基于文化基因算法的冷热电联供型微网优化运行方法

黄超, 刘晨

(五凌电力有限公司,湖南,长沙 410000)

0 引言

人口的增加导致能源消费急剧增加,环境急剧恶化,使得能源危机和环境污染问题日益突出。在各种能源消耗中,耗电量最大,如何节约电能成为当前研究的重点。微电网是一种比传统电网更节能的供电方式。作为一个小型发电和配电系统,微电网不仅提供了更灵活的电源,更环保,而且大大降低了电网的工作压力[1]。热电联产微电网就是其中之一,通过增加加热和制冷装置,实现了能源的多元化利用。随着冷热电联产微电网的广泛应用,冷热电联产微电网的优化运行越来越受到人们的关注[2]。本研究的意义在于实现微电网的经济调度,优化微电源的输出和配置,促进热电联产微电网的升级和进一步发展。

杨里等[3]将最小微网损耗作为目标函数,以计及功率平衡作为约束条件,利用混沌粒子群算法+随机模拟的方法进行求解,求出能量优化调度方案。张少明等[4]以经济成本、环境成本、网损和电压波动建立多目标函数,在潮流约束、运行电压约束、传输功率约束等条件下,利用改进粒子群算法求得最优经济调度方案。聂瀚等[5]考虑到经济,环保两个方面,建立了综合性目标函数,在功率平衡、微电源爬坡率、微电源功率、BT充放电等约束条件下,利用改进的鸟群算法,求取最优解。

虽然上述研究取得了一定的成果,但是求解的结果仍然存在缺陷,难以控制单项成本效益,冷热电联供型微网资源配置无法实现最优目标。针对这种情况,结合已有的研究经验,提出基于文化基因算法的方法,以期寻找到最优冷热电联供型微网运行方案,实现微电网优化调度,提高微网能源利用率。

1 冷热电联供型微网优化运行方案研究

冷热电联供型微网中包含了很多分布式供电能源,这些电源可以用于发电、供热以及制冷使用,因此冷热电联供型微网也可以看作是一种小型的分布式电源。冷热电联供型微网虽然能极大缓解电网的供电压力,但是供电能源的多元化,也使得微网运行方案设计成为一大难题[6]。微网运行方案设计是指寻找一种调度方案,使得各种能源出力更加合理,提高微网运行更具有经济性和环保性。冷热电联供型微网优化运行方法研究主要分为3个部分,即多目标函数模型构建、约束条件设置以及模型求解。

1.1 多目标函数模型构建

多目标函数模型,即建立目标与构成因素之间的函数关系式[7]。基于目标函数模型基本形式建立冷热电联供型微网优化的多目标函数。在本模型中主要包含两个目标,即经济目标和环保目标[8]。

1)经济目标函数模型构建

(1)

(1)微网运行燃料耗费成本y1(t)

(2)

式中,N代表微电网中微电源的个数,y11代表燃料的价格,S代表燃料的低热值,φi(t)、φi(t)代表第i个能源系统在t时刻的输出功率和工作效率[10]。

(2)微网各能源系统维护管理成本y2(t)

(3)

式中,Di,t代表t时刻第i个能源系统的维护管理所产生的成本系数,Pi,t代表t时刻第i个能源系统的输出功率。

(3)微网各能源系统折旧损耗成本y3(t)

(4)

式中,maxPi,t代表t时刻第i个能源系统的最大输出功率,fi代表第i个能源系统的容量因素,Ci代表第i个能源系统的年均折旧成本。

(4)电网与微网交互成本y4(t)

(5)

2)环保目标函数模型构建

(6)

式中,minF2代表冷热电联供型微网最小环保性运行成本,ψj代表为第j种污染物处理费用,ξij代表第i个微电源的第j种排放物的排放系数。

为方便定量分析,将上述经济目标和环保目标转换为单目标函数,公式如下

(7)

式中,minY代表微电网的综合成本,λ1、λ2代表两个目标的权重系数。

所构建的多目标函数模型中全面考虑经济成本和环保成本,使得微电网运行方案设计更为合理。

1.2 约束条件设置

约束条件,即多目标函数模型的各种限制条件。本章节设置的约束条件包括以下6种。下面针对这6种约束条件进行具体分析。

1)电功率平衡约束

电功率平衡约束是指各个能源系统提供微电源快慢的均衡性。约束条件如下:

(8)

式中,Z1(t)、Z2(t)、Z3(t)、Z5(t)、Z6(t)表示t时刻太阳能电池、风力发电机、微型燃气轮机、蓄电池、燃料电池输出功率,Z(t)代表用电负荷,Z4(t)代表微电网与大电网的交换电功率。

2)热功率平衡约束

热功率平衡约束是指热功率与热负荷需求相等。

Q1(t)=q1(t)

(9)

式中,Q1(t)代表t时刻热负荷需求,q1(t)代表t时刻热功率。

3)冷功率平衡约束

冷功率平衡约束是指冷功率与冷负荷需求相等。

Q2(t)=q2(t)

(10)

式中,Q1(t)代表t时刻冷负荷需求,q1(t)代表t时刻冷功率。

4)各微源出力约束

各微源出力是指各个供电来源的输出的电力情况。

minGi(t)≤Gi(t)≤maxGi(t)

