基于改進模擬退火遺傳算法的高速公路服務(wù)區(qū)自洽能源系統(tǒng)高能效優(yōu)化

李艷波,李若塵,史博,陳俊碩

(1. 長安大學能源與電氣工程學院,710064,西安; 2. 河南交通投資集團有限公司運營管理中心,450016,鄭州)

在我國“雙碳”目標背景下,交通能源融合成為能源系統(tǒng)和交通系統(tǒng)一種新的發(fā)展模式[1]。交通碳排放作為僅次于能源領(lǐng)域和工業(yè)領(lǐng)域碳排放的第三大排放源,在中國約占10%,在中國終端碳排放的占比達到15%,過去9年年均增速高于5%[2]。目前,我國公路交通的建設(shè)規(guī)模仍在不斷發(fā)展壯大。隨著交通運輸需求量的不斷提升,公路交通對于社會經(jīng)濟發(fā)展的保障作用更加突出,用能需求也不斷增長,公路交通負荷的電氣化普及度越來越高[3]。國家發(fā)展和改革委員會表示,力爭到2025年,國家生態(tài)文明試驗區(qū)、大氣污染防治重點區(qū)域的高速公路服務(wù)區(qū)快充站覆蓋率不低于80%,其他地區(qū)不低于60%[4]。截至2022年10月31日,全國已有3 976個高速公路服務(wù)區(qū)建成充電樁16 721個[5],但由于我國多數(shù)高速公路服務(wù)區(qū)較為老舊,現(xiàn)有電力能源供應(yīng)僅能支撐服務(wù)區(qū)基本負荷,無法滿足充電、換電站的電力需求。加之多數(shù)服務(wù)區(qū)位置偏僻,遠離主要配電網(wǎng),若為充電站建設(shè)遠距離供電專線,經(jīng)濟成本巨大[6-7]。高速公路服務(wù)區(qū)現(xiàn)有的可再生能源發(fā)電成本低,環(huán)境污染小,但因其發(fā)電具有間歇性、波動性以及不穩(wěn)定性的缺陷[8-9],導致存在棄風率、棄光率較大的現(xiàn)象[10]。構(gòu)建高速公路自洽能源系統(tǒng)(SCES),實現(xiàn)高速公路自洽能源系統(tǒng)的高能效優(yōu)化,成為了公路交通能源融合的必然選擇和有效手段。

高速公路自洽能源系統(tǒng)主要由“源-網(wǎng)-儲-荷”四大部分構(gòu)成,如圖1所示。其中電源側(cè)主要分為高速公路兩側(cè)沿線發(fā)電和服務(wù)區(qū)發(fā)電兩部分,公路沿線風、光發(fā)電設(shè)施主要分布在隧道間隔、邊坡、匝道等場景;服務(wù)區(qū)風、光發(fā)電設(shè)施主要布置在建筑屋頂、停車棚等場景。

圖1 高速公路自洽能源系統(tǒng)結(jié)構(gòu)圖Fig.1 Schematic of self-consistent energy system of expressway

文獻[11]結(jié)合交通系統(tǒng)和能源系統(tǒng)未來發(fā)展趨勢,提出包含區(qū)域、城鎮(zhèn)/地區(qū)、終端3層的能源交通一體化系統(tǒng)(IETS)的發(fā)展架構(gòu)。文獻[12]提出了交通系統(tǒng)與電力系統(tǒng)融合發(fā)展架構(gòu),并通過搭建多級能量管理系統(tǒng),實現(xiàn)了交通與電力系統(tǒng)之間橫向多源與縱向“源-網(wǎng)-荷-儲”協(xié)調(diào)。文獻[13]提出我國在能源轉(zhuǎn)型時,高比例新能源接入帶來的不確定性,從風險建模、評估、分析和決策4個方面對關(guān)鍵問題進行了論述。文獻[14]調(diào)研了當前新建和已投運的微電網(wǎng)示范工程,歸納了微網(wǎng)模型搭建和運行控制方法兩方面的研究成果。文獻[15]針對近海海島微電網(wǎng)場景,以最小化日前24 h從外部購買能源總成本為目標函數(shù),綜合考慮各部分約束條件,建立了日前調(diào)度模型。文獻[16]對IEEE 118節(jié)點標準測試系統(tǒng)和我國某電網(wǎng)進行分析,提出實時優(yōu)化調(diào)度模型和動態(tài)積極性求解算法,進一步提高了電網(wǎng)運行的安全性。文獻[17-21]對不同類型的微電網(wǎng)系統(tǒng)基于TOPSIS法進行了儲能配置優(yōu)化,并通過分層粒子群算法(HPSO)、和諧遺傳混合算法(HS-GA)、模糊粒子群算法以及改進禁忌搜索遺傳算法對微電網(wǎng)系統(tǒng)的環(huán)保性、經(jīng)濟性、可靠性進行了優(yōu)化調(diào)度。

