蘇一峻,喬建華,齊向東,韓 帥

(1.太原科技大學(xué) 電子信息工程學(xué)院,太原 030024;2.國(guó)網(wǎng)晉城供電公司,山西 晉城 048000)

我國(guó)正在構(gòu)建低碳環(huán)保、安全高效的能源系統(tǒng),全國(guó)清潔能源的開(kāi)發(fā)利用規(guī)模迅速擴(kuò)大,風(fēng)光水火發(fā)電機(jī)組的綜合優(yōu)化調(diào)度在電力系統(tǒng)運(yùn)行中具有重要意義。多源電力系統(tǒng)的互補(bǔ)運(yùn)行問(wèn)題越來(lái)越受到研究人員的關(guān)注。文獻(xiàn)[1]介紹了一種風(fēng)蓄水火協(xié)調(diào)優(yōu)化調(diào)度方法,提出一種分步順序反饋的多目標(biāo)求解策略。文獻(xiàn)[2]在考慮風(fēng)光出力不確定和水熱電能量平衡的基礎(chǔ)上,將機(jī)會(huì)約束條件轉(zhuǎn)化為混合整數(shù)約束條件,并借助商業(yè)求解器求解。文獻(xiàn)[3]針對(duì)系統(tǒng)調(diào)節(jié)能力不足而造成的棄風(fēng)問(wèn)題建立風(fēng)火水儲(chǔ)氣聯(lián)合優(yōu)化調(diào)度模型,將模型線性化后采用內(nèi)點(diǎn)法進(jìn)行計(jì)算。文獻(xiàn)[4]從短期調(diào)度層面提出了一種虛擬電源應(yīng)對(duì)策略,以減小新能源并網(wǎng)對(duì)電力系統(tǒng)帶來(lái)的沖擊。文獻(xiàn)[5]提出了一種水電站同步調(diào)峰策略,應(yīng)用于青海、甘肅電網(wǎng)的日前調(diào)度,以減小火電輸出波動(dòng)和新能源棄用問(wèn)題。文獻(xiàn)[6]提出了一種擬對(duì)立群搜索優(yōu)化算法,用來(lái)求解多燃料多負(fù)載多區(qū)域動(dòng)態(tài)經(jīng)濟(jì)調(diào)度問(wèn)題。

上述文獻(xiàn)中考慮了多種電源的調(diào)度,對(duì)于新能源的隨機(jī)性應(yīng)對(duì)比較單一,且在風(fēng)光的功率預(yù)測(cè)準(zhǔn)確性方面有待提高。為此本文結(jié)合我國(guó)電網(wǎng)的電源構(gòu)成特點(diǎn)和調(diào)度需求,充分發(fā)揮水電與火電的聯(lián)合調(diào)峰能力,從短期調(diào)度層面,建立了兼顧系統(tǒng)經(jīng)濟(jì)性和清潔能源最大化的風(fēng)光水火調(diào)度模型。運(yùn)用新型的蟻獅算法對(duì)所建模型進(jìn)行求解,并通過(guò)仿真實(shí)驗(yàn)和結(jié)果對(duì)比,說(shuō)明了采用蟻獅算法求解電網(wǎng)短期優(yōu)化調(diào)度可以實(shí)現(xiàn)經(jīng)濟(jì)效益和環(huán)保效益最大化。

1 風(fēng)光水火優(yōu)化調(diào)度模型

1.1 目標(biāo)函數(shù)

為了將系統(tǒng)運(yùn)行成本和棄風(fēng)、棄光量降至最低,在風(fēng)光水火多能互補(bǔ)系統(tǒng)日前優(yōu)化調(diào)度的目標(biāo)函數(shù)中加入了表示棄風(fēng)和棄光的懲罰成本,以促進(jìn)間歇性能源的高效利用。由于水電運(yùn)行費(fèi)用低,此處不考慮其運(yùn)行成本。目標(biāo)函數(shù)表示如下[7]:

(1)

