基于改進粒子群算法的區域綜合能源優化調度方法

摘 要 針對目前區域綜合能源優化調度方法調度能耗和負荷過高的問題，基于改進粒子群算法提出一種新的區域綜合能源優化調度方法。通過電網、風電、光伏和天然氣建立區域綜合能源系統，利用P2G設備處理信息，完成儲電、儲氣和儲熱工作。計算區域綜合能源系統的目標收益和最終能源采購總價得到目標函數，以天然氣汽鍋釋放的熱量功率、天然氣發動機的熱功率、電熱鍋的熱功率和電鍋爐的輸出功率模型確定約束條件。利用改進粒子群算法得到隸屬度函數，依次排列每個目標函數的關鍵水平，建立目標矩陣，實現區域綜合能源層次分析，根據粒子合理性函數進行單次優化，完成能源優化調度。實驗結果表明：基于改進粒子群算法的區域綜合能源優化調度方法的最高能耗僅為48.7%，調度負荷低于60.0%，具有極好的調度能力。

關鍵詞 改進粒子群算法 區域能源 綜合能源 能源優化 優化調度 能耗 調度負荷

中圖分類號 TP18；TM734 " 文獻標志碼 A " 文章編號 1000-3932（2024）04-0693-06

化石燃料作為一種常用的化學能源，在使用過程中造成的巨大的環境污染已經成為各國重點關注的問題。增強能源的利用效率，實現各種能源之間的相互補充，能夠有效降低環境污染程度。根據各種能源相補的原則，建立區域綜合能源優化調度系統，即在配網建設中同期導入各種能源，實現各種能量負荷的所需，同時提升能源供應的經濟效益，進而實現各種能源的相互補充與轉換，減低能源損耗。文獻［1］利用非線性算法分配權重系數，在粒子含量的基礎上評估算子，建立可實現更多維度算法的粒子群優化算法（Particle Swarm Optimization，PSO）算法，與此同時，實現可進行更多目標算法的效果驗證，進一步加強粒子的全面搜尋效果，加強全面適應能力，防止小部分粒子進入最優，使系統的綜合能力始終保持較高狀態，但穩定性較差；文獻［2］研究了能源分配不合理的問題，基于混沌粒子群優化（CPSO）算法，共同優化配網中同期被導入的各種能源，同時將所有的粒子歸類為不同類型的粒子種類，保證每個粒子都能獲得自己的最優解，從而實現每個粒子的相互補充與轉換，進一步提高能源配制的穩定效能，滿足多個用戶對能源利用的控制，降低用戶使用能源的危險性，但系統的綜合能力較低。

筆者在現有工作的基礎上，提出改進型RIES優化運行模型，在目標函數中綜合考慮日運行費用和能源購買成本，提出基于改進粒子群的優化算法，實現RIES問題的求解。以日運行費用和能源購買成本為優化目標，構建RIES的調度運行模型，通過改進粒子群算法求解，在優化模型高維非線性的特點上實現了RIES問題的求解。采用改進粒子群算法優化調度區域綜合能源，建立區域綜合能源系統，通過改進粒子群算法獲得目標函數和約束條件，與此同時，計算隸屬度函數，分析區域綜合能源層次，通過改進粒子群算法評價算子，最終實現優化調度。

1 區域綜合能源系統結構構建

在區域綜合能源系統的配網建設中同期導入各種能源，實現各種能源負荷的要求，與各種能源轉換設置聯系，提高系統的靈活性，在區域綜合能源系統的實際應用中，當分配給配電網的能源比實際應用的需求量多時，可將過多的能源通過相互補充與轉換成為其他類型的能源作為支持；當分配給配電網的能源比實際應用的需求量少時，可通過區域綜合能源系統中的燃氣裝置將初始能源類型轉換成所需能源類型，實現最終所需。

