多能互補(bǔ)微網(wǎng)系統(tǒng)能量?jī)?yōu)化策略

吳清濤 李俊杰

國(guó)網(wǎng)上海市電力公司市北供電公司

0 前言

本文著重研究多能互補(bǔ)微網(wǎng)系統(tǒng)能量?jī)?yōu)化，并綜合考慮分布式發(fā)電、分布式儲(chǔ)能、冷熱電三聯(lián)供系統(tǒng)的配合和使用，在用戶冷熱電負(fù)荷均得到滿足的情況下，建立系統(tǒng)運(yùn)行成本和污染環(huán)境排放量最小的多目標(biāo)優(yōu)化函數(shù)，并采用帶有極值干擾的粒子群算法對(duì)所建模型進(jìn)行求解，驗(yàn)證優(yōu)化策略的有效性。

1 多能互補(bǔ)微網(wǎng)系統(tǒng)設(shè)備單元分類及負(fù)荷分類管理

1.1 設(shè)備單元分類

多能互補(bǔ)微網(wǎng)系統(tǒng)多種分布式設(shè)備單元中，風(fēng)力發(fā)電和光伏發(fā)電由于其出力特性受自然資源影響，屬于不可控型設(shè)備單元；燃?xì)廨啓C(jī)、燃?xì)忮仩t、電制冷機(jī)屬于可控型設(shè)備單元；余熱鍋爐、吸收式制冷機(jī)受制于前一工段出力狀況，屬于跟進(jìn)型設(shè)備單元；儲(chǔ)冷、儲(chǔ)熱和儲(chǔ)電屬于儲(chǔ)能設(shè)備單元。

1）不可控型設(shè)備單元

在地理環(huán)境、自然條件確定的情況下，可通過模型計(jì)算得到最大功率輸出點(diǎn)，風(fēng)機(jī)和光伏發(fā)電通常跟蹤該點(diǎn)參與運(yùn)行。

2）可控型設(shè)備單元

基于不同的熱電負(fù)荷要求，多能互補(bǔ)微網(wǎng)系統(tǒng)中聯(lián)供系統(tǒng)運(yùn)行模式包括以熱定電、以電定熱【1】。

在以熱定電運(yùn)行模式中，用戶的熱負(fù)荷需求為常規(guī)制熱和吸收式制冷機(jī)制冷時(shí)消耗的熱功率的總和，此時(shí)熱電聯(lián)供機(jī)組、燃?xì)忮仩t、儲(chǔ)熱設(shè)備共同運(yùn)行，保證總熱負(fù)荷需求大致等于余熱鍋爐、燃?xì)忮仩t、儲(chǔ)熱設(shè)備的熱出力總和。

在以電定熱運(yùn)行模式中，用戶的電負(fù)荷需求為常規(guī)電力和電制冷機(jī)制冷時(shí)消耗的電功率的總和，此時(shí)冷熱電聯(lián)供機(jī)組、風(fēng)力發(fā)電、光伏發(fā)電、儲(chǔ)電設(shè)備單元的出力總和應(yīng)優(yōu)先匹配用戶的電負(fù)荷，當(dāng)電能不足時(shí)向電網(wǎng)購(gòu)電，電能超出負(fù)荷需求時(shí)向電網(wǎng)售電或?yàn)閮?chǔ)電設(shè)備充電。

1.2 負(fù)荷分類管理

在設(shè)備單元分類的基礎(chǔ)上對(duì)負(fù)荷分類，管理策略如下：

1）冷、熱負(fù)荷：冷負(fù)荷由電制冷機(jī)、溴化鋰吸收式制冷機(jī)和儲(chǔ)冷設(shè)備共同供給，熱負(fù)荷由燃?xì)忮仩t、余熱鍋爐和儲(chǔ)熱設(shè)備共同供給。上述設(shè)備分屬于可控型、跟進(jìn)型和儲(chǔ)能型，考慮到實(shí)時(shí)電價(jià)，在每一時(shí)段都將對(duì)這三種設(shè)備的供能成本進(jìn)行排序，按序調(diào)動(dòng)直到系統(tǒng)冷、熱功率平衡。

考慮到跟進(jìn)型設(shè)備的非獨(dú)立性，吸收式制冷機(jī)與余熱鍋爐的出力將根據(jù)前序工段工作狀態(tài)進(jìn)行調(diào)整，防止越限運(yùn)行。

2）電負(fù)荷：電負(fù)荷由風(fēng)、光、主電網(wǎng)、燃?xì)廨啓C(jī)和儲(chǔ)電設(shè)備共同供給。為提高可再生能源的利用率，風(fēng)、光發(fā)電單元將一直處于最大功率點(diǎn)運(yùn)行[2]，且在每一個(gè)時(shí)段，都將對(duì)設(shè)備的供電成本進(jìn)行排序，并按序位啟停。

