王康麗

摘 要：為雙重優(yōu)化微電網(wǎng)系統(tǒng)運行中的經(jīng)濟與環(huán)境目標，文章研究基于多目標動態(tài)優(yōu)化調(diào)度的微電網(wǎng)模型，并利用鳥群算法（BSA）進行模型求解。并利用微電網(wǎng)算例進行仿真測試，結(jié)果表明：利用BSA求解基于多目標動態(tài)優(yōu)化調(diào)度的微電網(wǎng)模型，可以實現(xiàn)對微電網(wǎng)系統(tǒng)運行的經(jīng)濟與環(huán)境雙重優(yōu)化。

關(guān)鍵詞：多目標動態(tài)；優(yōu)化調(diào)度；微電網(wǎng)模型；鳥群算法

1 概述

微電網(wǎng)將新型清潔能源與分布式電源大規(guī)模接入電網(wǎng)，減輕傳統(tǒng)電網(wǎng)過度依賴單一能源的缺陷，保證電網(wǎng)對用戶供電可靠安全[1]。在我國，發(fā)展微電網(wǎng)技術(shù)意義重大。目前微電網(wǎng)技術(shù)的主要研究課題是妥善管理微電網(wǎng)內(nèi)部分布式電源和儲能運行，實驗微電網(wǎng)經(jīng)濟、環(huán)境效益最大化[2]。然而微電網(wǎng)內(nèi)部能源結(jié)構(gòu)繁多、分布式電源類型多樣、控制方式眾多，這導致微電網(wǎng)能量管理和優(yōu)化運行復雜，再加上微電網(wǎng)本身的多目標屬性，進行多目標優(yōu)化調(diào)度至關(guān)重要。關(guān)于微電網(wǎng)優(yōu)化調(diào)度問題，國內(nèi)外專家進行相關(guān)研究和分析，遺傳算法、MSDS算法、微分進化算法等的應用，為優(yōu)化調(diào)度研究提供了參考。本文基于經(jīng)濟與環(huán)境效益，構(gòu)建多目標動態(tài)優(yōu)化調(diào)度的微電網(wǎng)模型，并利用鳥群算法進行求解。鳥群算法可以突破種群多樣性導致的易早熟問題，并具有較快的收斂精度和解集質(zhì)量。

2 多目標動態(tài)優(yōu)化調(diào)度微電網(wǎng)模型

多目標優(yōu)化模型通常表示為：

其中，X表示優(yōu)化變量，fi表示第i個優(yōu)化目標，Ω為可行域；G和H則代表等式約束和不等式約束集合。

2.1 目標函數(shù)

微電網(wǎng)的價值表現(xiàn)在經(jīng)濟、技術(shù)、環(huán)境等多方面，本文主要基于經(jīng)濟與環(huán)境價值，因此目標函數(shù)表示為：

其中fc、fe分別表示環(huán)境目標和經(jīng)濟目標。X表示微電網(wǎng)優(yōu)化調(diào)度中的優(yōu)化變量。假定在動態(tài)優(yōu)化調(diào)度模型中，則X可選用調(diào)度周期內(nèi)各時段可調(diào)度電源輸出功率、電網(wǎng)交換功能、儲能充放電功率作為優(yōu)化變量。

對于并網(wǎng)型微電網(wǎng)，譬如光伏、風機、蓄電池及發(fā)電機等，需要考慮購電所需成本、設(shè)備運行維護成本、燃料成本、蓄電池折舊成本以及經(jīng)濟成本，具體可表示為：

其中CELefc表示購電所需成本、CONM表示設(shè)備運行維護成本、CFuel表示燃料成本、Cbw蓄電池折舊成本以及經(jīng)濟成本，單位均為元。

環(huán)境成本考慮碳排放及其他顆粒污染物以及污染氣體排放對環(huán)境的影響。為展現(xiàn)不同污染排放物的環(huán)境差異，環(huán)境成本計算公式如下：

其中，Ve，i代表第i項污染物所具有的環(huán)境價值，單位為（元/

Kg）；n代表污染物種類；Qi（X）表示污染物排放量，單位為Kg；Vi表示污染物排放所受的罰款，單位為元。

2.2 約束條件

在微電網(wǎng)運行中，主要等式約束條件為功率平衡方程，即，各時段需要滿足：

其中，PPV表示光伏預測功率、PWT表示風機預測功率、Pload表示負荷預測功率、Pbat表示蓄電池充放電功率（正值表示放電、負值表示充電），Pgrid表示微電網(wǎng)與電網(wǎng)間的交換功率（正值表示微電網(wǎng)購電、負值表示微電網(wǎng)售電）、單位為kW。此外，還滿足：

依據(jù)微電網(wǎng)動態(tài)優(yōu)化調(diào)度的周期特性，常常假定處于調(diào)度時期的蓄電池SOC始末一致，即滿足約束條件：

其中，SOCend表示調(diào)度時期終止時刻的蓄電池荷電狀態(tài)；SOC0則代表調(diào)度周期內(nèi)初始時刻的荷電狀態(tài)。

3 求解方法及算理分析

3.1 求解方法

鳥群算法是依據(jù)鳥類的覓食、警覺、遷移等社會行為產(chǎn)生的具有精確數(shù)學模型的元啟發(fā)式算法?？梢酝黄品N群多樣性導致的易早熟問題，并具有較快的收斂精度和解集質(zhì)量。

3.2 算理分析

以某風光蓄柴微電網(wǎng)系統(tǒng)為例進行。該系統(tǒng)風機為10kW、光伏為300kWp，蓄電池為200kW，柴油發(fā)電機為120kW，年峰值為273kW。且風機、蓄電池、光伏與直流母線連接，柴油發(fā)電機、負荷和交流母線連接。直流母線與交流母線經(jīng)單向、雙向交流器相連，并經(jīng)過變壓器連接配電網(wǎng)，具體拓撲結(jié)構(gòu)如圖1所示。

通過多目標動態(tài)優(yōu)化調(diào)度微電網(wǎng)模型和BSA算法求解，所得結(jié)果如表1所示。

分析表1可以發(fā)現(xiàn)：多目標算法可實現(xiàn)經(jīng)濟和環(huán)境效益雙重目標優(yōu)化。用戶可以依照自身需求，選擇更加科學合理的微電網(wǎng)調(diào)度方案。

4 結(jié)束語

本文基于微電網(wǎng)系統(tǒng)運行，從經(jīng)濟和環(huán)境雙重效益進行優(yōu)化，并基于多目標動態(tài)優(yōu)化調(diào)度，構(gòu)建了微電網(wǎng)模型。本針對模型的約束條件和處理方法進行研究，并基于鳥群算法進行模型求解。通過具體事例表明，利用BSA求解基于多目標動態(tài)優(yōu)化調(diào)度的微電網(wǎng)模型，可以實現(xiàn)對微電網(wǎng)系統(tǒng)運行的經(jīng)濟與環(huán)境雙重優(yōu)化。希望通過本文分析，為相關(guān)人員進行微電網(wǎng)研究提供借鑒。

參考文獻

[1]洪博文，郭力，王成山，等.微電網(wǎng)多目標動態(tài)優(yōu)化調(diào)度模型與方法[J].電力自動化設(shè)備，2013，33（3）：100-107.

[2]鐘宇峰，黃民翔，葉承晉.基于電池儲能系統(tǒng)動態(tài)調(diào)度的微電網(wǎng)多目標運行優(yōu)化[J].電力自動化設(shè)備，2014，34（6）：114-121.