上述文獻中所述微電網(wǎng)系統(tǒng)應(yīng)用場景較為豐富,但并沒有和交通領(lǐng)域充分融合,與公路交通相融合的自洽能源系統(tǒng)方面的研究在國內(nèi)尚鮮見報道。本文針對高速公路服務(wù)區(qū)自洽能源系統(tǒng),提出了一種基于模擬退火算法-遺傳算法(SA-GA)混合優(yōu)化算法的優(yōu)化調(diào)度策略,并分別在夏、冬兩季典型日進行優(yōu)化調(diào)度,以進一步降低自洽能源系統(tǒng)的運行成本,實現(xiàn)系統(tǒng)高能效的優(yōu)化目標。

1 自洽能源系統(tǒng)電力單元模型

本文所述自洽能源系統(tǒng)中依靠風力發(fā)電與光伏發(fā)電作為主要的電能來源,但二者發(fā)電量存在波動性與不穩(wěn)定性,因而在系統(tǒng)中需要加入柴油發(fā)電機作為備用電源,蓄電池組作為儲能單元,進一步保障系統(tǒng)運行可靠性。系統(tǒng)可以依靠自身電力單元離網(wǎng)獨立運行,也可以和電網(wǎng)連接實現(xiàn)并網(wǎng)運行,根據(jù)自洽能源系統(tǒng)的發(fā)電量以及主網(wǎng)的分時電價進行購電或是售電,從而通過提高系統(tǒng)的經(jīng)濟性實現(xiàn)自洽能源系統(tǒng)高能效的指標[22]。本節(jié)分別介紹風力發(fā)電、光伏發(fā)電、柴油發(fā)電機以及蓄電池的數(shù)學模型。

1.1 風力發(fā)電模型

風力發(fā)電機輸出功率PWT與實時風速v之間的數(shù)學模型為

(1)

式中:Pr為風力發(fā)電機額定輸出功率;vr為額定風速;vci為切入風速;vco為切出風速;a、b、c為工作特性參數(shù)。

1.2 光伏發(fā)電模型

光伏發(fā)電輸出功率PPV主要受環(huán)境溫度和光照強度的影響,表達式為

(2)

式中:fPV為光伏發(fā)電系統(tǒng)功率降額因數(shù),一般取0.9;Prated為光伏發(fā)電系統(tǒng)額定功率,kW;A為實際輻照度,kW/m2;AS為標準測試條件下輻照度,kW/m2;αP為功率溫度系數(shù),%/℃;T為實際表面溫度,℃;TSTC為標準測試條件溫度,取25℃。

1.3 柴油發(fā)電機模型

柴油發(fā)電機耗油量F與其輸出功率Pgen之間的數(shù)學關(guān)系為

F=αYgen+βPgen

(3)

式中:Ygen為柴油電機額定功率,kW;α為電機在額定功率下空載運行的耗油量,L/(kW·h);β為燃料曲線斜率。

1.4 蓄電池模型

自洽能源系統(tǒng)的儲能單元由鉛酸蓄電池組成,參考最為經(jīng)典的KiBaM模型[23]。結(jié)合電池模型和最大充電電流以及最大充電速率,得到蓄電池最終的充放電功率限制模型為

(4)

