基于改进多目标粒子群算法的微电网并网优化调度

苗雨阳，卢锦玲，朱国栋

（华北电力大学 电气与电子工程学院，河北 保定 071003）

基于改进多目标粒子群算法的微电网并网优化调度

苗雨阳，卢锦玲，朱国栋

（华北电力大学 电气与电子工程学院，河北 保定 071003）

微电网能够协调分布式电源，从而充分发挥分布式发电技术在经济、能源和环境中的优势。针对微电网并网时的优化调度问题，建立了考虑发电成本、污染物排放的微电网系统的环保优化模型，并利用改进的多目标粒子群算法，在这两个目标之间进行协调权衡和折中处理，使所有目标函数尽量达到最优。选取微电网案例的日负荷数据进行了优化调度计算，仿真结果表明了所提模型和算法的有效性。

微电网；并网；多目标粒子群；优化调度

0 引言

微电网是由一系列分布式发电系统、储能系统和负荷组成的微型电力网，提供了一个把分布式电源和大电网有效结合起来的方法。微电网中的分布式电源包括微型燃气轮机、燃料电池、光伏电池、风力发电、生物质能发电等，是一个自制系统，根据需要可以选择与配电网并网运行也可以选择独立运行。并网运行时，大电网可以作为微电网的重要支撑，保证微电网内负荷的可靠供电；孤网运行时，微电网由内部微电源独立供电，为了保证微电网内的供电可靠性，储能装置参与系统的优化调度［1～3］。

微电网的理论和实验研究方面已经取得了一定的成果，国际间的交流也推动了微电网的快速发展。但是，在实现微电网的运行控制、能量管理和调度方面仍存在诸多问题［4，5］。文献 ［6］建立了以发电成本最小为目标函数的经济调度模型，考虑了各种电源的约束条件，并利用改进的遗传算法求解，但没有考虑微电网系统与主网的能量交换问题。文献 ［7］应用机会约束规划理论建立了热电联供型微电网运行优化模型，并利用粒子群算法求解，但并未考虑环境污染问题。文献［8］从成本和效益两个方面分析了微电网的经济性，建立了考虑温室气体、污染物排放的以微电网运行成本最低为目标函数的微电网经济模型，但是在利用粒子群算法进行求解时，只考虑发电成本和排放成本的总成本作为优化目标。文献［9］从协调运行的角度，讨论了互联区域的发电调度策略，将发电成本最小和污染气体排放最小同时作为目标函数。提出一种新的分区设置多目标权系数的方案，按照电网分区的原则，对各分区进行了分布式并行优化。

本文主要研究了微电网并网运行模式下的优化调度问题，即在满足系统各约束条件下如何优化微电网中各微电源的出力，使微电网的目标函数达到最优。通过建立含多种微电源的微电网环保优化调度模型，考虑模糊评价时不同的评价权重以及微电网与主网能量的双向交易问题进行优化，并结合实际微电网案例验证了本文数学模型与优化算法的正确性与有效性。

1 微电网优化调度建模

1.1 目标函数

微电网优化调度的目标是在满足系统运行约束条件下，通过优化微电网系统内各微电源的出力，使微电网的综合目标成本最小［10］。

目标1：微电网系统的运行成本最低。运行成本中，考虑各微电源的发电成本以及微电网与主网间的能量交换成本。

式中：C1为微电网系统的总运行成本；T为微电网的调度周期总时段数；N为微电网内微电源的总数；Fi（Pi（t））为微电源的发电成本，包括燃料成本、运行维护成本和启动成本；Cgrid为微电网与主网的购售电价格；Pgrid（t）为微电网与主网交换功率，其中，Cgrid

Cbuy为微电网从主网的购电价格；Ccell为微电网向主网的售电价格。

目标2：微电网系统的环境效益最大，即污染物排放治理费用最小。

式中：C2为微电网的污染物处理费用；∂i为第i种污染物的处理费用，污染物包括SO2，CO2，NOX等；βji为第j个微电源第i类污染物的排放系数；βgridi为主电网第i类污染物的排放系数。Ptj为第j个微电源的输出功率；为主网的输出功率。

