孤島運行模式下微電網(wǎng)有功負(fù)荷優(yōu)化分配

張穎，黃麗華，劉偉娜，澹臺瀟涵，韓姣

(1.河北農(nóng)業(yè)大學(xué) 機電工程學(xué)院，河北 保定　071000；

2.國網(wǎng)河北省電力公司保定供電分公司 營業(yè)及電費室，河北 保定　071000)

?

孤島運行模式下微電網(wǎng)有功負(fù)荷優(yōu)化分配

張穎1，黃麗華1，劉偉娜1，澹臺瀟涵2，韓姣2

(1.河北農(nóng)業(yè)大學(xué) 機電工程學(xué)院，河北 保定071000；

2.國網(wǎng)河北省電力公司保定供電分公司 營業(yè)及電費室，河北 保定071000)

摘要：研究了微電網(wǎng)在孤島運行模式下的有功負(fù)荷優(yōu)化分配問題.針對柴油發(fā)電機、微型燃?xì)廨啓C、等效光伏電源(包含蓄電池)和風(fēng)力發(fā)電機組成的微電網(wǎng)在孤島模式下的負(fù)荷優(yōu)化分配問題進(jìn)行了研究，建立了優(yōu)化數(shù)學(xué)模型，采用粒子群優(yōu)化算法和混沌算法相結(jié)合的混沌粒子群優(yōu)化算法，實現(xiàn)了有功負(fù)荷的優(yōu)化分配．在優(yōu)化過程中不但計及了電源功率充足情況下的負(fù)荷優(yōu)化分配，而且考慮了電源功率不足情況下的負(fù)荷優(yōu)化分配．給出的計算精度，使得優(yōu)化結(jié)果更切合實際．仿真計算結(jié)果表明了該方法的正確性和有效性．

關(guān)鍵詞：微電網(wǎng)；孤島運行；有功負(fù)荷分配；混沌粒子群優(yōu)化算法

第一作者：張穎(1990-)，女，河北文安人，河北農(nóng)業(yè)大學(xué)在讀碩士研究生.

微電網(wǎng)是一種由負(fù)荷和微電源共同組成的獨立可控的新型供電系統(tǒng)，可同時供應(yīng)電能和熱量.通過整合分布式發(fā)電單元與配電網(wǎng)之間的聯(lián)系，在一個局部區(qū)域內(nèi)可直接將分布式發(fā)電單元、電力網(wǎng)絡(luò)和終端用戶聯(lián)系在一起，優(yōu)化并提高能源利用效率[1]．然而由于多種分布式電源發(fā)電的隨機性和不可控性，使得微電網(wǎng)電源功率或大于負(fù)荷功率、或小于負(fù)荷功率，從而給有功負(fù)荷的優(yōu)化分配帶來了難度．當(dāng)分布式電源功率大于負(fù)荷功率時，需要保證可再生能源和清潔能源最大限度地供電，控制可控電源的供電；當(dāng)出現(xiàn)分布式電源功率小于負(fù)荷功率時，必須按照負(fù)荷的投切控制策略[2]切除一部分負(fù)荷．

為了達(dá)到微電網(wǎng)的環(huán)保運行和經(jīng)濟運行，動態(tài)地對微電網(wǎng)中負(fù)荷在各個微電源間進(jìn)行優(yōu)化分配，以實現(xiàn)發(fā)電總成本最低的問題是必不可少的[3]．目前，對分布式發(fā)電系統(tǒng)的能量管理、優(yōu)化運行等已經(jīng)有了不少研究[4-5]．傳統(tǒng)的粒子群優(yōu)化算法收斂速度快，運算簡單，易于實現(xiàn)[6]．但傳統(tǒng)的粒子群優(yōu)化算法在運算后期易陷于局部極值點，算法所能達(dá)到的精確度較差．對此，很多專家相繼提出多種改進(jìn)，如改變粒子群本身的搜索機制[7]，將粒子群與其他智能算法相結(jié)合[8]等．

文獻(xiàn)[9]提出在搜索過程中采取達(dá)到最大迭代次數(shù)使粒子最優(yōu)，但沒有有效地提高算法速度；文獻(xiàn)[10]提出了一種應(yīng)用混沌優(yōu)化理論求解電力系統(tǒng)經(jīng)濟負(fù)荷分配的新方法，但沒有考慮電源功率不足情況下的負(fù)荷優(yōu)化分配．本文建立了一種孤島模式下微電網(wǎng)負(fù)荷優(yōu)化分配模型．該模型計及了負(fù)荷需求、電力系統(tǒng)運行等約束條件，考慮了各種微電源燃料成本、運行維護(hù)成本、電能損耗成本和外部排放成本因素，運用一種基于混沌粒子群的優(yōu)化算法，實現(xiàn)了微電網(wǎng)經(jīng)濟效益、環(huán)保指數(shù)最大化，并通過算例驗證了該模型與算法的正確性和有效性．

