陸沈雄

（浙江大學(xué) 管理學(xué)院，杭州310058）

配電網(wǎng)是電力系統(tǒng)的重要組成部分，配電網(wǎng)項目投資及運行費用在整個電力網(wǎng)配系統(tǒng)費用中所占的比例頗多[1-2]。合理、規(guī)范的配電網(wǎng)規(guī)劃方案可以為電力公司、電力企業(yè)及用戶節(jié)約大量的資金。在配電網(wǎng)系統(tǒng)中，綜合能源系統(tǒng)IES（integrated energy system）以多種形式存在[3-4]。IES 具有多能耦合的特點，可實現(xiàn)電、熱、天然氣等能源的綜合利用，可以最大化地發(fā)揮各能源間的協(xié)同作用和互補效益[5-6]。冷熱電負荷預(yù)測需要根據(jù)電力負荷、經(jīng)濟、社會、氣象等歷史數(shù)據(jù)，尋求電力負荷與各種相關(guān)因素之間的內(nèi)在聯(lián)系。負荷預(yù)測是綜合能源系統(tǒng)規(guī)劃初期進行方案比較的基礎(chǔ)，其準確度直接影響系統(tǒng)的配置。

現(xiàn)有技術(shù)中存在多種電力配置不合理的情況，在起初投資、年運行費用、回收年限等方面均存在資源浪費現(xiàn)象，造成大量電力資源的浪費。在此以混沌粒子群優(yōu)化CPSO 算法為基礎(chǔ)， 實現(xiàn)綜合能源電能、熱能、天然氣能協(xié)同優(yōu)化[7-8]；構(gòu)建的優(yōu)化模型能夠顯著改善信息資源搜索性能，提高算法的質(zhì)量和魯棒性，有效地避免粒子群算法容易陷入局部最優(yōu)解的缺陷。

1 總體結(jié)構(gòu)設(shè)計

在對電力綜合能源進行協(xié)同優(yōu)化時，需要設(shè)計出綜合能源系統(tǒng)。在此，該系統(tǒng)集成電力、風(fēng)力、太陽能等不同能源的輸入輸出以及電力等能源轉(zhuǎn)換設(shè)備，通過不同形式的信息通信將電力系統(tǒng)、太陽能系統(tǒng)、供氣系統(tǒng)、供熱系統(tǒng)及供冷系統(tǒng)等共同構(gòu)建成對應(yīng)耦合關(guān)系。其設(shè)計核心，是將分布式能源及圍繞該分布式能源展開的區(qū)域能源供應(yīng)問題，通過CPSO 進行優(yōu)化[9-10]，使用戶能夠較充分地利用能源系統(tǒng)，使能源得到有效的配置與應(yīng)用，也可以說是將公共冷、熱、電、太陽能、燃氣乃至水務(wù)整合在一起，為用戶所用。其總體架構(gòu)如圖1所示。

圖1 設(shè)計架構(gòu)示意圖Fig.1 Schematic of design architecture

在包含冷、熱、電、燃氣、太陽能的綜合能源中，用戶負荷需求的變化變幻莫測，使用各個不同能源的用戶比例不均勻。在系統(tǒng)負荷中，用戶負荷產(chǎn)生的熱源（冷源）之間的電能比也存在著不一致的問題。如果從滿足電路系統(tǒng)中不同需求的角度看，在進行電力綜合能源協(xié)同優(yōu)化配置時，有4 種常用的系統(tǒng)配置方法，即采用補電子系統(tǒng)集成方法、補熱子系統(tǒng)集成方法、電-熱轉(zhuǎn)換集成方法或者采用蓄能手段的集成方法等[11-12]。

在運行過程中，當(dāng)熱能與電能之比很小，或者相對比較小時，或者當(dāng)用戶使用過程中的用電負荷比起原動機的輸出功率小時，通常利用并網(wǎng)電路或者并網(wǎng)系統(tǒng)補充不足的電能，或者采用可再生能源來補充電能。在另一種情況中，如果綜合能源系統(tǒng)中的供熱容量與用戶的需求不匹配時，可以啟用補熱子系統(tǒng)來進行供熱。還有一種情況，如果用戶使用時的熱能（冷能）與系統(tǒng)輸出的電能相比，比較大時，用戶可以啟用電-熱轉(zhuǎn)換設(shè)備，及時將熱能需求轉(zhuǎn)換為電能需求。這些辦法雖然在一定程度上提高了電力綜合能源協(xié)同系統(tǒng)的變工況調(diào)節(jié)能力，但是一些用戶由于所處位置偏遠，電力信息無法覆蓋的地方，用戶都難以靈活使用上述的辦法。

