考慮風(fēng)電預(yù)測誤差成本的微網(wǎng)經(jīng)濟調(diào)度

許玉貞 詹紅霞 張瑞冬 魯 帆 苑吉河

（1.西華大學(xué)電氣信息學(xué)院，成都 610039；2.重慶市電力公司南岸分公司，重慶 401336）

目前，由分布式電源構(gòu)成的微網(wǎng)成為一種趨勢[1-6]，其中經(jīng)濟調(diào)度是微網(wǎng)的一項重要內(nèi)容，有很多研究學(xué)者對其進(jìn)行了大量的研究。微網(wǎng)的經(jīng)濟調(diào)度包括靜態(tài)經(jīng)濟調(diào)度和動態(tài)經(jīng)濟調(diào)度，其中靜態(tài)經(jīng)濟調(diào)度不考慮實時時間段之間的聯(lián)系，不考慮機組的爬坡約束；而動態(tài)經(jīng)濟調(diào)度考慮實時時間段之間的內(nèi)在聯(lián)系，后者更符合實際情況。本文中建立的模型是微網(wǎng)的動態(tài)經(jīng)濟調(diào)度的模型。文獻(xiàn)[7]的目標(biāo)函數(shù)1 包括發(fā)電成本和運行維護(hù)成本，目標(biāo)函數(shù)2是污染物對環(huán)境影響的成本，通過算例驗證分析，得到多目標(biāo)比單目標(biāo)的更符合實際情況。文獻(xiàn)[8]對燃料費用-發(fā)電出力特性模型建立線性模型，對蓄電池的放電模型線性化，并將上述問題轉(zhuǎn)化為混合整數(shù)規(guī)劃法，結(jié)果表明該方法的調(diào)度結(jié)果更為準(zhǔn)確。文獻(xiàn)[9]建立的是基于機會約束規(guī)劃的經(jīng)濟調(diào)度模型，提出了綜合考慮風(fēng)光波動、負(fù)荷預(yù)測誤差不確定因素建立的機會約束規(guī)劃模型，并結(jié)合具體的算例進(jìn)行驗證分析。對于微網(wǎng)經(jīng)濟調(diào)度，建立的目標(biāo)函數(shù)考慮的成本越多，得出的調(diào)度結(jié)果就更加準(zhǔn)確。查閱大量的文獻(xiàn)，其中考慮風(fēng)電預(yù)測誤差的微網(wǎng)經(jīng)濟調(diào)度相對較少。

本文中風(fēng)電預(yù)測誤差按照正態(tài)分布處理。經(jīng)濟調(diào)度的優(yōu)化模型求解算法有很多，有遺傳算法[10]，拉格朗日法[11]，粒子群算法[10]等算法，本文中采用改進(jìn)的粒子群算法對模型進(jìn)行求解。引用文獻(xiàn)[12]風(fēng)電預(yù)測誤差的產(chǎn)生的備用成本的模型，并對一個由風(fēng)電、光伏、燃?xì)廨啓C、內(nèi)燃機、微型燃?xì)廨啓C和負(fù)荷構(gòu)成的一個簡單的獨立的微網(wǎng)算例進(jìn)行驗證分析，建立的目標(biāo)函數(shù)有三個，目標(biāo)函數(shù)1 是發(fā)電成本函數(shù)，包括燃料成本、運行維護(hù)成本，目標(biāo)函數(shù)2 是備用成本函數(shù)，目標(biāo)函數(shù)3 是環(huán)保成本函數(shù)，主要是排放污染物的處理成本。本文以一天為一個周期，在滿足功率約束、機組出力約束、爬坡約束等各種約束的條件下，結(jié)合具體的微網(wǎng)算例，利用改進(jìn)的粒子群算法對目標(biāo)函數(shù)進(jìn)行求解。得到考慮預(yù)測誤差的、不考慮預(yù)測誤差的費用曲線，并與實際調(diào)度產(chǎn)生的費用曲線作對比，考慮預(yù)測誤差的費用曲線更接近實際情況；考慮預(yù)測誤差的一天的總費用為11699 歐元，不考慮預(yù)測誤差的費用為11234歐元，實際的費用為12107 歐元，從總費用來看，考慮預(yù)測誤差的更加接近實際情況。

