基于遺傳算法的多目標微電網優(yōu)化調度研究

李家鑫

（長沙理工大學國際學院，湖南 長沙 410114）

微電網發(fā)展中需要注重的問題是多目標優(yōu)化調度，許多國內外的研究學者在這領域已取得了傲人的成果。文獻[1]構建了以微網運行成本和環(huán)境污染最小的多目標優(yōu)化模型，運用鳥群算法來求解模型，該算法擁有較強的搜索能力；文獻[2]綜合考慮用戶需求響應資源以及可再生能源機組出力和用戶負荷不確定性的多能源微網日前調度優(yōu)化模型。文獻[3]以包含風/光/儲/柴的微網作為優(yōu)化配置對象，以微網年均總成本為優(yōu)化目標，搭建了各微源的出力模型以及微網的年均成本模型。提出采用人群搜索算法進行優(yōu)化。文獻[4]以經濟成本、環(huán)境成本為綜合目標函數(shù)，采用粒子群算法解決孤島運行下微電網優(yōu)化問題，但由于標準粒子群算法存在易于陷入局部最優(yōu)和收斂性差等缺陷，應尋找更好的改進方法以提高其性能，如文獻[6]中使用了加權變異的粒子群算法。

本文中的多目標優(yōu)化遺傳算法也存在著一些不可避免的缺點。首先,該算法在高維度求解中表現(xiàn)較差，存在著選擇壓力過小的問題。其次，個體與個體之間產生支配關系的可能性將越來越小；最后，隨著求解維數(shù)的增加，擁擠距離的計算極其復雜且用時較長，表現(xiàn)較差。

1 孤島微電網優(yōu)化調度模型

微電網優(yōu)化調度的優(yōu)化目標根據(jù)實際情況的不同而略有不同，有經濟性、技術性、環(huán)保性等指標。本文通過對含有微型燃氣輪機、柴油發(fā)電機、燃料電池和蓄電池等分布式能源和可控負荷的孤島運行微電網系統(tǒng)進行分析，提出基于微電網運行經濟成本、環(huán)境效益及罰函數(shù)的綜合目標函數(shù)。

1.1 微網的組成

微電網是與大電網相對的小型網絡，由多個分布式電源及對應的負載按一定的網架構成。微電網由分布式電源、能量轉換設備、儲能設備、保護設備、相關負荷和監(jiān)控組成的一個小型的電力系統(tǒng)。微網既可以并網運行，也可以以孤島模式運行，比較靈活。

1.2 微網運行模式

在上述背景下，本文針對以微電網綜合成本最小為目標函數(shù)的孤島微電網優(yōu)化調度問題進行了研究。在并網狀態(tài)時，當PBL＜PPV+PWT+PMT+PSHP+PSTP+PFC時，有多余出力，優(yōu)先向微電網的儲能電池充電，然后微網向電網供電；當電網電價低于微網發(fā)電費用或PBL＞PPV+PWT+PMT+PSHP+PSTP+PFC等，儲能電池先進行放電，欠缺的部分由微網向電網購電；其他情況微網按調度結果分別出力。

在 孤 島 狀 態(tài) 時，當PBL＜PPV+PWT+PMT+PSHP+PSTP+PFC時，微網不僅向用戶供電，還向蓄電池供電；當PBL＞PPV+PWT+PMT+PSHP+PSTP+PFC時微網發(fā)電不能滿足需求，蓄電池也向其用戶供電；當PBL＞PPV+PWT+PMT+PSHP+PSTP+PFC時，暫時切除部分負荷，以達到供求的平衡。PBL為負荷功率。定義柴油發(fā)電機和燃油汽輪機的功率。最終計算單位成本。

1.3 出力機組模型

1.3.1 柴油發(fā)電機模型

式中，Com,DG為DG的運行管理成本，kom,DG為DG的維護系數(shù)（元/kW·h），取值為0.0869；PDG(t)為第t時段DG的出力；CDG,fuel為DG的燃料成本，α、β、γ為燃料成本系數(shù)。

1.3.2 微燃機模型

其中，Com,MT為MT的運行管理成本，kom,MT為MT的維護系數(shù)（元/kW·h），是指發(fā)出1kWh電量消耗的維護費用，取值為0.0401；PMT(t)為第t時段MT的出力；CMT,fu為MT的燃料成本，CMT為MT的燃料氣體單價，LHV為天然氣低位熱值，ymtMT為MT的工作效率。

1.3.3 燃料電池模型

式中，Com,FC為FC的運行管理成本，kom,FC為FC的維護系數(shù)（元/kW·h），取值為0.6286；PFC(t)為第t時段FC的出力；CFC,fu為FC的燃料成本，CFC為FC的燃料氣體單價，LHV為天然氣低位熱值，ymtFC為FC的工作效率。

1.3.4 蓄電池模型

微網中可再生能源發(fā)電具有隨機性和波動性，蓄電池作為儲能裝置，是實現(xiàn)微電網能量平衡管理的重要設備之一，可以提高整個系統(tǒng)的可控性和可靠性。

蓄電池的荷電狀態(tài)（State of Charge, SOC）表示電池剩余容量與其完全充電狀態(tài)的容量（額定容量）的比值，即代表電池可充入和釋放能量能力的大小。本文所建立的蓄電池模型主要考慮其容量與充放電功率的約束：

