基于文化基因算法的冷熱電聯供型微網優化運行方法

黃超, 劉晨

(五凌電力有限公司,湖南,長沙 410000)

0 引言

人口的增加導致能源消費急劇增加,環境急劇惡化,使得能源危機和環境污染問題日益突出。在各種能源消耗中,耗電量最大,如何節約電能成為當前研究的重點。微電網是一種比傳統電網更節能的供電方式。作為一個小型發電和配電系統,微電網不僅提供了更靈活的電源,更環保,而且大大降低了電網的工作壓力[1]。熱電聯產微電網就是其中之一,通過增加加熱和制冷裝置,實現了能源的多元化利用。隨著冷熱電聯產微電網的廣泛應用,冷熱電聯產微電網的優化運行越來越受到人們的關注[2]。本研究的意義在于實現微電網的經濟調度,優化微電源的輸出和配置,促進熱電聯產微電網的升級和進一步發展。

楊里等[3]將最小微網損耗作為目標函數,以計及功率平衡作為約束條件,利用混沌粒子群算法+隨機模擬的方法進行求解,求出能量優化調度方案。張少明等[4]以經濟成本、環境成本、網損和電壓波動建立多目標函數,在潮流約束、運行電壓約束、傳輸功率約束等條件下,利用改進粒子群算法求得最優經濟調度方案。聶瀚等[5]考慮到經濟,環保兩個方面,建立了綜合性目標函數,在功率平衡、微電源爬坡率、微電源功率、BT充放電等約束條件下,利用改進的鳥群算法,求取最優解。

雖然上述研究取得了一定的成果,但是求解的結果仍然存在缺陷,難以控制單項成本效益,冷熱電聯供型微網資源配置無法實現最優目標。針對這種情況,結合已有的研究經驗,提出基于文化基因算法的方法,以期尋找到最優冷熱電聯供型微網運行方案,實現微電網優化調度,提高微網能源利用率。

1 冷熱電聯供型微網優化運行方案研究

冷熱電聯供型微網中包含了很多分布式供電能源,這些電源可以用于發電、供熱以及制冷使用,因此冷熱電聯供型微網也可以看作是一種小型的分布式電源。冷熱電聯供型微網雖然能極大緩解電網的供電壓力,但是供電能源的多元化,也使得微網運行方案設計成為一大難題[6]。微網運行方案設計是指尋找一種調度方案,使得各種能源出力更加合理,提高微網運行更具有經濟性和環保性。冷熱電聯供型微網優化運行方法研究主要分為3個部分,即多目標函數模型構建、約束條件設置以及模型求解。

1.1 多目標函數模型構建

多目標函數模型,即建立目標與構成因素之間的函數關系式[7]。基于目標函數模型基本形式建立冷熱電聯供型微網優化的多目標函數。在本模型中主要包含兩個目標,即經濟目標和環保目標[8]。

1)經濟目標函數模型構建

(1)

(1)微網運行燃料耗費成本y1(t)

(2)

式中,N代表微電網中微電源的個數,y11代表燃料的價格,S代表燃料的低熱值,φi(t)、φi(t)代表第i個能源系統在t時刻的輸出功率和工作效率[10]。

(2)微網各能源系統維護管理成本y2(t)

(3)

式中,Di,t代表t時刻第i個能源系統的維護管理所產生的成本系數,Pi,t代表t時刻第i個能源系統的輸出功率。

(3)微網各能源系統折舊損耗成本y3(t)

(4)

式中,maxPi,t代表t時刻第i個能源系統的最大輸出功率,fi代表第i個能源系統的容量因素,Ci代表第i個能源系統的年均折舊成本。

(4)電網與微網交互成本y4(t)

(5)

2)環保目標函數模型構建

(6)

式中,minF2代表冷熱電聯供型微網最小環保性運行成本,ψj代表為第j種污染物處理費用,ξij代表第i個微電源的第j種排放物的排放系數。

為方便定量分析,將上述經濟目標和環保目標轉換為單目標函數,公式如下

(7)

式中,minY代表微電網的綜合成本,λ1、λ2代表兩個目標的權重系數。

所構建的多目標函數模型中全面考慮經濟成本和環保成本,使得微電網運行方案設計更為合理。

1.2 約束條件設置

約束條件,即多目標函數模型的各種限制條件。本章節設置的約束條件包括以下6種。下面針對這6種約束條件進行具體分析。

1)電功率平衡約束

電功率平衡約束是指各個能源系統提供微電源快慢的均衡性。約束條件如下:

(8)

式中,Z1(t)、Z2(t)、Z3(t)、Z5(t)、Z6(t)表示t時刻太陽能電池、風力發電機、微型燃氣輪機、蓄電池、燃料電池輸出功率,Z(t)代表用電負荷,Z4(t)代表微電網與大電網的交換電功率。

2)熱功率平衡約束

熱功率平衡約束是指熱功率與熱負荷需求相等。

Q1(t)=q1(t)

(9)

式中,Q1(t)代表t時刻熱負荷需求,q1(t)代表t時刻熱功率。

3)冷功率平衡約束

冷功率平衡約束是指冷功率與冷負荷需求相等。

Q2(t)=q2(t)

(10)

式中,Q1(t)代表t時刻冷負荷需求,q1(t)代表t時刻冷功率。

4)各微源出力約束

各微源出力是指各個供電來源的輸出的電力情況。

minGi(t)≤Gi(t)≤maxGi(t)

