基于SSA的农牧区电能路由器优化调度算法研究*

吕晓圆, 张占强, 孟克其劳, 孙玉杰

(1.内蒙古工业大学 信息工程学院,内蒙古 呼和浩特 010080；2.内蒙古工业大学 能源与动力工程学院,内蒙古 呼和浩特 010051)

0 引 言

近年来,随着全球化石燃料的过度消耗和能源用量的不断增长,引发了严重的能源短缺和环境污染问题,在此背景下,能源结构随之发生变化[1]。使用可再生能源供电存在随机性、间歇性等问题,会降低供电质量,对于配备分布式发电装置的家庭来说,这无疑会增加能量管理的难度[2～4]。电能路由器具备计算、通信、精确控制、远程协作和自治功能[5],可用于解决传统电网的节点关系严重不对等、节点自治能力差、各节点自由度严重不均衡等几个方面的问题,可提高电网的兼容性和经济性[6～9]。

电能路由器的研究多集中在拓扑结构和优化控制策略方面,如何实现电能路由器的能量优化管理,对接入电能路由器内部的可控资源进行合理调度是急需解决的关键问题。 文献[10]提出了一种基于粒子群优化(PSO)算法的天牛算法。天牛搜索算法极大地加快了算法寻优的速度,但步长的更新不能保障天牛能寻找到全局最优解。文献[11]以自适应混沌粒子群算法研究了在有多个相互影响及冲突的目标影响下,如何处理多目标的结果优化问题。文献[12]以粒子群算法为思路,优化出两种多目标函数下的非劣解集,将优化方法运用到了微电网经济调度上。文献[13]在采用随机权重平衡粒子群算法的基础上,以优化的混合粒子群算法去解决微电网中经济调度的问题。

本文将电能路由器结构划分为信息层和物理层。针对信息层中的能量管理功能展开研究,通过有效的能量管理优化策略,对接入农牧区电能路由器的用户用电负荷、储能单元的充放电行为以及电网和分布式能源的使用时段进行合理控制,采用麻雀搜索算法(sparrow search algorithm,SSA)求解最优目标值,从而实现减少能源的浪费,提高能源利用率,使用户的家庭用电费用最少,用电最优化的目标。

1 农牧区电能路由器的能量管理系统架构

本文根据农牧区实际用电需求,采用具有混合交直流母线性质的电能路由器,通过多端口装置将具有不同电压等级小型风力发电、光伏发电、储能装置和市电接入,并可设置并/离网运行模式。电能路由器整体结构框图详见图1。

图1 农牧区电能路由器整体框图

1.1 电能路由器物理层

电能路由器中的物理层由整流,逆变模块和功率采集模块组成,电能路由器中的整流,逆变模块,可将各分布式发电设备及储能设备输出的直流电转换成可供交流负荷直接使用的交流电,同时可将市电转换为直流电供直流负荷直接使用；功率采集模块采用DSP28335进行设计,可采集各个输入输出端口的电流、电压、功率、功率因数等参数,存储到数据库中为后期进行数据处理分析提供原始数据。

1.2 电能路由器信息层

电能路由器中的信息层由通信模块和能量管理分配模块组成,通信模块是由F28335的SCI模块设计而成的,可实现将存储到数据库中的数据通过串口通信发送到上位机中的功能；能量分配管理通过对通信模块传来的原始数据使用优化调度算法进行分析,制定出控制策略。

2 电能路由器目标优化运行模型构建

2.1 经济调度模型目标函数

电能路由器的用电费用包含 4 个部分：光伏与风机发电成本,储能装置调控成本,以及并网模式下电能路由器与外部市电的电能交换费用,其表达式为

(1)

式中vwt,vpv分别为风力发电、光伏发电的平均发电成本；vb为储能装置平均使用成本；Pwt,t,Ppv,t,ΔPb,t,分别为t时刻风力发电功率值、 光伏发电功率值和储能装置充放电功率值；ΔPe,t为Δt时间内并网模式下电能路由器与外部市电的电能交换的功率；Ct为t时刻购电、售电电价。