筆者研究的區域綜合能源系統結構如圖1所示，可以看出，區域綜合能源包括電網、風電、光伏和天然氣，通過P2G設備處理信息。當各種能源負荷的總和比實際的發電裝置大時，首先調度儲蓄能源的裝置，將其激發，而多于儲蓄裝置的能源部分則需要燃氣裝置的能源支持；如果仍然不能滿足最終的負荷需求，則只能選擇上網購電；如果已經滿足最終的負荷需求，則可將剩余電荷需求轉換成熱能形式的能源，以便于儲存［3，4］。

2 區域綜合能源優化調度模型

2.1 目標函數

2.2 RIES穩定運行約束條件

2.2.1 天然氣汽鍋

天然氣汽鍋大部分是使用天然氣燃燒所釋放的熱量，根據獲得的輸出功率可取得天然氣汽鍋的運作特點。

2.2.4 蓄能裝置

每個能源裝置都有相應的能源儲蓄量限制。其中，電能源蓄能裝置利用裝置對電能源的吸收和利用對所需電荷進行儲蓄和輸出，電能源蓄能裝置只能在同一個時刻完成對電能源的儲蓄或釋放操作；氣能源儲蓄裝置也不能在同一時刻進行氣能源的吸收與釋放；熱能源儲蓄裝置不僅不能在同一時刻進行熱能源的吸收與釋放，還受上一時刻能源裝置的影響。

2.3 典型設備建模

筆者建立的典型設備模型包括天然氣汽鍋、天然氣發動機、電鍋爐等可進行能源之間相互轉換和利用的裝置［8］，也包括非常重要的蓄能裝置。在天然氣汽鍋產生能量的過程中，天然氣的能源未能全部轉換為電能源，可將其中一部分回收再次轉換為電能源，并通過天然氣發動機和電鍋爐對能源實現能量轉換，同時用儲蓄裝置儲存能源。在完成對天然氣汽鍋、天然氣發動機、電鍋爐的功率估量之后，將能源的利用和轉換進行了詳細的分析，為有效降低能源損耗，設置天然氣汽鍋的低階熱能值為9.78 kW·h/m3，保證天然氣汽鍋釋放的熱能可以盡可能地經由天然氣發動機和電鍋爐轉換成其他形式的能源［9，10］。

式（1）～（8）組成了筆者提出的綜合能源系統的協調運行優化模型，是典型的大規模非線性混合整數優化問題。傳統數學優化方法可通過線性化等方法處理后進行求解，但需對模型進行一定程度的簡化。改進粒子群算法可有效處理非線性模型，將多個目標函數等效為尋優目標，并將非線性約束條件作為尋優目標的懲罰項，在保留模型非線性特征的情況下，實現優化求解。改進粒子群算法是通過模擬鳥群覓食行為而發展起來的一種基于群體協作的隨機搜索算法，通過改進粒子的位置對應其適應度來衡量粒子是否為最優。改進粒子群優化算法的流程如圖2所示。

3 基于改進粒子群算法的區域綜合能源優化調度

3.1 改進粒子群算法隸屬度函數計算

基于粒子群算法進行改進，在建立區域綜合能源優化調度的初始階段需對目的函數實現歸一化處理，根據收集到的多個函數的性質進行線性疊加，同時將多個目的函數優化成單次目的函數，按照隸屬度函數的算法，同時檢驗環保性質的目標是否達標，最終獲得的隸屬度函數L1為：

3.2 區域綜合能源層次分析

在對區域綜合能源進行層次分析時，根據起決策性質的函數判斷數據是否具有客觀性，并根據改進調換成果的合理性獲得隸屬度函數的權值。此區域綜合能源優化調度的基礎上深層次解析所有影響因素的特點，集中處理深層次的思維過程，構建科學性思維，設置科學性邏輯，進一步獲得多個目標函數的科學性解決策略。

首先將每個目的函數的關鍵水平依次排列，每兩個比較相應指標的重要性后獲得判別矩陣，對其進行區域綜合能源層次分析，為有效最大特色化判別矩陣，設置特色矩陣的校驗方式，控制最終獲得的特色矩陣實現標準化，根據獲得的權值得到指標的權值，錄入一致性標準原則，按照經濟效益分析重合程度，最后獲得綜合性指標［12］。