2 多能互補(bǔ)微網(wǎng)系統(tǒng)能量?jī)?yōu)化策略

2.1 優(yōu)化方法

多能互補(bǔ)微網(wǎng)的優(yōu)化主要考慮經(jīng)濟(jì)性和環(huán)保性兩方面。大多數(shù)情況下，經(jīng)濟(jì)性和環(huán)保性是互相矛盾的，難以同時(shí)達(dá)最優(yōu)，因此只能折中優(yōu)化。多目標(biāo)優(yōu)化問題，1896年法國(guó)經(jīng)濟(jì)學(xué)家帕累托最早開始研究，之后，諾依曼、庫(kù)恩、塔克爾等數(shù)學(xué)家也進(jìn)行了探討，但至今未有統(tǒng)一定論，目前求解思路主要有以下幾種：

1）化多為少法：即將多目標(biāo)化為單目標(biāo)進(jìn)行求解，主要有目標(biāo)法、線性加權(quán)法、理想點(diǎn)法等。

2）分層序列法：按重要性對(duì)目標(biāo)進(jìn)行排序，后序目標(biāo)的解在前序目標(biāo)的最優(yōu)解集中進(jìn)行求解，直至所有目標(biāo)的最優(yōu)解求出。

3）層次分析法，由運(yùn)籌學(xué)家T．L．Saaty提出，是一種定性與定量相結(jié)合的層次化分析方法，對(duì)缺乏數(shù)據(jù)且結(jié)構(gòu)復(fù)雜的情況較為適用。

多能互補(bǔ)微網(wǎng)系統(tǒng)的優(yōu)化，根據(jù)問題的復(fù)雜程度和優(yōu)化解的方法，采用基于線性加權(quán)思想的隨機(jī)加權(quán)法【3】對(duì)雙目標(biāo)進(jìn)行單目標(biāo)化優(yōu)化處理。

2.2 目標(biāo)函數(shù)

本文多能互補(bǔ)微網(wǎng)能量管理優(yōu)化策略是在系統(tǒng)配置方案已確定的情況下考慮的，因此主要考慮運(yùn)行成本和維護(hù)成本，設(shè)備的固定投資作為沉沒成本不予考慮。在保證冷、熱、電負(fù)荷需求的前提下，多能互補(bǔ)微網(wǎng)系統(tǒng)經(jīng)濟(jì)性的目標(biāo)函數(shù)為：

式中：

——多能互補(bǔ)微網(wǎng)系統(tǒng)t時(shí)段的成本，元；Dg——可控出力單元；K ti——微電源啟停狀態(tài)（0表示停，1表示啟）；Ctnh——微電源能耗成本,元/kW；Pti——微電源輸出功率，kW；Ctwh——微電源運(yùn)行維護(hù)成本，元/kW；Ciqt微電源設(shè)備啟停成本，元/次；δPtbat——蓄電池充放電函數(shù)；K tB、K tS——微網(wǎng)從電網(wǎng)購(gòu)、售電的狀態(tài)（0表示否，1表示是）；Ptbgrid、Ptsgird——微網(wǎng)與電網(wǎng)之間購(gòu)、售電功率，kW；M tb、M ts——微網(wǎng)向電網(wǎng)購(gòu)、售電的價(jià)格，元/kW。

2.3 約束條件

多能互補(bǔ)微網(wǎng)系統(tǒng)能量?jī)?yōu)化的約束條件主要包括：功率平衡約束、設(shè)備出力特性約束、設(shè)備運(yùn)行特性約束。其中，功率平衡約束主要是冷、熱、電功率的平衡，設(shè)備出力約束則包括各設(shè)備單元的功率、儲(chǔ)能約束，設(shè)備運(yùn)行特性約束主要包括設(shè)備爬坡率及運(yùn)行時(shí)間的限制。

2.3.1 等式約束

1）電功率平衡約束

式中：

Pgrid——電網(wǎng)交換功率（購(gòu)電時(shí)為正，售電時(shí)為負(fù)），kW；PMT——燃?xì)廨啓C(jī)輸出功率，kW；PPV——光伏發(fā)電功率，kW；PWT——風(fēng)力發(fā)電功率，kW；PBSE_D——蓄電池放電功率，kW；PEL——電負(fù)荷，kW；PEC_in——電制冷機(jī)吸收電功率，kW；PBSE_C——蓄電池充電功率，kW。

2）熱功率平衡約束

式中：

——余熱回收裝置輸出的熱功率，kW；QGB_heat——燃?xì)忮仩t輸出熱功率，kW；QHSE_D——蓄熱裝置輸出熱功率，kW；QHL——系統(tǒng)熱負(fù)荷，kW；QHSE_C——蓄熱裝置蓄熱功率，kW。

