基于改進NSGA-II算法的微電網(wǎng)優(yōu)化調(diào)度研究

郁翰文　劉婷婷

關(guān)鍵詞：微電網(wǎng)；優(yōu)化調(diào)度；多目標(biāo)；NSGA-II

0 引言

我國“十四五”規(guī)劃及2035 遠(yuǎn)景目標(biāo)中提出的集中式與分布式能源建設(shè)綱要，對推進我國微電網(wǎng)建設(shè)具有重大意義[1]。微電網(wǎng)是由分布式電源、負(fù)荷、儲能設(shè)備等組成的一種分布式能源結(jié)構(gòu)，能夠有效整合可再生能源，實現(xiàn)對負(fù)荷多種能源形式的穩(wěn)定供給[2]。

微電網(wǎng)相對于傳統(tǒng)電網(wǎng)有諸多優(yōu)勢，但也有一些短處亟需優(yōu)化。可再生能源受到自然環(huán)境的制約，光伏發(fā)電和風(fēng)力發(fā)電都具有較大的波動性和隨機性，如何提高可再生能源的消納率，同時降低微電網(wǎng)運行成本和環(huán)境治理成本。

本文以并網(wǎng)型微電網(wǎng)進行研究，以風(fēng)機、光伏、微型燃?xì)廨啓C和儲能裝置的微電網(wǎng)系統(tǒng)為研究對象，以微電網(wǎng)運行成本和環(huán)境治理成本最小為優(yōu)化目標(biāo)，綜合考慮各項約束建立優(yōu)化調(diào)度模型，采用組合交叉算子和動態(tài)擁擠度策略改進NSGA-II 算法求解模型。經(jīng)過算例求解分析，表明Y-NSGA-II 算法具有更優(yōu)搜索精度和個體均勻度，在微電網(wǎng)優(yōu)化調(diào)度中能獲得更優(yōu)配置，對比了有無儲能單元對調(diào)度優(yōu)化的影響，結(jié)果表明儲能裝置能起到風(fēng)光削峰填谷、降低微電網(wǎng)運行成本，減少污染氣體排放的作用。

1 微電源的數(shù)學(xué)建模

1.1 風(fēng)力發(fā)電模型

風(fēng)力發(fā)電機的發(fā)電功率由風(fēng)速的大小決定，輸出功率為：

在算法迭代初期，使用較多NDX 交叉算子增大搜索范圍，提高全局尋優(yōu)能力。在算法迭代后期，解集趨于Pareto 最優(yōu)解，使用更多SBX 交叉算子，提高局部搜索能力，加快收斂速度。

3.3 動態(tài)擁擠度策略

個體擁擠度距離是為了計算個體周圍的密度，具體計算方式是某個體相鄰兩個體在不同目標(biāo)方向上歸一化差值的累加。如果兩個個體的Pareto 等級不同，則選擇等級較高的一個作為下一代。在同等級的Pareto 分層上，NSGA-II 算法依據(jù)個體擁擠度選擇最優(yōu)個體，容易刪除密集個體，使得保留的個體分布不均勻。

為了解決在實際應(yīng)用中的缺陷，本文使用一種新的動態(tài)擁擠度策略。在記錄擁擠度最大的個體后，淘汰該個體并重新計算排序該層剩余個體的擁擠度，然后記錄并淘汰新排序中最大擁擠度個體，更新剩余個體擁擠度排序，重復(fù)以上記錄、淘汰和排序過程，直到記錄的個體數(shù)量滿足要求停止。

3.4 算法流程

Y-NSGA-II 算法的流程如下：

1）初始化參數(shù)設(shè)置，設(shè)定種群數(shù)量、迭代次數(shù)、交叉概率和變異概率。

2）根據(jù)約束初始化種群，以經(jīng)濟運行成本和環(huán)境治理成本為適應(yīng)度函數(shù)，計算初始種群的適應(yīng)度值。

3）根據(jù)上一步得到的適應(yīng)度值基于精英策略進行非支配排序，計算擁擠度。對父代種群進行二元錦標(biāo)賽選擇，選擇Pareto 優(yōu)先級和擁擠度更高的個體作為交叉變異的對象。

