基于改進 RWCE算法的海島微電網雙層優化方法

摘 要：建設兼顧電力和淡水供應的分布式綜合能源系統，提高系統的經濟性和可靠性，促進可再生能源的消納，對海島開發具有重要意義。針對融合海水淡化裝置的海島微電網系統，構建了容量配置與運行調度的雙層優化模型，以年綜合費用最低為目標函數，綜合考慮發電功率、負荷可靠性、可再生能源丟棄率等約束條件，并通過跟蹤逐時凈負荷進行運行調節，采用帶有高精度精細搜索策略的改進強制進化隨機游走（RWCE）算法求解。結果表明，基于改進RWCE算法的微電網雙層優化模型，實現了系統容量配置與運行調度的同步優化，能夠平衡全局搜索與局部搜索能力，提高搜索精度，避免早熟收斂，保護最優解，獲得更優的規劃方案。將海水淡化作為一種可時移的負荷納入“風?光?柴?儲”微電網系統，可有效提高對可再生能源發電的消納能力，顯著降低綜合費用。

關鍵詞：微電網；雙層優化；改進RWCE算法；同步優化；精細搜索

中圖分類號：TP715 文獻標志碼：A

Double-layer optimization of island micro-grid based on"improved RWCE algorithm

GUO"Jia，PAN"Lei，SU"Mang，XIE"Yixuan，XIAO"Ziping，CUI"Guomin

（School"of"Energy"and"Power"Engineering，"University"of"Shanghai"for"Science"and"Technology，"Shanghai"200093，"China）

Abstract：It"is"of"great"significance"to"island"development"by"building"a"distributed"integratedenergy"system"with"power"and"fresh"water"supply，"which"can"improve"the"system"economy"andreliability"and"promote"the"penetration"of"renewable"energy."For"the"island"microgrid"systemintegrated"with"seawater"desalination"equipments，"a"double-layer"optimization"model"for"capacityconfiguration"and"operation"scheduling"was"developed."The"annual"comprehensive"cost"wasnbsp;used"asthe"objective"function."The"constraints"such"as"power"generation"power，"load"reliability，"andrenewable"energy"discard"rate"were"comprehensively"considered."The"operation"was"adjusted"bytracking"the"hourly"net"load."The"improved"random"walk"algorithm"with"compulsive"evolution（RWCE）"algorithm"was"used"to"solve"the"problem"with"high-precision"fine"search"strategy."Resultsshow"that"the"double-layer"optimization"model"of"microgrid"based"on"the"improved"RWCEalgorithm"can"achieve"the"synchronous"optimization"of"system"capacity"configuration"and"operationschedule，"balance"global"and"local"search"capabilities，"improve"search"accuracy，"avoid"prematureconvergence，"protect"the"optimal"solution，"and"get"better"planning"scheme."Incorporating"seawaterdesalination"into"the"\"wind-solar-diesel-storage\""microgrid"system"as"a"time-shiftable"load"caneffectively"improve"the"ability"to"absord"the"renewable"energy"power"and"significantly"reduce"thecomprehensive"cost.

Keywords：micro-grid;"double-layer"optimization;"improved"RWCE"algorithm;"synchronousoptimization;"fine"search

電力和淡水供應是海島居民正常生活的重要基礎，構建兼顧兩者的分布式綜合能源系統，提高微電網的可靠性，促進可再生能源的消納，對海島建設具有重要意義。容量配置與運行調度的綜合優化，是提高微電網系統技術性能和經濟效益的重要途徑。微電網的優化可采取分步優化的方式，即先基于確定的配置進行運行調度優化，或基于特定的運行工況確定容量配置。劉艷峰等針對多能互補建筑能源系統，通過深入分析該系統的七種運行工況和運行策略，進一步優化容量配置；李雄威等針對風光火儲綜合能源系統，以風光出力最大化、凈負荷波動最小化和系統運行成本最低為優化目標，改進火電機組的運行策略和調峰深度，并同步優化新能源機組的容量配置，結果表明通過增強火電機組的深度調峰能力，可以顯著減少棄風棄光現象。Ren等［7］基于風光發電設備運行過程中的波動和互補特性，對混合發電系統中風能和太陽能發電的裝機容量比進行了優化。

