黃淑媛，肖健梅

?

基于差分進(jìn)化算法的微電網(wǎng)多目標(biāo)優(yōu)化調(diào)度

黃淑媛，肖健梅

（上海海事大學(xué),上海 201306）

能源的緊缺和環(huán)境污染問題的加劇，使得人們對微電網(wǎng)有了越來越多的研究。通過對微電網(wǎng)的并網(wǎng)運行進(jìn)行研究，設(shè)計了包含光伏、風(fēng)機、儲能電池單元的微電網(wǎng)系統(tǒng)，綜合考慮系統(tǒng)的供電可靠性，環(huán)境污染和成本花費三個方面，采用多目標(biāo)差分進(jìn)化算法來尋求一組非劣解來確定最終方案。最后通過一組案例數(shù)據(jù)對系統(tǒng)的優(yōu)化調(diào)度進(jìn)行了分析和驗證。

微電網(wǎng) 多目標(biāo)優(yōu)化 差分進(jìn)化算法Pareto 非支配解

0 引言

微電網(wǎng)主要依靠風(fēng)電等可再生能源有利于減少污染物的排放的同時也確保了全球的能源供應(yīng)。但是由于光伏和風(fēng)機等的初期投入較大，還要考慮后期生產(chǎn)過程中的維護(hù)費用，成本方面需要考慮良多。同時，因為微電網(wǎng)中的光伏和風(fēng)機單元能量供給來自大自然，存在很多不可控的因素，也很難進(jìn)行精確的預(yù)測。故在確保穩(wěn)定供電的同時，降低污染和成本是微電網(wǎng)應(yīng)用中需要解決的重要問題。

文獻(xiàn)[1]主要研究當(dāng)微電網(wǎng)遇到干擾時電池、光伏、柴油發(fā)電機等單元的能量管理和優(yōu)化調(diào)度問題，通過研究提出確保系統(tǒng)抗干擾的運行方案，但并未考慮微電網(wǎng)運行的其他因素。文獻(xiàn)[2]在設(shè)計多能源發(fā)電系統(tǒng)中，采用多目標(biāo)粒子群優(yōu)化算法（MOPSO）最終得到一組非劣解，其中每個解都代表一個候選的方案。文獻(xiàn)[3]對混合微電網(wǎng)系統(tǒng)HMGS（Hybrid Micro-Grid System）的穩(wěn)定性，電力生產(chǎn)的花費和系統(tǒng)對環(huán)境造成的影響三個方面進(jìn)行優(yōu)化，為平衡三個相互矛盾的目標(biāo)，將HMGS的優(yōu)化設(shè)計看成是一個多目標(biāo)優(yōu)化的任務(wù)。并在瑞典的幾個不同城市進(jìn)行優(yōu)化和評估，用多目標(biāo)粒子群優(yōu)化來找到每個地方的最優(yōu)的系統(tǒng)結(jié)構(gòu)和最優(yōu)組件的大小。最終證實了HGMS在瑞典鄉(xiāng)村發(fā)展的可能性。

本文設(shè)計了微電網(wǎng)并網(wǎng)運行系統(tǒng)，就其在系統(tǒng)穩(wěn)定性、成本和環(huán)境污染三個方面進(jìn)行平衡。同時，為避免傳統(tǒng)求取多目標(biāo)解過程中進(jìn)行歸一整合的不合理性，本文將多目標(biāo)差分進(jìn)化算法應(yīng)用到微電網(wǎng)的優(yōu)化調(diào)度中。傳統(tǒng)的差分進(jìn)化算法不能直接用于多目標(biāo)優(yōu)化問題。故本文利用基于Pareto非支配關(guān)系的多目標(biāo)差分進(jìn)化算法較好地解決了上文提到的微電網(wǎng)三個目標(biāo)之間的平衡優(yōu)化問題。

