孤岛运行模式下微电网有功负荷优化分配

张颖，黄丽华，刘伟娜，澹台潇涵，韩姣

(1.河北农业大学 机电工程学院，河北 保定　071000；

2.国网河北省电力公司保定供电分公司 营业及电费室，河北 保定　071000)



孤岛运行模式下微电网有功负荷优化分配

张颖1，黄丽华1，刘伟娜1，澹台潇涵2，韩姣2

(1.河北农业大学 机电工程学院，河北 保定071000；

2.国网河北省电力公司保定供电分公司 营业及电费室，河北 保定071000)

摘要：研究了微电网在孤岛运行模式下的有功负荷优化分配问题.针对柴油发电机、微型燃气轮机、等效光伏电源(包含蓄电池)和风力发电机组成的微电网在孤岛模式下的负荷优化分配问题进行了研究，建立了优化数学模型，采用粒子群优化算法和混沌算法相结合的混沌粒子群优化算法，实现了有功负荷的优化分配．在优化过程中不但计及了电源功率充足情况下的负荷优化分配，而且考虑了电源功率不足情况下的负荷优化分配．给出的计算精度，使得优化结果更切合实际．仿真计算结果表明了该方法的正确性和有效性．

关键词：微电网；孤岛运行；有功负荷分配；混沌粒子群优化算法

第一作者：张颖(1990-)，女，河北文安人，河北农业大学在读硕士研究生.

微电网是一种由负荷和微电源共同组成的独立可控的新型供电系统，可同时供应电能和热量.通过整合分布式发电单元与配电网之间的联系，在一个局部区域内可直接将分布式发电单元、电力网络和终端用户联系在一起，优化并提高能源利用效率[1]．然而由于多种分布式电源发电的随机性和不可控性，使得微电网电源功率或大于负荷功率、或小于负荷功率，从而给有功负荷的优化分配带来了难度．当分布式电源功率大于负荷功率时，需要保证可再生能源和清洁能源最大限度地供电，控制可控电源的供电；当出现分布式电源功率小于负荷功率时，必须按照负荷的投切控制策略[2]切除一部分负荷．

为了达到微电网的环保运行和经济运行，动态地对微电网中负荷在各个微电源间进行优化分配，以实现发电总成本最低的问题是必不可少的[3]．目前，对分布式发电系统的能量管理、优化运行等已经有了不少研究[4-5]．传统的粒子群优化算法收敛速度快，运算简单，易于实现[6]．但传统的粒子群优化算法在运算后期易陷于局部极值点，算法所能达到的精确度较差．对此，很多专家相继提出多种改进，如改变粒子群本身的搜索机制[7]，将粒子群与其他智能算法相结合[8]等．

文献[9]提出在搜索过程中采取达到最大迭代次数使粒子最优，但没有有效地提高算法速度；文献[10]提出了一种应用混沌优化理论求解电力系统经济负荷分配的新方法，但没有考虑电源功率不足情况下的负荷优化分配．本文建立了一种孤岛模式下微电网负荷优化分配模型．该模型计及了负荷需求、电力系统运行等约束条件，考虑了各种微电源燃料成本、运行维护成本、电能损耗成本和外部排放成本因素，运用一种基于混沌粒子群的优化算法，实现了微电网经济效益、环保指数最大化，并通过算例验证了该模型与算法的正确性和有效性．

1微电源数学模型

1.1　柴油发电机(diesel generator, DG)

DG是柴油机驱动发电机运转，将柴油的能量转化为电能的发电装置，它是目前最常用的微电源．柴油发电机的燃料成本函数可以描述为实际输出功率的二次函数，即

(1)

式中αi,βi和γi均为柴油发电机的相关参数，一般由柴油发电机的制造商给出[11]；Pi是柴油发电机i的输出功率(kW)．

1.2　微型燃气轮机(microturbine, MT)

MT是指功率在几百千瓦以内的小型热动装置，它通过整合在发电机中的燃气涡轮发动机的高速运转产生电能．微型燃气轮机的总效率函数[12]为

(2)

式中Pne为净电力输出(kW)，Pth,rec为恢复热功率(kW)，LHVf为低燃料加热率(kJ/kgf)，mf为燃料的质量流速(kg/s)．

微型燃气轮机的成本函数为

(3)

