基于改進(jìn)和聲搜索算法的微電網(wǎng)優(yōu)化調(diào)度研究

李現(xiàn)寶，張 可

(1.山東魏橋鋁電有限公司，山東 濱州 256200；2.東北電力大學(xué)電氣工程學(xué)院，吉林 吉林 132012)

隨著環(huán)境污染、能源短缺等問(wèn)題日益嚴(yán)重，微電網(wǎng)作為一種可就地消納可再生能源的有效形式受到重視.可再生能源出力不確定性會(huì)導(dǎo)致微電網(wǎng)調(diào)度變得困難，同時(shí)電能質(zhì)量將受到挑戰(zhàn)[1-2].為了在保障微電網(wǎng)供電可靠的前提下，改善微電網(wǎng)的經(jīng)濟(jì)性和環(huán)保性，如何優(yōu)化微電網(wǎng)的調(diào)度運(yùn)行是需要解決的關(guān)鍵問(wèn)題[3-5].文獻(xiàn)[6]提出了一種微電網(wǎng)之間存在能量交互的調(diào)度方法，實(shí)現(xiàn)了通過(guò)微電網(wǎng)能量的高效利用來(lái)提升經(jīng)濟(jì)性.文獻(xiàn)[7]首先對(duì)低碳微網(wǎng)建設(shè)進(jìn)行綜合評(píng)價(jià)，然后計(jì)及低碳約束對(duì)微電網(wǎng)規(guī)劃與運(yùn)行問(wèn)題的影響，提出基于低碳目標(biāo)的微電網(wǎng)能量管理策略.文獻(xiàn)[8]基于自適應(yīng)遺傳算法，考慮供電可靠性提出了微電網(wǎng)調(diào)度模型，獲得了供電可靠性約束下微電網(wǎng)電源容量配置情況.文獻(xiàn)[9]提出了以最小化供電成本為目標(biāo)的兩階段線(xiàn)性模型，通過(guò)對(duì)微電網(wǎng)內(nèi)各機(jī)組的實(shí)時(shí)狀態(tài)進(jìn)行優(yōu)化調(diào)度降低微網(wǎng)供電總成本.

從現(xiàn)有研究成果可以看出，目前對(duì)微電網(wǎng)優(yōu)化調(diào)度的大多數(shù)研究?jī)H考慮了單一的經(jīng)濟(jì)性指標(biāo)，而微電網(wǎng)的環(huán)保性、可靠性?xún)H在規(guī)劃前進(jìn)行分析.此類(lèi)方法易造成規(guī)劃時(shí)考慮環(huán)保、可靠性要求，運(yùn)行時(shí)卻依靠犧牲環(huán)保、可靠性來(lái)提高經(jīng)濟(jì)性的局面[10-11].本文針對(duì)微電網(wǎng)優(yōu)化調(diào)度問(wèn)題展開(kāi)研究.首先，建立以最小化微網(wǎng)運(yùn)行成本、環(huán)境保護(hù)成本和失負(fù)荷懲罰成本為目標(biāo)的多目標(biāo)微電網(wǎng)優(yōu)化調(diào)度模型；然后，提出基于動(dòng)態(tài)概率參數(shù)和虛擬適應(yīng)度的改進(jìn)多目標(biāo)和聲搜索算法應(yīng)用于微電網(wǎng)優(yōu)化調(diào)度模型；最后，通過(guò)案例分析驗(yàn)證了本文所提出的微電網(wǎng)調(diào)度策略的有效性.

1 微電網(wǎng)優(yōu)化調(diào)度數(shù)學(xué)模型

本文所研究微電網(wǎng)由光伏和風(fēng)力發(fā)電機(jī)組、ES、微型燃機(jī)、柴油機(jī)以及電負(fù)荷組成，其結(jié)構(gòu)如圖1所示.當(dāng)其他機(jī)組出力不足的情況下采用柴油機(jī)進(jìn)行補(bǔ)充，柴油機(jī)具有可靠性高、運(yùn)行及檢修技術(shù)成熟的優(yōu)點(diǎn)[12-13].微燃機(jī)是一種以天然氣為介質(zhì)的旋轉(zhuǎn)式熱力發(fā)動(dòng)機(jī)，具有體積小、噪音低、排放少等優(yōu)點(diǎn)[14-15].實(shí)際應(yīng)用中可根據(jù)柴油和天然氣的實(shí)際發(fā)電價(jià)格來(lái)靈活調(diào)整發(fā)電計(jì)劃.此外，新能源發(fā)電受環(huán)境因素影響較大，這對(duì)微電網(wǎng)穩(wěn)定運(yùn)行造成了嚴(yán)重威脅，而安裝ES能夠在易受環(huán)境因素影響而產(chǎn)生波動(dòng)的微電網(wǎng)中起到提高穩(wěn)定性的作用[16].

