包含可再生能源、储能和需求响应的孤岛微电网能量管理优化

2026-11-19 09:56:38      点击:次

摘要

本文旨在优化一个由可持续能源供电的微电网能量管理系统,该系统集成了太阳能光伏、风力涡轮机、柴油发电机、电池储能和需求响应能力。首要目标是降低总运营成本并维持可靠的电力供应。所提出的能量管理方案满足了技术和运营限制等要求。该系统被建模为一个具有24小时分辨率的线性优化问题。能源管理系统确定了柴油发电机输出、电池充放电率以及需求响应调整等关键参数。电池储能有助于平衡可再生能源发电与负荷需求之间的波动,从而降低柴油发电机的利用率。采用序列二次规划(SQP)算法求解优化问题,并使用线性规划(LP)验证最优目标值。通过数值模拟对所提方法进行了测试。结果表明,电池储能将24小时运行成本从313美元降低。从35美元降至187.17美元,降幅达40.27%。模拟验证表明,发电量始终与用电量匹配,电池不会过充或过放,这影响了系统的整体运行成本。然而,在基准运行条件下,需求响应并未带来额外的成本节约。这一点对于偏远地区和孤岛系统尤为重要。所提出的方法在满足功率平衡和运行约束的同时,支持了在评估条件下具有成本效益的能源调度。
关键词:
需求响应; 能源管理系统; 电池储能; 优化; 可再生能源

 