1.2 约束条件

（1）功率平衡约束

（2）微电源出力约束

（3）微电网与主网间能够允许交互的功率约束：

式中：Pmingrid，Pmaxgrid为微电网与主网间交互的最小、最大传输功率；若Pmingrid＜0，表示微电网系统可以向主网输出功率。

（4）蓄电池运行约束

2 基于多目标粒子群算法的求解

2.1 多目标粒子群算法的改进

标准粒子群算法 （PSO）的基本思想是：随机初始化一群没有质量和体积的粒子，将每个粒子看成是待求问题的一个解，用适应度函数来衡量粒子的优劣，所有粒子在可行解空间内按一定的速度运动并不断追随当前最优粒子，经过若干代搜索后得到该问题的最优解［11～13］。针对所研究的问题，为使两个目标函数同时达到最优，本文使用多目标PSO算法。多目标PSO算法 （ MPSO）中不再仅有一个目标函数而是由多个目标函数构成的目标向量，各个目标之间通过适应度相互制约，对某个目标的优化往往是以其他目标为代价。

针对所研究问题，本文对多目标粒子群算法进行了改进。改进多目标粒子群算法的主要步骤包括外部档案维护、全局最优值选取、个体最优值更新以及如何保证粒子始终在搜索空间内飞行等。外部档案用来保留多目标粒子群算法在搜索过程中获得的部分非劣解。多目标粒子群算法所得到的最终的外部档案，即为每个时段调度方案的非劣解集。本文使用模糊决策方法从非劣解集中得到最终的调度方案。首先，将发电成本和污染气体排放量两个目标函数进行模糊化处理，其隶属函数如下：式中：fi为第i个非劣解的目标函数值；aimi为模糊化后的目标函数值；fmax和fmin为非劣解集的目标函数的最大最小值。

然后，把发电成本、污染气体排放量作为因素集，并对粒子群算法所得非劣解集做单因素评价，组成模糊评价矩阵。根据实际情况确定权重，最后进行模糊综合评判，取最优者作为最终的调度方案。

粒子群算法中，由速度更新公式和位置更新公式计算所得的解，往往无法满足等式约束 （4），常用的解决方法是由寻优群体在搜索域内求得 M维变量中的前 M－1维变量，剩余1维变量的值由等式约束来确定，这种方法很容易导致最后一维解不满足运行约束式 （5），造成无效解［14］。针对约束条件的处理问题，本文使用一种可行化调整机制对优化调度方案进行调整。对时段t的优化调度方案pt＝ ［，，…，］，可行化调整机制具体描述如下：

式中：pt为调整前的优化调度方案；pt，＊为调整后的优化调度方案；pmaxt和pmint为时段t机组所能达到的出力上下限。经过可行化调整机制处理后，各机组出力可满足等式约束条件 （4）。

2.2 基于改进多目标粒子群算法的求解流程

（1）输入系统原始数据以及粒子群算法参数。

（2）对粒子速度、位置初始化。设定传输线处功率上下限。迭代次数k＝0；随机产生每个粒子时，若不满足等式约束 （4），用可行化调整方案处理使其满足等式约束条件。

（3）更新飞行速度和粒子在解空间的位置，对更新后的粒子判断是否满足各类约束并进行可行化调整。

（4）计算各粒子的适应度；更新粒子的个体最优值与全局最优值。首先记录粒子i（i＝1，2，…，N）当前的个体极值及对应的目标函数值，然后进行外部档案维护，通过模糊决策更新这一时刻的全局极值以及对应的目标函数值。

（5）迭代次数k＝k＋1，更新惯性权重w和学习因子c1，c2。

（6）如果k＜K，转到步骤3进行下一次迭代。否则说明迭代过程完成。

（7）输出结果。

3 算例分析

3.1 算例系统

采用算例系统由太阳能 （PV）、风能 （WT）、燃料电池 （FC）、微型燃气轮机 （ MT）、蓄电池（BT）组成。由于主要研究微电网并网时的优化调度模型，此时，微电网内的功率波动由大电网进行平衡，蓄电池处于充电备用状态。系统微电源参数以及污染物处理费用如表1和表2所示。负荷预测曲线 （PL）以及除去清洁能源出力后所需负荷 （PLremined）曲线如图1所示。

表1 不同微电源的参数Tab.1 Parameters of different microgrid units

表2 污染物处理费用Tab.2 Externality costs and emission factors

表1和表2相关参数见参考文献［15］～［17］。

3.2 算例结果分析

基于改进多目标粒子群算法，采用 Matlab 7.6软件编写了适用于上述微电网算例的优化调度程序。设置种群大小为60，最大迭代次数为200代。

图1 24 h负荷曲线Fig.1 24 hours load curve

3.2.1 模糊评价权重不同

采用多目标粒子群算法，在寻优过程中综合考虑了发电成本和环境成本因素，在进行模糊决策时，可以根据对优化目标的偏好以及负荷水平和风光功率预测情况，设置不同的模糊评价权重，从多目标粒子群算法所得到的非劣解集中选取最合适的调度方案。图2中，模糊评价因素集 ［发电成本，环境成本］的权重分别为 ［0.2，0.8］、［0.8，0.2］。

