遗传算法在微电网能量管理系统中的研究与应用

姚岳

（国网山西省电力公司忻州供电公司，山西 忻州 034000）

遗传算法在微电网能量管理系统中的研究与应用

姚岳

（国网山西省电力公司忻州供电公司，山西 忻州 034000）

为了在使用新能源时保持高效性和经济性，采用微电网技术可以解决分布式发电和电网之间的矛盾。基于此首先从构建微电网能力管理系统和多智能主体系统的能量管理来介绍能量管理系统，然后从能量管理策略和遗传算法流程入手探讨了微电网能力管理优化问题的相关措施，对基本遗传算法进行改进，为电网能力管理系统更好地投入运行，确保电网高效、持续、稳定运行奠定坚实基础。

能量管理系统；微电网；遗传算法

0 引言

微电网是一种由负荷和微电源共同构成的系统，它既可以把电能、热能提供给用户，还能够利用电子元器件完成能量转化以及提供相应的控制。微电网能够通过科学、恰当、合理地变更内部的微电源运转状态，达到控制负荷的目的，为了确保微电网运行更稳定，此外对遗传算法进行有效改进能够实现电网运行成本最低的目标，所以对遗传算法的微电网能力管理展开研究十分必要。

1 微电网能量管理系统

1.1 微电网能量管理系统构建

完整地构建微电网能力管理系统应当由监控和决策两个部分组成。

微电网管理系统中属于监控系统的是中央控制器，而在该系统中起决策作用的是能量管理中心。微电网能力管理系统中还包含负荷、负荷控制器、分布式电源及蓄电池等元件。想要实现各分布式电源高效率运行，在并网状态下可以实现。当电网出现故障后，微电网能力管理系统就可以将本地资源释放出来，实现自行持续安全的供电，这样人们的生产、生活均不会受到断电的影响。中央控制器主要作用是监控整个网络，并实时交换能力管理中心数据。控制微电源的由微电源控制器来展开，该控制器主要以微电网中频率和电压改变来对微电源状态进行控制，以实现功率的平衡。

在微电网没有足够电力时，以切换负荷的方式确保电网正常运转是由负荷控制器来实现的。在整体微电网中最为关键的部分是能量管理中心，它可以对中央控制器传出来的所有节点电压和功率状况进行分析，再把微电网的整个运转状态通过优化计算确定下来。综上所述，微电网能力管理系统中的能量管理中心要与各种控制器协调配合，使运行性进入最佳的技术和经济状态。

1.2 多智能主体系统类型的微电网管理

由智能分布式管理代替集中式管理是多智能主体系统的核心内容，它是伴随着微电网之间的协调和优化应运而生的一种微电网管理系统。单独从技术上来说，是把一个大型且繁琐的系统分割成为很多个小系统，且各小系统之间互相联系。分割成一个个小系统之后便于管理，保持通信的小系统自主性加强，该种系统的工作模式使小系统在本区间内可以不受约束自行工作，而相关联的系统需要协调时，再协同合作。这与集中控制系统相比有两大优势：可以根据不同主体的实际需求，来选取相异的优化算法从而使整体优化效率提升；另外多智能主体控制系统的信息量远远多于集中控制系统。

在微电网中运用多智能主体系统，其中的微电网管理元件是指组成微电网所需的元件，比如风力发电机、燃料电池、负荷以及微型燃气轮等均属于微电网管理元件。初始化是以各智能主体不同的标准为依据对其中元件行为加以规定，比如在对蓄电池组进行初始化有以下过程：当蓄电池组中有储能占全部容量低于15%时，蓄电池组就会暂停向蓄电池供电；当蓄电池组内的储能所占蓄电池总容量高于15%的比例，且大电网的电压低于标准2.5%时，开始向电网输送电量。

信息处理主要是整理外部输进的信息，然后向预测环节输送，它是连接微电源节点与外部的纽带。

低级代理可以实现微电网中各智能主体自行调节，即可以以自身需要为依据进行自主控制。而高级代理必须对整体微电网运行状态展开全面考量，其作用是展开整体控制。

预估环节主要用于把微电网内外部实际情况反馈给各智能主体，把参考数值提供给智能主体，为其下一步采取最优措施提供保障。

详细的运转流程如下：第一，在初始化环节把不相同主体的约束条件和基础运转标准向各智能主体输送；第二，低级代理会把各智能主体的微电网状况提供给隶属该智能主体的元件，让其元件可以根据本身需要展开控制；把能够实现低级代理的主体运转情况向高级代理传输，然后高级代理以整体微电网实际需求为依据实现总体控制；高级代理处理各微电网的数据之后，再传送到预估环节，预估环节对外电网运转情况进行考量后，再把预测结果提供给高级代理。这样周而复始地进行控制协调，就能够在微电网可靠安全的基础上，实现其稳定运转。