1微電源數(shù)學(xué)模型

1.1　柴油發(fā)電機(diesel generator, DG)

DG是柴油機驅(qū)動發(fā)電機運轉(zhuǎn)，將柴油的能量轉(zhuǎn)化為電能的發(fā)電裝置，它是目前最常用的微電源．柴油發(fā)電機的燃料成本函數(shù)可以描述為實際輸出功率的二次函數(shù)，即

(1)

式中αi,βi和γi均為柴油發(fā)電機的相關(guān)參數(shù)，一般由柴油發(fā)電機的制造商給出[11]；Pi是柴油發(fā)電機i的輸出功率(kW)．

1.2　微型燃?xì)廨啓C(microturbine, MT)

MT是指功率在幾百千瓦以內(nèi)的小型熱動裝置，它通過整合在發(fā)電機中的燃?xì)鉁u輪發(fā)動機的高速運轉(zhuǎn)產(chǎn)生電能．微型燃?xì)廨啓C的總效率函數(shù)[12]為

(2)

式中Pne為凈電力輸出(kW)，Pth,rec為恢復(fù)熱功率(kW)，LHVf為低燃料加熱率(kJ/kgf)，mf為燃料的質(zhì)量流速(kg/s)．

微型燃?xì)廨啓C的成本函數(shù)為

(3)

式中Cnl為供應(yīng)給微型燃?xì)廨啓C的天然氣價格，PJ為時間間隔J的凈電力輸出,ηlJ為時間間隔J的電池效率．

1.3　等效光伏電源(equivalent photovoltaic, EPV)

EPV是將光伏電池和蓄電池合并成一個等效光伏電源．光伏電池的輸出功率與光照強度有關(guān)，一般工作在最大功率點跟蹤(MPPT[12])模式下；蓄電池能夠跟蹤太陽能出力變化進(jìn)行充放電，能夠平衡峰谷負(fù)荷，有利于系統(tǒng)運行的穩(wěn)定性．其功率的輸出比單純的光伏電池更平穩(wěn)．當(dāng)光照強度比較強時，蓄電池處于充電狀態(tài)，否則蓄電池放電．其等效光伏電源的輸出功率修正方程為

(4)

式中PPV為光照強度GING條件下的輸出功率，PSTC為標(biāo)準(zhǔn)測試條件下的最大輸出功率，GING為光照強度，GSTC為STC條件(100 0W/m2)下的光照強度，k為發(fā)電溫度系數(shù)，Tc為電池溫度，Tr為參照溫度，S為蓄電池容量，δ為充放電系數(shù)，t為時間.

1.4　風(fēng)力發(fā)電機(wind turbine, WT)

WT是利用風(fēng)力帶動風(fēng)車葉片旋轉(zhuǎn)，再通過增速機將旋轉(zhuǎn)速度提升，從而促使發(fā)電．風(fēng)力發(fā)電機的輸出功率是風(fēng)速的函數(shù),

(5)

2混沌粒子群優(yōu)化算法

粒子群算法模擬社會的群體行為，通過個體間的協(xié)作來搜尋最優(yōu)解，每個粒子通過統(tǒng)計迭代過程中自身和群體發(fā)現(xiàn)的最優(yōu)值來更新粒子速度和位置，其修正公式為

vk+1=wvk+c1r1(pbest,k-xk)+c2r2(gbest,k-xk)，

(6)

xk+1=xk+vk+1，

(7)

式中vk為粒子的速度向量；xk為當(dāng)前粒子的位置；pbest,k為粒子本身所找到的最優(yōu)解的位置；gbest,k為整個種群目前找到的最優(yōu)解的位置；r1，r2為 0 到 1之間的偽隨機數(shù)；w為慣性權(quán)重，c1，c2為加速度常數(shù)，習(xí)慣上取 w=1,c1=c2=2．

為了解決粒子群算法易于早熟問題，現(xiàn)提出將混沌算法與粒子群優(yōu)化算法相結(jié)合，利用混沌運動具有隨機性、遍歷型等特點，將其應(yīng)用到優(yōu)化搜索過程中，當(dāng)粒子陷入早熟收斂時，用混沌擾動來跳出局部最優(yōu)，并快速搜尋到更優(yōu)解，提高解的精度和收斂速度．在本文混沌粒子群算法中，選擇如式(8) 所示的Logistic映射來產(chǎn)生混沌變量.

