基于改進(jìn)粒子群算法的削峰填谷用儲能系統(tǒng)經(jīng)濟(jì)運行策略

李盟盟+王育飛+薛花

摘 要：本文以蓄電池?fù)p耗最低、購電費用最低和削峰填谷后負(fù)荷曲線的方差值最小為目標(biāo)建立削峰填谷用儲能系統(tǒng)運行優(yōu)化模型。利用多目標(biāo)粒子群優(yōu)化算法進(jìn)行尋優(yōu)，求解過程中針對粒子超出可行域的問題提出了一種改進(jìn)的多目標(biāo)粒子群算法，使該算法能求解線性約束多目標(biāo)優(yōu)化問題，并采用TOPSIS法從最優(yōu)Pareto解集中選取最優(yōu)方案。最后建立負(fù)荷與削峰填谷用儲能系統(tǒng)模型進(jìn)行仿真，結(jié)果表明該方法的有效性。

關(guān)鍵詞：削峰填谷；多目標(biāo)粒子群算法；儲能系統(tǒng)；TOPSIS法

中圖分類號：TP919 文獻(xiàn)標(biāo)識碼：A

Abstract：The paper establishes the operation optimization model of the energy storage system for peaking shaving and valley filling，aiming to achieving the minimum battery loss，the lowest power purchase cost and the minimum variance value of load curves after peak shaving and valley filling.Based on Multiple Objective Particle Swarm Optimizer （MOPSO），the paper proposes an improved MOPSO to solve the problem of particle going beyond the feasible region.The algorithm is effective in the multi-objective optimization with linear constraints.The Technique for Order of Preference by Similarity to Ideal Solution （TOPSIS） is applied to select the optimal scheme from the optimal Pareto solution set.Finally，the energy storage system model with load peak shaving and valley filling is constructed，and the simulation results have verified the effectiveness of the proposed method.

Keywords：peak shaving and valley filling；Multiple Objective Particle Swarm Optimizer （MOPSO）；energy storage

system；the Technique for Order of Preference by Similarity to Ideal Solution （TOPSIS）

1 引言（Introduction）

電能不能大規(guī)模存儲，電能供應(yīng)時必須保證供需平衡。通過增加發(fā)電設(shè)備來滿足負(fù)荷高峰時的電能需求不僅使建設(shè)成本增加，還會降低電能的利用率。在負(fù)荷側(cè)加入儲能系統(tǒng)，不僅可以有效抑制負(fù)荷的波動、提高供電質(zhì)量[1]，還可以起到削峰填谷作用并獲得一定的經(jīng)濟(jì)效益[2，3]。目前，國內(nèi)外對削峰填谷用儲能系統(tǒng)已有了相關(guān)研究，主要以削峰填谷效果、經(jīng)濟(jì)性等作為目標(biāo)。文獻(xiàn)[4]建立了考慮不同費率結(jié)構(gòu)和風(fēng)能、太陽能、天然氣、儲能互補發(fā)電的冷熱電聯(lián)供優(yōu)化協(xié)調(diào)模型。文獻(xiàn)[5]提出了采用區(qū)間控制的蓄電池儲能電站調(diào)峰運行控制策略。文獻(xiàn)[6]建立了變電站擴(kuò)容和儲能系統(tǒng)容量配置的協(xié)調(diào)規(guī)劃模型，通過儲能系統(tǒng)有序充放電獲得電價差。文獻(xiàn)[7]針對電力市場環(huán)境，建立了考慮發(fā)電側(cè)、供電側(cè)、大規(guī)模儲能系統(tǒng)及用戶響應(yīng)的實時電價動態(tài)博弈聯(lián)動模型。

