基于改进粒子群算法的微电网能量管理研究

马彩莲

摘要：微电网的能量管理是实现微电网运行经济性的重要保障，处于微电网研究的支干地位。本文以微电网运行成本最低、对环境污染最小為目标，综合考虑电能供给侧与需求侧对能量管理的影响，建立微电网在并网状态下能量优化的数学模型，并用改进粒子群优化算法对算例进行求解，结果验证了所建立的能量管理模型的合理性以及算法改进策越的有效性。

关键词：微电网；能量管理；粒子群算法；需求侧响应

1 引言

随着社会的不断发展与科技的不断进步，一方面对能源的需求越来越大，另一方面化石能源的广泛使用给环境带来了极为严重的污染问题，人类亟需革新的能源利用方式，从源头减小对环境的破坏[1]。微电网（Microgrid）中的大部分发电单元采用清洁能源，整个发电过程不会产生污染物，对环境友好，符合可持续发展理念。，微电网能量管理是微电网安全稳定运行的必要条件，是微电网提供高质量电能的基础，为微电网系统进行调频调压提供物质基础，是微电网研究的关键技术之一[2]。

2分布式单元单元

本文所考虑的分布式电源种类较多，其中光伏电池与风力发电机出力受自然条件影响较大，其输出功率与自然条件相关，由于风能和光能属于清洁能源，无需对其施加额外能量，发电过程不会产生任何污染物，因此必须充分利用风机与光伏发电特性，在本文中风机与光伏属于不可调度微源。微型燃气轮机与燃料电池出力与天然气输送量有关，本文将在国内外学者的研究基础上得到适合于本文研究的微型燃气轮机与燃料电池出力模型，另外，由于微型燃气轮机及燃料电池一般使用天然气作为燃料，在发电过程中会产生污染物，所以必须对其出力进行规划，在本论文中微燃机与燃料电池属于可调度微源。储能属于能量缓冲设备，当微源出力大于负载需求时进行充电，当微源出力小于负载需求时进行放电，进行能量管理时必须建立合乎实际的储能模型，必须考虑充放电深度对储能设备出力的影响。同时考虑了需求侧响应，由于负载系统中存在一级负载、二级负载及三级负载，三类不同负载的响应模式不同，需对负载进行分类，划分为可转移负载与不可转移负载[3]。

3 并网型微电网能量管理模型

3.1目标函数

对整个微电网系统基于经济成本最小及对环境危害最小为目标进行数学建模，并综合考虑电能gong5给侧与需求侧，以实现供需双方电能高效互动。

（3-1）

式中， 即为目标函数； 为微电网运行的燃料成本， 为微电网的运行维护费用， 为微电网的设备折旧费用， 表示的是微电网向大电网买电的费用， 表示的是微电网向大电网卖电所得的费用， 为微电网的环境成本。

3.2约束条件

1）功率平衡的约束条件

（3-2）

式中， 表示的是微电网与大电网的交互功率。

2）分布式电源输出功率的约束条件

（3-3）

式中， 指的是第i台机组出力的最小值； 指的是第i台机组出力的最大值。

3）交互功率约束：

（3-4）

式中， 、 分别为所能允许的最小、最大交互功率。

5）储能装置约束条件：

（3-5）

式中， 表示的是储能装置最小的容量； 表示的是储能装置最大的容量。 、 为储能装置的最小、最大充放电功率。

储能装置最大的输出功率

6）转移负荷量约束：

（3-6）

式中， 表示的是在某一时段转移负荷的真实值； 表示的是系统在一天内可转移负荷的最小值； 表示的是系统在一天内可转移负荷的最大值。

4改进粒子群算法

在搭建好能量管理模型后需要对模型进行求解，由于能量管理的数学模型非线性程度高，计算量大，难以得到精确的数值解。粒子群算法具有原理简单易于实现收敛较快的特点，因此本文选择粒子群算法对能量管理模型进行优化求解。但传统的粒子群算法极易陷入局部最优，得到的全局极值可能不是目标函数在定义域内的最优解，因此需要对传统粒子群算法进行优化求解。

4.1算法改进策略

本文从优化初始化分布及优化粒子进化策略两个角度来改进算法，使得粒子群算法在具备原有优势的基础上吸收其余智能算法的优点，提高收敛速度与收敛精度。

1）优化粒子初始化过程：传统粒子群算法初始化时选择在解空间中随机取值，但事实上受分布规律的制约不可能真正实现均匀分布，本算法借鉴拉定超立方采样，初始化时将解空间分为N*N个子空间，在每个子空间内随机取值，这样能使得种群粒子能较大的程度的分散在解空间中，种群个体能在初始化时就能较大概率分布在最优解附近；

2）优化惯性权重系数：惯性权重系数越大全局搜索能力越强，惯性权重系数越小局部搜索能力越强，在进化初期，粒子适应度值较差，需要加强全局寻优能力快速度找到最优值附近，进化后期，粒子适应度较好，但是需要加强局部寻优能力以找到最优解，因此本文选择时变惯性权重系数，如式（1）所示以正弦规律递减：

