基于粒子群優(yōu)化算法的微電網(wǎng)微電源優(yōu)化配置

王新永, 閆立東

(國家電網(wǎng) 棗莊供電公司,山東 棗莊 277000)

基于粒子群優(yōu)化算法的微電網(wǎng)微電源優(yōu)化配置

王新永, 閆立東

(國家電網(wǎng) 棗莊供電公司,山東 棗莊 277000)

提出一種基于粒子群優(yōu)化算法的微電網(wǎng)微電源優(yōu)化配置模型,并以權(quán)重系數(shù)法對其進行研究,得出在各個權(quán)重系數(shù)情況下各類微電源的最佳運行容量。以孤島微電網(wǎng)系統(tǒng)為例,考慮了各類微電源的出力及它們之間的互補特性和微電網(wǎng)系統(tǒng)內(nèi)各種負荷的不同敏感性。通過運用粒子群優(yōu)化算法加以求解。仿真結(jié)果表明,優(yōu)化配置方法可以滿足負荷多樣性需求情況下的微電網(wǎng)經(jīng)濟運行,可為微電網(wǎng)系統(tǒng)優(yōu)化規(guī)劃問題提供一定的參考。

微電網(wǎng); 粒子群優(yōu)化算法; 孤島; 優(yōu)化配置

0 引 言

近年來,微電網(wǎng)技術(shù)作為一個較為前沿的研究學(xué)科,以其對可再生能源利用的高可靠性、多樣性、交互性、獨立性等特點[1-2],在歐美國家得到了大力發(fā)展,在我國也將其作為智能電網(wǎng)研究的重要組成部分在863、973等國家重點研究發(fā)展規(guī)劃中進行了立項研究,并通過示范性工程對相關(guān)的理論及技術(shù)成果進行驗證[3]。隨著微電網(wǎng)技術(shù)的日趨成熟以及可再生能源發(fā)電成本的不斷下降,對微電網(wǎng)的實際應(yīng)用已迫在眉睫,因此對于微電網(wǎng)規(guī)劃問題研究已尤為重要。

在微電網(wǎng)規(guī)劃問題中,分布式電源的選型、選址定容問題是一個重要和復(fù)雜的問題[4-5]。目前,國內(nèi)外學(xué)者對其進行了相關(guān)的研究,并取得了一些理論與實踐方面的成果。文獻[6]通過運用缺電概率技術(shù)對微電網(wǎng)分布式電源進行優(yōu)化配置。文獻[7-8]在考慮經(jīng)濟性、可靠性和環(huán)保性基礎(chǔ)上,建立了將分布式發(fā)電作為備用電源的電源容量優(yōu)化配置模型。文獻[9]考慮風能、太陽能的隨機性和波動性給分布式電源優(yōu)化配置帶來的影響,并采用改進細菌覓食算法對微電網(wǎng)電源進行優(yōu)化配置。現(xiàn)有規(guī)劃目標中從投資、損耗、可再生能源利用等這些角度出發(fā),還沒有更好地兼顧用戶的利益。隨著未來電力市場競價機制的逐漸成熟,尤其需要這方面的研究成果。

本文從權(quán)衡用戶側(cè)與發(fā)電側(cè)雙邊的利益角度出發(fā),基于粒子群優(yōu)化(Breeding Particle Swarm Optimization,BPSO)算法提出了微電網(wǎng)微電源優(yōu)化目標函數(shù),并考慮微電源的出力及波動互補性、供電可靠性等約束條件,建立了基于改進粒子群算法對該問題進行求解的優(yōu)化方案,并以孤島微電網(wǎng)系統(tǒng)為例進行了仿真。

1 微電網(wǎng)系統(tǒng)中各個組成部分的數(shù)學(xué)模型

以含有風力發(fā)電、光伏發(fā)電、儲能系統(tǒng)的孤島微電網(wǎng)的系統(tǒng)進行研究,并假設(shè)各電力電子裝置能完全轉(zhuǎn)換且能完成即插即用功能且效率為100%。微電網(wǎng)系統(tǒng)框圖如圖1所示。

