劉志剛1,2，伍也凡1,2，肖振鋒1,2，姚穎1,2，何書(shū)耘1,2，劉順成1,2，徐燾3，侯慧3*
（1.國(guó)網(wǎng)湖南省電力有限公司經(jīng)濟(jì)技術(shù)研究院，湖南省 長(zhǎng)沙市 410004；2.能源互聯(lián)網(wǎng)供需運(yùn)營(yíng)湖南省重點(diǎn)實(shí)驗(yàn)室，湖南省 長(zhǎng)沙市 410004；3.武漢理工大學(xué)自動(dòng)化學(xué)院，湖北省 武漢市 430070）
摘要
風(fēng)電場(chǎng)、光伏電站和儲(chǔ)能系統(tǒng)的容量?jī)?yōu)化規(guī)劃是降低風(fēng)光儲(chǔ)多能源混合系統(tǒng)成本、保證系統(tǒng)可靠性的有效措施之一。依托山體的重力儲(chǔ)能，可以風(fēng)光儲(chǔ)多能源混合系統(tǒng)中風(fēng)電場(chǎng)容量、光伏電站容量和儲(chǔ)能系統(tǒng)容量為決策變量，建立以系統(tǒng)總成本最小和包括風(fēng)光互補(bǔ)特性、供電自給損失率及風(fēng)光儲(chǔ)多能源混合系統(tǒng)貢獻(xiàn)率等因素的綜合指標(biāo)最優(yōu)為目標(biāo)函數(shù)的多目標(biāo)容量?jī)?yōu)化規(guī)劃模型，并利用多目標(biāo)自適應(yīng)混沌粒子群算法求解模型?；诖?，考慮不同規(guī)劃偏好，利用逼近理想解排序法對(duì)帕累托前沿進(jìn)行排序，得到不同規(guī)劃偏好下的最優(yōu)規(guī)劃方案。另外，利用熵權(quán)法定權(quán)的秩和比評(píng)價(jià)方法對(duì)不同規(guī)劃方案的可靠性指標(biāo)進(jìn)行了評(píng)價(jià)，并選取某典型日對(duì)規(guī)劃方案的運(yùn)行狀態(tài)進(jìn)行分析。仿真結(jié)果表明，所提模型具有良好的經(jīng)濟(jì)性及可靠性，為風(fēng)光儲(chǔ)多能源混合系統(tǒng)在不同偏好下的規(guī)劃提供了參考。
關(guān)鍵詞 : 重力儲(chǔ)能；風(fēng)光儲(chǔ)；多能源混合系統(tǒng)；容量?jī)?yōu)化規(guī)劃；規(guī)劃偏好
基金項(xiàng)目：國(guó)網(wǎng)湖南省電力公司科技項(xiàng)目（5216A220000D）；湖南省科技創(chuàng)新平臺(tái)與人才計(jì)劃（2019TP1053）。 Science and Technology Project of State Grid Hunan Electric Power Company (5216A220000D); Science-Technology Innovation Platform and Talents Program of Hunan Province (2019TP1053).
0 引言
近年來(lái)，以風(fēng)電、光伏為代表的可再生能源快速發(fā)展，風(fēng)電、光伏的裝機(jī)規(guī)模持續(xù)擴(kuò)大，技術(shù)不斷進(jìn)步[1]。但由于其具有出力間歇性、消納困難等特點(diǎn)，影響了進(jìn)一步的發(fā)展[2]。風(fēng)光系統(tǒng)配置一定容量的儲(chǔ)能，不僅可以充分利用風(fēng)光的互補(bǔ)特性，還可以有效提高清潔能源消納能力，是未來(lái)能源利用的重要方式[3-4]。
針對(duì)風(fēng)光儲(chǔ)多能源混合系統(tǒng)容量?jī)?yōu)化規(guī)劃問(wèn)題，目前已有一些學(xué)者進(jìn)行了研究，根據(jù)容量?jī)?yōu)化規(guī)劃目標(biāo)的不同，可分為單目標(biāo)和多目標(biāo)兩類。對(duì)于單目標(biāo)的風(fēng)光儲(chǔ)多能源混合系統(tǒng)容量?jī)?yōu)化規(guī)劃，文獻(xiàn)[5]以降低系統(tǒng)運(yùn)行成本為目標(biāo)，提出并網(wǎng)型多能源混合系統(tǒng)的容量?jī)?yōu)化規(guī)劃模型，但該模型未能保證供電可靠性。文獻(xiàn)[6]考慮峰值負(fù)荷要求，對(duì)風(fēng)光儲(chǔ)多能源混合系統(tǒng)的容量進(jìn)行規(guī)劃，使系統(tǒng)總成本最低，但沒(méi)有討論系統(tǒng)的供電可靠性。文獻(xiàn)[7]在風(fēng)光柴儲(chǔ)多能源混合系統(tǒng)的容量?jī)?yōu)化規(guī)劃模型中未考慮發(fā)電系統(tǒng)的可靠性，只對(duì)投資成本進(jìn)行了優(yōu)化。文獻(xiàn)[8]針對(duì)獨(dú)立型的風(fēng)光柴蓄多能源混合系統(tǒng)，提出了考慮補(bǔ)貼的容量?jī)?yōu)化規(guī)劃方法。該方法以總凈現(xiàn)成本最低為優(yōu)化目標(biāo)，并以負(fù)荷缺額率為約束條件保證供電可靠性。文獻(xiàn)[9]以最小化總成本為目標(biāo)，提出供電損失率的指標(biāo)，分析其對(duì)成本的影響。結(jié)果表明，供電損失率較小時(shí)，成本明顯降低。單目標(biāo)容量?jī)?yōu)化規(guī)劃主要以系統(tǒng)總成本最小為目標(biāo)，沒(méi)有考慮多個(gè)目標(biāo)間的相互制約，考慮因素不甚全面。由于目標(biāo)單一使得規(guī)劃結(jié)果存在一定的局限性，僅利用約束條件對(duì)系統(tǒng)可靠性進(jìn)行約束，無(wú)法合理準(zhǔn)確地保證系統(tǒng)的供電可靠性。
相比單目標(biāo)容量?jī)?yōu)化規(guī)劃僅將經(jīng)濟(jì)性最優(yōu)作為優(yōu)化目標(biāo)的不足，多目標(biāo)容量?jī)?yōu)化規(guī)劃還考慮了提高可再生能源利用率、減少污染物排放等目標(biāo)。文獻(xiàn)[10]以系統(tǒng)總成本和電源損耗概率為優(yōu)化目標(biāo)，在4種氣象條件下采用智能優(yōu)化算法對(duì)系統(tǒng)進(jìn)行容量?jī)?yōu)化規(guī)劃。文獻(xiàn)[11-12]考慮數(shù)據(jù)的不確定性，建立了以系統(tǒng)成本和可靠性為目標(biāo)的容量?jī)?yōu)化規(guī)劃模型。結(jié)果表明，所提模型保證了系統(tǒng)的經(jīng)濟(jì)性，但并沒(méi)有體現(xiàn)環(huán)境效益。文獻(xiàn)[13]采用遺傳算法探討了在系統(tǒng)成本和污染物排放等兩個(gè)目標(biāo)下的優(yōu)化問(wèn)題，并對(duì)蓄電池與氫儲(chǔ)能的優(yōu)劣進(jìn)行了對(duì)比分析。文獻(xiàn)[14]以投資效益、可靠性和風(fēng)光利用率為目標(biāo)，建立了風(fēng)光儲(chǔ)多能源混合系統(tǒng)容量?jī)?yōu)化規(guī)劃模型。該模型延長(zhǎng)了儲(chǔ)能的使用壽命，提升了發(fā)電系統(tǒng)的孤島能力。文獻(xiàn)[15]提出了包含微網(wǎng)全壽命周期內(nèi)的總凈現(xiàn)成本、負(fù)荷容量缺額率和污染排放的多目標(biāo)優(yōu)化設(shè)計(jì)模型，但未將污染排放納入經(jīng)濟(jì)成本。與單目標(biāo)的容量?jī)?yōu)化規(guī)劃相比，多目標(biāo)的容量?jī)?yōu)化規(guī)劃將系統(tǒng)可靠性納入目標(biāo)，既降低了系統(tǒng)總成本，又保證了可靠性。
