目录
文章摘要:
研究背景:
微电网结构:
基于非合作博弈的容量配置方法:
基于粒子群算法的求解方法:
程序运行结果:
Matlab代码+数据下载:
文章摘要:
微电网容量优化配置是提高能源应用效率,实现可再生能源充分消纳的重要手段。本文针对含有风电、光伏、储氢系统的微电网进行容量配置研究。首先,在程序设立了风电、光伏和制氢-储氢系统3个主体,以各主体各自的收益最大化为优化目标,建立了基于非合作博弈的微电网容量优化配置模型;然后,考虑各博弈参与者的投资成本、运维成本、购售电成本、弃风弃光惩罚费用和负荷中断惩罚费用等经济因素,利用粒子群算法对各博弈参与者的容量配置进行单独优化,确定各博弈参与者收益最大化的Nash均衡点;最后,通过某地区典型月的风速和光照强度数据对微电网容量配置进行算例分析。结果表明该模型能够在月综合成本相对较低的前提下保证供电的可靠性,实现了微电网系统容量的合理配置。
研究背景:
随着社会和经济的快速发展,能源需求也日益增加。石油、煤炭等传统化石能源从开采到利用,该类技术已经十分成熟,因其成本较低和供应稳定等优点而到了广泛的应用。然而,随着传统化石能源的使用量不断增加,石油、煤炭等传统化石能源出现资源短缺现象,而且对环境和气候产生了不良的影响,如大量的碳排放导致全球气候变暖,形成温室效应;还有大量氮氧化物的污染导致空气质量的下降。为了解决能源短缺和环境恶化的问题,清洁能源的开发和利用得到了社会和国家的认可。相较传统化石能源,太阳能、风能和水能对环境友好且开采无限制,故被称为可再生能源。可再生能源不仅满足社会需求,而且不会造成环境污染,因此十分符社会发展的规律,人与自然和谐共生。
在上述背景下,分布式电源得到了广泛应用和支持。分布式电源主要以“就地取材”为主,通过将分散的能源加以利用,为负荷供能供电。由于分布式电源对环境污染小、装机灵活,并且可以充分利用分散的可再生能源,因而得到广泛学者的研究,相关研究表明分布式电源能有效的减少传统化石能源的依赖,改善过量碳排放情况。
在分布式能源系统中,研究其容量配置方案是实现微电网系统可靠运行的前提,具有十分重要的意义。基于此,文中分别以风电场、光伏电站和制氢[1]储氢-发电系统作为博弈参与者构建经济模型,以各博弈参与者的收益最大化为优化目标,提出了基于非合作博弈的风-光-氢微电网容量优化配置模型,并利用粒子群算法对模型进行求解。最后通过算例仿真验证了所提模型能够提高微电网运行的经济性和可靠性。
微电网结构:
与传统化学电池储能相比,氢储在多个方面具有良好的性能,文中构建的风-光-氢微电网系统如图所示,由电解槽、储氢罐、燃料电池、风电场、光伏电站和微电网调度中心等组成。当风电、光伏出力大于负荷需求时,通过EC将多余的电能转换为氢气进行存储;在风电、光伏出力不足或负荷处于高峰期时通过FC将氢气转换成电能进行补充。
基于非合作博弈的容量配置方法:
优化目标:
文中以各博弈参与者的收益最大化为优化目标,对风电场、光伏电站和制氢-储氢-发电系统进行容量配置。由于风电、光伏输出功率的随机性和不确定性,微电网系统会不可避免地出现功率不足或盈余的情况。功率不足时需要从主网购买相应的功率以补足缺额;而功率盈余时则会出现弃风弃光现象。因此目标函数中考虑了各投资方的设备投资费用、购售电费用、运行维护成本、弃风弃光惩罚费用、负荷中断惩罚费用和政府补贴等因素,旨在寻求更合理的容量配置策略,降低容量配置成本,提高可再生能源的利用率。文中将系统的全周期成本转化为月平均成本进行分析计算,各博弈参与者的收益函数:
基于粒子群算法的求解方法:
文中采用粒子群算法对非合作博弈模型进行求解,粒子群相关参数设置为:种群规模为500,迭代次数为100,个体学习因子和群体学习因子均取1.45,惯性权重采用线性递减方式,初始惯性因子取0.9,最终惯性因子取0.4。具体求解步骤如下。
步骤1:输入系统相关参数,获取负荷需求曲线,根据风速、光照和温度历史数据预测风电和光伏的出力。
步骤2:各博弈参与者策略初始化,即在容量允许范围内随机初始化容量配置。
步骤3:各博弈参与者容量单独优化。根据Nash均衡的定义,各博弈参与者依据其他2个博弈参与者第i-1轮的容量配置策略,以最大化自身效用函数为优化目标,优化得出自身第i轮的容量配置方案。
步骤4:判断是否找到了Nash均衡点。如果相邻2次的策略完全一致,则说明找到了Nash均衡点,各博弈参与者按照此时的策略配置容量,并计算自身的效用函数。否则,重新返回步骤3。
步骤5:输出Nash均衡点(P*WT,P*PV,P*H)和收益函数Uwt,Upv和Uh