喬 輝

(國(guó)網(wǎng)河北省電力公司 保定供電分公司，河北保定071000)

分時(shí)電價(jià)機(jī)制下的微網(wǎng)經(jīng)濟(jì)調(diào)度

喬 輝

(國(guó)網(wǎng)河北省電力公司 保定供電分公司，河北保定071000)

微網(wǎng)的經(jīng)濟(jì)調(diào)度是微網(wǎng)的重點(diǎn)研究?jī)?nèi)容之一。為解決分時(shí)電價(jià)機(jī)制下微網(wǎng)的經(jīng)濟(jì)調(diào)度問(wèn)題，提出一種基于鯰魚(yú)二進(jìn)制粒子群算法的微網(wǎng)經(jīng)濟(jì)調(diào)度方法?？紤]了微網(wǎng)中可控型微電源的啟停控制策略，建立了計(jì)及經(jīng)濟(jì)成本和環(huán)境效益的微網(wǎng)經(jīng)濟(jì)調(diào)度數(shù)學(xué)模型。引入經(jīng)濟(jì)學(xué)中的鯰魚(yú)效應(yīng)，改進(jìn)二進(jìn)制粒子群優(yōu)化算法求解問(wèn)題。以包含風(fēng)、光、微型燃?xì)廨啓C(jī)、燃料電池和柴油發(fā)電機(jī)的具體微網(wǎng)為算例，在分時(shí)電價(jià)機(jī)制下，采用三種微網(wǎng)經(jīng)濟(jì)調(diào)度策略進(jìn)行仿真，仿真結(jié)果驗(yàn)證了所提算法求解微網(wǎng)經(jīng)濟(jì)調(diào)度問(wèn)題的有效性。

微網(wǎng)；經(jīng)濟(jì)調(diào)度；分時(shí)電價(jià)；二進(jìn)制粒子群優(yōu)化算法；鯰魚(yú)效應(yīng)

0 引言

由微電源、負(fù)荷、儲(chǔ)能裝置和控制裝置組成的微網(wǎng)對(duì)外表現(xiàn)為單一受控的獨(dú)立電力系統(tǒng)，是分布式電源的集成和接入的有效方式，成為了智能電網(wǎng)建設(shè)的一個(gè)重要技術(shù)[1,2]。分時(shí)電價(jià)機(jī)制根據(jù)用戶負(fù)荷需求情況，將一天劃分為多個(gè)時(shí)段(如：峰時(shí)、平時(shí)和谷時(shí))，并采用不同的電價(jià)，科學(xué)引導(dǎo)用戶用電，以實(shí)現(xiàn)削峰填谷、提高能源利用率的目的，獲得廣泛應(yīng)用[3,4]。

在分時(shí)電價(jià)機(jī)制下，微網(wǎng)的經(jīng)濟(jì)調(diào)度就要考慮各調(diào)度時(shí)段間的相互耦合關(guān)系；另外，微網(wǎng)中一些可再生能源出力具有隨機(jī)性和波動(dòng)性，因此也需考慮各時(shí)段之間的內(nèi)在聯(lián)系，以更符合微網(wǎng)的實(shí)際運(yùn)行情況[5～8]。然而目前鮮有針對(duì)分時(shí)電價(jià)機(jī)制下考慮了各時(shí)段之間的內(nèi)在聯(lián)系的微網(wǎng)經(jīng)濟(jì)調(diào)度的研究。

