陳浩然,劉瀚陽(yáng)
(河海大學(xué),江蘇 南京 211100)
隨著電力需求的不斷增長(zhǎng),電力系統(tǒng)規(guī)模的不斷擴(kuò)大,一些問題也日益凸顯。例如,大規(guī)模電網(wǎng)的建設(shè)投資成本高,施工周期長(zhǎng),還可能會(huì)造成一些環(huán)境的問題。在此背景之下,分布式發(fā)電的研究越來越得到人們的重視。分布式發(fā)電方式,一般指將相對(duì)小型的發(fā)電裝置分散布置在用戶現(xiàn)場(chǎng)或用戶附近的發(fā)電方式[1]。微電網(wǎng)就是指將多種分布式電源以微網(wǎng)形式接入大電網(wǎng)并有機(jī)地整合了儲(chǔ)能、保護(hù)等裝置的小型發(fā)配電系統(tǒng)[2]。
針對(duì)微電網(wǎng)的優(yōu)化調(diào)度一直是國(guó)內(nèi)外學(xué)者的研究熱點(diǎn),在優(yōu)化過程中,不僅要考慮各個(gè)分布式電源的出力模型,還要考慮需求側(cè),即基于實(shí)時(shí)電價(jià)的微電網(wǎng)系統(tǒng)和大電網(wǎng)的電能交互,以求對(duì)多方面進(jìn)行優(yōu)化,求得最優(yōu)的經(jīng)濟(jì)效益。本文在其他學(xué)者[3]研究的基礎(chǔ)上,提出了一種改進(jìn)粒子群算法,即改良了一種自適應(yīng)的慣性權(quán)重和學(xué)習(xí)因子,并運(yùn)用合理的調(diào)度策略對(duì)每一個(gè)小時(shí)進(jìn)行調(diào)度。通過使用Matlab 進(jìn)行仿真模擬,結(jié)果表明,此改進(jìn)粒子群算法的適應(yīng)度值和迭代收斂次數(shù)均有明顯改善,具有更好的經(jīng)濟(jì)效益。
該微電網(wǎng)系統(tǒng)中考慮的分布式電源包括風(fēng)力發(fā)電、光伏發(fā)電、燃料電池、儲(chǔ)能系統(tǒng)等。通過對(duì)這些分布式電源進(jìn)行研究,確定了它們各自的出力模型,并考慮了相關(guān)目標(biāo)函數(shù)和約束條件,以此為基礎(chǔ)來制定總體的調(diào)度方案。
1.1.1 風(fēng)力發(fā)電
在風(fēng)力發(fā)電過程中,啟動(dòng)風(fēng)速指的是風(fēng)機(jī)開始發(fā)電的風(fēng)速,即只有風(fēng)速大于啟動(dòng)風(fēng)速,風(fēng)機(jī)才能運(yùn)轉(zhuǎn);額定風(fēng)速是指使風(fēng)機(jī)工作在額定狀態(tài)下的風(fēng)速;切斷風(fēng)速是指當(dāng)風(fēng)速過大時(shí)為了保護(hù)風(fēng)機(jī)設(shè)備而使得發(fā)電機(jī)停止工作的臨界風(fēng)速[3]。通過參考文獻(xiàn)[3],我們得出風(fēng)機(jī)的出力模型:
其中,v 為實(shí)際風(fēng)速,vi為啟動(dòng)風(fēng)速,vn為額定風(fēng)速,vc為切斷風(fēng)速,PWind為風(fēng)速為v 時(shí)風(fēng)機(jī)的實(shí)時(shí)功率,PWN為風(fēng)機(jī)的額定功率。
1.1.2 光伏發(fā)電
光伏發(fā)電的功率與多種因素相關(guān),包括環(huán)境、天氣溫度、日照強(qiáng)度等,具有很強(qiáng)的非線性。通過閱讀參考文獻(xiàn)[3-4],我們可以總結(jié)出光伏電池的輸出功率:
