劉 琳

上海電氣輸配電集團(tuán) 上海 200042

1 微電網(wǎng)簡(jiǎn)介

微電網(wǎng)是一組由分布式電源、負(fù)荷、儲(chǔ)能系統(tǒng)、控制裝置構(gòu)成的微型系統(tǒng)。對(duì)于大電網(wǎng)而言,微電網(wǎng)表現(xiàn)為一個(gè)單一可控的單元,可以實(shí)現(xiàn)多種形式能源向負(fù)荷的高可靠供給。微電網(wǎng)中的電源多為小容量分布式電源,主要有光伏電池、小型風(fēng)力發(fā)電機(jī)、微型燃?xì)廨啓C(jī)、燃料電池、蓄電池等,具有成本低、電壓低、污染小等特點(diǎn)。微電網(wǎng)不僅在降低能耗、減小環(huán)境污染、提高電力系統(tǒng)可靠性和靈活性等方面具有巨大潛力,而且在根本上改變了電力行業(yè)應(yīng)對(duì)負(fù)荷增長(zhǎng)的方式[1]。

微電網(wǎng)的運(yùn)行優(yōu)化策略可以通過(guò)能量管理系統(tǒng)在各種運(yùn)行信息已知的基礎(chǔ)上實(shí)現(xiàn)[2],目的是根據(jù)分布式能源出力預(yù)測(cè)、微電網(wǎng)內(nèi)負(fù)荷需求預(yù)測(cè)、電力市場(chǎng)信息等數(shù)據(jù),按照不同的優(yōu)化運(yùn)行目標(biāo)和約束條件進(jìn)行決策,從而制訂微電網(wǎng)運(yùn)行調(diào)度計(jì)劃,通過(guò)對(duì)分布式能源、儲(chǔ)能設(shè)備和可控負(fù)荷的靈活調(diào)度來(lái)實(shí)現(xiàn)系統(tǒng)的優(yōu)化運(yùn)行。與大電網(wǎng)相比,微電網(wǎng)運(yùn)行方式靈活,分為并網(wǎng)與獨(dú)立兩種運(yùn)行方式。并網(wǎng)運(yùn)行方式下,能量管理需要考慮大電網(wǎng)調(diào)度計(jì)劃、微電網(wǎng)與大電網(wǎng)間能量交互運(yùn)行控制策略、分布式電源特性、電能質(zhì)量約束、電力市場(chǎng)環(huán)境等方面因素,以實(shí)現(xiàn)微電網(wǎng)運(yùn)行效益的最大化。

筆者研究并網(wǎng)運(yùn)行方式下的微電網(wǎng)經(jīng)濟(jì)調(diào)度問(wèn)題。針對(duì)并網(wǎng)運(yùn)行方式下微電網(wǎng)的經(jīng)濟(jì)調(diào)度問(wèn)題,國(guó)內(nèi)外學(xué)者嘗試采用多種智能優(yōu)化算法求解這一多約束多目標(biāo)優(yōu)化問(wèn)題,取得了很多研究成果[3-9]。筆者在建立微電網(wǎng)經(jīng)濟(jì)調(diào)度多目標(biāo)數(shù)學(xué)模型的基礎(chǔ)上,設(shè)計(jì)改進(jìn)粒子群優(yōu)化算法求解這一多目標(biāo)優(yōu)化問(wèn)題。對(duì)案例的試驗(yàn)結(jié)果表明,這一方法是有效的,并且具有實(shí)用性。

