考慮經(jīng)濟性的多微電網(wǎng)優(yōu)化調(diào)度研究

何力，呂紅芳

（上海電機學院電氣學院，上海市 浦東新區(qū) 201306）

0 引言

微電網(wǎng)是一種單一可控制的獨立發(fā)電系統(tǒng)，它包括分布式發(fā)電(distributed generation，DG)、負荷、儲能裝置和控制裝置這些部分[1]。其中DG包括受自然環(huán)境影響的風機(wind turbine，WT)和光伏(photovoltaic，PV)、柴油發(fā)電機、燃料電池等可控的分布式電源[2]。多微電網(wǎng)系統(tǒng)是微電網(wǎng)系統(tǒng)的延伸和深化，在多微電網(wǎng)并網(wǎng)時，對多微電網(wǎng)調(diào)度提出了更高的要求。多微電網(wǎng)經(jīng)濟調(diào)度需要考慮各時段之間的內(nèi)在聯(lián)系，從而達到系統(tǒng)優(yōu)化運行的目的[3]。微電網(wǎng)系統(tǒng)的運行特性、分布式電源類型、電能質(zhì)量約束等，與傳統(tǒng)電力系統(tǒng)有比較大的差別，而且多微電網(wǎng)系統(tǒng)中分布式電源數(shù)量遠大于微網(wǎng)系統(tǒng)，另外可再生能源出力存在很大的隨機性和波動性[4]。因此研究其經(jīng)濟調(diào)度問題具有重要意義。

微電網(wǎng)能量優(yōu)化調(diào)度有3個目標：經(jīng)濟性、環(huán)保性、自治性[5]。經(jīng)濟性是微電網(wǎng)首要考慮的目標，所以本文就經(jīng)濟性建立相應(yīng)的多微電網(wǎng)和單微電網(wǎng)的目標函數(shù)和制定相應(yīng)的約束條件，并提出基于模擬退火算法改進的人工魚群算法(the artificial fish swarm algorithm based on simulated annealing algorithm，SA_AFSA)。并用SA_AFSA算法到多微電網(wǎng)和單微電網(wǎng)中對各個可控微電源出力進行優(yōu)化調(diào)度，并通過算例來比較單微電網(wǎng)獨立并網(wǎng)和多微電網(wǎng)聯(lián)合協(xié)調(diào)并網(wǎng)的發(fā)電成本。

1 微電網(wǎng)能量優(yōu)化調(diào)度模型建立

微電網(wǎng)運行方式主要有2種：并網(wǎng)運行和離網(wǎng)運行[6]。離網(wǎng)指的是微電網(wǎng)脫離大電網(wǎng)獨立運行，它主要考慮運行的可靠性和安全性，而并網(wǎng)運行時，由于有大電網(wǎng)作為依托，因此考慮的是優(yōu)化調(diào)度問題[7]。微電網(wǎng)中有不同的微電源，這些微電源的運行方式不盡相同，發(fā)電成本不盡相同，在制定微電網(wǎng)優(yōu)化調(diào)度策略時不能忽視這些微電源的運行特性。本節(jié)從經(jīng)濟性來建立單微電網(wǎng)和多微電網(wǎng)的優(yōu)化調(diào)度模型。

1.1 單微電網(wǎng)經(jīng)濟性能量優(yōu)化模型建立

微電網(wǎng)運行最先需要考慮的因素是經(jīng)濟性[8]。在忽略需求側(cè)響應(yīng)的前提下，建立經(jīng)濟性優(yōu)化模型。

1.1.1 優(yōu)化目標

式中： f為發(fā)電總費用； ffuel,DE為柴油發(fā)電機的燃油費用； ffuel,FC為燃料電池的燃料費用； fm為運行維護費用； fs為柴油發(fā)電機啟停費用； fdbuy為微電網(wǎng)向大電網(wǎng)購電費用； fdsell為微電網(wǎng)向大電網(wǎng)售電費用。

