孫福軍,張明江,翟曉娟,成 龍,曾祥昊
(1.國(guó)網(wǎng)黑龍江省電力有限公司,哈爾濱 150090;2.黑龍江省電力科學(xué)研究院,哈爾濱 150030;3.東北電力大學(xué) 電氣工程學(xué)院,吉林 吉林 132012;4.大唐國(guó)際發(fā)電股份有限公司北京高井熱電廠,北京 100041)
?
·電力系統(tǒng)及其自動(dòng)化·
基于蟻群算法的微電網(wǎng)多目標(biāo)優(yōu)化運(yùn)行
孫福軍1,張明江2,翟曉娟3,成 龍3,曾祥昊4
(1.國(guó)網(wǎng)黑龍江省電力有限公司,哈爾濱 150090;2.黑龍江省電力科學(xué)研究院,哈爾濱 150030;3.東北電力大學(xué) 電氣工程學(xué)院,吉林 吉林 132012;4.大唐國(guó)際發(fā)電股份有限公司北京高井熱電廠,北京 100041)
為研究微電網(wǎng)的優(yōu)化運(yùn)行,建立了綜合考慮微網(wǎng)運(yùn)行總成本以及污染氣體總排放量的多目標(biāo)優(yōu)化運(yùn)行模型,將減少運(yùn)行成本和污染氣體的排放量作為子目標(biāo)函數(shù),通過(guò)引入污染物治理成本將多目標(biāo)問(wèn)題轉(zhuǎn)化為單目標(biāo)非線性問(wèn)題。然后采用蟻群算法對(duì)單目標(biāo)模型求解,結(jié)果表明該模型和算法有效、合理。
微電網(wǎng);多目標(biāo);污染物治理成本;蟻群算法
微電網(wǎng)作為分布式電源(distribution generation,DG)的有效接入方式,其優(yōu)化運(yùn)行能有效提高能源利用率,減少發(fā)電成本和污染物的排放,對(duì)微電網(wǎng)的經(jīng)濟(jì)、環(huán)保運(yùn)行具有重要的意義[1]。因此,研究微電網(wǎng)的優(yōu)化運(yùn)行具有重要的實(shí)用價(jià)值[2],同時(shí)對(duì)于微網(wǎng)的多目標(biāo)、多約束、多變量的研究也提出了新的挑戰(zhàn)[3]。
文獻(xiàn)[4]建立了包含排放成本在內(nèi)的微網(wǎng)經(jīng)濟(jì)運(yùn)行模型,從成本和效益兩方面分析了微網(wǎng)的經(jīng)濟(jì)性,但各分布式電源的模型約束較少,無(wú)法用于實(shí)際生產(chǎn);文獻(xiàn)[5]考慮了有無(wú)儲(chǔ)能單元、不同負(fù)荷特征對(duì)微網(wǎng)系統(tǒng)節(jié)能性和經(jīng)濟(jì)性的影響,但是沒有考慮風(fēng)能、光伏這兩種間歇性分布式電源的影響;文獻(xiàn)[6]建立了多目標(biāo)機(jī)組組合問(wèn)題模型,同時(shí)考慮了能源消耗成本、氣體排放量等多個(gè)目標(biāo),通過(guò)定義目標(biāo)隸屬度函數(shù)將多目標(biāo)問(wèn)題轉(zhuǎn)化為單目標(biāo)問(wèn)題,但是其約束條件過(guò)于簡(jiǎn)單。為此,本文以包含光伏(PV)、風(fēng)機(jī)(WT)、微型燃?xì)廨啓C(jī)(MT)、蓄電池(SB)的微網(wǎng)為研究對(duì)象,提出了經(jīng)濟(jì)、環(huán)保的多目標(biāo)運(yùn)行模型。然后利用序列運(yùn)算理論,將風(fēng)電、光伏出力的概率分布生成概率性序列,從而使機(jī)會(huì)約束轉(zhuǎn)化為確定性約束[7]。最后在滿足系統(tǒng)運(yùn)行約束條件的基礎(chǔ)上,運(yùn)用蟻群算法對(duì)所建模型進(jìn)行求解,以驗(yàn)證該模型合理性、經(jīng)濟(jì)性。
1.1 風(fēng)力發(fā)電
