基于差分進(jìn)化算法的微電網(wǎng)多目標(biāo)優(yōu)化調(diào)度

黃淑媛，肖健梅

?

基于差分進(jìn)化算法的微電網(wǎng)多目標(biāo)優(yōu)化調(diào)度

黃淑媛，肖健梅

（上海海事大學(xué),上海 201306）

能源的緊缺和環(huán)境污染問(wèn)題的加劇，使得人們對(duì)微電網(wǎng)有了越來(lái)越多的研究。通過(guò)對(duì)微電網(wǎng)的并網(wǎng)運(yùn)行進(jìn)行研究，設(shè)計(jì)了包含光伏、風(fēng)機(jī)、儲(chǔ)能電池單元的微電網(wǎng)系統(tǒng)，綜合考慮系統(tǒng)的供電可靠性，環(huán)境污染和成本花費(fèi)三個(gè)方面，采用多目標(biāo)差分進(jìn)化算法來(lái)尋求一組非劣解來(lái)確定最終方案。最后通過(guò)一組案例數(shù)據(jù)對(duì)系統(tǒng)的優(yōu)化調(diào)度進(jìn)行了分析和驗(yàn)證。

微電網(wǎng) 多目標(biāo)優(yōu)化 差分進(jìn)化算法Pareto 非支配解

0 引言

微電網(wǎng)主要依靠風(fēng)電等可再生能源有利于減少污染物的排放的同時(shí)也確保了全球的能源供應(yīng)。但是由于光伏和風(fēng)機(jī)等的初期投入較大，還要考慮后期生產(chǎn)過(guò)程中的維護(hù)費(fèi)用，成本方面需要考慮良多。同時(shí)，因?yàn)槲㈦娋W(wǎng)中的光伏和風(fēng)機(jī)單元能量供給來(lái)自大自然，存在很多不可控的因素，也很難進(jìn)行精確的預(yù)測(cè)。故在確保穩(wěn)定供電的同時(shí)，降低污染和成本是微電網(wǎng)應(yīng)用中需要解決的重要問(wèn)題。

文獻(xiàn)[1]主要研究當(dāng)微電網(wǎng)遇到干擾時(shí)電池、光伏、柴油發(fā)電機(jī)等單元的能量管理和優(yōu)化調(diào)度問(wèn)題，通過(guò)研究提出確保系統(tǒng)抗干擾的運(yùn)行方案，但并未考慮微電網(wǎng)運(yùn)行的其他因素。文獻(xiàn)[2]在設(shè)計(jì)多能源發(fā)電系統(tǒng)中，采用多目標(biāo)粒子群優(yōu)化算法（MOPSO）最終得到一組非劣解，其中每個(gè)解都代表一個(gè)候選的方案。文獻(xiàn)[3]對(duì)混合微電網(wǎng)系統(tǒng)HMGS（Hybrid Micro-Grid System）的穩(wěn)定性，電力生產(chǎn)的花費(fèi)和系統(tǒng)對(duì)環(huán)境造成的影響三個(gè)方面進(jìn)行優(yōu)化，為平衡三個(gè)相互矛盾的目標(biāo)，將HMGS的優(yōu)化設(shè)計(jì)看成是一個(gè)多目標(biāo)優(yōu)化的任務(wù)。并在瑞典的幾個(gè)不同城市進(jìn)行優(yōu)化和評(píng)估，用多目標(biāo)粒子群優(yōu)化來(lái)找到每個(gè)地方的最優(yōu)的系統(tǒng)結(jié)構(gòu)和最優(yōu)組件的大小。最終證實(shí)了HGMS在瑞典鄉(xiāng)村發(fā)展的可能性。

本文設(shè)計(jì)了微電網(wǎng)并網(wǎng)運(yùn)行系統(tǒng)，就其在系統(tǒng)穩(wěn)定性、成本和環(huán)境污染三個(gè)方面進(jìn)行平衡。同時(shí)，為避免傳統(tǒng)求取多目標(biāo)解過(guò)程中進(jìn)行歸一整合的不合理性，本文將多目標(biāo)差分進(jìn)化算法應(yīng)用到微電網(wǎng)的優(yōu)化調(diào)度中。傳統(tǒng)的差分進(jìn)化算法不能直接用于多目標(biāo)優(yōu)化問(wèn)題。故本文利用基于Pareto非支配關(guān)系的多目標(biāo)差分進(jìn)化算法較好地解決了上文提到的微電網(wǎng)三個(gè)目標(biāo)之間的平衡優(yōu)化問(wèn)題。

