基于改进和声搜索算法的微电网优化调度研究

李现宝，张 可

(1.山东魏桥铝电有限公司，山东 滨州 256200；2.东北电力大学电气工程学院，吉林 吉林 132012)

随着环境污染、能源短缺等问题日益严重，微电网作为一种可就地消纳可再生能源的有效形式受到重视.可再生能源出力不确定性会导致微电网调度变得困难，同时电能质量将受到挑战[1-2].为了在保障微电网供电可靠的前提下，改善微电网的经济性和环保性，如何优化微电网的调度运行是需要解决的关键问题[3-5].文献[6]提出了一种微电网之间存在能量交互的调度方法，实现了通过微电网能量的高效利用来提升经济性.文献[7]首先对低碳微网建设进行综合评价，然后计及低碳约束对微电网规划与运行问题的影响，提出基于低碳目标的微电网能量管理策略.文献[8]基于自适应遗传算法，考虑供电可靠性提出了微电网调度模型，获得了供电可靠性约束下微电网电源容量配置情况.文献[9]提出了以最小化供电成本为目标的两阶段线性模型，通过对微电网内各机组的实时状态进行优化调度降低微网供电总成本.

从现有研究成果可以看出，目前对微电网优化调度的大多数研究仅考虑了单一的经济性指标，而微电网的环保性、可靠性仅在规划前进行分析.此类方法易造成规划时考虑环保、可靠性要求，运行时却依靠牺牲环保、可靠性来提高经济性的局面[10-11].本文针对微电网优化调度问题展开研究.首先，建立以最小化微网运行成本、环境保护成本和失负荷惩罚成本为目标的多目标微电网优化调度模型；然后，提出基于动态概率参数和虚拟适应度的改进多目标和声搜索算法应用于微电网优化调度模型；最后，通过案例分析验证了本文所提出的微电网调度策略的有效性.

1 微电网优化调度数学模型

本文所研究微电网由光伏和风力发电机组、ES、微型燃机、柴油机以及电负荷组成，其结构如图1所示.当其他机组出力不足的情况下采用柴油机进行补充，柴油机具有可靠性高、运行及检修技术成熟的优点[12-13].微燃机是一种以天然气为介质的旋转式热力发动机，具有体积小、噪音低、排放少等优点[14-15].实际应用中可根据柴油和天然气的实际发电价格来灵活调整发电计划.此外，新能源发电受环境因素影响较大，这对微电网稳定运行造成了严重威胁，而安装ES能够在易受环境因素影响而产生波动的微电网中起到提高稳定性的作用[16].

图1 微电网系统结构

1.1 目标函数

微电网主要通过调控微燃机和柴油机的输出功率、ES充/放电状态转换和负荷削减，来最大限度利用新能源，实现新能源发电就地消纳.当新能源发电量大于当前总负荷需求量时，优先利用DG对当前负荷进行供电，剩余电量用于ES充电；当DG发电量无法满足负荷的需求量时，ES储存的电量对负荷进行供电，若ES储存电量不够时削减一部分负荷实现微电网供需平衡.本文以最小化微网运行成本、最小化环境保护成本和最小化失负荷惩罚成本为目标，建立多目标微电网优化调度模型.

(1)微网运行成本，包括微电网发电成本(C1)和运行维护成本(C2)，经济性目标函数F1表示为

F1=C1+C2

.

(1)

(2)发电成本，包括各机组的建设成本与柴油机和微燃机的燃料成本，可表示为

(2)

其中，柴油机在t时刻的燃烧成本fDE(t)为

(3)

公式中：PDE(t)为t时刻为柴油机的输出功率；α、β、γ为燃烧成本系数.

微燃机在t时刻的燃烧成本fMT(t)为

(4)

公式中：Q为天然气的单位成本；C为天然气的低热值；PMT(t)为t时刻微燃机的输出功率；ηMT为微燃机的输出效率.

(3)运行维护成本，为各机组的运行维护成本，可表示为

(5)

公式中：ki为机组i的运行维护系数；Pi(t)为t时刻机组i输出功率；Δt为时间间隔.

(4)环境保护成本，包括微燃机和柴油机运行产生污染物的惩罚成本，环保性目标函数表示为

(6)

公式中：λDE为柴油机的处理系数；QDE(t)为t时刻柴油机的污染物产出量；λMT为微燃机的惩罚系数；QMT(t)为t时刻微燃机的污染物产出量.

(3)负荷惩罚成本，当DG发电量和ES放电无法满足负荷需求时，微电网对负荷削减造成失负荷惩罚，供电可靠性目标函数F3表示为

(7)

公式中：λL为失负荷惩罚系数；Pcut(t)为t时刻的负荷削减量.

1.2 约束条件

(1)功率平衡约束

PPV(t)+PWT(t)+PMT(t)+PDE(t)+PES(t)=PL(t)-Pcut(t)

，

(8)

公式中：PL(t)为t时刻微电网的负荷；PPV(t)、PWT(t)分别为t时刻光伏、风机的电功率；PES(t)为t时刻ES的充/放电功率，其值为正表示放电，其值为负表示充电.

(2)机组出力约束

(9)

(3)机组爬坡速率约束

增负荷时：

(10)

减负荷时：

(11)

(4)ES荷电状态约束

SOCmin≤SOC(t)≤SOCmax

，

(12)

公式中：SOCmin、SOCmax分别为ES的最小、最大荷电状态限制.