4）將二元錦標(biāo)賽選出的父代歸一化處理，用組合交叉算子和組合變異算子實現(xiàn)交叉變異操作，如果交叉變異后的子代超過上下限約束，則根據(jù)約束條件進行調(diào)整，直到滿足約束條件。

5）合并父代和子代種群，進行快速非支配排序，選擇Pareto 優(yōu)先級和擁擠度高的作為新種群。

6）判斷是否達(dá)到設(shè)定的迭代次數(shù)，如果達(dá)到終止循環(huán)，如果未達(dá)到終止循環(huán)，返回步驟4）中繼續(xù)運算。

Y-NSGA-II 算法實現(xiàn)流程如圖1 所示。

4 仿真實驗與結(jié)果分析

本文以某地區(qū)微電網(wǎng)典型日為例，以一天為調(diào)度周期，調(diào)度時間為1 h。種群數(shù)量為400，迭代次數(shù)為200，交叉概率為0.9，變異概率為0.1。該地區(qū)采用的分時電價如表1 所示，各分布式電源的運行參數(shù)如表2所示，微電網(wǎng)中各分布式電源的污染物排放系數(shù)與處理成本如表3 所示，儲能裝置參數(shù)如表4 所示，該地區(qū)一天內(nèi)的負(fù)荷預(yù)測功率如圖2 所示，該地區(qū)風(fēng)機和光伏發(fā)電的預(yù)測功率如圖3 所示。

由圖可知光伏發(fā)電在不同時間有很大波動，在11：00—14：00 時間段內(nèi)光照強度大、氣溫升高，發(fā)電功率處于高峰狀態(tài)。風(fēng)機在00：00—11：00 時間段內(nèi)以高功率發(fā)電，風(fēng)機光伏發(fā)電在一定時間內(nèi)有互補能力。

由圖4 可知環(huán)境治理成本函數(shù)和運行成本函數(shù)是相互制約的，在環(huán)境治理成本較高時對應(yīng)的運行成本較低，反之在環(huán)境治理成本較低時對應(yīng)的運行成本較高。根據(jù)不同的調(diào)度目標(biāo)選擇合理的配置方案提高了微電網(wǎng)運行的靈活性和高效性。Y-NSGA-II 算法提高了搜索精度，更接近真實的Pareto 前沿，解集的分布也更為均勻。

圖5 為經(jīng)濟最優(yōu)調(diào)度方案， 微電網(wǎng)運行成本為349.85 元， 污染氣體排放量分別為二氧化碳1 163.13 kg，二氧化硫1.16 kg，氮氧化物1.19 kg，環(huán)境治理成本為336.27 元。

以下是分時電價峰谷平時段調(diào)度情況的具體說明：

1）峰時段（10：00—15：00、18：00—22：00）

根據(jù)峰時段各分布式電源出力情況可知，該時段微型燃?xì)廨啓C發(fā)電成本低于電網(wǎng)購電成本，燃?xì)廨啓C能夠發(fā)電出售給外部電網(wǎng)獲得利潤。在10：00—14：00 時間段內(nèi)風(fēng)力和光伏發(fā)電功率之和大于需求負(fù)荷，燃?xì)廨啓C發(fā)電售電，將多余的電量出售給外部大電網(wǎng)。在14：00—15：00 時間段內(nèi)可再生能源發(fā)電功率之和不滿足負(fù)荷需求，燃?xì)廨啓C發(fā)電，儲能裝置放電。在18：00—22：00 時間段內(nèi)在儲能裝置和燃?xì)廨啓C發(fā)電，在達(dá)到儲能裝置和燃?xì)廨啓C發(fā)電上限仍低于負(fù)荷時，向外部電網(wǎng)購電。

2）谷時段（00：00—07：00、22：00—24：00）

根據(jù)谷時段各分布式電源出力情況可知，在0：00—3：00 時間段內(nèi)風(fēng)電出力足以滿足負(fù)荷需求，儲能裝置在此期間充電，微電網(wǎng)將多余的電量出售給大電網(wǎng)，在3：00—7：00 時間段內(nèi)儲能裝置處于滿荷電狀態(tài)，將溢出的電量出售給外部大電網(wǎng)，獲取利潤。在22：00—24：00時間段內(nèi)可再生能源只有風(fēng)力發(fā)電，該時段購電價格最低，此時微電網(wǎng)向外部大電網(wǎng)購電并對儲能裝置充電。