為了實現容量配置與運行調度的同步優化，雙層優化方法逐漸受到關注。Zhou等［8］針對城市虛擬電廠構建了包括下層需求響應模型和上層運行調度模型的雙層優化模型。對于雙層優化問題的求解，廣泛使用群智能算法，但由于內外層有不同的優化變量、目標函數、約束條件，需要進行決策變量的傳遞，從而導致傳統的群智能算法存在高復雜性、不確定性以及優化精度等問［10–12］題。強制進化隨機游走（RWCE）算法作為一種改進的群智能算法，在換熱網絡、人工心臟、質量交換網絡等問題上均獲得了成功應用，但仍存在局部搜索精度不足導致差解代替優解的現象。

本文將可時移的海水淡化負荷納入“風?光?柴?儲”微電網系統，以年綜合費用最低為目標函數，綜合考慮發電功率、負荷可靠性、可再生能源丟棄率等約束條件，建立了容量配置和運行調度的雙層優化模型。通過雙層精細搜索策略改進RWCE算法，平衡全局搜索與局部搜索能力，保護潛在最優解，提升優化性能。并基于某海島的典型日負荷和設備參數進行分析求解，優化容量配置和運行方案，有效提升可再生能源"的消納能力。

1""""微電網的設備及其工作特性

假定該獨立型微電網的發電設備包括光伏發電系統、風力發電機組和柴油發電機組，用電設備包括海水淡化裝置和其他用電設備，儲能系統采用蓄電池，暫不考慮輸電線損。

光伏陣列的發電功率

式中：

Ppv（t）為光伏陣列t時刻發電功率，kW；Pstc為光伏陣列的額定發電功率，kW；G（t）為t時刻當地光照強度，kW·m?2；Gstc為標準測試條件下光照強度，取1"kW·m?2；T（t）為t時刻光伏陣列的實際工作溫度，℃；Tstc為標準測試條件下光伏陣列的工作溫度，取25"℃；k為電池板的功率溫度系數，取?0.004"5"℃?1[16］。

式中：

Pwg（t）為風力發電機組t時刻發電功率，kW；Pr為風力發電機組的額定發電功率，kW；vi為t時刻風速，m·s?1；v、v和v分別為風力發電cicor

機組的切入風速、切出風速和額定風速，m·s?1。

柴油發電機的發電功率和燃油消耗量的關系為

Fde（t）=α·Pde，r+β·Pde，g（t）（3）

式中：

Pde，g（t）為柴油發電機t時刻發電功率，kW；Fde（t）為燃油消耗量，L·h?1；Pde，r為額定發電功率，kW；"α、β為油耗系數，分別取

0.081"45"L·（kW·h）?1、0.246"L·（kW·h）?1［18］。

海水淡化用電負荷

Pswa（t）=Nswa·Pswar（4）P（t）t式中：swa為海水淡化裝置時刻用電負荷，kW；Nswa為海水淡化裝置運行數量，臺；Pswar為每臺海水淡化裝置的額定功率，kW。

式中：

Soc（t）為蓄電池t時刻荷電狀態；

間隔，本文取1"h；Pch（i）、Pfa（i）分別為蓄電池i時段內平均充、放電功率，kW；ηch、ηfa分別為充、放電效率，%；"Ec為蓄電池的額定"容量，Ah。

2""""雙層優化模型

2.1""""外層優化目標函數及約束條件

2.1.1"""外層優化目標函數

式中：

Cw為可再生能源發電設備的年綜合費用，萬元；Cwt為可再生能源發電設備年投資成本，萬元；Cwy為可再生能源發電設備年運行費用，萬元。Cwt=

式中：

總數，本文取2；"Ns為第s種設備的數量，臺；Ls為第s種發電設備的單機容量，kW；As為第s種設備的單位投資費用，萬元·kW?1；Rs為第s種設備的投資回收系數；r為年利率，本文取r=0.067；ns為第s種設備的使用年限，年。