式中:Pcmax為蓄電池最大允許充電功率,kW;Pdmax為蓄電池最大允許放電功率;Pc1為蓄電池初始時刻的最大允許充電功率;Pc2為蓄電池最大充電電流約束下最大允許充電功率;Pc3蓄電池為最大充電速率約束下最大允許充電功率;Pd為蓄電池初始時刻的最大允許放電功率;ηc為蓄電池充電效率;ηd為蓄電池放電效率。

2 自洽能源系統(tǒng)高能效優(yōu)化

為進一步提高自洽能源系統(tǒng)的經(jīng)濟性,實現(xiàn)高能效的運行目標,本文設(shè)計了相關(guān)目標函數(shù)以及約束條件,并區(qū)分了4種應(yīng)用場景下的系統(tǒng)運行策略。

2.1 目標函數(shù)

本文設(shè)置的目標函數(shù)分為自洽能源系統(tǒng)經(jīng)濟成本函數(shù)和環(huán)境污染成本函數(shù)兩部分,這兩部分共同構(gòu)成了實現(xiàn)系統(tǒng)高能效的綜合成本函數(shù)。

2.1.1 經(jīng)濟成本

自洽能源系統(tǒng)的經(jīng)濟成本主要由風力發(fā)電成本、光伏發(fā)電成本、柴油電機發(fā)電及運維成本、蓄電池運行維護成本和向主網(wǎng)購電成本及售電收益組成,計算公式為

C1=

(5)

第i小時風力發(fā)電成本CWT(i)為

CWT(i)=cWTPWT(i)

(6)

式中:cWT為風力發(fā)電成本系數(shù);PWT(i)為第i小時的風力發(fā)電量。

第i小時光伏發(fā)電成本CPV(i)為

CPV(i)=cPVPPV(i)

(7)

式中:cPV為光伏發(fā)電成本系數(shù);PPV(i)為第i小時的光伏發(fā)電量。

第i小時柴油發(fā)電機發(fā)電成本及運行維護成本Cgen(i)為

Cgen(i)=cgen1[αYgen+βPgen(i)]+cgen2Pgen(i)

(8)

式中:cgen1為燃料單位成本系數(shù);cgen2為柴油電機單位運行維護成本系數(shù);Pgen(i)為第i小時的柴油發(fā)電機的發(fā)電量。

第i小時蓄電池運行維護成本Cbat(i)為

Cbat(i)=cbat[Pcharge(i)+Pdischarge(i)]

(9)

式中:cbat為蓄電池單位功率運行維護成本系數(shù);Pcharge(i)為第i小時蓄電池充電量;Pdischarge(i)為第i小時蓄電池放電量。

第i小時自洽能源系統(tǒng)購電售電成本Cgrid(i)為

Cgrid(i)=cprice(i)Pgrid(i)

(10)

式中:cprice(i)為自洽能源系統(tǒng)所在地區(qū)的分時電價;Pgrid(i)為第i小時系統(tǒng)和主網(wǎng)的功率交互量,Pgrid(i)>0表示從主網(wǎng)購電,Pgrid(i)<0表示向主網(wǎng)售電。

2.1.2 環(huán)境成本

自洽能源系統(tǒng)的環(huán)境成本主要包括柴油電機發(fā)電以及和主網(wǎng)進行電能交互量的主網(wǎng)發(fā)電環(huán)境成本,計算公式如下

(11)

式中:k為環(huán)境污染物種類,如CO2、CO、SO2及NOx等;ck為處理k類環(huán)境污染物的成本系數(shù);γkgen和γkgrid分別為柴油電機和主網(wǎng)單位發(fā)電量產(chǎn)生k類環(huán)境污染物的系數(shù);Pgen為柴油電機發(fā)電量;Pgrid為從主網(wǎng)購電量。

2.1.3 綜合成本

自洽能源系統(tǒng)的綜合成本是實現(xiàn)系統(tǒng)高能效的目標函數(shù),需要對經(jīng)濟成本和環(huán)境成本進行綜合優(yōu)化,通過向兩種成本函數(shù)進行權(quán)重分配實現(xiàn)綜合成本的目標函數(shù)公式為

minC=ω1C1+ω2C2

(12)

式中:C為自洽能源系統(tǒng)綜合成本;ω1和ω2分別為經(jīng)濟成本和環(huán)境成本的權(quán)重值,ω1+ω2=1,具體權(quán)重可以根據(jù)優(yōu)化需求調(diào)節(jié)。

