基于多目标决策分析的智能微电网日前调度模型

李珍珍,周红艳，周 冬

(1.三峡大学 电气与新能源学院，湖北 宜昌 443000；2.国网湖北省电力有限公司 钟祥市供电公司，湖北 荆门 448000)

0 引言

微电网具有降低配电网的峰值负荷和损失，为关键负荷供电，提高系统供电的可靠性，保持或改善电能质量等诸多优点[1-3]。传统上，微电网的调度问题中将运行成本、排放、减损、物理安全和可靠性等目标以及电力系统的物理极限作为约束条件来考虑。因此，微电网调度问题是一个约束多目标的优化问题，从多个优化目标中寻求最优解。

可再生能源发电和负荷的预测是微电网调度的基础，现有文献的研究中，关于微电网中负荷预测[4-6]和光伏、风电等可再生能源发电的预测[7-11]研究较为丰富。关于微电网日前调度模型和方法的研究中，根据对负荷和发电预测结果出力的不同，分为确定性调度[12-13]和随机调度[14-15]两类。文献[12]将负荷分为可平移、可削减、可转移三类，建立用户参与互动的微电网日前调度模型，可以实现峰值负荷的削减和新能源发电的消纳。文献[13]考虑到用户用电的舒适度，以满意度为目标建立日前调度模型，根据用户的需求定制最优调度方案。文献[14]在考虑用户对电价的需求响应的基础上，采用场景法模拟风、光出力，建立两阶段的随机调度模型。文献[15]针对含风、光发电和储能的微电网，建立了随机优化模型，并利用近似动态规划法进行求解。该调度方案考虑了微电网的网损，更加符合微电网的实际运行情况。根据优化目标的不同，可以分为单目标优化[16-18]和多目标优化[19-21]。文献[16-18]基于蒙特卡洛模拟、储能电量实时控制、两阶段鲁棒优化算法等提出了经济调度单目标优化模型。文献[19]提出了灵活性不足率的概念，建立运行费用最优和灵活性不足率最低的多目标调度模型。文献[20]以配电网的运行成本和环境成本为目标建立了多目标优化模型。文献[21]考虑运行成本、CO2处理成本、SO2处理成本，建立多目标优化模型。综上，现有文献对微电网调度进行了多角度、全方位的研究，但是现有文献中鲜有考虑微电网调度对配电网安全性影响的优化目标。

本文在考虑微电网发电成本和排放的同时，还考虑了对配电网峰值负荷降低的影响。在对光伏、柴油发电机、储能电池建立数学模型的基础上，以运营成本最低、峰值时段从配电网购电最少、碳排放最少建立多优化目标，并建立基于多目标决策分析的智能微电网日前调度模型。本文提出实现因子，利用目标达成规划法建立多目标优化模型，通过算例分析，验证了模型的正确性和有效性。

1 微电网模型

如图1所示为微电网结构示意图。微电网中包括光伏(Photovoltaic，PV)、柴油发电机、储能电池、负荷以及能量管理中心等几部分。

1.1 光伏出力模型

微电网中影响光伏出力的因素较多，为了便于分析，通常认为光伏出力仅与外界环境温度和光照强度有关，则光伏出力模型为：

(1)

式中，PPV为光伏输出功率；GC为工作时的光照强度；TC为光伏电池板所处的环境温度；GSTC为额定光照强度；TSTC为额定工作温度；PSTC为光伏输出的额定功率；kp为功率温度系数。

1.2 柴油发电机出力模型

微电网中柴油发电机的出力与油耗量直接相关，单位时段内柴油发电机的油耗量与输出功率的关系表示为：

fd,t=ξfuelPengine,t.

(2)

式中，ξfuel为柴油发电机的油耗系数；Pengine,t为柴油发电机在时段t的输出功率。

1.3 储能电池模型

设储能电池的荷电状态为SOC，则相邻时刻储能电池的荷电状态关系为：

(3)

Ich+Idch≤1.

(4)

式中，ηch，ηdch分别为电池的充、放电效率；Pess,ch，Pess,dch分别为电池的充电和放电功率；Ich，Idch取值为0或1，分别表示电池的充电或放电状态。式(4)保证了电池不会同时处于充电状态和放电状态。

2 优化模型

2.1 目标函数

本文所建调度模型中的目标函数考虑3个优化目标：运营成本最低、峰值负荷最小、碳排放最少。

(1)运营成本最低。

运营成本的从配电网购买电能的费用和微电网中分布式能源发电所需的燃料成本。优化调度中不考虑太阳能和风能等可再生能源的运营成本。微电网的运营成本函数为：

(5)