圖1 微電網(wǎng)系統(tǒng)結(jié)構(gòu)

1.1 目標(biāo)函數(shù)

微電網(wǎng)主要通過(guò)調(diào)控微燃機(jī)和柴油機(jī)的輸出功率、ES充/放電狀態(tài)轉(zhuǎn)換和負(fù)荷削減，來(lái)最大限度利用新能源，實(shí)現(xiàn)新能源發(fā)電就地消納.當(dāng)新能源發(fā)電量大于當(dāng)前總負(fù)荷需求量時(shí)，優(yōu)先利用DG對(duì)當(dāng)前負(fù)荷進(jìn)行供電，剩余電量用于ES充電；當(dāng)DG發(fā)電量無(wú)法滿(mǎn)足負(fù)荷的需求量時(shí)，ES儲(chǔ)存的電量對(duì)負(fù)荷進(jìn)行供電，若ES儲(chǔ)存電量不夠時(shí)削減一部分負(fù)荷實(shí)現(xiàn)微電網(wǎng)供需平衡.本文以最小化微網(wǎng)運(yùn)行成本、最小化環(huán)境保護(hù)成本和最小化失負(fù)荷懲罰成本為目標(biāo)，建立多目標(biāo)微電網(wǎng)優(yōu)化調(diào)度模型.

(1)微網(wǎng)運(yùn)行成本，包括微電網(wǎng)發(fā)電成本(C1)和運(yùn)行維護(hù)成本(C2)，經(jīng)濟(jì)性目標(biāo)函數(shù)F1表示為

F1=C1+C2

.

(1)

(2)發(fā)電成本，包括各機(jī)組的建設(shè)成本與柴油機(jī)和微燃機(jī)的燃料成本，可表示為

(2)

其中，柴油機(jī)在t時(shí)刻的燃燒成本fDE(t)為

(3)

公式中：PDE(t)為t時(shí)刻為柴油機(jī)的輸出功率；α、β、γ為燃燒成本系數(shù).

微燃機(jī)在t時(shí)刻的燃燒成本fMT(t)為

(4)

公式中：Q為天然氣的單位成本；C為天然氣的低熱值；PMT(t)為t時(shí)刻微燃機(jī)的輸出功率；ηMT為微燃機(jī)的輸出效率.

(3)運(yùn)行維護(hù)成本，為各機(jī)組的運(yùn)行維護(hù)成本，可表示為

(5)

公式中：ki為機(jī)組i的運(yùn)行維護(hù)系數(shù)；Pi(t)為t時(shí)刻機(jī)組i輸出功率；Δt為時(shí)間間隔.

(4)環(huán)境保護(hù)成本，包括微燃機(jī)和柴油機(jī)運(yùn)行產(chǎn)生污染物的懲罰成本，環(huán)保性目標(biāo)函數(shù)表示為

(6)

公式中：λDE為柴油機(jī)的處理系數(shù)；QDE(t)為t時(shí)刻柴油機(jī)的污染物產(chǎn)出量；λMT為微燃機(jī)的懲罰系數(shù)；QMT(t)為t時(shí)刻微燃機(jī)的污染物產(chǎn)出量.

(3)負(fù)荷懲罰成本，當(dāng)DG發(fā)電量和ES放電無(wú)法滿(mǎn)足負(fù)荷需求時(shí)，微電網(wǎng)對(duì)負(fù)荷削減造成失負(fù)荷懲罰，供電可靠性目標(biāo)函數(shù)F3表示為

(7)

公式中：λL為失負(fù)荷懲罰系數(shù)；Pcut(t)為t時(shí)刻的負(fù)荷削減量.

1.2 約束條件

(1)功率平衡約束

PPV(t)+PWT(t)+PMT(t)+PDE(t)+PES(t)=PL(t)-Pcut(t)

，

(8)

公式中：PL(t)為t時(shí)刻微電網(wǎng)的負(fù)荷；PPV(t)、PWT(t)分別為t時(shí)刻光伏、風(fēng)機(jī)的電功率；PES(t)為t時(shí)刻ES的充/放電功率，其值為正表示放電，其值為負(fù)表示充電.

(2)機(jī)組出力約束

(9)

(3)機(jī)組爬坡速率約束

增負(fù)荷時(shí)：

(10)

減負(fù)荷時(shí)：

(11)

(4)ES荷電狀態(tài)約束

SOCmin≤SOC(t)≤SOCmax

，

(12)

公式中：SOCmin、SOCmax分別為ES的最小、最大荷電狀態(tài)限制.

