并網(wǎng)運行模式下微電網(wǎng)能量優(yōu)化調(diào)度算法研究

許曉慧，蘇義榮，施勇，柳勁松，王雙虎

（1.中國電力科學研究院，江蘇南京 210023；2.國網(wǎng)電力科學研究院，江蘇南京 210016；3.上海電力科學研究院，上海 200090）

并網(wǎng)運行模式下微電網(wǎng)能量優(yōu)化調(diào)度算法研究

許曉慧1，蘇義榮2，施勇3，柳勁松3，王雙虎2

（1.中國電力科學研究院，江蘇南京 210023；2.國網(wǎng)電力科學研究院，江蘇南京 210016；3.上海電力科學研究院，上海 200090）

微網(wǎng)與外部電網(wǎng)并網(wǎng)運行，互為補充，為用戶帶來了多方面的效益。由于不可控微電源出力的隨機性與波動性，微電網(wǎng)并網(wǎng)運行時的優(yōu)化運行受到很大影響。提出了計劃層與實時層雙層協(xié)調(diào)優(yōu)化調(diào)度的算法，來解決微電網(wǎng)并網(wǎng)實時能量優(yōu)化調(diào)度的問題。計劃層根據(jù)微電源功率預測數(shù)據(jù)，采用改進粒子群算法進行微電網(wǎng)并網(wǎng)系統(tǒng)的經(jīng)濟優(yōu)化運行；在計劃層優(yōu)化基礎(chǔ)上，實時層根據(jù)不可控微電源以及負荷在實時功率與預測功率之間的誤差，提出采用改進粒子群算法來進行實時優(yōu)化調(diào)度，并將優(yōu)化結(jié)果更新至計劃層中各可控微電源及并網(wǎng)聯(lián)絡線的調(diào)度功率中。對一個典型的微電網(wǎng)并網(wǎng)系統(tǒng)進行調(diào)度算法仿真分析，驗證了該方法的可行性與正確性。

雙層協(xié)調(diào)優(yōu)化；能量優(yōu)化調(diào)度；改進粒子群算法；微電網(wǎng)；并網(wǎng)運行

微電網(wǎng)并網(wǎng)實時能量優(yōu)化調(diào)度是指微電網(wǎng)在并網(wǎng)實時運行時，通過協(xié)調(diào)其中的分布式微電源與儲能設(shè)備，對可控微電源進行輸出控制，從而動態(tài)實現(xiàn)負荷、微電源以及儲能之間、微電網(wǎng)與主網(wǎng)之間的能量優(yōu)化分配，使微電網(wǎng)安全、可靠、經(jīng)濟運行。

目前，光伏發(fā)電和風力發(fā)電技術(shù)得到了廣泛應用，但因其間歇性、波動性等，使得含光伏、風電等分布式電源的微電網(wǎng)如何與電網(wǎng)結(jié)合進行優(yōu)化調(diào)度，成為智能電網(wǎng)能量優(yōu)化管理關(guān)注的主要問題之一[1]。在實時能量管理系統(tǒng)中，對可控分布式電源在調(diào)度時間段內(nèi)如果沒有進行協(xié)調(diào)，其出力將會隨風功率波動而發(fā)生波動變化[2]。儲能裝置的發(fā)展將能夠逐步有效解決分布式電源的并網(wǎng)問題。文獻[3]中，儲能裝置充放電量由啟發(fā)式策略決定，這樣導致能量約束在每個時段不一致，并且與其他微電源之間缺乏協(xié)調(diào)性；文獻[4]將微電網(wǎng)的能量優(yōu)化問題簡化為一個基于儲能的多時段優(yōu)化問題，未考慮不可控微電源的功率約束與實時波動，只給出了日前調(diào)度方案；文獻[5]提出建立頂層多時段優(yōu)化算法，儲能系統(tǒng)的調(diào)度主要用于協(xié)調(diào)平抑不可控電源的功率波動，但是沒有對策來處理當功率波動超出儲能系統(tǒng)范圍時的問題；文獻[6]根據(jù)不同調(diào)度時段提出優(yōu)化計算模型，但是未開展不同時段微網(wǎng)負荷與儲能裝置的相互協(xié)調(diào)交互研究。因此，并網(wǎng)環(huán)境下，如何有效優(yōu)化微電網(wǎng)分布式電源與儲能裝置、微電網(wǎng)負荷與并網(wǎng)系統(tǒng)的能量優(yōu)化等，是本文研究的重點。

