文章针对家庭场景下的风光储能源微电网，从微电网需求侧管理的角度出发，提出了一种基于柔性负荷控制和虚拟储能的能量优化管理策略。该优化策略能够有效减少蓄电池的充放电容量，达到利用虚拟储能改善微电网的经济性的目的。

0引言

风能和太阳能发电是目前除了水力发电以外开发最快、技术最成熟和最具规模化开发条件与商业化前景的新能源开发技术。应用于微电网中的风能和太阳能具有天然的发电互补性，两者结合再配置储能设备即可构成众多微电网类型中的一种——风光储微电网。风光储微电网在独立运行时，可以为偏远地区、海岛以及部队边防站等传统电网难以覆盖的地区解决供电问题，但就其应用面积来讲，其并网运行的意义更大。

风能和太阳能虽然具有互补的特性，但因受自然季节和气候的影响，使其具有较强的间歇性和随机性，直接接入电网会引发电能波动，给微电网系统带来电能质量和稳定性的挑战。解决这一问题的关键在于储能系统，目前普遍使用蓄电池储能来平衡供电，蓄电池的充放电效率较高，能够适应负荷动态变化以及风光出力波动的特性。风能、太阳能等分布式电源和负荷以及储能系统通过微电网能量管理系统进行有效整合，微电网能量管理系统通过协调各微电源、负荷和储能系统的运行能够提高微电网运行的可靠性和经济性，是系统稳定运行的重要保障。

由于蓄电池的使用寿命与充放电次数相关，频繁的充放电会大大降低蓄电池的使用寿命，并且蓄电池的成本较高，综合以上因素，若配置大容量的蓄电池必然会降低系统的经济性。同时，大量使用蓄电池也会对环境造成污染。因此，在风光储家庭能源微电网中，如何通过发电和负荷单元的优化配置使得蓄电池的充放电次数减少、且在满足负荷需求的情况下降低蓄电池的容量配置是重要的研究内容。

目前国内外对于家庭能源微电网能量管理系统的研究已经有一定的成果：文献［5］提出一种包含光伏及储能设备的家庭能量协同调度策略，通过“余电上网”的方式建立最大收益目标函数，得到每日最优用电计划；文献［6］以家庭并离网一体光储系统为研究基础，针对系统实际应用时的工作模式提出一种针对性的能量管理策略，实现能量最优化利用。就家庭能源系统而言，目前的研究成果中，主要利用可控发电单元如燃气轮机、柴油发电机等进行能量平衡管理，缺乏对柔性负荷的控制。

虚拟储能是一种利用其他装置或者调度策略来平衡电力系统能量的思想。通过对各类电源发出的电能进行转移或者变换能量形式等方法调节系统能量，达到提高系统运行可靠性和供电质量以及改善经济效益的目的。本文针对风光储微电网在家庭能源场景下的应用，通过需求侧管理，结合对可调负荷的控制以及与电价的实时互动，利用虚拟储能技术实现对微电网系统不同时段能量平衡的优化，使得系统降低对蓄电池容量的要求，在保持稳定系统运行的同时，改善微电网系统的经济性和环保性。

1虚拟储能的原理及实现

从微电网的需求侧管理的角度出发，综合国内外的研究成果，可以将虚拟储能的实现方式做如下概括。

1.1 基于需求侧可控负荷的调度

需求侧管理是能量管理系统不可或缺的一部分，其中电池的充放电管理和可控负荷的管理是重中之重。由于可控负荷的特殊性，使得对其管理具有很强的灵活性，调度策略得当会给微电网系统带来良好的效益，因此可控负荷的管理对于微电网能量管理具有很大意义。

随着智能家居的发展，家居型负荷的可控性也越来越强。家居型温控负荷作为一种常见的能量消耗元件，因其具有蓄冷蓄热的特性，使得其快速切除后，短时间内不会影响正常使用和用户体验的舒适度。因此，在DG出力较为充实的时候或者电价较低的时候，将温控负荷的能耗调至不影响用户舒适度的最高程度，多蓄冷或蓄热以消耗多余或者廉价电能；反之，在DG出力不足或者电价较高的时候，温控负荷可以适当降低能耗以维持系统稳定或提高经济性。文献［8］在楼宇微电网中，利用温控负荷的热存储特性建立了虚拟储能系统模型，在室内温度不影响用户舒适度的前提下，控制虚拟储能模型的充放电，最终降低了楼宇微电网的耗电费用总额。此外，除了温控负荷以外的可控负荷也具有类似可以调度的特性，如类似洗衣机之类的可转移负荷、类似跑步机之类的可中断负荷等。

1.2 基于电力市场的电价策略的调度

随着能源互联网的发展以及信息技术的进步，智能电表和智能终端的大量应用使得负荷预测和DG的发电预测变成现实，同时，随着大数据、云计算等技术的发展，预测技术的结果也会越来越精确。

