• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于長(zhǎng)期運(yùn)行模擬的獨(dú)立型微網(wǎng)規(guī)劃方案動(dòng)態(tài)評(píng)估

      2016-12-27 06:34:22曹曉宇王建學(xué)成宏亮
      電工技術(shù)學(xué)報(bào) 2016年21期
      關(guān)鍵詞:微網(wǎng)元件動(dòng)態(tài)

      曹曉宇 王建學(xué) 張 忠 成宏亮

      (陜西省智能電網(wǎng)重點(diǎn)實(shí)驗(yàn)室(西安交通大學(xué)電氣工程學(xué)院) 西安 710049)

      ?

      基于長(zhǎng)期運(yùn)行模擬的獨(dú)立型微網(wǎng)規(guī)劃方案動(dòng)態(tài)評(píng)估

      曹曉宇 王建學(xué) 張 忠 成宏亮

      (陜西省智能電網(wǎng)重點(diǎn)實(shí)驗(yàn)室(西安交通大學(xué)電氣工程學(xué)院) 西安 710049)

      為了評(píng)估獨(dú)立型微網(wǎng)對(duì)于運(yùn)行條件逐年動(dòng)態(tài)變化的適應(yīng)度,提出一種基于長(zhǎng)期運(yùn)行模擬的微網(wǎng)規(guī)劃方案動(dòng)態(tài)評(píng)估方法。首先建立動(dòng)態(tài)評(píng)估的多時(shí)間尺度理論框架,并從可靠性、經(jīng)濟(jì)性、高效性、環(huán)保性等多個(gè)方面構(gòu)建方案評(píng)估的指標(biāo)體系。然后提出適應(yīng)動(dòng)態(tài)評(píng)估的長(zhǎng)期運(yùn)行模擬方法,在全壽命周期層面通過(guò)動(dòng)態(tài)模型模擬外部環(huán)境與內(nèi)部結(jié)構(gòu)因素的逐年變化,在年運(yùn)行層面通過(guò)序貫蒙特卡洛法模擬短期不確定性因素的隨機(jī)變化。針對(duì)獨(dú)立型風(fēng)光柴儲(chǔ)微網(wǎng)算例,通過(guò)與國(guó)際常用微網(wǎng)規(guī)劃軟件HOMER的結(jié)果對(duì)比,驗(yàn)證所提方法的正確性和有效性。算例結(jié)果表明,所提動(dòng)態(tài)評(píng)估方法可以在不同場(chǎng)景下得到規(guī)劃方案的綜合指標(biāo)結(jié)果和時(shí)序指標(biāo)集,比靜態(tài)評(píng)估更加全面、靈活,能夠?yàn)槲⒕W(wǎng)規(guī)劃及其擴(kuò)展方案的制定提供科學(xué)合理的依據(jù)。

      獨(dú)立型微網(wǎng) 動(dòng)態(tài)評(píng)估 長(zhǎng)期運(yùn)行模擬 多時(shí)間尺度

      0 引言

      隨著分布式發(fā)電與儲(chǔ)能技術(shù)的日益成熟,獨(dú)立型微網(wǎng)(stand-alone microgrid)在解決偏遠(yuǎn)地區(qū)的供電問(wèn)題上得到了廣泛應(yīng)用。引入微網(wǎng)可以合理利用當(dāng)?shù)氐那鍧嵞茉窗l(fā)電,逐步取代以小型燃料機(jī)組為主的高耗能、高排放的傳統(tǒng)孤島供電模式[1]。為了滿足電能質(zhì)量要求并提高微網(wǎng)的經(jīng)濟(jì)與環(huán)境效益,在投建前應(yīng)針對(duì)備選規(guī)劃方案進(jìn)行評(píng)估與比較,作為規(guī)劃決策的依據(jù)。

      在微網(wǎng)規(guī)劃方案評(píng)估中應(yīng)能夠體現(xiàn)分布式電源與儲(chǔ)能的各自特點(diǎn),并充分考慮以孤島系統(tǒng)為整體的協(xié)調(diào)運(yùn)行策略[2]。文獻(xiàn)[3,4]采用準(zhǔn)穩(wěn)態(tài)仿真法,根據(jù)已有的負(fù)荷與氣象數(shù)據(jù)逐時(shí)模擬微網(wǎng)全壽命周期內(nèi)的新能源出力與運(yùn)行策略。該方法雖然能給出較為完整的評(píng)估結(jié)果,但無(wú)法計(jì)及新能源出力、負(fù)荷等的隨機(jī)波動(dòng),屬于確定性評(píng)估方法。由于微網(wǎng)運(yùn)行受大量不確定性因素影響,更有效的評(píng)估方法是對(duì)微網(wǎng)未來(lái)運(yùn)行進(jìn)行概率性模擬。文獻(xiàn)[5]建立了計(jì)及風(fēng)光荷預(yù)測(cè)誤差與元件故障停運(yùn)的微網(wǎng)功率不確定性模型。文獻(xiàn)[6]則借助虛擬發(fā)電廠(Virtual Power Plant,VPP)進(jìn)行微網(wǎng)概率性建模,并采用非序貫蒙特卡洛模擬評(píng)估微網(wǎng)可靠性;考慮到微網(wǎng)運(yùn)行狀態(tài)間的時(shí)序相關(guān)性。文獻(xiàn)[7,8]在分布式電源時(shí)序模型的基礎(chǔ)上采用序貫蒙特卡洛模擬(Sequential Monte Carlo Simulation,SMCS)進(jìn)行可靠性評(píng)估。文獻(xiàn)[9]在SMCS的算法框架下加入負(fù)荷與儲(chǔ)能的協(xié)調(diào)優(yōu)化模型,研究了用戶用電習(xí)慣與儲(chǔ)能運(yùn)行特性對(duì)微網(wǎng)可靠性的影響。文獻(xiàn)[10,11]進(jìn)一步將概率性模擬用于經(jīng)濟(jì)性、環(huán)保性等微網(wǎng)其他性能的評(píng)估中。除了上述不確定性因素外,系統(tǒng)特征的逐年變化也會(huì)對(duì)微網(wǎng)長(zhǎng)期運(yùn)行造成影響。例如,負(fù)荷增長(zhǎng)會(huì)造成可靠性下降,能源價(jià)格波動(dòng)會(huì)影響微網(wǎng)運(yùn)行的經(jīng)濟(jì)效益,更換老化元件將產(chǎn)生額外成本等。若要考慮這些重要參數(shù)變化對(duì)微網(wǎng)長(zhǎng)期運(yùn)行的影響,就要求從靜態(tài)評(píng)估拓展到動(dòng)態(tài)評(píng)估,并針對(duì)不同時(shí)間階段評(píng)估規(guī)劃方案對(duì)于系統(tǒng)核心參數(shù)變化的適應(yīng)性。當(dāng)初始規(guī)劃方案無(wú)法適應(yīng)某一階段的系統(tǒng)變化時(shí),還應(yīng)根據(jù)評(píng)估結(jié)果對(duì)電源配置與運(yùn)行策略[12]進(jìn)行階段性調(diào)整,形成擴(kuò)展規(guī)劃方案。全方位、多時(shí)間尺度的動(dòng)態(tài)評(píng)估[13],才能更加適用于獨(dú)立型微網(wǎng)規(guī)劃及其擴(kuò)展方案的評(píng)估與比較。

