风力发电无储能型微电网能量管理方法研究

风力发电无储能型微电网能量管理方法研究

李鹏飞

广州兆和电力技术有限公司 广东省广州市 510000

摘要：科技的进步，促进人们对能源需求的增多。近年来，随着光伏发电和风力发电的装机容量进一步提高，其出力的不确定对大电网造成了冲击。微电网是一种包含有高比例可再生能源的电气互联系统。由微电网承担利用消耗可再生能源的任务，大电网再与微电网进行交互，可以在保证大电网安全稳定的前提下，提高可再生能源的利用水平，提高经济效益和环境效益。为了减小可再生能源对系统的经济性和稳定性造成不利的影响，微电网需要对其中的各种发电和用电设备进行管理，以满足稳定性、经济性和安全性要求。能量管理是保证微电网运行经济性的重要手段。针对微电网内的分布式发电单元、储能单元和可控发电单元及部分负荷等进行控制，结合微电网结构建立先进的管理方法，提高微电网对高比例可再生能源的应对能力，保证运行经济性和可靠性。本文就风力发电无储能型微电网能量管理方法展开探讨。

关键词：风力发电；无储能型微电网；能量管理方法

引言

为了满足社会绿色环保的要求，越来越多清洁能源发电采用分布式电源的形式并入到现代电力系统中。近年来，随着我国风电装机容量的快速增长，并入电网及远距离输电等方面的问题越来越突出。由于考虑到主体电网电能稳定等因素，部分已并网的风电场被限制发电的情况时有发生，部分风电场的电能损失高达30%，严重影响风电行业的发展。

1微电网能量管理控制结构

1. 分布式控制结构。不同于集中式结构，分布式结构微电网中没有中央控制器的概念。分布式结构意味着参与微电网能量管理的个体之间都是独立的，这种情况下需要个体与个体之间进行协商，共同完成能量管理的任务。因此，每个个体的地位都是等同的。如何协调参与的个体，使得能量管理任务能够有序的完成，是需要分布式结构微电网能量管理系统解决的问题。（2）集中式控制结构。集中式控制结构常见于小型微电网。集中式结构微电网通常采用主从控制，设有一个中央控制器和多个从控制器。中央控制器负责从微电网中收集数据，并向从控制器发出指令信号。控制器根据接收到的指令，调整控制设备。中央控制器需要维护系统安全、满足负荷需求，并在各种约束条件下，以系统利润最大、损耗最小等多种目标，对系统中的分布式电源和负荷进行调节，并负责将指令下发给系统中各个从控制器。

2风力发电无储能型微电网能量管理方法

2.1遗传算法

遗传算法（GeneticAlgorithm,GA）是借鉴自然进化规律启发演化而来的随机化搜索方法，遗传算法通常用于生成优质和搜索问题的高质量解决方案，依赖于生物启发预算符，主要通过选择、交叉和变异进行群体的更新优化，直至得到最终的最优的结果。适应度函数由于系统对于参数的依赖性，导致参数的微妙变化直接对结果造成影响。

