论文部分内容阅读
分布式发电技术有助于推动清洁能源和可再生能源的利用，提高能源利用效率，改善能源供应结构，保障能源供应的安全性和可靠性。但大规模分布式电源的接入，将使电力系统运行面临许多新问题和挑战。微网是整合各种分布式能源优势、削弱分布式发电对电网的不利影响、充分挖掘分布式发电综合效益的有效方式，已成为分布式发电领域的研究热点和重要发展方向。微网的高效运行除了依赖于先进的微源单元级控制技术，更依赖于微网系统级合理的集成控制与能量管理技术，微网能量管理系统将是整个微网系统的协调控制核心，是可再生能源实现有效利用，微网系统实现高效、经济、安全、可靠运行的重要工具与保障。本文主要围绕微网系统能量管理相关问题展开了研究工作，具体研究内容概括如下: (1)详细分析了微网中各类典型分布式电源、储能装置及负荷的基本特性，建立了其参与系统运行调度的数学模型，包括可再生能源型分布式电源的随机性出力模型、可控型分布式电源的燃耗模型、储能装置的寿命模型以及储能装置的充放电模型等，为开展微网能量管理和运行优化调度研究奠定了理论基础。 (2)研究了用户侧混合能源微网的优化运行方法。以微网综合运行费用最低为目标，考虑各分布式电源的运行约束和系统约束，建立了混合能源微网热电联合优化调度模型。在此基础上，分析讨论了光伏余电上网电价对微网运行优化的影响，以光伏容量及上网电价为敏感因子，探讨了不同光伏容量及不同上网电价对微网运行收益和成本的影响。分析研究了储能容量对微网运行优化的影响，探讨了微网系统中储能容量的最优配置问题，提出了一种同时计及系统经济运行和电池寿命的储能容量双层优化模型，在保障系统运行经济性的同时，有效延长了储能使用寿命。 (3)研究了馈线级微网的优化运行方法。建立了考虑网络安全约束和网损的馈线级微网优化调度模型;针对模型中计入网损和电压约束后带来的高维非线性的“黑盒”目标求解难题，基于拉丁方采样方法对大规模采样点抽样，并拟合其克里金模型，进一步采取元模型和智能算法相结合的方式对模型进行求解，搭建了由Matlab与OpenDSS构成的混合仿真调度平台，基于IEEE标准测试系统进行了算例测试，结果表明本文算法相比遗传算法、模拟退火等人工智能算法计算收敛性更好，计算效率更高。 (4)研究了大规模电动汽车(PEVs)接入微网后的分布式电源与电动汽车协调优化调度问题。基于蒙特卡洛抽样分析了大规模电动汽车的充电负荷需求，选取含PEVs的微网运行成本最低和负荷曲线方差最小为优化目标，建立了含规模化电动汽车的微网多目标优化调度模型，采用改进非劣排序遗传算法(NSGA-Ⅱ)对模型进行求解，针对优化得到的多目标Pareto最优解集规模大，蕴含信息丰富，导致运行人员难以决策的问题，提出了基于模糊聚类的多目标Pareto最优解集筛选方案;在此基础上，提出了一种电动汽车的优化充电方案，最后通过与无序随机充电的场景进行对比分析，结果表明本文模型和算法可在保证系统经济运行的同时，有效利用电动汽车的优化充电降低系统负荷峰谷差。 (5)研究了微网多时间尺度的能量协调优化策略，提出“时”、“分”以及“秒”多时间尺度优化方法，在长时间尺度上建立了微网的机组组合和经济调度模型，在短时间尺度上应用改进型欧拉滑动平均预测(Euler Moving AveragePrediction，EMAP)模型对微网内能量波动进行多时间尺度分解。该协调优化策略有效弥补了单一时间尺度能量管理策略在应对预测误差和功率波动方面的不足，仿真分析和示范系统的实验验证了优化策略的有效性。