1 微電網(wǎng)各個(gè)系統(tǒng)單元建模

在并網(wǎng)工作模式下，微電網(wǎng)與中（低）壓配電網(wǎng)并網(wǎng)運(yùn)行，互為支撐，實(shí)現(xiàn)能量的雙向交換[4]。微電網(wǎng)通過(guò)內(nèi)部光伏單元，風(fēng)機(jī)單元等發(fā)電，為微電網(wǎng)內(nèi)部負(fù)荷供電，必要的時(shí)候從電網(wǎng)獲取電量以滿足負(fù)荷需求。如圖1所示，所設(shè)計(jì)的并網(wǎng)運(yùn)行的微電網(wǎng)系統(tǒng)包括光伏單元、風(fēng)機(jī)單元，儲(chǔ)能電池單元和從電網(wǎng)獲取電量部分。

圖1 并網(wǎng)運(yùn)行系統(tǒng)結(jié)構(gòu)圖

1.1 光伏單元

光伏單元可以將照射在其上的光能轉(zhuǎn)變成電能。由于自然環(huán)境的不確定性，使得光伏單元的發(fā)電具有不確定性，所以微網(wǎng)中需要儲(chǔ)能電池來(lái)進(jìn)行調(diào)節(jié)。光伏單元的功率輸出受光照強(qiáng)度和環(huán)境溫度的影響，可以表示成如下形式[5]：

1.2 風(fēng)機(jī)單元

1.3 儲(chǔ)能電池

因?yàn)楣夥l(fā)電和風(fēng)機(jī)發(fā)電受環(huán)境影響較大，所以需要加入儲(chǔ)能單元，當(dāng)風(fēng)機(jī)和光伏產(chǎn)生的電能大于負(fù)荷所需電量時(shí)，將多余的電量?jī)?chǔ)存在電池中，當(dāng)可再生能源產(chǎn)生的電量不足以維持用戶用電的時(shí)候首先考慮使用儲(chǔ)能電池中的電能作為補(bǔ)給。

2 目標(biāo)函數(shù)及其約束

本文主要針對(duì)微電網(wǎng)的成本，供電可靠性和對(duì)環(huán)境的影響三個(gè)方面進(jìn)行研究。

2.1 成本

微電網(wǎng)運(yùn)行過(guò)程中總的花銷COST包括了每個(gè)發(fā)電單元的初始成本，運(yùn)行維護(hù)成本，和設(shè)備殘余價(jià)值，具體公式如下所示：

對(duì)于光伏和風(fēng)機(jī)單元，=,時(shí)：

2.2 供電穩(wěn)定性

本文中供電穩(wěn)定性用EIR（Energy Index of Reliability）表示：

其中EENS(kWh/year)為不能滿足負(fù)荷需求的電能總和。

2.3 對(duì)環(huán)境的影響

3.4 約束條件

1）功率平衡約束

微電網(wǎng)系統(tǒng)內(nèi)功率平衡約束如式(15)～ (16)所示。

2）各發(fā)電單元功率約束

（3）儲(chǔ)能電池充放電約束

為保證儲(chǔ)能電池的壽命，其充放電必須滿足以下條件。

3 差分進(jìn)化算法

3.1 差分進(jìn)化算法的主要步驟

差分進(jìn)化算法主要有初始化，變異，交叉，選擇幾個(gè)步驟。

3.1.1種群初始化

初始種群

隨機(jī)產(chǎn)生：

3.1.2變異

隨機(jī)選取種群中兩個(gè)不同的個(gè)體，將其向量差縮放后與待變異個(gè)體進(jìn)行向量合成，即

3.1.3交叉

3.1.4選擇

差分進(jìn)化算法采用貪婪算法來(lái)選進(jìn)入下一代種群的個(gè)體：

3.2 多目標(biāo)差分進(jìn)化算法

在多目標(biāo)優(yōu)化的過(guò)程中，傳統(tǒng)的算法是將多個(gè)目標(biāo)通過(guò)一系列的計(jì)算轉(zhuǎn)換成單目標(biāo)，用較為成熟的單目標(biāo)優(yōu)化進(jìn)行計(jì)算。這種做法的缺點(diǎn)是，單目標(biāo)計(jì)算出來(lái)的結(jié)果只有一個(gè)解，而對(duì)于多目標(biāo)問(wèn)題來(lái)說(shuō)解往往不只一個(gè)，會(huì)存在多個(gè)無(wú)法相互比較其優(yōu)劣的解，即對(duì)應(yīng)的Pareto解集[8]。本文將多目標(biāo)優(yōu)化中的非支配排序、擁擠度計(jì)算與差分進(jìn)化算法結(jié)合來(lái)求得最終的非劣解，具體步驟如下：

步驟1：產(chǎn)生初始種群POP1；

步驟2：計(jì)算初始種群所對(duì)應(yīng)的目標(biāo)函數(shù)值；

步驟3：針對(duì)上一步每個(gè)個(gè)體所計(jì)算出的三個(gè)目標(biāo)函數(shù)值分別進(jìn)行非支配排序和擁擠度計(jì)算；

