摘 要 針對目前區(qū)域綜合能源優(yōu)化調(diào)度方法調(diào)度能耗和負(fù)荷過高的問題，基于改進(jìn)粒子群算法提出一種新的區(qū)域綜合能源優(yōu)化調(diào)度方法。通過電網(wǎng)、風(fēng)電、光伏和天然氣建立區(qū)域綜合能源系統(tǒng)，利用P2G設(shè)備處理信息，完成儲電、儲氣和儲熱工作。計(jì)算區(qū)域綜合能源系統(tǒng)的目標(biāo)收益和最終能源采購總價(jià)得到目標(biāo)函數(shù)，以天然氣汽鍋釋放的熱量功率、天然氣發(fā)動機(jī)的熱功率、電熱鍋的熱功率和電鍋爐的輸出功率模型確定約束條件。利用改進(jìn)粒子群算法得到隸屬度函數(shù)，依次排列每個(gè)目標(biāo)函數(shù)的關(guān)鍵水平，建立目標(biāo)矩陣，實(shí)現(xiàn)區(qū)域綜合能源層次分析，根據(jù)粒子合理性函數(shù)進(jìn)行單次優(yōu)化，完成能源優(yōu)化調(diào)度。實(shí)驗(yàn)結(jié)果表明：基于改進(jìn)粒子群算法的區(qū)域綜合能源優(yōu)化調(diào)度方法的最高能耗僅為48.7%，調(diào)度負(fù)荷低于60.0%，具有極好的調(diào)度能力。

關(guān)鍵詞 改進(jìn)粒子群算法 區(qū)域能源 綜合能源 能源優(yōu)化 優(yōu)化調(diào)度 能耗 調(diào)度負(fù)荷

中圖分類號 TP18；TM734 " 文獻(xiàn)標(biāo)志碼 A " 文章編號 1000-3932（2024）04-0693-06

化石燃料作為一種常用的化學(xué)能源，在使用過程中造成的巨大的環(huán)境污染已經(jīng)成為各國重點(diǎn)關(guān)注的問題。增強(qiáng)能源的利用效率，實(shí)現(xiàn)各種能源之間的相互補(bǔ)充，能夠有效降低環(huán)境污染程度。根據(jù)各種能源相補(bǔ)的原則，建立區(qū)域綜合能源優(yōu)化調(diào)度系統(tǒng)，即在配網(wǎng)建設(shè)中同期導(dǎo)入各種能源，實(shí)現(xiàn)各種能量負(fù)荷的所需，同時(shí)提升能源供應(yīng)的經(jīng)濟(jì)效益，進(jìn)而實(shí)現(xiàn)各種能源的相互補(bǔ)充與轉(zhuǎn)換，減低能源損耗。文獻(xiàn)［1］利用非線性算法分配權(quán)重系數(shù)，在粒子含量的基礎(chǔ)上評估算子，建立可實(shí)現(xiàn)更多維度算法的粒子群優(yōu)化算法（Particle Swarm Optimization，PSO）算法，與此同時(shí)，實(shí)現(xiàn)可進(jìn)行更多目標(biāo)算法的效果驗(yàn)證，進(jìn)一步加強(qiáng)粒子的全面搜尋效果，加強(qiáng)全面適應(yīng)能力，防止小部分粒子進(jìn)入最優(yōu)，使系統(tǒng)的綜合能力始終保持較高狀態(tài)，但穩(wěn)定性較差；文獻(xiàn)［2］研究了能源分配不合理的問題，基于混沌粒子群優(yōu)化（CPSO）算法，共同優(yōu)化配網(wǎng)中同期被導(dǎo)入的各種能源，同時(shí)將所有的粒子歸類為不同類型的粒子種類，保證每個(gè)粒子都能獲得自己的最優(yōu)解，從而實(shí)現(xiàn)每個(gè)粒子的相互補(bǔ)充與轉(zhuǎn)換，進(jìn)一步提高能源配制的穩(wěn)定效能，滿足多個(gè)用戶對能源利用的控制，降低用戶使用能源的危險(xiǎn)性，但系統(tǒng)的綜合能力較低。

