考虑混合储能系统选择的基于改进蜂群算法的热电联产微网多目标经济优化调度

less is more_0930

已于 2025-03-08 15:23:50 修改

阅读量1.1k

点赞数 17

分类专栏：《新型电力系统》文献学习文章标签：算法学习笔记 matlab

于 2025-03-07 14:27:26 首次发布

本文链接：https://blog.youkuaiyun.com/weixin_53126442/article/details/146095040

版权

摘要：在考虑混合储能系统模型选择的基础上，基于改进的人工蜂群算法（ABC），建立了冷热电联产微电网经济优化的多目标调度模型。为了对以往研究中的单目标模型进行升级，将模型的优化目标设定为微电网的日发电调度成本和日环境污染物处理成本最小，并采用基于天牛须搜索算法的改进ABC算法（BAS-ABC）进行求解。为了更好地应用理论成果，本文以上海某区某并网热电联产微电网夏季典型日实际电力负荷数据为研究对象，模拟了采用分时计费制度条件下的多目标经济调度模型。结果表明，优化后的成本比传统成本的最小成本要低。此外，当热电联产微电网的目标函数为发电成本最低或环境成本最低时，优化结果是矛盾的，不可能同时实现最优的发电成本和最优的环境成本。这表明多目标优化调度方法综合平衡了系统的经济效益和环境友好性。

1.引言

微电网作为一种新型的可再生能源供应和管理技术，将各种分布式电源、负载、储能单元和控制装置组合在一起，形成一个单一的可控单元，可以同时向用户提供电能和热能。此外，微电网提供了一个有效的分布式能源综合利用的技术手段[1,2]，其中冷热联产（CCHP）微电网是众所周知的综合能源系统[3]。

因此，热电联产微电网的优化研究主要包括优化各时刻的微功率输出，以及系统中各设备的容量；通过这样的研究，可以提高热电联产微电网的经济效益和环境效益[4,5]。

国内外对热电联产微网优化进行了一定程度的研究。一项工作提出了基于微网内能量传递的热电联产微网通用模型结构，并采用数学规划方法对模型进行求解[6-8]。此外，在微网调度优化计算中加入分时电价和附加收益，建立了热电联产微网动态经济调度模型，对网内各微源出力进行优化[9,10]。有学者在模拟退火算法的基础上提出了一种改进的人工鱼群算法来求解多微网模型[11]。同时，也有学者利用鸟群算法求解微网运行的两个单目标函数（维护成本和环境效益）的调度模型，其改进算法表现出很大的可行性[12-14]。

为了提高热电联产系统的稳定性和经济性，本文在热电联产系统中引入了混合储能系统。根据一些技术和经济细节，构建了混合储能系统。本文以上海地区某热电联产系统为研究对象，以某典型夏日为调度数据。目标函数使当天的发电成本和环境成本最小化。综合分布式电源约束，采用24小时调度周期，采用改进的ABC算法。得出在发电成本最低、环节成本最低和多目标总成本最低的三种条件下，各电源的最优输出，且三种情况下的成本进行对比和分析。

本文的主要贡献可以概括如下。(1)我们对各种储能单元进行了综述，并选择了最优的储能单元组成混合储能系统（HESS）。建立了一种新的CCHP模型，混合储能系统创新地替代了传统的电池储能系统。(2)采用BAS-ABC算法对多目标模型进行优化，实现了案例微电网的经济运行（见图1）。

图1 微电网的组成和构成

2.CCHP微网分布式发电模型

2.1CCHP微网的结构

本文构建的CCHP微电网包含以下部分：微型燃气轮机（MT）、风力涡轮机（WT）、光伏（PV）电池、溴化物制冷机、空调（AC）、燃料电池（FC）和HESS。

图2 冷热电联供微网系统结构

图2为冷热电联供微网系统的典型结构。CCHP微电网的核心装置是微型燃气轮机，可以实现能量的分步利用。利用天然气燃烧过程中产生的高级热能驱动微型燃气轮机发电。剩余的热能通过回收装置送至微电网系统所需的冷负荷或热负荷。冷热电联产系统中空调和微型燃气轮机产生的余热主要通过溴化物制冷机等回收装置来满足供热和制冷负荷需求。系统用电负荷需求主要由WT、PV、MT、FC、HESS和大电网提供。如果上述分布式电源的有功输出在满足微网用电负荷需求后仍有剩余电量，则剩余电量可送入混合储能系统或出售给大电网[15,16]

