赵  贺1，井天军2

　　（1.国网北京市电力公司电力科学研究院，北京100075；2.中国农业大学 信息与电气工程学院，北京100083）

　　摘  要： 针对目前北京地区大量接入的燃气三联供及光伏发电系统可以采取微电网形式就地消纳，以并网型燃气三联供-光伏-储能微电网系统为例，对热负荷扰动下的系统运行状态空间划分，并根据状态自适应完成单元下垂方式的选择与下垂系数的设计，通过建立PCC点波动率的熵值优化模型，对PCC点的交换功率进行了实时优化，最后通过实例仿真验证了所提调度及控制方法的正确性、有效性。

　　关键词： 热电联供；微电网；热负荷扰动；状态转换；优化调度；遗传算法

0 引言

　　在北京2014年能源规划中提出“创新模式，加快发展区域清洁供应体系”，将综合重点功能区热、电、冷需求，充分利用新能源新技术，提高产业功能区能源供应品质。北京市发改委2014年07月25日向社会发布了《北京市分布式光伏发电项目管理暂行办法》，该文件要求重点推进在国家级新能源示范区、高端功能产业园区、商业设施及工业园区等建筑和构筑物上建设分布式光伏发电系统；积极结合农村城镇化和新型农村社区建设分布式光伏屋顶系统。由此可见未来光伏分布式发电及冷热电三联供系统将成为北京市配电网接入的主要分布式电源形式，但目前燃气三联供系统主要从建筑节能与能源综合效率提升角度考虑[1-2]，未考虑其在以热定电模式并网后对公用电网的影响，综合三联供系统与光伏发电系统输出功率扰动对配电网的影响暂无研究。为此，本文以左安门智能小区微电网运行数据为基础，研究三联供系统与光伏发电接入控制策略及优化调度模型，以实现与配电网联络线反送功率平滑，抑制其对配电网电压稳定的影响。

1 微电网运行分层控制模式

　　典型的三联供-光伏-储能微网系统如图1所示，目前分布式电源的控制方法研究，主要为集中控制和分散协调控制[3-6]。集中控制包含单元控制器和储能系统中央控制器，依赖通讯线，便于与大电网并网运行时储能系统的优化调度，但对控制系统及数据采集实时性要求较高；分散协调控制中各储能控制单元间没有通讯线联系，主要采用并联逆变器的下垂控制来实现离网运行时负荷功率的合理分配。

　　分布式电源的调度依靠微网能量管理系统中的储能调度模块，调度方法与微电网的结构和离/并网运行方式密切相关，对含有储能装置，可控负荷和可调度电源的微网的经济性和稳定性有重要影响[7]。在图1所示的分布式电源控制结构中，下级蓄电池组、光伏控制器包含孤岛检测装置，双向变流器根据离/并网状态转变控制方式；上级储能系统中央控制器根据系统状态、可用容量和分时电价下发调度指令。

2 微电网单元基本控制策略

　　在微电网孤岛运行的情况下，并联的储能单元、微型燃气轮机等常采用下垂控制的策略，间歇性微电源如光伏发电等和燃气三联供采用P-Q控制策略。本文采用下垂控制与反下垂控制结合的协调控制策略，即多个并联逆变器中存在一个V-f控制的储能逆变器采用P-V和Q-f下垂控制，其余P-Q控制的并网逆变器采用V-P和f-Q反下垂控制[8-10]。采用本方法优势如下：

　　(1)在本方法中，微电网系统电压/频率作为P-Q控制的并联逆变器的功率输出参考信号，避免了多个并联逆变器采用下垂控制时，线路阻抗可能引起有功和无功功率的耦合问题；

　　(2)由于间歇性微电源受到环境因素（如光照、温度）随机波动的影响，在微电网发电盈余的情况下，微电源采用反下垂控制方法线性的减少发电功率而不是简单地断开，可以对微电网随机波动产生平抑作用，维持微电网功率平衡。

　　图2所示为V-f控制的逆变器双环下垂控制结构。逆变器内环采用V-f控制，其参考频率V和参考电压f由外环决定。逆变器信号测量模块测量逆变器输出的三相电压ea、eb、ec和电流ia、ib、ic，外环根据输出电压电流计算输出功率P和Q，并由此确定逆变器运行的参考频率V和参考电压f，V和f的确定方法如式(1)所示。

　　U=-KV(P-P0)+U0

　　f=-KW(Q-Q0)+f0(1)