在中國(guó)風(fēng)能和太陽(yáng)能資源豐富的西北地區(qū)，采用風(fēng)光儲(chǔ)多能源混合系統(tǒng)具有非常廣闊的應(yīng)用前景，而能否科學(xué)合理地規(guī)劃風(fēng)電場(chǎng)容量、光伏電站容量及儲(chǔ)能系統(tǒng)容量，對(duì)于其運(yùn)行的可靠性和經(jīng)濟(jì)性有著較大影響。在多山地的西北地區(qū)，受建設(shè)規(guī)模、場(chǎng)地環(huán)境等影響，多數(shù)儲(chǔ)能技術(shù)應(yīng)用有局限。依托山體的重力儲(chǔ)能在山地較多地區(qū)有天然優(yōu)勢(shì)，可用于大規(guī)模儲(chǔ)能[16]。重力儲(chǔ)能利用山體落差高度儲(chǔ)存能量，它的建設(shè)可以適應(yīng)地形的變化，儲(chǔ)能載體可以循環(huán)利用，幾乎不會(huì)對(duì)環(huán)境造成污染，具有良好的可靠性和經(jīng)濟(jì)性，在未來(lái)具有廣闊的應(yīng)用前景。
基于上述背景，本文的儲(chǔ)能系統(tǒng)選擇以依托山體的重力儲(chǔ)能為研究對(duì)象，建立以系統(tǒng)總成本最小和包括風(fēng)光互補(bǔ)特性、供電自給損失率及風(fēng)光儲(chǔ)多能源混合系統(tǒng)貢獻(xiàn)率等因素的綜合指標(biāo)最優(yōu)為目標(biāo)函數(shù)的多目標(biāo)容量?jī)?yōu)化規(guī)劃模型，以提升系統(tǒng)的經(jīng)濟(jì)性，確保系統(tǒng)的可靠性。
1 風(fēng)光儲(chǔ)多能源混合系統(tǒng)模型
1.1 系統(tǒng)結(jié)構(gòu)
并網(wǎng)型風(fēng)光儲(chǔ)多能源混合系統(tǒng)一般由風(fēng)電場(chǎng)、光伏電站、儲(chǔ)能系統(tǒng)、電網(wǎng)及負(fù)荷構(gòu)成，系統(tǒng)結(jié)構(gòu)如圖1所示。
圖1 并網(wǎng)型風(fēng)光儲(chǔ)多能源混合系統(tǒng)結(jié)構(gòu)
Fig.1 Structure of grid-connected wind-photovoltaic-storage multi-energy hybrid power system
其中，風(fēng)機(jī)模型、光伏電池模型分別參考文獻(xiàn)[17-18]，本文主要對(duì)重力儲(chǔ)能進(jìn)行建模。
1.2 重力儲(chǔ)能模型
依托山體的重力儲(chǔ)能的原理就是在山體一定高度建立電動(dòng)機(jī)和發(fā)電機(jī)裝置，利用山體的落差高度來(lái)儲(chǔ)存和釋放能量。
1.2.1 存儲(chǔ)能量過(guò)程
本文假設(shè)在建模過(guò)程中只有一條軌道，即只研究一套重力儲(chǔ)能裝置，只考慮山體高度、坡度、重物質(zhì)量等對(duì)重力儲(chǔ)能存儲(chǔ)和釋放能量多少的影響。其中，在存儲(chǔ)能量時(shí)，電動(dòng)機(jī)工作，消耗電能，利用滑輪組將重物從山底軌道處拉至山頂，過(guò)程中重力勢(shì)能增加，最終在山頂存儲(chǔ)起來(lái)。電動(dòng)機(jī)將重物從山底拉上山頂過(guò)程中保持勻速，此時(shí)重物受力包括摩擦力、電動(dòng)機(jī)牽引力、自身重力等，具體的重物受力平衡可用式（1）—（2）表示。
1.2.2 釋放能量過(guò)程
釋放能量過(guò)程包括加速階段、并網(wǎng)階段和停運(yùn)階段，在釋放能量過(guò)程中，重物受力包括軌道摩擦力、電動(dòng)機(jī)牽引力、自身重力、發(fā)電機(jī)牽引力等。
加速階段：在開(kāi)始過(guò)程中，重物初始速度為零，重物處于加速階段，重物下滑速度由零開(kāi)始，逐漸加速，加速過(guò)程中發(fā)電機(jī)出力不穩(wěn)定，為避免入網(wǎng)功率的波動(dòng)過(guò)大，不進(jìn)行并網(wǎng)發(fā)電。重物由初始高度下滑到一定高度時(shí)，達(dá)到某一速度，該速度即為并網(wǎng)階段時(shí)的恒定速度，利用式（5）—（6）表示。
停運(yùn)階段：重物到達(dá)山底后，并網(wǎng)階段結(jié)束，發(fā)電機(jī)不再發(fā)電。裝置停止運(yùn)行，重物速度由恒定逐漸減小，最后變?yōu)榱?。在停運(yùn)階段，重物可以依靠摩擦力自行減速，若速度過(guò)大或?qū)p速距離有要求時(shí)，可以增設(shè)減速帶、隔離設(shè)備等外界輔助減速。停運(yùn)階段不存在能量損耗，故建模時(shí)暫不考慮該階段的能量損耗。
2 多目標(biāo)容量?jī)?yōu)化規(guī)劃模型
本文以系統(tǒng)總成本最小和包括風(fēng)光互補(bǔ)特性、供電自給損失率及風(fēng)光儲(chǔ)多能源混合系統(tǒng)貢獻(xiàn)率等因素的綜合指標(biāo)最優(yōu)為目標(biāo)函數(shù)進(jìn)行容量?jī)?yōu)化規(guī)劃，對(duì)風(fēng)光儲(chǔ)多能源混合系統(tǒng)中的風(fēng)電場(chǎng)容量、光伏電站容量、重力儲(chǔ)能容量進(jìn)行合理規(guī)劃分配。
2.1 目標(biāo)函數(shù)
1）目標(biāo)函數(shù)1：系統(tǒng)總成本（F1）最小，包括系統(tǒng)初始成本、運(yùn)行維護(hù)成本、購(gòu)電成本、售電收益及環(huán)保收益等。