      本文將針對(duì)現(xiàn)有概率性評(píng)估理論做進(jìn)一步擴(kuò)展,綜合考慮逐年變化系統(tǒng)特征與短期不確定性因素對(duì)獨(dú)立型微網(wǎng)運(yùn)行的影響,提出了微網(wǎng)規(guī)劃方案的動(dòng)態(tài)評(píng)估方法。本文主要完成兩項(xiàng)工作:①立足于時(shí)間與指標(biāo)兩個(gè)維度,建立了動(dòng)態(tài)評(píng)估的理論框架與指標(biāo)體系,從經(jīng)濟(jì)性、可靠性、高效性、環(huán)保性等多個(gè)方面進(jìn)行方案評(píng)估;②在包含全壽命周期與年運(yùn)行的多時(shí)間尺度下,提出適應(yīng)動(dòng)態(tài)評(píng)估的微網(wǎng)長(zhǎng)期運(yùn)行模擬方法,并通過(guò)獨(dú)立型風(fēng)光柴儲(chǔ)微網(wǎng)典型算例驗(yàn)證了所提方法的有效性。

      1 微網(wǎng)規(guī)劃方案動(dòng)態(tài)評(píng)估的理論基礎(chǔ)

      1.1 動(dòng)態(tài)評(píng)估框架

      微網(wǎng)規(guī)劃方案的靜態(tài)評(píng)估多在階段性運(yùn)行(一年或相鄰數(shù)年)時(shí)間尺度下進(jìn)行,根據(jù)確定階段內(nèi)的靜態(tài)系統(tǒng)特征計(jì)算相關(guān)指標(biāo);動(dòng)態(tài)評(píng)估則將時(shí)間尺度拓展至微網(wǎng)運(yùn)行的全壽命周期,考慮系統(tǒng)特征在不同階段間的動(dòng)態(tài)變化,得到包含時(shí)間與指標(biāo)兩個(gè)維度的評(píng)估結(jié)果[14]。系統(tǒng)特征因素可以分為外部環(huán)境因素與內(nèi)部結(jié)構(gòu)因素[15]:①外部環(huán)境因素諸如用電需求、能源價(jià)格,主要受到居民生活水平、經(jīng)濟(jì)條件與國(guó)家能源政策等的影響;②內(nèi)部結(jié)構(gòu)因素包括元件類型、容量與經(jīng)濟(jì)參數(shù)等。其中,部分元件的老化與更換將導(dǎo)致其容量發(fā)生變化;元件經(jīng)濟(jì)參數(shù),如購(gòu)置價(jià)格受到科技水平與制造工藝變化的影響。

      動(dòng)態(tài)評(píng)估可以劃分為不同階段的靜態(tài)評(píng)估。在同一階段內(nèi)認(rèn)為系統(tǒng)特征保持不變,微網(wǎng)運(yùn)行狀態(tài)主要受到新能源間歇性出力、負(fù)荷波動(dòng)與元件故障停運(yùn)等短期不確定性因素影響。按照時(shí)間順序?qū)Σ煌A段的評(píng)估結(jié)果進(jìn)行排列,可以得到帶有時(shí)間標(biāo)度的指標(biāo)集,并以此作為微網(wǎng)規(guī)劃的決策依據(jù)。微網(wǎng)動(dòng)態(tài)評(píng)估的時(shí)間尺度、主要影響因素及評(píng)估方法見(jiàn)表1。

      表1 微網(wǎng)規(guī)劃方案動(dòng)態(tài)評(píng)估框架Tab.1 Dynamic assessment framework of microgrid planning

      另外,評(píng)估階段的劃分可以根據(jù)投資方的主觀判斷,也可以通過(guò)求解優(yōu)化模型得到。本文不討論評(píng)估階段的具體劃分方式,僅以年為單位進(jìn)行劃分。

      1.2 指標(biāo)體系

      全方位、多層次的指標(biāo)體系是動(dòng)態(tài)評(píng)估的重要基礎(chǔ)。微網(wǎng)規(guī)劃方案除了應(yīng)滿足持續(xù)可靠供電、經(jīng)濟(jì)高效運(yùn)行的基本要求外,還應(yīng)發(fā)揮節(jié)能減排作用,充分利用當(dāng)?shù)刈匀毁Y源實(shí)現(xiàn)清潔、綠色發(fā)電。本文參照文獻(xiàn)[18],構(gòu)建了包含經(jīng)濟(jì)性、可靠性、高效性與環(huán)保性在內(nèi)的動(dòng)態(tài)評(píng)估指標(biāo)體系,見(jiàn)表2。

      表2 動(dòng)態(tài)評(píng)估指標(biāo)體系Tab.2 Index system of dynamic assessment

      本文僅詳細(xì)介紹凈現(xiàn)值成本與環(huán)境保護(hù)成本,其余指標(biāo)的計(jì)算方法見(jiàn)文獻(xiàn)[18]。

      1)凈現(xiàn)值成本。

      根據(jù)微網(wǎng)全壽命周期內(nèi)的電源投資、元件更換與運(yùn)行費(fèi)用等情況,采用凈現(xiàn)值成本(Net Present Cost,NPC)衡量方案的經(jīng)濟(jì)效益[19],即