通過(guò)對(duì)大量實(shí)測(cè)數(shù)據(jù)進(jìn)行分析,得知風(fēng)速近似服從威布爾分布[8],其分布函數(shù)為
F(v)=1-exp[-(v/c)k]
概率密度函數(shù)為
fv(v)=k/c(v/c)k-1exp[-(v/c)k]
風(fēng)力機(jī)組的輸出功率pw和實(shí)際風(fēng)速v的函數(shù)關(guān)系為
式中:v為實(shí)際風(fēng)速;vr為額定風(fēng)速;vin為切入風(fēng)速;vout為切出風(fēng)速;pr為風(fēng)機(jī)的額定輸出功率。
1.2 光伏發(fā)電
光伏電池組件的功率輸出表達(dá)式為
式中:PPV為光伏電池的實(shí)際輸出功率;PSTC為標(biāo)準(zhǔn)測(cè)試條件下的電池輸出功率;GING為實(shí)際輻照強(qiáng)度;GSTC為標(biāo)準(zhǔn)測(cè)試條件下的輻照強(qiáng)度;k為功率溫度系數(shù);Tc為電池板工作溫度;Tr為參考溫度。
光伏電池出力的概率密度函數(shù)為
式中:δ、φ均為Beta分布的形狀參數(shù),其關(guān)系為φ=δ(1-u)/u,u為光強(qiáng)平均值;PPVmax為光伏電池的最大輸出功率。
2.1 序列運(yùn)算理論
根據(jù)風(fēng)力發(fā)電和光伏發(fā)電出力的累積概率分布生成概率性序列,將隨機(jī)變量的概率分布離散化處理后,形成兩個(gè)離散序列,接著利用卷和計(jì)算形成共同出力的概率性序列。
令風(fēng)機(jī)出力pw的概率性序列為a(iat),序列長(zhǎng)度為Nat,光伏出力PPV的概率性序列為b(ibt),序列長(zhǎng)度為Nbt,令風(fēng)機(jī)、光伏的共同出力的概率性序列為c(ict),序列長(zhǎng)度為Nct。共同出力的計(jì)算公式如下:
2.2 機(jī)會(huì)約束規(guī)劃模型
機(jī)會(huì)約束規(guī)劃的具體方法為:根據(jù)事先給定的置信水平,把機(jī)會(huì)約束轉(zhuǎn)化為各自確定的等價(jià)類,然后用傳統(tǒng)的方法求解其等價(jià)的確定性模型。具體模型為
式中:f(x)為目標(biāo)函數(shù);g(x)為確定性約束條件;G(x)為不確定性約束條件;P{·}為某一事件的概率;α為給定的置信度。
2.3 目標(biāo)函數(shù)
2.3.1 發(fā)電成本
2.3.2 污染氣體總排放量
微燃機(jī)排放的污染氣體CO2、SO2和NOx都可與微燃機(jī)的出力建立一定的函數(shù)關(guān)系,本文采用的排放模型為
式中:E為污染氣體的排放總量,αi、βi、γi為微燃機(jī)i的污染氣體排放系數(shù)。
2.4 約束條件
2.4.1 等式約束
2.4.2 不等式約束
2.5 多目標(biāo)優(yōu)化問(wèn)題的轉(zhuǎn)化
考慮了微網(wǎng)運(yùn)行成本和污染物排放量?jī)蓚€(gè)目標(biāo),但是這兩個(gè)目標(biāo)的單位并不統(tǒng)一,所以不能直接求解多目標(biāo)問(wèn)題。為此,引入了污染物治理成本k,通過(guò)查閱資料,此處k=0.3美元/t,其轉(zhuǎn)化后的目標(biāo)函數(shù)為
經(jīng)過(guò)轉(zhuǎn)化后利用蟻群算法對(duì)此模型進(jìn)行求解,最后得到微燃機(jī)的出力情況。
蟻群算法是一種啟發(fā)式算法,具有較強(qiáng)的求解能力,近年來(lái)在很多方面得以應(yīng)用。蟻群算法的具體步驟如下:
1) 初始化信息素濃度τ(0)=c(c是一個(gè)常數(shù))。
