基于仿电磁学算法的风/光/蓄独立微网系统的优化研究

马晓娟，刘洋，潘亚培

(河南森源电气股份有限公司，河南 长葛 461500)

基于仿电磁学算法的风/光/蓄独立微网系统的优化研究

马晓娟，刘洋，潘亚培

(河南森源电气股份有限公司，河南 长葛 461500)

针对风/光/蓄微网系统的特点，以充分满足用户负荷需求和实现可再生能源的最大化利用为原则，提出了系统独立运行模式下的优化调度策略，建立系统运行成本最低为目标的容量配置优化模型，并采用改进的仿电磁学算法对所建模型进行求解。仿真算例验证了模型和算法的可行性和有效性。

微网系统；优化调度；机组组合；仿电磁学算法

0 引言

微网系统因融合了多种分布式电源、负荷、储能装置，可以灵活地并网或离网运行，提高了分布式电源的利用率和负荷供电的可靠性，发展潜力巨大。然而，鉴于可再生能源的间歇性、不可控性以及负荷波动的随机性，使得微网系统的运行优化研究问题成为微网可靠运行的关键。目前，对微网运行主要集中在微网结构及设备特性、优化目标的确定、优化问题的求解方法等方面[1-10]。

本文提出1个由风/光/蓄构成的直流母线型微网系统， 并以此为研究对象，从微网能量优化调度角度出发，分析微网的结构组成及建立基本模型，再以微网综合运行成本最低为目标确定优化目标函数，后针对Birbil博士提出的仿电磁学算法(ELM)[11-13]进行研究及改进，采用改进后的仿电磁学算法对优化目标函数模型进行求解。最后，通过仿真算例验证研究内容的可行性和合理性。

1 风/光/蓄微网系统的优化调度模型

1.1 基于直流母线型的风/光/蓄微网系统

以1个由风/光/蓄构成的直流母线型微网系统为例，系统中发电机组为风力发电、光伏发电，储能单元为蓄电池，用户负荷分为关键负荷和可削减负荷，如图1所示。

图1 基于直流母线型风/光/蓄的微网系统

图1中，光伏发电、风力发电和蓄电池分别经过相应的DC/DC转换器，AC/DC转换器，DC/DC转换器汇接至直流母线，再经过DC/AC逆变器给负荷供电，或者经变压器馈入配电网。

本文仅考虑风/光/蓄微网系统独立运行的情况，系统中风力发电、光伏发电受到气候条件和环境因素的影响，各自的输出功率在时间上存在很大的随机性和波动性。因此，独立运行模式下的微网系统能稳定运行的关键在于储能单元-蓄电池的荷电量状态和充放电功率。即利用蓄电池的充放电对微网系统进行能量的平衡调节和控制。

1.2 风/光/蓄独立微网系统的优化调度策略

本文主要研究风/光/蓄微网系统在1 d内的运行情况，在不同时段自然因素随机变化的条件下，依据风力发电、光伏发电的电能以及蓄电池的荷电量状态来选择最优风/光/蓄运行方案组合，以实时地跟踪负荷需求的变化，保证系统中能量的供需平衡，且可实现系统的运行成本最低。

风/光/蓄微网系统独立运行时，可采取以下调度策略：以最大化利用可再生能源为原则，优先利用风/光发电机组的出力电能来满足微网内部的负荷需求；某时段内，若风/光发电机组的出力电能之和大于负荷需求且蓄电池满荷电量状态，则考虑选择最优风/光发电机组组合投运，蓄电池不充放电；某时段内，若风/光发电机组的出力电能之和大于负荷需求且蓄电池不满荷电量状态，则考虑将多余的电能(多余的电能等于风/光发电机组的出力电能之和减去负荷需求)用于对蓄电池充电。此时，可分为以下情况考虑： 多余的电能刚好满足蓄电池可实现满荷电量状态的需求，则当前投运的风/光发电机组即为最优机组组合； 多余的电能全部用于为蓄电池充电，蓄电池的荷电量状态仍不能达到满荷电量状态，则当前投运的风/光发电机组即为最优机组组合； 未将全部的、多余的电能为蓄电池充电，蓄电池即达到了满荷电量状态，则考虑选择最优风/光发电机组组合投运。

