李凱， 常喜強(qiáng),2,3*， 王亞強(qiáng)， 羅維祥

(1.新疆大學(xué)電氣工程學(xué)院， 烏魯木齊 830047； 2. 國(guó)網(wǎng)新疆電力公司, 烏魯木齊 830047; 3. 新疆能源互聯(lián)網(wǎng)大數(shù)據(jù)實(shí)驗(yàn)室, 烏魯木齊 830047)

近年來(lái)傳統(tǒng)能源短缺和極端天氣的問(wèn)題日益嚴(yán)重，在雙碳目標(biāo)下[1]，為了解決傳統(tǒng)能源帶來(lái)的一些影響，分布式電源由于其優(yōu)越的特性得到快速發(fā)展。但是分布式電源快速發(fā)展也帶來(lái)了很多問(wèn)題，棄風(fēng)、棄光現(xiàn)象[2]日益嚴(yán)峻。微電網(wǎng)作為一個(gè)含有分布式電源、儲(chǔ)能系統(tǒng)、能量轉(zhuǎn)換裝置以及負(fù)荷的獨(dú)立系統(tǒng)，憑借其綠色低碳等優(yōu)點(diǎn)越來(lái)越受到重視。在保證微網(wǎng)可以安全穩(wěn)定運(yùn)行的前提下，合理的配置和規(guī)劃微電網(wǎng)的資源，使系統(tǒng)能夠提高可再生能源的利用率，可有效提高微網(wǎng)運(yùn)行的可靠性及經(jīng)濟(jì)性[3]，對(duì)促進(jìn)微電網(wǎng)系統(tǒng)的發(fā)展具有重要意義。

目前微網(wǎng)的優(yōu)化配置一般使用智能優(yōu)化算法對(duì)優(yōu)化模型求解或者對(duì)系統(tǒng)器件特性分析來(lái)獲得微網(wǎng)系統(tǒng)的最優(yōu)配置方案。文獻(xiàn)[4]采用改進(jìn)的差分化鯨魚(yú)算法對(duì)微網(wǎng)的儲(chǔ)能容量進(jìn)行合理的配置，同時(shí)對(duì)接入系統(tǒng)的風(fēng)光功率波動(dòng)有所抑制，提高了資源的利用率也對(duì)電能質(zhì)量的提升有所幫助。文獻(xiàn)[5]為了提高新能源消納，引入需求側(cè)激勵(lì)相應(yīng)，在功率約束和控制原則下建立了配置模型。有助于提高微網(wǎng)的經(jīng)濟(jì)效益。文獻(xiàn)[6]建立了微網(wǎng)群儲(chǔ)能系統(tǒng)的兩階段優(yōu)化模型，利用粒子群算法進(jìn)行求解，能夠有效降低儲(chǔ)能成本。文獻(xiàn)[7]指出了蓄電池的優(yōu)缺點(diǎn)，短時(shí)響應(yīng)快，因規(guī)模限制無(wú)法長(zhǎng)期運(yùn)行，氫儲(chǔ)能在這方面有很大的優(yōu)勢(shì)。充分利用了風(fēng)光資源。文獻(xiàn)[8]建立了風(fēng)氫耦合發(fā)電系統(tǒng)，并且兼顧了風(fēng)氫出力的跟隨特性，能有效提高穩(wěn)定性和經(jīng)濟(jì)性但是單一的風(fēng)氫系統(tǒng)對(duì)高負(fù)荷需求時(shí)不能及時(shí)進(jìn)行功率的補(bǔ)充，系統(tǒng)相應(yīng)較慢，系統(tǒng)成本較風(fēng)光氫系統(tǒng)高。文獻(xiàn)[9]通過(guò)分析電力彈簧的特性在作為智能負(fù)荷時(shí)，可削減部分儲(chǔ)能功率，增加可再生能源的消納。

