基于改进粒子群算法的微电网优化运行研究

孙磊超，龙 燕

(陆军勤务学院， 重庆 401331)

世界上多个发达国家都在大力推进微电网的研究和建设。为满足营区供电的可靠性和稳定性要求，充分利用营区自然资源条件，采用分布式发电技术(distributed generation，DG)为理想选择。DG 包括风力发电、光伏发电，重要区域的燃料电池发电、燃气轮机发电等供电形式。这种发电方式具有优化配电网潮流，降低用户费用，提高供电可靠性，降低污染，降低对地方电网依赖等优势，同时便于安装且配置灵活，有利于解决偏远营区的供电难题。相较于 DG 发电，微电网供电具有系统惯性大、电能质量好、有效消除各 DG不足、方便并入外部电网等优势。对于偏远营区供电而言，微电网供电模式相较于传统的地方配电网供电优势明显，具有较高的资源利用率、良好的经济效益、对环境友好、供电可靠性高、利用多种资源发电[1]。

1 改进粒子群算法应用于微电网优化运行

随着算法的不断完善和改进，粒子群算法在微电网运行优化问题上应用广泛。PSO 算法求解多目标微电网优化运行问题的基本步骤[2]如图1所示。

图1 粒子群算法流程

改进的 PSO 算法在求解微电网优化运行问题上应用较多，包括下述方面：

1) DG优化配置

DG配置问题是解决各DG所处的位置、容量，满足网络损耗要求或电压、电流值约束等。文献[3]对DG投入、切除的变量进行适当松弛并转换为实数进行操作，使原先的混合整数规划变为非整数规划，以方便粒子群算法求解。文献[4]中运用惩罚因子使优化配置问题转换为单目标无约束问题，方便了粒子群算法的求解。文献[5]将配置问题分解为求解DG位置和容量两个子问题，第一步通过微电网潮流计算得到微电网网络损耗最小情况下DG位置，第二步是以经济效益最高为目标，以第一步求得的位置信息为基础，采用粒子群算法求解DG的容量分布。文献[6]使用模拟退火算法改进原始粒子群算法，混合算法经算例验证在各项指标上优于模拟退火法，但该算法并未与粒子群算法对比。

2) DG功率优化

在微电网运行过程中，对不同类型、容量的DG，控制其各个时刻输出功率大小，从而使微电网运行经济效益最高或环保效益最好。文献[7]用PSO算法实现了简单微电网系统的功率优化。文献[8]在PSO算法选择较优粒子过程中采用动态临域策略筛选，应用了排序的思想。文献[9]加入了DG发电特性曲线约束。文献[10]针对粒子群算法在解决某系复杂问题时陷入局部收敛，采用混沌序列重新优化粒子，便于粒子跳出局部收敛。

2 微电网结构

1) 光伏发电

在温度、负载和日照强度相同的情况下，输出功率在特定电压下最大，该状态点称为最大功率点，而始终按该状态进行功率输出的光伏发电策略为最大功率跟踪。本文中光伏发电均按照最大功率跟踪策略执行。

式中：G(t)为t时刻的实际日照强度(W/m2)；Tair(t)为t时刻实际空气温度(℃)；T(t)为t时刻光伏组件实际表面温度(℃)；VW为当时的风速(m/s)，该时刻对应的输出功率为PPV(t)。其中，Tmax和Tmin分别对应该段时间内的最高温度值和最低温度值，tp指当天平均时刻温度，GSTC,PSTC,TSTC是指标准测试环境(1 000 W/m225 ℃)下该光伏组件对应的光照强度、输出功率和温度。其中，温度系数k取-0.45。

2) 风力发电

在计算风力发电装置输出功率随风速大小变化时，根据装置所建模型的不同计算输出结果也有差异。这里采用较为通用的二次出力模型：

vci为切入风速(m/s);vr为额定风速(m/s);vco为切出风速(m/s)；PWT为风力发电装置的输出功率(kW)。对特定的某台风力发电机而言，功率特性参数a，b，c和额定输出功率PWTr都是定量。

3) 微型燃气轮机发电

微型燃气轮机的发电效率受输出功率影响较大，随着输出功率的增加，微型燃气轮机发电效率得到提升。以该种燃气轮机进行建模计算，其发电效率计算公式为：

式中：PMT为微型燃气轮机输出功率(kW)； 计算得到发电效率为ηMT。燃料成本计算公式为：

式中：cfuel为当前的天然气价格(元/m3)，取值2.05； LHV为天然气低热热值(kWh/m3)，通常取 9.7 kWh/m3；CMT为t时间内的燃料成本(元)。

