基于粒子群算法的多能互補發電系統優化配置研究

劉光輝

（新疆工程學院，新疆 烏魯木齊 830023）

0 引 言

在以清潔能源為基礎的發電系統中，無論是風力發電、光伏發電還是水力發電，在實際應用中都表現出其特有的優勢。為了提高發電系統的利用效率，對發電系統進行有機結合成為電力系統的主流發展趨勢。各種能源表現出的互補性在適應負載波動，提供穩定可靠電能方面具有重要意義。值得注意的是，對多能互補發電系統各機組出力進行合理配置是實現其為負載提供持續、可靠電力供應環境的重要基礎和前提。針對這一問題，諸多專家學者進行了相關研究，在不斷探索多能互補發電系統特性的過程中，能源的綜合利用率得到一定程度的提升。粒子群算法作為一種重要的尋優手段，將其應用到系統的配置優化研究中具有十分重要的現實意義。

為此，本文提出基于粒子群算法的多能互補發電系統優化配置方法，并通過試驗測試的方式分析驗證了設計方法在實際應用中的價值。希望通過本文的研究可以為相關多能互補發電系統管理工作的開展提供幫助，助力清潔能源在電力系統中發揮更大的價值。

1 多能互補發電系統配置優化方法

1.1 構建多能互補發電系統功率分布模型

要實現對多能互補發電系統配置的合理設置，首先需要對系統中各構成機組的功率分布情況進行計算，為此，本文結合Weibull分布構建了多能互補發電系統功率分布模型。

以Weibull 分布為基礎，本文將多能互補發電系統中的能源看作是以密度為核心參數的值，密度分布越高，其在實際運行中的出力能力也就越高，對應的密度函數可以表示為：

以此為基礎，各個能源在多能互補發電系統運行過程中的功率是以其密度分布函數為約束的，這就意味著密度函數在有效區間內的疊加上限為其可調節的最大閾值。結合該理論，本文采用最小二乘法對各機組的發電功率分布進行計算，可以表示為：

通過這種方式得到多能互補發電系統中各機組的功率分布情況，為后續的配置調度提供可靠的數據基礎。

1.2 基于粒子群算法的系統配置參數尋優

在上述數據基礎上，本文采用粒子群優化算法（Particle Swarm Optimization,POS）實現對多能互補發電系統最優配置的設置，具體的實現流程如圖1所示。

圖1 基于PSO 算法的電力系統配置參數計算流程

按照如圖1所示的方式，本文在利用PSO 算法對系統配置參數進行尋優的過程中，首先對粒子群進行初始化處理，在該階段，本文將各個機組的輸出功率作為尋優粒子，對應的約束條件即為1.1 部分構建模型的閾值。需要注意的是，在對含有制約條件的約束問題進行求解的過程中，尋優步長決定了最終輸出結果與最優解之間的擬合度，為此，本文在對粒子移動步長進行設置的階段，引入了多能互補發電系統的負荷波動參數，對應的步長計算公式可以表示為：

在此基礎上，計算滿足系統負荷需求的各機組的輸出功率，并將粒子移動過程中擬合度最高的參數值作為尋優結果，其中，適應度計算公式可以表示為：

其中，表示系統負荷，表示適應度函數，當值達到最大值時，此時系統平抑出力最低。

通過這樣的方式，完成對多能互補發電系統配置的優化設置，確保各機組的輸出可最大限度地滿足用電需求。

2 測試分析

本文通過算例分析的方式，對所設計配置方法的應用效果進行驗證，為了提高測試結果的可靠性，分別采用文獻[5]提出的以價值最優為配置目標的分層優化配置方法以及文獻[6]提出的基于天牛須搜索遺傳算法的優化配置方法進行試驗測試。