上述分析可知，現(xiàn)階段微網(wǎng)系統(tǒng)容量?jī)?yōu)化研究主要對(duì)系統(tǒng)內(nèi)混合儲(chǔ)能進(jìn)行設(shè)計(jì)，用戶(hù)側(cè)主要以調(diào)節(jié)需求來(lái)促進(jìn)微網(wǎng)系統(tǒng)內(nèi)供用電平衡，而針對(duì)微網(wǎng)系統(tǒng)的儲(chǔ)能方式并結(jié)合用戶(hù)側(cè)參與微網(wǎng)的容量?jī)?yōu)化有待進(jìn)一步研究。針對(duì)以上問(wèn)題，現(xiàn)提出以電力彈簧(electric spring, ES)作為虛擬儲(chǔ)能裝置與非關(guān)鍵負(fù)載相連接，構(gòu)成以電力彈簧作為虛擬儲(chǔ)能的氫儲(chǔ)微網(wǎng)系統(tǒng)。根據(jù)系統(tǒng)結(jié)構(gòu)分別建立系統(tǒng)內(nèi)各微源的數(shù)學(xué)模型以及相應(yīng)的能量管理策略，設(shè)置經(jīng)濟(jì)性最優(yōu)和能源浪費(fèi)率最低的目標(biāo)函數(shù)，使用改進(jìn)的NSGA-Ⅱ算法對(duì)系統(tǒng)最優(yōu)容量進(jìn)行求解。最后使用具體算例對(duì)本文提出的方法進(jìn)行驗(yàn)證。

1 系統(tǒng)結(jié)構(gòu)及模型

系統(tǒng)結(jié)構(gòu)如圖1所示，主要包括風(fēng)機(jī)、光伏組件、蓄電池、氫儲(chǔ)能系統(tǒng)、電力彈簧、負(fù)載組成，各個(gè)裝置之間通過(guò)電壓變換器(DC-DC)與直流母線相連。采用風(fēng)光互補(bǔ)系統(tǒng)可以充分利用風(fēng)機(jī)和光伏的出力特點(diǎn)，儲(chǔ)能系統(tǒng)中引入氫儲(chǔ)能和電力彈簧裝置，以進(jìn)一步促進(jìn)風(fēng)光資源消納，降低蓄電池投資成本。

圖1 微網(wǎng)系統(tǒng)結(jié)構(gòu)Fig.1 Microgrid structure

1.1 風(fēng)機(jī)模型

風(fēng)力發(fā)電機(jī)的輸出功率與風(fēng)速密切相關(guān)，數(shù)學(xué)模型[10]為

(1)

式(1)中：PW為風(fēng)力發(fā)電機(jī)在當(dāng)前t時(shí)刻風(fēng)速下的實(shí)際輸出功率，kW；PR為風(fēng)力發(fā)電機(jī)的額定輸出功率，kW；vci為風(fēng)機(jī)切入風(fēng)速即風(fēng)機(jī)產(chǎn)生電能的最小風(fēng)速，取值3 m/s；vco為切出風(fēng)速即風(fēng)機(jī)發(fā)電可接受的最大風(fēng)速，取值20 m/s。本文研究中風(fēng)力數(shù)據(jù)每小時(shí)記錄一次。

1.2 光伏電池模型

光伏組件的輸出功率主要受光照強(qiáng)度和溫度的影響，數(shù)學(xué)模型[11]為

(2)

式(2)中：PPV為在t時(shí)刻光伏組件的發(fā)電輸出功率；PPVR為光伏組件額定輸出功率；St為在t時(shí)刻的太陽(yáng)能輻射強(qiáng)度；SST為太陽(yáng)能標(biāo)準(zhǔn)輻射強(qiáng)度；ηPv_dc-dc為光伏逆變器轉(zhuǎn)化效率，此處取值0.9；ρ(t)為在t時(shí)刻受溫度影響的光伏電池功率損耗。

(3)

式(3)中：λ為溫度系數(shù)，本文取λ=0.005/℃；T(t)為t時(shí)刻的環(huán)境溫度；Ta(t)為在t時(shí)刻的組件實(shí)際溫度；T為標(biāo)準(zhǔn)工作溫度，取25 ℃。

1.3 蓄電池模型

本文研究中雖然引入電力彈簧裝置，但由于蓄電池儲(chǔ)能技術(shù)成熟、響應(yīng)速度快、價(jià)格低廉等優(yōu)勢(shì)，儲(chǔ)能仍以蓄電池為主。當(dāng)分布式電源輸出功率大于總負(fù)荷需求功率時(shí)，優(yōu)先給蓄電池充電；反之，蓄電池優(yōu)先放電供負(fù)荷使用。

