基于改进粒子群算法的海岛微网运行优化研究

钟志钢，邓辉平，周占平，冯宝玥，江 冰

（1.山东电力工程咨询院有限公司，济南250013；2.河海大学物联网工程学院，常州，213022）

基于改进粒子群算法的海岛微网运行优化研究

钟志钢1，邓辉平2，周占平1，冯宝玥1，江 冰2

（1.山东电力工程咨询院有限公司，济南250013；2.河海大学物联网工程学院，常州，213022）

基于海岛微电网运行的稳定性、经济性和环保性，利用潮流能代替传统光能，构建基于风能、潮流能、微型燃料机发电、储能的海岛智能微电网运行优化模型，分析海岛智能微电网分布式电源的运行特性，优化海岛微电网运行的经济成本、环境折算成本，寻求最优解。针对约束处理，提出一种改进的多目标粒子群优化算法，并对该优化模型进行迭代寻优，确定海岛微电网系统的协调优化调度方案，提高海岛微电网供电性能。通过数据仿真实验分析提出模型和方法的合理性，为海岛微电网未来的发展提供重要的技术支撑。

海岛微电网；运行优化；可再生能源；改进粒子群算法；经济性；环保性

1 引言

长期以来，海岛的供电几乎靠柴油发电机发电维持，发电燃料的运输以及电力运输成为影响海岛电力维持的主要障碍。海岛拥有巨大的可再生能源，如风能，光能，海洋能等，其环保性以及可再生性使其成为海岛微电网分布式电源的首要选择。海岛微电网充分利用岛上的太阳能、风能、海洋能等可再生能源形成子系统，使其既可以孤岛运行，也可以与大陆电网进行并网运行。海岛微电网系统架构的合理性、能量管理方法的可靠性以及优化运行的经济性、环保性成为海岛微电网的主要评价指标。

微电网优化运行问题是一个非线性优化问题，包含多个目标函数以及多个约束关系，多种多样智能优化方法的出现为微电网的优化运行提供重要解决方法。文献[1]结合量子理论，提出一种改进的量子粒子群优化算法，并证明其提高了算法的收敛速度和运行速度。文献[2]引入存档机制和拥挤距离机制对粒子群算法进行改进，并将其应用于水文环境中验证其优越性。文献[3]采用遗传算法与混合整数规划求解软件对微电网的经济性进行优化分析，得到微电网的最优调度配置方案。文献[4]针对孤岛模式下的微电网，通过二元对比定值法以及模糊理论对微电网的经济性和可靠性进行优化分析。文献[5]基于风能、太阳能、海浪能构成微电网系统，利用粒子群算法对微电网的经济性进行求解。文献[6]建立基于机会约束规划的微电网多目标动态经济模型，提出一种基于随机潮流的克隆选择算法对其进行优化求解。文献[7]基于全寿命周期净费用、可再生能源利用率以及污染物排放水平建立多目标优化模型，利用十进制最优保留遗传算法进行求解。文献[8]以供电经济性和环保性为优化目标，建立基于不同控制策略的独立型风光储柴微电网优化配置模型，采用改进型非劣排序遗传算法寻求最优解。

利用潮流能代替传统光能，分析风力发电系统、潮流能发电系统、微型燃料机发电系统以及储能系统的运行特性，构建海岛智能微电网的多目标多约束优化运行模型。该优化模型综合考虑微电网系统运行成本、环境折算成本，以及各分布式发电系统的运行约束。利用多目标粒子群算法对目标函数以及约束方程进行相应求解，利用线性加权将多目标问题转化成单目标问题，针对风机、潮流能、微型燃料机以及储能系统的运行参数，通过数据仿真分析微电网经济性和环保性之间的制约平衡，为海岛微电网的运行提供优化调度策略。

2 微电网多目标优化运行模型

将微电网经济性和环保性作为优化的目标函数，构造相应的多目标微电网优化运行模型，如式（1）所示：

微电网的经济性指其发电成本最小，考虑到优化模型的合理性，仅考虑微电网中各电源的运行维护成本、燃料费用成本、启动成本，如式（2）所示：

微电网中只有微型燃气轮机、燃料电池等消耗化石燃料的发电能源才需计算燃料费用成本，如式（4）所示：

考虑到微网的环境效益，将环境损失费和污染物治理费用作为环境成本的计算目标，如式（5）所示：

（1）功率平衡约束

任意时刻微电网各分布式电源发出的功率之和与用户所需求的功率相互匹配，如式（6）所示：

（2）输出功率约束

为保持系统稳定运行，每个微电源的实际输出功率任意时刻都要满足其容量的上下限约束，如式（7）所示：

（3）储能蓄电池状态约束

考虑到蓄电池使用寿命的影响，要满足其充放电约束及能量状态约束，如式（8-9）所示：

3 微电网多目标优化运行模型求解

3.1 多目标粒子群算法的改进

粒子群优化算法是采用“速度一位移”搜索模型，每个粒子代表解空间的一个候选解，解的优劣程度由适应度函数决定[9]。其更新公式为：

在算法过程中，迭代计算出的最优解往往难以满足约束条件（6）。常用的解决方法是由寻优体根据迭代找出前N-1维的最优解，根据等式约束计算出第N维的解，这种方式容易导致最优解无法满足约束条件（7）。针对约束处理问题，本文提出一种可行化调整机制对优化调度方案进行调整。对t时刻的调度方案作出如下调整：