式中:PGit、PWjt和PPVkt分別為火電i、風(fēng)電j和光伏k在時(shí)刻t的輸出功率;f(PGit)表示機(jī)組i在時(shí)刻t的燃料成本;Si,t表示機(jī)組i起動(dòng)成本;T、NG分別為調(diào)度周期和火電總數(shù);ui,t為機(jī)組i在時(shí)刻t的起停狀態(tài)(用0、1表示);Cw、CPV分別表示風(fēng)、光的棄用懲罰成本,本文取 1 000元/MW;Pf,wt、Pf,pvt分別表示風(fēng)電、光伏在時(shí)刻t的預(yù)測(cè)出力。

常規(guī)火電機(jī)組發(fā)電經(jīng)濟(jì)成本實(shí)質(zhì)就是運(yùn)行期間機(jī)組消耗燃料的費(fèi)用,與機(jī)組i輸出功率有關(guān),一般情況下,單位時(shí)間內(nèi)火電機(jī)組i的發(fā)電成本可見(jiàn)式(2):

(2)

式中:ai、bi、ci表示火力發(fā)電燃料成本的運(yùn)行參數(shù)。

1.2 約束條件

(1)功率平衡約束

為了維持系統(tǒng)安全穩(wěn)定運(yùn)行,保證為用戶(hù)提供高質(zhì)量電能,需要考慮系統(tǒng)的功率平衡,在忽略網(wǎng)損的情況下,系統(tǒng)功率平衡約束見(jiàn)式(3):

(3)

式中:PHnt為水電站n在時(shí)刻t的輸出功率。PDt為系統(tǒng)在時(shí)刻t的負(fù)荷需求;NH為梯級(jí)水電站的數(shù)量。

(2)火電機(jī)組約束

火電機(jī)組約束包括容量約束、最小啟停時(shí)間約束和爬坡約束,即:

PGi,min≤PGit≤PGi,max

(4)

(5)

-δGi≤PGi,t-PGi,t-1≤δGi

(6)

(3)水電機(jī)組約束

水電機(jī)組約束包括出力上下限約束、水動(dòng)態(tài)平衡約束、水庫(kù)存儲(chǔ)約束和排水量約束,即:

PH,min≤PHt≤PH,max

(7)

VHt=VH,t-1+IHt+(Q(H-1)t-QHt)

(8)

VH,min≤VHt≤VH,max

(9)

QH,min≤QHt≤QH,max

(10)

式中:PH,min、PH,max分別水電機(jī)組H有功輸出的上下限;VHt和QHt分別是水電站H在t時(shí)刻的蓄水量和排水量;IHt代表在時(shí)間t的第H個(gè)水庫(kù)的自然流入量;VH,min和VH,max分別是水電廠H的最小和最大水庫(kù)容量;QH,min和QH,max代表水電廠H的最小和最大排水量。

(4)水電轉(zhuǎn)換關(guān)系[8]

水電站出力的計(jì)算式被定義為一個(gè)與水電站下泄流量和水庫(kù)庫(kù)容有關(guān)的二次函數(shù),具體公式如下:

(11)

式中:ξ1H～ξ6H為水電站H的出力參數(shù)。

(5)風(fēng)電、光伏約束

為確保風(fēng)電和光伏發(fā)電出力不超過(guò)風(fēng)電和光伏發(fā)電的實(shí)時(shí)預(yù)測(cè)值。風(fēng)電、光伏出力的約束為:

0≤PWt≤Pf,wt

(12)

0≤PPVt≤Pf,pvt

(13)

式中:Pf,wt和Pf,pvt分別為風(fēng)電和光伏在時(shí)刻t的預(yù)測(cè)出力。

2 蟻獅優(yōu)化算法

蟻獅優(yōu)化算法(Ant Lion Optimizer,ALO)[9]是由Mirjalili提出的一種新型啟發(fā)式智能算法,通過(guò)摹仿蟻獅建坑狩獵螞蟻來(lái)進(jìn)行運(yùn)算。ALO可以用下面六個(gè)算子來(lái)解釋,這些算子旨在模仿自然界中蟻獅的狩獵行為。

