基于蚁群算法的微电网多目标优化运行

孙福军,张明江,翟晓娟,成 龙,曾祥昊

(1.国网黑龙江省电力有限公司,哈尔滨 150090;2.黑龙江省电力科学研究院,哈尔滨 150030;3.东北电力大学 电气工程学院,吉林 吉林 132012;4.大唐国际发电股份有限公司北京高井热电厂,北京 100041)



·电力系统及其自动化·

基于蚁群算法的微电网多目标优化运行

孙福军1,张明江2,翟晓娟3,成 龙3,曾祥昊4

(1.国网黑龙江省电力有限公司,哈尔滨 150090;2.黑龙江省电力科学研究院,哈尔滨 150030;3.东北电力大学 电气工程学院,吉林 吉林 132012;4.大唐国际发电股份有限公司北京高井热电厂,北京 100041)

为研究微电网的优化运行,建立了综合考虑微网运行总成本以及污染气体总排放量的多目标优化运行模型,将减少运行成本和污染气体的排放量作为子目标函数,通过引入污染物治理成本将多目标问题转化为单目标非线性问题。然后采用蚁群算法对单目标模型求解,结果表明该模型和算法有效、合理。

微电网;多目标;污染物治理成本;蚁群算法

微电网作为分布式电源(distribution generation,DG)的有效接入方式,其优化运行能有效提高能源利用率,减少发电成本和污染物的排放,对微电网的经济、环保运行具有重要的意义[1]。因此,研究微电网的优化运行具有重要的实用价值[2],同时对于微网的多目标、多约束、多变量的研究也提出了新的挑战[3]。

文献[4]建立了包含排放成本在内的微网经济运行模型,从成本和效益两方面分析了微网的经济性,但各分布式电源的模型约束较少,无法用于实际生产;文献[5]考虑了有无储能单元、不同负荷特征对微网系统节能性和经济性的影响,但是没有考虑风能、光伏这两种间歇性分布式电源的影响;文献[6]建立了多目标机组组合问题模型,同时考虑了能源消耗成本、气体排放量等多个目标,通过定义目标隶属度函数将多目标问题转化为单目标问题,但是其约束条件过于简单。为此,本文以包含光伏(PV)、风机(WT)、微型燃气轮机(MT)、蓄电池(SB)的微网为研究对象,提出了经济、环保的多目标运行模型。然后利用序列运算理论,将风电、光伏出力的概率分布生成概率性序列,从而使机会约束转化为确定性约束[7]。最后在满足系统运行约束条件的基础上,运用蚁群算法对所建模型进行求解,以验证该模型合理性、经济性。

1 微网系统中间歇DG出力的模型

1.1 风力发电

通过对大量实测数据进行分析,得知风速近似服从威布尔分布[8],其分布函数为

F(v)=1-exp[-(v/c)k]

概率密度函数为

fv(v)=k/c(v/c)k-1exp[-(v/c)k]

风力机组的输出功率pw和实际风速v的函数关系为

式中:v为实际风速;vr为额定风速;vin为切入风速;vout为切出风速;pr为风机的额定输出功率。

1.2 光伏发电

光伏电池组件的功率输出表达式为

式中:PPV为光伏电池的实际输出功率;PSTC为标准测试条件下的电池输出功率;GING为实际辐照强度;GSTC为标准测试条件下的辐照强度;k为功率温度系数;Tc为电池板工作温度;Tr为参考温度。

光伏电池出力的概率密度函数为

式中:δ、φ均为Beta分布的形状参数,其关系为φ=δ(1-u)/u,u为光强平均值;PPVmax为光伏电池的最大输出功率。

2 微电网多目标优化模型

2.1 序列运算理论

根据风力发电和光伏发电出力的累积概率分布生成概率性序列,将随机变量的概率分布离散化处理后,形成两个离散序列,接着利用卷和计算形成共同出力的概率性序列。

令风机出力pw的概率性序列为a(iat),序列长度为Nat,光伏出力PPV的概率性序列为b(ibt),序列长度为Nbt,令风机、光伏的共同出力的概率性序列为c(ict),序列长度为Nct。共同出力的计算公式如下:

2.2 机会约束规划模型

机会约束规划的具体方法为:根据事先给定的置信水平,把机会约束转化为各自确定的等价类,然后用传统的方法求解其等价的确定性模型。具体模型为

式中:f(x)为目标函数;g(x)为确定性约束条件;G(x)为不确定性约束条件;P{·}为某一事件的概率;α为给定的置信度。

2.3 目标函数

2.3.1 发电成本

2.3.2 污染气体总排放量

微燃机排放的污染气体CO2、SO2和NOx都可与微燃机的出力建立一定的函数关系,本文采用的排放模型为

式中:E为污染气体的排放总量,αi、βi、γi为微燃机i的污染气体排放系数。

2.4 约束条件

2.4.1 等式约束

2.4.2 不等式约束

2.5 多目标优化问题的转化

考虑了微网运行成本和污染物排放量两个目标,但是这两个目标的单位并不统一,所以不能直接求解多目标问题。为此,引入了污染物治理成本k,通过查阅资料,此处k=0.3美元/t,其转化后的目标函数为

经过转化后利用蚁群算法对此模型进行求解,最后得到微燃机的出力情况。

3 基于蚁群算法的微电网模型求解

蚁群算法是一种启发式算法,具有较强的求解能力,近年来在很多方面得以应用。蚁群算法的具体步骤如下:

1) 初始化信息素浓度τ(0)=c(c是一个常数)。

2) 每个蚂蚁随机选择一个点作为其初始点,同时要按照一个随机比例规则选择下一个要到达的点,随机比例规则如下:

3) 设置循环次数,即N=N+1。

4) 设置蚂蚁数目,令m=m+1。

5) 当蚂蚁从一个点出发到达另一点时,对其路径上的信息素进行更新。

6) 执行上述步骤,直到每只蚂蚁都找到了一条包含所有节点的可行路径,作为当前的可行解。

7)在所有可行解中找到一条最短路径,即为本次迭代中的最优路径。

8) 重复执行步骤2)-7),直到最优解中没有出现更优解或达到最大迭代次数,本文设置迭代次数N=100,停止计算,输出当前值,即为最优解。

4 算例分析

研究了3台微燃机在一天24个时段中的出力情况和启停状况,微燃机的主要参数如表1所示,污染气体的参数如表2所示,旋转备用取为机组各时刻负荷值的15%,最终使得系统目标函数值最小,满意度最大。

表1 三台微燃机的主要参数

表2 污染气体的主要参数

对于不同的优化目标,3台微燃机的出力情况如图1-3所示。

图1 以微电网运行成本最小为单目标时,各台微燃机出力曲线

图2 以污染气体排放量最小为单目标时,各台微燃机出力曲线

图3 多目标转化为单目标后,各台微燃机出力曲线

由图1-3可知,以运行成本最低为目标运行时,成本低的机组不管其污染气体排放量如何都有绝对竞争优势;以污染气体排放最少为目标运行时,不管其成本如何都有绝对竞争优势。而且当引入污染物治理成本后,该模型兼顾了机组的运行成本、节能性能,实现了低碳运行。

5 结 论

1) 同时考虑经济和环保问题与单纯考虑单目标的模型相比,前者更为全面、实际,其结果也兼顾了成本与环境问题,实现了低碳环保运行。

2) 本文所建模型能够更好地解决微网运行中不同量纲的多目标优化问题,而且机组在运行时要尽量使用高效低排放的机组,提高系统运行的环保性和经济效益。

[1] 刘天琪,江东林.基于储能单元运行方式的微电网经济运行[J].电网技术, 2012, 36(1):45-50.LIU Tianqi,JIANG Donglin.Economic operation of microgrid based on operation mode optimization of energy storage unit[J].Power System Technology,2012,36(1):45-50.

[2] 贺鹏,艾欣,徐虹.微电网经济运行研究综述[J].现代电力,2012,29(4):1-6.HE Peng,AI Xin,XU Hong.Overview of the economic operation of microgrid[J].Modern Electric Power,2012, 29(4):1-6.

[3] HATZIARGYRIOU N,ASANO H,IRAVANI R,et al.Microgrids[J].IEEE Power and Energy Magazine,2007, 5(4):78-94.

[4] 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[J].电网技术,2009,33(20):38-42.YANG Peipei,AI Xin,CUI Mingyong, et al.Partical swarm optimization based economic operation analysis of microgrid Containing multi energy supply system[J].Power System Technology, 2009,33(20):38-42.

[5] 郭力,许东,王成山,等.冷电联供分布式供能系统能量优化管理[J].电力系统自动化,2009,33(19):96-100.GUO Li, XU Dong, WANG Chengshan, et al.Energy optimization and management of combined cooling and power distributed energy supply system[J].Automation of Electric Power Systems,2009,33(19):96-100.

[6] 张晓花,赵晋泉,陈星莺.节能减排多目标机组组合问题的模糊建模及优化[J].中国电机工程学报,2010, 30(22):71-76.ZHANG Xiaohua,ZHAO Jinquan,CHEN Xingying.Multi-objective unit commitment fuzzy modeling and optimization for energy-saving and emission reduction[J].Proceeding of the CSEE, 2010, 30(22):71-76.

[7] 康重庆,白利超,夏清,等.概率性序列及其运算理论[J].清华大学学报(自然科学报),2003,43(3):322-325.KANG Chongqing,BAI Lichao,XIA Qing,et al.Probabilistic sequences and operation theory[J].Journal of Tsinghua University(Science and Technology),2003,43(3):322-325.

[8] KARKI R, HU P, BILLINTON R.A simplified wind power Generation model for Reliability evaluation[J].IEEE Transactions on Suatainable Energy,2010,1(1):2-8.

(责任编辑 郭金光)

Multi-objective optimization operation based on ant colony algorithm for micro-grid

SUN Fujun1, ZHANG Mingjiang2, ZHAI Xiaojuan3, CHENG Long3, ZENG Xianghao4

(1.State Grid Heilongjiang Electric Power Company Limited, Harbin 150090,China;2.Heilongjiang Electric Power Research Institute, Harbin 150030,China;3.School of Electrical Engineering, Northeast Dianli University, Jilin 132012,China; 4.Beijing Gaojing Thermal Power Plant, Datang Interrational Generation Co., Ltd., Beijing 100041, China)

In order to study the optimization operation of micro-grid, this paper established a multi-objective optimal operation model.It is a model that considers both total cost of micro-grid operation and emissions of polluting gases, taking the reducing operating costs and the emissions of polluting gases as the sub-objective function.By this model, the multi-objective programming problem is reformulated into nonlinear mono-objective programming problem by using governance costs of pollutants.Then the ant colony algorithm was used to solve the mono-objective model.The results show that the proposed model and algorithm are effective and reasonable.

micro-grid;multi-objective;governance costs of pollutants;ant colony algorithm

2016-05-20。

孙福军(1964—),男,高级工程师,主要从事电力系统自动化方面的技术管理等工作。

TP393

A

2095-6843(2016)05-0377-03