基于蜂群優化算法冷熱電聯供型微網經濟調度研究

王文靜 龔文杰 于強 張智晟

摘要：? 針對蓄能裝置在冷熱電聯供型微網中的應用，本文構建了包含燃料電池、微型燃氣輪機、吸收式制冷機、余熱鍋爐和蓄能裝置的冷熱電聯供型微網經濟調度模型。該模型在滿足用戶冷熱電負荷需求和各微源出力約束的情況下，綜合考慮了系統的燃料費用、運行維護費用和購售電成本，并以蜂群優化算法作為模型的求解算法，并以文獻[18]的微電網為例進行仿真分析。仿真結果表明，與采用常規粒子群優化算法對調度模型進行求解相比，采用人工蜂群算法對調度模型進行求解所得的日綜合成本可下降71.8元，節約日綜合成本5.3%。該模型可以有效提高冷熱電聯供型微網的能源利用率和經濟效益。

關鍵詞：? 微網; 冷熱電聯供; 蜂群優化算法; 經濟調度; 電力系統

中圖分類號： TM73 文獻標識碼： A

隨著世界范圍內環境污染和能源危機等問題日漸突出，微網研究與應用越來越引起世界各國的重視[13]。微網是通過分布式微型電源，向用戶端提供各類負荷的小型供能系統，它可以獨立運行（孤島運行）或者并網運行（聯網運行）。微網經濟調度就是根據電價和負荷需求等因素靈活地調節各個發電單元的輸出功率，在保證供需平衡的同時，使經濟效益達到最高。目前，針對冷熱電聯供（combined cooling heating and power，CCHP）型微網經濟調度問題，國內外學者提出了不同的方案。H.Asanol等人[4]建立了包含新能源發電的微網優化模型，提出了微網運行優化方法，但該模型僅考慮了等式約束條件，未考慮不等式約束條件;周任軍等人[5]建立了冷熱電聯供系統的優化模型，該模型綜合考慮了環境成本和經濟成本對調度的影響，但并未對各微源出力進行優化調度;郭力等人[6]提出的冷熱電聯供系統優化模型考慮了新能源發電，并在滿足各微源的運行約束條件和用戶負荷需求的基礎上，對各微源出力進行優化調度;王銳等人[7]建立了含可再生能源的熱電聯供型微網優化模型，以微網經濟成本作為優化目標，對各微源出力進行優化調度，采用基本粒子群優化（particle swarm optimization，PSO）算法對模型進行優化求解;高偉等人[8]提出了一種冷熱電聯供型微網系統能量優化模型，該模型考慮了燃料費用和公共電網實時電價等因素對微電網的經濟優化運行產生的影響。由于上述文獻提出的模型中并沒有考慮蓄能裝置對調度的影響，但蓄能裝置在冷熱電聯供型微網中的應用越來越多。基于此，本文考慮用戶負荷需求和分時電價的影響，充分利用可再生能源，構建了包含燃料電池、微型燃氣輪機、吸收式制冷機、余熱鍋爐和蓄能裝置的CCHP型微網經濟調度模型，綜合考慮了系統的燃料費用、運行維護費用和購售電成本，采用人工蜂群優化（artificial bee colony，ABC）算法對模型進行求解，通過算例證明，該模型可以有效提高冷熱電聯供型微網的能源利用率和經濟效益。

1 CCHP型微網系統模型

冷熱電聯供型微網系統主要由光伏、風力、燃料電池、燃氣輪機、余熱鍋爐、吸收式制冷機以及蓄能裝置構成[9]，CCHP型微網系統結構如圖1所示。

4 算例分析

4.1 算例介紹

本文以文獻[18]的微電網為例，某典型日冷負荷、熱負荷和電負荷曲線如圖3所示，光伏和風力發電預測輸出功率如圖4所示，各微源和公共電網參數如表1所示。采用分時電價，高峰時段為7∶00～15∶00，18∶00～21∶00;平時段為15∶00～18∶00，21∶00～23∶00;谷時段為23∶00～7∶00。實時電價如表2所示。

4.2 算例分析

以1天24 h為1個調度周期，以1 h為計算時段，采用基于蜂群優化算法的冷熱電聯供型微網經濟調度方法進行調度，各微源出力及蓄電池蓄電情況如圖5所示，蓄冷和蓄熱情況如圖6所示。

由圖5和圖6可以看出，因0～7∶00時，負荷端的冷負荷、熱負荷和電負荷需求較少，且實時電價較低，所以燃料電池和微型燃氣輪機只保持最低功率運行狀態，同時向公共電網購電，蓄電池處于蓄電狀態;7∶00～15∶00時，人們因工作等需要，所需負荷相對較多，且實時電價處于高峰階段，所以微型燃氣輪機和燃料電池需以較高的輸出功率運行，以滿足負荷端的用能需求。蓄電池處于向外放電狀態，同時微網系統向外部電網售電，該時段冷負荷和熱負荷需求較高，蓄冷和蓄熱裝置配合燃氣輪機工作，以滿足用戶需求。15∶00～18∶00時，電價回落，微網系統從公共電網購電，蓄電池處于充電狀態。18∶00～21∶00時是人們下班后休閑娛樂的高峰期，用戶用電需求較高，蓄電池處于放電狀態，燃料電池以較高的功率運行，此時微電網向公共電網購電。該時段冷負荷和熱負荷需求較低，所以微型燃氣輪機以較低的功率運行，同時蓄冷和蓄熱裝置處于儲能狀態。23∶00～24∶00時，該時段實時電價低，且用戶負荷需求低，所以微網從公共電網購電，蓄電池處于蓄電狀態，燃料電池和微型燃氣輪機以低功率運行，蓄熱和蓄冷裝置處于儲能狀態。

