并網(wǎng)模式微電網(wǎng)雙層分布式優(yōu)化調(diào)度算法

陳 西, 付 蓉

(南京郵電大學(xué) 自動化學(xué)院， 江蘇 南京 210000)

?

并網(wǎng)模式微電網(wǎng)雙層分布式優(yōu)化調(diào)度算法

陳 西, 付 蓉

(南京郵電大學(xué) 自動化學(xué)院， 江蘇 南京 210000)

為解決負(fù)荷預(yù)測、風(fēng)力發(fā)電和光伏發(fā)電預(yù)測出力值與其實時數(shù)據(jù)間的誤差所導(dǎo)致的微電網(wǎng)不能安全穩(wěn)定運行的問題，提出了一種雙層優(yōu)化算法。本算法包含基于集中優(yōu)化方式進行的預(yù)測調(diào)度和基于分布式優(yōu)化算法的實時優(yōu)化。兩層均采用粒子群智能優(yōu)化算法對模型進行求解。該算法基于圖論思想，按照拓?fù)鋱D遍歷順序進行遍歷式的分布式優(yōu)化，將計算任務(wù)分配至微電網(wǎng)中每個參與調(diào)度的節(jié)點。

微電網(wǎng)；粒子群算法；雙層優(yōu)化；分布式優(yōu)化

0 引言

微電網(wǎng)并網(wǎng)模式雙層分布式優(yōu)化調(diào)度是指通過雙層優(yōu)化模型協(xié)調(diào)微電源的輸出功率以及與主網(wǎng)交換的功率的控制管理，實現(xiàn)根據(jù)不可控微電源出力、負(fù)荷水平以及電價等實時數(shù)據(jù)，動態(tài)分布式地調(diào)節(jié)可控微電源出力、與主網(wǎng)的交換功率，使微電網(wǎng)安全、高效、可靠、經(jīng)濟地運行。

文獻[1]提出了一種微電網(wǎng)實時能量優(yōu)化管理方法，通過兩層優(yōu)化將日前優(yōu)化量與實時優(yōu)化量疊加，化解微電網(wǎng)中的實時波動，但兩層均為集中式優(yōu)化，計算任務(wù)由一個計算單元完成。文獻[2]提出一種考慮微電網(wǎng)通信拓?fù)涞奈㈦娋W(wǎng)邊際成本一致性算法，該算法能分布式求解成本函數(shù)由二次函數(shù)表達的微電網(wǎng)經(jīng)濟優(yōu)化問題，但沒有考慮不可控微電源和負(fù)荷等的實時波動影響。文獻[3]提出的微電網(wǎng)雙層協(xié)調(diào)優(yōu)化算法通過對儲能系數(shù)進行優(yōu)化，避免了負(fù)荷波動可能造成的影響，但未考慮通信拓?fù)渥兓瘯r的情況。

本文提出的微電網(wǎng)并網(wǎng)模式下的雙層優(yōu)化模型分為集中層和分布式層。集中層是基于不可控電源出力、負(fù)荷以及電價的短期預(yù)測數(shù)據(jù)的日前調(diào)度[4-5]。分布式層基于不可控電源出力、負(fù)荷以及電價的實時數(shù)據(jù)，基于通信拓?fù)潢P(guān)系進行分布式計算，將計算任務(wù)調(diào)整為分布式進行?？梢詫崿F(xiàn)在日前調(diào)度基礎(chǔ)上做出快速調(diào)整，達到微電網(wǎng)安全穩(wěn)定運行[6-7]。

1 優(yōu)化模型

1.1 集中優(yōu)化層

微電網(wǎng)并網(wǎng)運行時集中層目標(biāo)函數(shù)為：

minf=fDG+fS+fgrid

(1)

(2)

(3)

(4)

其中，上標(biāo)t表示時段；P代表有功功率；下標(biāo)DG、S+、S-、grid+和grid-分別表示可控微電源、儲能充電和放電以及購電量與售電量；Q表示數(shù)量；K表示微電源的維護成本；c表示價格；C表示電價；on表示微電源的啟停；*表示微電源狀態(tài)的改變；F()表示微電源的發(fā)電成本函數(shù)；U表示狀態(tài)量，取值為0和1。式(2)～(4)分別表示T時段中可控微電源發(fā)電成本、儲能充放電成本以及向電網(wǎng)購售電成本總和。

集中調(diào)度層需要滿足的約束條件：

(1)功率平衡約束

(5)

(2)微電源約束

(6)

(7)

(3)狀態(tài)約束

US++US-≤1

(8)

Ugrid++Ugrid-≤1

(9)

此約束表示同一時刻儲能狀態(tài)只能是充、放電中的一種，同一時刻只能購電或者售電。

(10)

(11)

1.2 分布式優(yōu)化層

(12)

誤差傳遞公式為：

(13)

*表示經(jīng)過誤差傳遞修改后的變量。

(14)

(15)