式中：

分別為風力發電機組和光伏發電系統i時段內平均輸出功率，kW；Owt、Opv分別為風力發電機組和光伏發電系統的單位運行費用，萬元·"（kW·h）?1。

2.1.2"""外層優化約束條件

額定發電功率約束條件為

式中：

需求和負荷缺口，kW；floss為失負荷率限值。可再生能源棄電率約束條件為

式中：

Wy為年可再生能源棄電總量，kW·h；Wr為年可再生能源發電總量，kW·h；fpores為可"再生能源棄電率的上限。

2.2""""內層優化目標函數及約束條件

2.2.1"""目標函數

內層優化目標函數

minCom=min （Cnt+Cbess+Cwater+Cdes+

式中：

Com為柴油發電機、海水淡化裝置和蓄電池的年綜合費用及懲罰費用，萬元；Cnt為柴油發電機、海水淡化裝置和蓄電池的年投資費用，萬元；Cdes、Cwater和Cbess分別為柴油發電機、海水淡化裝置和蓄電池的年運行費用，萬元；Cr和Cf分別為每年柴油發電機的燃油消耗費用和污染物治理費用，萬元；Cdump和Closs分別為每年能源浪費懲罰費用和停電懲罰費用，萬元。

式中：

S為系統中設備的種類總數，本文取5。

柴油發電機、海水淡化裝置和蓄電池的年運行費用分別為

式中：

Pbess（i）、Pwater（i）和Pdes（i）分別為i時段內蓄電池平均充放電功率、海水淡化裝置功率和柴油發電機的平均輸出功率，kW；Obess、Owater和Odes分別為蓄電池、海水淡化裝置和柴油發電機的單位運行費用，元·（kW·h）?1。

式中：

Pde，a（i）為柴油機i時段內平均輸出功率，kW；M為污染物種類；γk為第k種污染物運行排放系數，kg·（kW·h）?1；δk為第k種污染物治理費用系數，元·kg?1。

能源浪費懲罰費用

式中：

kdump為能源浪費懲罰費用系數，元·（kW·h）?1；Pdump（i）為可再生能源發電設備i時段內平均棄電功率，kW。

停電懲罰費用

式中：

kloss為停電懲罰費用系數，元·（kW·h）?1"Ploss（i）為i時段內停電失負荷，kW。

2.2.2"""約束條件

式中：

Epro，i為i時段內總輸出電量（包括風力發電機組、光伏發電系統、柴油發電機組的發電量和蓄電池的放電量），kW·h；Epc，i為i時段內海水淡化裝置的用電量，kW·h；Exu，i為i時段內其他設備的用電量，kW·h；Ebsc，i為i時段內蓄電池充電消耗的電量，kW·h；Eloss，i、Edump，i分別為i時段內失負荷量和棄電量，kW·h。

發電可行性約束條件為

Ps，min≤Ps，t≤Ps，max（24）

式中：

Ps，min為第s種發電設備的最小輸出功率，kW，本文取Ps，min=0；Ps，max為第s種設備的總發電容量；Ps，t為第s種發電設備t時刻輸出功率。蓄電池荷電狀態約束條件為

SOC，min≤SOC（t）≤SOC，max（25）

式中：

SOC，max、SOC，min分別為蓄電池荷電狀態的上限和下限。

本文取SOC，min=0.1，SOC，max=0.9，以防止蓄電池過充電或過放電；取電池初始狀態SOC（0）"=0.5。

蓄電池還應滿足在一定周期內充電量與放電

式中：

Pswa（t）為海水淡化系統t時刻用電負荷，kW；Pswar為單個海水淡化機組的額定功率，kW；Nswat為海水淡化機組總量，臺。

海水淡化機組運行的蓄水量約束條件為

R≤N（t+1）·G+swa，minswaswa

式中：

Rw（t+1）為t+1時刻淡水需求，t；

為t時刻蓄水池蓄水量，t；Rswa，min、Rswa，max分別為蓄水池蓄水量下限和上限，t；Nswa（t+1）為t+1時刻開啟的海水淡化機組的數量，臺；Gswa