4) 燃料电池

其发电效率与输出功率关系可表达为：

ηFC=-0.002 3PFC+0.673 5

燃料电池成本计算公式为：

式中:CFC指时间t内燃料电池所用的燃料成本(元);ηFC为其发电效率;PFC为当前的输出功率，采用天然气发电时，LHV值仍取 9.7。

5) 柴油发电机组

柴油发电机燃料消耗成本与其有功功率输出关系为：

其中：CDE为单位时间输出功率为PDE时所需燃料的费用(元)，a，b，c为柴油发电机费用特性参数，对某台特定柴油发电机组而言是定值。

3 孤岛微电网优化运行模型

微电网因各种原因进入孤岛运行状态时，与外部电网的能量传输处于中断状态，不再考虑向外部电网购售电的问题及相关约束。由于微电网内部所有负荷供电均由内部各DG承担，对各种类型DG的出力优化将更注重其经济效益。孤岛微电网优化运行仍以综合经济效益为目标，包括燃料费用、维护运行费用、治污费用及设备折旧费用。

微电网进入孤岛运行时，不用考虑其与外部电网联系，不存在向外部电网购售电的问题，其优化模型约束如下：

1) 功率平衡约束

该式为微电网孤岛运行时内部功率平衡方程，只需要微电网内部各种类型DG、储能装置的输出功率与负荷需求相等即可，不考虑与外部电网的联系。

2) 各DG输出功率约束

Pimin≤Pi≤Pimax

RidΔt≤Pi,t-Pi,t-1≤RiuΔt

式中：Pi,t,Pi,t-1分别表示t时刻和t-1时刻类型为i的DG的输出功率，两个时刻相距时长Δt(h)；Rid,Riu分别为类型为i的DG的负向爬坡速率和正向爬坡速率(KW/h)。

3) 蓄电池储能约束

0≤PDOD,t≤PDODmax,t

0≤PDOC,t≤PDOCmax,t

式中，PDOD,t,PDOC,t分别为时段的放电功率和充电功率(kW)，且均不能超过它们各自的上限功率tPDODmax,t,PDOCmax,t。

4 基于改进粒子群算法的孤岛运行优化

DG类型及容量有风力发电机WT(额定功率300 kW)、光伏发电装置PV(额定功率200 kW)、微型燃气轮机组MT(额定功率300 kW)、燃料电池FC(额定功率200 kW)、柴油发电机组(额定功率500 kW)及蓄电池储能装置(额定功率200 kW)。对于营区微电网供电，除了需要考虑微电网中不同DG的技术性能外，还需要考虑本地自然资源条件、负荷大小、分时电价等因素。其中，FC利用天然气作为燃料发电，DE则利用柴油发电，天然气价格和柴油价格见表1，各种污染物治污费用如表2所示，各DG的投资、维护运行成本等情况如表3所示。

表1 本地能源价格

表2 治污费用

表3 各DG参数

以夏、冬两季的营区负荷变化、风速、日照强度及温度为基础进行营区微电网优化。夏、冬季典型日营区负荷变化情况如图2所示，夏、冬季典型日营区风速、日照强度、温度变化情况如图3～图5，蓄电池的充放电情况如图6所示。

图2 夏、冬季典型日负荷曲线

图3 夏、冬季典型日风速曲线

图4 夏、冬季典型日日照强度曲线

图5 夏、冬季典型日温度曲线

图6 蓄电池充放电曲线

根据夏季、冬季典型日的风速、日照强度和温度数据，由风力发电机和光伏发电的输出功率计算方法，得到夏季、冬季典型日风力发电机和光伏发电不同时刻的输出功率，风力发电输出功率如图7所示，光伏发电输出功率如图8所示。

图7 夏、冬季典型日风力发电功率

图8 夏、冬季典型日光伏发电功率

利用上述数据，根据各种类型DG的输出功率和发电成本模型和建立的微电网优化运行模型，采用改进粒子群算法求解，得到并网和孤岛运行状态下夏季、冬季典型日微电网优化运行结果。

微电网进入孤岛运行状态时，不需考虑与外部电网的能量交换及相应的购售电计划，但由于营区负荷较大时PV，WT，MT，FC的输出功率总和不能满足负荷需求，故需考虑在负荷高峰时段利用发电成本较高的DE发电补充功率缺额。另外，孤岛运行时由于电能供应均源于各种DG，需要更加全面的衡量各DG的运行成本，故在孤岛运行状态下的营区微电网优化运行目标函数中考虑了各DG的设备折旧费用。

1) 夏季典型日

在不考虑与外部电网能量交换的情况下，根据夏季营区的负荷变化、风速曲线、日照强度曲线和温度曲线，利用改进粒子群算法进行求解得到营区微电网孤岛运行时的优化结果，如图9所示。

图9 孤岛微电网夏季典型日各DG发电功率

2) 冬季典型日

在不考虑与外部电网能量交换的情况下，基于冬季营区的负荷变化、风速曲线、日照强度曲线和温度曲线等数据资料，采用改进粒子群算法进行求解得到营区微电网孤岛运行时的优化结果，如图10所示。

图10 孤岛微电网冬季典型日各DG发电功率

5 结论

分析了不同 DG 的原理和特点，基于各种类型 DG 的发电特性和技术参数建立了各自的功率输出模型、发电成本模型和孤岛条件下的微电网优化运行模型。最后依据实际算例，以搭建的微电网优化运行模型为基础，利用改进粒子群算法求解得到孤岛状态下营区微电网在夏季、冬季的最优运行结果。