微網(wǎng)的經(jīng)濟(jì)調(diào)度是一個(gè)復(fù)雜的非線性、強(qiáng)耦合優(yōu)化問(wèn)題，宜采用智能優(yōu)化算法求解。處理離散型優(yōu)化的二進(jìn)制粒子群優(yōu)化(Binary Particle Swarm Optimization，BPSO)算法具有靈活性大、算法易實(shí)現(xiàn)、收斂快、需調(diào)整參數(shù)少等優(yōu)點(diǎn)，在微網(wǎng)的經(jīng)濟(jì)調(diào)度研究上得到廣泛應(yīng)用[9～13]。文獻(xiàn)[11]提出了一種具有雙重結(jié)構(gòu)編碼的BPSO算法，種群多樣性增加，但是算法的編碼方案較為復(fù)雜。文獻(xiàn)[12]利用了混沌變量的遍歷性和對(duì)初值敏感性，但尋優(yōu)函數(shù)的復(fù)雜程度和尋優(yōu)空間的大小限制了算法精確度。文獻(xiàn)[13]通過(guò)視覺(jué)化個(gè)體粒子，為每個(gè)粒子增加半徑參數(shù)，避免粒子的聚集。但這些算法大多只改進(jìn)了部分粒子的位置，整個(gè)種群的飛行方式并沒(méi)有得到修正。

本文充分考慮了微網(wǎng)中可控型微電源的啟?？刂撇呗裕诜謺r(shí)電價(jià)機(jī)制下，研究了微網(wǎng)三種運(yùn)行策略的經(jīng)濟(jì)調(diào)度。并利用經(jīng)濟(jì)學(xué)中的鯰魚(yú)效應(yīng)[14]，避免傳統(tǒng)BPSO算法陷入局部最優(yōu)解的問(wèn)題，求解微網(wǎng)的經(jīng)濟(jì)調(diào)度問(wèn)題。

1 微網(wǎng)經(jīng)濟(jì)調(diào)度數(shù)學(xué)模型

1.1 微電源建模

風(fēng)力發(fā)電機(jī)(Wind Turbine，WT)和光伏電池(Photovoltaic Cell，PV)不消耗一次能源，不排放污染物，一般工作在最大功率跟蹤控制模式下。本文將其負(fù)值與微網(wǎng)總負(fù)荷功率相疊加得到“凈負(fù)荷”功率，計(jì)算公式為

(1)

柴油發(fā)電機(jī)(DieselGenerator，DE)的燃料成本計(jì)算式就是它的耗量特性函數(shù)

(2)

微型燃?xì)廨啓C(jī)(Micro Turbine，MT)發(fā)電燃料成本計(jì)算式如下

(3)

(4)

燃料電池FC(FuelCell)發(fā)電燃料成本計(jì)算如下

(5)

ηFC=-0.002 3PFC+0.673 5

(6)

1.2 目標(biāo)函數(shù)

本文以微網(wǎng)發(fā)電成本最小、環(huán)境成本最小為子目標(biāo)函數(shù)，建立多目標(biāo)優(yōu)化模型如下：

(7)

(8)

(9)

(10)

1.3 約束條件

(1)功率平衡約束

(11)

(12)

(2)運(yùn)行電壓約束

(13)

(3)微電源輸出功率約束

(14)

(4)微電源爬坡率約束

(15)

(5)微電源啟停機(jī)次數(shù)和啟停時(shí)間約束

(16)

(6)微網(wǎng)與主網(wǎng)傳輸功率約束

(17)

2 分時(shí)電價(jià)機(jī)制及微網(wǎng)經(jīng)濟(jì)調(diào)度策略

分時(shí)電價(jià)機(jī)制根據(jù)用戶負(fù)荷需求將一天分為峰、平、谷三個(gè)時(shí)段，電價(jià)水平與具體時(shí)段劃分如表1所示。分時(shí)電價(jià)水平與微電源綜合成本如圖1所示。為充分利用分時(shí)電價(jià)機(jī)制，在每個(gè)優(yōu)化時(shí)段，首先預(yù)測(cè)負(fù)荷大小及WT、PV出力，求得“凈負(fù)荷”功率大??；然后充分利用谷時(shí)較低購(gòu)電價(jià)格和峰時(shí)售電獲利，依據(jù)微網(wǎng)綜合運(yùn)行成本最低的原則，確定各類具有不同發(fā)電成本的可控型微電源的出力、及微網(wǎng)與主網(wǎng)之間的交互功率。

表1 分時(shí)電價(jià)

