基于改進(jìn)PSO算法的分布式能源供應(yīng)鏈配置研究

潘馮超， 劉勤明， 葉春明， 李冠林

（上海理工大學(xué) 管理學(xué)院，上海 200093）

隨著經(jīng)濟(jì)全球化的迅猛發(fā)展，世界能源消耗急劇上升，能源儲備量不足導(dǎo)致的能源危機(jī)，促使發(fā)展清潔環(huán)保的分布式能源迫在眉睫。作為能源互聯(lián)網(wǎng)+智慧能源重要分支的分布式能源飛速發(fā)展，分布式風(fēng)力能源、分布式光伏能源、分布式天然氣能源等主要分布式能源模塊具有經(jīng)濟(jì)環(huán)保、獨立性高、污染小的優(yōu)點，被許多國家和地區(qū)大力倡導(dǎo)。我國也正不斷加大對分布式能源的政策支持，分布式能源的發(fā)展初露鋒芒[1]。十三五規(guī)劃“節(jié)能減排”目標(biāo)要求2020年單位GDP能耗降低15%，CO2排放量降低18%。因此，增加分布式能源在能源消費中的比重是當(dāng)務(wù)之急[2]。

目前，國內(nèi)外相關(guān)學(xué)者對于分布式能源供應(yīng)鏈配置的研究大多比較單一，少部分學(xué)者綜合考慮了各類分布式能源的調(diào)度問題。隆重等[3]針對分布式能源孤島模式運(yùn)行能力問題設(shè)計了電壓控制策略，利用Lyapunov穩(wěn)定性理論進(jìn)行分析，解決了平衡與不平衡負(fù)荷下電壓控制問題，因未考慮多能源情況，所以存在一定的局限性。Mavromatidis等[4]在不確定性分布式能源系統(tǒng)中引入次優(yōu)決策風(fēng)險，考慮能源載體價格和排放因子進(jìn)行成本最優(yōu)設(shè)計，確保系統(tǒng)更優(yōu)的性能，但其設(shè)計未考慮并網(wǎng)價格和需求因素的影響。Lv等[5]以分布式能源系統(tǒng)作為研究對象，對區(qū)域分布式能源供應(yīng)鏈的安全規(guī)劃進(jìn)行建模研究，實現(xiàn)分布式能源系統(tǒng)的經(jīng)濟(jì)性和穩(wěn)定性。Ma等[6]提出了一種分布式能源在線能量管理算法，用于解決能源預(yù)測調(diào)度不準(zhǔn)確的問題，但其在線調(diào)度算法結(jié)果存在比較大的誤差，不適用于大規(guī)模的能源調(diào)度。Xu等[7]提出了一種分布式多能源管理框架，利用沼氣–太陽能–風(fēng)能的協(xié)調(diào)運(yùn)作，建立了多能耦合矩陣，提出隨機(jī)優(yōu)化調(diào)度方案對分布式能源供應(yīng)鏈進(jìn)行動態(tài)優(yōu)化。王丹等[8]對分布式能源站點的選址定容進(jìn)行設(shè)備規(guī)劃與系統(tǒng)運(yùn)行研究，以實現(xiàn)總體經(jīng)濟(jì)最優(yōu)，降低系統(tǒng)運(yùn)行成本，減少設(shè)備配置冗余的目的。徐聰?shù)萚9]通過太陽能和燃料互補(bǔ)的分布式能源系統(tǒng)研究了影響系統(tǒng)節(jié)能效果的因素，得出改善分布式能源供應(yīng)鏈的性能關(guān)鍵在于合理利用相關(guān)能源和多能源互補(bǔ)。楊洋等[10]在區(qū)域能源限制背景下建立了區(qū)域能源供應(yīng)鏈的彈性測度模型，并分析了其魯棒性，結(jié)合區(qū)域能源實際情況，從彈性管理視角進(jìn)行了定量分析。Li等[11]設(shè)計了一種基于順序驅(qū)動的非檢測區(qū)域方法，對分布式能源網(wǎng)格中單一孤島的非檢測區(qū)域進(jìn)行分析，并且用一種數(shù)據(jù)驅(qū)動和機(jī)器學(xué)習(xí)的方法來實現(xiàn)分布式能源規(guī)劃和運(yùn)行問題檢測。但其設(shè)計的檢測方法只針對分布式能源中單一孤島的檢測，未考慮多能因素，因此實用性略低。

