基于改進多目標粒子群算法的微電網并網優化調度

苗雨陽，盧錦玲，朱國棟

（華北電力大學 電氣與電子工程學院，河北 保定 071003）

基于改進多目標粒子群算法的微電網并網優化調度

苗雨陽，盧錦玲，朱國棟

（華北電力大學 電氣與電子工程學院，河北 保定 071003）

微電網能夠協調分布式電源，從而充分發揮分布式發電技術在經濟、能源和環境中的優勢。針對微電網并網時的優化調度問題，建立了考慮發電成本、污染物排放的微電網系統的環保優化模型，并利用改進的多目標粒子群算法，在這兩個目標之間進行協調權衡和折中處理，使所有目標函數盡量達到最優。選取微電網案例的日負荷數據進行了優化調度計算，仿真結果表明了所提模型和算法的有效性。

微電網；并網；多目標粒子群；優化調度

0 引言

微電網是由一系列分布式發電系統、儲能系統和負荷組成的微型電力網，提供了一個把分布式電源和大電網有效結合起來的方法。微電網中的分布式電源包括微型燃氣輪機、燃料電池、光伏電池、風力發電、生物質能發電等，是一個自制系統，根據需要可以選擇與配電網并網運行也可以選擇獨立運行。并網運行時，大電網可以作為微電網的重要支撐，保證微電網內負荷的可靠供電；孤網運行時，微電網由內部微電源獨立供電，為了保證微電網內的供電可靠性，儲能裝置參與系統的優化調度［1～3］。

微電網的理論和實驗研究方面已經取得了一定的成果，國際間的交流也推動了微電網的快速發展。但是，在實現微電網的運行控制、能量管理和調度方面仍存在諸多問題［4，5］。文獻 ［6］建立了以發電成本最小為目標函數的經濟調度模型，考慮了各種電源的約束條件，并利用改進的遺傳算法求解，但沒有考慮微電網系統與主網的能量交換問題。文獻 ［7］應用機會約束規劃理論建立了熱電聯供型微電網運行優化模型，并利用粒子群算法求解，但并未考慮環境污染問題。文獻［8］從成本和效益兩個方面分析了微電網的經濟性，建立了考慮溫室氣體、污染物排放的以微電網運行成本最低為目標函數的微電網經濟模型，但是在利用粒子群算法進行求解時，只考慮發電成本和排放成本的總成本作為優化目標。文獻［9］從協調運行的角度，討論了互聯區域的發電調度策略，將發電成本最小和污染氣體排放最小同時作為目標函數。提出一種新的分區設置多目標權系數的方案，按照電網分區的原則，對各分區進行了分布式并行優化。

本文主要研究了微電網并網運行模式下的優化調度問題，即在滿足系統各約束條件下如何優化微電網中各微電源的出力，使微電網的目標函數達到最優。通過建立含多種微電源的微電網環保優化調度模型，考慮模糊評價時不同的評價權重以及微電網與主網能量的雙向交易問題進行優化，并結合實際微電網案例驗證了本文數學模型與優化算法的正確性與有效性。

1 微電網優化調度建模

1.1 目標函數

微電網優化調度的目標是在滿足系統運行約束條件下，通過優化微電網系統內各微電源的出力，使微電網的綜合目標成本最小［10］。

目標1：微電網系統的運行成本最低。運行成本中，考慮各微電源的發電成本以及微電網與主網間的能量交換成本。

式中：C1為微電網系統的總運行成本；T為微電網的調度周期總時段數；N為微電網內微電源的總數；Fi（Pi（t））為微電源的發電成本，包括燃料成本、運行維護成本和啟動成本；Cgrid為微電網與主網的購售電價格；Pgrid（t）為微電網與主網交換功率，其中，Cgrid

Cbuy為微電網從主網的購電價格；Ccell為微電網向主網的售電價格。

目標2：微電網系統的環境效益最大，即污染物排放治理費用最小。

式中：C2為微電網的污染物處理費用；?i為第i種污染物的處理費用，污染物包括SO2，CO2，NOX等；βji為第j個微電源第i類污染物的排放系數；βgridi為主電網第i類污染物的排放系數。Ptj為第j個微電源的輸出功率；為主網的輸出功率。