储能装置在工作时只能执行充电和放电状态中的一种。 当储能装置处于放电状态时,等效为电源；当其处于充电状态时,等效为负荷,用户用电负荷功率为并网模式下电能路由器与外部市电所交换的电量即

ΔPe,t=Pwt,t+Ppv,t+Pb,t-Pl,t

(2)

式中Pl,t为t时刻接入电能路由器内的负荷功率,Pb,t为t时刻储能装置参与调度的充放电功率,储能装置在工作时只能执行充电和放电状态中的一种满足

Pb,t=λtΔPb,t=Pch,t,λt=1

Pb,t=λtΔPb,t=-Pdis,t,λt=-1

(3)

式中Pch,t,Pdis,t分别为t时刻储能装置的充电、放电功率；λt为t时刻储能装置的充电、放电状态。

当接入电能路由器的用户用电负荷功率高于分布式发电设备及储能装置的充放电功率时,该时刻电能路由器将并网接入市电从市电网中购电；当高于用户用电总负荷时,电能路由器将以该时段售电价格向市电网售电。以接入电能路由器内的用户用电负荷的平均用电价格最小为优化目标,建立经济调度目标函数为

(4)

通过电能路由器可调度接入其内部的风力发电,光伏发电和储能装置各个时间段的出力值,使电能路由器的经济效益最优。

2.2 对电能路由器内部储能装置、分布式能源、用电负荷的约束

储能装置在工作时只能执行充电和放电状态中的一种, 即每一时刻储能装置只能有充电、放电中的一个状态。

1)充放电约束

0≤Pch≤Pch_max,0≤Pdis≤Pdis_max,Pch,tPdis,t=0

(5)

式中Pch_max,Pdis_max分别为储能装置最大充电功率和最大放电功率。

2)储能设备荷电状态约束

能置管理方案荷电状态(stage of charge,SOC)即储能设备的当前剩余电量与其额定容量的比值满足储能设备在工作的过程中通常要求有一定的电能保有量,即任何时刻,都必须保证储能设备的SOC值不低于储能设备的最小荷电状态值SOCmin,同时,蓄电池也应该避免过度充电,因此,设置一个储能设备最大荷电状态值SOCmax。对每一时间段内储能设备的SOC值约束如下式所示

SOCmin≤SOC(t)≤SOCmax

(6)

即储能装置在t时刻的储能量满足

Pb_min,t≤Pb,t≤Pb_max,t

(7)

式中Pb_min,t,Pb_max,t分别为储能装置t时刻的最小和最大储能量,且t+1时刻满足

Pb,t+1=Pb,t+Pch,t-Pdis,t

(8)

3)分布式能源约束

光伏发电和风力发电并不稳定,各时段的出力具有不确定性和波动性,文中假设光伏发电及风电机组只提供有功功率,且均采用最大功率跟踪控制,其运行功率约束为

Ppv_min≤Ppv≤Ppv_max,Pwt_min≤Pwt≤Pwt_max

(9)

式中Ppv,Pwt为光伏发电、风机发电的运行功率；Ppv_min,Ppv_max分别为光伏发电运行的功率最小值和最大值；Pwt_min,Pwt_max分别为风机发电运行的功率最小值和最大值。

4)并网时电能路由器与市电交换功率约束

电能路由器从市电网购入的电能在任意时刻都是可控的,但不能超过当日最大负荷,且满足设备传输容量约束。而某时刻售给电网的电能也是可控的,不能超过可再生能源发电量

0≤Pbuy≤Pl_max,Pbuy=ΔPe

0≤Psell≤Pwt_max+Ppv_max,Pbuy=ΔPe

(10)

式中Pl_max,Pbuy,Psell分别为当日最大负荷,某时刻购买市电的电能和某时刻售给市电的电能。同一时刻只能进行售电和购电状态的一种,故应满足

Pbuy>0⟹Psell=0;Psell>0⟹Pbuy=0

(11)

