中圖分類號：TM734 文獻(xiàn)標(biāo)志碼：A文章編號：1001-5922（2025）05-0155-04

Abstract：In order to improve the utilization eficiency of new energy，a new energysupply chain scheduling optimization model was constructed withthe lowest total operating cost as the objective function and energy balance and output power as constraints.Then，the model was solved by using the improved particle swarm optimization （PSO） algorithm introducing chaos strategy，and the scheduling optimization of the new energy supplychain was realized. The simulation results showed that the proposed dispatching optimization model could formulate a reasonable new energysupply plan，and efectively reduce the total operating cost when thecombined heat and power microgrid is operated independently and connected to the grid.Compared with theconventional scheduling optimization model， the proposed model has lower total operating cost，certain reliability and superiority，and provides a reference for improving the utilization rate of new energy.

Key words：particle swarm optimization algorithm；new energy supply chain；scheduling optimization；heat and power combined microgrids

近年來，光伏發(fā)電和風(fēng)力發(fā)電技術(shù)的成熟，新能源供電成為我國電力系統(tǒng)微電網(wǎng)供電的重要組成部分。新能源的接人，有效緩解了用電緊張和能源壓力問題，提高了電力系統(tǒng)的靈活性。但由于光伏、風(fēng)力等新能源受天氣等因素的影響，發(fā)電效率具有不確定性，導(dǎo)致新能源供應(yīng)鏈存在嚴(yán)重調(diào)度失調(diào)問題。為解決該問題，楊靜結(jié)合機(jī)器學(xué)習(xí)和時間序列分析方法，通過對電網(wǎng)短期負(fù)荷進(jìn)行預(yù)測，并結(jié)合新能源發(fā)電情況，提出一種新能源調(diào)度方法，實(shí)現(xiàn)了新能源的調(diào)度優(yōu)化，有助于提高電網(wǎng)運(yùn)行穩(wěn)定性和安全性[1]；閆慧霞等通過分析新能源大規(guī)模并入電網(wǎng)后的隨機(jī)性特點(diǎn)，通過采用線性規(guī)劃進(jìn)行調(diào)度優(yōu)化，提出一種新能源調(diào)度優(yōu)化算法，最大限度地提高了新能源的利用效率[2]；常云等通過構(gòu)建PSO短期電網(wǎng)負(fù)荷預(yù)測模型，并以歷史負(fù)荷等數(shù)據(jù)為輸入，以運(yùn)行成本最低為目標(biāo)函數(shù)，提出一種新能源調(diào)度策略，確保了微電網(wǎng)在接人新能源后可低成本運(yùn)行[3]。通過上述研究可以發(fā)現(xiàn)，新能源的接入，加劇了微電網(wǎng)調(diào)度的波動性，但通過一系列的調(diào)度優(yōu)化策略，可改善該問題?；诖?，研究結(jié)合PSO算法的強(qiáng)大尋優(yōu)能力，對以總運(yùn)行成本最低為目標(biāo)函數(shù)構(gòu)建的新能源供應(yīng)鏈調(diào)度優(yōu)化模型進(jìn)行求解，以尋求最佳調(diào)度優(yōu)化方案。

1調(diào)度優(yōu)化模型構(gòu)建

1.1 目標(biāo)函數(shù)確定

新能源供應(yīng)鏈的調(diào)度優(yōu)化目的是考慮成本情況下，制定合理的新能源供應(yīng)計(jì)劃，以使熱電聯(lián)供微電網(wǎng)總效益最高。因此，新能源供應(yīng)鏈的調(diào)度優(yōu)化是一個多目標(biāo)優(yōu)化問題。通過綜合考慮微電網(wǎng)實(shí)際運(yùn)行情況，選擇總運(yùn)行成本最低為目標(biāo)函數(shù)，并以發(fā)電成本最低、環(huán)境效益最大進(jìn)行衡量[1|-12]?；谏鲜龇治?，構(gòu)建如式（1）所示的目標(biāo)函數(shù)。

式中： Z 為總運(yùn)行成本； 分別為發(fā)電成本和環(huán)境效益，可分別通過式（2）和式（3）進(jìn)行計(jì)算； b=1，a，b 均為加權(quán)系數(shù)。

式中： T 為調(diào)度時間周期； 為能耗成本，可通過式（4）計(jì)算； 為運(yùn)營維護(hù)成本，可通過式（5）計(jì)算； 為電網(wǎng)交互成本，可通過式（6）計(jì)算；M 為污染物類型數(shù)量； k 為釋放氣體類型數(shù)量； 為污染廢氣治理成本； 為發(fā)電單元 產(chǎn)生 k 的罰款； 為主電網(wǎng)產(chǎn)生 k 的罰款； α 為微電網(wǎng)運(yùn)行狀態(tài)系數(shù)，取值為0表示微電網(wǎng)獨(dú)立運(yùn)行，取值為1表示微電網(wǎng)并網(wǎng)運(yùn)行[13-14] 。

