基于遺傳算法的家庭能源系統能量優化管理

鄭曉坤 楊森 王海斌

摘? ?要：家庭能源系統是能源互聯網的重要組成部分，文章針對家庭能源系統在并網模式下的能量優化管理問題，綜合考慮各時段優化決策之間的聯系，以系統長期運行經濟效益最大化為目標，建立多時段動態優化模型。考慮到模型中存在的非線性互補約束以及多時段動態規劃所導致的求解難點，利用遺傳算法進行計算。最后根據實測數據建立仿真算例，驗證了模型和算法的有效性。

關鍵詞：家庭能源系統;多時段動態規劃;遺傳算法

家庭能源系統是能源互聯網的重要組成部分[1]，其能量優化管理是指通過合理控制系統各部分之間的能量使用而使系統運行最優。目前國內外學者針對家庭能源系統能量優化管理問題已經開展了一些有意義的工作，其中大部分研究以系統運行經濟效益最大化為優化目標[2-3]，在對時間的處理上，以1 h為單位時長，考慮一天或一周內的時間內系統運行方案，通過控制電池工作的狀態來實系統中能量在各部分的分配，從而實現最大化經濟化目標。本文以典型的家庭能源系統為研究對象，建立系統的運行管理模型，并以1 h為單位時長，通過控制系統在單位時段內的運行模式使系統24 h的運行經濟效益最大化。本文最后利用仿真算例對模型進行驗證，并利遺傳算法求解模型中的動態規劃問題。實現結果符合實際，支持模型的有效性。

1? ? 家庭能源系統結構

典型的家庭能源系統結構主要包括：局域消費者（用戶負載）、可再生能源發電單元（風力發電單元和光伏發電單元）以及蓄電池。系統通過變壓器連接到外網上，可以與外網進行電能交換，具體如圖1所示。

在t時段（t=1，…，N）內風力發電單元產生的電量為bWT（t）≥0，光伏發電單元產生的電量為bPV（t）≥0。由于風/光具有互補性，一般將兩種電能進行聯合供電，故可再生能源發電量為bG（t）=bWT（t）+bPV（t）。

可再生能源發電單元在t時段輸送給用戶負載、蓄電池的電量分別為bG|C（t）和bG|B（t），在確定負載需求量得到滿足時，可以將發電量向外網出售，售電量為bG|E（t）。

蓄電池向負載提供的實際電量為bC（t），負載從外網獲得缺額電量p（t）。在t時段內蓄電池向外網實際出售的電量記為be（t）≥0，從外網實際購進的電量記為bb（t）≥0。

2? ? 系統能量多時段動態優化模型

2.1? 系統各部分運行模型

可再生能源發電單元由風力發電單元和光伏發電組成。風力發電模型和光伏發電模型引自陳長征等[4]研究內容。

建立蓄電池充放電模型時，選擇蓄電池自放電系數為ε的充放電過程，并且考慮充放電過程中的電能損耗，則蓄電池的蓄電量變化模型為：

（1）

其中，b（t）表示蓄電池在t時段初始時的蓄電量，ηin表示電池充電效率，ηin表示電池放電效率。

2.2? 約束條件

家庭能源系統運行約束一般從儲能運行約束、發電單元運行約束以及網絡約束3個方面來考慮，其中網絡約束為：

l（t）=p（t）+bG|C（t）+bC（t）（2）

蓄電量在變化過程中應當始終滿足電池容量的約束：

Emin≤b（t）≤Emax（3）

Emin表示蓄電池最低儲電量，Emax表示蓄電池最高儲電量。且蓄電池在充、放電時存在最大的功率_pch和_pdc，即蓄電池在各時段內的充、放電功率滿足0≤pin（t）≤_pch，0≤pout（t）≤_pdc。考慮到儲能在同一時刻不能既充電又放電，因此充放電形成一個互補約束，即pin（t）pout（t）=0。這是一個非線性的約束條件，引入該約束使得優化問題的非凸性很強，增大了問題的求解難度[3]。可再生發電單元的供電對象包括負載、蓄電池和外網，則需滿足如下約束：

bG（t）=bG|E（t）+bG|C（t）+bG|B（t）（4）

上述約束條件分別根據負載、發電單元以及蓄電池的運行狀態提出，在系統運行的每一時段都需要嚴格滿足。

2.3? 系統運行收益函數

系統在控制期內的運行收益為各個時段內的系統運行收益之和。而系統運行收益取決于系統與外網之間賣出（或購進）的電量。可以得到系統在控制長度為N的控制期T=t+s，（s=1，2，…，N）內，以獲得最大經濟效益為目標的目標函數為：

