王曉蘭，劉立強(qiáng)，梁 琛，張曉英

(1.蘭州理工大學(xué)電氣工程與信息工程學(xué)院，甘肅蘭州730050；2.甘肅電力科學(xué)研究院，甘肅蘭州730050)

基于VEGA的風(fēng)光蓄聯(lián)合發(fā)電系統(tǒng)多目標(biāo)容量優(yōu)化

王曉蘭1，劉立強(qiáng)1，梁 琛2，張曉英1

(1.蘭州理工大學(xué)電氣工程與信息工程學(xué)院，甘肅蘭州730050；2.甘肅電力科學(xué)研究院，甘肅蘭州730050)

針對我國西北地區(qū)風(fēng)、光資源的分布情況，建立小型風(fēng)光蓄聯(lián)合發(fā)電系統(tǒng)。依據(jù)氣候常年變化的統(tǒng)計(jì)情況，考慮投資成本、系統(tǒng)可靠性、風(fēng)光資源利用率等多個優(yōu)化目標(biāo)，建立數(shù)學(xué)模型；并對系統(tǒng)孤島運(yùn)行和并網(wǎng)運(yùn)行的不同情況進(jìn)行優(yōu)化處理。采用整數(shù)編碼的向量評價遺傳算法(VEGA)進(jìn)行求解，獲得了微網(wǎng)中分布式電源和儲能電池的多種優(yōu)化容量配置方案。

風(fēng)光蓄發(fā)電系統(tǒng)；多目標(biāo)優(yōu)化；風(fēng)光資源的利用率；向量評價遺傳算法

隨著自然資源的日漸枯竭，尋求可替代能源成為了越來越迫切的課題[1]。風(fēng)光蓄聯(lián)合發(fā)電系統(tǒng)作為一個新型能源發(fā)電單元，能夠充分利用當(dāng)?shù)氐淖匀毁Y源，使得發(fā)電系統(tǒng)獨(dú)立運(yùn)行時滿足供電負(fù)荷的需求，系統(tǒng)并網(wǎng)運(yùn)行時減少集中供電所帶來的壓力，特別是在我國西部和輸電不便的偏遠(yuǎn)地區(qū)，具有很高的實(shí)用價值。

目前，國內(nèi)外學(xué)者對于風(fēng)光蓄聯(lián)合發(fā)電系統(tǒng)的研究主要集中在優(yōu)化目標(biāo)和優(yōu)化算法的改進(jìn)上。文獻(xiàn)[2-4]以系統(tǒng)的供電可靠性為約束條件，以系統(tǒng)成本最小為優(yōu)化目標(biāo)對整個系統(tǒng)進(jìn)行容量的優(yōu)化配置，文獻(xiàn)[5-6]以系統(tǒng)投資成本和穩(wěn)定性作為主要優(yōu)化目標(biāo)，同時考慮能源利用率等作為其他的優(yōu)化目標(biāo)，對其進(jìn)行容量的優(yōu)化配置。文獻(xiàn)[7-11]對優(yōu)化算法進(jìn)行了研究，文獻(xiàn)[8]考慮了風(fēng)力發(fā)電機(jī)的類型、臺數(shù)和光伏組件的傾角等更多的變量，采用遺傳算法對孤島運(yùn)行的風(fēng)光互補(bǔ)發(fā)電系統(tǒng)進(jìn)行容量配置。

本文提出了在系統(tǒng)孤島運(yùn)行和并網(wǎng)運(yùn)行時，考慮不同的目標(biāo)函數(shù)。當(dāng)系統(tǒng)孤島運(yùn)行時，建立考慮系統(tǒng)成本、供電可靠性和反映風(fēng)光互補(bǔ)特性的三目標(biāo)優(yōu)化數(shù)學(xué)模型；在系統(tǒng)并網(wǎng)運(yùn)行時，除上述三個目標(biāo)函數(shù)外，將系統(tǒng)饋入電網(wǎng)的功率波動作為第四個目標(biāo)函數(shù)。采用向量評價遺傳算法(VEGA)對上述多目標(biāo)優(yōu)化問題進(jìn)行求解，以中國西部某地為例，得到了可以輔助決策的多目標(biāo)Pareto優(yōu)化解。

