一種用于微電網經濟調度的改進型內部搜索算法

陳汝科，沈丹青，何麗娜，楊凱帆，謝 梟，王若昕，黃 婧

（1.國網湖北省電力有限公司鐘祥市供電公司，湖北鐘祥 431900；2.國網湖北省電力有限公司沙洋縣供電公司，湖北沙洋 448200）

引言

隨著世界環境污染問題的日益嚴重，能源的再利用與綜合利用成為了主流，可再生資源的利用研究得到了快速發展[1]。然而可再生資源的不穩定性也會影響電網的安全運行。為解決這一問題，微電網技術在現代電網運行中得到了迅速推廣[2]。微電網是將電力系統中的分布式單元整合成一個獨立的發電系統[3]。截止目前，在微電網經濟優化調度方面，學者們常將研究重點放于優化算法改進，這是由于微電網的經濟優化調度較為復雜，運用傳統算法計算的難度較大。如文獻[4]通過改進傳統灰狼算法來解決微電網的優化問題；文獻[5]提出了一種改進型布谷鳥搜尋算法來進行熱電聯供微電網優化調度；文獻[6]利用內部搜索算法求解了微電網的經濟排放調度問題，結果表明內部搜索算法在降低成本方面具有顯著優勢。

本研究對性能較好的內部搜索算法進行了有效改進，并在負荷響應側引入了基于分時電價的數學模型，運用該改進優化算法對微電網進行經濟調度，最終將計算結果與典型調度策略計算結果進行對比，以此驗證本算法的有效性。

1 微電網模型

微電網模型主要包括電源模型及負荷響應模型[7]。

1.1 分布式電源模型

光伏電源的輸出功率PG為[8]：

式中，PSTC為標準輸出功率；GSTC為標準光輻射量；k為溫差調節因子；T(t)為t時刻實時溫度；TSTC為標準環境溫度。

風機的輸出功率PF為：

式中，Vd為最低風速；Ve為額定風速；Vt為停機風速。

柴油發電機其輸出功率可表示為[9]：

式中，G為耗油總量；bC1、bC2分別為耗量特性和運算斜率；PC0、PC分別為額定功率和實時功率。

燃料電池其輸出功率可表示為[10]：

式中，ηc表示發電效率；PR表示輸出功率。

對于蓄電池模型，其荷電狀態SSOC(t)可表示為[11]：

式中，EBESS(t)為t時段內儲能系統的充放電電量；VBESS為儲能總容量。

1.2 負荷需求響應模型

負荷需求響應指采取相關策略以使用戶能夠參與配電的過程，其目的是使用戶能夠合理分配不同時段的功耗，并減輕配電網絡的壓力。考慮到微電網的晝夜負荷差異較大，為平衡峰谷差異，引入了基于分時價格的負荷響應模型。

引入彈性理論對負荷用電量及時段電價二者變化關系進行分析，設置24為一個調度周期，根據彈性理論有：

式中，ε為彈性系數；P0(i)為平移前的用電量；ΔP0(i)為平移前后電量之差；Q0(i)為正常使用時段的電價；ΔQ0(i)為平移前后的電價之差。

在供需平衡的條件下，負荷響應模型可表示為：

式中，P(i)為負荷實際需求。

1.3 目標函數的建立

分別以運行成本、環境污染費用最低為目標，建立經濟模型。

以運行成本最低為目標，其經濟模型為：

式中，C1為運行總費用；T為經濟運行的時間段總數；C2(i,t)、C3(i,t)、C4(i,t)分別為發電單元的燃料費用、維護費用及折舊費用。

以污染費用最低為目標，其經濟模型為：

式中，M為氣體種類數；Cm排放成本；ai,m為電源設備所排放污染氣體m的系數。

1.4 約束條件的建立

（1）功率平衡

功率平衡可由下式求出：

式中，Pt為t時段的預測負荷功率；Pt、Pt、Pt、Pt、PtFGCXR分別為風機、光伏、柴油發電機、蓄電池、燃料電池的輸出功率。

（2）蓄電池的荷電狀態

式中，SSOCmin、SSOCmax分別為蓄電池允許的下限值和上限值。

（3）各電源設備的輸出功率限制

式中，Pi,min、Pi,max分別為電源輸出功率的最小值和最大值。

2 改進內部搜索算法

2.1 ISA算法計算流程

ISA算法流程圖如圖1所示。由圖1可以看出，ISA算法根據自適應系數α的取值，將元素分為了兩組，分別是求解全局最優的成分組及求解局部最優的鏡子組。因此，通過調節α的取值可以改變兩組元素的數量比例，進而影響算法的收斂精度與速度。

圖1 ISA算法流程圖

對于自適應系數α的取值，工程實際中通常有以下方法：①α取一個定值并且其不隨環境變化而變化；②α設置為0.1～0.3內的隨機值；③根據α可以影響收斂的特點，在每次迭代中改變α的取值，使算法性能更好。

為優化ISA的算法性能，選取第3種方法，對ISA算法進行了改進。

2.2 ISA算法改進

在對α進行取值時，當α取值較大，可以擴大優化范圍，獲得更多的解；當α取值較小，計算范圍會縮小。因此，可以通過改進α的取值方法，即在迭代過程中，按照一定速度逐漸減小參數值。α可表示為：

式中，αmax、αmin分別為取值的上限和下限；n為當前迭代次數；N為總迭代次數。

以上述分析為根據，可畫出如圖2所示的改進型內部搜索算法計算流程圖。

圖2 改進型ISA算法流程圖

對于邊界條件，可做如下處理：

式中，r4、r5分別為0到1之間的隨機值，xgb,i為全局最優解的相關成分。

3 算例分析

以運行費用最小為目標函數，分別求得典型調度策略與改進算法下電源設備的輸出功率，如圖3和圖4所示。

圖3 典型調度策略下電源的輸出功率

圖4 優化調度下電源的輸出功率

兩種策略的荷電狀態對比圖如5所示。由圖5可知，在運用典型專家策略進行微電網的優化調度時，蓄電池由于在1時段中沒有釋放電能，導致在3時段中產生棄電。并且在4、5、6、13時段中，忽略了燃料電池的電價變化，因此無法降低運行費用。

圖5 荷電狀態對比圖

在考慮污染費用情況下，典型調度策略與改進優化調度策略下的荷電狀態對比如圖6所示。觀察圖6可知，當考慮污染費用時，典型調度策略依舊無法靈活調度蓄電池，并且在第20、21時段，典型調度策略中蓄電池僅作為備用輸出設備。

圖6 荷電狀態對比圖

分別計算兩種調度策略下的運行成本，結果如表1所示。

表1 2種調度策略的運行費用

由表1可知，改進優化調度策略在考慮污染和不考慮污染調度方面都可以有效提高微電網運行的經濟性。綜上可知，改進優化調度策略可以更好地發揮蓄電池的經濟優勢。

4 結論

（1）建立了包含光伏、風電、柴油發電機、燃料電池及蓄電池5種分布式電源模型，并引入基于分時電價的負荷需求模型以平衡負荷側峰谷差異。

（2）通過對內部搜索算法進行改進，提出了一種改進型優化算法，通過算例對比分析，最終驗證了優化算法的有效性。