分时电价机制下的微网经济调度

乔 辉

(国网河北省电力公司 保定供电分公司，河北保定071000)

分时电价机制下的微网经济调度

乔 辉

(国网河北省电力公司 保定供电分公司，河北保定071000)

微网的经济调度是微网的重点研究内容之一。为解决分时电价机制下微网的经济调度问题，提出一种基于鲶鱼二进制粒子群算法的微网经济调度方法。考虑了微网中可控型微电源的启停控制策略，建立了计及经济成本和环境效益的微网经济调度数学模型。引入经济学中的鲶鱼效应，改进二进制粒子群优化算法求解问题。以包含风、光、微型燃气轮机、燃料电池和柴油发电机的具体微网为算例，在分时电价机制下，采用三种微网经济调度策略进行仿真，仿真结果验证了所提算法求解微网经济调度问题的有效性。

微网；经济调度；分时电价；二进制粒子群优化算法；鲶鱼效应

0 引言

由微电源、负荷、储能装置和控制装置组成的微网对外表现为单一受控的独立电力系统，是分布式电源的集成和接入的有效方式，成为了智能电网建设的一个重要技术[1,2]。分时电价机制根据用户负荷需求情况，将一天划分为多个时段(如：峰时、平时和谷时)，并采用不同的电价，科学引导用户用电，以实现削峰填谷、提高能源利用率的目的，获得广泛应用[3,4]。

在分时电价机制下，微网的经济调度就要考虑各调度时段间的相互耦合关系；另外，微网中一些可再生能源出力具有随机性和波动性，因此也需考虑各时段之间的内在联系，以更符合微网的实际运行情况[5～8]。然而目前鲜有针对分时电价机制下考虑了各时段之间的内在联系的微网经济调度的研究。

微网的经济调度是一个复杂的非线性、强耦合优化问题，宜采用智能优化算法求解。处理离散型优化的二进制粒子群优化(Binary Particle Swarm Optimization，BPSO)算法具有灵活性大、算法易实现、收敛快、需调整参数少等优点，在微网的经济调度研究上得到广泛应用[9～13]。文献[11]提出了一种具有双重结构编码的BPSO算法，种群多样性增加，但是算法的编码方案较为复杂。文献[12]利用了混沌变量的遍历性和对初值敏感性，但寻优函数的复杂程度和寻优空间的大小限制了算法精确度。文献[13]通过视觉化个体粒子，为每个粒子增加半径参数，避免粒子的聚集。但这些算法大多只改进了部分粒子的位置，整个种群的飞行方式并没有得到修正。

本文充分考虑了微网中可控型微电源的启停控制策略，在分时电价机制下，研究了微网三种运行策略的经济调度。并利用经济学中的鲶鱼效应[14]，避免传统BPSO算法陷入局部最优解的问题，求解微网的经济调度问题。

1 微网经济调度数学模型

1.1 微电源建模

风力发电机(Wind Turbine，WT)和光伏电池(Photovoltaic Cell，PV)不消耗一次能源，不排放污染物，一般工作在最大功率跟踪控制模式下。本文将其负值与微网总负荷功率相叠加得到“净负荷”功率，计算公式为

(1)

柴油发电机(DieselGenerator，DE)的燃料成本计算式就是它的耗量特性函数

(2)

微型燃气轮机(Micro Turbine，MT)发电燃料成本计算式如下

(3)

(4)

燃料电池FC(FuelCell)发电燃料成本计算如下

(5)

ηFC=-0.002 3PFC+0.673 5

(6)

1.2 目标函数

本文以微网发电成本最小、环境成本最小为子目标函数，建立多目标优化模型如下：

(7)

(8)

(9)

(10)

1.3 约束条件

(1)功率平衡约束

(11)

(12)

(2)运行电压约束

(13)

(3)微电源输出功率约束

(14)

(4)微电源爬坡率约束

(15)

(5)微电源启停机次数和启停时间约束

(16)