1 風(fēng)光蓄聯(lián)合發(fā)電系統(tǒng)

1.1 風(fēng)光蓄聯(lián)合發(fā)電系統(tǒng)結(jié)構(gòu)

風(fēng)光蓄聯(lián)合發(fā)電系統(tǒng)結(jié)構(gòu)如圖1所示，這種方案具有負(fù)荷和分布式電源擴(kuò)容較為便利的優(yōu)勢。系統(tǒng)由光伏陣列、風(fēng)力發(fā)電機(jī)組、蓄電池組等幾部分組成，該系統(tǒng)可以獨(dú)立運(yùn)行，也可以并網(wǎng)運(yùn)行。

圖1 風(fēng)光蓄聯(lián)合發(fā)電系統(tǒng)結(jié)構(gòu)示意圖

1.2風(fēng)光蓄聯(lián)合發(fā)電系統(tǒng)的能量變換

當(dāng)系統(tǒng)獨(dú)立運(yùn)行時，若風(fēng)能和太陽能發(fā)電量不滿足負(fù)荷需求，則蓄電池放電。當(dāng)發(fā)電量大于負(fù)荷需求時，蓄電池充電。當(dāng)系統(tǒng)并網(wǎng)運(yùn)行時，若發(fā)電量不滿足負(fù)荷需求，負(fù)荷先由風(fēng)光蓄聯(lián)合發(fā)電系統(tǒng)供電，不足部分由電網(wǎng)提供。當(dāng)發(fā)電量充足時，除滿足系統(tǒng)本身負(fù)荷的需求外，多余的電量饋入電網(wǎng)。

2 風(fēng)光蓄聯(lián)合發(fā)電系統(tǒng)的優(yōu)化模型

2.1 風(fēng)光蓄聯(lián)合發(fā)電系統(tǒng)的多目標(biāo)優(yōu)化模型

2.1.1 優(yōu)化變量的定義

2.1.2 目標(biāo)函數(shù)

在滿足系統(tǒng)性能指標(biāo)的前提下，使系統(tǒng)總成本最低，其中包括初始投資成本、系統(tǒng)維護(hù)成本以及系統(tǒng)并網(wǎng)時與電網(wǎng)的功率交換成本。系統(tǒng)初始投資成本為：

系統(tǒng)運(yùn)行維護(hù)成本為：

系統(tǒng)并網(wǎng)時，與電網(wǎng)交換功率的成本主要包括系統(tǒng)向主網(wǎng)賣電成本和系統(tǒng)向主網(wǎng)購電成本。

則優(yōu)化目標(biāo)函數(shù)為：

在分析了系統(tǒng)功率變換的基礎(chǔ)上，采用風(fēng)力與光伏輸出功率之和相對于負(fù)荷功率的波動率表征風(fēng)光互補(bǔ)特性：

系統(tǒng)并網(wǎng)運(yùn)行時，考慮到入網(wǎng)功率波動對配電網(wǎng)電能質(zhì)量的影響，以入網(wǎng)功率標(biāo)準(zhǔn)差作為衡量系統(tǒng)并網(wǎng)性能的優(yōu)越指標(biāo)：

2.2 風(fēng)光蓄聯(lián)合發(fā)電系統(tǒng)的多目標(biāo)優(yōu)化問題的約束條件

考慮極端天氣情況，系統(tǒng)獨(dú)立運(yùn)行時，滿足系統(tǒng)供電要求，風(fēng)力發(fā)電機(jī)組數(shù)、光伏陣列數(shù)、蓄電池?cái)?shù)分別小于其最大值

