基于变异粒子群算法的微电网多目标优化调度研究

史麦瑞， 宋嘉霖， 王晨宇， 隋雨伯， 张天阳

（辽宁工程技术大学电气与控制工程学院， 辽宁 葫芦岛 125000）

0 引言

微电网多目标优化调度是指满足各种约束条件下，以运行成本最小和环境保护成本最小为目标函数，合理安排不同的电源出力，从而降低运行成本与污染物排放，使微电网拥有更高的可靠性与发电效率，实现不同目标函数的优化[1]。

1 微电网中各电源数学模型

微电网结构一般包括光伏阵列（PV）、风力发电机（WT）、燃气轮机（MT）、储能装置（ES）和柴油发电机（DE）等[2]。

1.1 风力发电机模型

式中：PWT为风力发电机功率；Vci、Vco和Vr分别为切入、切出风速以及额定风速；Pr为额定输出共功率；系数

1.2 光伏阵列模型

式中：PPV为光伏发电机功率；PSTC为最大输出功率，k为光照系数；T为阵列表面温度；TSTC为阵列参考温度；G为光照强度，GSTC为光照强度。

1.3 微型燃气轮机模型

式中：PMT为燃气轮机功率；ηMT（t）为t时间内输出效率；PMT（t）为t 时间内的输出功率。

1.4 蓄电池模型

放电时，电池t时刻的能量可用式（4）计算：

充电时，电池剩余能量为：

式中：SOC为蓄电池剩余电量；PES为蓄电池功率，放电时为正值，充电时为负值；ηC、ηD分别为示蓄电池充、放电的效率。

1.5 柴油发电机模型

式中：CDE为柴油发电机发电成本；PDE为柴油发电机的输出功率；a、b和c分别为发电机的发电成本系数。

2 微电网优化调度模型

2.1 目标函数

2.1.1 微电网的运行成本

式中：f1为总成本，即各电源运维成本之和。

2.1.2 微电网的环境保护成本

式中：CGRID.EN（t）为大电网处理污染物的成本；γgrid，k为产生的k类污染物排放量；Ck为处理k类污染物的成本系数。

可得到最终目标函数：

2.2 约束条件

2.2.1 功率平衡约束

式中：PL为微电网负荷的总功率；Pgrid为微电网功率；PES为蓄电池功率。

2.2.2 各电源出力约束

柴油发电机、微型燃气轮机需满足：

式中：P1、P2分别为对应柴油发电机、微型燃气轮机出力的上下限；r1、r2为对应柴油发电机、微型燃气轮机的爬坡功率上限。

蓄电池需满足：

式中：P3，min、P3，max分别为蓄电池出力上、下限，功率输入时为正，输出时为负；SOC，max、SOC，min分别为t时刻储能容量的上、下限。

3 变异PSO 算法

粒子群算法虽然有着收敛速度快、可调参数少等优点[3]，但用于微电网优化调度时，容易陷入局部最优解，使优化结果的精准性受限。针对此问题，本文在PSO 算法中引入类似遗传算法的变异操作，改进惯性因子，在粒子每次更新之后都以一定概率初始化，实现惯性因子的实时更新，使粒子能够跳出先前搜索到的最优值，并在更大的区域中展开搜索，提高了算法寻得最优值的可能性。

4 模型结果与验证

4.1 算例参数

微电网中各个电源运行参数与成本如表1 所示。

表1 各电源参数

各个电源污染物排放系数及成本如表2 所示。

表2 污染物排放系数及处理费用

蓄电池的储能参数如表3 所示。

表3 蓄电池储能参数

4.2 算例结果与分析

4.2.1 模型日负荷曲线

用Matlab 软件编程，得到该微电网模型的风、光日负荷预测曲线，如图1 所示。

图1 微电网及风、光日负荷曲线

4.2.2 PSO 与改进PSO 的比较

运行传统PSO 与改进后的PSO，可得两种算法下多目标优化可行解的分布情况，如图2、图3 所示。

图2 传统PSO 算法可行解的分布情况

图3 改进PSO 算法可行解的分布情况

在迭代次数均为100 次的情况下，改进的PSO算法的非支配解的个数明显多于传统PSO 算法，即变异PSO 算法拥有更多的可以在多目标优化上达到更优的解。同时，改进后的算法可行解对应的目标函数明显成本更低，意味着用于微电网优化调度，其运行成本和环境保护成本会更低。

4.2.3 优化调度结果

微电网负荷对应向大电网买电售电价格如图4所示，微电网优化调度模型求解如图5 所示。

图4 不同负荷对应向大电网买电售电价格

图5 优化调度结果

4.2.4 优化结果分析

00：00—04：00，微电网负荷需求低，WT 持续出力，但功率受限，此时电价最低，购得电为蓄电池充电。05：00—10：00，微电网负荷呈上升趋势，PV、WT 出力受限，需从大电网中购电以满足负荷需求。11：00—14：00，光伏出力增大到最大值，同时微电网符合需求减少。14：00—15：00 购电价格达到最低点，期间向电网购电用于蓄电池充电。15：00—20：00，电网售电价格较低，WT 和PV 出力减小，蓄电池利用此前所积累的电能出力，同时，从大电网中购电以满足负荷需求。20：00—24：00，微电网将剩余的电能回售给大电网以提升经济效益，完成一天的调度。

在整个调度期间，蓄电池起到调节作用，在电网售电价格较低时买电充电，在售电价格较高时放电出力，降低了经济与环保成本。由于WT 和PV 出力不稳定，因此，整个调度期间MT 和DE 同时出力满足负荷需求，但大多时间DE 出力少于MT，这是因为DE的污染物排放系数远高于MT，所排放的SO2和NO2对环境污染大且治理费用高。但当微电网负荷需求增大的同时、PV 和WT 出力受限时，因DE 的发电成本较低，会优先为微电网供电。

5 结语

本文以微电网的运行成本与环境保护成本为目标函数，用改进后的变异PSO 算法建立并网模式下多目标优化调度模型，通过对其进行仿真分析，验证了变异PSO 算法的可行性，并得出结论：改进后的变异PSO 算法优于传统PSO 算法，用于微电网优化调度能够有效减小电网的运行成本与环境保护成本，提高了微电网运行的经济性与环保性。

本文中的各个电源出力在实际情况下可能更为复杂，如风光出力受天气因素影响，实际数据复杂多变，未来应针对各个电源在自然条件下出力的情况展开更多预测研究，采用更多高精度预测方法，提高优化调度的精准性。