微電網結合海水淡化工程的優化設計綜述

廣西電力職業技術學院 張棟麗 郭家富 譚惠尹 王椿榮

微電網是由多個分布式能源系統組成的整體系統，可以與現有的電網相互連接，具有一定的自治性和可靠性。與傳統的中心化電網相比，微電網的特點在于其所使用的能源是分布式的，并且具有多樣性。利用微電網結合海水淡化工程，可將分布式能源與制水能力結合在一起，進一步提高微電網的可靠性和經濟性。

1 微電網結合海水淡化工程的優化設計的意義

具體來說，微電網結合海水淡化工程的優化設計可以實現以下效果。

一是提高可靠性。海水淡化工程可通過增加能源的來源和使用方式，降低能源短缺的風險。同時，在微電網與制水系統的協同下，可以緩解電網壓力，減少停電風險。

二是降低成本。利用微電網結合海水淡化工程，可以優化能源和制水的生產使用規劃，實現多能互補、優化成本。此外，建設微電網并與制水系統相結合，可以減少能源和水資源的浪費，從而節約生產成本。

三是推廣可持續發展。微電網結合海水淡化工程可有效實現能源和水資源的可持續利用，進而促進可持續發展。與傳統的中心化電網相比，微電網更偏向于系統的全面可持續性。

因此，利用微電網結合海水淡化工程的優化設計將推動節能減排、發展可持續能源、提高能源利用效率等領域的發展，具有重要的意義。

2 微電網結合海水淡化工程設計流程

微電網海水淡化系統的優化設計模型十分復雜，決策變量多樣，目標函數可以是一個也可以是多個，約束條件可以是等式約束也可以是不等式約束，風光等新能源出力具有波動性等一些列問題，決定了微電網海水淡化系統是一個非線性、多維度、包含隨機特性的混合規劃問題，如何建模，如何求解，亟須解決。

微電網結合海水淡化工程設計應首先確定決策變量，然后確定目標函數，設置等式及不等式約束條件，優化設計求解方法。另外，微電網系統可以采用HOMER 軟件模擬設計。

2.1 決策變量的選擇

微電網海水淡化工程的設計要進行當地的光伏和風力資源儲量分析，結合淡水缺口設置微電網裝機容量，建立相應的數學模型，進行優化分析[1-3]，不同工程優化方法不一，文獻[4]研制一種電力緩沖均衡控制器，配合小容量蓄電池為海水淡化裝置直接供能，文獻[1]采用光熱光伏雙驅動進行海水淡化，文獻[5]通過優化控制系統，達到更高的淡化效率。

多數工程設計以效益最大，或系統運行可靠性最高為目標進行建模優化，得到不同的優化配置。在優化配置時，要進行決策變量的選擇，即具體求解對象的確定，目前多數研究者認為分布式電源的容量確定和地址確定是兩個關鍵變量，其中分布式電源的類型、電源容量大小、不同電源的選擇型號，以及風機和光伏所處地理位置等是核心變量。

微網有離網和并網兩種類型，對于離網型微網，人們選擇風光儲的容量作為決策變量，文獻[6]認為風力發電機的鐵塔高度也是一種決策變量。把離散變量變為優化變量是一種解決問題的有效方式，可以將離散變量轉換為一個連續變量，這樣就使得整個問題更容易進行建模和求解，另一種方法是將離散變量視為優化問題的約束條件，其中的離散變量如項目地址、設備數量、型號，等等。

2.2 目標函數的建立

建立目標函數的目的是用數學語言表達出問題的優化目標。這個優化目標可能是最大化利潤、最小化成本、最小化能耗等，取決于具體問題的需求。在建立目標函數時，需要考慮問題的約束條件，以確保優化結果符合實際情況。

因此，建立目標函數是優化問題中重要的一步。在建立微電網數學模型時，第一步分析分布式電源所處地理位置的年平均風速或者年平均輻照量，進而建立不同電源和負荷的準穩態模型，形成定容或選址的決策變量。根據所需要的目標建立目標函數，能夠將目標清晰地量化，能夠使問題更加清晰和規范，這有助于防止模糊不清的問題描述和處理。這樣建立的數學模型可以描述如式（1）所示的非線性規劃模型：

國內外學者對于微網海水淡化系統優化設計問題的目標函數設定可從多個角度入手，提出了各種不同的目標函數。其中，主要的就是系統總成本最小化。微電網海水淡化成本優化方法可通過以下措施實現，第一優化設備選擇，第二優化能源利用，第三優化操作管理，第四優化技術應用，第五優化系統整合。另外，還可從停電懲罰成本、能量浪費成本、污染排放成本等方面考慮降低成本。