1 微電網(wǎng)各個系統(tǒng)單元建模

在并網(wǎng)工作模式下，微電網(wǎng)與中（低）壓配電網(wǎng)并網(wǎng)運行，互為支撐，實現(xiàn)能量的雙向交換[4]。微電網(wǎng)通過內(nèi)部光伏單元，風(fēng)機單元等發(fā)電，為微電網(wǎng)內(nèi)部負(fù)荷供電，必要的時候從電網(wǎng)獲取電量以滿足負(fù)荷需求。如圖1所示，所設(shè)計的并網(wǎng)運行的微電網(wǎng)系統(tǒng)包括光伏單元、風(fēng)機單元，儲能電池單元和從電網(wǎng)獲取電量部分。

圖1 并網(wǎng)運行系統(tǒng)結(jié)構(gòu)圖

1.1 光伏單元

光伏單元可以將照射在其上的光能轉(zhuǎn)變成電能。由于自然環(huán)境的不確定性，使得光伏單元的發(fā)電具有不確定性，所以微網(wǎng)中需要儲能電池來進(jìn)行調(diào)節(jié)。光伏單元的功率輸出受光照強度和環(huán)境溫度的影響，可以表示成如下形式[5]：

1.2 風(fēng)機單元

1.3 儲能電池

因為光伏發(fā)電和風(fēng)機發(fā)電受環(huán)境影響較大，所以需要加入儲能單元，當(dāng)風(fēng)機和光伏產(chǎn)生的電能大于負(fù)荷所需電量時，將多余的電量儲存在電池中，當(dāng)可再生能源產(chǎn)生的電量不足以維持用戶用電的時候首先考慮使用儲能電池中的電能作為補給。

2 目標(biāo)函數(shù)及其約束

本文主要針對微電網(wǎng)的成本，供電可靠性和對環(huán)境的影響三個方面進(jìn)行研究。

2.1 成本

微電網(wǎng)運行過程中總的花銷COST包括了每個發(fā)電單元的初始成本，運行維護(hù)成本，和設(shè)備殘余價值，具體公式如下所示：

對于光伏和風(fēng)機單元，=,時：

2.2 供電穩(wěn)定性

本文中供電穩(wěn)定性用EIR（Energy Index of Reliability）表示：

其中EENS(kWh/year)為不能滿足負(fù)荷需求的電能總和。

2.3 對環(huán)境的影響

3.4 約束條件

1）功率平衡約束

微電網(wǎng)系統(tǒng)內(nèi)功率平衡約束如式(15)～ (16)所示。

2）各發(fā)電單元功率約束

（3）儲能電池充放電約束

為保證儲能電池的壽命，其充放電必須滿足以下條件。

3 差分進(jìn)化算法

3.1 差分進(jìn)化算法的主要步驟

差分進(jìn)化算法主要有初始化，變異，交叉，選擇幾個步驟。

3.1.1種群初始化

初始種群

隨機產(chǎn)生：

3.1.2變異

隨機選取種群中兩個不同的個體，將其向量差縮放后與待變異個體進(jìn)行向量合成，即

3.1.3交叉

3.1.4選擇

差分進(jìn)化算法采用貪婪算法來選進(jìn)入下一代種群的個體：

3.2 多目標(biāo)差分進(jìn)化算法

在多目標(biāo)優(yōu)化的過程中，傳統(tǒng)的算法是將多個目標(biāo)通過一系列的計算轉(zhuǎn)換成單目標(biāo)，用較為成熟的單目標(biāo)優(yōu)化進(jìn)行計算。這種做法的缺點是，單目標(biāo)計算出來的結(jié)果只有一個解，而對于多目標(biāo)問題來說解往往不只一個，會存在多個無法相互比較其優(yōu)劣的解，即對應(yīng)的Pareto解集[8]。本文將多目標(biāo)優(yōu)化中的非支配排序、擁擠度計算與差分進(jìn)化算法結(jié)合來求得最終的非劣解，具體步驟如下：

