基于双层优化的微电网系统光储容量配置方法

doi:10.16513/j.2096-2185.DE.2409110

基于双层优化的微电网系统光储容量配置方法

李嘉丰^,, 王莹, 程晓绚, 熊显智, 孙纪康

西安西电电力系统有限公司，陕西省　西安市　710065

Configuration Method of Photovoltaic Storage Capacity in Microgrid System Based on Bi-Layer Optimization

LI Jiafeng^,, WANG Ying, CHENG Xiaoxuan, XIONG Xianzhi, SUN Jikang

Xi'an XD Power Systems Co., Ltd., Xi'an 710065, Shaanxi Province, China

收稿日期: 2023-09-15

Received: 2023-09-15

作者简介 About authors

李嘉丰(1991)，男，硕士，工程师，研究方向为微电网、综合能源系统规划与设计，lijf@xd.cee-group.cn； , E-mail：lijf@xd.cee-group.cn

王　莹(1998)，女，学士，助理工程师，研究方向为微电网、综合能源系统规划与设计；。

程晓绚(1972)，女，硕士，教授级高级工程师，研究方向为微电网、储能系统设计以及综合能源系统整体解决方案设计；。

熊显智(1988)，男，硕士，高级工程师，研究方向为微电网及综合能源系统设计及优化；。

孙纪康(1992)，男，硕士，工程师，研究方向为新型能源体系及综合能源系统规划设计。

摘要

针对工业园区供电容量不满足用电负荷需求的情形，通过研究微电网系统用电策略，提出一种微电网双层优化模型。优化模型外层建立光伏-储能系统经济效益模型，以投资回收期、内部收益率作为经济效益的评价指标；内层以微电网、负荷、储能系统的运行状态等作为约束条件，同步考虑分布式光伏、储能系统与负荷间的配合，以供电可靠性作为评价指标，设置储能系统充放电运行策略。选取西北地区某工业园区作为应用场景，对优化模型求解，得到微电网系统最优容量配置。同时，对比分析改进优化方案和满足持续供电的储能容量配置方案，发现所提储能容量配置可实现最优经济效益，结合实际验证了该模型的有效性和可行性。

关键词： 微电网 ; 储能容量配置 ; 双层优化 ; 光伏-储能系统经济效益模型 ; 可靠性

Abstract

Through researching the power consumption strategy of microgrid, a bi-layer optimization model for microgrid is proposed in response to the situation that the power supply capacity of industrial parks cannot meet the demand for electricity loads. In the outer layer of the optimization model, an economic benefit model of photovoltaic-energy storage system is established, and the model uses payback period and internal rate of return as evaluation indicators of economic benefits. In the inner layer, the operating states of the microgrid, load, and energy storage system are taken as constraint conditions, and the cooperation between distributed photovoltaic, energy storage system and load is considered synchronously, and the model uses power supply reliability as an evaluation index to set up charging and discharging operation strategies of battery storage system. This paper selects an industrial park in the northwest region as the application scenario, and solves the optimization model to determine the optimal capacity configuration of the microgrid system. At the same time, by comparing and analyzing between the improved optimization scheme and the energy storage capacity configuration scheme that meets continuous power supply, it is found that the proposed energy storage capacity configuration can achieve optimal economic benefits, and its effectiveness and feasibility of the model are verified in practice.

Keywords： microgrid ; storage capacity allocation ; bi-layer optimization ; economic benefit model of photovoltaic-energy storage system ; reliability

PDF (8528KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

李嘉丰, 王莹, 程晓绚, 熊显智, 孙纪康. 基于双层优化的微电网系统光储容量配置方法. 分布式能源[J], 2024, 9(1): 80-88 doi:10.16513/j.2096-2185.DE.2409110

LI Jiafeng, WANG Ying, CHENG Xiaoxuan, XIONG Xianzhi, SUN Jikang. Configuration Method of Photovoltaic Storage Capacity in Microgrid System Based on Bi-Layer Optimization. Distributed Energy[J], 2024, 9(1): 80-88 doi:10.16513/j.2096-2185.DE.2409110