其中,Psun為光伏電池輸出功率,PSTC為標(biāo)準(zhǔn)測(cè)試條件下最大輸出功率,G 為輻照強(qiáng)度,GSTC為標(biāo)準(zhǔn)條件下的輻照強(qiáng)度,k 為溫度功率系數(shù),Tc為光伏電池溫度,Tn為設(shè)定的參考溫度。
1.1.3 燃料電池
燃料電池(Fuel Cell,F(xiàn)C)是將化學(xué)能轉(zhuǎn)換成電能的電力設(shè)備,其具有污染小、效率低、高量的特點(diǎn)[3]。目前主要應(yīng)用的燃料電池是氫氧燃料電池,通過閱讀文獻(xiàn)[3-4],我們得出其燃料消耗特性:
其中,CFFC為燃料電池每小時(shí)消耗的燃料,Cfuel為燃料價(jià)格,PFC為燃料電池的功率,η 為讓燃料消耗的效率。
1.1.4 蓄電池儲(chǔ)能系統(tǒng)
為了更好地實(shí)現(xiàn)對(duì)微電網(wǎng)的調(diào)度,微電網(wǎng)最好具有儲(chǔ)能系統(tǒng)。在能量充足時(shí),儲(chǔ)能系統(tǒng)可以將多余的能量收集、儲(chǔ)存起來;而在能量缺乏時(shí),儲(chǔ)能系統(tǒng)又可以將能量釋放出來,從而保證系統(tǒng)供電的穩(wěn)定性和連續(xù)性。
當(dāng)蓄電池放電時(shí):
當(dāng)蓄電池充電時(shí):
其中,C(et)為t 時(shí)刻蓄電池剩余容量,C(et-1)為t-1 時(shí)刻蓄電池剩余容量,Δ 為蓄電池的自放電率,Pe(t)為t時(shí)刻蓄電池充放電功率,η1、η2為蓄電池充放電效率,Qe為蓄電池的總?cè)萘俊?/p>
微電網(wǎng)的發(fā)電成本由多種成本復(fù)合而成,我們可以用下式描述:
其中,CM為微電網(wǎng)發(fā)電總成本,C1為維護(hù)運(yùn)行成本,C2為燃料成本,C3為折舊成本,C4為微電網(wǎng)和大電網(wǎng)交互成本,C5為可中斷負(fù)荷補(bǔ)償成本[3],C6為環(huán)境成本。k1到k6為相應(yīng)的費(fèi)用系數(shù),可取0 或1。
1.3.1 發(fā)電單元功率約束
微網(wǎng)中的各個(gè)發(fā)電單元要滿足下式的約束:
其中,Pimin是第i 個(gè)分布式電源的最小輸出功率,Pimax是第i 個(gè)分布式電源的最大輸出功率,Pit是各個(gè)發(fā)電單元的實(shí)時(shí)輸出功率。
1.3.2 儲(chǔ)存容量的約束
對(duì)于蓄電池蓄能系統(tǒng)的應(yīng)用,需要遵守以下電量約束式:
其中,Pe,h是每小時(shí)內(nèi)蓄電池內(nèi)電量變化量,Pe,max是規(guī)定的每小時(shí)內(nèi)蓄電池電量變化量的最大值,Pe,Q,min為蓄電池所需最小電量,Pe,Q,max為蓄電池所需最大電量。
綜合考慮各種分布式電源的出力特性和分時(shí)電價(jià)電網(wǎng)交互,我們給出了總的調(diào)度流程:
步驟1:調(diào)度開始前,輸入已知的負(fù)荷數(shù)據(jù)、電源數(shù)據(jù)、電價(jià)系數(shù)等。
步驟2:計(jì)算1.2 中的分布側(cè)目標(biāo)函數(shù)值,并將其暫設(shè)為最優(yōu)值。
步驟3:根據(jù)負(fù)荷預(yù)測(cè)情況和實(shí)際情況,擬定分時(shí)電價(jià)。
步驟4:根據(jù)負(fù)荷情況和分時(shí)電價(jià),考慮各種分布式電源的出力特性,進(jìn)行電源調(diào)度,并計(jì)算目標(biāo)函數(shù)值。
步驟5:把此計(jì)算值與最優(yōu)值進(jìn)行比較,取較小值為新的最優(yōu)值。
