考虑环境效益的微电网运行优化控制

王 凯 张春鹏 刘 波 严森

（1. 南京海兴电网技术有限公司 2. 杭州海兴电力科技股份有限公司）

1 问题的提出及研究意义

随着全球科技的发展，新能源的研究以及运用都到了一个全新的地位，运用新能源发电已经成为一种全球发电的主导方式。

近年来，我国的供电系统变得更加丰富多样化。各个领域新的技术以及各种新能源不断产生，微电网在国内各个地区的应用也变得更加广泛起来。然而，独立发电存在着各种各样的问题，风力发电受各种因素限制，相当不稳定；光伏发电受太阳光限制，没有阳光就不能发电；水力发电占地面积大，耗资相当巨大且不易掌控。因此，建立互补微电网是非常有必要的，通过对几种新型发电能源的研究，知道了风电与光伏发电的具体特性，将它们放入一个微电网中进行互补发电，首先可以使微电网达到稳定运行，其次是风电与光伏的建设资金较小，本文就是通过建立风光互补微电网，找出合适的优化方法对微电网进行优化，并得到微电网一天之中运行的最大收益。

2 风光互补微电网的构成

对微型电力网络、风力发电和光伏发电原理等基本原理进行说明之后，对风力发电和光伏发电的替代性也进行了剖析。对无法一次性使用风力电量和光伏电量进行蓄电池储存，降低对于传统电网的使用频率，所以自带蓄电池的风力发电和光伏发电共生的微型电力网络结构，当做地域性负载电源。传统电网和微型电力网络的可靠性都得到了极大提升。

微电网将分布式电源即新能源借由电力电子元器件控制，储存于特定设备中可以同传统电网连接使用，也可以独立使用，是稳定、可控、易于操作的电力装置。微型电力网络由于能量大小不同，可以分为多种类别。微电网基本都是分布式的。储存设备、负载装置构建独立体系，一步提供电热能量。微型电力网络中的微型电力源有风力发电机、生物质能、微型燃气轮机、燃料电池、内燃机、太阳能电池、小水电等等。相较于传统电网，微型电力电网是可控的，其精度可以到数秒间，也就是说数秒间就可以发送电力；对于使用者，其可以特制，比如针对地域不同增加适应性、低损耗、稳定可靠、将多余能力进行转化、不间断等。传统电网和微型电力电网通过PCC互换能源，二者具有替代性，这样就保证了电源供应不间断。微型电力网络使用先进的监控方式，确保微型电力网络和传统电网能够做到基本同步，一方出现问题，另一方可以迅速补上，互通 有无。

在建立了风光互补微电网优化运行模型的前提下，微电网所获得收益还有待提高，下面将运用算法对风光互补微电网进行最大收益优化。

3 研究思路

通过风力和光伏二者替代性电力输送、储备，和负载形成微型电力输送数学形态，将其和传统电力网络进行联通，确保其稳定性。形成包括储能设备的替代互补，和区域负载并行的微型电力网络。储备方式基于每个部分的风力电能进行实时的电力输出，弥补二者替代对于传统电网的依靠，最终创造出一种传统电力网络和微型电力网络共生的、检验的情况。这样的形态函数通过光伏、风力替代的微型电力网络作为一般出发点，既可以确保电力网络联系，又可以做到二者互补、稳定运行，使得光伏和风力发电电量互补。同时，传统电网和微型电力电网的联系，使得他们都具备了稳定性。创设微型电力电网的数学模型的前提下，对于仿真的计算采用粒子群优化算法，进一步剖析既有前提下的收益。

4 粒子群算法的基本原理和步骤

粒子群算法，即PSO中，把所优化的问题当做一个大环境，把所求的最优解比作搜索环境中粒子在全局的最优位置。要优化函数的自变量会对应着一个矩阵中的许多粒子，每个粒子都有一个适值，并且有一个速度矩阵对应着粒子矩阵，所以每个粒子在空间中飞行的方向和距离都会由一个速度决定。首先会找到一个粒子的当前最优位置，然后粒子就会根据各自的速度随着当前最优粒子不断进行搜索。

首先，对粒子群进行初始化，得到一个粒子群矩阵，然后得到最优解的过程就是通过不断地迭代更新。在每一次迭代中，粒子会更新自己的两个极值：第一个是粒子自身根据速度寻优找到的最优解，叫做当前最优位置；另一个则是通过与当前最优位置相比较，得到的全部粒子中的最优解，叫做全局最优位置。