本文主要研究微電網(wǎng)并網(wǎng)運行模式下的能量優(yōu)化調(diào)度問題，提出了一種雙層優(yōu)化調(diào)度方法，采用改進粒子群算法來進行微電網(wǎng)并網(wǎng)系統(tǒng)實時能量管理。雙層優(yōu)化調(diào)度中，雙層指計劃層和實時層，優(yōu)化調(diào)度時，計劃層調(diào)度基于短時期內(nèi)不可控微電源的預測數(shù)據(jù)進行日前多時段經(jīng)濟調(diào)度，實時層調(diào)度則基于不可控微電源的實時數(shù)據(jù)，對功率的實時值與預測值間的功率誤差進行調(diào)度，繼而將實時調(diào)度結(jié)果更新至原微電源調(diào)度計劃[7]。采用一微電網(wǎng)并網(wǎng)算例系統(tǒng)檢驗所提方法的合理性。

1 計劃層優(yōu)化調(diào)度

1.1 計劃層目標函數(shù)

微電網(wǎng)并網(wǎng)運行時，由于與主網(wǎng)相連，負荷的功率需求可以時刻得到滿足。所以，微電網(wǎng)運行的目標函數(shù)是使微電網(wǎng)系統(tǒng)的發(fā)電成本最低，即考慮微電網(wǎng)中微電源的限制條件、運行維護成本、狀態(tài)、蓄電池的約束條件和微電網(wǎng)與主網(wǎng)的能量交換，優(yōu)化可控微電源的出力使微電網(wǎng)的運行經(jīng)濟成本最小。為了最大限度地節(jié)約能量和保護環(huán)境，風力發(fā)電和太陽能發(fā)電的能量應全部被使用。微電網(wǎng)計劃層目標函數(shù)為：

式中：f為計劃層調(diào)度的總成本；S為儲能充放電，S+、S－分別為儲能裝置充、放電；DG為可控的微電源；grid為主網(wǎng)；L為可切除的負荷數(shù)量；fDG、fS分別表示各可控微電源的總發(fā)電運行成本、蓄電池的充放電和維護成本；fgrid為電網(wǎng)運行維護成本；fL為可切負荷維護成本；N為計劃層對1 d劃分的時段數(shù)；LDG和LS分別為微網(wǎng)中可控微電源和蓄電池的總數(shù)量；c為電價；K為微電源的維護成本；on為微電源的啟停，*為微電源狀態(tài)的改變；F為微電源發(fā)電成本；P為功率；為t時段內(nèi)第i個可控發(fā)電源狀態(tài)的改變，為1表示狀態(tài)改變，為0表示狀態(tài)未改變。

1.2 計劃層約束條件

有功功率平衡約束為：

可控微電源和主網(wǎng)約束條件為：

儲能約束條件為[7]：

裝置狀態(tài)切換的約束條件為：

式中：Load為負荷；unctrl為不可控微電源；SOC為儲能的狀態(tài)；ηc、ηd分別為儲能充、放電系數(shù)，d為一個時段周期內(nèi)的儲能放電時間。

2 實時層優(yōu)化調(diào)度

2.1 實時層目標函數(shù)

考慮實時不可控發(fā)電源和負荷的影響，實時層基于超短期不可控發(fā)電源和負荷預測進行微電網(wǎng)實時優(yōu)化調(diào)度。由于短期預測會存在較大的誤差，該誤差會對微電網(wǎng)運行的穩(wěn)定運行造成較大影響，對用電用戶帶來不便和損失，所以，必須采取有效的方法對誤差進行處理，使微電網(wǎng)安全、可靠地運行。實時層優(yōu)化目標函數(shù)為：