2 微電網(wǎng)經(jīng)濟(jì)調(diào)度數(shù)學(xué)模型

為實(shí)現(xiàn)微電網(wǎng)并網(wǎng)運(yùn)行方式下的經(jīng)濟(jì)調(diào)度策略,需要建立微電網(wǎng)經(jīng)濟(jì)調(diào)度數(shù)學(xué)模型,包括目標(biāo)函數(shù)和約束條件兩部分。微電網(wǎng)經(jīng)濟(jì)調(diào)度的主要目標(biāo)包括:① 滿(mǎn)足微電網(wǎng)中熱和電的需求;② 微電網(wǎng)運(yùn)行成本最低;③ 受環(huán)境的影響最小;④ 蓄電池壽命損耗最小。目標(biāo)①可作為約束條件,目標(biāo)②～④則是經(jīng)濟(jì)調(diào)度的目標(biāo)函數(shù)?？梢?jiàn),微電網(wǎng)經(jīng)濟(jì)調(diào)度本質(zhì)上是一個(gè)多目標(biāo)優(yōu)化問(wèn)題。

2.1 微電網(wǎng)運(yùn)行成本最低目標(biāo)函數(shù)

微電網(wǎng)的運(yùn)行成本主要包括各微電源的燃料成本和運(yùn)行維護(hù)費(fèi)用,其目標(biāo)函數(shù)為:

(1)

式中:CO為微電網(wǎng)運(yùn)行成本;Pi(t)為第i臺(tái)微電源t時(shí)段的輸出功率;Ci[Pi(t)]為第i臺(tái)微電源的燃料成本函數(shù);Oi[Pi(t)]為第i臺(tái)微電源的運(yùn)行維護(hù)費(fèi)用函數(shù);Pg(t)為t時(shí)段電網(wǎng)與微電網(wǎng)的交互有功功率,從電網(wǎng)買(mǎi)電為正,向電網(wǎng)售電為負(fù);Cg[Pg(t)]為t時(shí)段微電網(wǎng)與主網(wǎng)交易的電價(jià);N為微電源總數(shù)量;T為調(diào)度周期,一般取T=24 h。

2.2 微電網(wǎng)環(huán)境成本最低目標(biāo)函數(shù)

微電網(wǎng)中的部分微電源會(huì)排放二氧化碳、二氧化硫、氮化物等污染性氣體,這些氣體的治理費(fèi)用應(yīng)納入目標(biāo)函數(shù)。微電網(wǎng)環(huán)境成本最低目標(biāo)函數(shù)為:

(2)

2.3 蓄電池壽命損耗最低目標(biāo)函數(shù)

蓄電池壽命損耗最低目標(biāo)函數(shù)為:

(3)

式中:CB為蓄電池壽命損耗成本;PB(t)為蓄電池在t時(shí)段的放電電量;λ為蓄電池累計(jì)放電1 kWh所對(duì)應(yīng)的損耗因數(shù),取λ=0.075。

2.4 微電網(wǎng)綜合成本最低目標(biāo)函數(shù)

綜合考慮前述三個(gè)微電網(wǎng)經(jīng)濟(jì)調(diào)度目標(biāo),給每個(gè)目標(biāo)賦予不同的權(quán)重,得到微電網(wǎng)綜合成本最低目標(biāo)函數(shù)為:

minCP=min(ω1CO+ω2CE+ω3CB)

(4)

式中:CP為微電網(wǎng)的綜合成本;ω1、ω2、ω3為各目標(biāo)函數(shù)的權(quán)重,ω1≥0,ω2≥0,ω3≥0,且ω1+ω2+ω3=1。

2.5 約束條件

(1) 功率平衡約束。指任意時(shí)刻各機(jī)組的發(fā)電電量和電網(wǎng)交換功率的和要滿(mǎn)足總負(fù)荷需求,表達(dá)式為:

(5)

式中:PL(t)為t時(shí)刻系統(tǒng)中的總有功負(fù)荷。

(2) 發(fā)電容量約束。為保證微電網(wǎng)實(shí)際運(yùn)行時(shí)的穩(wěn)定性,每個(gè)微電源在任意時(shí)刻的實(shí)際發(fā)電功率受到上下限約束,表達(dá)式為:

(6)

(3) 蓄電池荷電水平約束。表達(dá)式為:

Hmin

(7)

式中:H為蓄電池實(shí)際荷電水平;Hmax、Hmin分別為蓄電池荷電水平的上限和下限。

(4) 傳輸功率約束。指微電網(wǎng)與電網(wǎng)之間的傳輸功率不高于已經(jīng)簽訂的電力傳輸協(xié)議的限值,表達(dá)式為:

