述光伏阵列的约束条件包括光伏发电约束条件，其中，所述光伏发电约束条件为 Ppvn ^ MaxPpv ^ Ppv ^ MinPpv,其中，Ppv、MaXPpv、MinPpv、PpvN 分别为光伏阵列的输出功率、最大功率点跟踪MPPT最大输出功率、功率下限及额定功率。
10.根据权利要求5所述的基于全寿命周期净费用最小的微网系统优化设计方法，其特征在于，所述变流器的约束条件为变流器额定功率约束条件，其中，变流器额定功率约束条件为P。。nvertCT = MaxPload, Pconverter为变流器的额定功率，MaxPload 为最大负荷功率。
全文摘要
本发明实施例公开了一种基于全寿命周期净费用最小的微网系统优化设计方法，用于按照微网系统的运行策略，根据微网系统内可再生能源资源、负荷需求等情况，确定微网系统内部各分布式电源、储能的最佳容量配置，保证微网系统在全寿命周期内的净费用，即成本最小。本发明实施例方法包括建立微网系统的基于全寿命周期净费用的目标函数；根据微网系统的运行策略确定目标函数的优化变量；根据微网系统的运行策略确定目标函数的约束条件；按照约束条件对目标函数进行准稳态仿真，通过标准遗传算法的交叉和变异操作，产生最佳优化变量组合，获取优化计算结果；根据优化计算结果确定微网系统的系统参数。
文档编号G06F19/00GK102354334SQ20111029825
公开日2012年2月15日 申请日期2011年9月27日 优先权日2011年9月27日
发明者周丹, 周金辉, 张雪松, 汪科, 葛晓慧, 赵波 申请人:浙江省电力试验研究院