（4-1）

式中， 为初始惯性权重系数， 为末尾惯性权重系数，t为当前迭代次数，M为总迭代次数。

3）融合布谷鸟算法levy飞行策略：粒子群算法在迭代后期易于陷入局部最优，而levy飞行跳跃较大，可帮助粒子跳出局部最优缺陷，当粒子适应度值在经历一定迭代次数仍然没有改善后，认为该粒子已陷入局部最优，将该粒子进化机制改为布谷鸟算法进化机制，借助布谷鸟算法levy飞行策略跳出局部最优，直至粒子适应度值改善，但由于levy飞行策略寻优精度较差，因此在粒子适应度值改善后自动退出布谷鸟算法进化机制，重新回归粒子群算法进化机制，以便达到更好的寻优精度。

4.2收敛性测试

本文以Ackley函数为测试函数验证优化后的粒子群算法，基本粒子群算法与优化后的粒子群算法针对测试函数的收敛曲线对比图如图4-1、图4-2所示。

图4-1 基本粒子群算法下Ackley函数的迭代曲线

图4-2 优化后Ackley函数的迭代曲线

通过对比图4-1与图4-2可知，基本粒子群算法在200代以后基本上没有比较明显的优化，而改进后的粒子群算法优化呈现阶梯型，到1000以后仍然有优化的趋势。测试结果表明改进的粒子群算法能够跳出局部最优且求解精度有极大提高。

5仿真分析

本节选取了合适的算例，对并网模式与下，基于考虑需求侧响应前后做了仿真分析。对于微电网的能量管理调度而言，需要考虑光辐射强度、温度以及风速等自然条件，同时还应考虑各个分布式电源设备的环境指标与经济指标。由于考虑到需求侧响应，利用分时电价对峰谷负荷进行相应的调整，故不同时段的电价信息也应该考虑。

5.1考虑需求侧响应下的仿真分析

并网模式下考虑需求侧响应的微电网运行仿真图如下图5-1所示。

由仿真可知，考虑需求侧响应的并网型微电网在一个调度周期内的总运行费用为2721.1元，其中燃料成本为1641.4元，运行维护成本为228.8元，设备折旧成本为503.6元，电网交互成本为-6.2元，环境成本为353.6元。

5.2未考虑需求侧响应下的仿真分析

并网模式下未考虑需求侧响应的微电网运行仿真图如下图5-2所示。

图5-1 并网模式下且考虑需求侧响应的运行仿真图

图5-2 并网模式下未考虑需求侧响应的运行仿真图

由仿真可知，未考虑需求侧响应的并网型微电网在一个调度周期内的总运行费用为3000.7元，其中包括电网交互成本、环境成本、运行维护成本、设备折旧成本以及燃料成本，成本费用分别为37元、386.4元、504.4元、229.5元及1843.4元。

通过数据可以看到，考虑需求侧响应与未考虑需求侧响应相比，总费用由3000.7元减少到2721.1元，同比减少了10.2%。燃料费用由1843.3元减少到1641.4元，同比减少了12.3%。环境成本由386.3元减少到353.6元，减少了32.7元。设备折旧成本由 504.4元减少到503.6 元；运行维护成本由229.56元减少到222.8元，两者变化不大。通过以上数据对比我们看到为了节约微电网运行的经济成本，更好的调节负荷分布，并使各分布式电源达到最优化状态，应该优先选择需求侧响应管理模式。

6总结

本文综合经济性与环保性建立优化模型，不仅考虑供电侧能量管理，并考虑需求侧对能量管理的貢献，以综合成本最小建立了充分完备的微网能量模型；通过改进的粒子群算法对能量管理模型进行求解，得到具体的运行方案，有效降低了微电网运行的经济与环境成本，结果验证了所改进的模型与算法的优越性。

参考文献

[1]杨新法，苏剑，吕志鹏，等. 微电网技术综述[J].中国电机工程学报，2014，34（1）：57-70.

[2]张建华，苏玲，陈勇，等. 微网的能量管理及其控制策略[J].电网技术，2011，35（7）：24-28.

[3]黄海亮. 孤岛型微电网能量管理策略的研究[D].南京：南京航天航空大学，2016.

[4]郭思琪，袁越，张新松，等. 多时间尺度协调控制的独立微网管理策略[J].电工技术学，2014，29（2）：122-129.

[5]马喜平，谢永涛，董开松，等. 多能互补微电网的能量管理研究[J].高压电器，2015，51（6）：108-114.

[6]徐科，吴鸣，霍现旭，等. 基于复合粒子群算法的微电网能量管理策略[J].电测与仪表，2018，55（10）：1001-1390.

[7]张士科. 基于需求侧管理的微电网运行优化方法研究与实现[D].兰州：兰州理工大学，2017.

（作者单位：武汉理工大学自动化学院）