微电网结合海水淡化工程的优化设计综述

2024-03-08广西电力职业技术学院张栋丽郭家富谭惠尹王椿荣

电力设备管理 2024年1期

广西电力职业技术学院张栋丽郭家富谭惠尹王椿荣

微电网是由多个分布式能源系统组成的整体系统，可以与现有的电网相互连接，具有一定的自治性和可靠性。与传统的中心化电网相比，微电网的特点在于其所使用的能源是分布式的，并且具有多样性。利用微电网结合海水淡化工程，可将分布式能源与制水能力结合在一起，进一步提高微电网的可靠性和经济性。

1 微电网结合海水淡化工程的优化设计的意义

具体来说，微电网结合海水淡化工程的优化设计可以实现以下效果。

一是提高可靠性。海水淡化工程可通过增加能源的来源和使用方式，降低能源短缺的风险。同时，在微电网与制水系统的协同下，可以缓解电网压力，减少停电风险。

二是降低成本。利用微电网结合海水淡化工程，可以优化能源和制水的生产使用规划，实现多能互补、优化成本。此外，建设微电网并与制水系统相结合，可以减少能源和水资源的浪费，从而节约生产成本。

三是推广可持续发展。微电网结合海水淡化工程可有效实现能源和水资源的可持续利用，进而促进可持续发展。与传统的中心化电网相比，微电网更偏向于系统的全面可持续性。

因此，利用微电网结合海水淡化工程的优化设计将推动节能减排、发展可持续能源、提高能源利用效率等领域的发展，具有重要的意义。

2 微电网结合海水淡化工程设计流程

微电网海水淡化系统的优化设计模型十分复杂，决策变量多样，目标函数可以是一个也可以是多个，约束条件可以是等式约束也可以是不等式约束，风光等新能源出力具有波动性等一些列问题，决定了微电网海水淡化系统是一个非线性、多维度、包含随机特性的混合规划问题，如何建模，如何求解，亟须解决。

微电网结合海水淡化工程设计应首先确定决策变量，然后确定目标函数，设置等式及不等式约束条件，优化设计求解方法。另外，微电网系统可以采用HOMER 软件模拟设计。

2.1 决策变量的选择

微电网海水淡化工程的设计要进行当地的光伏和风力资源储量分析，结合淡水缺口设置微电网装机容量，建立相应的数学模型，进行优化分析[1-3]，不同工程优化方法不一，文献[4]研制一种电力缓冲均衡控制器，配合小容量蓄电池为海水淡化装置直接供能，文献[1]采用光热光伏双驱动进行海水淡化，文献[5]通过优化控制系统，达到更高的淡化效率。

多数工程设计以效益最大，或系统运行可靠性最高为目标进行建模优化，得到不同的优化配置。在优化配置时，要进行决策变量的选择，即具体求解对象的确定，目前多数研究者认为分布式电源的容量确定和地址确定是两个关键变量，其中分布式电源的类型、电源容量大小、不同电源的选择型号，以及风机和光伏所处地理位置等是核心变量。

微网有离网和并网两种类型，对于离网型微网，人们选择风光储的容量作为决策变量，文献[6]认为风力发电机的铁塔高度也是一种决策变量。把离散变量变为优化变量是一种解决问题的有效方式，可以将离散变量转换为一个连续变量，这样就使得整个问题更容易进行建模和求解，另一种方法是将离散变量视为优化问题的约束条件，其中的离散变量如项目地址、设备数量、型号，等等。

2.2 目标函数的建立

建立目标函数的目的是用数学语言表达出问题的优化目标。这个优化目标可能是最大化利润、最小化成本、最小化能耗等，取决于具体问题的需求。在建立目标函数时，需要考虑问题的约束条件，以确保优化结果符合实际情况。

因此，建立目标函数是优化问题中重要的一步。在建立微电网数学模型时，第一步分析分布式电源所处地理位置的年平均风速或者年平均辐照量，进而建立不同电源和负荷的准稳态模型，形成定容或选址的决策变量。根据所需要的目标建立目标函数，能够将目标清晰地量化，能够使问题更加清晰和规范，这有助于防止模糊不清的问题描述和处理。这样建立的数学模型可以描述如式（1）所示的非线性规划模型：