1.2 約束條件

（1）功率平衡約束

（2）微電源出力約束

（3）微電網與主網間能夠允許交互的功率約束：

式中：Pmingrid，Pmaxgrid為微電網與主網間交互的最小、最大傳輸功率；若Pmingrid＜0，表示微電網系統可以向主網輸出功率。

（4）蓄電池運行約束

2 基于多目標粒子群算法的求解

2.1 多目標粒子群算法的改進

標準粒子群算法 （PSO）的基本思想是：隨機初始化一群沒有質量和體積的粒子，將每個粒子看成是待求問題的一個解，用適應度函數來衡量粒子的優劣，所有粒子在可行解空間內按一定的速度運動并不斷追隨當前最優粒子，經過若干代搜索后得到該問題的最優解［11～13］。針對所研究的問題，為使兩個目標函數同時達到最優，本文使用多目標PSO算法。多目標PSO算法 （ MPSO）中不再僅有一個目標函數而是由多個目標函數構成的目標向量，各個目標之間通過適應度相互制約，對某個目標的優化往往是以其他目標為代價。

針對所研究問題，本文對多目標粒子群算法進行了改進。改進多目標粒子群算法的主要步驟包括外部檔案維護、全局最優值選取、個體最優值更新以及如何保證粒子始終在搜索空間內飛行等。外部檔案用來保留多目標粒子群算法在搜索過程中獲得的部分非劣解。多目標粒子群算法所得到的最終的外部檔案，即為每個時段調度方案的非劣解集。本文使用模糊決策方法從非劣解集中得到最終的調度方案。首先，將發電成本和污染氣體排放量兩個目標函數進行模糊化處理，其隸屬函數如下：式中：fi為第i個非劣解的目標函數值；aimi為模糊化后的目標函數值；fmax和fmin為非劣解集的目標函數的最大最小值。

然后，把發電成本、污染氣體排放量作為因素集，并對粒子群算法所得非劣解集做單因素評價，組成模糊評價矩陣。根據實際情況確定權重，最后進行模糊綜合評判，取最優者作為最終的調度方案。

粒子群算法中，由速度更新公式和位置更新公式計算所得的解，往往無法滿足等式約束 （4），常用的解決方法是由尋優群體在搜索域內求得 M維變量中的前 M－1維變量，剩余1維變量的值由等式約束來確定，這種方法很容易導致最后一維解不滿足運行約束式 （5），造成無效解［14］。針對約束條件的處理問題，本文使用一種可行化調整機制對優化調度方案進行調整。對時段t的優化調度方案pt＝ ［，，…，］，可行化調整機制具體描述如下：

式中：pt為調整前的優化調度方案；pt，＊為調整后的優化調度方案；pmaxt和pmint為時段t機組所能達到的出力上下限。經過可行化調整機制處理后，各機組出力可滿足等式約束條件 （4）。

2.2 基于改進多目標粒子群算法的求解流程

（1）輸入系統原始數據以及粒子群算法參數。

（2）對粒子速度、位置初始化。設定傳輸線處功率上下限。迭代次數k＝0；隨機產生每個粒子時，若不滿足等式約束 （4），用可行化調整方案處理使其滿足等式約束條件。

（3）更新飛行速度和粒子在解空間的位置，對更新后的粒子判斷是否滿足各類約束并進行可行化調整。

（4）計算各粒子的適應度；更新粒子的個體最優值與全局最優值。首先記錄粒子i（i＝1，2，…，N）當前的個體極值及對應的目標函數值，然后進行外部檔案維護，通過模糊決策更新這一時刻的全局極值以及對應的目標函數值。

（5）迭代次數k＝k＋1，更新慣性權重w和學習因子c1，c2。

（6）如果k＜K，轉到步驟3進行下一次迭代。否則說明迭代過程完成。

（7）輸出結果。

3 算例分析

3.1 算例系統

采用算例系統由太陽能 （PV）、風能 （WT）、燃料電池 （FC）、微型燃氣輪機 （ MT）、蓄電池（BT）組成。由于主要研究微電網并網時的優化調度模型，此時，微電網內的功率波動由大電網進行平衡，蓄電池處于充電備用狀態。系統微電源參數以及污染物處理費用如表1和表2所示。負荷預測曲線 （PL）以及除去清潔能源出力后所需負荷 （PLremined）曲線如圖1所示。

表1 不同微電源的參數Tab.1 Parameters of different microgrid units

表2 污染物處理費用Tab.2 Externality costs and emission factors

表1和表2相關參數見參考文獻［15］～［17］。

3.2 算例結果分析

基于改進多目標粒子群算法，采用 Matlab 7.6軟件編寫了適用于上述微電網算例的優化調度程序。設置種群大小為60，最大迭代次數為200代。

圖1 24 h負荷曲線Fig.1 24 hours load curve

3.2.1 模糊評價權重不同

采用多目標粒子群算法，在尋優過程中綜合考慮了發電成本和環境成本因素，在進行模糊決策時，可以根據對優化目標的偏好以及負荷水平和風光功率預測情況，設置不同的模糊評價權重，從多目標粒子群算法所得到的非劣解集中選取最合適的調度方案。圖2中，模糊評價因素集 ［發電成本，環境成本］的權重分別為 ［0.2，0.8］、［0.8，0.2］。

