多目标优化在微电网中的应用

曹 锦，张丹丽，高彦杰

(上海电力大学 电子与信息工程学院，上海201306)

1 介绍

1.1 微电网介绍

一般微电网的结构如图1所示，包含微电源、储能系统、负荷以及控制系统四个部分。分布式能源是微电源的重要补充，可再生能源也在微电网能源占据了越来越高的比例，这对独立微电网的规划设计提出了更高的要求。智能绿色电网需要提高可再生能源的渗透率，在加快绿色建设的战略背景下微电网得以飞速发展。

图1 微电网组成

微电网有多种运行模式，存在并网、离网及两者之间的切换多种运行模式，既可在大电网故障或是其他需求时断开大电网独立运行，也可接入大电网并网运行。孤网运行是指微电网系统和主电网配电系统断开连接在发生大电网故障或者有调度需求时，微电网的源储荷三者形成系统独立运行。并网运行是指微电网系统闭合断路器和主电网配电系统实现能源交互的运行方式。

由于微电网的控制对象特性复杂并且数量众多，时间尺度也各不相同，如果将所有的功能平行展开，整个系统的效率将会降低。而分层控制将系统分为三个不同的层级，使得控制系统的功能更明确，效率更高。典型的分级控制结构如图2所示，三个不同的控制级别用不同的目标和时间尺度来表示。

一层控制是主控制器负责将电压和频率值调整到微电网中的特定速率。通过这种方式保持了系统的可靠性，提高了性能和局部电压的稳定性。二层控制是辅助控制执行主电网和主电网的连接。目标是从孤岛模式切换到常规发电系统。在此转换中调节器负责将同步过程中发生变化的频率和幅度变量恢复到稳定值。三级控制作为最上层的控制，主要涉及微电网的经济运行，也是时间尺度最大的控制策略。一般建立一定的约束条件来制定微电网中的调度策略，以微电网总运行成本为优化对象。

该结构协调管理电力生产所需的不同控制级别，在每个级别中实现了管理电压、频率、功率等的控制算法。图2这种结构是在光伏电池柴油发电机上实施的一种控制方案[1]。

图2 典型分级控制

1.2 多目标优化算法介绍

求解优化问题就是在所有可能解中选出能达到目标且合理的。根据目标数量的差异，可以分为单目标和多目标优化问题。多目标优化问题(Multi-objective Optimization Problem，MOP)也被称为多准则优化。假设独立向量x为n维，并假定MOP是最小化问题，MOP可以写成下面的形式：

也就是说想要最小化一个函数向量f(x)，MOP的目标就是同时最小化所有k个函数fi(x)。

MOEA(Multi-objective optimization evolutionary algorithm)大体可以分为三类：基于Pareto支配的基于Pareto优势的排序策略，将候选种群划分为不同的帕累托前沿，然后采用多样性维持机制提高种群的多样性。基于分解的是将一个多目标优化问题分解为若干个单目标或多目标优化问题。基于指标函数的MOEA采用个体的指标值作为环境选择的准则。

2 微电网运行控制中的应用

先从源储荷的三个个体方面来看，光伏和风电是常见的清洁能源，文献[2]设计这样一个包含所有可再生和不可再生能源、存储设备、转换器和负载的混合系统，提出了基于分解的多目标进化算法，用于考虑负荷不确定性的混合动力系统设计，优化问题的目标函数是供电损失概率和电力成本。文献[3]中的混合可再生能源系统是一种特殊类型的能源系统，可以作为分布式发电资源来降低网络损耗和提高效率。在设计阶段本文考虑到可用性和设备成本这些约束条件，采用了一种基于多目标粒子群优化的智能方法。

储能系统的投资和运行成本较高，限制了其参与微电网调度的能力，但同时储能参与微电网的优化运行能有效解决可再生能源大规模并网所引起的系统安全稳定问题。文献[4]针对获得最低综合成本和最小负荷波动的目标，提出了一种多目标算法，用于配置消费者的多目标优化模型。

需求侧管理在配电网和微电网的有效运行中发挥着重要作用。文献[5]提出了一种考虑电动汽车、可转移负荷和其他分布式发电的微电网经济调度多目标模型。该模型以微网综合运行成本、光伏能量利用率以及微网与主网之间的功率波动为目标。文献[6]提出了考虑电动汽车和负载响应的馈线重构、经济调度和电容器投切的多目标模型。该模型以运行成本、有功损耗、电压稳定指数和温室气体排放量为目标函数。

还有情况是将源储荷视为整体考虑，这种对微电网的规划设计提出了很高的要求，提出面向微电网源-储-荷互动的完全分布式交互多目标优化方法。文献[7]提出了一种多目标分层的主网联合经济调度策略，将主网经济调度问题转化为负荷水平、源网负荷水平和源网负荷三级优化问题。

在一层控制中，微电网必须测量执行反馈控制所需的频率和振幅值。然而二次频率控制、二次电压控制和经济运行三者存在耦合，但同时控制三者可能会存在相互冲突。文献[8]采用多目标统一优化模型，采用规格化法平面约束法求取其帕累托最优解集，并从帕累托最优解集中选取折中解作为二次控制的信号，再传递给一次控制，完成最优经济运行下的频率和关键节点电压恢复。

