基于蜂群優(yōu)化算法冷熱電聯(lián)供型微網(wǎng)經(jīng)濟(jì)調(diào)度研究

王文靜 龔文杰 于強(qiáng) 張智晟

摘要：? 針對(duì)蓄能裝置在冷熱電聯(lián)供型微網(wǎng)中的應(yīng)用，本文構(gòu)建了包含燃料電池、微型燃?xì)廨啓C(jī)、吸收式制冷機(jī)、余熱鍋爐和蓄能裝置的冷熱電聯(lián)供型微網(wǎng)經(jīng)濟(jì)調(diào)度模型。該模型在滿足用戶冷熱電負(fù)荷需求和各微源出力約束的情況下，綜合考慮了系統(tǒng)的燃料費(fèi)用、運(yùn)行維護(hù)費(fèi)用和購售電成本，并以蜂群優(yōu)化算法作為模型的求解算法，并以文獻(xiàn)[18]的微電網(wǎng)為例進(jìn)行仿真分析。仿真結(jié)果表明，與采用常規(guī)粒子群優(yōu)化算法對(duì)調(diào)度模型進(jìn)行求解相比，采用人工蜂群算法對(duì)調(diào)度模型進(jìn)行求解所得的日綜合成本可下降71.8元，節(jié)約日綜合成本5.3%。該模型可以有效提高冷熱電聯(lián)供型微網(wǎng)的能源利用率和經(jīng)濟(jì)效益。

關(guān)鍵詞：? 微網(wǎng); 冷熱電聯(lián)供; 蜂群優(yōu)化算法; 經(jīng)濟(jì)調(diào)度; 電力系統(tǒng)

中圖分類號(hào)： TM73 文獻(xiàn)標(biāo)識(shí)碼： A

隨著世界范圍內(nèi)環(huán)境污染和能源危機(jī)等問題日漸突出，微網(wǎng)研究與應(yīng)用越來越引起世界各國的重視[13]。微網(wǎng)是通過分布式微型電源，向用戶端提供各類負(fù)荷的小型供能系統(tǒng)，它可以獨(dú)立運(yùn)行（孤島運(yùn)行）或者并網(wǎng)運(yùn)行（聯(lián)網(wǎng)運(yùn)行）。微網(wǎng)經(jīng)濟(jì)調(diào)度就是根據(jù)電價(jià)和負(fù)荷需求等因素靈活地調(diào)節(jié)各個(gè)發(fā)電單元的輸出功率，在保證供需平衡的同時(shí)，使經(jīng)濟(jì)效益達(dá)到最高。目前，針對(duì)冷熱電聯(lián)供（combined cooling heating and power，CCHP）型微網(wǎng)經(jīng)濟(jì)調(diào)度問題，國內(nèi)外學(xué)者提出了不同的方案。H.Asanol等人[4]建立了包含新能源發(fā)電的微網(wǎng)優(yōu)化模型，提出了微網(wǎng)運(yùn)行優(yōu)化方法，但該模型僅考慮了等式約束條件，未考慮不等式約束條件;周任軍等人[5]建立了冷熱電聯(lián)供系統(tǒng)的優(yōu)化模型，該模型綜合考慮了環(huán)境成本和經(jīng)濟(jì)成本對(duì)調(diào)度的影響，但并未對(duì)各微源出力進(jìn)行優(yōu)化調(diào)度;郭力等人[6]提出的冷熱電聯(lián)供系統(tǒng)優(yōu)化模型考慮了新能源發(fā)電，并在滿足各微源的運(yùn)行約束條件和用戶負(fù)荷需求的基礎(chǔ)上，對(duì)各微源出力進(jìn)行優(yōu)化調(diào)度;王銳等人[7]建立了含可再生能源的熱電聯(lián)供型微網(wǎng)優(yōu)化模型，以微網(wǎng)經(jīng)濟(jì)成本作為優(yōu)化目標(biāo)，對(duì)各微源出力進(jìn)行優(yōu)化調(diào)度，采用基本粒子群優(yōu)化（particle swarm optimization，PSO）算法對(duì)模型進(jìn)行優(yōu)化求解;高偉等人[8]提出了一種冷熱電聯(lián)供型微網(wǎng)系統(tǒng)能量優(yōu)化模型，該模型考慮了燃料費(fèi)用和公共電網(wǎng)實(shí)時(shí)電價(jià)等因素對(duì)微電網(wǎng)的經(jīng)濟(jì)優(yōu)化運(yùn)行產(chǎn)生的影響。由于上述文獻(xiàn)提出的模型中并沒有考慮蓄能裝置對(duì)調(diào)度的影響，但蓄能裝置在冷熱電聯(lián)供型微網(wǎng)中的應(yīng)用越來越多?；诖耍疚目紤]用戶負(fù)荷需求和分時(shí)電價(jià)的影響，充分利用可再生能源，構(gòu)建了包含燃料電池、微型燃?xì)廨啓C(jī)、吸收式制冷機(jī)、余熱鍋爐和蓄能裝置的CCHP型微網(wǎng)經(jīng)濟(jì)調(diào)度模型，綜合考慮了系統(tǒng)的燃料費(fèi)用、運(yùn)行維護(hù)費(fèi)用和購售電成本，采用人工蜂群優(yōu)化（artificial bee colony，ABC）算法對(duì)模型進(jìn)行求解，通過算例證明，該模型可以有效提高冷熱電聯(lián)供型微網(wǎng)的能源利用率和經(jīng)濟(jì)效益。

