一種用于微電網(wǎng)經(jīng)濟(jì)調(diào)度的改進(jìn)型內(nèi)部搜索算法

陳汝科，沈丹青，何麗娜，楊凱帆，謝 梟，王若昕，黃 婧

（1.國(guó)網(wǎng)湖北省電力有限公司鐘祥市供電公司，湖北鐘祥 431900；2.國(guó)網(wǎng)湖北省電力有限公司沙洋縣供電公司，湖北沙洋 448200）

引言

隨著世界環(huán)境污染問(wèn)題的日益嚴(yán)重，能源的再利用與綜合利用成為了主流，可再生資源的利用研究得到了快速發(fā)展[1]。然而可再生資源的不穩(wěn)定性也會(huì)影響電網(wǎng)的安全運(yùn)行。為解決這一問(wèn)題，微電網(wǎng)技術(shù)在現(xiàn)代電網(wǎng)運(yùn)行中得到了迅速推廣[2]。微電網(wǎng)是將電力系統(tǒng)中的分布式單元整合成一個(gè)獨(dú)立的發(fā)電系統(tǒng)[3]。截止目前，在微電網(wǎng)經(jīng)濟(jì)優(yōu)化調(diào)度方面，學(xué)者們常將研究重點(diǎn)放于優(yōu)化算法改進(jìn)，這是由于微電網(wǎng)的經(jīng)濟(jì)優(yōu)化調(diào)度較為復(fù)雜，運(yùn)用傳統(tǒng)算法計(jì)算的難度較大。如文獻(xiàn)[4]通過(guò)改進(jìn)傳統(tǒng)灰狼算法來(lái)解決微電網(wǎng)的優(yōu)化問(wèn)題；文獻(xiàn)[5]提出了一種改進(jìn)型布谷鳥(niǎo)搜尋算法來(lái)進(jìn)行熱電聯(lián)供微電網(wǎng)優(yōu)化調(diào)度；文獻(xiàn)[6]利用內(nèi)部搜索算法求解了微電網(wǎng)的經(jīng)濟(jì)排放調(diào)度問(wèn)題，結(jié)果表明內(nèi)部搜索算法在降低成本方面具有顯著優(yōu)勢(shì)。

本研究對(duì)性能較好的內(nèi)部搜索算法進(jìn)行了有效改進(jìn)，并在負(fù)荷響應(yīng)側(cè)引入了基于分時(shí)電價(jià)的數(shù)學(xué)模型，運(yùn)用該改進(jìn)優(yōu)化算法對(duì)微電網(wǎng)進(jìn)行經(jīng)濟(jì)調(diào)度，最終將計(jì)算結(jié)果與典型調(diào)度策略計(jì)算結(jié)果進(jìn)行對(duì)比，以此驗(yàn)證本算法的有效性。

1 微電網(wǎng)模型

微電網(wǎng)模型主要包括電源模型及負(fù)荷響應(yīng)模型[7]。

1.1 分布式電源模型

光伏電源的輸出功率PG為[8]：

式中，PSTC為標(biāo)準(zhǔn)輸出功率；GSTC為標(biāo)準(zhǔn)光輻射量；k為溫差調(diào)節(jié)因子；T(t)為t時(shí)刻實(shí)時(shí)溫度；TSTC為標(biāo)準(zhǔn)環(huán)境溫度。

風(fēng)機(jī)的輸出功率PF為：

式中，Vd為最低風(fēng)速；Ve為額定風(fēng)速；Vt為停機(jī)風(fēng)速。

柴油發(fā)電機(jī)其輸出功率可表示為[9]：

式中，G為耗油總量；bC1、bC2分別為耗量特性和運(yùn)算斜率；PC0、PC分別為額定功率和實(shí)時(shí)功率。

燃料電池其輸出功率可表示為[10]：

式中，ηc表示發(fā)電效率；PR表示輸出功率。

對(duì)于蓄電池模型，其荷電狀態(tài)SSOC(t)可表示為[11]：

式中，EBESS(t)為t時(shí)段內(nèi)儲(chǔ)能系統(tǒng)的充放電電量；VBESS為儲(chǔ)能總?cè)萘俊?/p>

1.2 負(fù)荷需求響應(yīng)模型

負(fù)荷需求響應(yīng)指采取相關(guān)策略以使用戶能夠參與配電的過(guò)程，其目的是使用戶能夠合理分配不同時(shí)段的功耗，并減輕配電網(wǎng)絡(luò)的壓力?？紤]到微電網(wǎng)的晝夜負(fù)荷差異較大，為平衡峰谷差異，引入了基于分時(shí)價(jià)格的負(fù)荷響應(yīng)模型。

引入彈性理論對(duì)負(fù)荷用電量及時(shí)段電價(jià)二者變化關(guān)系進(jìn)行分析，設(shè)置24為一個(gè)調(diào)度周期，根據(jù)彈性理論有：

式中，ε為彈性系數(shù)；P0(i)為平移前的用電量；ΔP0(i)為平移前后電量之差；Q0(i)為正常使用時(shí)段的電價(jià)；ΔQ0(i)為平移前后的電價(jià)之差。

在供需平衡的條件下，負(fù)荷響應(yīng)模型可表示為：

式中，P(i)為負(fù)荷實(shí)際需求。

1.3 目標(biāo)函數(shù)的建立

分別以運(yùn)行成本、環(huán)境污染費(fèi)用最低為目標(biāo)，建立經(jīng)濟(jì)模型。

以運(yùn)行成本最低為目標(biāo)，其經(jīng)濟(jì)模型為：

式中，C1為運(yùn)行總費(fèi)用；T為經(jīng)濟(jì)運(yùn)行的時(shí)間段總數(shù)；C2(i,t)、C3(i,t)、C4(i,t)分別為發(fā)電單元的燃料費(fèi)用、維護(hù)費(fèi)用及折舊費(fèi)用。