DE表示柴油發(fā)電機i在t時刻的啟停狀態(tài)；表示柴油發(fā)電機i在t時刻所發(fā)的電量； ai、 bi、 ci為燃料成本消耗特性系數(shù)；NFC代表燃料電池數(shù)量；表示燃料電池i在t時刻的啟停狀態(tài)； C 代fuel表單位體積的天然氣價格；LHV表示天然氣低熱熱值；表示燃料電池i在t時刻所發(fā)的電量；N1表示微電源的數(shù)量； am,i代表微電源 i運行維護費用的特性系數(shù)；表示微電源i在t時刻所發(fā)的電量； N2表示可控微源的數(shù)量； Ks表示微電源啟停1次所需費用； ni表示可控微電源啟停次數(shù)；為在t時刻微電網(wǎng)向大電網(wǎng)購電的電價；為在t時刻微電網(wǎng)向大電網(wǎng)購買的電能；為在t時刻微電網(wǎng)向大電網(wǎng)售電的電價,為在t時刻微電網(wǎng)向大電網(wǎng)出售的電能。

1.1.2 決策變量

1.1.3 約束條件

1）有功功率平衡。

式中：Nc表示用戶的個數(shù)；表示用戶i在t時刻的電能需求。

2）微電源出力上下限。

3）發(fā)電機爬坡約束。

4）蓄電池能量約束。

式中： Emin代表儲能單元可儲存能量的最小值；Emax代表儲能裝置可儲存能量的最大值；E0代表儲能裝置初始所儲存的能量；代表蓄電池i充電上限；代表蓄電池i放電上限表示蓄電池i在t時刻充電量；表示蓄電池i在t時刻放電量。

對儲能單元進行周期控制時，必須確保在一個周期的始末儲能單元能量相等。即

式中ET為末期所儲存的能量。

1.2 多微電網(wǎng)經(jīng)濟性能量優(yōu)化模型建立

多微電網(wǎng)系統(tǒng)的能量優(yōu)化調(diào)度是多微電網(wǎng)系統(tǒng)能量管理的一個重要策略[9]。在綜合考慮多微網(wǎng)系統(tǒng)的燃料成本、運行維護成本、能量交互成本，電機啟停成本等前提下，建立多微網(wǎng)系統(tǒng)的經(jīng)濟運行模型。

1.2.1 優(yōu)化目標

1.2.2 約束條件

優(yōu)化調(diào)度模型的約束條件主要有6個。

1）有功功率平衡。

2）微電源出力上下限與公式(9)一致。

3）發(fā)電機爬坡約束與公式(10)一致。

4）蓄電池能量約束與公式(11)—(12)一致。

5）微電網(wǎng)與微電網(wǎng)間的能量交互約束。

6）能量交互互斥約束。

其中k1、 k2只能取0或者1。

2 算法設(shè)計

2.1 人工魚群算法

通常情況下，當發(fā)現(xiàn)食物點時，魚會自行或者跟隨同伴前往該點。因此該點周圍會聚集大量的魚群。人工魚群算法(artificial fish swarm algorithm，AFSA)受到這一特點的啟發(fā)，通過構(gòu)建人工魚的方式來模擬真實情況下魚群的覓食、聚群、追尾及隨機行為，從而尋找最優(yōu)解[10]。

覓食行為指的是水中的魚一般情況下會自由地游動，但是如果發(fā)現(xiàn)食物點時，它會快速地向著該點游動的行為[11]。

聚群行為指的是為了在游動過程中提高自身的生存率和抵御風險的能力，魚會自然地聚集成群的行為[12]。聚群行為包括 3個規(guī)則：1）分隔規(guī)則，避免與臨近的魚距離過分狹?。?）對準規(guī)則，與魚群的平均方向保持相同；3）內(nèi)聚原則，應(yīng)該移向臨近伙伴的中心。

追尾行動指的是當一條魚或者多條魚發(fā)現(xiàn)食物點時，鄰近的魚會跟隨著游向該點的行為[13]。

隨機行為指的是單獨的魚大范圍地隨機游動的行為。這樣通過大范圍地尋找，能夠快速鎖定食物點和臨近伙伴位置[14]。

2.2 模擬退火算法

模擬退火(simulated annealing，SA)算法來源于固體退火原理，不斷地加熱固體并讓它的溫度足夠高，再讓它緩緩冷卻[15]。固體在加熱時，隨著溫度的升高，里面的粒子從有序排列變成無序排列，內(nèi)能變大；而緩緩冷卻固體時，溫度下降，粒子逐漸恢復(fù)有序排列。在每個溫度下，粒子都能到達穩(wěn)定狀態(tài)，當在常溫時到達的穩(wěn)態(tài)，稱這種穩(wěn)態(tài)為基態(tài)，同時內(nèi)能最小。根據(jù) Metropolis準則，粒子在溫度T時趨于平衡的概率為其中E為溫度T時的內(nèi)能，EΔ為其改變量，k為Boltzmann常數(shù)[16]。用固體退火模擬組合優(yōu)化問題，將內(nèi)能E作為目標函數(shù)值 f，溫度T作為控制參數(shù)X，即得到解組合優(yōu)化問題的模擬退火算法[17]。