2 微电网能量管理有效策略和优化遗传算法

2.1 能力管理策略

在本小节所讲的能量管理策略是基于逆变器的能量管理策略，主要是以系统状态为依据，迅速做出反应的全方位控制策略，是转换微电网运转状态的一种控制方法。

并网和孤网是两种微电网运行的状态。以逆变器为基础的能力管理策略认为在大电网出现故障后，微电网立刻进入孤网运行阶段，微电网以一个或者几个微电源为依托，来调节频次和电压，而怎样来控制微电源是能力管理策略的主要内容。微电网的频率和电压取决于大电网，在微电网中保持每个微电源都在输出最大功率的状态下运行，可以认为整个微电网是一个可控的负荷或者电源。这时微电网中的所有微电源均不进行调频和调压。因为在微电网中有较多的分布式电源，想要实现微电网在并网运行和孤网运行中运行状态之间的切换、在孤网状态下实现调频和调压，就应当在能力管理策略中把逆变器控制方式输入到微电网中。该种策略认为微电网中的逆变器想要达到控制输出储能系统和各微电源的目的，可以通过测量本地节点信息来实现。逆变器可以以节点临近网络结构以及负荷为依据进行改变，应采用以下几种控制方法。

第一种：P/Q控制。一般来说，并网运行的微电网，大电网承担了负荷波动时所导致的频率和电压干扰带来的风险，这时微电源不用展开调频和调压，以逆变器为基础的能力管理策略认为P/Q控制法适用控制当前微电源。P/Q控制框图如图1所示。

图1 P/Q控制框图

在上述控制状态下，控制器在控制有功功率时，可以采用原动机有功功率参考值Psetpoint结合PI1电压控制器的方法，而以Qref这一参考值与实际测量无功功率Q相比较的方法为依据来展开，利用调节器PI2来实现调整无功功率。

第二种调差率控制：无功功率/电压和有功功率/频率是能量策略中调压率控制的两种方法。这两种方法虽然在形状上有很大差距，不过有相近的原理，均可以依据线路参数需求选择控制策略。假如无功和有功潮流有一条线路，那么可以用以下两个公式来表示有功功率和无功功率Q。

在高压线路中电阻远远低于感抗时，可以近似地认为cosδ=δ，sinδ=δ，因此可以将上述公式（1）改为

由此可以得出，功角和有功互相联系，电压差值与无功具有相关性。在高压线路中调频是由控制功角来完成，调压则是由控制无功功率来实现。

2.2 基于遗传算法的流程

a）第一步把优化问题的约束条件确定。

在确定约束条件时应当以微电源控制特点为依据，微型燃气轮机和风力发电机控制方式较为灵活，在控制有功功率时只要确定燃气料或者风速即可。因此在展开潮流计算时，可以将它设置成为一个PV类型的节点，该节点是由其电压浮动和约束有功功率来组成相对应的约束条件。

在式（3）中，节点的有功功率用Pk来表示，而无功功率则是Qk。

想要运行太阳能发电板，就必须把逆变器连接到点网上才可以，由于一般跟踪控制太阳能电板时需要在最大功率下展开，因此不用对其进行约束。在对太阳能发电板展开计算时，只需知晓其是伴随太阳辐射能量改变而改变，电压恒定的PV节点即可。

作为直流电的蓄电池组而言，通常控制蓄电池可以用两种方法：假若控制时采用频率和无功率的方式，在潮流计算过程中，可以将该类电池组当做吸收和注入无功为零的节点PQ；控制过程中采取频率和有电压方法时，可以把该类蓄电池组当做无功电源，在展开潮流计算时看作PV节点来运算。为了能够确保计算时的简便性，设定本节点PV为节点，其约束条件公式为

在该表达式中，蓄电池组中有功功率用Pj来表示，其利用逆变器来进行并网运转时电压用Vj来表示。

为了确保微电网安全、正常、稳定地运转，以上所取的节点值必须在潮流约束的范围内。

在公式（5）中，系统有多少个节点用n表示，即表示节点数量；j也是一个节点且与i节点相连；Bij、Gij以及θ是i与j两个节点之间的相角差和导纳。

b)第二步确定目标函数。

用户可以依据自身的需要来决定微电网优化目标，大体上可以划分为经济目标和技术目标。技术目标主要在最小系统网损和电压偏差这两个方面体现出来，其公式如下。

在上述公式中本系统的所有节点数用n来表示；在该系统中i个节点电压偏差数值用ΔVi来表示；i节点所能容忍的最大化偏差量用δVi来表示。

国内，在-10%～+7%范围内的电压偏差是拥有低电压电网所容忍的偏差区间，因此在该章中也以该区间为标准，如果超过该区间就认定微电网中电压不达标，最小的电压偏差值的函数表达式为