(1)使用輪盤(pán)構(gòu)建蟻獅陷阱

通過(guò)輪盤(pán)賭算子根據(jù)適應(yīng)度選擇一只蟻獅,這種選擇為合適的蟻獅提供了更高的捕獲螞蟻的機(jī)會(huì),因?yàn)榧俣ê线m的蟻獅可以建立更好的陷阱。

(2)創(chuàng)建隨機(jī)行走的螞蟻

在自然界中,螞蟻會(huì)隨機(jī)尋找食物,因此,螞蟻的運(yùn)動(dòng)是根據(jù)隨機(jī)行走建模的。第i維的螞蟻位置Xi如下所示:

X(t)=[0,…,cumsum(2f(t)-1)]

(14)

式中:X(t)表示第t次迭代時(shí)螞蟻的地方,cumsum表示累計(jì)和,f(t)是一個(gè)如下的隨機(jī)函數(shù):

(15)

式中:rand表示0到1之間的均勻分布的隨機(jī)數(shù)。

為了將螞蟻隨機(jī)游走限制在可行域內(nèi),將式(14)中生成的隨機(jī)值進(jìn)行歸一化,第i維的螞蟻位置表示為:

(16)

(3)螞蟻被困在坑中

在每次迭代中都要調(diào)整螞蟻運(yùn)動(dòng)的邊界,以使螞蟻在選定的蟻獅陷阱周?chē)\(yùn)動(dòng)。螞蟻維數(shù)的上下限為:

(17)

(4)陷阱的自適應(yīng)收縮

當(dāng)一只螞蟻掉入一個(gè)蟻獅陷阱中時(shí),蟻獅會(huì)將沙子扔向螞蟻。因此,被困的螞蟻無(wú)法從陷阱中逃脫,并滑向坑的底部。可以迭代地降低螞蟻隨機(jī)游走的上下限,通過(guò)下列方程模擬這種現(xiàn)象[10]:

(18)

(19)

式中:R為比例系數(shù),w是一個(gè)基于t和T定義的常量,介于1到6之間。

(5)捕捉螞蟻和重建坑

假設(shè)蟻獅消耗螞蟻的意思是螞蟻?zhàn)兊帽绕鋵?duì)應(yīng)的蟻獅更適合。然后,蟻獅通過(guò)獲取被消耗的螞蟻地方來(lái)刷新其方位。由式(20)和(21)表示:

(20)

(21)

(6)應(yīng)用精英主義

精英蟻獅即最佳蟻獅的方位。每只螞蟻的動(dòng)作都受精英蟻獅影響。

(22)

3 求解風(fēng)光水火調(diào)度問(wèn)題

用于解決風(fēng)光水火調(diào)度問(wèn)題的ALO算法的主要步驟包括初始化,約束處理,適應(yīng)性評(píng)估和螞蟻位置更新,如圖1所示。

圖1 算法求解流程圖Fig.1 Algorithm solution flow chart

3.1 初始化

水力、火力和風(fēng)光發(fā)電機(jī)組的成本和其他系數(shù),各電源的出力上下限等參數(shù)均取自一個(gè)標(biāo)準(zhǔn)系統(tǒng)數(shù)據(jù)集。根據(jù)問(wèn)題需要選擇搜索代理的數(shù)量和最大迭代次數(shù)。

排水量、火力和風(fēng)光在以下指定的最小最大限制之間隨機(jī)初始化:

(23)

(24)

(25)

(26)

(27)

3.2 評(píng)估蟻獅種群

通過(guò)計(jì)算風(fēng)光水火調(diào)度問(wèn)題的評(píng)估函數(shù)可以判斷出解決方案的優(yōu)劣,如下所示:

E(F)=

(28)

