康麗峰，王金娜，馮英偉，賈麗坤

(河北建筑工程學(xué)院，河北張家口075000)

基于物聯(lián)網(wǎng)的微網(wǎng)容量多目標(biāo)優(yōu)化配置研究

康麗峰，王金娜，馮英偉，賈麗坤

(河北建筑工程學(xué)院，河北張家口075000)

作為分布式電源的良好載體，微網(wǎng)的容量配置是微網(wǎng)運(yùn)行控制的前提。在總結(jié)多種分布式電源基本特性的基礎(chǔ)上，考慮供電可靠與安全性、建造與運(yùn)營成本經(jīng)濟(jì)性和環(huán)保效益等多個(gè)目標(biāo)的綜合效應(yīng)，利用螢火蟲算法對(duì)微網(wǎng)容量進(jìn)行多目標(biāo)的優(yōu)化配置。通過算法性能的測試證明，優(yōu)化設(shè)計(jì)后的微網(wǎng)系統(tǒng)達(dá)到了多目標(biāo)優(yōu)化，有效地提高了微網(wǎng)的運(yùn)行效率。同時(shí)，借助物聯(lián)網(wǎng)技術(shù)研發(fā)了相應(yīng)的實(shí)現(xiàn)平臺(tái)。

分布式電源;微網(wǎng);容量優(yōu)化;螢火蟲算法

1 分布式電源數(shù)據(jù)管理特性分析

充分利用各種能源是解決能源危機(jī)的必要手段。太陽能、風(fēng)能、潮汐能、各種生物質(zhì)能都是大自然饋贈(zèng)給人類的綠色能源。但是這些能源受環(huán)境的影響，發(fā)電隨機(jī)性大，不確定性強(qiáng)。在運(yùn)行的過程中不便直接接入傳統(tǒng)電網(wǎng)，以免造成功率不平衡，影響供電質(zhì)量。

為了有效地利用這些能源，最常見的手段是將綠色能源以分布式能源的形式構(gòu)建成微網(wǎng)。微網(wǎng)，作為分布式電源等綠色高能量能源的有效組織形式，是一種具有良好能源滲透率的新型能源管理與傳輸模式。它具有獨(dú)立的電源系統(tǒng)、儲(chǔ)能單元、負(fù)荷體系以及監(jiān)控及保護(hù)系統(tǒng)，是能提高能源利用率的一種有效方式。微網(wǎng)有兩種運(yùn)行方式，一種是并網(wǎng)運(yùn)行，一種是孤島運(yùn)行。不管是哪種運(yùn)行方式，合理的微網(wǎng)容量都是保證供電質(zhì)量、可靠性的前提條件。

微電網(wǎng)容量的確定和優(yōu)化運(yùn)行問題是一個(gè)多變量的非線性優(yōu)化問題。它的解決要依賴多個(gè)目標(biāo)函數(shù)和多個(gè)約束關(guān)系，因此是一個(gè)復(fù)雜的數(shù)學(xué)問題。本文借助螢火蟲算法構(gòu)建了微網(wǎng)的多目標(biāo)函數(shù)，可以有效解決微網(wǎng)容量的確定和優(yōu)化問題。

2 基于物聯(lián)網(wǎng)技術(shù)的微網(wǎng)控制體系構(gòu)建

微網(wǎng)，作為分布式電源的載體，在電力系統(tǒng)中的存在會(huì)對(duì)傳統(tǒng)電網(wǎng)提出更高的要求，其隨機(jī)性、復(fù)雜性和不確定性，會(huì)對(duì)大電網(wǎng)的負(fù)荷預(yù)測、功率平衡、輸電阻塞、線路潮流及供電的可靠性和質(zhì)量產(chǎn)生較大的影響。而分布式電源對(duì)傳統(tǒng)電網(wǎng)影響的大小在很大程度上又和微網(wǎng)的安裝位置和容量有著密切的關(guān)系，因此，利用某種方式來解決微網(wǎng)容量及位置的規(guī)劃問題是優(yōu)化微網(wǎng)運(yùn)行的必要手段[1]。