2.2 約束條件

為保證自洽能源系統(tǒng)在安全可靠運行的前提下,以最低的綜合成本運行,實現(xiàn)系統(tǒng)的高能效優(yōu)化目標,需要對系統(tǒng)中各個組成部分設(shè)置一定的約束條件,主要包括系統(tǒng)功率平衡約束、電源輸出功率約束、主網(wǎng)能量交互約束、蓄電池充放電功率約束及容量約束。

2.2.1 功率平衡約束

自洽能源系統(tǒng)中存在“源網(wǎng)儲荷”眾多電力單元,而電能在這些單元之間存在功率平衡約束,需要各個單元功率滿足如式(13)所示的約束條件

Pload(i)=PWT(i)+PPV(i)+Pgen(i)+

Pbat(i)+Pgrid(i)

(13)

2.2.2 電源輸出功率約束

本系統(tǒng)中發(fā)電單元為風力發(fā)電機、光伏電源以及柴油發(fā)電機。為保證系統(tǒng)安全可靠運行,這些發(fā)電單元的發(fā)電功率需要滿足如式(14)所示的約束條件

(14)

式中:PWT,min、PWT,max、PPV,min、PPV,max、Pgen,min、Pgen,max分別為各發(fā)電單元安全可靠運行時的最小以及最大發(fā)電功率。

2.2.3 電網(wǎng)能量交互約束

在自洽能源系統(tǒng)與主網(wǎng)并網(wǎng)運行時,為提高系統(tǒng)的經(jīng)濟性,可以結(jié)合電網(wǎng)的實時電價以及系統(tǒng)中的功率盈虧,與電網(wǎng)進行適當?shù)墓β式换?。當功率交互時,同樣需要滿足一定的約束條件,如式(15)所示

Pgrid,min≤Pgrid(i)≤Pgrid,max

(15)

式中:Pgrid,min、Pgrid,max分別為自洽能源系統(tǒng)與電網(wǎng)電力傳輸?shù)淖钚?、最大功率約束。

人在都市，卻不屬于都市，這是造成農(nóng)民工身份認同危機的根源。中國當代都市電影通過形象化的敘事，揭示了農(nóng)民工“人在都市，卻又不屬于都市”的尷尬處境，以及他們在都市景觀與鄉(xiāng)土情結(jié)之間的兩難選擇，而這種“兩難”，正是農(nóng)民工身份認同危機的外在體現(xiàn)。

2.2.4 蓄電池充放電功率及容量約束

蓄電池作為系統(tǒng)的儲能單元,具有“削峰填谷”以及作為系統(tǒng)故障時備用電源的作用,是提高自洽能源系統(tǒng)經(jīng)濟性,實現(xiàn)高能效優(yōu)化的重要部分。蓄電池在充放電工作時,充放電功率約束以及保障自身安全可靠運行時的容量約束為

(16)

式中:Pbat,min、Pbat,max為蓄電池充放電最小最大功率;SOC(i)、SOCmin、SOCmax分別為蓄電池實時荷電狀態(tài)以及工作時允許最小最大荷電狀態(tài)。

2.3 運行策略

將高速公路自洽能源系統(tǒng)根據(jù)電網(wǎng)屬性和負荷屬性分為4類,如表1所示,針對不同類型的系統(tǒng)設(shè)置相應(yīng)的運行模式。

表1 高速公路自洽能源系統(tǒng)分類

類型1的應(yīng)用場景主要有靠近樞紐變電站的特長隧道供配電站、集中式電動汽車充電站、大型服務(wù)區(qū)等。強電網(wǎng)條件為自洽能源系統(tǒng)提供了并網(wǎng)運行的條件,大負荷的屬性分布式電源發(fā)電提供了消納空間。這種應(yīng)用場景下分布式電源發(fā)電量無法滿足大負荷的需求,需要電網(wǎng)提供能量支持,系統(tǒng)采用“全額自用,網(wǎng)電補缺”模式運行。