式中:CVWj和CVPVk分別表示第j個(gè)風(fēng)力發(fā)電單元和第k個(gè)光伏發(fā)電單元的約束違規(guī)。評(píng)估函數(shù)將有約束的優(yōu)化問(wèn)題轉(zhuǎn)換為無(wú)約束優(yōu)化問(wèn)題。如果沒(méi)有違反約束,則CV項(xiàng)將等于零。否則施加與違反約束成比例的懲罰以增加評(píng)估成本。

3.3 按評(píng)估順序?qū)ο仾{排序

經(jīng)過(guò)適應(yīng)性評(píng)估后,所有蟻獅都按照其評(píng)估成本的降序排序。對(duì)于最小化問(wèn)題,這意味著第一只蟻獅是最適合的,它被稱(chēng)為種群中全部蟻獅(解決方案)中的精英蟻獅(最佳解決方案)。

3.4 ALO算法的迭代步驟

(1)選擇蟻獅

使用輪盤(pán)賭輪選擇機(jī)制為每只螞蟻選擇一只蟻獅,以使選擇一只蟻獅的概率與該只蟻獅的適應(yīng)度成正比。

(2)調(diào)整螞蟻運(yùn)動(dòng)

迭代過(guò)程中螞蟻運(yùn)動(dòng)的調(diào)整可以通過(guò)以下兩個(gè)子步驟進(jìn)行控制。

(i)在蟻獅坑中困住螞蟻:每個(gè)螞蟻活動(dòng)的下限和上限在式(17)中說(shuō)明的所選蟻獅坑的位置周?chē)鷦?dòng)態(tài)地修改。

(ii)使螞蟻向蟻獅滑動(dòng):如式(18)所示,螞蟻運(yùn)動(dòng)的邊界被自適應(yīng)地減小,以使螞蟻向蟻獅坑的位置收斂。

(3)通過(guò)隨機(jī)行走和精英訓(xùn)練更新螞蟻位置

(i)對(duì)于每個(gè)螞蟻的活動(dòng)范圍,通過(guò)應(yīng)用式(14)在所選螞蟻和精英螞蟻周?chē)呻S機(jī)游動(dòng)。

(ii)使用以上兩個(gè)隨機(jī)游動(dòng)更新螞蟻位置,如式(22)所示。

(4)約束的實(shí)現(xiàn)

如果發(fā)現(xiàn)更新后的螞蟻位置超出了指定的上限/下限/邊界,它們將被迫退回到可行區(qū)域內(nèi)。

(5)重新建造蟻獅坑

使用式(28)評(píng)估更新的螞蟻位置;如果發(fā)現(xiàn)新的螞蟻位置優(yōu)于蟻獅位置,則使用式(21)更新蟻獅的位置。假定該螞蟻被該蟻獅消耗,并且該蟻獅通過(guò)獲取該消耗的螞蟻的位置來(lái)建立新的陷阱。

3.5 停止迭代

重復(fù)執(zhí)行“選擇蟻獅”,“調(diào)整螞蟻運(yùn)動(dòng)”,“通過(guò)隨機(jī)行走和精英主義更新螞蟻位置”,“約束的實(shí)現(xiàn)”和“重建蟻獅坑”中的步驟,直到達(dá)到了最大迭代次數(shù)。

4 仿真分析

為驗(yàn)證模型有效性和算法的適當(dāng)性,本文采用含風(fēng)電、光伏、4座梯級(jí)水電和10臺(tái)火電機(jī)組的系統(tǒng),以某典型日負(fù)荷為場(chǎng)景,協(xié)調(diào)優(yōu)化梯級(jí)電站的排水量以及各機(jī)組發(fā)電量。將一天分成24個(gè)間隔每個(gè)間隔1小時(shí),在MATLAB上進(jìn)行仿真實(shí)驗(yàn),火電機(jī)組的基本參數(shù)、水電站的相關(guān)參數(shù),風(fēng)光預(yù)測(cè)出力及負(fù)荷需求見(jiàn)參考文獻(xiàn)[11].