式中：CIN為系統(tǒng)初始成本；COM為年運(yùn)行維護(hù)成本；CBE為向電網(wǎng)的年購(gòu)電成本；CSE為系統(tǒng)年售電收益；CEP為年環(huán)保收益，該環(huán)保收益為電網(wǎng)向風(fēng)光儲(chǔ)系統(tǒng)支付；Wwt為風(fēng)電場(chǎng)容量；Cwt為風(fēng)電場(chǎng)單位容量的價(jià)格；Wpv為光伏電站容量；Cpv為光伏電站單位容量的價(jià)格；Wgs為重力儲(chǔ)能容量；Cgs為重力儲(chǔ)能單位容量的價(jià)格；fDR為折舊系數(shù)；d為折舊率；y為使用年限；Δtwt、Δtpv、Δtgs分別為風(fēng)電場(chǎng)、光伏電站、重力儲(chǔ)能的運(yùn)行時(shí)間；pagenumber_ebook=49,pagenumber_book=467、pagenumber_ebook=49,pagenumber_book=467、pagenumber_ebook=49,pagenumber_book=467分別為單位時(shí)間內(nèi)風(fēng)電場(chǎng)、光伏電站、重力儲(chǔ)能的運(yùn)行維護(hù)成本；Cp(t)為t時(shí)刻系統(tǒng)購(gòu)電的分時(shí)電價(jià)；EBE(t)為t時(shí)刻系統(tǒng)向電網(wǎng)購(gòu)買的電量；Em_down(t)為t時(shí)刻重力儲(chǔ)能放電過(guò)程中電動(dòng)機(jī)運(yùn)行時(shí)消耗的電量；CS(t)為t時(shí)刻系統(tǒng)售電的分時(shí)電價(jià)；ESE(t)為t時(shí)刻系統(tǒng)向電網(wǎng)出售的電量；E(t)為t時(shí)刻系統(tǒng)提供給負(fù)荷的電量；wwt、wpv分別為風(fēng)力及光伏的發(fā)電量；N為污染物的種類數(shù)；pagenumber_ebook=49,pagenumber_book=467pagenumber_ebook=49,pagenumber_book=467分別為火力發(fā)電、風(fēng)力發(fā)電、光伏發(fā)電第i類污染物的環(huán)境價(jià)值成本。
2）目標(biāo)函數(shù)2：綜合指標(biāo)（F2）最優(yōu)，包括風(fēng)光互補(bǔ)特性、供電自給損失率及風(fēng)光儲(chǔ)多能源混合系統(tǒng)貢獻(xiàn)率等可靠性指標(biāo)。
式中：D為風(fēng)光互補(bǔ)特性，表示風(fēng)力發(fā)電和光伏發(fā)電的輸出功率之和相對(duì)于負(fù)荷功率的波動(dòng)[19]；f為供電自給損失率，以系統(tǒng)供給過(guò)程中負(fù)荷的缺少電量表示系統(tǒng)供電可靠性；R為風(fēng)光儲(chǔ)多能源混合系統(tǒng)貢獻(xiàn)率，以系統(tǒng)供給負(fù)荷的功率占負(fù)荷功率的比值表示；c1、c2、c3分別為3個(gè)指標(biāo)的權(quán)重系數(shù)，3個(gè)指標(biāo)同等重要，故均為1/3；pagenumber_ebook=49,pagenumber_book=467為負(fù)荷的平均功率；Pwt(t)為t時(shí)刻風(fēng)力發(fā)電的功率；Ppv(t)為t時(shí)刻光伏發(fā)電的功率；PL(t)為t時(shí)刻負(fù)荷的功率；Pgs(t)為t時(shí)刻重力儲(chǔ)能功率；PE(t)為t時(shí)刻系統(tǒng)提供給負(fù)荷的功率。
2.2 約束條件
2.2.1 風(fēng)光儲(chǔ)多能源混合系統(tǒng)容量約束
風(fēng)光儲(chǔ)多能源混合系統(tǒng)的容量下限為0，上限為一年中最大負(fù)荷的10倍[20]，即
2.3 求解方法
對(duì)所建立的多目標(biāo)容量?jī)?yōu)化規(guī)劃模型利用自適應(yīng)混沌粒子群算法[21]進(jìn)行仿真求解，得到一系列非劣解，并由一系列非劣解組成帕累托前沿。在帕累托前沿中，利用熵權(quán)法[22]求解不同目標(biāo)函數(shù)的權(quán)重，并利用逼近理想解排序法[23]對(duì)求得的帕累托前沿進(jìn)行排序評(píng)價(jià)，選擇排序評(píng)價(jià)最優(yōu)的解作為最優(yōu)規(guī)劃方案，具體計(jì)算流程如圖2所示?；谇蠼獾玫降娘L(fēng)光儲(chǔ)多能源混合系統(tǒng)多目標(biāo)容量?jī)?yōu)化規(guī)劃結(jié)果，利用熵權(quán)法定權(quán)的秩和比評(píng)價(jià)方法[24]對(duì)不同規(guī)劃方案下的可靠性指標(biāo)進(jìn)行排序評(píng)價(jià)，具體評(píng)價(jià)流程如附錄B圖B1所示。
圖2 多目標(biāo)容量?jī)?yōu)化規(guī)劃模型計(jì)算流程
Fig.2 Calculation process of multi-objective capacity optimization planning model
3 仿真分析
3.1 參數(shù)設(shè)置
本文選取中國(guó)西部某地區(qū)（38o44′N，106o0′E）作為參考，該地區(qū)多為山地，平均海拔2000 m以上，滿足重力儲(chǔ)能建設(shè)條件。由中國(guó)氣象數(shù)據(jù)網(wǎng)可知，該地區(qū)每月平均風(fēng)速如附錄B圖B2所示，利用Weibull分布模擬得到該地區(qū)一年的風(fēng)速預(yù)測(cè)數(shù)據(jù)，如附錄B圖B3所示。該地區(qū)平均光照強(qiáng)度為4.32 kW/m2，在HOMER軟件[25]中，模擬得到該地區(qū)一年的太陽(yáng)光照強(qiáng)度預(yù)測(cè)數(shù)據(jù)，如附錄B圖B4所示。另外，該地區(qū)負(fù)荷曲線如附錄B圖B5所示。
圖B3 西部某地區(qū)全年風(fēng)速預(yù)測(cè)數(shù)據(jù)
Fig.B3 Annual wind speed forecast data for the region
圖B4 西部某地區(qū)全年光照強(qiáng)度預(yù)測(cè)數(shù)據(jù)
Fig.B4 Annual illumination forecast data for the region
圖B5 西部某地區(qū)負(fù)荷曲線
Fig.B5 Load curve for the region
本文選擇異步風(fēng)力發(fā)電機(jī)，單臺(tái)風(fēng)機(jī)容量為2.5 MW，風(fēng)機(jī)額定風(fēng)速為11 m/s，切入風(fēng)速為3 m/s，切出風(fēng)速為20 m/s[26]。電池板工作溫度為25 ℃，參考溫度為25 ℃，功率溫度系數(shù)為1[15]。重物質(zhì)量為5萬(wàn)t，坡度為30°，重力加速度為9.8 m/s2，軌道摩擦系數(shù)為0.05，重物下滑過(guò)程中的速度為10 m/s，理想狀態(tài)下充放電效率為90%左右，具體證明過(guò)程參見(jiàn)附錄A。本文為貼合實(shí)際情況以充放電效率為80%進(jìn)行保守估計(jì)。風(fēng)光儲(chǔ)多能源混合系統(tǒng)優(yōu)化規(guī)劃使用年限為20 a，折舊率為5%。
