基于改进BAS 算法的综合能源系统优化调度研究

赵 帅，撖奥洋，周生奇，菅学辉，魏 振，张智晟

（1.青岛大学电气工程学院，山东 青岛 266071；2.国网山东省电力公司青岛供电公司，山东青岛 266002）

近年来，能源与国家经济发展和人民生活水平的联系越来越密切，综合能源系统经济运行调度的概念应运而生。众多学者在综合能源系统领域已进行大量的研究，文献[1]建立了描述不确定性的约束，提高了高渗透率下可再生能源的利用率。文献[2]为应对环境污染问题，在双层优化模型的基础上，考虑优化多载波能量系统。文献[3]将复杂天然气潮流约束进行凸化二阶锥松弛，提升了所提模型的可求解性。文献[4]通过模型中两种不同尺度，在不显著改变运行费用的情况下满足实时负荷需求。文献[5]将多目标问题利用弹性恢复转化为单目标问题，实现区域综合能源系统优化调度。

综合能源系统结构模型复杂、优化变量较多、表达式较复杂，优化调度模型的求解是一个非线性问题。文献[6]构造了城镇综合能源系统的优化调度模型，运用改进粒子群算法（PSO）进行求解，使供能可靠性、经济性更优。文献[7]对于实际运行时未开设备通过双层优化结构，减小系统的约束，加快系统的收敛速度。文献[8]提出了一种改进NSGA_II 算法，解决了大量等式约束下的模型求解难题。文献[9]提出了含储氢装置的分布式能源系统的优化经济调度模型，通过改进粒子群算法验证了该模型的可行性。上述研究均通过优化调度，实现了综合能源的高效运行，但是收敛速度较慢，基于此该文将天牛须算法引入综合能源系统的研究中。

2017 年提出的BAS 算法是根据天牛须觅食原理设计的一种生物启发式算法，相比于传统智能算法具有全局搜索能力强、收敛速度快、运算量小、易实现等优点。BAS 算法已广泛应用到材料科学[10-11]、计算机科学[12]等领域。

综上所述，该文针对电、气、热综合能源系统建立了以最小运行成本为目标函数的优化调度模型，综合考虑各种设备出力上下限等约束条件。使用改进的BAS 算法对所建模型进行求解，验证其可行性。

1 综合能源系统优化调度模型

1.1 综合能源系统

该文构建的综合能源系统结构如图1 所示。

图1 系统结构

文中所构造的电力系统模型，包括储能设备、燃气轮机配合合适的算法。相比于电力系统，天然气具有可压缩的特点，天然气在管道入口和出口处的传输速度不同，在管道中通过压缩储存的天然气，称之为管存[13]。热力系统是指有蓄、放热的系统，可以用热力学和传热学基本方程对其进行描述[14]。