      Cnpc=Ccap+Copr+Cout+Cend

      (1)

      (2)

      (3)

      (4)

      2)環(huán)境保護(hù)成本。

      燃料型電源排放的污染物會(huì)對(duì)周邊環(huán)境造成負(fù)面影響。采用環(huán)境保護(hù)成本Cenv衡量方案的環(huán)境效益[20],即

      (5)

      2 適應(yīng)動(dòng)態(tài)評(píng)估的長(zhǎng)期運(yùn)行模擬方法

      本文以獨(dú)立型風(fēng)光柴儲(chǔ)微網(wǎng)為典型例子來(lái)研究長(zhǎng)期運(yùn)行模擬的實(shí)現(xiàn)方法,該系統(tǒng)的主要元件集合Xc={WT,PV,DG,BAT}。其中,新能源電源為風(fēng)力發(fā)電機(jī)(Wind Turbine,WT)與光伏陣列(Photovoltaic Cell,PV),可控元件為柴油發(fā)電機(jī)(Diesel Generator,DEG)與蓄電池(Battery,BAT)。

      2.1 總體流程

      與動(dòng)態(tài)評(píng)估理論相對(duì)應(yīng),長(zhǎng)期運(yùn)行模擬在包含全壽命周期與年運(yùn)行的多時(shí)間尺度下進(jìn)行,總體流程如圖1所示。其中,全壽命周期指微網(wǎng)工程的預(yù)期壽命,一般為15~20年,年運(yùn)行周期為8 760 h。

      結(jié)合研究的時(shí)間尺度,微網(wǎng)長(zhǎng)期運(yùn)行模擬分為內(nèi)、外兩層算法。外層算法為全壽命周期層面的逐年運(yùn)行模擬,計(jì)算當(dāng)前年的負(fù)荷峰值、能源價(jià)格與元件價(jià)格,為內(nèi)層算法構(gòu)建動(dòng)態(tài)場(chǎng)景。內(nèi)層算法為年運(yùn)行層面的序貫蒙特卡洛模擬,首先進(jìn)行短期不確定性因素模擬,生成新能源出力與負(fù)荷的隨機(jī)序列,并根據(jù)狀態(tài)持續(xù)時(shí)間抽樣得到元件故障狀態(tài)序列;之后,逐時(shí)執(zhí)行預(yù)設(shè)運(yùn)行策略,根據(jù)凈負(fù)荷削減結(jié)果評(píng)估系統(tǒng)狀態(tài),并計(jì)算年運(yùn)行指標(biāo)。根據(jù)年運(yùn)行模擬結(jié)果更新元件老化狀態(tài),當(dāng)需要進(jìn)行元件更換(或容量擴(kuò)建)時(shí),計(jì)算當(dāng)前年的更換成本與殘值(或擴(kuò)建成本)。完成逐年運(yùn)行模擬后,計(jì)算全壽命周期指標(biāo)。

      圖1 長(zhǎng)期運(yùn)行模擬流程Fig.1 Flow chart of long-term simulation

      2.2 全壽命周期層面的逐年運(yùn)行模擬

      2.2.1 外部環(huán)境因素模擬

      當(dāng)前對(duì)長(zhǎng)期負(fù)荷與能源價(jià)格未來(lái)走勢(shì)的預(yù)測(cè)難度較大,且難以確定其隨機(jī)變化的概率分布形式[16]。因此,在逐年模擬中采用確定性的負(fù)荷增長(zhǎng)率與柴油價(jià)格變化率場(chǎng)景,對(duì)應(yīng)年負(fù)荷峰值與柴油價(jià)格變化的指數(shù)模型為

      (6)

      (7)

      2.2.2 內(nèi)部結(jié)構(gòu)因素模擬

      風(fēng)光柴儲(chǔ)型微網(wǎng)的預(yù)期壽命取決于光伏或風(fēng)機(jī)的運(yùn)行壽命,其余元件的運(yùn)行壽命則相對(duì)較短(一般為3~10年[18]),需要在全壽命周期層面進(jìn)行老化模擬。

      1)柴油機(jī)老化模擬。

      假設(shè)柴油機(jī)的壽命衰減程度與運(yùn)行時(shí)間成正比[17],采用壽命衰減系數(shù)模擬柴油機(jī)老化,即

      (8)

      式中,λy為第y年的柴油機(jī)壽命衰減系數(shù);Lnom為柴油機(jī)額定運(yùn)行壽命;Lj為第j年的柴油機(jī)運(yùn)行時(shí)間;ye為上一次更換柴油機(jī)的年份。柴油機(jī)更換準(zhǔn)則是λy不能小于0。

      2)蓄電池老化模擬。

      蓄電池老化速率與其充放電策略有關(guān)[21]。在恒定放電深度下,蓄電池的容量損耗程度主要取決于充放電循環(huán)次數(shù)[22],采用容量損耗系數(shù)進(jìn)行衡量,即

      (9)

      (10)

      3)動(dòng)態(tài)價(jià)格模擬。

      隨著科技發(fā)展與生產(chǎn)經(jīng)驗(yàn)積累,元件價(jià)格將經(jīng)歷一個(gè)逐年遞減的階段,并在技術(shù)成熟后趨于平穩(wěn)。以光伏電池為例,價(jià)格變化趨勢(shì)如圖2所示[15]。采用分段指數(shù)函數(shù)擬合元件價(jià)格的動(dòng)態(tài)變化,即

      (11)

      圖2 光伏價(jià)格變化趨勢(shì)Fig.2 Variation trend of PV module price

      (12)

      若達(dá)到臨界價(jià)格,則說(shuō)明元件k的生產(chǎn)技術(shù)已經(jīng)成熟,價(jià)格趨于平穩(wěn)。

      2.2.3 系統(tǒng)級(jí)模擬

      在逐年運(yùn)行模擬中,根據(jù)第y年的內(nèi)層算法結(jié)果計(jì)算下一年初的柴油機(jī)和儲(chǔ)能老化狀態(tài)