(5)ES充/放電約束

(13)

(14)

2 改進(jìn)多目標(biāo)和聲搜索算法(GHS)

2.1 和聲搜索算法

與其他模擬現(xiàn)實(shí)現(xiàn)象而產(chǎn)生的智能算法相似，和聲搜索算法[17-19]是通過(guò)模擬創(chuàng)作者通過(guò)反復(fù)調(diào)整旋律獲得和聲的過(guò)程，從而產(chǎn)生的一種新型智能算法.通過(guò)將多種不同的樂(lè)器的旋律看做是需要優(yōu)化求解的多個(gè)參數(shù)變量，最終得到的最美和聲被視為待解決問(wèn)題的最優(yōu)解.該算法具有模型參數(shù)數(shù)量較少、收斂速度快的優(yōu)點(diǎn).和聲搜索算法計(jì)算步驟如下：

(1)設(shè)定參數(shù)：和聲搜索存儲(chǔ)器容量大小M、取值概率PHMCR、調(diào)整概率PAR、調(diào)整帶寬Bw、循環(huán)次數(shù)Tmax.

(2)隨機(jī)生成：使用隨機(jī)函數(shù)生成X1，X2，…，XM共M個(gè)和聲，將其稱(chēng)為X的解空間，再計(jì)算并記錄對(duì)應(yīng)的適應(yīng)度值f(X)，將包含解空間和適應(yīng)度值的矩陣稱(chēng)為和聲記憶庫(kù)H，和聲記憶庫(kù)H的表達(dá)式為

(15)

圖2 改進(jìn)多目標(biāo)和聲搜索算法流程圖

(3)比較循環(huán)：第一步，在[0，1]之間生成隨機(jī)數(shù)P1和P2，若P1≥PHMCR，則從X的解空間內(nèi)重新隨機(jī)產(chǎn)生一個(gè)新的和聲變量，若P1

Xnew(i+1)=Xnew(i)+Bw(2rand-1)

，

(16)

公式中：i為當(dāng)前迭代次數(shù).

(4)更新和聲記憶庫(kù).對(duì)Xnew(i+1)進(jìn)行評(píng)估，即求f(Xnew(i+1))，若其適應(yīng)度值比記憶庫(kù)中的最差的一個(gè)適應(yīng)度值還要小，及f(Xnew(i+1))

(5)檢查算法是否終止.重復(fù)步驟3和步驟4，直到創(chuàng)作次數(shù)達(dá)到Tmax為止.

2.2 采用動(dòng)態(tài)概率參數(shù)的改進(jìn)多目標(biāo)和聲搜索算法

普通和聲搜索算法嚴(yán)重依賴(lài)于PHMCR的值對(duì)求解進(jìn)行調(diào)整，當(dāng)PHMCR作為固定值時(shí)的取值不合理時(shí)，會(huì)使算法的尋優(yōu)能力和收斂能力大打折扣，因此本文采用動(dòng)態(tài)的PHMCR的取值方法，以對(duì)和聲搜索算法進(jìn)行改進(jìn)，改進(jìn)公式為

(17)

公式中：i為當(dāng)前迭代次數(shù)；PHMCR為取值概率.

由于本文所提出的微電網(wǎng)優(yōu)化調(diào)度模型屬于多目標(biāo)問(wèn)題，因此用于求解但目標(biāo)問(wèn)題的和聲搜索算法無(wú)法求解本文所提出的模型.本文引入虛擬適應(yīng)度(某粒子與其相鄰2個(gè)粒子之間的局部擁擠距離)的概念使算法可用于求解多目標(biāo)問(wèn)題.算法適應(yīng)度值計(jì)算步驟為：(1)初始化局部擁擠距離L[i，m]= 0；(2)將粒子按照第m個(gè)目標(biāo)函數(shù)值升序排列，同時(shí)設(shè)置L=sort(L，m)；(3)設(shè)置邊緣粒子的局部擁擠距離LCD[1，m]=LCD[N，m]=M(M為一較大值)；(4)對(duì)剩余個(gè)體計(jì)算其局部擁擠距離LCD[i，m]=L[i，m]+fm(xi+1) -fm(xi-1)；(5)跳轉(zhuǎn)至第(2)步，對(duì)其他目標(biāo)函數(shù)重復(fù)上述操作.改進(jìn)多目標(biāo)和聲搜素算法流程如圖2所示.

3 案例分析

3.1 案例介紹

本文以中國(guó)北方某微電網(wǎng)為例驗(yàn)證所提出方法的有效性，該微電網(wǎng)結(jié)構(gòu)如圖1所示.設(shè)置總調(diào)度時(shí)長(zhǎng)為24 h，步長(zhǎng)為1 h.微網(wǎng)中分布式電源的運(yùn)行參數(shù)如表1所示.其中ES容量為50 kWh，充/放電效率為0.9，初始荷電狀態(tài)為0.4，為了保障ES使用壽命，其充放電區(qū)間為0.2～0.8.設(shè)置算法參數(shù)：存儲(chǔ)器容量大小M=200，最大迭代次數(shù)Tmax=500，PHMCR，max=0.95，PHMCR，min=0.5.

