提示：点击上方“电力系统自动化“↑关注本刊微信

该文为国家自然科学基金资助项目成果，2016年10月发表于MPCE第4卷第4期。

引文信息：

KONG Xiangyu, BAI Linquan, HU Qinran, et al. Day-ahead optimal scheduling method for grid-connected microgrid based on energy storage control strategy[J]. Journal of Modern Power Systems and Clean Energy, 2016, 4(4): 648–658.

Day-ahead Optimal Scheduling Method for Grid-connected Microgrid Based on Energy Storage Control Strategy

基于储能控制的并网型微电网日前优化调度方法

DOI：10.1007/s40565-016-0245-0

作者：孔祥玉，白临泉，胡秦然，李方兴，王成山

1

不同电力市场环境或者电价机制下，微电网如何充分利用储能的潜力进行能量管理？

并网型微电网作为分布式电源与主网之间的缓冲层，通过有效的能量管理和控制能够减小风能和光伏等间歇性分布式电源对主网的冲击。当前，在电力系统市场化改革不断深入的大环境下，并网型微电网的能量管理需要将主网价格体系及其自身的运行控制特点相匹配。微电网控制中心基于控制范围内的分布式发电和负荷预测，根据与其连接主网的购售电价格（电力市场环境下为次日市场清算价格的预测）进行日前优化调度，将微电网次日的有功功率差额总体情况作为考虑对象进行发电、负荷、储能的控制计划。实际运行中，含有不确定性的可再生能源往往优先利用且采用最大发电。在这种情况下，如何充分利用自身储能设备的潜力，充电或将富余电量接入主网从而提高运行的经济性，同时考虑如何维持微电网稳定运行，具有非常重要的意义。

2

如何构建微电网内基于储能的能量平衡及其物理约束和运行成本情况？

将储能设备允许的荷电状态（State of Charge, SOC）离散化，在允许工作区平均分为N份，形成状态集合S，在此基础上分析储能设备的荷电离散状态移过程。

图1  储能设备的荷电离散状态转移过程

若k-1阶段储能设备的荷电状态集合记为Sk-1，对于k阶段，其决策允许集合Sk∈S的边界值，可由式(1)获得：

式中：max(·)和min(·)表示获得集合中的最大和最小值。

若以xk描述k阶段储能的充放电量，其值和阶段初始状态sk-1及阶段决策变量sk相关。储能设备所需要的充放电功率量由其自身的充放电特性和前一阶段的状态共同决定，从状态sk-1到sk，储能充放电量为：

式中，Qmax为储能设备的容量；σsdr为储能设备的自放电率；ηC和ηD为储能介质的充电和放电效率。

储能设备具有自放电现象，且充放电会有损耗产生折旧费用。在进行放电时，储能设备的运行成本可表示为：

式中：ρBk为由于储能自放电所损失的电量价格，可用微电网购电价格描述；σsdrskρBk描述的是该阶段内储能设备自放电所产生的费用。储能设备的充放电整个过程作为一个周期，ρR为将充、放电过程各记录一半的折旧价格，该价格与设备的购置、安装成本及使用寿命有关。

3

如何基于储能控制实现微电网日前优化调度？

（a）基于
储能控制的微电网日前优化调度模型

优化调度的主要思路是：在离散化的时间段内，基于每个阶段分布式发电和负荷的预测情况，通过各阶段储能状态sk 的连续动态决策，实现微电网能量管理周期内收益最大或成本最小。每个阶段当sk确定后，xk和wk（wk为k阶段微电网和主网之间的能量交换）即相应确定，同时各阶段的运行成本也将确定。

第k阶段总的能量运行成本vk(sk)，可由下式获得：

至k阶段，整个能量管理周期内的优化调度成本为：

式中：fk-1*(sk-1)为第k阶段的优化调度最优结果。s0和f0*(s0)是储能设备的初始条件，f0*(s0)为达到s0状态所需要的费用。

（b）模型的求解方法

上述模型本质是以微电网储能设备荷电状态为决策点，以各阶段的运行成本为路径长度，在满足微电网能量平衡的基础上寻找整个能量管理过程的最小路径（运行费用）。模型求解的过程如图2所示。求解中基于微电网调度管理结束时段不同的储能状态，通过各个阶段的储能设备SOC变化[sk-1, sk]，可获得相对应的优化调度方案和各个阶段的xk和wk。逆向搜索储能优化调度方案的过程如图3所示。每个阶段获得的过程结果都是当前状态的最小运行成本，可以为运行人员提供有价值决策辅助信息。