1 CCHP型微網(wǎng)系統(tǒng)模型

冷熱電聯(lián)供型微網(wǎng)系統(tǒng)主要由光伏、風(fēng)力、燃料電池、燃?xì)廨啓C(jī)、余熱鍋爐、吸收式制冷機(jī)以及蓄能裝置構(gòu)成[9]，CCHP型微網(wǎng)系統(tǒng)結(jié)構(gòu)如圖1所示。

4 算例分析

4.1 算例介紹

本文以文獻(xiàn)[18]的微電網(wǎng)為例，某典型日冷負(fù)荷、熱負(fù)荷和電負(fù)荷曲線如圖3所示，光伏和風(fēng)力發(fā)電預(yù)測輸出功率如圖4所示，各微源和公共電網(wǎng)參數(shù)如表1所示。采用分時(shí)電價(jià)，高峰時(shí)段為7∶00～15∶00，18∶00～21∶00;平時(shí)段為15∶00～18∶00，21∶00～23∶00;谷時(shí)段為23∶00～7∶00。實(shí)時(shí)電價(jià)如表2所示。

4.2 算例分析

以1天24 h為1個(gè)調(diào)度周期，以1 h為計(jì)算時(shí)段，采用基于蜂群優(yōu)化算法的冷熱電聯(lián)供型微網(wǎng)經(jīng)濟(jì)調(diào)度方法進(jìn)行調(diào)度，各微源出力及蓄電池蓄電情況如圖5所示，蓄冷和蓄熱情況如圖6所示。