筆者在現(xiàn)有工作的基礎(chǔ)上，提出改進(jìn)型RIES優(yōu)化運(yùn)行模型，在目標(biāo)函數(shù)中綜合考慮日運(yùn)行費(fèi)用和能源購買成本，提出基于改進(jìn)粒子群的優(yōu)化算法，實(shí)現(xiàn)RIES問題的求解。以日運(yùn)行費(fèi)用和能源購買成本為優(yōu)化目標(biāo)，構(gòu)建RIES的調(diào)度運(yùn)行模型，通過改進(jìn)粒子群算法求解，在優(yōu)化模型高維非線性的特點(diǎn)上實(shí)現(xiàn)了RIES問題的求解。采用改進(jìn)粒子群算法優(yōu)化調(diào)度區(qū)域綜合能源，建立區(qū)域綜合能源系統(tǒng)，通過改進(jìn)粒子群算法獲得目標(biāo)函數(shù)和約束條件，與此同時(shí)，計(jì)算隸屬度函數(shù)，分析區(qū)域綜合能源層次，通過改進(jìn)粒子群算法評價(jià)算子，最終實(shí)現(xiàn)優(yōu)化調(diào)度。

1 區(qū)域綜合能源系統(tǒng)結(jié)構(gòu)構(gòu)建

在區(qū)域綜合能源系統(tǒng)的配網(wǎng)建設(shè)中同期導(dǎo)入各種能源，實(shí)現(xiàn)各種能源負(fù)荷的要求，與各種能源轉(zhuǎn)換設(shè)置聯(lián)系，提高系統(tǒng)的靈活性，在區(qū)域綜合能源系統(tǒng)的實(shí)際應(yīng)用中，當(dāng)分配給配電網(wǎng)的能源比實(shí)際應(yīng)用的需求量多時(shí)，可將過多的能源通過相互補(bǔ)充與轉(zhuǎn)換成為其他類型的能源作為支持；當(dāng)分配給配電網(wǎng)的能源比實(shí)際應(yīng)用的需求量少時(shí)，可通過區(qū)域綜合能源系統(tǒng)中的燃?xì)庋b置將初始能源類型轉(zhuǎn)換成所需能源類型，實(shí)現(xiàn)最終所需。

筆者研究的區(qū)域綜合能源系統(tǒng)結(jié)構(gòu)如圖1所示，可以看出，區(qū)域綜合能源包括電網(wǎng)、風(fēng)電、光伏和天然氣，通過P2G設(shè)備處理信息。當(dāng)各種能源負(fù)荷的總和比實(shí)際的發(fā)電裝置大時(shí)，首先調(diào)度儲蓄能源的裝置，將其激發(fā)，而多于儲蓄裝置的能源部分則需要燃?xì)庋b置的能源支持；如果仍然不能滿足最終的負(fù)荷需求，則只能選擇上網(wǎng)購電；如果已經(jīng)滿足最終的負(fù)荷需求，則可將剩余電荷需求轉(zhuǎn)換成熱能形式的能源，以便于儲存［3，4］。

2 區(qū)域綜合能源優(yōu)化調(diào)度模型

2.1 目標(biāo)函數(shù)

2.2 RIES穩(wěn)定運(yùn)行約束條件

2.2.1 天然氣汽鍋

天然氣汽鍋大部分是使用天然氣燃燒所釋放的熱量，根據(jù)獲得的輸出功率可取得天然氣汽鍋的運(yùn)作特點(diǎn)。

2.2.4 蓄能裝置

每個(gè)能源裝置都有相應(yīng)的能源儲蓄量限制。其中，電能源蓄能裝置利用裝置對電能源的吸收和利用對所需電荷進(jìn)行儲蓄和輸出，電能源蓄能裝置只能在同一個(gè)時(shí)刻完成對電能源的儲蓄或釋放操作；氣能源儲蓄裝置也不能在同一時(shí)刻進(jìn)行氣能源的吸收與釋放；熱能源儲蓄裝置不僅不能在同一時(shí)刻進(jìn)行熱能源的吸收與釋放，還受上一時(shí)刻能源裝置的影響。