為每臺海水淡化機組產水量，t·h?1。

2.3""""總目標函數

微電網系統雙層優化模型的總目標函數為

minC=min （Cw+Com）（29）

式"中，C為微電網系統的年綜合費用，萬元。

2.4""""運行優化策略

微電網系統的逐時凈負荷

Pj（t）=Ppv（t）+Pwt（t）?Pload（t）

式中，

P（t）為微電網系統t時刻用電負荷，kW。load

在i時段，當凈負荷大于0時，若蓄水量無法滿足下一時段居民用水需求，則優先用于海水淡化直到蓄水量達到預設上限，仍有剩余則用于對蓄電池充電；若蓄水量能滿足下一時段居民用水需求，則凈負荷優先用于蓄電池充電，直到預設上限，仍有剩余則用于海水淡化。當凈負荷小于0時，優先進行蓄電池放電，若未能滿足用電負荷需求，再啟動柴油發電機組進行補充。

通過跟蹤逐時凈負荷實現運行優化的流程如圖"1所示，圖中P（t）為t時刻充電功率，kW。s

3""""求解方法

采用RWCE算法求解時，局部搜索精度不足常常使優化進程陷入非局部最優解，出現差解代替優解的現象。本文針對雙層優化模型建立了一種采用精細搜索策略的改進RWCE算法。首先，基于RWCE算法進行外層設備容量和內層設備出力的隨機游走，獲得初步結構，然后大幅降低游走步長，在局部鄰域進行高精度、小范圍搜索，避免遺漏最優解，同時大幅降低接受差解概率，避免出現差解代替優解的情況，具體流程如圖2所示。

4""""算例分析

4.1""""基礎數據

本文選取我國東部沿海某島嶼作為研究對象。該海島的基本數據為：①年平均氣溫在20"℃以上，均為供冷季；②島上全年風速、氣溫、光照強度數據分別如圖3（a）～3（c）所示，數據采樣間隔為1"h，其中，最大光照強度為1"012.25"W·m?2，最大風速為17.51"m·s?1；③島上居民的需求為電能需求和淡水需求。圖3（d）為文中算例選取的典型日總用電負荷，包含淡水需求折算的海水淡化裝置耗電負荷和其他用電負荷；④冬季、夏季天數均為180天。分別選取冬季和夏季氣象數據最差（參考指標為光照強度和風速）的某天作為典型日，氣象數據分別如圖3（e）和圖3（f）所示。

微電網系統雙層優化模型的其他相關參數見"表1～4。

4.2""""結果與分析

4.2.1"""設備配置方案優化

不同設備配置方案的優化結果如表5所示。結果表明，方案1采用柴油發電機供電，雖然不產生懲罰費用與失負荷，但是會產生高額的燃料費用和污染物治理費用；方案2采用風?光?儲系統，由于發電功率隨氣象條件波動，難以滿足各時刻的負荷需求，從而造成高額的懲罰費用，還需要配置更多的海水淡化裝置以消納多余的可再生能源電力；方案3采用風?光?柴系統，由于沒有配置儲能系統，為滿足各時刻功率平衡，柴油機配置容量較大，同時為滿足可再生能源丟棄率限制，可再生能源發電容量配置較低，主要費用由柴油機發電產生。相比之下，方案4采用風?光?柴?儲系統，年總成本顯著低于"其他方案，為最優配置。

4.2.2"""夏季典型日設備運行狀態分析

微電網系統在夏季典型日的最優調度方案如圖4所示。由圖可知，在白天時段，微電網系統以光伏和風力發電為主，基本可以滿足用電需求，蓄電池在白天光伏和風力發電充足的情況下充電，而在夜間無光照時放電，起到了一定的削峰填谷作用，而且由于海水淡化裝置在白天對新能源出力的消納，可供蓄電池充電的冗余電量并不多，有利于降低蓄電池的投資成本；在夜間時段，除了風力發電機組運行外，系統可消耗蓄電池在白天儲存的電能，但仍需柴油發電機組補充供電，以實現供需逐時平衡。

