﻿ 并网下微电网调度策略研究 Scheduling Strategy for Micro Grid in Grid-Connected Mode

Smart Grid
Vol.05 No.03(2015), Article ID:15462,10 pages
10.12677/SG.2015.53013

Scheduling Strategy for Micro Grid in Grid-Connected Mode

Xingxuan Wang1,2, Xiangyang Zhao1, Wen Luo2

1School of Automation Science and Electrical Engineering, Beihang University, Beijing

2Jiangxi ENACS Renewable Energy Resources and Micro Grid Innovations Co. LTD, Ji’an Jiangxi

Email: kaileichen@163.com

Received: May 27th, 2015; accepted: Jun. 16th, 2015; published: Jun. 23rd, 2015

ABSTRACT

The generation mode of the traditional grid is generally fixed; the optimization for economic load distribution is in accordance with the equal consumed energy ratio. While the micro grid is composed of the intermittent new energy generation and the load power of great uncertainty; how to formulate the effective scheduling method is the key problem of the development of the micro grid. This paper studies the Priority Method of Battery’s SOC (PMBC) and Dual Particle Swarm Optimization (DPSO) algorithm aiming at scheduling strategy under grid connected mode, which is based on the micro grid with solar system, battery, diesel generator, controllable load, sensitive load. An example shows that the two strategies are correct and effective, and analysis and comparison of optimization results are conducted.

Keywords:Micro Grid, Scheduling Strategy, Grid-Connected Operation, Priority Method

1北京航空航天大学自动化科学与电气工程学院，北京

2江西仪能新能源微电网协同创新有限公司，江西 吉安

Email: kaileichen@163.com

1. 引言

2. 调度系统建立

2.1. 目标函数方程

(1)

(2)

2.2. 微电网各单元的运行费用

2.2.1. 光伏发电单元

(3)

2.2.2. 储能电池

(4)

2.2.3. 柴油发电机

(5)

2.2.4. 大电网

(6)

2.2.5. 削减负荷的赔偿费用

(7)

2.3. 约束条件

2.3.1. 不等式约束

① 光伏功率出力约束：

(8)

② 电池充、放电功率约束：

③ 柴油发电机的最短运行时间、爬坡功率及最大出力约束：

(11)

(12)

(13)

④ 微电网与大电网交互功率的限制：

(14)

(15)

⑤ 可控负荷的约束：

(16)

2.3.2. 等式约束

(17)

(18)

2.3.3. 部分解约束

(19)

if，then

if，then

3. 调度策略

3.1. 基于电池SOC的优先次序法

3.2.双重粒子群优化算法

(20)

Figure 1.

4. 算例分析

4.1. 调度系统

Figure 2. Scheduling strategy’s flow chart based on DPSO

Figure 3. The micro grid structure

4.2. 优先次序法调度结果及分析1

Table 1. Relevant data of DER subsystem

Figure 4. Pricing of the main grid

Figure 5. Predictive value of PV

Figure 7. The unit commitment based on PMBC

Figure 8. The SOC of battery’s state of PMBC

① 光伏功率一直保持最大功率出力；

② 电池的初始SOC为0.5，在2点放电，SOC下降，3点不充不放，SOC不变，4~6点作为负荷充电，SOC上升，7~9点放电，不充不放，SOC不变，10、11点充电，SOC上升，之后SOC不变，17、18点放电，SOC下降，之后SOC又不变，23点充电，SOC上升。

③ 柴油机在3时段按爬坡功率及当前差额功率的约束下启动，4~6点保持3时段出力，7~9点都按当前差额功率的增加出力，10、11点保持9时段的出力，12、13按爬坡功率及当前差额功率的约束减少出力，14~18停机，19~22按爬坡功率及当前差额功率的约束增加出力，之后保持。