0　引言

随着世界经济的快速发展，传统能源供应日渐紧张，环境污染问题亟待解决，以化石燃料为基础的传统能源已难以满足人类社会的需求^[1]。各国开始把目光投向新型清洁能源的发展，可再生能源发电技术已成为解决传统能源问题的必然选择^[2,3,4,5]。

光伏发电是利用半导体界面的光生伏特效应而将太阳能直接转变为电能的一种技术，成为替代传统化石能源的理想方案。近年来，分布式光伏开始爆发性增长。截至2022年底，分布式光伏装机达51.11 GW，同比增长207.9%，已连续2年超过集中式光伏电站，成为中国光伏最迅猛、最具潜力的增长点。分布式能源具有可再生、绿色清洁等优点，但与传统电源仍具有较大差别，存在输出的不确定性和间歇性等缺点^[6,7,8,9,10]，会对电网的安全稳定运行造成较大的影响。

为确保系统的安全稳定运行，实现分布式光伏全部自发自用的需求，微电网系统将成为一个有效的解决方案。它集成了分布式光伏系统(distributed photovoltaic，DPV)、电池储能系统(battery energy storage system，BESS)及用电负荷，具有环境污染小、线路损耗小、与环境的兼容性好且发电灵活等优点。其中，储能系统凭借其可充可放的运行特性，实时调节平滑系统波动，有效克服了光伏和风电输出功率的波动性，提高了可再生能源的消纳^[11]，成为新能源替代的关键，与新能源发展可互补利用。当前，中国已有近30个省份出台了新型储能规划或新能源配置储能文件，大力开展“新能源＋储能”协调配置工作。截至2022年底，中国新型储能累计装机规模突破10 GW，同比增长128%，市场规模呈突破性增长。

近年来，国内外专家对微电网设备容量的规划进行了大量研究^[12,13,14]，提出了一系列容量优化配置方法。文献[15]针对风光蓄互补发电系统，提出一种容量优化配置方法，对风、光、蓄电池的容量进行最优配置。针对系统独立和并网运行，利用风光互补特性和分时段优化策略，得出只需较小的蓄电池容量即可满足高供电可靠性，满足负荷需求，并验证了入网功率的波动性。文献[16]考虑了储能系统的内部特性，根据不同约束条件和优化目标，建立了3种优化方案，验证了基于储能系统内部特性建模方法的有效性。文献[17]分别提出了并网型和独立型微电网双层优化模型。上层采用了基于非支配排序遗传算法Ⅱ(non-dominated sorting genetic algorithm Ⅱ，NSGA-Ⅱ)的多目标遗传算法计算最优配置，下层采用混合整数线性规划算法计算最优运行方案。文献[18]基于带精英策略的非支配排序遗传算法，在新能源高渗透环境下对电-氢储能进行优化配置，并以最小生命周期成本(life cycle cost，LCC)、系统网损、联络线功率偏差、负荷波动和电压波动为目标建立了多目标优化模型。文献[19]建立了光伏储能系统双层优化模型。上层模型以年综合费用成本最小作为优化目标，优化分布式光伏和储能系统配置容量；下层模型以系统网损最小作为优化目标，优化储能系统安装地点。

然而上述文献存在未考虑储能系统自身特性(如荷电状态(state of charge，SOC)、充放电功率)、微电网经济性(如系统寿命、设备替换成本等)、微电网供电可靠性影响，及分布式光伏出力、储能出力、电网供电的用电策略的差异性影响。本文综合考虑微电网工程的建设技术和经济性问题，技术的可行性能确保微电网工程能否顺利建立，经济性分析则可衡量微电网能否投资建设，通过2个维度的综合考虑可合理确定微电网容量配置。