1 風(fēng)電預(yù)測誤差[13]

微網(wǎng)經(jīng)濟調(diào)度主要是從兩個方面來理解，一方面是調(diào)度，調(diào)度就是機組的出力和分配負(fù)荷之間的配合；一方面是經(jīng)濟，經(jīng)濟就是使運行成本、發(fā)電成本等最低。影響微網(wǎng)經(jīng)濟調(diào)度的因素有很多，其中風(fēng)電預(yù)測誤差是重要因素之一。不考慮預(yù)測誤差的調(diào)度結(jié)果勢必會給微網(wǎng)的運行帶來一定的風(fēng)險，因此考慮預(yù)測誤差的微網(wǎng)經(jīng)濟調(diào)度具有很大的研究價值。

與傳統(tǒng)的發(fā)電方式相比，風(fēng)力發(fā)電具有無污染、可再生特點，但同時也有間歇性、不穩(wěn)定性的缺點。風(fēng)機的出力受氣候、地形、風(fēng)力等的影響?？紤]風(fēng)電預(yù)測誤差是很有必要的。文獻(xiàn)[8]風(fēng)電預(yù)測偏差按照正態(tài)分布處理。設(shè)Pwav為風(fēng)機的實際輸出功率，Pw為風(fēng)機的預(yù)測輸出功率，εw為預(yù)測偏差，則

預(yù)測偏差εw服從均值為0，方差為σw2的正態(tài)分布，其中σw2的大小公式（2）決定。

式中，Pwl為風(fēng)機的裝機容量。

對風(fēng)電預(yù)測誤差的正態(tài)分布圖進(jìn)行分段，即對上述圖形的x軸進(jìn)行平分，平分成24段，將每一段積分得到的期望值，作為24段的預(yù)測誤差值。通過計算和查詢正態(tài)分布表，得到每個時段的預(yù)測誤差期望值。

2 微網(wǎng)經(jīng)濟調(diào)度模型

2.1 目標(biāo)函數(shù)

風(fēng)電預(yù)測誤差的存在，會影響到備用容量的確定，本文中引用文獻(xiàn)[12]考慮預(yù)測誤差的備用容量模型，將風(fēng)電預(yù)測誤差產(chǎn)生的備用成本加到經(jīng)濟調(diào)度的旋轉(zhuǎn)備用的模型中[14]，得到考慮預(yù)測誤差的微網(wǎng)經(jīng)濟調(diào)度模型。風(fēng)電預(yù)測誤差產(chǎn)生的備用成本包括容量成本和電量成本兩個部分。

微網(wǎng)經(jīng)濟調(diào)度優(yōu)化函數(shù)如式（3）所示：

式中，f1是m個微電源的燃料成本、運行維護(hù)成本，f2是原有的備用成本以及計及風(fēng)電預(yù)測誤差產(chǎn)生的備用成本，f3為環(huán)保成本。

目標(biāo)函數(shù)1：

f1是m個微電源的燃料成本、運行維護(hù)成本，Ci Pi(t)、M i Pi(t)分別為第i個微電源的燃料成本、運行維護(hù)成本，其中Ci是燃料成本系數(shù)，Mi是運行維護(hù)成本系數(shù)，Pi(t)是第i個微電源在t時刻的發(fā)電功率，m是微電源的總個數(shù)，T是調(diào)度周期。

目標(biāo)函數(shù)2：

f2是原有的備用成本以及計及風(fēng)電預(yù)測誤差產(chǎn)生的備用成本，f21為原有的備用成本，包括兩個部分，一部分是容量成本，一部分是電量成本；f22為計及風(fēng)電預(yù)測誤差產(chǎn)生的備用成本，也包括兩個部分，容量成本和電量成本。

式中，αi為第t小時備用容量的容量費用，P為所購買備用的大小，βi為第t小時調(diào)用的容量費用，ρ i為第i個微電源發(fā)生故障的概率，Pi t(P)為對第i個微電源在第t小時發(fā)生故障且備用容量為P時的備用容量調(diào)用量。

