摘要：文章提出了一種基于遺傳算法的電源規劃模型，旨在提高電網(wǎng)對風(fēng)電的消納能力并保持系統穩定。通過(guò)構建不同的規劃方案，分析了儲能電站的引入對電力系統的影響，包括提升風(fēng)電消納能力、電網(wǎng)穩定性和經(jīng)濟效益。即使儲能設施初期投資較高，但長(cháng)期看可以有效降低運行成本，提高電網(wǎng)的可靠性。此外，文章還探討了允許風(fēng)電輸出波動(dòng)對規劃結果的積極影響，提供了一種在確保電力系統可靠性的同時(shí)降低投資成本的策略。

關(guān)鍵詞：風(fēng)電消納；電源規劃；儲能電站

0引言

隨著(zhù)全球氣候變化和能源危機的日益嚴峻，可再生能源的開(kāi)發(fā)和利用成為世界各國的共同選擇，其中風(fēng)能作為清潔能源的代表，其開(kāi)發(fā)利用受到了廣泛關(guān)注。然而，風(fēng)能的間歇性和不穩定性給電網(wǎng)的穩定運行和風(fēng)電的大規模消納帶來(lái)了挑戰。

1儲能電站提高風(fēng)電消納能力工作機理

基于儲能電站提高風(fēng)電消納能力的電源規劃研究，關(guān)注的是如何通過(guò)儲能系統提高風(fēng)電的利用效率和穩定性。風(fēng)能作為一種可再生能源，雖然環(huán)保，但存在一定的不穩定性，特別是風(fēng)速的變化導致發(fā)電量波動(dòng)。為了解決這一問(wèn)題，儲能電站的作用顯得尤為重要。儲能電站通過(guò)存儲風(fēng)能在風(fēng)速較高時(shí)多出的電力，解決了風(fēng)電供應不穩定的問(wèn)題。當風(fēng)速減弱，風(fēng)力發(fā)電量減少時(shí)，儲能電站可以釋放之前儲存的電力，保證電網(wǎng)的穩定供電。

2模型求解的流程

圖1展示的是一個(gè)基于遺傳算法的電源規劃模型求解流程，遺傳算法是一種啟發(fā)式搜索算法，用于解決優(yōu)化和搜索問(wèn)題。該流程圖詳細描述了電源規劃模型的各個(gè)步驟，從初始化種群到解決方案輸出。

流程從“開(kāi)始”標記出發(fā)，首行的是“種群初始化”。在這個(gè)階段，創(chuàng )建了一個(gè)種群，包含多個(gè)個(gè)體，每個(gè)個(gè)體代表電源規劃問(wèn)題的一個(gè)潛在解決方案。種群的每個(gè)個(gè)體都有一個(gè)與之相關(guān)的適應度值，該值指示該個(gè)體解決問(wèn)題的能力。接下來(lái)，流程進(jìn)入“計算個(gè)體適應度”的步驟，基于現有的系統數據和參數約束，計算每個(gè)個(gè)體的適應度值。適應度值越高的個(gè)體，被認為是更好的解決方案。之后，流程圖指向一個(gè)判定環(huán)節：“滿(mǎn)足條件”，這個(gè)環(huán)節檢查當前種群是否已經(jīng)達到了既定的停止條件，這些條件可能是解決方案的精度滿(mǎn)足預定的要求，或者算法已經(jīng)達到了預設的迭代次數。

在“選擇”階段，根據個(gè)體的適應度進(jìn)行選擇，適應度較高的個(gè)體有更高的機會(huì )被選中參與下一代的生成，這個(gè)過(guò)程模仿了自然選擇，即適者生存的原則。“交叉”是指選定的個(gè)體通過(guò)某種方式交換它們的一部分基因，生成新的個(gè)體，這個(gè)過(guò)程對應于生物學(xué)中的繁殖和遺傳，有助于產(chǎn)生新的解決方案。

2.1解碼與編碼

在應用遺傳算法進(jìn)行電源規劃問(wèn)題求解時(shí)，染色體編碼的設計至關(guān)重要。染色體編碼是算法能否成功應用于電源規劃的決定性因素。一個(gè)有效的編碼滿(mǎn)足3個(gè)基本原則：完備性、健全性和小冗余性。完備性確保編碼可以覆蓋所有可能的解決方案，健全性保證每個(gè)編碼都能夠對應一個(gè)有效的解決方案，而小冗余性則意味著(zhù)編碼系統盡可能簡(jiǎn)潔，以降低無(wú)效解的出現。

