据能源圈了解到，

摘要 提出考虑新能源出力的孤岛微网储能配置优化方法。考虑新能源出力及孤岛微网储能系统的容量，基于储能设备的输出功率，计算储能配置优化参数，并建立目标优化函数，计算多目标优化函数适应度值，由此求得最优配置方案。实验结果表明：所提方法有利于提高孤岛微网系统的能源利用效率，保证供电稳定性。

1 孤岛微网储能配置优化方法设计

本文选择较大电池容量进行研究，并考虑到在中电荷储电设备中，电池组内各单元间的功率交换不受影响，故计算储能优化配置参数时仅考虑锂离子电池储能设备，储能容量根据功率大小可分为10 kW以下的小容量、10~20 kW的中容量和20 kW以上的大容量储能系统。为了避免锂离子电池在使用过程中过热现象的发生，可采用温度控制方式对其进行管理。在实际运行过程中，可根据实际情况对锂离子电池的充电、放电时间进行设定。当充、放电过程中锂离子电池温度超过设定温度值时，控制装置将进行温度控制，以保证电池寿命和安全运行。另外，由于锂离子电池具有较强的记忆功能和储能特性，故在实际运行过程中可对锂离子电池的充、放电时间进行设定。

为了保证在系统运行过程中锂离子电池具有良好的使用性能，需要对锂离子电池容量进行计算。由于储能设备容量由储能系统内各单元能量总和确定，因此可将其转化为该单元内各单元能量总和。为简化计算过程，将单位时间内电池充放电功率视为时间常数，系统总能量由储能系统内各单元能量之和得出。在储能系统实际输出功率已知的情况下，累加各单元能量，即

式中：E(i)为微网储能系统从初始时刻到第i个采样时刻的能量变化，也就是累计的充放电量的代数和；P(i)为微网储能系统第i个采样时刻的输出功率；D为放电深度；Ts为总能量储存量。

在确定储能系统的额定容量后，考察储能系统运行过程中的荷电状态，检验储能系统容量能否满足要求。以荷电状态表征储能系统的剩余电量水平，从而获得各个时刻的荷电状态，即

式中：S(0)为储能系统的初始荷电状态值；S(i)为第i时刻的储能系统的荷电状态值；Es为储能系统额定容量。

如果要求储能系统时刻满足需求，则其荷电状态必须在任意时刻都处于约束范围内。针对多个参数建立目标函数，具体包括微网储能系统各单元能量，储能系统额定容量以及储能系统运行过程中的荷电状态。由于一个参数的优化可能会对其他参数产生负面影响，因此在建立多目标优化函数时，对多个目标函数进行叠加，获得单目标函数。在运行约束的作用下，根据单目标函数确定最优解，即

式中：m为目标函数的个数；x为在约束条件下，目标函数解的范围；αi为各个目标函数的权重系数；Smin、Smax分别为储能系统荷电状态最小、最大值；f(x)为单目标函数。

本文选取微网中功率和容量约束进行考虑，在孤岛微网中，不同的微源在不同的时间具有不同的出力，因此需要对微网中的功率和容量进行控制。同时，还需要考虑系统中各个微电源的出力约束，保证孤岛微网稳定运行。由于本文约束较为常用，故不再列举具体公式。

光伏发电、风力发电、燃料电池发电等可再生能源根据自身出力特性会在负荷用电高峰期间向电网提供电力。负荷用电高峰时段一般是在节假日或其他非用电高峰期，此时微电网内的负荷处于不平衡状态。为了保证微网内各微电源之间能够合理配置和协调控制，在满足系统运行约束条件的前提下，本文采用最小成本运行方式，使系统内各微电源可以实现功率和容量优化配置，保证孤岛微网稳定运行。

根据微网储能充、放电时间响应特性，在设计运行约束时，将微网储能系统分为功率型和能量型，前者容量比较小，但是响应快；后者容量大，但是响应较慢。为了确定储能系统的容量约束，引入新能源输出功率的样本数据进行频谱分析，通过频谱分析结果确定储能系统的功率变化时间尺度，得到不同频率成分的能量分布。根据频谱分析结果，可以确定储能系统需要应对的功率变化时间尺度。不同频率成分代表着不同的功率变化速度，通过分析频谱，可以得到系统中存在的主要功率波动频率和其占比。

由于储能系统的充电寿命受放电深度的影响，放电深度越深，充电寿命越短，因此，储能系统使用过程中需要约束放电深度，但是在优化过程中，放电深度并不是越小越好，放电深度过小的情况下，储备容量受到的限制越大。因此，动态调整放电深度，可以通过实时监测系统负荷需求和储能系统状态，然后根据当前情况调整放电深度。

储能系统在连续运行过程中，在平抑新能源出力波动的同时，还需要保证储能系统自身的荷电状态在允许范围内，也就是在整个样本周期内，储能系统运行满足净充放电量为0。保证储能系统在每个周期都能满足上述约束条件，实现储能系统循环连续运行。在此基础上，计算储能优化配置参数。

