基于模擬退火遺傳算法的并網微電網優化調度研究

馮悅雯，胡東陽

（國網湖北省電力有限公司神農架供電公司，湖北神農架 442400）

引言

近年來，在“碳達峰，碳中和”的戰略引導下，清潔能源發電的發展又上了一個新臺階。我國相繼構建了大規模的光伏電站、風力發電場等[1-5]。在“雙碳”戰略不斷推進下，一些問題逐漸顯露出來，如以光伏、風力發電為代表的分布式發電源，由于自然環境能源獲取的不確定性，導致發電出力也存在著不確定性。在電網中注入高比例風光發電源后，會對電力系統電能質量的管控、繼電保護，尤其是電網的穩定性等產生影響，在不良運行情況下甚至電網供電難以保證其可靠性[6-9]，從而影響用戶的生產生活。因此，為了電網和各分布式電源可以更好地融合，微電網的分布式電源組織架構和與電網交互方式由此誕生。微電網是一個可與外部電網連接也可脫離電網的微型系統，其包含著基本的源、荷單元。其分布式電源主要包含風力發電機、光伏單元以及燃氣輪機等。由上述單元構成的微電網在經濟性、環境友好性上較傳統能源系統有較大提升。同時，微電網可提高電力網絡的靈活調度性。

對于微電網來說，多目標優化調度問題是其核心問題之一。為有目的性地進行電源的優化調度，國內外學者深入探究并得到不俗成果。文獻[10]通過結合模擬退火方法和粒子群方法求解優化調度模型，增強了算法的收斂速度和全局搜索性能。文獻[11]通過使用遺傳算法對模型進行求解，該方法可以得到最優解但容易陷入局部最優解。文獻[12]將Metropolis準則引入蜂群算法，建立求解微電網調度模型，但該模型只考慮了經濟因素，并未綜合考慮模型的環境保護的目標。

因此，建立微電網模型，并綜合考慮微電網建設運行的經濟性和環保性，以微電網建設運行成本和環境影響為目標函數，使用模擬退火遺傳算法對模型進行求解。該方法能夠對微電網各目標依據條件進行有效調度，具備快速求解調度問題的能力，同時避免了陷入局部最優解的困境，能夠適配并解決在微電網場景下的調度問題。

1 退火遺傳算法

模擬退火算法來源于固體退火原理，隨著高溫物體冷卻，內部粒子由無序態走向有序，最后在冷卻時達到穩定的基態。其核心思想是通過模擬高溫物體退火過程找到組合優化問題近似全局最優解，跳出局部最優解后繼續搜索直到得到全局最優解。遺傳算法是一種經典的元啟發式算法，也是一種基于自然選擇和群體遺傳機理的搜索算法。遺傳算法在解決復雜組合優化問題有較好的表現，但算法容易陷入局部最優的結果。

模擬退火遺傳算法(SA&GA)揉合了模擬退火算法和遺傳算法，進一步提高了算法的性能。該算法能避免傳統算法陷入局部最優解，是因其兼顧了模擬退火的全局搜索能力和遺傳算法的局部搜索能力。為實現模擬退火遺傳算法，首先通過遺傳算法對種群進行編碼，種群信息經過適應性函數評價后，得到經過選擇、交叉和變異操作的新種群；接著將新種群用Metropolis準則確定種群狀態，直至穩定。

總結得到模擬退火遺傳算法的基本流程如下：

（1）參數確定：確定種群變異概率Pm、種群交叉概率Pc、降溫迭代次數、最大迭代次數N以及初始溫度T0、冷卻溫度Tf。

（2）最優個體選擇：種群初始化并篩選出最優適應值F=fmin及所對應的最優個體。

（3）判斷算法的收斂性：若算法收斂最優值和最優個體滿足條件，則結束。反之繼續進行操作，直至收斂。

（4）等溫：每個個體會經歷模擬退火中的等溫操作，目的是為了得到新種群中的最小適應值f'min和最優個體；若f'min＜fmin，那么f'min會更新適應值F。

（5）當k＜N時，進行降溫操作，步驟將回到3；否則結束計算，得到最優值。

2 微電網模型

微網模型主要包含可控制的燃氣輪機出力、不可控的風光出力以及由蓄電池構成的儲能單元[13-15]。

2.1 目標函數

2.1.1 運維成本目標函數

（1）微電網系統的燃料成本

燃料成本產生在燃料發電源的消耗原料上，下式為微電網中所有能源單元燃料的總費用。

其中，Cfu為消耗燃料的市場價格；LHV為所需燃料低位熱值；Pi(t)為系統第i個發電源在t時產出的有功功率；ηi(t)為系統第i個發電源在t時的燃料利用率。

（2）微電網系統的維護成本

微電網在運行工作時，對系統的檢修維護是保證系統正常運行的必要手段。維護成本主要包含系統中的電源設備出現故障、維修人員費用等。

其中，Kmc,i為系統在i電壓等級下的維修系數。

（3）投資成本

安置微電網系統中所需電源單元的必要投資成本稱為總投資成本，其計算式如下。

其中，N為系統電源的類型；Ci為安裝發電源的安裝成本；Ki為系統中第i個發電源的容量，8760Ki則為第i個發電源年產電量；di為系統中發電源計劃折舊；ri為計劃折舊年限。

