曾耀輝
(湖南工業(yè)大學(xué)電氣與信息工程學(xué)院,湖南株洲 412007)
隨著新能源發(fā)電技術(shù)的成熟,大量可再生分布式電源(Distributed Generator,DG)接入配電網(wǎng),特別是風(fēng)電、光伏等分布式電源大量接入配電網(wǎng),給配電網(wǎng)穩(wěn)定調(diào)度帶來了一定的風(fēng)險。為了解決這一問題,高效、經(jīng)濟、靈活的主動配電網(wǎng)(Active Distribution Network,ADN)應(yīng)運而生。
由于ADN運行成本相對較高,對主動配電網(wǎng)中各類分布式可調(diào)度資源進行合理的優(yōu)化調(diào)度以提高主動配電網(wǎng)運行的經(jīng)濟性和可靠性[1-3],成為當(dāng)今研究的熱點。
在配網(wǎng)端加入儲能電池能夠提高配網(wǎng)端對可再生能源的優(yōu)化調(diào)度水平,最大化利用可再生能源,實現(xiàn)主動配電網(wǎng)運行的經(jīng)濟性。
在一個調(diào)度周期內(nèi)(一個調(diào)度周期共有24個調(diào)度點),本文以主動配電網(wǎng)總運行成本最低作為優(yōu)化調(diào)度目標(biāo),構(gòu)建了主動配電網(wǎng)綜合優(yōu)化調(diào)度模型。
系統(tǒng)運行成本包括配電網(wǎng)購電成本CF(t)、環(huán)境污染成本CEN(t)、微燃氣輪機發(fā)電成本CtMT(t),系統(tǒng)總運行成本的目標(biāo)函數(shù)為:
式中:ct為t時刻電網(wǎng)的購電價格;Pgrid(t)為電網(wǎng)購電電量;PPV(t)為t時刻光伏出力值;PWT(t)為t時刻風(fēng)電出力值;PMT(t)為微燃氣輪機有功出力值;KMT為微燃氣輪機發(fā)出單位電量的溫室氣體排放系數(shù);Kgrid為配電網(wǎng)單位功率下二氧化碳的排放系數(shù);ω為環(huán)境綜合治理費用系數(shù);ctMT為微燃氣輪機發(fā)電單位成本;PtMT為微燃氣輪機總發(fā)電量。
1.2.1 功率平衡約束
式中:PPVt為光伏在t時段的有功出力預(yù)測值;PWTt為風(fēng)電在t時段的有功出力預(yù)測值;PMTt為微燃氣輪機在t時段的出力值;PESt為t時刻儲能電池功率,當(dāng)PESt>0時,儲能電池為放電狀態(tài),當(dāng)PESt<0時,儲能電池為充電狀態(tài);PDt為t時刻的用戶負荷大小。
1.2.2 微燃氣輪機和主網(wǎng)約束
式中:PMT-min、PMT-max分別為微燃氣輪機最小、最大出力限值;PtMT為微燃氣輪機t時刻的出力值;PMT-R為微燃氣輪機的爬坡率限值;Pgrid-min、Pgrid-max分別為配網(wǎng)的最小、最大出力限值;Ptgrid為電網(wǎng)t時刻的出力值。
1.2.3 儲能電池運行約束
式中:PtES為t時刻儲能電池的功率;PESmin、PESmax分別為儲能電池的最小、最大充放電功率;EtES為t時刻儲能電池的容量;EESmin、EESmax分別為儲能電池的最小、最大容量。
主動配電網(wǎng)綜合優(yōu)化調(diào)度模型是具有多目標(biāo)、多變量、多約束、高維度等特點的多變量非線性優(yōu)化模型,因此,本文提出了一種改進的小生境粒子群優(yōu)化算法,前期能避免粒子陷入局部極值,加強對全局極值的搜索,在后期能加強對局部極值的搜索,使其更快地收斂到最優(yōu)解。
傳統(tǒng)粒子群算法通過追蹤兩個極值來更新自身位置,一個為個體極值(Pbest),另一個為全局極值(Gbest)。粒子群算法的更新公式如下所示:
式中:ω為慣性權(quán)重;Vkid為第i個粒子在第k次搜尋時的速度和方向(d=1,2,…,D);Xkid為第i個粒子在第k次搜尋時的位置;Pbest為個體最優(yōu)極值;Gbest為全局最優(yōu)極值;C1、C2分別為粒子自我學(xué)習(xí)能力和社會學(xué)習(xí)能力,即為大于零的加速系數(shù);r1、r2為[0,1]均勻分布的隨機數(shù)。