蓄電池在充電狀態(tài)下數(shù)學(xué)能量模型為

Ebat=Ebat(t-1)(1-δ)+Pbatch(t-1)μchΔt

(4)

蓄電池在放電狀態(tài)下數(shù)學(xué)能量模型為

(5)

式中：Ebat為蓄電池在t時(shí)刻時(shí)所存儲(chǔ)的電量；Pbatch為充電功率；Pbatdh為放電功率；δ為蓄電池的放電的虧損率，本文δ取0.3%；μch為充電效率，取90%；μdh為放電效率，取90%；Δt為時(shí)間步長(zhǎng)，本文為1 h。

蓄電池的最大充放電功率模型為

Pchmax(t)=max[0,SOCmaxCbat-Ebat(t)]μch

(6)

(7)

式中：Pchmax和Pdhmax分別為蓄電池的最大充電功率和最大放電功率。

1.4 氫儲(chǔ)能系統(tǒng)模型

氫儲(chǔ)能系統(tǒng)主要由電解槽、燃料電池及儲(chǔ)氫罐構(gòu)成。在風(fēng)光資源充足以及蓄電池充電到最大荷電狀態(tài)時(shí)，啟用氫儲(chǔ)能系統(tǒng)將電能通過(guò)電解槽裝置電解水轉(zhuǎn)化為氫氣和氧氣儲(chǔ)存起來(lái)，反之，風(fēng)光出力及蓄電池出力不足時(shí)，將氫氣和氧氣輸送到燃料電池轉(zhuǎn)化為電能供負(fù)載使用。

電解槽簡(jiǎn)化模型為

PEL=Pelηel

(8)

式(8)中：PEL為電解槽的輸出功率；Pel為電解槽的耗電輸入功率；ηel為電解槽的電轉(zhuǎn)化效率，本文中取80%。對(duì)電解槽假設(shè)進(jìn)行了隔熱處理，不需要外界提供熱量也不向外界提供熱量。

儲(chǔ)氫罐的儲(chǔ)氫量為

QH(t)=QH(t-Δt)+[PEL(t)Δt-PFC(t)Δt]ηH

(9)

式(9)中：QH(t)為t時(shí)刻儲(chǔ)氫罐的氫氣容量；ηH為儲(chǔ)氫罐的充放電效率。

燃料電池模型為

PFC=PELηFC

(10)

式(10)中：PFC為燃料電池輸出功率；ηFC為燃料電池效率，本文取65%。

1.5 電力彈簧模型

電力彈簧具有容量大，經(jīng)濟(jì)成本低的優(yōu)勢(shì)。本文研究將負(fù)載分為對(duì)電能質(zhì)量要求較高的關(guān)鍵負(fù)載和對(duì)電能質(zhì)量要求較低的非關(guān)鍵負(fù)載(non critical load, NC)。關(guān)鍵負(fù)載包括一些精密儀器、醫(yī)療儀器等，而非關(guān)鍵負(fù)載包括電烤箱、電燈等設(shè)備。而引入電力彈簧可以克服新能源發(fā)電間歇性問(wèn)題[12-13]，調(diào)節(jié)非關(guān)鍵負(fù)載的能耗可以隨著微網(wǎng)內(nèi)電源出力波動(dòng)，從而達(dá)到虛擬儲(chǔ)能的作用。

電力彈簧的拓?fù)浣Y(jié)構(gòu)如圖2所示。其中控制回路為基于比例積分控制器的電力彈簧控制回路，使用鎖相環(huán)，調(diào)節(jié)流經(jīng)ES的實(shí)時(shí)電流相位與電力彈簧電壓[13]?？刂苹芈房筛鶕?jù)上層要求將直流電壓轉(zhuǎn)換為ES的輸出電壓。并使電力彈簧的電壓與電流相位差為0°或180°，以控制電力彈簧的有功功率。其中Cd、Cf和Lf分別為直流側(cè)電容、濾波電容和濾波電感。

圖2 含電力彈簧的儲(chǔ)能結(jié)構(gòu)拓?fù)鋱DFig.2 Topology diagram of energy storage system with electric spring