式中：f′為實時層調(diào)度成本；f′L為實時切負荷成本；N′為實時調(diào)度時段數(shù)分別為實時切負荷功率和計劃切負荷功率為功率實時值與預測值的偏差。

2.2 實時層約束條件

可控微電源發(fā)電量調(diào)整的誤差約束條件為：

蓄電池充、放電功率調(diào)整的誤差約束條件為：

微電網(wǎng)向主網(wǎng)購、售電量調(diào)整的誤差約束條件為：

3 優(yōu)化調(diào)度算法

3.1 改進的粒子群算法

在原始粒子群算法中[8]，每個粒子根據(jù)自身的歷史最優(yōu)值pbesti以及種群的歷史最優(yōu)值gbest來更新自身的速度與位置，最終將會收斂至gbest附近[9]。此時，若gbest為一個局部最優(yōu)值，則整個種群將會收斂至局部最優(yōu)。

將粒子群算法作如下改進：生成2個種群，粒子總數(shù)為N，第一個種群的粒子數(shù)為L，第一個種群的優(yōu)化公式為：

第二個種群的優(yōu)化公式為：

式中：l=1，2，…，L；i=L+1，L+2，…，N；k為迭代次數(shù)；w為慣性因子；c為學習因子；rand（）為0到1之間的隨機數(shù)為粒子i在第k次迭代中第d維。pbest是第二個種群第k次迭代后各粒子歷史最優(yōu)值的平均值，即：分別2個種群的群體最優(yōu)值。

改進后的粒子群算法中，第一個種群中的粒子不受群體最優(yōu)值的限制，可以在任意方向搜索，而第二個種群中的粒子除了受個體歷史最優(yōu)值限制之外，還受2個種群的群體最優(yōu)值的限制。通過2個種群的聯(lián)合搜索，使種群收斂至全局最優(yōu)。

3.2 調(diào)度算法流程圖

首先基于微網(wǎng)的實時數(shù)據(jù)，對實時數(shù)據(jù)與預測數(shù)據(jù)產(chǎn)生的功率誤差進行計劃層調(diào)度優(yōu)化，最后將雙層優(yōu)化結(jié)果分配給各可控微電源進行功率調(diào)度（見圖1）。

微電網(wǎng)處于并網(wǎng)運行模式下時，可由主網(wǎng)提供功率進行經(jīng)濟優(yōu)化調(diào)度。具體流程步驟為：

1）根據(jù)微網(wǎng)中不可控微電源與負荷的預測數(shù)據(jù)進行計劃層優(yōu)化調(diào)度。由預測數(shù)據(jù)判斷，在每個時段里，看微電源的最大有功輸出之和與微電網(wǎng)向主網(wǎng)購買的最大功率總和能否滿足負荷總的需求功率。

2）若某時段內(nèi)，微電網(wǎng)中所有微電源的最大有功輸出之和與向主網(wǎng)所購功率的總和能夠滿足負荷的總需求功率，則運用改進粒子群算法在一個周期時段內(nèi)進行經(jīng)濟優(yōu)化調(diào)度；若不能，則切除部分可切除負荷，再進行經(jīng)濟優(yōu)化調(diào)度。

3）實時層優(yōu)化調(diào)度時，從凌晨01:00起，判斷微電網(wǎng)并網(wǎng)系統(tǒng)中，功率的實時需求與計劃需求之間是否存在誤差，即功率誤差是否為0。

4）判斷功率誤差的正負。若功率誤差為正，則判斷各可控微電源在最大功率運行狀態(tài)下（此時將主網(wǎng)看成微電源）是否滿足該誤差，滿足則轉(zhuǎn)5），否則切除部分可切除的負荷再轉(zhuǎn)5）；若功率誤差為負，則恢復被切除負荷（可為0）再轉(zhuǎn)下一步。