圖1 微電網(wǎng)系統(tǒng)框圖

1.1 光伏發(fā)電模型

光伏列陣實際輸出功率[10]為

Ppv(t)=ηgNpvAmG(t)

(1)

式中:ηg——瞬時光伏陣列發(fā)電效率;

Am——光伏電池接受光照的的面積;

G(t)——地球在單位面積的關(guān)照強度;

Npv——光伏陣列含有光伏電池數(shù)目。

假設(shè)光伏發(fā)電的并網(wǎng)損耗、線路損耗和其他的所有損耗為0,則瞬時光伏陣列發(fā)電效率為

ηg=ηrηpt[1-βt(TC-Tr)]

(2)

式中:ηr——光伏發(fā)電參考效率;

ηpt——追蹤設(shè)備的功率效率,可取1;TC——光伏電池溫度;

βt——硅電池功率溫度系數(shù),取0.004～0.006 ℃;

Tr——光伏電池參考溫度。

多數(shù)情況下,環(huán)境溫度與光伏電池的溫度是不相同的,兩者的換算關(guān)系[11]為

TC=Ta+βGt

(3)

式中:Ta——環(huán)境溫度;

β——系數(shù),通常取值為0.03 km2/W。

1.2 風力發(fā)電模型

風力電機的功率輸出特性可以看成中心高度。

風速的分段函數(shù),數(shù)學(xué)模型如下[12]:

PW(t)=

(4)

式中:vct——風力機的切入風速;

v(t)——風力機的實際風速;

vr——風力機的額定風速;

vco——風力機的切出風速;

Pr——單臺風力機組的額定輸出功率;PW(t)——實際輸出功率。

風速v可以通過參考點的風速轉(zhuǎn)換出:

(5)

式中:v——中心高度H的風速;

vr——參考高度Hr的風速;

α——指數(shù),一般取0.14。

實際風力發(fā)電系統(tǒng)中,可利用的輸出功率為

PWG(t)=PW(t)AWηNWG

(6)

式中:AW——風流過的面積;

η——轉(zhuǎn)換效率;

NWG——風力系統(tǒng)風力機的臺數(shù)。

1.3 儲能系統(tǒng)模型

儲能系統(tǒng)的可用容量與上一時刻的當前功率需求關(guān)系有關(guān),可表示[13]如下:

Ebat(t+Δt)=Ebat(t)+[PWG(t)+PPV(t)-

PL(t)/ηc]Δtηcf

(7)

式中:ηc——逆變轉(zhuǎn)換效率;

ηcf——儲能系統(tǒng)充放電效率。

在任何情況下,儲能系統(tǒng)都要受到下列不等式的約束:

Ebatmin≤Ebat(t)≤Ebatmax

(8)

Ebatmin=(1-γ)Ebatmax

式中:Ebatmin——最小可用存儲容量;

Ebatmax——最大可用存儲容量;

γ——充放電深度,取0.8。

1.4 負荷模型

考慮所有因素的時序負荷模型在實際運算中難以實現(xiàn),故采用短期負荷與長期最大負荷的比值來表示仿真時刻負荷的期望值,利用服從正太分布的負荷波動來模擬不確定因素對負荷的影響。年負荷的期望值為

L(t)=ηw(t)ηd(t)ηh(t)PLmax+N(0,σ2)

(9)

式中:ηd(t)——天負荷占年負荷峰值的百分比;

ηh(t)——小時負荷與年負荷峰值的百分比;

ηw(t)——周負荷峰值占年負荷峰值的百分比。

本文采用的峰值負荷為500 kW。年負荷曲線如圖2所示。

圖2 年負荷曲線

2 微電網(wǎng)微電源優(yōu)化配置數(shù)學(xué)模型

2.1 優(yōu)化配置目標函數(shù)

2.1.1 發(fā)電側(cè)目標函數(shù)