（5）

其中，e（t）為t時段市場電價。為了減小由于預測誤差對系統全局決策帶來的影響，這里對目標函數進行如下修正，γ為衰減系數：

（6）

其中，γ∈（0，1）;隨著預測步長s的增大，t+s時段收益的權重γs逐漸降低，因此可以減小由于預測長度增加帶來的偶然誤差。其中s=0，…，N，bWT（t+s）和bPV（t+s）分別表示根據t+s時段的風速和光照強度值得出的風力發電和光伏發電量。目前對于這類問題的求解大多應用遺傳算法在全局范圍內進行尋優，本文利用遺傳算法進行模型的求解。

3? ? ?仿真結果分析

利用仿真數據模擬圖1所示家庭能源系統在未來24 h內的運行狀態，其中用戶負載需求模擬如l（t）所示，結合風速和光照強度的歷史數據，模擬出控制范圍內系統各時段可再生能源發電量如G（t）所示。市場電價的變化規律如e（t）所示。并用遺傳算法求出控制期內每一時段的能量優化策略。

家庭能源系統的各部分參數設定如表1所示。算法參數設置：迭代次數設為2 000，種群大小設為200，變異概率為0，均值μ進化步長為0.2，衰減系數r=0.9。實驗結果：圖2給出了算法的求解收斂過程，可以看出，在控制期內的最優經濟效益為143.19元，實驗結果符合經驗規律。

4? ? 結語

通過上述分析可知，本文提出的多時段動態規劃模型能很好地根據系統各時段的狀態，充分利用市場電價的變化信息，考慮各時段優化決策的聯系，在全局范圍內得出使系統整體運行最優的能量管理策略，能夠在滿足系統需求、提供安全穩定電量的基礎上，最大限度地利用市場電價變化的價差，使系統運行實現最大經濟效益。同時，文章利用遺傳算法在求解該模型時能克服多時段動態規劃問題的求解難點，還能解決由于互補性約束導致模型非凸的問題，實驗結果驗證了模型的有效性。

[參考文獻]

[1]查亞兵，張濤，黃卓，等.能源互聯網關鍵技術分析[J].中國科學（信息科學），2014（6）：16-27.

[2]任建鋒，丁亞偉，付磊，等.基于相位角原理的特高壓電網失步解列改進方案[J].電力系統自動化，2011（10）：104-107.

[3]吳建中，余貽鑫.最小化運行費用的時變重構全局優化算法[J].中國電機工程學報，2003（11）：13-17.

[4]陳長征，王楠.遺傳算法中交叉和變異概率選擇的自適應方法及作用機理[J].控制理論與應用，2002（1）：41-43.

Energy optimal management of a house-energy system

based on quantum genetic algorithm

Zheng Xiaokun， Yang Sen， Wang Haibin

（Chinese People s Liberation Army 78111 Troops， Chengdu 610000， China）

Abstract：The House-energy system is an important part of energy internet. This paper considers the link of all time intervals optimal energy management decisions of house-energy system under online pattern， and proposes a multi-period dynamic optimal model， including the corresponding objective function and constraints， which aims to maximize economic benefits for a long-term operation. Typically， the no-linear complementary constraints and multi-period dynamic programming problems are difficult to solve. Therefore， genetic algorithm is used to get the solution. Finally， a simulation example is illustrated using the measured data to test the model and algorithm. Experimental results show that our model are effective.

Key words：the house-energy system; multi-period dynamic programming; genetic algorithm