基于改進粒子群算法的海島微網運行優化研究

鐘志鋼，鄧輝平，周占平，馮寶玥，江 冰

（1.山東電力工程咨詢院有限公司，濟南250013；2.河海大學物聯網工程學院，常州，213022）

基于改進粒子群算法的海島微網運行優化研究

鐘志鋼1，鄧輝平2，周占平1，馮寶玥1，江 冰2

（1.山東電力工程咨詢院有限公司，濟南250013；2.河海大學物聯網工程學院，常州，213022）

基于海島微電網運行的穩定性、經濟性和環保性，利用潮流能代替傳統光能，構建基于風能、潮流能、微型燃料機發電、儲能的海島智能微電網運行優化模型，分析海島智能微電網分布式電源的運行特性，優化海島微電網運行的經濟成本、環境折算成本，尋求最優解。針對約束處理，提出一種改進的多目標粒子群優化算法，并對該優化模型進行迭代尋優，確定海島微電網系統的協調優化調度方案，提高海島微電網供電性能。通過數據仿真實驗分析提出模型和方法的合理性，為海島微電網未來的發展提供重要的技術支撐。

海島微電網；運行優化；可再生能源；改進粒子群算法；經濟性；環保性

1 引言

長期以來，海島的供電幾乎靠柴油發電機發電維持，發電燃料的運輸以及電力運輸成為影響海島電力維持的主要障礙。海島擁有巨大的可再生能源，如風能，光能，海洋能等，其環保性以及可再生性使其成為海島微電網分布式電源的首要選擇。海島微電網充分利用島上的太陽能、風能、海洋能等可再生能源形成子系統，使其既可以孤島運行，也可以與大陸電網進行并網運行。海島微電網系統架構的合理性、能量管理方法的可靠性以及優化運行的經濟性、環保性成為海島微電網的主要評價指標。

微電網優化運行問題是一個非線性優化問題，包含多個目標函數以及多個約束關系，多種多樣智能優化方法的出現為微電網的優化運行提供重要解決方法。文獻[1]結合量子理論，提出一種改進的量子粒子群優化算法，并證明其提高了算法的收斂速度和運行速度。文獻[2]引入存檔機制和擁擠距離機制對粒子群算法進行改進，并將其應用于水文環境中驗證其優越性。文獻[3]采用遺傳算法與混合整數規劃求解軟件對微電網的經濟性進行優化分析，得到微電網的最優調度配置方案。文獻[4]針對孤島模式下的微電網，通過二元對比定值法以及模糊理論對微電網的經濟性和可靠性進行優化分析。文獻[5]基于風能、太陽能、海浪能構成微電網系統，利用粒子群算法對微電網的經濟性進行求解。文獻[6]建立基于機會約束規劃的微電網多目標動態經濟模型，提出一種基于隨機潮流的克隆選擇算法對其進行優化求解。文獻[7]基于全壽命周期凈費用、可再生能源利用率以及污染物排放水平建立多目標優化模型，利用十進制最優保留遺傳算法進行求解。文獻[8]以供電經濟性和環保性為優化目標，建立基于不同控制策略的獨立型風光儲柴微電網優化配置模型，采用改進型非劣排序遺傳算法尋求最優解。

利用潮流能代替傳統光能，分析風力發電系統、潮流能發電系統、微型燃料機發電系統以及儲能系統的運行特性，構建海島智能微電網的多目標多約束優化運行模型。該優化模型綜合考慮微電網系統運行成本、環境折算成本，以及各分布式發電系統的運行約束。利用多目標粒子群算法對目標函數以及約束方程進行相應求解，利用線性加權將多目標問題轉化成單目標問題，針對風機、潮流能、微型燃料機以及儲能系統的運行參數，通過數據仿真分析微電網經濟性和環保性之間的制約平衡，為海島微電網的運行提供優化調度策略。

2 微電網多目標優化運行模型

將微電網經濟性和環保性作為優化的目標函數，構造相應的多目標微電網優化運行模型，如式（1）所示：

微電網的經濟性指其發電成本最小，考慮到優化模型的合理性，僅考慮微電網中各電源的運行維護成本、燃料費用成本、啟動成本，如式（2）所示：

微電網中只有微型燃氣輪機、燃料電池等消耗化石燃料的發電能源才需計算燃料費用成本，如式（4）所示：

考慮到微網的環境效益，將環境損失費和污染物治理費用作為環境成本的計算目標，如式（5）所示：

（1）功率平衡約束

任意時刻微電網各分布式電源發出的功率之和與用戶所需求的功率相互匹配，如式（6）所示：

（2）輸出功率約束

為保持系統穩定運行，每個微電源的實際輸出功率任意時刻都要滿足其容量的上下限約束，如式（7）所示：

（3）儲能蓄電池狀態約束

考慮到蓄電池使用壽命的影響，要滿足其充放電約束及能量狀態約束，如式（8-9）所示：

3 微電網多目標優化運行模型求解

3.1 多目標粒子群算法的改進

粒子群優化算法是采用“速度一位移”搜索模型，每個粒子代表解空間的一個候選解，解的優劣程度由適應度函數決定[9]。其更新公式為：

在算法過程中，迭代計算出的最優解往往難以滿足約束條件（6）。常用的解決方法是由尋優體根據迭代找出前N-1維的最優解，根據等式約束計算出第N維的解，這種方式容易導致最優解無法滿足約束條件（7）。針對約束處理問題，本文提出一種可行化調整機制對優化調度方案進行調整。對t時刻的調度方案作出如下調整：