2) 每個(gè)螞蟻隨機(jī)選擇一個(gè)點(diǎn)作為其初始點(diǎn),同時(shí)要按照一個(gè)隨機(jī)比例規(guī)則選擇下一個(gè)要到達(dá)的點(diǎn),隨機(jī)比例規(guī)則如下:
3) 設(shè)置循環(huán)次數(shù),即N=N+1。
4) 設(shè)置螞蟻數(shù)目,令m=m+1。
5) 當(dāng)螞蟻從一個(gè)點(diǎn)出發(fā)到達(dá)另一點(diǎn)時(shí),對(duì)其路徑上的信息素進(jìn)行更新。
6) 執(zhí)行上述步驟,直到每只螞蟻都找到了一條包含所有節(jié)點(diǎn)的可行路徑,作為當(dāng)前的可行解。
7)在所有可行解中找到一條最短路徑,即為本次迭代中的最優(yōu)路徑。
8) 重復(fù)執(zhí)行步驟2)-7),直到最優(yōu)解中沒有出現(xiàn)更優(yōu)解或達(dá)到最大迭代次數(shù),本文設(shè)置迭代次數(shù)N=100,停止計(jì)算,輸出當(dāng)前值,即為最優(yōu)解。
研究了3臺(tái)微燃機(jī)在一天24個(gè)時(shí)段中的出力情況和啟停狀況,微燃機(jī)的主要參數(shù)如表1所示,污染氣體的參數(shù)如表2所示,旋轉(zhuǎn)備用取為機(jī)組各時(shí)刻負(fù)荷值的15%,最終使得系統(tǒng)目標(biāo)函數(shù)值最小,滿意度最大。
表1 三臺(tái)微燃機(jī)的主要參數(shù)
表2 污染氣體的主要參數(shù)
對(duì)于不同的優(yōu)化目標(biāo),3臺(tái)微燃機(jī)的出力情況如圖1-3所示。
圖1 以微電網(wǎng)運(yùn)行成本最小為單目標(biāo)時(shí),各臺(tái)微燃機(jī)出力曲線
圖2 以污染氣體排放量最小為單目標(biāo)時(shí),各臺(tái)微燃機(jī)出力曲線
圖3 多目標(biāo)轉(zhuǎn)化為單目標(biāo)后,各臺(tái)微燃機(jī)出力曲線
由圖1-3可知,以運(yùn)行成本最低為目標(biāo)運(yùn)行時(shí),成本低的機(jī)組不管其污染氣體排放量如何都有絕對(duì)競(jìng)爭(zhēng)優(yōu)勢(shì);以污染氣體排放最少為目標(biāo)運(yùn)行時(shí),不管其成本如何都有絕對(duì)競(jìng)爭(zhēng)優(yōu)勢(shì)。而且當(dāng)引入污染物治理成本后,該模型兼顧了機(jī)組的運(yùn)行成本、節(jié)能性能,實(shí)現(xiàn)了低碳運(yùn)行。
1) 同時(shí)考慮經(jīng)濟(jì)和環(huán)保問(wèn)題與單純考慮單目標(biāo)的模型相比,前者更為全面、實(shí)際,其結(jié)果也兼顧了成本與環(huán)境問(wèn)題,實(shí)現(xiàn)了低碳環(huán)保運(yùn)行。
2) 本文所建模型能夠更好地解決微網(wǎng)運(yùn)行中不同量綱的多目標(biāo)優(yōu)化問(wèn)題,而且機(jī)組在運(yùn)行時(shí)要盡量使用高效低排放的機(jī)組,提高系統(tǒng)運(yùn)行的環(huán)保性和經(jīng)濟(jì)效益。
[1] 劉天琪,江東林.基于儲(chǔ)能單元運(yùn)行方式的微電網(wǎng)經(jīng)濟(jì)運(yùn)行[J].電網(wǎng)技術(shù), 2012, 36(1):45-50.LIU Tianqi,JIANG Donglin.Economic operation of microgrid based on operation mode optimization of energy storage unit[J].Power System Technology,2012,36(1):45-50.