圖3為ES在接入非關(guān)鍵負(fù)載時(shí)的等效充放電結(jié)構(gòu)向量圖。

根據(jù)圖3所示，電力彈簧啟動(dòng)時(shí)的功率數(shù)學(xué)模型為

P′=|V′N(xiāo)C|×|I′ES|cosθ

(11)

電力彈簧不啟動(dòng)時(shí)的功率數(shù)學(xué)模型為

P=|VNC|×|IES|cosθ

(12)

水平實(shí)線為ES啟用狀態(tài)下的電壓；水平虛線為ES不啟動(dòng)狀態(tài)電壓；Re為坐標(biāo)系中橫坐標(biāo)復(fù)數(shù)實(shí)部；當(dāng)非關(guān)鍵負(fù)載電壓VNC大于ES電壓時(shí)處于充電狀態(tài)，當(dāng)非關(guān)鍵負(fù)載電壓VNC小于ES電壓時(shí)處于放電狀態(tài)圖3 基于電力彈簧工作的向量圖Fig.3 Working vector diagram based on electric spring

則電力彈簧的儲(chǔ)能功率為

(13)

式(13)中：當(dāng)PES>0時(shí)表示電力彈簧處于充電狀態(tài)；當(dāng)PES<0時(shí)表示電力彈簧處于放電狀態(tài)；VS為供電電壓大小為220 V；VES、ZNC分別為ES的電壓、NCL的阻抗。

2 優(yōu)化目標(biāo)函數(shù)和約束條件

在微網(wǎng)系統(tǒng)中引入氫儲(chǔ)能和虛擬儲(chǔ)能，以風(fēng)機(jī)、光伏和混合儲(chǔ)能系統(tǒng)中各設(shè)備的數(shù)量作為待優(yōu)化變量，以能源浪費(fèi)率和微網(wǎng)系統(tǒng)全壽命周期成本作為待優(yōu)化目標(biāo)函數(shù)，將系統(tǒng)內(nèi)部的功率平衡和儲(chǔ)能系統(tǒng)的充放電深度作為約束條件[14]，具體分析如下。

2.1 目標(biāo)函數(shù)

2.1.1 經(jīng)濟(jì)性指標(biāo)

微網(wǎng)經(jīng)濟(jì)性指標(biāo)考慮系統(tǒng)全壽命周期內(nèi)初始投資成本、運(yùn)維成本以及壽命周期內(nèi)設(shè)備置換成本，表達(dá)式為

Cmin=Caic+Caom+Carp

(14)

式(14)中：Cmin為全壽命周期總成本；Caic為總初始投資成本；Caom為總運(yùn)維成本；Carp為總更換成本。

主要設(shè)備總初始投資成本為

Caic=NWCW+NPVCPV+NBATCBAT+NELCEL+

NHCH+NFCCFC+N′BATC′BAT

(15)

式(15)中：NW、NPV、NBAT、NEL、NH、NFC、N′BAT分別為風(fēng)力發(fā)電機(jī)組、光伏電池組件、蓄電池、電解槽、儲(chǔ)氫罐、燃料電池、ES等效蓄電池的數(shù)量；CWT、CPV、CBAT、CEL、CH、CFC、C′BAT分別為風(fēng)力發(fā)電機(jī)組、光伏電池組件、蓄電池、電解槽、儲(chǔ)氫罐、燃料電池、ES的單價(jià)。

年平均運(yùn)維成本與初始投資成本相關(guān)，簡(jiǎn)要公式為

Caom=kaomCaic

(16)

式(16)中：kaom為系統(tǒng)運(yùn)維系數(shù)，本文取值1%。

當(dāng)系統(tǒng)內(nèi)各設(shè)備達(dá)到使用年限后，需要重新購(gòu)置設(shè)備。因?yàn)楦魑⒃吹氖褂媚晗薏灰粯?，而微網(wǎng)容量配置計(jì)算的是1年內(nèi)的系統(tǒng)運(yùn)行費(fèi)用，因此應(yīng)將設(shè)備重置費(fèi)用折算成年均設(shè)備重置費(fèi)用。年均設(shè)備重置費(fèi)用與設(shè)備的使用年限有關(guān)，置換成本是微網(wǎng)壽命周期內(nèi)由更換設(shè)備產(chǎn)生的費(fèi)用，數(shù)學(xué)模型為

