孫素軍

滁州職業(yè)技術(shù)學(xué)院，滁州，239000

風(fēng)/光互補(bǔ)發(fā)電系統(tǒng)彌補(bǔ)了傳統(tǒng)單一風(fēng)力發(fā)電及單一太陽能發(fā)電的不足，能夠提高電網(wǎng)電能的穩(wěn)定性。風(fēng)/光互補(bǔ)發(fā)電系統(tǒng)的主要特點(diǎn)為：充分利用空間，合理使用高空及地面；共享送變電設(shè)備，提高工作效率；共享經(jīng)營(yíng)管理人員，降低運(yùn)行成本。目前，國(guó)內(nèi)外在風(fēng)/光互補(bǔ)發(fā)電系統(tǒng)恒壓控制方面的研究并不多，由于風(fēng)/光互補(bǔ)發(fā)電系統(tǒng)中使用的是無刷雙饋?zhàn)兯俸泐l風(fēng)力發(fā)電機(jī)組，它的工作頻率和電網(wǎng)頻率相互獨(dú)立，且負(fù)載和轉(zhuǎn)速?zèng)]有關(guān)系，要使發(fā)電機(jī)發(fā)出恒頻電能，恒壓控制就尤為重要。風(fēng)/光互補(bǔ)發(fā)電系統(tǒng)恒壓控制屬于具備約束條件的多極值非線性組合優(yōu)化問題，使用傳統(tǒng)方法無法實(shí)現(xiàn)動(dòng)態(tài)優(yōu)化。基于此，本文采用改進(jìn)微分進(jìn)化算法，將系統(tǒng)最低投資成本和最小缺電負(fù)荷率作為目標(biāo)，以優(yōu)化風(fēng)/光互補(bǔ)發(fā)電系統(tǒng)恒壓控制的模型，并用Matlab搭建14節(jié)點(diǎn)系統(tǒng)的仿真模型，對(duì)改進(jìn)微分進(jìn)化算法進(jìn)行仿真，結(jié)果表明，此算法不僅能提高收斂速度及計(jì)算精度，還能提高風(fēng)/光互補(bǔ)發(fā)電系統(tǒng)電壓穩(wěn)定性。

1 風(fēng)/光互補(bǔ)發(fā)電系統(tǒng)能量管理控制體系

圖1為風(fēng)/光互補(bǔ)發(fā)電系統(tǒng)能量管理控制體系，主要包括人際交互界面管理層、發(fā)電供電裝置能量管理層及執(zhí)行層。界面管理層存儲(chǔ)相應(yīng)數(shù)據(jù)，能夠進(jìn)行人際交互，執(zhí)行層主要包括發(fā)電設(shè)備、控制器及數(shù)據(jù)收集系統(tǒng)等[1]。能量管理層屬于風(fēng)/光互補(bǔ)發(fā)電系統(tǒng)能量管理控制體系中的主要內(nèi)容，不僅能夠和執(zhí)行層及界面管理層相互通信，也能夠和其他能量管理層實(shí)現(xiàn)通信。能量管理層的功能是接收控制指令并執(zhí)行。為加強(qiáng)各層之間的通信，提高系統(tǒng)性能，將多種裝置通過能量管理層進(jìn)行管理，并且在能量管理層中用改進(jìn)微分進(jìn)化算法實(shí)現(xiàn)恒壓控制。

圖1 風(fēng)/光互補(bǔ)發(fā)電系統(tǒng)能量管理控制體系

2 風(fēng)/光互補(bǔ)發(fā)電系統(tǒng)恒壓控制優(yōu)化模型

2.1 優(yōu)化目標(biāo)

在規(guī)劃和設(shè)計(jì)風(fēng)/光互補(bǔ)發(fā)電系統(tǒng)時(shí)，風(fēng)力機(jī)組、光伏電池和蓄電池等影響系統(tǒng)的經(jīng)濟(jì)性及可靠性。因此，將風(fēng)力機(jī)組、光伏電池和蓄電池容量作為控制變量，將負(fù)荷缺電率及成本作為目標(biāo)函數(shù)搭建模型[2]。