風(fēng)光儲(chǔ)多能源混合系統(tǒng)中風(fēng)電場(chǎng)、光伏電站、重力儲(chǔ)能的安裝成本及運(yùn)行維護(hù)成本如附錄A表A1所示[7,16,27]，不同發(fā)電方式下各類污染物的環(huán)境價(jià)值成本如附錄B表B2所示[28]。另外，電網(wǎng)及系統(tǒng)售電的分時(shí)電價(jià)如附錄B表B3所示[29]。
表B2 不同發(fā)電方式下各類污染物的環(huán)境價(jià)值成本
Table B2 Costs of environmental values of various pollutants under different power generation modes元/MWh
表B3 分時(shí)電價(jià)
Table B3 Time-of-use price
3.2 規(guī)劃方案選擇及對(duì)比
本文借助MATLAB軟件，利用多目標(biāo)自適應(yīng)混沌粒子群算法求解建立的多目標(biāo)容量?jī)?yōu)化規(guī)劃模型，得到多目標(biāo)帕累托前沿，如圖3所示。其中，橫坐標(biāo)F1表示系統(tǒng)總成本，縱坐標(biāo)-F2表示綜合指標(biāo)的相反數(shù)，帕累托前沿中的每個(gè)點(diǎn)都表示一個(gè)規(guī)劃方案，共有11個(gè)可行的規(guī)劃方案。由圖3可知，系統(tǒng)總成本及綜合指標(biāo)均在比較小的范圍內(nèi)變化，滿足系統(tǒng)總成本越小，綜合指標(biāo)的相反數(shù)越大，即系統(tǒng)總成本的降低，對(duì)綜合指標(biāo)有著負(fù)面的影響。類似的，如果綜合指標(biāo)更優(yōu)，系統(tǒng)總成本將會(huì)增大，兩個(gè)目標(biāo)之間存在一定的制約關(guān)系。
圖3 考慮重力儲(chǔ)能時(shí)的帕累托前沿
Fig.3 Pareto front when considering gravity energy storage
在實(shí)際規(guī)劃過(guò)程中，需要確定一種最終的最優(yōu)規(guī)劃方案，因此，需要根據(jù)不同規(guī)劃偏好在帕累托前沿中選擇最優(yōu)規(guī)劃方案。為表現(xiàn)不同的規(guī)劃偏好，本文提出4種規(guī)劃方案，具體的規(guī)劃方案及目標(biāo)函數(shù)權(quán)重值如表1所示。
表1 4種方案權(quán)重設(shè)置
Table 1 Weight setting of four schemes
本文利用逼近理想解排序法對(duì)帕累托前沿中11種方案進(jìn)行計(jì)算排序，選擇得出在4種不同規(guī)劃偏好下各自對(duì)應(yīng)的最優(yōu)規(guī)劃結(jié)果，最優(yōu)規(guī)劃結(jié)果如表2所示。4種規(guī)劃方案下的系統(tǒng)總成本及綜合指標(biāo)值如圖4所示。
表2 4種規(guī)劃方案的最優(yōu)規(guī)劃結(jié)果
Table 2 Optimal planning results of four planning schemes
圖4 4種規(guī)劃方案的總成本及綜合指標(biāo)值
Fig.4 Total cost and comprehensive index values of four planning schemes
由表2及圖4可知，由于不同規(guī)劃方案下的偏好不同，通過(guò)規(guī)劃得到的風(fēng)電場(chǎng)、光伏電站、重力儲(chǔ)能的容量均不同，從而導(dǎo)致了系統(tǒng)總成本和綜合指標(biāo)值的變化。對(duì)比4種規(guī)劃方案來(lái)看，方案二的系統(tǒng)總成本最小，方案三的綜合指標(biāo)最優(yōu)。另外，規(guī)劃方案一的初始成本為33 716.37萬(wàn)元，規(guī)劃方案二的初始成本為33 582.87萬(wàn)元，規(guī)劃方案三的初始成本為34 052.28萬(wàn)元，規(guī)劃方案四的初始成本為33 017.28萬(wàn)元，由于規(guī)劃方案三配置的風(fēng)電場(chǎng)容量、儲(chǔ)能容量最大，而風(fēng)電場(chǎng)的安裝成本又比較高，所以導(dǎo)致規(guī)劃方案三的初始成本較高。此外，規(guī)劃方案三配置了相比其他幾種方案較大容量的儲(chǔ)能，主要是為了保證系統(tǒng)的供電可靠性及系統(tǒng)的貢獻(xiàn)率，而規(guī)劃方案二為追求系統(tǒng)總成本最小，配置的儲(chǔ)能容量最小，同時(shí)配置的風(fēng)電場(chǎng)容量也最小。
規(guī)劃方案一雖然在4種方案中的兩目標(biāo)均不屬于最優(yōu)，但其兼顧了系統(tǒng)的成本及可靠性，有效降低了系統(tǒng)總成本，提高了系統(tǒng)的可靠性。相比而言，規(guī)劃方案二認(rèn)為系統(tǒng)的總成本重要，忽視了系統(tǒng)的可靠性，得到的系統(tǒng)總成本是最小的，但綜合指標(biāo)值卻是幾種規(guī)劃方案中最小的。同樣地，規(guī)劃方案三認(rèn)為系統(tǒng)的可靠性重要，忽視了系統(tǒng)的總成本，得到的綜合指標(biāo)值是最優(yōu)的，但系統(tǒng)總成本卻是最大的。規(guī)劃方案四同樣既考慮系統(tǒng)總成本，又考慮了系統(tǒng)可靠性，在損失一定成本的同時(shí)有效優(yōu)化了綜合指標(biāo)。
綜合指標(biāo)中對(duì)應(yīng)的3個(gè)具體指標(biāo)值如圖5所示，對(duì)比來(lái)看，規(guī)劃方案二的風(fēng)光互補(bǔ)特性最小，故而風(fēng)光的互補(bǔ)性最好，系統(tǒng)的發(fā)電功率越能滿足負(fù)荷需求，但供電自給損失率偏大，系統(tǒng)貢獻(xiàn)率偏低；規(guī)劃方案三的系統(tǒng)貢獻(xiàn)率最大，說(shuō)明需要從電網(wǎng)購(gòu)買的電量最少，能夠節(jié)約購(gòu)電的成本，同時(shí)供電自給損失率最小，說(shuō)明系統(tǒng)供電最可靠，但風(fēng)光互補(bǔ)特性偏大。
圖5 綜合指標(biāo)中對(duì)應(yīng)的3個(gè)具體指標(biāo)值
Fig.5 Three specific index values corresponding to comprehensive index