      (13)

      (14)

      式中,Irep,k為元件更換標(biāo)志(k∈{DG,BAT}), 滿足更換條件時(shí)取1,否則取0。當(dāng)元件滿足更換條件時(shí),需重置老化狀態(tài),并計(jì)算更換成本與殘值

      (15)

      (16)

      (17)

      與圖1對(duì)應(yīng),逐年運(yùn)行模擬的具體流程如下:

      A3:針對(duì)第y年執(zhí)行SMCS,得到年運(yùn)行指標(biāo)。

      A4:根據(jù)式(13)、式(14)更新柴儲(chǔ)老化狀態(tài)與儲(chǔ)能容量。若有元件滿足更換條件,前往步驟A5;否則,前往步驟A6。

      A5:令λy=1或ψy=1,并根據(jù)式(11)~式(17)計(jì)算元件更換成本與殘值。

      A6:若y

      A7:計(jì)算全壽命周期評(píng)估指標(biāo),算法終止。

      2.3 年運(yùn)行層面的序貫蒙特卡洛模擬

      2.3.1 短期不確定性因素模擬

      年運(yùn)行模擬中考慮的不確定性因素主要有新能源出力、負(fù)荷和元件故障。其中,負(fù)荷曲線可以根據(jù)歷史數(shù)據(jù)與隨機(jī)擾動(dòng)合成[4],風(fēng)光出力與元件故障的模擬方法如下。

      1)光伏出力模擬。

      若忽略溫度的影響,光伏出力主要與光照強(qiáng)度有關(guān),即

      (18)

      2)風(fēng)電出力模擬。

      風(fēng)電出力根據(jù)風(fēng)速-功率轉(zhuǎn)換特性曲線計(jì)算,即

      (19)

      (20)

      式中,θ為衰減系數(shù);μ為平均風(fēng)速;Φ(·)為含Weibull分布信息的概率函數(shù);Wy,t為滿足一維布朗運(yùn)動(dòng)的隨機(jī)變量。

      3)元件故障模擬。

      根據(jù)兩狀態(tài)馬爾科夫模型,元件存在運(yùn)行與故障兩種交替出現(xiàn)的狀態(tài),依次針對(duì)元件的無(wú)故障工作時(shí)間(Time to Failure,TTF)tTTF與修復(fù)時(shí)間(Time to Repair,TTR)tTTR進(jìn)行抽樣

      tTTF=-tMTTFlnU1

      (21)

      tTTR=-tMTTRlnU2

      (22)

      2.3.2 系統(tǒng)級(jí)模擬

      根據(jù)模擬得到的新能源出力、負(fù)荷與元件可用容量逐時(shí)計(jì)算凈負(fù)荷

      (23)

      負(fù)荷跟隨策略以電力電量平衡為首要原則,未考慮儲(chǔ)能的充放電管理。為了充分發(fā)揮儲(chǔ)能的削峰填谷作用,本文在負(fù)荷跟隨策略的基礎(chǔ)上,結(jié)合負(fù)荷特性分析提出了一種分時(shí)充放電運(yùn)行策略:

      2)分時(shí)充放電策略:蓄電池在日負(fù)荷的峰平谷時(shí)段遵循不同的充放電策略。在峰時(shí)段,按照負(fù)荷跟隨策略削減凈負(fù)荷;在平時(shí)段或谷時(shí)段,若新能源出力不足,優(yōu)先啟動(dòng)柴油機(jī)向用戶供電。當(dāng)柴油機(jī)發(fā)電容量充足時(shí),在滿足用電需求之余提高出力向蓄電池充電;當(dāng)柴油機(jī)發(fā)電容量不足時(shí),通過(guò)蓄電池放電填補(bǔ)功率缺額。

      (24)

      與圖1對(duì)應(yīng),年運(yùn)行模擬的具體流程如下:

      a1:從外層算法中導(dǎo)入第y年的運(yùn)行場(chǎng)景,并輸入SMCS的計(jì)算參數(shù),包括風(fēng)光荷歷史數(shù)據(jù);元件可靠性參數(shù)與其他技術(shù)參數(shù)。設(shè)置迭代精度ε與迭代次數(shù)上限Nmax,令迭代次數(shù)i=1。

      a2:針對(duì)第i次迭代,根據(jù)2.3.1節(jié)中的方法隨機(jī)生成風(fēng)光出力與負(fù)荷序列,通過(guò)狀態(tài)持續(xù)時(shí)間抽樣得到元件故障狀態(tài)序列。令運(yùn)行時(shí)間t=1、SOCt=1。

      a3:針對(duì)時(shí)段t,根據(jù)式(23)計(jì)算系統(tǒng)凈負(fù)荷。

      a4:在預(yù)設(shè)運(yùn)行策略下進(jìn)行功率調(diào)節(jié),計(jì)算溢出功率與失負(fù)荷功率,并判斷系統(tǒng)狀態(tài)。

      a5:若t

      a6:計(jì)算第i次迭代的EXC、LPSP,并根據(jù)式(24)計(jì)算β。若β>ε且i

      a7:計(jì)算年運(yùn)行指標(biāo),并向外層算法返回模擬結(jié)果。

      3 算例分析

      3.1 基礎(chǔ)數(shù)據(jù)

      針對(duì)我國(guó)西北地區(qū)某獨(dú)立型風(fēng)光柴儲(chǔ)微網(wǎng)的規(guī)劃方案進(jìn)行評(píng)估,說(shuō)明所提方法的有效性。微網(wǎng)元件的經(jīng)濟(jì)參數(shù)見(jiàn)表3[26],技術(shù)參數(shù)詳見(jiàn)文獻(xiàn)[27];主要污染物的治理成本系數(shù)見(jiàn)表4[28];失負(fù)荷價(jià)值系數(shù)為20元/(kW·h);安裝工程費(fèi)的占比為2%,折現(xiàn)率取4%;微網(wǎng)工程的預(yù)期壽命為20年,初始負(fù)荷峰值為200kW;柴油價(jià)格為1.06元/L;換流器的整流與逆變效率均為95%。