2.3 基于SA算法的改進AFSA

由于傳統(tǒng)的人工魚群算法步長和視野不會隨著算法的進行而改變，因此該算法求解精度低，局部搜索能力弱且易陷入局部最優(yōu)。針對以上的缺點，本文將模擬退火算法中的Metropolis判別準則引入覓食行為中，并將改進后的算法稱為SA_AFSA算法。該算法保持了傳統(tǒng)的AFSA的優(yōu)點外，同時解決了人工魚漫無目的隨機游動以及容易陷入局部最優(yōu)值的問題，使算法的運行效率和求解質(zhì)量得到大幅提升。

2.3.1 人工魚覓食行為的改進

傳統(tǒng)的人工魚群算法的覓食行為指的是如果當人工魚反復(fù)嘗試 Try_number次后還未滿足條件，那么他就會隨機前進一步。Try_number的設(shè)置會使人工魚群算法在一定程度上可以跳出局部最優(yōu)點，從而具有全局尋優(yōu)的能力。然而Try_number取值難以確定，或大或小都會直接影響到算法的精度。因此，本文引入模擬退火算法中的Metropolis判別準則，算法如下文所述。

人工魚當前狀態(tài)為Xi，在其視野范圍內(nèi)隨機選擇一個狀態(tài)Xj：

if(Yj＜Yi){直接移動到 Xj}

else

{double t=i/Lmax；//定義 double 類型變量 t，Lmax為人工魚尋優(yōu)的最大迭代數(shù)，i為當前的迭代次數(shù)

double r=random()；∥求得 0-1之間的隨機數(shù)r

if(e-t＞r)

{以概率e-t隨機移動一步}

else

{將人工魚移動到Xi視野內(nèi)的最優(yōu)伙伴Xj處}

}

由于解決的是求最小值問題，改進后的人工魚覓食行為可以表述為：當 Yj＜Yi，直接移動到Y(jié)j處，這樣可以使尋優(yōu)的速度提高；當Yj＞Yi，人工魚隨機移動一步的概率為e-t，沒有參與隨機移動的人工魚就會尋找其視野范圍內(nèi)最優(yōu)同伴所在的位置，并且向它游去，這樣可以避免人工魚的退化。當算法處于前期運行時，由于e-t的值較大，因此人工魚以隨機移動為主，算法非常容易跳出局部最優(yōu)點；當算法處于運行中后期，e-t的值逐漸變小，隨機移動變得很弱，人工魚更傾向于向視野內(nèi)最優(yōu)同伴處移動，這樣算法就可以搜索到全局的最優(yōu)解并向它靠攏。因此在前期，改進后的算法能夠跳出局部最優(yōu)解，從而具有全局尋優(yōu)的能力；在后期可以提高求解精度。

2.3.2 模擬算子的引入

因為受到AFSA本身視野、人工魚隨機行為和步長大小的制約，AFSA求解出來的最優(yōu)解往往是最優(yōu)解的近似值，誤差較大。想減小誤差以提高算法精度很困難。為此本文將 ASFA和 SA在低溫下的局部搜索進行有機融合，利用SA具有質(zhì)量高、初值魯棒性強、局部搜索能力強的優(yōu)點，使求解問題的精度得到提升。即在每一代中，人工魚通過各種行為來尋找全局最優(yōu)解所對應(yīng)的狀態(tài)Xi，然后將該狀態(tài)進行模擬退火操作，實現(xiàn)局部尋優(yōu)。這2個過程齊頭并進。這樣可以提高運行速率。同時退火操作存在一定幾率接受較差解，可以解決人工魚群算法陷入局部最優(yōu)解的問題。本文也將退火的結(jié)果與人工魚公告板進行對比，以更新公告板的值。

