趙  賀1，井天軍2

　　（1.國網北京市電力公司電力科學研究院，北京100075；2.中國農業大學 信息與電氣工程學院，北京100083）

　　摘  要： 針對目前北京地區大量接入的燃氣三聯供及光伏發電系統可以采取微電網形式就地消納，以并網型燃氣三聯供-光伏-儲能微電網系統為例，對熱負荷擾動下的系統運行狀態空間劃分，并根據狀態自適應完成單元下垂方式的選擇與下垂系數的設計，通過建立PCC點波動率的熵值優化模型，對PCC點的交換功率進行了實時優化，最后通過實例仿真驗證了所提調度及控制方法的正確性、有效性。

　　關鍵詞： 熱電聯供；微電網；熱負荷擾動；狀態轉換；優化調度；遺傳算法

0 引言

　　在北京2014年能源規劃中提出“創新模式，加快發展區域清潔供應體系”，將綜合重點功能區熱、電、冷需求，充分利用新能源新技術，提高產業功能區能源供應品質。北京市發改委2014年07月25日向社會發布了《北京市分布式光伏發電項目管理暫行辦法》，該文件要求重點推進在國家級新能源示范區、高端功能產業園區、商業設施及工業園區等建筑和構筑物上建設分布式光伏發電系統；積極結合農村城鎮化和新型農村社區建設分布式光伏屋頂系統。由此可見未來光伏分布式發電及冷熱電三聯供系統將成為北京市配電網接入的主要分布式電源形式，但目前燃氣三聯供系統主要從建筑節能與能源綜合效率提升角度考慮[1-2]，未考慮其在以熱定電模式并網后對公用電網的影響，綜合三聯供系統與光伏發電系統輸出功率擾動對配電網的影響暫無研究。為此，本文以左安門智能小區微電網運行數據為基礎，研究三聯供系統與光伏發電接入控制策略及優化調度模型，以實現與配電網聯絡線反送功率平滑，抑制其對配電網電壓穩定的影響。

1 微電網運行分層控制模式

　　典型的三聯供-光伏-儲能微網系統如圖1所示，目前分布式電源的控制方法研究，主要為集中控制和分散協調控制[3-6]。集中控制包含單元控制器和儲能系統中央控制器，依賴通訊線，便于與大電網并網運行時儲能系統的優化調度，但對控制系統及數據采集實時性要求較高；分散協調控制中各儲能控制單元間沒有通訊線聯系，主要采用并聯逆變器的下垂控制來實現離網運行時負荷功率的合理分配。

　　分布式電源的調度依靠微網能量管理系統中的儲能調度模塊，調度方法與微電網的結構和離/并網運行方式密切相關，對含有儲能裝置，可控負荷和可調度電源的微網的經濟性和穩定性有重要影響[7]。在圖1所示的分布式電源控制結構中，下級蓄電池組、光伏控制器包含孤島檢測裝置，雙向變流器根據離/并網狀態轉變控制方式；上級儲能系統中央控制器根據系統狀態、可用容量和分時電價下發調度指令。

2 微電網單元基本控制策略

　　在微電網孤島運行的情況下，并聯的儲能單元、微型燃氣輪機等常采用下垂控制的策略，間歇性微電源如光伏發電等和燃氣三聯供采用P-Q控制策略。本文采用下垂控制與反下垂控制結合的協調控制策略，即多個并聯逆變器中存在一個V-f控制的儲能逆變器采用P-V和Q-f下垂控制，其余P-Q控制的并網逆變器采用V-P和f-Q反下垂控制[8-10]。采用本方法優勢如下：

　　(1)在本方法中，微電網系統電壓/頻率作為P-Q控制的并聯逆變器的功率輸出參考信號，避免了多個并聯逆變器采用下垂控制時，線路阻抗可能引起有功和無功功率的耦合問題；

　　(2)由于間歇性微電源受到環境因素（如光照、溫度）隨機波動的影響，在微電網發電盈余的情況下，微電源采用反下垂控制方法線性的減少發電功率而不是簡單地斷開，可以對微電網隨機波動產生平抑作用，維持微電網功率平衡。

　　圖2所示為V-f控制的逆變器雙環下垂控制結構。逆變器內環采用V-f控制，其參考頻率V和參考電壓f由外環決定。逆變器信號測量模塊測量逆變器輸出的三相電壓ea、eb、ec和電流ia、ib、ic，外環根據輸出電壓電流計算輸出功率P和Q，并由此確定逆變器運行的參考頻率V和參考電壓f，V和f的確定方法如式(1)所示。

　　U=-KV(P-P0)+U0

　　f=-KW(Q-Q0)+f0(1)