对于没有主电网支持的孤岛运行而言，合理的发电规划和管理对稳定性和经济性更重要。文献[9]以孤岛电网考虑了微网格的运行性能。在模型中考虑了微电源的成本、环境管理成本和微电网的供电可靠性，选择了不同的场景进行分析和验证，采用改进的粒子群优化-外点法求解。

多场景微电网优化在现实生活中经常出现。它是指在多种场景下寻找微电网的最优调度策略，每种场景对应一种特定的工况。文献[10]提出同时优化所有场景，即在一次算法运行中为所有用户找到最优调度策略。

对于基于需求侧管理的微网优化调度，不仅要考虑供给侧的经济性，还要考虑需求侧的用电满意度。文献[11]以微网总运行成本最小和用户满意度最大为优化目标，提出了基于需求侧管理的微网多目标优化模型，同时利用混沌思想和遗传算法相结合的改进混沌遗传算法对上述模型进行求解。

3 微电源中的应用

大部分的微电源都是通过电力电子接口接入微电网，所以逆变器的控制对电网稳定性至关重要。基于逆变器的传统控制方法到目前为止显示了能源生产和成本的性能优化，但由于控制算法的限制或目标之间的冲突，其他特征没有得到分析。例如，功率参考值的变化可能会导致快速响应以跟踪新的设定点和电压和频率变量的振荡之间的争议。对快速响应和稳定性的规定是可取的，但在保持系统平衡的共识下现有的多目标算法方法需要最佳解决方案，以避免目标之间的冲突。某种优化方法的应用将取决于其优势和保持适度计算成本。这一前因后果导致了对多目标优化的各种建议。

3.1 降低系统损耗

微电网的有效运行和维护减少了能量损失并提高了系统效率，是约束条件下目标函数的常用方法。特定特征会损害瞬态和稳态稳定性。然而不适当的控制律可能会产生导致电网不稳定的振荡。在永久性运行中负载和电源接入电网的事件与断开事件会产生干扰，从而影响稳态下发电机的性能。文献[12]针对三电平并网逆变器，提出了一种多目标最优模型预测控制算法，通过消除违反单位电平跳变原理的三电平输出切换状态，可以减少模型的滚动优化次数。通过开关的导通和关断损耗的线性拟合，实时计算每个开关的功率损耗，并将不平衡损耗加入目标成本函数使不平衡损耗最小。

3.2 增强可靠性

由于系统环境条件的波动，许多应用中都需要这种功能。典型的事件是干扰和不确定因素。不确定因素也是经常发生的，因为天气条件、负载不平衡和未知的负载曲线。随着可再生能源的主要引入，由于可再生能源的低惯性，电网容易达到不稳定。电网电压和频率是交流电能生产中最敏感的变量。文献[13]提出了一个无源滤波器和基于逆变器的可再生分布式电源同时优化配置的集成模型，以及平衡和非平衡分布式电源中的配电馈线重构，所提出的模型被表述为一个多目标问题。

3.3 减少功率波动

生产和需求的持续变化导致电力波动，电力波动由电力系统中固定和可变发电的差异量化。文献[14]针对微电网逆变器，提出了一种基于微电网和仿真的控制结构，包括电压和电流控制反馈回路，以在负载变化出现波动时恢复系统的电压和频率。多目标优化问题的目标要素是电压过冲和下冲、上升时间、建立时间和积分时间绝对误差。

3.4 降低峰值负载

此功能的特点是母线上的峰值功率的降低给电网带来了经济效益，电力变换器的大量引入导致了电网电能质量的下降。电流的总谐波失真增加从而在电源线中产生异常热量并降低电机的寿命周期。这个概念寻求一个最优控制律来调节变量，最佳值是使输出值的标准误差最小化的最佳选择。

4 当前关键问题总结及未来发展趋势

上文将在近几年中多目标优化应用于微电网的情况进行综述，分别是从微电网的运行控制、基于微电源的控制两个方面。本节介绍了多目标控制领域未来的挑战。随着科学技术的高速发展，多目标算法在优化效果上仍具有一定的提升空间，可以从以下几个方面开展：

(1)多目标优化算法的改进方面：收敛性，由于迭代次数和目标函数之间复杂的相互作用，具有三个以上目标的方案代表复杂的高维问题，为了降低计算成本，实时应用寻求基于离散控制器公式和并行计算的解决方案。可靠性，算法的随机性和收敛性往往有所冲突，为了削弱不确定因素的影响以及更好地优化结果，可以加入人为的具有主观性的引导策略，也是提高种群的自学习能力。

(2)算法自适应动态调整：单一策略或固定模式的算法融合很难适用于所有优化问题。比如多变的太阳辐射和风速的波动或者是新能源电源由于老化导致性能的降低，需要促进算法对优化目标的适应性。

(3)数学模型精度：模型控制是需要过程的数学模型。理论上，过程的数学表达式应该是系统物理成分的表示。因此，这两种方法的响应必须相同。然而，数学模型和过程的真实动态之间存在差异并且这些差异表现为不确定性。