由圖5和圖6可以看出，因0～7∶00時(shí)，負(fù)荷端的冷負(fù)荷、熱負(fù)荷和電負(fù)荷需求較少，且實(shí)時(shí)電價(jià)較低，所以燃料電池和微型燃?xì)廨啓C(jī)只保持最低功率運(yùn)行狀態(tài)，同時(shí)向公共電網(wǎng)購電，蓄電池處于蓄電狀態(tài);7∶00～15∶00時(shí)，人們因工作等需要，所需負(fù)荷相對(duì)較多，且實(shí)時(shí)電價(jià)處于高峰階段，所以微型燃?xì)廨啓C(jī)和燃料電池需以較高的輸出功率運(yùn)行，以滿足負(fù)荷端的用能需求。蓄電池處于向外放電狀態(tài)，同時(shí)微網(wǎng)系統(tǒng)向外部電網(wǎng)售電，該時(shí)段冷負(fù)荷和熱負(fù)荷需求較高，蓄冷和蓄熱裝置配合燃?xì)廨啓C(jī)工作，以滿足用戶需求。15∶00～18∶00時(shí)，電價(jià)回落，微網(wǎng)系統(tǒng)從公共電網(wǎng)購電，蓄電池處于充電狀態(tài)。18∶00～21∶00時(shí)是人們下班后休閑娛樂的高峰期，用戶用電需求較高，蓄電池處于放電狀態(tài)，燃料電池以較高的功率運(yùn)行，此時(shí)微電網(wǎng)向公共電網(wǎng)購電。該時(shí)段冷負(fù)荷和熱負(fù)荷需求較低，所以微型燃?xì)廨啓C(jī)以較低的功率運(yùn)行，同時(shí)蓄冷和蓄熱裝置處于儲(chǔ)能狀態(tài)。23∶00～24∶00時(shí)，該時(shí)段實(shí)時(shí)電價(jià)低，且用戶負(fù)荷需求低，所以微網(wǎng)從公共電網(wǎng)購電，蓄電池處于蓄電狀態(tài)，燃料電池和微型燃?xì)廨啓C(jī)以低功率運(yùn)行，蓄熱和蓄冷裝置處于儲(chǔ)能狀態(tài)。

為了進(jìn)一步驗(yàn)證采用人工蜂群算法求解調(diào)度模型的優(yōu)越性，將其與采用常規(guī)粒子群算法求解調(diào)度模型進(jìn)行比較，所求得的日綜合成本比較如表3所示。由表3可以看出，采用人工蜂群算法對(duì)調(diào)度模型進(jìn)行求解，比采用常規(guī)粒子群優(yōu)化算法對(duì)調(diào)度模型進(jìn)行求解，所得的燃料成本節(jié)省34.2元，運(yùn)行維護(hù)成本節(jié)省22.1元，電網(wǎng)買賣電凈收入少15.5元。日綜合成本下降71.8元，可節(jié)約日綜合成本5.3%。

5 結(jié)束語

本文在充分考慮功率供需平衡和各微源運(yùn)行約束條件的前提下，構(gòu)建了包含燃料電池、微型燃?xì)廨啓C(jī)、吸收式制冷機(jī)、余熱鍋爐和蓄能裝置的冷熱電聯(lián)供型微網(wǎng)經(jīng)濟(jì)優(yōu)化調(diào)度模型。分別采用人工蜂群優(yōu)化算法和常規(guī)粒子群算法對(duì)模型進(jìn)行求解，結(jié)果顯示，人工蜂群算法具有較明顯的優(yōu)勢。同時(shí)，模型中加入蓄電池，可以有效降低成本，蓄冷和蓄熱裝置能較好的協(xié)同吸收式制冷機(jī)和余熱鍋爐工作，最大程度地節(jié)約調(diào)度成本。結(jié)果表明，CCHP型微電網(wǎng)系統(tǒng)能高效利用能源，在微電網(wǎng)中具有較好的社會(huì)效益與經(jīng)濟(jì)效益，有良好的發(fā)展前景。

參考文獻(xiàn)：

[1] 徐迅， 高蓉， 管必萍， 等. 微電網(wǎng)規(guī)劃研究綜述[J]. 電網(wǎng)與清潔能源， 2012， 28（7）： 2530.

[2] 李鵬， 張玲， 王偉， 等. 微網(wǎng)技術(shù)應(yīng)用與分析[J]. 電力系統(tǒng)自動(dòng)化， 2009， 33（20）： 109115.

[3] 劉振亞. 智能電網(wǎng)技術(shù)[M]. 北京： 中國電力出版社， 2016.

[4] Asanol H， Bandol S. Economic analysis of microgrids[J]. Power Conversion ConferenceNagoya， 2007： 654 ?658.

