[發明專利]并網型風光儲微電網的容量優化配置方法

在審

• 申請號: 202111592845.0
• 申請日: 2021-12-23
• 公開（公告）號: CN114447976A
• 公開（公告）日: 2022-05-06
• 發明（設計）人: 王波;郭志紅;張占營;張霄;席晟哲;胡明迪;馬恒瑞
• 申請（專利權）人: 國網河南省電力公司安陽供電公司;武漢大學
• 主分類號: H02J3/38
• 分類號: H02J3/38;H02J3/28;H02J3/46;H02J3/48
• 代理公司: 荊門市首創專利事務所 42107
• 代理人: 王鋒

1.并網型風光儲微電網的容量優化配置方法，其特征在于：風光儲微電網主要由風電機組、光伏陣列、儲能裝置和中央控制器構成，其中儲能裝置選取目前廣泛采用的磷酸鐵鋰電池，風光儲微電網通過公共接入點與電力系統相連，

風機模型：

所述風電機組的輸出功率與風速有關，風速基本服從Wellbull分布，表達式為：

式中，v表示實時風速；k、c分別為形狀和尺度參數；

則風電機組的出力模型可表示為：

式中，v_ci為切入風速；v_co為切出風速；v_r為額定風速；

光伏陣列模型：

光伏陣列的輸出功率與地區的光照強度有關，而光照強度基本服從Beta分布，可表示為：

式中，a為太陽光的照射強度；α和β為形狀參數；Γ為伽瑪函數，

則光伏陣列的輸出功率PPV可由下式表示：

式中，Pr,PV為額定輸出效率；A為輻射強度；Ar為額定輻射強度；αp為功率溫度系數；TPV為實際溫度；Tr為額定溫度，

上述TPV為表達式如下：

T_c＝T_a+αG_c

其中系數α可由下式表示：

式中，c1、c2、c3為常系數；

磷酸鐵鋰電池模型：

選取磷酸鐵鋰電池為儲能裝置，建立磷酸鐵鋰電池的模型，模型中，極化電容C₁和電阻R₁并聯，然后與電阻R₂串聯，其端電壓為U₂。U₁為電容C₁的端電壓，U_o為開路電壓；U₃、I₃為電池的電壓和放電電流，由圖2可知，磷酸鐵鋰電池單體的數學模型表達式為：

則磷酸鐵鋰電池組的數學模型為：

式中，m，n分別為電池組的串、并聯個數；C₁^*，R₁^*，U_o^*，R₂^*分別為極化電容、極化電阻、開路電壓和歐姆內阻；U₃^*，I₃^*分別為端電壓和放電電流；

并網型微電網出力模型：

微電網具有調度靈活方便的優點，當并網型微電網與電力系統連接時，可以進行兩者之間的能量流動，若并網型微電網已經滿足負荷要求，此時剩余電能可以經公共接入點流入電力系統；而當電力系統的負荷需求超過了微電網的供應能力時，此時電力系統就可以通過公共接入點向微電網供應電能，并網型微電網的出力模型可由下式表示：

P_M＝P_PV+P_WT+P_ESS+P_grid

式中，P_M、P_WT、P_PV、P_ESS、P_grid分別表示微電網、光伏陣列、風機、儲能裝置及電力系統的輸出功率；

并網型微電網多目標優化模型：

目標函數

分別以系統年等額成本、系統年碳排放量及系統外購電比例為目標，建立目標函數，

系統年等額成本

系統年等額成本可由下式表示：

ATC＝C_H+C_W+C_Z+C_G

式中，ATC為系統年等額成本；C_H為微電網的初始投資成本；C_W、C_Z、C_G分別為年運行維護成本、置換成本及外購電成本，

式中投資成本C_H的表達式如下：

式中，m為設備的數目；R為系統的等額年金參數；C_WT、C_PV、C_bat分別為風機、光伏及儲能裝置的成本，

年運行維護成本C_W的表達式為：

式中，C_W,j為第j個設備的年運行維護成本,

置換成本C_Z可表示為：

式中，t為設備的壽命，Q為置換設備的數量，

系統外購能量成本C_E可表示為：

式中，E_grid電網交互電量；c_grid為購電電價,

系統年碳排放總額

系統年碳排放總額的計算公式為：

式中，γ為排放因子；E_buy為購電量，

系統外購電比例

當微電網的外購電比例越小時，其獨立供電能行越強，外購電比例表達式為：

式中，E_d為用戶用電需求的電能；

約束條件

有功功率平衡約束

P_load＝P_WT+P_PV+P_bat+P_grid

式中，P_load為用戶負荷；P_WT為風機的輸出功率；P_PV為光伏陣列的輸出功率；P_bat為儲能裝置的輸出功率；P_grid為電力系統的輸出功率，

電源容量約束

C_min≤P_output≤C_max

式中，C_max、C_min分別為出力單元有功出力的上下限,

儲能荷電狀態約束

SOC_min≤SOC_t≤SOC_max

式中，SOC_min、SOC_max分別為電池荷電的上下限值；

改進的FPA-LHS算法

改進的FPA-LHS算法的計算思想為，引入自適應因子對傳統FPA算法進行改進，然后結合LHS概率潮流計算，最終得到改進的FPA-LHS算法,

LHS概率潮流的計算

改進的FPA算法

FPA算法是由英國劍橋大學學者Yang提出的，其計算原理是基于自然界中花朵的授粉過程而實現的，傳統FPA算法主要包括全局授粉、轉換概率及局部授粉三部分，計算較為簡單，具有較強的全局尋優能力，目前廣泛應用于微電網的優化策略計算中，然而，FPA算法在計算過程中容易陷入局部最優，從而導致收斂度較慢，為解決這一問題，提出結合拉丁超立方法對FPA法進行改進，

改進FPA-LHS算法的計算步驟為，首先運用LHS方法進行數據采樣和潮流計算，然后對傳統FPA算法的收斂速度進行改進，最后運用改進FPA對多目標優化模型進行求解，

首先在FPA算法中引入授粉加速度因子，則改進后的優化公式為：

式中：l為最優解；a_i^d加速度因子；λ為縮放因子；D為萊維飛行步長，

傳統FPA算法是通過控制轉換概率p來實現優化過程的，為提高FPA算法的計算速度，提出了自適應因子p'：

p′＝D+0.2×R_₁

式中，D為轉換概率p的初始值；R_₁表示[0,1]之間的任意一個數字，通過對轉換概率p'的調整，可以實現提升收斂速度的目的，

通過以上步驟完成對FPA算法的改進，然后結合LHS對風/光/儲微電網進行優化求解，則多目標控制變量矩陣為：

式中：S_WT、S_PV、S_ESS分別為風機、光伏陣列和儲能裝置的并網容量,

結合選取的目標函數，可得多目標優化模型為：

minF(Y)＝{{f₁(Y),f₂(Y),f₃(Y)}。