王麗華，王錫淮，肖建梅

?

基于群搜索算法的風(fēng)光儲(chǔ)微電網(wǎng)優(yōu)化調(diào)度

王麗華，王錫淮，肖建梅

（上海海事大學(xué)電氣自動(dòng)化系，上海 201306）

面對(duì)傳統(tǒng)的電力發(fā)電系統(tǒng)火力不足且造成嚴(yán)重的環(huán)境污染問(wèn)題，大力建設(shè)清潔能源為主的微電網(wǎng)具有重要的意義。本文搭建了由光伏、風(fēng)能、儲(chǔ)能電池、海水淡化系統(tǒng)等分布式電源構(gòu)成的微電網(wǎng)系統(tǒng)。在保持微電網(wǎng)能正常運(yùn)行的前提下，以實(shí)現(xiàn)經(jīng)濟(jì)環(huán)保成本最低為目標(biāo)，建立了微電網(wǎng)的優(yōu)化調(diào)度模型。最后分別運(yùn)用粒子群搜索算法（PSO）、群搜索算法（GSO）對(duì)該模型進(jìn)行尋優(yōu)，并且進(jìn)一步改進(jìn)GSO算法。通過(guò)算例驗(yàn)證該模型的有效性。算例結(jié)果表明改進(jìn)后的群搜索算法收斂速度更快，優(yōu)化結(jié)果最好。

群搜索優(yōu)化算法 微電網(wǎng) 可再生能源 優(yōu)化調(diào)度

0 引言

隨著現(xiàn)代社會(huì)的高速發(fā)展，資源緊張，環(huán)境壓力增大，能源越來(lái)越匱乏，以及用戶對(duì)電能需求和電力服務(wù)質(zhì)量的要求不斷提高，電力行業(yè)正面臨著嚴(yán)峻的挑戰(zhàn)和機(jī)遇。使得我們積極尋求探索對(duì)新型節(jié)約能源的研究和發(fā)展。建設(shè)更加安全、經(jīng)濟(jì)、環(huán)保和綠色的微電網(wǎng)已日益成為全球電力行業(yè)的共同目標(biāo)。微電網(wǎng)是一種將可再生能源、清潔能源作為發(fā)電系統(tǒng)儲(chǔ)能裝置以及各類負(fù)載相結(jié)合的小型電力網(wǎng)絡(luò)[1]。近年來(lái)，光伏發(fā)電、風(fēng)力發(fā)電以及儲(chǔ)能電池等可再生能源和清潔高效發(fā)電技術(shù)的迅猛發(fā)展，受益于微電網(wǎng)技術(shù)的不斷進(jìn)步與創(chuàng)新。微電網(wǎng)的優(yōu)化調(diào)度是微電網(wǎng)規(guī)劃中需要重點(diǎn)考慮的問(wèn)題，國(guó)內(nèi)外的學(xué)者在這一方面取得了一些理論和實(shí)踐方面的成果。多種多樣智能優(yōu)化方法的出現(xiàn)為微電網(wǎng)的優(yōu)化運(yùn)行提供重要解決方法。文獻(xiàn)[2]中結(jié)合細(xì)菌覓食算法(BFA)局部搜索能力強(qiáng)的特點(diǎn)，提出了一種 PSO-BF 算法用于求解微電網(wǎng)電能優(yōu)化調(diào)度問(wèn)題。文獻(xiàn)[3]和[4]都是結(jié)合量子理論的量子粒子群優(yōu)化算法，不同的是文獻(xiàn)[3]又對(duì)量子粒子群優(yōu)化算法做出了改進(jìn)，并證明其提高了算法的收斂速度和運(yùn)行速度。文獻(xiàn)[5]基于風(fēng)能、太陽(yáng)能、潮汐能構(gòu)成的微電網(wǎng)系統(tǒng)，利用粒子群算法對(duì)微電網(wǎng)的經(jīng)濟(jì)性進(jìn)行尋優(yōu)。由于GSO 算法在求解多模態(tài)高維的非線性函數(shù)的優(yōu)化問(wèn)題有極好的收斂性能[6]。因此，本文搭建光伏、風(fēng)力發(fā)電機(jī)、蓄電池以及柴油機(jī)等分布式電源組成的微電網(wǎng)，考慮到傳統(tǒng)調(diào)度方法中求解蓄電池充放電時(shí)存在的保護(hù)問(wèn)題，滿足當(dāng)?shù)鼐用褙?fù)荷，以實(shí)現(xiàn)經(jīng)濟(jì)環(huán)保成本最低為目標(biāo)，建立了微電網(wǎng)的優(yōu)化調(diào)度模型。采用GSO算法對(duì)模型進(jìn)行求解并改進(jìn)。通過(guò)算例結(jié)果表明該算法收斂速度更快，優(yōu)化調(diào)度結(jié)果最理想。

