Page 76 - 电力与能源2024年第三期
P. 76
350 张晶晶，等：计及风光资源不确定性的独立型微电网容量优化配置
2.1 确定性优化模型 式中 x =[ N wt，N pv，N die，N bat ]——决策变量。
2.1.1 目标函数 2.1.2 约束条件
以微网中风机台数 N wt、光伏台数 N pv、柴油发 （1）蓄 电 池 约 束 。 为 延 长 蓄 电 池 的 使 用 寿
电机台数 N die 和蓄电池个数 N bat 为决策变量，在满 命，需要对蓄电池的充放电过程进行约束。当蓄
足微网系统供电可靠性的硬约束条件下，同时优 电池荷电状态大于 0.9 时，蓄电池停止充电；当荷
化经济成本指标和可再生能源利用率指标，建立 电状态小于 0.1 时，蓄电池停止放电，且单位时间
微网容量配置的确定性优化模型。 内充、放电电量不能超过额定容量的 20%。
该模型本质上为多目标非线性整数优化模 （2）功率缺额约束。微网系统运行的可靠性
型，为降低求解难度，本文通过统一各个目标的量 是一个不容忽视的问题，可靠性主要表现为系统
纲将其转换成单目标进行求解。最终以年均综合 功率缺额的大小，过大的功率缺额会对生产和生
费用最小为优化目标，下面分别介绍经济成本指 活造成较大的影响，本文规定功率缺额量不能超
标和可再生能源利用率指标，其中可靠性指标将 过系统总负荷的 0.1%，功率缺额率可表示如下：
作为约束条件。 T N t t
(
k short = ∑ ∑ P ( i， ) - P load )/P LOAD × 100% （9）
（1）经济成本指标。经济成本 C E 共包括 4 部 t = 1 i = 1
t
式中 P ( i， ) ——第 i 种分布式电源 t 时刻的功率输
分：年平均初始投资费用、年平均设备运维费用、
t
出； P load——t 时刻的负荷大小，P LOAD——微网系
替换费用以及燃料费用，可表示如下：
统的年总负荷。
C E = C I + C O + C R + C F
N T 在模型求解时，可将功率缺额约束转换成惩
i
i
t
i
i
i
= η crf∑ ( k p P r + k o + k r P repalce ) + ∑ ( k f P die )
i = 1 t = 1 罚项来处理。
（6） 2.2 随机优化模型
式中 t = 1，2，⋅⋅⋅，T，T = 8 760——电源运行时 2.2.1 目标函数
刻； i = 1，2，⋅⋅⋅，N，N = 4——风机、光伏，柴油发 将随机模拟得到的风、光场景以随机变量的
i
电机和蓄电池 4 种分布式电源； k p——电源 i 的功 形式加入到确定性优化模型中，利用 CVaR 计量
i
i
率成本系数； P r ——电源 i 的额定功率；k o——电 微网的运行风险，并将其转化为平均风险损失加
i
源 i 的年总运行维护成本系数； k r ——电源 i 的替 入到投资成本中，从而建立考虑风、光资源不确定
i
换成本系数； P repalce——电源 i 总运行周期内的更 性的随机优化模型。基于 CVaR 的随机优化模型
换功率； η crf——资金回收系数； k f——燃料成本系 可表示如下：
t
数； P die——柴油发电机 t时刻的输出功率。 min f 2 ( x，ω )= Q [ λ，x，ξ ( ω ) ] （10）
（2）可再生能源利用率指标。当风光出力出 式中 x——决策变量； ω——随机变量；ξ ( ω )——概
现盈余时，这些过剩的电能可能都将浪费，为防止 率密度函数； λ——风险系数，通过调节 λ 权衡风险
能量浪费过大，提高可再生能源的利用率，引入能 与成本， λ 越大表示考虑风险成本越多； Q——风险
量浪费惩罚费用 C W 来衡量系统可再生能源的利 度量模型。
用率，即对盈余能量收取惩罚费用： 2.2.2 风险度量模型
T 传统意义上 VaR 和 CVaR 为风险的度量值。
t
C W = ∑ k w P waste （7）
t = 1 在金融领域，VaR 指在一定的置信水平下，某一金
t
式中 k w——能量浪费惩罚系数； P waste——t 时刻 融资产或证券组合在未来特定时间内的最大可能
的弃风和弃光功率总和。 损失。
综合上述两个指标，微网优化配置的确定性 CVaR 指 在 一 定 的 置 信 水 平 下 ，损 失 超 过
优化目标如下： VaR 阈值的期望值，将 VaR 和 CVaR 相结合可以
（8） 进行风险度量。
min f 1 ( x )= C E + C W
