计及风光消纳的微电网多目标优化调度策略

摘要：为了进一步提高分布式电源的消纳能力，本文针对微电网优化调度策略进行研究分析。本文以微电网系统机组运行成本、用户负荷需求响应补偿和弃风光惩罚费用作为优化调度模型的目标函数，通过层次分析法对本文构建的多目标模型进行处理，综合考虑微电网系统中光伏、风机、燃气轮机和储能装置等机组的出力约束，通过改进型蝙蝠算法对本文所提微电网优化调度策略进行求解计算。由仿真算例可知，本文所提方法能够有效提高分布式电源的消纳能力，显著降低微电网系统的运行总成本，实现微电网系统的低碳清洁高效运行。

关键词：微电网；优化调度；改进型蝙蝠算法

文献标识码：A

在实现碳达峰、碳中和的目标指引下，可再生能源发电以其清洁高效的优点为人们所倡导，微电网作为就地消纳可再生能源的有效途径在近些年得到了快速发展。然而，可再生能源出力具有波动性和间歇性，如果未对其接入微电网进行科学合理的调度安排，会对微电网的安全稳定运行造成较大的冲击，无法实现微电网经济运行效益最大化［1］。

针对微电网优化调度问题，人工智能算法在求解这类问题的应用广泛。文献［2］考虑各发电机组出力情况和蓄电池运行状态等约束条件，以系统运行成本、负荷参与需求响应补偿和低碳减排补偿作为计算求解的目标函数，基于粒子群算法对建立的多目标模型进行求解，提高了微电网系统运行的经济性和可靠性。文献［3］考虑微电网系统运行网损、分布式电源出力低碳效益等多个目标函数，基于改进万有引力搜索算法求解验证所提模型的可行性。文献［4］以微电网系统发电所需成本和低碳运行效益作为优化调度的目标函数，综合考虑微电网各类机组的运行约束条件，利用超效率数据包络分析将原始多目标模型转化为单目标问题，并基于蝙蝠优化算法对所建立的微电网优化调度模型进行分析计算。上述文献中利用人工智能算法来求解微电网优化调度问题存在迭代收敛时间较长和易陷入局部最优解等缺点，如何提高所建立模型计算求解的速度和精度需要进一步的研究分析［5］。

本文以储能参与调度成本、燃气轮机出力成本和弃风光惩罚作为求解的目标函数，应用层次分析法为多目标求解问题设置合理的权重，并基于改进型蝙蝠算法对本文所建立的微电网优化调度模型进行求解，通过仿真算例进一步验证了本文所提方法的可行性和有效性。

1 基于改进型蝙蝠算法的微电网优化调度策略总体架构框图

微电网系统的结构简图如图1所示，基于改进型蝙蝠算法的微电网优化调度策略总体架构框图如图2所示。由图2可知，通过输入微电网系统包括网络拓扑结构和各机组运行参数等基本信息，建立微电网系统运行的目标函数和约束条件，利用层次分析法对原始多目标函数进行处理，并基于改进型蝙蝠算法对所建立的模型进行求解计算。

2 优化调度模型

2.1 目标函数及约束条件

本文以微电网运行所需成本最小作为目标函数进行微电网优化调度策略的制定：

2.1.1 有功功率平衡约束

2.1.2 分布式电源出力约束

2.1.3 储能装置运行约束

2.1.4 节点电压和线路电流约束

2.1.5 潮流约束

2.1.6燃气轮机出力约束

2.2 改进型蝙蝠算法

蝙蝠算法通过模拟蝙蝠改变声波进行定位使算法具有较为均衡的全局和局部寻优能力。本文通过对蝙蝠算法进行改进用于微电网优化调度问题的求解，改进型蝙蝠算法求解问题流程图如图3所示。

本文以蝙蝠算法为基础，利用自动调节策略、局部寻优策略和随机惯性权重策略来提高蝙蝠算法的求解精度和迭代收敛程度。

2.2.1 自动调节策略

2.2.2 局部寻优策略

2.2.3 随机惯性权重策略

2.3 基于层次分析法权重因子确定

由于本文所建立的微网优化调度问题属于多目标优化问题，为降低人为主观因素对权重设置带来的影响，本文采用层次分析法来进行各项因素的权重赋值。层次分析法将与决策相关的元素分解为方案层、准则层和目标层3个层次。采用定性与定量相结合决策分析或通过定性信息定量化的方法，使原本复杂的问题更加明朗，具体步骤如下：

3 仿真算例

3.1 算例说明

为了进一步验证本文所提基于改进型蝙蝠算法求解微电网优化调度模型的可行性，本文基于拓展IEEE33节点微电网系统对本文所提方法进行分析验证，微电网系统的网络拓扑结构和各机组分布情况如图4所示。微电网系统基准电压为12.66kV，允许节点电压波动的范围为［0.95，1.05］p.u.。改进型蝙蝠算法的参数设置为：种群数和最大迭代次数分别为60和400；蝙蝠发出的音量和频率范围分别为［0.6，0.9］和［0，1］。用户负荷参与需求响应的单位补偿费用为0.35元/kWh。

3.2 仿真结果分析

针对选取的3个目标函数，本文按重要程度对其进行排序：弃风光惩罚费用>用户参与需求响应补偿>微电网机组运行成本，构造判断矩阵A：

图5为微电网中储能装置的充放电功率大小，图6为改进型蝙蝠算法与其他算法比较。由图6可知，与粒子群算法和遗传算法相比，为避免其在寻优过程中陷入局部最优解和早熟收敛，通过引入自动调节策略、局部寻优策略和随机惯性权重策略对蝙蝠算法进行改进，改进型蝙蝠算法具备更快的求解速度和更好的求解性能。

4 结论

本文以微电网机组运行成本、用户参与需求响应补偿和弃风光惩罚费用作为微电网优化调度的目标函数实现微电网系统总运行成本最小，考虑微电网系统各机组运行约束条件，并利用层次分析法对所建立的多目标模型进行处理，基于改进型蝙蝠算法对本文所提微电网优化调度模型进行求解计算，通过仿真算例对本文所提方法进一步验证分析。

参考文献：

［1］王成山，武震，李鹏.微电网关键技术研究［J］.电工技术学报，2014，29（02）：1-12.

［2］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（01）：49-54.

［3］李鹏，徐伟娜，周泽远，等.基于改进万有引力搜索算法的微网优化运行［J］.中国电机工程学报，2014，34（19）：3073-3079.

［4］张林，郭辉，姚李孝.基于改进蝙蝠算法的微电网优化研究［J］.电网与清洁能源，2021，37（04）：122-126.

［5］于新海，王鑫，苏日古格，等.基于GA和IPSO的微电网调度优化与对比分析［J］.电气传动，2022，52（22）：38-43.

作者简介：马耀东（1983—），男，硕士研究生，副高级工程师，主要从事电力系统优化调度；

周伟昌（1992—），男，本科，中级工程师，主要从事电力系统优化调度；

张怀鹏（1986—），男，本科，副高级工程师，主要从事电力系统优化调度；

刘军福（1979—），男，硕士研究生，高级工程师，主要从事电力系统优化调度。