(17)

式(17)中：kBAT·u、kFC·u、kEL·u、kES·u分別為壽命周期內(nèi)蓄電池、燃料電池、電解槽、電力彈簧的年平均價(jià)格；LBAT、LFC、LEL、LES分別為蓄電池、燃料電池、電解槽、電力彈簧的使用壽命；yBAT、yFC、yEL、yES分別為各設(shè)備在微網(wǎng)系統(tǒng)壽命周期內(nèi)需要更換的次數(shù)；i為貼現(xiàn)率，取值0.04；n取值1～yBAT;m取值1～yFC;j取值1～yEL；g取值1～yES。

2.1.2 能量浪費(fèi)率

當(dāng)新能源出力較大，滿足負(fù)荷需求之后，儲(chǔ)能系統(tǒng)不能及時(shí)吸收所有能量時(shí)，會(huì)產(chǎn)生能源浪費(fèi)，將能量浪費(fèi)率定義為總浪費(fèi)能量與總需求負(fù)荷的比值。

(18)

式(18)中：Pex為在時(shí)刻t微網(wǎng)系統(tǒng)的能量過(guò)剩功率；Pload為時(shí)刻t的負(fù)載需求功率。

2.2 系統(tǒng)約束

(1)功率平衡約束。根據(jù)圖1所給系統(tǒng)結(jié)構(gòu)模型，對(duì)系統(tǒng)內(nèi)功率交互平衡進(jìn)行約束，即

(19)

式(19)中：Pload、Pbat、Psp、dP分別為負(fù)載需求功率、蓄電池功率、微電網(wǎng)系統(tǒng)缺額功率、微源出力與負(fù)載需求的差值。

(2)儲(chǔ)能容量約束。儲(chǔ)能系統(tǒng)過(guò)充或過(guò)放還會(huì)影響儲(chǔ)能系統(tǒng)壽命，所以設(shè)置荷電狀態(tài)對(duì)蓄電池，電力彈簧和儲(chǔ)氫罐的等效荷電狀態(tài)進(jìn)行充放電約束，即

(20)

式(20)中：SOCbat、SOCQH分別為蓄電池、儲(chǔ)氫罐的荷電狀態(tài)。

3 運(yùn)行控制策略與模型求解方法

3.1 運(yùn)行策略

考慮對(duì)能源充分利用以及微網(wǎng)運(yùn)行經(jīng)濟(jì)性，提出基于ES的能量控制策略。其中，當(dāng)新能源出力大于負(fù)載需求功率時(shí)，系統(tǒng)供充電順序?yàn)椋盒铍姵貎?yōu)先充電，當(dāng)蓄電池電能達(dá)到最大荷電狀態(tài)約束時(shí)，氫儲(chǔ)能系統(tǒng)充電，氫儲(chǔ)能達(dá)到最大荷電狀態(tài)時(shí)，由ES工作儲(chǔ)能。當(dāng)新能源出力小于負(fù)載功率時(shí)，由于蓄電池響應(yīng)快，系統(tǒng)放電順序?yàn)椋盒铍姵貎?yōu)先放電，之后氫儲(chǔ)能系統(tǒng)放電。功率不足由ES工作做補(bǔ)充。運(yùn)行策略如圖4所示。

圖4中，策略①：滿足負(fù)荷所需功率后，發(fā)電系統(tǒng)多余功率對(duì)蓄電池進(jìn)行充電直至充滿；策略②:滿足負(fù)荷所需功率和蓄電池最大充電功率后，發(fā)電系統(tǒng)多余功率向電解槽供電開(kāi)始制氫直至儲(chǔ)氫罐最大值；策略③:滿足負(fù)荷所需功率、蓄電池最大充電功率以及電解槽功率后，電力彈簧儲(chǔ)能啟動(dòng)沖至最大值，并計(jì)算過(guò)剩功率Pex；策略④:新能源出力不足時(shí)，蓄電池工作將缺額功率補(bǔ)滿；策略⑤:新能源出力不足時(shí)，蓄電池和燃料電池開(kāi)始工作將缺額功率補(bǔ)滿；策略⑥:新能源出力不足時(shí)，蓄電池、燃料電池和電力彈簧開(kāi)始工作并計(jì)算缺額功率Psp。