zi,k+1=μzi,k(1-zi,k),(k=0,1,2,…,0≤zi,0≤1),

(8)

式中，μ是控制變量，當(dāng)μ=4時，Logistic完全處于混沌狀態(tài)．

用混沌變量進(jìn)行搜索

(9)

為了防止出現(xiàn)單側(cè)搜索的現(xiàn)象,將式(9)修改為

(10)

3孤島運行模式下微電網(wǎng)有功負(fù)荷優(yōu)化分配

3.1　目標(biāo)函數(shù)

(11)

式中，F(xiàn)為微電網(wǎng)系統(tǒng)發(fā)電的總成本；T為調(diào)度周期的總時段數(shù)；t為時段編號；N為系統(tǒng)中微電源的總數(shù)；Fi(Pi(t))為微電源的燃料成本；OMi(Pi(t))為微電源的運行維護(hù)成本；ELi(Pi(t))為系統(tǒng)的電能損耗成本；EDi(Pi(t))為微電源的外部排放成本．其中，目標(biāo)函數(shù)主要包括燃料成本、運行維護(hù)成本、電能損耗成本和外部排放成本．對于燃料成本，不同微電源有很大不同．EPV和WT不消耗一次能源，其燃料成本可記為0；DG和MT的燃料成本分別表示為式(1)和式(3)．

運行維護(hù)成本可表示為

OMi(Pi)=KOMiPi，

(12)

式中，KOMi為微電源的運行維護(hù)系數(shù)．

電能損耗成本表示為

(13)

式中,KELi為電能損耗成本系數(shù)；n為線路數(shù)；ΔPmax為最大負(fù)荷時的功率損耗；τ為最大負(fù)荷損耗時間．

排放成本函數(shù)表示為各種污染物排放成本總和，如SO2，NOX和CO2,如表1所示．

表1　排放物處理成本及系數(shù)

3.2　約束條件

等式約束：分布式電源有功功率總和等于負(fù)載功率和有功損耗之和，

(14)

式中Pi為微電源i的輸出功率；PLi為系統(tǒng)負(fù)荷；ΔPLOSS為系統(tǒng)總網(wǎng)損．

網(wǎng)損通常采用潮流計算或B 系數(shù)法求解， B系數(shù)法的計算公式為[10]

ΔPLOSS=PTBP+PTB0+B00，

(15)

式中P為m維發(fā)電機有功功率列矢量．PT為P轉(zhuǎn)置向量，B為m×m維方陣，B0為m維列矢量，B00為常數(shù)．

不等式約束：微電源輸出有功出力和節(jié)點電壓必須在允許范圍內(nèi)，即

Pimin≤Pi≤Pimax，

(16)

Uimin≤Ui≤Uimax.

(17)

3.3　孤島運行模式下微電網(wǎng)有功負(fù)荷優(yōu)化分配

取各微電源的有功功率為優(yōu)化變量,即

{xi}={Pi},(i=1,2,…,m)，

(18)

minF(xi),(xi∈[ai,bi])，

(19)

式中F為目標(biāo)函數(shù)；xi為優(yōu)化變量；ai和bi為xi的下限和上限；m為優(yōu)化變量個數(shù)．

收斂條件

min|x(k+1)i-x(k)i|<ε.

(20)

混沌粒子群優(yōu)化算法的步驟如下：

Step 1初始化種群中每個微粒的位置和速度，置k=1，混沌搜索起始迭代次數(shù)T；

Step 2根據(jù)目標(biāo)函數(shù)式(11)計算各粒子的適應(yīng)值，保存?zhèn)€體最優(yōu)位置pbest,k和全局最優(yōu)位置gbest,k；

Step 3采用式(6)和(7)對種群中的粒子進(jìn)行1次迭代操作，若當(dāng)前最優(yōu)個體滿足收斂條件(21)，轉(zhuǎn)步驟Step 5；

Step 5進(jìn)化過程結(jié)束,返回全局最優(yōu)解．

4算例分析

本文選取測試系統(tǒng)IEEE-RBTS BUS[13]主饋線F4的一部分模擬微電網(wǎng)負(fù)荷組成，并且添加了等效光伏電源、風(fēng)力發(fā)電機、柴油發(fā)電機和微型燃?xì)廨啓C4個微電源．系統(tǒng)接線圖如圖1所示．微電源參數(shù)如表2所示，線路參數(shù)如表3、4所示，其中L1,L3為2級負(fù)荷，L2,L4和L5為3級負(fù)荷，各有功功率日負(fù)荷曲線如圖2所示，cosφ=0.85．5個負(fù)荷的年最大負(fù)荷分別為Pmax1=40.771 kW，Pmax2=33 kW，Pmax3=54 kW，Pmax4=30 kW，Pmax5=30 kW．