基于上述問題，本文創(chuàng)新地從分布式能源供應(yīng)鏈供給側(cè)出發(fā)，對分布式能源供應(yīng)鏈中的分布式風(fēng)力模塊、分布式光伏模塊、分布式天然氣等模塊進(jìn)行建模研究，構(gòu)成一個多組織的分布式能源供應(yīng)鏈，并對其進(jìn)行配置優(yōu)化和成本優(yōu)化。對于分布式能源供應(yīng)鏈供給側(cè)的研究最主要的是能源供應(yīng)鏈中各模塊的配置問題，而本文根據(jù)各模塊的功率數(shù)學(xué)表達(dá)式，將模擬退火算法運(yùn)用于粒子群算法，并將改進(jìn)的粒子群算法應(yīng)用到分布式能源供應(yīng)鏈配置問題上。通過算例分析，得出了分布式能源供應(yīng)鏈中各個模塊的合理配置，獲得優(yōu)良的配置方案，實現(xiàn)能源供應(yīng)鏈各組成部分的最大經(jīng)濟(jì)性和最高效率性。

1 問題描述

城市的正常運(yùn)行需要多種能源的支撐，包括電能需求、熱能需求和氣能需求，同時也需要各種能源設(shè)備來進(jìn)行能源轉(zhuǎn)換和存儲。一般來說，分布式能源系統(tǒng)主要由分布式天然氣模塊、分布式太陽能光伏模塊、分布式風(fēng)力模塊、能源轉(zhuǎn)換管理系統(tǒng)、能源存儲設(shè)備組成。其中：風(fēng)力、光伏、天然氣等模塊都可以供應(yīng)電能；分布式光伏集熱、天然氣產(chǎn)熱等主要負(fù)責(zé)熱能的供應(yīng)；氣能則主要由分布式天然氣模塊供應(yīng)。能源轉(zhuǎn)換管理系統(tǒng)主要提供多能源互相轉(zhuǎn)化及輸入輸出控制服務(wù)，能源存儲設(shè)備主要包括儲電設(shè)備、儲熱設(shè)備和儲氣設(shè)備，如圖1所示。

圖1 分布式能源系統(tǒng)框架Fig. 1 Framework of distributed energy system

分布式能源供應(yīng)鏈的配置在分布式能源系統(tǒng)中起著重要作用，利用好自然界中的風(fēng)能、太陽能和天然氣等分布式能源是一個城市綠色發(fā)展的重要手段。對于各種分布式能源模塊的合理分配及系統(tǒng)模型的優(yōu)化，能使城市的運(yùn)行兼顧經(jīng)濟(jì)性和環(huán)保性。本文目的就是通過對分布式能源供應(yīng)鏈中各分布式能源模塊合理分配，使城市更具經(jīng)濟(jì)性和環(huán)保性。

2 目標(biāo)函數(shù)

2.1 環(huán)保性目標(biāo)

分布式能源供應(yīng)鏈的環(huán)保性體現(xiàn)在分布式能源利用率和失負(fù)荷率，能源利用率越高，失負(fù)荷率越低，“能源丟棄”的情況就越少，則能源懲罰成本越小，該分布式能源供應(yīng)鏈就更具環(huán)保性。能源丟棄是指當(dāng)能源供應(yīng)大于能源需求時，多余的能源無處儲存就會導(dǎo)致能源丟棄，儲能設(shè)備雖然能減少能源丟棄的情況發(fā)生，但是當(dāng)儲能設(shè)備處于飽和狀態(tài)時，也會出現(xiàn)能源丟棄現(xiàn)象。失負(fù)荷是指能源供應(yīng)小于能源需求時，就會導(dǎo)致能源供應(yīng)鏈?zhǔn)ж?fù)荷。失負(fù)荷會導(dǎo)致工廠停工，停工會帶來損失，所以也會產(chǎn)生一定的損失成本。本文引入能源懲罰最小成本，其目標(biāo)函數(shù)為