為了進一步驗證采用人工蜂群算法求解調度模型的優越性，將其與采用常規粒子群算法求解調度模型進行比較，所求得的日綜合成本比較如表3所示。由表3可以看出，采用人工蜂群算法對調度模型進行求解，比采用常規粒子群優化算法對調度模型進行求解，所得的燃料成本節省34.2元，運行維護成本節省22.1元，電網買賣電凈收入少15.5元。日綜合成本下降71.8元，可節約日綜合成本5.3%。

5 結束語

本文在充分考慮功率供需平衡和各微源運行約束條件的前提下，構建了包含燃料電池、微型燃氣輪機、吸收式制冷機、余熱鍋爐和蓄能裝置的冷熱電聯供型微網經濟優化調度模型。分別采用人工蜂群優化算法和常規粒子群算法對模型進行求解，結果顯示，人工蜂群算法具有較明顯的優勢。同時，模型中加入蓄電池，可以有效降低成本，蓄冷和蓄熱裝置能較好的協同吸收式制冷機和余熱鍋爐工作，最大程度地節約調度成本。結果表明，CCHP型微電網系統能高效利用能源，在微電網中具有較好的社會效益與經濟效益，有良好的發展前景。

參考文獻：

[1] 徐迅， 高蓉， 管必萍， 等. 微電網規劃研究綜述[J]. 電網與清潔能源， 2012， 28（7）： 2530.

[2] 李鵬， 張玲， 王偉， 等. 微網技術應用與分析[J]. 電力系統自動化， 2009， 33（20）： 109115.

[3] 劉振亞. 智能電網技術[M]. 北京： 中國電力出版社， 2016.

[4] Asanol H， Bandol S. Economic analysis of microgrids[J]. Power Conversion ConferenceNagoya， 2007： 654 ?658.

[5] 周任軍， 冉曉洪， 毛發龍， 等. 分布式冷熱電三聯供系統節能協調優化調度[J]. 電網技術， 2012（6）： 814.

[6] 郭力， 許東， 王成山， 等. 冷熱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）： 96100.

[7] 王銳， 顧偉， 吳志. 含可再生能源的熱電聯供型微網經濟運行優化[J]. 電力系統自動化， 2011， 35（8）： 2227.

[8] 高偉， 黃躍武， 王飛娜. 區域冷熱電聯供系統優化設計分析[J]. 建筑熱能通風空調， 2010， 29（3）： 8891.

[9] 孔祥強， 李瑛， 王如竹， 等. 燃氣輪機冷熱電聯供系統優化與節能經濟性研究[J]. 暖通空調， 2005， 35（7）： 48.

[10] 段紹輝， 汪偉， 劉中勝， 等. 含光伏的冷熱電聯供微網系統優化調度方案[J]. 電力系統及其自動化學報， 2013， 25（4）： 150155.

[11] 萬術來. 基于改進粒子群算法的微網環保經濟運行的優化[D]. 廣州： 華南理工大學， 2012.

[12] 許東. 微型燃氣輪機冷電聯供系統能量優化與管理[D]. 天津： 天津大學， 2010.

[13] 王新剛， 艾芊， 徐偉華， 等. 含分布式發電的微電網能量管理多目標優化[J]. 電力系統保護與控制， 2009， 37（20）： 7983.

[14] Augustine N， Suresh S， Moghe P， et al. Economic dispatch for a microgrid considering renewable energy cost functions[C]//2012 IEEE PES Innovative Smart Grid Technologies. Washington， DC， USA： IEEE.， 2012： 1620.

[15] 吳雄， 王秀麗， 別朝紅， 等. 含熱電聯供系統的微網經濟運行[J]. 電力自動化設備， 2013， 33（8）： 16.

[16] 王金全， 黃麗， 楊毅. 基于多目標粒子群算法的微電網優化調度[J]. 電網與清潔能源， 2014， 30（1）： 4954.

[17] 馬景超. 冷熱電聯供型微網經濟調度研究[D]. 青島： 青島大學， 2014.

[18] 陳靖， 李雨薇， 習朋， 等. 微網系統經濟運行優化[J]. 華東電力， 2012， 40（2）： 167172.

[19] 高衛峰， 劉三陽， 姜飛， 等. 混合人工蜂群算法[J]. 系統工程與電子技術， 2011， 33（5）： 11671170.

[20] 喻金平， 鄭杰， 梅宏標. 基于改進人工蜂群算法的K均值聚類算法[J]. 計算機應用， 2014， 34（4）： 10651069， 1088.