蓄電池電量變化約束條件：考慮到蓄電池的壽命，使蓄電池的荷電狀態(tài)在之間，充放電功率小于其最大值。

系統(tǒng)并網(wǎng)時功率交換約束條件：系統(tǒng)并網(wǎng)時，與電網(wǎng)的交換功率在之間。

2.3 風(fēng)光蓄聯(lián)合發(fā)電系統(tǒng)的多目標(biāo)優(yōu)化問題的數(shù)學(xué)描述

為了對風(fēng)光蓄聯(lián)合發(fā)電系統(tǒng)進(jìn)行合理優(yōu)化，基于上述對系統(tǒng)發(fā)電單元功率變化情況和儲能單元容量的分析，建立多目標(biāo)數(shù)學(xué)模型。在滿足系統(tǒng)可靠性前提下，使得系統(tǒng)總的運(yùn)行費(fèi)用、風(fēng)光互補(bǔ)波動率、入網(wǎng)功率波動最小，其數(shù)學(xué)表達(dá)式為：

3 多目標(biāo)優(yōu)化問題的VEGA求解

算法流程如圖2所示，程序具體步驟為：

(1)初始種群的生成，本文的初始種群根據(jù)不等式約束進(jìn)行隨機(jī)選取，種群大小設(shè)為500，遺傳算法以這500個染色體作為初始點(diǎn)開始迭代，為0.9；

文獻(xiàn)[12]中Schaffer提出了采用VEGA求解多目標(biāo)優(yōu)化問題的思路，利用并行的方式給出多目標(biāo)優(yōu)化問題的Pareto非劣解，解決了多目標(biāo)優(yōu)化的難題。本文采用VEGA算法的思想對建立的多目標(biāo)經(jīng)濟(jì)優(yōu)化模型進(jìn)行求解。

在用VEGA求解時，變量定義為式(1)，故采用整數(shù)編碼來表示初始群體中的個體，染色體結(jié)構(gòu)表示為

圖2 算法流程

(2)計(jì)算每個染色體對應(yīng)的目標(biāo)函數(shù)值和適應(yīng)度函數(shù)值；

(3)重組操作，本文以0.7的概率完成對當(dāng)前種群中一對個體的離散重組，在重組后返回到新種群中；

(4)變異操作，變異算子能夠改善遺傳算法的局部搜索能力，維持染色體的多樣性，防止出現(xiàn)早熟現(xiàn)象，本文以0.02的概率對重組后的子代產(chǎn)生變異；

(5)終止條件判斷，通過設(shè)計(jì)適應(yīng)度函數(shù)和各遺傳算子，對初始種群進(jìn)行選擇、重組、變異和重插入操作，若達(dá)到最大迭代次數(shù)，終止運(yùn)算，否則，轉(zhuǎn)到步驟2繼續(xù)進(jìn)行運(yùn)算，本文在不同的迭代次數(shù)下進(jìn)行優(yōu)化分析，以得到最優(yōu)化目標(biāo)。

4 算例與分析

為驗(yàn)證本文提出的風(fēng)光蓄聯(lián)合發(fā)電系統(tǒng)優(yōu)化方案的合理性和優(yōu)越性，選擇甘肅某地為參考區(qū)域，借助Matlab軟件對優(yōu)化模型進(jìn)行求解。該地區(qū)全年預(yù)測的負(fù)荷功率如圖3，負(fù)荷峰值功率為330 kW，平均功率為150 kW；風(fēng)速數(shù)據(jù)來源NASA，其中，風(fēng)速和光照強(qiáng)度經(jīng)由Homer軟件進(jìn)行離散化處理，溫度取每月平均值?？紤]到本系統(tǒng)為小型發(fā)電系統(tǒng)，選取額定功率為1 kW小型風(fēng)力發(fā)電機(jī)；選取5片最大功率為230 W的光伏組件進(jìn)行串并聯(lián)作為一組，對應(yīng)電壓為29.6 V，其最大功率為1.15 kW；選取額定電壓12 V，額定容量為200 Ah的蓄電池作為儲能單元。

圖3 負(fù)荷功率曲線

為方便計(jì)算，系統(tǒng)并入電網(wǎng)時，假定購入和賣出電量的電價相同，VEGA中初始種群個數(shù)500，代溝為0.9，重組概率為0.7，交叉概率為0.02。