式中：C1為懲罰成本；ga，gb分別為單位能源丟棄成本和單位能源失負(fù)荷損失成本；ea，eb分別為能源丟棄量和能源失負(fù)荷量。

2.2 經(jīng)濟(jì)性目標(biāo)

分布式能源供應(yīng)鏈的經(jīng)濟(jì)性體現(xiàn)在分布式能源供應(yīng)鏈中各個模塊的初始建設(shè)費用、后期維護(hù)費用以及運(yùn)行費用等。其中各個分布式模塊的成本不一，設(shè)置合理數(shù)量的分布式模塊可以使得分布式能源供應(yīng)鏈更具經(jīng)濟(jì)性，經(jīng)濟(jì)性目標(biāo)函數(shù)為

式中：C2為經(jīng)濟(jì)成本；Cd,Ce,Cf分別為設(shè)備的初始成本、運(yùn)行成本和維護(hù)成本。

設(shè)備初始成本Cd由風(fēng)力模塊初始成本Cw0、太陽能模塊初始成本Cl0、天然氣模塊初始成本Cg0、儲能設(shè)備初始成本Cs0、能源管理轉(zhuǎn)換初始成本Ct0組成，公式為

運(yùn)行成本Ce由風(fēng)力模塊運(yùn)行成本Cw1、太陽能模塊運(yùn)行成本Cl1、天然氣模塊運(yùn)行成本Cg1、儲能設(shè)備運(yùn)行成本Cs1、能源管理轉(zhuǎn)換運(yùn)行成本Ct1組成，公式為

維護(hù)成本Cf由風(fēng)力模塊維護(hù)成本Cw2、太陽能模塊維護(hù)成本Cl2、天然氣模塊維護(hù)成本Cg2、儲能設(shè)備維護(hù)成本Cs2、能源管理轉(zhuǎn)換維護(hù)成本Ct2組成，公式為

綜合以上目標(biāo)函數(shù)，分布式能源供應(yīng)鏈目標(biāo)函數(shù)整合后的總成本公式為

3 約束條件

分布式能源供應(yīng)鏈系統(tǒng)中，有許多條件限制，比如總功率限制，分布式風(fēng)力、太陽能、天然氣裝機(jī)容量限制，城市最高失負(fù)荷率限制及儲能設(shè)備容量限制等，總功率和各個模塊的參數(shù)都應(yīng)該在這些限制范圍內(nèi)，否則可能會存在系統(tǒng)風(fēng)險。

系統(tǒng)總功率平衡限制：

式中：Pl(t),Pa(t),Pc(t),Pw(t),Ps(t),Pg(t),Pd(t),Pb(t)分別為t時段內(nèi)，分布式能源供應(yīng)鏈系統(tǒng)中負(fù)荷功率，丟棄功率、充能功率、風(fēng)力功率、太陽能功率、天然氣功率、放能功率和失負(fù)荷功率，單位為kW。

裝機(jī)容量限制：

式中：NW，NL，NG，NS分別為風(fēng)力模塊、太陽能模塊、天然氣模塊及儲能設(shè)備的實際裝機(jī)容量；NWmin，NWmax，NLmin，NLmax，NGmin，NGmax，NSmin，NSmax則分別為各模塊的裝機(jī)上、下限。

城市最高失負(fù)荷率限制：

失負(fù)荷是指能源供應(yīng)滿足不了能源需求導(dǎo)致系統(tǒng)停止運(yùn)行的現(xiàn)象，失負(fù)荷率是失負(fù)荷與負(fù)荷之比，失負(fù)荷率是一個城市運(yùn)行效率的重要評價指標(biāo)，Lset則是一個城市最高失負(fù)荷率的限制，分布式能源供應(yīng)鏈的運(yùn)行必須低于這個數(shù)值，才能投入使用。

儲能設(shè)備容量限制:

