微电网优化调度|农村农业区可再生能源微电网优化调度（Python代码实现）

💥💥💥💞💞💞欢迎来到本博客❤️❤️❤️💥💥💥
🎉作者研究：🏅🏅🏅主要研究方向是电力系统和智能算法、机器学习和深度学习。目前熟悉python网页爬虫、机器学习、群智能算法、深度学习的相关内容。希望将计算机和电网有效结合！⭐️⭐️⭐️

📋📋📋本文目录如下：⛳️⛳️⛳️

目录

0 摘要

1 引言

2 数学模型

3 算例及运行结果

4 结论

5 参考文献

6 Python代码实现

0 摘要

微电网或本地能源生产、传输和需求的分布式系统现在能够在技术和操作上为社区提供电力，特别是在发展中国家的农村和城郊地区。在设计和评估离网混合可再生能源微电网（HREM）的性能时，系统的可靠性，发电成本和运行环境影响是主要问题。本文提出了一种基于多目标粒子群优化（MOPSO）的河道水电、光伏（PV）、柴油发电机和电池储能系统（BESS）组成的菲律宾南部农村农业社区HREM优化选型和运行的综合方法，并提出了一种多案例电源管理策略。同时最小化的三个相互冲突的目标函数是：供电概率损失（LPSP），平准化能源成本（LCOE）和温室气体（GHG）排放，受到几种约束。优化生成了 200 个非支配或帕累托最优替代解，其中 4 个被选为感兴趣的解。根据结果，系统可靠运行的主要部件的最佳尺寸为100块面板，光伏额定功率为0.25 kW，BESS额定值为100 kWh，柴油发电机额定值为13 kW，相应的LCOE，LPSP和GHG排放值为0.1795 USD / kWh，0.05%和7874 kg，分别为 1 年。还分析了拟议的HREM设计的有效性，该研究产生了许多有用的发现，可以帮助该地区的电气化。

1 引言

全球能源消耗正在超过全球人口增长，这令人担忧，因为这意味着需要更多的可持续能源[1]。发展中国家有超过7.59亿人无法获得电力，预计未来几年需求增长最快[2]。为了解决这一问题，世界上几个国家考虑开发基于可再生能源的微电网，以实现农村电气化，并制定并实施了鼓励建立地方能源社区的机制。例如，波兰决定建立一个能源合作社，旨在弥合地方范围内能源民用层面增长的差距，同时提高农村地区使用可再生能源的效率，并减少电气化问题，以符合欧盟的能源发展方向[3]].东南亚的一个发展中国家菲律宾正试图通过制定政策和计划，如全面电气化计划（TEP）来解决不活跃地区（包括所有离网地区）缺乏能源供应和安全的问题，该计划刺激了可再生能源技术的发展[4]。

微电网是一组分散的电源和负载，通常与传统的广域同步电网（macrogrid）一起运行并同步运行，但也能够在技术或经济条件需要时断开与互连电网的连接，并以“孤岛模式”或“离网”自主运行[5]].随着微电网的日益普及，随着太阳能光伏、风力发电和水电等可再生能源技术得到更广泛的应用，传统能源系统正在被修改以纳入可再生能源[6，7]。

在混合可再生能源微电网（HREM）的设计和运行中使用优化工具是一种在可再生能源存在大量可变性，不同的能源需求概况以及具有不同性能和成本特征的设备等方面更容易做出决策的方法。人力资源环境措施已使用各种绩效模型、优化软件工具和技术进行了评估，调查结果在一些出版物中有所报告。使用动态规划模型，参考文献[8]中描述的方法用于在一天内以1小时的时间步长找到风力 - 柴油 - 电池系统的最佳操作策略;同时，在[9]中，在热和电的约束下，它被用来优化微电网的运行。为了克服微电网的维数问题，[10]中的作者使用近似动态规划（ADP）并构建了一个基于ADP的能量管理系统，其中包括风力涡轮机，冷却器工厂，蓄热和冷却负荷。在[11]中，开发了一种组件尺寸技术，通过最小化电池的尺寸和柴油发电机的使用来确定最佳的混合动力系统设计，并且该模型是使用每年的风能和太阳能数据构建的。

