王 凱 張春鵬 劉 波 嚴森

（1. 南京海興電網(wǎng)技術(shù)有限公司 2. 杭州海興電力科技股份有限公司）

1 問題的提出及研究意義

隨著全球科技的發(fā)展，新能源的研究以及運用都到了一個全新的地位，運用新能源發(fā)電已經(jīng)成為一種全球發(fā)電的主導方式。

近年來，我國的供電系統(tǒng)變得更加豐富多樣化。各個領(lǐng)域新的技術(shù)以及各種新能源不斷產(chǎn)生，微電網(wǎng)在國內(nèi)各個地區(qū)的應用也變得更加廣泛起來。然而，獨立發(fā)電存在著各種各樣的問題，風力發(fā)電受各種因素限制，相當不穩(wěn)定；光伏發(fā)電受太陽光限制，沒有陽光就不能發(fā)電；水力發(fā)電占地面積大，耗資相當巨大且不易掌控。因此，建立互補微電網(wǎng)是非常有必要的，通過對幾種新型發(fā)電能源的研究，知道了風電與光伏發(fā)電的具體特性，將它們放入一個微電網(wǎng)中進行互補發(fā)電，首先可以使微電網(wǎng)達到穩(wěn)定運行，其次是風電與光伏的建設資金較小，本文就是通過建立風光互補微電網(wǎng)，找出合適的優(yōu)化方法對微電網(wǎng)進行優(yōu)化，并得到微電網(wǎng)一天之中運行的最大收益。

2 風光互補微電網(wǎng)的構(gòu)成

對微型電力網(wǎng)絡、風力發(fā)電和光伏發(fā)電原理等基本原理進行說明之后，對風力發(fā)電和光伏發(fā)電的替代性也進行了剖析。對無法一次性使用風力電量和光伏電量進行蓄電池儲存，降低對于傳統(tǒng)電網(wǎng)的使用頻率，所以自帶蓄電池的風力發(fā)電和光伏發(fā)電共生的微型電力網(wǎng)絡結(jié)構(gòu)，當做地域性負載電源。傳統(tǒng)電網(wǎng)和微型電力網(wǎng)絡的可靠性都得到了極大提升。

微電網(wǎng)將分布式電源即新能源借由電力電子元器件控制，儲存于特定設備中可以同傳統(tǒng)電網(wǎng)連接使用，也可以獨立使用，是穩(wěn)定、可控、易于操作的電力裝置。微型電力網(wǎng)絡由于能量大小不同，可以分為多種類別。微電網(wǎng)基本都是分布式的。儲存設備、負載裝置構(gòu)建獨立體系，一步提供電熱能量。微型電力網(wǎng)絡中的微型電力源有風力發(fā)電機、生物質(zhì)能、微型燃氣輪機、燃料電池、內(nèi)燃機、太陽能電池、小水電等等。相較于傳統(tǒng)電網(wǎng)，微型電力電網(wǎng)是可控的，其精度可以到數(shù)秒間，也就是說數(shù)秒間就可以發(fā)送電力；對于使用者，其可以特制，比如針對地域不同增加適應性、低損耗、穩(wěn)定可靠、將多余能力進行轉(zhuǎn)化、不間斷等。傳統(tǒng)電網(wǎng)和微型電力電網(wǎng)通過PCC互換能源，二者具有替代性，這樣就保證了電源供應不間斷。微型電力網(wǎng)絡使用先進的監(jiān)控方式，確保微型電力網(wǎng)絡和傳統(tǒng)電網(wǎng)能夠做到基本同步，一方出現(xiàn)問題，另一方可以迅速補上，互通 有無。

在建立了風光互補微電網(wǎng)優(yōu)化運行模型的前提下，微電網(wǎng)所獲得收益還有待提高，下面將運用算法對風光互補微電網(wǎng)進行最大收益優(yōu)化。

3 研究思路

通過風力和光伏二者替代性電力輸送、儲備，和負載形成微型電力輸送數(shù)學形態(tài)，將其和傳統(tǒng)電力網(wǎng)絡進行聯(lián)通，確保其穩(wěn)定性。形成包括儲能設備的替代互補，和區(qū)域負載并行的微型電力網(wǎng)絡。儲備方式基于每個部分的風力電能進行實時的電力輸出，彌補二者替代對于傳統(tǒng)電網(wǎng)的依靠，最終創(chuàng)造出一種傳統(tǒng)電力網(wǎng)絡和微型電力網(wǎng)絡共生的、檢驗的情況。這樣的形態(tài)函數(shù)通過光伏、風力替代的微型電力網(wǎng)絡作為一般出發(fā)點，既可以確保電力網(wǎng)絡聯(lián)系，又可以做到二者互補、穩(wěn)定運行，使得光伏和風力發(fā)電電量互補。同時，傳統(tǒng)電網(wǎng)和微型電力電網(wǎng)的聯(lián)系，使得他們都具備了穩(wěn)定性。創(chuàng)設微型電力電網(wǎng)的數(shù)學模型的前提下，對于仿真的計算采用粒子群優(yōu)化算法，進一步剖析既有前提下的收益。