　　式中KV、KW為下垂控制系數，U0、f0為額定電壓和額定頻率，P0、Q0為額定電壓和額定頻率下逆變器輸出的基準有功功率和基準無功功率。

　　逆變器內環采用P-Q控制，其參考有功功率P?鄢和參考無功功率Q由外環決定，并通過鎖相環實時跟蹤電網電壓和頻率。逆變器信號測量模塊測量逆變器輸出的三相電壓ea、eb、ec和電流ia、ib、ic，外環根據輸出電壓電流計算輸出參考功率P和Q，其計算公式如式（2）所示。

　　式中KP、KQ為反下垂控制系數，U0、f0為額定電壓和額定頻率，P0、Q0為額定電壓和額定頻率下逆變器輸出的基準有功功率和基準無功功率。

　　微電網下垂與反下垂結合的協調控制結構如圖3所示，圖中儲能單元采用下垂控制的方法。微電網協調控制器通過通訊線下發各個微電源的額定電壓/頻率和基準功率，通過動態調整儲能裝置的額定電壓頻率，將系統電壓頻率波動控制在設定的范圍內；通過動態調整微電源基準功率點，可以線性調節間歇性微電源輸出功率。本控制策略在微電網；離網且發電功率盈余時，維持系統穩定有重要意義。

3 適應熱負荷擾動的調度方法

　　在微電網的運行控制中，應當減小微網與大電網PCC處的交換功率以達到系統經濟性與穩定性，尤其是微網內部發電盈余向電網饋電時，微網PCC上游配置的保護可能出現誤動或拒動現象。本文為簡化分析過程，只以PCC處交換功率絕對值的平均功率偏差作為運行控制的分析指標，將微網饋電和受電進行同等考慮。優化模型中，儲能系統每時刻充放電功率Pess應為優化變量，因此優化可看作實時滾動優化的過程。定義時間窗口T，窗口內包含N個采樣點，則在窗口T內的控制優化目標F如式（3）所示。

　　式中Pmt(i)分別為i時刻微型燃汽輪機總輸出功率，分為供熱負荷及供電負荷功率；Ppv(i)為i時刻光伏輸出功率；Peqload(i)為i時刻微網內等效負荷功率，為熱負荷及電負荷之和；Pess(i)為儲能系統i的輸出功率，發出為正，吸收為負。

　　在上述滾動優化中，在每個時間窗口內的優化均獨立于其他窗口優化結果，但實際運行中，上一窗口優化下的儲能充放電序列將直接影響下一窗口內儲能充放電能力，進而制約優化效果，因此在整個時域內最后可能出現各窗口下的優化結果差異較大。為使總時域內各窗口優化結果差異較小，引入熵值以對系統混亂和無序狀態進行度量，當系統處于唯一狀態時，其有序程度最高，相應熵值最小為0，當系統處于多種狀態且等概率出現時，其有序程度最低，對應熵值最大。將上述求得各窗口下的F值按大小均分區間U={U1，U2，U3，…，Un}，則將本文熵值模型定義如下：

　　式中n為區間數，Fk.max、Fk.min分別為區間[Uk，Uk+1]內F最大值、最小值，?滋k為區間[Uk，Uk+1]內Fi出現的頻率。這里引入了F峰谷差值作為衡量F波動性大小的懲罰系數，即當峰谷差值較大時，即使F有序性較強，熵值依然會較大，只有當峰谷差值較小且F有序性較強時，熵值才會最小。

　　將式（4）作為外層優化目標如式（5）所示，式（3）作為內層優化目標，其優化流程圖如圖4所示。

　　根據儲能系統SOC限值及2倍額定充放電功率作為當前充放電功率的限值，即優化變量的約束條件如式（6）-式（8）所示。

　　0≤Pess.ch(i)≤2·Prate，2·Prate<Pess.max ch(i)

　　0≤Pess.ch(i)≤Pess.max ch(i)，2·Prate≥Pess.max ch(i)(7)

　　0≤Pess.dic(i)≤2·Prate，2·Prate<Pess.max dic(i)

　　0≤Pess.dic(i)≤Pess.max ch(i)，2·Prate≥Pess.max dic(i)(8)

　　式（6）中Pess.max ch(i)、Pess.max dic(i)為儲能根據當前i時刻SOC值及SOC大小限值SOCmax、SOCmin所確定的i時刻最大充、放電功率，其中rC、rD為儲能充、放電效率，δ為儲能自放電量，t為采樣時間間隔。式(7)、(8)分別為儲能當前充、放電功率的具體約束，在約束中將儲能額定充放電功率Prate考慮其中，認為儲能最大允許工作在2倍的額定充放電功率下。

　　式(7)、(8)通過2Prate與Pess.max ch(i)、Pess.max dic(i)的對比實際上縮小了優化變量的約束范圍，并通過i時刻充、放電的解耦約束進一步縮小了優化變量的搜索解空間，減小了優化計算量。

