基于蟻獅算法的風(fēng)光水火短期優(yōu)化調(diào)度

蘇一峻,喬建華,齊向東,韓 帥

(1.太原科技大學(xué) 電子信息工程學(xué)院,太原 030024;2.國網(wǎng)晉城供電公司,山西 晉城 048000)

我國正在構(gòu)建低碳環(huán)保、安全高效的能源系統(tǒng),全國清潔能源的開發(fā)利用規(guī)模迅速擴大,風(fēng)光水火發(fā)電機組的綜合優(yōu)化調(diào)度在電力系統(tǒng)運行中具有重要意義。多源電力系統(tǒng)的互補運行問題越來越受到研究人員的關(guān)注。文獻[1]介紹了一種風(fēng)蓄水火協(xié)調(diào)優(yōu)化調(diào)度方法,提出一種分步順序反饋的多目標求解策略。文獻[2]在考慮風(fēng)光出力不確定和水熱電能量平衡的基礎(chǔ)上,將機會約束條件轉(zhuǎn)化為混合整數(shù)約束條件,并借助商業(yè)求解器求解。文獻[3]針對系統(tǒng)調(diào)節(jié)能力不足而造成的棄風(fēng)問題建立風(fēng)火水儲氣聯(lián)合優(yōu)化調(diào)度模型,將模型線性化后采用內(nèi)點法進行計算。文獻[4]從短期調(diào)度層面提出了一種虛擬電源應(yīng)對策略,以減小新能源并網(wǎng)對電力系統(tǒng)帶來的沖擊。文獻[5]提出了一種水電站同步調(diào)峰策略,應(yīng)用于青海、甘肅電網(wǎng)的日前調(diào)度,以減小火電輸出波動和新能源棄用問題。文獻[6]提出了一種擬對立群搜索優(yōu)化算法,用來求解多燃料多負載多區(qū)域動態(tài)經(jīng)濟調(diào)度問題。

上述文獻中考慮了多種電源的調(diào)度,對于新能源的隨機性應(yīng)對比較單一,且在風(fēng)光的功率預(yù)測準確性方面有待提高。為此本文結(jié)合我國電網(wǎng)的電源構(gòu)成特點和調(diào)度需求,充分發(fā)揮水電與火電的聯(lián)合調(diào)峰能力,從短期調(diào)度層面,建立了兼顧系統(tǒng)經(jīng)濟性和清潔能源最大化的風(fēng)光水火調(diào)度模型。運用新型的蟻獅算法對所建模型進行求解,并通過仿真實驗和結(jié)果對比,說明了采用蟻獅算法求解電網(wǎng)短期優(yōu)化調(diào)度可以實現(xiàn)經(jīng)濟效益和環(huán)保效益最大化。

1 風(fēng)光水火優(yōu)化調(diào)度模型

1.1 目標函數(shù)

為了將系統(tǒng)運行成本和棄風(fēng)、棄光量降至最低,在風(fēng)光水火多能互補系統(tǒng)日前優(yōu)化調(diào)度的目標函數(shù)中加入了表示棄風(fēng)和棄光的懲罰成本,以促進間歇性能源的高效利用。由于水電運行費用低,此處不考慮其運行成本。目標函數(shù)表示如下[7]:

(1)

式中:PGit、PWjt和PPVkt分別為火電i、風(fēng)電j和光伏k在時刻t的輸出功率;f(PGit)表示機組i在時刻t的燃料成本;Si,t表示機組i起動成本;T、NG分別為調(diào)度周期和火電總數(shù);ui,t為機組i在時刻t的起停狀態(tài)(用0、1表示);Cw、CPV分別表示風(fēng)、光的棄用懲罰成本,本文取 1 000元/MW;Pf,wt、Pf,pvt分別表示風(fēng)電、光伏在時刻t的預(yù)測出力。

常規(guī)火電機組發(fā)電經(jīng)濟成本實質(zhì)就是運行期間機組消耗燃料的費用,與機組i輸出功率有關(guān),一般情況下,單位時間內(nèi)火電機組i的發(fā)電成本可見式(2):

(2)