3）冷功率平衡約束

式中：

——電制冷機(jī)輸出冷功率，kW；QISE_C、QISE_D——蓄冷裝置蓄冷、制冷功率，kW；——吸收式制冷機(jī)輸出冷功率，kW；QCL——系統(tǒng)冷負(fù)荷，kW。

2.3.2 不等式約束

出力/儲(chǔ)能設(shè)備功率約束

式中：

——分布式設(shè)備單元狀況（1表示運(yùn)行，0表示停運(yùn)）；Pmini、Pmaxi——各設(shè)備單元功率上下限值，kW；PtDGt——時(shí)段設(shè)備單元出力功率。

2.4 能量管理優(yōu)化算法

多能互補(bǔ)微網(wǎng)系統(tǒng)能量管理優(yōu)化由于涉及變量較多，普通的算法存在計(jì)算量大、不易操作、并行計(jì)算效率低等問題，而群智能算法具有演化計(jì)算能力，可通過一定的搜索規(guī)則自動(dòng)查尋求解問題的最優(yōu)解，因此在模型優(yōu)化應(yīng)用中十分廣泛。

群智能優(yōu)化算法目前主要有粒子群算法、蟻群算法、模擬退火、遺傳算法、禁忌搜索、神經(jīng)網(wǎng)絡(luò)等【4】，大多是對(duì)某種自然過程的模擬。粒子群算法由于不考慮交叉、變異等操作，粒子收斂速度要比遺傳算法快，適用于本文高維度的多目標(biāo)優(yōu)化。

2.4.1 粒子群算法

粒子群算法由J．Kennedy和R．C．Eberhart博士于1995年提出，來自對(duì)鳥群社會(huì)行為研究的啟發(fā)，是一種基于迭代的優(yōu)化算法。在PSO算法中，目標(biāo)函數(shù)的解空間初始化時(shí)將隨機(jī)出現(xiàn)一組隨機(jī)解，每一個(gè)解稱為一個(gè)粒子，每一個(gè)粒子都擁有位置和速度兩個(gè)屬性。粒子的每一個(gè)位置都對(duì)應(yīng)一個(gè)由特別制定的適應(yīng)度函數(shù)確定的適應(yīng)值。在每一次迭代中，粒子將通過跟蹤兩個(gè)關(guān)鍵適應(yīng)值來更新自身的位置和速度，其中一個(gè)是粒子本身找到的最優(yōu)解，稱為個(gè)體最優(yōu)解Pbest，另一個(gè)是粒子群全體找到的最優(yōu)解，稱為群體最優(yōu)解Gbest。

J．Kennedy和R．C．Eberhart博士最原始版本粒子群公式為：

式中：

c1——為粒子跟蹤Pbest的認(rèn)知學(xué)習(xí)系數(shù)；c2——粒子跟蹤Gbest的社會(huì)學(xué)習(xí)系數(shù)；ξ、η——[0,1]區(qū)間內(nèi)均勻分布的隨機(jī)數(shù)；——粒子當(dāng)前與下次的位置相量；——粒子當(dāng)前和下次的速度相量；——粒子的自身最優(yōu)解和群體最優(yōu)解。

該版本又稱為基本粒子群算法，若Pkgd表示所有粒子的最優(yōu)解，則為全局版本的基本粒子群算法；若Pkgd僅表示該粒子附近的粒子群的最優(yōu)解，則為局部版本的基本粒子群算法。全局粒子群算法收斂速度要比局部版本快，但陷入局部版本的可能性要大于全局版本。

2.4.2 極值變異的混合型粒子群算法

為了兼顧收斂速度及收斂精度，本文提出了極值變異的混合型粒子群算法，即在搜尋前期采用極值變異的粒子群算法以增大粒子跳出局部最優(yōu)陷阱的可能，在后期采用全局優(yōu)化以改善收斂速度。經(jīng)驗(yàn)證，該混合算法表現(xiàn)良好。

算法公式為：

式中：

D1、D2——粒子的個(gè)體極值和群體極值變異因子；tP、Tp——粒子自身極值停滯次數(shù)和停滯次數(shù)閾值；tg、Tg——粒子群體極值停滯次數(shù)和停滯次數(shù)閾值。

算法流程見圖1。

圖1 極值變異的粒子群算法流程圖

3 算例分析

3.1 負(fù)荷數(shù)據(jù)及能源價(jià)格

本文以我國(guó)某地多能互補(bǔ)系統(tǒng)負(fù)荷數(shù)據(jù)為例進(jìn)行驗(yàn)證，詳細(xì)的冷熱電負(fù)荷需求【5】、實(shí)時(shí)電價(jià)、天然氣表見圖2、圖3、表1。