　　在優化算法中本文采用遺傳算法，其參數中交叉概率和變異概率選擇是影響遺傳算法行為和性能的關鍵所在，直接影響算法的收斂性，交叉概率越大，新個體產生的速度越快。然而交叉概率過大時遺傳模式被破壞的可能性越大，使得具有高適應度的個體結構容易遭到破壞；但如果交叉概率過小，會使搜索過程緩慢，以至停止不前。因此，改進一種交叉概率和變異概率隨適應度自動改變的自適應算法，改進后的交叉概率Pc和變異概率Pm如式(9)、(10)所示：

　　式中fmax、favg、f、f′分別為種群中最大適應度值、平均適應度值、兩交叉個體中較大的適應度值、要變異個體適應度值。此外在自適應算法中引入多位變異，可增加種群的多樣性。

4 仿真分析

　　本文所采用微電網結構、機組容量及儲能容量如圖5所示。光伏額定功率為100 kW，微型燃汽輪機額定功率為50 kW，儲能配置為100 kW/100 kWh。

　　優化計算中，選取一天為總計算時間長度，時間窗口T=5 min，采樣間隔取1 min，則每執行一次遺傳算法時，包含5個變量，遺傳種群個體取50，最大迭代次數取50，雜交、變異概率分別取0.9、0.05，離散精度取0.01。在儲能參數中，rC、rD分別為0.95、0.9，SOCmax、SOCmin分別為0.9、0.2，自放電率δ取0.02。定義如下方案：

　　(1)未接入儲能系統；

　　(2)接入儲能系統，進行優化計算，但不加入熵優化；

　　(3)接入儲能系統，進行優化計算，并接入熵優化。

　　運行優化程序，三種方案下F值曲線如圖6所示。方案(2)、(3)由于接入了儲能系統，因此各時間窗口下的F值遠小于方案(1)。又由于方案(3)對考慮了F的熵值函數，因此最終其F曲線的峰谷差、波動性均小于方案(2)。

　　進一步考察PCC點處的交換功率如圖7所示，由于熱負荷的擾動，方案(1)在未接入儲能下一些時刻出現尖刺情況，方案(3)由于通過對熵的優化進而調整了儲能充放電功率，使其更為合理，因此PCC點交換功率的平滑效果要優于方案(2)。方案(2)、(3)下儲能充放電曲線如圖8所示。

5 結論

　　燃氣三聯供系統與光伏發電從自身經濟性出發一般對電網表現為隨機性負荷，在總容量達到兆瓦級對配電網穩定具有明顯破壞作用，針對目前北京地區大量接入的燃氣三聯供及光伏發電系統可以采取微電網形式就地消納，本文以并網型燃氣三聯供-光伏-儲能微電網系統為研究對象，對熱負荷擾動下的系統運行狀態空間進行了劃分，并根據狀態自適應完成單元下垂方式的選擇與下垂系數的設計，建立了PCC點波動率的熵值優化模型，對PCC點的交換功率進行了實時優化，仿真結果表明本文的調度方法及控制策略能夠有效降低PCC點交換功率的波動性。

參考文獻

　　[1] 徐雅靜，陳斌，喬麗潔，等.燃氣三聯供系統在飯店中節能減排的應用分析[J].燃氣技術，2013，5(11)：23-26.

　　[2] 黃潔.區域分布式功能系統的政策問題[J].新能源技術，2012，33(5)：456-459.

　　[3] 徐丙垠，薛永端，李天友，等.智能配電網廣域測控系統及其保護控制應用技術[J].電力系統自動化，2012，36(18)：2-9.

　　[4] 張洋，王偉，李獻偉.基于有功缺額的微電網集中控制策略研究[J].電力系統保護與控制，2011，39(23)：106-111.

　　[5] 李建斌，蔡潤慶.基于集中-分散策略的分布式電源并網條件下的電力系統無功電壓控制[J].廣東電力，2014，27(6)：31-37.

　　[6] 許守平，候朝勇，王坤洋，等.分層控制在微網中的應用研究[J].電網與清潔能源，,2013，29(6)：39-45.

　　[7] 吳雄，王秀麗，劉世民，等.微電網能量管理系統研究綜述[J].電力自動化設備，2014，34(10)：32-27.

　　[8] 王成山，肖朝霞，王守相.微電網綜合控制與分析[J]．電力系統自動化，2008，32(7)：98-103．

　　[9] 王成山，高菲，李鵬，等.低壓微網控制策略研究[J].中國電機工程學報，2012，32(25)：2-8.

　　[10] 楊新法，蘇劍，呂志鵬，等.微電網技術綜述[J].中國電機工程學報，2014，34(1)：57-70.