由图可知，模糊评价权重不同时优化结果差异较大。当评价因素集中环境成本权重较大时，由于微型燃气轮机污染物排放成本较低，所以，微型燃气轮机优先发电，其次是燃料电池，最后是从主网购电。而当评价因素集中发电成本权重较大时，由于燃料电池发电成本最低，所以燃料电池优先发电，其次是微型燃气轮机，最后是从主网购电。

3.2.2 控制策略不同

根据微电网与主网传输功率限值以及微电源和电网的优先发电顺序不同，共设定三种控制策略：

（1）优先利用微电网内部能源发电，若不能满足负荷需求，可以从主网吸收功率，但是不可以向主网输出功率。

（2）微电网内部电源与主网共同参与优化调度，可以从主网吸收功率，不可以向主网输出功率。

（3）微电网内部电源与主网共同参与优化调度，既可以从主网吸收功率，也可以向主网输出功率。

选取模糊评价权重为 ［10］，应用本文算法对三种策略进行优化调度，结果如图3所示。

由图可知，微电网系统选取相同的模糊评价权重时，选取的控制策略不同，得到的优化调度结果也不同。选取控制策略1时，优先利用微网中的微电源发电，当所有的微电源发电出力达到上限仍不能满足负荷要求时，由主网发电；控制策略2时，燃料电池优先得到利用，其次是电网，最后是微型燃气轮机；当采用控制策略3时，仍然是燃料电池优先得到利用，微电网系统可以向电网送电，实现能量的双向流动，在1～3时刻，发电成本较低的燃料电池在满足微电网系统负荷后电量仍有剩余，将其出售给电网，可获取一定的收益。

4 结论

本文研究了微电网并网时的优化调度问题，利用改进多目标粒子群算法进行求解，在两个目标函数之间进行协调权衡和折中处理，使所有目标函数尽量达到最优，与单目标粒子群算法相比，更加符合实际情况要求。本文分别对不同模糊评价权重和不同的控制策略时各发电单元的最优出力进行仿真，算例分析符合实际情况，验证了本文所提模型和算法的正确性和有效性。

［1］左文霞，李澍森，吴夕科，等.微电网技术及发展情况 ［J］.中国电力，2009，42 （7）：26－30.

Zuo Wenxia，Li Shusen，Wu Xike，et al.A summarized survey on research of microgrid technology and its development［J］.Electric Power，2009，42 （7）：26－30.

［2］汪少勇.基于分布式电源的微网的设计与运行 ［J］.电力自动化设备，2011，31（4）：120－123.

Wang Shaoyong.Design and operation of micro-grid based on distributed generation ［J］.Eletric Power Automation Equipment，2011，31 （4）：120－123.

［3］宋斌.基于Agent的微网控制系统研究 ［J］.电力科学与工程，2009，25 （9）：22－25.

Song Bin.Agent-based control framework for mierogrid ［J］.Electric Power Science and Engineering，2009，25 （9）：22－25.

［4］盛鹍，孔力，齐智平，等.新型电网－微电网 （ Microgrid）研究综述 ［J］.继电器，2007，35 （12）：75－81.

Sheng Kun，Kong Li，Qi Zhiping，et al.A survey on research of microgd-a new power system ［J］.Relay，2007，35 （12）：75－81.

［5］鲁宗相，王彩霞，阂勇，等.微电网研究综述 ［J］.电力系统自动化，2007，31（19）：100－108.

Lu Zongxiang，Wang Caixia，He Yong，et al.Overview on microgrid research ［J］.Automation of Electric Power Systems，2007，31 （19）：100－108.

［6］丁明，张颖媛，茆美琴，等.包含钠硫电池储能的微网系统经济运行优化 ［J］.中国电机工程学报，2011，31 （4）：7－14.

Ding Ming，Zhang Yingyuan， Mao Meiqin，et al.E-conomic operation optimization for microgrids including Na／S battery storage ［J］.Proceeding of the CSEE，2011，31 （4）：7－14.

［7］王锐，顾伟，吴志.含可再生能源的热电联供型微网经济运行优化 ［J］.电力系统自动化，2011，35（8）：22－27.