（6）式中： 為微電源輸出功率； 為燃燒效率； 為燃?xì)鈨r格； N，i 分別表示微電源個數(shù)和種類；LHV為燃?xì)獾蜔嶂担? 為發(fā)電單元維護(hù)費(fèi)用；ZP（t） 分別為微電網(wǎng)購電和售電價格；ZS（t） .CSP（t） 分別為主電網(wǎng)的購電與售電價格。

1.2 約束條件

考慮到微電網(wǎng)中新能源供應(yīng)鏈中光伏發(fā)電和風(fēng)力發(fā)電與燃?xì)廨啓C(jī)發(fā)電、燃料電池發(fā)電、蓄電池放電和主電網(wǎng)供電的運(yùn)行特性存在明顯差異。因此，為確保新能源供應(yīng)鏈調(diào)度優(yōu)化的可靠性，對目標(biāo)函數(shù)進(jìn)行以下約束：

1.2.1 能量平衡

能量平衡包括電功率的供需平衡和熱功率的供需平衡，可通過式（7）和式（8）進(jìn)行約束[15]

式中： 為發(fā)電單元 在 時刻的輸出功率； 為 時刻蓄電池電功率； 為燃料電池消耗的電功率；分別為 時刻電負(fù)荷和熱負(fù)荷預(yù)測值； 和 分別為燃?xì)廨啓C(jī)組和燃料電池在 時刻的輸出熱功率。

1.2.2 輸出功率約束

微電源的輸出功率需滿足大于最小輸出功率 ，小于最大輸出功率 的條件。因此，設(shè)置式（9）對輸出功率進(jìn)行約束。

2調(diào)度優(yōu)化模型求解

基于上述構(gòu)建的新能源供應(yīng)鏈調(diào)度優(yōu)化模型中，目標(biāo)函數(shù)和約束條件分析，利用改進(jìn)PSO算法進(jìn)行求解，可獲得目標(biāo)函數(shù)的最優(yōu)解，即可實(shí)現(xiàn)新能源供應(yīng)鏈的調(diào)度優(yōu)化。

（1）收集與整理研究對象的熱負(fù)荷、電負(fù)荷、風(fēng)力發(fā)電運(yùn)行參數(shù)、光伏發(fā)電運(yùn)行參數(shù)等用于計(jì)算目標(biāo)函數(shù)的數(shù)據(jù)；

（2）初始化改進(jìn)PSO算法的參數(shù)，包括最大迭代次數(shù)、學(xué)習(xí)因子等；

（3）通過調(diào)整微電源數(shù)量，使其滿足約束條件；

（4）考慮新能源供應(yīng)鏈光伏發(fā)電和風(fēng)力發(fā)電情況，并根據(jù) 24h 的調(diào)度情況，判斷當(dāng)前個體的可靠性；

（5）計(jì)算粒子適應(yīng)度值，并保留最大適應(yīng)度值個體；

（6）當(dāng)算法滿足結(jié)束條件，則輸出結(jié)果，為微電源的整體最優(yōu)值。由此，可計(jì)算得到新能源供應(yīng)鏈和其他微電源的實(shí)際發(fā)電情況。

3 仿真實(shí)驗(yàn)

3.1 實(shí)驗(yàn)環(huán)境搭建

實(shí)驗(yàn)基于MATLAB2018b軟件搭建改進(jìn)PSO算法模型，并基于64位Windows10操作系統(tǒng)運(yùn)行。系統(tǒng)配置Inteli7中央處理器，NVIDIATeslaP40顯卡。

3.2 數(shù)據(jù)來源及預(yù)處理

實(shí)驗(yàn)數(shù)據(jù)來自自主收集的2022年9月典型日鄭州某生活園區(qū)熱電聯(lián)供微電網(wǎng)數(shù)據(jù)，包括日照強(qiáng)度、風(fēng)速、光伏發(fā)電運(yùn)行參數(shù)、風(fēng)力發(fā)電運(yùn)行參數(shù)、微電網(wǎng)成本參數(shù)、電負(fù)荷、售電價格、溫度等[16-17] 。

3.3 評價指標(biāo)

實(shí)驗(yàn)選用經(jīng)濟(jì)性能、能源效率作為評估新能源供應(yīng)鏈調(diào)度優(yōu)化模型的指標(biāo)。其中，經(jīng)濟(jì)性能通過凈現(xiàn)值（NPV）進(jìn)行衡量，計(jì)算方法如式（10）；能源效率通過點(diǎn)效率系數(shù)和特效率系數(shù)進(jìn)行衡量，計(jì)算方法分別如式（11）和式（12）[18-20] O