在配电网中，每个微电网的终端都有一个智能代理，它的一侧与大电网连接，能够监测电力市场的实时电价，另一侧与智能电表、储能装置、DG发电单元等终端相连接，可以读取负荷的需求和储能装置的状态以及DG的出力情况，综合这些信息最终形成决策，安排每个微电网的电能合理地消费。

目前电力市场主要有3种电价：分时电价、实时电价、尖峰电价。按照能源互联网的思路，结合准确的负荷预测，可以采取实时电价和动态发电模式满足不同时刻的负荷需求，这样能够有效提高清洁能源的利用率，减少弃风弃光类似的能源浪费，同时也降低了系统对储能容量的需求，缓解了储能装置的压力，达到了虚拟储能的目的。

2 风光储微电网并网的网络结构

本文选取家庭能源微电网的场景，其在并网运行时的系统结构示意见图1。由图1可知，系统配置了小型风力发电机组以及屋顶光伏电池作为分布式发电单元，同时配置了蓄电池平衡系统的能量波动。风光储家庭能源微电网与大电网的交互主要通过智能电表，智能电表可以监测大电网中实时更新的电价信息，为能量管理系统的调度提供实时的数据支撑。

图1并网运行的风光储家居微电网系统

3 能量调度策略

3.1 电价策略

目前电力市场存在3种电价策略：分时电价（timeofusepricing，TOU）、尖峰电价（criticalpeakpricing，CPP）、实时电价（realtimepricing，RTP）等。

实时电价（RTP）是由FCSchweppe为首的几位学者共同提出的，它是一种理想化的模型，对实时性要求极高，其电价几乎能够瞬时完成和电网成本的匹配。它的实现对硬件和软件都有很高的要求，全面实施有较高的难度，故其应用的范围受到极大限制。

分时电价（TOU）可以被看作是实时电价的一种简化形式，其实际应用比较广泛，也是目前我国电力市场采用的主要定价形式。其研究主要分为两类，一是基于发电侧的峰谷分时电价，二是基于需求侧的峰谷分时电价。

尖峰电价（CPP）是在实时电价和分时电价的基础上发展而来的一种动态的电价机制，通过在分时电价上叠加尖峰费率形成的。主要有4种模式：固定时段的CPP、变动时段的CPP、变动峰荷定价、尖峰补贴电价。

3.2 调度策略的基本思想

本文针对风光储微电网系统在并网运行时，所提出的优化策略是基于虚拟储能的概念下进行优化的，旨在达到降低储能容量配置，提高分布式清洁能源利用率以改善微电网并网运行的经济性。本文基于需求侧管理的理念，将负荷进行分类管理，针对不同类型的负荷采用不同的管理策略，同时由于微电网系统是并网的运行状态，因而引入分时电价管理机制可以更加灵活更加准确地对微电网进行调度。具体策略阐释如下：

（1）光伏阵列和风机依旧工作在最大功率跟踪模式；为了最大化利用风光出力，蓄电池按照如下策略进行工作。

1）蓄电池接受来自光伏和风机的出力，并且在分布式发电单元满足负荷需求的前提下，如果有剩余电量，则给蓄电池充电，否则发电单元不给蓄电池充电。

2）在系统运行之前，需要给蓄电池设定放电价格，如果此价格高于在分时电价的实时电价，蓄电池应当工作在充电模式，如果充满，则停止充电；当此放电价格低于分时电价的实时电价时，应当使蓄电池工作在放电模式。

（2）负荷也是达到虚拟储能的另一重要调控对象，需要区别对待不同类型的负荷。

1）温控负荷在并网情况下，主要与分时电价进行实时互动；为了保障用户舒适度，对温控负荷需要设定一个温度限值，在此范围之类，不影响用户舒适度体验。有了这个前提，还需要在此基础上，需要同时考虑分时电价和风光出力大小，这里的原则是：尽量使负荷使用风光发电单元的电量，这样可以提高风光利用率，在风光出力不足的情况下，比较蓄电池放电价格与分时电价的实时价格，从而决定蓄电池的充放电情况，是充是放取决于蓄电池的控制策略。

2）对于可转移负荷，虽然可以对其工作的时间段进行平移，但是需要保证其在一段时间内连续运行，不可间断，另外，从策略上讲，需要将其平移到风光出力较为充足或者分时电价中价格较低的时段。

3.3 实现方法

由于微电网处于并网运行状态，因此在设计调度策略时，不需要考虑负荷的电能需求得不到满足的情况，即不存在切负荷的情况。本文的策略设计旨在达到使风光出力得到最充分的利用，且尽可能以负荷管理的方法来降低微电网系统对储能容量的需求。调度流程见图2。

图2风光储微电网并网运行时能量优化调度流程图

由图2可知，在微电网系统并网运行的情况下，为了提高风光利用率，需要先判断风光出力能否满足所有负荷的需求，如果能够满足，再判断蓄电池的荷电状态，假如此时蓄电池高于最小荷电状态却低于最高荷电量，蓄电池则工作在充电状态，否则，蓄电池的荷电量处于最高状态，无需动作，保持当前状态即可；如果风光出力不能满足当前所有负荷的需求，此时，需要判断蓄电池的放电价格和当前分时电价孰高孰低，若蓄电池放电价格较高，则风光出力不能满足负荷所需电量的部分需要电网提供，反之，若当前电价较高，则判断蓄电池当前的荷电量，如果荷电量大于最小荷电状态，则需要蓄电池放电以补充风光出力不足的部分，如果蓄电池的荷电量不足以维持，则采用电网供电。

