基于蜂群优化算法冷热电联供型微网经济调度研究

王文静 龚文杰 于强 张智晟

摘要：  针对蓄能装置在冷热电联供型微网中的应用，本文构建了包含燃料电池、微型燃气轮机、吸收式制冷机、余热锅炉和蓄能装置的冷热电联供型微网经济调度模型。该模型在满足用户冷热电负荷需求和各微源出力约束的情况下，综合考虑了系统的燃料费用、运行维护费用和购售电成本，并以蜂群优化算法作为模型的求解算法，并以文献[18]的微电网为例进行仿真分析。仿真结果表明，与采用常规粒子群优化算法对调度模型进行求解相比，采用人工蜂群算法对调度模型进行求解所得的日综合成本可下降71.8元，节约日综合成本5.3%。该模型可以有效提高冷热电联供型微网的能源利用率和经济效益。

关键词：  微网; 冷热电联供; 蜂群优化算法; 经济调度; 电力系统

中图分类号： TM73 文献标识码： A

随着世界范围内环境污染和能源危机等问题日渐突出，微网研究与应用越来越引起世界各国的重视[13]。微网是通过分布式微型电源，向用户端提供各类负荷的小型供能系统，它可以独立运行（孤岛运行）或者并网运行（联网运行）。微网经济调度就是根据电价和负荷需求等因素灵活地调节各个发电单元的输出功率，在保证供需平衡的同时，使经济效益达到最高。目前，针对冷热电联供（combined cooling heating and power，CCHP）型微网经济调度问题，国内外学者提出了不同的方案。H.Asanol等人[4]建立了包含新能源发电的微网优化模型，提出了微网运行优化方法，但该模型仅考虑了等式约束条件，未考虑不等式约束条件;周任军等人[5]建立了冷热电联供系统的优化模型，该模型综合考虑了环境成本和经济成本对调度的影响，但并未对各微源出力进行优化调度;郭力等人[6]提出的冷热电联供系统优化模型考虑了新能源发电，并在满足各微源的运行约束条件和用户负荷需求的基础上，对各微源出力进行优化调度;王锐等人[7]建立了含可再生能源的热电联供型微网优化模型，以微网经济成本作为优化目标，对各微源出力进行优化调度，采用基本粒子群优化（particle swarm optimization，PSO）算法对模型进行优化求解;高伟等人[8]提出了一种冷热电联供型微网系统能量优化模型，该模型考虑了燃料费用和公共电网实时电价等因素对微电网的经济优化运行产生的影响。由于上述文献提出的模型中并没有考虑蓄能装置对调度的影响，但蓄能装置在冷热电联供型微网中的应用越来越多。基于此，本文考虑用户负荷需求和分时电价的影响，充分利用可再生能源，构建了包含燃料电池、微型燃气轮机、吸收式制冷机、余热锅炉和蓄能装置的CCHP型微网经济调度模型，综合考虑了系统的燃料费用、运行维护费用和购售电成本，采用人工蜂群优化（artificial bee colony，ABC）算法对模型进行求解，通过算例证明，该模型可以有效提高冷热电联供型微网的能源利用率和经济效益。

1 CCHP型微网系统模型

冷热电联供型微网系统主要由光伏、风力、燃料电池、燃气轮机、余热锅炉、吸收式制冷机以及蓄能装置构成[9]，CCHP型微网系统结构如图1所示。

4 算例分析

4.1 算例介绍

本文以文献[18]的微电网为例，某典型日冷负荷、热负荷和电负荷曲线如图3所示，光伏和风力发电预测输出功率如图4所示，各微源和公共电网参数如表1所示。采用分时电价，高峰时段为7∶00～15∶00，18∶00～21∶00;平时段为15∶00～18∶00，21∶00～23∶00;谷时段为23∶00～7∶00。实时电价如表2所示。

4.2 算例分析

以1天24 h为1个调度周期，以1 h为计算时段，采用基于蜂群优化算法的冷热电联供型微网经济调度方法进行调度，各微源出力及蓄电池蓄电情况如图5所示，蓄冷和蓄热情况如图6所示。

由图5和图6可以看出，因0～7∶00时，负荷端的冷负荷、热负荷和电负荷需求较少，且实时电价较低，所以燃料电池和微型燃气轮机只保持最低功率运行状态，同时向公共电网购电，蓄电池处于蓄电状态;7∶00～15∶00时，人们因工作等需要，所需负荷相对较多，且实时电价处于高峰阶段，所以微型燃气轮机和燃料电池需以较高的输出功率运行，以满足负荷端的用能需求。蓄电池处于向外放电状态，同时微网系统向外部电网售电，该时段冷负荷和热负荷需求较高，蓄冷和蓄热装置配合燃气轮机工作，以满足用户需求。15∶00～18∶00时，电价回落，微网系统从公共电网购电，蓄电池处于充电状态。18∶00～21∶00时是人们下班后休闲娱乐的高峰期，用户用电需求较高，蓄电池处于放电状态，燃料电池以较高的功率运行，此时微电网向公共电网购电。该时段冷负荷和热负荷需求较低，所以微型燃气轮机以较低的功率运行，同时蓄冷和蓄热装置处于储能状态。23∶00～24∶00时，该时段实时电价低，且用户负荷需求低，所以微网从公共电网购电，蓄电池处于蓄电状态，燃料电池和微型燃气轮机以低功率运行，蓄热和蓄冷装置处于储能状态。