目前對削峰填谷用儲能系統(tǒng)的研究多考慮單目標(biāo)儲能系統(tǒng)優(yōu)化運行，優(yōu)化效果較為單一。對綜合考慮削峰填谷效果最好、購電費用最低和蓄電池?fù)p耗最低的多目標(biāo)優(yōu)化運行研究較少。多目標(biāo)粒子群算法（Multiple Objective Particle Swarm Optimizer，MOPSO）采用高效的群集并行地對非劣解進(jìn)行搜索，并且每次迭代過程中可以產(chǎn)生多個非劣解。同時粒子群算法具有記憶功能，粒子通過跟蹤自身歷史最優(yōu)解和種群全局最優(yōu)解來進(jìn)行搜索，這就使粒子群算法在尋優(yōu)過程中具有很好的收斂性和全局搜索能力[8]。因此可以采用多目標(biāo)粒子群算法進(jìn)行削峰填谷用儲能系統(tǒng)多目標(biāo)優(yōu)化問題的求解。

首先在短期負(fù)荷預(yù)測基礎(chǔ)上，以綜合考慮蓄電池?fù)p耗最低、購電費用最低和削峰填谷效果最好為優(yōu)化目標(biāo)，建立削峰填谷用儲能系統(tǒng)多目標(biāo)運行優(yōu)化模型。針對多目標(biāo)粒子群算法在求解過程中粒子超出可行域的問題進(jìn)行改進(jìn)，通過調(diào)整慣性權(quán)重與隨機(jī)系數(shù)對超出可行域的粒子修正。最后采用改進(jìn)多目標(biāo)粒子群優(yōu)化算法對模型進(jìn)行求解。通過算例分析，證明所提方法的有效性。

2 多目標(biāo)運行優(yōu)化模型（Multi-Objective operation

optimization mode）

4.2 算例分析

為了對提出的運行策略進(jìn)行仿真驗證，搭建負(fù)荷和削峰填谷用儲能系統(tǒng)仿真模型，模型參數(shù)見表1。

選取我國某地區(qū)電能價格表，圖3所示為峰谷分時電價及日負(fù)荷預(yù)測曲線，每日的電能價格隨時間段變化情況見表2。某型號鉛酸蓄電池在放電深度下的循環(huán)壽命見表3。

為了驗證提出的方法的有效性，選取以下三種方法進(jìn)行比較

方法1：以削峰填谷后負(fù)荷曲線方差最小為目標(biāo)的傳統(tǒng)削峰填谷控制策略。endprint

方法2：基于多目標(biāo)粒子群算法的削峰填谷用儲能系統(tǒng)控制策略。其中目標(biāo)1、目標(biāo)2和目標(biāo)3的決策權(quán)重分別為0.1、0.6和0.3。

方法3：基于多目標(biāo)粒子群算法的削峰填谷用儲能系統(tǒng)控制策略。其中目標(biāo)1、目標(biāo)2和目標(biāo)3的決策權(quán)重分別為0.2、0.3和0.5。

不同方法得到的削峰填谷后得到的負(fù)荷曲線和蓄電池核電狀態(tài)曲線如圖4所示，不同方法通過削峰填谷節(jié)省的電費及電池?fù)p耗如圖5所示

對比不同方法得到的結(jié)果可以得出以下結(jié)論：

利用傳統(tǒng)方法得到的蓄電池?fù)p耗比較低，削峰填谷效果比較理想。但由于并未考慮到峰谷分時電價的因素，由削峰填谷節(jié)省的電費較低。

方法2利用削峰填谷節(jié)省的電費比較高，但是蓄電池?fù)p耗較高，且削峰填谷效果不理想，這是由方法2中目標(biāo)2的權(quán)重較高導(dǎo)致的。

方法3中削峰填谷消費比較理想且利用削峰填谷節(jié)省的電費較高，但蓄電池的損耗比方法1略高。通過合理配置目標(biāo)權(quán)重，多目標(biāo)優(yōu)化綜合協(xié)調(diào)了三個優(yōu)化目標(biāo)。