(6)微网与主网传输功率约束

(17)

2 分时电价机制及微网经济调度策略

分时电价机制根据用户负荷需求将一天分为峰、平、谷三个时段，电价水平与具体时段划分如表1所示。分时电价水平与微电源综合成本如图1所示。为充分利用分时电价机制，在每个优化时段，首先预测负荷大小及WT、PV出力，求得“净负荷”功率大小；然后充分利用谷时较低购电价格和峰时售电获利，依据微网综合运行成本最低的原则，确定各类具有不同发电成本的可控型微电源的出力、及微网与主网之间的交互功率。

表1 分时电价

图1 分时电价水平与微电源综合成本

另外，根据微电源是否优先调度及微网与主网之间的功率交互方式，微网采用如下三种运行策略：(1)优先利用微电源来满足微网内的负荷需求，不满足负荷需求时从主网吸收功率，但不可以向主网输出功率；(2)微电源与主网共同参与系统的运行优化，仍是可以从主网吸收功率，不可以向主网输出功率；(3)微网与主网可自由双向交换功率。

3 鲶鱼二进制粒子群优化算法

3.1 传统BPSO算法

BPSO是在基本PSO的基础提出的，适用于离散空间优化问题[16]。速度和位置的更新公式分别如式(18)和式(19)所示

(18)

(19)

其中：

(20)

3.2 鲶鱼效应

鲶鱼效应通过引入具有竞争力的个体，激励陷入惰性的种群恢复并保持活力[17]。对于PSO，当粒子聚集在局部最优而导致搜索停滞时，构造“鲶鱼粒子”去驱动陷入局部最优位置的“沙丁鱼粒子”，利用鲶鱼效应使得种群能够跳出局部极值而找到全局最优。引入鲶鱼效应后算法原理图如图2所示。

图2 鲶鱼效应算法原理图

3.3 算法步骤

(1)选择微网运行策略；输入算法参数。

(2)初始化粒子速度和位置，设置迭代次数iter=1。

(3)计算各粒子的适应度值，记录全局最优解fbest，记粒子位置全局极值点gbest和个体极值点pbest。

(4)判断当前的迭代次数是否达到最大迭代次数，若达到则结束算法，输出计算结果；若不满足则设定迭代次数K=K+1。

(5)判断是否引入“鲶鱼粒子”。当整个种群陷入局部最优解时，种群多样性将大大减弱，减弱到阀值时，转步骤(6)；否则转步骤(8)，利用式(21)来量化种群的多样性

(21)

(6)构造“鲶鱼粒子”。取出种群中适应度值最大的W个粒子构造成“鲶鱼粒子”(本文取W=10%×K)，随机更新这W个粒子在解空间内的位置。其余的粒子称为“沙丁鱼粒子”。

(7)“鲶鱼粒子”驱动“沙丁鱼粒子”。计算新构造的“鲶鱼粒子”适应度值，当适应度值增大或者不变，转步骤(8)；否则(即“鲶鱼粒子”更具活力)，驱动陷入局部最优解而具有惰性的“沙丁鱼粒子”，即根据式(22)更新“沙丁鱼粒子”速度

(22)

其中：

(23)

(8)分别根据式(18)和式(19)更新粒子的位置和速度。

(9)判断粒子的状态是否满足各类不等式约束条件，若满足则保留粒子位置，若不满足则取限值。转步骤(3)。

4 算例分析

4.1 算例数据

图3 微网结构图

算例采用的微网结构如图3所示。微网线路阻抗为R=1.98 Ω/km，X=0.358 Ω/km[18]。微网中可再生能源微电源包括系统容量为15 kW的PV和系统容量为10 kW的WT。电压允许偏差为-5%～+5%，主网向微网传输的有功上限取100 kW，下限取-50 kW。环境成本参数和可控型微电源相关参数分别如表2和表3所示[19-20]。天然气价格取2.48元/m3。微网中光伏电池和风机发电的预测功率，以及日负荷功率、净负荷功率分别如图4所示。