2.1 測試環境參數概況

本文以某配置有光伏電池組、風電機組的水電站作為測試環境，以負荷中心為基礎對其地理位置進行分析，其處于負荷中心的西北側，具有充沛的風能和光能資源，對于風光出力波動問題，主要是通過儲能電池來實現對其的平抑。在此基礎上，該水電站形成了風—光—水—儲多能互補的發電系統構架，實現了為電網的穩定供電，并且在極大程度上降低了傳統供電方式帶來的能源開采和環境污染問題，對可再生能源的綜合使用程度較高。對風—光—水—儲多能互補的發電系統的運行參數進行分析，其水能裝機系統包括三臺單機容量為600.00 MW 的水輪機組，總容量為1 800.00 MW，年平均發電量可以達到45.25 億千瓦時，光能裝機系統包括2 臺單機容量為1 000.00 MW 的光能機組，總容量為2 000.00 MW，年平均發電量可以達到27.17 億千瓦時，風能裝機系統包括2 臺單機容量為500.00 MW 的風輪機組，總容量為1 000.00 MW，年平均發電量可以達到20.80 億千瓦時。在汛期期間，承擔基荷的主要為水電機組，在枯水期，水電機組主要起到調峰作用。文章統計分析了測試機組系統的負荷數據，工業用電、農、林、牧、漁、水利業用電、城市交通運輸及照明用電等基礎用電為主要用電負荷，日平均負荷曲線表現出一定的波動性，對應的平均負荷峰值和最低值分別為1 407.50 MW和530.45 MW。在此基礎上，統計了風—光—水—儲多能互補發電系統的運行成本，具體如表1所示。

表1 風力發電和光伏發電單位成本

在此基礎上，采用三種方法對其配置進行優化設計，并對其運行效果進行檢驗。

2.2 測試結果

在上述基礎上，本文對不同供電損失概率（the Loss of Power Supply Probability,LPSP）條件下的風—光—水—儲多能互補發電系統配置結果如表2所示。

表2 本文風—光—水—儲多能互補發電系統優化配置結果

在此基礎上，分析了三種方法對應系統平抑風—光—水機組出力波動的情況，具體如圖2所示。

圖2 三種配置方法下系統平抑出力情況對比圖

從圖2中可以看出，對比三種方法的測試結果，應用文獻[5]方法后系統的平抑出力最小值僅為220.45 MW，但是卻出現了較為明顯的波動，最大值達到266.45 MW。應用文獻[6]方法后系統的平抑出力雖然穩定性較高，但是其始終處于較高的水平，介于240.00 MW～270.00 MW 之間。相比之下，應用本文提出的配置方法之后，系統的平抑出力始終具有較高的穩定性，波動范圍不超過20.00 MW，且始終處于較低的水平，最大值僅為217.85 MW，最小值僅為203.15 MW。測試結果表明，本文提出的基于粒子群算法的多能互補發電系統優化配置方法可以為發電站能源調度配置提供可靠的指導，降低平抑帶來的能源開銷，提升多能互補發電系統優化配置效果。

在此基礎上，比較了文獻[5]方法、文獻[6]方法以及本文方法的多能互補發電系統優化配置耗時，以此來驗證不同方法的優化配置效率，結果如表3所示。

表3 三種方法的多能互補發電系統優化配置耗時比較結果（單位：s）

30 1.41 1.74 0.71 35 1.69 1.93 0.83 40 1.85 1.54 0.58平均值 1.60 2.03 0.75

分析表3中的數據可知，隨著實驗次數的增加，不同方法的多能互補發電系統優化配置耗時均呈現出波動變化趨勢，其中文獻[5]方法的多能互補發電系統優化配置耗時最大值為1.96 s，最小值為1.25 s，平均值為1.60 s；文獻[6]方法的多能互補發電系統優化配置耗時最大值為2.57 s，最小值為1.54 s，平均值為2.03 s；本文方法的多能互補發電系統優化配置耗時最大值為0.86 s，最小值為0.58 s，平均值為0.75 s，與文獻[5]方法、文獻[6]方法相比，該方法的優化配置耗時更短，證明基于粒子群算法的多能互補發電系統優化配置方法的效率更高。

3 結 論

為了提升多能互補發電系統配置效果，本文提出了基于粒子群算法的多能互補發電系統優化配置方法，通過對多能互補發電系統各構成機組的出力分布情況進行分析，利用具有較強尋優能力的粒子群算法實現了對不同負荷條件下系統配置參數尋優，大大降低了負荷曲線波動作用帶來的平抑輸出，保證多能互補發電系統配置的均衡性，對于提高能源利用率具有一定的現實意義。通過本文的研究，希望可以為促進多能互補發電系統的優化發展提供有價值的參考，助力可再生能源在實際生產中發揮更大功用。