国内外学者对于微网海水淡化系统优化设计问题的目标函数设定可从多个角度入手，提出了各种不同的目标函数。其中，主要的就是系统总成本最小化。微电网海水淡化成本优化方法可通过以下措施实现，第一优化设备选择，第二优化能源利用，第三优化操作管理，第四优化技术应用，第五优化系统整合。另外，还可从停电惩罚成本、能量浪费成本、污染排放成本等方面考虑降低成本。

从经济指标角度分析，在一个项目或企业的实施过程中总投资成本，包括建设、购置、租赁等方面产生的全部成本，例如土地、建筑、设备等。除了经济性以外的指标还有技术性指标，经济指标是用来评估经济活动的量化数据，技术指标则是通过计算证券市场价格和交易量的统计量来预测价格走势的工具。微网海水淡化系统优化设计中有一些常见的技术性指标作为目标函数的研究，如最小化污染排放、最大化供电可靠性等。可以把二者结合建模，也可以作为多目标优化建模。

2.3 约束条件的设定

约束条件是指对问题、系统或模型进行限制的规则或条件，用来约束其解决方案的可行性和有效性。以下是常见的约束条件类型：一是资源约束，二是技术约束，三是市场约束，四是环境约束。

根据式（1）可知约束条件包括等式和不等式约束。对于微网优化设计的约束条件，首先是各种设备电源自身的限制，主要有出力上下限，爬坡约束和最低使用时间等。由于微网中的间歇性能源出力的波动性，供电可靠性在微网设计中是必须考虑的因素。不论从停电时间、停电概率和缺电能量上都可以对供电可靠性建立模型。

由于海岛面积有限，微电网结合海水淡化系统势必对岛上地理资源造成压迫，如果海岛周边有非负荷中心小岛，根据文献[7]提供的思路，可以考虑共享电船输运能量或淡水的方式解决一部分供水问题，本文把共享电船接入微网作为研究对象，将作为后续优化对象。

3 微网规划设计软件

微电网规划设计软件有很多种：一是HOMER Pro：其是一个集成化的微型电网方案设计和优化工具，可以为采用太阳能、风能等的离网或联网微网设计最佳方案。二是DNV GL Socrates：其是一款基于云端的自动化技术平台，可大幅降低分布式能源系统规划、建模和优化的时间和成本。三是RETScreen Expert：其是由加拿大赞助的工具，旨在支持可再生能源与能效项目以及能源管理决策的规划和分析。四是Siemerns PSS SINCAL：其是一款用于设计、规划和分析电力系统的软件，其支持热死情况下的微电网规划并进行智能运行决策。五是OpenDSS：其是一款免费、开源的电力系统仿真软件，专门用于建模各种微型电力系统，并模拟不同情况下的能量流和设备参数。其中，HOMER 应用最广，HOMER 软件是由美国National Renewable Energy Laboratory 开发的，如图1所示。

图1 HOMER 简易架构图

图2 典型粒子群算法图例

图3 典型遗传算法图例

4 人工智能算法

人工智能算法是一种用于处理和分析复杂数据的数学计算方法，主要在机器学习和数据挖掘等人工智能领域应用。这些算法基于数学和统计理论，可自动从数据中实现模式识别、分类、预测和优化等任务。常见的人工智能算法包括神经网络、遗传算法、支持向量机、决策树、聚类算法等。这些算法可应用于各种领域，如自然语言处理、物联网、医学、金融、智能推荐等，深刻改变着人们对数据的认识方式和应用范式。

对于微网结合海水淡化系统规划设计问题的求解，传统的方法主要是将优化模型转化为混合整数规划模型，采用CPLEX 进行求解。然而CPLEX 虽然定义了严格的数学函数，但无法求解复杂的数学方程，类似于微网+海水淡化系统中有多个约束条件的数学模型则无能为力。那么既要保证约束条件符合实际运行情况，又要建立简单数学规划模型是不现实的。

近年来比较流行的，且最具代表性的人工智能算法是遗传算法和粒子群算法，遗传算法（Genetic Algorithm,GA）是一种基于自然进化原理的优化算法，被广泛应用于优化、搜索和机器学习等领域。遗传算法源于达尔文的进化论和孟德尔的遗传学原理，模拟自然界中物种进化和基因传递的过程来求解问题的最优解。遗传算法使用随机生成的初始种群，并在每一代中利用交叉和变异等方式来产生新的后代种群，以逐步优化和搜索问题的解决空间。