圖1 分時(shí)電價(jià)水平與微電源綜合成本

另外，根據(jù)微電源是否優(yōu)先調(diào)度及微網(wǎng)與主網(wǎng)之間的功率交互方式，微網(wǎng)采用如下三種運(yùn)行策略：(1)優(yōu)先利用微電源來(lái)滿足微網(wǎng)內(nèi)的負(fù)荷需求，不滿足負(fù)荷需求時(shí)從主網(wǎng)吸收功率，但不可以向主網(wǎng)輸出功率；(2)微電源與主網(wǎng)共同參與系統(tǒng)的運(yùn)行優(yōu)化，仍是可以從主網(wǎng)吸收功率，不可以向主網(wǎng)輸出功率；(3)微網(wǎng)與主網(wǎng)可自由雙向交換功率。

3 鯰魚(yú)二進(jìn)制粒子群優(yōu)化算法

3.1 傳統(tǒng)BPSO算法

BPSO是在基本PSO的基礎(chǔ)提出的，適用于離散空間優(yōu)化問(wèn)題[16]。速度和位置的更新公式分別如式(18)和式(19)所示

(18)

(19)

其中：

(20)

3.2 鯰魚(yú)效應(yīng)

鯰魚(yú)效應(yīng)通過(guò)引入具有競(jìng)爭(zhēng)力的個(gè)體，激勵(lì)陷入惰性的種群恢復(fù)并保持活力[17]。對(duì)于PSO，當(dāng)粒子聚集在局部最優(yōu)而導(dǎo)致搜索停滯時(shí)，構(gòu)造“鯰魚(yú)粒子”去驅(qū)動(dòng)陷入局部最優(yōu)位置的“沙丁魚(yú)粒子”，利用鯰魚(yú)效應(yīng)使得種群能夠跳出局部極值而找到全局最優(yōu)。引入鯰魚(yú)效應(yīng)后算法原理圖如圖2所示。

圖2 鯰魚(yú)效應(yīng)算法原理圖

3.3 算法步驟

(1)選擇微網(wǎng)運(yùn)行策略；輸入算法參數(shù)。

(2)初始化粒子速度和位置，設(shè)置迭代次數(shù)iter=1。

(3)計(jì)算各粒子的適應(yīng)度值，記錄全局最優(yōu)解fbest，記粒子位置全局極值點(diǎn)gbest和個(gè)體極值點(diǎn)pbest。

(4)判斷當(dāng)前的迭代次數(shù)是否達(dá)到最大迭代次數(shù)，若達(dá)到則結(jié)束算法，輸出計(jì)算結(jié)果；若不滿足則設(shè)定迭代次數(shù)K=K+1。

(5)判斷是否引入“鯰魚(yú)粒子”。當(dāng)整個(gè)種群陷入局部最優(yōu)解時(shí)，種群多樣性將大大減弱，減弱到閥值時(shí)，轉(zhuǎn)步驟(6)；否則轉(zhuǎn)步驟(8)，利用式(21)來(lái)量化種群的多樣性

(21)

(6)構(gòu)造“鯰魚(yú)粒子”。取出種群中適應(yīng)度值最大的W個(gè)粒子構(gòu)造成“鯰魚(yú)粒子”(本文取W=10%×K)，隨機(jī)更新這W個(gè)粒子在解空間內(nèi)的位置。其余的粒子稱為“沙丁魚(yú)粒子”。

(7)“鯰魚(yú)粒子”驅(qū)動(dòng)“沙丁魚(yú)粒子”。計(jì)算新構(gòu)造的“鯰魚(yú)粒子”適應(yīng)度值，當(dāng)適應(yīng)度值增大或者不變，轉(zhuǎn)步驟(8)；否則(即“鯰魚(yú)粒子”更具活力)，驅(qū)動(dòng)陷入局部最優(yōu)解而具有惰性的“沙丁魚(yú)粒子”，即根據(jù)式(22)更新“沙丁魚(yú)粒子”速度

(22)

其中：

(23)

(8)分別根據(jù)式(18)和式(19)更新粒子的位置和速度。

(9)判斷粒子的狀態(tài)是否滿足各類不等式約束條件，若滿足則保留粒子位置，若不滿足則取限值。轉(zhuǎn)步驟(3)。

4 算例分析

4.1 算例數(shù)據(jù)