图4 光伏电池、风机、负荷与“净负荷”功率

污染物类型NOxSO2CO2DE排放系数/(g·(kW·h)-1)4.33140.4641232.0373MT排放系数/(g·(kW·h)-1)0.61880.000928184.0829FC排放系数/(g·(kW·h)-1)<0.0230635.04排放罚款/(元·kg-1)2.051.0250.01025环境价值/(元·kg-1)8.26.150.02375

表3 可控型微电源参数

4.2 仿真结果分析

采用本文提出的算法求解，设置群大小为60，最大迭代次数200次。微网经济调度结果如图5～7所示，一天运行费用如表4所示。

图5 运行策略一调度结果

图6 运行策略二调度结果

图7 运行策略三调度结果

在运行策略一下，微电源优先发电。由图1知，当输出功率超过22kW时，MT综合发电成本最高，FC次之，DE最低。故图5中，DE除了在负荷波动较大的8、14和17时跟随负荷波动而改变出力，几乎满发；FC优于MT发电，在负荷增加时出力增加；MT在负荷需求小的0～7时停机，随后输出功率跟随负荷需求变化。根据运行策略二，主网也可参与优化。由图1和表1知，在谷时，MT、FC综合发电成本高于购电电价，故停机从主网购电；在平时和峰时，FC综合发电成本低于电价，故满发；而MT只有在峰时综合发电成本低于电价，故只有在峰时相比主网得到优先利用。相比运行策略二，在运行策略三下微电源可以多发电向主网售电，且由图1知，在峰时所有微电源综合成本都低于电网峰时售电电价，故图7中MT也满发，向电网售电。

表4 微网运行费用

由表4可知，运行策略三最优，运行策略二次之，运行策略一最差。策略一下，微电源优先发电，故发电成本和环境成本最高。策略二和策略三下，主网可参与优化，向微网输送功率大致相等，故购电费用相近；策略三下，微电源在峰时可多发电向主网售电，故策略三下发电成本和环境成本较策略二高，但是微网售电收益可有效降低微网运行费用，且相比策略一降低费用38.92%，相比策略二降低费用20.35%，有效地起到了“削峰填谷”的作用。同时从表4中也可以看出，微网中环境成本占总运行费用比重轻，不同策略下变化也小。这是因为目前天然气价格偏高，而污染物排放罚款较低。

采用标准BPSO和文献[11]所提的算法求解策略三下的优化问题，算法收敛性能对比结果如图8所示。由图8知，本文算法相比文献[11]算法收敛更快，且明显优于BPSO。策略三下，BPSO和文献[11]优化得到的运行总费用分别是1 013.18元和891.87元，相比本文算法求得的788.72元，可见本文算法优化得到的最优值更好。

图8 算法收敛性能对比

5 结论

本文考虑了微网中可控型微电源的启停控制，以发电成本和环境成本最小为目标，在分时电价机制下建立了微网经济调度数学模型。采用改进的二进制粒子群优化算法求解问题。以包含风、光、微型燃气轮机、燃料电池和柴油发电机的具体微网为算例，采用三种微网并网运行策略进行仿真。并在第三种策略下，与上述两个二进制粒子群优化算法对比收敛性能，进一步验证所提算法在求解微网经济调度问题上的有效性。

[1]贺静，宋琪，文福拴，等.智能电网综合评估指标体系初探[J].华北电力大学学报(自然科学版)，2013，40(02)：46-54.

[2]余贻鑫，秦超.智能电网基本理念阐释[J].中国科学：信息科学，2014，44(6)：694-701.

[3]Mahmoodi M，Shamsi P，Fahimi B.Optimal scheduling of microgrid operation considering the time-of-use price of electricity[C].39th Annual Conference of the IEEE Industrial Electronics Society，Vienna，2013，2127-2132.