對于發(fā)電方來說,主要考慮降低投資費用,故目標函數(shù)內(nèi)容為投資費用、運行費用、維護費用、燃料費用[11]?？疾斓闹攸c是可再生能源,故對于燃料費用不再考慮。直接運用已有數(shù)據(jù),故其目標函數(shù)為

(10)

式中:N——電源的類型數(shù)目;

xi——第i種電源的數(shù)目;

CCBi——第i種電源的等年值的設(shè)備購買費用;

CSCi——第i種電源安裝費用;

COMi——第i種電源的年運行和維護費用。

2.1.2 負荷側(cè)目標函數(shù)

對于負荷側(cè)來說,用戶考慮的是負荷的丟失對其經(jīng)濟和精神損失最小,對于有的部分很難用特定的數(shù)學(xué)進行量化,只能對實際的負荷區(qū)域進行統(tǒng)計,求其損失期望值。微電網(wǎng)負荷可以分為可間斷負荷和不可間斷負荷,可將其目標函數(shù)表示為

(11)

Li(t)=

(12)

式中:LElost——負荷的期望停電損失;

Li(t)——i時間段內(nèi)的停電損失;

PI(t)——i時間段內(nèi)可間斷的負荷;

αI——可間斷負荷損失系數(shù);

αU——不可間斷負荷損失系數(shù);

PT(t)——i時間段丟失的負荷。

計算方法如下

(13)

式中:PS(t)——系統(tǒng)可用輸出功率;

PL((t)——系統(tǒng)所需負荷功率。

2.1.3 整體優(yōu)化目標函數(shù)

對于存在一部分互相矛盾的兩個優(yōu)化目標,采用常見的多目標優(yōu)化處理辦法,運用權(quán)重系數(shù)法建立目標函數(shù)對其行研究,得出整體目標函數(shù)為

MinF=ω1CCF(x)+ω2LElost

(14)

ω1+ω2=1

式中:ω1、ω2——相應(yīng)部分的權(quán)重系數(shù)。

2.2 優(yōu)化配置約束條件

2.2.1 系統(tǒng)能量守恒約束

系統(tǒng)能量守恒約束條件:

PPV+PWG+PBD+PUN=PL+PBC+PEG

(14)

式中:PBD——儲能放電量;

PUN——未被釋放的能量;

PBC——儲能充電量;

PEG——過發(fā)的電量。

2.2.2 微電源出力約束

對于第i種電源[15],有

Pi≤pixi

(15)

式中：Pi——單機容量;

pi——單機容量。

2.2.3 儲能系統(tǒng)約束

對于儲能系統(tǒng),除了要滿足式(8)外還要滿足[15]

(16)

式中:P+、P-——每小時內(nèi)的充放電。

2.2.4 可靠性約束

缺電概率(Loss of Power Supply Probability,LPSP)為全年孤島運行的微電網(wǎng)可靠性指標,不大于系統(tǒng)最大允許缺電概率LPSPmax。本文LPSPmax取0.4%。

3 BPSO算法

BPSO算法步驟[16-18]如下:

(1) 隨機初始化種群中各粒子的位置和速度。

(2) 評價每個粒子的適應(yīng)度值,并儲存當前粒子的位置和適應(yīng)度值到每個粒子的pbest,將所有pbest中適應(yīng)度值最優(yōu)個體的位置和適應(yīng)度值儲存于gbest中。