設定在1：00時蓄水池水量為60"m3，蓄水池的水位下限為40"m3。夏季典型日蓄水量與新能源出力的變化如圖5所示。可以看出，00：00—08：00蓄水池水量充足，居民僅有少量用水需求，所以海水淡化裝置不工作；08：00—15：00居民用水量增加，同時新能源發電量較大，海水淡化裝置對其進行消納，蓄水量短暫下降后開始增加；15：00—21：00為居民用水量較多的時段，但可用于海水淡化的新能源發電量顯著下降，所以蓄水量呈下降趨勢；21：00—24：00居民用水量較少"，因此蓄水量基本保持不變。

4.2.3"""RWCE算法與改進RWCE算法的性能比較

針對上述海島算例，采用RWCE算法計算時，總迭代次數Imax為1×10次，個體數量N為100，最大游走步長?LC為2，年負荷最大值""Mmax為300"kW，接受差解概率δ為0.05；采用改進RWCE算法計算時，總迭代次數Imax為1×10次，個體數量N為100，年負荷最大值Mmax為300"kW，精細搜索的最大游走步長?LC為0.5，接受差解概率δ為0.01。計算結果如表6所示，尋優曲線如圖6所示。

從表6中可以看出，與RWCE算法的計算結果相比，改進RWCE算法計算得到的最優解投資費用、運行費用及年綜合費用更低，配置方案也有所變化。這是因為改進RWCE算法的外層優化對設備配置造成了攝動，內層通過精細搜索也進行了相應的最佳運行調度。

從圖6中可以看出，兩種算法均在約5.6"×107迭代次數時收斂。相比之下，采用RWCE算法仿真，會產生多次費用上升的情況，但經過一定迭代次數后，接受差解機制可使尋優過程跳出局部最優解，搜索到更優的解，但卻錯誤選擇了最小極值點，而費用的上升便是由于差解代替了當前好解；采用改進RWCE算法進行仿真時，外層RWCE算法計算得到的優化結構傳遞到內層后，會進行高精度的精細搜索，即使好解被差解替代，也能在其局部鄰域內搜索到更優的解。

綜上所述，相比于RWCE算法，利用改進RWCE算法求解雙層優化模型，不僅避免了固定參數尋優的早熟收斂，還提高了搜索精度，有效防止差解代替好解，從而獲得年綜合費用更低"的優化計算結果。

5""""結論

本文針對獨立型微電網系統優化問題，建立了容量配置與運行調度同步優化的雙層優化模型，并采用帶有高精度精細搜索策略的改進RWCE算法求解，主要結論為：

（1）綜合考慮了遠洋海島的用電需求和淡水需求，將海水淡化負荷作為一種可時移的用電負荷，可有效提高對可再生能源發電的消納能力。

（2）海島微電網雙層優化模型以年綜合費用最低作為目標函數，綜合考慮發電功率、負荷可靠性、可再生能源丟棄率等多個指標，并通過跟蹤逐時凈負荷進行運行調節，實現了微電網系統容量配置與運行調度的同步優化，規劃設計更加科學合理，年綜合費用顯著降低。

（3）采用改進RWCE算法求解微電網雙層優化模型，能夠平衡全局搜索與局部搜索能力，提高搜索精度，避免早熟收斂，保護過程最優解，獲得更優的容量配置和運行方案。

（4）內層設備運行調度優化的精細搜索是基于外層設備容量基礎解的進一步迭代和優化，因此改進RWCE算法的求解時間更長，后續可進一步研究提高計算效率的改進措施。

參考文獻：

王坤林，"游亞戈，"張亞群."海島可再生獨立能源電站能量管理系統[J]."電力系統自動化，"2010，"34（14）：13"?17.