微電源類型KOM/(美元(kW·h)-1)出力上限/kW出力下限/kWDG0.01258800MT0.00587600EPV0.00034155WT0.00119200

表3　線路參數(shù)

表4　線路長度

蓄電池容量取10 kW, 充放電系數(shù)δ取0.5．風(fēng)速變化曲線如圖3．本文采用Matlab 7.6進(jìn)行編程，群體數(shù)為 4，計算精度ε=10-5，T=100．初始權(quán)重w取0.9，c1，c2取2．

負(fù)荷的優(yōu)化分配結(jié)果如圖4所示，由此可以看出：風(fēng)力發(fā)電機、等值光伏電源按照自身的數(shù)學(xué)模型發(fā)電，最大限度地利用了可再生能源和清潔能源；MT一直處在比較高的功率輸出運行狀態(tài)，體現(xiàn)了運行維護(hù)成本、排放成本較低的優(yōu)越性；DG在大部分時間處在較小的功率輸出狀態(tài)，只有當(dāng) WT，EPV和MT 出力總和不能滿足負(fù)荷要求時，DG才會增大其出力，以克服DG運行維護(hù)成本高、排放成本較大的不足；在10 h到11 h之間，由于微電源總?cè)萘啃∮谟秒娯?fù)荷功率，為了保證微電網(wǎng)獨立系統(tǒng)電壓與頻率的穩(wěn)定，按照參考文獻(xiàn)[14]提出的負(fù)荷最優(yōu)控制策略切除負(fù)荷L5，實現(xiàn)了微電網(wǎng)在滿足技術(shù)條件的前提下經(jīng)濟利益、環(huán)保指數(shù)最大化．

圖3　風(fēng)速變化曲線

圖4　微電源有功出力曲線

5結(jié)論

本文針對微電網(wǎng)負(fù)荷需求，建立了一種孤島模式下微電網(wǎng)負(fù)荷優(yōu)化分配模型．該模型計及了負(fù)荷需求、電力系統(tǒng)運行等約束條件，考慮了各種微電源運行維護(hù)成本、燃料成本、外部排放成本和電能損耗成本因素，運用一種基于混沌粒子群優(yōu)化算法，實現(xiàn)了微電網(wǎng)經(jīng)濟利益、環(huán)保指數(shù)最大化．

在優(yōu)化過程中不但計及了電源功率充足情況下的負(fù)荷優(yōu)化分配，而且考慮了電源功率不足情況下的負(fù)荷優(yōu)化分配．此外，本文給出了計算精度，使得優(yōu)化結(jié)果更切合實際．

參考文獻(xiàn):

[1]奚利豐,簡獻(xiàn)忠,胡文君.分布式能源在新型農(nóng)村電網(wǎng)中的應(yīng)用與前景[J].農(nóng)機化研究,2013, 4: 226-230.

XI Lifeng, JIAN Xianzhong, HU Wenjun. Application and prospect of distributed energy in new rural power grid[J]. Journal of Agricultural Mechanization Research, 2013, 4: 226-230.

[2]谷冉,黃麗華,澹臺瀟涵.基于模糊聚類的農(nóng)村微網(wǎng)負(fù)荷控制策略研究[J].浙江農(nóng)業(yè)學(xué)報, 2014, 26(2): 473-477.

GU Ran, HUANG Lihua, TANTAI Xiaohan. Study of rural micro grid load control strategy based on fuzzy clustering[J]. Acta Agricultural Zhejiangensis, 2014, 26(2): 473-477.

[3]李鵬,張玲,盛銀波.新能源及可再生源并網(wǎng)發(fā)電規(guī)?；瘧?yīng)用的有效途徑-微電網(wǎng)技術(shù)[J].華北電力大學(xué)學(xué)報,2009,36(1):10-14.

LI Peng, ZHANG Ling, SHENG Yinbo. An effective way for large scale renewable energy power generation connected to the Microgrid[J]. Journal of North China Electric Power University, 2009, 36(1): 10-14.

[4]陳達(dá)威,朱桂萍.低壓微電網(wǎng)中的功率傳輸特性[J].電工技術(shù)學(xué)報,2010, 25(7): 121-122.

CHEN Dawei, ZHU Guiping. Power transmission characteristics of low voltage microgrids[J]. Transactions of China Electrotechnical Society, 2010, 25(7): 121-122.

