張曉芳

(蘇州健雄職業(yè)技術(shù)學(xué)院電氣工程學(xué)院，江蘇 太倉 215411)

基于CCP和多智能體優(yōu)化算法的微電網(wǎng)經(jīng)濟(jì)運(yùn)行

張曉芳

(蘇州健雄職業(yè)技術(shù)學(xué)院電氣工程學(xué)院，江蘇 太倉 215411)

隨著社會(huì)的發(fā)展，電力系統(tǒng)正在從傳統(tǒng)的集中式結(jié)構(gòu)網(wǎng)絡(luò)向分布式結(jié)構(gòu)的智能電網(wǎng)轉(zhuǎn)變。分布式電源(DG)并網(wǎng)對于分布式結(jié)構(gòu)的微電網(wǎng)調(diào)度尤其重要。為了使微電網(wǎng)在安全可靠供電的同時(shí)經(jīng)濟(jì)運(yùn)行，采用機(jī)會(huì)約束規(guī)則(CCP)和DG多智能體一致性原則，建立了微網(wǎng)經(jīng)濟(jì)優(yōu)化模型?？紤]到風(fēng)電、光伏發(fā)電系統(tǒng)存在很強(qiáng)的隨機(jī)性，在求解時(shí)采用隨機(jī)模擬技術(shù)。選擇一個(gè)主DG來控制增量成本，并將DG增量成本作為一致性變量;采用基于隨機(jī)模擬技術(shù)的粒子群算法(PSO)，求解包含隨機(jī)變量的規(guī)劃問題。對微網(wǎng)5個(gè)光伏DG的仿真驗(yàn)證結(jié)果表明：在不同負(fù)荷下，采用該模型進(jìn)行優(yōu)化計(jì)算，達(dá)到增量成本一致的效果，符合供需平衡。仿真結(jié)果驗(yàn)證了該模型能夠滿足微網(wǎng)經(jīng)濟(jì)運(yùn)行的需求。

電力系統(tǒng)； 微電網(wǎng)； 智能電網(wǎng)； 分布式電源； 機(jī)會(huì)約束規(guī)則； PSO算法

0 引言

電力系統(tǒng)經(jīng)濟(jì)運(yùn)行是在安全可靠供電的同時(shí)，使得發(fā)電成本最低。文獻(xiàn)[1]、文獻(xiàn)[2]介紹了現(xiàn)代電力系統(tǒng)經(jīng)濟(jì)調(diào)度的基本概念和方法。文獻(xiàn)[3]介紹了最優(yōu)潮流、網(wǎng)流法以及網(wǎng)損微增率的計(jì)算方法，確保電力系統(tǒng)經(jīng)濟(jì)運(yùn)行。文獻(xiàn)[4]介紹了一種隨負(fù)荷變化的電力系統(tǒng)經(jīng)濟(jì)調(diào)度問題。隨著社會(huì)的發(fā)展，電力系統(tǒng)正在從傳統(tǒng)的典型集中式結(jié)構(gòu)網(wǎng)絡(luò)向分布式結(jié)構(gòu)的智能網(wǎng)絡(luò)轉(zhuǎn)變，尤其是分布式電源(distributed generation,DG)并網(wǎng)將成為電網(wǎng)企業(yè)的發(fā)展趨勢，使得分布式結(jié)構(gòu)的微電網(wǎng)調(diào)度變得尤其重要。鑒于此，在安全運(yùn)行的前提下，對微網(wǎng)經(jīng)濟(jì)運(yùn)行進(jìn)行建模、優(yōu)化研究。

1 基于機(jī)會(huì)約束規(guī)則的微電網(wǎng)模型

多智能體系統(tǒng)是由多個(gè)可計(jì)算的智能體組成的集合，可把電力系統(tǒng)網(wǎng)絡(luò)中的發(fā)電機(jī)組看成一個(gè)個(gè)智能體。這些智能體通過網(wǎng)絡(luò)進(jìn)行通信，共同完成發(fā)電任務(wù)。文獻(xiàn)[4]研究了混合粒子群優(yōu)化算法在電力系統(tǒng)多智能體中的應(yīng)用。文獻(xiàn)[5]為了解決電力系統(tǒng)經(jīng)濟(jì)調(diào)度中傳輸線路損耗和發(fā)電機(jī)約束的問題，提出了一種分布式算法。文獻(xiàn)[6] 介紹了發(fā)電機(jī)組的經(jīng)濟(jì)調(diào)度的分布式解決方案。文獻(xiàn)[7]為了解決智能電網(wǎng)的能源管理問題，提出了基于Gossip的增量成本一致性算法。該算法在分布式的方式下，通過相鄰信息之間的兩兩交換，收斂到一個(gè)最優(yōu)解。上述研究都未涉及到由風(fēng)電機(jī)組、光伏電池、蓄電池等儲(chǔ)能設(shè)備組成的微網(wǎng)發(fā)電系統(tǒng)。而分布式電源的優(yōu)化運(yùn)行不再是一個(gè)確定性的問題，是包含多個(gè)隨機(jī)變量的規(guī)劃問題。一個(gè)典型的微網(wǎng)發(fā)電系統(tǒng)包含風(fēng)電機(jī)組、光伏發(fā)電系統(tǒng)、鉛酸蓄電池、柴油發(fā)電機(jī)組儲(chǔ)能設(shè)備。將可再生能源和儲(chǔ)能設(shè)備組成一個(gè)DG，類似于處于電網(wǎng)頂端的發(fā)電機(jī)組。