5）利用改進粒子群算法進行實時層優(yōu)化[9]。

6）t=t+1，判斷若t等于N′，則轉(zhuǎn)7），若不等則轉(zhuǎn)4）。

7）結(jié)束。

圖1 調(diào)度算法流程圖Fig.1 The flow chart of scheduling algorithm

4 算例分析

標準微電網(wǎng)算例系統(tǒng)如圖2所示[10-11]。系統(tǒng)中包含燃料電池（FC）、燃氣輪機（MT）、柴油機（DE）、蓄電池（BS），光伏發(fā)電（PV）、風力發(fā)電（WT）以及用電負荷（Load）。其中，F(xiàn)C、MT、DE、BS為可控微電源，其有功輸出的上、下限與爬坡率如表1所示。FC的成本公式見文獻 [12-15]；MT的成本公式見文獻[16]；DE的成本公式見文獻[17]。由于微電網(wǎng)是并網(wǎng)運行的，PCC開關(guān)接通。

微電網(wǎng)中用電負荷主要為工業(yè)用電與家庭用電，根據(jù)需求統(tǒng)計分析，一典型用電負荷曲線見圖3。

將微電網(wǎng)并網(wǎng)運行1 a作為調(diào)度算例，計劃層調(diào)度周期為1 h，分為24時段，實時調(diào)度周期為15 min，分為96段。風、光發(fā)電功率的預測值與實時值變化如圖4所示。

圖2 微電網(wǎng)接線圖Fig.2 The micro grid network diagram

表1 可控微電源輸出約束條件Tab.1 The output constraints of the controllable micropower

圖3 負荷曲線圖Fig.3 The graph of load curve

微電網(wǎng)并網(wǎng)運行模式下，計劃層與實時層中可控微電源DE、MT以及FC有功輸出曲線如圖5所示。雙層調(diào)度時，儲能裝置根據(jù)微電網(wǎng)有功輸出而優(yōu)化的充放電功率以及能量變化，如圖6所示。雙層調(diào)度時，微電網(wǎng)與主網(wǎng)的交換功率曲線如圖7所示。微電網(wǎng)并網(wǎng)運行時，各可控微電源有功輸出的實際值與計劃值的誤差曲線如圖8所示，微電源的實際輸出能夠?qū)崟r跟蹤負荷變化。系統(tǒng)負荷的總需求功率與微電網(wǎng)實際提供功率曲線如圖9所示，在13：00—15：00，負荷功率需求約為500 kW，這段時間內(nèi)，各微電源（此時將主網(wǎng)看作微電源）即便處于滿發(fā)狀態(tài)亦無法滿足負荷功率需求。在這種情況下，為了保證微電網(wǎng)安全穩(wěn)定運行，則需考慮切除負荷。圖9曲線結(jié)果中，在12:45至15:45的負荷切除是根據(jù)計劃層提前優(yōu)化調(diào)度給出的，在8:45、9:15以及10:00時刻的負荷切除則是由實時調(diào)度層中不可控微電源的功率波動而導致的。

圖4 新能源發(fā)電預測功率與實時功率比較Fig.4 Comparison of predictive power with real-time power of new energy power generation

圖5 可控微電網(wǎng)有功輸出Fig.5 Active output of controlled microgrid

圖6 雙層調(diào)度時儲能裝置的充放電功率與能量變化Fig.6 Change of charging-discharging power and energy for energy storage device in the double layer scheduling

圖7 微電網(wǎng)與主網(wǎng)交換的有功功率曲線Fig.7 Active power curve in the exchange of microgrid with main grid

圖8 微電源輸出的實際值與計劃值的誤差變化Fig.8 Error change of the actual value and planned value of the micro source output

5 結(jié)論

針對微電網(wǎng)并網(wǎng)實時能量管理問題，提出了基于改進粒子群算法的雙層優(yōu)化調(diào)度方法，使微電網(wǎng)并網(wǎng)系統(tǒng)能夠經(jīng)濟、可靠運行。

圖9 微電網(wǎng)負荷總功率需求與實際提供功率曲線Fig.9 Curve of the total load demand and actual power supply in microgrid