分布式電源的規(guī)劃是一個(gè)復(fù)雜的非線性問題，涉及的問題很多，屬于帶有一定約束條件的非線性多目標(biāo)規(guī)劃問題，其中良好的電能質(zhì)量、穩(wěn)定安全的系統(tǒng)運(yùn)行、建設(shè)及運(yùn)營成本的最小化、良好的環(huán)保效益都是其主要的目標(biāo)。而與此同時(shí)，還要兼顧諸如功率平衡、負(fù)載需求、潮流等運(yùn)行約束，因此微網(wǎng)的規(guī)劃問題屬于一個(gè)帶多種約束的非線性多目標(biāo)規(guī)劃問題，具有模型表達(dá)困難和建模困難的特點(diǎn)。具體微網(wǎng)多目標(biāo)函數(shù)構(gòu)成體系如圖1所示。

從圖1可以看出，在微網(wǎng)系統(tǒng)中，整個(gè)系統(tǒng)的框架采取物聯(lián)網(wǎng)的三層結(jié)構(gòu)，最下層是信息感知和采集層，主要的功能是采集各分布式電源，如風(fēng)能、太陽能等可再生性能源的發(fā)電信息和各設(shè)備的運(yùn)行信息；其上是服務(wù)器層，服務(wù)器層主要有兩個(gè)功能：(1)存儲(chǔ)信息采集系統(tǒng)所上傳的數(shù)據(jù)，并對(duì)信息進(jìn)行分析和管理。在分析和管理的過程中，要借助運(yùn)行的目標(biāo)與約束所構(gòu)造的多目標(biāo)函數(shù)，并利用嵌入進(jìn)服務(wù)器中的相應(yīng)算法進(jìn)行多目標(biāo)函數(shù)的解析，從而得出相應(yīng)的微網(wǎng)容量規(guī)劃方案，并將此方案上傳至微網(wǎng)能量決策控制系統(tǒng)；(2)服務(wù)器層還擔(dān)負(fù)著物聯(lián)網(wǎng)通信層的通信功能，因此，在服務(wù)器層嵌入了相應(yīng)的通信模塊，利用TCP/IP協(xié)議進(jìn)行遠(yuǎn)程的數(shù)據(jù)傳輸。最上層的是微網(wǎng)能量決策與控制系統(tǒng)，該層是微網(wǎng)與工作人員的交互層，接收來自服務(wù)器層的信息結(jié)果，并利用該層的決策系統(tǒng)對(duì)信息進(jìn)行分析，從而做出相應(yīng)的決策，以發(fā)出控制命令，并通過服務(wù)器層傳送至信息采集層，利用相應(yīng)的執(zhí)行機(jī)構(gòu)來控制整個(gè)微網(wǎng)中分布式電源的出力。

圖1 微網(wǎng)多目標(biāo)函數(shù)構(gòu)成體系

3 微網(wǎng)容量多目標(biāo)函數(shù)解決方案設(shè)計(jì)

供電可靠與安全性、建造與運(yùn)營成本經(jīng)濟(jì)性和環(huán)保效益是微網(wǎng)運(yùn)行最主要的目標(biāo)，因此，將這三項(xiàng)內(nèi)容衍化為數(shù)學(xué)模型就可以構(gòu)造相應(yīng)的多目標(biāo)函數(shù)。

(1)供電可靠性與安全性

供電的可靠性和安全性受到多種因素的影響，而對(duì)于分布式電源而言，主要應(yīng)該考慮兩個(gè)因素，一個(gè)是系統(tǒng)的有功網(wǎng)損，另一個(gè)是系統(tǒng)負(fù)荷節(jié)點(diǎn)電壓的偏移量。

對(duì)于系統(tǒng)的有功網(wǎng)損而言，主要取決于分布式電源自身所產(chǎn)生的損耗以及分布式電源與傳統(tǒng)電網(wǎng)之間的系統(tǒng)損耗。具體計(jì)算為公式(1)和公式(2)：

式中：k為分布式電網(wǎng)的k條支路，該支路定義了相應(yīng)的起點(diǎn)和終點(diǎn)，分別為節(jié)點(diǎn)i及j；G為電導(dǎo)參數(shù)；U為電壓幅值；δ為相位差；P為該段配電網(wǎng)的有功網(wǎng)損；minPloss為該微網(wǎng)的最小系統(tǒng)有功網(wǎng)損。

