基于改進(jìn)粒子群算法的微電網(wǎng)能量管理研究

馬彩蓮

摘要：微電網(wǎng)的能量管理是實(shí)現(xiàn)微電網(wǎng)運(yùn)行經(jīng)濟(jì)性的重要保障，處于微電網(wǎng)研究的支干地位。本文以微電網(wǎng)運(yùn)行成本最低、對(duì)環(huán)境污染最小為目標(biāo)，綜合考慮電能供給側(cè)與需求側(cè)對(duì)能量管理的影響，建立微電網(wǎng)在并網(wǎng)狀態(tài)下能量?jī)?yōu)化的數(shù)學(xué)模型，并用改進(jìn)粒子群優(yōu)化算法對(duì)算例進(jìn)行求解，結(jié)果驗(yàn)證了所建立的能量管理模型的合理性以及算法改進(jìn)策越的有效性。

關(guān)鍵詞：微電網(wǎng)；能量管理；粒子群算法；需求側(cè)響應(yīng)

1 引言

隨著社會(huì)的不斷發(fā)展與科技的不斷進(jìn)步，一方面對(duì)能源的需求越來(lái)越大，另一方面化石能源的廣泛使用給環(huán)境帶來(lái)了極為嚴(yán)重的污染問(wèn)題，人類(lèi)亟需革新的能源利用方式，從源頭減小對(duì)環(huán)境的破壞[1]。微電網(wǎng)（Microgrid）中的大部分發(fā)電單元采用清潔能源，整個(gè)發(fā)電過(guò)程不會(huì)產(chǎn)生污染物，對(duì)環(huán)境友好，符合可持續(xù)發(fā)展理念。，微電網(wǎng)能量管理是微電網(wǎng)安全穩(wěn)定運(yùn)行的必要條件，是微電網(wǎng)提供高質(zhì)量電能的基礎(chǔ)，為微電網(wǎng)系統(tǒng)進(jìn)行調(diào)頻調(diào)壓提供物質(zhì)基礎(chǔ)，是微電網(wǎng)研究的關(guān)鍵技術(shù)之一[2]。

2分布式單元單元

本文所考慮的分布式電源種類(lèi)較多，其中光伏電池與風(fēng)力發(fā)電機(jī)出力受自然條件影響較大，其輸出功率與自然條件相關(guān)，由于風(fēng)能和光能屬于清潔能源，無(wú)需對(duì)其施加額外能量，發(fā)電過(guò)程不會(huì)產(chǎn)生任何污染物，因此必須充分利用風(fēng)機(jī)與光伏發(fā)電特性，在本文中風(fēng)機(jī)與光伏屬于不可調(diào)度微源。微型燃?xì)廨啓C(jī)與燃料電池出力與天然氣輸送量有關(guān)，本文將在國(guó)內(nèi)外學(xué)者的研究基礎(chǔ)上得到適合于本文研究的微型燃?xì)廨啓C(jī)與燃料電池出力模型，另外，由于微型燃?xì)廨啓C(jī)及燃料電池一般使用天然氣作為燃料，在發(fā)電過(guò)程中會(huì)產(chǎn)生污染物，所以必須對(duì)其出力進(jìn)行規(guī)劃，在本論文中微燃機(jī)與燃料電池屬于可調(diào)度微源。儲(chǔ)能屬于能量緩沖設(shè)備，當(dāng)微源出力大于負(fù)載需求時(shí)進(jìn)行充電，當(dāng)微源出力小于負(fù)載需求時(shí)進(jìn)行放電，進(jìn)行能量管理時(shí)必須建立合乎實(shí)際的儲(chǔ)能模型，必須考慮充放電深度對(duì)儲(chǔ)能設(shè)備出力的影響。同時(shí)考慮了需求側(cè)響應(yīng)，由于負(fù)載系統(tǒng)中存在一級(jí)負(fù)載、二級(jí)負(fù)載及三級(jí)負(fù)載，三類(lèi)不同負(fù)載的響應(yīng)模式不同，需對(duì)負(fù)載進(jìn)行分類(lèi)，劃分為可轉(zhuǎn)移負(fù)載與不可轉(zhuǎn)移負(fù)載[3]。

