一種運用于微電網優化調度的改進蝙蝠算法

何麗娜，陳汝科，沈丹青，楊凱帆，謝 梟，王若昕，黃 婧

（1.國網湖北省電力有限公司鐘祥市供電公司，湖北鐘祥 431900；2.國網湖北省電力有限公司沙洋縣供電公司，湖北沙洋 448200）

引言

為了提高電網運行的穩定性，順應智能大電網的發展理念，微電網系統得到了我國電力行業的重視。雖然微電網技術具有巨大的社會及經濟意義，但由于微電網具有不穩定性，對微電網進行優化調度，成為亟待研究的問題。

微電網的優化調度問題為復雜的非線性問題，因此用傳統單一算法難以有效解決。隨著智能算法的提出，上述問題得到了較好解決。文獻[1]提出一種混合蝙蝠算法來處理結合熱發電機和風力渦輪機的經濟調度問題；文獻[2]提出一種多層次的蟻群算法解決微電網的能量調度問題；文獻[3]用重力搜索算法解決經濟與環境負荷調度問題；文獻[4]提出一種量子粒子群算法來解決考慮風電不確定性與碳稅的經濟調度問題；文獻[5]運用蝙蝠算法對建立的微電網模型進行優化調度，并通過算例對比驗證了算法的有效性。

基于以上分析，首先建立運行費用、污染排放、甩負荷補償和網損最小的目標函數模型；同時通過引入混沌序列，對蝙蝠算法進行改進，并通過算例分析驗證了該改進算法的實用性。

1 數學模型

1.1 目標函數

（1）運行成本最低

發電成本f1可表示為[6]：

式中，N為電源設備數目；S為燃料費用；α為維護系數；cxt,i為啟停費用，Imt為啟停狀態。

（2）污染物排放費用

微電網的污染物排放費用f2可表示為[7]：

式中，M為污染物種類數；gj為排放價格。

（3）系統網損

系統網絡損耗的費用f3可用式（3）表示[8]：

（4）約束條件

約束條件可用式（4）表示：

式中，rs，rx分別為電源的上下爬坡速度。

1.2 多目標函數權重系數的確定

本研究中的多目標函數，其權重系數向量可表示為[9]：

式中，[αd、βd]為權重系數向量，則轉化后的單目標函數表達式為：

2 蝙蝠優化算法的基本原理

2.1 蝙蝠優化機理

蝙蝠算法是一種啟發式優化算法，通過模擬自然界中的蝙蝠特征來解決優化問題[10]。

自然界中的蝙蝠常通過自身的回聲定位功能，來對目標加以判斷，然后進行有效的躲避及捕獵。蝙蝠在搜索目標初期會發出低頻超聲波擴大搜索范圍，當確定目標所在范圍后，蝙蝠就會降低響度，從而對目標具體方位進行最終確定。以蝙蝠搜索目標為靈感，學者們提出了蝙蝠算法[11,12]。

2.2 蝙蝠算法改進

（1）自適應慣性調整的方法

蝙蝠算法的特點是全局最優轉換局部最優值能力解空間的速度較快，但因此也較容易陷入局部最優解。為此，引入自適應調整因子對蝙蝠算法進行改進，即：

式中，w為慣性權重因子。

式（8）是通過仿真實驗得到的，實驗表明，隨著w值的增大，算法越趨于全局最優值；隨著w值的減小，算法越趨于局部最優值。算法流程如圖1所示。

圖1 算法流程圖

（2）混沌搜索策略

利用混沌搜索和正則優化搜索的隨機性和遍歷性，將優化解線性變換到解空間，可表示為：

式中，bi,s，ai,s分別為xi,s的最大值和最小值。

2.3 算法步驟

使用改進型蝙蝠算法對微電網系統進行優化調度的計算步驟為：

（1）對符合條件的所有參數進行初始化；

（2）先利用偽隨機數發生器產生一組權向量，然后使用改進型蝙蝠算法計算；

（3）將控制變量代入目標函數而后分別求解；

（4）運用超效率DEA法對目標函數進行評價，確定最終方案；

（5）用改進的蝙蝠算法求解。

3 算例分析

3.1 算例主要參數

運用3種算法對所建立的微電網模型進行優化調度，其中算法主要參數參照文獻[12]中的數值。圖2為風速及溫度變化，圖3所示為微電網的日負荷變化。

圖2 風速與溫度變化

圖3 系統日負荷變化

3.2 算例結果分析

圖4為系統網損的變化曲線，由圖4可知，隨著負荷的增大，網損的變化規律較為復雜，但基本呈現增大的趨勢。

圖4 系統網損變化

圖5為微電網系統電源設備的輸出功率。

圖5 輸出功率對比

對比光伏、風機與光照強度、風速可知，光伏、風機與所在區域的光照強度、風速呈現正比趨勢，并且由于光伏與風機無污染物排放，輸出功率較大。同時燃料電池也是滿負荷發電。

4 結論

（1）建立了一種新的微電網多目標優化模型，引入超高效數據包評估，進行了多目標函數的轉換。

（2）提出了一種微電網優化調度的改進型蝙蝠算法，并最終通過算例對比驗證了該算法的優越性。