Gmin≤G≤Gmax

(8)

式中:G為微電網(wǎng)與電網(wǎng)的交換功率;Gmax、Gmin分別為微電網(wǎng)與電網(wǎng)交換功率的上限和下限。

3 基本粒子群優(yōu)化算法

微電網(wǎng)經(jīng)濟(jì)調(diào)度是一個(gè)非線性多目標(biāo)優(yōu)化問(wèn)題,在對(duì)微電網(wǎng)經(jīng)濟(jì)調(diào)度求解時(shí),有兩方面要求,一是尋找全局最優(yōu)點(diǎn),二是具有較快的收斂速度。研究者們?cè)谇蠼舛嗄繕?biāo)優(yōu)化問(wèn)題時(shí),提出了基本粒子群優(yōu)化算法[10]?；玖Ｗ尤簝?yōu)化算法具有收斂快、精度高、穩(wěn)定性強(qiáng)、簡(jiǎn)單通用、容易實(shí)現(xiàn)等優(yōu)點(diǎn),對(duì)于復(fù)雜非線性?xún)?yōu)化問(wèn)題具有較強(qiáng)的尋優(yōu)能力,更適合解決復(fù)雜的多維優(yōu)化問(wèn)題。

在粒子群初始化時(shí),每個(gè)粒子的飛行速度和位置是隨機(jī)分布的,在計(jì)算中粒子主要根據(jù)整體極值和個(gè)體極值來(lái)動(dòng)態(tài)調(diào)整粒子自身的飛行速度和對(duì)應(yīng)的位置。

在第k次飛行后,第j個(gè)粒子更新的速度為:

(9)

更新的位置為:

(10)

4 改進(jìn)粒子群優(yōu)化算法

粒子群優(yōu)化算法的性能在很大程度上取決于算法的控制參數(shù),即粒子數(shù)、最快速度、學(xué)習(xí)因子、慣性權(quán)重等。筆者設(shè)計(jì)的改進(jìn)粒子群優(yōu)化算法中,對(duì)最快速度、學(xué)習(xí)因子、慣性權(quán)重三個(gè)重要控制參數(shù)進(jìn)行動(dòng)態(tài)優(yōu)化和計(jì)算。

(11)

筆者采用線性動(dòng)態(tài)調(diào)整方法計(jì)算學(xué)習(xí)因子c1、c2,與采用固定值相比,加快了學(xué)習(xí)速度。c1、c2分別為:

(12)

(13)

慣性權(quán)重決定了對(duì)粒子當(dāng)前速度繼承了多少,合適選擇慣性權(quán)重可以使粒子具有均衡的探索能力和開(kāi)發(fā)能力。筆者采用自適應(yīng)方法對(duì)慣性權(quán)重進(jìn)行動(dòng)態(tài)調(diào)整。

在進(jìn)化粒子群中,第j個(gè)粒子的位置與種群中其它粒子的平均距離dj為:

(14)

式中:xj(q)為第j個(gè)粒子位置的第q維分量;xl(q)為第l個(gè)粒子位置的第q維分量。

動(dòng)態(tài)因子Ef為[11]:

(15)

式中:dg為全局最優(yōu)粒子與其它粒子的平均距離;dmin、dmax分別為種群中所有粒子平均距離的最小值和最大值。

慣性權(quán)重ω與動(dòng)態(tài)因子Ef的線性關(guān)系為[12]:

ω=0.5Ef+0.4

ω∈[0.4,0.9]Ef∈[0,1]

(16)

改進(jìn)粒子群優(yōu)化算法的流程如圖1所示,具體步驟如下:

(1) 初始化種群規(guī)模為U,當(dāng)前飛行次數(shù)k為0,在一定范圍內(nèi)隨機(jī)初始化各個(gè)粒子的飛行速度和位置;

(2) 計(jì)算所有粒子的適應(yīng)度;