式中，fr1為風(fēng)電預(yù)測誤差的存在增加的容量成本，fr2為增加的電量成本。

式中，Cr為容量成本價格，Pc(t)為風(fēng)電預(yù)測誤差引起的備用容量的增加。

風(fēng)電預(yù)測誤差如式子（10）：

式中，Pwav和Pw分別是風(fēng)電的實際輸出功率，風(fēng)電的預(yù)測功率。

式中，Cd為第t小時的電量價格，E為風(fēng)電預(yù)測誤差大于0 條件下的期望值。

目標(biāo)函數(shù)3：

式中，f3是環(huán)保成本，即是各個微電源排放的處理成本。kj為第j種氣體的處理價格，Eij為第i微電源第j個氣體的排放量，Pi(t)為第i個微電源第t小時的發(fā)電功率，n為排放氣體的總類數(shù)。

2.2 約束條件

功率平衡約束：

式中，Pi為第i機組的發(fā)電功率，PD為負(fù)荷，Pw和Ps分別是風(fēng)電預(yù)測功率和光伏預(yù)測功率。

可控機組的出力約束：

式中，Pimin、Pimax分別是機組i的可輸出的最小功率和最大功率。

可控機組的爬坡約束：

式中，Rju、Rjd分別是機組j的向上爬坡速率和向下爬坡速率，Δt為時間長度。

3 改進(jìn)粒子群算法流程

粒子群算法的基本流程如圖1所示。

算例求解步驟：

Step1：確定粒子群大小，維數(shù)，初始化粒子群的位置及速度。ω為動態(tài)慣性系數(shù)，按照式（16）變化，即隨著時間線性變化。

式中，ωstart為初始權(quán)重；ωend為最終權(quán)重；iter為迭代次數(shù)；t為仿真次數(shù)。

圖1 算法流程圖

Step2：計算粒子的適應(yīng)度值。

Step3：對于每個粒子，將其適用度值與當(dāng)前最優(yōu)值進(jìn)行比較，如果較好，則將其作為當(dāng)前的最佳位置，適應(yīng)值作為當(dāng)前最優(yōu)值。

Step4：根據(jù)式（18）、式（19）調(diào)整粒子速度和位置。

Step5：沒有達(dá)到條件則轉(zhuǎn)至第二步。

4 微網(wǎng)算例分析

本文采用的是一個簡單的獨立的微網(wǎng)進(jìn)行驗證分析，該微網(wǎng)包括風(fēng)機、光伏發(fā)電、燃料電池、內(nèi)燃機和微型燃?xì)廨啓C構(gòu)成的，如圖2所示。

圖2 微網(wǎng)結(jié)構(gòu)圖

分布式電源的運行參數(shù)和排放參數(shù)參考文獻(xiàn)[13]。風(fēng)力發(fā)電和光伏發(fā)電幾乎是零排放零污染，優(yōu)先利用風(fēng)力發(fā)電和光伏發(fā)電，其次再調(diào)用其他機組出力，利用改進(jìn)的粒子群算法對目標(biāo)函數(shù)進(jìn)行求解，得到各個機組出力曲線圖，如圖3所示。

圖3 機組出力曲線圖

由機組出力圖可以看出光伏和風(fēng)機按最大出力，然后再調(diào)用燃料電池，由圖可知由于燃料電池成本較低，各個時刻的燃料電池出力較大，其次是內(nèi)燃機，最后是微型燃?xì)廨啓C。由圖上的18 時，19時，20 時，燃料電池和內(nèi)燃機都分別達(dá)到機組的最大出力，此時微型燃?xì)廨啓C作為備用機組被調(diào)用。