2.2入网电能控制算法设计

入网电能的控制具体可以根据微电网系统运行状态及电网调度指令划分为两种模式。第一种模式：当微电网系统目前处于孤岛运行状态，电网调度要求系统并网提供电能PG。此时第一层控制器接受到并网需求指令，将信息传送给中央控制器，同时第二层将实时记录的负荷功率P_L与风电机组预测功率P_y进行整合计算得出可入网功率并将数据通过第一层上传电网调度。为了减少机组同时启动带来的冲击，控制系统采用逐一启动风机及逆变器组的方法，该方法通过第三层和第四层实现。逐一启动机组的同时需实时对比预测功率P_y曲线和实际发电功率P_s曲线，若启动过程中∆(P_s-P_y)或∆(P_s-P_G)的值大于0，则按计划入网发电，否则及时更新数据提醒电网调度更改计划。其中，单台风力发电机输出功率预测算法，该方法能有效地对风机短期出力进行精准预测，符合控制系统的要求。第二种模式：当微电网系统并网运行时，电网调度要求系统增加或者降低入网电量。假设系统实时的入网功率为P_s，电网调度指令需增加或降低功率∆P_G。指令为增加功率时，第二层首先向中央控制器传输预测的发电功率P_y曲线和本地负荷功率P_L曲线，通过计算得出预测可增加的功率∆P_y，若满足(∆P_y-∆P_G)>0，则第四层控制风电机组增加输出功率，此时实时增加的功率值为∆P_wts，并且呈上升状态，如果∆(∆P_wts-∆P_G)的值大于0，则入网计划不变，否则需根据实际功率调整入网计划。指令为降低功率时，第二层记录实时发电量和负荷用电量，中央控制器根据第二层传输的数据向第四层发送指令，在满足入网电量和负荷用电的条件下，第四层降低风力发电机的输出功率或者停止部分风机发电。该控制方法的优点在于电网调度可以根据控制系统上传的可并网电能数据调整整体的调度计划，并且电网调度通过数据评估可以决定微电网系统入网电量的多少，多余电能则由微电网系统自行调度控制，既保证了电网整体的稳定性，又减少了产能过剩导致的能量浪费。

2.3一致性算法

一致性算法是指互联网络内的每个个体都具有同一个全局变量，但是初始值互不相同。通过迭代的方法协调网络中的个体，以使每个个体的全局变量趋于一致。根据一致性算法，将整个系统分成三个主要层级：可再生能源发电层、储能层和传统设备层。通过求解基于一致性算法的经济调度问题，对同一层内的设备之间进行相互协调控制，不同层之间的互动则采用负载跟随策略。通过该种方式对微电网内分散的发电单元进行调控，实现了自动调度，降低了电压波动。由于分布式电源类型众多，其发电成本具有差异。传统下垂控制未考虑不同分布式电源的发电成本差异，造成系统成本过高，提出了基于一致性算法的分布式经济控制方法。该方法考虑了线路损耗，通过控制分布式电源线损边际成本一致，降低发电成本。同时提出了利用虚拟边界成本控制节点电压的方法。

2.4独立微电网的电源优化配置模型

在独立微电网的电源优化配置过程中，需要考虑两个基本问题:微电网场景模型和电源容量优化模型的建立。对于微电网的场景模型，当前国内外研究大多是基于历史数据或典型日场景来建立的，电源配置结果只是针对历史场景的最优配置，对风光出力的随机场景的适用性无法保证。采用基于GAN的随机场景模拟生成法和基于K-中心点的场景聚类消减的场景分析方法，从历史场景中学习特征并生成新的场景，再聚类出典型场景，以解决考虑风光出力随机性的微电网电源容量优化配置问题。

结语

微电网能量管理是提高运行经济性的关键技术。为了使电源容量配置更加符合实际，需要根据实际风光资源情况来进行微电网的电源容量配置。合理优化配置风光储容量，既可以提高系统稳定性，又可以降低系统成本，以此来优化微电网结构并提高可再生能源利用率，提高电网供电可靠性。

参考文献

[1]刘俊杰,谢冬冬.微电网技术的研究与应用[J].科技经济导刊,2020,28(06):84.

[2]李建林,郭斌琪,牛萌,修晓青,田立亭.风光储系统储能容量优化配置策略[J].电工技术学报,2019,33(06):1189-1196.

[3]于东霞,张建华,王晓燕,高源.并网型风光储互补发电系统容量优化配置[J].电力系统及其自动化学报,2019,31(10):59-65.

[4]李晓青,王小会,李慧玲.基于NSGA-Ⅱ的并网型风光互补发电系统协调控制[J].测控技术,2019,36(12):86-89+92.

[5]刘畅，卓建坤，赵东明，等.利用储能系统实现可再生能源微电网灵活安全运行的研究综述[J].中国电机工程学报，2020，40(1)：1-18.