公共電網(wǎng)接入方式可分為孤島運行模式、并網(wǎng)不上網(wǎng)模式、 并網(wǎng)上網(wǎng)模式等3 種不同的配置模式。在孤島運行模式工作的情況下，綜合電力能源系統(tǒng)以獨立運行的模式進行工作，因該系統(tǒng)與公共電網(wǎng)之間通常不架設(shè)連接線路，所以這種方式比較適合于風(fēng)能、太陽能比較豐富的地區(qū)。

在并網(wǎng)不上網(wǎng)工作模式的情況下，即使全部自用發(fā)電資源，仍舊無法滿足大型工業(yè)園區(qū)、大型商場、大型住宅區(qū)、醫(yī)院等使用頻率較高的場所的需求[13]。

在采用并網(wǎng)上網(wǎng)工作模式的情況下，雖然用戶能夠從供電網(wǎng)公司、企業(yè)購電，但該模式對電力電網(wǎng)的電能質(zhì)量、發(fā)電情況、穩(wěn)定性、持續(xù)性及安全性要求比較高，電力系統(tǒng)的控制模式不容實現(xiàn)。

因此，實現(xiàn)合理的電網(wǎng)信息估計，以合理構(gòu)建電網(wǎng)系統(tǒng)，是目前亟待研究的技術(shù)問題。在此，通過引入粒子群優(yōu)化算法（又稱隨機全局優(yōu)化算法），對太陽能、風(fēng)能、電能、生物質(zhì)能、地?zé)崮?、潮汐能等分布式能源信息進行融合， 通過CPOS 算法將信息融合進行計算、整合，建立的適應(yīng)性分布式能源優(yōu)化模式（如圖1所示），有利于能源的充分利用。

2 CPOS 算法應(yīng)用分析

CPOS 算法能夠通過粒子間的相互作用產(chǎn)生最優(yōu)解，通過最優(yōu)解實現(xiàn)資源的合理配置。該方法用于電力綜合能源協(xié)同配置中，不僅容易實現(xiàn)，優(yōu)化速度快，收斂性強，還能夠解決在配置過程中不容易被用戶發(fā)現(xiàn)的各種問題。在具體應(yīng)用中，CPOS 算法將原來的信息粒子群劃分為不同的子種群，每個子種群中的粒子彼此各自尋求自己的最優(yōu)值，實現(xiàn)各種群粒子信息的共享， 通過共同計算、 進化、匹配，直到實現(xiàn)最佳的進化代數(shù)，最后得出經(jīng)過比較后的最優(yōu)值。

在此計算中，CPOS 算法相比遺傳算法GA（genetic algorithm）和粒子群優(yōu)化PSO（particle swarm optimization）算法，具有多方面的技術(shù)優(yōu)勢[14]。CPOS算法在電力系統(tǒng)中的應(yīng)用流程如圖2所示。

圖2 CPOS 算法應(yīng)用流程Fig.2 Flow chart of CPOS algorithm application

2.1 CPOS 算法模型的構(gòu)建

在設(shè)計中，構(gòu)建各種不同能源配電網(wǎng)網(wǎng)架優(yōu)化規(guī)劃模型， 計算出電網(wǎng)線路中規(guī)劃的年綜合費用，將計算出的年綜合費用作為最小作為目標輸出函數(shù)，構(gòu)建配電力電網(wǎng)不同網(wǎng)架優(yōu)化的單階段靜態(tài)優(yōu)化模型為

則有

式中：γi為電力運行投資的回收率；αi為設(shè)備使用費率；Ti為新建電網(wǎng)線路i 的投資費用；C2i為電網(wǎng)單位電價；γmax為最大負荷利用小時數(shù)；ΔPi為線路i的有功損耗；U1為過負荷懲罰系數(shù)；L 為網(wǎng)絡(luò)的過負荷的部分，該值可以通過網(wǎng)絡(luò)的負荷潮流求出；U2為非電力電網(wǎng)的懲罰值；xi為矢量X 的元素， 用戶在使用過程中，當(dāng)選擇待選線路i 后令xi=1，當(dāng)未選擇待選線路i 則有xi=0。

在此說明約束條件公式。潮流約束為

式中：A 為不同電網(wǎng)線路中節(jié)點關(guān)聯(lián)弧矩陣， 將A表示為電力線網(wǎng)中的網(wǎng)絡(luò)潮流；D 為電力線網(wǎng)中負荷需求。

