基于仿電磁學算法的風/光/蓄獨立微網系統的優化研究

馬曉娟，劉洋，潘亞培

(河南森源電氣股份有限公司，河南 長葛 461500)

基于仿電磁學算法的風/光/蓄獨立微網系統的優化研究

馬曉娟，劉洋，潘亞培

(河南森源電氣股份有限公司，河南 長葛 461500)

針對風/光/蓄微網系統的特點，以充分滿足用戶負荷需求和實現可再生能源的最大化利用為原則，提出了系統獨立運行模式下的優化調度策略，建立系統運行成本最低為目標的容量配置優化模型，并采用改進的仿電磁學算法對所建模型進行求解。仿真算例驗證了模型和算法的可行性和有效性。

微網系統；優化調度；機組組合；仿電磁學算法

0 引言

微網系統因融合了多種分布式電源、負荷、儲能裝置，可以靈活地并網或離網運行，提高了分布式電源的利用率和負荷供電的可靠性，發展潛力巨大。然而，鑒于可再生能源的間歇性、不可控性以及負荷波動的隨機性，使得微網系統的運行優化研究問題成為微網可靠運行的關鍵。目前，對微網運行主要集中在微網結構及設備特性、優化目標的確定、優化問題的求解方法等方面[1-10]。

本文提出1個由風/光/蓄構成的直流母線型微網系統， 并以此為研究對象，從微網能量優化調度角度出發，分析微網的結構組成及建立基本模型，再以微網綜合運行成本最低為目標確定優化目標函數，后針對Birbil博士提出的仿電磁學算法(ELM)[11-13]進行研究及改進，采用改進后的仿電磁學算法對優化目標函數模型進行求解。最后，通過仿真算例驗證研究內容的可行性和合理性。

1 風/光/蓄微網系統的優化調度模型

1.1 基于直流母線型的風/光/蓄微網系統

以1個由風/光/蓄構成的直流母線型微網系統為例，系統中發電機組為風力發電、光伏發電，儲能單元為蓄電池，用戶負荷分為關鍵負荷和可削減負荷，如圖1所示。

圖1 基于直流母線型風/光/蓄的微網系統

圖1中，光伏發電、風力發電和蓄電池分別經過相應的DC/DC轉換器，AC/DC轉換器，DC/DC轉換器匯接至直流母線，再經過DC/AC逆變器給負荷供電，或者經變壓器饋入配電網。

本文僅考慮風/光/蓄微網系統獨立運行的情況，系統中風力發電、光伏發電受到氣候條件和環境因素的影響，各自的輸出功率在時間上存在很大的隨機性和波動性。因此，獨立運行模式下的微網系統能穩定運行的關鍵在于儲能單元-蓄電池的荷電量狀態和充放電功率。即利用蓄電池的充放電對微網系統進行能量的平衡調節和控制。

1.2 風/光/蓄獨立微網系統的優化調度策略

本文主要研究風/光/蓄微網系統在1 d內的運行情況，在不同時段自然因素隨機變化的條件下，依據風力發電、光伏發電的電能以及蓄電池的荷電量狀態來選擇最優風/光/蓄運行方案組合，以實時地跟蹤負荷需求的變化，保證系統中能量的供需平衡，且可實現系統的運行成本最低。

風/光/蓄微網系統獨立運行時，可采取以下調度策略：以最大化利用可再生能源為原則，優先利用風/光發電機組的出力電能來滿足微網內部的負荷需求；某時段內，若風/光發電機組的出力電能之和大于負荷需求且蓄電池滿荷電量狀態，則考慮選擇最優風/光發電機組組合投運，蓄電池不充放電；某時段內，若風/光發電機組的出力電能之和大于負荷需求且蓄電池不滿荷電量狀態，則考慮將多余的電能(多余的電能等于風/光發電機組的出力電能之和減去負荷需求)用于對蓄電池充電。此時，可分為以下情況考慮： 多余的電能剛好滿足蓄電池可實現滿荷電量狀態的需求，則當前投運的風/光發電機組即為最優機組組合； 多余的電能全部用于為蓄電池充電，蓄電池的荷電量狀態仍不能達到滿荷電量狀態，則當前投運的風/光發電機組即為最優機組組合； 未將全部的、多余的電能為蓄電池充電，蓄電池即達到了滿荷電量狀態，則考慮選擇最優風/光發電機組組合投運。