      SMCS的模擬步長(zhǎng)為1h,模擬時(shí)間為8 760 h;迭代精度ε=0.05,迭代次數(shù)上限Nmax=10 000。元件可靠性參數(shù)tMTTF取950 h,tMTTR取50 h。當(dāng)?shù)毓庹諒?qiáng)度、風(fēng)速與負(fù)荷的歷史曲線如圖3所示。在年運(yùn)行模擬中,首先根據(jù)風(fēng)光歷史數(shù)據(jù)進(jìn)行參數(shù)擬合;之后分別采用隨機(jī)分解法與隨機(jī)微分方程法(詳見(jiàn)2.3.1節(jié))生成光照強(qiáng)度與風(fēng)速的時(shí)間序列;最后,根據(jù)式(18)和式(19)將光照強(qiáng)度與風(fēng)速轉(zhuǎn)化為光伏與風(fēng)電出力。

      表3 元件經(jīng)濟(jì)參數(shù)Tab.3 Economic parameters of components

      表4 主要污染物治理成本Tab.4 Major pollution control expenditures

      圖3 自然資源與負(fù)荷歷史曲線Fig.3 Historical data of natural resource and load

      算例分析內(nèi)容包括:①針對(duì)同一規(guī)劃方案,在不同外部環(huán)境場(chǎng)景下進(jìn)行動(dòng)態(tài)評(píng)估,并與HOMER軟件的評(píng)估結(jié)果作對(duì)比;②在同一外部環(huán)境場(chǎng)景下,針對(duì)不同規(guī)劃方案進(jìn)行動(dòng)態(tài)評(píng)估與比較。其中,在不同新能源滲透率REP約束下,通過(guò)HOMER得到的經(jīng)濟(jì)性最優(yōu)的規(guī)劃方案見(jiàn)表5。在HOMER的優(yōu)化設(shè)計(jì)中僅根據(jù)靜態(tài)評(píng)估結(jié)果對(duì)備選方案進(jìn)行排序篩選。

      表5 不同新能源滲透率下的最優(yōu)方案Tab.5 Optimal schemes with different constraints of renewable energy penetration

      3.2 不同外部環(huán)境因素下的動(dòng)態(tài)評(píng)估

      在方案1的基礎(chǔ)上,設(shè)置不同的負(fù)荷與柴油價(jià)格增長(zhǎng)率場(chǎng)景(見(jiàn)表6),并通過(guò)長(zhǎng)期運(yùn)行模擬對(duì)該方案進(jìn)行動(dòng)態(tài)評(píng)估。為了便于與HOMER對(duì)比,在負(fù)荷跟隨策略下進(jìn)行各場(chǎng)景的運(yùn)行模擬。

      表6 外部環(huán)境場(chǎng)景Tab.6 External environment scenarios

      HOMER與動(dòng)態(tài)評(píng)估的綜合指標(biāo)結(jié)果見(jiàn)表7。可以看出,當(dāng)負(fù)荷與油價(jià)均不增長(zhǎng)時(shí),動(dòng)態(tài)評(píng)估的大部分結(jié)果與HOMER差距不大,驗(yàn)證了本文所提方法的正確性與有效性。與HOMER的確定性評(píng)估相比,動(dòng)態(tài)評(píng)估考慮元件故障與新能源出力波動(dòng),發(fā)電容量充裕度降低,因此停電概率LPSP稍高于HOMER,新能源溢出率EXC相對(duì)較低;動(dòng)態(tài)評(píng)估考慮了柴油機(jī)停運(yùn),污染物排放量減少,使得環(huán)境保護(hù)成本略低于HOMER。另外,由于動(dòng)態(tài)評(píng)估得到的期望停電量偏高,增加了停電損失,凈現(xiàn)值成本NPC略高于HOMER。從表7可以看出,扣除停電損失后,動(dòng)態(tài)評(píng)估與HOMER得到的度電成本COE基本相同。

      從表7還可以看出,考慮外部場(chǎng)景動(dòng)態(tài)變化后系統(tǒng)指標(biāo)變化明顯。為進(jìn)一步說(shuō)明問(wèn)題,給出了不同場(chǎng)景下的指標(biāo)變化情況,如圖4所示。可以看出,當(dāng)負(fù)荷增長(zhǎng)時(shí)(場(chǎng)景2、4),停電概率LPSP逐年上升,自治度LA下降,新能源溢出率EXC下降;當(dāng)負(fù)荷不增長(zhǎng)時(shí)(場(chǎng)景1、3),LPSP、LA與EXC在運(yùn)行周期內(nèi)基本保持不變。

      表7 不同場(chǎng)景下的綜合指標(biāo)結(jié)果Tab.7 Overall index in different scenarios

      圖4 不同場(chǎng)景下的指標(biāo)變化情況Fig.4 Index variation in different scenarios

      經(jīng)濟(jì)性指標(biāo)由于同時(shí)受負(fù)荷、油價(jià)、元件更換與停電損失等因素影響,波動(dòng)更加復(fù)雜,需要深入討論。由于考慮元件老化與更換,度電成本COE沿鋸齒形曲線變化,其局部尖峰對(duì)應(yīng)元件更換的發(fā)生時(shí)間(見(jiàn)圖4d)。當(dāng)負(fù)荷增長(zhǎng)而油價(jià)不變時(shí)(場(chǎng)景2),度電成本COE呈上升趨勢(shì)。在未安排元件更換的年份,COE升高的主導(dǎo)因素是停電損失的逐年增加;而安排元件更換的年份,由于停電損失與更換成本的疊加效應(yīng),COE升高更加顯著,且在運(yùn)行周期中共發(fā)生5次元件更換。當(dāng)油價(jià)上漲而負(fù)荷不變時(shí)(場(chǎng)景3),一方面由于油價(jià)上漲,度電成本COE升高;另一方面由于負(fù)荷不增長(zhǎng),柴儲(chǔ)利用率較低,減緩了老化進(jìn)程,因此僅發(fā)生了3次元件更換。當(dāng)負(fù)荷與油價(jià)同時(shí)增長(zhǎng)時(shí)(場(chǎng)景4),油價(jià)增長(zhǎng)使得度電成本COE在場(chǎng)景2的基礎(chǔ)上進(jìn)一步升高。