1. 引言

化石燃料有限且有害环境。此外,这也引发了日益增长的气候变化担忧;各国正转向可再生能源。如今,微电网是一种重要的解决方案,能够实现本地发电与可再生能源的整合并保持可靠性 [1,2岛屿微电网独立运行,不依赖主电网。因此,它们面临一些运行挑战,也存在设计机遇。在并网系统中,主电网会吸收不平衡,而在孤岛系统中,供应必须在任何时刻都等于需求;因此,不存在备用支持。一些地区无法连接主电网,因为成本太高或地理条件困难。因此,在这些情况下,岛屿微电网是理想的选择 [3,4].
岛屿微电网并非单一能源。它包含多种多样资源,如可再生能源发电(光伏、风能)、常规发电(柴油)、储能(电池)和柔性需求(需求响应)。光伏和风能等间歇性发电资源无需燃料,单位能源运行成本极低。此外,它们在运行阶段不排放二氧化碳。太阳能依赖阳光,风能依赖风速。这些因素无法控制;因此,可再生能源的输出变化难以预测,从而影响供需平衡 [5,6柴油发电机可以随时发电。它们可控且可预测;然而,燃料昂贵且会产生排放。因此,它们不应作为主要的长期解决方案。
电池解决了时间错配问题。当可再生能源输出 > 需求时 → 电池充电。当可再生能源输出 < 需求时 → 电池放电 [7]。由于功率平衡由发电和负荷(需求)两个部分组成,系统传统上通过调整发电量来匹配需求。需求响应(DR)则通过调整负荷侧来提供灵活性,改变消费模式。它不是增加发电量,而是推迟部分负荷或减少部分负荷。通过需求响应,消费模式可以适应可再生能源的可用性,这在可再生能源输出过低或过高时尤为有用。需求响应具有多项运行优势,例如减轻峰值需求压力、允许更多可再生能源被使用而非被弃用,以及减少启动柴油发电机的需求[8,9]。备份发电能力有限且无法依赖主网的孤岛系统通常使用昂贵的柴油发电。因此,在用电高峰期减少需求可提高稳定性;需求响应(DR)有助于避免昂贵的发电。电池提供供应侧灵活性,而需求响应提供负荷侧灵活性。两者结合可提供两级控制并减少柴油使用,从而降低总成本。
EMS是微电网的核心智能系统,负责决定各电源的发电量、电池充放电循环以及需求响应激活事件。它可以进行实时或日前优化(24小时调度)。EMS必须在始终满足供需平衡、将电池荷电状态(SOC)保持在安全范围内并避免过度削减负荷的同时,最小化总运行成本。早期系统采用简单规则,即优先使用可再生能源,有余电时为电池充电,缺电时启动柴油发电机。尽管这些方法实现简单且计算负担低,但缺乏数学上的最优性,且无法始终适应不断变化的情况[10]. 研究人员尝试通过采用优化框架来提高EMS性能,例如线性规划(LP),其中所有方程均为线性,以及混合整数线性规划(MILP),该方法虽然是线性的,但包含二进制决策(发电机开关决策)。这些方法具有能够提供保证最优解(如果问题是线性的)的优势,并且广泛应用于微电网调度应用中[11,12]。在实际应用中,电池物理特性会引入非线性行为,因为充放电效率不同,且可能随功率水平变化,损失取决于电流和荷电状态(SOC)。因此,线性模型只能近似这些复杂关系。然而,为了获得高精度,必须对非线性关系进行建模。因此,非线性规划(NLP)更为适用[13].
研究人员采用了受自然启发的优化技术来解决能源管理系统问题,例如模拟生物进化的遗传算法(GA)和模拟群体行为的粒子群优化(PSO)。这些被称为元启发式算法。它们因能够处理非线性问题和多个目标(成本、排放、电池健康状况等)而广受欢迎。它们不需要梯度信息或解析导数 [9,14]. 这些模型能够表示复杂的系统,而不会过度简化。它们在模拟和基准评估中表现良好,同时能够适应不同的系统结构。然而,元启发式方法无法保证获得绝对最佳(全局)解,并且对参数调整(种群大小、变异率、惯性权重等)表现出敏感性。每次运行它们都可能得到不同的结果,并且在关键的实时系统中可能缺乏可靠性。
模型预测控制(MPC)在移动时间窗口内重复求解优化问题。在每个控制间隔,它预测未来状况,在短时域内进行优化,仅应用第一个控制动作,随后重复该过程。MPC能自然处理预测不确定性,结合实时测量反馈,并动态适应变化的环境。然而,它需要准确的预测(读档、太阳能、风能)。此外,它实时重复求解优化问题,这可能耗费大量计算资源,在大规模系统中,这会变得极具挑战性[7,15]。在微电网中,可再生能源发电(太阳能和风能)以及负荷需求预测都存在不确定性。由于预测误差会影响调度决策和经济结果,研究人员开发了明确考虑不确定性的方法。随机规划通过将不确定变量(太阳能、负荷)建模为随机变量,使用概率分布,并优化期望成本或风险来考虑不确定性。这种方法提供了概率性能保证,提高了不确定条件下的可靠性,并考虑了多种可能的未来情景[16]。然而,随机规划需要了解概率分布,而真实数据可能无法明确定义这些分布。此外,在许多场景下计算负担沉重,可能涉及大规模优化问题。