(3) 更新每個粒子的速度和位置。

(4) 將每個粒子適應(yīng)度值與前期經(jīng)歷的最好位置作比較,如較好,將其作為當前位置。

(5) 比較當前所有pbest、gbest的值，更新gbest。

(6) 根據(jù)雜交概率,選取指定數(shù)量的粒子放入雜交池內(nèi),池中的粒子隨機兩兩雜交產(chǎn)生同樣的子代粒子。

(7) 若滿足停止條件,搜索停止,輸出結(jié)果,否則回到第(3)步繼續(xù)搜索。

優(yōu)化配置流程圖如圖3所示。

圖3 優(yōu)化配置流程圖

4 算例分析

本文以孤島微電網(wǎng)系統(tǒng)為例,微電源參數(shù)[7,9,18]如下:蓄電池效率為90%,放電率在25 ℃情況下每月為1%,額定電壓為12 V,最小充電20%初始容量為1 kWh,使用壽命為4 a。光伏發(fā)電,額定電壓為17.6 V,額定電流為7.1 A,開路電壓為22.1 V,短路電流為7.54 A,參考溫度為25 ℃,使用壽命20 a,一個光伏電池的面積為1.108 m2。風力發(fā)電切入風速為2.5 m/s,額定風速為12 m/s,切出風速為25 m/s,使用壽命為20 a。年風速曲線如圖4所示。統(tǒng)計數(shù)據(jù),年光照曲線如圖5所示。微電源經(jīng)濟參數(shù)如表1所示。

圖4 年風速曲線

系統(tǒng)仿真配置結(jié)果如表2所示。

表2中,δ為敏感性負荷所占負荷比重,ω1、

圖5 年光照曲線

ω2分別為雙邊目標權(quán)重值,Npv、Nwg、Nbat分別為光伏電池、風力機、儲能電池配置數(shù)目。

由分析結(jié)果可知,隨著不可間斷負荷比重的增加,負荷側(cè)的目標函數(shù)對優(yōu)化配置結(jié)果的影響甚為明顯,故當可間斷負荷比重較大時,對于負荷側(cè)的考慮尤為必要,但敏感性負荷比重較小時,負荷側(cè)對優(yōu)化效果影響較小,可適當降低其權(quán)重或不考慮。

表1 微電源經(jīng)濟參數(shù)

表2 系統(tǒng)仿真配置結(jié)果

5 結(jié) 語

提出更適應(yīng)未來競爭性電力市場的微電網(wǎng)電源優(yōu)化配置問題方案,即考慮發(fā)電側(cè)和用戶側(cè)利益的優(yōu)化模型。運用改進的粒子群算法,對滿足一定供電可靠性的孤島微電網(wǎng)系統(tǒng)進行了仿真研究。仿真得到相應(yīng)的微電網(wǎng)電源裝機容量最優(yōu)配置方案,驗證了優(yōu)化算法的可行性,為雙邊目標函數(shù)權(quán)重的取值提供了方向性的參考。

[1] 魯宗相,王彩霞,閔勇,等.微電網(wǎng)研究綜述[J].電力系統(tǒng)自動化,2007,31(19):1002107.

[2] 肖宏飛,劉士榮,鄭凌蔚,等.微型電網(wǎng)技術(shù)研究初探[J].電力系統(tǒng)保護與控制,2009,37(8):115-119.

[3] LASSETER J,ETO H,SCHENKMAN B,et al.BCERTS micro-grid laboratory test bed[J].IEEE Transactions on Power Delivery,2011,26:325.

[4] 羅運虎,王冰潔,梁昕,等.電力市場環(huán)境下微電網(wǎng)不可再生分布式發(fā)電容量的優(yōu)化配置問題[J].電力自動化設(shè)備,2010,30(8):28-33.

[5] 張勇,吳淳.分布式發(fā)電機在配電網(wǎng)中的優(yōu)化配置[J].電力系統(tǒng)保護與控制,2010,38(11):33-37.

[6] MOGHADDAS-TAFRESHI S M,ZAMANI H A,HAKIMI S M.Optimal sizing of distributed resources in a micro grid with loss of power supply probability technology by using breeding particle swarm optimization[J].Renewable Sustainable Energy,2011:043105.

[7] 王瑞琪,李珂,張承慧.基于混沌多目標遺傳算法的微網(wǎng)系統(tǒng)容量優(yōu)化[J].電力系統(tǒng)保護與控制,2011,39(22).