微電網(wǎng)系統(tǒng)示意圖如圖1所示。

圖1 微電網(wǎng)系統(tǒng)示意圖

由于風(fēng)電、光伏發(fā)電系統(tǒng)存在很強(qiáng)的隨機(jī)性，微網(wǎng)經(jīng)濟(jì)運(yùn)行包含隨機(jī)變量的規(guī)劃問題。機(jī)會(huì)約束規(guī)則能很好地解決隨機(jī)變量的問題，已應(yīng)用在電力系統(tǒng)[8]。采用機(jī)會(huì)約束規(guī)則(chance constrained programming,CCP)理論建立微網(wǎng)運(yùn)行的模型，以發(fā)電費(fèi)用最少為目標(biāo)，同時(shí)考慮到DG的隨機(jī)性和目標(biāo)函數(shù)的置信水平。每個(gè)DG通過網(wǎng)絡(luò)進(jìn)行通信，共同完成發(fā)電任務(wù)。除考慮電能平衡約束問題外，還需考慮多智能體的一致性問題。

含有儲(chǔ)能裝置的DG的發(fā)電費(fèi)用可表示為：

(1)

電能平衡約束公式為：

(2)

考慮到電能平衡約束后，可將目標(biāo)函數(shù)修改為：

由此可見，發(fā)電量成本和每個(gè)DG的出力有關(guān)。為了獲取發(fā)電量成本最小值，可通過目標(biāo)函數(shù)對PGi、λ求偏導(dǎo)。

(3)

對于每個(gè)DG，PGimin≤PGi≤PGimax，其發(fā)電量不能越限。

微網(wǎng)經(jīng)濟(jì)運(yùn)行模型如下：

2 基于CCP規(guī)劃的多智能體優(yōu)化算法

2.1 增量成本一致性更新規(guī)則

G1作為主DG的網(wǎng)絡(luò)圖如圖2所示。

圖2 G1作為主DG的網(wǎng)絡(luò)圖

多智能體研究需考慮各智能體的狀態(tài)趨于一致，對于微網(wǎng)發(fā)電系統(tǒng)，選擇各DG的增量成本作為一致性變量[9-11]。圖2代表的是由分布式結(jié)構(gòu)控制下的一致性網(wǎng)絡(luò)圖。相鄰的增量成本值通過局部控制器來更新自己的增量成本值(嵌入到每一個(gè)DG單元)。另外，要選擇一個(gè)主DG來控制增量成本值的增減。

考慮發(fā)電功率約束的主DG和普通DG更新規(guī)則為：

通過微分計(jì)算，先獲得各DG增量成本初始值，然后再進(jìn)行迭代更新。

(5)

(6)

2.2 計(jì)及CCP的多智能體優(yōu)化算法

包含隨機(jī)變量的規(guī)劃問題通常采用基于隨機(jī)模擬技術(shù)的粒子群(particle swarm optimization,PSO)算法來求解。PSO的粒子速度和位置更新公式為[10-11]：

(7)

式中：慣性權(quán)重w描述了粒子的慣性對速度的影響，w值會(huì)影響到PSO算法的全局和局部搜索能力；c1、c2為學(xué)習(xí)因子，通常為常數(shù)；r1、r2為0～1之間的隨機(jī)數(shù)。

在由各DG組成的微網(wǎng)中，PSO的粒子更新需考慮增量成本一致性問題，因此，對w進(jìn)行了調(diào)整。

wi=ρλi

(8)

式中：ρ為系數(shù)，可取0.1。

基于CCP、多智能體一致性的優(yōu)化算法的具體求解過程如下。

①輸入各DG運(yùn)行參數(shù)、隨機(jī)變量分布函數(shù)、費(fèi)用；設(shè)定參數(shù)，包括粒子數(shù)、慣性權(quán)重、學(xué)習(xí)因子、學(xué)習(xí)速率等。