首先，驗(yàn)證本文提出的算法收斂性和多樣性等方面的性能.本文選擇文獻(xiàn)[20]中四個(gè)具有與本文模型相同特征的測(cè)試函數(shù)檢驗(yàn)本文提出的算法相較于NSGA-Ⅱ算法、SPEA2算法的優(yōu)越性.三種算法對(duì)四個(gè)測(cè)試函數(shù)分別求解50次，算法對(duì)比結(jié)果如表2所示.

表1 各分布式電源的運(yùn)行參數(shù)

表2 GHS、NSGA-Ⅱ和SPEA2算法對(duì)比結(jié)果

從表2可以看出，本文提出的GHS算法相較于NSGA-Ⅱ算法、SPEA2算法求解測(cè)試函數(shù)時(shí)有較好的性能，對(duì)解的精確性與時(shí)間復(fù)雜度上有較好的平衡性，其脫離局部最優(yōu)能力更強(qiáng)、尋優(yōu)更精準(zhǔn).

考慮到新能源發(fā)電的可再生特性和環(huán)保性，該微電網(wǎng)應(yīng)盡可能地使用光、風(fēng)發(fā)電.微型燃?xì)廨啓C(jī)運(yùn)行過(guò)程中產(chǎn)生的污染氣體主要有CO2、SO2、NOx，各種污染氣體的相關(guān)排放參數(shù)如表3所示.

表3 污染排放系數(shù)和環(huán)境評(píng)價(jià)標(biāo)準(zhǔn)

3.2 仿真結(jié)果

首先，根據(jù)本文所制定的微電網(wǎng)優(yōu)化調(diào)度模型，仿真得到該微電網(wǎng)在調(diào)度時(shí)間范圍內(nèi)各機(jī)組的逐時(shí)出力情況，如圖3所示.然后，通過(guò)數(shù)值計(jì)算得到各個(gè)單目標(biāo)函數(shù)(經(jīng)濟(jì)性目標(biāo)函數(shù)、環(huán)保性目標(biāo)函數(shù)、供電可靠性目標(biāo)函數(shù))單獨(dú)作用下的運(yùn)行優(yōu)化結(jié)果，和使用本文所提出改進(jìn)多目標(biāo)和聲搜索算法，得出優(yōu)化模型的經(jīng)濟(jì)性、環(huán)保性與可靠性?xún)?yōu)化結(jié)果，如表4所示.

表4 優(yōu)化模型各成本函數(shù)求解結(jié)果

圖3 微電網(wǎng)各機(jī)組運(yùn)行出力

從表4中可以看出，本文所提出的微電網(wǎng)優(yōu)化調(diào)度模型在經(jīng)濟(jì)、環(huán)保與可靠性方面均具有一定的優(yōu)化效果.本文所提出的優(yōu)化模型比較于各單目標(biāo)函數(shù)建立模型使本系統(tǒng)在運(yùn)行成本上降低9.85%，節(jié)省1 138元；在環(huán)境保護(hù)成本方面降低0.43%，節(jié)省29元；在失負(fù)荷懲罰成本方面降低10.90%，節(jié)省348元.通過(guò)仿真對(duì)比分析，本文提出的微電網(wǎng)優(yōu)化調(diào)度模型可以在兼顧其運(yùn)行經(jīng)濟(jì)性以及供電可靠性的前提下降低對(duì)環(huán)境的影響程度.

4 結(jié) 論

為解決微電網(wǎng)優(yōu)化調(diào)度問(wèn)題，本文提出了一種改進(jìn)目標(biāo)和聲搜索算法，通過(guò)自適應(yīng)參數(shù)來(lái)增加最優(yōu)解的多樣性和算法的收斂性，能夠有效解決和聲算法進(jìn)化初期搜索能力不足的問(wèn)題，防止訓(xùn)練過(guò)程陷入局部最優(yōu)解，同時(shí)引入虛擬適應(yīng)度用于求解多目標(biāo)問(wèn)題.本文利用所提出的改進(jìn)多目標(biāo)和聲搜索算法對(duì)考慮了經(jīng)濟(jì)性、環(huán)保性及供電可靠性的微電網(wǎng)優(yōu)化調(diào)度模型求解，案例結(jié)果表明本文所提出的方法可以在保障可再生能源充分利用的前提下，微電網(wǎng)運(yùn)行成本降低9.85%，環(huán)境保護(hù)成本降低0.43%，失負(fù)荷懲罰成本降低10.90%.