圖4 儲(chǔ)能系統(tǒng)能量管理策略Fig.4 Energy management strategy for energy storage system

3.2 模型求解

NSGA-Ⅱ算法[15]在效率上，降低了初代計(jì)算的復(fù)雜度，縮短了計(jì)算時(shí)間；在粒子選擇上，采取精英策略將父代與子代的種群一起尋優(yōu)對(duì)最優(yōu)秀的個(gè)體進(jìn)行有效保存，利用擁擠度的概念替代了共享半徑的策略有利于個(gè)體在全局進(jìn)行選擇、交叉和變異。

NSGA-Ⅱ算法采用模擬二進(jìn)制交叉算子策略(simulated binary crossover, SBX)，SBX交叉算子的數(shù)學(xué)模型為

(21)

而微網(wǎng)中風(fēng)機(jī)和光伏出力的不確定性，混合儲(chǔ)能的充放電問(wèn)題決定了微網(wǎng)優(yōu)化配置的求解是一個(gè)非線性問(wèn)題，NSGA-Ⅱ算法在多目標(biāo)非線性?xún)?yōu)化領(lǐng)域應(yīng)用廣泛。本文將采用改進(jìn)后的NSGA-Ⅱ算法對(duì)模型進(jìn)行求解。

基于上述分析，對(duì)算法中的 SBX交叉算子進(jìn)行設(shè)計(jì)，使種群中個(gè)體帕累托前沿(Pareto frontier, PF)非支配排序信息與該算術(shù)交叉算子結(jié)合，構(gòu)成非均勻交叉算子，從而使算法在全局搜索能力上有所提升，其定義為

(22)

對(duì)系數(shù)α、β系數(shù)進(jìn)行限制，可避免種群交叉過(guò)程中陷入局部單邊最優(yōu)，改進(jìn)后算法的全局搜索能力增強(qiáng)，最終群體中的個(gè)體也將趨于同一Pareto前沿。

為驗(yàn)證算法可行性，使用ZDT1測(cè)試函數(shù)對(duì)算法進(jìn)行對(duì)比測(cè)試,F1和F2分別對(duì)應(yīng)測(cè)試目標(biāo)函數(shù)1和測(cè)試目標(biāo)函數(shù)2。

圖5為兩種算法 PF對(duì)比圖，從圖5中可以看出改進(jìn)后的NSGA-Ⅱ算法的Pareto前沿較改進(jìn)前分布更加均勻，可有效避免算法陷入局部最優(yōu)解情形，進(jìn)一步驗(yàn)證了改進(jìn)算法的優(yōu)越性。

圖5 ZDT1 PF對(duì)比Fig.5 ZDT1 PF comparison

在算法中代入本文的研究對(duì)象所構(gòu)建的算法流程結(jié)構(gòu)圖如圖6所示。

圖6 算法流程圖Fig.6 Algorithm flow

4 實(shí)例分析

以新疆烏魯木齊地區(qū)風(fēng)光及負(fù)荷數(shù)據(jù)為算例進(jìn)行含有電力彈簧的電氫微網(wǎng)優(yōu)化配置，該地區(qū)日均輻照強(qiáng)度約為184.1 W/m2，全年平均風(fēng)速為6.12 m/s，全年負(fù)荷量為1 602 302.75 kW·h，每小時(shí)平均負(fù)荷值為183.3 kW·h。圖7為當(dāng)?shù)貧v史數(shù)據(jù)。微網(wǎng)內(nèi)各個(gè)微源的成本參數(shù)如表1所示。

表1 各微源參數(shù)Table 1 Parameters for each micro-source

圖7 風(fēng)速、光輻照強(qiáng)度及負(fù)載數(shù)據(jù)Fig.7 Wind speed、 light irradiation intensity and load data

設(shè)定改進(jìn)的NSGA-Ⅱ算法初始種群大小為100，最大迭代次數(shù)100次，初始交叉概率為0.9，變異概率為0.1。采用3種方案對(duì)本文所提微網(wǎng)系統(tǒng)進(jìn)行容量?jī)?yōu)化配置。方案1：系統(tǒng)內(nèi)不含電力彈簧及氫儲(chǔ)能裝置；方案2：系統(tǒng)內(nèi)包含氫儲(chǔ)能裝置，但不考慮電力彈簧裝置；方案3：系統(tǒng)內(nèi)包含氫儲(chǔ)能并引入電力彈簧裝置。