式中：S為儲能設(shè)備的實際容量；Smin，Smax分別為儲能設(shè)備的最小容量值和最大容量值。

4 數(shù)學(xué)模型

本文研究的分布式能源供應(yīng)鏈模型中主要包含分布式風(fēng)力模塊、分布式光伏模塊、分布式天然氣模塊和能源轉(zhuǎn)換管理存儲設(shè)備等。各個模塊的模型既是獨立模型，每個模塊模型又有一定的關(guān)聯(lián)，組成整個分布式能源供應(yīng)鏈。風(fēng)電機(jī)組是風(fēng)力發(fā)電的主要部件，通過風(fēng)帶動風(fēng)輪轉(zhuǎn)動切割磁場產(chǎn)生電能，電量的產(chǎn)能大小跟風(fēng)速和風(fēng)輪的轉(zhuǎn)速有關(guān)。風(fēng)能轉(zhuǎn)化電能的相關(guān)數(shù)學(xué)公式如下：

式中：Pm為風(fēng)力發(fā)電機(jī)的輸出功率；η為風(fēng)機(jī)效率；Cp為風(fēng)力發(fā)電機(jī)把風(fēng)能轉(zhuǎn)化為電能的效率系數(shù)；由于風(fēng)能轉(zhuǎn)化為電能的過程中能量損耗，通常情況下風(fēng)能的最大利用系數(shù)約為0.593；R為風(fēng)輪半徑；ρ為空氣密度（1.2kg/m3）；v為自然條件下的風(fēng)速。

風(fēng)力發(fā)電機(jī)輸出功率與風(fēng)速的關(guān)系一般可用分段函數(shù)（17）表示：當(dāng)風(fēng)速低于風(fēng)輪切入速度vci或大于風(fēng)機(jī)切出速度vco，風(fēng)機(jī)不發(fā)電，功率為0；當(dāng)風(fēng)速大于風(fēng)輪切入速度時，風(fēng)機(jī)發(fā)電，發(fā)電功率與風(fēng)速為一次函數(shù)關(guān)系；當(dāng)風(fēng)速到達(dá)風(fēng)輪額定切入速度vcr時，風(fēng)機(jī)達(dá)到額定輸出功率Pr并保持不變。

分布式光伏模塊是太陽光轉(zhuǎn)化為電能或熱能的模塊，也是社會生活中隨處可見的一種技術(shù)，如家用太陽能熱水器、太陽能發(fā)電、公路的路燈以及高速公路上的各類警示牌，可見分布式光能的發(fā)展前景之廣。國內(nèi)外相關(guān)學(xué)者對太陽光照強(qiáng)度的分布情況進(jìn)行了很多的研究，結(jié)果表明可以用貝塔分布來近似描述，其概率密度函數(shù)如下[12]：

式中：G(t)，Gmax分別為光伏隨機(jī)出力和最大出力；Γ為伽馬函數(shù)；α，β為光照強(qiáng)度的貝塔分布形狀參數(shù)。

光伏發(fā)電由于環(huán)境溫度、光照強(qiáng)度等不確定性因素，其輸出功率也存在間歇性與隨機(jī)性，模型數(shù)學(xué)公式可表示為

式中：Ps為光伏發(fā)電模塊的輸出功率，kW；fs為光伏發(fā)電模塊實際輸出功率與額定功率之比，一般取值為0.9；PSTC為光伏發(fā)電模塊標(biāo)準(zhǔn)條件下的額定功率；GT為光伏模塊上總光照強(qiáng)度，kW/m2；GSTC為標(biāo)準(zhǔn)條件下太陽光強(qiáng)度（1 kW/m2）；αp為功率溫度系數(shù)，%/℃，一般取值為-0.47%/℃；Tc為光伏模塊表面溫度，℃；TSTC為光伏模塊標(biāo)準(zhǔn)溫度（25 ℃）。

分布式天然氣模塊是通過燃?xì)廨啓C(jī)對天然氣進(jìn)行燃燒，轉(zhuǎn)化為電能或熱能的裝置。相對于傳統(tǒng)火力發(fā)電裝置和煤燃燒產(chǎn)熱裝置，燃?xì)廨啓C(jī)的效益更高，污染也小很多。因此，我國北方很多地區(qū)都已實現(xiàn)煤改氣，采用天然氣供暖供電。研究表明，燃?xì)廨啓C(jī)消耗的天然氣量與輸出功率之間的關(guān)系為