某時段內，若風/光發電機組的出力電能之和小于負荷需求，則當前投運的風/光發電機組為最優機組組合。此時，可分為以下情況考慮：蓄電池的荷電量狀態低于最小荷電量限值時，考慮切除部分非關鍵負荷，僅為關鍵負荷供電；蓄電池的荷電量狀態不低于最小荷電量限值時，由蓄電池放電，蓄電池放電至最小荷電量狀態時仍不能完全滿足負荷所需，則考慮切除部分可削減負荷； 蓄電池的荷電量狀態不低于最小荷電量限值時，且蓄電池當前荷電量狀態滿足放電后負荷所需。

1.3 目標函數

本文以系統的綜合運行成本最低為目標來建立優化模型。由于太陽能、風能不消耗原燃料，故不計燃料成本。考慮各發電機組的單位度電成本、運行維護成本及蓄電池維護處理費用。其數學模型如下

(1)

1.4 約束條件

(2)

(3)

(4)

(2)發電機組出力約束。受制于自然條件的限制和自身技術出力的約束，風力發電機組和光伏發電機組的出力約束條件表示為

(5)

式中：Pimin，Pimax分別為第i臺發電機組允許的最小、最大出力。

(6)

(7)

(8)

(9)

(4)系統供電可靠性。系統的供電可靠性反映了系統可提供負荷功率需求的能力。故用負荷缺電率(loss of power supply probability，LPSP)來表征t時段內系統供電可靠性，用式(10)來表示

(10)

由式(10)可知，fLPSP越小，供電可靠性越高，fLPSP不超過其最大負荷可承受缺電率，用式(11)來表示

(11)

本文假定1 d各時段內系統可承受最大的缺電率fmax為0.1%。

2 仿電磁學算法

2.1 算法原理

ELM算法是Birbil博士提出的1種隨機全局優化算法。該算法模擬帶電粒子間超距離作用力的原理，先隨機從可行域中產生1組初始解，然后根據每個粒子所確定的目標函數值來確定吸引域，以模擬電磁場中的吸引與排斥的機制產生新一代粒子，每個帶電粒子的電荷由待優化的目標函數的函數值決定。電荷值的大小決定該粒子對其他粒子的吸引或者排斥的強弱，目標函數值越優，吸引力就越強。利用ELM算法進行尋優的過程主要涉及下列公式

(12)

(14)

2.2 模型求解

2.2.1 改進ELM算法

(1)動態迭代搜索法。式(14)中，λ是影響算法收斂精度和保證種群多樣性的重要參數。選取合理的λ值有利于平衡算法的全局搜索能力和局部搜索能力，從而尋到最優的解。本文定義在算法迭代開始時，λ=λmax；經過迭代過程，在算法結束時，λ=λmin。λ的迭代公式為

(15)

式中：Iter，Itermax分別代表當前和最大的迭代次數。

(3)種群移動干擾。同樣，在算法的運行中，種群移動公式(14)的分母也可能為0。因此，考慮在式子的分母上增加一個干擾條件λ1，改進后種群移動公式為

(16)

式中：λ1都為大于0小于1的數。

(4)空間收縮策略。為了加速算法求解的收斂性，本文引入了搜索空間收縮策略。在算法的迭代過程中，若目標函數值不變時，利用各發電機組的最大、最小出力和第k次迭代中最優解Xk,best之間的距離來調整縮減搜索空間，從而加速算法的收斂。該策略可用公式(17)，(18)來表示

(17)

(18)

2.2.2 算法的具體求解方法

(1)輸入風速、光照、溫度及負荷等參數，預測風/光輸出功率及負荷需求；設置種群規模m，維數為n，最大迭代次數Itermax，進化代數初始值k等。

(2)設定風/光發電機組均工作在最大功率跟蹤點狀態下，利用風電、光伏的出力模型[14]，計算出各發電機組的最大允許出力功率。

(3)本文假定有風力發電機組數為a，光伏發電機組數為b，且以風/光機組的啟停作為決策變量為0～1離散變量。故而采用均勻隨機方法產生一個種群規模為m、變量維數為n的初始種群。然后，再用round函數對矩陣進行處理，產生滿足離散變量條件的初始種群X。

(4)根據系統優化調度策略判斷蓄電池運行狀態以及是否需要切除部分可削減負荷，并引入懲罰函數法將帶約束模型轉化為無約束模型，利用仿電磁學算法對該模型進行求解，計算種群中個體的評價函數值、個體電荷值及其總受力大小。