②將微網(wǎng)中所有DG的功率、增量成本作為一個(gè)粒子；根據(jù)隨機(jī)變量分布函數(shù)，獲得DG的功率初始值和增量成本初始值。

③計(jì)算初始狀態(tài)下各個(gè)DG的發(fā)電費(fèi)用，驗(yàn)證粒子的可行性；若不滿足置信區(qū)間，返回步驟②重新獲得DG的功率、增量成本初始值；若滿足，計(jì)算各粒子的適應(yīng)值D(λi)，獲取p和全局最佳適應(yīng)度值g。

④將多智能體一致性算法引入后，根據(jù)式(4)～式(8)更新粒子速度和位置，重新獲得各個(gè)DG的發(fā)電量和增量成本，并計(jì)算發(fā)電費(fèi)用。

⑤判斷式(3)中置信區(qū)間和發(fā)電量是否越限，若越限，以上限或者下限作為當(dāng)前值，返回步驟④重新賦值進(jìn)行計(jì)算；若不越限，獲取p和g。

⑥比較p和g，更新g，即為最好位置。

⑦重復(fù)步驟④～步驟⑥，直至最大迭代次數(shù)。

3 算例分析

對IEEE的5個(gè)DG節(jié)點(diǎn)測試系統(tǒng)進(jìn)行驗(yàn)證，假設(shè)這5個(gè)DG都為由光伏系統(tǒng)組成的微網(wǎng)，供給負(fù)荷。微網(wǎng)5個(gè)DG的電力系統(tǒng)通信拓?fù)淙鐖D3所示。

圖3 電力系統(tǒng)通信拓?fù)鋱D

在900 kW負(fù)荷功率下，測試系統(tǒng)仿真結(jié)果如圖4所示。

圖4 系統(tǒng)仿真結(jié)果(900 kW)

選擇粒子數(shù)為200，每個(gè)粒子包含5個(gè)DG的增量成本和功率的多維數(shù)組(5×2)；c1和c2設(shè)置為2，r1、r2為0.4，增量成本初始值為{7.92,7.85,7.8,7.92,7.8}，DG1和DG4的初始增量成本一致，DG2、DG3、DG5初始增量成本基本一致。w初始化值為{0.792,0.785,0.78,0.792,0.78}，最大迭代次數(shù)為500，隨機(jī)模擬次數(shù)為1 000，目標(biāo)函數(shù)的置信水平為0.95。G1單元作為主DG，它的固定步長為0.02 s，收斂系數(shù)為ε=0.000 5，負(fù)荷功率為900 kW。

由圖4(a)可知，在星型拓?fù)湎?，所有DG的增量成本都會(huì)漸進(jìn)收斂到最優(yōu)成本值。此時(shí)，λ=8.695 3 ＄/MW，而各發(fā)電機(jī)的發(fā)電功率分別為PG1= 248.187 kW，PG2=217.87 kW，PG3=92.877 kW，PG4=248.187 kW，PG5=92.877 kW，DG3和DG5分配的功率相同。DG總負(fù)荷滿足負(fù)荷功率需求。考慮到負(fù)荷存在隨機(jī)性，上述案例的負(fù)荷功率在0.5 s，從開始的900 kW突然增加到950 kW，查看系統(tǒng)的增量成本能否達(dá)到一致。此時(shí)，測試系統(tǒng)仿真結(jié)果如圖5所示。

圖5 系統(tǒng)仿真結(jié)果圖(950 kW)

由圖5可知，在經(jīng)歷一段時(shí)間的不穩(wěn)定計(jì)算之后，系統(tǒng)的增量成本最后又達(dá)成了一致，得到了一個(gè)新的最優(yōu)值，并且對發(fā)電機(jī)組的功率又重新進(jìn)行了分配，能夠滿足負(fù)荷功率的要求。此時(shí)電力系統(tǒng)的增量成本變大了，λ= 8.74 ＄/MW，而各發(fā)電機(jī)的發(fā)電功率分別為PG1= 262.65 kW、PG2= 229.50 kW、PG3= 97.56 kW、PG4= 262.63 kW、PG5= 97.56 kW，保證了電力系統(tǒng)的供需平衡。各運(yùn)行狀態(tài)參數(shù)如表1所示。

表1 各運(yùn)行狀態(tài)參數(shù)

所有DG單元的增量成本從剛開始不一樣，經(jīng)過計(jì)及CCP的多智能體優(yōu)化算法計(jì)算，最終慢慢地收斂至同一值，即最優(yōu)成本值。此算法對于不同負(fù)荷的最優(yōu)工作狀態(tài)也有很好的適應(yīng)度，都能收斂至最優(yōu)成本。