2.2適應度函數的選擇

在遺傳算法中，適應度函數是決定個(gè)體存續的關(guān)鍵，它衡量了個(gè)體在特定環(huán)境中的生存能力。高適應度的個(gè)體有大的概率傳遞其基因到下一代，而適應度低的個(gè)體則可能被淘汰。為了有效地引導算法搜索過(guò)程，并確保解決方案的質(zhì)量，本文采用了一種懲罰策略來(lái)增強個(gè)體的適應度。這種策略通過(guò)對目標函數添加懲罰項來(lái)調整適應值函數，使其能夠反映約束條件的滿(mǎn)足程度。在構建小化國民經(jīng)濟投入的目標函數時(shí)，電力和電量的約束被作為懲罰項考慮在內。這樣做的目的是確保在追求成本效益的同時(shí)，也要滿(mǎn)足電網(wǎng)的基本運行要求。類(lèi)似地，當目標是大化風(fēng)電消納能力時(shí)，電壓和頻率約束則成為懲罰項。此時(shí)的目標函數為：

這意味著(zhù)解決方案不僅要追求風(fēng)電的利用，而且要保證電網(wǎng)的穩定性和可靠性。目標函數的設計反映了這種平衡的追求。在適應度函數中，電網(wǎng)的穩定運行參數被賦予了權重，這樣可以在種群進(jìn)化的過(guò)程中自然淘汰那些可能導致電網(wǎng)不穩定的解決方案。

2.3遺傳參數的選擇

經(jīng)過(guò)多輪的試驗和調整，確定了適合本文遺傳算法模型的關(guān)鍵參數。設定了一個(gè)由150個(gè)個(gè)體組成的種群，以確保有足夠的多樣性來(lái)探索解空間。選擇率設置為0.65，以平衡精英主義和多樣性的保持。此外，采用了0.78的較高交叉率來(lái)鼓勵信息在個(gè)體間的廣泛交換，而變異率則定為0.05，以引入新的基因變異但又不至于破壞已經(jīng)適應的結構。使用0.68作為隨機數種子，以保持實(shí)驗的一致性和可重復性。這些參數的設置旨在優(yōu)化算法的搜索能力，同時(shí)保持算法的魯棒性和避免過(guò)早收斂到局部?jì)?yōu)解。

3算例仿真

3.1規劃內容

采用了一個(gè)虛擬的電網(wǎng)環(huán)境，對特定地區的電力系統進(jìn)行了未來(lái)7年內的規劃，其中涉及12個(gè)預期建立的電源。電力總負荷及總用電量逐年增長(cháng)情況如表1所示。特別地，編號為9～12的電源是規劃中的儲能電站，它們的容量取決于當地的風(fēng)能資源利用情況，因此無(wú)法在規劃開(kāi)始前準確設定。儲能電站的容量將依據規劃過(guò)程中的具體情況動(dòng)態(tài)確定，每個(gè)電站由若干儲能單元組成，具體的技術(shù)參數如表2所示。這種規劃方法允許在考慮風(fēng)能資源的同時(shí)，靈活調整儲能電站的規模，以適應實(shí)際需求。

3.2不同規劃方案的結果及對規劃結果的分析

本文提出的算法與模型應用于對一個(gè)區域的電力系統實(shí)施了為期7年的電源規劃，產(chǎn)生了3種不同的規劃方案。在方案1中，直接采用了本文描述的算法和模型。方案2則在模型的基礎上做了調整，允許風(fēng)電場(chǎng)的輸出功率有一定幅度的波動(dòng)。方案3排除了儲能電站的參與，除此之外，與方案1保持一致。這些方案的比較分析旨在評估儲能電站的影響以，及風(fēng)電輸出波動(dòng)對區域電力系統規劃的影響。優(yōu)化方案結果如表3所示。

根據表3的數據，可以觀(guān)察到以下現象：①不同的投資選擇導致各電廠(chǎng)啟用的順序有所變化。這主要是由于選址的地理位置、當地環(huán)境條件及電廠(chǎng)類(lèi)型的不同考量，進(jìn)而影響了投資總額。②通過(guò)比較不同的投資模型，可以看出總投資成本和電網(wǎng)對風(fēng)電的吸納能力呈現顯著(zhù)差異。在方案1和方案3的對比中，方案1由于納入了儲能電站，多出的投資為109.6億元，但其風(fēng)電消納能力顯著(zhù)優(yōu)于方案3。這表明儲能電站的引入顯著(zhù)提升了電網(wǎng)的風(fēng)電消納效率，并降低了庫存與缺貨成本，增強了市場(chǎng)競爭力。然而，儲能設備的高成本也使得經(jīng)濟投入相應增加。③在方案2和方案1的對比中，盡管風(fēng)電消納能力相近，國民經(jīng)濟總投入卻降低了31.4億元。這是因為方案2在不犧牲電力系統可靠性的前提下，允許風(fēng)電場(chǎng)輸出功率有更大的波動(dòng)，減少了所需儲能電站的容量。由于儲能系統成本隨容量增加而上升，因此總投入相應減少。綜合分析可知，本文模型有效展現了儲能電站在增強風(fēng)電消納能力上的優(yōu)勢。同時(shí)，也實(shí)現了在風(fēng)電波動(dòng)范圍內的可靠性和經(jīng)濟性之間的平衡，符合當前國際對環(huán)境保護、可持續發(fā)展、電能可靠性及市場(chǎng)競爭力新形勢的需求。