[2] 賀鵬,艾欣,徐虹.微電網(wǎng)經(jīng)濟(jì)運(yùn)行研究綜述[J].現(xiàn)代電力,2012,29(4):1-6.HE Peng,AI Xin,XU Hong.Overview of the economic operation of microgrid[J].Modern Electric Power,2012, 29(4):1-6.
[3] HATZIARGYRIOU N,ASANO H,IRAVANI R,et al.Microgrids[J].IEEE Power and Energy Magazine,2007, 5(4):78-94.
[4] 楊佩佩,艾欣,崔明勇,等.基于粒子群優(yōu)化算法的含多種供能系統(tǒng)的微網(wǎng)經(jīng)濟(jì)運(yùn)行分[J].電網(wǎng)技術(shù),2009,33(20):38-42.YANG Peipei,AI Xin,CUI Mingyong, et al.Partical swarm optimization based economic operation analysis of microgrid Containing multi energy supply system[J].Power System Technology, 2009,33(20):38-42.
[5] 郭力,許東,王成山,等.冷電聯(lián)供分布式供能系統(tǒng)能量?jī)?yōu)化管理[J].電力系統(tǒng)自動(dòng)化,2009,33(19):96-100.GUO Li, XU Dong, WANG Chengshan, et al.Energy optimization and management of combined cooling and power distributed energy supply system[J].Automation of Electric Power Systems,2009,33(19):96-100.
[6] 張曉花,趙晉泉,陳星鶯.節(jié)能減排多目標(biāo)機(jī)組組合問(wèn)題的模糊建模及優(yōu)化[J].中國(guó)電機(jī)工程學(xué)報(bào),2010, 30(22):71-76.ZHANG Xiaohua,ZHAO Jinquan,CHEN Xingying.Multi-objective unit commitment fuzzy modeling and optimization for energy-saving and emission reduction[J].Proceeding of the CSEE, 2010, 30(22):71-76.
[7] 康重慶,白利超,夏清,等.概率性序列及其運(yùn)算理論[J].清華大學(xué)學(xué)報(bào)(自然科學(xué)報(bào)),2003,43(3):322-325.KANG Chongqing,BAI Lichao,XIA Qing,et al.Probabilistic sequences and operation theory[J].Journal of Tsinghua University(Science and Technology),2003,43(3):322-325.
[8] KARKI R, HU P, BILLINTON R.A simplified wind power Generation model for Reliability evaluation[J].IEEE Transactions on Suatainable Energy,2010,1(1):2-8.
(責(zé)任編輯 郭金光)
Multi-objective optimization operation based on ant colony algorithm for micro-grid
SUN Fujun1, ZHANG Mingjiang2, ZHAI Xiaojuan3, CHENG Long3, ZENG Xianghao4
(1.State Grid Heilongjiang Electric Power Company Limited, Harbin 150090,China;2.Heilongjiang Electric Power Research Institute, Harbin 150030,China;3.School of Electrical Engineering, Northeast Dianli University, Jilin 132012,China; 4.Beijing Gaojing Thermal Power Plant, Datang Interrational Generation Co., Ltd., Beijing 100041, China)
In order to study the optimization operation of micro-grid, this paper established a multi-objective optimal operation model.It is a model that considers both total cost of micro-grid operation and emissions of polluting gases, taking the reducing operating costs and the emissions of polluting gases as the sub-objective function.By this model, the multi-objective programming problem is reformulated into nonlinear mono-objective programming problem by using governance costs of pollutants.Then the ant colony algorithm was used to solve the mono-objective model.The results show that the proposed model and algorithm are effective and reasonable.
micro-grid;multi-objective;governance costs of pollutants;ant colony algorithm
2016-05-20。
孫福軍(1964—),男,高級(jí)工程師,主要從事電力系統(tǒng)自動(dòng)化方面的技術(shù)管理等工作。
TP393
A
2095-6843(2016)05-0377-03