類型2的應(yīng)用場景主要有靠近樞紐變電站的高速公路沿線、小型服務(wù)區(qū)等。小負荷屬性使得可再生能源發(fā)電在提供負荷消納后仍有大量的剩余,剩余電量通過強電網(wǎng)接入電網(wǎng),系統(tǒng)采用“上網(wǎng)為主,自用為輔”模式運行。

類型3的應(yīng)用場景主要有遠離樞紐變電站的高速公路沿線、服務(wù)區(qū)等。弱電網(wǎng)條件使得經(jīng)自洽能源系統(tǒng)自身消納后剩余的較大電量無法及時接入電網(wǎng),需要通過適當?shù)膬δ軐ο到y(tǒng)能量進行一定調(diào)節(jié),系統(tǒng)采用“適度儲能,提升外送”模式運行。

類型4的應(yīng)用場景主要有偏遠地區(qū)的高速公路沿線小隧道、服務(wù)區(qū)、收費站等。無電網(wǎng)條件使得自洽能源系統(tǒng)只能離網(wǎng)運行,需要儲能系統(tǒng)調(diào)節(jié)可再生能源發(fā)電在時間尺度上的不平衡,系統(tǒng)采用“儲能調(diào)節(jié),發(fā)用平衡”模式運行。

在使用算法程序進行仿真計算時,可以結(jié)合不同系統(tǒng)的實際控制策略需求以及具體電力單元的運行約束,通過對目標函數(shù)的修改以及多種約束條件的調(diào)整實現(xiàn)對不同類型系統(tǒng)仿真模型的修改,進一步實現(xiàn)對不同類型自洽能源系統(tǒng)及其在不同運行模式下的高能效優(yōu)化。

3 SA-GA算法的改進

3.1 遺傳算法

(a)遺傳算法

(b)模擬退火算法

3.2 模擬退火算法

模擬退火算法(SA)來源于模擬固體退火過程的熱平衡問題,是一種基于概率的隨機尋優(yōu)算法[27-28]。在搜索全局最優(yōu)解的過程中,不僅接受更優(yōu)解,還以Metropolis準則在一定概率P上接受較差解,P的計算公式為

(17)

式中:f(i)為第i代函數(shù)值;Ti為當前溫度。

隨著算法接近全局最優(yōu),概率P逐漸趨近于0,接受較差解使得算法有可能跳出局部最優(yōu),從而搜索到全局最優(yōu)解。若初始溫度設(shè)置足夠高,退火過程足夠慢,算法越容易找到全局最優(yōu)解,但尋優(yōu)速度越慢。模擬退火算法流程如圖2(b)所示。

3.3 SA-GA算法

本文基于MATLAB仿真平臺,對遺傳算法進行改進,結(jié)合模擬退火算法實現(xiàn)了一種改進的SA-GA算法。本算法在遺傳算法的基礎(chǔ)上引入了模擬退火算法以一定概率接受較差解的思想,以及降溫函數(shù)Ti+1=aTi,其中降溫系數(shù)a∈(0,1)決定算法性能,當取值趨近0時,迭代速度快但準確性差;當取值趨近于1時,準確性高但迭代速度緩慢。SA-GA算法流程如圖3所示。

圖3 SA-GA算法流程圖Fig.3 Flowchart of SA-GA algorithm

3.4 算法測試

為驗證提出的SA-GA優(yōu)化算法的性能,本文選取Sphere函數(shù)、Rastrigin函數(shù)和Shubert函數(shù)3種測試函數(shù)進行測試,測試函數(shù)表達式如表2所示。

表2 測試函數(shù)

Sphere函數(shù)為單峰函數(shù),Rastrigin函數(shù)和Shubert函數(shù)為多峰函數(shù),單峰函數(shù)可以測試算法收斂精度,多峰函數(shù)可以測試算法尋優(yōu)能力。分別使用3種測試函數(shù)對PSO、SA、GA以及SA-GA共4種算法進行測試,得到測試結(jié)果分別如圖4～圖6所示。

(a)Sphere函數(shù)

(b)不同算法適應(yīng)度曲線

(a)Rastrigin函數(shù)

(b)不同算法適應(yīng)度曲線

(a)Shubert函數(shù)

