基于改进粒子群算法的削峰填谷用储能系统经济运行策略

李盟盟+王育飞+薛花

摘 要：本文以蓄电池损耗最低、购电费用最低和削峰填谷后负荷曲线的方差值最小為目标建立削峰填谷用储能系统运行优化模型。利用多目标粒子群优化算法进行寻优，求解过程中针对粒子超出可行域的问题提出了一种改进的多目标粒子群算法，使该算法能求解线性约束多目标优化问题，并采用TOPSIS法从最优Pareto解集中选取最优方案。最后建立负荷与削峰填谷用储能系统模型进行仿真，结果表明该方法的有效性。

关键词：削峰填谷；多目标粒子群算法；储能系统；TOPSIS法

中图分类号：TP919 文献标识码：A

Abstract：The paper establishes the operation optimization model of the energy storage system for peaking shaving and valley filling，aiming to achieving the minimum battery loss，the lowest power purchase cost and the minimum variance value of load curves after peak shaving and valley filling.Based on Multiple Objective Particle Swarm Optimizer （MOPSO），the paper proposes an improved MOPSO to solve the problem of particle going beyond the feasible region.The algorithm is effective in the multi-objective optimization with linear constraints.The Technique for Order of Preference by Similarity to Ideal Solution （TOPSIS） is applied to select the optimal scheme from the optimal Pareto solution set.Finally，the energy storage system model with load peak shaving and valley filling is constructed，and the simulation results have verified the effectiveness of the proposed method.

Keywords：peak shaving and valley filling；Multiple Objective Particle Swarm Optimizer （MOPSO）；energy storage

system；the Technique for Order of Preference by Similarity to Ideal Solution （TOPSIS）

1 引言（Introduction）

电能不能大规模存储，电能供应时必须保证供需平衡。通过增加发电设备来满足负荷高峰时的电能需求不仅使建设成本增加，还会降低电能的利用率。在负荷侧加入储能系统，不仅可以有效抑制负荷的波动、提高供电质量[1]，还可以起到削峰填谷作用并获得一定的经济效益[2，3]。目前，国内外对削峰填谷用储能系统已有了相关研究，主要以削峰填谷效果、经济性等作为目标。文献[4]建立了考虑不同费率结构和风能、太阳能、天然气、储能互补发电的冷热电联供优化协调模型。文献[5]提出了采用区间控制的蓄电池储能电站调峰运行控制策略。文献[6]建立了变电站扩容和储能系统容量配置的协调规划模型，通过储能系统有序充放电获得电价差。文献[7]针对电力市场环境，建立了考虑发电侧、供电侧、大规模储能系统及用户响应的实时电价动态博弈联动模型。

目前对削峰填谷用储能系统的研究多考虑单目标储能系统优化运行，优化效果较为单一。对综合考虑削峰填谷效果最好、购电费用最低和蓄电池损耗最低的多目标优化运行研究较少。多目标粒子群算法（Multiple Objective Particle Swarm Optimizer，MOPSO）采用高效的群集并行地对非劣解进行搜索，并且每次迭代过程中可以产生多个非劣解。同时粒子群算法具有记忆功能，粒子通过跟踪自身历史最优解和种群全局最优解来进行搜索，这就使粒子群算法在寻优过程中具有很好的收敛性和全局搜索能力[8]。因此可以采用多目标粒子群算法进行削峰填谷用储能系统多目标优化问题的求解。

首先在短期负荷预测基础上，以综合考虑蓄电池损耗最低、购电费用最低和削峰填谷效果最好为优化目标，建立削峰填谷用储能系统多目标运行优化模型。针对多目标粒子群算法在求解过程中粒子超出可行域的问题进行改进，通过调整惯性权重与随机系数对超出可行域的粒子修正。最后采用改进多目标粒子群优化算法对模型进行求解。通过算例分析，证明所提方法的有效性。