以污染費(fèi)用最低為目標(biāo)，其經(jīng)濟(jì)模型為：

式中，M為氣體種類(lèi)數(shù)；Cm排放成本；ai,m為電源設(shè)備所排放污染氣體m的系數(shù)。

1.4 約束條件的建立

（1）功率平衡

功率平衡可由下式求出：

式中，Pt為t時(shí)段的預(yù)測(cè)負(fù)荷功率；Pt、Pt、Pt、Pt、PtFGCXR分別為風(fēng)機(jī)、光伏、柴油發(fā)電機(jī)、蓄電池、燃料電池的輸出功率。

（2）蓄電池的荷電狀態(tài)

式中，SSOCmin、SSOCmax分別為蓄電池允許的下限值和上限值。

（3）各電源設(shè)備的輸出功率限制

式中，Pi,min、Pi,max分別為電源輸出功率的最小值和最大值。

2 改進(jìn)內(nèi)部搜索算法

2.1 ISA算法計(jì)算流程

ISA算法流程圖如圖1所示。由圖1可以看出，ISA算法根據(jù)自適應(yīng)系數(shù)α的取值，將元素分為了兩組，分別是求解全局最優(yōu)的成分組及求解局部最優(yōu)的鏡子組。因此，通過(guò)調(diào)節(jié)α的取值可以改變兩組元素的數(shù)量比例，進(jìn)而影響算法的收斂精度與速度。

圖1 ISA算法流程圖

對(duì)于自適應(yīng)系數(shù)α的取值，工程實(shí)際中通常有以下方法：①α取一個(gè)定值并且其不隨環(huán)境變化而變化；②α設(shè)置為0.1～0.3內(nèi)的隨機(jī)值；③根據(jù)α可以影響收斂的特點(diǎn)，在每次迭代中改變?chǔ)恋娜≈?，使算法性能更好?/p>

為優(yōu)化ISA的算法性能，選取第3種方法，對(duì)ISA算法進(jìn)行了改進(jìn)。

2.2 ISA算法改進(jìn)

在對(duì)α進(jìn)行取值時(shí)，當(dāng)α取值較大，可以擴(kuò)大優(yōu)化范圍，獲得更多的解；當(dāng)α取值較小，計(jì)算范圍會(huì)縮小。因此，可以通過(guò)改進(jìn)α的取值方法，即在迭代過(guò)程中，按照一定速度逐漸減小參數(shù)值。α可表示為：

式中，αmax、αmin分別為取值的上限和下限；n為當(dāng)前迭代次數(shù)；N為總迭代次數(shù)。

以上述分析為根據(jù)，可畫(huà)出如圖2所示的改進(jìn)型內(nèi)部搜索算法計(jì)算流程圖。

圖2 改進(jìn)型ISA算法流程圖

對(duì)于邊界條件，可做如下處理：

式中，r4、r5分別為0到1之間的隨機(jī)值，xgb,i為全局最優(yōu)解的相關(guān)成分。

3 算例分析

以運(yùn)行費(fèi)用最小為目標(biāo)函數(shù)，分別求得典型調(diào)度策略與改進(jìn)算法下電源設(shè)備的輸出功率，如圖3和圖4所示。

圖3 典型調(diào)度策略下電源的輸出功率

圖4 優(yōu)化調(diào)度下電源的輸出功率

兩種策略的荷電狀態(tài)對(duì)比圖如5所示。由圖5可知，在運(yùn)用典型專(zhuān)家策略進(jìn)行微電網(wǎng)的優(yōu)化調(diào)度時(shí)，蓄電池由于在1時(shí)段中沒(méi)有釋放電能，導(dǎo)致在3時(shí)段中產(chǎn)生棄電。并且在4、5、6、13時(shí)段中，忽略了燃料電池的電價(jià)變化，因此無(wú)法降低運(yùn)行費(fèi)用。

圖5 荷電狀態(tài)對(duì)比圖

在考慮污染費(fèi)用情況下，典型調(diào)度策略與改進(jìn)優(yōu)化調(diào)度策略下的荷電狀態(tài)對(duì)比如圖6所示。觀察圖6可知，當(dāng)考慮污染費(fèi)用時(shí)，典型調(diào)度策略依舊無(wú)法靈活調(diào)度蓄電池，并且在第20、21時(shí)段，典型調(diào)度策略中蓄電池僅作為備用輸出設(shè)備。

圖6 荷電狀態(tài)對(duì)比圖

分別計(jì)算兩種調(diào)度策略下的運(yùn)行成本，結(jié)果如表1所示。

表1 2種調(diào)度策略的運(yùn)行費(fèi)用

由表1可知，改進(jìn)優(yōu)化調(diào)度策略在考慮污染和不考慮污染調(diào)度方面都可以有效提高微電網(wǎng)運(yùn)行的經(jīng)濟(jì)性。綜上可知，改進(jìn)優(yōu)化調(diào)度策略可以更好地發(fā)揮蓄電池的經(jīng)濟(jì)優(yōu)勢(shì)。

4 結(jié)論

（1）建立了包含光伏、風(fēng)電、柴油發(fā)電機(jī)、燃料電池及蓄電池5種分布式電源模型，并引入基于分時(shí)電價(jià)的負(fù)荷需求模型以平衡負(fù)荷側(cè)峰谷差異。

（2）通過(guò)對(duì)內(nèi)部搜索算法進(jìn)行改進(jìn)，提出了一種改進(jìn)型優(yōu)化算法，通過(guò)算例對(duì)比分析，最終驗(yàn)證了優(yōu)化算法的有效性。