步驟4：通過(guò)錦標(biāo)賽機(jī)制選出一半較優(yōu)秀的個(gè)體POP2；

步驟5：對(duì)POP2種群進(jìn)行及交叉和變異得到新的種群POP3；

步驟6：將POP1和POP3合并并對(duì)合并后的種群重新進(jìn)行非支配排序和擁擠度計(jì)算；

步驟7：選出上述計(jì)算后前200個(gè)優(yōu)秀個(gè)體，通過(guò)錦標(biāo)賽機(jī)制對(duì)這200個(gè)個(gè)體進(jìn)行選擇，選出一半較為優(yōu)秀的個(gè)體POP4；

步驟8：對(duì)POP4進(jìn)行交叉和變異最終得到較為優(yōu)秀的種群POP5；

步驟9：代數(shù)增加1，回到步驟6，用POP5取代POP3，直到最大進(jìn)化代數(shù)。

4 系統(tǒng)仿真與分析

系統(tǒng)仿真所用數(shù)據(jù)來(lái)源于參考文獻(xiàn)[2]，本文針對(duì)某一天的情況進(jìn)行仿真，將一天分為24個(gè)時(shí)刻。圖2圖3圖4分別給出該天24個(gè)時(shí)刻用戶的負(fù)荷，太陽(yáng)光照和實(shí)時(shí)風(fēng)速。

圖5 微電網(wǎng)并網(wǎng)運(yùn)行情況

5 結(jié)束語(yǔ)

近年來(lái)，風(fēng)能、太陽(yáng)能等可在生能源的利用有了顯著的增長(zhǎng)，在相關(guān)技術(shù)方面研究較為成熟的情況下，被人們?cè)絹?lái)越多地進(jìn)行現(xiàn)實(shí)中的應(yīng)用。本文根據(jù)某處用戶的實(shí)際負(fù)荷分別進(jìn)行了微電網(wǎng)并網(wǎng)系統(tǒng)設(shè)計(jì)，并采用基于Pareto支配關(guān)系的多目標(biāo)差分進(jìn)化算法對(duì)系統(tǒng)可靠性，運(yùn)行成本及其對(duì)環(huán)境的污染進(jìn)行了優(yōu)化調(diào)度，從而得到較為理想的方案。今后可對(duì)系統(tǒng)中各部分的出力情況進(jìn)行更深入的研究，同時(shí)將系統(tǒng)富余的電能向大電網(wǎng)傳輸，在保證系統(tǒng)穩(wěn)定運(yùn)行的前提下進(jìn)一步實(shí)現(xiàn)節(jié)約能源和成本的目的。

[1] Tazvinga H, Zhu B, Xia X. Energy dispatch strategy for a photovoltaic-wind-diesel battery hybrid power system[J]. Sol Energy 2014, 108: 412-20.

[2] Wang L, Singh C. PSO-Based multi-criteria optimum Design of A Gridconnected hybrid power system with multiple renewable sources of energy[J]. 2007 IEEE swarm intelligence symposium, 2007.

[3] Maher Azaza*, Fredrik Wallin. Multi objective particle swarm optimization of hybrid micro-grid system: A case study in Sweden[J]. Energy, 2017,123:108-118.

[4] 王成山. 微電網(wǎng)分析與仿真理論[M].北京：科學(xué)出版社, 2013.

[5] Daud A-K, Ismail MS. Design of isolated hybrid systems minimizing costs and pollutant emissions[J]. Renew Energy, 2012,44:215-24.

[6] Kefayat M, Ara AL, Niaki SN. A hybrid of ant colony optimization and artificial bee colony algorithm for probabilistic optimal placement and sizing of distributed energy resources[J]. Energy Convers Management, 2015,92:149-61.

[7] 曾嶒,彭春華,王奎等. 基于鳥群算法的微電網(wǎng)多目標(biāo)運(yùn)行優(yōu)化[J], 電力系統(tǒng)保護(hù)與控制, 2016, 44(13): 117-122.

[8] 徐斌. 基于差分進(jìn)化算法的多目標(biāo)優(yōu)化方法研究及其應(yīng)用[D], 上海: 華東理工大學(xué), 2013.

Multi-objective Optimization Scheduling of Micro-gridBased on Differential Evolution Algorithm

Huang Shuyuan,Xiao Jianmei

(Shanghai Maritime University,Shanghai 01306, China)

TM727

A

1003-4862（2018）07-0057-05

2018-04-23

黃淑媛（1994-），女，碩士研究生。研究方向：復(fù)雜系統(tǒng)控制與優(yōu)化。