3 并網(wǎng)型微電網(wǎng)能量管理模型

3.1目標(biāo)函數(shù)

對(duì)整個(gè)微電網(wǎng)系統(tǒng)基于經(jīng)濟(jì)成本最小及對(duì)環(huán)境危害最小為目標(biāo)進(jìn)行數(shù)學(xué)建模，并綜合考慮電能gong5給側(cè)與需求側(cè)，以實(shí)現(xiàn)供需雙方電能高效互動(dòng)。

（3-1）

式中， 即為目標(biāo)函數(shù)； 為微電網(wǎng)運(yùn)行的燃料成本， 為微電網(wǎng)的運(yùn)行維護(hù)費(fèi)用， 為微電網(wǎng)的設(shè)備折舊費(fèi)用， 表示的是微電網(wǎng)向大電網(wǎng)買(mǎi)電的費(fèi)用， 表示的是微電網(wǎng)向大電網(wǎng)賣(mài)電所得的費(fèi)用， 為微電網(wǎng)的環(huán)境成本。

3.2約束條件

1）功率平衡的約束條件

（3-2）

式中， 表示的是微電網(wǎng)與大電網(wǎng)的交互功率。

2）分布式電源輸出功率的約束條件

（3-3）

式中， 指的是第i臺(tái)機(jī)組出力的最小值； 指的是第i臺(tái)機(jī)組出力的最大值。

3）交互功率約束：

（3-4）

式中， 、 分別為所能允許的最小、最大交互功率。

5）儲(chǔ)能裝置約束條件：

（3-5）

式中， 表示的是儲(chǔ)能裝置最小的容量； 表示的是儲(chǔ)能裝置最大的容量。 、 為儲(chǔ)能裝置的最小、最大充放電功率。

儲(chǔ)能裝置最大的輸出功率

6）轉(zhuǎn)移負(fù)荷量約束：

（3-6）

式中， 表示的是在某一時(shí)段轉(zhuǎn)移負(fù)荷的真實(shí)值； 表示的是系統(tǒng)在一天內(nèi)可轉(zhuǎn)移負(fù)荷的最小值； 表示的是系統(tǒng)在一天內(nèi)可轉(zhuǎn)移負(fù)荷的最大值。

4改進(jìn)粒子群算法

在搭建好能量管理模型后需要對(duì)模型進(jìn)行求解，由于能量管理的數(shù)學(xué)模型非線性程度高，計(jì)算量大，難以得到精確的數(shù)值解。粒子群算法具有原理簡(jiǎn)單易于實(shí)現(xiàn)收斂較快的特點(diǎn)，因此本文選擇粒子群算法對(duì)能量管理模型進(jìn)行優(yōu)化求解。但傳統(tǒng)的粒子群算法極易陷入局部最優(yōu)，得到的全局極值可能不是目標(biāo)函數(shù)在定義域內(nèi)的最優(yōu)解，因此需要對(duì)傳統(tǒng)粒子群算法進(jìn)行優(yōu)化求解。

4.1算法改進(jìn)策略

本文從優(yōu)化初始化分布及優(yōu)化粒子進(jìn)化策略兩個(gè)角度來(lái)改進(jìn)算法，使得粒子群算法在具備原有優(yōu)勢(shì)的基礎(chǔ)上吸收其余智能算法的優(yōu)點(diǎn)，提高收斂速度與收斂精度。

1）優(yōu)化粒子初始化過(guò)程：傳統(tǒng)粒子群算法初始化時(shí)選擇在解空間中隨機(jī)取值，但事實(shí)上受分布規(guī)律的制約不可能真正實(shí)現(xiàn)均勻分布，本算法借鑒拉定超立方采樣，初始化時(shí)將解空間分為N*N個(gè)子空間，在每個(gè)子空間內(nèi)隨機(jī)取值，這樣能使得種群粒子能較大的程度的分散在解空間中，種群個(gè)體能在初始化時(shí)就能較大概率分布在最優(yōu)解附近；