對(duì)于系統(tǒng)負(fù)荷節(jié)點(diǎn)電壓的偏移量而言，取決于所監(jiān)測節(jié)點(diǎn)的實(shí)際電壓、所期望的電壓和最大允許的電壓偏差，具體計(jì)算如公式(3)所示：

式中：U1為當(dāng)前點(diǎn)實(shí)際電壓值；Uexpe為當(dāng)前點(diǎn)期望電壓值；U1max-U1min為最大允許的偏差電壓。

(2)建造與運(yùn)營成本的經(jīng)濟(jì)性

建造與運(yùn)營成本的經(jīng)濟(jì)性如公式(4)所示：

式中：ηi為第i年分布式電源的有效利用率；CDG,i為第i年分布式電源的運(yùn)行和維護(hù)費(fèi)用；PDG,i為該分布式電源的安裝容量；COM,i為該分布式電源的安裝費(fèi)用；N為規(guī)劃使用年限。

(3)環(huán)保效益的最優(yōu)性

環(huán)保效益的最優(yōu)性主要取決于相同發(fā)電容量的傳統(tǒng)能源所產(chǎn)生的治理污染的費(fèi)用(Cpol)，一般將其并入經(jīng)濟(jì)性計(jì)算公式中，如公式(5)：

除多目標(biāo)函數(shù)之外，在本設(shè)計(jì)中，為了保證系統(tǒng)的可靠運(yùn)行，還確定了三大要素為主要的微網(wǎng)運(yùn)行約束條件：(1)功率(有功功率與無功功率)的平衡約束及分布式電源的穿透功率上限約束；(2)分布式電源各監(jiān)測點(diǎn)電壓在安全范圍內(nèi)的約束；(3)分布式電源并網(wǎng)運(yùn)行時(shí)所定義的接入容量不能超過系統(tǒng)總?cè)萘克?guī)定比例的約束。

按以上的方法定義了相應(yīng)的分布式電源綜合目標(biāo)函數(shù)和相應(yīng)的約束條件后，本設(shè)計(jì)采用螢火蟲算法來對(duì)其進(jìn)行求解。

4 利用螢火蟲算法對(duì)多目標(biāo)函數(shù)進(jìn)行求解

螢火蟲算法來源于螢火蟲群體活動(dòng)規(guī)律的仿生智能分析，該算法的核心原理是當(dāng)某個(gè)螢火蟲發(fā)光強(qiáng)度在某一范圍內(nèi)處于最大時(shí)，周圍的螢火蟲會(huì)自動(dòng)向該螢火蟲的位置移動(dòng)，而最終群體的核心就會(huì)聚集在亮度最大的螢火蟲周圍，從而找到函數(shù)的局部最優(yōu)解。

從以上定義可以看出，在螢火蟲算法中，有幾個(gè)關(guān)鍵的因素：(1)螢火蟲集群空間半徑r，該因素所針對(duì)的是所求解的問題空間。對(duì)于本設(shè)計(jì)來說，就是微網(wǎng)容量有效閾值的選擇和確定；(2)集群范圍內(nèi)每一只螢火蟲的初始螢光素，就是每一只螢火蟲的亮度，并且這些亮度需要進(jìn)行對(duì)比分析，最終確定出初始亮度最大的那一只。而對(duì)于本設(shè)計(jì)來說，每一只螢火蟲相當(dāng)于一個(gè)目標(biāo)函數(shù)，在此空間下求相應(yīng)的最優(yōu)解，就是確定出在當(dāng)前的多目標(biāo)函數(shù)中的最重要的一個(gè)，從而得出最優(yōu)解。這一步可以很好地捕捉出局部最優(yōu)解，但是也容易造成過早找到局部最優(yōu)解，從而失去了全局最優(yōu)解，所以本設(shè)計(jì)采用權(quán)重法來糾正螢火蟲算法，具體做法是按照亮度的大小為每一只螢火蟲，也就是每一個(gè)問題授以不等的權(quán)重，從而形成一個(gè)問題求解空間；(3)集群的移動(dòng)，常規(guī)的螢火蟲算法是將系統(tǒng)核心直接移動(dòng)到亮度最大的螢火蟲處，因?yàn)樵诒驹O(shè)計(jì)中問題的最優(yōu)解所取的不是最亮的螢火蟲，而是加權(quán)問題后的最優(yōu)解，所以系統(tǒng)的核心不是移動(dòng)至最亮的螢火蟲處，而是在此范圍內(nèi)求出相應(yīng)的圖形重心，以重心的位置來代替最亮的位置，形成最終解。