      綜上,雖然動(dòng)態(tài)評(píng)估與HOMER均能得到綜合評(píng)估指標(biāo),但在動(dòng)態(tài)評(píng)估結(jié)果中體現(xiàn)了逐年變化因素與短期不確定性因素對(duì)微網(wǎng)長(zhǎng)期運(yùn)行的影響,能夠得到各項(xiàng)指標(biāo)的變化情況,從而為規(guī)劃提供更加全面準(zhǔn)確的決策信息。

      3.3 不同規(guī)劃方案下的動(dòng)態(tài)評(píng)估

      從以上分析可以看出,考慮外部因素變化時(shí),HOMER中的最優(yōu)方案難以維持初始指標(biāo)水平。為解決這一問(wèn)題,針對(duì)初始方案的電源配置與運(yùn)行策略進(jìn)行階段性調(diào)整。假設(shè)負(fù)荷與油價(jià)增長(zhǎng)率均為2%,規(guī)劃階段的可靠性要求為停電概率LPSP≤2%,自治度LA≥90%。以方案2為例,可以通過(guò)3種調(diào)整方式滿足規(guī)劃要求。

      1)方案2A(運(yùn)行策略調(diào)整):保持電源配置不變,運(yùn)行策略由負(fù)荷跟隨策略調(diào)整為分時(shí)充放電策略。

      2)方案2B(電源配置調(diào)整):保持運(yùn)行策略不變,第9年末將柴油機(jī)容量增至180 kW,光伏容量增至120 kW,風(fēng)機(jī)容量增至144 kW,蓄電池容量增至120 kW·h。

      3)方案2C(分階段協(xié)調(diào)規(guī)劃):同時(shí)調(diào)整電源配置與運(yùn)行策略,規(guī)劃周期劃分為7年+7年+6年。前7年采用原始方案;第7年末將柴油機(jī)容量增至180 kW,改用分時(shí)充放電策略;第14年末將光伏容量增至120 kW,風(fēng)機(jī)容量增至144 kW,蓄電池容量增至120 kW·h,采用分時(shí)充放電策略。

      針對(duì)不同方案特點(diǎn)進(jìn)行歸納。方案1、2均為表5中給出的初始規(guī)劃方案,其中方案1的新能源滲透率高于方案2。方案2A、2B、2C為方案2基礎(chǔ)上的擴(kuò)展規(guī)劃方案:方案2A僅調(diào)整運(yùn)行策略;方案2B較集中地?cái)U(kuò)充了電源容量;而方案2C的擴(kuò)建時(shí)間更加分散,且與運(yùn)行策略調(diào)整相配合。不同規(guī)劃方案的評(píng)估結(jié)果見(jiàn)表8與圖5。

      表8 不同方案下的綜合指標(biāo)結(jié)果Tab.8 Overall index of different schemes

      圖5 不同方案下的指標(biāo)變化情況Fig.5 Index variation of different schemes

      通過(guò)方案對(duì)比得出以下結(jié)論:

      1)總體而言,方案2的可靠性與高效性優(yōu)于方案1。但從圖5可以看出,隨著負(fù)荷增長(zhǎng),方案2從第11年開(kāi)始不再滿足供電可靠率要求。

      2)與方案2相比,方案2A通過(guò)調(diào)整運(yùn)行策略降低了停電概率LPSP與度電成本COE,驗(yàn)證了分時(shí)充放電策略對(duì)于儲(chǔ)能運(yùn)行的優(yōu)化效果,可以在不加裝電源的前提下改善系統(tǒng)可靠性。但從圖5可以看出,單純調(diào)整運(yùn)行策略無(wú)法改變各項(xiàng)指標(biāo)的變化趨勢(shì),仍難以滿足電能質(zhì)量要求。

      3)與方案2相比,方案2B通過(guò)增加分布式電源與儲(chǔ)能容量延緩了可靠性惡化,較大程度上降低了停電概率LPSP,能夠滿足各年度的電能質(zhì)量要求。從表8可以看出,不考慮停電損失時(shí),方案2與方案2B的度電成本相近;計(jì)及停電損失后,方案2B的度電成本遠(yuǎn)低于方案2,說(shuō)明通過(guò)改善可靠性獲得了可觀的經(jīng)濟(jì)效益。

      4)方案2C與方案2B的最終配置方案相同,但通過(guò)分階段協(xié)調(diào)規(guī)劃進(jìn)一步提高了可靠性與經(jīng)濟(jì)性水平。根據(jù)圖5,方案2C的度電成本COE變化相比方案2B更加平緩,總體水平低于其他方案。主要原因是方案2C采取分散投資策略,合理利用運(yùn)行策略調(diào)整將各年度的停電概率控制在更低水平,取得了更加顯著的可靠性收益。

      綜上,動(dòng)態(tài)評(píng)估不僅適用于初始方案的評(píng)估和比較,還能夠評(píng)價(jià)電源配置與運(yùn)行策略的調(diào)整效果,為擴(kuò)展規(guī)劃方案的制定提供了理論依據(jù)。因此,動(dòng)態(tài)評(píng)估比現(xiàn)有方法更加靈活,適用面更廣。

      4 結(jié)論

      本文提出了獨(dú)立型微網(wǎng)規(guī)劃方案的動(dòng)態(tài)評(píng)估方法。建立動(dòng)態(tài)評(píng)估的多時(shí)間尺度理論框架與指標(biāo)體系,并研究了與之相適應(yīng)的長(zhǎng)期運(yùn)行模擬方法。微網(wǎng)長(zhǎng)期運(yùn)行模擬在全壽命周期層面通過(guò)動(dòng)態(tài)模型模擬外部環(huán)境與內(nèi)部結(jié)構(gòu)因素的逐年變化,在年運(yùn)行層面通過(guò)序貫蒙特卡洛法模擬短期不確定性因素的隨機(jī)變化,從經(jīng)濟(jì)性、可靠性、高效性、環(huán)保性等多個(gè)方面得到規(guī)劃方案的時(shí)序指標(biāo)集。算例結(jié)果表明,本文所提動(dòng)態(tài)評(píng)估方法具有正確性與有效性,與現(xiàn)有方法相比更加全面、靈活,能夠?yàn)槲⒕W(wǎng)規(guī)劃及其擴(kuò)展方案的制定提供科學(xué)合理的依據(jù)。

      [1] 楊歡,趙榮祥,辛煥海,等.海島電網(wǎng)發(fā)展現(xiàn)狀與研究動(dòng)態(tài)[J].電工技術(shù)學(xué)報(bào),2013,28(11):95-105. Yang Huan,Zhao Rongxiang,Xin Huanhai,et al.Development and research status of island power systems[J].Transactions of China Electrotechnical Society,2013,28(11):95-105.