2.2.1 小生境技術(shù)
首先,根據(jù)粒子之間的歐氏距離來區(qū)分各粒子所屬的小生境群體[4],隨后用粒子迭代公式來更新,只在該小生境中才能起作用。第二,利用基于粒子間距離的共享機制來更新粒子的適應(yīng)度值,對于適應(yīng)度值最低的粒子,利用罰函數(shù)懲罰,保留每個小生境中的最優(yōu)粒子。
2.2.2 改進的基本粒子群算法
本文提出了一種非線性遞減慣性權(quán)重的優(yōu)化方法,即:
式中:ωstart為起始慣性權(quán)重值;ωend為結(jié)束慣性權(quán)重值;k為調(diào)節(jié)系數(shù);t為算法當(dāng)前迭代次數(shù);tmax為最大迭代次數(shù)。
當(dāng)k=1,t=0時,為起始值。k取值不同,算法收斂效果不同,當(dāng)k值較大時,算法在搜尋初期ω值較小,這使算法在初期容易陷入局部極值;然而當(dāng)k取值較小時,ω在算法初期較大,其全局極值搜尋能力強,能在更大的可行解空間中搜尋,增加算法找到全局最優(yōu)解的概率。隨著算法迭代次數(shù)增加,ω呈非線性遞減,算法迭代后期局部搜尋能力較強,這使得算法在后期能以更快的速度收斂到全局最優(yōu)解。
將小生境技術(shù)引入到基本粒子群算法中,提出改進的小生境粒子群算法。首先,根據(jù)粒子間的距離對小生境種群進行劃分,對于粒子Xi=(xi1,xi2,…,xim),i=1,2,…,N,小生境群體是通過計算粒子與其他粒子之間的范數(shù)來確定的[5]。
對于給定參數(shù)σ0(σ0為預(yù)設(shè)閾值),若dik<σ0,k=1,2,…,N,則該粒子進入到該小生境群體Xpi中。
本文相關(guān)參數(shù)取值如下:粒子種群規(guī)模為100,算法迭代次數(shù)為200,C1、C2取值都為2,ωstart取0.8,ωend取0.5,t取0.5,小生境半徑σ0取3。DG具體參數(shù)如表1所示,配網(wǎng)側(cè)相關(guān)參數(shù)如表2所示。
表1 DG具體參數(shù)
表2 配電網(wǎng)相關(guān)數(shù)據(jù)
圖1和圖2分別為某地區(qū)夏季典型日和冬季典型日的光伏、風(fēng)電發(fā)電預(yù)測出力曲線和用戶負荷曲線。設(shè)置峰時段為09:00—12:00,14:00—19:00;谷時段為22:00—次日06:00;平時段為06:00—09:00,12:00—14:00,19:00—22:00。
圖1 夏季典型日負荷曲線
圖2 冬季典型日負荷曲線
圖3、圖4分別為用基本粒子群優(yōu)化算法和改進的小生境粒子群優(yōu)化算法求解所得到的配電網(wǎng)運行成本函數(shù)進化曲線,結(jié)果表明,改進的小生境粒子群算法收斂效率更快,更能收斂到全局最優(yōu)解。
圖3 粒子群優(yōu)化進化曲線
圖4 改進的小生境粒子群優(yōu)化進化曲線
由表3可以得出,用粒子群算法得到夏季和冬季典型日主動配電網(wǎng)運行成本分別為25 113.86元和29 672.51元,用改進的小生境粒子群算法得到運行成本分別為23 245.60元和26 469.65元。采用改進的小生境粒子群算法得到的成本分別下降了7.44%和10.79%。
表3 主動配電網(wǎng)運行成本對比
本文以主動配電網(wǎng)運行成本最低為優(yōu)化目標(biāo),構(gòu)建了包含分布式儲能的源-網(wǎng)-儲的主動配電網(wǎng)綜合優(yōu)化調(diào)度模型,并采用經(jīng)過改進的小生境粒子群算法對該主動配電網(wǎng)調(diào)度模型進行優(yōu)化求解,結(jié)果表明,改進后的小生境粒子群算法比傳統(tǒng)的粒子群算法搜尋效率更高,全局極值搜尋能力更強。