范紅真，于永進(jìn)，張 月

（山東科技大學(xué) 電氣與自動化工程學(xué)院，山東 青島 266590）

0 引 言

中國能源生產(chǎn)和消費革命的核心內(nèi)容是對可再生能源的開發(fā)和利用[1]。在智能電網(wǎng)的背景下，微電網(wǎng)采用可再生能源發(fā)電，因其運(yùn)行成本較小，環(huán)境友好程度較高而得到廣泛利用。近年來，在世界各地建立了一些孤島微電網(wǎng)，柴油發(fā)電機(jī)的發(fā)電越來越少，發(fā)電方式也愈加可靠。海島微網(wǎng)一般具有以下幾個特點：

提高可再生能源的利用率問題；沒有外部大電網(wǎng)的支撐，帶有可控分布式電源，需考慮經(jīng)濟(jì)性問題。然而，這些特征使微電網(wǎng)調(diào)度策略的設(shè)計變得復(fù)雜和困難。因此，十分需要對海島微網(wǎng)優(yōu)化進(jìn)行研究，所以，需要更先進(jìn)的微電網(wǎng)運(yùn)行優(yōu)化方法來有效地解決這些問題[2]。最近，提高可再生能源的利用率已經(jīng)成為中國電力和能源系統(tǒng)低碳轉(zhuǎn)型的關(guān)鍵，文獻(xiàn)[3-4]也都采用智能控制算法，提高了可再生能源的利用率，減少了環(huán)境損失和碳減排效率損失，文獻(xiàn)[5]提出了含交直流無刷雙饋風(fēng)力發(fā)電機(jī)（Hybrid Brushless Doubly- Fed Induction Generator，HBDFIG）的獨立交直流微網(wǎng)發(fā)電策略，旨在消耗島上產(chǎn)生的最少量的燃料，文獻(xiàn)[6]提出了基于改進(jìn)自適應(yīng)PSO的微網(wǎng)能量管理策略，保證了微網(wǎng)經(jīng)濟(jì)性和穩(wěn)定性的同時，也避免了由于柴油發(fā)電機(jī)頻繁啟停而產(chǎn)生損耗，從而降低了環(huán)境污染。文獻(xiàn)[7]的結(jié)果表明在微電網(wǎng)中設(shè)定的CO2排放上限越低，微電網(wǎng)的總成本就會越高，反之亦然。文獻(xiàn)[2]提出了魯棒模型預(yù)測控制策略，與傳統(tǒng)的預(yù)測控制策略相比，預(yù)測誤差水平和不確定性預(yù)算水平增長，總運(yùn)營成本增加不大。文獻(xiàn)[8]提出了基于MPC 的協(xié)調(diào)調(diào)度方法，采用MPC 滾動優(yōu)化對日前計劃進(jìn)行校正，有效地跟蹤聯(lián)絡(luò)線計劃值，也滿足了日運(yùn)行儲能系統(tǒng)的能量平衡。但以上算法仍然存在較低的計算精度以及較慢的運(yùn)算速度。

針對以上存在的問題，本文提出了一種ISFLA（Improved Shuffled Frog Leaping Algorithm）算法用于解決海島微網(wǎng)中的優(yōu)化問題，提出了微電網(wǎng)三層優(yōu)化調(diào)度的具體方案，用柴油發(fā)電機(jī)、儲能以及非重要負(fù)荷來協(xié)同配合進(jìn)行平抑微電網(wǎng)的功率波動，提高了供電可靠性。

1 海島微網(wǎng)系統(tǒng)的結(jié)構(gòu)和調(diào)度框架

微網(wǎng)結(jié)構(gòu)如圖1 所示[9]。

圖1 微網(wǎng)結(jié)構(gòu)圖

根據(jù)時間尺度的不同，系統(tǒng)的能量管理策略分為三層：日前機(jī)組優(yōu)化、日內(nèi)經(jīng)濟(jì)優(yōu)化以及實時調(diào)整。微網(wǎng)能量管理的步驟如圖2 所示。

2 多時間尺度優(yōu)化調(diào)度模型

2.1 日前優(yōu)化調(diào)度模型

2.1.1 微電網(wǎng)的總運(yùn)行成本

微電網(wǎng)的總運(yùn)行成本包含各電源的安裝和運(yùn)行成本。

式中：Pi(t)為第i個分布式電源在t時刻的出力；Ci為第i個分布式電源出力的成本；ΔT為調(diào)度周期時長；N為分布式電源數(shù)；T為總時段[10]。

