基于CPSO算法實現電力綜合能源協同優化

陸沈雄

（浙江大學 管理學院，杭州310058）

配電網是電力系統的重要組成部分，配電網項目投資及運行費用在整個電力網配系統費用中所占的比例頗多[1-2]。合理、規范的配電網規劃方案可以為電力公司、電力企業及用戶節約大量的資金。在配電網系統中，綜合能源系統IES（integrated energy system）以多種形式存在[3-4]。IES 具有多能耦合的特點，可實現電、熱、天然氣等能源的綜合利用，可以最大化地發揮各能源間的協同作用和互補效益[5-6]。冷熱電負荷預測需要根據電力負荷、經濟、社會、氣象等歷史數據，尋求電力負荷與各種相關因素之間的內在聯系。負荷預測是綜合能源系統規劃初期進行方案比較的基礎，其準確度直接影響系統的配置。

現有技術中存在多種電力配置不合理的情況，在起初投資、年運行費用、回收年限等方面均存在資源浪費現象，造成大量電力資源的浪費。在此以混沌粒子群優化CPSO 算法為基礎， 實現綜合能源電能、熱能、天然氣能協同優化[7-8]；構建的優化模型能夠顯著改善信息資源搜索性能，提高算法的質量和魯棒性，有效地避免粒子群算法容易陷入局部最優解的缺陷。

1 總體結構設計

在對電力綜合能源進行協同優化時，需要設計出綜合能源系統。在此，該系統集成電力、風力、太陽能等不同能源的輸入輸出以及電力等能源轉換設備，通過不同形式的信息通信將電力系統、太陽能系統、供氣系統、供熱系統及供冷系統等共同構建成對應耦合關系。其設計核心，是將分布式能源及圍繞該分布式能源展開的區域能源供應問題，通過CPSO 進行優化[9-10]，使用戶能夠較充分地利用能源系統，使能源得到有效的配置與應用，也可以說是將公共冷、熱、電、太陽能、燃氣乃至水務整合在一起，為用戶所用。其總體架構如圖1所示。

圖1 設計架構示意圖Fig.1 Schematic of design architecture

在包含冷、熱、電、燃氣、太陽能的綜合能源中，用戶負荷需求的變化變幻莫測，使用各個不同能源的用戶比例不均勻。在系統負荷中，用戶負荷產生的熱源（冷源）之間的電能比也存在著不一致的問題。如果從滿足電路系統中不同需求的角度看，在進行電力綜合能源協同優化配置時，有4 種常用的系統配置方法，即采用補電子系統集成方法、補熱子系統集成方法、電-熱轉換集成方法或者采用蓄能手段的集成方法等[11-12]。

在運行過程中，當熱能與電能之比很小，或者相對比較小時，或者當用戶使用過程中的用電負荷比起原動機的輸出功率小時，通常利用并網電路或者并網系統補充不足的電能，或者采用可再生能源來補充電能。在另一種情況中，如果綜合能源系統中的供熱容量與用戶的需求不匹配時，可以啟用補熱子系統來進行供熱。還有一種情況，如果用戶使用時的熱能（冷能）與系統輸出的電能相比，比較大時，用戶可以啟用電-熱轉換設備，及時將熱能需求轉換為電能需求。這些辦法雖然在一定程度上提高了電力綜合能源協同系統的變工況調節能力，但是一些用戶由于所處位置偏遠，電力信息無法覆蓋的地方，用戶都難以靈活使用上述的辦法。

公共電網接入方式可分為孤島運行模式、并網不上網模式、 并網上網模式等3 種不同的配置模式。在孤島運行模式工作的情況下，綜合電力能源系統以獨立運行的模式進行工作，因該系統與公共電網之間通常不架設連接線路，所以這種方式比較適合于風能、太陽能比較豐富的地區。

在并網不上網工作模式的情況下，即使全部自用發電資源，仍舊無法滿足大型工業園區、大型商場、大型住宅區、醫院等使用頻率較高的場所的需求[13]。

在采用并網上網工作模式的情況下，雖然用戶能夠從供電網公司、企業購電，但該模式對電力電網的電能質量、發電情況、穩定性、持續性及安全性要求比較高，電力系統的控制模式不容實現。

因此，實現合理的電網信息估計，以合理構建電網系統，是目前亟待研究的技術問題。在此，通過引入粒子群優化算法（又稱隨機全局優化算法），對太陽能、風能、電能、生物質能、地熱能、潮汐能等分布式能源信息進行融合， 通過CPOS 算法將信息融合進行計算、整合，建立的適應性分布式能源優化模式（如圖1所示），有利于能源的充分利用。

2 CPOS 算法應用分析

CPOS 算法能夠通過粒子間的相互作用產生最優解，通過最優解實現資源的合理配置。該方法用于電力綜合能源協同配置中，不僅容易實現，優化速度快，收斂性強，還能夠解決在配置過程中不容易被用戶發現的各種問題。在具體應用中，CPOS 算法將原來的信息粒子群劃分為不同的子種群，每個子種群中的粒子彼此各自尋求自己的最優值，實現各種群粒子信息的共享， 通過共同計算、 進化、匹配，直到實現最佳的進化代數，最后得出經過比較后的最優值。