④ 微电网在3~11点向大电网购电，12~18向大电网售电，19~24向大电网购电。

⑤ 12~16点增加可控负荷，实际负荷比原负荷增加；19、20、21点减少可控负荷，实际负荷比原负荷需求降低；并且实际控制的负荷，都在允许可控制负荷范围内，满足约束。

4.3. 双重粒子群优化算法调度结果及分析

Table 2. Battery’s scheduling model of priority method in each period

Figure 9. The unit commitment based on DPSO

Figure 10. The SOC of battery’s state of DPSO

① 光伏功率一直保持最大功率出力；

② 电池的初始SOC为0.5，1~11点均不充不放，12点7充电，SOC上升，13点不充不放，SOC保持，14点放电，SOC下降，15~19点不充不放，SOC不变，20点作为负荷充电，SOC上升，之后SOC不变。

③ 柴油机在23、24时段按爬坡功率及当前差额功率的约束下启动和爬坡。

④ 微电网在2~10点向大电网购电，11点无功率交换，13~16向大电网售电，17~24向大电网购电。

⑤ 12~16点增加可控负荷，实际负荷比原负荷增加；19、20、21点减少可控负荷，实际负荷比原负荷需求降低；并且实际控制的负荷，都在允许可控制负荷范围内，满足约束。

5. 结论

Scheduling Strategy for Micro Grid in Grid-Connected Mode. 智能电网,03,100-110. doi: 10.12677/SG.2015.53013

1. 1. 刘继春 (2010) 电力调度优化理论及其应用. 中国电力出版社, 北京.

2. 2. Zamora, R. (2014) Energy management and control algorithms for integration of energy storage within microgrid. 2014 IEEE 23rd International Symposium on Industrial Electronics (ISIE), Istanbul, 1-4 June 2014, 1805-1810.

3. 3. Hasan, K.N., Haque, M.E., Negnevitsky, M. and Muttaqi, K.M. (2008) Control of energy storage interface with a bidirectional converter for photovoltaic systems. 2008 Australasian Universities Power Engineering Conference (AUPEC'08), Australasian, December 2008, 138-144.

4. 4. 娄素华, 等 (2005) 电力系统机组启优化问题的改进DPSO算法. 中国电机工程学报, 8, 30-35.

5. 5. 胡家声 (2004) 一种适合于电力系统机组组合问题的混合粒子群优化算法. 中国电机工程学报, 4, 24-30.

6. 6. 蔡超豪, 蔡元宇 (1997) 优化组合的遗传算法. 电网技术, 1, 44-51.

7. 7. 余廷芳, 林中达 (2009) 部分解约束算法在机组负荷优化组合中的应用. 中国电机工程学报, 2, 107-112.

8. 8. 李整, 谭文, 秦金磊 (2012) 一种用于机组组合问题的改进双重粒子群算法. 中国电机工程学报, 25, 189-195.

9. 9. Park, J.-B., Lee, K.-S., Shin, J.-R. and Lee, K.Y. (2005) A particle swarm optimization for economic dispatch with nonsmooth cost functions. IEEE Transactions on Power Systems, 1, 34-42.

10. 10. Dommel, H.W. and Tinney, W.F. (1968) Optimal power flow solution. IEEE Transactions on Power Apparatus and Systems, 87, 1866-1876.

11. 11. 罗朝春, 等 (2005) 电力市场日前交易计划的分布式协同算法. 电力系统自化, 11, 88-96.

12. 12. 陈眩姿, 赵向阳 (2013) 配电网规划中分布式电源的选址定容研究. 智能电网, 3, 153-158.

13. 13. 史俊 (2008) 基于粒子群算法的电网日调度问题研究. 硕士论文, 西安理工大学, 西安.

14. 14. 赵向阳, 段江曼 (2012) 微电网系统的调度策略及经济运行优化研究. 智能电网, 2, 99-107.

15. NOTES

1图7、图9机组组合效果图中，将所有“电源”为正值，所有“负荷”为负值，同一时间曲线上下值之和为0，即有功功率平衡。