該約束表示參與優(yōu)化的節(jié)點的優(yōu)化量總和在優(yōu)化前后不變。其他約束條件與集中調(diào)度層的約束條件相同。

2 算法流程

(3)初始化迭代次數(shù)k=1，初始調(diào)度時刻t=1。

(5)從起始節(jié)點開始，按對鄰接矩陣At的遍歷順序?qū)λ泄?jié)點進行遍歷，每遍歷一個節(jié)點，該節(jié)點就在約束條件下按照式(14)應(yīng)用粒子群優(yōu)化算法進行一次計算。優(yōu)化目標(biāo)是自身與其相鄰節(jié)點的出力，并使用優(yōu)化結(jié)果代替預(yù)測量或者是上一次優(yōu)化計算的結(jié)果。所有節(jié)點遍歷完成后進行收斂性判斷，k=k+1。若未收斂，且k小于最大迭代次數(shù)K，重復(fù)步驟(5)，否則轉(zhuǎn)步驟(6)。

3 算例仿真及分析

本文設(shè)計了三個算例，使用MATLAB仿真驗證了本文提出算法的有效性。算例中假設(shè)儲能不參與調(diào)度。一天分24個時段，三個算例中所用數(shù)據(jù)相同。負(fù)荷曲線與風(fēng)光出力曲線如下圖1與圖2所示，圖3為預(yù)測誤差影響量。

圖1 預(yù)測負(fù)荷與實時負(fù)荷

圖2 預(yù)測風(fēng)光出力與實時風(fēng)光出力

圖3 誤差量

(1)算例1

算例1中微電網(wǎng)的結(jié)構(gòu)[11-13]如下圖4所示，其中，該微電網(wǎng)由風(fēng)力發(fā)電機(WT)、光伏發(fā)電(PV)、儲能系統(tǒng)(Bat)、兩臺微型燃?xì)廨啓C(MT)、柴油發(fā)電機(DE)、燃料電池(FC)以及其他控制裝置組成。受調(diào)度量以及其出力、爬坡率以及功率交換約束(如表1所示)，電網(wǎng)購電與售電上限均為100 kW。

圖4 算例1微電網(wǎng)結(jié)構(gòu)圖

類型MTDEFC上限下限上限下限上限下限出力上下限/kW750900450爬坡率限制/(kW/h)320320300300290290

圖5 算例1集中層優(yōu)化結(jié)果

集中層計算結(jié)果如圖5所示，可以看出，使用粒子群算法解決包含多種形式成本函數(shù)的經(jīng)濟調(diào)度問題具有良好的效果。分布式調(diào)度按照圖6編號順序進行遍歷。如圖7所示，對比集中優(yōu)化結(jié)果與分布式優(yōu)化結(jié)果，在不確定因素影響時，分布式算法通過數(shù)次迭代皆可以達到新的最優(yōu)解。通過該算例算法的收斂性得到了驗證。

圖6 算例1微電網(wǎng)通信拓?fù)鋱D圖7 算例1分布式優(yōu)化結(jié)果

(2)算例2

算例2與算例1不同之處是分布式優(yōu)化的通信拓?fù)溥B接關(guān)系發(fā)生了改變。算例2的通信拓?fù)淙鐖D8所示。同樣選取節(jié)點1為分布式優(yōu)化的起始節(jié)點。

圖9為算例2分布式優(yōu)化的結(jié)果，可以看出，在改變了通信拓?fù)渲蠓植际絻?yōu)化的收斂性能受到了一定的影響，DE的出力曲線有明顯的不穩(wěn)定。

圖8 算例2微電網(wǎng)通信拓?fù)鋱D圖9 算例2分布式優(yōu)化結(jié)果

(3)算例3

算例3中集中層的參數(shù)及設(shè)置都與算例1相同，不同僅在于算例3在進行分布式優(yōu)化時在算例1的通信拓?fù)浠A(chǔ)上增加了一個節(jié)點，即在微電網(wǎng)中增加一臺柴油發(fā)電機DE，模擬即插即用技術(shù)應(yīng)用于微電網(wǎng)中的場景。所以算例3的集中層優(yōu)化結(jié)果與算例1相同。改變之后的通信拓?fù)鋱D如圖10所示。新增發(fā)電機節(jié)點6與節(jié)點2和節(jié)點5相連。

從圖11可以看出，當(dāng)加入一臺DE，其立即參與到分布式優(yōu)化過程中，并具有良好的收斂性。從圖中三角曲線

圖10 算例3微電網(wǎng)通信拓?fù)鋱D圖11 算例3分布式優(yōu)化結(jié)果

可以看出，分布式優(yōu)化開始后，新加入的節(jié)點6也開始工作。

表2列出了三個算例中各時刻分布式優(yōu)化的迭代次數(shù)及成本。對比算例1和算例2的各時刻迭代次數(shù)及總次數(shù)可知，同節(jié)點數(shù)的情況下，拓?fù)鋱D的連通度對算法的優(yōu)化效率有較大影響，連通度越大，優(yōu)化的速度越快，反映出來的現(xiàn)象就是迭代次數(shù)更少，且目標(biāo)函數(shù)優(yōu)化效果更佳。對比算例1與算例3，可以證明本文提出的算法可以應(yīng)對通信拓?fù)涞膶崟r變化。