(5)利用改進后的粒子更新公式產生新種群，將新種群和上代種群的目標函數值進行比較，更新種群，并記下當前最優解Xk,best。

(6)應用2.2.1中提出的空間收縮策略，調整搜索空間，尋找最優解。

(7)令k=k+1，判斷算法迭代條件終止否；若沒有，轉入步驟(3)重復迭代步驟；若已滿足，終止條件并輸出最優解及最終目標函數值。

(8)輸出結果。

3 算例分析

3.1 算例系統

系統中各發電單元的具體參數見表1～3，各發電單元的運行費用見表4。本文選取某地區夏季某天的自然環境情況及周圍用電負荷情況為仿真對象，風力發電、光伏發電的出力預測曲線以及負荷的預測曲線如圖2、圖3所示。

表1 風力發電機參數

表4 各時段最優機組組合

表2 光伏陣列參數 kW

表3 各發電單元的運行費用 元/(kW·h)

圖2 夏季某日風/光機組輸出功率變化曲線

圖3 1 d中負荷需求變化曲線

3.2 結果及分析

設蓄電池滿負荷電量為96 kW·h，其初始容量為60%滿負荷電量；仿電磁學算法種群數為20，λmax為0.9，λmin為0.4。最大迭代次數為100，懲罰系數為106。將1 d劃分為24個時段，優化調度間隔定為1 h。優化后各時段成本最低的最優機組組合情況見表4。表4中，A，B，C，D，E，F，G分別對應風電機組WT1、風電機組WT2、風電機組WT3、光伏陣列PV1、光伏陣列PV2、光伏陣列PV3、可削減負荷功率；1表示對應機組開機，0表示對應機組停機；蓄電池充放電功率為負值表示蓄電池處于充電狀態，正值表示其處于放電狀態，0值表示其不處于工作狀態。

由表4可知，依據本文提出的調度策略，系統在離網運行狀態下，很好地利用風/光資源的互補特性，在保證整個微網內能量變化平衡、系統穩定運行的基礎上，選擇最佳的機組投運。由于本文所取數據資源的特殊性，系統優化運行當天，未采取切除可削減負荷的措施。總體上，各個時段內優化后的系統總運行成本不大于優化前的成本，即實現了系統的經濟穩定運行。

續表

4 結束語

本文從風/光/蓄微網系統運行成本最低和能源最大化利用的角度出發，考慮自然條件對系統的影響，提出能量優化策略并以系統運行成本最低為目標建立對應的數學模型，對仿電磁學算法進行改進以應用到對所建立模型的求解中。算例分析證明了模型和算法的正確性和有效性。

[1]劉文勝,毛曉明,陳志勇.微網優化運行研究進展與展望[J].電工電能新技術,2012,31(2):64-68.

[2]王成山，武震，李鵬.微電網關鍵技術研究[J].電工技術學報，2014，29(2):1-12.

[3]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.

[4]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.

[5]劉小平,丁明,張穎媛,等.微網系統的動態經濟調度[J].中國電機工程學報,2011,31(31):77-84.

[6]茆美琴,孫樹娟,蘇建徽,等.包含電動汽車的風/光/儲微電網經濟系分析[J].電力系統自動化,2011,35(14):30-35.

[7]張濤,張福興,張彥,等.面向能源互聯網的能量管理系統研究[J].電網技術,2016,40(1):146-156.

[8]周明,夏澍,李琰,等.含風電的電力系統月度機組組合和檢修計劃聯合優化調度[J].中國電機工程學報,2015,35(7):1586-1594.

[9]冉曉洪,苗世洪，劉陽升，等.考慮風光荷聯合作用下的電力系統經濟調度建模[J].中國電機工程學報,2014,34(16):2552-2560.

[10]王曉娟,高亮,陳亞洲,等.類電磁機制算法及其應用[J].計算機應用研究,2006(6):67-70.

[11]郭壯志,吳杰康.水電站廠內經濟運行的快速仿電磁學算法[J].現代電力,2010,27(3):89-94.

[12]郭壯志,吳杰康,孔繁鎳.基于仿電磁學算法和數據包絡分析的水火電力系統多目標優化調度[J].中國電機工程學報,2013,33(4):53-61.

[13]徐林，阮新波，張步涵, 等.風光蓄互補發電系統容量的改進優化配置方法[J].中國電機工程學報，2012，32(25):88-98.

[14]曾君，徐冬冬，劉俊峰,等.考慮負荷滿意度的微電網運行多目標優化方法研究[J].中國電機工程學報，2016，36(12):3325-3333.

(本文責編：劉炳鋒)

2017-03-27；

2017-05-05

TM 743

A

1674-1951(2017)05-0012-05

馬曉娟(1986—)，女，河南平頂山人，助理工程師，工學碩士，從事微電網優化與控制的研究工作(E-mail:lovema2006juan@163.com)。