表2和表3分別為配置的結(jié)果方案和仿真目標(biāo)結(jié)果。針對(duì)以上結(jié)果分析如下。

表2 配置結(jié)果Table 2 Configuration result

表3 仿真結(jié)果Table 3 Simulation results

對(duì)比分析方案1和方案2，在微網(wǎng)中加入氫儲(chǔ)能系統(tǒng)可以有效降低蓄電池的配置數(shù)量，在可再生能源發(fā)電功率較大時(shí)將富余功率通過(guò)電解槽轉(zhuǎn)化為

氫儲(chǔ)存起來(lái)，在功率缺額時(shí)，通過(guò)燃料電池放電從而減少使用蓄電池的數(shù)量，方案2相比方案1更加經(jīng)濟(jì)同時(shí)對(duì)能量的利用率也較高。

對(duì)比分析方案2和方案3，在方案3添加電力彈簧之后，電力彈簧可儲(chǔ)存部分能量，通過(guò)調(diào)節(jié)NCL的功率來(lái)實(shí)現(xiàn)虛擬儲(chǔ)能，不但對(duì)NCL的工作不造成影響，而且降低了儲(chǔ)能單元的配置，方案3所提配置方法不僅降低成本，而且優(yōu)化了可再生能源的合理配置。方案2適用于非關(guān)鍵負(fù)載少的地區(qū)，方案3適用于非關(guān)鍵負(fù)載較多的地區(qū)。

圖8以方案1數(shù)據(jù)為標(biāo)幺值處理的方案對(duì)比圖。圖中數(shù)據(jù)可以看出方案3的總成本相比較與方案1有所降低，同時(shí)方案3的儲(chǔ)能成本和能源浪費(fèi)率相較于方案1和方案2較低。其中方案3相比較于方案1儲(chǔ)能成本下降了20%，能源浪費(fèi)率降低了22%。綜上所述，在電氫微網(wǎng)系統(tǒng)中加入電力彈簧裝置使得微網(wǎng)經(jīng)濟(jì)性得到提升，同時(shí)也提高了微網(wǎng)風(fēng)光資源的利用，驗(yàn)證了本文所提方法的合理性。對(duì)微電網(wǎng)的優(yōu)化配置具有一定的研究意義。

圖8 優(yōu)化方案對(duì)比Fig.8 Comparison of optimization schemes

5 結(jié)論

為了提高新能源的消納，降低電氫微網(wǎng)配置成本，提高供電可靠性。在電氫微網(wǎng)中引入電力彈簧裝置，建立了電力彈簧模型，采用改進(jìn)的NSGA-Ⅱ算法對(duì)電氫微網(wǎng)進(jìn)行優(yōu)化配置，通過(guò)算例進(jìn)行檢驗(yàn)得出以下結(jié)論。

(1)微網(wǎng)系統(tǒng)中引入電力彈簧作為虛擬儲(chǔ)能裝置后可有效調(diào)節(jié)系統(tǒng)內(nèi)的負(fù)荷功率，從而降低系統(tǒng)內(nèi)儲(chǔ)能裝置的容量降低儲(chǔ)能成本，提高微網(wǎng)經(jīng)濟(jì)性。為虛擬儲(chǔ)能的應(yīng)用提供了一定的參考。

(2)加入電力彈簧提高了新能源的消納,降低了所配置微網(wǎng)系統(tǒng)的能源浪費(fèi)率，進(jìn)一步改善棄風(fēng)、棄光現(xiàn)象，有利于促進(jìn)新能源發(fā)電產(chǎn)業(yè)的長(zhǎng)遠(yuǎn)發(fā)展。

(3)氫儲(chǔ)能系統(tǒng)的配置可減少蓄電池的使用與雙碳目標(biāo)不謀而合，氫儲(chǔ)能作為清潔儲(chǔ)能裝置能夠大幅提高微網(wǎng)競(jìng)爭(zhēng)力，降低成本增加效益。