基于改進粒子群算法的微電網優化運行研究

孫磊超，龍 燕

(陸軍勤務學院， 重慶 401331)

世界上多個發達國家都在大力推進微電網的研究和建設。為滿足營區供電的可靠性和穩定性要求，充分利用營區自然資源條件，采用分布式發電技術(distributed generation，DG)為理想選擇。DG 包括風力發電、光伏發電，重要區域的燃料電池發電、燃氣輪機發電等供電形式。這種發電方式具有優化配電網潮流，降低用戶費用，提高供電可靠性，降低污染，降低對地方電網依賴等優勢，同時便于安裝且配置靈活，有利于解決偏遠營區的供電難題。相較于 DG 發電，微電網供電具有系統慣性大、電能質量好、有效消除各 DG不足、方便并入外部電網等優勢。對于偏遠營區供電而言，微電網供電模式相較于傳統的地方配電網供電優勢明顯，具有較高的資源利用率、良好的經濟效益、對環境友好、供電可靠性高、利用多種資源發電[1]。

1 改進粒子群算法應用于微電網優化運行

隨著算法的不斷完善和改進，粒子群算法在微電網運行優化問題上應用廣泛。PSO 算法求解多目標微電網優化運行問題的基本步驟[2]如圖1所示。

圖1 粒子群算法流程

改進的 PSO 算法在求解微電網優化運行問題上應用較多，包括下述方面：

1) DG優化配置

DG配置問題是解決各DG所處的位置、容量，滿足網絡損耗要求或電壓、電流值約束等。文獻[3]對DG投入、切除的變量進行適當松弛并轉換為實數進行操作，使原先的混合整數規劃變為非整數規劃，以方便粒子群算法求解。文獻[4]中運用懲罰因子使優化配置問題轉換為單目標無約束問題，方便了粒子群算法的求解。文獻[5]將配置問題分解為求解DG位置和容量兩個子問題，第一步通過微電網潮流計算得到微電網網絡損耗最小情況下DG位置，第二步是以經濟效益最高為目標，以第一步求得的位置信息為基礎，采用粒子群算法求解DG的容量分布。文獻[6]使用模擬退火算法改進原始粒子群算法，混合算法經算例驗證在各項指標上優于模擬退火法，但該算法并未與粒子群算法對比。

2) DG功率優化

在微電網運行過程中，對不同類型、容量的DG，控制其各個時刻輸出功率大小，從而使微電網運行經濟效益最高或環保效益最好。文獻[7]用PSO算法實現了簡單微電網系統的功率優化。文獻[8]在PSO算法選擇較優粒子過程中采用動態臨域策略篩選，應用了排序的思想。文獻[9]加入了DG發電特性曲線約束。文獻[10]針對粒子群算法在解決某系復雜問題時陷入局部收斂，采用混沌序列重新優化粒子，便于粒子跳出局部收斂。

2 微電網結構

1) 光伏發電

在溫度、負載和日照強度相同的情況下，輸出功率在特定電壓下最大，該狀態點稱為最大功率點，而始終按該狀態進行功率輸出的光伏發電策略為最大功率跟蹤。本文中光伏發電均按照最大功率跟蹤策略執行。

式中：G(t)為t時刻的實際日照強度(W/m2)；Tair(t)為t時刻實際空氣溫度(℃)；T(t)為t時刻光伏組件實際表面溫度(℃)；VW為當時的風速(m/s)，該時刻對應的輸出功率為PPV(t)。其中，Tmax和Tmin分別對應該段時間內的最高溫度值和最低溫度值，tp指當天平均時刻溫度，GSTC,PSTC,TSTC是指標準測試環境(1 000 W/m225 ℃)下該光伏組件對應的光照強度、輸出功率和溫度。其中，溫度系數k取-0.45。

2) 風力發電

在計算風力發電裝置輸出功率隨風速大小變化時，根據裝置所建模型的不同計算輸出結果也有差異。這里采用較為通用的二次出力模型：

vci為切入風速(m/s);vr為額定風速(m/s);vco為切出風速(m/s)；PWT為風力發電裝置的輸出功率(kW)。對特定的某臺風力發電機而言，功率特性參數a，b，c和額定輸出功率PWTr都是定量。

3) 微型燃氣輪機發電

微型燃氣輪機的發電效率受輸出功率影響較大，隨著輸出功率的增加，微型燃氣輪機發電效率得到提升。以該種燃氣輪機進行建模計算，其發電效率計算公式為：

式中：PMT為微型燃氣輪機輸出功率(kW)； 計算得到發電效率為ηMT。燃料成本計算公式為：

式中：cfuel為當前的天然氣價格(元/m3)，取值2.05； LHV為天然氣低熱熱值(kWh/m3)，通常取 9.7 kWh/m3；CMT為t時間內的燃料成本(元)。