式中Cnl为供应给微型燃气轮机的天然气价格，PJ为时间间隔J的净电力输出,ηlJ为时间间隔J的电池效率．

1.3　等效光伏电源(equivalent photovoltaic, EPV)

EPV是将光伏电池和蓄电池合并成一个等效光伏电源．光伏电池的输出功率与光照强度有关，一般工作在最大功率点跟踪(MPPT[12])模式下；蓄电池能够跟踪太阳能出力变化进行充放电，能够平衡峰谷负荷，有利于系统运行的稳定性．其功率的输出比单纯的光伏电池更平稳．当光照强度比较强时，蓄电池处于充电状态，否则蓄电池放电．其等效光伏电源的输出功率修正方程为

(4)

式中PPV为光照强度GING条件下的输出功率，PSTC为标准测试条件下的最大输出功率，GING为光照强度，GSTC为STC条件(100 0W/m2)下的光照强度，k为发电温度系数，Tc为电池温度，Tr为参照温度，S为蓄电池容量，δ为充放电系数，t为时间.

1.4　风力发电机(wind turbine, WT)

WT是利用风力带动风车叶片旋转，再通过增速机将旋转速度提升，从而促使发电．风力发电机的输出功率是风速的函数,

(5)

2混沌粒子群优化算法

粒子群算法模拟社会的群体行为，通过个体间的协作来搜寻最优解，每个粒子通过统计迭代过程中自身和群体发现的最优值来更新粒子速度和位置，其修正公式为

vk+1=wvk+c1r1(pbest,k-xk)+c2r2(gbest,k-xk)，

(6)

xk+1=xk+vk+1，

(7)

式中vk为粒子的速度向量；xk为当前粒子的位置；pbest,k为粒子本身所找到的最优解的位置；gbest,k为整个种群目前找到的最优解的位置；r1，r2为 0 到 1之间的伪随机数；w为惯性权重，c1，c2为加速度常数，习惯上取 w=1,c1=c2=2．

为了解决粒子群算法易于早熟问题，现提出将混沌算法与粒子群优化算法相结合，利用混沌运动具有随机性、遍历型等特点，将其应用到优化搜索过程中，当粒子陷入早熟收敛时，用混沌扰动来跳出局部最优，并快速搜寻到更优解，提高解的精度和收敛速度．在本文混沌粒子群算法中，选择如式(8) 所示的Logistic映射来产生混沌变量.

zi,k+1=μzi,k(1-zi,k),(k=0,1,2,…,0≤zi,0≤1),

(8)

式中，μ是控制变量，当μ=4时，Logistic完全处于混沌状态．

用混沌变量进行搜索

(9)

为了防止出现单侧搜索的现象,将式(9)修改为

(10)

3孤岛运行模式下微电网有功负荷优化分配

3.1　目标函数

(11)

式中，F为微电网系统发电的总成本；T为调度周期的总时段数；t为时段编号；N为系统中微电源的总数；Fi(Pi(t))为微电源的燃料成本；OMi(Pi(t))为微电源的运行维护成本；ELi(Pi(t))为系统的电能损耗成本；EDi(Pi(t))为微电源的外部排放成本．其中，目标函数主要包括燃料成本、运行维护成本、电能损耗成本和外部排放成本．对于燃料成本，不同微电源有很大不同．EPV和WT不消耗一次能源，其燃料成本可记为0；DG和MT的燃料成本分别表示为式(1)和式(3)．

运行维护成本可表示为

OMi(Pi)=KOMiPi，

(12)

式中，KOMi为微电源的运行维护系数．

电能损耗成本表示为

(13)

式中,KELi为电能损耗成本系数；n为线路数；ΔPmax为最大负荷时的功率损耗；τ为最大负荷损耗时间．

排放成本函数表示为各种污染物排放成本总和，如SO2，NOX和CO2,如表1所示．

表1　排放物处理成本及系数

3.2　约束条件

等式约束：分布式电源有功功率总和等于负载功率和有功损耗之和，

(14)

式中Pi为微电源i的输出功率；PLi为系统负荷；ΔPLOSS为系统总网损．

网损通常采用潮流计算或B 系数法求解， B系数法的计算公式为[10]

ΔPLOSS=PTBP+PTB0+B00，

(15)

式中P为m维发电机有功功率列矢量．PT为P转置向量，B为m×m维方阵，B0为m维列矢量，B00为常数．

不等式约束：微电源输出有功出力和节点电压必须在允许范围内，即

Pimin≤Pi≤Pimax，

(16)

Uimin≤Ui≤Uimax.