步驟1：產(chǎn)生初始種群POP1；

步驟2：計算初始種群所對應(yīng)的目標(biāo)函數(shù)值；

步驟3：針對上一步每個個體所計算出的三個目標(biāo)函數(shù)值分別進(jìn)行非支配排序和擁擠度計算；

步驟4：通過錦標(biāo)賽機制選出一半較優(yōu)秀的個體POP2；

步驟5：對POP2種群進(jìn)行及交叉和變異得到新的種群POP3；

步驟6：將POP1和POP3合并并對合并后的種群重新進(jìn)行非支配排序和擁擠度計算；

步驟7：選出上述計算后前200個優(yōu)秀個體，通過錦標(biāo)賽機制對這200個個體進(jìn)行選擇，選出一半較為優(yōu)秀的個體POP4；

步驟8：對POP4進(jìn)行交叉和變異最終得到較為優(yōu)秀的種群POP5；

步驟9：代數(shù)增加1，回到步驟6，用POP5取代POP3，直到最大進(jìn)化代數(shù)。

4 系統(tǒng)仿真與分析

系統(tǒng)仿真所用數(shù)據(jù)來源于參考文獻(xiàn)[2]，本文針對某一天的情況進(jìn)行仿真，將一天分為24個時刻。圖2圖3圖4分別給出該天24個時刻用戶的負(fù)荷，太陽光照和實時風(fēng)速。

圖5 微電網(wǎng)并網(wǎng)運行情況

5 結(jié)束語

近年來，風(fēng)能、太陽能等可在生能源的利用有了顯著的增長，在相關(guān)技術(shù)方面研究較為成熟的情況下，被人們越來越多地進(jìn)行現(xiàn)實中的應(yīng)用。本文根據(jù)某處用戶的實際負(fù)荷分別進(jìn)行了微電網(wǎng)并網(wǎng)系統(tǒng)設(shè)計，并采用基于Pareto支配關(guān)系的多目標(biāo)差分進(jìn)化算法對系統(tǒng)可靠性，運行成本及其對環(huán)境的污染進(jìn)行了優(yōu)化調(diào)度，從而得到較為理想的方案。今后可對系統(tǒng)中各部分的出力情況進(jìn)行更深入的研究，同時將系統(tǒng)富余的電能向大電網(wǎng)傳輸，在保證系統(tǒng)穩(wěn)定運行的前提下進(jìn)一步實現(xiàn)節(jié)約能源和成本的目的。

[1] Tazvinga H, Zhu B, Xia X. Energy dispatch strategy for a photovoltaic-wind-diesel battery hybrid power system[J]. Sol Energy 2014, 108: 412-20.

[2] Wang L, Singh C. PSO-Based multi-criteria optimum Design of A Gridconnected hybrid power system with multiple renewable sources of energy[J]. 2007 IEEE swarm intelligence symposium, 2007.

[3] Maher Azaza*, Fredrik Wallin. Multi objective particle swarm optimization of hybrid micro-grid system: A case study in Sweden[J]. Energy, 2017,123:108-118.

[4] 王成山. 微電網(wǎng)分析與仿真理論[M].北京：科學(xué)出版社, 2013.

[5] Daud A-K, Ismail MS. Design of isolated hybrid systems minimizing costs and pollutant emissions[J]. Renew Energy, 2012,44:215-24.

[6] Kefayat M, Ara AL, Niaki SN. A hybrid of ant colony optimization and artificial bee colony algorithm for probabilistic optimal placement and sizing of distributed energy resources[J]. Energy Convers Management, 2015,92:149-61.

[7] 曾嶒,彭春華,王奎等. 基于鳥群算法的微電網(wǎng)多目標(biāo)運行優(yōu)化[J], 電力系統(tǒng)保護(hù)與控制, 2016, 44(13): 117-122.

[8] 徐斌. 基于差分進(jìn)化算法的多目標(biāo)優(yōu)化方法研究及其應(yīng)用[D], 上海: 華東理工大學(xué), 2013.

Multi-objective Optimization Scheduling of Micro-gridBased on Differential Evolution Algorithm

Huang Shuyuan,Xiao Jianmei

(Shanghai Maritime University,Shanghai 01306, China)

TM727

A

1003-4862（2018）07-0057-05

2018-04-23

黃淑媛（1994-），女，碩士研究生。研究方向：復(fù)雜系統(tǒng)控制與優(yōu)化。