式中：Fg，Pg分別為燃?xì)廨啓C(jī)消耗氣量和功率；αg,βg,γg為燃?xì)廨啓C(jī)的耗氣量曲線決定因子；V為天然氣固定高熱值，一般取值為10.35（kW·h）/m3。

儲能設(shè)備是平衡分布式能源供應(yīng)鏈中各模塊出力的裝置，用來儲存多余的能源。比如白天的時候太陽光強(qiáng)烈，但熱能需求低，儲能設(shè)備就可用于儲存多余的熱能，供晚上熱能需求大的時候使用，這種裝置可以有效提高分布式能源供應(yīng)鏈中能源利用率。能源轉(zhuǎn)換管理設(shè)備則是用于能源之間的轉(zhuǎn)換及管理，如當(dāng)能源供應(yīng)大于需求時，需要能源轉(zhuǎn)換管理設(shè)備將多余的能源充入儲能設(shè)備進(jìn)行儲備，否則需要其對儲能設(shè)備進(jìn)行放能操作。此外，能源轉(zhuǎn)換管理設(shè)備還兼具能源轉(zhuǎn)換的功能，如電能轉(zhuǎn)化為熱能或熱能轉(zhuǎn)化為電能等功能。儲能設(shè)備在分布式能源供應(yīng)鏈中的作用十分重要，它既能提高可再生能源使用率，使新能源具有更好的性價比，還能降低能源供應(yīng)鏈的棄能率，提高供應(yīng)鏈整體的經(jīng)濟(jì)性。

儲能設(shè)備的相關(guān)參數(shù)由儲能容量、自放能損耗和充放能效率組成，通過功率計算可以得出其各參數(shù)值。

a. 當(dāng)儲能設(shè)備充能時，表達(dá)式為

b. 當(dāng)儲能設(shè)備放能時，表達(dá)式為

式中：Se為額定容量，kW·h；Py，Pu，μc，μd，θ分別表示充能功率、放能功率、充能效率、放能效率、自放能率。

5 分布式配置解決方案

5.1 PSO算法

PSO算法（粒子群算法）假設(shè)N維空間中有n個無質(zhì)量、無體積的粒子，向量xi=(xi1,xi2,···,xiN)表示它們的位置，向量vi=(vi1,vi2,···,viN)表示它們的移動速度。每個粒子都有其目標(biāo)函數(shù)決定的適度值，粒子在移動中尋找自己最優(yōu)的位置pi=(pi1,pi2,···,piN)，和鄰域粒子的最優(yōu)位置gi=(gi1,gi2,···,giN)。粒子通過不斷移動，更新迭代得到新的位置參數(shù)，它們的速度和位置更新公式為[13]

式中：ω為慣性參數(shù)，當(dāng)ω＞1時，粒子運(yùn)動加速，當(dāng)ω＜1時，粒子運(yùn)動減速，現(xiàn)大多研究者對 ω取值從0.9遞減至0.4；c1，c2為學(xué)習(xí)參數(shù)，一般取c1=c2=2；r1，r2為[0,1]的隨機(jī)數(shù)；xij(t+1)為粒子i在第j維度迭代t+1次的位置參數(shù)，vij(t+1)為粒子i在第j維度迭代t+1次的速度參數(shù)。

PSO算法的主要流程如圖2所示。

圖2 PSO算法流程Fig. 2 Flow chart of PSO algorithm

5.2 改進(jìn)的PSO算法

PSO算法具有規(guī)則簡單、優(yōu)化多維函數(shù)速度快、精度高等優(yōu)點，但也存在一定的局限性。規(guī)則簡單導(dǎo)致易出現(xiàn)局部最優(yōu)而結(jié)束算法，得出的最終結(jié)果存在較大誤差。針對此，本文創(chuàng)新地結(jié)合模擬退火算法[14]具有跳出局部最優(yōu)能力的特點，對PSO算法進(jìn)行改進(jìn)，得到一個具有全局搜索能力強(qiáng)、精度高、速度快并且可以避免陷入局部最優(yōu)的改進(jìn)算法。