(17)

3.3　孤岛运行模式下微电网有功负荷优化分配

取各微电源的有功功率为优化变量,即

{xi}={Pi},(i=1,2,…,m)，

(18)

minF(xi),(xi∈[ai,bi])，

(19)

式中F为目标函数；xi为优化变量；ai和bi为xi的下限和上限；m为优化变量个数．

收敛条件

min|x(k+1)i-x(k)i|<ε.

(20)

混沌粒子群优化算法的步骤如下：

Step 1初始化种群中每个微粒的位置和速度，置k=1，混沌搜索起始迭代次数T；

Step 2根据目标函数式(11)计算各粒子的适应值，保存个体最优位置pbest,k和全局最优位置gbest,k；

Step 3采用式(6)和(7)对种群中的粒子进行1次迭代操作，若当前最优个体满足收敛条件(21)，转步骤Step 5；

Step 5进化过程结束,返回全局最优解．

4算例分析

本文选取测试系统IEEE-RBTS BUS[13]主馈线F4的一部分模拟微电网负荷组成，并且添加了等效光伏电源、风力发电机、柴油发电机和微型燃气轮机4个微电源．系统接线图如图1所示．微电源参数如表2所示，线路参数如表3、4所示，其中L1,L3为2级负荷，L2,L4和L5为3级负荷，各有功功率日负荷曲线如图2所示，cosφ=0.85．5个负荷的年最大负荷分别为Pmax1=40.771 kW，Pmax2=33 kW，Pmax3=54 kW，Pmax4=30 kW，Pmax5=30 kW．

微电源类型KOM/(美元(kW·h)-1)出力上限/kW出力下限/kWDG0.01258800MT0.00587600EPV0.00034155WT0.00119200

表3　线路参数

表4　线路长度

蓄电池容量取10 kW, 充放电系数δ取0.5．风速变化曲线如图3．本文采用Matlab 7.6进行编程，群体数为 4，计算精度ε=10-5，T=100．初始权重w取0.9，c1，c2取2．

负荷的优化分配结果如图4所示，由此可以看出：风力发电机、等值光伏电源按照自身的数学模型发电，最大限度地利用了可再生能源和清洁能源；MT一直处在比较高的功率输出运行状态，体现了运行维护成本、排放成本较低的优越性；DG在大部分时间处在较小的功率输出状态，只有当 WT，EPV和MT 出力总和不能满足负荷要求时，DG才会增大其出力，以克服DG运行维护成本高、排放成本较大的不足；在10 h到11 h之间，由于微电源总容量小于用电负荷功率，为了保证微电网独立系统电压与频率的稳定，按照参考文献[14]提出的负荷最优控制策略切除负荷L5，实现了微电网在满足技术条件的前提下经济利益、环保指数最大化．

图3　风速变化曲线

图4　微电源有功出力曲线

5结论

本文针对微电网负荷需求，建立了一种孤岛模式下微电网负荷优化分配模型．该模型计及了负荷需求、电力系统运行等约束条件，考虑了各种微电源运行维护成本、燃料成本、外部排放成本和电能损耗成本因素，运用一种基于混沌粒子群优化算法，实现了微电网经济利益、环保指数最大化．

在优化过程中不但计及了电源功率充足情况下的负荷优化分配，而且考虑了电源功率不足情况下的负荷优化分配．此外，本文给出了计算精度，使得优化结果更切合实际．

参考文献:

[1]奚利丰,简献忠,胡文君.分布式能源在新型农村电网中的应用与前景[J].农机化研究,2013, 4: 226-230.

XI Lifeng, JIAN Xianzhong, HU Wenjun. Application and prospect of distributed energy in new rural power grid[J]. Journal of Agricultural Mechanization Research, 2013, 4: 226-230.

[2]谷冉,黄丽华,澹台潇涵.基于模糊聚类的农村微网负荷控制策略研究[J].浙江农业学报, 2014, 26(2): 473-477.

GU Ran, HUANG Lihua, TANTAI Xiaohan. Study of rural micro grid load control strategy based on fuzzy clustering[J]. Acta Agricultural Zhejiangensis, 2014, 26(2): 473-477.

[3]李鹏,张玲,盛银波.新能源及可再生源并网发电规模化应用的有效途径-微电网技术[J].华北电力大学学报,2009,36(1):10-14.

