基于粒子群膜優化算法的微網能量優化方法研究

于文萍　吳婕萍

【摘 ?要】在微網穩定運行的情況下，進一步考慮微網的能量優化可以有效地實現微網的最優運行。論文將膜計算模型與粒子群算法結合，通過仿真驗證所提粒子群膜優化算法（Particle Swarm Optimization Based on P System， PSOPS）具有更強的計算能力，尋優結果更佳。最后，將粒子群膜優化算法應用于微電網的能量優化問題，計算結果表明，論文所提算法比粒子群算法更加精準可靠，有效實現了微網發電成本最優以及污染物排放治理最優。

【Abstract】Under the condition of stable operation of the micro grid， further consideration of energy optimization of the micro grid can effectively realize the optimal operation of the micro grid. Therefore， this paper combines membrane computing model with particle swarm optimization （PSO）， and proposes an improved method， called particle swarm optimization based on P system （PSOPS）. Then， the stronger computing power and better optimization ability of PSOPS have been verified through simulation. Finally， the PSOPS is applied to the energy optimization of the micro grid. The calculation results show that the proposed algorithm in this paper is more accurate and reliable than the PSO algorithm. At the same time， it can effectively realize the optimal power generation cost of the micro grid and the optimal pollutant emission control.

【關鍵詞】微電網;能量優化;膜計算;粒子群算法

【Keywords】micro grid; energy optimization; membrane computing; particle swarm optimization algorithm

【中圖分類號】TM732 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 【文獻標志碼】A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 【文章編號】1673-1069（2020）07-0178-02

1 引言

微網的能量優化一直都是微網技術研究的關鍵問題，在微網穩定運行的基礎上，還需要考慮微網的發電運行成本、環境污染等眾多因素。目前國內外已進行了一定的研究，但是隨著微網規模不斷地擴大以及各國的重視程度不斷地加深，對微網的能量優化的研究具有必要性。

粒子群算法具有不錯的尋優能力，收斂于全局最優解的概率較大，對種群大小敏感度不大，比較適用于連續函數、非線性、多峰等問題的求解。但其容易早熟收斂，導致尋優精度不夠高，陷入局部最優解。而膜計算作為自然計算的新分支[1]，具有強大的信息處理能力、推理能力、建模能力和并行計算能力，可以克服微電網結構復雜、種類繁多等問題，在求解優化問題具有應用前景。

綜上，本文將膜計算模型與粒子群算法結合，提出了一種基于粒子群膜優化算法（Particle Swarm Optimization Based on P System， PSOPS）的微網能量優化方法，以優化粒子群算法，避免其早熟收斂，提高尋優精度，平衡粒子群算法的局部搜索能力和全局搜索能力，實現微網的發電成本及污染物排放治理最優。

2 粒子群膜優化算法

2.1 定義

PSOPS的加膜實現步驟如下：

①初始化種群，產生一個擁有兩層膜的結構，基本膜和表層膜，該結構的外膜是表層膜，內膜是基本膜，表層膜內部包含了m個基本膜。②將初始化的種群隨機分配，使之進入每個基本膜當中，保證每個基本膜內部種群數目大于等于1，且表層膜當中不含有種群個體。③在每個基本膜內部執行一次粒子群算法，將每個基本膜中的運算結果進行比較，得到m個基本膜的最優解，最后進行表層膜迭代尋優，將基本膜迭代尋優最優解與表層膜迭代尋優結果比較輸出最優解，滿足以下條件之一可以運行結束：第一，基本膜內迭代結果連續多次無變化;第二，表層膜迭代結束。④比較迭代結果輸出函數的全局最優解。

2.2 函數測試

采用多個不同的連續多峰或其他函數進行測試，通過比較計算結果證明PSOPS比粒子群算法的計算結果更大，所以PSOPS的尋優能力更強，結果更加精準可靠。不同標準函數測試及結果如表1所示。

