基于多目标动态优化调度的微电网模型及方法研究.docVIP

基于多目标动态优化调度的微电网模型及方法研究 　　摘 要：为双重优化微电网系统运行中的经济与环境目标，文章研究基于多目标动态优化调度的微电网模型，并利用鸟群算法（BSA）进行模型求解。并利用微电网算例进行仿真测试，结果表明：利用BSA求解基于多目标动态优化调度的微电网模型，可以实现对微电网系统运行的经济与环境双重优化。 　　关键词：多目标动态；优化调度；微电网模型；鸟群算法 　　1 概述 　　微电网将新型清洁能源与分布式电源大规模接入电网，减轻传统电网过度依赖单一能源的缺陷，保证电网对用户供电可靠安全[1]。在我国，发展微电网技术意义重大。目前微电网技术的主要研究课题是妥善管理微电网内部分布式电源和储能运行，实验微电网经济、环境效益最大化[2]。然而微电网内部能源结构繁多、分布式电源类型多样、控制方式众多，这导致微电网能量管理和优化运行复杂，再加上微电网本身的多目标属性，进行多目标优化调度至关重要。关于微电网优化调度问题，国内外专家进行相关研究和分析，遗传算法、MSDS算法、微分进化算法等的应用，为优化调度研究提供了参考。本文基于经济与环境效益，构建多目标动态优化调度的微电网模型，并利用鸟群算法进行求解。鸟群算法可以突破种群多样性导致的易早熟问题，并具有较快的收敛精度和解集质量。 　　2 多目标动态优化调度微电网模型 　　多目标优化模型通常表示为： 　　其中，X表示优化变量，fi表示第i个优化目标，Ω为可行域；G和H则代表等式约束和不等式约束集合。 　　2.1 目标函数 　　微电网的价值表现在经济、技术、环境等多方面，本文主要基于经济与环境价值，因此目标函数表示为： 　　其中fc、fe分别表示环境目标和经济目标。X表示微电网优化调度中的优化变量。假定在动态优化调度模型中，则X可选用调度周期内各时段可调度电源输出功率、电网交换功能、储能充放电功率作为优化变量。 　　对于并网型微电网，譬如光伏、风机、蓄电池及?l电机等，需要考虑购电所需成本、设备运行维护成本、燃料成本、蓄电池折旧成本以及经济成本，具体可表示为： 　　其中CELefc表示购电所需成本、CONM表示设备运行维护成本、CFuel表示燃料成本、Cbw蓄电池折旧成本以及经济成本，单位均为元。 　　环境成本考虑碳排放及其他颗粒污染物以及污染气体排放对环境的影响。为展现不同污染排放物的环境差异，环境成本计算公式如下： 　　其中，Ve，i代表第i项污染物所具有的环境价值，单位为（元/ 　　Kg）；n代表污染物种类；Qi（X）表示污染物排放量，单位为Kg；Vi表示污染物排放所受的罚款，单位为元。 　　2.2 约束条件 　　在微电网运行中，主要等式约束条件为功率平衡方程，即，各时段需要满足： 　　其中，PPV表示光伏预测功率、PWT表示风机预测功率、Pload表示负荷预测功率、Pbat表示蓄电池充放电功率（正值表示放电、负值表示充电），Pgrid表示微电网与电网间的交换功率（正值表示微电网购电、负值表示微电网售电）、单位为kW。此外，还满足： 　　依据微电网动态优化调度的周期特性，常常假定处于调度时期的蓄电池SOC始末一致，即满足约束条件： 　　其中，SOCend表示调度时期终止时刻的蓄电池荷电状态；SOC0则代表调度周期内初始时刻的荷电状态。 　　3 求解方法及算理分析 　　3.1 求解方法 　　鸟群算法是依据鸟类的觅食、警觉、迁移等社会行为产生的具有精确数学模型的元启发式算法。可以突破种群多样性导致的易早熟问题，并具有较快的收敛精度和解集质量。 　　3.2 算理分析 　　以某风光蓄柴微电网系统为例进行。该系统风机为10kW、光伏为300kWp，蓄电池为200kW，柴油发电机为120kW，年峰值为273kW。且风机、蓄电池、光伏与直流母线连接，柴油发电机、负荷和交流母线连接。直流母线与交流母线经单向、双向交流器相连，并经过变压器连接配电网，具体拓扑结构如图1所示。 　　通过多目标动态优化调度微电网模型和BSA算法求解，所得结果如表1所示。 　　分析表1可以发现：多目标算法可实现经济和环境效益双重目标优化。用户可以依照自身需求，选择更加科学合理的微电网调度方案。 　　4 结束语 　　本文基于微电网系统运行，从经济和环境双重效益进行优化，并基于多目标动态优化调度，构建了微电网模型。本针对模型的约束条件和处理方法进行研究，并基于鸟群算法进行模型求解。通过具体事例表明，利用BSA求解基于多目标动态优化调度的微电网模型，可以实现对微电网系统运行的经济与环境双重优化。希望通过本文分析，为相关人员进行微电网研究提供借鉴。 　　参考文献 　　[1]洪博文，郭力，王成山，等.微电网多目标动态优化调度模型与方法[J].电力自动化设备，201