在電力線路網(wǎng)絡(luò)能夠表示成各種不同類型電力能源的線路的組合，可以通過改變不同能源線路的狀態(tài)來改變電力網(wǎng)絡(luò)線路的拓撲結(jié)構(gòu)，進而實現(xiàn)某種指標的最優(yōu)求解。設(shè)計中，以不同電力線路中的能源路徑作為研究對象，進而對電力電網(wǎng)網(wǎng)絡(luò)進行分析。比如將線路用0 或1 表示數(shù)據(jù)信息，0 表示為該線路信息沒被選中，1 則表示為該線路被選中。假設(shè)每條電網(wǎng)線路都占據(jù)一位粒子，將各個不同的線路狀態(tài)進行組合在一起， 進而形成一個粒子，則可將粒子的大小表示為待選線路數(shù)總和。

2.2 工作方法

在工作過程中，按照以下操作步驟進行：

步驟1初始化程序。對不同電力線路的數(shù)據(jù)信息進行初始化操作，使得數(shù)據(jù)的計算更為準確。

步驟2將整個種群劃分成不同的子種群。由于標準粒子群算法不具有粒子的多樣性特點，因此粒子在搜尋、優(yōu)化過程中很容易丟失，迷失方向。為便于搜索，在計算時整個種群劃分成不同的子種群。

步驟3初始化劃分后的子種群的產(chǎn)生時間、位置和速度。在分割后的子種群中，對子種群的時間、位置和速度進行初始化，使得出的數(shù)據(jù)更為精確，降低了計算的誤差精確度。

步驟4設(shè)定閾值， 計算每個子種群的適應(yīng)度值。在達到預(yù)定周期時，能夠更新全局最好位置，最終搜索到局部的最優(yōu)解。這樣劃分子種群能夠避免早熟等現(xiàn)象。

步驟5搜索每個不同子群個體最優(yōu)值以及種群的最優(yōu)值。

步驟6判斷是否重新尋找最優(yōu)值。如果是最優(yōu)解，則進行下一個操作步驟，然后將粒子的位置和速度重置。

步驟7融合各個子群，更新全局最優(yōu)值，判斷是否停止優(yōu)化。如果計算的最優(yōu)值與設(shè)定的閾值相同，則停止計算，使算法停止；如果更新得到的全局最優(yōu)值無法滿足用戶需要，則返回步驟6，重新設(shè)定閾值，計算每個子種群的適應(yīng)度值。

通過將不同的子種群連續(xù)進行更新、 迭代計算，并進一步設(shè)置好一定數(shù)據(jù)的迭代步數(shù)，則能夠快捷、便利地得到全局最優(yōu)解。

3 仿真試驗與分析

在進行仿真試驗時，硬件環(huán)境為Pentium（R）CPU為256 MB 內(nèi)存， 硬盤容量為80 GB； 軟件環(huán)境為Windows XP 操作系統(tǒng)，JDK1.5， 在MatLab 2014b軟件環(huán)境下進行模擬仿真。在MatLab 中能夠?qū)崿F(xiàn)模擬環(huán)境的可視化操作，其仿真圖像如圖3所示。

圖3 仿真函數(shù)示意圖Fig.3 Schematic of simulation function

由圖可見，全局最優(yōu)解在（0，0.5）附近；隨著種群的分割以及不斷進化，“粒子”會隨著迭代次數(shù)不斷地增加而逐漸逼近最優(yōu)解。采取（-1，1）之間的數(shù)據(jù)樣本，再對傳統(tǒng)PSO 計算方法與改進算法進行比較。采樣的樣本數(shù)據(jù)見表1。

表1 測試樣本數(shù)據(jù)Tab.1 Test sample data

在進行測試時， 測試數(shù)設(shè)置為40 次； 在這40次計算中，取其平均值作為最終的輸出結(jié)果，并將算法的終止迭代數(shù)設(shè)置為400 次， 分別采用CPSO算法和PSO 算法進行計算，并做對比分析。這2 種算法的收斂曲線如圖4所示。

圖4 兩種算法的收斂曲線Fig.4 Convergence curves of the two algorithms

試驗表明，CPSO 算法相對PSO 算法，具有較好的穩(wěn)定性，收斂速度快，全局搜索能力較強，從而能夠快速有效地評價電力綜合能源協(xié)同優(yōu)化的誤差。

4 結(jié)語

目前，國內(nèi)現(xiàn)有的分布式能源與局域電網(wǎng)管理模式屬于一些簡單的項目樣式，為適應(yīng)電力市場的發(fā)展需求，亟待探索電力行業(yè)發(fā)展需求的行之有效的管理模式。在此所采用了CPSO 改進算法，實現(xiàn)了電力綜合能源的協(xié)同優(yōu)化， 具有全局搜索能力強、收斂速度快、精度高等優(yōu)點。通過將該算法引入到電力能源配置系統(tǒng)中，不僅有利于促進分布式能源與局域電網(wǎng)技術(shù)問題的解決，而且有利于后期能源管理模式的研究，為更一步電力能源的配合與管理奠定理論基礎(chǔ)。