某时段内，若风/光发电机组的出力电能之和小于负荷需求，则当前投运的风/光发电机组为最优机组组合。此时，可分为以下情况考虑：蓄电池的荷电量状态低于最小荷电量限值时，考虑切除部分非关键负荷，仅为关键负荷供电；蓄电池的荷电量状态不低于最小荷电量限值时，由蓄电池放电，蓄电池放电至最小荷电量状态时仍不能完全满足负荷所需，则考虑切除部分可削减负荷； 蓄电池的荷电量状态不低于最小荷电量限值时，且蓄电池当前荷电量状态满足放电后负荷所需。

1.3 目标函数

本文以系统的综合运行成本最低为目标来建立优化模型。由于太阳能、风能不消耗原燃料，故不计燃料成本。考虑各发电机组的单位度电成本、运行维护成本及蓄电池维护处理费用。其数学模型如下

(1)

1.4 约束条件

(2)

(3)

(4)

(2)发电机组出力约束。受制于自然条件的限制和自身技术出力的约束，风力发电机组和光伏发电机组的出力约束条件表示为

(5)

式中：Pimin，Pimax分别为第i台发电机组允许的最小、最大出力。

(6)

(7)

(8)

(9)

(4)系统供电可靠性。系统的供电可靠性反映了系统可提供负荷功率需求的能力。故用负荷缺电率(loss of power supply probability，LPSP)来表征t时段内系统供电可靠性，用式(10)来表示

(10)

由式(10)可知，fLPSP越小，供电可靠性越高，fLPSP不超过其最大负荷可承受缺电率，用式(11)来表示

(11)

本文假定1 d各时段内系统可承受最大的缺电率fmax为0.1%。

2 仿电磁学算法

2.1 算法原理

ELM算法是Birbil博士提出的1种随机全局优化算法。该算法模拟带电粒子间超距离作用力的原理，先随机从可行域中产生1组初始解，然后根据每个粒子所确定的目标函数值来确定吸引域，以模拟电磁场中的吸引与排斥的机制产生新一代粒子，每个带电粒子的电荷由待优化的目标函数的函数值决定。电荷值的大小决定该粒子对其他粒子的吸引或者排斥的强弱，目标函数值越优，吸引力就越强。利用ELM算法进行寻优的过程主要涉及下列公式

(12)

(14)

2.2 模型求解

2.2.1 改进ELM算法

(1)动态迭代搜索法。式(14)中，λ是影响算法收敛精度和保证种群多样性的重要参数。选取合理的λ值有利于平衡算法的全局搜索能力和局部搜索能力，从而寻到最优的解。本文定义在算法迭代开始时，λ=λmax；经过迭代过程，在算法结束时，λ=λmin。λ的迭代公式为

(15)

式中：Iter，Itermax分别代表当前和最大的迭代次数。

(3)种群移动干扰。同样，在算法的运行中，种群移动公式(14)的分母也可能为0。因此，考虑在式子的分母上增加一个干扰条件λ1，改进后种群移动公式为

(16)

式中：λ1都为大于0小于1的数。

(4)空间收缩策略。为了加速算法求解的收敛性，本文引入了搜索空间收缩策略。在算法的迭代过程中，若目标函数值不变时，利用各发电机组的最大、最小出力和第k次迭代中最优解Xk,best之间的距离来调整缩减搜索空间，从而加速算法的收敛。该策略可用公式(17)，(18)来表示

(17)

(18)

2.2.2 算法的具体求解方法

(1)输入风速、光照、温度及负荷等参数，预测风/光输出功率及负荷需求；设置种群规模m，维数为n，最大迭代次数Itermax，进化代数初始值k等。

(2)设定风/光发电机组均工作在最大功率跟踪点状态下，利用风电、光伏的出力模型[14]，计算出各发电机组的最大允许出力功率。

(3)本文假定有风力发电机组数为a，光伏发电机组数为b，且以风/光机组的启停作为决策变量为0～1离散变量。故而采用均匀随机方法产生一个种群规模为m、变量维数为n的初始种群。然后，再用round函数对矩阵进行处理，产生满足离散变量条件的初始种群X。

(4)根据系统优化调度策略判断蓄电池运行状态以及是否需要切除部分可削减负荷，并引入惩罚函数法将带约束模型转化为无约束模型，利用仿电磁学算法对该模型进行求解，计算种群中个体的评价函数值、个体电荷值及其总受力大小。