1 各分布式發(fā)電單元建模

1.1 光伏建模

光伏電池板的輸出功率模型:

其中，P為光伏組件的實(shí)際輸出功率（kW）；G為實(shí)際的太陽(yáng)輻射光照強(qiáng)度(W/m2)；G為標(biāo)準(zhǔn)測(cè)試條件(Standard Test Condition，STC)下的太陽(yáng)輻射光照強(qiáng)度；P是STC下光伏電池組件的最大輸出功率（kW）；k為功率溫度系數(shù)（％/℃）；是電池額定溫度(℃)；T為電池實(shí)際溫度（℃）。光伏發(fā)電安全清潔，而且輸出電能質(zhì)量高。設(shè)置光伏電池板時(shí)應(yīng)充分考慮當(dāng)?shù)毓庹諘r(shí)長(zhǎng)及強(qiáng)度，盡可能大地發(fā)揮光伏發(fā)電的優(yōu)勢(shì)，并且在建設(shè)微電網(wǎng)時(shí)優(yōu)先考慮使用光伏發(fā)電。

1.2 風(fēng)力發(fā)電機(jī)建模

本文中只考慮理想情況下風(fēng)力發(fā)電機(jī)的輸出功率主要與風(fēng)機(jī)轉(zhuǎn)軸高度處的風(fēng)速有關(guān)。風(fēng)力發(fā)電機(jī)的機(jī)械功率輸出的空氣動(dòng)力系統(tǒng)理想模型如下：

其中：P為風(fēng)機(jī)輸出的額定功率；為風(fēng)機(jī)轉(zhuǎn)軸處的實(shí)際風(fēng)速；in為切入風(fēng)速；out為切出風(fēng)速;vN為額定風(fēng)速。根據(jù)風(fēng)力發(fā)電機(jī)的數(shù)學(xué)模型可知，當(dāng)其平均風(fēng)速位于額定風(fēng)速與切出方式之間時(shí)，風(fēng)機(jī)的輸出功率為理論上的額定功率。其穩(wěn)定性與經(jīng)濟(jì)性也更好。

1. 3 儲(chǔ)能電池建模

蓄電池最重要的參數(shù)就是荷電狀態(tài)(State of Charge, SOC)，它表示為蓄電池剩余電量與其完全充電狀態(tài)容量的比值。蓄電池儲(chǔ)能的荷電狀態(tài)與功率之間的關(guān)系如下[6]：

其中：SOC和分別是兩個(gè)相鄰時(shí)間的蓄電池的荷電狀態(tài)；Pbat_t(i)是蓄電池在第i小時(shí)的充放電功率；Qbat是蓄電池的總?cè)萘浚ˋh);

1.4 柴油發(fā)電機(jī)模型

柴油發(fā)電機(jī)的燃料成本函數(shù)具有耗量特性，其滿足的方程如下：

其中：C是柴油發(fā)動(dòng)機(jī)的燃料總成本；和Q是柴油發(fā)電機(jī)的費(fèi)用系數(shù)，取4.62，Q取值為0.22，P是在第t小時(shí)時(shí)的柴油機(jī)輸出的有功功率。