LI Peng, ZHANG Ling, SHENG Yinbo. An effective way for large scale renewable energy power generation connected to the Microgrid[J]. Journal of North China Electric Power University, 2009, 36(1): 10-14.

[4]陈达威,朱桂萍.低压微电网中的功率传输特性[J].电工技术学报,2010, 25(7): 121-122.

CHEN Dawei, ZHU Guiping. Power transmission characteristics of low voltage microgrids[J]. Transactions of China Electrotechnical Society, 2010, 25(7): 121-122.

[5]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.

[6]胥小波，郑康锋，李丹，等.新的混沌粒子群算法[J].通信学报，2012，33(1)：24-31.

XU Xiaobo,ZHENG Kangfeng.LI Dan,et al.New Chaos-particle swarm optimization algerithm[J]. Journal on Communications, 2012,33(1):24-31.

[7]赵波,曹一家.电力系统机组组合问题的改进粒子群优化算法[J].电网技术, 2004, 2(21): 6-10.

ZHAO Bo, CAO Yijia. An improved particle swarm optimization algorithm for power system unit commitment[J]. Power System Technology, 2004, 2(21): 6-10.

[8]陈如清,俞金寿.混沌粒子群混合算法的研究与应用[J].系统仿真学报, 2008, 20(3): 685-688.

CHEN Ruqing, YU Jinshou.Study and application of chaos-particle swarm optimization-based hybrid optimization algorithm[J]. Journal of System Simulation, 2008, 20(3): 685-688.

[9]张劲松,李歧强,王朝霞.基于混沌搜索的混和粒子群优化算法[J].山东大学学报,2007, 37(1): 47-55.

ZHANG Jingsong, LI Qiqiang,WANG Zhaoxia. Hybrid particle swarm optimization algorithm based on the chaos search [J].Journal of Shangdong University, 2007, 37(1): 47-55.

[10]唐巍,李殿璞.电力系统经济负荷分配的混沌优化方法[J].中国电机工程学报, 2000, 20(10): 36-40.

TANG Wei, LI Dianpu. Chaotic optimization for economic dispatch of power systems[J]. Proceedings of the CSEE , 2000, 20(10): 36-40.

[11]MOHAMED F A, KOIVO H N.System modeling and online management of MicroGrid using multiobjective optimization [Z]. Capri:Proceedings of International Conference on Clean Electrical Power, 2007.

[12]ESRAM T, CHAPMAN P L.Comparion of photovoltaic array maximum power point tracking techniques[J]. IEEE Transactions on Energy Conversion, 2007, 22(2): 439-449.

[13]BILLINTON R, JONNAVITHULA S. A test system for teaching overall power system reliability assesment[J]. IEEE Transactions on Power Systems, 1996, 11(4): 1670-1676.

(责任编辑：王兰英)

Optimal distribution of active loads on island

operation mode of micro grid

ZHANG Ying1, HUANG Lihua1, LIU Weina1, TANTAI Xiaohan2, HAN Jiao2

(1. College of Mechanical and Electrical Engineering, Agricultural University of Hebei,

Baoding 071000,China；2. Business and Electricity Department, State Grid Company

of Hebei Baoding, Baoding 071000, China)

Abstract:The micro grid active load distribution optimization problem on islanding mode was studied.This paper introduces an optimal distribution method of active loads on island mode of a micro grid which consists of micro grid diesel generators, micro turbines, solar generators and wind turbines. An optimization mathematical model is built, a hybrid particle swarm optimization algorithm combined with particle swarm optimization algorithm and hybrid algorithm is used. The optimal distribution method of active loads in the optimal process not only consider the power sufficient condition, but also the under condition of insufficient power supply. This paper presents the calculation precision； make the optimization results more practical. The simulation results illustrate that the method is validity and effectiveness.

Key words:micro-grid；island operation；active loads distribution；hybrid particle swarm optimization algorithm

通信作者：黄丽华(1963-)，女，山东荣成人，河北农业大学教授，博士，主要从事配电系统及其自动化、人工智能方面的研究.E-mail: bdhlhhlh@163.com

基金项目：河北农业大学理工基金资助项目(LG201502)；保定市科技局指导课题项目(11ZN015)

收稿日期：2015-03-17

中图分类号：TM615

文献标志码:A

文章编号：1000-1565(2015)06-0632-07

DOI：10.3969/j.issn.1000-1565.2015.06.013