改進(jìn)PSO算法在每次迭代更新到當(dāng)前最優(yōu)點時，利用模擬退火算法具有跳出局部最優(yōu)的能力，產(chǎn)生新的最優(yōu)點，再跟之前最優(yōu)相比較，得出真實全局最優(yōu)點。具體步驟如下：

步驟1初始化每個粒子的速度參數(shù)、位置參數(shù)、初始溫度T(0)；

步驟2計算退火溫度T(t+1)=φT(t)，其中，φ為退火常數(shù)，φ∈(0,1)，通過模擬退火算法粗略搜索得到初始解；

步驟3根據(jù)模擬退火算法迭代粗略搜索產(chǎn)生的初始解，對初始解利用標(biāo)準(zhǔn)PSO算法進(jìn)行精確搜索；

步驟4判斷全局最優(yōu)是否達(dá)到最大迭代次數(shù)或滿足收斂準(zhǔn)則，如果是，則輸出結(jié)果，否則轉(zhuǎn)至步驟2。

改進(jìn)PSO算法流程如圖3所示。

圖3 改進(jìn)PSO算法流程Fig. 3 Flow chart of improved PSO algorithm

5.3 算法求解

采用改進(jìn)的PSO算法對分布式能源供應(yīng)鏈模型進(jìn)行求解，以一年為優(yōu)化時間段，時間為8 760 h，步驟如下：

a. 輸入N種分布式能源模塊相關(guān)參數(shù)、風(fēng)速、光照、溫度數(shù)據(jù)、歷史需求數(shù)據(jù)；

b. 初始化粒子群的速度參數(shù)和位置參數(shù)，維數(shù)為N；

c. 通過各分布式模塊計算產(chǎn)能總功率和當(dāng)前時刻符合功率的差值，當(dāng)差值不為0時，則視為功率不平衡；

d. 根據(jù)當(dāng)前時刻儲能設(shè)備工作狀態(tài)、燃?xì)廨啓C(jī)工作情況判斷當(dāng)前時刻供應(yīng)鏈?zhǔn)枪β蔬^剩還是失負(fù)荷；

e. 根據(jù)本文研究提出的目標(biāo)函數(shù)，在約束條件下，求解初始參數(shù)進(jìn)行退火操作后的初始解；

f. 對模擬退火算法得出的粗略最優(yōu)值進(jìn)行PSO算法迭代操作；

g. 不斷迭代直到最大迭代或滿足收斂條件，然后輸出全局最優(yōu)值，此時最優(yōu)位置對應(yīng)的各維度值即為分布式能源供應(yīng)鏈各分布式模塊的配置優(yōu)化結(jié)果。

6 算例分析

6.1 算例介紹及參數(shù)設(shè)置

本研究以2017年上海崇明島某小漁村的分布式能源供應(yīng)鏈進(jìn)行算例分析，根據(jù)氣象局及統(tǒng)計局相關(guān)歷史數(shù)據(jù)顯示，此小漁村的平均光照強(qiáng)度約3.21（kW·h）/（m2·d），年平均風(fēng)速6.15 m/s，全年每小時平均能源需求量145.79 kW，最大需求393.99 kW。小漁村配備有分布式風(fēng)力模塊、分布式太陽能模塊、分布式天然氣模塊、儲能設(shè)備和能源轉(zhuǎn)換管理設(shè)備，其壽命都為20年，各模塊參數(shù)如表1所示。