本文针对园区电网供电容量不满足用电负荷需求的情形，设置系统用电策略，提出微电网系统模型；对微电网系统的经济优化配置进行仿真研究，设置目标函数，并综合考虑微电网经济性和可靠性指标。通过对储能系统的自身特性(如剩余容量、充放电功率等)、系统功率平衡、分布式光伏出力和储能出力等约束条件的研究，对系统不满足持续性供电的情形，引入切除部分非重要负荷的思想，提出微电网供电可靠性目标函数的计算方法。同时，从微电网经济性运行角度出发，计及设备的投资和运行维护成本、用户的度电成本，提出微电网经济性目标函数的计算方法。最后，通过算例验证该策略的有效性和可行性。

1　微电网系统模型

本研究所描述的微电网系统拓扑图如图1所示。微电网是由分布式光伏系统、储能系统、控制系统和相关负荷等汇集而成的小型发配电系统，可为区域内负荷供电，利用储能装置和控制保护装置实时调节以平滑系统的波动，维持网络内部的发电和负荷的平衡，保证电压和频率的稳定，是一个能实现自我控制、保护和管理的自治系统。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 微电网系统拓扑图

Fig.1 Topology diagram of a microgrid system

建立微电网模型，针对电网供电容量不满足用电负荷需求的场景，在确保微电网经济效益最优的同时尽量保证用电需求的持续性供电，制定光伏系统、储能系统及电网协同出力的用电策略。但是，由于分布式光伏系统的发电量受装机容量及天气等因素影响，在电源侧容量不足以保证负荷供电时，需要切除部分非重要负荷以保证系统的持续供电。建立含光伏(photovoltaic，PV)和BESS的微电网系统模型。

(1)当t时刻光伏系统发电量P_PV(t)大于等于t时刻用电负荷功率P_L(t)，即P_PV(t)≥P_L(t)时，储能系统存入光伏出力后的剩余电量，进行充电。在t时刻的充电功率P_cbat(t)、t＋1时刻储能系统荷电状态S_SOC(t＋1)及t时刻断电切负荷P_cut(t)分别为

(1) ${\begin{array}{l} P_{cbat} (t) = min {P_{PV} (t) - P_{L} (t), P_{BESS}, \\ \frac{E_{BESS} (S_{SOCmax} - S_{SOC} (t))}{Δ t}} \\ S_{SOC} (t + 1) = S_{SOC} (t) + \frac{η_{c} \int_{t}^{t + 1} P_{cbat} (t) d t}{E_{BESS}} \\ P_{cut} (t) = 0 \end{array}$

式中：η_c为储能系统充电效率；P_BESS为储能系统额定功率；E_BESS为储能系统额定容量；S_SOC(t)为t时刻储能系统荷电状态；Δt为该运行阶段的运行时常；S_SOCmax为储能系统荷电状态最大值。

(2)当P_PV(t)与电网供电量P_W(t)之和大于等于P_L(t)，即P_PV(t)＋P_W(t)≥P_L(t)时，由电网P_W(t)补充供电，储能系统储存电量，进行充电。此时P_cbat(t)、S_SOC(t＋1)及P_cut(t)分别为

(2) ${\begin{array}{l} P_{cbat} (t) = min {P_{W} (t) + P_{PV} (t) - P_{L} (t), P_{BESS}, \\ \frac{E_{BESS} (S_{SOCmax} - S_{SOC} (t))}{Δ t}} \\ S_{SOC} (t + 1) = S_{SOC} (t) + \frac{η_{c} \int_{t}^{t + 1} P_{cbat} (t) d t}{E_{BESS}} \\ P_{cut} (t) = 0 \end{array}$

(3)当P_PV(t)＋P_W(t)<P_L(t)时，储能系统释放电量，进行放电。此时t时刻的放电功率P_dbat(t)及S_SOC(t＋1)、P_cut(t)分别为

