宁夏回族自治区电力设计院有限公司 宁夏回族自治区银川市 750004
摘要：风光互补发电系统可以提高微电网系统的稳定性。为了提高微电网储能资源的合理配置，基于虚拟储能和动力弹簧的概念，提出了微电网风光储容量的双层优化配置方法，并利用改进的粒子群优化算法求解风光储容量的双层优化配置方法。最后，通过实例分析表明，该配置方法提高了微电网系统的调节能力，降低了电压偏移率。
关键词：风光储互补发电系统；微网；优化配置
1风力发电机、光伏电池与集中式储能数学模型
本文研究了微电网风光互补发电系统的最优容量分配方法。在本文研究的微电网风光互补发电系统中加入分布式虚拟储能，通过通信链路与微电网风光互补发电系统的能量交换系统相连，实现能量的等效排放或吸收，从而有效提高经济效益，促进储能资源的合理配置。本文分别研究了风力发电机、光伏电池和传统集中式储能的数学模型。
1.1风力涡轮机数学模型
风力发电机功率的数学模型为PWT（i）= 0v（I）< vin或v（I）> voutv（1），其中PWT（i）为第ith期风力发电机的平均输出功率；PWTr是风力发电机的额定输出功率；V（i）是第I期的平均风速；Vin为风电机组的切入风速；Vout是风力涡轮机的切出风速；Vr是风力发电机的额定风速。本文以15分钟为一个周期，将24小时分为96个周期。根据公式（1），风力发电机的发电量为WWT（i）= 0.25 wt（I），NWT（2），其中WWT（I）为风力发电机在第ith期的累计输出功率；NWT是风力涡轮机的数量。
1.2光伏电池的数学模型
光伏电池的能量输出为PPVH=ρQ××DηrSPPVr（3），其中Q为月平均太阳辐射量；η是光伏板的发电效率；ρ为能量转换系数，其值为3.6 mj/kwh；Dr是当月发电天数；s为光伏板面积；PPVr是光伏板的额定输出功率。基于公式（3），光伏电池发电的数学模型可以表示为WPV（i）=0.25×NPV×PPVH×PPVr（4），其中WPV（i）为光伏电池组在第ith时间段的总发电量；NPV是安装的光伏板数量。
1.3集中式储能数学模型
本文基于虚拟储能，对风光互补发电系统的容量优化进行了研究。其中，主配电储能中的主电网储能是以电池为主的集中式储能。当电池组处于充电状态时，其电量数学模型为e′bat（I）= Ebat（I）+[wwt（I）+wpv（I）-QL（I）]，γebat（I+1）= min { e′bat（I），Ebat_r≤}（5）Ebat（i）和Ebat（I+1）分别是电池组在I和I+1时间段开始时的实际存储电量；QL（i）是ith期间的负载功耗；Gamma是充电效率；Ebat_r是考虑放电深度后电池的实际可用容量。电池放电时，其电量的数学模型为e ' bat（I）= ebat（I）+[wwt（I）+wpv（I）-QL（I）]/ηout ebat（I+1）= max { e ' bat（I），0≤}（6），其中。
2基于虚拟储能的微电网风光储容量优化分配方法
提出了一种基于虚拟储能合作的微网风光储容量优化分配方法。首先，不考虑分布式虚拟储能，以年负荷正常运行率（NOPSP）为约束条件，以能量浪费率（LEP）和综合成本C为目标函数，求解微网风光储优化配置。然后引入分布式虚拟储能，以储能成本最优为目标进行二次优化，将一次优化结果中的部分储能配置替换为分布式虚拟储能。
2.1评价体系的建立
（1）1）NOPSP第一时段不平衡E（i）为E（I）= ebat（I）+wwt（I）+wpv（I）-QL（I）（8），其中E（i）>0，则该时段有剩余电量，否则，该时段负荷缺电。以mnospp（I）作为该时期负荷工作状态的指标，计算公式为nopsp = 365i = 1σ mnospp（I）365（9）
（2）LEP I的这段时间剩余电量计算公式为E1（I）= Ebat（I）+[wwt（I）+wpv（I）-QL（I）]γ（10）如果E1（i）>Ebat_r，此时电池充满电；否则，电池没有充满电，充电仍然可以继续。因此，能量浪费率LEP可以获得为LEP = ni = 1σMLEP（I）[E1（I）-ebat _ r]ni = 1σ[wwt（I）+wpv（I）]（11），其中MLEP（i）是能量浪费的标志。
（3）综合成本C在本文中，系统的投资成本为C=NWTCWT+NPVCPV+NbatCbat（12），其中CWT、CPV和Cbat分别为风力发电机组、光伏板和蓄电池的单价。NWT、NPV和Nbat分别是风力涡轮机、光伏板和电池的使用量。
2.2主要优化