为了进一步验证采用人工蜂群算法求解调度模型的优越性，将其与采用常规粒子群算法求解调度模型进行比较，所求得的日综合成本比较如表3所示。由表3可以看出，采用人工蜂群算法对调度模型进行求解，比采用常规粒子群优化算法对调度模型进行求解，所得的燃料成本节省34.2元，运行维护成本节省22.1元，电网买卖电净收入少15.5元。日综合成本下降71.8元，可节约日综合成本5.3%。

5 结束语

本文在充分考虑功率供需平衡和各微源运行约束条件的前提下，构建了包含燃料电池、微型燃气轮机、吸收式制冷机、余热锅炉和蓄能装置的冷热电联供型微网经济优化调度模型。分别采用人工蜂群优化算法和常规粒子群算法对模型进行求解，结果显示，人工蜂群算法具有较明显的优势。同时，模型中加入蓄电池，可以有效降低成本，蓄冷和蓄热装置能较好的协同吸收式制冷机和余熱锅炉工作，最大程度地节约调度成本。结果表明，CCHP型微电网系统能高效利用能源，在微电网中具有较好的社会效益与经济效益，有良好的发展前景。

参考文献：

[1] 徐迅， 高蓉， 管必萍， 等. 微电网规划研究综述[J]. 电网与清洁能源， 2012， 28（7）： 2530.

[2] 李鹏， 张玲， 王伟， 等. 微网技术应用与分析[J]. 电力系统自动化， 2009， 33（20）： 109115.

[3] 刘振亚. 智能电网技术[M]. 北京： 中国电力出版社， 2016.

[4] Asanol H， Bandol S. Economic analysis of microgrids[J]. Power Conversion ConferenceNagoya， 2007： 654  658.

[5] 周任军， 冉晓洪， 毛发龙， 等. 分布式冷热电三联供系统节能协调优化调度[J]. 电网技术， 2012（6）： 814.

[6] 郭力， 许东， 王成山， 等. 冷热电联供分布式供能系统能量优化管理[J]. 电力系统自动化， 2009， 33（19）： 96100.

[7] 王锐， 顾伟， 吴志. 含可再生能源的热电联供型微网经济运行优化[J]. 电力系统自动化， 2011， 35（8）： 2227.

[8] 高伟， 黄跃武， 王飞娜. 区域冷热电联供系统优化设计分析[J]. 建筑热能通风空调， 2010， 29（3）： 8891.

[9] 孔祥强， 李瑛， 王如竹， 等. 燃气轮机冷热电联供系统优化与节能经济性研究[J]. 暖通空调， 2005， 35（7）： 48.

[10] 段绍辉， 汪伟， 刘中胜， 等. 含光伏的冷热电联供微网系统优化调度方案[J]. 电力系统及其自动化学报， 2013， 25（4）： 150155.

[11] 万术来. 基于改进粒子群算法的微网环保经济运行的优化[D]. 广州： 华南理工大学， 2012.

[12] 许东. 微型燃气轮机冷电联供系统能量优化与管理[D]. 天津： 天津大学， 2010.

[13] 王新刚， 艾芊， 徐伟华， 等. 含分布式发电的微电网能量管理多目标优化[J]. 电力系统保护与控制， 2009， 37（20）： 7983.

[14] Augustine N， Suresh S， Moghe P， et al. Economic dispatch for a microgrid considering renewable energy cost functions[C]//2012 IEEE PES Innovative Smart Grid Technologies. Washington， DC， USA： IEEE.， 2012： 1620.

[15] 吳雄， 王秀丽， 别朝红， 等. 含热电联供系统的微网经济运行[J]. 电力自动化设备， 2013， 33（8）： 16.

[16] 王金全， 黄丽， 杨毅. 基于多目标粒子群算法的微电网优化调度[J]. 电网与清洁能源， 2014， 30（1）： 4954.

[17] 马景超. 冷热电联供型微网经济调度研究[D]. 青岛： 青岛大学， 2014.

[18] 陈靖， 李雨薇， 习朋， 等. 微网系统经济运行优化[J]. 华东电力， 2012， 40（2）： 167172.

[19] 高卫峰， 刘三阳， 姜飞， 等. 混合人工蜂群算法[J]. 系统工程与电子技术， 2011， 33（5）： 11671170.

[20] 喻金平， 郑杰， 梅宏标. 基于改进人工蜂群算法的K均值聚类算法[J]. 计算机应用， 2014， 34（4）： 10651069， 1088.