5 結(jié)論（Conclusion）

本文針對削峰填谷用儲能系統(tǒng)經(jīng)濟(jì)運行策略問題進(jìn)行了研究，提出了以蓄電池?fù)p耗最低、購電費用最低和削峰填谷效果最好為目標(biāo)的削峰填谷用儲能系統(tǒng)多目標(biāo)優(yōu)化問題，利用多目標(biāo)粒子群算法對問題進(jìn)行了求解。在求解過程中針對粒子群搜索時超出可行域的情況，采用調(diào)整慣性權(quán)重及隨機(jī)系數(shù)進(jìn)行改進(jìn)。對多目標(biāo)粒子群算法形成的最優(yōu)Pareto解，采用TOPSIS法求解最優(yōu)方案。建立負(fù)荷與削峰填谷用儲能系統(tǒng)仿真模型，結(jié)果表明：

（1）通過合理配置目標(biāo)權(quán)重，多目標(biāo)粒子群算法能很好地優(yōu)化協(xié)調(diào)削峰填谷用儲能系統(tǒng)的多目標(biāo)。

（2）對多目標(biāo)粒子群算法的改進(jìn)能很好地控制粒子超出可行域情況的出現(xiàn)，同時保證多目標(biāo)粒子群算法在可行域邊界的局部搜索能力。

參考文獻(xiàn)（References）

[1] 靳小龍，穆云飛，賈宏杰，等.融合需求側(cè)虛擬儲能系統(tǒng)的冷熱電聯(lián)供樓宇微網(wǎng)優(yōu)化調(diào)度方法[J].中國電機(jī)工程學(xué)報，2017，37（2）：581-590.

[2] 衛(wèi)志農(nóng)，張思德，孫國強(qiáng)，等.計及電轉(zhuǎn)氣的電-氣互聯(lián)綜合能源系統(tǒng)削峰填谷研究[J].中國電機(jī)工程學(xué)報，2017，37（16）：

4601-4609.

[3] Giovanna Oriti，Alexander L.Julian，Nathan J.Peck.Power-Electronics-Based Energy Management System With Storage[J].IEEE Transactions on Power Electronics，2016，31（1）：452-460.

[4] 崔強(qiáng)，王秀麗，劉祖永.市場環(huán)境下計及儲能電站運行的聯(lián)動電價研究及其效益分析[J].中國電機(jī)工程學(xué)報，2013，33（13）：

62-68.

[5] Baichao Chen，Chenmeng Zhang，Cuihua Tian，et al.A Hybrid Electrical Magnetic Power Quality Compensation System With Minimum Active Compensation Capacity for V/V Cophase Railway Power Supply System[J].IEEE Transactions On Power Electronics，2016，31（6）：4159-4170.

[6] 王鵬，王晗，張建文，等.超級電容儲能系統(tǒng)在風(fēng)電系統(tǒng)低電壓穿越中的設(shè)計及應(yīng)用[J].中國電機(jī)工程學(xué)報，2014，34（10）：

1528-1537.

[7] Wang Peng，Wang Han，Zhang Jianwen，et al.Design and application of supercapacitor energy storage system used in low voltage ride through of wind power generation system[J].Proceedings of the CSEE，2014，34（10）：1528-1537（in Chinese）.

[8] 包宇慶，李揚，楊斌，等.基于PSO-BP神經(jīng)網(wǎng)絡(luò)的入侵檢測技術(shù)優(yōu)化算法的研究[J].軟件工程，2017，20（9）：49-51.

作者簡介：

李盟盟（1992-），男，碩士生.研究領(lǐng)域：電力儲能應(yīng)用技術(shù).

王育飛（1974-），男，博士，副教授.研究領(lǐng)域：電能質(zhì)量分析與控制，電力儲能應(yīng)用技術(shù)，混沌理論與應(yīng)用.

薛 花（1979-），女，博士，副教授.研究領(lǐng)域：電能質(zhì)量分析與控制.endprint