式中： R 表示收入額； 為新能源供應(yīng)系統(tǒng)邊際資本成本； y（x） 為新能源供應(yīng)系統(tǒng)年邊際運(yùn)營成本； x 為年份； r 為 x 年的利率； 為發(fā)電單元流向整流器的電能； 分別為流入發(fā)電單元的熱能和發(fā)電單元蓄熱供應(yīng)熱能。

3.4參數(shù)設(shè)置

設(shè)置改進(jìn)PSO算法迭代輪次為200，初始種群 和慣性權(quán)重分別為20和0.9，學(xué)習(xí)因子 。

3.5 結(jié)果與分析

3.5.1 改進(jìn)PSO算法驗(yàn)證

為驗(yàn)證所提改進(jìn)PSO算法的有效性，實(shí)驗(yàn)對比了微電網(wǎng)獨(dú)立運(yùn)行和并網(wǎng)運(yùn)行時，改進(jìn)前后PSO算法的收斂速度，結(jié)果如圖1所示。

由圖1可知，無論是微電網(wǎng)獨(dú)立運(yùn)行還是并網(wǎng)運(yùn)行，相較于改進(jìn)前PSO算法，改進(jìn)PSO算法的收斂速度更快。由此說明，研究對PSO算法的改進(jìn)有效。

3.5.2 調(diào)度優(yōu)化驗(yàn)證

（1）獨(dú)立運(yùn)行調(diào)度優(yōu)化結(jié)果。微電網(wǎng)獨(dú)立運(yùn)行時，不同時間段新能源供應(yīng)鏈中，風(fēng)力發(fā)電和光伏發(fā)電的輸出功率對比結(jié)果如圖2所示。

由圖2可知， 22：00～24：00 風(fēng)力發(fā)電輸出功率為 0，20：00～06：00 點(diǎn)光伏發(fā)電輸出功率為0。由此可知，在 22：00～24：00 ，新能源供應(yīng)鏈提供的電能為0，不能滿足負(fù)荷需求。因此，需要采用改進(jìn)PSO算法計(jì)算得到微電源的輸出情況。

圖3為新能源供應(yīng)鏈提供的電能滿足不了用電負(fù)荷需求時，使用改進(jìn)PSO算法對調(diào)度優(yōu)化模型進(jìn)行求解，得到不同微電源的輸出功率。

由圖3可知，當(dāng)光伏發(fā)電和風(fēng)力發(fā)電新能源供應(yīng)不足時， 24：00～08：00 期間，先后通過燃?xì)廨啓C(jī)、燃料電池、蓄電池進(jìn)行電能供給； 08：00～16：00 期間，由于蓄電池發(fā)電成本更低，采用蓄電池補(bǔ)充供給； 16：00～08：00 ，依次由燃?xì)廨啓C(jī)、燃料電池和蓄電池進(jìn)行供電補(bǔ)給，以滿足供電需求。

（2）并網(wǎng)運(yùn)行調(diào)度優(yōu)化結(jié)果。微電網(wǎng)并網(wǎng)運(yùn)行時，采用改進(jìn)PSO算法確定微電源的處理情況，結(jié)果如圖4所示。

由圖4可知，在 24：00～08：00 期間，若新能源提供的風(fēng)力電能和光伏電能無法滿足用電需求，此時先后通過燃?xì)廨啓C(jī)和主電網(wǎng)補(bǔ)充供給；在08：00～18：00 期間，若新能源提供的風(fēng)力電能和光伏電能無法滿足用電需求，此時通過主電網(wǎng)補(bǔ)充供給；在 18：00～24：00 期間，若新能源提供的風(fēng)力和光伏電能無法滿足用電需求，此時通過燃?xì)廨啓C(jī)、燃料電池和蓄電池補(bǔ)充供給。

為進(jìn)一步驗(yàn)證所提方法在微電網(wǎng)并網(wǎng)運(yùn)行時對新能源供應(yīng)鏈的調(diào)度優(yōu)化效果，實(shí)驗(yàn)對比了所提調(diào)度優(yōu)化方法與常規(guī)調(diào)度優(yōu)化方法的總運(yùn)行成本，結(jié)果如圖5所示。

由圖5可知，相較于常規(guī)調(diào)度優(yōu)化方法，所提方法的總成本更低。分析其原因是，當(dāng)新能源供應(yīng)鏈提供的風(fēng)力電能和光伏電能超過用戶需求時，多余的電能會向主電網(wǎng)進(jìn)行出售，避免了電能的損失浪費(fèi)。由此說明，所提的新能源供應(yīng)鏈調(diào)度優(yōu)化方法具有可行性和一定的優(yōu)越性。