(5) 更新所有粒子的飛行速度和位置;

(7) 判斷是否收斂,如果達(dá)到最大飛行次數(shù),則結(jié)束,否則更新k為k+1,返回第(5)步。

5 實(shí)例分析

筆者針對(duì)某一商業(yè)辦公樓宇的小型并網(wǎng)型微電網(wǎng)系統(tǒng)進(jìn)行試驗(yàn)分析,該微電網(wǎng)系統(tǒng)包含光伏、柴油發(fā)電機(jī)和蓄電池。光伏發(fā)電最大功率為20 kW,蓄電池最大功率為100 kW,負(fù)荷需求比較小,主要是照明和辦公用電。微電網(wǎng)購(gòu)售電價(jià)格見(jiàn)表1,微電源設(shè)備的運(yùn)行成本見(jiàn)表2,微電源排污治理費(fèi)用中,柴油發(fā)電機(jī)費(fèi)用為0.762 1元/(kWh),電網(wǎng)費(fèi)用為0.314 1元/(kWh)。

圖1 改進(jìn)粒子群優(yōu)化算法流程

采用改進(jìn)粒子群優(yōu)化算法與帶壓縮因子粒子群優(yōu)化算法,對(duì)小型并網(wǎng)型微電網(wǎng)系統(tǒng)經(jīng)濟(jì)調(diào)度問(wèn)題進(jìn)行求解。針對(duì)0.01、0.02、0.03三個(gè)因數(shù)分別進(jìn)行10次隨機(jī)優(yōu)化計(jì)算,對(duì)最大值、最小值和平均值進(jìn)行比較,改進(jìn)粒子群優(yōu)化算法結(jié)果見(jiàn)表3,帶壓縮因子粒子群優(yōu)化算法結(jié)果見(jiàn)表4。由表3數(shù)據(jù)可以看出,在因數(shù)為0.02時(shí),目標(biāo)平均值為最小,即0.02為最佳因數(shù)。

表1 微電網(wǎng)購(gòu)電和售電價(jià)格

表2 微電源設(shè)備運(yùn)行成本

學(xué)習(xí)因子和慣性權(quán)重的取值對(duì)粒子群優(yōu)化算法有非常顯著的影響,帶壓縮因子的粒子群優(yōu)化算法是目前一種尋優(yōu)性能良好的算法[13]。由表4數(shù)據(jù)可以看出,在因數(shù)為0.02時(shí),目標(biāo)平均值最小,也表明0.02為最佳因數(shù)。由表3與表4數(shù)據(jù)對(duì)比可以看出,無(wú)論是目標(biāo)平均值,還是計(jì)算效率,改進(jìn)粒子群優(yōu)化算法均優(yōu)于帶壓縮因子粒子群優(yōu)化算法。

表3 改進(jìn)粒子群優(yōu)化算法結(jié)果

表4 帶壓縮因子粒子群優(yōu)化算法結(jié)果

6 結(jié)束語(yǔ)

筆者研究了并網(wǎng)型微電網(wǎng)的經(jīng)濟(jì)調(diào)度問(wèn)題,在建立經(jīng)濟(jì)調(diào)度多目標(biāo)數(shù)學(xué)模型的基礎(chǔ)上,設(shè)計(jì)了一種改進(jìn)粒子群優(yōu)化算法?；谠囼?yàn)分析,改進(jìn)粒子群優(yōu)化算法對(duì)粒子運(yùn)行的速度上下限設(shè)置合理的參數(shù)值,并對(duì)粒子運(yùn)動(dòng)中的學(xué)習(xí)因子和慣性權(quán)重進(jìn)行動(dòng)態(tài)優(yōu)化調(diào)整。通過(guò)對(duì)某一商業(yè)樓宇小型微電網(wǎng)進(jìn)行試驗(yàn)分析,表明改進(jìn)粒子群優(yōu)化算法計(jì)算精度和計(jì)算速度都優(yōu)于帶壓縮因子粒子群優(yōu)化算法,可以滿(mǎn)足工程需求。