整個(gè)螢火蟲算法由兩個(gè)階段來組成，第一個(gè)階段是螢火蟲亮度的重新計(jì)算和更新，每一只螢火蟲都需要針對(duì)相應(yīng)的問題空間，具體公式為：式中:t和t-1為螢火蟲亮度的迭代次數(shù)，t-1為第t-1次迭代，而t為第t-1次的下一次迭代；Yi(t-1)和Yi(t)為第i只螢火蟲，也就是第i個(gè)問題在t-1次迭代或t次迭代時(shí)的亮度或重要程度；ρ是為該問題所選擇的權(quán)重，在多目標(biāo)函數(shù)中，由實(shí)際問題和常規(guī)經(jīng)驗(yàn)給出相應(yīng)的數(shù)據(jù)，當(dāng)問題的復(fù)雜度和維度上升時(shí)，該值可以借助神經(jīng)網(wǎng)絡(luò)算法進(jìn)行權(quán)重的計(jì)算。J[xi(t)]為第i只螢火蟲在t次迭代基于當(dāng)前位置所計(jì)算出的自適應(yīng)函數(shù)，用于螢火蟲(或問題)的自適應(yīng)計(jì)算，β是第i只螢火蟲自適應(yīng)函數(shù)的糾正函數(shù)。

第二個(gè)階段是螢火蟲位置的更新，更新函數(shù)采用常規(guī)函數(shù)[2]，具體公式為：

式中：xi(t)，xi(t-1)為第t次或第t-1次迭代的相應(yīng)位置；l為移動(dòng)步長；||·||為歐基里德距離標(biāo)準(zhǔn)運(yùn)算符。

結(jié)合以上兩個(gè)基本步驟以及三個(gè)基本元素，利用MATLAB求相應(yīng)的仿真解可知，算法的收斂速度適中，準(zhǔn)確率高。

5 結(jié)語

本文利用物聯(lián)網(wǎng)的三層結(jié)構(gòu)構(gòu)建了微網(wǎng)能量與管理系統(tǒng)，并以螢火蟲算法為依托，對(duì)基于多目標(biāo)與多約束條件的微網(wǎng)容量規(guī)劃進(jìn)行求解，從而實(shí)現(xiàn)了通過調(diào)節(jié)各分布式電源的出力來協(xié)調(diào)微網(wǎng)運(yùn)行狀態(tài)的目標(biāo)，以提高微網(wǎng)運(yùn)行的安全性、穩(wěn)定性和效率。

[1]王瑞琪.分布式發(fā)電與微網(wǎng)系統(tǒng)多目標(biāo)優(yōu)化設(shè)計(jì)與協(xié)調(diào)控制研究[D].濟(jì)南：山東大學(xué)，2013：19-21.

[2]龔巧巧.多目標(biāo)人工螢火蟲群優(yōu)化算法及其應(yīng)用[D].南寧：廣西民族大學(xué)，2011：3-5.

Research on multi-objective optimization of micro-network capacity based on Internet of Things

KANG Li-feng,WANG Jin-na,FENG Ying-wei,JIA Li-kun
(Hebei Institute of Architecture and Civil Engineering,Zhangjiakou Hebei 075000,China)

As a good carrier of distributed power supply, the capacity configuration of microgrid is the premise of micro-network operation control.The firefly algorithm is used to optimize the microgrid capacity Configuration based on the summary of the basic characteristics of distributed power supply.And this paper considers the comprehensive effect of power supply reliability and safety,construction and operation cost economy and environmental benefits,and so on.Through the test of the performance of the algorithm,it is proved that the optimized microgrid system achieves the multi-objective optimization and effectively improves the operation efficiency of the micro-net.At the same time,this article developed the corresponding implementation platform with the Internet of Things technology.

distributed power;microgrid;capacity optimization;firefly algorithm

TM 7

A

1002-087 X(2017)07-1073-03

2017-01-13

2016年河北省科技計(jì)劃項(xiàng)目(16210341)

康麗峰(1981—)，女，河北省人，碩士，館員，主要研究方向?yàn)榉?wù)質(zhì)量評(píng)價(jià)、算法應(yīng)用研究等。