1.2 目标函数

通过各个能源系统的特性，构造最小成本目标函数如式（1）所示：

1.3 电力网络约束

1.4 天然气网络约束

1.5 热能网络约束

2 模型求解方法

该文对BAS 算法的改进体现在将莱维飞行策略结合到其步长的选取。

随机步长Levy(λ)表示如下：

其中，λ=1+β，β∈(0，2]，μ和υ服从如下高斯分布：

其中，Γ(·)为标准伽玛函数，该文取β=1.5。

对于每一维度下天牛和优秀个体之间的距离可表示为：

触须长度d0 可表示如下：

式中，rand(1)为产生的0～1 之间的随机数，为t时第i只天牛在第j维的触须长度。

假设天牛的位置为x，得到两须的位置：

其中，xleft、xright分别为左须、右须位置；dir为随机生成[0，1]随机数的归一化值：

将两须位置代入到目标函数中：

其中，fleft、fright分别为目标函数左、右须值。

天牛通过向fleft、fright中较小一侧移动步长step，得到天牛位置的更新公式如下：

其中，step为步长取1。

改进BAS 算法步骤如下：

步骤1：输入电、气、热负荷数据，分区域初始化每个天牛的位置，设定步长1，迭代次数为100，两须间隔为0.02；

步骤2：按式（16）、（17）更新左须、右须位置，并按式（19）、（20）将两须位置代入目标函数；

步骤3：利用式（21）更新天牛位置；

步骤4：将各区域得到的新的天牛位置代入目标函数式（1），比较各区域最优值；

步骤5：判断是否满足误差需求，若满足，输出结果，反之转至步骤2。

3 算例仿真

该文所采用的综合能源系统算例主要包括GT、P2G、GB 等电气设备。采用参考文献[15]中的负荷模型和能量转换设备的转化系数，其中GT 转换效率为0.7，GB 转换效率为0.7，P2G 转换效率为0.6，利用

参考文献[16]中的分时能源价格，将最大迭代次数设置为300，天牛数目设为300。

为方便研究不同算法对综合能源系统的可行性，该文设置了4 种方案：

方案1：不考虑分时价格时，采用粒子群算法求解模型；

方案2：不考虑分时价格时，采用改进BAS 算法求解模型；

方案3：考虑分时价格时，采用粒子群算法求解模型；

方案4：考虑分时价格时，采用改进BAS 算法求解模型。

电、气、热负荷如图2 所示。

图2 电、气、热负荷曲线

电、气、热分时段价格如表1 所示。

表1 电、气、热能源各时段价格

通过仿真，总成本如表2 所示。

表2 各方案总成本

各方案的收敛速度如图3 所示。

图3 各方案优化算法的收敛速度

上述4 种方案中第4 种方案的调度方案如图4所示。

图4 方案4各设备出力调度方案

由图3 可得：对比方案1、3 和方案2、4，方案3 比方案1 节省成本3.17%；方案4 比方案2 节省成本3.51%。由此可见，实施分时价格策略时，通过粒子群算法和改进BAS 算法对综合能源系统优化调度模型的合理调度，可以有效减小系统的运行成本。对比方案1、2 可知，在不考虑分时能源价格时，方案2中运用改进BAS 算法比方案1 中运用粒子群算法节省成本1.2%，改进BAS 算法收敛速度明显优于粒子群算法。对比方案3、4 可知，方案4 中改进BAS 算法比方案3 中粒子群算法节约成本1.93%。

由图4 可知，购热和购气量在改进BAS 算法的调度下，受分时能源价格的影响较大。对于购电量，在4 h 时分时电价较低时购电量达到峰值，8～19 h 时购电量维持在略低于负荷需求量，这时需要其他电能转换设备将其他形式能量转换为电能，减少了购电量和购电成本，起到了削峰填谷的作用。对于能量转换设备和能量储存设备，受自身出力上下限的约束，维持在出力范围内波动不大[17-18]。

通过仿真验证了该文所构建的综合能源系统优化调度模型的有效性，以及改进BAS 算法在该模型求解上的可行性。

4 结论

在多种能源联系日益紧密的背景下，该文提出了一种基于分时能源价格下，针对电、气、热综合能源系统，建立了以最小成本为目标函数的优化调度模型。在综合考虑电、气、热输送量约束的基础上，同时计及各种能量转换设备出力上下限等约束条件。最后通过算例进行模拟仿真，得到以下结论：该文所构建的综合能源系统优化调度模型，减少了系统购电量，降低了购电成本，起到了一定的削峰填谷的作用；与不采取分时能源价格相比，采取分时能源价格策略有利于对能量进行优化调度，实现了减小系统运行成本的目的；该文采用的改进BAS 算法对综合能源系统优化调度模型的求解具有良好的可行性，并且在收敛精度和收敛速度方面明显优于粒子群算法，有利于提高综合能源系统的经济性。

在后续的工作中，笔者将着重于模型和目标函数的改进，进一步提高系统的经济性和稳定性。