(b)不同算法適應(yīng)度曲線

由圖4可知,Sphere函數(shù)有唯一全局最小值f(x*)=0,在測試結(jié)果中,除GA算法外其余算法均能尋得全局最優(yōu);SA算法能尋得全局最優(yōu)但收斂速度較慢,而SA-GA算法能夠以最快速度尋得全局最優(yōu)。由圖5可知,Rastrigin函數(shù)是典型的非線性多峰函數(shù),除一個全局最小值f(x*)=0外,還有大量的局部最小值,能夠檢測算法跳出局部極值的能力;測試結(jié)果中除SA-GA算法外其余算法均陷入不同的局部極值,未能尋得全局最優(yōu)。由圖6可知,Shubert函數(shù)有多個全局最小值f(x*)=-186.730 9和多個局部最小值,在測試結(jié)果中,SA算法和SA-GA算法均尋得了全局最優(yōu),但在尋優(yōu)速度上,SA算法處于明顯劣勢。

綜合3種測試函數(shù)結(jié)果,改進后的SA-GA算法保留了GA算法前期尋優(yōu)速度快的優(yōu)勢,并通過引入降溫函數(shù)結(jié)合SA算法尋優(yōu)精度高的優(yōu)勢,改進了易陷入局部最優(yōu)的缺陷。相較于傳統(tǒng)的PSO、GA以及SA算法,SA-GA算法在尋優(yōu)精度和尋優(yōu)速度上均有提升,說明了改進的算法是科學、有效的。

4 高能效優(yōu)化實驗分析

本文在新疆某高速公路服務(wù)區(qū)自洽能源系統(tǒng)中應(yīng)用上述高能效優(yōu)化模型進行仿真實驗分析。該高速公路服務(wù)區(qū)自洽能源系統(tǒng)包括光伏電源、風力電機和小型柴油發(fā)電機3種分布式電源,由蓄電池構(gòu)成的儲能系統(tǒng),以及服務(wù)區(qū)自身用能負荷,系統(tǒng)可實現(xiàn)并網(wǎng)、離網(wǎng)兩種運行方式的切換。本服務(wù)區(qū)負荷較小,可以通過并網(wǎng)離網(wǎng)切換分別模擬類型3和類型4兩種服務(wù)區(qū)自洽能源系統(tǒng)。其中光伏電源包括200塊峰值功率為440 W的光伏單元,光伏發(fā)電額定總功率為88 kW,風機額定功率為100 kW。小型柴油發(fā)電機額定功率為50 kW,單位發(fā)電量燃料成本約為0.318 L/(kW·h)。儲能系統(tǒng)額定容量為600 kW·h,其最大放電容量不得超過額定容量的80%,初始狀態(tài)為額定容量的80%。經(jīng)濟成本和環(huán)境成本的權(quán)重值取ω1=ω2=0.5。

傳統(tǒng)的高速公路服務(wù)區(qū)自洽能源系統(tǒng)基本負荷場景包括照明、消防、供配電、通信、監(jiān)控系統(tǒng)以及商戶經(jīng)營性用電負荷的基本負荷。隨著公路交通能源融合的發(fā)展,高速公路服務(wù)區(qū)正在大量建設(shè)電動車的充換電站,這類負荷具有較大的隨機波動性,對基本負荷較為規(guī)律的負荷曲線更為波動。本服務(wù)區(qū)內(nèi)建設(shè)的充電樁較為老舊,充電功率較低,為一個輸出功率7 kW的慢充樁和一個輸出功率30 kW的快充樁。圖7為該自洽能源系統(tǒng)夏季冬季典型日服務(wù)區(qū)基本負荷以及充電站負荷數(shù)據(jù)堆積柱狀圖?？梢钥闯?傳統(tǒng)服務(wù)區(qū)基本負荷在晝夜有波動,但整體波動幅度不大;而疊加充電站負荷后,整體變化趨勢雖無明顯變化,但波動幅度進一步增加。

在系統(tǒng)并網(wǎng)運行時,為進一步提升自洽能源系統(tǒng)經(jīng)濟性,考慮到當?shù)氐姆謺r電價,分別在峰谷時段結(jié)合系統(tǒng)實際運行情況進行售電購電,根據(jù)《國網(wǎng)新疆電力有限公司代理購電工商業(yè)用戶電價表》,當?shù)胤謺r電價如表3所示。