[8] 鄭漳華,艾芊,顧承紅,等.考慮環(huán)境因素的分布式發(fā)電多目標優(yōu)化配置[J].中國電機工程學(xué)報,2009,29(13):23-28.

[9] 馬溪原,吳耀文,方華亮,等.采用改進細菌覓食算法的風/光/儲混合微電網(wǎng)電源優(yōu)化配置[J].中國電機工程學(xué)報,2011,31(9):17-25.

[10] GAVANIDOU E,BAKIRTZIS A.Design of a stand alone system with renewable energy sources using trade off methods[J].IEEE Transaction on Energy Conversion,1992,7(1):42-48.

[11] HASSANZADEHFARD H,MOGHADDAS-TAFRE-SHI S M,HAKIMI S M.Optimal sizing of grid connected micro-grid using particle swarm optimization considering interruptible loads[J].Electrimacs,2011,4(3):1216-1221.

[12] MOGHADDAM A A,SEIFI A,NIKNAM T,et al.Multi-objective operation management of a renewable MG(micro-grid) with back-up micro-turbine/fuel cell/battery hybrid power source[J].Fuel and Energy,2011,36(11):6490-6507.

[13] HASSANZADEHFARD H,MOGHADDAS-TAFRE-SHI S M,HAKIMI S M.Effect of energy storage systems on optimal sizing of islanded micro-grid considering inter-ruptible loads,energetics(IYCE)[C].Proceedings of the 3rd International Youth Conference,2011.

[14] MORAIS H,KáDáR P,FARIA P,et al.Optimal scheduling of a renewable micro-grid in an isolated load area using mixed-integer linear programming[J].Renew Energy,2010(35):151-156.

[15] HAKIMI S M,MOGHADDAS-TAFRESHI S M.Unit sizing of a stand-alone hybrid power system using particle swarm optimization(PSO)[J].IEEE ICAL,2007(18-21):3107-3112.

[16] 龔純,王正林.精通MATLAB優(yōu)化計算[M].2版.北京:電子工業(yè)出版社,2012.

[17] 李明.詳解MATLAB在最優(yōu)化計算中的的應(yīng)用[M].北京:電子工業(yè)出版社,2011.

[18] 楊毅,韋鋼,周冰,等.含分布式電源的配電網(wǎng)模糊優(yōu)化規(guī)劃[J].電力系統(tǒng)自動化,2010,34(13):19-23.

【辦刊理念】

以促進創(chuàng)新與發(fā)展為己任

以滿足讀者需要為追求

以創(chuàng)辦一流期刊為目標

專業(yè) 權(quán)威可靠 引導(dǎo)趨勢 發(fā)行 渠道優(yōu)越 覆蓋面廣

應(yīng)用 深入實踐 貼近市場 服務(wù) 專業(yè)細致 客戶至上

Optimal Allocation of Micro Power Sources in Micro Grid Based on Breeding Particle Swarm Optimization Algorithm

WANG Xinyong, YAN Lidong

(Zaozhuang Power Supply Company of State Grid, Zaozhuang 277000, China)

Based on breeding particle swarm optimization(BPSO),this paper proposed an optimal allocation model of micro power sources in micro grid,taking the benefit of both the generation side and the user side.The model was studies by the weight coefficient method.The optimal capacity of various types of micro power sources were obtained under different weight coefficient cases.As an example of the isolated island micro grid,the output characteristics and complementary characteristics of various types of micro-power and the load different sensitivity within the micro grid system were considered.This paper used BPSO algorithm for solving the minimization problem.The simulation results show that the methodology can meet economic operation of micro-power system with diversity load.This method can provide

for the planning and optimization problem of micro grid.

micro grid; breeding particle swarm optimization(BPSO) algorithm; isolated island; optimal allocation

王新永(1988—),男,從事微電網(wǎng)經(jīng)濟運行與控制方面的研究。

TM 561

A

1674-8417(2015)03-0001-06

2014-10-22

閆立東(1984—),男,從事電力系統(tǒng)運行與控制、電力系統(tǒng)故障建模方面的研究。