黃靖茵，胡鑫，黃康乾，周睿，黃志生

（廣東電力交易中心有限責(zé)任公司，廣東廣州 510600）

近年來，隨著分布式發(fā)電(Distributed Generators，DG)的不斷發(fā)展，光伏、風(fēng)電等裝機(jī)容量逐年上升，微網(wǎng)在本地完成電力交易也成為了必然趨勢(shì)[1]。由于DG 輸出存在隨機(jī)性、波動(dòng)性和間歇性，傳統(tǒng)電力交易市場(chǎng)機(jī)制已無法滿足微網(wǎng)電力市場(chǎng)交易需求[2-3]。與原有電力市場(chǎng)單一的銷售模式不同，微網(wǎng)的發(fā)展使用戶有了更多的購(gòu)電選擇。因此如何靈活地完成電力交易，并實(shí)現(xiàn)微網(wǎng)電能的優(yōu)化控制成為了當(dāng)前的研究熱點(diǎn)[4-5]。

針對(duì)上述問題，該文構(gòu)建了一種柔性優(yōu)化控制算法模型，采用柔性電價(jià)來構(gòu)建目標(biāo)函數(shù)，并通過改進(jìn)鯨魚優(yōu)化算法(Whale Optimization Algorithm，WOA)進(jìn)行求解，得到了最佳的電力交易方案與系統(tǒng)運(yùn)行方式。

1 微網(wǎng)電力交易的建模

1.1 微網(wǎng)電力交易

在低碳環(huán)保政策的推動(dòng)下，光伏、風(fēng)力等清潔能源開始廣泛用于發(fā)電，且在電網(wǎng)中的滲透率越來越高，從而促進(jìn)了微網(wǎng)電力交易的發(fā)展[6-7]。微網(wǎng)電力市場(chǎng)交易模式如圖1 所示。

圖1 微網(wǎng)電力市場(chǎng)交易模式

不同于傳統(tǒng)電力交易，微網(wǎng)電力交易市場(chǎng)主要集中于用戶側(cè)，其交易量相對(duì)較小且較為靈活。同時(shí)，用戶與發(fā)電廠商能夠在本地市場(chǎng)進(jìn)行電力交易，且交易雙方處于平等地位。而電能傳輸?shù)任锢韺用嬗山灰灼脚_(tái)保障執(zhí)行，即電網(wǎng)公司負(fù)責(zé)運(yùn)營(yíng)和監(jiān)管平臺(tái)[8]。

1.2 柔性電價(jià)

由于微網(wǎng)中的分布式能源發(fā)電存在不確定性，且需要考慮該不確定因素對(duì)系統(tǒng)的影響[9]。因此引入經(jīng)濟(jì)性目標(biāo)，并提出柔性電價(jià)，通過調(diào)節(jié)微網(wǎng)的交易電價(jià)，實(shí)現(xiàn)系統(tǒng)的穩(wěn)定、經(jīng)濟(jì)運(yùn)行。柔性電價(jià)的計(jì)算方式為：

1）當(dāng)發(fā)電量小于用電量時(shí)：

2）當(dāng)發(fā)電量大于用電量時(shí)：

式中，ψ′為柔性系數(shù)；Bi為各電廠投資成本下的日發(fā)電量；λ為發(fā)電成本因子；Cα為年投資成本；Cβ為年維護(hù)成本。

由于柔性電價(jià)會(huì)隨著發(fā)電量而改變，因此可能會(huì)出現(xiàn)極端波動(dòng)情況，故需要根據(jù)微網(wǎng)的最大和最小資源量水平以及標(biāo)準(zhǔn)電價(jià)來設(shè)置電價(jià)的上下限[10-11]。

2 電力交易的柔性優(yōu)化控制算法

根據(jù)微網(wǎng)運(yùn)行成本最小化的優(yōu)化目標(biāo)，利用改進(jìn)WOA 算法進(jìn)行求解，以得到最佳的電力交易方案，進(jìn)而實(shí)現(xiàn)系統(tǒng)的柔性優(yōu)化控制。

2.1 改進(jìn)鯨魚優(yōu)化算法

WOA 是一種新興的基于鯨魚捕獵行為的優(yōu)化算法，其可使用特殊的方法成功捕獲獵物[12]。WOA的處理流程如圖2 所示，其包括搜尋獵物、包圍獵物、泡網(wǎng)攻擊三個(gè)階段。

圖2 WOA的處理流程

1）搜尋獵物：若p＜0.5 且，則進(jìn)入隨機(jī)搜索獵物階段，且搜索代理在空間中隨機(jī)游蕩以搜尋獵物。該數(shù)學(xué)模型與位置變換公式如下：