在此計算中，CPOS 算法相比遺傳算法GA（genetic algorithm）和粒子群優化PSO（particle swarm optimization）算法，具有多方面的技術優勢[14]。CPOS算法在電力系統中的應用流程如圖2所示。

圖2 CPOS 算法應用流程Fig.2 Flow chart of CPOS algorithm application

2.1 CPOS 算法模型的構建

在設計中，構建各種不同能源配電網網架優化規劃模型， 計算出電網線路中規劃的年綜合費用，將計算出的年綜合費用作為最小作為目標輸出函數，構建配電力電網不同網架優化的單階段靜態優化模型為

則有

式中：γi為電力運行投資的回收率；αi為設備使用費率；Ti為新建電網線路i 的投資費用；C2i為電網單位電價；γmax為最大負荷利用小時數；ΔPi為線路i的有功損耗；U1為過負荷懲罰系數；L 為網絡的過負荷的部分，該值可以通過網絡的負荷潮流求出；U2為非電力電網的懲罰值；xi為矢量X 的元素， 用戶在使用過程中，當選擇待選線路i 后令xi=1，當未選擇待選線路i 則有xi=0。

在此說明約束條件公式。潮流約束為

式中：A 為不同電網線路中節點關聯弧矩陣， 將A表示為電力線網中的網絡潮流；D 為電力線網中負荷需求。

在電力線路網絡能夠表示成各種不同類型電力能源的線路的組合，可以通過改變不同能源線路的狀態來改變電力網絡線路的拓撲結構，進而實現某種指標的最優求解。設計中，以不同電力線路中的能源路徑作為研究對象，進而對電力電網網絡進行分析。比如將線路用0 或1 表示數據信息，0 表示為該線路信息沒被選中，1 則表示為該線路被選中。假設每條電網線路都占據一位粒子，將各個不同的線路狀態進行組合在一起， 進而形成一個粒子，則可將粒子的大小表示為待選線路數總和。

2.2 工作方法

在工作過程中，按照以下操作步驟進行：

步驟1初始化程序。對不同電力線路的數據信息進行初始化操作，使得數據的計算更為準確。

步驟2將整個種群劃分成不同的子種群。由于標準粒子群算法不具有粒子的多樣性特點，因此粒子在搜尋、優化過程中很容易丟失，迷失方向。為便于搜索，在計算時整個種群劃分成不同的子種群。

步驟3初始化劃分后的子種群的產生時間、位置和速度。在分割后的子種群中，對子種群的時間、位置和速度進行初始化，使得出的數據更為精確，降低了計算的誤差精確度。

步驟4設定閾值， 計算每個子種群的適應度值。在達到預定周期時，能夠更新全局最好位置，最終搜索到局部的最優解。這樣劃分子種群能夠避免早熟等現象。

步驟5搜索每個不同子群個體最優值以及種群的最優值。

步驟6判斷是否重新尋找最優值。如果是最優解，則進行下一個操作步驟，然后將粒子的位置和速度重置。

步驟7融合各個子群，更新全局最優值，判斷是否停止優化。如果計算的最優值與設定的閾值相同，則停止計算，使算法停止；如果更新得到的全局最優值無法滿足用戶需要，則返回步驟6，重新設定閾值，計算每個子種群的適應度值。

通過將不同的子種群連續進行更新、 迭代計算，并進一步設置好一定數據的迭代步數，則能夠快捷、便利地得到全局最優解。

3 仿真試驗與分析

在進行仿真試驗時，硬件環境為Pentium（R）CPU為256 MB 內存， 硬盤容量為80 GB； 軟件環境為Windows XP 操作系統，JDK1.5， 在MatLab 2014b軟件環境下進行模擬仿真。在MatLab 中能夠實現模擬環境的可視化操作，其仿真圖像如圖3所示。

圖3 仿真函數示意圖Fig.3 Schematic of simulation function

由圖可見，全局最優解在（0，0.5）附近；隨著種群的分割以及不斷進化，“粒子”會隨著迭代次數不斷地增加而逐漸逼近最優解。采取（-1，1）之間的數據樣本，再對傳統PSO 計算方法與改進算法進行比較。采樣的樣本數據見表1。

表1 測試樣本數據Tab.1 Test sample data

在進行測試時， 測試數設置為40 次； 在這40次計算中，取其平均值作為最終的輸出結果，并將算法的終止迭代數設置為400 次， 分別采用CPSO算法和PSO 算法進行計算，并做對比分析。這2 種算法的收斂曲線如圖4所示。

圖4 兩種算法的收斂曲線Fig.4 Convergence curves of the two algorithms

試驗表明，CPSO 算法相對PSO 算法，具有較好的穩定性，收斂速度快，全局搜索能力較強，從而能夠快速有效地評價電力綜合能源協同優化的誤差。

4 結語

目前，國內現有的分布式能源與局域電網管理模式屬于一些簡單的項目樣式，為適應電力市場的發展需求，亟待探索電力行業發展需求的行之有效的管理模式。在此所采用了CPSO 改進算法，實現了電力綜合能源的協同優化， 具有全局搜索能力強、收斂速度快、精度高等優點。通過將該算法引入到電力能源配置系統中，不僅有利于促進分布式能源與局域電網技術問題的解決，而且有利于后期能源管理模式的研究，為更一步電力能源的配合與管理奠定理論基礎。