3）平時段（07：00—10：00、15：00—18：00）

根據(jù)平時段各分布式電源出力情況可知，在7：00—10：00 時間段內(nèi)微電網(wǎng)向外部大電網(wǎng)售電，在15：00—18：00 時間段內(nèi)，燃?xì)廨啓C發(fā)電，微電網(wǎng)向外部大電網(wǎng)購電。

圖6 為環(huán)境最優(yōu)調(diào)度方案，微電網(wǎng)運行成本為413.58 元，污染氣體排放量分別為二氧化碳970.28 kg，二氧化硫0.82 kg，氮氧化物0.89 kg，環(huán)境治理成本為271.77 元。

在10：00 前發(fā)電單元出力與經(jīng)濟最優(yōu)調(diào)度方案一致，隨著負(fù)荷的增加，可再生能源發(fā)電已無法滿足用電需求，在14：00—18：00 時間段內(nèi)由于燃?xì)廨啓C污染治理成本低，優(yōu)先使用燃?xì)廨啓C發(fā)電，燃?xì)廨啓C因上坡速率限制功率，微電網(wǎng)仍向外部大電網(wǎng)購電，在電價峰時段儲能裝置開始放電。在18：00—22：00 時間段燃?xì)廨啓C達(dá)到最大功率，儲能裝置放電，可再生能源出力、儲能裝置出力和燃?xì)廨啓C出力之和不滿足負(fù)荷時，剩余電量向外部大電網(wǎng)購買。22：00—24：00 是電價谷時段，燃?xì)廨啓C逐漸降低發(fā)電功率，儲能裝置在此期間充電。

表5 為算法改進前后不同方案的成本，對取到的Pareto 前沿上的兩側(cè)端點對應(yīng)的方案進行分析，方案1對應(yīng)的是最少運行成本方案，方案2 對應(yīng)的是最少環(huán)境治理成本方案，在同方案下對比可見改進的算法效果優(yōu)于未改進的調(diào)度效果，在微電網(wǎng)長期調(diào)度中，降低的環(huán)境經(jīng)濟成本還是可觀的。

圖7 為無儲能裝置時各發(fā)電機組的出力功率，當(dāng)微電網(wǎng)缺少儲能裝置時，調(diào)度對象為微型燃?xì)廨啓C和微電網(wǎng)與外部大電網(wǎng)的交互功率。風(fēng)力光伏發(fā)電富足的時候，多余電量全部出售給外部電網(wǎng)。風(fēng)力光伏發(fā)電不能滿足負(fù)荷需求時，燃?xì)廨啓C和外部電網(wǎng)共同出力，燃?xì)廨啓C和外部大電網(wǎng)的配合成為微電網(wǎng)平穩(wěn)運行的關(guān)鍵。

從表6可知，當(dāng)儲能不參與調(diào)度時微型燃?xì)廨啓C和外部電網(wǎng)會處在較高出力狀態(tài)，由于微型燃?xì)廨啓C存在爬坡約束限制，微電網(wǎng)調(diào)度靈活性降低，無儲能裝置平均運行成本為375.14 元，平均環(huán)境治理成本為331.04 元，易于發(fā)現(xiàn)無儲能裝置時運行成本增加4%，環(huán)境治理成本增加9%。儲能裝置起到調(diào)峰的作用，儲能裝置在用電低谷期將各發(fā)電單元產(chǎn)生的過剩電能儲存起來，在電費峰值階段動態(tài)放電，緩解其他發(fā)電單元的壓力。

5結(jié)束語

本文針對并網(wǎng)型微電網(wǎng)優(yōu)化配置問題，以運行成本和環(huán)境治理成本最小為目標(biāo)函數(shù)，建立了含光伏、風(fēng)機、微型燃?xì)廨啓C和儲能裝置的多目標(biāo)優(yōu)化調(diào)度模型，對NSGA-Ⅱ算法的交叉算子及擁擠度算子進行改進，仿真結(jié)果表明Y-NSGA-Ⅱ算法具有更好的全局搜索能力以及更高的搜索精度，在微電網(wǎng)配置中能夠獲得更優(yōu)的效果，又探討了無儲能電池參與調(diào)度的情況，結(jié)果表明含有儲能電池可以削峰填谷，提高用電穩(wěn)定性，并有效降低運行環(huán)境成本。