3.3 改進粒子群算法評價算子

在完成區域綜合能源層次分析后，用改進粒子群算法處理粒子，當粒子每一次完成搜尋操作后，依據最佳運動軌跡完成移動，并實現每個粒子的最佳操作，進一步完成最佳求解過程。改進粒子群算法的權值可以保證粒子在搜尋的初始階段依據具有明顯慣性沖勁幫助整體進行搜尋，在后續階段慢慢接近最佳解，防止整體均陷入最佳解的局面，加速系統收斂。與免疫算法相比，根據計算得到的抗體含量評估算子，聯合親密度函數分析粒子的多種形式，提高粒子的解答范圍，避免出現一部分陷入最佳解的局面［13，14］。

在取得粒子合理性函數后，根據新的合理性計算該粒子的親密度函數，依次進行排序，在得到最佳親密值的函數的情況下對粒子進行優化處理，獲得新的粒子單個最佳解，同時保證全局最佳解，實現區域綜合能源的優化調度［15］。單次優化流程如圖3所示。

在優化調度100次后，基于親密度函數對搜尋粒子最佳解的不利原則評估粒子新的合理性，對目的函數進行優化，降低權重值，避免粒子整體均獲得最佳解。

4 實驗研究

為了驗證基于改進粒子群算法的區域綜合能源優化調度方法的效果，設定實驗。選用燃氣機組的功率10 MW，熱鍋爐的功率5 MW，電鍋爐的功率500 kW，從電、水、氣、熱等方面分析，比較調度能耗和調度成本。設定的儲能裝置參數見表1。

根據表1選用筆者所提方法進行優化調度，分析調度能耗，得到的實驗結果如圖4所示，可以看出，在使用筆者提出的調度方法后，調度花費的能耗更低，在未進行優化前，調度能耗在8月達到峰值，最高能耗83.7%；在進行優化后，調度能耗明顯降低，最高能耗僅為48.7%。證明筆者方法具有很強的調度能力。

為了進一步探究調度負荷，選用傳統的基于多目標優化調度方法和基于CPSO算法的優化調度方法進行實驗對比，得到的調度負荷實驗結果如圖5所示，可以看出，隨著時間的推移，調度負荷在不斷增加，使用3種調度方法優化后，調度負荷能夠得到有效減少，筆者方法的調度負荷遠低于傳統的調度優化方法花費負荷，當調度時間為50 d時，筆者方法的負荷低于60%，而傳統的調度方法調度負荷始終在80%以上。

可見，筆者方法調度效果更好，調度能耗和調度負荷低于傳統方法，更適用于實際工作。

5 結束語

通過研究各個能源裝置之間的能源轉換和利用，通過隸屬度函數的計算，層次分析區域綜合能源，在目的函數中通過改進粒子群算法實施相關操作，有效地提高了區域綜合能源的優化調度。通過設置的優化調度模型，對比基于傳統的粒子群算法，選取某個粒子進行優化處理，獲得單個粒子的局部最佳解，整體的最優解，提高了系統的穩定性和綜合評估能力。

改進粒子群算法能夠有效優化調度區域綜合能源，但是在優化調度過程中存在如下問題：在實際操作過程中，天然氣汽鍋所產生的能源未能全部得到利用，天然氣發動機和電鍋爐已最大限度減低能源損耗，但在轉換過程中依舊會損耗一部分。為避免這種損耗，在后續的研究中，需研究相應的裝置模型，以提高能源利用率。

參 考 文 獻

［1］ 徐建軍，趙書琪，馬睿，等.基于改進粒子群優化算法的綜合能源系統多目標優化［J］.廣東電力，2021，34（5）：73-81.

［2］ 陸沈雄.基于CPSO算法實現電力綜合能源協同優化［J］.自動化與儀表，2020，35（1）：91-94；99.