2 微電網(wǎng)優(yōu)化調(diào)度模型

2.1 目標(biāo)函數(shù)

將微電網(wǎng)的經(jīng)濟(jì)性作為優(yōu)化的目標(biāo)函數(shù)，建立微電網(wǎng)優(yōu)化運(yùn)行模型，如下所示：

式中，C是微電網(wǎng)的總的最優(yōu)成本；C、C、C分別是風(fēng)能、光伏電池、蓄電池的運(yùn)行維護(hù)費(fèi)用，C是柴油發(fā)電機(jī)運(yùn)行維護(hù)加環(huán)保費(fèi)用。

2.2 約束條件

1）功率平衡約束。微電網(wǎng)發(fā)電機(jī)的輸出總功率要滿足居民負(fù)荷需求，即

2） 儲(chǔ)能蓄電池的約束

蓄電池在一個(gè)調(diào)度周期內(nèi)，荷電狀態(tài)的初始時(shí)刻和末尾時(shí)刻應(yīng)當(dāng)保持一致，為

為了保護(hù)蓄電池，使其不能出現(xiàn)過(guò)充電和過(guò)放電狀態(tài)，必須使蓄電池在任意一個(gè)時(shí)刻的荷電狀態(tài)介于其荷電狀態(tài)的上下限之間，即

其中：PP分別是單位小時(shí)內(nèi)的充過(guò)放電功率。

3）輸出功率約束。為保持運(yùn)行的穩(wěn)定性，每個(gè)發(fā)電機(jī)的實(shí)際輸出功率有嚴(yán)格的上下限約束，即

2.3 優(yōu)化策略

在本文中，用風(fēng)能和太陽(yáng)能的輸出功率減去實(shí)際負(fù)荷得到的值來(lái)表示凈負(fù)荷P。

當(dāng)凈電荷P大于0時(shí)，多余的電量存儲(chǔ)到蓄電池里。當(dāng)可再生能源產(chǎn)生的電量不足以滿足居民負(fù)荷時(shí)，蓄電池放電，柴油發(fā)動(dòng)機(jī)作為備用電力配合蓄電池使用，盡可能的減少柴油發(fā)電機(jī)的頻繁啟動(dòng)。

2.4 算法的實(shí)現(xiàn)流程

采用群搜索算法（GSO）對(duì)該微電網(wǎng)進(jìn)行調(diào)度，整個(gè)的優(yōu)化流程如圖1所示。

其中：U和L為搜索空間第維向量的上下界。

3 算例仿真

微電網(wǎng)由柴油發(fā)電機(jī)（額定功率60 kW）、光伏電池板（額定功率0.2 kW）、風(fēng)力發(fā)電機(jī)（額定功率 100 kW）、蓄電池（額定功率5 kW）和居民負(fù)荷300 kW組成。進(jìn)行算例仿真，得到優(yōu)化調(diào)度后各發(fā)電單元的功率輸出仿真結(jié)果如2-4圖所示。圖5給出了系統(tǒng)運(yùn)行調(diào)度后的進(jìn)化迭代效果圖。

圖1 GSO算法優(yōu)化調(diào)度策略

由圖2可以看出，光伏電源的實(shí)際輸出功率大小跟光照強(qiáng)度和環(huán)境溫度有緊密關(guān)系。在7點(diǎn)到18點(diǎn)的時(shí)段內(nèi)，隨著光照強(qiáng)度的增加，光伏輸出功率逐漸增大，在中午達(dá)到最大值。其他時(shí)間光照強(qiáng)度太弱，光伏輸出為0。

由圖3可以看到風(fēng)能發(fā)電單元的輸出功率大小隨著當(dāng)日風(fēng)速的變化而變化，在 18點(diǎn)到 20點(diǎn)的時(shí)段內(nèi)，風(fēng)速達(dá)到最大，風(fēng)能發(fā)電的輸出功率也將達(dá)到最大。當(dāng)風(fēng)速小于風(fēng)能發(fā)電機(jī)的切入風(fēng)速風(fēng)能發(fā)電單元輸出功率為 0，即停機(jī)狀態(tài)。