2.3 典型設(shè)備建模

筆者建立的典型設(shè)備模型包括天然氣汽鍋、天然氣發(fā)動機(jī)、電鍋爐等可進(jìn)行能源之間相互轉(zhuǎn)換和利用的裝置［8］，也包括非常重要的蓄能裝置。在天然氣汽鍋產(chǎn)生能量的過程中，天然氣的能源未能全部轉(zhuǎn)換為電能源，可將其中一部分回收再次轉(zhuǎn)換為電能源，并通過天然氣發(fā)動機(jī)和電鍋爐對能源實(shí)現(xiàn)能量轉(zhuǎn)換，同時(shí)用儲蓄裝置儲存能源。在完成對天然氣汽鍋、天然氣發(fā)動機(jī)、電鍋爐的功率估量之后，將能源的利用和轉(zhuǎn)換進(jìn)行了詳細(xì)的分析，為有效降低能源損耗，設(shè)置天然氣汽鍋的低階熱能值為9.78 kW·h/m3，保證天然氣汽鍋釋放的熱能可以盡可能地經(jīng)由天然氣發(fā)動機(jī)和電鍋爐轉(zhuǎn)換成其他形式的能源［9，10］。

式（1）～（8）組成了筆者提出的綜合能源系統(tǒng)的協(xié)調(diào)運(yùn)行優(yōu)化模型，是典型的大規(guī)模非線性混合整數(shù)優(yōu)化問題。傳統(tǒng)數(shù)學(xué)優(yōu)化方法可通過線性化等方法處理后進(jìn)行求解，但需對模型進(jìn)行一定程度的簡化。改進(jìn)粒子群算法可有效處理非線性模型，將多個(gè)目標(biāo)函數(shù)等效為尋優(yōu)目標(biāo)，并將非線性約束條件作為尋優(yōu)目標(biāo)的懲罰項(xiàng)，在保留模型非線性特征的情況下，實(shí)現(xiàn)優(yōu)化求解。改進(jìn)粒子群算法是通過模擬鳥群覓食行為而發(fā)展起來的一種基于群體協(xié)作的隨機(jī)搜索算法，通過改進(jìn)粒子的位置對應(yīng)其適應(yīng)度來衡量粒子是否為最優(yōu)。改進(jìn)粒子群優(yōu)化算法的流程如圖2所示。

3 基于改進(jìn)粒子群算法的區(qū)域綜合能源優(yōu)化調(diào)度

3.1 改進(jìn)粒子群算法隸屬度函數(shù)計(jì)算

基于粒子群算法進(jìn)行改進(jìn)，在建立區(qū)域綜合能源優(yōu)化調(diào)度的初始階段需對目的函數(shù)實(shí)現(xiàn)歸一化處理，根據(jù)收集到的多個(gè)函數(shù)的性質(zhì)進(jìn)行線性疊加，同時(shí)將多個(gè)目的函數(shù)優(yōu)化成單次目的函數(shù)，按照隸屬度函數(shù)的算法，同時(shí)檢驗(yàn)環(huán)保性質(zhì)的目標(biāo)是否達(dá)標(biāo)，最終獲得的隸屬度函數(shù)L1為：

3.2 區(qū)域綜合能源層次分析

在對區(qū)域綜合能源進(jìn)行層次分析時(shí)，根據(jù)起決策性質(zhì)的函數(shù)判斷數(shù)據(jù)是否具有客觀性，并根據(jù)改進(jìn)調(diào)換成果的合理性獲得隸屬度函數(shù)的權(quán)值。此區(qū)域綜合能源優(yōu)化調(diào)度的基礎(chǔ)上深層次解析所有影響因素的特點(diǎn)，集中處理深層次的思維過程，構(gòu)建科學(xué)性思維，設(shè)置科學(xué)性邏輯，進(jìn)一步獲得多個(gè)目標(biāo)函數(shù)的科學(xué)性解決策略。