3.2 改进多目标粒子群算法的流程

利用多目标粒子群算法MOPSO[10]对微电网的多目标协调优化运行模型进行求解，给每个目标函数赋予相应的权值λ，通过线性加权将多目标优化问题转化成单目标优化问题。在求解过程中对于每次迭代的最优解进行可行化调整，使得最优解满足所有约束条件。

多目标粒子群优化算法流程图如图1所示。

多目标粒子群算法具体步骤如下：

（1）种群初始化：在约束范围内随机初始化种群中粒子的位置及速度，设定种群规模N、最大迭代次数等参数。

图1 多目标粒子群算法流程图

（3）利用适应度函数计算各个粒子的适应度值。

（4）根据公式(10)、(11)更新粒子位置和速度。

（5）根据功率约束以及蓄电池约束进行新一代粒子的合理性判断，并利用公式（14）进行可行化约束调整。

（6）若计算达到最大迭代次数，算法终止判断，则输出结果，否则转（3）。

4 实验分析

4.1 微电网系统运行参数的设置

微电网主要由风力发电系统、微型燃料机发电系统、潮流能发电系统等分布式电源构成，储能系统采用蓄电池，其结构简化图如图2所示。各分布式电源参数设置如表1所示，其中储能系统的最大容量为250kwh，最小容量为5kwh。未来一天风力发电系统的功率如图2所示，潮流能发电系统的功率如图3所示，一天内海岛用户的功率需求如图4所示，文献[9]指出污染物排放系数如表2所示。MOPSO算法的相关参数设置为：粒子种群规模N=40，最大迭代次数

图2 海岛微电网结构图

表1 微电网分布式电源参数表

图3 风机功率预测图

图4 潮流功率预测图

图5 用户一天功率需求图

表2 染物排放系数和治理费用

4.2 仿真结果及分析

由于风力发电、潮流能发电的环境友好度高，为了充分利用自然能，在任意时刻，该微电网系统最大程度利用风能和潮流能。由于微型燃料机的经济成本较低，储能系统的环保性较高，本文的优化重点在于微型燃料机和储能之间的优化协调，寻找最优的微型燃料机、储能的出力调度方案使得经济成本和环境成本达到平衡。

经过实验仿真优化后的系统一天内各分布式发电系统的功率出力时间曲线图如图5所示。由图可知：

（1）6点之前，由于用户的功率需求比较低，风能和潮流能的功率足以满足用户需求，系统充分利用风能和潮流能，将其作为系统的主要发电能源，利用多余的能量对储能系统进行充电储能，同时降低风能和潮汐能的发出功率。

（2）6点—16点，用户需求功率增加，风能和潮流能无法满足用户负荷需求，储能系统放电进行能量补充，由于储能放电功率以及自身寿命的限制，柴油机慢慢启动进行微弱的功率补充。

（3）16点-23点，用户需求功率达到高峰期，风能、潮流能和储能三者无法满足用户负荷需求，柴油机发电系统作为微电网系统的主要功率来源。

经过改进算法优化后海岛智能微电网系统充分利用可再生能源发电系统的环保性和传统分布式发电系统的经济性，尽可能地利用自然能源风能和潮流能。在满足负载功率需求后，可以利用自然能源对储能进行充电，同时降低风能和潮汐能的发出功率，从而减少发电设备的使用，减少经济成本；在功率无法满足用户负荷需求时才启动柴油机发电系统，充分考虑到海岛智能微电网的经济性和环保性。

图6 各分布式发电系统的功率输出

5 结束语

海岛供电是海岛开发利用的重要保障，基于海岛现有可再生能源分布式发电系统，构建海岛智能微电网系统，并研究各分布式发电系统之间的优化运行。以柴油发电机系统、光伏发电系统、潮流能发电系统为基础，通过调节各分布式发电系统和储能系统的出力，实现海岛微电网的优化运行。以微电网系统发电成本、环境折算经济成本为目标函数，提出一种改进的多目标粒子群算法，对目标函数进行求解，最终得到系统的协调优化调度方案。最后通过对微电网系统的实际运行情况进行仿真分析，结果显示该方案能够为海岛微电网的经济运行提供可靠的方案，为我国海岛可再生能源的开发和海岛开发提供了能源保障。

[1]王世亮.基于改进量子粒子群算法的智能电网多目标优化规划研究[D].兰州：兰州理工大学，2014. Wang Shiliang.Study on multi-objective optimization planning of smart grid based on improved quantum particle swarm optimization algorithm[D].Lanzhou:Lanzhou University of Technology,2014.

