考慮環境效益的微電網經濟功率優化

盧恒光 范欣辰

考慮環境效益的微電網經濟功率優化

盧恒光1范欣辰2

（1. 福建華電萬安能源有限公司，福建 龍巖 361000； 2. 福州大學電氣工程與自動化學院，福州 350000）

微電網是一類能將分布式電源很好地接入大電網的系統，它能實現能源的高效率利用。本文分別以經濟效益、環境效益、綜合效益為目標，研究微電網在脫離大電網系統情況下的分布式電源出力優化問題，并分析儲能系統接入對微電網運行經濟性產生的影響。通過引入線性遞減慣性權重和異步學習因子改進傳統粒子群算法，搭建水、光、柴、儲微電網模型并進行解算，分析微電網在儲能接入前后，不同經濟目標下各分布式電源的出力變化，最后以福建某水電站典型日負荷為研究數據，驗證了模型及算法的合理性和有效性。

微電網；電力優化；儲能；粒子群算法（PSO）

0 引言

微電網系統是一種以分布式交直流電源和負荷作為主要構成部分的小型發配電系統，通常也包含由儲能設備、電力電子設備構成的調控系統[1]。由于包含發電設備和儲能設備，微電網系統具有工作方式靈活多樣的特性，其有孤島、并網兩個不同類別的運行方式[2]。在不受大電網系統影響的孤島運行模式下，微電網的結構類似于一個大電網，每一個分布式電源所發出的電能通過交流母線后，再通過和交流母線相連的配電網支路供給負荷。在這種工作狀態下，潮流交換不會在大系統和小系統之間發生，因此在精確控制各電源出力的前提下，應另增設儲能設備，以減輕分布式電源不確定性對用戶造成的不利影響[3]。

絕大部分的新型分布式電源在輸出功率時受外界條件影響大，存在不確定性，甚至是反負荷調節特性，若使這些分布式電源直接接入配電網，則會對電網的運行造成沖擊，微電網是解決這一問題的最優手段[4-5]。與傳統大電網采用等耗量微增率原則進行電源出力分配計算不同，微電網的出力計算屬于多目標非線性問題[6]?，F有研究采用各類人工智能算法[7-8]來求解此類問題，但算法存在收斂速度較慢、容易陷入局部最優等弊端。為了確保負荷供電，且使運行中的綜合成本最小，本文引入改進的智能優化算法來求解包含分布式電源的微電網模型。

本文研究的微電網模型中主要考慮三類分布式電源，即光伏、水電和柴油發電機，在此基礎上分析比較增加儲能裝置參與供電前后的情況。

1 微電網優化調度模型

1.1 分布式電源特性

1）光伏發電具備安全、清潔、分布豐富等特點，其輸入和輸出功率模型可以由不同光照強度下的概率密度函數推導得到，計算公式[9]可近似為

2）我國水資源儲量巨大，作為一種發展較為成熟的零污染發電形式，水力發電得到比較廣泛的應用。本文水輪機組發電出力計算公式[10]為

3）柴油發電機是一種成熟的分布式電源，它運行穩定，但在發電過程中會產生一定環境污染。本文中柴油發電機的發電成本可表示為[11]

4）儲能裝置在負荷高峰釋放電能，負荷低谷消納多余電能，保證微電網的電能質量[12]。儲能裝置將無法儲存的電能轉變為其他易于儲存的能量。當微電網故障時，儲能裝置起到備用電源的作用。

1.2 約束條件

1）分布式電源出力約束

為了使各個電源能夠正常運行，分布式電源的出力大小都應滿足一定范圍，即

2）儲能裝置出力約束

本文用常見的蓄電池來代表該微電網模型中的儲能單元。蓄電池壽命和荷電狀態與其充放電功率相關，因此將儲能裝置出力約束表示為

3）系統運行功率平衡約束

功率平衡等式約束體現為每個時段的各分布式電源出力之和與微電網負荷相等，即

1.3 目標函數

1）目標一：孤島運行模式下的微電網系統的經濟效益最高，即運行維護成本最低。

2）目標二：孤島運行模式下的微電網系統的環境效益最高，即污染物治理成本最低。

3）目標三：孤島運行模式下的微電網系統的綜合效益最高，即同時考慮運維成本與治污成本的綜合成本最低。

綜合以上目標，得到目標函數為

2 改進粒子群算法

自粒子群算法提出以來，解決了許多電氣自動化領域的優化調度問題[13]，其易于編寫、求解特性好的特質[14]得到了研究者們的高度重視，并被廣泛應用于各種解決方案的優化問題，收斂速度慢、易陷入局部最優解是粒子群算法的弊端。在用于該算法求解過程的各類參數中，慣性權重和學習因子對算法的求解速度、求解精度影響最大。研究人員針對這兩個參數對算法從原理上進行了優化。本文引入線性遞減慣性權重和異步學習因子對原始算法進行改進。