2.3.3 SA_AFSA算法求解微電網(wǎng)優(yōu)化調(diào)度過程

根據(jù) 1.1和 1.2節(jié)所建立的微電網(wǎng)優(yōu)化調(diào)度模型，待優(yōu)化的參數(shù)為各個分布式電源的出力大??；優(yōu)化變量為魚群的空間位置；空間位置所對應(yīng)的目標函數(shù)的函數(shù)值直接反應(yīng)了該位置的優(yōu)劣。魚群可以通過覓食、聚群、追尾及隨機行為來不斷更新自己所在的位置，直到尋找到最佳位置，該位置即為微電源的最優(yōu)出力值。微電網(wǎng)能量優(yōu)化調(diào)度的SA_AFSA算法流程如下文所述。

1）讀取風機和光伏的出力、負荷大小、柴油發(fā)電機、蓄電池和燃料電池的出力上下限、大電網(wǎng)的分時電價。

2）設(shè)定人工魚群規(guī)模 M、每條人工魚的初始位置，每條人工魚的位置代表微電源的出力大小。初始視野 Visual和步長 Step、擁擠度δ、最大迭代次數(shù) Lmax；模擬退火算子中的退火初始溫度T0、溫度冷卻參數(shù)α、每個溫度下的迭代次數(shù)L。

3）每條人工魚通過聚群、追尾、改進的覓食和隨機行為更新自己的位置；

4）計算每條人工魚的食物濃度，并與公告板進行比較，若較好，則將其賦值給公告板；

5）尋找本代中食物濃度最高的人工魚 Xi進行模擬退火算法，結(jié)束后將結(jié)果保存到Xi，并將退火的結(jié)果與公告板進行比較，若較好，則將其賦值給公告板；

6）檢查終止條件(通常為達到預(yù)定迭代次數(shù)或足夠好的食物濃度或函數(shù)值)，如果滿足終止條件，則輸出最優(yōu)解，總的算法終止；否則轉(zhuǎn)第3）步。

3 微電網(wǎng)能量優(yōu)化調(diào)度算例分析

3.1 算例系統(tǒng)及相關(guān)參數(shù)

算例中的多微電網(wǎng)系統(tǒng)結(jié)構(gòu)如圖1所示，分布式電源參數(shù)、可控微電源參數(shù)及大電網(wǎng)分時電價見表1—3。

本算例設(shè)定谷時時間段為00:00～07:00，平時時間段為07:00～12:00，14:00～18:00，21:00～23:00，峰時時間段為 12:00～14:00，18:00～21:00。微網(wǎng)之間能量交互費用為0.45元/(kW·h)。

圖1 多微電網(wǎng)系統(tǒng)結(jié)構(gòu)圖Fig. 1 Multi-microgrid system structure diagram

表1 分布式電源參數(shù)Tab. 1 Distributed power parameters

表2 可控微電源參數(shù)Tab. 2 Parameters of controllable micropower supply

表3 大電網(wǎng)分時電價表Tab.3 Time sharing meter for large power grid

微電網(wǎng)1和微電網(wǎng)2的負荷和間歇性分布式電源出力如圖2、圖3所示。

圖2 微電網(wǎng)1負荷和間歇性分布式電源出力圖Fig. 2 Microgrid1 load and intermittent distributed power output diagram

圖3 微電網(wǎng)2負荷和間歇性分布式電源出力圖Fig. 3 Microgrid2 load and intermittent distributed power output diagram

3.2 單微電網(wǎng)經(jīng)濟性分析

3.2.1 微電網(wǎng)1經(jīng)濟性分析

結(jié)合柴油發(fā)電機發(fā)電成本和大電網(wǎng)分時電價，并通過SA_AFSA算法優(yōu)化，可以得出以下結(jié)論。

1）當柴油發(fā)電機處于低谷時段時，柴油發(fā)電機發(fā)電成本明顯大于大電網(wǎng)購電成本。

2）當柴油發(fā)電機處于平時時段時，柴油發(fā)電機發(fā)電量小于22.42 kW時，發(fā)電成本高于大電網(wǎng)售購電成本；當柴油發(fā)電機的發(fā)電量大于44.17 kW時，發(fā)電成本小于大電網(wǎng)的售購電成本；當柴油發(fā)電機發(fā)電量介于22.42 kW和44.17 kW之間時，發(fā)電成本高于售電成本，低于購電成本。

3）當柴油發(fā)電機處于峰時時段時，柴油發(fā)電機發(fā)電量小于9.67 kW時發(fā)電成本高于大電網(wǎng)售購電成本；當柴油發(fā)電機的發(fā)電量大于13.75 kW時，發(fā)電成本小于大電網(wǎng)的售購電成本；當柴油發(fā)電機發(fā)電量介于9.67 kW和13.75 kW之間時，發(fā)電成本高于售電成本，低于購電成本。

