微电网混合储能系统容量优化配置的研究

阚 聪，李庆鸿，张 东，解文成

(安徽理工大学 电气与信息工程学院，安徽 淮南 232001)

在微电网系统中，风、光等分布式能源存在着随机与不可控性，因此，为了保证微电网中的储能负荷和用电量匹配，储能装置也必须进行合理的配置。这样能在改善系统稳定性的同时提高系统中电能的供需平衡度。但因为各种储能单元价格有差异且储能效果不同，在选择储能装置的时候，应在保证储能容量的最优配置下，获得最高的经济效益。混合储能系统不仅能有效解决微电网中自调节能力差、体积小、电压骤降或跌落等问题，而且能提高用电可靠性。

1 储能装置模型

1.1 蓄电池组能量模型及功率

设蓄电池组额定电压Usb(V)；单体容量Csb(Ah)；连接个数Nsb，可存储的电量为：

Esb=0.001NsbCsbUsb

(1)

令γ为其放电深度，单次循环组可放电能为：

Esb=0.001NsbCsbUsbγ

(2)

令η为充电效率，充电过程所需电能为：

Esbch=0.001NsbCsbUsbγ/η

(3)

一般情况下，蓄电池输出功率为：

Psb=0.0001NsbCsbUsb

(4)

1.2 超级电容器能量模型及功率

设单个元件额定电压为Uuc(V)，电容为Cuc(F)，那么其存储的电能为：

(5)

其工作电压的上下限为Uucmax、Uucmin。当把Nuc个元件件进行串联之后，一次可以提供的电能为：

(6)

令充电效率为γ，单次充电所需电能

(7)

令lucmax为每个元件运行时电流的峰值；Pucmax为功率峰值，输出功率为：

Pucmax=NucUucmaxIucmax

(8)

2 容量优化模型的建立

2.1 目标函数的建立

以供电可靠性作为配置储能装置的首要目标，在保证可靠性的同时，把储能装置的初始建造费用最少作为目标函数。其中，初始建造费用包括蓄电池的投资费用和超级电容器的投资费用。

设置连续性要求：①出站连续性指引：屏蔽门到站台出站楼扶梯口之间设置出站连续指引。②换乘连续指引：屏蔽门至换乘通道/楼扶梯口处之间设置换乘连续指引。

minf=y(1)asb+y(2)auc

(9)

2.2 目标优化的约束方程

(1)发电盈余的约束

设第x月盈余电能最多，用E(i)表示，n为当月的天数。设装置的恢复时间为t1，而容量不应该大于盈余电能的平均值，如公式(10)所示：

Esb+Euc≤t1E(i)/n

(10)

(2)发电不足的约束

假设第y月盈余的电能最多，用E(j)表示，n为当月天数。设t2为系统自给的时间，容量不应该小于缺额电能的平均值，如公式(11)所示：

Esb+Euc≥t2E(j)/n

(11)

(3)功率不足的约束

在混合储能装置中，考虑到各部件的特性，可以采用基于电池和超级电容器的工作模式为具有意外冲击负载的用户供电。当只有储能装置提供电能时，储能装置的输出功率不能低于负荷峰值，公式如下：

Psb+Puc≤pLmax

(12)

(13)

式中：Psb为蓄电池功率；Puc为超级电容功率；t为保持时间；PLmax为冲击负荷时的输出功率。

3 粒子群算法的改进

尽管PSO算法通用性强且易于收敛，但精度比较差，且收敛速度低。而在改变粒子的更新速度时通常会采用变惯性权重，这样可以避免算法出现早熟的现象。因此在算法进行迭代时，利用线性递减惯性权重，即：

ω(σ)=ωstart(ωstart-ωend)(Tmax-σ)/Tmax

(14)

式中：ωstart是最初搜索速度；σ是当前计算次数；Tend是最后搜索速度；Tmax是最大计算次数。

“权重”ωstart为0.9，“权重”ωend为0.4时，算法具有最佳的搜索功能，其中典型的惯性权重包括：

(15)

(16)

(17)

4种惯性权重的变化如图1所示。

图1 4种惯性权重的变化

4 算例分析

4.1 参数设置

利用MATLAB仿真软件，在某离网运行的风光互补微网中，对其进行容量优化配置要求，参数如下：

蓄电池：额定容量320 AH，额定电压2 V，放电深度0.85，充放电效率0.85，成本280元。

超级电容器：额定电压2.6 V；工作时电压谷值0.85 V；充放电效率0.95；最大输出电流1 500 A；成本1 500元。

假设某地区最大盈余月份平均每日盈余电能为35 kWh；最大缺额月份平均每日缺额电能为35 kWh。把储能单元的参数代入到目标函数及约束方程中，算法优化过程中，设粒子规模为100，加速因子c1=c2=1.495 5，权重系数ω由大到小变化。

4.2 仿真分析

PSO寻优过程图如图2和图3所示。算法经过改进之后，避免了出现早熟现象，同时提高了系统的精度与效率。容量优化结果如表1所示。

表1 储能装置容量优化结果

图2 优化前的迭代过程 图3 优化后的迭代过程

与恒定ω相比，动态变化的寻优过程在前期收敛慢，取值较大，这样全局的搜索功能不会降低，在算法进行到后期时，由于惯性权重较小，在进行局部搜索，精度会大大提高，这样会避免算法出现局部最优解。

通过表1可知，采用混合储能可以大大减少蓄电池的数量，同时利用了超级电容器能够吞吐大功率的能力，保证了微电网供电的可靠性，而且使整个系统的投资成本更小。

5 结 语

对微电网和超级电容器的输出功率做出建模，为了能让一次投资成本最小，保证微电网供电经济性，确定了其各个方面的约束函数，为了能够解决这些问题，用粒子群算法进行求解，并对算法进行了改进，算法经过改进之后，局部搜索能力提高，从而避免了算法出现早熟。