(3) ${\begin{array}{l} P_{dbat} (t) = min {P_{L} (t) - P_{W} (t) - P_{PV} (t), P_{BESS}, \\ \frac{E_{BESS} (S_{SOC} (t) - S_{SOCmin})}{Δ t}} \\ S_{SOC} (t + 1) = S_{SOC} (t) - \frac{η_{d} \int_{t}^{t + 1} P_{dbat} (t) d t}{E_{BESS}} \\ P_{cut} (t) = P_{L} (t) - P_{PV} (t) - P_{W} (t) - P_{dbat} (t) \end{array}$

式中：η_d为储能系统放电效率；S_SOCmin为储能系统荷电状态最小值。

2　微电网容量优化模型

2.1　优化容量配置的评估指标

为综合评估微电网系统容量配置，本文采用双层优化模型算法，综合考虑了经济性和可靠性指标；提出了微电网供电可靠率计算方法，以供电可靠率指标衡量系统的可靠性。微电网系统的经济效益是指研究时段内扣除系统成本后的系统净收益，依此构建生命周期成本收益经济模型。并以投资回收期(payback periods，PBPs)和内部收益率(internal rate of return，IRR)指标衡量光伏-储能系统经济效益^[20]。

2.1.1　经济性评估指标

(1)初始投资成本。

微电网投资运行总成本由设备初期投资费用、设备年替换费用和年维护运行费用3个部分构成。年维护运行费用又由设备年维护费用、燃料费用、弃光惩罚费用、缺电惩罚费用4部分构成。因此，微电网成本目标函数为

(4) $C = min (C_{F} (r, L) (C_{I} + C_{R}) + C_{Y})$

式中：C为微电网折算到1年的投资运行总成本；C_F(r，L)为等年值设备投资费用折算率，r为折现率，L为项目运行期；C_I为设备初期投资费用；C_R为设备替换费用；C_Y为微电网年维护运行费用。

C_F(r，L)的计算公式为

(5) $C_{F} (r, L) = \frac{r {(1 + r)}^{L}}{{(1 + r)}^{L} - 1}$

C_I的计算公式为

(6) $C_{I} = N_{PV} C_{PV} + N_{BESS} C_{BESS}$

式中：N_PV为光伏电池板的数量；N_BESS为储能电池的数量；C_PV和C_BESS分别为光伏电池板和储能电池的购买单价。

C_R的计算公式为

(7) $\begin{array}{l} C_{R} = & max ((\frac{L}{L_{PV}} - 1), 0) N_{PV} C_{PVR} + \\ max ((\frac{L}{L_{BESS}} - 1), 0) N_{BESS} C_{BESSR} \end{array}$

式中：L_PV和L_BESS分别为光伏电池板和储能电池的实际运行寿命；C_PVR和C_BESSR分别为光伏电池板和储能电池的单台替换成本。

微电网实际运行过程中，针对系统弃光量P_cut-PV(t)和P_cut(t)进行统计。引入弃光惩罚系数和缺电惩罚系数，共同计入设备维护运行费用。C_Y的计算公式为

(8) $\begin{array}{l} C_{Y} = & C_{PV_main} N_{PV} + C_{BESS_main} N_{BESS} + \\ σ \sum_{t = 1}^{8760} P_{cut} (t) + ε \sum_{t = 1}^{8760} P_{cut - PV} (t) \end{array}$

式中：C_{PV_main}为光伏电池板单台维护成本；C_{BESS_main}为储能电池单台维护成本；σ为缺电惩罚系数；ε为弃光惩罚系数。

(2)投资回收期。

PBPs是指项目投产后获得的收益总额达到该投资项目投入的投资总额所需要的时间(年限)^[21]，反映投资者的收支平衡时刻。IRR是指净利润占投资成本的比值。本文主要考虑了分布式光伏系统加上储能系统后的综合收益。根据微电网的C_I、C_Y、C_R及光储系统收益C_e，可计算投资回收期P_PBPs和内部收益率I_IRR如下：