4经济优化模型（略）

4.1 目标函数

对于风光蓄微电网并网运行的情况，其运行模式可以有多种方案，本文为了便于研究，将优化目标定为提高风光利用率，微电网系统从电网吸收的电能尽可能少，风光出力多余的部分用蓄电池存储，利用可控负荷将其消耗或者转化成热能“缓存”，达到虚拟储能的功能。因此，本文采用吸收电网电量的费用作为微电网系统并网条件下的评价依据。

4.2 约束条件（略）

4.2.1 功率平衡约束

4.2.2 蓄电池约束

5算例仿真

5.1 数据资源

算例中，取光伏电池的容量2.3kW，风机容量为2.5kW，蓄电池容量为5kW，蓄电池的放电价格为0.4元/kWh，对于蓄电池的荷电状态，参照市面上普遍标准，取SOCmin=20%，SOCmax=90%；分时电价的定义、可控负荷的具体参数、温控负荷的温度限值和风光出力数据见表1、表2、表3和图3。

表1 分时电价定义

图3某天光伏和风机出力

5.2 算法介绍（略）

5.3 模型求解

由以上目标条件以及约束条件，可知其核心问题是求解负荷的开关状态问题，基于BDE算法的优化求解过程如下：

（1）设置微电网系统原始数据，包括负荷参数，初始化DG并读取其出力数据。

（2）初始化BDE算法的参数：种群规模设为N=50，最大迭代次数设为100，变异因子为0.3，交叉因子为0.3；计算种群中最优个体。

（3）变异，在初始化种群中随机选取2个不同于最优个体的个体执行变异操作。

（4）交叉，对于变异产生的中间个体与原个体进行交叉处理，得到一个实验个体。

（5）计算实验个体和当前个体的目标函数值。

（6）选择，对比当前个体与新生成的实验个体的目标函数值，保留最优个体进入下一代种群，防止在进化过程中得到的最优个体在以后的进化中丢失。

（7）种群评价。

（8）判断是否满足结束条件。若达到最大遗传迭代次数，停止迭代。否则，转至步骤（3）继续迭代。

微电网系统采用以上策略后，具体计算流程见图4。

图4BDE流程图

经计算，得出负荷数据和蓄电池充放电数据见图5至图7。

图5温控负荷的运行状态

利用二进制微分进化算法，计算得出的目标函数值在系统普通正常运行时，其目标函数值为118.48。在利用系统采取本文提出的优化策略进行计算时，得出的目标函数为90.23，费用降低23.84%，由此可见该能量管理策略能够提高一定的经济性。

对比风光出力以及核心负荷运行的时间段，从计算结果可以看出：温控负荷的运行集中在风光出力较为充足的时段或者电价处于谷时段和平时段，但是由于用户对负荷有舒适度的要求，如热水器和空调，在晚上18:00至22:00之间用电高峰时段也需要有适当集中的运行时间。可转移负荷中的洗衣机设备在优化后，运行时间被转移到电价最为低廉的清晨，且这时候风力发电相对充足，符合能量管理策略最初的设计期望，对于电饭锅的运行时段，也是符合日常生活规律的，且在一定程度上提前或延迟其运行时段，达到了优化的要求。由图6可以看出，在负荷需求量较大的时段18:00至22:00、14:00至16:00处于负荷用电高峰时段，且此时的电价也处于峰值阶段，蓄电池放电较多，而在负荷需求量较小的上午且电价处于谷值时，蓄电池得以充电。并且可以看出优化后的蓄电池充放电深度明显小于优化前的充放电深度，因此可以适当降低蓄电池的配置容量，从而符合虚拟储能的优化目标。

图6可转移负荷的运行状态

图7蓄电池充放电状态

6结语

本文就风光储微电网在并网运行的状态下，设计了微电网系统能量管理策略并应用在家庭能源微电网，由于微电网处于并网状态，因此在前述3的基础上，该能量管理策略建立了与电网电价策略的联动，不仅规划了可控负荷的用电时段，使之更加匹配DG的供电状况，而且通过分时电价辅助从大电网在DG出力不足的情况或者蓄电池放电成本较高时，可以从大电网购电，以此进行调控可以在弥补供需差异的同时，达到最大程度地降低从电网购电的费用。

作者：

麦卡，男，硕士研究生，主要研究方向为微电网的优化控制与能量管理。

殷亮亮，男，硕士研究生，主要研究方向为微电网的能量优化管理与控制研究。

李征，女，教授，主要研究方向为智能控制、复杂大系统、分布式电能系统控制及接入、储能系统应用。