Wang Rui，Gu Wei，Wu Zhi.Economic and optimal operation of a combined heat and power microgrid with renewable energy resources ［J］.Automation of Electric Power Systems，2011，35 （8）：22－27.

［8］杨佩佩，艾欣，崔明勇，等.基于粒子群优化算法的含多种供能系统的微网经济运行分析 ［J］.电网技术，2009，33 （20）：38－42.

Yang Peipei，Ai Xin，Cui Mingyong，et al.Particle swarm optimization based economic operation analysis of microgrid containing multi energy supply system ［J］.Power System Technology，2009，33 （20）：38－42.

［9］喻洁，李扬，夏安邦.兼顾环境保护与经济效益的发电调度分布式优化策略 ［J］.中国电机工程学报，2009，29 （16）：63－68.

Yu Jie，Li Yang，Xia Anbang.Distributed optimization of generation dispatch schedule considering environmental protection and economic profits ［J］.Proceedings of the CSEE，2009，29 （16）：63－68.

［10］习朋，李鹏，刘金鑫.微网并网时的经济运行研究［J］.电力科学与工程，2011，27 （9）：1－7.

Xi Peng，Li Peng，Liu Jinxin.Research on Economic Operation Optimization of Grid-connected Microgrid［J］.Electric Power Science and Engineering，2011，27 （9）：1－7.

［11］丁明，包敏，吴红斌.分布式供能系统的经济调度［J］.电力科学与技术学报，2008，23 （1）：13－17.

Ding Ming，Bao Min，Wu Hongbin.Economic dispatching on distributed energy supply system ［J］.Journal of Electric Power Science and Technology，2008，23 （1）：13－17.

［12］杨俊杰，周建中，吴玮，等.改进粒子群优化算法在负荷经济分配中的应用 ［J］.电网技术，2005，29（2）：2－4.

Yang Junjie，Zhou Jianzhong，Wu Wei，et al.Application of improved particle swarm optimization in economic dispatching ［J］.Power System Technolo-gy，2005，29 （2）：2－4.

［13］牛铭，黄伟，郭佳欢，等.微网并网时的经济运行研究 ［J］.电网技术，2010，34 （11）：38－42.

Niu Ming，Huang Wei，Guo Jiahuan，et al.Research on economic operation of grid-connected microgrid ［J］ .Power System Technology，2010，34（11）：38－42.

［14］张雪雯，李艳君.基于自调节粒子群算法的电力系统经济负荷分配 ［J］.电网技术，2006，30（18）：8－13.

Zhang Xuewen，Li Yanjun.Self-Adjusted particle swarm optimization algorithm based economic load dispatch of power system ［J］.Power System Technology，2006，30 （18）：8－13.

［15］郭佳欢.微网经济运行优化的研究 ［D］.北京：华北电力大学，2010.

［16］ Mohamed，F.，and H.Koivo.System modeling and online optimal management for a microgrid with battery storage ［C］／／6th International Conference on Renewable Energies and Power Quality （ICREPQ'07），Sevilla，Spain：2007.

［17］Bhuvaneswari R，Edrington，C S，Cartes D A，et al.Online economic environmental optimization of a microgrid using an improved fast evolutionary Programming Technique ［C］／／North American Power Symposium（NAPS），Florida，USA：2009.

Improved Multi-objective Particle Swarm Optimization Algorithm Based Scheduling Optimization of Grid-connected Microgrid

Miao Yuyang，Lu Jinling，Zhu Guodong
（School of Electrical and Electronic Engineering，North China Electric Power University，Baoding 071003，China）

Microgrid could coordinate distributed generation，thus，the distributed generation technology would indeed make full use of the advantage in economy，energy and environment.An environmental and optimization model of microgid with generation cost and emission of pollutant is proposed，in order to carry out the scheduling optimization of grid-connected microgrid.The proposed model is solved by improved multiobjective particle swarm optimization algorithm ，by forming a coordination，balance and compromise handling，to achieve the objective function as optimal as possible.The daily load data of a design case for a microgrid network is c scheduling optimization calculation，simulation results show the effectiveness of the proposed model and algorithm.

micogrid；grid connection；multi-objective particle swarm optimization；scheduling optimization

T M734

A

2012－04－25。

河北省自然科学基金资助项目 （EZ012502047）。

苗雨阳 （1987-），女，硕士研究生，主要研究方向为电力系统运行、分析与控制，E-mail：miaoyuyang19870311＠126.com。