基于多目標動態優化調度的微電網模型及方法研究

王康麗

摘 要：為雙重優化微電網系統運行中的經濟與環境目標，文章研究基于多目標動態優化調度的微電網模型，并利用鳥群算法（BSA）進行模型求解。并利用微電網算例進行仿真測試，結果表明：利用BSA求解基于多目標動態優化調度的微電網模型，可以實現對微電網系統運行的經濟與環境雙重優化。

關鍵詞：多目標動態；優化調度；微電網模型；鳥群算法

1 概述

微電網將新型清潔能源與分布式電源大規模接入電網，減輕傳統電網過度依賴單一能源的缺陷，保證電網對用戶供電可靠安全[1]。在我國，發展微電網技術意義重大。目前微電網技術的主要研究課題是妥善管理微電網內部分布式電源和儲能運行，實驗微電網經濟、環境效益最大化[2]。然而微電網內部能源結構繁多、分布式電源類型多樣、控制方式眾多，這導致微電網能量管理和優化運行復雜，再加上微電網本身的多目標屬性，進行多目標優化調度至關重要。關于微電網優化調度問題，國內外專家進行相關研究和分析，遺傳算法、MSDS算法、微分進化算法等的應用，為優化調度研究提供了參考。本文基于經濟與環境效益，構建多目標動態優化調度的微電網模型，并利用鳥群算法進行求解。鳥群算法可以突破種群多樣性導致的易早熟問題，并具有較快的收斂精度和解集質量。

2 多目標動態優化調度微電網模型

多目標優化模型通常表示為：

其中，X表示優化變量，fi表示第i個優化目標，Ω為可行域；G和H則代表等式約束和不等式約束集合。

2.1 目標函數

微電網的價值表現在經濟、技術、環境等多方面，本文主要基于經濟與環境價值，因此目標函數表示為：

其中fc、fe分別表示環境目標和經濟目標。X表示微電網優化調度中的優化變量。假定在動態優化調度模型中，則X可選用調度周期內各時段可調度電源輸出功率、電網交換功能、儲能充放電功率作為優化變量。

對于并網型微電網，譬如光伏、風機、蓄電池及發電機等，需要考慮購電所需成本、設備運行維護成本、燃料成本、蓄電池折舊成本以及經濟成本，具體可表示為：

其中CELefc表示購電所需成本、CONM表示設備運行維護成本、CFuel表示燃料成本、Cbw蓄電池折舊成本以及經濟成本，單位均為元。

環境成本考慮碳排放及其他顆粒污染物以及污染氣體排放對環境的影響。為展現不同污染排放物的環境差異，環境成本計算公式如下：

其中，Ve，i代表第i項污染物所具有的環境價值，單位為（元/

Kg）；n代表污染物種類；Qi（X）表示污染物排放量，單位為Kg；Vi表示污染物排放所受的罰款，單位為元。

2.2 約束條件

在微電網運行中，主要等式約束條件為功率平衡方程，即，各時段需要滿足：

其中，PPV表示光伏預測功率、PWT表示風機預測功率、Pload表示負荷預測功率、Pbat表示蓄電池充放電功率（正值表示放電、負值表示充電），Pgrid表示微電網與電網間的交換功率（正值表示微電網購電、負值表示微電網售電）、單位為kW。此外，還滿足：

依據微電網動態優化調度的周期特性，常常假定處于調度時期的蓄電池SOC始末一致，即滿足約束條件：

其中，SOCend表示調度時期終止時刻的蓄電池荷電狀態；SOC0則代表調度周期內初始時刻的荷電狀態。

3 求解方法及算理分析

3.1 求解方法

鳥群算法是依據鳥類的覓食、警覺、遷移等社會行為產生的具有精確數學模型的元啟發式算法。可以突破種群多樣性導致的易早熟問題，并具有較快的收斂精度和解集質量。

3.2 算理分析

以某風光蓄柴微電網系統為例進行。該系統風機為10kW、光伏為300kWp，蓄電池為200kW，柴油發電機為120kW，年峰值為273kW。且風機、蓄電池、光伏與直流母線連接，柴油發電機、負荷和交流母線連接。直流母線與交流母線經單向、雙向交流器相連，并經過變壓器連接配電網，具體拓撲結構如圖1所示。

通過多目標動態優化調度微電網模型和BSA算法求解，所得結果如表1所示。

分析表1可以發現：多目標算法可實現經濟和環境效益雙重目標優化。用戶可以依照自身需求，選擇更加科學合理的微電網調度方案。

4 結束語

本文基于微電網系統運行，從經濟和環境雙重效益進行優化，并基于多目標動態優化調度，構建了微電網模型。本針對模型的約束條件和處理方法進行研究，并基于鳥群算法進行模型求解。通過具體事例表明，利用BSA求解基于多目標動態優化調度的微電網模型，可以實現對微電網系統運行的經濟與環境雙重優化。希望通過本文分析，為相關人員進行微電網研究提供借鑒。

參考文獻

[1]洪博文，郭力，王成山，等.微電網多目標動態優化調度模型與方法[J].電力自動化設備，2013，33（3）：100-107.

[2]鐘宇峰，黃民翔，葉承晉.基于電池儲能系統動態調度的微電網多目標運行優化[J].電力自動化設備，2014，34（6）：114-121.