图2  模型的多阶段求解的过程

图3  优化调度方案的逆向搜索过程

4

算例分析

本文结合实际微电网仿真系统论证该方法的应用效果。微电网控制过程为：首先按照以热定电的方法对微电网内热负荷进行调度，然后将燃气轮机发出的电能并入光伏发电作为电源，再应用本文算法进行调度。若负荷中有制冷要求，则由电动压缩机补充微燃机所产生的冷负荷不足部分，并将电动压缩机所消耗的电量并入负荷。设定调度周期前后保持储能设备内储能量维持不变，荷电状态均为20%，获得的基于储能控制的并网型微网日前优化调度结果如图4所示，图中设置储能放电为功率的正方向。

图4 基于储能控制的并网型微网日前优化调度结果

由于微电网各时段的购电成本不同，通过储能设备的优化调度，使整个运行周期费用最小。储能设备充电主要集中在23至29时段（5:00-7:00）和71和72时段（17:30- 18:00）两部分，体现的作用略有不同。前者是将富裕的电能进行存储，并在分布式发电不足时刻发电；后者则是基于系统的分时电价，在低电价时段进行充电，在高价时段放电。储能设备放电主要是在分布式发电电量不足且电价为高峰和尖峰时刻进行。由于充放电效率的影响，导致每次充放电会有一定的损耗，算法的调度过程不会出现频繁充放电现象。在算例周期内，储能设备充放电共计19次，共充电84.23 kWh，共放电75.99 kWh，全过程自放电及充放电效率损耗电能8.24 kWh。储能设备的各项指标（如储能折旧成本ρR、充放电效率和自放电率等）通过式（3）影响储能的运行成本。当ρR=0时，本算法获得结果与已有不考虑储能折旧成本的算法一致。

5

结论

本文针对并网型的微电网运行受外界市场环境影响，提出一种基于储能平衡的并网型微电网日前优化调度方法，其特征在于：（1）由于将微电网接入的市场环境因素限定于各阶段的成本函数建模中，该控制算法具有良好的鲁棒性和广泛的适用性，应用场景不受市场结构影响；（2）本文中的模型详尽地考虑了包括微电网购电价格、分布式发电和运行成本、储能设备的自放电、充放电效率、储能折旧等一系列实际因素；（3）本文所采用的微电网能量管理优化控制求解方法能够快速获得各阶段储能不同状态下的最优运行成本，并提高微电网能量管理优化调度的经济性。

作者介绍

孔祥玉，博士，副教授，天津大学电气与自动化工程学院硕士生导师。主要研究方向：电力系统控制与优化运行、新能源应用和智能配用电技术等。

白临泉，美国田纳西大学电气工程系在读博士。主要研究方向：电力市场、综合能源系统规划与优化运行等。

胡秦然，博士，哈佛大学工程与应用数学学院任博士后研究员。主要研究方向：电力市场、电力系统优化等。

李方兴，博士，美国田纳西大学教授（终身教职）及CURENT研究中心的校区主任。2001-2005年在美国ABB公司工作，历任高级工程师，首席工程师。担任或曾担任国际期刊IEEE Transactions on Sustainable Energy、IEEE PES Letter、 Journal of Modern Power Systems and Clean Energy、CSEE  JPES的编委， IEEE Transactions on Smart Grid的客座编委，IEEE PESPSPI（电力系统规划与实现）委员会的副主席，北美华人电力协会2013-2015届主席等。主要研究方向：可再生能源并网、电力市场和分布式能源等。。

王成山，博士，天津大学电气与自动化工程学院教授、博士生导师、院长。国家重点基础研究项目（973计划项目）首席科学家，教育部长江学者奖励计划特聘教授，国家杰出青年基金获得者。中国电机工程学会常务理事、学术委员会委员，天津市电力学会副理事长，教育部电气工程及其自动化专业教学指导委员会委员等。国际大电网会议（CIGRE）和国际供电会议（CIRED）中国国家委员会委员。主要研究方向: 电力系统安全性与稳定性、城市电力系统运行与规划、分布式发电与微网。

轻点下面蓝字, 可以查看相关微文

【MPCE】2016年第4卷第4期

【MPCE】储能系统与电力系统运行灵活性专题 主编寄语

【MPCE】中国电科院 姚良忠，杨波，崔红芬等：储能技术及其在电力系统中应用的挑战与进展

【MPCE】清华大学 陈来军，梅生伟，卢强等：压缩空气储能系统综述与展望

【MPCE】丹麦科技大学 尤石， 胡俊杰等：实时电力市场环境下氢储能系统的经济效益评估

【MPCE】东南大学、美国阿贡国家实验室 王颖，周至，张凯锋等：考虑电池老化的风电—电池系统随机协调运行

郑重声明: 根据国家版权局相关规定, 纸媒、网站、微博、微信公众号转载、摘编本微信作品, 需包含本微信名称、二维码等关键信息, 并在文首注明《电力系统自动化》原创。个人请按本微信原文转发、分享。

点击左下角“阅读原文”获取原文