僅依照可靠性指標(biāo)的數(shù)值，只是簡(jiǎn)單對(duì)比不同規(guī)劃方案對(duì)應(yīng)每個(gè)可靠性指標(biāo)值的大小，無(wú)法確定哪種規(guī)劃方案的可靠性指標(biāo)更優(yōu)，因此，本文利用熵權(quán)法定權(quán)的秩和比評(píng)價(jià)方法進(jìn)行評(píng)價(jià)，排序選出綜合3種可靠性指標(biāo)最優(yōu)的規(guī)劃方案。從不同規(guī)劃方案的具體可靠性指標(biāo)值出發(fā)考慮，利用熵權(quán)法對(duì)3個(gè)可靠性指標(biāo)的權(quán)重進(jìn)行求取，其中，風(fēng)光互補(bǔ)特性、供電自給損失率為負(fù)向指標(biāo)，風(fēng)光儲(chǔ)多能源混合系統(tǒng)貢獻(xiàn)率為正向指標(biāo)。求解得到風(fēng)光互補(bǔ)特性、供電自給損失率、風(fēng)光儲(chǔ)多能源混合系統(tǒng)貢獻(xiàn)率的權(quán)重分別為0.435 3、0.251 4、0.313 3。
基于可靠性指標(biāo)值及權(quán)重值，利用秩和比法及2.4節(jié)基本評(píng)價(jià)流程進(jìn)行排序評(píng)價(jià)，首先得到的秩次值如表3所示。
表3 可靠性指標(biāo)對(duì)應(yīng)的秩次值
Table 3 Rank value of reliability index
規(guī)劃方案一、規(guī)劃方案二、規(guī)劃方案三、規(guī)劃方案四的加權(quán)秩和比值分別為0.687 5、0.573 6、0.671 9、0.569 4，評(píng)分排序?yàn)?、3、2、4。因此，僅從3種可靠性指標(biāo)來(lái)看，規(guī)劃方案一最優(yōu)，其次為規(guī)劃方案三、規(guī)劃方案二，最后為規(guī)劃方案四?？傮w來(lái)看，規(guī)劃方案一和規(guī)劃方案三中均考慮了系統(tǒng)的可靠性，對(duì)綜合指標(biāo)進(jìn)行了優(yōu)化，排名在前兩位，而規(guī)劃方案二忽視了系統(tǒng)可靠性，沒(méi)有對(duì)綜合指標(biāo)進(jìn)行優(yōu)化，排名靠后。另外，雖然規(guī)劃方案四排名最后，但與規(guī)劃方案二相比，兩種規(guī)劃方案的加權(quán)秩和比值相差不大，規(guī)劃方案四的供電自給損失率及風(fēng)光儲(chǔ)多能源混合系統(tǒng)貢獻(xiàn)率要優(yōu)于規(guī)劃方案二，同時(shí)規(guī)劃方案四的綜合指標(biāo)較優(yōu)，所以，規(guī)劃方案四在一定程度上對(duì)具體的可靠性指標(biāo)進(jìn)行了優(yōu)化，只是綜合來(lái)看規(guī)劃方案二較優(yōu)一些。因此，綜合考慮系統(tǒng)成本及可靠性指標(biāo)排序評(píng)價(jià)，規(guī)劃方案一為最優(yōu)規(guī)劃方案，即在規(guī)劃過(guò)程中要合理考慮成本及可靠性，既要保證系統(tǒng)的經(jīng)濟(jì)性，也不影響系統(tǒng)的可靠性。
3.3 規(guī)劃結(jié)果分析
針對(duì)3.2節(jié)得到的4種多目標(biāo)容量?jī)?yōu)化規(guī)劃方案，選取某典型日，對(duì)典型日下24 h不同規(guī)劃方案的各部分出力進(jìn)行分析。規(guī)劃方案一、規(guī)劃方案二、規(guī)劃方案三和規(guī)劃方案四中各部分在該典型日的出力曲線分別如圖6—圖9所示。
圖6 典型日下規(guī)劃方案一的出力曲線
Fig.6 Output curve of planning scheme 1 in a typical day
圖7 典型日下規(guī)劃方案二的出力曲線
Fig.7 Output curve of planning scheme 2 in a typical day
圖8 典型日下規(guī)劃方案三的出力曲線
Fig.8 Output curve of planning scheme 3 in a typical day
圖9 典型日下規(guī)劃方案四的出力曲線
Fig.9 Output curve of planning scheme 4 in a typical day
由于不同規(guī)劃方案中的風(fēng)電場(chǎng)、光伏電站、重力儲(chǔ)能的容量不同，導(dǎo)致每時(shí)刻風(fēng)力、光伏出力不同，重力儲(chǔ)能在配合時(shí)進(jìn)行儲(chǔ)能和放電的電量也不同。由圖6—圖9可以看出，不同規(guī)劃方案的出力曲線趨勢(shì)一致，這主要是因?yàn)椴煌?guī)劃方案規(guī)劃的風(fēng)電場(chǎng)、光伏電站的容量相差不大，但仍能看出規(guī)劃方案二中每時(shí)刻的光伏出力較大，而規(guī)劃方案三中每時(shí)刻的風(fēng)力出力較大。
以圖6為例對(duì)不同規(guī)劃方案的出力曲線進(jìn)行分析。對(duì)于負(fù)荷而言，在23:00—7:00內(nèi)負(fù)荷利用水平較低，處于谷時(shí)段；10:00開(kāi)始，負(fù)荷增加，一直持續(xù)到15:00，負(fù)荷在這個(gè)時(shí)間段內(nèi)處于峰時(shí)段；然后負(fù)荷逐漸降低，到17:00時(shí)到達(dá)最低點(diǎn)，之后又開(kāi)始增加，20:00到達(dá)另一負(fù)荷高峰。對(duì)于風(fēng)力出力而言，該日早晚的風(fēng)力資源比較豐富，使得風(fēng)力出力較大，而在中午，風(fēng)力資源較少，幾乎沒(méi)有出力。在風(fēng)力出力較大的時(shí)刻，負(fù)荷利用水平較低，首先對(duì)儲(chǔ)能進(jìn)行充電，然后將多余的電能出售給了電網(wǎng)。光伏出力恰好相反，該日中午的太陽(yáng)能資源比較豐富，使得光伏出力較大，而在早晚沒(méi)有出力。
對(duì)于儲(chǔ)能而言，本文利用分時(shí)電價(jià)來(lái)引導(dǎo)其充放電，在風(fēng)光出力不足以供給負(fù)荷時(shí)，谷電價(jià)時(shí)選擇從電網(wǎng)購(gòu)電，峰電價(jià)時(shí)再利用儲(chǔ)能放電，以此來(lái)提高系統(tǒng)的經(jīng)濟(jì)性。圖中可以看出，重力儲(chǔ)能在1:00前充電，在1:00已完成充電，從5:00開(kāi)始，風(fēng)光出力不足以供給負(fù)荷，由于此時(shí)處于谷時(shí)段，因此儲(chǔ)能不進(jìn)行放電，而是選擇直接從電網(wǎng)購(gòu)電，將電能存儲(chǔ)下來(lái)，作為下一時(shí)刻的備用電。在10:00時(shí)，風(fēng)光出力依然不足以供給負(fù)荷，而此時(shí)處于峰時(shí)段，儲(chǔ)能放電，到12:00時(shí)，儲(chǔ)存電能用盡，之后也不能滿足負(fù)荷需求，從而選擇從電網(wǎng)購(gòu)電?？梢钥闯?，在一天的時(shí)間中，風(fēng)光出力不足的時(shí)刻較多，重力儲(chǔ)能共充放電2次。