首先將每個(gè)目的函數(shù)的關(guān)鍵水平依次排列，每兩個(gè)比較相應(yīng)指標(biāo)的重要性后獲得判別矩陣，對其進(jìn)行區(qū)域綜合能源層次分析，為有效最大特色化判別矩陣，設(shè)置特色矩陣的校驗(yàn)方式，控制最終獲得的特色矩陣實(shí)現(xiàn)標(biāo)準(zhǔn)化，根據(jù)獲得的權(quán)值得到指標(biāo)的權(quán)值，錄入一致性標(biāo)準(zhǔn)原則，按照經(jīng)濟(jì)效益分析重合程度，最后獲得綜合性指標(biāo)［12］。

3.3 改進(jìn)粒子群算法評價(jià)算子

在完成區(qū)域綜合能源層次分析后，用改進(jìn)粒子群算法處理粒子，當(dāng)粒子每一次完成搜尋操作后，依據(jù)最佳運(yùn)動軌跡完成移動，并實(shí)現(xiàn)每個(gè)粒子的最佳操作，進(jìn)一步完成最佳求解過程。改進(jìn)粒子群算法的權(quán)值可以保證粒子在搜尋的初始階段依據(jù)具有明顯慣性沖勁幫助整體進(jìn)行搜尋，在后續(xù)階段慢慢接近最佳解，防止整體均陷入最佳解的局面，加速系統(tǒng)收斂。與免疫算法相比，根據(jù)計(jì)算得到的抗體含量評估算子，聯(lián)合親密度函數(shù)分析粒子的多種形式，提高粒子的解答范圍，避免出現(xiàn)一部分陷入最佳解的局面［13，14］。

在取得粒子合理性函數(shù)后，根據(jù)新的合理性計(jì)算該粒子的親密度函數(shù)，依次進(jìn)行排序，在得到最佳親密值的函數(shù)的情況下對粒子進(jìn)行優(yōu)化處理，獲得新的粒子單個(gè)最佳解，同時(shí)保證全局最佳解，實(shí)現(xiàn)區(qū)域綜合能源的優(yōu)化調(diào)度［15］。單次優(yōu)化流程如圖3所示。

在優(yōu)化調(diào)度100次后，基于親密度函數(shù)對搜尋粒子最佳解的不利原則評估粒子新的合理性，對目的函數(shù)進(jìn)行優(yōu)化，降低權(quán)重值，避免粒子整體均獲得最佳解。

4 實(shí)驗(yàn)研究

為了驗(yàn)證基于改進(jìn)粒子群算法的區(qū)域綜合能源優(yōu)化調(diào)度方法的效果，設(shè)定實(shí)驗(yàn)。選用燃?xì)鈾C(jī)組的功率10 MW，熱鍋爐的功率5 MW，電鍋爐的功率500 kW，從電、水、氣、熱等方面分析，比較調(diào)度能耗和調(diào)度成本。設(shè)定的儲能裝置參數(shù)見表1。

根據(jù)表1選用筆者所提方法進(jìn)行優(yōu)化調(diào)度，分析調(diào)度能耗，得到的實(shí)驗(yàn)結(jié)果如圖4所示，可以看出，在使用筆者提出的調(diào)度方法后，調(diào)度花費(fèi)的能耗更低，在未進(jìn)行優(yōu)化前，調(diào)度能耗在8月達(dá)到峰值，最高能耗83.7%；在進(jìn)行優(yōu)化后，調(diào)度能耗明顯降低，最高能耗僅為48.7%。證明筆者方法具有很強(qiáng)的調(diào)度能力。