當前很多跨境電商人才是由社會培訓機構提供的。這些培訓機構商業嗅覺靈敏，針對企業和市場的需要，積極開展了跨境電商人才培訓。但這種現象是不正常的，行業人才的培養不能只依賴社會力量，而應該由高校來做人才培養的主力。

大慣性權重利于全局搜索，小慣性權重利于局部搜索，權重的線性遞減公式為

式中：w為權重；max為最大值，取0.9；min為最小值，取0.4；和分別為當前迭代次數、最大迭代次數。

異步學習因子的改進優化了傳統算法在粒子迭加換代時的粒子運動速度大小和變化方向，增強了收斂能力。

式中，1、2分別為搜索范圍和搜索速度的學習因子，其始末值分別取為1,start=2.5,1,end=0.52,start=2.5,2,end=0.5。

粒子群初始位置為隨機初始化產生，需要經過多次迭代，才能最終得到可行解，甚至找不到可行解。在研究人員實際采用粒子群算法處理等式約束條件時，將不滿足約束條件的粒子的適應度函數值替換為某個極大的值，并最終“懲罰”該粒子使之不能成為計算中的最優解[15]。本文引入罰函數，計算各分布式電源出力總和偏離用電負荷的程度，將這部分值放大且并入目標函數計算式中，得到新的目標函數為

以目標二為目標函數，對某一典型日負荷的微電網進行計算：改進粒子群算法種群規模取1 000，最大迭代次數取200。根據式（9）更新慣性權重，根據式（11）計算粒子的適應度、對粒子進行評價，更新個體極值與全局極值、各粒子的速度與位置，最終將變異后的粒子與終止條件進行比較，確定算法是否收斂，如此循環，直到輸出群體極值和全局最優解。改進前后的粒子群算法迭代過程中，某一時段全局最優值收斂特性曲線如圖1所示，由圖1可見，改進算法能在實際算例中更快地收斂到全局最優解。

圖1 全局最優值收斂特性曲線

在編程測試中，觀察到改進粒子群算法的求解過程相比原始粒子群算法在精度和收斂速度上得到很大提高，因此本文引入的改進粒子群算法在解算含多重約束條件的微電網優化中會獲得更優的求解性能。

3 算例分析

3.1 算例參數

圖2 微電網系統模型

圖3 分布式電源24h最大出力預測數據

3.2 結果與討論

本文以上述簡化微電網模型為算例，采用MatlabR2018b編程，對所建分布式電源模型和優化算法性能進行驗證。

圖4 典型日負荷的24h功率預測數據

表1 分布式發電費用

1）不同目標函數優化結果

分別對同一典型日、三種目標（經濟效益最高、環境效益最高、綜合效益最高）下的微電網模型進行出力優化計算，得到同一典型日不同目標的優化結果如圖5所示，總成本見表2。

當以微電網經濟效益為優化目標時，由于柴油發電機工業成熟，其運維成本較低，總成本相對于以微電網的環境效益為優化目標時略低，但其二氧化碳排放量為目標二的161.40%，給環境治理帶來壓力。以環境效益最佳為優化目標時，會優先考慮光伏、水力發電、儲能裝置出力，一方面降低燃料成本，另一方面大大降低二氧化碳排放量，但由于新能源發電尚在發展中，因此建設與運維成本相對柴油發電單元更高。當經濟效益與環境效益同時都被納入考慮范圍時，燃料成本、運維成本和二氧化碳排放量介于兩個單目標優化之間，達到一個平衡值，且總成本是三者中最低的，可見綜合考慮經濟效益與環境效益進行優化是最優選擇。

表2 同一典型日不同目標的總成本

2）不同微電網結構優化結果

設置裝機容量為6MW?h、最大輸出功率為3MW/h的儲能單元，以環境效益最佳為目標函數，對儲能單元接入前后的微電網模型進行出力優化計算，得到各分布式電源出力如圖6所示，總成本見表3。

表3 儲能接入前后的總成本

由上述結果對比可以得出，在接入儲能單元后，微電網系統的二氧化碳排放量減小至原來的45.97%，而總成本僅增長4.27%，可見配有儲能系統的微電網系統環境效益更高，而經濟效益并未受太大影響。