2）優(yōu)化慣性權(quán)重系數(shù)：慣性權(quán)重系數(shù)越大全局搜索能力越強(qiáng)，慣性權(quán)重系數(shù)越小局部搜索能力越強(qiáng)，在進(jìn)化初期，粒子適應(yīng)度值較差，需要加強(qiáng)全局尋優(yōu)能力快速度找到最優(yōu)值附近，進(jìn)化后期，粒子適應(yīng)度較好，但是需要加強(qiáng)局部尋優(yōu)能力以找到最優(yōu)解，因此本文選擇時(shí)變慣性權(quán)重系數(shù)，如式（1）所示以正弦規(guī)律遞減：

（4-1）

式中， 為初始慣性權(quán)重系數(shù)， 為末尾慣性權(quán)重系數(shù)，t為當(dāng)前迭代次數(shù)，M為總迭代次數(shù)。

3）融合布谷鳥(niǎo)算法levy飛行策略：粒子群算法在迭代后期易于陷入局部最優(yōu)，而levy飛行跳躍較大，可幫助粒子跳出局部最優(yōu)缺陷，當(dāng)粒子適應(yīng)度值在經(jīng)歷一定迭代次數(shù)仍然沒(méi)有改善后，認(rèn)為該粒子已陷入局部最優(yōu)，將該粒子進(jìn)化機(jī)制改為布谷鳥(niǎo)算法進(jìn)化機(jī)制，借助布谷鳥(niǎo)算法levy飛行策略跳出局部最優(yōu)，直至粒子適應(yīng)度值改善，但由于levy飛行策略尋優(yōu)精度較差，因此在粒子適應(yīng)度值改善后自動(dòng)退出布谷鳥(niǎo)算法進(jìn)化機(jī)制，重新回歸粒子群算法進(jìn)化機(jī)制，以便達(dá)到更好的尋優(yōu)精度。

4.2收斂性測(cè)試

本文以Ackley函數(shù)為測(cè)試函數(shù)驗(yàn)證優(yōu)化后的粒子群算法，基本粒子群算法與優(yōu)化后的粒子群算法針對(duì)測(cè)試函數(shù)的收斂曲線對(duì)比圖如圖4-1、圖4-2所示。

圖4-1 基本粒子群算法下Ackley函數(shù)的迭代曲線

圖4-2 優(yōu)化后Ackley函數(shù)的迭代曲線

通過(guò)對(duì)比圖4-1與圖4-2可知，基本粒子群算法在200代以后基本上沒(méi)有比較明顯的優(yōu)化，而改進(jìn)后的粒子群算法優(yōu)化呈現(xiàn)階梯型，到1000以后仍然有優(yōu)化的趨勢(shì)。測(cè)試結(jié)果表明改進(jìn)的粒子群算法能夠跳出局部最優(yōu)且求解精度有極大提高。

5仿真分析

本節(jié)選取了合適的算例，對(duì)并網(wǎng)模式與下，基于考慮需求側(cè)響應(yīng)前后做了仿真分析。對(duì)于微電網(wǎng)的能量管理調(diào)度而言，需要考慮光輻射強(qiáng)度、溫度以及風(fēng)速等自然條件，同時(shí)還應(yīng)考慮各個(gè)分布式電源設(shè)備的環(huán)境指標(biāo)與經(jīng)濟(jì)指標(biāo)。由于考慮到需求側(cè)響應(yīng)，利用分時(shí)電價(jià)對(duì)峰谷負(fù)荷進(jìn)行相應(yīng)的調(diào)整，故不同時(shí)段的電價(jià)信息也應(yīng)該考慮。

5.1考慮需求側(cè)響應(yīng)下的仿真分析

并網(wǎng)模式下考慮需求側(cè)響應(yīng)的微電網(wǎng)運(yùn)行仿真圖如下圖5-1所示。

由仿真可知，考慮需求側(cè)響應(yīng)的并網(wǎng)型微電網(wǎng)在一個(gè)調(diào)度周期內(nèi)的總運(yùn)行費(fèi)用為2721.1元，其中燃料成本為1641.4元，運(yùn)行維護(hù)成本為228.8元，設(shè)備折舊成本為503.6元，電網(wǎng)交互成本為-6.2元，環(huán)境成本為353.6元。