為了進(jìn)一步探究調(diào)度負(fù)荷，選用傳統(tǒng)的基于多目標(biāo)優(yōu)化調(diào)度方法和基于CPSO算法的優(yōu)化調(diào)度方法進(jìn)行實(shí)驗(yàn)對比，得到的調(diào)度負(fù)荷實(shí)驗(yàn)結(jié)果如圖5所示，可以看出，隨著時(shí)間的推移，調(diào)度負(fù)荷在不斷增加，使用3種調(diào)度方法優(yōu)化后，調(diào)度負(fù)荷能夠得到有效減少，筆者方法的調(diào)度負(fù)荷遠(yuǎn)低于傳統(tǒng)的調(diào)度優(yōu)化方法花費(fèi)負(fù)荷，當(dāng)調(diào)度時(shí)間為50 d時(shí)，筆者方法的負(fù)荷低于60%，而傳統(tǒng)的調(diào)度方法調(diào)度負(fù)荷始終在80%以上。

可見，筆者方法調(diào)度效果更好，調(diào)度能耗和調(diào)度負(fù)荷低于傳統(tǒng)方法，更適用于實(shí)際工作。

5 結(jié)束語

通過研究各個(gè)能源裝置之間的能源轉(zhuǎn)換和利用，通過隸屬度函數(shù)的計(jì)算，層次分析區(qū)域綜合能源，在目的函數(shù)中通過改進(jìn)粒子群算法實(shí)施相關(guān)操作，有效地提高了區(qū)域綜合能源的優(yōu)化調(diào)度。通過設(shè)置的優(yōu)化調(diào)度模型，對比基于傳統(tǒng)的粒子群算法，選取某個(gè)粒子進(jìn)行優(yōu)化處理，獲得單個(gè)粒子的局部最佳解，整體的最優(yōu)解，提高了系統(tǒng)的穩(wěn)定性和綜合評估能力。

改進(jìn)粒子群算法能夠有效優(yōu)化調(diào)度區(qū)域綜合能源，但是在優(yōu)化調(diào)度過程中存在如下問題：在實(shí)際操作過程中，天然氣汽鍋所產(chǎn)生的能源未能全部得到利用，天然氣發(fā)動機(jī)和電鍋爐已最大限度減低能源損耗，但在轉(zhuǎn)換過程中依舊會損耗一部分。為避免這種損耗，在后續(xù)的研究中，需研究相應(yīng)的裝置模型，以提高能源利用率。

參 考 文 獻(xiàn)

［1］ 徐建軍，趙書琪，馬睿，等.基于改進(jìn)粒子群優(yōu)化算法的綜合能源系統(tǒng)多目標(biāo)優(yōu)化［J］.廣東電力，2021，34（5）：73-81.

［2］ 陸沈雄.基于CPSO算法實(shí)現(xiàn)電力綜合能源協(xié)同優(yōu)化［J］.自動化與儀表，2020，35（1）：91-94；99.

［3］ 施泉生，王子軒，任洪波，等.基于改進(jìn)的模擬退火-粒子群算法的區(qū)域綜合能源系統(tǒng)經(jīng)濟(jì)性運(yùn)行［J］.科學(xué)技術(shù)與工程，2020，20（26）：10801-10807.

［4］ 鄒玙琦，楊國華，鄭豪豐，等.基于改進(jìn)小生境PSO算法的綜合能源系統(tǒng)調(diào)度［J］.電力系統(tǒng)及其自動化學(xué)報(bào)，2020，32（7）：47-52；60.

［5］ 李咸善，馬凱琳，程杉.含多區(qū)域綜合能源系統(tǒng)的主動配電網(wǎng)雙層博弈優(yōu)化調(diào)度策略［J］.電力系統(tǒng)保護(hù)與控制，2022，50（1）：8-22.

［6］ 程杉，程穎，汪業(yè)喬，等.一種含電動汽車的新能源微電網(wǎng)多目標(biāo)分層優(yōu)化調(diào)度方法［J］.電力系統(tǒng)保護(hù)與控制，2022，50（12）：63-71.