3 模型求解

3.1 SSA基本原理

基本 SSA 是模拟麻雀搜索食物过程的一种新型智能算法,通过比较适应度值,不断更新发现者、加入者、警戒者的位置,找到目标函数的最优解[14,15]。

发现者位置更新公式为

(12)

式中t为当前迭代次数;T为最大迭代次数;α∈(0,1)的随机数;R2∈(0,1),为警戒值；ST∈(0.5,1)，为安全阈值；Q为服从标准正态分布的随机数；L为元素为1,大小1×d的矩阵。当R2

加入者位置更新公式为

(13)

警戒者位置更新公式为

(14)

算法实现流程图如图2所示。

图2 SSA算法流程图

3.2 算例分析

本文选取农牧区电能路由器系统作为研究对象,选取典型日农牧区电能路由器信息采集层各接入设备的功率数据,使用SSA和PSO算法分别进行优化调度,再将两种算法的优化结果进行对比。各设备容量、最大功率以及运行成本见表1。

表1 设备运行成本表

电能路由器中负荷、风电出力、光伏日负荷曲线如图3所示。

图3 电能路由器中负荷、风电出力、光伏日负荷电线

储能装置参数:额定容量为23 kW,最大充电功率为5 kW/h,最大放电功率为5 kW/h,周期内最大充放电次数为10 kW,充放电成本为0.2元·(kW·h)-1,初始SOC值为0.35,SOC最大值为0.96,SOC最小值为0.25。

售电及购电分时电价见表2。

表2 各时段市电购电和售电价格表

3.2.1 算法对比

当迭代次数同为300次时,比较图4(a)SSA和图4(b)PSO算法的适应值曲线可看出:PSO算法在初始阶段迭代30次左右会陷入局部最优解,在迭代126次时才收敛达到全局最优解,而SSA在迭代80次时收敛就已经达到全局最优解,可得出SSA相比PSO算法具有更高的优化精度和更快的收敛速度。

图4 SSA和PSO算法迭代曲线

3.2.2 经济性对比

只考虑经济效益的情况下,根据经济调度模型,对上述方案进行仿真计算。各个方案的优化计算结果如图5所示。

图5 二种算法调度

对比图5(a)、图5(b)可知,考虑系统用电成本最低的目标下,SSA的优化中:0:00-6:00时段用电功率在5～7 kW之间相对较低,此阶段从电网购电价格相对较低,风光联合出力大于负荷需求,多余出力结合电网以最大充电速率为储能电池充电;6:00-10:00 为用电平时段,风/光出力大于用电负荷需求,储能蓄电池保持最大允许电量不变,多余电量并网出售到电网;11:00-15:00和19:00-21:00为用电峰时段,用电负荷需求很高,风、光、储联合供电,供电量不足时段从电网购电以保证负荷的供电;16:00～18:00和22:00～23:00为用电平时段,储能蓄电池受充放电速率的限制和SOC的约束,电能路由器中的各发电设备给储能蓄电池充电以备其在电价较高时段放电来减小经济成本。最后,SSA优化下的最小发电成本为98.13元,平均用电成本0.42,PSO优化下的最小发电成本为103.35元,平均用电成本0.45。SSA相对PSO成本约节省了5 %。由此可见,将SSA运用到农牧区电能路由器系统中是实际可行的。

4 结 论

本文建立了包含风电、光伏和储能设备的农牧区电能路由器调度模型。采用SSA对农牧区电能路由器内部各设备的经济优化调度问题展开研究,研究结果表明：SSA能够提升经济效益,降低平均用电费用。相比粒子群算法而言,SSA具有更好的全局搜索能力,寻得全局最优解的概率更大。并给出SSA和PSO算法优化下各个时段的各个单元的出力图,对比验证SSA相对粒子群算法应用在农牧区电能路由器优化方面的优越性。