      [2] 姜世公,李琰,王衛(wèi).一種微網(wǎng)系統(tǒng)孤島運(yùn)行條件下的能量管理策略[J].電工技術(shù)學(xué)報(bào),2014,29(2):130-135. Jiang Shigong,Li Yan,Wang Wei.A novel power management strategy for microgrid on islanding mode[J].Transactions of China Electrotechnical Society,2014,29(2):130-135.

      [3] Notton G,Muselli M,Poggi P,et al.Autonomous photovoltaic systems:Influences of some parameters on the sizing:simulation timestep,input and output power profile[J].Renewable Energy,1996,7(4):353-370.

      [4] Lambert T,Gilman P,Lilienthal P.Micropower system modeling with homer[M].New York:John Wiley & Sons,Inc.,2006.

      [5] 施琳,羅毅,涂光瑜,等.微網(wǎng)功率不確定性模型及其在旋轉(zhuǎn)備用優(yōu)化中的應(yīng)用[J].電力系統(tǒng)保護(hù)與控制,2013,41(18):37-44. Shi Lin,Luo Yi,Tu Guangyu,et al.Uncertain model of microgrid power and its application in optimal scheduling of spinning reserve[J].Power System Protection and Control,2013,41(18):37-44.

      [6] Bie Zhaohong,Zhang Peng,Li Gengfeng,et al.Reliability evaluation of active distribution systems including microgrids[J].IEEE Transactions on Power Systems,2012,27(4):2342-2350.

      [7] 王楊,謝開(kāi)貴,胡博,等.基于時(shí)序模擬的離網(wǎng)型微網(wǎng)可靠性分析[J].電工技術(shù)學(xué)報(bào),2016,31(6):206-211. Wang Yang,Xie Kaigui,Hu Bo,et al.Reliability analysis of islanded microgrid based on sequential simulation[J].Transactions of China Electrotechnical Society,2016,31(6):206-211.

      [8] Wang Shouxiang,Li Zhixin,Wu Lei,et al.New metrics for assessing the reliability and economics of microgrids in distribution system[J].IEEE Transactions on Power Systems,2013,28(3):2852-2861.

      [9] 別朝紅,李更豐,謝海鵬.計(jì)及負(fù)荷與儲(chǔ)能裝置協(xié)調(diào)優(yōu)化的微網(wǎng)可靠性評(píng)估[J].電工技術(shù)學(xué)報(bào),2014,29(2):64-73. Bie Zhaohong,Li Gengfeng,Xie Haipeng.Reliability evaluation of microgrids considering coordinative optimization of loads and storage devices[J].Transactions of China Electrotechnical Society,2014,29(2):64-73.

      [10]曾鳴,李娜,馬明娟,等.考慮不確定因素影響的獨(dú)立微網(wǎng)綜合性能評(píng)價(jià)模型[J].電網(wǎng)技術(shù),2013,37(1):1-8. Zeng Ming,Li Na,Ma Mingjuan,et al.An integrated performance evaluation model of independent microgrid considering impacts of uncertain factors[J].Power System Technology,2013,37(1):1-8.

      [11]Zhang Linfeng,Xiang Jing.The performance of a grid-tied microgrid with hydrogen storage and a hydrogen fuel cell stack[J].Energy Conversion & Management,2014,87(11):421-427.

      [12]朱博,陳民鈾,徐瑞林,等.孤島模式下的微網(wǎng)優(yōu)化運(yùn)行策略[J].電力系統(tǒng)保護(hù)與控制,2012,40(17):35-40. Zhu Bo,Chen Minyou,Xu Ruilin,et al.An optimal operation strategy of islanded microgrid[J].Power System Protection and Control,2012,40(17):35-40.

      [13]郭亞軍.一種新的動(dòng)態(tài)綜合評(píng)價(jià)方法[J].管理科學(xué)學(xué)報(bào),2002,5(2):49-54. Guo Yajun.New theory and method of dynamic comprehensive evaluation[J].Journal of Management Science in China,2002,5(2):49-54.

      [14]顧雪平,王大江,梁海平,等.電力系統(tǒng)擴(kuò)展黑啟動(dòng)方案動(dòng)態(tài)綜合評(píng)估[J].電工技術(shù)學(xué)報(bào),2015,30(3):44-52. Gu Xueping,Wang Dajiang,Liang Haiping,et al.Dynamic comprehensive assessment of power system extended black-start plans[J].Transactions of China Electrotechnical Society,2015,30(3):44-52.

      [15]Jeon C,Shin J.Long-term renewable energy technology valuation using system dynamics and Monte Carlo simulation:Photovoltaic technology case[J].Energy,2014,66(4):447-457.

      [16]Carpaneto E,Chicco G,Mancarella P,et al.Cogeneration planning under uncertainty.Part II:Decision theory-based assessment of planning alternatives[J].Applied Energy,2011,88(4):1075-1083.

      [17]Xiao Jun,Bai Linquan,Li Fangxing,et al.Sizing of energy storage and diesel generators in an isolated microgrid using Discrete Fourier Transform (DFT)[J].IEEE Transactions on Sustainable Energy,2014,5(3):907-916.

      [18]Chauhan A,Saini R P.A review on Integrated Renewable Energy System based power generation for stand-alone applications:Configurations,storage options,sizing methodologies and control[J].Renewable and Sustainable Energy Reviews,2014,38(10):99-120.

      [19]韓璐,李鳳婷,周二雄,等.基于成本-收益的微網(wǎng)分布式能源優(yōu)化配置[J].電工技術(shù)學(xué)報(bào),2015,30(14):388-396. Han Lu,Li Fengting,Zhou Erxiong,et al.The distributed energy optimization configuration of microgrid based on cost-benefit[J].Transactions of China Electrotechnical Society,2015,30(14):388-396.