优化不假设定义不确定性集合(可能误差范围)的概率分布,而是优化该集合内的最坏情况。它消除了对概率信息的需求,确保了在最坏情况下的可行性,并提供了强大的可靠性保证。然而,它可能过于保守,可能不必要地限制可再生能源的使用,从而导致柴油消耗量超过实际需要,进而增加运营成本[17]。传统的日前调度采用确定性方法:它使用次日的单点预测,并求解标准优化问题,而不对不确定性进行建模。其隐含假设是预测将足够准确。这种方法具有若干实际优势。它计算量轻,这对于需要每日运行的运行系统至关重要。结果透明且易于操作员理解,更重要的是,当预测质量良好时,它能提供可靠的性能。其不足之处在于处理预测的不确定性。由于优化没有考虑预测误差的可能性,当实际发电量或需求与预测值存在显著差异时,生成的调度方案可能会次优,甚至不可行。
在本研究中,采用了一种确定性能量管理方法,其中可再生能源发电和负荷需求由预定义的每小时曲线表示。优化过程在每个小时间隔内独立进行,利用可用的发电和需求信息。因此,预测的不确定性并未明确纳入优化过程中。尽管该方法为评估微电网运行提供了一个简化的框架,但可再生能源发电和负荷需求的偏差可能会影响最终的运行成本和系统可行性。
已有许多研究发表,但问题尚未完全解决,当前研究仍存在局限性。部分论文分析电池储能优化,而另一些则优化需求响应。很少有研究将两者结合在一个协调优化模型中,特别是在孤岛微电网中。一些研究采用案例研究方法,专注于特定的岛屿、气候和特定负荷曲线。因此,其结果可能无法很好地推广到条件不同的其他地区。研究人员知道电池表现出明显的非线性行为;效率随充电速率变化,损耗取决于运行条件;然而,大多数能源管理系统优化模型仍使用线性近似。其动机是线性模型更容易求解,尽管它们简化了现实,这可能会降低解的准确性。因此,调度计划可能无法反映真实的电池性能。
解决这些局限性需要一个EMS框架,该框架能够捕捉电池的线性行为,包含需求响应的灵活性,考虑可再生能源的不确定性,保持计算上的可处理性,并适用于通用的孤岛微电网。在本文中,我们为包含光伏、风能、多台柴油发电机、电池储能和需求响应的孤岛微电网开发了一个完整的EMS优化框架。该框架将所有主要资源整合到一个统一的模型中。由于电池效率是非线性的,我们将EMS建模为一个线性规划问题。该模型包含约束条件(功率平衡、SOC限制、发电机限制等)。我们使用MATLAB R2021a的fmincon求解器,采用序列二次规划(SQP)方法进行求解,该方法适用于非线性约束优化。这种方法允许对电池运行进行线性建模,同时在日前调度中保持计算量可控。该问题被表述为具有24个决策间隔(每个间隔1小时)的日前调度问题。优化过程同时确定柴油发电机输出、电池充放电以及需求响应激活计划。该框架在一个单一的优化问题中协调所有决策。
评估了三种运行场景,以分离并量化电池储能和需求响应在降低成本和提高可再生能源利用率方面的单独及综合贡献。结果表明,协调部署这两种灵活性资源所带来的经济和运行效益,显著高于单独部署其中任何一种资源,这对于可靠性至关重要且燃料供应物流会放大柴油依赖成本的偏远和孤岛应用场景尤为重要[18].
本研究的贡献在于为包含光伏和风力发电、柴油发电机、电池储能和需求响应的孤岛微电网制定了统一的24小时能量管理方案。本研究并非提出新的技术组合或优化算法,而是对三种运行配置进行了连贯的对比评估,评估了电池储能和需求响应的经济贡献,通过线性规划基准验证了解决方案,并考察了预设可再生能源发电和读档变化的影响。这些结果阐明了在所考虑条件下,协调能量管理的运行效益和局限性。
本文其余部分安排如下。第2节介绍微电网系统描述和组件模型,构建优化问题,并定义EMS目标函数和约束条件。第3节描述模拟案例研究和参数设置。第四节展示并分析了三种运行场景下的模拟结果。第5节以研究结果总结和未来研究方向结束全文。

2. 系统描述与建模

2.1. 微电网架构

所研究的系统是一个基于可再生能源的孤岛微电网,旨在不连接主电网的情况下为当地用电负荷供电。从概念上讲,该微电网由光伏(PV)发电、风力涡轮机(WT)发电、多台柴油发电机(DG)、电池储能系统(BSS)和需求响应(DR)单元组成。该微电网以24小时为调度周期,按小时分辨率运行。可再生能源被视为不可调度资源,只要有可用性,就会被优先利用。柴油发电机、电池储能和需求响应通过能量管理系统进行协调,以确保功率平衡、运行可行性和最低运行成本。

2.2. 可再生能源发电模型

孤岛微电网将光伏(PV)和风力涡轮机(WT)发电作为可再生能源。每个调度间隔的总可用可再生能源功率表示为