從圖4可以看出，在0~7點(diǎn)時(shí)間段內(nèi)，光伏和風(fēng)力發(fā)電機(jī)的輸出功率完全不能滿足負(fù)荷，需要啟動(dòng)蓄電池放電。在光伏和風(fēng)能發(fā)電的功率增大能夠滿足居民負(fù)荷時(shí)，儲(chǔ)能電池充電。

圖2 光伏輸出功率曲線

圖3 風(fēng)力發(fā)電機(jī)輸出功率

圖4 優(yōu)化調(diào)度各電源出力情況

4 算法比較

用PSO與GSO及其改進(jìn)后的SGSO算法，對(duì)目標(biāo)函數(shù)進(jìn)行對(duì)比，各算法在微電網(wǎng)優(yōu)化調(diào)度后收斂情況如圖5所示。

圖5 算法收斂曲線

從圖5可以看出，改進(jìn)后的SGSO算法比PSO算法和基本的GSO算法的收斂速度明顯更快，并且在搜索精度也是最優(yōu)。從而驗(yàn)證了該算法在微電網(wǎng)的優(yōu)化調(diào)度中具有更好的應(yīng)用價(jià)值。

5 結(jié)論

本文研究了風(fēng)光儲(chǔ)能電源構(gòu)成的微電網(wǎng)的經(jīng)濟(jì)優(yōu)化調(diào)度問(wèn)題，在滿足負(fù)荷需求和各電源約束的情況下，實(shí)現(xiàn)微電網(wǎng)在安全、穩(wěn)定、經(jīng)濟(jì)的范圍內(nèi)運(yùn)行的最優(yōu)調(diào)度，最后GSO算法驗(yàn)證了該模型的有效性，證明GSO算法能夠更好的實(shí)現(xiàn)微電網(wǎng)運(yùn)行成本最低，效果最好。

[1] 趙磊, 曾芬鈺, 王霜, 楊寶泉. 基于經(jīng)濟(jì)性與環(huán)保性的微電網(wǎng)多目標(biāo)優(yōu)化調(diào)度研究[J].高壓電器, 2015, 51(06): 127-132.

[2] 楊毅, 雷霞, 徐貴陽(yáng), 吳泓儉, 盧楊. 采用PSO-BF算法的微電網(wǎng)多目標(biāo)電能優(yōu)化調(diào)度[J]. 電力系統(tǒng)保護(hù)與控制, 2014, 42(13): 13-20.

[3] 楊亞. 基于量子行為粒子群算法的微電網(wǎng)經(jīng)濟(jì)優(yōu)化調(diào)度[D]. 杭州電子科技大學(xué), 2016.

[4] 王世亮. 基于改進(jìn)量子粒子群算法的智能電網(wǎng)多目標(biāo)優(yōu)化規(guī)劃研究[D]. 蘭州理工大學(xué), 2014.

[5] 段帥. 含風(fēng)/光/柴/蓄及海水淡化負(fù)荷的微電網(wǎng)優(yōu)化調(diào)度方法[D]. 華北電力大學(xué), 2014.

[6] He, S., Wu, Q.H., Saunders, J.R.. A Novel Group Search Optimizer Inspired by Animal Behavioural Ecology[P]. Evolutionary Computation, 2006. CEC 2006. IEEE Congress on 2006.

Optimized Dispatch of Wind - PV - Battery MicrogridBased on Group Search Algorithm

Wang Lihua, Wang Xihuai, Xiao Jianmei

(Shanghai Maritime University, Shanghai 201306, China)

TM73

A

1003-4862（2018）08-0027-04

2018-03-12

王麗華（1992-），女，碩士研究生。研究方向：復(fù)雜系統(tǒng)控制與優(yōu)化。E-mail：2437830338@qq.com