2 多目标运行优化模型（Multi-Objective operation

optimization mode）

4.2 算例分析

为了对提出的运行策略进行仿真验证，搭建负荷和削峰填谷用储能系统仿真模型，模型参数见表1。

选取我国某地区电能价格表，图3所示为峰谷分时电价及日负荷预测曲线，每日的电能价格随时间段变化情况见表2。某型号铅酸蓄电池在放电深度下的循环寿命见表3。

为了验证提出的方法的有效性，选取以下三种方法进行比较

方法1：以削峰填谷后负荷曲线方差最小为目标的传统削峰填谷控制策略。endprint

方法2：基于多目标粒子群算法的削峰填谷用储能系统控制策略。其中目标1、目标2和目标3的决策权重分别为0.1、0.6和0.3。

方法3：基于多目标粒子群算法的削峰填谷用储能系统控制策略。其中目标1、目标2和目标3的决策权重分别为0.2、0.3和0.5。

不同方法得到的削峰填谷后得到的负荷曲线和蓄电池核电状态曲线如图4所示，不同方法通过削峰填谷节省的电费及电池损耗如图5所示

对比不同方法得到的结果可以得出以下结论：

利用传统方法得到的蓄电池损耗比较低，削峰填谷效果比较理想。但由于并未考虑到峰谷分时电价的因素，由削峰填谷节省的电费较低。

方法2利用削峰填谷节省的电费比较高，但是蓄电池损耗较高，且削峰填谷效果不理想，这是由方法2中目标2的权重较高导致的。

方法3中削峰填谷消费比较理想且利用削峰填谷节省的电费较高，但蓄电池的损耗比方法1略高。通过合理配置目标权重，多目标优化综合协调了三个优化目标。

5 结论（Conclusion）

本文针对削峰填谷用储能系统经济运行策略问题进行了研究，提出了以蓄电池损耗最低、购电费用最低和削峰填谷效果最好为目标的削峰填谷用储能系统多目标优化问题，利用多目标粒子群算法对问题进行了求解。在求解过程中针对粒子群搜索时超出可行域的情况，采用调整惯性权重及随机系数进行改进。对多目标粒子群算法形成的最优Pareto解，采用TOPSIS法求解最优方案。建立负荷与削峰填谷用储能系统仿真模型，结果表明：

（1）通过合理配置目标权重，多目标粒子群算法能很好地优化协调削峰填谷用储能系统的多目标。

（2）对多目标粒子群算法的改进能很好地控制粒子超出可行域情况的出现，同时保证多目标粒子群算法在可行域边界的局部搜索能力。

参考文献（References）

[1] 靳小龙，穆云飞，贾宏杰，等.融合需求侧虚拟储能系统的冷热电联供楼宇微网优化调度方法[J].中国电机工程学报，2017，37（2）：581-590.

[2] 卫志农，张思德，孙国强，等.计及电转气的电-气互联综合能源系统削峰填谷研究[J].中国电机工程学报，2017，37（16）：

4601-4609.

[3] Giovanna Oriti，Alexander L.Julian，Nathan J.Peck.Power-Electronics-Based Energy Management System With Storage[J].IEEE Transactions on Power Electronics，2016，31（1）：452-460.

[4] 崔强，王秀丽，刘祖永.市场环境下计及储能电站运行的联动电价研究及其效益分析[J].中国电机工程学报，2013，33（13）：

62-68.

[5] Baichao Chen，Chenmeng Zhang，Cuihua Tian，et al.A Hybrid Electrical Magnetic Power Quality Compensation System With Minimum Active Compensation Capacity for V/V Cophase Railway Power Supply System[J].IEEE Transactions On Power Electronics，2016，31（6）：4159-4170.

[6] 王鵬，王晗，张建文，等.超级电容储能系统在风电系统低电压穿越中的设计及应用[J].中国电机工程学报，2014，34（10）：

1528-1537.

[7] Wang Peng，Wang Han，Zhang Jianwen，et al.Design and application of supercapacitor energy storage system used in low voltage ride through of wind power generation system[J].Proceedings of the CSEE，2014，34（10）：1528-1537（in Chinese）.

[8] 包宇庆，李扬，杨斌，等.基于PSO-BP神经网络的入侵检测技术优化算法的研究[J].软件工程，2017，20（9）：49-51.

作者简介：

李盟盟（1992-），男，硕士生.研究领域：电力储能应用技术.

王育飞（1974-），男，博士，副教授.研究领域：电能质量分析与控制，电力储能应用技术，混沌理论与应用.

薛 花（1979-），女，博士，副教授.研究领域：电能质量分析与控制.endprint