如果天氣較為惡劣，部分條件無法滿足負(fù)荷功率需求時(shí)，為了能夠?qū)ο到y(tǒng)全年供電的可靠性進(jìn)行有效評(píng)價(jià)，引入負(fù)荷缺電率的概念，計(jì)算公式如下：

(1)

式中，Ey為一年中負(fù)荷總能量消耗，PLS[i]為能量損失。

風(fēng)/光互補(bǔ)新能源發(fā)電系統(tǒng)成分包括維護(hù)費(fèi)用及固定投資。和傳統(tǒng)發(fā)電方法對(duì)比，風(fēng)力發(fā)電及太陽能光伏發(fā)電原料成本較低，系統(tǒng)成本通過相應(yīng)模型表示：

C=nw*Cw+nPV*CPV+nbat*Cbat

(2)

式中，nw、nPV、nbat分別為風(fēng)機(jī)數(shù)、光伏電池?cái)?shù)和儲(chǔ)能電池?cái)?shù)；Cw、CPV、Cbat分別為單臺(tái)風(fēng)機(jī)、光伏電池和儲(chǔ)能電池的投資成本和維護(hù)成本。

2.2 約束條件

風(fēng)/光互補(bǔ)發(fā)電系統(tǒng)中光伏每天平均發(fā)電量和風(fēng)機(jī)發(fā)電量之和要滿足每天平均負(fù)荷需求，還要留有相應(yīng)的裕度。如果天氣惡劣，儲(chǔ)能電池就是主要備用電源，無風(fēng)或無光時(shí)，儲(chǔ)能電池要能滿足負(fù)荷工作天數(shù)的需求。所以，配置數(shù)量要滿足以下條件：

NPVPPV+NWPW≥Pload

(3)

式中，NPV、NW為光伏電池?cái)?shù)量和風(fēng)機(jī)數(shù)量；NPV、NW分別為單塊電池和單臺(tái)風(fēng)機(jī)的輸出功率；、Pload為日負(fù)荷平均功率。

考慮風(fēng)機(jī)間距對(duì)于風(fēng)機(jī)出力的影響，風(fēng)機(jī)廠在風(fēng)電機(jī)組布置的過程中，要求行距為風(fēng)輪直徑的5～9倍，列距為風(fēng)輪直徑的3～5倍。由于場(chǎng)地面積較大，要避免光伏電池板放在陰影的地方，故不考慮陰影對(duì)光伏電池的影響。光伏電池和儲(chǔ)能電池受到場(chǎng)地面積的影響，配置數(shù)量要滿足以下條件：

NPVSPV+NbSb≤L×W

(4)

式中，SPV、Sb分別為單塊光伏電池和單個(gè)儲(chǔ)能電池的占用面積；L和W分別為用地的長(zhǎng)和寬。

3 風(fēng)/光互補(bǔ)發(fā)電系統(tǒng)恒壓控制的改進(jìn)微分進(jìn)化算法

微分進(jìn)化算法是一種采用實(shí)數(shù)編碼的種群進(jìn)化算法，它源于遺傳算法(GA)，所以進(jìn)化過程也包括種群初始化、交叉及變異和選擇。

3.1 微分進(jìn)化算法(DE)

3.1.1 種群初始化

種群初始化是指在給定種群的規(guī)模NP和個(gè)體維數(shù)n的基礎(chǔ)上，在種群邊界范圍內(nèi)生成種群個(gè)體。

3.1.2 交叉及變異

為了避免算法陷入局部最優(yōu)解，就要融合自適應(yīng)遺傳算法，不僅能保證群體多樣性，還能提高算法的收斂能力和優(yōu)化能力，其交叉概率公式為：

(5)

其變異概率公式為：

(6)

其中，fmax為群體中的最大適應(yīng)值，favg為群體平均適應(yīng)值，f為要交叉的兩個(gè)個(gè)體中較大的適應(yīng)度值，f′為要變異個(gè)體的適應(yīng)度值，k1、k2、k3和k4為常數(shù)。根據(jù)公式(5)、(6)，在個(gè)體適應(yīng)度比平均值低的時(shí)候，變異概率及交叉概率就會(huì)提高，此個(gè)體就會(huì)被淘汰。在適應(yīng)度比平均值高的時(shí)候，變異及交叉概率就以適應(yīng)度高低線性變化為基礎(chǔ)，若適應(yīng)度高，則變異及交叉概率就會(huì)降低，便于個(gè)體存活，在群體陷入局部最優(yōu)解時(shí)，變異及交叉概率就會(huì)提高[3，4]。