圖3 微網(wǎng)結(jié)構(gòu)圖

算例采用的微網(wǎng)結(jié)構(gòu)如圖3所示。微網(wǎng)線路阻抗為R=1.98 Ω/km，X=0.358 Ω/km[18]。微網(wǎng)中可再生能源微電源包括系統(tǒng)容量為15 kW的PV和系統(tǒng)容量為10 kW的WT。電壓允許偏差為-5%～+5%，主網(wǎng)向微網(wǎng)傳輸?shù)挠泄ι舷奕?00 kW，下限取-50 kW。環(huán)境成本參數(shù)和可控型微電源相關(guān)參數(shù)分別如表2和表3所示[19-20]。天然氣價(jià)格取2.48元/m3。微網(wǎng)中光伏電池和風(fēng)機(jī)發(fā)電的預(yù)測(cè)功率，以及日負(fù)荷功率、凈負(fù)荷功率分別如圖4所示。

圖4 光伏電池、風(fēng)機(jī)、負(fù)荷與“凈負(fù)荷”功率

污染物類型NOxSO2CO2DE排放系數(shù)/(g·(kW·h)-1)4.33140.4641232.0373MT排放系數(shù)/(g·(kW·h)-1)0.61880.000928184.0829FC排放系數(shù)/(g·(kW·h)-1)<0.0230635.04排放罰款/(元·kg-1)2.051.0250.01025環(huán)境價(jià)值/(元·kg-1)8.26.150.02375

表3 可控型微電源參數(shù)

4.2 仿真結(jié)果分析

采用本文提出的算法求解，設(shè)置群大小為60，最大迭代次數(shù)200次。微網(wǎng)經(jīng)濟(jì)調(diào)度結(jié)果如圖5～7所示，一天運(yùn)行費(fèi)用如表4所示。

圖5 運(yùn)行策略一調(diào)度結(jié)果

圖6 運(yùn)行策略二調(diào)度結(jié)果

圖7 運(yùn)行策略三調(diào)度結(jié)果

在運(yùn)行策略一下，微電源優(yōu)先發(fā)電。由圖1知，當(dāng)輸出功率超過(guò)22kW時(shí)，MT綜合發(fā)電成本最高，F(xiàn)C次之，DE最低。故圖5中，DE除了在負(fù)荷波動(dòng)較大的8、14和17時(shí)跟隨負(fù)荷波動(dòng)而改變出力，幾乎滿發(fā)；FC優(yōu)于MT發(fā)電，在負(fù)荷增加時(shí)出力增加；MT在負(fù)荷需求小的0～7時(shí)停機(jī)，隨后輸出功率跟隨負(fù)荷需求變化。根據(jù)運(yùn)行策略二，主網(wǎng)也可參與優(yōu)化。由圖1和表1知，在谷時(shí)，MT、FC綜合發(fā)電成本高于購(gòu)電電價(jià)，故停機(jī)從主網(wǎng)購(gòu)電；在平時(shí)和峰時(shí)，F(xiàn)C綜合發(fā)電成本低于電價(jià)，故滿發(fā)；而MT只有在峰時(shí)綜合發(fā)電成本低于電價(jià)，故只有在峰時(shí)相比主網(wǎng)得到優(yōu)先利用。相比運(yùn)行策略二，在運(yùn)行策略三下微電源可以多發(fā)電向主網(wǎng)售電，且由圖1知，在峰時(shí)所有微電源綜合成本都低于電網(wǎng)峰時(shí)售電電價(jià)，故圖7中MT也滿發(fā)，向電網(wǎng)售電。