4 結論

本文以考慮環境效益的微電網的經濟功率優化為研究對象，選取三個目標函數，以福建山區某地區包含光伏發電、水力發電、柴油發電、儲能裝置的微電網為算例，用改進粒子群算法求解。從仿真結果可知，所建模型合理、算法可行，恰當的結構選擇和目標優化可使微電網更具經濟性和合理性。此外，本文在以下方面仍需進一步研究：

1）在進行出力優化時，本文采取時間間隔為1h，而實際負荷實時變化。若想使優化效果更接近實際系統，時間間隔需要進一步縮短。

2）若想構架一個泛化能力強的優化方案，還要考慮本文模型尚未計及的風力發電及其他不斷發展、應用廣泛的新能源發電方式。

3）在考慮微電網出力優化時，除了本文已考慮的出力約束、容量約束及功率平衡約束，還需考慮如電源的起停機時間約束等更加具體的約束。

[1] 楊新法, 蘇劍, 呂志鵬, 等. 微電網技術綜述[J]. 中國電機工程學報, 2014, 34(1):57-70.

[2] 徐林, 阮新波, 張步涵, 等. 風光蓄互補發電系統容量的改進優化配置方法[J]. 中國電機工程學報, 2012, 32(25): 88-98, 14.

[3] 白樺, 王正用, 李晨, 等. 面向電網側、新能源側及用戶側的儲能容量配置方法研究[J]. 電氣技術, 2021, 22(1): 8-13.

[4] 沈鑫, 曹敏. 分布式電源并網對于配電網的影響研究[J]. 電工技術學報, 2015, 30(增刊1): 346-351.

[5] 姜云鵬, 任洲洋, 李秋燕, 等. 考慮多靈活性資源協調調度的配電網新能源消納策略[J]. 電工技術學報, 2022, 37(7): 1820-1835.

[6] 萬玉建, 蔣成杰, 陸華軍. 一種微電網并轉孤模式切換時功率平衡計算方法[J]. 電氣技術, 2015, 16(11): 40-43.

[7] 解玖霞. 基于粒子群算法的主動配電網經濟優化調度[J]. 電氣技術, 2017, 18(9): 15-18.

[8] 姜雲騰, 李萍. 基于改進粒子群神經網絡短期負荷預測[J]. 電氣技術, 2018, 19(2): 87-91.

[9] 李銳, 李鵬. 基于改進人工魚群算法的冷熱電聯產微網經濟優化運行[J]. 電氣技術, 2014, 15(6): 63-68.

[10] 張文杰, 吳杰康, 趙俊浩, 等. 考慮源-荷不確定性的水風柴微電網優化配置[J]. 電力工程技術, 2020, 39(2): 117-126.

[11] 邵志芳, 趙強, 張玉瓊. 獨立型微電網源荷協調配置優化[J]. 電網技術, 2021, 45(10): 3935-3946.

[12] 李銳, 李鵬. 儲能系統在孤島微網中應用[J]. 電氣技術, 2014, 15(6): 15-18.

[13] 陳婷. 智能算法在含分布式電源配電網故障定位中的應用綜述[J]. 電氣技術, 2020, 21(9): 1-6.

[14] POLI R, KENNEDY J, BLACKWELL T. Particle swarm optimization[J]. Swarm Intelligence, 2007, 1(1): 33-57.

[15] 金義雄, 程浩忠, 嚴健勇, 等. 改進粒子群算法及其在輸電網規劃中的應用[J]. 中國電機工程學報, 2005, 25(4): 48-52, 72.

Economic power optimization of microgrid considering environmental benefits

LU Hengguang1FAN Xinchen2

(1.Fujian Huadian Wan’an Energy Co., Ltd, Longyan, Fujian 361000; 2. College of Electrical Engineering and Automation, Fuzhou University, Fuzhou 350000))

Microgrid is a kind of system that can connect distributed generation to large power grid, which realizes the efficient utilization of energy. Aiming at economic benefit, environmental benefit and comprehensive benefit, the output optimization of distributed generation in the case of microgrid separated from large grid system is studied. Impact of energy storage system access on microgrid operation is analyzed. By introducing linear decreasing inertia weight and asynchronous learning factor, the traditional particle swarm optimization (PSO) algorithm is improved, and the water, light, diesel and storage microgrid model is built for calculation. The output changes of distributed generators under different economic objectives before and after connection of energy storage to the microgrid are analyzed. The typical daily load of a hydropower station in Fujian is taken as the research data, and the rationality and effectiveness of the model and algorithm are verified.

microgrid; power optimization; energy storage; particle swarm optimization (PSO)

2022-07-12

2022-08-01

盧恒光（1969—），碩士，高級工程師，研究方向為水電運行管理。