圖2 能量管理的流程圖

2.1.2 日前優(yōu)化調(diào)度的約束條件

電功率平衡條件如下：

各微電源的有功出力上下限約束為：

式中：Pi(t)表示每小時微電源的實際輸出功率；Pimax(t)表示每小時微電源的最大輸出功率。

儲能設(shè)備的SOC 應(yīng)滿足其上下限約束[11]：

2.2 日內(nèi)優(yōu)化調(diào)度模型

日內(nèi)滾動優(yōu)化的目標(biāo)是在滿足負(fù)荷平衡的基礎(chǔ)上調(diào)整成本最小，其目標(biāo)函數(shù)為：

其他約束與日前調(diào)度方案模型相同。

2.3 實時優(yōu)化調(diào)度模型

根據(jù)t時刻預(yù)測功率的變化，對各微源出力進(jìn)行調(diào)整，使實時調(diào)度與滾動調(diào)度的成本最接近，其目標(biāo)函數(shù)為[13]：

約束與日內(nèi)調(diào)度方案模型相同。

3 案例分析

3.1 改進(jìn)的混合蛙跳算法

傳統(tǒng)SFLA（Shuffled Frog Leaping Algorithm）的種群分類方法是按照適應(yīng)值大小進(jìn)行排序的。該方法有可能讓種群中相距比較遠(yuǎn)的青蛙分在同一個種群中，這樣不利于子群中青蛙之間的信息交流，可能導(dǎo)致個體更新效率低，針對該缺點，本文采用歐氏距離的方法劃分子種群。改進(jìn)的蛙跳分區(qū)域方法如圖3 所示。

圖3 改進(jìn)的蛙跳分區(qū)域方法

本文設(shè)計一種自適應(yīng)移動因子用于改進(jìn)移動步長，移動步長將隨著粒子的改變而改變，對每個粒子用特定的移動步長進(jìn)行更新，具有良好的智能性。此外，有些青蛙在尋找食物的過程中可能需要保持它現(xiàn)在的移動狀態(tài)，因此本文引入PSO 中的慣性權(quán)重ω，與PSO 一樣，ω有助于調(diào)整算法的搜索過程[14]，移動步長如下：

式中：T是每個群族的進(jìn)化代數(shù)；Di,t是第t次迭代的移動步長。

3.2 調(diào)度結(jié)果

本文選取含有風(fēng)光柴儲以及海水淡化負(fù)荷的微網(wǎng)系統(tǒng)作為研究對象。系統(tǒng)中各微電源的配置情況參考文獻(xiàn)[15]。

在系統(tǒng)結(jié)構(gòu)相同的情況下，分別用MOPSO、NSGA-Ⅱ、SFLA 和ISFLA 對以上算例進(jìn)行優(yōu)化求解，設(shè)定種群的大小N=300，進(jìn)行更新的總次數(shù)GM=300，慣性權(quán)重[16]取0.4。迭代過程如圖4 所示。

圖4 系統(tǒng)運(yùn)行成本迭代曲線

由圖4 可見，ISFLA 與其他三種算法相比較，其迭代次數(shù)明顯減少，主要是因為慣性權(quán)重、自適應(yīng)因子以及歐氏距離排序的引入，使得算法的搜索效率與收斂速度得到提升。其中，MOPSO、NSGA-Ⅱ、SFLA、ISFLA 分別在迭代次數(shù)為36 次、33 次、31 次、28 次進(jìn)入收斂狀態(tài)。因此，ISFLA 的尋優(yōu)速度和計算精度都已改進(jìn)。不同算法的優(yōu)化結(jié)果見表1。

表1 不同算法的優(yōu)化結(jié)果 元/天

由圖4 和表1 可知，本文所提出的改進(jìn)的多目標(biāo)蛙跳算法得到的系統(tǒng)運(yùn)行成本為1 256.8 元/天，與前三種算法相比較，ISFLA 的成本明顯降低。因此可見，本文算法的優(yōu)化有較好的效果。