由圖可知，模糊評價權重不同時優化結果差異較大。當評價因素集中環境成本權重較大時，由于微型燃氣輪機污染物排放成本較低，所以，微型燃氣輪機優先發電，其次是燃料電池，最后是從主網購電。而當評價因素集中發電成本權重較大時，由于燃料電池發電成本最低，所以燃料電池優先發電，其次是微型燃氣輪機，最后是從主網購電。

3.2.2 控制策略不同

根據微電網與主網傳輸功率限值以及微電源和電網的優先發電順序不同，共設定三種控制策略：

（1）優先利用微電網內部能源發電，若不能滿足負荷需求，可以從主網吸收功率，但是不可以向主網輸出功率。

（2）微電網內部電源與主網共同參與優化調度，可以從主網吸收功率，不可以向主網輸出功率。

（3）微電網內部電源與主網共同參與優化調度，既可以從主網吸收功率，也可以向主網輸出功率。

選取模糊評價權重為 ［10］，應用本文算法對三種策略進行優化調度，結果如圖3所示。

由圖可知，微電網系統選取相同的模糊評價權重時，選取的控制策略不同，得到的優化調度結果也不同。選取控制策略1時，優先利用微網中的微電源發電，當所有的微電源發電出力達到上限仍不能滿足負荷要求時，由主網發電；控制策略2時，燃料電池優先得到利用，其次是電網，最后是微型燃氣輪機；當采用控制策略3時，仍然是燃料電池優先得到利用，微電網系統可以向電網送電，實現能量的雙向流動，在1～3時刻，發電成本較低的燃料電池在滿足微電網系統負荷后電量仍有剩余，將其出售給電網，可獲取一定的收益。

4 結論

本文研究了微電網并網時的優化調度問題，利用改進多目標粒子群算法進行求解，在兩個目標函數之間進行協調權衡和折中處理，使所有目標函數盡量達到最優，與單目標粒子群算法相比，更加符合實際情況要求。本文分別對不同模糊評價權重和不同的控制策略時各發電單元的最優出力進行仿真，算例分析符合實際情況，驗證了本文所提模型和算法的正確性和有效性。

［1］左文霞，李澍森，吳夕科，等.微電網技術及發展情況 ［J］.中國電力，2009，42 （7）：26－30.

Zuo Wenxia，Li Shusen，Wu Xike，et al.A summarized survey on research of microgrid technology and its development［J］.Electric Power，2009，42 （7）：26－30.

［2］汪少勇.基于分布式電源的微網的設計與運行 ［J］.電力自動化設備，2011，31（4）：120－123.

Wang Shaoyong.Design and operation of micro-grid based on distributed generation ［J］.Eletric Power Automation Equipment，2011，31 （4）：120－123.

［3］宋斌.基于Agent的微網控制系統研究 ［J］.電力科學與工程，2009，25 （9）：22－25.

Song Bin.Agent-based control framework for mierogrid ［J］.Electric Power Science and Engineering，2009，25 （9）：22－25.

［4］盛鹍，孔力，齊智平，等.新型電網－微電網 （ Microgrid）研究綜述 ［J］.繼電器，2007，35 （12）：75－81.

Sheng Kun，Kong Li，Qi Zhiping，et al.A survey on research of microgd-a new power system ［J］.Relay，2007，35 （12）：75－81.

［5］魯宗相，王彩霞，閡勇，等.微電網研究綜述 ［J］.電力系統自動化，2007，31（19）：100－108.

Lu Zongxiang，Wang Caixia，He Yong，et al.Overview on microgrid research ［J］.Automation of Electric Power Systems，2007，31 （19）：100－108.

［6］丁明，張穎媛，茆美琴，等.包含鈉硫電池儲能的微網系統經濟運行優化 ［J］.中國電機工程學報，2011，31 （4）：7－14.

Ding Ming，Zhang Yingyuan， Mao Meiqin，et al.E-conomic operation optimization for microgrids including Na／S battery storage ［J］.Proceeding of the CSEE，2011，31 （4）：7－14.

［7］王銳，顧偉，吳志.含可再生能源的熱電聯供型微網經濟運行優化 ［J］.電力系統自動化，2011，35（8）：22－27.