      [20]吳耀文,馬溪原,孫元章,等.微網(wǎng)高滲透率接入后的綜合經(jīng)濟(jì)效益評(píng)估與分析[J].電力系統(tǒng)保護(hù)與控制,2012,40(13):49-54. Wu Yaowen,Ma Xiyuan,Sun Yuanzhang,et al.Overall economic evaluation and analysis of accession of microgrids with high penetration[J].Power System Protection and Control,2012,40(13):49-54.

      [21]Zhang Zhong,Wang Jianxue,Cao Xiaoyu.Economic dispatch of microgrid considering optimal management of lithium batteries[C]//2014 International Conference on Power System Technology,Chengdu,2014:3194-3199.

      [22]Kumai K,Ikeya T,Ishihara K,et al.Degradation mechanism due to decomposition of organic electrolyte in Li/MoS2 cells during long cycling[J].Journal of Power Sources,1998,70(2):235-239.

      [23]Graham V A,Hollands K G T.A method to generate synthetic hourly solar radiation globally[J].Solar Energy,1990,44(6):333-341.

      [24]Zhang Ning,Kang Chongqing,Duan Changgang,et al.Simulation methodology of multiple wind farms operation considering wind speed correlation[J].International Journal of Power and Energy Systems,2010,30(4):264-273.

      [25]Dufo-Lopez R,Bernal-Agustín J L.Design and control strategies of PV-Diesel systems using genetic algorithms[J].Solar Energy,2005,79(1):33-46.

      [26]梁惠施,程林,蘇劍.微網(wǎng)的成本效益分析[J].中國(guó)電機(jī)工程學(xué)報(bào),2011,31(S1):38-44. Liang Shihui,Cheng Lin,Su Jian.Cost benefit analysis for microgrid[J].Proceedings of the CSEE,2011,31(S1):38-44.

      [27]郭力,劉文建,焦冰琦,等.獨(dú)立微網(wǎng)系統(tǒng)的多目標(biāo)優(yōu)化規(guī)劃設(shè)計(jì)方法[J].中國(guó)電機(jī)工程學(xué)報(bào),2014,34(4):524-536. Guo Li,Liu Wenjian,Jiao Bingqi,et al.Multi-objective optimal planning design method for stand-alone microgrid system[J].Proceedings of the CSEE,2014,34(4):524-536.

      [28]李樂(lè).微網(wǎng)的經(jīng)濟(jì)運(yùn)行研究[D].北京:華北電力大學(xué),2011.

      Dynamic Assessment of Stand-Alone Microgrid Planning Using Long-Term Simulation

      Cao Xiaoyu Wang Jianxue Zhang Zhong Cheng Hongliang

      (Shanxi Key Laboratory of Smart Grid School of Electrical Engineering Xi’an Jiaotong University Xi’an 710049 China)

      In order to assess the adaptability of stand-alone microgrid (MG) to the annually varied operation condition,a dynamic assessment approach for MG planning based on long-term simulation is proposed.Primarily,a multiple-time theoretical framework of dynamic assessment is established,while an index system is constructed to assess the reliability,efficiency,cost,and environmental benefits of the planning schemes.Subsequently,a novel long-term simulation method is developed to perform the dynamic assessment.In the proposed simulation method,the annually varied factors concerning external environment and internal structure are simulated by dynamic modeling in the life cycle of MG; and the short-term uncertainties are characterized by sequential Monte Carlo simulation in each year.In the case study of a typical stand-alone microgrid,the validity and effectiveness of the proposed approach is verified by comparing to the results of HOMER,which is commonly used in the MG planning.The proposed approach can provide the assessment results containing the overall indices as well as the time-sequencing index sets of planning schemes in different scenarios,which is more comprehensive and flexible than the conventional static assessment.Thus it can be utilized to facilitate the decision of MG planning and generation expansion.

      Stand-alone microgrid,dynamic assessment,long-term simulation,multiple time frames

      國(guó)家自然科學(xué)基金(51577146)和陜西省自然科學(xué)基礎(chǔ)研究計(jì)劃(2016JM5072)資助項(xiàng)目。

      2015-06-09 改稿日期2015-12-03

      TM715

      曹曉宇 男,1990年生,博士研究生,研究方向?yàn)榉植际桨l(fā)電系統(tǒng)和微電網(wǎng)的規(guī)劃與運(yùn)行。

      E-mail:cxykeven2013@stu.xjtu.edu.cn

      王建學(xué) 男,1976年生,教授,博士生導(dǎo)師,研究方向?yàn)殡娏ο到y(tǒng)規(guī)劃與運(yùn)行、新能源與分布式發(fā)電、電力市場(chǎng)等。

      E-mail:jxwang@mail.xjtu.edu.cn(通信作者)

      猜你喜歡
      微網(wǎng)元件動(dòng)態(tài)
      國(guó)內(nèi)動(dòng)態(tài)
      國(guó)內(nèi)動(dòng)態(tài)
      國(guó)內(nèi)動(dòng)態(tài)
      動(dòng)態(tài)
      QFN元件的返工指南
      基于OMAP-L138的微網(wǎng)控制器設(shè)計(jì)
      在新興產(chǎn)業(yè)看小元件如何發(fā)揮大作用
      寶馬i3高電壓元件介紹(上)
      基于改進(jìn)下垂法的微網(wǎng)并網(wǎng)控制策略研究
      用于微網(wǎng)逆變器并聯(lián)的控制策略
      西宁市| 芦山县| 灯塔市| 华阴市| 凤城市| 大宁县| 额济纳旗| 南昌县| 绥芬河市| 崇阳县| 雷波县| 诸城市| 大悟县| 邳州市| 长春市| 桐城市| 屯留县| 澄迈县| 叙永县| 开原市| 成都市| 合作市| 滨海县| 北流市| 城固县| 屏边| 固原市| 钦州市| 永清县| 孙吴县| 东阳市| 卓资县| 四平市| 茂名市| 玉田县| 额敏县| 全州县| 大同市| 吴川市| 鄂伦春自治旗| 平山县|