3.2 改進多目標粒子群算法的流程

利用多目標粒子群算法MOPSO[10]對微電網的多目標協調優化運行模型進行求解，給每個目標函數賦予相應的權值λ，通過線性加權將多目標優化問題轉化成單目標優化問題。在求解過程中對于每次迭代的最優解進行可行化調整，使得最優解滿足所有約束條件。

多目標粒子群優化算法流程圖如圖1所示。

多目標粒子群算法具體步驟如下：

（1）種群初始化：在約束范圍內隨機初始化種群中粒子的位置及速度，設定種群規模N、最大迭代次數等參數。

圖1 多目標粒子群算法流程圖

（3）利用適應度函數計算各個粒子的適應度值。

（4）根據公式(10)、(11)更新粒子位置和速度。

（5）根據功率約束以及蓄電池約束進行新一代粒子的合理性判斷，并利用公式（14）進行可行化約束調整。

（6）若計算達到最大迭代次數，算法終止判斷，則輸出結果，否則轉（3）。

4 實驗分析

4.1 微電網系統運行參數的設置

微電網主要由風力發電系統、微型燃料機發電系統、潮流能發電系統等分布式電源構成，儲能系統采用蓄電池，其結構簡化圖如圖2所示。各分布式電源參數設置如表1所示，其中儲能系統的最大容量為250kwh，最小容量為5kwh。未來一天風力發電系統的功率如圖2所示，潮流能發電系統的功率如圖3所示，一天內海島用戶的功率需求如圖4所示，文獻[9]指出污染物排放系數如表2所示。MOPSO算法的相關參數設置為：粒子種群規模N=40，最大迭代次數

圖2 海島微電網結構圖

表1 微電網分布式電源參數表

圖3 風機功率預測圖

圖4 潮流功率預測圖

圖5 用戶一天功率需求圖

表2 染物排放系數和治理費用

4.2 仿真結果及分析

由于風力發電、潮流能發電的環境友好度高，為了充分利用自然能，在任意時刻，該微電網系統最大程度利用風能和潮流能。由于微型燃料機的經濟成本較低，儲能系統的環保性較高，本文的優化重點在于微型燃料機和儲能之間的優化協調，尋找最優的微型燃料機、儲能的出力調度方案使得經濟成本和環境成本達到平衡。

經過實驗仿真優化后的系統一天內各分布式發電系統的功率出力時間曲線圖如圖5所示。由圖可知：

（1）6點之前，由于用戶的功率需求比較低，風能和潮流能的功率足以滿足用戶需求，系統充分利用風能和潮流能，將其作為系統的主要發電能源，利用多余的能量對儲能系統進行充電儲能，同時降低風能和潮汐能的發出功率。

（2）6點—16點，用戶需求功率增加，風能和潮流能無法滿足用戶負荷需求，儲能系統放電進行能量補充，由于儲能放電功率以及自身壽命的限制，柴油機慢慢啟動進行微弱的功率補充。

（3）16點-23點，用戶需求功率達到高峰期，風能、潮流能和儲能三者無法滿足用戶負荷需求，柴油機發電系統作為微電網系統的主要功率來源。

經過改進算法優化后海島智能微電網系統充分利用可再生能源發電系統的環保性和傳統分布式發電系統的經濟性，盡可能地利用自然能源風能和潮流能。在滿足負載功率需求后，可以利用自然能源對儲能進行充電，同時降低風能和潮汐能的發出功率，從而減少發電設備的使用，減少經濟成本；在功率無法滿足用戶負荷需求時才啟動柴油機發電系統，充分考慮到海島智能微電網的經濟性和環保性。

圖6 各分布式發電系統的功率輸出

5 結束語

海島供電是海島開發利用的重要保障，基于海島現有可再生能源分布式發電系統，構建海島智能微電網系統，并研究各分布式發電系統之間的優化運行。以柴油發電機系統、光伏發電系統、潮流能發電系統為基礎，通過調節各分布式發電系統和儲能系統的出力，實現海島微電網的優化運行。以微電網系統發電成本、環境折算經濟成本為目標函數，提出一種改進的多目標粒子群算法，對目標函數進行求解，最終得到系統的協調優化調度方案。最后通過對微電網系統的實際運行情況進行仿真分析，結果顯示該方案能夠為海島微電網的經濟運行提供可靠的方案，為我國海島可再生能源的開發和海島開發提供了能源保障。

[1]王世亮.基于改進量子粒子群算法的智能電網多目標優化規劃研究[D].蘭州：蘭州理工大學，2014. Wang Shiliang.Study on multi-objective optimization planning of smart grid based on improved quantum particle swarm optimization algorithm[D].Lanzhou:Lanzhou University of Technology,2014.