魯宗相，"王彩霞，"閔勇，"等."微電網研究綜述[J]."電力系統自動化，"2007，"31（19）：100"?"107.

張建華，"于雷，"劉念，"等."含風/光/柴/蓄及海水淡化負荷的微電網容量優化配置[J]."電工技術學報，"2014，29（2）：102"?"112.

吳盛軍，"李群，"劉建坤，"等."基于儲能電站服務的冷熱電多微網系統雙層優化配置[J]."電網技術，"2021，45（10）：3822"?"3829.

劉艷峰，"劉正學，"羅西，"等."基于柔性負荷的孤立多能互補建筑能源系統優化設計[J]."太陽能學報，"2022，43（6）：24"?"32.

李雄威，"王昕，"顧佳偉，"等."考慮火電深度調峰的風光火儲系統日前優化調度[J]."中國電力，"2023，"56（1）：1"?"7，"48.

REN"G，"WANG"W，"WAN"J，"et"al."A"novel"metric"forassessing"wind"and"solar"power"complementarity"basedon"three"different"fluctuation"states"and"correspondingfluctuation"amplitudes[J]."Energy"Conversion"andManagement，"2023，"278：116721.

ZHOU"K"L，"PENG"N，"YIN"H，"et"al."Urban"virtualpower"plant"operation"optimization"with"incentive-based"demand"response[J]."Energy，"2023，"282：128700.

YANG"W"M，"KANG"X"Y，"WANG"X"G，"et"al."MPC-based"three-phase"unbalanced"power"coordinationcontrol"method"for"microgrid"clusters[J]."EnergyReports，"2023，"9：1830"?"1841.

TUKKEE"A"S，"BIN"ABDUL"WAHAB"N"I，"BINTI MAILAH"N"F."Optimal"sizing"of"autonomous"hybridmicrogrids"with"economic"analysis"using"grey"wolfoptimizer"technique[J]."e-Prime-Advances"in"ElectricalEngineering，"Electronics"and"Energy，"2023，"3：100123.

TOMIN"N，"SHAKIROV"V，"KOZLOV"A，"et"al."Designand"optimal"energy"management"of"communitymicrogrids"with"flexible"renewable"energy"sources[J].Renewable"Energy，"2022，"183：903"?"921.

喬佳偉."優化運行策略與算法的分布式能源系統容量配置研究[D]."北京："華北電力大學（北京），"2023.

趙超，"王斌，"孫志新，"等."基于改進灰狼算法的獨立微電網容量優化配置[J]."太陽能學報，"2022，"43（1）：256"?"262.

XIAO"Y"，"CUI"G"，"LI"Shuailong"."A"novel"random"walkalgorithm"with"compulsive"evolution"for"globaloptimization"of"heat"exchanger"networks[J]."CiescJournal，"2016.

馬秀寶，"蓋照亮，"崔國民，"等."基于強制進化隨機游走算法的質量交換網絡綜合[J]."計算物理，"2022，39（4）：479"?"490.

朱蘭，nbsp;嚴正，"楊秀，"等."風光儲微網系統蓄電池容量優化配置方法研究[J]."電網技術，"2012，"36（12）：26"?31.

張棟華，"李征，"蔡旭."基于量子行為粒子群算法的微電網優化配置[J]."計算機仿真，"2014，"31（8）：120"?"124，208.

郭力，"劉文建，"焦冰琦，"等."獨立微網系統的多目標優化規劃設計方法[J]."中國電機工程學報，"2014，34（4）：524"?"536.

GHENAI"C，"BETTAYEB"M."Modelling"andperformance"analysis"of"a"stand-alone"hybrid"solarPV/Fuel"Cell/Diesel"Generator"power"system"foruniversity"building[J]."Energy，"2019，"171：180"?"189.

許玲麗，"高巖."含光熱電站的熱電聯供型微網儲熱容量雙層優化配置[J]."上海理工大學學報，"2023，45（2）：171"?"179.

李笑帆."基于Matlab的微電網孤島運行仿真研究[J].能源研究與信息，"2016，"32（4）：240"?"244.