(5)利用改进后的粒子更新公式产生新种群，将新种群和上代种群的目标函数值进行比较，更新种群，并记下当前最优解Xk,best。

(6)应用2.2.1中提出的空间收缩策略，调整搜索空间，寻找最优解。

(7)令k=k+1，判断算法迭代条件终止否；若没有，转入步骤(3)重复迭代步骤；若已满足，终止条件并输出最优解及最终目标函数值。

(8)输出结果。

3 算例分析

3.1 算例系统

系统中各发电单元的具体参数见表1～3，各发电单元的运行费用见表4。本文选取某地区夏季某天的自然环境情况及周围用电负荷情况为仿真对象，风力发电、光伏发电的出力预测曲线以及负荷的预测曲线如图2、图3所示。

表1 风力发电机参数

表4 各时段最优机组组合

表2 光伏阵列参数 kW

表3 各发电单元的运行费用 元/(kW·h)

图2 夏季某日风/光机组输出功率变化曲线

图3 1 d中负荷需求变化曲线

3.2 结果及分析

设蓄电池满负荷电量为96 kW·h，其初始容量为60%满负荷电量；仿电磁学算法种群数为20，λmax为0.9，λmin为0.4。最大迭代次数为100，惩罚系数为106。将1 d划分为24个时段，优化调度间隔定为1 h。优化后各时段成本最低的最优机组组合情况见表4。表4中，A，B，C，D，E，F，G分别对应风电机组WT1、风电机组WT2、风电机组WT3、光伏阵列PV1、光伏阵列PV2、光伏阵列PV3、可削减负荷功率；1表示对应机组开机，0表示对应机组停机；蓄电池充放电功率为负值表示蓄电池处于充电状态，正值表示其处于放电状态，0值表示其不处于工作状态。

由表4可知，依据本文提出的调度策略，系统在离网运行状态下，很好地利用风/光资源的互补特性，在保证整个微网内能量变化平衡、系统稳定运行的基础上，选择最佳的机组投运。由于本文所取数据资源的特殊性，系统优化运行当天，未采取切除可削减负荷的措施。总体上，各个时段内优化后的系统总运行成本不大于优化前的成本，即实现了系统的经济稳定运行。

续表

4 结束语

本文从风/光/蓄微网系统运行成本最低和能源最大化利用的角度出发，考虑自然条件对系统的影响，提出能量优化策略并以系统运行成本最低为目标建立对应的数学模型，对仿电磁学算法进行改进以应用到对所建立模型的求解中。算例分析证明了模型和算法的正确性和有效性。

[1]刘文胜,毛晓明,陈志勇.微网优化运行研究进展与展望[J].电工电能新技术,2012,31(2):64-68.

[2]王成山，武震，李鹏.微电网关键技术研究[J].电工技术学报，2014，29(2):1-12.

[3]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.

[4]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.

[5]刘小平,丁明,张颖媛,等.微网系统的动态经济调度[J].中国电机工程学报,2011,31(31):77-84.

[6]茆美琴,孙树娟,苏建徽,等.包含电动汽车的风/光/储微电网经济系分析[J].电力系统自动化,2011,35(14):30-35.

[7]张涛,张福兴,张彦,等.面向能源互联网的能量管理系统研究[J].电网技术,2016,40(1):146-156.

[8]周明,夏澍,李琰,等.含风电的电力系统月度机组组合和检修计划联合优化调度[J].中国电机工程学报,2015,35(7):1586-1594.

[9]冉晓洪,苗世洪，刘阳升，等.考虑风光荷联合作用下的电力系统经济调度建模[J].中国电机工程学报,2014,34(16):2552-2560.

[10]王晓娟,高亮,陈亚洲,等.类电磁机制算法及其应用[J].计算机应用研究,2006(6):67-70.

[11]郭壮志,吴杰康.水电站厂内经济运行的快速仿电磁学算法[J].现代电力,2010,27(3):89-94.

[12]郭壮志,吴杰康,孔繁镍.基于仿电磁学算法和数据包络分析的水火电力系统多目标优化调度[J].中国电机工程学报,2013,33(4):53-61.

[13]徐林，阮新波，张步涵, 等.风光蓄互补发电系统容量的改进优化配置方法[J].中国电机工程学报，2012，32(25):88-98.

[14]曾君，徐冬冬，刘俊峰,等.考虑负荷满意度的微电网运行多目标优化方法研究[J].中国电机工程学报，2016，36(12):3325-3333.

(本文责编：刘炳锋)

2017-03-27；

2017-05-05

TM 743

A

1674-1951(2017)05-0012-05

马晓娟(1986—)，女，河南平顶山人，助理工程师，工学硕士，从事微电网优化与控制的研究工作(E-mail:lovema2006juan@163.com)。