在一个D维的空间中，由N个粒子组成一个种群，得到一个N行D列的矩阵，其中第i个粒子表示为一个D维的行向量，记为：

找到当前最优位置和全局最优位置之后，粒子要根据式（1）和式（2）来更新自己的速度和位置：

式中，w为惯性权重，它的存在是粒子在寻优的过程中会保持先前的飞行经验；c1、c2为加速常数，也叫学习因子；r1和 r2为产生的随机数，范围是[0, 1]。式（1）右边由三部分组成，分别是惯性部分、认知部分和经验部分。惯性部分反映了粒子运动的习惯，粒子会保持着自己先前的运用状态继续飞行；认知部分反映了粒子根据自身历史记录进行飞行，粒子有朝着自身历史最佳位置飞行的趋势；经验部分粒子之间互相配合的种群历史经验，粒子有朝着种群历史最佳位置飞行的趋势，根据经验，通常 c1=c2=2。i = 1 ,2,… ,D 。W是[0.8, 1.2]之间的一个合适的数值。vid是粒子的速度， vid∈[− vmax, vmax]， vmax是常数，由用户设定用来限制粒子的速度。r1和 r2是范围在[0,1]的随机数。

粒子群算法的步骤为：

1）设定种群参数，包括群体规模 N，每个粒子位置x和速度v；

2）初始化粒子群；

3）计算粒子的目标函数，记录每个粒子的个体极值，找出当前最优位置中最大的一个为全局最优位置；

4）依据公式更新位置与速度；

5）计算各粒子的目标函数值，更新并记录粒子当前最优位置和全局最优位置；

6）检查终止条件，是否达到最大迭代次数或是否满足了足够好的适应值或最优解是否停滞不再变化，是则迭代终止，输出结果；否则继续迭代。

5 微电网优化运行算例分析

在风光互补微电网的优化运行中，需要进行的讨论就是在各项约束条件的限制下，对风能和光能以及蓄电池的电量分配调度情况进行优化，风对负载提供的电能、蓄电池的充放电状况和光对负载提供的电能在优化过程中扮演着重要的角色，也是我们要在微电网优化运行中得到最大收益的关键所在，因此，就要将风对负载提供的电能、蓄电池的充放电状况和光对负载提供的电能作为变量进行优化，故粒子矩阵可表示为：

在知道目标函数与这个24×3维N列的粒子矩阵的情况下，则可以按照粒子群算法的流程对目标函数进行最大收益求优。

蓄电池是风光系统的储能核心，它的首要作用在于去除可能因为天气或其他原因而导致电能供给与需求的失衡，减少大电网交换时可能引起的不稳定，在整个系统中具有调控电能与平衡负荷的用处。当风光机组的发电量比负荷需求大时，剩余的电量可以给蓄电池进行充电，反之，如果风光机组发电量不足时，蓄电池则会放电，补充负荷需求。

粒子群算法中的参数设置如下：粒子数N=40；学习因子 c1= c2= 2 ；惯性权重 w=1.2；最大迭代次数T=100。根据风光互补微电网模型的建立，并结合实际，将一天分为24h，以风水互补微电网在24h内电能运行调度的最大收益为目标函数，依据下式对微电网的最大收益进行求解：

经过一系列的仿真优化运算，得到各电源的发电运行情况。并得到风电供给负荷的功率、光伏发电供给负荷的功率、蓄电池的充放电情况以及风光互补微电网与大电网的功率交换状况，从而实现了一天当中风电、光伏发电、蓄电池的联合优化调度运行，使得微电网获得了最大收益。

6 结果分析与结论

通过粒子群算法对数学模型的运算，得到所有粒子的当前最优位置曲线和全局最优位置的追踪曲线如图1～图4所示。

图1 当前最优位置变化曲线

图2 全局最优位置追踪曲线

图3 蓄电池的充放电情况

图4 电量分配状况

结果分析：

通过运用粒子群算法对风光互补微电网的仿真，图2中得到了粒子群中全局最优位置的跟踪曲线，图中的全局最优位置在100次的迭代过程中，由1.141×104随着迭代次数的不断增多最终变为1.158×104，不但数据在合理范围之内，而且寻优过程合理，得到的全局最优位置通过调用适应度函数，根据最大收益公式对微电网最大收益进行运算，算出的微电网 24h的最大收益为1.085×104元。

通过对数学模型的仿真，可以得到蓄电池的充放电曲线、各个电源在此微电网的出力情况以及互补系统与大电网之间电量交互情况。

由图4可知，蓄电池在一天24个时刻内有多次的充放电情况，且每次充放电都会对微电网的运行带来一定的价值。

图4告诉我们24个时刻风电以及光电对负荷的出力情况，通过数据可知，互补系统除了每日为负载提供足够的电量以外，还可以有剩余的电量存储，为微电网的运行提供了安全可靠的便利。

结果表明，风能与光能发电是发展迅速的清洁可再生能源中技术最为成熟的。在建立互补微电网时运用风光并网运行，可以提升微电网的运行效益，同时也可以保证电力系统安全稳定的运行，使用户的用电更加安全可靠。采用粒子群算法，可以使微网优化运行的方式更为简便，精度要求不高的情况下，粒子群算法的收敛特性处于优势地位。通过仿真得到了一系列可靠的数据，了解了在风光互补微电网中加入蓄电池，在整个电力系统中对电能进行分配调度的可行性。风光互补微电网与大电网进行电量交换的数据可靠，且均属于合理数据，所以此时的电力系统可以正常运行，并且微电网按照最优运行方式为用户供电时也可以获得最大收益，且在合理范围之内。