表1 天然氣價(jià)格、熱值表

圖2 典型日冷熱電負(fù)荷曲線

圖3 典型日實(shí)時(shí)電價(jià)曲線

3.2 系統(tǒng)設(shè)備參數(shù)

1）分布式發(fā)電設(shè)備參數(shù)

分布式發(fā)電設(shè)備包括風(fēng)機(jī)發(fā)電和光伏發(fā)電兩種，參數(shù)見表2。

表2 WT、PV參數(shù)

在最大功率跟蹤模式下，選取的風(fēng)力發(fā)電單元和光伏發(fā)電單元的典型日發(fā)電功率預(yù)測(cè)見圖4、圖5。

圖4 典型日風(fēng)力發(fā)電功率曲線

圖5 典型日光伏發(fā)電功率曲線

2）分布式儲(chǔ)能設(shè)備參數(shù)

分布式儲(chǔ)能設(shè)備包括蓄電池儲(chǔ)電設(shè)備、熱水蓄熱器儲(chǔ)熱設(shè)備、蓄冰空調(diào)儲(chǔ)冷設(shè)備三種，儲(chǔ)能設(shè)備參數(shù)見表3。

表3 分布式儲(chǔ)能設(shè)備單元參數(shù)

3）CCHP聯(lián)供系統(tǒng)設(shè)備參數(shù)

CCHP聯(lián)供系統(tǒng)中，燃?xì)忮仩t、燃?xì)廨啓C(jī)的出力由燃料量決定，電制冷機(jī)的功率由用電量決定，屬于主動(dòng)設(shè)備。而余熱鍋爐和吸收式制冷機(jī)具體出力受到前序工段設(shè)備的出力狀況及系統(tǒng)優(yōu)化需求的影響，屬于從動(dòng)設(shè)備。主動(dòng)設(shè)備和從動(dòng)設(shè)備參數(shù)見表4和表5【6】。

表4 聯(lián)供系統(tǒng)主動(dòng)設(shè)備主要參數(shù)

表5 聯(lián)供系統(tǒng)從動(dòng)設(shè)備主要參數(shù)

3.3 優(yōu)化結(jié)果

利用3．1和3．2給出的具體數(shù)據(jù)，對(duì)多能互補(bǔ)運(yùn)行模式下進(jìn)行了多能互補(bǔ)微網(wǎng)系統(tǒng)能量調(diào)度優(yōu)化求解，結(jié)果見圖6、7、8。

圖6 GT、HRB、AC運(yùn)行計(jì)劃

圖7 BSE、ISE、HSE運(yùn)行計(jì)劃

圖8 GRID、EC、GB運(yùn)行計(jì)劃

在多能互補(bǔ)模式下，該系統(tǒng)在一個(gè)典型日的優(yōu)化運(yùn)行成本為20 880．74元，CO2排放量為15 745．68 kg。

3.4 算法收斂性分析

本文采用了帶有極值變異因子的混合型粒子群算法，粒子群規(guī)模選取如下：

粒子數(shù)N=400

粒子維數(shù)D=216

為了驗(yàn)證收斂結(jié)果的正確性，給定了2 000次的迭代深度，以防止出現(xiàn)粒子提前停止搜索的情況。

經(jīng)過多次優(yōu)化運(yùn)算后，最終結(jié)果表明，算法能在迭代次數(shù)500次內(nèi)收斂到優(yōu)化解，由于粒子的起始位置隨機(jī)，個(gè)別情況下粒子群的迭代次數(shù)在100次以內(nèi)就能完全收斂，具體收斂情況見圖9。

圖9 適應(yīng)值收斂趨勢(shì)

采用基本粒子群算法、極值變異粒子群算法和極值變異混合型粒子群算法進(jìn)行優(yōu)化計(jì)算，多次運(yùn)行后，以平均迭代次數(shù)表示收斂速度，以平均運(yùn)行成本表示收斂精度，最終結(jié)果見表6。

表6 不同粒子群算法收斂結(jié)果

從表6中可看出，全局版本的基本粒子群算法雖然收斂速度快，但容易陷入局部最優(yōu)，導(dǎo)致收斂精度差；極值變異的粒子群算法收斂精度最高，但收斂速度最慢;極值變異混合型粒子群算法兼顧了收斂速度和收斂精度，求解效果最好。

4 小結(jié)

本文先對(duì)多能互補(bǔ)微網(wǎng)系統(tǒng)的設(shè)備和負(fù)荷進(jìn)行分類，在此基礎(chǔ)上提出了相應(yīng)的能量管理策略，再在保證負(fù)荷的前提下，對(duì)多目標(biāo)問題給出了目標(biāo)函數(shù)和約束條件，最后提出了極值變異的混合型粒子群算法。