（4）電能交換成本

電能交換成本主要是微電網連接電網并產生能量交流時，基于電價的電能交換成本：

其中，Cb(t)為系統向電網購電價格；Cs(t)為系統向電網買電價格；Nb(t)、Ns(t)分別為購電量和買電量。

故得到系統運維總成本

式中，a表示微電網與電網間的交互狀態。當其取值為0時代表微電網系統不產生電網間能量交互，即表示離網或無功率交流；當a為-1時，表示微網向電網輸送電能并基于電價獲得售電獲利；當a為1時，微網會向電網獲取電能并基于電價產生一定成本。

2.1.2 環境成本目標函數

所涉及的環境成本的主要來源為微電網各設備在工作過程中產生對環境造成傷害的主要污染物，如CO、CO2、SO2、NOx等的處理成本。

其中，Cev為總環境成本；Ck為處理k類污染物的單位成本；M為設備工作時產生污染物的類型；T為系統調度時段，最小單位為1 h；ri,k為系統第i個發電源單位有功產生的某污染物質量；rg,k為單位電能交換時產生的某污染物質量。

2.1.3 綜合效益的目標函數

綜合效益是將影響微電網建設因素周全考慮的必要途徑。微電網短周期獲益能力一般，因為在初始投資建設微電網需要花費較多成本，并在后續過程因運維和環境維護產生額外成本。故在綜合效益中綜合考慮了經濟性和環保性：

式中，C表示微電網的綜合效益；α和β分別指上述的設備運行成本和環境影響成本所占比例。本文中認為運行成本和環境成本有著相同的考量權重，故兩者的權重系數為0.5。

2.2 約束條件

（1）功率平衡約束

功率平衡表示微電網系統運行時，功率的生產和負載消耗要保持動態平衡，即輸出功率等于輸入功率，從而保證電能質量。

其中，Pload(t)為系統負荷在t時所需功率；Pi(t)為系統第i個發電源在運行t時后的有功功率；Ploss(t)為系統在運行t時后的損失功率；Pg(t)為系統與電網間的交換功率。

（2）電源輸出功率約束

在微電網中配置的分布式電源，由于自身的物理特性的限制和外在因素的影響，可輸出功率存在最大值和最小值。

其中，Pmaxi、Pmini分別為系統中各功率輸出單元能輸出的最大、最小有功功率。

（3）電網功率交換約束

當微電網中各源、荷單位不滿足電力系統供需關系時，微電網需要并網運行，從電網中交換能量以保證電網穩定。微電網和電網之間必定存在功率的交互。

其中，Pming為微電網并網運行時交換功率的最小值，是微電網并網運行時交換功率的最大值；Pg(t)為兩系統在一定時間內的交換功率。

（4）儲能裝置容量約束

本研究的微電網中儲能裝置配備的是蓄電池，因此其須滿足蓄電池的充放電限制和容量的限制條件：

式中，Pdis(t)為選取的蓄電池放電功率；Pcha(t)為選取的蓄電池充電功率；Pmaxdis為配置的儲能蓄電池最大的放電功率；Pmaxcha為配置的儲能蓄電池最大的充電功率；SOC(t)變化值是蓄電池的容量狀態通常在0-1間浮動，0代表儲能電量完全放空，1代表是儲能電量滿額；其中SOCmin是蓄電池電能設定最小存儲量，SOCmax是蓄電池電能設定最大存儲量。

3 仿真分析

3.1 參數設置

微電網系統中，與運行條件和成本計算相關的設備參數如表1～表2所示。

表1 各電源相關參數

表2 各電源污染物排放系數

在該場景下，采用固定購售電價形式，并且電網和微電網可進行能量交換即為并網條件。故在向電網購電時，固定電價為0.5(元/kWh)，在向電網售電時，固定電價為0.39(元/kWh)。在該場景中，當微電網總輸出的發電功率滿足并超過負荷需求時，將多余的電量存儲在蓄電池中。儲能設備的荷電狀態大于0.8時，系統就可將剩余電能以固定電價出售給大電力系統。

3.2 仿真分析

依據上述參數設置以及選取某地區夏季一日負荷變化曲線和風光電出力進行調度的仿真。在該場景下，光伏和風電的出力處于滿發狀態，優先滿足微電網系統中的符合能量需求。當具有不確定性的風光出力不滿足負荷時，燃氣輪機為微電網持續提供電能。在該仿真條件下，燃氣輪機一直在出力，當主發電單元仍有功率不平衡或不滿足約束條件時，儲能系統和電網交互作用得以顯現。其作用一是避免能量浪費，可消解棄風和棄光量；二是售電行為可降低成本；三是增強主網和微電網的穩定性，削減不確定風光出力的直接影響。

4 結語

該方法能夠對微電網各目標依據條件進行有效調度，具備快速求解調度問題的能力，同時避免了陷入局部最優解的困境，能夠適配并解決在微電網場景下的調度問題。調度求解結果顯示，微電網可避免能量浪費，消解棄風和棄光量，降低成本，增強主網和微電網的穩定性，削減不確定風光出力的直接影響。