表4 微網(wǎng)運(yùn)行費(fèi)用

由表4可知，運(yùn)行策略三最優(yōu)，運(yùn)行策略二次之，運(yùn)行策略一最差。策略一下，微電源優(yōu)先發(fā)電，故發(fā)電成本和環(huán)境成本最高。策略二和策略三下，主網(wǎng)可參與優(yōu)化，向微網(wǎng)輸送功率大致相等，故購(gòu)電費(fèi)用相近；策略三下，微電源在峰時(shí)可多發(fā)電向主網(wǎng)售電，故策略三下發(fā)電成本和環(huán)境成本較策略二高，但是微網(wǎng)售電收益可有效降低微網(wǎng)運(yùn)行費(fèi)用，且相比策略一降低費(fèi)用38.92%，相比策略二降低費(fèi)用20.35%，有效地起到了“削峰填谷”的作用。同時(shí)從表4中也可以看出，微網(wǎng)中環(huán)境成本占總運(yùn)行費(fèi)用比重輕，不同策略下變化也小。這是因?yàn)槟壳疤烊粴鈨r(jià)格偏高，而污染物排放罰款較低。

采用標(biāo)準(zhǔn)BPSO和文獻(xiàn)[11]所提的算法求解策略三下的優(yōu)化問(wèn)題，算法收斂性能對(duì)比結(jié)果如圖8所示。由圖8知，本文算法相比文獻(xiàn)[11]算法收斂更快，且明顯優(yōu)于BPSO。策略三下，BPSO和文獻(xiàn)[11]優(yōu)化得到的運(yùn)行總費(fèi)用分別是1 013.18元和891.87元，相比本文算法求得的788.72元，可見(jiàn)本文算法優(yōu)化得到的最優(yōu)值更好。

圖8 算法收斂性能對(duì)比

5 結(jié)論

本文考慮了微網(wǎng)中可控型微電源的啟?？刂疲园l(fā)電成本和環(huán)境成本最小為目標(biāo)，在分時(shí)電價(jià)機(jī)制下建立了微網(wǎng)經(jīng)濟(jì)調(diào)度數(shù)學(xué)模型。采用改進(jìn)的二進(jìn)制粒子群優(yōu)化算法求解問(wèn)題。以包含風(fēng)、光、微型燃?xì)廨啓C(jī)、燃料電池和柴油發(fā)電機(jī)的具體微網(wǎng)為算例，采用三種微網(wǎng)并網(wǎng)運(yùn)行策略進(jìn)行仿真。并在第三種策略下，與上述兩個(gè)二進(jìn)制粒子群優(yōu)化算法對(duì)比收斂性能，進(jìn)一步驗(yàn)證所提算法在求解微網(wǎng)經(jīng)濟(jì)調(diào)度問(wèn)題上的有效性。

[1]賀靜，宋琪，文福拴，等.智能電網(wǎng)綜合評(píng)估指標(biāo)體系初探[J].華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版)，2013，40(02)：46-54.

[2]余貽鑫，秦超.智能電網(wǎng)基本理念闡釋[J].中國(guó)科學(xué)：信息科學(xué)，2014，44(6)：694-701.

[3]Mahmoodi M，Shamsi P，F(xiàn)ahimi B.Optimal scheduling of microgrid operation considering the time-of-use price of electricity[C].39th Annual Conference of the IEEE Industrial Electronics Society，Vienna，2013，2127-2132.

[4]毛曉明，陳深，吳杰康，等.分時(shí)電價(jià)機(jī)制下含蓄電池微網(wǎng)的優(yōu)化調(diào)度[J].電網(wǎng)技術(shù)，2015，39(5)：1192-1197.

[5]朱永勝，王杰，瞿博陽(yáng)，等.含風(fēng)電場(chǎng)的多目標(biāo)動(dòng)態(tài)環(huán)境經(jīng)濟(jì)調(diào)度[J].電網(wǎng)技術(shù)，2015，39(5)：1315-1322.

[6]Kanchev H，Colas F，Lazarov V，et al.Emission reduction and economical optimization of an urban microgrid operation Including dispatched PV-based active generators[J].IEEE Transactions on Sustainable Energy，2014，5(4):1397-1405.

[7]Ahn S J，Nam S R，Choi J H，et al.Power scheduling of distributed generators for economic and stable operation of a microgrid[J].IEEE Transactions on Smart Grid，2013，4(01):398-405.

