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。

1 微電網(wǎng)中的優(yōu)化配置模型

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 分布式電源的出力模型

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>

1.2 分布側(cè)目標(biāo)函數(shù)

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 約束條件

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。

2 調(diào)度策略和改進(jìn)算法

2.1 調(diào)度策略

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。

2.2 基于改進(jìn)粒子群算法的調(diào)度算法

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。

3 仿真算例分析

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。

3.1 負(fù)荷情況

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

3.2 風(fēng)電光伏出力情況

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 改進(jìn)算法效果分析

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

4 結(jié)束語(yǔ)

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。