將ALO算法參數(shù)作如下設(shè)置:搜索代理數(shù)為50,迭代次數(shù)為100.粒子群算法(PSO)和改進(jìn)粒子群算法(IPSO)也做同樣設(shè)置。求解結(jié)果見(jiàn)表1,ALO 所求的最優(yōu)值只有83.91萬(wàn)元,而且燃料成本為61.06萬(wàn)元,均低于另兩種算法結(jié)果。從而可以看出在解決風(fēng)光水火優(yōu)化調(diào)度問(wèn)題時(shí),無(wú)論是經(jīng)濟(jì)性還是環(huán)保性,ALO均具有很好的效果。圖2展示了三種算法在計(jì)算時(shí)的迭代收斂曲線,表現(xiàn)出ALO算法具有很好地收斂速度和全局尋優(yōu)能力。

表1 調(diào)度結(jié)果對(duì)比Tab.1 Comparison of scheduling results

圖2 ALO迭代曲線Fig.2 ALO iteration curve

圖3為ALO求解的風(fēng)光水火優(yōu)化調(diào)度結(jié)果,從圖中可以看出,凌晨0～6時(shí)段負(fù)荷需求低而風(fēng)電充足,此時(shí)火電出力相應(yīng)減少,有利于清潔能源發(fā)電。白天7～17時(shí)段負(fù)荷需求高且光照充足,風(fēng)光滿(mǎn)發(fā)后由水火負(fù)責(zé)補(bǔ)充和備用,減少棄風(fēng)棄光。夜間18～23時(shí)段,風(fēng)光出力均大幅減少,水電和火電則作為主力來(lái)滿(mǎn)足負(fù)荷需求。由此可見(jiàn),風(fēng)光水火多源互補(bǔ)優(yōu)化調(diào)度有利于提高清潔能源發(fā)電,減少環(huán)境污染。

圖3 優(yōu)化調(diào)度結(jié)果Fig.3 Optimal scheduling results

5 結(jié)論

本文在充分研究風(fēng)光水火四類(lèi)電源的工作原理及性能結(jié)構(gòu)的基礎(chǔ)上,確立風(fēng)光水火多能互補(bǔ)協(xié)調(diào)優(yōu)化的研究?jī)?nèi)容。不僅充分體現(xiàn)出經(jīng)濟(jì)發(fā)展與生態(tài)保護(hù)友好協(xié)調(diào)的需要,而且十分貼合我國(guó)大力推進(jìn)發(fā)展可持續(xù),充分利用非化石能源代替作用進(jìn)而實(shí)現(xiàn)能源結(jié)構(gòu)轉(zhuǎn)型等發(fā)展方針。本文建立和求解的風(fēng)光水火多能互補(bǔ)系統(tǒng)協(xié)調(diào)調(diào)度模型具有十分重要的應(yīng)用意義。本次研究主要結(jié)論如下:

(1)本文在充分考慮各種電源的約束條件下,以火電運(yùn)行成本最小和風(fēng)光棄用量最少為目標(biāo)構(gòu)建含風(fēng)光的水火優(yōu)化調(diào)度模型。該互補(bǔ)模型及求解所用算法在充分利用水電優(yōu)勢(shì)的基礎(chǔ)上又一定程度緩解了風(fēng)力和光伏發(fā)電的波動(dòng)特性,進(jìn)而實(shí)現(xiàn)對(duì)能源的極大化利用,保證了能源的應(yīng)用價(jià)值。

(2)風(fēng)光水火優(yōu)化調(diào)度的求解引入了蟻獅優(yōu)化算法,通過(guò)對(duì)具體算例的仿真求解,并與粒子群和改進(jìn)粒子群算法進(jìn)行對(duì)比,發(fā)現(xiàn)蟻獅算法在求解多源互補(bǔ)優(yōu)化調(diào)度問(wèn)題時(shí)具有適應(yīng)度值小、收斂速度快以及尋優(yōu)能力強(qiáng)的優(yōu)點(diǎn)。這對(duì)于今后能源互聯(lián)網(wǎng)的建設(shè)具有重要的戰(zhàn)略意義。