基于變異粒子群算法的微電網多目標優化調度研究

史麥瑞， 宋嘉霖， 王晨宇， 隋雨伯， 張天陽

（遼寧工程技術大學電氣與控制工程學院， 遼寧 葫蘆島 125000）

0 引言

微電網多目標優化調度是指滿足各種約束條件下，以運行成本最小和環境保護成本最小為目標函數，合理安排不同的電源出力，從而降低運行成本與污染物排放，使微電網擁有更高的可靠性與發電效率，實現不同目標函數的優化[1]。

1 微電網中各電源數學模型

微電網結構一般包括光伏陣列（PV）、風力發電機（WT）、燃氣輪機（MT）、儲能裝置（ES）和柴油發電機（DE）等[2]。

1.1 風力發電機模型

式中：PWT為風力發電機功率；Vci、Vco和Vr分別為切入、切出風速以及額定風速；Pr為額定輸出共功率；系數

1.2 光伏陣列模型

式中：PPV為光伏發電機功率；PSTC為最大輸出功率，k為光照系數；T為陣列表面溫度；TSTC為陣列參考溫度；G為光照強度，GSTC為光照強度。

1.3 微型燃氣輪機模型

式中：PMT為燃氣輪機功率；ηMT（t）為t時間內輸出效率；PMT（t）為t 時間內的輸出功率。

1.4 蓄電池模型

放電時，電池t時刻的能量可用式（4）計算：

充電時，電池剩余能量為：

式中：SOC為蓄電池剩余電量；PES為蓄電池功率，放電時為正值，充電時為負值；ηC、ηD分別為示蓄電池充、放電的效率。

1.5 柴油發電機模型

式中：CDE為柴油發電機發電成本；PDE為柴油發電機的輸出功率；a、b和c分別為發電機的發電成本系數。

2 微電網優化調度模型

2.1 目標函數

2.1.1 微電網的運行成本

式中：f1為總成本，即各電源運維成本之和。

2.1.2 微電網的環境保護成本

式中：CGRID.EN（t）為大電網處理污染物的成本；γgrid，k為產生的k類污染物排放量；Ck為處理k類污染物的成本系數。

可得到最終目標函數：

2.2 約束條件

2.2.1 功率平衡約束

式中：PL為微電網負荷的總功率；Pgrid為微電網功率；PES為蓄電池功率。

2.2.2 各電源出力約束

柴油發電機、微型燃氣輪機需滿足：

式中：P1、P2分別為對應柴油發電機、微型燃氣輪機出力的上下限；r1、r2為對應柴油發電機、微型燃氣輪機的爬坡功率上限。

蓄電池需滿足：

式中：P3，min、P3，max分別為蓄電池出力上、下限，功率輸入時為正，輸出時為負；SOC，max、SOC，min分別為t時刻儲能容量的上、下限。

3 變異PSO 算法

粒子群算法雖然有著收斂速度快、可調參數少等優點[3]，但用于微電網優化調度時，容易陷入局部最優解，使優化結果的精準性受限。針對此問題，本文在PSO 算法中引入類似遺傳算法的變異操作，改進慣性因子，在粒子每次更新之后都以一定概率初始化，實現慣性因子的實時更新，使粒子能夠跳出先前搜索到的最優值，并在更大的區域中展開搜索，提高了算法尋得最優值的可能性。

4 模型結果與驗證

4.1 算例參數

微電網中各個電源運行參數與成本如表1 所示。

表1 各電源參數

各個電源污染物排放系數及成本如表2 所示。

表2 污染物排放系數及處理費用

蓄電池的儲能參數如表3 所示。

表3 蓄電池儲能參數

4.2 算例結果與分析

4.2.1 模型日負荷曲線

用Matlab 軟件編程，得到該微電網模型的風、光日負荷預測曲線，如圖1 所示。

圖1 微電網及風、光日負荷曲線

4.2.2 PSO 與改進PSO 的比較

運行傳統PSO 與改進后的PSO，可得兩種算法下多目標優化可行解的分布情況，如圖2、圖3 所示。

圖2 傳統PSO 算法可行解的分布情況

圖3 改進PSO 算法可行解的分布情況

在迭代次數均為100 次的情況下，改進的PSO算法的非支配解的個數明顯多于傳統PSO 算法，即變異PSO 算法擁有更多的可以在多目標優化上達到更優的解。同時，改進后的算法可行解對應的目標函數明顯成本更低，意味著用于微電網優化調度，其運行成本和環境保護成本會更低。

4.2.3 優化調度結果

微電網負荷對應向大電網買電售電價格如圖4所示，微電網優化調度模型求解如圖5 所示。

圖4 不同負荷對應向大電網買電售電價格

圖5 優化調度結果

4.2.4 優化結果分析

00：00—04：00，微電網負荷需求低，WT 持續出力，但功率受限，此時電價最低，購得電為蓄電池充電。05：00—10：00，微電網負荷呈上升趨勢，PV、WT 出力受限，需從大電網中購電以滿足負荷需求。11：00—14：00，光伏出力增大到最大值，同時微電網符合需求減少。14：00—15：00 購電價格達到最低點，期間向電網購電用于蓄電池充電。15：00—20：00，電網售電價格較低，WT 和PV 出力減小，蓄電池利用此前所積累的電能出力，同時，從大電網中購電以滿足負荷需求。20：00—24：00，微電網將剩余的電能回售給大電網以提升經濟效益，完成一天的調度。

在整個調度期間，蓄電池起到調節作用，在電網售電價格較低時買電充電，在售電價格較高時放電出力，降低了經濟與環保成本。由于WT 和PV 出力不穩定，因此，整個調度期間MT 和DE 同時出力滿足負荷需求，但大多時間DE 出力少于MT，這是因為DE的污染物排放系數遠高于MT，所排放的SO2和NO2對環境污染大且治理費用高。但當微電網負荷需求增大的同時、PV 和WT 出力受限時，因DE 的發電成本較低，會優先為微電網供電。

5 結語

本文以微電網的運行成本與環境保護成本為目標函數，用改進后的變異PSO 算法建立并網模式下多目標優化調度模型，通過對其進行仿真分析，驗證了變異PSO 算法的可行性，并得出結論：改進后的變異PSO 算法優于傳統PSO 算法，用于微電網優化調度能夠有效減小電網的運行成本與環境保護成本，提高了微電網運行的經濟性與環保性。

本文中的各個電源出力在實際情況下可能更為復雜，如風光出力受天氣因素影響，實際數據復雜多變，未來應針對各個電源在自然條件下出力的情況展開更多預測研究，采用更多高精度預測方法，提高優化調度的精準性。