5.2未考慮需求側(cè)響應(yīng)下的仿真分析

并網(wǎng)模式下未考慮需求側(cè)響應(yīng)的微電網(wǎng)運(yùn)行仿真圖如下圖5-2所示。

圖5-1 并網(wǎng)模式下且考慮需求側(cè)響應(yīng)的運(yùn)行仿真圖

圖5-2 并網(wǎng)模式下未考慮需求側(cè)響應(yīng)的運(yùn)行仿真圖

由仿真可知，未考慮需求側(cè)響應(yīng)的并網(wǎng)型微電網(wǎng)在一個(gè)調(diào)度周期內(nèi)的總運(yùn)行費(fèi)用為3000.7元，其中包括電網(wǎng)交互成本、環(huán)境成本、運(yùn)行維護(hù)成本、設(shè)備折舊成本以及燃料成本，成本費(fèi)用分別為37元、386.4元、504.4元、229.5元及1843.4元。

通過(guò)數(shù)據(jù)可以看到，考慮需求側(cè)響應(yīng)與未考慮需求側(cè)響應(yīng)相比，總費(fèi)用由3000.7元減少到2721.1元，同比減少了10.2%。燃料費(fèi)用由1843.3元減少到1641.4元，同比減少了12.3%。環(huán)境成本由386.3元減少到353.6元，減少了32.7元。設(shè)備折舊成本由 504.4元減少到503.6 元；運(yùn)行維護(hù)成本由229.56元減少到222.8元，兩者變化不大。通過(guò)以上數(shù)據(jù)對(duì)比我們看到為了節(jié)約微電網(wǎng)運(yùn)行的經(jīng)濟(jì)成本，更好的調(diào)節(jié)負(fù)荷分布，并使各分布式電源達(dá)到最優(yōu)化狀態(tài)，應(yīng)該優(yōu)先選擇需求側(cè)響應(yīng)管理模式。

6總結(jié)

本文綜合經(jīng)濟(jì)性與環(huán)保性建立優(yōu)化模型，不僅考慮供電側(cè)能量管理，并考慮需求側(cè)對(duì)能量管理的貢獻(xiàn)，以綜合成本最小建立了充分完備的微網(wǎng)能量模型；通過(guò)改進(jìn)的粒子群算法對(duì)能量管理模型進(jìn)行求解，得到具體的運(yùn)行方案，有效降低了微電網(wǎng)運(yùn)行的經(jīng)濟(jì)與環(huán)境成本，結(jié)果驗(yàn)證了所改進(jìn)的模型與算法的優(yōu)越性。

參考文獻(xiàn)

[1]楊新法，蘇劍，呂志鵬，等. 微電網(wǎng)技術(shù)綜述[J].中國(guó)電機(jī)工程學(xué)報(bào)，2014，34（1）：57-70.

[2]張建華，蘇玲，陳勇，等. 微網(wǎng)的能量管理及其控制策略[J].電網(wǎng)技術(shù)，2011，35（7）：24-28.

[3]黃海亮. 孤島型微電網(wǎng)能量管理策略的研究[D].南京：南京航天航空大學(xué)，2016.

[4]郭思琪，袁越，張新松，等. 多時(shí)間尺度協(xié)調(diào)控制的獨(dú)立微網(wǎng)管理策略[J].電工技術(shù)學(xué)，2014，29（2）：122-129.

[5]馬喜平，謝永濤，董開(kāi)松，等. 多能互補(bǔ)微電網(wǎng)的能量管理研究[J].高壓電器，2015，51（6）：108-114.

[6]徐科，吳鳴，霍現(xiàn)旭，等. 基于復(fù)合粒子群算法的微電網(wǎng)能量管理策略[J].電測(cè)與儀表，2018，55（10）：1001-1390.

[7]張士科. 基于需求側(cè)管理的微電網(wǎng)運(yùn)行優(yōu)化方法研究與實(shí)現(xiàn)[D].蘭州：蘭州理工大學(xué)，2017.

（作者單位：武漢理工大學(xué)自動(dòng)化學(xué)院）