式中，φ1为微电网的运营成本；Nt为总调度时段数；cd为柴油价格；fd,t为柴油的油耗量；ce为微电网从配电网购买电能的电价；Pe,t为微电网从配电网购买电能的功率，Pe,t为正表示微电网从配电网购买电能，为负则微电网向配电网出售电能；Nμ为分布式电源的数量；cμ,i为微电网内部分布式电源各自的单位发电量成本；Pμ,i,t为分布式电源各自的发电功率。

(2)峰值时段从配电网购电最小。

减少峰值负荷有利于配电网的安全稳定运行，因此第二个优化目标是减小高峰时段从配电网购电。建立对该目标进行评价的表达式为：

(6)

式中，φ2为微电网中内部电源的发电量与微电网的总电量的比值，用来衡量微电网从配电网购电情况。

(3)碳排放最少。

第三个目标是减少因使用化石燃料发电而产生的碳排放。主要考虑传统火电机组和微电网中的柴油发电机的二氧化碳排放，可再生能源和能源储存造成的碳排放认为是零。建立碳排放指标的表达式为：

(7)

2.2 多目标决策分析

该模型的三个优化目标函数在物理单位上不一致，且受到不同因素的制约，如调度能力、燃料成本、排放量等。解决多目标规划问题的法包括加权和法、ε约束法、智能算法等，这些方法在传统的电力系统和微电网调度中得到了应用。通过加权和法进行尺度化是一种易于实现的方法，但缺点是在优化过程中不提供权值的信息且计算量较大。ε约束法要求选择一个目标作为最优目标，剩下的作为约束，但解决方案可能由于选择单一的目标而有失偏颇。遗传算法、模拟退火和禁忌搜索等智能算法通常计算量较大。目标达成规划法不要求可行域为凸集，通过调整偏好权重很容易找到最优方案，而且这种方法能够很好地权衡相互冲突的优化目标。

目标达成规划法的目标是最小化实现因子γ，如式(8)所示。γ可以取任何实际值，其大小表示目标的完成程度[22]。

minγ.

(8)

2.3 约束条件

(1)实现因子约束。

实现因子表示多目标规划中目标的完成程度，需要满足以下约束：

(9)

式中，ω1，ω2，ω3分别为各优化目标的调度权重；v1，v2，v3为优化目标与实现目标差值的上限。

(2)功率平衡约束。

微电网的功率平衡方程为：

ATP=b.

(10)

式中，矩阵A为系统矩阵；P为微电网系统中的功率不确定性变量向量；b为等式右边的约束向量。

(3)发电机约束。

发电机约束包括爬坡约束和容量约束：

(11)

(12)

(4)电池储能状态约束。

储能电池的荷电状态被约束在上限和下限之间，从而保证电池的安全和使用寿命：

SOCmin≤SOC≤SOCmax.

(13)

式中，SOC为储能电池的荷电状态变量；SOCmin，SOCmax分别为荷电状态的下限和上限。

3 算例仿真

仿真算例中，微电网包括1台柴油发电机、1个具有两级DC/AC功率变换器的太阳能光伏阵列和1个储能电池。其设备容量参数如表1所示。分时电价如表2所示，其他相关参数如表3所示，用电负荷、太阳辐射强度、环境温度分别如图2-4所示。

表1 设备容量和功率范围

表3 相关参数取值

根据优化模型，得到调度结果如图5和表4所示。图5为多目标优化结果，表4为多目标的实现度值。运行成本、峰值负载减少以及排放按每小时的目标进行标幺化。高峰时段的负荷削减目标为20%，大部分时段的负荷削减与目标接近，但仍有3.75%的负荷率。这是由于储能电池充电，它在接下来的两个小时内放电，以满足负载减少的目标。在第13小时的运行成本峰值是由于柴油发电机的调度，以实现负荷减少。柴油发电机一直工作到第20小时，因此在20小时的峰值较小。在峰期开始时，太阳能光伏发电使得成本和峰值负荷均有所减少，到第18小时，太阳辐射强度明显降低，因此在第19小时，太阳能的发电减少，这在柴油发电机发电量高的情况下，降低负荷是明显的。

表4 多优化目标实现度值

4 结论

本文提出了基于多目标决策分析的智能微电网日前调度模型，在对光伏、柴油发电机、储能电池建立数学模型的基础上，以运营成本最低、峰值时段从配电网购电最小、碳排放最少建立多优化目标，并提出实现因子，利用目标达成规划法建立多目标优化模型。本文提出的方法具有通用性，可以在微电网中实现，只需要将其配置和相关参数进行适当调整即可。因此，本文所提出的优化调度模型具有较强的工程实用性。