2）包圍獵物：若p＜0.5 且 ||A→≤1，則進(jìn)入包圍獵物階段，并確定獵物所在位置并包圍獵物。此時(shí)搜索代理將更靠近最佳位置，且該位置更新計(jì)算如下式所示：

3）泡網(wǎng)攻擊：若p≥0.5，則進(jìn)入螺旋收縮包圍和泡沫網(wǎng)攻擊階段。計(jì)算搜索代理與最優(yōu)搜索代理間的距離，進(jìn)而構(gòu)建螺旋數(shù)學(xué)模型，以更新代理位置。該階段計(jì)算公式如下：

WOA 的全局搜索能力較弱，且易陷入早熟收斂。為解決這一問題，引入長(zhǎng)步長(zhǎng)的柯西變異以及短步長(zhǎng)高斯變異，以增強(qiáng)WOA 的局部搜索能力，從而提高收斂精度[13]?？挛髯儺惥哂凶儺惙秶鷱V的優(yōu)勢(shì)，但通過柯西變異進(jìn)行隨機(jī)搜索容易跳出局部極值[14-15]。因此，對(duì)WOA 隨機(jī)捕食階段的位置更新修改如下：

式中，r3是介于[0,3]之間的隨機(jī)數(shù)。

高斯變異是一種改進(jìn)關(guān)鍵搜索區(qū)域局部搜索能力的變異操作方法[16]。其在突變過程中，使用隨機(jī)數(shù)替換原始基因值，即對(duì)全局最優(yōu)搜索代理進(jìn)行變異，以加強(qiáng)WOA 的局部搜索能力。則全局最佳搜索代理更新如下：

式中，n∈N(0,1)；為通過高斯變異得到的全局最優(yōu)搜索代理；r4為介于[0,1]之間的隨機(jī)數(shù)；k為局部變異概率。

2.2 微網(wǎng)柔性優(yōu)化控制策略

假設(shè)微網(wǎng)中存在G個(gè)發(fā)電廠商，且集合為g={1,2,…,G}，則其可能的電力交易策略表示為：

式中，Eu為用戶側(cè)所需的電量；Eg為第g個(gè)發(fā)電方售出的電量。

通過優(yōu)化交易策略以及調(diào)節(jié)柔性電價(jià)實(shí)現(xiàn)系統(tǒng)運(yùn)行成本的最小化，其優(yōu)化控制流程如圖3 所示。

圖3 電力交易柔性優(yōu)化控制流程

在電力交易中，首先確定用戶的負(fù)荷需求以及微網(wǎng)中的發(fā)電量，確定用戶可選的售電商，并依據(jù)雙方電量的實(shí)際情況計(jì)算柔性電價(jià)；然后根據(jù)柔性電價(jià)，發(fā)電方和用戶均會(huì)進(jìn)行相應(yīng)的調(diào)整，例如用戶增加或減少自身用電量，發(fā)電廠將電量存儲(chǔ)或售出；最終通過改進(jìn)WOA 算法尋找電力交易方案，并模擬每種交易策略的成本，篩選出最優(yōu)的微網(wǎng)運(yùn)行方案。

3 實(shí)驗(yàn)結(jié)果與分析

基于Matlab 搭建實(shí)驗(yàn)仿真平臺(tái)，其中包括三個(gè)光伏電廠、兩個(gè)風(fēng)電廠、一臺(tái)柴油發(fā)電機(jī)組以及儲(chǔ)能站。由于光伏(PV)和風(fēng)力(WT)發(fā)電量幾乎不可控，因此其電量調(diào)節(jié)僅能通過外加電量或存儲(chǔ)電量，PV和WT 的功率輸出情況如圖4 所示。

圖4 PV和WT的功率輸出

3.1 柔性電價(jià)結(jié)果分析

柔性電價(jià)隨著用電量和發(fā)電量的變化而實(shí)時(shí)變化。通過控制柔性電價(jià)能夠優(yōu)化分布式能源的功率輸出，并減少系統(tǒng)運(yùn)行費(fèi)用。選取時(shí)段6:00-18:00內(nèi)微網(wǎng)電量與柔性電價(jià)的關(guān)系，如表1 所示。

表1 微網(wǎng)電量與柔性電價(jià)