(a)夏季典型日

(b)冬季典型日

表3 新疆當?shù)胤謺r電價

仿真環(huán)境中采用CPU為12th Gen Intel Core i5-12500H 3.10 GHz、內(nèi)存為16 GB的計算機,操作系統(tǒng)為Windows 11,編譯軟件為MATLAB R2021b。實驗?zāi)M時,算法參數(shù)設(shè)置如表4所示。

表4 算法參數(shù)設(shè)置

該高速公路服務(wù)區(qū)自洽能源系統(tǒng)夏季和冬季典型日逐小時負荷功率、光伏發(fā)電量以及風力發(fā)電量分別在5月11日和12月31日測得,數(shù)據(jù)如圖8所示。

(a)夏季典型日

(b)冬季典型日

4.1 離網(wǎng)運行

系統(tǒng)在離網(wǎng)運行時,屬于類型4的自洽能源系統(tǒng),此時與大電網(wǎng)的電能交換被切斷,不與電網(wǎng)進行購電售電操作,即電網(wǎng)交互成本為0。在該運行模式下,分別計算夏季、冬季典型日,得到自洽能源系統(tǒng)高能效優(yōu)化結(jié)果如圖9所示。

(a)夏季典型日

(b)冬季典型日

由圖9可知,系統(tǒng)離網(wǎng)運行時由于沒有大電網(wǎng)的電力交互,因此系統(tǒng)中光伏與風電在大部分時間內(nèi)無法滿足負荷需求,不足的發(fā)電量主要由儲能系統(tǒng)和柴油電機補足,但在中午12時前后,可再生能源發(fā)電量能夠保障負荷用電需求時,儲能系統(tǒng)進行充電,柴油發(fā)電機降低輸出功率,維持低功率運行,避免頻繁啟停產(chǎn)生的損耗。圖9中,儲能系統(tǒng)功率為正時,儲能系統(tǒng)放電,可視為電源;功率為負時,儲能系統(tǒng)充電,可視為負荷。

4.2 并網(wǎng)運行

系統(tǒng)在并網(wǎng)運行時,屬于類型3的自洽能源系統(tǒng),此時與大電網(wǎng)通過購電售電操作進行能量交換,在系統(tǒng)自身無法滿足負荷需求,所需運行成本較高,實時電價較低時向大電網(wǎng)購電,甚至將購得多余電能儲存在儲能系統(tǒng)中;在自身可再生能源發(fā)電量較大,實時電價較高時向大電網(wǎng)售電,甚至將儲能系統(tǒng)部分電量進行出售,通過這種方式能夠進一步降低自洽能源系統(tǒng)的運行成本,提高系統(tǒng)的經(jīng)濟效益。在該運行模式下,分別計算夏季冬季典型日,得到自洽能源系統(tǒng)高能效優(yōu)化結(jié)果如圖10所示。

(a)夏季典型日

(b)冬季典型日

由圖10可知,系統(tǒng)并網(wǎng)運行時引入了同電網(wǎng)之間的功率交互。夜晚缺少光伏發(fā)電,自洽能源系統(tǒng)發(fā)電量無法滿足系統(tǒng)正常運行,存在電力缺額,且實時電價較低時,電網(wǎng)交互功率為正,從電網(wǎng)進行購電;白天風光發(fā)電量較大,在滿足負荷用電需求的前提下,自洽能源系統(tǒng)發(fā)電量有剩余,且實時電價較高時,電網(wǎng)交互功率為負,系統(tǒng)向電網(wǎng)售電。儲能系統(tǒng)作為系統(tǒng)主要的應(yīng)急備用電源,為保障足夠的儲能容量,不宜進行過度的電力交互,需要以較低功率參與系統(tǒng)運行。

