本書針對獨立運行微電網(wǎng)容量優(yōu)化配置問題進行了深入、系統(tǒng)的介紹。具體包括:構(gòu)建微電網(wǎng)容量配置的多目標優(yōu)化模型,制定分布式電源運行策略,建立風光荷數(shù)據(jù)概率模型,設(shè)計優(yōu)化算法等相關(guān)問題,并結(jié)合具體算例從多個角度予以分析。
在踐行“30達峰,60中和”雙碳目標和能源向清潔化、電氣化轉(zhuǎn)型的國家戰(zhàn)略道路上,利用諸如風能、太陽能等可再生能源進行電力生產(chǎn)的相關(guān)技術(shù)扮演著重要的角色。然而,風力發(fā)電和光伏發(fā)電因受氣象因素影響,存在天然的隨機波動性,而這種波動性既影響電能質(zhì)量又難以實時滿足負荷需求。將風力發(fā)電、光伏發(fā)電、儲能及負荷有機組織起來,進而構(gòu)成微電網(wǎng),能夠有效抑制風光發(fā)電的不確定性,更好地滿足負荷需求,改善電能質(zhì)量。
有鑒于此,微電網(wǎng)的相關(guān)研究備受關(guān)注,主要包括:規(guī)劃設(shè)計、運行控制、故障檢測與保護、通信技術(shù)、能量管理、穩(wěn)定性分析等多個方面。其中規(guī)劃設(shè)計是建設(shè)微電網(wǎng)工程的首要任務(wù),容量優(yōu)化配置是規(guī)劃設(shè)計的核心任務(wù)。
微電網(wǎng)容量優(yōu)化配置問題以構(gòu)建優(yōu)化模型、設(shè)計優(yōu)化算法、基于解算結(jié)果優(yōu)化容量配置方案為主線。解算優(yōu)化模型過程還需要以資源、負荷數(shù)據(jù)為基礎(chǔ),同時需要以設(shè)計的一套分布式電源、儲能及負荷的功率運行策略為支撐。
作者近幾年一直致力于從事微電網(wǎng)規(guī)劃設(shè)計研究工作,本書是作者近幾年研究成果的總結(jié)。本書立足于微電網(wǎng)規(guī)劃設(shè)計多目標優(yōu)化的需要,以獨立運行風光柴儲微電網(wǎng)為研究對象,針對微電網(wǎng)容量優(yōu)化配置的核心問題開展研究。
全書共分6章,簡述如下。
第1章簡要介紹了微電網(wǎng)及可再生能源的發(fā)展狀況,綜述微電網(wǎng)容量優(yōu)化配置關(guān)鍵技術(shù)的研究現(xiàn)狀,進而明確了本書的寫作目的。
第2章給出了典型獨立型風光柴儲微電網(wǎng)的拓撲結(jié)構(gòu);介紹了風機、光伏、柴油發(fā)電機及儲能的靜態(tài)運行特征模型;建立了獨立型風光柴儲微電網(wǎng)多目標容量優(yōu)化配置數(shù)學模型;闡述了分布式電源的靜態(tài)運行特征模型、微電網(wǎng)容量優(yōu)化配置模型、優(yōu)化算法及運行策略之間的相互聯(lián)系。
第3章基于深度學習模型WGAN建立了風速、輻照度、負荷構(gòu)成的源荷數(shù)據(jù)的三維聯(lián)合概率模型,包括:構(gòu)造樣本數(shù)據(jù)結(jié)構(gòu)、設(shè)計深度學習模型和訓(xùn)練算法、評價模型統(tǒng)計特性等幾個方面。
第4章分析了獨立型風光柴儲微電網(wǎng)的運行工況,并以此為基礎(chǔ)設(shè)計了儲能優(yōu)先跟蹤凈負荷、柴油發(fā)電機優(yōu)先跟蹤凈負荷、柴油發(fā)電機優(yōu)先額定功率運行3種微電網(wǎng)功率運行策略。
第5章設(shè)計了求解微電網(wǎng)容量配置數(shù)學模型的多目標優(yōu)化算法。在分析強度Pareto進化算法2(strength Pareto evolutionary algorithm2,SPEA2)尋優(yōu)特點的基礎(chǔ)上,結(jié)合枚舉法和插值數(shù)據(jù)思想提出了一種多目標優(yōu)化算法——基于SPEA2的鄰近參考點搜索算法(search algorithm referencing adjacent points based on SPEA2,SARAP),詳細闡述了SARAP算法的原理、實現(xiàn)流程并分析了其時間復(fù)雜度和收斂性。介紹了能夠考慮源荷數(shù)據(jù)不確定性,以SARAP算法和多組場景數(shù)據(jù)為基礎(chǔ)的隨機場景技術(shù)解算優(yōu)化模型的計算流程。介紹了篩選最終容量優(yōu)化配置方案的TOPSIS多目標決策算法。
第6章分析優(yōu)化計算結(jié)果并進行生產(chǎn)模擬驗證。首先以歷史數(shù)據(jù)為基礎(chǔ),在一種運行策略下,分析用SARAP算法解算微電網(wǎng)容量配置多目標優(yōu)化模型得到的確定性最優(yōu)解集。其次,通過與確定性解算結(jié)果進行對比,對以多組場景數(shù)據(jù)(歷史數(shù)據(jù)和WGAN生成的多組場景數(shù)據(jù))和SARAP算法為基礎(chǔ)的隨機場景技術(shù)解算優(yōu)化模型得到的不確定性最優(yōu)解集,予以分析。再次,通過比較不同運行策略下的最優(yōu)解集,和同一優(yōu)化配置方案在不同運行策略下的生產(chǎn)模擬結(jié)果,分析了運行策略對優(yōu)化配置結(jié)果的影響。最后,通過年周期數(shù)據(jù)和日周期數(shù)據(jù)生產(chǎn)模擬驗證了優(yōu)化配置方案的有效性和結(jié)果分析的合理性。
劉慧文,男,博士,碩導(dǎo),講師。內(nèi)蒙古工業(yè)大學電力學院自動化系教師,主要從事新能源電力系統(tǒng)規(guī)劃設(shè)計與運行優(yōu)化、電力人工智能應(yīng)用技術(shù)相關(guān)研究。