4 結(jié)束語

本文采用CCP建立微網(wǎng)經(jīng)濟(jì)優(yōu)化模型，同時(shí)這些光伏DG又是相互關(guān)聯(lián)的智能體，需要考慮多智能體的一致性問題，在求解時(shí)采用隨機(jī)模擬技術(shù)及多智能體一致性PSO算法求解。對微網(wǎng)5個(gè)光伏DG的仿真驗(yàn)證表明，增量成本一致，符合供需平衡，驗(yàn)證了模型算法的有效性，滿足了柔性負(fù)荷的需求?？紤]CCP和DG多智能體一致性，建立了微網(wǎng)經(jīng)濟(jì)優(yōu)化模型，對微網(wǎng)分布式優(yōu)化調(diào)度進(jìn)行了仿真驗(yàn)證。結(jié)果表明，該模型具有一定的應(yīng)用前景。

[1] 于爾鏗.現(xiàn)代電力系統(tǒng)經(jīng)濟(jì)調(diào)度[M].北京：水利電力出版社,1986.

[2] 劉廣一,強(qiáng)金龍,于爾鏗,等.凸網(wǎng)絡(luò)流規(guī)劃及其在電力系統(tǒng)經(jīng)濟(jì)調(diào)度中的應(yīng)用[J].中國電機(jī)工程學(xué)報(bào),1988,8(6):9-18.

[3] 李文沅.電力系統(tǒng)安全經(jīng)濟(jì)運(yùn)行:模型與方法[M].重慶：重慶大學(xué)出版社,1989.

[4] SELVAKUMAR A,THANUSHKODI K.A new particle swarm optimization solution to nonconvex economic dispatch problems[J].IEEE Transactions on Power Systems,2007,22(1):42-51.

[5] KUMAR R,SHARMA D,SADU A.A hybrid multi-agent based particle swarm optimization algorithm for economic power dispatch[J].International Journal of Electrical Power & Energy Systems,2011,33(1):115-123.[6] BINETTI G,DAVOUDI A,LEWIS F,et al.Distributed consensus-based economic and dispatch with transmission losses[J].IEEE Transactions on Power Systems,2014,29(4):1711-1720.

[7] BINETTI G,ABOUHEAF M,LEWIS F,et al.Distributed solution for the economic dispatch problem[J].21st Mediterranean Conference on Control & Automation (MED)Platanias,Greece, 2013,22(3):243-250.

[8] 于晗，鐘志勇，黃杰波,等.考慮負(fù)荷和風(fēng)力出力不確定性的輸電系統(tǒng)機(jī)會(huì)約束規(guī)則[J].電力系統(tǒng)自動(dòng)化,2009,33(2):20-24.

[9] 謝俊，陳凱旋，岳東,等.基于多智能體系統(tǒng)一致性算法的電力系統(tǒng)分布式經(jīng)濟(jì)調(diào)度策略[J].電力自動(dòng)化設(shè)備,2016,36(2):112-117.

[10]張曉芳，謝俊.可控家用電器負(fù)荷優(yōu)化模型及用電策略研究[J].計(jì)算機(jī)工程與應(yīng)用,2016,52(24):246-250.

[11]錢景輝，劉小月，楊小健，等．自適應(yīng)粒子群算法在電力經(jīng)濟(jì)調(diào)度中的應(yīng)用[J]．自動(dòng)化儀表，2015,36(3) :17-20．

Economic Operation of Micro-Grid with Optimization Algorithm
of CCP and Multi Agent

ZHANG Xiaofang
(School of Electrical Engineering,Suzhou Chien-Shiung Institute of Technology,Taicang 215411,China)

With the development of society,the electric power system is pacing from traditional centralized network to the distributed smart grid structure.Especially,the grid connected of distributed power generation (DG) is much important for the dispatching of distributed micro grid.In order to ensure the micro grid running reliably and economically,the economic optimization model of micro-grid is setup based on the consistency principle of chance constrained programming (CCP) and DG multi-agent.Considering the randomness of wind power and photovoltaic power generation systems,the stochastic simulation technology is adopted in solving.A “master DG” is selected to control incremental costs,and with DG incremental cost as consistency variable,the PSO algorithm based on stochastic simulation technology is used to solve the planning including random variable.The 5 PV DG system of micro-grid power system is verified by simulation,the results indicate that under different load,optimization calculation is conducted using this model,the incremental cost is consistent and the supply and demand is balanced.The simulation results show that the model can satisfy the demand for economical operation of micro grid.

Power system; Micro-grid; Smart grid; Distributed generation (DG); Chance constrained programming (CCP); PSO algorithm

2015年太倉市重點(diǎn)研發(fā)計(jì)劃基金資助項(xiàng)目(TC2015GY13)

張曉芳(1980—)，女，碩士，講師，主要從事智能控制方向的研究和教學(xué)工作。E-mail:zxf_0812@163.com。

TH165；TP273

A

10.16086/j.cnki.issn1000-0380.201707006

修改稿收到日期：2017-01-12