采用改进细菌觅食算法的风光储混合微电网电源优化配置百度概要.docx
《采用改进细菌觅食算法的风光储混合微电网电源优化配置百度概要.docx》由会员分享，可在线阅读，更多相关《采用改进细菌觅食算法的风光储混合微电网电源优化配置百度概要.docx（20页珍藏版）》请在冰豆网上搜索。
采用改进细菌觅食算法的风光储混合微电网电源优化配置XX概要
第31卷第25期中国电机工程学报Vol.31No.25Sep.5,2011
2011年9月5日ProceedingsoftheCSEE©2011Chin.Soc.forElec.Eng.17文章编号:
0258-8013（201125-0017-09中图分类号:
TM61;TM732文献标志码:
A学科分类号:
470·40
采用改进细菌觅食算法的
风/光/储混合微电网电源优化配置
马溪原,吴耀文,方华亮,孙元章
（武汉大学电气工程学院,湖北省武汉市430072
OptimalSizingofHybridSolar-windDistributedGenerationinanIslandedMicrogrid
UsingImprovedBacterialForagingAlgorithm
MAXiyuan,WUYaowen,FANGHualiang,SUNYuanzhang
（SchoolofElectricalEngineering,WuhanUniversity,Wuhan430072,HubeiProvince,China
ABSTRACT:
Windandsolarenergyhavethecharacteristicsofrandomnessandwaviness.Asthecoordinationamongdistributedgeneration（DG,energystoragesandloadsisverycomplicated,propercombinationofDGinanislandedmicrogridisaprimaryproblemforitsreliabilityandeconomy.Thispaperusedthebacterialforagingalgorithm（BFAtosolvetheoptimalsizingproblemofhybridsolar-windDGinmicrogrid.Theeconomicmodelofoptimalsizingwasbuiltwiththeobjectivethattakesannualcostsofequipment,operationandmaintenance,fuels,environmentprotectionintoaccount.Themeteorologicalconditionsofwindspeed,solarradiationandtemperaturewereinput.AccordingtoalternativesofDGandpowersupplyreliability,thetypesandoptimalsizingofDGweredesigned.TheresultsshowtheBFAhasastrongglobaloptimalcapabilityandfastspeed.ThismethodcancomprehensivelyevaluatetheeconomyefficiencyofDGandreduceredundantinvestmenttosatisfycustomer’sdiversificationofreliabilityrequirementsaccordingtometeorologicalconditions.
KEYWORDS:
microgrid;bacterialforagingalgorithm;optimalsizing;distributedgeneration
摘要:
风能和太阳能具有随机性和波动性的特点,由分布式电源、储能装置、负荷组成的微电网协调运行与控制十分复杂,对孤岛运行的微电网合理地配置电源以提高供电可靠性、经济性是微电网规划建设的一个首要问题。
将改进的细菌觅食算法（bacterialforagingalgorithm,BFA应用到解决
基金项目:
中央高校基本科研业务费专项资金资助（201120702020010。
ProjectSupportedbytheFundamentalResearchFundfortheCentralUniversities（201120702020010.风/光/储混合的全年孤岛运行的微电网电源优化配置问题中,建立了计及设备投资成本、运行和维护成本、燃料成本、环保折算成本的微电网电源优化配置模型,以年风速、气温、光照强度作为输入,根据不同的用户供电可靠性和备选电源要求,得到微电网电源的类型及其容量的最优方案,结果表明改进的细菌觅食算法具有全局最优搜索能力强、寻优速度快的特点。
该方法可以全面评估各种分布式电源的经济性,根据微电网建设地点的气象条件、投资成本等降低微电网电源的冗余投资,满足用户定制的多样化可靠性要求。
关键词:
微电网;细菌觅食算法;最优容量;分布式电源
0引言
微电网在提高终端用户多样化的供电可靠性、电能质量等方面具有重要作用[1]。
随着微电网控制技术的持续发展和可再生能源发电成本的不断降低,微电网可以表现为一个孤岛独立运行的有源自治电力系统实现节能减排[2]。
微电网也是解决现代新农村电气化的经济供电方式,避免了远距离输电带来的电能损耗和建设费用[3],也可以应用于边远军事哨所、岛屿供电、高海拔独立电网等特殊场合,是对传统供电形式的有利补充。