[4]毛晓明，陈深，吴杰康，等.分时电价机制下含蓄电池微网的优化调度[J].电网技术，2015，39(5)：1192-1197.

[5]朱永胜，王杰，瞿博阳，等.含风电场的多目标动态环境经济调度[J].电网技术，2015，39(5)：1315-1322.

[6]Kanchev H，Colas F，Lazarov V，et al.Emission reduction and economical optimization of an urban microgrid operation Including dispatched PV-based active generators[J].IEEE Transactions on Sustainable Energy，2014，5(4):1397-1405.

[7]Ahn S J，Nam S R，Choi J H，et al.Power scheduling of distributed generators for economic and stable operation of a microgrid[J].IEEE Transactions on Smart Grid，2013，4(01):398-405.

[8]刘小平，丁明，张颖媛，等.微网系统的动态经济调度[J].中国电机工程学报，2011，31(31)：77-84.

[9]赵书强，李志伟.基于差分进化粒子群算法的城市电动汽车充电站最优规划[J].华北电力大学学报(自然科学版)，2015，42(02):1-7.

[10]张燕，许伟伟.基于粒子群-差异进化混合算法的电力系统无功优化[J].电工电能新技术，2014，33(9)：48-51.

[11]Li P，Xu D.Optimal operation of microgrid based on improved binary particle swarm optimization algorithm with double-structure coding[C].International Conference on Power System Technology，Chengdu，2014，3141-3146.

[12]李鹏，李涛，张双乐，等.基于混沌二进制粒子群算法的独立微网系统的微电源组合优化[J].电力自动化设备，2013，33(12)：33-38.

[13]Atya A，Phonamnuaisuk S.Particle swarm optimization with area extension (AEPSO)[C].Congress on Evolutionary Computation，Singapore，2007，1970-1976.

[14]徐琳，杨驭豪，杨平.基于“鲶鱼效应”的人力资源管理机制构建[J].知识经济，2010，10(21)：31-34.

[15]李乐.微网的经济运行研究[D].北京：华北电力大学，2011.

[16]邓桂秀，江修波，蔡金锭.基于混沌二进制粒子群算法的配电网重构研究[J].电力科学与工程，2013，29(09):34-37.

[17]Ji C，Liu F，Zhang X.Notice of retraction particle swarm optimization based on catfish effect for flood optimal operation of reservoir.International Congress on Natural Computation，Shanghai，2011，1197-1201.

[18]陈达威，朱桂萍.低压微电网中的功率传输特性[J].电工技术学报，2010，25(7)：117-122.

[19]李存斌，张建业，李鹏.考虑成本、排污及风险的微电网运营多目标优化模型[J].中国电机工程学报，2015，35(5)：1051-1058.

[20]石庆均.微网容量优化配置与能量优化管理研究[D].杭州：浙江大学，2012.

Economic Dispatch of Microgrid Under Time-of-use Price Mechanism

Qiao Hui

(Baoding Power Supply Branch of State Grid Hebei Province Electric Power Company, Baoding 071003, China)

Economic dispatch is one of the key research subjects of microgrid. In order to achieve the optimal dispatch of microgrid under time-of-use (TOU) price mechanism, an economic dispatch method for microgrid based on catfish binary particle swarm optimization (CBPSO) algorithm is proposed. This paper, considering the start and stop control strategy of controllable microsources in microgrid, established an economic dispatch mathematical model which took into account the economic cost and environmental benefit of microgrid. Catfish effect which comes from economics was introduced into BPSO algorithm to solve the problem. Three operation strategies of microgrid were applied in the simulation example. Simulation results validated the effectiveness of the proposed algorithm.

microgrid； economic dispatch；time-of-use price；binary particle swarm optimization algorithm；catfish effect

2015-07-06。

乔辉 (1984-)，男，工程师，从事继电保护管理工作，E-mail：qiao5277@126.com。

TM732

A

10.3969/j.issn.1672-0792.2015.09.013