圖4 系統(tǒng)獨(dú)立運(yùn)行時尋優(yōu)過程

圖5 未考慮風(fēng)光互補(bǔ)特性的Pareto非劣解前沿分布

圖6 考慮風(fēng)光互補(bǔ)特性的Pareto非劣解前沿分布

由圖5和圖6可知，系統(tǒng)總成本隨著系統(tǒng)供電可靠性的提高而增加，在實(shí)際應(yīng)用中，可以根據(jù)不同的需求，在總成本和供電可靠性方面選擇一個折中，在此分別選擇圖5和圖6中箭頭所指示點(diǎn)的優(yōu)化結(jié)果，得到的各目標(biāo)函數(shù)值如表1中所示。

圖7為當(dāng)系統(tǒng)并網(wǎng)運(yùn)行時，同時考慮四個優(yōu)化目標(biāo)的尋優(yōu)過程，次數(shù)為500時，系統(tǒng)總成本、供電可靠性和風(fēng)光互補(bǔ)特性三個目標(biāo)函數(shù)的尋優(yōu)過程。圖8為系統(tǒng)并網(wǎng)運(yùn)行時總成本和供電可靠性目標(biāo)函數(shù)Pareto非劣解前沿分布，選擇圖8中箭頭所指示點(diǎn)的優(yōu)化結(jié)果，得到的各目標(biāo)函數(shù)值如表1所示。

表1 各目標(biāo)函數(shù)最優(yōu)解

圖7 系統(tǒng)并網(wǎng)運(yùn)行時前三個目標(biāo)函數(shù)的尋優(yōu)過程

圖8 并網(wǎng)運(yùn)行Pareto非劣解前沿分布

采用分時段優(yōu)化控制策略對系統(tǒng)饋入電網(wǎng)的功率波動進(jìn)行補(bǔ)償[13]。由表1可知，系統(tǒng)并網(wǎng)運(yùn)行的總成本略高于獨(dú)立運(yùn)行時，但并網(wǎng)運(yùn)行時的供電可靠性和入網(wǎng)功率波動明顯優(yōu)于獨(dú)立運(yùn)行。當(dāng)系統(tǒng)獨(dú)立運(yùn)行時，如果充分利用風(fēng)光互補(bǔ)特性，系統(tǒng)所需儲能單元容量減少，但由于其他發(fā)電單元的成本增加，系統(tǒng)總成本略有增加；系統(tǒng)并網(wǎng)運(yùn)行時，考慮系統(tǒng)饋入電網(wǎng)的功率波動需滿足電網(wǎng)電能質(zhì)量要求，因而利用蓄電池限制饋入電網(wǎng)的功率波動范圍，使優(yōu)化結(jié)果中蓄電池的容量增大。

5 結(jié)論

本文針對小型風(fēng)光蓄聯(lián)合發(fā)電系統(tǒng)，考慮系統(tǒng)孤島和并網(wǎng)兩種不同的運(yùn)行方式，分別提出不同運(yùn)行方式下的優(yōu)化目標(biāo)函數(shù)。當(dāng)孤島運(yùn)行時，考慮風(fēng)光互補(bǔ)特性對系統(tǒng)容量優(yōu)化的影響；并網(wǎng)時，將系統(tǒng)饋入電網(wǎng)功率波動特性作為另外一個目標(biāo)函數(shù)。利用向量評價遺傳算法對多目標(biāo)優(yōu)化問題進(jìn)行求解，得到了反映多種優(yōu)化配置方案的Pareto非劣解分布。

Pareto非劣解分布為決策者提供了多個選擇，運(yùn)營商可根據(jù)系統(tǒng)不同的指標(biāo)要求，選擇合理的配置方案。系統(tǒng)獨(dú)立運(yùn)行時，當(dāng)風(fēng)光發(fā)電功率曲線能夠很好匹配負(fù)荷變化曲線時，只需配置較少的儲能裝置，就可以滿足系統(tǒng)性能指標(biāo)的要求；并網(wǎng)運(yùn)行時，需同時考慮系統(tǒng)供電可靠性和入網(wǎng)功率波動，系統(tǒng)總成本和儲能單元容量有所增加。

[1]WOYTE A，VAN V，BELMANS R，et al.Voltage fluctuations on distribution level introduced by photovoltaic systems[J].IEEE Trans on Energy Conversion，2006，21(1):202-209.

