基于IPSO算法的园区综合能源管理策略研究

马士钰

（华北水利水电大学电力学院，河南 郑州 450040）

0 引言

随着分布式能源的应用越来越广泛［1］，工业园区内的能源结构也变得逐渐复杂。风力、光伏发电［2］的不确定性、传统化石燃料带来环境污染、碳排放量增加等问题为园区内能源系统运行方案的设计带了许多困难。2020 年9 月22 日，习近平主席在第75 届联合国大会发言时首次提出：我国力争2030 年前实现碳达峰、努力争取2060年前实现碳中和的目标［3］。这就要求现代综合能源系统不能仅仅以降低成本作为目标，还要考虑环境效益降低碳排放量。

传统能源系统优化目标单一，往往是以考虑经济性为主，虽然降低了电力用户的用电成本，但这样的所带来的问题是环境日益加重。随着未来碳排放权交易市场等政策的实施，碳排放量也将变成厂区发电成本的一部分，碳排放量的减少会给电力用户带去实际的经济利益［4］。因此，将重点研究如何平衡经济效益与环境效益之间的关系，在提高能源利用效率、降低用户用电成本的同时降低碳排放量。现阶段区域综合能源系统成为国内外学者研究的热门对象，取得了一定的研究成果。劳金旭等［5］对热电机组模型进行了修正，提高了模型的精度，增加了电力系统的填谷潜力。陈耀武等［6］基于短期负荷变化的特点，提出了一种组合式神经网络的短期负荷预测方法。陈胜等［7］基于电网系统与燃气轮机发电系统建立了一种能源管理系统，采用概率潮流的概念对两者进行分析，提出了不同情境下能源管理系统的求解方案。黄伟等［8］对分布式能源出力的不确定性进行分析，建立一套含有分布式能源的综合能源系统，采用粒子群算法（Particle Swarm Optimization，PSO）进行求解，验证了该模型的可行性和经济性。梁作放等［9］基于布谷鸟算法，提出以系统最小成本为目标的优化方案，实验结果证明对能源的统一调度有助于提高能源的利用效率，降低碳排放量。李晓露等［10］引入了碳交易机制，考虑了碳排放对经济性的影响，采用混合整数线性规划进行求解，证明了引入碳交易机制后能源管理系统可以提高可再生能源的吸纳能力，较少碳排放量。现阶段能源管理系统的研究集中城市区域范围内。而事实上，工业园区内环境更适合可再生能源的建设和吸纳，对于调度方案的实施更便捷，综合能源系统在工业园区内具有更高的实际应用价值。

随着分布式能源的接入，需要根据分布式能源出力特点搭建符合其特点的模型，选用更先进的算法对调度方案进行更为精准的计算。针对以上问题，选用工业园区为研究对象，针对经济效益、环境效益分别提出成本优化方案［11］和削峰填谷方案［12］，基于免疫粒子群算法对各方案赋予权重［13］，并进行求解。进行协调优化后实现同时达到降低成本和减少碳排放量的目的。

1 免疫粒子群算法

1.1 免疫粒子群算法原理

传统的PSO 可以满足基础的迭代过程，程序能够独立运行，但是其缺点为优化过程中权重λ 取值容易出现不合理现象。本文后续计算中碳排放量、发电成本权重的选取能够对计算结果产生显著的影响。主观不合理的权重同时会使求解过程出现“早熟”现象，在没有有效搜索全局之前陷入局部最优，导致求解误差过大。因此，需要一种能够自动赋予各目标权重并不易陷入局部最优的算法。

免疫粒子群算法（Immune Particle Swarm Optimization，IPSO）［14］，将需要优化的目标看作抗原，每一个抗体就是问题的一个解，抗体（粒子）与抗原之间的亲和度就是满足约束条件时的满意程度，优化效果越好、越是符合约束条件则亲和度就越高。IPSO 通过将免疫机理引入到粒子群算法之中，使其在寻优过程中保持高适应度，不同亲和度的粒子拓展了种群的多样性，这样更有利于收敛于全局最优结果，在多目标问题求解时有着显著的优势。