4）凈負荷小于0時，應(yīng)該給蓄電池充電。柴油發(fā)電機、大電網(wǎng)、蓄電池出力優(yōu)化如圖4所示。

圖4 各微電源出力優(yōu)化Fig. 4 Power supply optimization

3.2.2 微電網(wǎng)2經(jīng)濟性分析

結(jié)合大電網(wǎng)分時電價和燃料電池發(fā)電成本，并通過SA_AFSA算法優(yōu)化，可以得出以下結(jié)論。

1）當處于低谷時段或平時時段時，由于大電網(wǎng)購電成本低于燃料電池的發(fā)電成本，應(yīng)以向大電網(wǎng)購電為主。

2）當處于高峰時段時，如果柴油發(fā)電機發(fā)電量小于9.67 kW時，微電網(wǎng)1應(yīng)以向大電網(wǎng)購電為主；如果柴油發(fā)電機發(fā)電量大于9.67 kW時，微電網(wǎng)1應(yīng)以柴油發(fā)電機發(fā)電為主；燃料電池發(fā)電量小于56 kW時，發(fā)電成本低于向大電網(wǎng)購電成本，微電網(wǎng)2以燃料電池發(fā)電為主。

3）凈負荷小于0時，應(yīng)該給蓄電池充電。

燃料電池、大電網(wǎng)、蓄電池出力優(yōu)化如圖 5所示。

圖5 各微電源出力優(yōu)化Fig. 5 Power supply optimization

3.3 多微電網(wǎng)聯(lián)合調(diào)度經(jīng)濟性分析

結(jié)合大電網(wǎng)分時電價、可控微電源的發(fā)電成本及微電網(wǎng)之間的能量交互成本，并用SA_AFSA算法優(yōu)化，可以得出以下結(jié)論。

1）由于低谷時段時，大電網(wǎng)的電價最低，因此直接向大電網(wǎng)購電以滿足自己的用電需求，并且將蓄電池充滿能量。

2）由于平峰時段大電網(wǎng)售電成本一般，因此盡量減少向大電網(wǎng)售購電；此時以微電網(wǎng)與微電網(wǎng)之間能量交易為主。

3）由于高峰時段大電網(wǎng)的售購電成本最高，因此可以向大電網(wǎng)售電，不要向大電網(wǎng)購電，此時應(yīng)該優(yōu)先從蓄電池中取電，如果滿足不了用電需求，則利用可控微電源進行發(fā)電以滿足用電需求。

聯(lián)合協(xié)調(diào)并網(wǎng)時微電網(wǎng)1和微電網(wǎng)2的出力優(yōu)化結(jié)果如圖6，圖7所示。

2種方式下的微電網(wǎng)發(fā)電成本如表4所示。

圖6 微電網(wǎng)1出力優(yōu)化結(jié)果Fig. 6 Optimization results of microgrid1 output

圖7 微電網(wǎng)2出力優(yōu)化結(jié)果Fig. 7 Optimization results of microgrid2 output

表4 2種方式下的微電網(wǎng)發(fā)電成本Tab. 4 Cost of microgrid power generation under two ways

4 結(jié)論

針對微電網(wǎng)經(jīng)濟性進行分析，建立單微電網(wǎng)和多微電網(wǎng)經(jīng)濟性的數(shù)學模型，采用 SA_AFSA算法對單微電網(wǎng)獨立并網(wǎng)時的經(jīng)濟性進行優(yōu)化，然后再對多微電網(wǎng)聯(lián)合協(xié)調(diào)并網(wǎng)進行優(yōu)化。實驗結(jié)果表明，多微電網(wǎng)聯(lián)合協(xié)調(diào)并網(wǎng)時微電網(wǎng)1和微電網(wǎng)2的發(fā)電成本較單獨并網(wǎng)時的發(fā)電成本分別降低了 49.72元和 22.58元，總運行成本降低了72.3元?？芍辔㈦娋W(wǎng)聯(lián)合協(xié)調(diào)并網(wǎng)的優(yōu)化調(diào)度結(jié)果優(yōu)于單微電網(wǎng)獨立并網(wǎng)時的優(yōu)化調(diào)度結(jié)果。