另外，對(duì)比分析不同規(guī)劃方案下風(fēng)光儲(chǔ)多能源混合系統(tǒng)的供電、購(gòu)電及售電，分別如圖10—圖13所示。
圖10 典型日下規(guī)劃方案一的供電、購(gòu)電及售電圖
Fig.10 Power supply, power purchase and power sale of planning scheme 1 in a typical day
圖11 典型日下規(guī)劃方案二的供電、購(gòu)電及售電圖
Fig.11 Power supply, power purchase and power sale of planning scheme 2 in a typical day
圖12 典型日下規(guī)劃方案三的供電、購(gòu)電及售電圖
Fig.12 Power supply, power purchase and power sale of planning scheme 3 in a typical day
圖13 典型日下規(guī)劃方案四的供電、購(gòu)電及售電圖
Fig.13 Power supply, power purchase and power sale of planning scheme 4 in a typical day
從圖中可以看出，4種規(guī)劃方案中向電網(wǎng)購(gòu)電多于向電網(wǎng)售電，向電網(wǎng)售電主要集中在晚間谷時(shí)段，而其余時(shí)刻主要是向電網(wǎng)購(gòu)電。對(duì)比來(lái)看，規(guī)劃方案三向電網(wǎng)出售的電能多于其他3種規(guī)劃方案，規(guī)劃方案二向電網(wǎng)出售的電能最少，主要是因?yàn)橐?guī)劃方案三中風(fēng)電場(chǎng)容量最大，且在谷時(shí)段主要是風(fēng)力出力。規(guī)劃方案三在6:00時(shí)風(fēng)光出力大于負(fù)荷，存在部分電能出售給電網(wǎng)情況，而其他3種規(guī)劃方案在6:00時(shí)風(fēng)光出力小于負(fù)荷，選擇向電網(wǎng)購(gòu)電。對(duì)于供電部分，在4種規(guī)劃方案中，除晚間谷時(shí)段向電網(wǎng)售電外，其余電能均供給負(fù)荷使用，在11:00—14:00及22:00達(dá)到比較高的供電水平。對(duì)于4種規(guī)劃方案的購(gòu)電部分，在5:00—8:00、14:00及22:00向電網(wǎng)購(gòu)買的電能小于50 MW，而在晚高峰19:00—21:00時(shí)段向電網(wǎng)購(gòu)電處于比較高的水平。由于規(guī)劃方案二中光伏電站容量較大，在14:00時(shí)光伏出力充足，完全供給負(fù)荷需求，多余電量利用儲(chǔ)能系統(tǒng)進(jìn)行存儲(chǔ)，因此在該時(shí)刻既無(wú)購(gòu)電也無(wú)售電。比較特殊的是，規(guī)劃方案一、規(guī)劃方案三和規(guī)劃方案四在11:00時(shí)風(fēng)光出力正好完全供給負(fù)荷需求，同樣既無(wú)購(gòu)電也無(wú)售電。
整體來(lái)看，除個(gè)別時(shí)刻購(gòu)電部分的水平較高外，其他時(shí)刻供電部分均大于購(gòu)電，能夠有效提高風(fēng)光儲(chǔ)多能源混合系統(tǒng)貢獻(xiàn)率，同時(shí)有效提高了風(fēng)光互補(bǔ)特性。盡管風(fēng)光儲(chǔ)多能源混合系統(tǒng)對(duì)電網(wǎng)的依賴程度比較高，但這樣有效保證了系統(tǒng)的供電可靠性。
4 結(jié)論
本文基于依托山體的重力儲(chǔ)能，建立了以系統(tǒng)總成本最小和綜合指標(biāo)最優(yōu)的風(fēng)光儲(chǔ)多能源混合系統(tǒng)容量?jī)?yōu)化規(guī)劃模型，利用多目標(biāo)自適應(yīng)混沌粒子群算法求解模型，通過(guò)對(duì)比分析規(guī)劃結(jié)果有如下結(jié)論。
1）利用山體落差高度來(lái)儲(chǔ)存能量，具有良好的可靠性及經(jīng)濟(jì)性。
2）在不同規(guī)劃偏好下，通過(guò)進(jìn)行不同規(guī)劃方案對(duì)比，最終得出規(guī)劃方案一為最優(yōu)規(guī)劃方案，既考慮了系統(tǒng)總成本，又考慮了系統(tǒng)的可靠性。
3）在典型日?qǐng)鼍跋律钊敕治霾煌?guī)劃方案中的各部分出力曲線可知，本文所提模型能夠有效提高風(fēng)光儲(chǔ)多能源混合系統(tǒng)貢獻(xiàn)率，同時(shí)有效提高了風(fēng)光互補(bǔ)特性，保證了供電的可靠性。
本文所提模型主要是對(duì)重力儲(chǔ)能容量配置的優(yōu)化，所構(gòu)建的重力儲(chǔ)能模型還不夠完善，在后續(xù)工作中將重點(diǎn)從對(duì)重力儲(chǔ)能的多個(gè)影響因素入手，對(duì)其軌道數(shù)、山體坡度、重物質(zhì)量等展開(kāi)詳細(xì)研究。
附錄A 重力儲(chǔ)能能量轉(zhuǎn)換
在整個(gè)釋放能量的過(guò)程中，主要的損耗包括
式中：W1為重物在加速階段時(shí)的能量損耗；W2為重物下滑過(guò)程中的摩擦損耗；W3為重物下滑過(guò)程中電動(dòng)機(jī)工作所需的能量；t為重物下滑過(guò)程中電動(dòng)機(jī)工作時(shí)間。
因此，整個(gè)過(guò)程中的能量轉(zhuǎn)換效率為
式中：α為重力儲(chǔ)能的能量轉(zhuǎn)換效率；Wre為釋放的能量；Wst儲(chǔ)存的能量。
經(jīng)分析，重力儲(chǔ)能的能量轉(zhuǎn)換效率大于90%。
附錄B 圖表
圖B1 不同規(guī)劃方案的評(píng)價(jià)流程
Fig.B1 Evaluation process of different planning scheme
圖B2 西部某地區(qū)每月平均風(fēng)速
Fig.B2 Monthly average wind speed for the region
參考文獻(xiàn)
[1]魯宗相，黃瀚，單葆國(guó)，等.高比例可再生能源電力系統(tǒng)結(jié)構(gòu)形態(tài)演化及電力預(yù)測(cè)展望[J].電力系統(tǒng)自動(dòng)化，2017，41(9)：12-18.