(11)

式中,Gi(t)代表t时刻第i个供电源传出的能源量,minGi(t)、maxGi(t)代表t时刻第i个供电源传出的能源量极限值。

5)传输功率约束

传输功率是指微电网与大电网之间交换功的多少。其约束如下:

minRt≤Rt≤maxRt

(12)

式中,minRt、maxRt代表微电网与大电网之间交换功率的最小和最大值。

6)蓄电池运行约束

蓄电池运行约束是指对蓄电池的充放电功率进行约束。

(13)

式中,minU(t)、maxU(t)代表t时刻U(t)的两个极限功率值,U(t)代表t时刻U的电功率,minC、maxC代表t时刻U中剩余电量的两个极限值,O代表U的最开始电量。

约束条件的设置,为下一章节多目标函数模型求解提供了限制条件,使得求解更加容易。

1.3 文化基因算法求取多目标函数模型最优解

在上述设置6个约束条件下,在本章节利用文化基因算法对该模型进行求解,得出冷热电联供型微网优化运行最优方案。文化基因算法是在文化演进的基础上提出的一种寻优算法。该算法与遗传算法运行过程大致相同,但是却比遗传算法更具优势,即不会过早收敛,导致陷入具有最优的问题当中,得到的解为全局最优解。文化基因算法基本流程如图1所示。

图1 文化基因算法基本流程

基于上述文化基因算法基本流程对目标函数进行求解,求解过程如下:

步骤1:设置文化基因算法各个参数,并进行初始化;

步骤2:输入冷热电联供型微网系统及其各个供电单元的参数。

步骤3:染色体编码,生成初始化种群。

步骤4:染色体解码,计算各个供电单元的运行出力情况。

步骤5:输入上一章节设置的6个约束条件。

步骤6:计算个体适应度值和利用精英保留算法保留个体数。精英保留算法原理公式如下:

m=λ×k×N

(14)

其中,

(15)

式中,m代表保留个体数,k代表个体的占比系数,λ代表自适应保留因子,i代表迭代次数,α代表保留个体初始化比例因子,N代表种群大小。

步骤7:是否达到算法结束条件(最大迭代次数)。若达到,输出最优冷热电联供型微网优化运行方案。若不能达到,需要进行变异、交叉和选择,并回到步骤4,直至满足条件。

通过上述文化基因算法求解,得出最优冷热电联供型微网优化运行方案。

2 仿真测试

为测试所研究方法在求解冷热电联供型微网优化运行方案是否为最优解,以基于混沌粒子群算法+随机模拟的方法、基于改进粒子群算法的方法和基于改进鸟群算法的方法作为对比项,进行仿真测试。

2.1 热电联供型微网仿真模型

利用MATLAB软件建立热电联供型微网模型,作为仿真测试对象,如图2所示。

图2 热电联供型微网仿真模型

在图2建立的热电联供型微网仿真模型中,包括5个供电单元(DG1～DG5),5个负荷(L1～L5)以及5段电缆(X1～X5)。其中,这5个供电单元的相关参数如下表1所示。

表1 5个供电单元相关参数设置表

此外,各时段微网电价情况如下:

峰时段微网电价:购电0.83/(元/(kW·h));售电0.65(元/(kW·h));

平时段微网电价:购电0.49/(元/(kW·h));售电0.38/(元/(kW·h));

谷时段微网电价:购电0.17/(元/(kW·h));售电0.13/(元/(kW·h));

2.2 求解算法参数设置

文化基因算法求取冷热电联供型微网优化运行方案时,所设置的算法初始化参数值如下:

种群设置为50;

交叉率设置为0.8;

变异率设置为0.05;

迭代次数设置为200;

2.3 冷热电联供型微网优化运行方案

利用文化基因算法求解冷热电联供型微网优化运行方案,求解结果如图3所示。

图3 冷热电联供型微网优化运行方案

2.4 结果分析

相同测试条件下,利用基于混沌粒子群算法+随机模拟的方法、基于改进粒子群算法的方法和基于改进鸟群算法的方法进行冷热电联供型微网优化运行方案求解,得出求解结果如图4所示。

图4 冷热电联供型微网优化运行方案效益结果

从图4中可以看出,与基于混沌粒子群算法+随机模拟的方法、基于改进粒子群算法的方法和基于改进鸟群算法的方法求解方案相比,所研究方法应用下,求解得到的冷热电联供型微网优化运行方案的综合成本以及两个单项成本更低,由此说明所研究方法求得的解更优,不仅实现了成本的降低,同时也降低了对环境的污染,达到了研究目标。

3 总结

为缓解大电网的供电压力,冷热电联供型微网逐渐被应用到居民供电任务当中,通过多种分布式供电,供电更为灵活。然而,冷热电联供型微网的应用前需要计算出最优运行调度方案,降低其运行成本,优化各微源的出力和配置。在此背景下,提出基于文化基因算法的方法,通过文化基因算法求取多目标函数模型,得出优化方案解。

然而,本研究只针对未来一天的单个微网进行优化调度,对于冷热电联供型微网长期且多个微网的协调调度运行方案的求解有待进一步研究。