從經濟指標角度分析，在一個項目或企業的實施過程中總投資成本，包括建設、購置、租賃等方面產生的全部成本，例如土地、建筑、設備等。除了經濟性以外的指標還有技術性指標，經濟指標是用來評估經濟活動的量化數據，技術指標則是通過計算證券市場價格和交易量的統計量來預測價格走勢的工具。微網海水淡化系統優化設計中有一些常見的技術性指標作為目標函數的研究，如最小化污染排放、最大化供電可靠性等?？梢园讯呓Y合建模，也可以作為多目標優化建模。

2.3 約束條件的設定

約束條件是指對問題、系統或模型進行限制的規則或條件，用來約束其解決方案的可行性和有效性。以下是常見的約束條件類型：一是資源約束，二是技術約束，三是市場約束，四是環境約束。

根據式（1）可知約束條件包括等式和不等式約束。對于微網優化設計的約束條件，首先是各種設備電源自身的限制，主要有出力上下限，爬坡約束和最低使用時間等。由于微網中的間歇性能源出力的波動性，供電可靠性在微網設計中是必須考慮的因素。不論從停電時間、停電概率和缺電能量上都可以對供電可靠性建立模型。

由于海島面積有限，微電網結合海水淡化系統勢必對島上地理資源造成壓迫，如果海島周邊有非負荷中心小島，根據文獻[7]提供的思路，可以考慮共享電船輸運能量或淡水的方式解決一部分供水問題，本文把共享電船接入微網作為研究對象，將作為后續優化對象。

3 微網規劃設計軟件

微電網規劃設計軟件有很多種：一是HOMER Pro：其是一個集成化的微型電網方案設計和優化工具，可以為采用太陽能、風能等的離網或聯網微網設計最佳方案。二是DNV GL Socrates：其是一款基于云端的自動化技術平臺，可大幅降低分布式能源系統規劃、建模和優化的時間和成本。三是RETScreen Expert：其是由加拿大贊助的工具，旨在支持可再生能源與能效項目以及能源管理決策的規劃和分析。四是Siemerns PSS SINCAL：其是一款用于設計、規劃和分析電力系統的軟件，其支持熱死情況下的微電網規劃并進行智能運行決策。五是OpenDSS：其是一款免費、開源的電力系統仿真軟件，專門用于建模各種微型電力系統，并模擬不同情況下的能量流和設備參數。其中，HOMER 應用最廣，HOMER 軟件是由美國National Renewable Energy Laboratory 開發的，如圖1所示。

圖1 HOMER 簡易架構圖

圖2 典型粒子群算法圖例

圖3 典型遺傳算法圖例

4 人工智能算法

人工智能算法是一種用于處理和分析復雜數據的數學計算方法，主要在機器學習和數據挖掘等人工智能領域應用。這些算法基于數學和統計理論，可自動從數據中實現模式識別、分類、預測和優化等任務。常見的人工智能算法包括神經網絡、遺傳算法、支持向量機、決策樹、聚類算法等。這些算法可應用于各種領域，如自然語言處理、物聯網、醫學、金融、智能推薦等，深刻改變著人們對數據的認識方式和應用范式。

對于微網結合海水淡化系統規劃設計問題的求解，傳統的方法主要是將優化模型轉化為混合整數規劃模型，采用CPLEX 進行求解。然而CPLEX 雖然定義了嚴格的數學函數，但無法求解復雜的數學方程，類似于微網+海水淡化系統中有多個約束條件的數學模型則無能為力。那么既要保證約束條件符合實際運行情況，又要建立簡單數學規劃模型是不現實的。

近年來比較流行的，且最具代表性的人工智能算法是遺傳算法和粒子群算法，遺傳算法（Genetic Algorithm,GA）是一種基于自然進化原理的優化算法，被廣泛應用于優化、搜索和機器學習等領域。遺傳算法源于達爾文的進化論和孟德爾的遺傳學原理，模擬自然界中物種進化和基因傳遞的過程來求解問題的最優解。遺傳算法使用隨機生成的初始種群，并在每一代中利用交叉和變異等方式來產生新的后代種群，以逐步優化和搜索問題的解決空間。

5 結語

本文分析了國內外微電網海水淡化發展現狀，系統配置，設計方法，優化方法，得出了微電網系統的電源輸出數學模型，負荷數學模型，并根據實際運行情況設計運行策略，建立微電網海水淡化優化配置問題的目標函數和約束條件。改進自由搜索算法，采用精英競爭策略形成了混沌自由算法，提高了算法精度。