[5] 周任軍， 冉曉洪， 毛發(fā)龍， 等. 分布式冷熱電三聯(lián)供系統(tǒng)節(jié)能協(xié)調(diào)優(yōu)化調(diào)度[J]. 電網(wǎng)技術(shù)， 2012（6）： 814.

[6] 郭力， 許東， 王成山， 等. 冷熱電聯(lián)供分布式供能系統(tǒng)能量優(yōu)化管理[J]. 電力系統(tǒng)自動(dòng)化， 2009， 33（19）： 96100.

[7] 王銳， 顧偉， 吳志. 含可再生能源的熱電聯(lián)供型微網(wǎng)經(jīng)濟(jì)運(yùn)行優(yōu)化[J]. 電力系統(tǒng)自動(dòng)化， 2011， 35（8）： 2227.

[8] 高偉， 黃躍武， 王飛娜. 區(qū)域冷熱電聯(lián)供系統(tǒng)優(yōu)化設(shè)計(jì)分析[J]. 建筑熱能通風(fēng)空調(diào)， 2010， 29（3）： 8891.

[9] 孔祥強(qiáng)， 李瑛， 王如竹， 等. 燃?xì)廨啓C(jī)冷熱電聯(lián)供系統(tǒng)優(yōu)化與節(jié)能經(jīng)濟(jì)性研究[J]. 暖通空調(diào)， 2005， 35（7）： 48.

[10] 段紹輝， 汪偉， 劉中勝， 等. 含光伏的冷熱電聯(lián)供微網(wǎng)系統(tǒng)優(yōu)化調(diào)度方案[J]. 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)， 2013， 25（4）： 150155.

[11] 萬術(shù)來. 基于改進(jìn)粒子群算法的微網(wǎng)環(huán)保經(jīng)濟(jì)運(yùn)行的優(yōu)化[D]. 廣州： 華南理工大學(xué)， 2012.

[12] 許東. 微型燃?xì)廨啓C(jī)冷電聯(lián)供系統(tǒng)能量優(yōu)化與管理[D]. 天津： 天津大學(xué)， 2010.

[13] 王新剛， 艾芊， 徐偉華， 等. 含分布式發(fā)電的微電網(wǎng)能量管理多目標(biāo)優(yōu)化[J]. 電力系統(tǒng)保護(hù)與控制， 2009， 37（20）： 7983.

[14] Augustine N， Suresh S， Moghe P， et al. Economic dispatch for a microgrid considering renewable energy cost functions[C]//2012 IEEE PES Innovative Smart Grid Technologies. Washington， DC， USA： IEEE.， 2012： 1620.

[15] 吳雄， 王秀麗， 別朝紅， 等. 含熱電聯(lián)供系統(tǒng)的微網(wǎng)經(jīng)濟(jì)運(yùn)行[J]. 電力自動(dòng)化設(shè)備， 2013， 33（8）： 16.

[16] 王金全， 黃麗， 楊毅. 基于多目標(biāo)粒子群算法的微電網(wǎng)優(yōu)化調(diào)度[J]. 電網(wǎng)與清潔能源， 2014， 30（1）： 4954.

[17] 馬景超. 冷熱電聯(lián)供型微網(wǎng)經(jīng)濟(jì)調(diào)度研究[D]. 青島： 青島大學(xué)， 2014.

[18] 陳靖， 李雨薇， 習(xí)朋， 等. 微網(wǎng)系統(tǒng)經(jīng)濟(jì)運(yùn)行優(yōu)化[J]. 華東電力， 2012， 40（2）： 167172.

[19] 高衛(wèi)峰， 劉三陽， 姜飛， 等. 混合人工蜂群算法[J]. 系統(tǒng)工程與電子技術(shù)， 2011， 33（5）： 11671170.

[20] 喻金平， 鄭杰， 梅宏標(biāo). 基于改進(jìn)人工蜂群算法的K均值聚類算法[J]. 計(jì)算機(jī)應(yīng)用， 2014， 34（4）： 10651069， 1088.