4結(jié)語

綜上所述，所提構(gòu)建的新能源供應(yīng)鏈調(diào)度優(yōu)化模型，通過總運(yùn)行成本最低作為目標(biāo)函數(shù)，并對其進(jìn)行能量平衡和輸出功率約束，同時利用改進(jìn)PSO算法進(jìn)行求解，實(shí)現(xiàn)了新能源供應(yīng)鏈的調(diào)度優(yōu)化。相較于采用常規(guī)調(diào)度優(yōu)化方法，所提調(diào)度優(yōu)化方法在熱電聯(lián)供微電網(wǎng)獨(dú)立運(yùn)行和并網(wǎng)運(yùn)行中的總運(yùn)行成本更低，且避免了電能的浪費(fèi)，具有一定的可行性和優(yōu)越性。

【參考文獻(xiàn)】

[1］楊靜.基于短期電網(wǎng)負(fù)荷智能預(yù)測算法的新能源調(diào)度策略［J].模具制造，2023，23（10）：226-228.

[2]閆慧霞.基于線性規(guī)劃與分時電價的可再生能源調(diào)度算法[J].流體測量與控制，2023，4（4）：34-39.

[3]常云，蘇華堂，王來奎，等.基于短期電網(wǎng)負(fù)荷智能預(yù)測算法的新能源調(diào)度策略[J].電子設(shè)計(jì)工程，2023，31（6） ：85-89.

[4]彭宇文，李瑞，周永旺，等.基于IGDT和PSO-SA的綜合能源系統(tǒng)魯棒優(yōu)化調(diào)度方法［J].廣東電力，2023，36（9） ：60-71.

[5]施明，施宇豪.新能源發(fā)電接人電網(wǎng)調(diào)度運(yùn)行技術(shù)研究[J].光源與照明，2023（7）：201-203.

[6］苗福豐，吳豫.面向區(qū)域化綜合能源調(diào)度的負(fù)荷預(yù)測算法設(shè)計(jì)[J].電子設(shè)計(jì)工程，2023，31（15）：173-177.

[7］胡廣潤，曾天舒.Niche－PSO 算法在建筑冷-熱－電綜合能源自動化調(diào)度中的應(yīng)用[J].自動化與儀器儀表，2023（5）：323-327.

[8］田偉健，趙賢聰，白皓.鋼鐵工業(yè)多介質(zhì)能源系統(tǒng)優(yōu)化調(diào)度模型研究綜述及展望[J].冶金自動化，2023，47（4）：1-16.

[9］崔天依.節(jié)能減排背景下綜合智慧能源優(yōu)化調(diào)度系統(tǒng)研究［J].電工技術(shù)，2023（11）：71-73.

[10]霍天雨，楊一恒，張家磊.基于改進(jìn)PSO 算法的綜合能源系統(tǒng)優(yōu)化調(diào)度研究［J].信息技術(shù)與信息化，2023，（7） ：203-207.

[11］陸鵬.能源供應(yīng)中的CHP型微電網(wǎng)系統(tǒng)優(yōu)化調(diào)度研究[D].阜新：遼寧工程技術(shù)大學(xué)，2018.

[12]鄒巧琦，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，2020，32（7） ：47-52.

[13]賀文，陳珍萍，胡伏原，等.基于一致性的綜合能源系統(tǒng)低碳經(jīng)濟(jì)調(diào)度[J].電力系統(tǒng)保護(hù)與控制，2023，51（19） ：42-53.

[14]楊佳霖，趙鵬翔，李振，等.基于能源監(jiān)控與優(yōu)化調(diào)度的綜合能源系統(tǒng)研究[J].電氣自動化，2023，45（5）：57-60.

[15]劉顯茁，王皓懷，田偉達(dá)，等.基于數(shù)據(jù)平臺的新能源運(yùn)行調(diào)度分析系統(tǒng)[J].機(jī)械與電子，2023，41（3）：13-17.

[16]黃地，黃平，李杰，等.基于短期負(fù)荷預(yù)測的可再生能源調(diào)度優(yōu)化算法設(shè)計(jì)［J].電子設(shè)計(jì)工程，2023，31（5） ：125-129.

[17]辛銳，姜丹，鄭煥坤，等.基于雙碳目標(biāo)的大數(shù)據(jù)能源調(diào)度博弈管理算法研究［J].電測與儀表，2022，59（4） ：55-65.

[18]劉金華，柯鐘鳴，周文輝.基于強(qiáng)化學(xué)習(xí)的微電網(wǎng)能源調(diào)度策略及優(yōu)化［J].北京郵電大學(xué)學(xué)報，2020，43（1） ：28-34.

[19]許洪光，李鳳英，郭茜.機(jī)器學(xué)習(xí)算法改進(jìn)及在化工故障診斷中的應(yīng)用[J].粘接，2022，49（5）：85-89.

[20]年剛偉，季北，張安俊.基于粒子群改進(jìn)的高鐵隧道沉降預(yù)測研究［J].粘接，2021，46（6）：165-168.

（責(zé)任編輯：平海）