在微电网规划中,合理的电源选型和定容是一个重要和复杂的问题[4]:
1经济性。
分布式电源的效率、设备成本、安装成本、运行和维护成本、燃料成本、全寿命周期等都需要考虑。
光伏列阵、风机的设备一次投资很高。
在当今国际能源紧张的形势下,燃料成本也很高。
18中国电机工程学报第31卷
2环保性。
风能和太阳能虽然不存在燃料和环保成本,但输出功率受自然因素（如风速、光强等的影响而呈现随机性和波动性。
微型燃气轮机、柴油发电机、燃料电池的发电效率低,能耗大且破坏环境。
3响应特性。
微型燃气轮机和燃料电池等均具有响应速度慢和无惯性的特点,需要在母线加装储能以跟踪负荷的变化;同时储能装置能够跟踪风能和太阳能的出力变化进行充放电,提高供电连续性和可靠性。
4系统性。
不同的运行方式（如并网或孤岛、不同的控制手段、不同的可靠性要求也会改变配置的结果。
目前,分布式电源的选址、选型、定容是微电网规划阶段中需要考虑的首要问题,国内外一些学者对其进行研究,取得了一些理论和实践方面的成果。
文献[5]考虑了网损、电压改善程度和环境改善程度以优化电源选址和容量;文献[6]提出一种含多种复合能源的分布式发电系统成本最低的机组组合模型;文献[7]建立了将分布式发电作为备用电源的电源容量优化配置模型,考虑了经济性、可靠性和环保性。
但文献[5-7]均未考虑风能、太阳能的随机性和波动性给分布式电源优化配置带来的影响以及储能的容量配置问题,只将不可再生分布式发电作为配电网的一个备用电源。
本文研究了含风机、光伏列阵、储能装置及其他类型分布式电源的全年孤岛运行的微电网电源容量优化配置方法,以总投资最少为目标函数,以供电可靠性等为约束条件,将微电网电源的优化配置问题转化为一个多约束条件的非线性整数规划问题,采用改进的细菌觅食算法求解该优化问题。
1风/光/储混合的微电网电源模型
1.1风/光/储混合的微电网
风/光/储混合的微电网可以由风机、光伏列阵、储能装置、微型燃气轮机、柴油发电机、燃料电池等分布式电源及其逆变器和控制器组成,由公共连接点与配电网相连。
本文假定微电网电源及其储能装置采用先进的电力电子装置作为接口接入微电网,能够快速跟踪负荷、风能和太阳能出力等的变化,实现“即插即用”,同时微电网有能力根据电源的出力及时调整负荷的大小,可平稳运行在孤岛模式下[8-9]。
其结构示意图如图1所示。
柴油发电机
微型
燃气轮机
燃料电池
蓄电池组
图1微电网示意图
Fig.1Microgridandcomponents
1.2风机模型
风电机组的输出功率与风速之间的近似关系
可用如下分段函数[10]表示:
ci
cir
WT
rrco
co
0,0
（,
（
0,
vv
vvvv
Pv
Pvvv
vv
η
≤≤
⎧
⎪≤≤
⎪
=⎨
≤≤
⎪
⎪≤
⎩
（1
式中:
vci为切入风速;vco为切出风速;vr为额定风
速;Pr为风力发电机组额定输出功率。
当风速介于
vci和vr之间时风力发电机输出功率可以表示为风速
函数η（v,一般可以近似为线性关系,即
η（v=Pr（v−vci/（vr−vci（2本文采用美国BergeyWindpower公司Bergey
Excel型风机[11],根据厂家数据其Pr为10kW,vci
为2.5m/s,vr为12m/s,vco为18m/s。
1.3光伏列阵模型
光伏列阵实际输出功率可由标准额定条件下
的输出功率、光照强度、环境温度得到[12]:
c
PVSTCcSTC
STC
[1（]
G
PPkTT
G
=+−（3
式中:
PPV为工作点的输出功率;光伏组件厂商通
常会给出标准额定条件（standardtestcondition,STC
下的运行参数,STC特指太阳辐照度GSTC为
1kW/m2,电池表面温度TSTC为25℃,相对大气光
学质量为AM1.5的条件[13];Gc为工作点的辐照度;
k为功率温度系数;PSTC为标准额定条件下光伏列
阵的额定输出功率,若nPV为光伏列阵的光伏电池
总数,pstc为光伏电池的额定输出功率,则PSTC=
第25期马溪原等:
采用改进细菌觅食算法的风/光/储混合微电网电源优化配置19
nPVpstc;Tc为工作点的电池表面温度,它是环境温度Ta和风速的函数[12]:
Tc=Ta+αGc（4其中系数α为风速v的指数函数:
312（ecvfvccα==+（5
式中c1、c2、c3为常系数。
本文采用SOLAREX公司MSX-83型光伏电
池,其额定输出功率为83W。
1.4储能装置模型
本文使用蓄电池组作为储能元件,储能控制器可以快速控制储能装置充放电来跟踪负荷的变化。
蓄电池实际可用容量Ebat是电池温度的函数:
Ebat=ESTC[1+δ
B（Tbat−TbatST
C]（6
式中:
Tbat为工作点蓄电池温度,即为环境温度Ta;ESTC为标准状况下蓄电池的额定容量,通常由厂家提供参数;标准状况下温度TbatSTC为25℃;δ
B为
容量温度系数,通常情况下为0.6%[14]。
在电池的充放电过程中需考虑2个约束条件:
1确保蓄电池的寿命和运行安全。
SSOC为电池充电状态（stateofcharge,SOC,是储能控制器防止电池过度充电和过度放电的一个重要决策变量。
当SSOC达到电池最大容量（即Smax=100%时,储能控制器控制电池停止充电,当SSOC达到电池最
小充电状态时,储能控制器控制电池停止放电,Smin通常是电池容量的20%,即
ESOC,
t+1=E
升级会员 