本文采用遗传算法求取孤岛微网储能配置的最优解。

2 实验研究

本文以3机9母线的微网系统作为案例，并在系统的母线上安装一个储能设备。具体结构如图1所示。设置线路参数如表1所示。

图1 微网系统仿真结构

Fig.1 Simulation structure of microgrid systems

表1 微网系统线路参数

Table 1 Microgrid system line parameters

将微网储能单元、用户负荷作为实验数据来源，利用计算机软件模拟用户用电规律，在保证微网稳定运行的情况下，进行储能配置优化效果的仿真分析。由于实验以对比分析为主，在实验中引入2种常见的储能配置优化方法，根据实验结果对比各个优化方法的实际优化效果。在能源利用率实验中，以负荷功率变化作为实验指标，利用计算机仿真平台读取微网系统运行数据，获得负荷功率数据，在得到负荷功率预测曲线后，采用不同的储能配置优化方法优化微网储能配置，得到负荷预测优化曲线，曲线的峰谷差越大说明能源消耗越大，峰谷差越小说明能源利用效率越高。根据负荷预测曲线与负荷预测优化曲线的变化分析各个储能配置优化方法的实际性能。各个优化方法的实验结果如图2所示。由图2可知，3组实验结果中，文献[8]方法和文献[9]方法的负荷预测优化曲线与负荷预测曲线变化的高峰和低谷比较类似，优化效果并不理想。而提出的配置优化方法实验结果中，负荷预测优化曲线相比负荷预测曲线更加平滑，这是通过配置优化起到了削峰填谷的作用，减小了曲线的峰谷差，能源利用效率更高，在实现运行成本最低的情况下，保证了能源不间断的供给，一定程度上提高了微网运行的经济性。这是因为提出的配置优化方法考虑新能源的实际发电情况，通过约束孤岛微网储能系统的容量和功率，确保在优化过程中充分利用新能源出力，避免了因未考虑新能源特性而导致的配置不理想问题。

图2 能源利用率实验对比结果

Fig.2 Comparison results of energy utilization efficiency experiments

考虑新能源出力，将微网置于孤岛运行状态下，结合新能源出力情况和负荷变化情况，分析各个配置优化方法是否能够满足负荷供电。由于孤岛运行状态下，没有电网供电，为了保证重要负荷的正常运行，在新能源充足的情况下优先考虑储能充电，使其在没有供电的情况下通过储能放电满足一部分负荷运行。以新能源出力曲线与实际负荷曲线的匹配度作为实验指标，实验结果如图3所示。

图3 实际负荷曲线与新能源出力曲线对比结果

Fig.3 Comparison results of actual load curve and new energy output curve

考虑新能源出力的情况，如果孤岛微网储能系统输出的负荷曲线与其变化一致，说明能源得到了充分利用，在一定程度上保证孤岛运行期间的供电稳定。从图3可以看出，所提方法的实际负荷曲线与新能源出力曲线最为接近，说明两者之间匹配度高，孤岛运行状态的新能源发电利用率得到了提高，其他2组实验结果显示的实际负荷曲线与新能源出力曲线变化存在一定差距，说明两者匹配度比较低。综合图2~3的结果可知，提出的考虑新能源出力的孤岛微网储能配置优化方法能够充分利用能源，保证孤岛运行期间供电稳定，且经济性优于其他常见优化方法。

通过评估系统平均中断频率指数（system average interruption frequency index，SAIFI）和系统平均中断持续时间指数（system average interruption duration index，SAIDI）来验证不同方法的储能配置效果，结果如表2所示。从表2可以看出，所提方法在2个指标中均表现最佳，失电率仅为1.1次/年，平均停电持续时间为15 min/年，显示出更好的供电可靠性，这表明提出的配置优化方法对于提供稳定的供电具有重要意义。

表2 可靠性对比结果

Table 2 Reliability comparison results

本文通过比较不同配置方案的总成本大小，确定最优的储能配置方法，结果如表3所示。从表3可知，所提出的配置优化方法的总成本最低，为420万元，购买成本、安装成本和能耗成本等均较低，意味着该方法的综合成本较低，经济性最好。

表3 不同方法的经济性对比结果

Table 3 Economic comparison results ofdifferent methods

3 结语

本文以孤岛微网储能配置优化作为研究重点，在考虑新能源出力的情况下，提出了一种孤岛微网中储能配置优化方法，通过多目标聚合的形式建立优化目标函数，通过对目标函数的适应度离差值排序，确定了孤岛微网储能配置优化的最优条件。在方法设计完成后，通过大量对比实验对优化方法展开分析与讨论，实验结果证明了提出的孤岛微网中储能配置优化方法具有更好的经济性。