步驟6:重復(fù)迭代,若收斂,則輸出最優(yōu)值,否則繼續(xù)迭代。
基于此調(diào)度流程,我們最終能夠得出在一定迭代次數(shù)下收斂的最小目標(biāo)函數(shù)值,即為最優(yōu)值。
粒子群算法雖然可以在一定范圍內(nèi)尋得目標(biāo)的最優(yōu)值,但其具有一定缺陷。慣性權(quán)重和學(xué)習(xí)因子是粒子群算法中控制尋優(yōu)步長(zhǎng)的參數(shù),如果步長(zhǎng)過大,可能尋不到最優(yōu)值;如果步長(zhǎng)過小,則易陷入局部最優(yōu)?;诖?,本文設(shè)計(jì)了一種自適應(yīng)的權(quán)重,隨著迭代次數(shù)的增加,慣性權(quán)重和學(xué)習(xí)因子會(huì)進(jìn)行線性的變化。具體設(shè)計(jì)如下:
其中,w 稱為慣性權(quán)重,c1和c2分別為學(xué)習(xí)因子,Max_Dt 為最大迭代次數(shù)。仿真結(jié)果證明,對(duì)慣性權(quán)重和學(xué)習(xí)因子進(jìn)行改進(jìn),能加快粒子群算法的收斂速度。
為了驗(yàn)證改進(jìn)算法的有效性,本文采用Matlab 進(jìn)行仿真算例分析。
圖1 即為微電網(wǎng)中的負(fù)荷曲線圖,該圖反映了一天24 小時(shí)中微電網(wǎng)負(fù)荷的變化情況。
圖1 負(fù)荷曲線圖
圖2 所示即為微電網(wǎng)中的風(fēng)電光狀出力曲線圖,該圖反映了一天24 小時(shí)中微電網(wǎng)中風(fēng)電光狀的出力情況,圖中PV 為光伏出力,WT 為風(fēng)機(jī)出力。
圖2 風(fēng)電光伏出力曲線圖
3.3.1 收斂性和優(yōu)化前后成本分析
通過圖3 可以看出,隨著迭代次數(shù)的增加,總成本不斷降低,算法逐漸收斂,當(dāng)?shù)螖?shù)大于150 后,總成本已達(dá)最低且不再變化。因此,該改進(jìn)算法在降低成本的同時(shí)也具有較好的收斂性。
圖3 優(yōu)化前后成本收斂曲線圖
3.3.2 出力優(yōu)化分析
圖4 為改進(jìn)粒子群算法優(yōu)化后的各機(jī)組出力曲線圖。其中,MT 為微型熱力發(fā)電機(jī),DG 為分布式電源,GRID 為與電網(wǎng)的購(gòu)售電交互,BAT 為蓄電池儲(chǔ)能系統(tǒng),F(xiàn)C 為燃料電池。該算法在滿足收斂性要求的同時(shí),對(duì)每小時(shí)分別進(jìn)行優(yōu)化調(diào)度,使各個(gè)機(jī)組的出力相互協(xié)調(diào),保證了最佳的經(jīng)濟(jì)效益。
圖4 優(yōu)化后各機(jī)組出力曲線圖
本文針對(duì)微電網(wǎng)的優(yōu)化調(diào)度進(jìn)行了相關(guān)研究,考慮了負(fù)荷側(cè)、電源側(cè)、需求側(cè)的模型,提出了一種改進(jìn)粒子群算法并進(jìn)行算例驗(yàn)證。在算法中,隨著迭代次數(shù)的增加,慣性權(quán)重和學(xué)習(xí)因子的大小能夠自適應(yīng)地改變,保證了算法尋得全局最優(yōu)值的同時(shí)加快了收斂速度。
在對(duì)微電網(wǎng)進(jìn)行調(diào)度過程中,本文已考慮了較多因素,但仍具有不足之處,比如未考慮環(huán)境因素的影響,未考慮分布式電源的無功模型等。因此,針對(duì)微電網(wǎng)進(jìn)行優(yōu)化調(diào)度仍值得進(jìn)一步的研究與探討。