1.2 IPSO求解步骤

IPSO算法程序流程如图1所示。

图1 IPSO算法的程序流程

利用IPSO改进后的步骤为：

1）模仿免疫过程中产生的记忆细胞，通过记忆行为储存PSO 中的适应度好的优质粒子，每次迭代过程中对各个粒子进行比较，适应度最好的粒子视为记忆细胞。

2）模仿人体的自我调节能力，每次迭代过程送检N个新粒子，若是有粒子的位置不在规定维度之内，则将该粒子剔除，选用上一代粒子进行替代。首先生成m个符合约束的粒子，根据粒子亲和度的强弱选择前N个粒子并定义为新粒子。适应度越强往往亲和度愈强，亲和度用公式可以表示为

式中：Si为适应度大小，i=1，2，…，N+m。

亲和度决定的选择概率为

粒子的浓度可以近似表达为

浓度决定的选择概率为

某粒子被选中的概率表达为

式中：α∈[0，1]为系数权重。

得出Pi后将按照从大到小进行全排列，取前N个粒子当作新粒子。

3）模仿注射疫苗后行为，从N个粒子中挑选出某个粒子，然后在记忆粒子的位置矢量中挑选出某维分量替换被挑选出的微粒对应维的值。

4）模仿免疫选择行为，通过注射过疫苗的粒子，观察其位置矢量是否满足要求。使用符合位置矢量的粒子的适应度与之前粒子相比较，比之前小的就丢弃，否则使用概率计算生的成值与阈值相比较，若是大于就保留，反之丢弃。

2 能源管理策略

2.1 经济效益优化方案

综合发电成本较低的园区往往代表着经济效益较好。经过对于园区内用电需求的分析，可以将园区内的负荷大致分为两个时间段，即夏季负荷、冬季负荷。分析两个时间段内的负荷的结构，可以发现冬季负荷可以大致分为电负荷加热负荷，夏季负荷可以大致分为电负荷加冷负荷。为了满足热负荷和冷负荷需要投入不同的设备因此提出两套管理方案。

通过分析该园区主要发电设备可知，园区内主要发电成本为：天然气发电机组所消耗的天然气费用、从电网直接购电所需的费用、储能设备运费费用。因此优化目标函数可以记为

式中：θ1为综合发电成本；CMT为天然气发电机组消耗的燃气费用；CEX为从电网直接购电的费用；CES为储能装置的运维费用；下标min和max分别为下限值与上限值；Ppv为光伏发电功率；Pwt为风力发电功率；PMT为燃气机组发电功率；PEX为电网购入功率；PES为铅酸蓄电池释放的功率；Pload为电负荷所需的功率；Ph为热负荷所需的功率；Pc为冷负荷所需的功率。

夏季负荷平衡方程为

冬季负荷的平衡方程为

根据夏季、冬季对于冷负荷、热负荷需求的不同，在夏季时优先考虑使用溴化锂吸收式制冷机满足冷负荷的需求，无法满足的部分使用电制冷机进行补充。在使用电制冷机时需要根据当时的电网电价进行考虑，若电网电价处于高位，优先利用储能满足负荷需求；若电网电价处于谷价则优先选择电网供电补充负荷需求，同时为铅酸蓄电池进行充电，以此达到成本最优的目的。

在冬季时优先考虑蓄热式电热锅炉中的蓄热满足热负荷的需求，若无法满足的部分使用电热锅炉部分进行补充。在使用电热锅炉进行补充时，同理考虑当时电网电价，电价处于高位时优先使用储能装置进行供给，若电价处于谷价时，则通过电网进行购电满足热负荷需求，并为储能装置充电。

夏季优化方案的程序流程如图2 所示，冬季优化方案程序流程如图3所示。

图2 夏季优化方案的程序流程

图3 冬季优化方案的程序流程

2.2 环境效益优化方案

削峰填谷技术［15］起到增加分布式能源吸纳率、降低碳排放量，解决负荷曲线峰谷差过大引起设备频繁启停的问题。将园区内负荷部分分为可变负荷和不可变负荷。

系统负荷标准差是表征削峰填谷效果好坏的重要指标，负荷曲线标准差越小说明曲线越平稳，削峰填谷效果就越好。反之，负荷曲线标准差越大说明曲线波动就越大，因此，优化目标如下：