4 粒子群算法的基本原理和步驟

粒子群算法，即PSO中，把所優(yōu)化的問題當做一個大環(huán)境，把所求的最優(yōu)解比作搜索環(huán)境中粒子在全局的最優(yōu)位置。要優(yōu)化函數(shù)的自變量會對應著一個矩陣中的許多粒子，每個粒子都有一個適值，并且有一個速度矩陣對應著粒子矩陣，所以每個粒子在空間中飛行的方向和距離都會由一個速度決定。首先會找到一個粒子的當前最優(yōu)位置，然后粒子就會根據(jù)各自的速度隨著當前最優(yōu)粒子不斷進行搜索。

首先，對粒子群進行初始化，得到一個粒子群矩陣，然后得到最優(yōu)解的過程就是通過不斷地迭代更新。在每一次迭代中，粒子會更新自己的兩個極值：第一個是粒子自身根據(jù)速度尋優(yōu)找到的最優(yōu)解，叫做當前最優(yōu)位置；另一個則是通過與當前最優(yōu)位置相比較，得到的全部粒子中的最優(yōu)解，叫做全局最優(yōu)位置。

在一個D維的空間中，由N個粒子組成一個種群，得到一個N行D列的矩陣，其中第i個粒子表示為一個D維的行向量，記為：

找到當前最優(yōu)位置和全局最優(yōu)位置之后，粒子要根據(jù)式（1）和式（2）來更新自己的速度和位置：

式中，w為慣性權(quán)重，它的存在是粒子在尋優(yōu)的過程中會保持先前的飛行經(jīng)驗；c1、c2為加速常數(shù)，也叫學習因子；r1和 r2為產(chǎn)生的隨機數(shù)，范圍是[0, 1]。式（1）右邊由三部分組成，分別是慣性部分、認知部分和經(jīng)驗部分。慣性部分反映了粒子運動的習慣，粒子會保持著自己先前的運用狀態(tài)繼續(xù)飛行；認知部分反映了粒子根據(jù)自身歷史記錄進行飛行，粒子有朝著自身歷史最佳位置飛行的趨勢；經(jīng)驗部分粒子之間互相配合的種群歷史經(jīng)驗，粒子有朝著種群歷史最佳位置飛行的趨勢，根據(jù)經(jīng)驗，通常 c1=c2=2。i = 1 ,2,… ,D 。W是[0.8, 1.2]之間的一個合適的數(shù)值。vid是粒子的速度， vid∈[? vmax, vmax]， vmax是常數(shù)，由用戶設定用來限制粒子的速度。r1和 r2是范圍在[0,1]的隨機數(shù)。

粒子群算法的步驟為：

1）設定種群參數(shù)，包括群體規(guī)模 N，每個粒子位置x和速度v；

2）初始化粒子群；

3）計算粒子的目標函數(shù)，記錄每個粒子的個體極值，找出當前最優(yōu)位置中最大的一個為全局最優(yōu)位置；

4）依據(jù)公式更新位置與速度；

5）計算各粒子的目標函數(shù)值，更新并記錄粒子當前最優(yōu)位置和全局最優(yōu)位置；

6）檢查終止條件，是否達到最大迭代次數(shù)或是否滿足了足夠好的適應值或最優(yōu)解是否停滯不再變化，是則迭代終止，輸出結(jié)果；否則繼續(xù)迭代。

5 微電網(wǎng)優(yōu)化運行算例分析

在風光互補微電網(wǎng)的優(yōu)化運行中，需要進行的討論就是在各項約束條件的限制下，對風能和光能以及蓄電池的電量分配調(diào)度情況進行優(yōu)化，風對負載提供的電能、蓄電池的充放電狀況和光對負載提供的電能在優(yōu)化過程中扮演著重要的角色，也是我們要在微電網(wǎng)優(yōu)化運行中得到最大收益的關(guān)鍵所在，因此，就要將風對負載提供的電能、蓄電池的充放電狀況和光對負載提供的電能作為變量進行優(yōu)化，故粒子矩陣可表示為：