［7］ 吳志遠(yuǎn)，黃顯峰，李昌平，等.基于分段粒子群算法的梯級水庫多目標(biāo)優(yōu)化調(diào)度模型研究［J］.水資源與水工程學(xué)報(bào)，2020，31（3）：145-154.

［8］ 李玉凱，韓佳兵，于春浩，等.基于隨機(jī)森林和長短期記憶網(wǎng)絡(luò)多元負(fù)荷預(yù)測的綜合能源三層規(guī)劃調(diào)度［J］.現(xiàn)代電力，2021，38（6）：695-703.

［9］ 王文君，方國華，李媛，等.基于改進(jìn)多目標(biāo)粒子群算法的平原坡水區(qū)水資源優(yōu)化調(diào)度［J］.水資源保護(hù)，2022，38（2）：91-96.

［10］ 馬喜平，楊燕靜，沈渭程，等.基于改進(jìn)量子粒子群算法的微能源網(wǎng)優(yōu)化運(yùn)行［J］.電網(wǎng)與清潔能源，2022，38（7）：47-53.

［11］ 閆秀英，黨苗苗.基于改進(jìn)多目標(biāo)粒子群算法的家庭用電時(shí)段優(yōu)化［J］.系統(tǒng)仿真學(xué)報(bào)，2022，34（1）：70-78.

［12］ 柴桂安，武家輝，姚磊，等.基于改進(jìn)動態(tài)慣性權(quán)重粒子群算法的冷熱電聯(lián)供型微網(wǎng)運(yùn)行優(yōu)化［J］.科學(xué)技術(shù)與工程，2022，22（4）：1472-1479.

［13］ 熊軍華，焦亞純，王夢迪.計(jì)及電轉(zhuǎn)氣的區(qū)域綜合能源系統(tǒng)日前優(yōu)化調(diào)度［J］.現(xiàn)代電力，2022，39（5）：554-561.

［14］ 李咸善，馬凱琳，程杉.含多區(qū)域綜合能源系統(tǒng)的主動配電網(wǎng)雙層博弈優(yōu)化調(diào)度策略［J］.電力系統(tǒng)保護(hù)與控制，2022，50（1）：8-22.

［15］ 廖宗毅，萬文略，陳曦.考慮價(jià)格引導(dǎo)機(jī)制的園區(qū)綜合能源系統(tǒng)日前優(yōu)化調(diào)度方法［J］.南方電網(wǎng)技術(shù)，2021，15（9）：53-60；68.

（收稿日期：2023-10-04，修回日期：2024-04-25）

Regional Integrated Energy Optimal Scheduling Method Based on Improved Particle Swarm Optimization Algorithm

WANG Yi-rong， ZHAO Xiao-long， YU Zhou

（Big Data Center of State Grid Corporation of China）

Abstract " "Aiming at regional integrated scheduling method’s higher energy consumption and load， an improved PSO algorithm-based regional integrated energy optimization scheduling method was proposed and a regional integrated energy system was established basing on the grid， wind power， photovoltaic and natural gas， including making use of P2G equipment to process the information and store the electricity， gas and heat energies. In addition， through calculating target revenue of the regional integrated energy system and the final total energy purchase price， the objective function was obtained， which has the constraints determined by the heat power released by the gas boiler， the heat power of the gas engine， both the heat power and the output power of the electric boiler； meanwhile， the membership function was obtained by using the PSO algorithm improved， and the key level of each objective function was arranged in turn to establish the objective matrix so as to realize regional comprehensive energy hierarchy analysis and to implement the single optimization according to the particle rationality function so as to complete energy optimization scheduling. The experimental results show that， this method’s highest energy consumption based on PSO algorithm improved is only 48.7%， and the scheduling load is less than 60.0%， which has excellent scheduling ability.

Key words " improved PSO， regional energy， comprehensive energy， energy optimization， optimal scheduling， energy consumption， scheduling load