[2]张文明，董增川，朱成涛，等.基于粒子群算法的水文模型参数多目标优化研究 [J].水利学报，2008，39（5）：528-534. Zhang Wenming,Dong Zengchuan,Zhu Chengtao,et al.Automatic calibration of hydrologic model based on multi-objective particle swarm optimization method[J].Hydraulic Engineering，2008，39（5）：528-534.

[3]陈键，赵波，王成山，等.不同自平衡能力并网型微电网优化配置分析[J].电力系统自动化，2014，38（21）:1-7. Chen Jian,Zhao Bo,Wang Chengshan,et al.Optimal sizing analysis on grid-connected microgrid with different self-balancing capabilities[J].Automation of Electric Power System，2014，38（21）:1-7.

[4]刘子秋.孤岛运行微电网的能量配置动态优化及其能量管理系统研究[D].浙江：浙江大学，2015. Liu Ziqiu.Research on dynamic optimal energy allocation and energy management system in islanded mode micro-grid [D].Zhe Jiang:Zhe Jiang University,2015.

[5]刘娇娇，王致杰，张祯海，等.海岛智能微电网系统优化调度[J].上海电机学院学报，2014，17（3）：151-157. Liu Jiaojiao,Wang Zhijie,Zhang Zhenhai,et al.Smart micro-grid system of optimal operation for islands[J].Journal of Shanghaidianji University，2014，17（3）：151-157.

[6]薛贵挺.含多种分布式电源的微电网优化设计及控制策略研究[D].上海：上海交通大学，2014. Xue Guiting.Research on optimization and control strategies of micro-grid with multiple distributed energy resources[D]. Shang Hai:Shanghai Jiaotong University,2014.

[7]刘梦璇，王成山，郭力，等.基于多目标的独立微电网优化设计方法[J].电力系统自动化，2012，36（17）：34-39. Liu Mengxuan,Wang Chengshan,Guo Li,et al.An optimal design method of multi-objective based island microgrid[J]. Automation of Electric Power Systems，2012，36（17）：34-39.

[8]陈健，王成山，赵波，等.考虑不同控制策略的独立型微电网优化配置[J].电力系统自动化，2013，37（17）：1-6. Chen Jian,Wang Chengshan,Zhao Bo,et al.Optimal sizing for stand-alone micro-grid considering different control strategies[J].Automation of Electric Power Systems，2013，37（17）：1-6.

[9]王金全，黄丽，杨毅.基于多目标粒子群算法的微电网优化调[J].电网与清洁能源，2014，30(1)：49-54. Wang Quanjin,Huang Li，Yang Yi．Optimal scheduling mirogrid based on multi-objective particle swarm optimization [J]，SYSTEM AND CLEAN ENERGY，2014，30(1)：49-54.

[10]薛阳，时宇飞，李华郁，等.基于粒子群算法的风光储微电网经济优化运行[C].//2015年全国智能电网用户端能源管理学术年会论文集，上海，2015:75-78. Xue Yang,Shi Yufei，Li Huayu et al．Economic and optimal dispatch of a combined wind photovoltaic and energy storage micro-grid based on PSO [C].//2015 nationwide smart grid energy management client Academic Symposium，Shang Hai，2015:75-78.

Operation Optimization of Island Micro-grid Based on Improved PSO Optimization Algorithm

Zhong Zhigang1,Deng Huiping2,Zhou Zhanping1,Feng Baoyue1,Jiang Bing2
（1.Shandong Electric Power Engineering Consulting Institute,Jinan 250013,China; 2.College of Internet of Things Engineering,Hohai University,Changzhou 213022,China）

Based on stability,economy and environmental adaptation of operation of island microgrid,a multi-objective smart micro-grid optimization model,based on such renewable energy as wind, micro fuel,tidal current and related energy storage system,is established,the characteristics ofthe distributed generators are analyzed,the economic cost and environmental conversion cost of island microgrid operation is optimized,and the best optimal solution is presented.The improved PSO optimization algorithm,based on restrain,is proposed to solve the model of iterative optimization,the coordinated and optimal scheduling programs of the island micro-grid system are determined,and the performance of power,provided by island micro-grid,is improved as well.By simulation and analysis of actual data,the reliability and rationality of the model and the methods are proposed to provide important technical support for development of the island micro-grid in the future.

Island micro-grid；Operation optimization；Renewable distributed generators；Improved PSO；Economy；Environmental

10.3969/j.issn.1002-2279.2017.01.012

TP391.9

A

1002-2279-（2017）01-0048-05

江苏省自然科学基金BK20151173；常州市科技计划（工业支撑）CE20130043

钟志钢（1979-），男，山东乳山市人，高级工程师，硕士研究生，主研方向：电气自动化。

2016-5-16