在知道目標函數(shù)與這個24×3維N列的粒子矩陣的情況下，則可以按照粒子群算法的流程對目標函數(shù)進行最大收益求優(yōu)。

蓄電池是風光系統(tǒng)的儲能核心，它的首要作用在于去除可能因為天氣或其他原因而導致電能供給與需求的失衡，減少大電網(wǎng)交換時可能引起的不穩(wěn)定，在整個系統(tǒng)中具有調(diào)控電能與平衡負荷的用處。當風光機組的發(fā)電量比負荷需求大時，剩余的電量可以給蓄電池進行充電，反之，如果風光機組發(fā)電量不足時，蓄電池則會放電，補充負荷需求。

粒子群算法中的參數(shù)設置如下：粒子數(shù)N=40；學習因子 c1= c2= 2 ；慣性權(quán)重 w=1.2；最大迭代次數(shù)T=100。根據(jù)風光互補微電網(wǎng)模型的建立，并結(jié)合實際，將一天分為24h，以風水互補微電網(wǎng)在24h內(nèi)電能運行調(diào)度的最大收益為目標函數(shù)，依據(jù)下式對微電網(wǎng)的最大收益進行求解：

經(jīng)過一系列的仿真優(yōu)化運算，得到各電源的發(fā)電運行情況。并得到風電供給負荷的功率、光伏發(fā)電供給負荷的功率、蓄電池的充放電情況以及風光互補微電網(wǎng)與大電網(wǎng)的功率交換狀況，從而實現(xiàn)了一天當中風電、光伏發(fā)電、蓄電池的聯(lián)合優(yōu)化調(diào)度運行，使得微電網(wǎng)獲得了最大收益。

6 結(jié)果分析與結(jié)論

通過粒子群算法對數(shù)學模型的運算，得到所有粒子的當前最優(yōu)位置曲線和全局最優(yōu)位置的追蹤曲線如圖1～圖4所示。

圖1 當前最優(yōu)位置變化曲線

圖2 全局最優(yōu)位置追蹤曲線

圖3 蓄電池的充放電情況

圖4 電量分配狀況

結(jié)果分析：

通過運用粒子群算法對風光互補微電網(wǎng)的仿真，圖2中得到了粒子群中全局最優(yōu)位置的跟蹤曲線，圖中的全局最優(yōu)位置在100次的迭代過程中，由1.141×104隨著迭代次數(shù)的不斷增多最終變?yōu)?.158×104，不但數(shù)據(jù)在合理范圍之內(nèi)，而且尋優(yōu)過程合理，得到的全局最優(yōu)位置通過調(diào)用適應度函數(shù)，根據(jù)最大收益公式對微電網(wǎng)最大收益進行運算，算出的微電網(wǎng) 24h的最大收益為1.085×104元。

通過對數(shù)學模型的仿真，可以得到蓄電池的充放電曲線、各個電源在此微電網(wǎng)的出力情況以及互補系統(tǒng)與大電網(wǎng)之間電量交互情況。

由圖4可知，蓄電池在一天24個時刻內(nèi)有多次的充放電情況，且每次充放電都會對微電網(wǎng)的運行帶來一定的價值。

圖4告訴我們24個時刻風電以及光電對負荷的出力情況，通過數(shù)據(jù)可知，互補系統(tǒng)除了每日為負載提供足夠的電量以外，還可以有剩余的電量存儲，為微電網(wǎng)的運行提供了安全可靠的便利。

結(jié)果表明，風能與光能發(fā)電是發(fā)展迅速的清潔可再生能源中技術(shù)最為成熟的。在建立互補微電網(wǎng)時運用風光并網(wǎng)運行，可以提升微電網(wǎng)的運行效益，同時也可以保證電力系統(tǒng)安全穩(wěn)定的運行，使用戶的用電更加安全可靠。采用粒子群算法，可以使微網(wǎng)優(yōu)化運行的方式更為簡便，精度要求不高的情況下，粒子群算法的收斂特性處于優(yōu)勢地位。通過仿真得到了一系列可靠的數(shù)據(jù)，了解了在風光互補微電網(wǎng)中加入蓄電池，在整個電力系統(tǒng)中對電能進行分配調(diào)度的可行性。風光互補微電網(wǎng)與大電網(wǎng)進行電量交換的數(shù)據(jù)可靠，且均屬于合理數(shù)據(jù)，所以此時的電力系統(tǒng)可以正常運行，并且微電網(wǎng)按照最優(yōu)運行方式為用戶供電時也可以獲得最大收益，且在合理范圍之內(nèi)。