[2]張文明，董增川，朱成濤，等.基于粒子群算法的水文模型參數多目標優化研究 [J].水利學報，2008，39（5）：528-534. Zhang Wenming,Dong Zengchuan,Zhu Chengtao,et al.Automatic calibration of hydrologic model based on multi-objective particle swarm optimization method[J].Hydraulic Engineering，2008，39（5）：528-534.

[3]陳鍵，趙波，王成山，等.不同自平衡能力并網型微電網優化配置分析[J].電力系統自動化，2014，38（21）:1-7. Chen Jian,Zhao Bo,Wang Chengshan,et al.Optimal sizing analysis on grid-connected microgrid with different self-balancing capabilities[J].Automation of Electric Power System，2014，38（21）:1-7.

[4]劉子秋.孤島運行微電網的能量配置動態優化及其能量管理系統研究[D].浙江：浙江大學，2015. Liu Ziqiu.Research on dynamic optimal energy allocation and energy management system in islanded mode micro-grid [D].Zhe Jiang:Zhe Jiang University,2015.

[5]劉嬌嬌，王致杰，張禎海，等.海島智能微電網系統優化調度[J].上海電機學院學報，2014，17（3）：151-157. Liu Jiaojiao,Wang Zhijie,Zhang Zhenhai,et al.Smart micro-grid system of optimal operation for islands[J].Journal of Shanghaidianji University，2014，17（3）：151-157.

[6]薛貴挺.含多種分布式電源的微電網優化設計及控制策略研究[D].上海：上海交通大學，2014. Xue Guiting.Research on optimization and control strategies of micro-grid with multiple distributed energy resources[D]. Shang Hai:Shanghai Jiaotong University,2014.

[7]劉夢璇，王成山，郭力，等.基于多目標的獨立微電網優化設計方法[J].電力系統自動化，2012，36（17）：34-39. Liu Mengxuan,Wang Chengshan,Guo Li,et al.An optimal design method of multi-objective based island microgrid[J]. Automation of Electric Power Systems，2012，36（17）：34-39.

[8]陳健，王成山，趙波，等.考慮不同控制策略的獨立型微電網優化配置[J].電力系統自動化，2013，37（17）：1-6. Chen Jian,Wang Chengshan,Zhao Bo,et al.Optimal sizing for stand-alone micro-grid considering different control strategies[J].Automation of Electric Power Systems，2013，37（17）：1-6.

[9]王金全，黃麗，楊毅.基于多目標粒子群算法的微電網優化調[J].電網與清潔能源，2014，30(1)：49-54. Wang Quanjin,Huang Li，Yang Yi．Optimal scheduling mirogrid based on multi-objective particle swarm optimization [J]，SYSTEM AND CLEAN ENERGY，2014，30(1)：49-54.

[10]薛陽，時宇飛，李華郁，等.基于粒子群算法的風光儲微電網經濟優化運行[C].//2015年全國智能電網用戶端能源管理學術年會論文集，上海，2015:75-78. Xue Yang,Shi Yufei，Li Huayu et al．Economic and optimal dispatch of a combined wind photovoltaic and energy storage micro-grid based on PSO [C].//2015 nationwide smart grid energy management client Academic Symposium，Shang Hai，2015:75-78.

Operation Optimization of Island Micro-grid Based on Improved PSO Optimization Algorithm

Zhong Zhigang1,Deng Huiping2,Zhou Zhanping1,Feng Baoyue1,Jiang Bing2
（1.Shandong Electric Power Engineering Consulting Institute,Jinan 250013,China; 2.College of Internet of Things Engineering,Hohai University,Changzhou 213022,China）

Based on stability,economy and environmental adaptation of operation of island microgrid,a multi-objective smart micro-grid optimization model,based on such renewable energy as wind, micro fuel,tidal current and related energy storage system,is established,the characteristics ofthe distributed generators are analyzed,the economic cost and environmental conversion cost of island microgrid operation is optimized,and the best optimal solution is presented.The improved PSO optimization algorithm,based on restrain,is proposed to solve the model of iterative optimization,the coordinated and optimal scheduling programs of the island micro-grid system are determined,and the performance of power,provided by island micro-grid,is improved as well.By simulation and analysis of actual data,the reliability and rationality of the model and the methods are proposed to provide important technical support for development of the island micro-grid in the future.

Island micro-grid；Operation optimization；Renewable distributed generators；Improved PSO；Economy；Environmental

10.3969/j.issn.1002-2279.2017.01.012

TP391.9

A

1002-2279-（2017）01-0048-05

江蘇省自然科學基金BK20151173；常州市科技計劃（工業支撐）CE20130043

鐘志鋼（1979-），男，山東乳山市人，高級工程師，碩士研究生，主研方向：電氣自動化。

2016-5-16