(9) $P_{PBPs} = \frac{C_{I} + C_{Y} + C_{R}}{C_{e}}$

(10) $I_{IRR} = \frac{C_{e}}{C_{I} + C_{Y} + C_{R}}$

2.1.2　可靠性评估指标

在某些极端情况下分布式电源出力之和无法满足用电负荷需求时，需切除部分非重要负荷。根据系统运行情况，1年的切负荷总量需有一个上限，这个上限值越小，系统供电可靠性越高^[22]。国际上普遍采用负荷缺电率(loss of power supply probability，LPSP)来衡量系统供电可靠性，定义为

(11) $\begin{array}{l} L_{LPSP} = & (\sum_{t = 1}^{8760} P_{L} (t) - \sum_{t = 1}^{8760} P_{W} (t) - \sum_{t = 1}^{8760} P_{PV} (t) - \\ \sum_{t = 1}^{8760} P_{bat} (t)) / \sum_{t = 1}^{8760} P_{L} (t) \end{array}$

式中P_bat(t)为储能系统充放电功率。

2.2　微电网系统优化配置模型

2.2.1　目标函数

本文以微电网系统经济性和可靠性综合评估指标最小为目标函数：

(12) $f = min (C (P_{BESS}, E_{BESS}) + I (P_{BESS}, E_{BESS}))$

式中：C(P_BESS，E_BESS)为微电网系统经济性(投资回收期)指标；I(P_BESS，E_BESS)为微电网系统可靠性(供电可靠率)指标。

(1)经济性目标函数。

(13) $\begin{array}{l} C (P_{BESS}, E_{BESS}) = & λ_{IRR} \frac{I_{IRRmax} - I_{IRR}}{I_{IRRmax}} = \\ λ_{PBPs} \frac{P_{PBPs} - P_{PBPsmin}}{P_{PBPs}} \end{array}$

式中：λ_IRR和λ_PBPs分别为IRR和PBPs在目标函数中所占权重；I_IRRmax为微电网系统容量配置最优收益率；P_PBPsmin为微电网系统容量配置最短投资回收期。

(2)可靠性目标函数。

(14) $I (P_{BESS}, E_{BESS}) = λ_{LPSP} \frac{max (1 - L_{LPSP}) - (1 - L_{LPSP})}{max (1 - L_{LPSP})}$

式中λ_LPSP为可靠性在目标函数中所占权重。

2.2.2　约束条件

(1)电源最大装机容量约束。

考虑分布式电源实际占地面积和负荷峰值情况，光伏电池板、储能电池数量的上限分别为

(15) ${\begin{array}{l} N_{PV} \leq N_{PVmax} \\ N_{BESS} \leq N_{BESSmax} \end{array}$

式中N_PVmax和N_BESSmax分别为N_PV和N_BESS的上限。

(2)功率平衡约束。

考虑部分时段系统功率缺额，微电网应满足功率平衡约束式：

(16) $P_{L} (t) - P_{cut} (t) \leq P_{PV} (t) + P_{bat} (t) + P_{W} (t)$

(3)储能系统SOC约束。

储能系统充放电荷电状态应满足

(17) $S_{SOCmin} \leq S_{SOC} \leq S_{SOCmax}$

(4)储能系统最大充放电功率限制。

储能系统最大充放电功率约束应满足

(18) $P_{bat} \leq P_{BESS}$

2.2.3　微电网运行优化策略

根据装机容量约束式确定光伏、储能系统容量配置范围，即可确定光伏、储能系统的各种容量组合。本文针对用电负荷需求大于电网供电的微电网系统，设置系统运行策略。

微电网运行期间，对光伏系统发电功率和用电负荷需求功率进行日前预测，输出储能系统充放电功率曲线。遵循优先光伏系统出力、其次电网出力、最后由储能系统出力的用电策略。为保证用电负荷的持续性供电，若出现功率不平衡或储能系统无法放电的情况，引入切负荷策略，根据负荷等级分类情况对可中断负荷从最末级开始进行逐级切除，直至系统功率平衡时停止切负荷。最后，建立微电网模型，输出不同组合下的目标函数值。