1）在計劃層，根據(jù)預測數(shù)據(jù)來優(yōu)化調(diào)度各可控微電源的功率，使各可控微電源處于最優(yōu)運行狀態(tài)，確保微電網(wǎng)日前計劃的優(yōu)化經(jīng)濟調(diào)度。

2）在實時層，根據(jù)實測數(shù)據(jù)來實時優(yōu)化微電網(wǎng)微電源和負荷功率，通過實時調(diào)整可控微電源的出力來抑制微電網(wǎng)系統(tǒng)內(nèi)的功率波動，使其運行在最優(yōu)經(jīng)濟狀態(tài)，提高負荷用電效率。

3）改進粒子群算法避免了算法后期陷入局部最優(yōu)的缺陷，為微電網(wǎng)優(yōu)化調(diào)度提供了新的方法與途徑。

[1]BATTISTELLI C，BARINGO L，CONEJO A J.Optimal energy managementofsmallelectric energy systems including V2G facilities and renewable energy sources[J].Electric Power Systems Research，2012，92（11）:50-59.

[2]SUDIPTA C，WEISS M D，SIMOES M G.Distributed intelligent energy management system for a single-phase high-frequency AC microgrid[J].IEEE Transactions on Industrial Electronics，2007，54（1）:97-109.

[3]KANCHEV H，LU D，COLAS F，et al，Energy management and operational planning of a microgrid with a PV-based active generator for smart grid applications[J].IEEE Transactions on Industrial Electronics，2011，58（10）: 4583-4592.

[4]CHEN C，DUAN S，CAI T，et al.Optimal allocation and economic analysis of energy storage system in microgrid[J].IEEE Transactions on Power Electronics，2011，26（10）: 2762-2773.

[5]AZMY A M，ERLICH I.Online optimal management of PEM fuel cells using neural networks[J].IEEE Transactions on Power Delivery，2005，29（2）:1051-1058.

[6]LI X P，GENG G C，JIANG Q Y.A hierarchical energy managementstrategy forgrid-connected microgrid[C].Chicago：IEEE Power Engineering Society T&D Conference&Exposition，2014.

[7]陳達威，朱桂萍.微電網(wǎng)負荷優(yōu)化分配[J].電力系統(tǒng)自動化，2010，34（20）:45-49.CHEN Dawei，ZHU Guiping.Load optimization distribution in microgrid[J].Automation of Electric Power Systems，2010，34（20）:45-49（in Chinese）.

[8]蘇守寶，汪繼文，方杰.粒子群優(yōu)化技術(shù)的研究與應用進展[J].計算機技術(shù)與發(fā)展，2007，17（5）:249-252.SU Shoubao，WANG Jiwen，F(xiàn)ANG Jie.Overview applications and research on particle swarm optimization algorithm[J].Computer Technology and Development，2007，17（5）:249-252（in Chinese）.

[9]習朋，李鵬，劉金鑫.孤島運行模式下的微網(wǎng)經(jīng)濟負荷分配[J].電網(wǎng)與清潔能源，2011，27（8）:13-18.XI Peng，LI Peng，LIU Jinxin，et al.Economical load dispatch of microgrids in isolated mode[J].System and Clean Energy，2011，27（8）:13-18（in Chinese）.

[10]TSIKALAKIS A G，HATZIARGYRIOU N D.Centralized controlfor optimizing microgrids operation[J].IEEE Transactions on Energy Conversion，2008，23（1）:241-248.

[11]周華鋒，涂衛(wèi)平，劉皓明.孤島運行方式下微網(wǎng)有功功率優(yōu)化策略研究[J].廣東電力，2010，23（7）:1-4.ZHOU Huafeng，TU Weiping，LIU Haoming.Optimal strategy of active power in microgrid islanded operation[J].Guangdong Electric Power，2010，23（7）:1-4（in Chinese）.

[12]AZMY A M，ERLICH I.Online optimal management of PEM fuel cells using neural networks[J].IEEE Transactions on Power Delivery，2005，20（2）:1051-1058.