以冬季并網(wǎng)運行場景為例,分別采用經(jīng)改進后的SA-GA算法與傳統(tǒng)GA算法對自洽能源系統(tǒng)進行高能效優(yōu)化,得到兩種算法分別的適應(yīng)度曲線,如圖11所示。由圖10可見,GA算法在迭代266代時尋得適應(yīng)度函數(shù)最優(yōu)值5 101.97,改進后的SA-GA算法在迭代730代時尋得適應(yīng)度函數(shù)最優(yōu)值3 862.92。由此可見,改進后的SA-GA算法在尋優(yōu)準確性上有較大優(yōu)勢,改善了GA算法容易陷入局部最優(yōu)的缺陷。分別使用兩種算法進行20次仿真運行,得到適應(yīng)度結(jié)果如表5所示。

(a)GA算法適應(yīng)度曲線

(b)SA-GA算法適應(yīng)度曲線

在本文所應(yīng)用的實際案例中,由于高速公路服務(wù)區(qū)自洽能源系統(tǒng)中的參數(shù)以及變量規(guī)模并不算大,不同算法雖然迭代次數(shù)上有所差異,但實際計算時間也相差并不大。且自洽能源系統(tǒng)的高能效優(yōu)化對計算速度要求并不高,但對計算結(jié)果精度以及收斂穩(wěn)定性有一定要求。因此,在本案例中主要考慮算法的尋優(yōu)精度以及收斂穩(wěn)定性。

根據(jù)表5中仿真結(jié)果,在20次仿真中GA算法獲得的解集中僅有4次解落在全局最優(yōu)解附近,而SA-GA算法獲得的解集中基本全部解落在全局最優(yōu)解附近。通過仿真結(jié)果均值計算可得,在求解準確性方面,SA-GA算法較GA算法約有20.33%的提升;通過對比20組仿真結(jié)果的方差及標準差可知,SA-GA算法在求解穩(wěn)定性方面有明顯提升。這表明GA算法在求解適應(yīng)度函數(shù)時會陷入局部最優(yōu)解,無法尋得全局最優(yōu)解,且每次仿真結(jié)果會有較大波動,無法得到較為穩(wěn)定準確的解。而改進后的SA-GA算法求得的適應(yīng)度函數(shù)值較為穩(wěn)定,可以認為能夠較為準確的尋到全局最優(yōu)解,在尋優(yōu)準確性和穩(wěn)定性方面均有較大提升。

表5 不同算法適應(yīng)度結(jié)果

5 結(jié) 論

本文建立的高速公路服務(wù)區(qū)自洽能源系統(tǒng)在傳統(tǒng)的服務(wù)區(qū)微電網(wǎng)系統(tǒng)中引入了充電站負荷,分析了加入充電站負荷后對傳統(tǒng)服務(wù)區(qū)自洽能源系統(tǒng)負荷功率曲線的影響,對系統(tǒng)中典型電力單元建立數(shù)學模型,針對高能效優(yōu)化的需求建立出一種基于經(jīng)濟成本且綜合了環(huán)境成本的優(yōu)化目標函數(shù),并在此基礎(chǔ)上結(jié)合系統(tǒng)實際運行情況,確定了一系列的約束條件。將高速公路自洽能源系統(tǒng)分為了4種類型,對每種類型提出了相應(yīng)的運行策略。針對傳統(tǒng)的遺傳算法容易陷入局部最優(yōu)解而無法尋得全局最優(yōu)解的缺陷,在遺傳算法的基礎(chǔ)上結(jié)合了模擬退火算法,形成了一種SA-GA優(yōu)化算法,在保留遺傳算法尋優(yōu)快的特點基礎(chǔ)上改善了容易“早熟”的缺陷。在本文所應(yīng)用的高速公路服務(wù)區(qū)自洽能源系統(tǒng)高能效優(yōu)化中相較傳統(tǒng)的遺傳算法準確性有大約20.33%的提升。

本文以新疆某高速公路服務(wù)區(qū)為研究案例,在后續(xù)研究中可以通過更改系統(tǒng)模型來適配更為廣泛的自洽能源系統(tǒng),進一步推廣到整個高速公路應(yīng)用場景。本文應(yīng)用的高速公路服務(wù)區(qū)充電站功率較小,現(xiàn)行政策要求建設(shè)大功率的快充樁,對服務(wù)區(qū)負荷會產(chǎn)生更大的影響,需對自洽能源系統(tǒng)進行進一步優(yōu)化。