2.2风力发电机输出功率模型

细节见文章：风力发电机输出功率模型_风力发电数学模型-优快云博客

风机的功率输出模型主要可以分为线性输出模型、二次输出模型、三次输出模型以及实际测量条件下的风机特性模型，其中三次输出模型是比较常用的：

式中，a、b、c、d是通过拟合厂家提供的输出功率风速曲线得到的。其中“PWT”为机组实际输出功率，“PWTr”为机组额定输出功率。

2.3光伏发电模型

光伏发电系统的输出功率可表示为：

其中，温度系数k取值为0.0047/℃，参考温度Tr为25℃。

2.4微型燃气轮机模型

微型燃气轮机是目前最成熟、最具商业应用竞争力的分布式发电技术。本文选用的微型燃气轮机为凯普斯通C65微型燃气轮机，MGT发电效率和散热损失系数在不同功率下的值可通过厂家提供的有关参数拟合得到，通常拟合为MGT的部分负荷率的一元n次函数：

式中，PLR为部分负荷率，表示燃气轮机实际输出电功率与额定最大电功率之比。

最终，可得其发电效率与输出功率的函数关系为：

式中，hMT为微型燃气轮机发电效率；PMT为微型燃气轮机输出功率；65为凯普斯通C65微型燃气轮机的额定输出功率；PMT/65为输出功率除以额定功率，即为负载率。

同时，以微型燃气轮机为核心的热电联产系统的数学模型为：

式中，QMT表示微型燃气轮机工作时可以利用的热量；Pe为有功功率；he表示发电效率；hl为热量流失系数；Qhe为可以向用户提供的热量；Qco为向用户提供的制冷量；Khe和Kco分别表示产热系数和制冷系数；VMT为天然气量；LHV为天然气低热值，9.7 kWh/m3。

本文优化周期中单位时间间隔∆t为1h，天然气低热值为9.7 kWh/m3（LHV）。使用微型燃气轮机的成本包括燃料、运行和维护成本。MT的燃料成本表示如下：

CMT为微型燃气轮机的燃料成本；Cfuel为天然气价格（元/m3），这里取2.5元/m3；PMT为微型燃气轮机输出功率；hMT为微型燃气轮机发电效率；LHV为天然气低热值，9.7 kWh/m3。

2.5空调模型

空调能增加对输出能量的吸收，并利用电能制热或制冷。空调的数学模型为：

式中，Qair,h为空调产生的实际制热能量；Pac为空调消耗功率；ηLh为热能损失系数；ηah为加热效率；Oair,h为制热能效比，制热量/制热消耗功率；Qair,r为空调产生的实际制冷能量；ηLr为冷却能量损失系数；ηar为冷却效率；Oair,r为冷却能效比，制冷量/制冷消耗功率。

2.6燃料电池模型

燃料电池是一种将燃料中的化学能直接高效地转化为电能的装置，与传统的发电方式相比具有很大的优势。在本文中，燃料电池发电效率与输出功率的关系函数（根据厂商提供的数据，经过拟合可以得到发电效率与输出功率的关系）为：

2.7混合储能系统的选择与建模

细节见文章：数学建模笔记——层次分析法（AHP）-优快云博客

储能系统极大地提高了微电网的稳定性、电能质量和供电可靠性，具有极大的市场前景。储能系统在微电网中的功能包括提供短期供电、削峰和填谷；改进分布式供电；提高微电网从并网运行状态切换到孤岛运行状态时的电能质量。基于这些功能和微网的特点，微网对储能系统的性能要求可以概括为：高能量密度；高功率密度；储能效率高；高低温性能；环境友好。目前，市场上有多种储能单元可供选择，每种储能单元都有不同的技术和经济细节。各类型储能单元的技术经济详细情况如表4所示。

表1不同类型储能装置的技术经济细节

通过对表1的详细分析，我们对不同类型储能单元的各项指标进行模糊综合评价。首先利用层次分析法（AHP）确定各指标的权重，然后利用相应的矩阵计算各指标的最大特征根λmax和权重Wi。接下来，我们利用AHP软件建立各类储能技术经济指标分析层次模型，如图18所示。确定一致性的公式如下：

图3 AHP选择的技术和经济

一般认为，当CI<0.1时，评价矩阵的一致性较好，相应的评价指标权重较大；因此，指数更为重要。反之，CI越大，评价矩阵的一致性越差，相应评价指标的权重越小，该指标的重要性越低。经过技术经济细节的权重比较和分析，得到最终的权重数据，如图19(a)和(b)所示。可以看出，各类型储能的一致性均小于0.1。其中，超级电容器和锂电池的权重最大，因此本文选择超级电容器和锂电池组成混合储能系统。