[5]丁明,包敏,吳紅斌.分布式供能系統(tǒng)的經(jīng)濟調(diào)度[J].電力科學(xué)與技術(shù)學(xué)報,2008,23(1): 13-17.

DING Ming, BAO Min, WU Hongbin. Economic dispatching on distributed energy supply system[J]. Journal of Electric Power Science and Technology，2008，23(1): 13-17.

[6]胥小波，鄭康鋒，李丹，等.新的混沌粒子群算法[J].通信學(xué)報，2012，33(1)：24-31.

XU Xiaobo,ZHENG Kangfeng.LI Dan,et al.New Chaos-particle swarm optimization algerithm[J]. Journal on Communications, 2012,33(1):24-31.

[7]趙波,曹一家.電力系統(tǒng)機組組合問題的改進(jìn)粒子群優(yōu)化算法[J].電網(wǎng)技術(shù), 2004, 2(21): 6-10.

ZHAO Bo, CAO Yijia. An improved particle swarm optimization algorithm for power system unit commitment[J]. Power System Technology, 2004, 2(21): 6-10.

[8]陳如清,俞金壽.混沌粒子群混合算法的研究與應(yīng)用[J].系統(tǒng)仿真學(xué)報, 2008, 20(3): 685-688.

CHEN Ruqing, YU Jinshou.Study and application of chaos-particle swarm optimization-based hybrid optimization algorithm[J]. Journal of System Simulation, 2008, 20(3): 685-688.

[9]張勁松,李歧強,王朝霞.基于混沌搜索的混和粒子群優(yōu)化算法[J].山東大學(xué)學(xué)報,2007, 37(1): 47-55.

ZHANG Jingsong, LI Qiqiang,WANG Zhaoxia. Hybrid particle swarm optimization algorithm based on the chaos search [J].Journal of Shangdong University, 2007, 37(1): 47-55.

[10]唐巍,李殿璞.電力系統(tǒng)經(jīng)濟負(fù)荷分配的混沌優(yōu)化方法[J].中國電機工程學(xué)報, 2000, 20(10): 36-40.

TANG Wei, LI Dianpu. Chaotic optimization for economic dispatch of power systems[J]. Proceedings of the CSEE , 2000, 20(10): 36-40.

[11]MOHAMED F A, KOIVO H N.System modeling and online management of MicroGrid using multiobjective optimization [Z]. Capri:Proceedings of International Conference on Clean Electrical Power, 2007.

[12]ESRAM T, CHAPMAN P L.Comparion of photovoltaic array maximum power point tracking techniques[J]. IEEE Transactions on Energy Conversion, 2007, 22(2): 439-449.

[13]BILLINTON R, JONNAVITHULA S. A test system for teaching overall power system reliability assesment[J]. IEEE Transactions on Power Systems, 1996, 11(4): 1670-1676.

(責(zé)任編輯：王蘭英)

Optimal distribution of active loads on island

operation mode of micro grid

ZHANG Ying1, HUANG Lihua1, LIU Weina1, TANTAI Xiaohan2, HAN Jiao2

(1. College of Mechanical and Electrical Engineering, Agricultural University of Hebei,

Baoding 071000,China；2. Business and Electricity Department, State Grid Company

of Hebei Baoding, Baoding 071000, China)

Abstract:The micro grid active load distribution optimization problem on islanding mode was studied.This paper introduces an optimal distribution method of active loads on island mode of a micro grid which consists of micro grid diesel generators, micro turbines, solar generators and wind turbines. An optimization mathematical model is built, a hybrid particle swarm optimization algorithm combined with particle swarm optimization algorithm and hybrid algorithm is used. The optimal distribution method of active loads in the optimal process not only consider the power sufficient condition, but also the under condition of insufficient power supply. This paper presents the calculation precision； make the optimization results more practical. The simulation results illustrate that the method is validity and effectiveness.

Key words:micro-grid；island operation；active loads distribution；hybrid particle swarm optimization algorithm

通信作者：黃麗華(1963-)，女，山東榮成人，河北農(nóng)業(yè)大學(xué)教授，博士，主要從事配電系統(tǒng)及其自動化、人工智能方面的研究.E-mail: bdhlhhlh@163.com

基金項目：河北農(nóng)業(yè)大學(xué)理工基金資助項目(LG201502)；保定市科技局指導(dǎo)課題項目(11ZN015)

收稿日期：2015-03-17

中圖分類號：TM615

文獻(xiàn)標(biāo)志碼:A

文章編號：1000-1565(2015)06-0632-07

DOI：10.3969/j.issn.1000-1565.2015.06.013