(5)ES充/放电约束

(13)

(14)

2 改进多目标和声搜索算法(GHS)

2.1 和声搜索算法

与其他模拟现实现象而产生的智能算法相似，和声搜索算法[17-19]是通过模拟创作者通过反复调整旋律获得和声的过程，从而产生的一种新型智能算法.通过将多种不同的乐器的旋律看做是需要优化求解的多个参数变量，最终得到的最美和声被视为待解决问题的最优解.该算法具有模型参数数量较少、收敛速度快的优点.和声搜索算法计算步骤如下：

(1)设定参数：和声搜索存储器容量大小M、取值概率PHMCR、调整概率PAR、调整带宽Bw、循环次数Tmax.

(2)随机生成：使用随机函数生成X1，X2，…，XM共M个和声，将其称为X的解空间，再计算并记录对应的适应度值f(X)，将包含解空间和适应度值的矩阵称为和声记忆库H，和声记忆库H的表达式为

(15)

图2 改进多目标和声搜索算法流程图

(3)比较循环：第一步，在[0，1]之间生成随机数P1和P2，若P1≥PHMCR，则从X的解空间内重新随机产生一个新的和声变量，若P1

Xnew(i+1)=Xnew(i)+Bw(2rand-1)

，

(16)

公式中：i为当前迭代次数.

(4)更新和声记忆库.对Xnew(i+1)进行评估，即求f(Xnew(i+1))，若其适应度值比记忆库中的最差的一个适应度值还要小，及f(Xnew(i+1))

(5)检查算法是否终止.重复步骤3和步骤4，直到创作次数达到Tmax为止.

2.2 采用动态概率参数的改进多目标和声搜索算法

普通和声搜索算法严重依赖于PHMCR的值对求解进行调整，当PHMCR作为固定值时的取值不合理时，会使算法的寻优能力和收敛能力大打折扣，因此本文采用动态的PHMCR的取值方法，以对和声搜索算法进行改进，改进公式为

(17)

公式中：i为当前迭代次数；PHMCR为取值概率.

由于本文所提出的微电网优化调度模型属于多目标问题，因此用于求解但目标问题的和声搜索算法无法求解本文所提出的模型.本文引入虚拟适应度(某粒子与其相邻2个粒子之间的局部拥挤距离)的概念使算法可用于求解多目标问题.算法适应度值计算步骤为：(1)初始化局部拥挤距离L[i，m]= 0；(2)将粒子按照第m个目标函数值升序排列，同时设置L=sort(L，m)；(3)设置边缘粒子的局部拥挤距离LCD[1，m]=LCD[N，m]=M(M为一较大值)；(4)对剩余个体计算其局部拥挤距离LCD[i，m]=L[i，m]+fm(xi+1) -fm(xi-1)；(5)跳转至第(2)步，对其他目标函数重复上述操作.改进多目标和声搜素算法流程如图2所示.

3 案例分析

3.1 案例介绍

本文以中国北方某微电网为例验证所提出方法的有效性，该微电网结构如图1所示.设置总调度时长为24 h，步长为1 h.微网中分布式电源的运行参数如表1所示.其中ES容量为50 kWh，充/放电效率为0.9，初始荷电状态为0.4，为了保障ES使用寿命，其充放电区间为0.2～0.8.设置算法参数：存储器容量大小M=200，最大迭代次数Tmax=500，PHMCR，max=0.95，PHMCR，min=0.5.

首先，验证本文提出的算法收敛性和多样性等方面的性能.本文选择文献[20]中四个具有与本文模型相同特征的测试函数检验本文提出的算法相较于NSGA-Ⅱ算法、SPEA2算法的优越性.三种算法对四个测试函数分别求解50次，算法对比结果如表2所示.

表1 各分布式电源的运行参数

表2 GHS、NSGA-Ⅱ和SPEA2算法对比结果

从表2可以看出，本文提出的GHS算法相较于NSGA-Ⅱ算法、SPEA2算法求解测试函数时有较好的性能，对解的精确性与时间复杂度上有较好的平衡性，其脱离局部最优能力更强、寻优更精准.

考虑到新能源发电的可再生特性和环保性，该微电网应尽可能地使用光、风发电.微型燃气轮机运行过程中产生的污染气体主要有CO2、SO2、NOx，各种污染气体的相关排放参数如表3所示.

表3 污染排放系数和环境评价标准

3.2 仿真结果

首先，根据本文所制定的微电网优化调度模型，仿真得到该微电网在调度时间范围内各机组的逐时出力情况，如图3所示.然后，通过数值计算得到各个单目标函数(经济性目标函数、环保性目标函数、供电可靠性目标函数)单独作用下的运行优化结果，和使用本文所提出改进多目标和声搜索算法，得出优化模型的经济性、环保性与可靠性优化结果，如表4所示.

表4 优化模型各成本函数求解结果

图3 微电网各机组运行出力

从表4中可以看出，本文所提出的微电网优化调度模型在经济、环保与可靠性方面均具有一定的优化效果.本文所提出的优化模型比较于各单目标函数建立模型使本系统在运行成本上降低9.85%，节省1 138元；在环境保护成本方面降低0.43%，节省29元；在失负荷惩罚成本方面降低10.90%，节省348元.通过仿真对比分析，本文提出的微电网优化调度模型可以在兼顾其运行经济性以及供电可靠性的前提下降低对环境的影响程度.

4 结 论

为解决微电网优化调度问题，本文提出了一种改进目标和声搜索算法，通过自适应参数来增加最优解的多样性和算法的收敛性，能够有效解决和声算法进化初期搜索能力不足的问题，防止训练过程陷入局部最优解，同时引入虚拟适应度用于求解多目标问题.本文利用所提出的改进多目标和声搜索算法对考虑了经济性、环保性及供电可靠性的微电网优化调度模型求解，案例结果表明本文所提出的方法可以在保障可再生能源充分利用的前提下，微电网运行成本降低9.85%，环境保护成本降低0.43%，失负荷惩罚成本降低10.90%.