［3］ 施泉生，王子軒，任洪波，等.基于改進的模擬退火-粒子群算法的區域綜合能源系統經濟性運行［J］.科學技術與工程，2020，20（26）：10801-10807.

［4］ 鄒玙琦，楊國華，鄭豪豐，等.基于改進小生境PSO算法的綜合能源系統調度［J］.電力系統及其自動化學報，2020，32（7）：47-52；60.

［5］ 李咸善，馬凱琳，程杉.含多區域綜合能源系統的主動配電網雙層博弈優化調度策略［J］.電力系統保護與控制，2022，50（1）：8-22.

［6］ 程杉，程穎，汪業喬，等.一種含電動汽車的新能源微電網多目標分層優化調度方法［J］.電力系統保護與控制，2022，50（12）：63-71.

［7］ 吳志遠，黃顯峰，李昌平，等.基于分段粒子群算法的梯級水庫多目標優化調度模型研究［J］.水資源與水工程學報，2020，31（3）：145-154.

［8］ 李玉凱，韓佳兵，于春浩，等.基于隨機森林和長短期記憶網絡多元負荷預測的綜合能源三層規劃調度［J］.現代電力，2021，38（6）：695-703.

［9］ 王文君，方國華，李媛，等.基于改進多目標粒子群算法的平原坡水區水資源優化調度［J］.水資源保護，2022，38（2）：91-96.

［10］ 馬喜平，楊燕靜，沈渭程，等.基于改進量子粒子群算法的微能源網優化運行［J］.電網與清潔能源，2022，38（7）：47-53.

［11］ 閆秀英，黨苗苗.基于改進多目標粒子群算法的家庭用電時段優化［J］.系統仿真學報，2022，34（1）：70-78.

［12］ 柴桂安，武家輝，姚磊，等.基于改進動態慣性權重粒子群算法的冷熱電聯供型微網運行優化［J］.科學技術與工程，2022，22（4）：1472-1479.

［13］ 熊軍華，焦亞純，王夢迪.計及電轉氣的區域綜合能源系統日前優化調度［J］.現代電力，2022，39（5）：554-561.

［14］ 李咸善，馬凱琳，程杉.含多區域綜合能源系統的主動配電網雙層博弈優化調度策略［J］.電力系統保護與控制，2022，50（1）：8-22.

［15］ 廖宗毅，萬文略，陳曦.考慮價格引導機制的園區綜合能源系統日前優化調度方法［J］.南方電網技術，2021，15（9）：53-60；68.

（收稿日期：2023-10-04，修回日期：2024-04-25）

Regional Integrated Energy Optimal Scheduling Method Based on Improved Particle Swarm Optimization Algorithm

WANG Yi-rong， ZHAO Xiao-long， YU Zhou

（Big Data Center of State Grid Corporation of China）

Abstract " "Aiming at regional integrated scheduling method’s higher energy consumption and load， an improved PSO algorithm-based regional integrated energy optimization scheduling method was proposed and a regional integrated energy system was established basing on the grid， wind power， photovoltaic and natural gas， including making use of P2G equipment to process the information and store the electricity， gas and heat energies. In addition， through calculating target revenue of the regional integrated energy system and the final total energy purchase price， the objective function was obtained， which has the constraints determined by the heat power released by the gas boiler， the heat power of the gas engine， both the heat power and the output power of the electric boiler； meanwhile， the membership function was obtained by using the PSO algorithm improved， and the key level of each objective function was arranged in turn to establish the objective matrix so as to realize regional comprehensive energy hierarchy analysis and to implement the single optimization according to the particle rationality function so as to complete energy optimization scheduling. The experimental results show that， this method’s highest energy consumption based on PSO algorithm improved is only 48.7%， and the scheduling load is less than 60.0%， which has excellent scheduling ability.

Key words " improved PSO， regional energy， comprehensive energy， energy optimization， optimal scheduling， energy consumption， scheduling load