为了使系统网损目标最小化，应当使系统有最小化的有功功率和无功功率，下面是该表达公式（8）。

在上述公式中，系统的支路数用n来表示，有功损耗用ΔPL表示，无功功率损耗用ΔQL表示。

总之，微电网运转过程中其总优化目标可以表示为min(F)=min(ΔV，ΔSL，CF(P))。

c)第三步编码：在遗传算法中，应以问题具体情况为依据采用最简单的编码方法。通常采用的是二进制编码法来进行编码。用该编码法把遗传算法中的解编制成为一个二进制串，当遗传算法对解精度有越高的要求时，其二进制串就越长。如P来表示变量时，有 [Pmin，Pmax]的取值范围，要求精度精确到小数点的后4位，那么该变量就会被划分为 (Pmax-Pmin)×104个部分。

d)第四步：适应度评价。适应度评价是遗传算法中最为关键的一部分，是模仿生物界中的适者生存原则而构建。选择最恰当的使用度函数能够准确、迅速地找出最优解。在对算法进行适应度评价时，通常我们会用以下两种方法来找适应度函数。

第一种直接将f(x)这一目标函数利用线性运算向F it(x)转化成为适应度函数，例如

第二种方法想要求得最小值，只要用下面的方式转化即可。

想要解决求得最大值的问题，只要用以下方式进行转化即可。

上面的公式中无论是cmin还是cmax都能依照自己的需求来预先设置。

第三种方法：假若最小值问题被当做目标函数，只需做以下的转化即可。

假若最大值问题作为目标函数，只需做以下转化即可。

这种方法与第二种方法有相近之处，c也可以依照自己的需求来预先设置。

e)第五步：设计遗传算子、确定交叉和变异的整个流程。在设计遗传过程中采用轮盘选择算子方法有以下几个环节：计算出每个染色体的适应度值；把每个染色体中的适应度值相加，测算出每个染色体被选中的概率；以各个染色体的概率为依据抽出新染色体。交叉时采用单点交叉算子的方法，这种方法首先把两个染色体串的相同节点随机抽出，然后将两个抽出的父辈节点进行交换生成子辈。

把单点交叉算子运用在变异流程中。即随机在任意一个染色体串中的节点中抽取一个，把抽取节点的二级制数中的0全部换成1以及把1全部换成0的过程。

在以上的遗传算法中我们可以得知，基本的遗传算法会有以下两个问题：该算法比较“早熟”，也就说算法的最优解是在局部被快速地找出，并不是在整体中找出；当接近最优解时，会呈现出左右摇晃的现象，不会快速地收敛到最优解。

2.3 改进遗传算法

为了能够弥补基本遗传算法的不足，对遗传算法进行改进。交叉算子在寻找最优解时无问题，不过在高适应的前提下，单点交叉收敛难度较大，所以采用动态变异概率方法来规避损坏优秀基因的风险。当全部染色体有较低适应度时，就将交叉概率加大，相反有高适应度时，把交叉概率缩小来保护优秀基因。第二要对选择算子进行改进，为了确保最优种群持续进化，本文采取保留最优个体的方法，这样就会在每代挑选出一个有最高适应度的个体放在子辈中，从而使染色体达到最优。

改进算法的流程如图2所示。

图2 改进遗传算法流程

为了验证改进遗传算法的可行性，下面就通过微电网能量管理进行验证。

前期明确阳光照射的温度和强度、风力、微型燃气轮的耗费成本、本地电网的购售电量费以及蓄电池容量和负荷量。计算流程如本文所述的遗传算法流程，计算本地最优解的状态。

得出最优工作状态之后，在此符合模式下，依照当前出售电量的价格，可以得出1天所花费的支出为

而用传统的微电网管理方式，计算出购买电量的耗费与出售电量所得，可以得出最终采用改进遗传算法所得出的节省开支

根据计算可以得出每天可以节约116.62元的电量。

综上可知，传统形式的微电网控制方式只能确保微电网的运行具有可靠性和安全性，而应用本文的基于改进遗传算法的微电网能力管理可以达到经济性和技术性的最优，因此应用基于改进遗传算法的微电网能量管理系统具有可行性。

3 结论

总之，基于遗传算法的微电网管理能够在很大程度上确保微电网的稳定性，为微电网稳定、安全运行提供有力保障。随着时代的发展和进步，微电网管理也不断地进步，而基于智能主体系统的微电网管理适应时代需求，是微电网技术发展中浓墨重彩的一笔，必然会得到广泛推广和应用。

Research and App lication of Genetic Algorithm on M icro-grid Energy M anagement System

YAO Yue

（State Grid Xinzhou Power Supply Company of SEPC,Xinzhou,Shanxi 034000,China)

In order tomaintain efficiency and economywhen using renewable energy sources,micro-grid technology is adopted to solve the contradiction between distributed generation and power grid.Energy management system is introduced based on micro-grid energymanagementsystem andmulti-agentsystem,andmeasures formicro-grid energymanagementoptimization are explored according to energymanagementstrategies and genetic algorithm.Besides,the basic genetic algorithm is improved for gridmanagementsystem to be betterputinto operation so as to ensure efficient,sustainable and stable operation ofpowergrid.

energymanagementsystem;micro-grid;genetic algorithm

TM73

A

1671-0320（2016）05-0015-05

2016-06-06，

2016-07-27

姚 岳（1985），男，山西忻州人，2012年毕业于太原理工大学电力系统专业，硕士，工程师,研究方向为电力系统运行与控制。