表1是考慮風(fēng)電預(yù)測誤差的各種費用及其所占的比例，其中風(fēng)電預(yù)測誤差增加的備用成本占總調(diào)度費用的2.22%，占總的備用成本的29.63%，從上述數(shù)據(jù)中可以看出風(fēng)電預(yù)測誤差對微網(wǎng)經(jīng)濟調(diào)度的影響程度，由此得出考慮風(fēng)電預(yù)測誤差對備用成本的影響還是非常有必要的；表2是一天總的成本，考慮預(yù)測誤差的總成本較接近于實際調(diào)度產(chǎn)生的成本費用；從圖4中實線是實際調(diào)度費用，虛線是考慮預(yù)測誤差成本的調(diào)度費用，點線是不考慮風(fēng)電預(yù)測誤差成本的費用曲線，從圖中可以看出虛線較為接近實線，即考慮風(fēng)電預(yù)測誤差成本的較為接近實際調(diào)度情況；從而得到考慮風(fēng)電預(yù)測誤差的微網(wǎng)經(jīng)濟調(diào)度更接近于實際情況。

表1 考慮風(fēng)電誤差各種費用成本及其所占比例

表2 一天的總的成本費用

圖4 成本費用曲線圖

5 結(jié)論

本文中考慮的風(fēng)電預(yù)測誤差對微網(wǎng)經(jīng)濟調(diào)度的影響主要體現(xiàn)在對備用成本的影響，在備用成本函數(shù)中增加一部分風(fēng)電預(yù)測誤差產(chǎn)生的備用成本。通過算例驗證得到考慮風(fēng)電預(yù)測誤差的微網(wǎng)網(wǎng)經(jīng)濟調(diào)度更加接近實際情況，同時驗證了算法和模型的有效性。

[1] 陳潔,楊秀,朱蘭,等.微網(wǎng)多目標(biāo)經(jīng)濟調(diào)度優(yōu)化[J].中國電機工程學(xué)報,2013,33(19): 57-60.

[2] Hatziargyriou N D,Dimeas A,Tsikalakis A G,et al.Management of microgrids in market environment[C]// International Conference on Future Power: 69:72.ey

[3] Markvart T.Microgrids-power systems for the 21stCentury[J].Refocue,2006,7(4): 44-48.

[4] Hatziargyriou N,Asano H,Iranvani R,et al.Microgrids[J].IEEE Power and Energy Magazine,2007,5(4): 78-94.

[5] Katiraei F,Iravani R,Hatziargyriou N,et al.Microgrids anagement[J].IEEE Power and Energy Magazine,2008,6(3): 54-65.

[6] Markvart T.Microgrids-power systems for the 21stCentury[J].Refocue,2006,7(4): 44-48.

[7] 微網(wǎng)多目標(biāo)經(jīng)濟調(diào)度優(yōu)化[J].中國電機工程學(xué)報,2013,33(19): 57-66.

[8] 別朝紅,吳雄,王秀麗,等.微網(wǎng)經(jīng)濟調(diào)度問題的混合整數(shù)規(guī)劃方法[J].中國電機工程學(xué)報,2013,33(28): 1-6.

[9] 徐寧舟,劉小平,丁明,等.微網(wǎng)系統(tǒng)的動態(tài)經(jīng)濟調(diào)度,2011,31(31): 77-80.

[10] Hong Y Y,Li C T.Short-term real-power scheduling considering fuzzy factors in an autonomous system using genetic algorithms[J].The Institution of Engineering and Technology,2006,l 53(6): 684-92.

[11] Vladimiro Miranda,Pun Sio Hang.Economic dispatch model with fuzzy wind constraints and attitudes of dispatchers[J].IEEE Trans on Power Systems,2005,20(4): 2143-2145.

[12] 張昭遂,孫元章,李國杰,等.計及風(fēng)電功率不確定性的經(jīng)濟調(diào)度問題求解方法[J].電力系統(tǒng)及其自動化,2011,35(22): 125-128.

[13] 王理.考慮備用及預(yù)測誤差成本的微網(wǎng)環(huán)保經(jīng)濟調(diào)度[D].長沙: 長沙理工大學(xué),2012.

[14] 王洪濤,何成明,房光華,等.計及風(fēng)電預(yù)測誤差帶的調(diào)度漸進(jìn)化優(yōu)化模型[J].電力系統(tǒng)及其自動化,2011,35(22): 131-134.