基于蟻群算法的微電網多目標優化運行

孫福軍,張明江,翟曉娟,成 龍,曾祥昊

(1.國網黑龍江省電力有限公司,哈爾濱 150090;2.黑龍江省電力科學研究院,哈爾濱 150030;3.東北電力大學 電氣工程學院,吉林 吉林 132012;4.大唐國際發電股份有限公司北京高井熱電廠,北京 100041)

?

·電力系統及其自動化·

基于蟻群算法的微電網多目標優化運行

孫福軍1,張明江2,翟曉娟3,成 龍3,曾祥昊4

(1.國網黑龍江省電力有限公司,哈爾濱 150090;2.黑龍江省電力科學研究院,哈爾濱 150030;3.東北電力大學 電氣工程學院,吉林 吉林 132012;4.大唐國際發電股份有限公司北京高井熱電廠,北京 100041)

為研究微電網的優化運行,建立了綜合考慮微網運行總成本以及污染氣體總排放量的多目標優化運行模型,將減少運行成本和污染氣體的排放量作為子目標函數,通過引入污染物治理成本將多目標問題轉化為單目標非線性問題。然后采用蟻群算法對單目標模型求解,結果表明該模型和算法有效、合理。

微電網;多目標;污染物治理成本;蟻群算法

微電網作為分布式電源(distribution generation,DG)的有效接入方式,其優化運行能有效提高能源利用率,減少發電成本和污染物的排放,對微電網的經濟、環保運行具有重要的意義[1]。因此,研究微電網的優化運行具有重要的實用價值[2],同時對于微網的多目標、多約束、多變量的研究也提出了新的挑戰[3]。

文獻[4]建立了包含排放成本在內的微網經濟運行模型,從成本和效益兩方面分析了微網的經濟性,但各分布式電源的模型約束較少,無法用于實際生產;文獻[5]考慮了有無儲能單元、不同負荷特征對微網系統節能性和經濟性的影響,但是沒有考慮風能、光伏這兩種間歇性分布式電源的影響;文獻[6]建立了多目標機組組合問題模型,同時考慮了能源消耗成本、氣體排放量等多個目標,通過定義目標隸屬度函數將多目標問題轉化為單目標問題,但是其約束條件過于簡單。為此,本文以包含光伏(PV)、風機(WT)、微型燃氣輪機(MT)、蓄電池(SB)的微網為研究對象,提出了經濟、環保的多目標運行模型。然后利用序列運算理論,將風電、光伏出力的概率分布生成概率性序列,從而使機會約束轉化為確定性約束[7]。最后在滿足系統運行約束條件的基礎上,運用蟻群算法對所建模型進行求解,以驗證該模型合理性、經濟性。

1 微網系統中間歇DG出力的模型

1.1 風力發電

通過對大量實測數據進行分析,得知風速近似服從威布爾分布[8],其分布函數為

F(v)=1-exp[-(v/c)k]

概率密度函數為

fv(v)=k/c(v/c)k-1exp[-(v/c)k]

風力機組的輸出功率pw和實際風速v的函數關系為

式中:v為實際風速;vr為額定風速;vin為切入風速;vout為切出風速;pr為風機的額定輸出功率。

1.2 光伏發電

光伏電池組件的功率輸出表達式為

式中:PPV為光伏電池的實際輸出功率;PSTC為標準測試條件下的電池輸出功率;GING為實際輻照強度;GSTC為標準測試條件下的輻照強度;k為功率溫度系數;Tc為電池板工作溫度;Tr為參考溫度。

光伏電池出力的概率密度函數為

式中:δ、φ均為Beta分布的形狀參數,其關系為φ=δ(1-u)/u,u為光強平均值;PPVmax為光伏電池的最大輸出功率。

2 微電網多目標優化模型

2.1 序列運算理論

根據風力發電和光伏發電出力的累積概率分布生成概率性序列,將隨機變量的概率分布離散化處理后,形成兩個離散序列,接著利用卷和計算形成共同出力的概率性序列。

令風機出力pw的概率性序列為a(iat),序列長度為Nat,光伏出力PPV的概率性序列為b(ibt),序列長度為Nbt,令風機、光伏的共同出力的概率性序列為c(ict),序列長度為Nct。共同出力的計算公式如下:

2.2 機會約束規劃模型

機會約束規劃的具體方法為:根據事先給定的置信水平,把機會約束轉化為各自確定的等價類,然后用傳統的方法求解其等價的確定性模型。具體模型為

式中:f(x)為目標函數;g(x)為確定性約束條件;G(x)為不確定性約束條件;P{·}為某一事件的概率;α為給定的置信度。

2.3 目標函數

2.3.1 發電成本

2.3.2 污染氣體總排放量

微燃機排放的污染氣體CO2、SO2和NOx都可與微燃機的出力建立一定的函數關系,本文采用的排放模型為

式中:E為污染氣體的排放總量,αi、βi、γi為微燃機i的污染氣體排放系數。

2.4 約束條件

2.4.1 等式約束

2.4.2 不等式約束

2.5 多目標優化問題的轉化

考慮了微網運行成本和污染物排放量兩個目標,但是這兩個目標的單位并不統一,所以不能直接求解多目標問題。為此,引入了污染物治理成本k,通過查閱資料,此處k=0.3美元/t,其轉化后的目標函數為

經過轉化后利用蟻群算法對此模型進行求解,最后得到微燃機的出力情況。

3 基于蟻群算法的微電網模型求解

蟻群算法是一種啟發式算法,具有較強的求解能力,近年來在很多方面得以應用。蟻群算法的具體步驟如下:

1) 初始化信息素濃度τ(0)=c(c是一個常數)。

2) 每個螞蟻隨機選擇一個點作為其初始點,同時要按照一個隨機比例規則選擇下一個要到達的點,隨機比例規則如下:

3) 設置循環次數,即N=N+1。

4) 設置螞蟻數目,令m=m+1。

5) 當螞蟻從一個點出發到達另一點時,對其路徑上的信息素進行更新。

6) 執行上述步驟,直到每只螞蟻都找到了一條包含所有節點的可行路徑,作為當前的可行解。

7)在所有可行解中找到一條最短路徑,即為本次迭代中的最優路徑。

8) 重復執行步驟2)-7),直到最優解中沒有出現更優解或達到最大迭代次數,本文設置迭代次數N=100,停止計算,輸出當前值,即為最優解。

4 算例分析

研究了3臺微燃機在一天24個時段中的出力情況和啟停狀況,微燃機的主要參數如表1所示,污染氣體的參數如表2所示,旋轉備用取為機組各時刻負荷值的15%,最終使得系統目標函數值最小,滿意度最大。

表1 三臺微燃機的主要參數

表2 污染氣體的主要參數

對于不同的優化目標,3臺微燃機的出力情況如圖1-3所示。

圖1 以微電網運行成本最小為單目標時,各臺微燃機出力曲線

圖2 以污染氣體排放量最小為單目標時,各臺微燃機出力曲線

圖3 多目標轉化為單目標后,各臺微燃機出力曲線

由圖1-3可知,以運行成本最低為目標運行時,成本低的機組不管其污染氣體排放量如何都有絕對競爭優勢;以污染氣體排放最少為目標運行時,不管其成本如何都有絕對競爭優勢。而且當引入污染物治理成本后,該模型兼顧了機組的運行成本、節能性能,實現了低碳運行。

5 結 論

1) 同時考慮經濟和環保問題與單純考慮單目標的模型相比,前者更為全面、實際,其結果也兼顧了成本與環境問題,實現了低碳環保運行。

2) 本文所建模型能夠更好地解決微網運行中不同量綱的多目標優化問題,而且機組在運行時要盡量使用高效低排放的機組,提高系統運行的環保性和經濟效益。

[1] 劉天琪,江東林.基于儲能單元運行方式的微電網經濟運行[J].電網技術, 2012, 36(1):45-50.LIU Tianqi,JIANG Donglin.Economic operation of microgrid based on operation mode optimization of energy storage unit[J].Power System Technology,2012,36(1):45-50.

[2] 賀鵬,艾欣,徐虹.微電網經濟運行研究綜述[J].現代電力,2012,29(4):1-6.HE Peng,AI Xin,XU Hong.Overview of the economic operation of microgrid[J].Modern Electric Power,2012, 29(4):1-6.

[3] HATZIARGYRIOU N,ASANO H,IRAVANI R,et al.Microgrids[J].IEEE Power and Energy Magazine,2007, 5(4):78-94.

[4] 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[J].電網技術,2009,33(20):38-42.YANG Peipei,AI Xin,CUI Mingyong, et al.Partical swarm optimization based economic operation analysis of microgrid Containing multi energy supply system[J].Power System Technology, 2009,33(20):38-42.

[5] 郭力,許東,王成山,等.冷電聯供分布式供能系統能量優化管理[J].電力系統自動化,2009,33(19):96-100.GUO Li, XU Dong, WANG Chengshan, et al.Energy optimization and management of combined cooling and power distributed energy supply system[J].Automation of Electric Power Systems,2009,33(19):96-100.

[6] 張曉花,趙晉泉,陳星鶯.節能減排多目標機組組合問題的模糊建模及優化[J].中國電機工程學報,2010, 30(22):71-76.ZHANG Xiaohua,ZHAO Jinquan,CHEN Xingying.Multi-objective unit commitment fuzzy modeling and optimization for energy-saving and emission reduction[J].Proceeding of the CSEE, 2010, 30(22):71-76.

[7] 康重慶,白利超,夏清,等.概率性序列及其運算理論[J].清華大學學報(自然科學報),2003,43(3):322-325.KANG Chongqing,BAI Lichao,XIA Qing,et al.Probabilistic sequences and operation theory[J].Journal of Tsinghua University(Science and Technology),2003,43(3):322-325.

[8] KARKI R, HU P, BILLINTON R.A simplified wind power Generation model for Reliability evaluation[J].IEEE Transactions on Suatainable Energy,2010,1(1):2-8.

(責任編輯 郭金光)

Multi-objective optimization operation based on ant colony algorithm for micro-grid

SUN Fujun1, ZHANG Mingjiang2, ZHAI Xiaojuan3, CHENG Long3, ZENG Xianghao4

(1.State Grid Heilongjiang Electric Power Company Limited, Harbin 150090,China;2.Heilongjiang Electric Power Research Institute, Harbin 150030,China;3.School of Electrical Engineering, Northeast Dianli University, Jilin 132012,China; 4.Beijing Gaojing Thermal Power Plant, Datang Interrational Generation Co., Ltd., Beijing 100041, China)

In order to study the optimization operation of micro-grid, this paper established a multi-objective optimal operation model.It is a model that considers both total cost of micro-grid operation and emissions of polluting gases, taking the reducing operating costs and the emissions of polluting gases as the sub-objective function.By this model, the multi-objective programming problem is reformulated into nonlinear mono-objective programming problem by using governance costs of pollutants.Then the ant colony algorithm was used to solve the mono-objective model.The results show that the proposed model and algorithm are effective and reasonable.

micro-grid;multi-objective;governance costs of pollutants;ant colony algorithm

2016-05-20。

孫福軍(1964—),男,高級工程師,主要從事電力系統自動化方面的技術管理等工作。

TP393

A

2095-6843(2016)05-0377-03