　　式中KV、KW为下垂控制系数，U0、f0为额定电压和额定频率，P0、Q0为额定电压和额定频率下逆变器输出的基准有功功率和基准无功功率。

　　逆变器内环采用P-Q控制，其参考有功功率P?鄢和参考无功功率Q由外环决定，并通过锁相环实时跟踪电网电压和频率。逆变器信号测量模块测量逆变器输出的三相电压ea、eb、ec和电流ia、ib、ic，外环根据输出电压电流计算输出参考功率P和Q，其计算公式如式（2）所示。

　　式中KP、KQ为反下垂控制系数，U0、f0为额定电压和额定频率，P0、Q0为额定电压和额定频率下逆变器输出的基准有功功率和基准无功功率。

　　微电网下垂与反下垂结合的协调控制结构如图3所示，图中储能单元采用下垂控制的方法。微电网协调控制器通过通讯线下发各个微电源的额定电压/频率和基准功率，通过动态调整储能装置的额定电压频率，将系统电压频率波动控制在设定的范围内；通过动态调整微电源基准功率点，可以线性调节间歇性微电源输出功率。本控制策略在微电网；离网且发电功率盈余时，维持系统稳定有重要意义。

3 适应热负荷扰动的调度方法

　　在微电网的运行控制中，应当减小微网与大电网PCC处的交换功率以达到系统经济性与稳定性，尤其是微网内部发电盈余向电网馈电时，微网PCC上游配置的保护可能出现误动或拒动现象。本文为简化分析过程，只以PCC处交换功率绝对值的平均功率偏差作为运行控制的分析指标，将微网馈电和受电进行同等考虑。优化模型中，储能系统每时刻充放电功率Pess应为优化变量，因此优化可看作实时滚动优化的过程。定义时间窗口T，窗口内包含N个采样点，则在窗口T内的控制优化目标F如式（3）所示。

　　式中Pmt(i)分别为i时刻微型燃汽轮机总输出功率，分为供热负荷及供电负荷功率；Ppv(i)为i时刻光伏输出功率；Peqload(i)为i时刻微网内等效负荷功率，为热负荷及电负荷之和；Pess(i)为储能系统i的输出功率，发出为正，吸收为负。

　　在上述滚动优化中，在每个时间窗口内的优化均独立于其他窗口优化结果，但实际运行中，上一窗口优化下的储能充放电序列将直接影响下一窗口内储能充放电能力，进而制约优化效果，因此在整个时域内最后可能出现各窗口下的优化结果差异较大。为使总时域内各窗口优化结果差异较小，引入熵值以对系统混乱和无序状态进行度量，当系统处于唯一状态时，其有序程度最高，相应熵值最小为0，当系统处于多种状态且等概率出现时，其有序程度最低，对应熵值最大。将上述求得各窗口下的F值按大小均分区间U={U1，U2，U3，…，Un}，则将本文熵值模型定义如下：

　　式中n为区间数，Fk.max、Fk.min分别为区间[Uk，Uk+1]内F最大值、最小值，?滋k为区间[Uk，Uk+1]内Fi出现的频率。这里引入了F峰谷差值作为衡量F波动性大小的惩罚系数，即当峰谷差值较大时，即使F有序性较强，熵值依然会较大，只有当峰谷差值较小且F有序性较强时，熵值才会最小。

　　将式（4）作为外层优化目标如式（5）所示，式（3）作为内层优化目标，其优化流程图如图4所示。

　　根据储能系统SOC限值及2倍额定充放电功率作为当前充放电功率的限值，即优化变量的约束条件如式（6）-式（8）所示。

　　0≤Pess.ch(i)≤2·Prate，2·Prate<Pess.max ch(i)

　　0≤Pess.ch(i)≤Pess.max ch(i)，2·Prate≥Pess.max ch(i)(7)

　　0≤Pess.dic(i)≤2·Prate，2·Prate<Pess.max dic(i)

　　0≤Pess.dic(i)≤Pess.max ch(i)，2·Prate≥Pess.max dic(i)(8)

　　式（6）中Pess.max ch(i)、Pess.max dic(i)为储能根据当前i时刻SOC值及SOC大小限值SOCmax、SOCmin所确定的i时刻最大充、放电功率，其中rC、rD为储能充、放电效率，δ为储能自放电量，t为采样时间间隔。式(7)、(8)分别为储能当前充、放电功率的具体约束，在约束中将储能额定充放电功率Prate考虑其中，认为储能最大允许工作在2倍的额定充放电功率下。

　　式(7)、(8)通过2Prate与Pess.max ch(i)、Pess.max dic(i)的对比实际上缩小了优化变量的约束范围，并通过i时刻充、放电的解耦约束进一步缩小了优化变量的搜索解空间，减小了优化计算量。