通过使用不同的方法优化微电网并开发电源管理策略（PMS）或能源管理系统（EMS）也是过去几年的趋势。[12]中的作者提出了一种能源EMS，可以减少日常运营费用，电池退化，从主电网购买的能量，柴油发电机燃料成本以及由柴油发电机，太阳能电池板和电池组成的原型随机和动态微电网实时运行的污染成本。[13]中的作者提出了一种基于模型预测控制（MPC）的基于分布式发电和储能的独立直流（DC）微电网的监控PMS，该模型利用系统的整个数学模型解决了具有操作约束的优化问题;同时，在[14]中，为微电网开发了PMS，其中包括插电式混合动力电动汽车（PHEV），可最大限度地利用可再生能源发电。

2 数学模型

将光伏系统结合到 HREM 结构中。太阳能电池，也称为光伏电池，是一种将来自太阳的太阳能转化为电能以用于各种应用的电气设备。在光伏系统中，每块光伏板所产生的总功率构成了系统整体产生的功率，而每块板每小时的发电量是根据太阳辐射和电池温度计算得出的。以下等式给出了光伏系统的输出功率，以千瓦 (kW) 为单位

$P_{P V}(t)=\frac{N_{P V} \times P_{P V, \text { panel }}(t)}{1000}$

$P_{P V, \text { panel }}(t)=P_{P V, \text { rating }} \times \frac{I(t)}{I_{R E F}}\left[1+\gamma_{p v} \times\left(T_{C E L L}(t)-T_{R E F}\right)\right] \times \eta_{C, P V}$

$T_{C E L L}(t)=T_{A M B}(t)+\frac{N O C T-20^{\circ} \mathrm{C}}{800 \mathrm{~W} / \mathrm{m}^{2}} \times I(t)$

详细数学模型见第4部分。

3 算例及运行结果

4 结论

本研究提出了离网混合可再生能源微电网系统的优化设计，该系统可用于满足农村农业社区的电力负荷要求。多目标粒子群优化 (MOPSO) 算法用于寻找最优的系统设计和组件尺寸。平准化电力成本 (COE)、断电概率 (LPSP) 和温室气体排放都是目标函数。还进行了敏感性分析，以确定某个变量的输入值的变化对所使用的数学模型的结果有多大影响。该算法生成了 200 个非支配解，其中 4 个被选为感兴趣的解。根据结果，对于 PV 为 200 块额定功率为 0.25 kW 的面板，BESS 为 100 kWh，柴油发电机为 13 kW，估计系统可靠运行的主要组件的最佳尺寸，与估计系统 LCOE、LPSP 和温室气体排放量分别为 0.197 美元/千瓦时、0.05% 和 7874 千克，为期 1 年。使用所选择的 HREM 配置，每个组件在一个月内产生的能量足以满足农村农业负荷和倾倒负荷。敏感性分析表明，农村农业需求、光伏面板数量和 BESS 尺寸的减少导致 LCOE 值较高，而 LCOE 分别受光伏面板数量的影响最小。此外，主要成果和结论如下：

1.由 ROR 水电、PV、BESS 和柴油发电机组成的混合可再生能源微电网 (HREM) 的优化设计，用于考虑成本、可靠性和环境影响。

2. 考虑可再生能源的间歇性同时优化多个发电机组的框架，使用 MOPSO 具有三个相互冲突的目标，即 LCOE、LPSP 和温室气体排放、若干约束和真实气象数据。

3. 所提出的方法还确定系统每个组件的容量，同时考虑可再生能源的可用性、负载大小和几个成本函数以获得配置，同时考虑微电网寿命的不同权衡以最小化成本和最大化可靠性。