表2 各算例優(yōu)化結(jié)果對比

4 結(jié)論

本文提出了一種可以應(yīng)對微電網(wǎng)不確定因素影響，以及適應(yīng)微電網(wǎng)拓?fù)渥兓碾p層集中與分布式優(yōu)化算法，并應(yīng)用粒子群智能算法對問題進行求解。通過三個仿真算例，驗證了粒子群算法具有良好的尋優(yōu)性能，能在解空間中快速收斂。并且雙層優(yōu)化算法可以化解不確定因素的影響，快速收斂到新的穩(wěn)定最優(yōu)解，在拓?fù)浒l(fā)生改變時能快速應(yīng)對。

[1] 李滿禮, 付蓉, 楊健. 微電網(wǎng)孤網(wǎng)實時能量優(yōu)化管理[J]. 微型機與應(yīng)用, 2014, 33(15):76-79.

[2] ZHANG Z, CHOW M Y. Convergence analysis of the incremental cost consensus algorithm under different communication network topologies in a smart grid[J]. IEEE Transactions on Power Systems, 2012, 27(4):1761 - 1768.

[3] JIANG Q, XUE M, GENG G. Energy management of microgrid in grid-connected and stand-alone modes[J]. IEEE Transactions on Power Systems, 2013, 28(3):3380-3389.

[4] HUANG A Q, CROW M L, HEYDT G T, et al. The future renewable electric energy delivery and management (FREEDM) system: the energy internet[J]. Proceedings of the IEEE, 2011, 99(1):133-148.

[5] 周華鋒，涂衛(wèi)平，劉皓明. 孤島運行方式下微網(wǎng)有功功率優(yōu)化策略研究[J]．廣東電力，2010,23(7):1-4．

[6] LIN C E, VIVIANI G L. Hierarchical economic dispatch for piecewise quadratic cost functions[J]. Power Apparatus & Systems IEEE Transactions on, 1984, 103(6):1170-1175.

[7] WOOD A J, WOLLENBERG B F. Power generation, operation and control[M]. Wiley & Sons, 2013.

[8] 丁明, 張穎媛, 茆美琴,等. 包含鈉硫電池儲能的微網(wǎng)系統(tǒng)經(jīng)濟運行優(yōu)化[J]. 中國電機工程學(xué)報, 2011, 31(4):7-14.

[9] GAING Z L. Particle swarm optimization to solving the economic dispatch considering the generator constraints[J]. Power Systems IEEE Transactions on, 2003, 18(3):1187-1195.

[10] PARK J B, JEONG Y W, SHIN J R, et al. An improved particle swarm optimization for nonconvex economic dispatch problems[J]. IEEE Transactions on Power Systems, 2010, 25(1):156-166.

[11] TSIKALAKIS A G，HATZIARGYRIOU N D．Centralized control for optimizing microgrids operation[J].IEEE Trans.on Energy Conversion，2008,23(1)：241-248.

[12] BAKIRTZIS A, PETRIDIS V, KAZARLIS S. Genetic algorithm solution to the economic dispatch problem[J]. IEEE Proceedings-Generation, Transmission and Distribution, 1994, 141(4):377-382.

[13] CHEN C, DUAN S, CAI T, et al. Optimal allocation and economic analysis of energy storage system in microgrids[J]. Power Electronics IEEE Transactions on, 2011, 26(10):2762-2773.

Research on the dual layer distributed scheduling algorithm for micro-grid connected mode

Chen Xi, Fu Rong

(College of Automatic,Nanjing University of Posts and Telecommunications, Nanjing 210000, China)

In order to solve the problem like the micro grid security due to the uncertainty of the load forecast and the output of wind power and photovoltaic power, a two-layer optimization algorithm is proposed. The two layers include the predictive scheduling based on centralized optimization and the real-time scheduling based on distributed optimization.In the two layers, the model is solved by particle swarm intelligence optimization algorithm. The algorithm is based on the idea of graph theory, which is based on the distributed optimization of the traversal sequence of the topological graph, and the task is assigned to every nodes in the micro grid.

micro-grid; particle swarm algorithm; two-layer optimization; distributed optimization

TM73

A

1674-7720(2016)07-0079-04

陳西, 付蓉. 并網(wǎng)模式微電網(wǎng)雙層分布式優(yōu)化調(diào)度算法[J].微型機與應(yīng)用，2016,35(7)：79-82.

2015-12-07)

陳西(1991-)，男，碩士，主要研究方向：智能系統(tǒng)應(yīng)用。

付蓉(1974-)，女，博士后，教授，主要研究方向：智能電網(wǎng)、電氣控制技術(shù)、復(fù)雜網(wǎng)絡(luò)控制。