　　在优化算法中本文采用遗传算法，其参数中交叉概率和变异概率选择是影响遗传算法行为和性能的关键所在，直接影响算法的收敛性，交叉概率越大，新个体产生的速度越快。然而交叉概率过大时遗传模式被破坏的可能性越大，使得具有高适应度的个体结构容易遭到破坏；但如果交叉概率过小，会使搜索过程缓慢，以至停止不前。因此，改进一种交叉概率和变异概率随适应度自动改变的自适应算法，改进后的交叉概率Pc和变异概率Pm如式(9)、(10)所示：

　　式中fmax、favg、f、f′分别为种群中最大适应度值、平均适应度值、两交叉个体中较大的适应度值、要变异个体适应度值。此外在自适应算法中引入多位变异，可增加种群的多样性。

4 仿真分析

　　本文所采用微电网结构、机组容量及储能容量如图5所示。光伏额定功率为100 kW，微型燃汽轮机额定功率为50 kW，储能配置为100 kW/100 kWh。

　　优化计算中，选取一天为总计算时间长度，时间窗口T=5 min，采样间隔取1 min，则每执行一次遗传算法时，包含5个变量，遗传种群个体取50，最大迭代次数取50，杂交、变异概率分别取0.9、0.05，离散精度取0.01。在储能参数中，rC、rD分别为0.95、0.9，SOCmax、SOCmin分别为0.9、0.2，自放电率δ取0.02。定义如下方案：

　　(1)未接入储能系统；

　　(2)接入储能系统，进行优化计算，但不加入熵优化；

　　(3)接入储能系统，进行优化计算，并接入熵优化。

　　运行优化程序，三种方案下F值曲线如图6所示。方案(2)、(3)由于接入了储能系统，因此各时间窗口下的F值远小于方案(1)。又由于方案(3)对考虑了F的熵值函数，因此最终其F曲线的峰谷差、波动性均小于方案(2)。

　　进一步考察PCC点处的交换功率如图7所示，由于热负荷的扰动，方案(1)在未接入储能下一些时刻出现尖刺情况，方案(3)由于通过对熵的优化进而调整了储能充放电功率，使其更为合理，因此PCC点交换功率的平滑效果要优于方案(2)。方案(2)、(3)下储能充放电曲线如图8所示。

5 结论

　　燃气三联供系统与光伏发电从自身经济性出发一般对电网表现为随机性负荷，在总容量达到兆瓦级对配电网稳定具有明显破坏作用，针对目前北京地区大量接入的燃气三联供及光伏发电系统可以采取微电网形式就地消纳，本文以并网型燃气三联供-光伏-储能微电网系统为研究对象，对热负荷扰动下的系统运行状态空间进行了划分，并根据状态自适应完成单元下垂方式的选择与下垂系数的设计，建立了PCC点波动率的熵值优化模型，对PCC点的交换功率进行了实时优化，仿真结果表明本文的调度方法及控制策略能够有效降低PCC点交换功率的波动性。

参考文献

　　[1] 徐雅静，陈斌，乔丽洁，等.燃气三联供系统在饭店中节能减排的应用分析[J].燃气技术，2013，5(11)：23-26.

　　[2] 黄洁.区域分布式功能系统的政策问题[J].新能源技术，2012，33(5)：456-459.

　　[3] 徐丙垠，薛永端，李天友，等.智能配电网广域测控系统及其保护控制应用技术[J].电力系统自动化，2012，36(18)：2-9.

　　[4] 张洋，王伟，李献伟.基于有功缺额的微电网集中控制策略研究[J].电力系统保护与控制，2011，39(23)：106-111.

　　[5] 李建斌，蔡润庆.基于集中-分散策略的分布式电源并网条件下的电力系统无功电压控制[J].广东电力，2014，27(6)：31-37.

　　[6] 许守平，候朝勇，王坤洋，等.分层控制在微网中的应用研究[J].电网与清洁能源，,2013，29(6)：39-45.

　　[7] 吴雄，王秀丽，刘世民，等.微电网能量管理系统研究综述[J].电力自动化设备，2014，34(10)：32-27.

　　[8] 王成山，肖朝霞，王守相.微电网综合控制与分析[J]．电力系统自动化，2008，32(7)：98-103．

　　[9] 王成山，高菲，李鹏，等.低压微网控制策略研究[J].中国电机工程学报，2012，32(25)：2-8.

　　[10] 杨新法，苏剑，吕志鹏，等.微电网技术综述[J].中国电机工程学报，2014，34(1)：57-70.