[13]趙璽靈，付林，張興梅，等.SOFC熱電聯(lián)供系統(tǒng)的設(shè)計方法研究[J].太陽能學報，2009，30（10）:1437-1442.ZHAO Xiling，F(xiàn)U Lin，ZHANG Xingmei，et al.Research on design method of SOFC CHP system[J].Acta Energiae Solaris Sinica，2009，30（10）:1437-1442（in Chinese）.

[14]OBARA S.Power generation efficiency of an SOFC PEFC combined system with time shift utilization of SOFC exhaust heat[J].International Journal of Hydrogen Energy，2010，35（2）:757-767.

[15]MARTíN J I S，ZAMORA I，MARTíN J J S，et al.Hybrid fuel cells technologies for electrical microgrids[J].Electric Power Systems Research，2010，80（9）:993-1005.

[16]牛銘，黃偉，郭佳歡，等.微網(wǎng)并網(wǎng)時的經(jīng)濟運行研究[J].電網(wǎng)技術(shù)，2010，34（11）:38-42.NIU Ming，HUANG Wei，GUO Jiahuan，et al.Research on economic operation of grid-connected microgrid[J].Power System Technology，2010，34（11）:38-42（in Chinese）.

[17]林偉，陳光堂，邱曉燕，等.基于改進自適應遺傳算法的微電網(wǎng)負荷優(yōu)化分配[J].電力系統(tǒng)保護與控制，2012，40（12）:49-55.LIN Wei，CHEN Guangtang，QIU Xiaoyan，et al.Optimal load distribution of microgrid based on improved selfadaptive genetic algorithm[J].Power System Protection and Control，2012，40（12）:49-55（in Chinese）.

（編輯 董小兵）

Real-Time Energy Optimization Management Algorithm of Microgrid in the Grid-Connected Mode

XU Xiaohui1，SU Yirong2，SHI Yong3，LIU Jinsong3，WANG Shuanghu2
（1.China Electric Power Research Institute，Nanjing 210023，Jiangsu，China；2.Sate Grid Electric Power Research Institute，Nanjing 210016，Jiangsu，China；3.Shanghai Electric Power Research Institute，Shanghai 200090，China）

When interconnected，the external grid and micro grids are mutually supplementary，producing multiple benefits to all parties concerned.Considering effects of the uncertainty of renewable energy on the optimized operation of the interconnected grid system，this paper proposes an algorithm of double-layer（the planned scheduling layer and the real-time scheduling layer）coordinating scheduling to solve the real-time energy optimization and scheduling problem.Based on the prediction of uncontrollable micropower，the planned scheduling layer helps to realize the economical operation of microgrid with improved PSO algorithm and the real-time scheduling layer，according to the uncontrollable micropower and load errors between the predicted power and real-time power，proposes to adopt the improved PSO algorithm for the real-time optimization dispatching and add the revised dispatching result to the controllable micropowers in the planned scheduling layer with improved PSO algorithm.Finally，Simulation and analysis of a typical microgrid in the grid-connected mode verify the feasibility and correctness of the proposed method.

double-layer coordinated optimization；energy optimization scheduling；improved PSO algorithm；microgrid；grid-connected operation mode

國家科技支撐計劃課題資助項目（2013BAA01B04）。

Project Supported by the National Science and Technology Support Program（2013BAA01B04）.

1674-3814（2016）08-0117-06

TM73

A

2015-12-23。

許曉慧（1981—），男，博士，高極工程師，主要從事分布式發(fā)電，儲能及新能源消納技術(shù)研究；

蘇義榮（1977—），男，碩士，高極工程師，主要從事智能配電網(wǎng)的技術(shù)研究；

施 勇（1976—），男，本科，高極工程師，主要研究方向為智能電網(wǎng)、分布式新能源集成開發(fā)與應用；

柳勁松（1971—），男，博士，高極工程師，高級工程師，主要研究方向為配電自動化及分布式新能源接入；

王雙虎（1981—），男，碩士，高極工程師，從事配網(wǎng)自動化、分布式發(fā)電以及區(qū)域能源管理等方面的研究。