LU Zongxiang, HUANG Han, SHAN Baoguo, et al.Morphological evolution model and power forecasting prospect of future electric power systems with high proportion of renewable energy[J].Automation of Electric Power Systems,2017, 41(9): 12-18(in Chinese).
[2]REN G R, WAN J, LIU J F, et al.Spatial and temporal assessments of complementarity for renewable energy resources in China[J].Energy, 2019, 177: 262-275.
[3]孫玉樹(shù)，楊敏，師長(zhǎng)立，等.儲(chǔ)能的應(yīng)用現(xiàn)狀和發(fā)展趨勢(shì)分析[J].高電壓技術(shù)，2020，46(1)：80-89.
SUN Yushu, YANG Min, SHI Changli, et al.Analysis of application status and development trend of energy storage[J].High Voltage Engineering, 2020, 46(1): 80-89(in Chinese).
[4]BLOESS A, SCHILL W P, ZERRAHN A.Power-to-heat for renewable energy integration: a review of technologies,modeling approaches, and flexibility potentials[J].Applied Energy, 2018, 212: 1611-1626.
[5]AMROLLAHI M H, BATHAEE S M T.Techno-economic optimization of hybrid photovoltaic/wind generation together with energy storage system in a stand-alone micro-grid subjected to demand response[J].Applied Energy, 2017, 202:66-77.
[6]PRIYADHARSHINI B, GANAPATHY V, SUDHAKARA P.An optimal model to meet the hourly peak demands of a specific region with solar, wind, and grid supplies[J].IEEE Access, 2020, 8: 13179-13194.
[7]丁明，王波，趙波，等.獨(dú)立風(fēng)光柴儲(chǔ)微網(wǎng)系統(tǒng)容量?jī)?yōu)化配置[J].電網(wǎng)技術(shù)，2013，37(3)：575-581.
DING Ming, WANG Bo, ZHAO Bo, et al.Configuration optimization of capacity of standalone PV-wind-diesel-battery hybrid microgrid[J].Power System Technology, 2013, 37(3):575-581(in Chinese).
[8]潘文霞，李建成，方坤豪.考慮補(bǔ)貼的獨(dú)立微網(wǎng)容量配置優(yōu)化方法[J].電網(wǎng)技術(shù)，2018，42(7)：2206-2213.
PAN Wenxia, LI Jiancheng, FANG Kunhao.Optimization method of capacity configuration of standalone microgrid considering subsidy[J].Power System Technology, 2018,42(7): 2206-2213(in Chinese).
[9]JAVED M S, MA T.Techno-economic assessment of a hybrid solar-wind-battery system with genetic algorithm[J].Energy Procedia, 2019, 158: 6384-6392.
[10]ZHANG D B, LIU J W, JIAO S F, et al.Research on the configuration and operation effect of the hybrid solar-windbattery power generation system based on NSGA-II[J].Energy,2019, 189: 116121.
[11]張建華，于雷，劉念，等.含風(fēng)/光/柴/蓄及海水淡化負(fù)荷的微電網(wǎng)容量?jī)?yōu)化配置[J].電工技術(shù)學(xué)報(bào)，2014，29(2)：102-112.
ZHANG Jianhua, YU Lei, LIU Nian, et al.Capacity configuration optimization for island microgrid with wind/photovoltaic/diesel/storage and seawater desalination load[J].Transactions of China Electrotechnical Society, 2014, 29(2):102-112(in Chinese).
[12]SHADMAND M B, BALOG R S.Multi-objective optimization and design of photovoltaic-wind hybrid system for community smart DC microgrid[J].IEEE Transactions on Smart Grid,2014, 5(5): 2635-2643.
[13]KATSIGIANNIS Y A, GEORGILAKIS P S, KARAPIDAKIS E S.Multiobjective genetic algorithm solution to the optimum economic and environmental performance problem of small autonomous hybrid power systems with renewables[J].IET Renewable Power Generation, 2010, 4(5): 404.
[14]竇曉波，袁簡(jiǎn)，吳在軍，等.并網(wǎng)型風(fēng)光儲(chǔ)微電網(wǎng)容量改進(jìn)優(yōu)化配置方法[J].電力自動(dòng)化設(shè)備，2016，36(3)：26-32.
DOU Xiaobo, YUAN Jian, WU Zaijun, et al.Improved configuration optimization of PV-wind-storage capacities for grid-connected microgrid[J].Electric Power Automation Equipment, 2016, 36(3): 26-32(in Chinese).
[15]郭力，劉文建，焦冰琦，等.獨(dú)立微網(wǎng)系統(tǒng)的多目標(biāo)優(yōu)化規(guī)劃設(shè)計(jì)方法[J].中國(guó)電機(jī)工程學(xué)報(bào)，2014，34(4)：524-536.
GUO Li, LIU Wenjian, JIAO Bingqi, et al.Multi-objective optimal planning design method for stand-alone microgrid system[J].Proceedings of the CSEE, 2014, 34(4): 524-536(in Chinese).
[16]曾蓉.山體儲(chǔ)能技術(shù)及其與風(fēng)電場(chǎng)聯(lián)合出力的容量配置研究[D].長(zhǎng)沙: 長(zhǎng)沙理工大學(xué)，2016.
[17]廖秋萍，呂林，劉友波，等.考慮重構(gòu)的含可再生能源配電網(wǎng)電壓控制模型與算法[J].電力系統(tǒng)自動(dòng)化，2017，41(18)：32-39.
LIAO Qiuping, LYU Lin, LIU Youbo, et al.Reconfiguration based model and algorithm of voltage regulating for distribution network with renewable energy[J].Automation of Electric Power Systems, 2017, 41(18): 32-39(in Chinese).
[18]朱蘭，嚴(yán)正，楊秀，等.風(fēng)光儲(chǔ)微網(wǎng)系統(tǒng)蓄電池容量?jī)?yōu)化配置方法研究[J].電網(wǎng)技術(shù)，2012，36(12)：26-31.
ZHU Lan, YAN Zheng, YANG Xiu, et al.Optimal configuration of battery capacity in microgrid composed of wind power and photovoltaic generation with energy storage[J].Power System Technology, 2012, 36(12): 26-31(in Chinese).
[19]徐林，阮新波，張步涵，等.風(fēng)光蓄互補(bǔ)發(fā)電系統(tǒng)容量的改進(jìn)優(yōu)化配置方法[J].中國(guó)電機(jī)工程學(xué)報(bào)，2012，32(25)：88-98.