(11)

式中,Gi(t)代表t時刻第i個供電源傳出的能源量,minGi(t)、maxGi(t)代表t時刻第i個供電源傳出的能源量極限值。

5)傳輸功率約束

傳輸功率是指微電網與大電網之間交換功的多少。其約束如下:

minRt≤Rt≤maxRt

(12)

式中,minRt、maxRt代表微電網與大電網之間交換功率的最小和最大值。

6)蓄電池運行約束

蓄電池運行約束是指對蓄電池的充放電功率進行約束。

(13)

式中,minU(t)、maxU(t)代表t時刻U(t)的兩個極限功率值,U(t)代表t時刻U的電功率,minC、maxC代表t時刻U中剩余電量的兩個極限值,O代表U的最開始電量。

約束條件的設置,為下一章節多目標函數模型求解提供了限制條件,使得求解更加容易。

1.3 文化基因算法求取多目標函數模型最優解

在上述設置6個約束條件下,在本章節利用文化基因算法對該模型進行求解,得出冷熱電聯供型微網優化運行最優方案。文化基因算法是在文化演進的基礎上提出的一種尋優算法。該算法與遺傳算法運行過程大致相同,但是卻比遺傳算法更具優勢,即不會過早收斂,導致陷入具有最優的問題當中,得到的解為全局最優解。文化基因算法基本流程如圖1所示。

圖1 文化基因算法基本流程

基于上述文化基因算法基本流程對目標函數進行求解,求解過程如下:

步驟1:設置文化基因算法各個參數,并進行初始化;

步驟2:輸入冷熱電聯供型微網系統及其各個供電單元的參數。

步驟3:染色體編碼,生成初始化種群。

步驟4:染色體解碼,計算各個供電單元的運行出力情況。

步驟5:輸入上一章節設置的6個約束條件。

步驟6:計算個體適應度值和利用精英保留算法保留個體數。精英保留算法原理公式如下:

m=λ×k×N

(14)

其中,

(15)

式中,m代表保留個體數,k代表個體的占比系數,λ代表自適應保留因子,i代表迭代次數,α代表保留個體初始化比例因子,N代表種群大小。

步驟7:是否達到算法結束條件(最大迭代次數)。若達到,輸出最優冷熱電聯供型微網優化運行方案。若不能達到,需要進行變異、交叉和選擇,并回到步驟4,直至滿足條件。

通過上述文化基因算法求解,得出最優冷熱電聯供型微網優化運行方案。

2 仿真測試

為測試所研究方法在求解冷熱電聯供型微網優化運行方案是否為最優解,以基于混沌粒子群算法+隨機模擬的方法、基于改進粒子群算法的方法和基于改進鳥群算法的方法作為對比項,進行仿真測試。

2.1 熱電聯供型微網仿真模型

利用MATLAB軟件建立熱電聯供型微網模型,作為仿真測試對象,如圖2所示。

圖2 熱電聯供型微網仿真模型

在圖2建立的熱電聯供型微網仿真模型中,包括5個供電單元(DG1～DG5),5個負荷(L1～L5)以及5段電纜(X1～X5)。其中,這5個供電單元的相關參數如下表1所示。

表1 5個供電單元相關參數設置表

此外,各時段微網電價情況如下:

峰時段微網電價:購電0.83/(元/(kW·h));售電0.65(元/(kW·h));

平時段微網電價:購電0.49/(元/(kW·h));售電0.38/(元/(kW·h));

谷時段微網電價:購電0.17/(元/(kW·h));售電0.13/(元/(kW·h));

2.2 求解算法參數設置

文化基因算法求取冷熱電聯供型微網優化運行方案時,所設置的算法初始化參數值如下:

種群設置為50;

交叉率設置為0.8;

變異率設置為0.05;

迭代次數設置為200;

2.3 冷熱電聯供型微網優化運行方案

利用文化基因算法求解冷熱電聯供型微網優化運行方案,求解結果如圖3所示。

圖3 冷熱電聯供型微網優化運行方案

2.4 結果分析

相同測試條件下,利用基于混沌粒子群算法+隨機模擬的方法、基于改進粒子群算法的方法和基于改進鳥群算法的方法進行冷熱電聯供型微網優化運行方案求解,得出求解結果如圖4所示。

圖4 冷熱電聯供型微網優化運行方案效益結果

從圖4中可以看出,與基于混沌粒子群算法+隨機模擬的方法、基于改進粒子群算法的方法和基于改進鳥群算法的方法求解方案相比,所研究方法應用下,求解得到的冷熱電聯供型微網優化運行方案的綜合成本以及兩個單項成本更低,由此說明所研究方法求得的解更優,不僅實現了成本的降低,同時也降低了對環境的污染,達到了研究目標。

3 總結

為緩解大電網的供電壓力,冷熱電聯供型微網逐漸被應用到居民供電任務當中,通過多種分布式供電,供電更為靈活。然而,冷熱電聯供型微網的應用前需要計算出最優運行調度方案,降低其運行成本,優化各微源的出力和配置。在此背景下,提出基于文化基因算法的方法,通過文化基因算法求取多目標函數模型,得出優化方案解。

然而,本研究只針對未來一天的單個微網進行優化調度,對于冷熱電聯供型微網長期且多個微網的協調調度運行方案的求解有待進一步研究。