式中：θ2为系统负荷标准差；Pload，r为r时段系统负荷；Pav为各时段内的负荷平均值；T为检测时间段。

2.3 权重赋予

综上，对多目标归一化处理，即

式中：λ1、λ2分别为上述两个子目标函数的权重，满足λ1+λ2=1且λ1、λ2∈[0，1]。

权重在实际运行中可以根据实际情况进行主动设定，但主动设定带有一定的主观性。因此本文利用IPSO进行自动赋予。

算法与目标函数对应关系如下，对该优化目标来说，由于目标函数数值越小，系统优化效果越好，故使IPSO算法的适应度函数为

具体步骤如下：

1）初始化一个种群，在种群中生成N个粒子，每个粒子的位置参数X=［X1，X2，X3］T。

2）根据2.1 节和2.2 节中所述的能源管理策略，利用式（13）确定各个粒子的适应度Si（i=1，2，…，N）。记录适应度较好的粒子，将其作为疫苗（记忆粒子J1）。

3）进行下一次迭代，每次生成N个粒子，重复步骤1）、2）将适应度更好的粒子替代之前记忆粒子，记忆因子记为JL（L=1，2，…，k），最大迭代次数为k。

4）将产生的N个粒子与L个记忆粒子混合，根据式（13）计算出N+L个粒子的适应度，再根据式（2）—式（5）计算浓度、选中概率大小。

5）在步骤4）中N+L个粒子中挑选出新的N个粒子，在其中进行随机抽取，抽出其中一个粒子与上一代粒子比较适应度，若是高于上一代则进行替换反之丢弃，最后进行选择概率的对比，若高于上一代就进行替换。

6）重复步骤5），若已经达到最大迭代次数或已经达到全局最优则跳出循环，输出结果。反之，则跳入步骤2）。

3 算例分析

以某工业园区冬季一天内的24 个采样点实测数据作为研究对象进行实例分析。园区内主要供电方式为燃气机组发电、风力发电、光伏发电、电网供电。进行优化前园区内功率平衡情况如图4所示。

图4 优化前功率平衡

观察图4可以发现03：00—04：00、05：00—11：00、13：00—16：00、17：00—19：00、20：00—22：00时段出现了功率不平衡的情况，发电量超过负荷造成了电能的浪费。同时负荷曲线平稳性不高，可再生能源吸纳率有很大的提升空间。图5 为热能量平衡图，蓄热装置可以基本满足大部分热负荷需求，将电热部分种视为电负荷进行计算。

图5 热功率平衡

燃气轮机功率的输出值与天然气的消耗量近似成正比例关系，具体数学关系为

式中：Ama为天然气的消耗量；ηMT为燃气轮机的发电效率；HMT为燃气轮机的热值。

按照上述能源管理策略，对园区内能源进行仿真测试，验证能源管理策略的有效性。优化后功率平衡情况如图6所示。

图6 优化后功率平衡

由图6 可以看出优化后负荷曲线更加平滑，可再生能源利用更加合理。但是观察图也发现了相应的问题，在04：00—05：00 时段明显出现了电网用电量激增疑似不合理的情况。经分析结果和约束可知，电网电价在04：00—05：00 时段位于谷价，因此造成燃气轮机停电，是符合程序运行逻辑的。但由于实际应用时燃气机组的频繁启停会加剧电量浪费、增加用电成本。因此，对此处进行修改成03：00—04：00 时段主要有电网供电，减少燃气轮机的启停次数。修改后结果如图7所示。

图7 修改后功率平衡结果

4 结语

面向工业园区提出了一种基于IPSO 算法的能源管理优化策略。与传统能源管理方案相比，同时针对经济效益和环境效益提出两种优化方案，提出优化综合发电成本和系统负荷标准差的优化目标，IPSO算法可以同时对两种方案进行计算并自动赋予权重，避免人工设置权重的主观性。IPSO通过加入免疫算法改善粒子群算法早熟问题，避免陷入局部最优的情况。该能源管理系统可以增加可再生能源吸纳率、减少电力用户的用电成本，同时对减少碳排放量起到了一定的作用。

通过对某工业园区的数据采样分析，对所提出的能源管理策略进行实例验证，优化后负荷曲线更平滑、能源出力结构更合理，发电成本、碳排放量有明显降低。但是，该方法可能会使发电设备启停增加，如何合理的约束好各设备的启停次数，这是未来对于该能源管理系统优化的研究方向。