3 基于粒子群膜優化算法的微網能量優化

3.1 基于發電成本及排污同時最優的仿真

考慮分布式電源發電成本：

①光伏（PV），風力（WT）的發電運行成本暫不考慮，可以忽略，理想化：

CPV，WT=0 ? ? ? ? ?（1）

②微型燃氣輪機（MGT）的發電成本：

CMGT=CP× ? ? ? ? ? ? ? ? （2）

式中，CP為天然氣的價格2.05元/m3，天然氣的低熱值LHV是9.73kWh/m3，PT（MGT）為T時間段內微型燃氣輪機輸出的總功率，？濁T（MGT）為微型燃氣輪機T時間段內的電池總效率。

？濁T（MGT）=0.0753（）3-0.3093（）2+0.4174（）+0.1068 ? ? ? ? ? （3）

③燃料電池的發電成本：

CFC=CP ×? ? ? ? ? ? ? ? ? ? ? ? ? ? （4）

式中，CP為天然氣的價格2.05元/m3，天然氣的低熱值LHV是9.73kWh/m3，PT（FC）為T時間段內燃料電池輸出的總功率，？濁T（FC）為燃料電池在T時間段內的電池總效率。

？濁T（FC）=-0.0023 PT（FC）+0.6735 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（5）

運行維護成本：

Cr/m=gx× P（t） ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（6）

式中，gx表示運行維護成本和發電量的關系，查詢資料取經驗值gPV=0.0096元/kWh，gWT=0.0296元/kWh，gFC=0.029元/kWh，gMGT=0.0356元/kWh，P（t）表示分布式電源發電量。

折舊成本：

Cod=Cod-DG×P（t） ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （7）

式中，P（t）表示DG發電量，Cod-DG表示各分布式電源的單位折舊成本，查閱參考文獻[2]可知：CPV=0.4195元/kWh，CWT=0.4074元/kWh，CMGT=0.1299元/kWh，CFC=0.1589元/kWh。

綜合考慮分布式電源發電成本、運行維護成本和折舊成本的目標函數：

C=CPV，WT+CMGT+CFC +Cr/m +Cod ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（8）

考慮污染物排放治理：

CEM=αnEn[P（n）] ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （9）

式中，M表示污染氣體種類數，αn表示產生的第n種氣體的重量，En表示污染氣體的治理費用（元/kg），P（n）表示氣體種類，污染排放種類和治理費用詳見參考文獻[3]。

3.2 結果分析

本文以四川成都郫縣地區某一天的天氣情況與負荷需求為基礎數據進行仿真。如圖1和圖2所示為全天24h不同情況下的發電成本和污染物排放治理成本的尋優結果。其中，粒子群算法得到每個小時的發電成本和污染物排放治理費用的最優值（t=4h）為13.5808元，PSOPS得到最優值（t=1h）為12.2699元。經過比較可以得知本文所提PSOPS的尋優能力比粒子群算法的尋優能力更強，優化效果更佳。

4 結語

因分布式電源風力和光伏具有隨機性和波動性，微網供電復雜。為了有效實現微網的最優運行，本文將膜計算模型與粒子群算法結合，并應用于微網的能量優化問題，計算結果表明本文所提PSOPS比粒子群算法更加精準可靠，可以有效實現微網發電成本最優以及污染物排放治理最優。

【參考文獻】

【1】張葛祥，潘林強.自然計算的新分支——膜計算[J].計算機學報，2010，33（2）：208-214.

【2】包能勝，朱瑞丹，倪維斗.風電與燃氣輪機互補發電系統發電成本分析[J].燃氣輪機技術，2006（04）：1-5.

【3】賀婷婷.基于膜計算的微電網經濟運行研究與應用[D].成都：西華大學，2016.

【基金項目】四川省科技廳創新苗子工程項目（2019107）;成都工業學院重點項目（2019ZR002）;成都工業學院重點項目（2019ZR003）。

【作者簡介】于文萍（1994-），女，四川樂山人，助教，從事分布式發電與微電網技術等領域的教學研究。

【通訊作者】吳婕萍（1991-），女，四川自貢人，助教，從事電力圖像檢測等領域的教學研究。