式中:ai、bi、ci表示火力發(fā)電燃料成本的運行參數(shù)。

1.2 約束條件

(1)功率平衡約束

為了維持系統(tǒng)安全穩(wěn)定運行,保證為用戶提供高質(zhì)量電能,需要考慮系統(tǒng)的功率平衡,在忽略網(wǎng)損的情況下,系統(tǒng)功率平衡約束見式(3):

(3)

式中:PHnt為水電站n在時刻t的輸出功率。PDt為系統(tǒng)在時刻t的負荷需求;NH為梯級水電站的數(shù)量。

(2)火電機組約束

火電機組約束包括容量約束、最小啟停時間約束和爬坡約束,即:

PGi,min≤PGit≤PGi,max

(4)

(5)

-δGi≤PGi,t-PGi,t-1≤δGi

(6)

(3)水電機組約束

水電機組約束包括出力上下限約束、水動態(tài)平衡約束、水庫存儲約束和排水量約束,即:

PH,min≤PHt≤PH,max

(7)

VHt=VH,t-1+IHt+(Q(H-1)t-QHt)

(8)

VH,min≤VHt≤VH,max

(9)

QH,min≤QHt≤QH,max

(10)

式中:PH,min、PH,max分別水電機組H有功輸出的上下限;VHt和QHt分別是水電站H在t時刻的蓄水量和排水量;IHt代表在時間t的第H個水庫的自然流入量;VH,min和VH,max分別是水電廠H的最小和最大水庫容量;QH,min和QH,max代表水電廠H的最小和最大排水量。

(4)水電轉(zhuǎn)換關(guān)系[8]

水電站出力的計算式被定義為一個與水電站下泄流量和水庫庫容有關(guān)的二次函數(shù),具體公式如下:

(11)

式中:ξ1H～ξ6H為水電站H的出力參數(shù)。

(5)風(fēng)電、光伏約束

為確保風(fēng)電和光伏發(fā)電出力不超過風(fēng)電和光伏發(fā)電的實時預(yù)測值。風(fēng)電、光伏出力的約束為:

0≤PWt≤Pf,wt

(12)

0≤PPVt≤Pf,pvt

(13)

式中:Pf,wt和Pf,pvt分別為風(fēng)電和光伏在時刻t的預(yù)測出力。

2 蟻獅優(yōu)化算法

蟻獅優(yōu)化算法(Ant Lion Optimizer,ALO)[9]是由Mirjalili提出的一種新型啟發(fā)式智能算法,通過摹仿蟻獅建坑狩獵螞蟻來進行運算。ALO可以用下面六個算子來解釋,這些算子旨在模仿自然界中蟻獅的狩獵行為。

(1)使用輪盤構(gòu)建蟻獅陷阱

通過輪盤賭算子根據(jù)適應(yīng)度選擇一只蟻獅,這種選擇為合適的蟻獅提供了更高的捕獲螞蟻的機會,因為假定合適的蟻獅可以建立更好的陷阱。

(2)創(chuàng)建隨機行走的螞蟻

在自然界中,螞蟻會隨機尋找食物,因此,螞蟻的運動是根據(jù)隨機行走建模的。第i維的螞蟻位置Xi如下所示:

X(t)=[0,…,cumsum(2f(t)-1)]

(14)

式中:X(t)表示第t次迭代時螞蟻的地方,cumsum表示累計和,f(t)是一個如下的隨機函數(shù):

(15)

式中:rand表示0到1之間的均勻分布的隨機數(shù)。

為了將螞蟻隨機游走限制在可行域內(nèi),將式(14)中生成的隨機值進行歸一化,第i維的螞蟻位置表示為:

(16)

(3)螞蟻被困在坑中

在每次迭代中都要調(diào)整螞蟻運動的邊界,以使螞蟻在選定的蟻獅陷阱周圍運動。螞蟻維數(shù)的上下限為:

(17)

(4)陷阱的自適應(yīng)收縮

當一只螞蟻掉入一個蟻獅陷阱中時,蟻獅會將沙子扔向螞蟻。因此,被困的螞蟻無法從陷阱中逃脫,并滑向坑的底部?？梢缘亟档臀浵侂S機游走的上下限,通過下列方程模擬這種現(xiàn)象[10]:

(18)

(19)

式中:R為比例系數(shù),w是一個基于t和T定義的常量,介于1到6之間。

(5)捕捉螞蟻和重建坑

假設(shè)蟻獅消耗螞蟻的意思是螞蟻變得比其對應(yīng)的蟻獅更適合。然后,蟻獅通過獲取被消耗的螞蟻地方來刷新其方位。由式(20)和(21)表示:

(20)

(21)

(6)應(yīng)用精英主義

精英蟻獅即最佳蟻獅的方位。每只螞蟻的動作都受精英蟻獅影響。

(22)

3 求解風(fēng)光水火調(diào)度問題

用于解決風(fēng)光水火調(diào)度問題的ALO算法的主要步驟包括初始化,約束處理,適應(yīng)性評估和螞蟻位置更新,如圖1所示。

圖1 算法求解流程圖Fig.1 Algorithm solution flow chart

3.1 初始化

水力、火力和風(fēng)光發(fā)電機組的成本和其他系數(shù),各電源的出力上下限等參數(shù)均取自一個標準系統(tǒng)數(shù)據(jù)集。根據(jù)問題需要選擇搜索代理的數(shù)量和最大迭代次數(shù)。

排水量、火力和風(fēng)光在以下指定的最小最大限制之間隨機初始化:

(23)

(24)

(25)

(26)

(27)

3.2 評估蟻獅種群

通過計算風(fēng)光水火調(diào)度問題的評估函數(shù)可以判斷出解決方案的優(yōu)劣,如下所示:

E(F)=

(28)

式中:CVWj和CVPVk分別表示第j個風(fēng)力發(fā)電單元和第k個光伏發(fā)電單元的約束違規(guī)。評估函數(shù)將有約束的優(yōu)化問題轉(zhuǎn)換為無約束優(yōu)化問題。如果沒有違反約束,則CV項將等于零。否則施加與違反約束成比例的懲罰以增加評估成本。

3.3 按評估順序?qū)ο仾{排序

經(jīng)過適應(yīng)性評估后,所有蟻獅都按照其評估成本的降序排序。對于最小化問題,這意味著第一只蟻獅是最適合的,它被稱為種群中全部蟻獅(解決方案)中的精英蟻獅(最佳解決方案)。

3.4 ALO算法的迭代步驟

(1)選擇蟻獅

使用輪盤賭輪選擇機制為每只螞蟻選擇一只蟻獅,以使選擇一只蟻獅的概率與該只蟻獅的適應(yīng)度成正比。

(2)調(diào)整螞蟻運動

迭代過程中螞蟻運動的調(diào)整可以通過以下兩個子步驟進行控制。

(i)在蟻獅坑中困住螞蟻:每個螞蟻活動的下限和上限在式(17)中說明的所選蟻獅坑的位置周圍動態(tài)地修改。

(ii)使螞蟻向蟻獅滑動:如式(18)所示,螞蟻運動的邊界被自適應(yīng)地減小,以使螞蟻向蟻獅坑的位置收斂。

(3)通過隨機行走和精英訓(xùn)練更新螞蟻位置

(i)對于每個螞蟻的活動范圍,通過應(yīng)用式(14)在所選螞蟻和精英螞蟻周圍生成隨機游動。

(ii)使用以上兩個隨機游動更新螞蟻位置,如式(22)所示。

(4)約束的實現(xiàn)

如果發(fā)現(xiàn)更新后的螞蟻位置超出了指定的上限/下限/邊界,它們將被迫退回到可行區(qū)域內(nèi)。

(5)重新建造蟻獅坑

使用式(28)評估更新的螞蟻位置;如果發(fā)現(xiàn)新的螞蟻位置優(yōu)于蟻獅位置,則使用式(21)更新蟻獅的位置。假定該螞蟻被該蟻獅消耗,并且該蟻獅通過獲取該消耗的螞蟻的位置來建立新的陷阱。

3.5 停止迭代

重復(fù)執(zhí)行“選擇蟻獅”,“調(diào)整螞蟻運動”,“通過隨機行走和精英主義更新螞蟻位置”,“約束的實現(xiàn)”和“重建蟻獅坑”中的步驟,直到達到了最大迭代次數(shù)。