3　算例分析

3.1　算例基础数据

选取中国西北地区某工业园区作为算例，该园区拟配置光伏系统和储能系统，根据当地政策文件及园区内部用电需求情况，光伏发电采用全自发自用、不上网模式，预测该地区全年光照强度、电负荷需求情况。按照本文所述方法建立模型，并进行比较分析及优化配置的深入研究。本文所建模型的输入条件如表1，表2，表3所示。

表1 园区分时电价

Table 1 Time-of-use power price of the park

电价类别	电价/[元·(kW·h)^－1]
谷时电价(23：00—08：00)	0.214 87
平时电价(11：00—17：00，22：00—23：00)	0.492 72
峰时电价(8：00—11：00，17：00—22：00)	0.773 95

新窗口打开| 下载CSV

表2 光伏组件参数

Table 2 Parameters of photovoltaic modules

项目	参数
类型	多晶硅
单位容量价格/[10⁴元·(MW·h)^－1]	400
功率/MW	40
寿命/a	25
光电转化效率/%	16.5
衰减率/%	2(第1年)，0.4(其余时间)

新窗口打开| 下载CSV

表3 储能电池参数

Table 3 Parameters of energy storage battery

项目	参数
单位容量价格/[10⁴元·(MW·h)^－1]	180
充电效率/%	85
放电效率/%	85
荷电状态最小值	0.1
循环次数	8 000
运行维护费用率/%	1
充放电深度/%	90
设备替换年限/a	10

新窗口打开| 下载CSV

根据园区内企业负荷曲线，拟合园区全年用电负荷，得出全年用电量为22万MW·h，最大负荷功率为44 MW，最大负荷年利用小时数为4 975 h，年负荷预测曲线如图2所示。输出不同装机容量光伏全年发电功率，根据园区光伏发电装机容量约束条件，园区最大光伏装机约为40 MW，图3是40 MW的光伏发电功率预测曲线。园区电网供电接入容量为24 MW，电网供电容量不满足园区用电负荷需求，因此当电源容量不满足负荷需求时，考虑切除部分非重要负荷，保证系统运行稳定。对全年8 760 h进行仿真模拟，并选取20年作为工程寿命周期。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 年负荷预测曲线

Fig.2 Forecasting curve of annual loads

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 年光伏发电预测曲线

Fig.3 Forecasting curve of annual PV power

3.2　独立微电网光储配置结果

利用微电网优化模型，依据全年光伏发电曲线及负载功率曲线，进行仿真分析。园区光伏装机容量遵循“应铺尽铺”的原则，光伏系统最大铺设装机容量为40 MW，以式(12)所示目标函数f作为优化配置目标，配置结果如图4所示。可见，光伏装机容量越高，微电网目标函数值越优，因此园区设置光伏系统装机容量为40 MW。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 微电网系统容量配置仿真结果

Fig.4 Simulation results of microgrid system capacity configuration

当光伏系统装机容量为40 MW时，得到目标函数值情况如图5所示，对应微电网系统储能容量配置最优点结果如表4所示。设置供电可靠率和IRR所占权重，输出不同的目标函数值。方案1是IRR权重为100%时选取的配置结果，此时系统IRR最高，储能容量配置结果为14 MW·h；方案2是供电可靠率权重为100%时选取的配置结果，此时系统供电可靠率最高，储能容量配置结果为20 MW·h；方案3是供电可靠率和内部收益率权重相同时(均为50%)选取的配置结果，储能容量配置结果为15 MW·h，实现了微电网系统光储容量配置的全局最优。