式中，SOC(t)為t時段BAT的荷電狀態(tài)，Pch(t)、Pdis(t)分別為t時段BAT的充、放電功率，ηC、ηD分別為BAT的充、放電效率。

1.4 目標函數(shù)和約束條件

本文中在初始時刻即對各機組在出力范圍內賦予初值，后進行迭代尋優(yōu)。通過算法進行迭代優(yōu)化，通過調整各機組出力逐漸降低總成本，最終輸出對應的機組出力方案。

本文中主要考慮了以下幾方面。

1.4.1 基礎成本

采用加權系數(shù)法計算總成本，建立如下目標函數(shù)：

式中，COM為運行維護成本；Cf為燃料成本；CDP為折舊成本；Cgrid為大電網和微網的交互成本；CL為可中斷負荷補償成本；Ce為環(huán)境成本；k1，k2，k3……為費用系數(shù)，通過取0或1表示費用。0表示沒有此項費用，1表示此項費用存在2。I為DG編號。

其中，Rpo為單位時間內污染物的總排放量，NiCO2代表了碳的單位污染物排放量，NiNOx)代表氮的單位污染物排放量，NiS代表硫的單位污染物排放量。CRpo為總治理成本，MR代表了單位污染物成本系數(shù)。具體數(shù)據(jù)如表1所示。

表1

1.4.2 燃料成本與運行維護成本

式中，KOMi為第i個DG運行維護系數(shù)（元/kWh）；Pit為微網中第i個DG在t時刻的輸出功率（kW）。

其中，CPi為t時刻微網向配電網買電電價（元/kWh）；CSt為t時刻微網向配電網售電價（元/kWh）；CGPi為t時刻配電網向微網售電量（元/kWh）；CSPt為t時刻微網向配電網售電量（kWh）。

2 優(yōu)化算法的使用

在經濟性和環(huán)保性目標函數(shù)中，它們之間存在著一定的矛盾。當一個目標函數(shù)的提高需要以另外一個目標函數(shù)的降低作為代價時，這樣的兩個解是非劣解，也就是Pareto最優(yōu)解。多目標優(yōu)化算法就是要找到這些Pareto最優(yōu)解。本文選擇利用gamultiobj函數(shù)來進行求解。

本文中將PopulationSize設置為1000，目的是為了增加變量的多樣性；將EliteCount設置為30，能夠保證有效地替換表現(xiàn)較差的粒子。經過多次實驗表明，將遺傳代數(shù)設置在1000代時以足夠保證函數(shù)收斂。在設置好變量約束范圍后便可進行求解。

算法的具體流程如圖1所示。

圖1

3 算例分析

3.1 基礎數(shù)據(jù)

本文將一個包含風力發(fā)電系統(tǒng)、光伏發(fā)電系統(tǒng)、微燃機、內燃機、燃料電池、蓄電池的典型孤島微電網系統(tǒng)作為實驗分析對象，以驗證多目標優(yōu)化遺傳算法的優(yōu)越性。由于風機與光伏的出力不可控，所以僅對微型燃氣輪機、柴油發(fā)電機、燃料電池和蓄電池這四部分機組的出力調節(jié)進行仿真，實現(xiàn)優(yōu)化調度的目的。

本案例中，設置柴油發(fā)電機組出力上限為60kW，微燃機與燃料電池的出力上限為65kW，三者出力下限均設為0，蓄電池的最大充放電功率為40kW，采用表1中某典型日提供的數(shù)據(jù)作為參考，以24h作為調度周期，以1h為單位劃分優(yōu)化調度時間。基于多目標優(yōu)化遺傳算法，本文采用MATLAB進行優(yōu)化調度的仿真實驗。

仿真結果如圖2所示：上半部分為該遺傳算法的迭代優(yōu)化過程，下半部分為優(yōu)化后各機組的出力曲線圖。分析可知，該仿真中前期各機組出力較少，主要側重對蓄電池進行充電；8～16時間段主要有柴油發(fā)電機進行供電；16～24時間段用電量較大，由蓄電池，柴油發(fā)電機和微燃機共同滿足供電需求。該模型較好地契合了實際生產過程中的電力需求情況，具有較強的可靠性。

圖2

3.2 結果分析

孤島運行狀態(tài)的微電網，由其內部各微電源和儲能裝置共同出力來承擔符合需求。由出力曲線可知，在優(yōu)化調度的過程中，當風光出力遠大于負荷需求時，考慮蓄電池荷電狀態(tài)以判斷是否為儲能裝置充電；反之，綜合考慮各機組的運行管理成本、燃料成本和出力約束，利用MT、DG、FC為負荷提供不足的電能，并用儲能裝置實現(xiàn)進一步的充放電調節(jié)以滿足微網功率平衡。

由上文可知，本文所采用的多目標優(yōu)化遺傳算法應用于微電網優(yōu)化調度模型時，收斂速度較快，相比本文中的PSO算法，綜合成本及環(huán)境成本較低，有更好的經濟價值和環(huán)保價值。本文通過多次實驗，從求解結果與最優(yōu)解的接近程度上對兩種算法進行了比較。結果顯示，本文采用的多目標遺傳算法具有更好的求解能力，求解結果更趨近于最優(yōu)解。

4 結語

本文針對孤島模式下含風光、MT、DG、FC及儲能裝置的微電網優(yōu)化調度問題，綜合考慮其經濟成本和環(huán)境成本，并引入自適應慣性權重和收縮因子，提出了一種改進PSO算法來增強全局和局部搜索能力。算例仿真結果表明，本文采用的改進方法在提高收斂速度的同時有效降低了綜合目標成本，取得了良好的優(yōu)化效果。