4) 燃料電池

其發電效率與輸出功率關系可表達為：

ηFC=-0.002 3PFC+0.673 5

燃料電池成本計算公式為：

式中:CFC指時間t內燃料電池所用的燃料成本(元);ηFC為其發電效率;PFC為當前的輸出功率，采用天然氣發電時，LHV值仍取 9.7。

5) 柴油發電機組

柴油發電機燃料消耗成本與其有功功率輸出關系為：

其中：CDE為單位時間輸出功率為PDE時所需燃料的費用(元)，a，b，c為柴油發電機費用特性參數，對某臺特定柴油發電機組而言是定值。

3 孤島微電網優化運行模型

微電網因各種原因進入孤島運行狀態時，與外部電網的能量傳輸處于中斷狀態，不再考慮向外部電網購售電的問題及相關約束。由于微電網內部所有負荷供電均由內部各DG承擔，對各種類型DG的出力優化將更注重其經濟效益。孤島微電網優化運行仍以綜合經濟效益為目標，包括燃料費用、維護運行費用、治污費用及設備折舊費用。

微電網進入孤島運行時，不用考慮其與外部電網聯系，不存在向外部電網購售電的問題，其優化模型約束如下：

1) 功率平衡約束

該式為微電網孤島運行時內部功率平衡方程，只需要微電網內部各種類型DG、儲能裝置的輸出功率與負荷需求相等即可，不考慮與外部電網的聯系。

2) 各DG輸出功率約束

Pimin≤Pi≤Pimax

RidΔt≤Pi,t-Pi,t-1≤RiuΔt

式中：Pi,t,Pi,t-1分別表示t時刻和t-1時刻類型為i的DG的輸出功率，兩個時刻相距時長Δt(h)；Rid,Riu分別為類型為i的DG的負向爬坡速率和正向爬坡速率(KW/h)。

3) 蓄電池儲能約束

0≤PDOD,t≤PDODmax,t

0≤PDOC,t≤PDOCmax,t

式中，PDOD,t,PDOC,t分別為時段的放電功率和充電功率(kW)，且均不能超過它們各自的上限功率tPDODmax,t,PDOCmax,t。

4 基于改進粒子群算法的孤島運行優化

DG類型及容量有風力發電機WT(額定功率300 kW)、光伏發電裝置PV(額定功率200 kW)、微型燃氣輪機組MT(額定功率300 kW)、燃料電池FC(額定功率200 kW)、柴油發電機組(額定功率500 kW)及蓄電池儲能裝置(額定功率200 kW)。對于營區微電網供電，除了需要考慮微電網中不同DG的技術性能外，還需要考慮本地自然資源條件、負荷大小、分時電價等因素。其中，FC利用天然氣作為燃料發電，DE則利用柴油發電，天然氣價格和柴油價格見表1，各種污染物治污費用如表2所示，各DG的投資、維護運行成本等情況如表3所示。

表1 本地能源價格

表2 治污費用

表3 各DG參數

以夏、冬兩季的營區負荷變化、風速、日照強度及溫度為基礎進行營區微電網優化。夏、冬季典型日營區負荷變化情況如圖2所示，夏、冬季典型日營區風速、日照強度、溫度變化情況如圖3～圖5，蓄電池的充放電情況如圖6所示。

圖2 夏、冬季典型日負荷曲線

圖3 夏、冬季典型日風速曲線

圖4 夏、冬季典型日日照強度曲線

圖5 夏、冬季典型日溫度曲線

圖6 蓄電池充放電曲線

根據夏季、冬季典型日的風速、日照強度和溫度數據，由風力發電機和光伏發電的輸出功率計算方法，得到夏季、冬季典型日風力發電機和光伏發電不同時刻的輸出功率，風力發電輸出功率如圖7所示，光伏發電輸出功率如圖8所示。

圖7 夏、冬季典型日風力發電功率

圖8 夏、冬季典型日光伏發電功率

利用上述數據，根據各種類型DG的輸出功率和發電成本模型和建立的微電網優化運行模型，采用改進粒子群算法求解，得到并網和孤島運行狀態下夏季、冬季典型日微電網優化運行結果。

微電網進入孤島運行狀態時，不需考慮與外部電網的能量交換及相應的購售電計劃，但由于營區負荷較大時PV，WT，MT，FC的輸出功率總和不能滿足負荷需求，故需考慮在負荷高峰時段利用發電成本較高的DE發電補充功率缺額。另外，孤島運行時由于電能供應均源于各種DG，需要更加全面的衡量各DG的運行成本，故在孤島運行狀態下的營區微電網優化運行目標函數中考慮了各DG的設備折舊費用。

1) 夏季典型日

在不考慮與外部電網能量交換的情況下，根據夏季營區的負荷變化、風速曲線、日照強度曲線和溫度曲線，利用改進粒子群算法進行求解得到營區微電網孤島運行時的優化結果，如圖9所示。

圖9 孤島微電網夏季典型日各DG發電功率

2) 冬季典型日

在不考慮與外部電網能量交換的情況下，基于冬季營區的負荷變化、風速曲線、日照強度曲線和溫度曲線等數據資料，采用改進粒子群算法進行求解得到營區微電網孤島運行時的優化結果，如圖10所示。

圖10 孤島微電網冬季典型日各DG發電功率

5 結論

分析了不同 DG 的原理和特點，基于各種類型 DG 的發電特性和技術參數建立了各自的功率輸出模型、發電成本模型和孤島條件下的微電網優化運行模型。最后依據實際算例，以搭建的微電網優化運行模型為基礎，利用改進粒子群算法求解得到孤島狀態下營區微電網在夏季、冬季的最優運行結果。