[2]KELLOGG W.Generation unit sizing and cost analysis for standalone wind，photovoltaic，and hybrid wind/PV systems[J].IEEE Trans on Energy Conversion，1998，13(1):70-75.

[3]BOROWY B S，SALAMEH Z M.Methodology for optimally sizing the combination of a battery bank and PV array in a wind/PV hybrid system[J].IEEE Trans on Energy Conversion，1996，11(2): 367-375.

[4]SHRESTHA G B，GOEL L.A study on optimal sizing of standalone photovoltaic stations[J].IEEE Trans on Energy Conversion，1998，13(4):373-378.

[5]DUFO-LóPEZ R，JOSé L，AGUSTíN B，et al.Multi-objective design of PV-wind-diesel-hydrogen-battery systems[J].Renewable Energy，2008，33(12):2559-2572.

[6]DUFO-LóPEZ R，JOSé L，AGUSTíN B，et al.Multi-objective optimization minimizing cost and life cycle emissions of stand-alone PV-wind-diesel systems with batteries storage[J].Applied Energy，2011，88(11):4033-4041.

[7]MARION W，URBAN K.User’s manual for years[R].London: National Renewable Energy Laboratory，1995.

[8]XU D，KANG L Y，CHANG L C，et al.Optimal sizing of standalone hybrid wind PV power systems using genetic algorithms[C]// 18th Annual Canadian Conference on Electrical and Computer Engineering.Saskatoon，Saskatchewan，Canada:IEEE，2005:1722-1725.

[9]YANG H X，ZHOU W，LU L，et al.Optimal sizing method for stand-alone hybrid solar-wind system with LPSP technology by using genetic algorithm[J].Solar Energy，2008(82):354-357.

[10]徐大明，康龍?jiān)?，曹秉?基于NSGA2Ⅱ的風(fēng)光互補(bǔ)獨(dú)立供電系統(tǒng)多目標(biāo)優(yōu)化[J].太陽能學(xué)報(bào)，2006，27(6)：593-598.

[11]WANG L，SINGH C.PSO-based multi-criteria optimum design of a grid connected hybrid power with multiple renewable source sources of energy[C]//Proceedings of 2007 IEEE Swarm Intelligence Symposium.Piscataway，NJ，USA:IEEE，2007:250-257.

[12]SCHAFFER J D.Multiple objective optimization with vector evaluated genetic algorithms[C]//Proceedings of the First International Conference on Genetic Algorithms and Their Application.Pittsburgh，USA:ICGA，1985:93-100.

[13]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].中國電機(jī)工程學(xué)報(bào)，2012，32(25)：88-98.

Multi-objective capacity optimization for wind-solar-battery hybrid power system based on VEGA

Based on the distribution of wind or solar resources in northwest，a small wind-solar-battery hybrid power system was proposed.Based on the statistical situation of perennial climate changes，the mathematical model was built considering multi optimization objectives including investment cost， system reliability and utilization of wind-solar resources.The different situations in both stand-alone and grid-connected modes were optimized.The vector-evaluated genetic algorithm (VEGA)was used to solve the optimal problems.The optimal allocations of distributed source and batteries were got in micro-grid.

wind-solar-battery hybrid power system;multi-objective optimization;wind-solar resources utilization; vector-evaluated genetic algorithm

TM 73

A

1002-087 X(2016)04-0840-04

2015-09-11

王曉蘭(1963—)，女，甘肅省人，教授，主要研究方向?yàn)閺?fù)雜系統(tǒng)建模和系統(tǒng)優(yōu)化。