由圖5 可以看出，由于負(fù)荷側(cè)不參與調(diào)度，柴油發(fā)電機(jī)啟動次數(shù)較多。

圖5 負(fù)荷未參與的運(yùn)行結(jié)果

圖6 中負(fù)荷側(cè)參與調(diào)度，可以看出，負(fù)荷在跟隨供應(yīng)量變化，供電充足時負(fù)荷也隨之增大，供電不足時，負(fù)荷也隨之減小，并且減少了柴油發(fā)電機(jī)的啟動次數(shù)，一天中減少5 次，且其基本都在大功率下運(yùn)行，這樣更節(jié)省燃料，從而減小運(yùn)行成本，同時，也驗證了本文所提出的ISFLA 的有效性。

圖6 負(fù)荷參與的運(yùn)行結(jié)果

圖7 和圖8 分別為負(fù)荷側(cè)參與調(diào)度前后的可時移負(fù)荷和可切除負(fù)荷的運(yùn)行情況。圖7 中可時移負(fù)荷把供電不充足階段的負(fù)荷轉(zhuǎn)移到供電充足階段[17]，滿足總的供應(yīng)量等于總需求量；圖8 中可切除負(fù)荷將供電不充足時段的負(fù)荷直接切除，讓可切除負(fù)荷在供電充足時段消耗多余的電量。

圖7 可時移負(fù)荷比較

圖8 可切除負(fù)荷比較

由于風(fēng)電光伏出力誤差的存在，日前優(yōu)化調(diào)度方案在某些時刻仍然存在不平衡功率，因此，有必要在日前調(diào)度的基礎(chǔ)上進(jìn)行日內(nèi)滾動修正，由圖9～圖12 可見，隨著時間尺度的逐層遞進(jìn)，運(yùn)行結(jié)果更加精確，短時優(yōu)化較好地保證了對日前優(yōu)化較小的調(diào)整量，同時對各設(shè)備出力進(jìn)一步優(yōu)化合理，方案可靠。在圖12 中SOC 的充放電深度均保持在0.4～1 之間，滿足初始條件要求，在微網(wǎng)的實際運(yùn)行中，要時刻注意微網(wǎng)是否越限。

圖9 PV 出力變化曲線

圖10 WT 出力變化曲線

圖11 DGs 出力變化曲線

不同時間尺度的優(yōu)化結(jié)果見表2。由表2可知，負(fù)荷側(cè)參與調(diào)度會使系統(tǒng)運(yùn)行時間縮短，其中實時調(diào)度大幅度下降的原因是實時優(yōu)化時每1 min 一次不斷滾動計算，因此，比較整個周期的總求解時間是沒有意義的，實際上，要將每個時段的平均用時相比較為合理[18]。日內(nèi)15 min 調(diào)度的運(yùn)行成本在日前調(diào)度的基礎(chǔ)上增加91 元/天，日內(nèi)實時調(diào)度的運(yùn)行成本在日前調(diào)度的基礎(chǔ)上增加476 元/天，運(yùn)行成本有所增加是由于隨著時間尺度的減小，運(yùn)行結(jié)果也會更加精確，隨之迭代次數(shù)也會有所增大。

圖12 SOC 出力變化曲線

表2 不同時間尺度的優(yōu)化結(jié)果

4 結(jié) 語

本文以海島微電網(wǎng)為研究對象，提出了能量管理調(diào)度策略，包括：日前經(jīng)濟(jì)調(diào)度、短時調(diào)度以及實時調(diào)度。在日前調(diào)度階段，根據(jù)日前光伏風(fēng)機(jī)和負(fù)荷的預(yù)測，以運(yùn)行成本為目標(biāo)函數(shù)進(jìn)行經(jīng)濟(jì)優(yōu)化分配，并考慮了負(fù)荷側(cè)參與調(diào)度；在日內(nèi)階段，根據(jù)系統(tǒng)的功率波動對各微源的出力進(jìn)行調(diào)節(jié)；在實時調(diào)度階段，對各微源出力進(jìn)行調(diào)整，使實時調(diào)度與滾動調(diào)度的成本最接近，從而既保證了對系統(tǒng)波動的及時響應(yīng)和全局經(jīng)濟(jì)性最優(yōu)。針對算例，使用ISFLA 驗證了調(diào)度策略的可行性。