表1 風(fēng)力模塊參數(shù)Tab.1 Parameters of wind power module

根據(jù)本文算法處理的數(shù)據(jù)量和相關(guān)學(xué)者研究歷史經(jīng)驗，在算法的參數(shù)設(shè)置上，粒子群數(shù)量為300，最大迭代次數(shù)為300，學(xué)習(xí)參數(shù)為2，慣性參數(shù)前期為0.9，后期為0.4；退火算法中初始溫度按照通常設(shè)置為1 500 ℃，降溫系數(shù)0.99固定，迭代次數(shù)也為300。在本算例中，設(shè)置的最大失負(fù)荷率為1%，風(fēng)力模塊的切入和切出速度分別為3 m/s和25 m/s，額定風(fēng)速為11 m/s，儲能設(shè)備上下限分別為0.95和0.5。根據(jù)該漁村歷史失負(fù)荷和棄能所產(chǎn)生的經(jīng)濟(jì)損失和能源浪費歷史數(shù)據(jù)，本漁村的失負(fù)荷率懲罰為7.02元/kW；棄能懲罰為3.3元/kW。

6.2 結(jié)果分析及比較

基于上文所提供的數(shù)據(jù)和設(shè)置的相關(guān)參數(shù)，對建立的多目標(biāo)函數(shù)模型進(jìn)行算法分析求解，對模型分別進(jìn)行標(biāo)準(zhǔn)PSO算法和改進(jìn)PSO算法操作，得到優(yōu)化后的最終結(jié)果，如表2所示。標(biāo)準(zhǔn)PSO算法與改進(jìn)PSO算法對分布式模塊的配置如圖4所示，一年中每月平均負(fù)荷情況經(jīng)過算法優(yōu)化后，各分布式模塊出力情況組合如圖5所示。

表2 改進(jìn)PSO算法與標(biāo)準(zhǔn)PSO算法優(yōu)化結(jié)果對比Tab.2 Comparison of optimization results between improved PSO algorithm and standard PSO algorithm

圖4 能源分布式配置Fig.4 Distributed energy allocation

從表2、圖4、圖5可以得出，標(biāo)準(zhǔn)PSO算法優(yōu)化結(jié)果顯示天然氣模塊出力占比最大，而更好的可再生能源風(fēng)力模塊和光伏模塊只占了不到一半，總成本為1 637萬元。而改進(jìn)后的PSO算法優(yōu)化結(jié)果顯示光伏模塊出力占比最大，且成本、失負(fù)荷率及棄能率都要比標(biāo)準(zhǔn)PSO算法低，總成本為1 469萬元。根據(jù)優(yōu)化后的結(jié)果數(shù)據(jù)對比可得：在總成本上改進(jìn)PSO算法的優(yōu)化結(jié)果比標(biāo)準(zhǔn)PSO算法的優(yōu)化結(jié)果降低了168萬元，優(yōu)化配置率超過10個百分點。

圖5 分布式出力組合配置Fig.5 Distributed output combination configuration

7 結(jié)論

聚焦于分布式能源供應(yīng)鏈供給側(cè)各分布式模塊配置，以分布式能源供應(yīng)鏈中環(huán)保性問題和經(jīng)濟(jì)性問題的目標(biāo)函數(shù)為創(chuàng)新點，在一定的約束條件下利用改進(jìn)的PSO算法對各分布式模塊優(yōu)化配置，使得供應(yīng)鏈達(dá)到既經(jīng)濟(jì)又環(huán)保的目的。PSO算法是求解多維函數(shù)優(yōu)化模型常用的方法，本文針對標(biāo)準(zhǔn)PSO算法容易陷入局部最優(yōu)的缺陷，結(jié)合模擬退火算法能跳出局部最優(yōu)的特性，對標(biāo)準(zhǔn)PSO算法進(jìn)行改進(jìn)，得到一個可以避免陷入局部最優(yōu)的改進(jìn)PSO算法。改進(jìn)的PSO算法在求解多維函數(shù)優(yōu)化問題時不易陷入局部最優(yōu)，相比標(biāo)準(zhǔn)PSO算法具有更好的收斂性。最后根據(jù)算例對建立的分布式能源供應(yīng)鏈供給側(cè)模型進(jìn)行了算例分析，利用PSO算法和改進(jìn)PSO算法進(jìn)行優(yōu)化結(jié)果對比，對每個分布式模塊配置進(jìn)行圖表分析，算例結(jié)果驗證了改進(jìn)算法的優(yōu)越性和模型的可行性。