從表1 中可以看出，柔性電價(jià)隨著用電量和實(shí)際發(fā)電量的改變而改變。當(dāng)實(shí)際發(fā)電量無法滿足用電需求時(shí)，即分布式能源發(fā)電無法滿足微網(wǎng)用電需求，則上調(diào)柔性電價(jià)；反之，當(dāng)微網(wǎng)電量過剩時(shí)，則下調(diào)柔性電價(jià)并減少電力輸出。在14:00-16:00 時(shí)間段內(nèi)，光伏發(fā)電量較大，而用戶需求較低，故降低電價(jià)至0.437 元。這樣不僅可以鼓勵(lì)用戶多用電，且能控制儲(chǔ)能裝置進(jìn)行儲(chǔ)能并減少柴油發(fā)電機(jī)的出力，從而實(shí)現(xiàn)微網(wǎng)運(yùn)行的最大經(jīng)濟(jì)化。

3.2 優(yōu)化結(jié)果對(duì)比

基于微網(wǎng)實(shí)時(shí)電力交易數(shù)據(jù)，并利用所提柔性優(yōu)化控制算法進(jìn)行處理，最終得到除光伏、風(fēng)力以外分布式電源的最佳功率輸出，如圖5 所示。

圖5 其他分布式電源的最佳功率輸出

從圖5 中可以看出，當(dāng)分布式能源發(fā)電大于負(fù)荷時(shí)，可將剩余電量?jī)?chǔ)存在儲(chǔ)能裝置中，如14 h 左右，儲(chǔ)能出現(xiàn)明顯的上升趨勢(shì)，而燃料電池(FC)減少發(fā)電量以控制成本；當(dāng)分布式能源發(fā)電小于負(fù)荷時(shí)，儲(chǔ)能裝置放電，當(dāng)儲(chǔ)能未有剩余電量后，燃料電池(FC)和柴油發(fā)電機(jī)(DE)開始產(chǎn)生大量電能，如19 h 左右。由此可以看出，該控制算法保證了FC、DE 發(fā)電單元輸出的平穩(wěn)并盡可能地降低輸出。由于二者具有相對(duì)較高的燃料成本與污染排放，所以不平穩(wěn)的輸出也會(huì)降低其運(yùn)行效率。

為了論證所提算法的性能，將其與文獻(xiàn)[3]、文獻(xiàn)[5]進(jìn)行對(duì)比。該微網(wǎng)總運(yùn)行成本優(yōu)化對(duì)比如圖6所示。

圖6 微網(wǎng)總運(yùn)行成本優(yōu)化對(duì)比

從圖6 中可以看出，相較于其他算法，所提算法的運(yùn)行成本最低，且最高點(diǎn)在晚間，平均值未超過3 萬元。由于晚間用電量大且光伏等分布式能源出力不足，因此柔性電價(jià)高，其他燃油機(jī)組發(fā)電成本也相對(duì)較高。文獻(xiàn)[3]采用群體主動(dòng)學(xué)習(xí)算法，由于其尋優(yōu)能力不足，所以整體運(yùn)行成本較高，總體上平均值已超過4 萬元。文獻(xiàn)[5]主要考慮碳排放進(jìn)行電力交易優(yōu)化控制，其優(yōu)先消耗分布式能源，所以導(dǎo)致整體經(jīng)濟(jì)性一般。而所提算法綜合各方面成本因素并結(jié)合柔性電價(jià)，且利用改進(jìn)WOA 進(jìn)行了優(yōu)化，從而得到最為經(jīng)濟(jì)的系統(tǒng)運(yùn)行方式。

4 結(jié)束語(yǔ)

新能源發(fā)電的快速發(fā)展推動(dòng)了電力市場(chǎng)的改革，而微網(wǎng)內(nèi)電能交易的優(yōu)化控制缺乏一定的經(jīng)濟(jì)性。為此，在充分考慮微網(wǎng)發(fā)電與電力交易數(shù)據(jù)的情況下，該文構(gòu)建了一種柔性優(yōu)化控制模型?；贛atlab仿真平臺(tái)對(duì)該文算法進(jìn)行實(shí)驗(yàn)論證的結(jié)果表明，柔性電價(jià)能夠較好地呈現(xiàn)用電量與發(fā)電量之間的關(guān)系，并作用于系統(tǒng)，控制DG 功率最優(yōu)輸出，且在提高系統(tǒng)經(jīng)濟(jì)性的同時(shí)又優(yōu)化了微網(wǎng)的能源結(jié)構(gòu)。但該文僅考慮了單個(gè)微網(wǎng)，其優(yōu)化控制性能存在一定的局限性。因此在接下來的研究中，將考慮微網(wǎng)互聯(lián)以便提高微網(wǎng)能源的穩(wěn)定性及系統(tǒng)的經(jīng)濟(jì)性。