3.1.3 選擇

微分進(jìn)化算法實(shí)際是一個(gè)優(yōu)勝劣汰的選擇過程。它以個(gè)體適應(yīng)度評(píng)價(jià)為基礎(chǔ)，讓新生個(gè)體與父輩個(gè)體一一競(jìng)爭(zhēng)，只要新生個(gè)體的適應(yīng)度值比父輩個(gè)體的適應(yīng)度值優(yōu)，則遺傳到下一代，否則被淘汰。

3.2 改進(jìn)微分進(jìn)化算法(MDE)

改進(jìn)微分進(jìn)化算法是在傳統(tǒng)算法的基礎(chǔ)上，融入帕累托非劣排序，將種群中的個(gè)體按目標(biāo)函數(shù)的值進(jìn)行排序，然后，根據(jù)排序結(jié)果及特定比例分為劣勢(shì)群落和優(yōu)勢(shì)群落。

對(duì)劣勢(shì)群落中的個(gè)體進(jìn)行定向變異加速分化：

(7)

對(duì)優(yōu)勢(shì)群落中的個(gè)體進(jìn)行隨機(jī)變異加速分化：

(8)

3.3 算法流程

圖2為改進(jìn)微分算法優(yōu)化的流程，Nmax為最大迭代次數(shù)，首先實(shí)現(xiàn)種群初始化，其中風(fēng)力發(fā)電機(jī)及儲(chǔ)能電池?cái)?shù)量要根據(jù)負(fù)載需求選擇0～100之間的正整數(shù)，在得到初始種群后，再根據(jù)負(fù)荷數(shù)據(jù)、氣候及成本和負(fù)荷缺電率，實(shí)現(xiàn)下一步循環(huán)迭代。當(dāng)?shù)螖?shù)N

圖2 改進(jìn)微分算法優(yōu)化的流程

4 算法仿真及分析

本文用Matlab搭建14節(jié)點(diǎn)系統(tǒng)模型，對(duì)改進(jìn)微分進(jìn)化算法進(jìn)行仿真，表1為14節(jié)點(diǎn)系統(tǒng)初始狀態(tài)值，系統(tǒng)主要包括發(fā)電機(jī)、調(diào)壓變壓器及電容器組。表2為14節(jié)點(diǎn)電壓綜合控制的優(yōu)化結(jié)果，由表2可知，微分進(jìn)化算法優(yōu)化后的有功損失降低了20.5%[6]。

表1 14節(jié)點(diǎn)系統(tǒng)初始狀態(tài)值

表2 14節(jié)點(diǎn)電壓綜合控制優(yōu)化結(jié)果

由表3可知，和傳統(tǒng)算法相比，改進(jìn)微分進(jìn)化算法的最優(yōu)損失分布范圍較廣，不僅能有效降低有功損失，使系統(tǒng)整體的電壓質(zhì)量得到改善，而且還有較好的全局收斂能力及尋優(yōu)效果[7]。

表3 電壓綜合控制算法對(duì)比

5 結(jié) 語

本文首先以系統(tǒng)成本最低及缺電負(fù)荷率最小作為目標(biāo)函數(shù)，以儲(chǔ)能電池的充放電次數(shù)、電池充放電的上下限和微網(wǎng)功率平衡為約束條件，創(chuàng)建了風(fēng)/光互補(bǔ)發(fā)電系統(tǒng)恒壓控制的模型，具有一定的實(shí)用價(jià)值。其次，提出的改進(jìn)微分算法融入帕累托非劣排序，和傳統(tǒng)算法相比，變異策略有所改進(jìn)，全局收斂能力及尋優(yōu)效果良好。最后，通過仿真表明，改進(jìn)后的微分進(jìn)化算法能有效解決風(fēng)/光互補(bǔ)系統(tǒng)發(fā)電容量規(guī)劃設(shè)計(jì)過程中的問題，并且具有較高的可靠性及經(jīng)濟(jì)性。