Wang Rui，Gu Wei，Wu Zhi.Economic and optimal operation of a combined heat and power microgrid with renewable energy resources ［J］.Automation of Electric Power Systems，2011，35 （8）：22－27.

［8］楊佩佩，艾欣，崔明勇，等.基于粒子群優化算法的含多種供能系統的微網經濟運行分析 ［J］.電網技術，2009，33 （20）：38－42.

Yang Peipei，Ai Xin，Cui Mingyong，et al.Particle swarm optimization based economic operation analysis of microgrid containing multi energy supply system ［J］.Power System Technology，2009，33 （20）：38－42.

［9］喻潔，李揚，夏安邦.兼顧環境保護與經濟效益的發電調度分布式優化策略 ［J］.中國電機工程學報，2009，29 （16）：63－68.

Yu Jie，Li Yang，Xia Anbang.Distributed optimization of generation dispatch schedule considering environmental protection and economic profits ［J］.Proceedings of the CSEE，2009，29 （16）：63－68.

［10］習朋，李鵬，劉金鑫.微網并網時的經濟運行研究［J］.電力科學與工程，2011，27 （9）：1－7.

Xi Peng，Li Peng，Liu Jinxin.Research on Economic Operation Optimization of Grid-connected Microgrid［J］.Electric Power Science and Engineering，2011，27 （9）：1－7.

［11］丁明，包敏，吳紅斌.分布式供能系統的經濟調度［J］.電力科學與技術學報，2008，23 （1）：13－17.

Ding Ming，Bao Min，Wu Hongbin.Economic dispatching on distributed energy supply system ［J］.Journal of Electric Power Science and Technology，2008，23 （1）：13－17.

［12］楊俊杰，周建中，吳瑋，等.改進粒子群優化算法在負荷經濟分配中的應用 ［J］.電網技術，2005，29（2）：2－4.

Yang Junjie，Zhou Jianzhong，Wu Wei，et al.Application of improved particle swarm optimization in economic dispatching ［J］.Power System Technolo-gy，2005，29 （2）：2－4.

［13］牛銘，黃偉，郭佳歡，等.微網并網時的經濟運行研究 ［J］.電網技術，2010，34 （11）：38－42.

Niu Ming，Huang Wei，Guo Jiahuan，et al.Research on economic operation of grid-connected microgrid ［J］ .Power System Technology，2010，34（11）：38－42.

［14］張雪雯，李艷君.基于自調節粒子群算法的電力系統經濟負荷分配 ［J］.電網技術，2006，30（18）：8－13.

Zhang Xuewen，Li Yanjun.Self-Adjusted particle swarm optimization algorithm based economic load dispatch of power system ［J］.Power System Technology，2006，30 （18）：8－13.

［15］郭佳歡.微網經濟運行優化的研究 ［D］.北京：華北電力大學，2010.

［16］ Mohamed，F.，and H.Koivo.System modeling and online optimal management for a microgrid with battery storage ［C］／／6th International Conference on Renewable Energies and Power Quality （ICREPQ'07），Sevilla，Spain：2007.

［17］Bhuvaneswari R，Edrington，C S，Cartes D A，et al.Online economic environmental optimization of a microgrid using an improved fast evolutionary Programming Technique ［C］／／North American Power Symposium（NAPS），Florida，USA：2009.

Improved Multi-objective Particle Swarm Optimization Algorithm Based Scheduling Optimization of Grid-connected Microgrid

Miao Yuyang，Lu Jinling，Zhu Guodong
（School of Electrical and Electronic Engineering，North China Electric Power University，Baoding 071003，China）

Microgrid could coordinate distributed generation，thus，the distributed generation technology would indeed make full use of the advantage in economy，energy and environment.An environmental and optimization model of microgid with generation cost and emission of pollutant is proposed，in order to carry out the scheduling optimization of grid-connected microgrid.The proposed model is solved by improved multiobjective particle swarm optimization algorithm ，by forming a coordination，balance and compromise handling，to achieve the objective function as optimal as possible.The daily load data of a design case for a microgrid network is c scheduling optimization calculation，simulation results show the effectiveness of the proposed model and algorithm.

micogrid；grid connection；multi-objective particle swarm optimization；scheduling optimization

T M734

A

2012－04－25。

河北省自然科學基金資助項目 （EZ012502047）。

苗雨陽 （1987-），女，碩士研究生，主要研究方向為電力系統運行、分析與控制，E-mail：miaoyuyang19870311＠126.com。