4安科瑞Acrel-2000MG微電網(wǎng)能量管理系統

4.1概述

Acrel-2000MG儲能能量管理系統是安科瑞專(zhuān)門(mén)針對工商業(yè)儲能電站研制的本地化能量管理系統，可實(shí)現了儲能電站的數據采集、數據處理、數據存儲、數據查詢(xún)與分析、可視化監控、報警管理、統計報表、策略管理、歷史曲線(xiàn)等功能。其中策略管理，支持多種控制策略選擇，包含計劃曲線(xiàn)、削峰填谷、需量控制、防逆流等。該系統不僅可以實(shí)現下級各儲能單元的統一監控和管理，還可以實(shí)現與上級調度系統和云平臺的數據通訊與交互，既能接受上級調度指令，又可以滿(mǎn)足遠程監控與運維，確保儲能系統安全、穩定、可靠、經(jīng)濟運行。

4.2應用場(chǎng)景

適用于工商業(yè)儲能電站、新能源配儲電站。

4.3系統結構

4.4系統功能

4.4.1實(shí)時(shí)監管

對微電網(wǎng)的運行進(jìn)行實(shí)時(shí)監管，包含市電、光伏、風(fēng)電、儲能、充電樁及用電負荷，同時(shí)也包括收益數據、天氣狀況、節能減排等信息。

4.4.2優(yōu)化控制

通過(guò)分析歷史用電數據、天氣條件對負荷進(jìn)行功率預測，并結合分布式電源出力與儲能狀態(tài)，實(shí)現經(jīng)濟優(yōu)化調度，以降低尖峰或者高峰時(shí)刻的用電量，降低企業(yè)綜合用電成本。

4.4.3收益分析

用戶(hù)可以查看光伏、儲能、充電樁三部分的每天電量和收益數據，同時(shí)可以切換年報查看每個(gè)月的電量和收益。

4.4.4能源分析

通過(guò)分析光伏、風(fēng)電、儲能設備的發(fā)電效率、轉化效率，用于評估設備性能與狀態(tài)。

4.4.5策略配置

微電網(wǎng)配置主要對微電網(wǎng)系統組成、基礎參數、運行策略及統計值進(jìn)行設置。其中策略包含計劃曲線(xiàn)、削峰填谷、需量控制、新能源消納、逆功率控制等。

5硬件及其配套產(chǎn)品

6結語(yǔ)

本文通過(guò)采用遺傳算法對電力系統的電源規劃進(jìn)行了深入分析。結果表明，儲能電站的引入顯著(zhù)提升了風(fēng)電的消納能力，并增強了電網(wǎng)的穩定性，為風(fēng)電大規模應用和儲能技術(shù)的集成提供了實(shí)用的規劃策略，對促進(jìn)可持續能源發(fā)展和電力系統的經(jīng)濟運行具有重要意義。

參考文獻：

[1]林晨，于興達.基于儲能電站提高風(fēng)電消納能力的電源規劃研究。

[2]張也可，羅志坤，曾林俊，等.考慮風(fēng)光出力相關(guān)性與共享儲能的綜合能源微網(wǎng)雙層優(yōu)化[J].電力科學(xué)與工程，2023，39（10）:26-38.

[3]陳俊.電化學(xué)儲能電站質(zhì)量安全研究[J].電工電氣，2023（9）:74-76.

[4]郝文波，景菲，顏慶宇，等.數據驅動(dòng)下基于風(fēng)電場(chǎng)景的多時(shí)間尺度調峰調度研究[J].電力系統保護與控制，2023，51（16）:115-126.

[5]安科瑞企業(yè)微電網(wǎng)設計與應用手冊.2022年05版

[6]安科瑞Acrel2000ES儲能能量管理系統選型手冊.2024年04版

[7]安科瑞光儲充微電網(wǎng)系統解決方案.2024年04版