基于改进的粒子群优化算法，微电网的风能和太阳能存储容量被优化一次[16]。设定的目标函数为minf1=σ+CB（13），其中σ为NOPSP的罚函数，其表达式为σ = AbignoPSP ≤ 0.90 NOPSP > 0。≤ 9（14），其中abig为1010，用于实现NOPSP满足大于0.9的约束条件，保证供电可靠性。CB用于实现多目标优化，具体为CB=ω1C+ω2LEP（15）：ω1和ω2分别为综合成本C和能源浪费率LEP的权重系数，其表达式为ωi=2j=1 aij仪器1/nNI = 1σ NJ = 1 aij仪器1/N，I = 1，2；J = 1，2（16），其中aij由判断矩阵A=（aij）2×2 [17]确定，表示综合成本C和能源浪费率LEP在目标计量中的比例。因为一次优化需要求解的变量是NWT，NPV，Nbat，所以PSO的搜索空间是三维空间，搜索空间中的任意位置都可以表示为x=[m1，m2，m3]（17）假设一个具有j个粒子的种群在三维搜索空间中进行搜索。粒子I在t迭代中的起始位置是xi=[xi_1（t），xi_2（t），xi_3（t）]（18）对应速度为νi=[νi_1（t），νi_2（t），νi_3（t）]（19）当个体最优位置pi_best（t）为第t次迭代时，优化目标f在粒子I历史轨迹中的位置最小。当全局最优位置pg_best（t）为第t次迭代时，种群中所有粒子的历史轨迹中最优目标f最小的位置。粒子I在t+1次迭代中的速度更新公式为νI（t+1）= wνI（t）+C1 R1[pi _ best（t）-Xi（t）]+c2r 2[pg _ best（t）-Xi（t）]（20），其中：w C1为跟踪自身最优位置的权重；C2是追踪全球最佳位置的砝码；R1和r2是在0~1范围内均匀分布的随机数。第t+1次迭代中粒子I的位置更新是xi（t+1）=xi（t）+rνi（t+1）（21），其中r是位置更新的约束因子。根据经验，在传统的粒子群优化算法中，惯性权重w可以是1，位置更新约束因子r可以是1，自我认知c1和社会认知c2都可以是2，r1和r2可以是[0~1] [18]的随机数。然而，传统粒子群优化算法中的参数除r1和r2外都是静态的，优化算法的全局搜索能力会受到一定的限制。为了提高粒子群优化算法的全局搜索能力，本文对传统的粒子群优化算法进行了改进，使用公式（22）所示的动态参数后，动态设置惯性权重w、位置更新约束因子r、自我认知c1和社会认知c2 [19]，公式为w=1+randbetween（-0.5，0.5）（22）r=1+randbetween（-0.5，0.5）（23）C1 = 2+randbetween（-1，1）C2 = 2+randbetween（-1，11）（24）
2.3基于虚拟储能的二次优化
将基于动力弹簧的分布式虚拟储能引入微电网风光互补发电系统，并考虑其与集中式主储能的配合进行二次优化。微网储能成本最优目标函数为min F2 = n′bat cbat+n″bat 220 ebat _ r24c′bat+n″bat 220 ebat _ r24pc（25），其中n′bat为电池个数；n“bat”为相当于等容量电池的虚拟储能电池数量；C'bat是虚拟储能设备的单价；Pc是向参与虚拟储能调节的用户提供的补偿，其表达式为PC = PC _ 10≤n " bat 220 ebat _ r24 < p1pc _ 2p 1≤n " bat 220 ebat _ r24 < p2pc _ 3p 2≤n " bat 220 ebat _ r24 < p3pc _ 4n " bat 220 ebat _ r24当当期在p1和p2之间时，补偿价格为pc_2元/W；当期在P2和P3之间时，补偿价格为pc_3元/W；大于P3时，补偿价格为pc_4元/w，假设一次优化后储能配置结果为Nb，约束条件为n′bat+n″bat = Nb（27）。改进的粒子群优化算法的计算过程与第一次优化相似，只是第一次优化的搜索空间维数是三维的，第二次优化的搜索空间维数是二维的。
3结论
针对微网风光储容量优化配置中只考虑集中式储能的问题，首先分析了微网风光储的数学模型，然后研究了分布式虚拟储能技术，提出了基于动力弹簧的虚拟储能概念。利用改进的粒子群优化算法，详细阐述了基于虚拟储能的微网风光储容量优化分配方法。最后，以IEEE30节点微电网系统为例，验证了该方法的有效性。本文提出的方法能够实现连续平滑的功率控制，促进微网储能资源的合理配置。在虚拟储能优化下，电压偏移率降低。
参考文献：
[1]王耀华，焦冰琦，张富强，等.计及高比例可再生能源运行特性的中长期电力发展分析[J]．电力系统自动化，2017，41（21）：9-15.
[2]田蓓，顾雨嘉，王峰，等.可再生能源发电系统虚拟惯量动态控制仿真模型[J]．可再生能源，2018，36（11）：1692-1696.
[3]任洛卿，白泽洋，于昌海，等.风光储联合发电系统有功控制策略研究及工程应用[J]．电力系统自动化，2014，38（7）：105-111.
[4]涂炼，刘涤尘，廖清芬，等.计及储能容量优化的含风光储配电网可靠性评估[J]．电力自动化设备，2015，35（12）：40-46.
[5]王皓怀，汤涌，侯俊贤，等.风光储联合发电系统的组合建模与等值[J]．中国电机工程学报，2011，31（34）：1-9.[6]何俊，邓长虹，徐秋实，等.基于