表4 微电网系统优化配置结果

Table 4 Optimal configuration results of the microgrid system

优化方案	光伏装机容量/MW	储能容量/(MW·h)	目标函数值f/%	供电可靠率/%	IRR/%	投资回收期/a
方案1	40	14	0.000 0	98.18	8.71	9.92
方案2	40	20	0.000 0	98.51	8.61	11.66
方案3	40	15	0.001 6	98.24	8.70	9.91

新窗口打开| 下载CSV

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 目标函数曲线

Fig.5 Curves of objective functions

为进一步说明本文优化结果的有效性，对满足持续供电的储能容量配置方案与改进优化方案进行比较说明，如表5所示。系统持续性供电方案的思想为储能容量配置能完全满足用电负荷需求，该方案会造成储能容量配置过高，经计算需配置625 MW·h的储能电池，储能系统全年的容量使用情况如图6所示，该方案造成前期投资成本过大。而采用改进优化方案，依托所提微电网用电运行策略，当光伏系统出力、电网供电满足用电负荷需求时，多余电量给储能充电，储能系统只充不放；当光伏系统出力、电网供电不满足用电负荷需求时，储能系统开始出力以保证系统供电平衡；同时，增加了切负荷补偿机制和弃光惩罚机制，考虑按照1.277 5元/(kW·h)的切负荷补偿^[23]、0.6元/(kW·h)的弃光惩罚标准进行计算，最终需配置15 MW·h的储能电池，储能系统全年容量使用情况及3个典型日储能系统容量使用情况如图7所示。说明加入切负荷补偿和弃光惩罚的成本与储能系统持续性供电所需的成本相比，成本大大降低。此时，系统综合供电可靠性和IRR目标函数最优，储能配置容量可减少96%。

表5 储能配置结果比较

Table 5 Comparison of energy storage configuration results

优化方案	光伏容量/MW	储能容量/(MW·h)	供电可靠率/%	初始投资成本/(10⁷元)	运维成本/(10⁷元)	IRR/%	投资回收期/a
持续供电方案	40	625	100.00	128.5	1.12	－7.62	—
改进优化方案	40	15	98.24	18.7	0.03	8.70	9.91

新窗口打开| 下载CSV

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 持续供电方案储能电池SOC状态图

Fig.6 SOC state diagram of energy storage battery for continuous power supply scheme

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 改进优化方案储能电池SOC状态图

Fig.7 SOC state diagram of energy storage battery for the improved optimization scheme

图8(a)为3个典型日的光伏出力、储能出力、用电负荷曲线，其中：储能出力为负代表充电，为正代表放电。光伏系统发电量充足或电网供电满足用电需求后，储能系统储存多余电量，进行充电；光伏系统和电网供电不满足用电负荷需求时，储能系统释放电量，进行放电。该过程可有效平滑系统波动，减少资源浪费和系统缺电时间，提高了微电网供电可靠性。图8(b)为改进优化方案的全年系统功率。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8 改进优化方案功率曲线

Fig.8 Power curves of the improved optimization scheme

4　结论

本文针对工业园区电网供电容量不满足用电负荷需求的场景开展研究，对光伏系统和储能系统进行详细建模，综合考虑系统供电可靠性和内部收益率，实现了微电网系统光储容量配置的全局最优效果，得出以下结论：

(1)微电网采用切除部分非重要负荷方案的储能容量配置远小于保证微电网持续性供电方案的储能容量配置。在无法满足全部负荷持续供电时，可引入对切除的负荷进行经济补偿的方式降低储能容量配置，从而提升系统的经济性。

(2)在实际运行中，本文提出的优化策略可根据实际情况进行调整以达到整个系统的经济性最优。其中，随着目标函数中经济性权重的增加，投资回收期缩短，供电可靠率下降，储能容量配置逐渐减少，算例验证了本方案的合理性。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

DONG

, WU

, XU

, et al.

Optimal coordination of hydrogen-based integrated energy systems with combination of hydrogen and water storage

[J]. Applied Energy, 2022, 308: 118274.