XU Lin, RUAN Xinbo, ZHANG Buhan, et al.An improved optimal sizing method for wind-solar-battery hybrid power system[J].Proceedings of the CSEE, 2012, 32(25): 88-98(in Chinese).
[20]梅生偉，王瑩瑩，劉鋒.風(fēng)—光—儲(chǔ)混合電力系統(tǒng)的博弈論規(guī)劃模型與分析[J].電力系統(tǒng)自動(dòng)化，2011，35(20)：13-19.
MEI Shengwei, WANG Yingying, LIU Feng.A game theory based planning model and analysis for hybrid power system with wind generators-photovoltaic panels-storage batteries[J].Automation of Electric Power Systems, 2011, 35(20): 13-19(in Chinese).
[21]贠保記，白森珂，張國(guó).基于混沌自適應(yīng)粒子群算法的冷熱電聯(lián)供系統(tǒng)優(yōu)化[J].電力系統(tǒng)保護(hù)與控制，2020，48(10)：123-130.
YUN Baoji, BAI Senke, ZHANG Guo.Optimization of CCHP system based on a chaos adaptive particle swarm optimization algorithm[J].Power System Protection and Control, 2020,48(10): 123-130(in Chinese).
[22]劉志譜，李欣然，劉小龍，等.考慮負(fù)荷重要性與源-荷互補(bǔ)性的負(fù)荷恢復(fù)策略[J].全球能源互聯(lián)網(wǎng)，2019，2(5)：449-456.
LIU Zhipu, LI Xinran, LIU Xiaolong, et al.Load recovery strategy considering importance and source-load complementarity[J].Journal of Global Energy Interconnection,2019, 2(5): 449-456(in Chinese).
[23]趙騰，鄔煒，李雋，等.“兩個(gè)替代”趨勢(shì)下的歐洲跨國(guó)電力互聯(lián)通道研究[J].全球能源互聯(lián)網(wǎng)，2020，3(6)：632-642.
ZHAO Teng, WU Wei, LI Jun, et al.Research on cross-border power interconnection channels in Europe under trend of two replacements[J].Journal of Global Energy Interconnection,2020, 3(6): 632-642(in Chinese).
[24]吳鳴，趙婷婷，趙鳳展，等.微電網(wǎng)運(yùn)行效果評(píng)價(jià)指標(biāo)體系及評(píng)價(jià)方法[J].電網(wǎng)技術(shù)，2018，42(3)：690-697.
WU Ming, ZHAO Tingting, ZHAO Fengzhan, et al.Evaluation index system of microgrid operation effect and corresponding evaluation method[J].Power System Technology, 2018, 42(3):690-697(in Chinese).
[25]AL-KARAGHOULI A, KAZMERSKI L L.Optimization and life-cycle cost of health clinic PV system for a rural area in southern Iraq using HOMER software[J].Solar Energy, 2010,84(4): 710-714.
[26]郭琦.風(fēng)光儲(chǔ)微電網(wǎng)多目標(biāo)優(yōu)化配置[D].蘭州：蘭州交通大學(xué)，2016.
[27]GUO L, HOU R S, LIU Y X, et al.A novel typical day selection method for the robust planning of stand-alone windphotovoltaic-diesel-battery microgrid[J].Applied Energy,2020, 263: 114606.
[28]馬麟，劉建鵬.考慮時(shí)序特性和環(huán)境效益的多目標(biāo)多類型分布式電源規(guī)劃[J].電力系統(tǒng)保護(hù)與控制，2016，44(19)：32-40.
MA Lin, LIU Jianpeng.Multi-objective planning of multitype distributed generation considering timing characteristics and environmental benefits[J].Power System Protection and Control, 2016, 44(19): 32-40(in Chinese).
[29]繆妙，李勇，曹一家，等.考慮環(huán)境因素的多能源系統(tǒng)交直流混合供能優(yōu)化策略[J].電力系統(tǒng)自動(dòng)化，2018，42(4)：128-134.
MIAO Miao, LI Yong, CAO Yijia, et al.Optimization strategy of multi-energy hybrid AC/DC power system considering environmental factors[J].Automation of Electric Power Systems, 2018, 42(4): 128-134(in Chinese).
表B1 系統(tǒng)各部分安裝成本及運(yùn)行維護(hù)成本
Table B1 Installation costs and operation and maintenance costs of each part of system
Multi-objective Optimal Capacity Planning of the Wind-photovoltaic-storage System Based on Gravity Energy Storage
LIU Zhigang1,2, WU Yefan1,2, XIAO Zhenfeng1,2, YAO Ying1,2, HE Shuyun1,2,LIU Shuncheng1,2, XU Tao3, HOU Hui3*
(1.State Grid Hunan Electric Power Company Limited Economic & Technical Research Institute, Changsha 410004, Hunan Province, China;2.Hunan Key Laboratory of Energy Internet Supply-demand and Operation, Changsha 410004, Hunan Province, China;3.School of Automation, Wuhan University of Technology, Wuhan 430070, Hubei Province, China)
Abstract: Capacity planning for wind farms, photovoltaic power stations, and energy storage systems is an effective measure to reduce costs and ensure the reliability of windphotovoltaic-storage multi-energy hybrid power systems.Based on gravity energy storage relying on mountains, we herein consider the capacities of the wind farm, photovoltaic power station, and energy storage system as decision variables, and establish a multi-objective optimal capacity planning model with the minimum total costs of the system and the optimization of comprehensive indices including the complementary characteristics of wind and solar, the loss rate of power supply,and the contribution rate of the wind-photovoltaic-storage multienergy hybrid power system.Simultaneously, multi-objective adaptive chaotic particle swarm optimization is used to solve the model.In this study, different planning preferences were considered.The Pareto front is sorted using the technique for order preference by similarity to an ideal solution, and the optimal planning schemes under different planning preferences are obtained.In addition, the rank sum ratio evaluation method of the entropy weight is used to evaluate the reliability indices of different planning schemes, and a typical day was selected to analyze the output state of the planning schemes.The simulation results show that the proposed model can have great economy and reliability, thereby providing a reference for the planning of hybrid systems with different preferences.
Keywords: gravity energy storage; wind-photovoltaic-storage;multi-energy hybrid power system; optimal capacity planning;planning preferences
pagenumber_ebook=56,pagenumber_book=474
劉志剛
作者簡(jiǎn)介：
劉志剛（1963），男，高級(jí)工程師，研究方向?yàn)殡娋W(wǎng)優(yōu)化調(diào)度及安全運(yùn)行，E-mail： liuzg@hn.sgcc.com.cn。
伍也凡（1989），男，工程師，研究方向?yàn)殡娏ο到y(tǒng)二次及智能化，E-mail：fan_cs@foxmail.com。
侯慧（1981），女，博士，副教授，研究方向?yàn)槟茉椿ヂ?lián)網(wǎng)。通信作者，E-mail：houhui@whut.edu.cn。