4 仿真分析

為驗證模型有效性和算法的適當性,本文采用含風(fēng)電、光伏、4座梯級水電和10臺火電機組的系統(tǒng),以某典型日負荷為場景,協(xié)調(diào)優(yōu)化梯級電站的排水量以及各機組發(fā)電量。將一天分成24個間隔每個間隔1小時,在MATLAB上進行仿真實驗,火電機組的基本參數(shù)、水電站的相關(guān)參數(shù),風(fēng)光預(yù)測出力及負荷需求見參考文獻[11].

將ALO算法參數(shù)作如下設(shè)置:搜索代理數(shù)為50,迭代次數(shù)為100.粒子群算法(PSO)和改進粒子群算法(IPSO)也做同樣設(shè)置。求解結(jié)果見表1,ALO 所求的最優(yōu)值只有83.91萬元,而且燃料成本為61.06萬元,均低于另兩種算法結(jié)果。從而可以看出在解決風(fēng)光水火優(yōu)化調(diào)度問題時,無論是經(jīng)濟性還是環(huán)保性,ALO均具有很好的效果。圖2展示了三種算法在計算時的迭代收斂曲線,表現(xiàn)出ALO算法具有很好地收斂速度和全局尋優(yōu)能力。

表1 調(diào)度結(jié)果對比Tab.1 Comparison of scheduling results

圖2 ALO迭代曲線Fig.2 ALO iteration curve

圖3為ALO求解的風(fēng)光水火優(yōu)化調(diào)度結(jié)果,從圖中可以看出,凌晨0～6時段負荷需求低而風(fēng)電充足,此時火電出力相應(yīng)減少,有利于清潔能源發(fā)電。白天7～17時段負荷需求高且光照充足,風(fēng)光滿發(fā)后由水火負責(zé)補充和備用,減少棄風(fēng)棄光。夜間18～23時段,風(fēng)光出力均大幅減少,水電和火電則作為主力來滿足負荷需求。由此可見,風(fēng)光水火多源互補優(yōu)化調(diào)度有利于提高清潔能源發(fā)電,減少環(huán)境污染。

圖3 優(yōu)化調(diào)度結(jié)果Fig.3 Optimal scheduling results

5 結(jié)論

本文在充分研究風(fēng)光水火四類電源的工作原理及性能結(jié)構(gòu)的基礎(chǔ)上,確立風(fēng)光水火多能互補協(xié)調(diào)優(yōu)化的研究內(nèi)容。不僅充分體現(xiàn)出經(jīng)濟發(fā)展與生態(tài)保護友好協(xié)調(diào)的需要,而且十分貼合我國大力推進發(fā)展可持續(xù),充分利用非化石能源代替作用進而實現(xiàn)能源結(jié)構(gòu)轉(zhuǎn)型等發(fā)展方針。本文建立和求解的風(fēng)光水火多能互補系統(tǒng)協(xié)調(diào)調(diào)度模型具有十分重要的應(yīng)用意義。本次研究主要結(jié)論如下:

(1)本文在充分考慮各種電源的約束條件下,以火電運行成本最小和風(fēng)光棄用量最少為目標構(gòu)建含風(fēng)光的水火優(yōu)化調(diào)度模型。該互補模型及求解所用算法在充分利用水電優(yōu)勢的基礎(chǔ)上又一定程度緩解了風(fēng)力和光伏發(fā)電的波動特性,進而實現(xiàn)對能源的極大化利用,保證了能源的應(yīng)用價值。

(2)風(fēng)光水火優(yōu)化調(diào)度的求解引入了蟻獅優(yōu)化算法,通過對具體算例的仿真求解,并與粒子群和改進粒子群算法進行對比,發(fā)現(xiàn)蟻獅算法在求解多源互補優(yōu)化調(diào)度問題時具有適應(yīng)度值小、收斂速度快以及尋優(yōu)能力強的優(yōu)點。這對于今后能源互聯(lián)網(wǎng)的建設(shè)具有重要的戰(zhàn)略意義。