[8]劉小平，丁明，張穎媛，等.微網(wǎng)系統(tǒng)的動(dòng)態(tài)經(jīng)濟(jì)調(diào)度[J].中國(guó)電機(jī)工程學(xué)報(bào)，2011，31(31)：77-84.

[9]趙書(shū)強(qiáng)，李志偉.基于差分進(jìn)化粒子群算法的城市電動(dòng)汽車充電站最優(yōu)規(guī)劃[J].華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版)，2015，42(02):1-7.

[10]張燕，許偉偉.基于粒子群-差異進(jìn)化混合算法的電力系統(tǒng)無(wú)功優(yōu)化[J].電工電能新技術(shù)，2014，33(9)：48-51.

[11]Li P，Xu D.Optimal operation of microgrid based on improved binary particle swarm optimization algorithm with double-structure coding[C].International Conference on Power System Technology，Chengdu，2014，3141-3146.

[12]李鵬，李濤，張雙樂(lè)，等.基于混沌二進(jìn)制粒子群算法的獨(dú)立微網(wǎng)系統(tǒng)的微電源組合優(yōu)化[J].電力自動(dòng)化設(shè)備，2013，33(12)：33-38.

[13]Atya A，Phonamnuaisuk S.Particle swarm optimization with area extension (AEPSO)[C].Congress on Evolutionary Computation，Singapore，2007，1970-1976.

[14]徐琳，楊馭豪，楊平.基于“鯰魚(yú)效應(yīng)”的人力資源管理機(jī)制構(gòu)建[J].知識(shí)經(jīng)濟(jì)，2010，10(21)：31-34.

[15]李樂(lè).微網(wǎng)的經(jīng)濟(jì)運(yùn)行研究[D].北京：華北電力大學(xué)，2011.

[16]鄧桂秀，江修波，蔡金錠.基于混沌二進(jìn)制粒子群算法的配電網(wǎng)重構(gòu)研究[J].電力科學(xué)與工程，2013，29(09):34-37.

[17]Ji C，Liu F，Zhang X.Notice of retraction particle swarm optimization based on catfish effect for flood optimal operation of reservoir.International Congress on Natural Computation，Shanghai，2011，1197-1201.

[18]陳達(dá)威，朱桂萍.低壓微電網(wǎng)中的功率傳輸特性[J].電工技術(shù)學(xué)報(bào)，2010，25(7)：117-122.

[19]李存斌，張建業(yè)，李鵬.考慮成本、排污及風(fēng)險(xiǎn)的微電網(wǎng)運(yùn)營(yíng)多目標(biāo)優(yōu)化模型[J].中國(guó)電機(jī)工程學(xué)報(bào)，2015，35(5)：1051-1058.

[20]石慶均.微網(wǎng)容量?jī)?yōu)化配置與能量?jī)?yōu)化管理研究[D].杭州：浙江大學(xué)，2012.

Economic Dispatch of Microgrid Under Time-of-use Price Mechanism

Qiao Hui

(Baoding Power Supply Branch of State Grid Hebei Province Electric Power Company, Baoding 071003, China)

Economic dispatch is one of the key research subjects of microgrid. In order to achieve the optimal dispatch of microgrid under time-of-use (TOU) price mechanism, an economic dispatch method for microgrid based on catfish binary particle swarm optimization (CBPSO) algorithm is proposed. This paper, considering the start and stop control strategy of controllable microsources in microgrid, established an economic dispatch mathematical model which took into account the economic cost and environmental benefit of microgrid. Catfish effect which comes from economics was introduced into BPSO algorithm to solve the problem. Three operation strategies of microgrid were applied in the simulation example. Simulation results validated the effectiveness of the proposed algorithm.

microgrid； economic dispatch；time-of-use price；binary particle swarm optimization algorithm；catfish effect

2015-07-06。

喬輝 (1984-)，男，工程師，從事繼電保護(hù)管理工作，E-mail：qiao5277@126.com。

TM732

A

10.3969/j.issn.1672-0792.2015.09.013