基于多能源系统的微电网经济优化调度

基于多能源系统的微电网经济优化调度
郭晶晶
（国电南瑞吉电新能源（南京）有限公司）
摘　要：本文在含多能源系统微电网环境下使用粒子群优化（ＰＳＯ）实现微电网经济调度。

微电网系统由带发电机组的微电网和带可再生能源的微电网组成，将多个上述电网组合到一起可以最大限度地减少发电机组或传统发电机的使用，并最大限度地利用带有可再生能源的微电网。

根据这两种微电网的特性，计算了它们的参与度。

该方法将微电网视为一个电源或负载，经济调度模型在发电机组和微电网之间交互执行。

本文的目标是最小化多能源系统微电网（ＭＥＳＭ）的运行成本，模拟结果表明，使用含可再生能源的微电网系统运行成本得到了明显降低。

关键词：多能源系统；微电网；经济调度；优化运行
０　引言
微电网（ＭＧ）可作为本地电源直接向负荷中心供电（孤岛模式）或连接到配电网。

ＭＧ被认为是传统集中式网络问题的解决方案，直接位于负荷中心的小型发电厂的优势在于减少功率损耗、提高效率和减少供电干扰。

可再生能源的使用对环境产生了良好的影响。

多能源系统微电网（ＭＥＳＭ）互联可增强系统抵御极端天气条件和自然灾害的能力，进而提高整个电网的稳定性。

经济调度（ＥＤ）的目标是确定机组的最优调度，从而在满足运行约束的前提下使发电成本最小化［１ ３］。

本文提出了粒子群优化方法，用于解决ＭＥＳＭ系统中发电机组和可再生能源的经济调度问题。

在该方法中，根据可再生能源和发电机组参与的特性计算微电网经济成本。

１　多能源系统微电网模型
１ １　多能源系统微电网影响因素
在多能源系统微电网中，包括了不同能源的供应和利用，例如太阳能、风能、蓄电池能量等。

为了实现微电网的经济优化调度，需要开发和应用合适的优化算法，如基于遗传算法、模糊控制、人工智能等方法，通过建立数学模型和优化目标函数，从而获得最优的能源调度策略［４ ５］。

对于智能电网系统来说，协调ＭＧ和配电网之间的操作非常重要。

此组合目的是通过能量交换和合作解决单个媒介或单个微电网无法解决的问题。

通过经济优化调度策略，可以最大程度地提高多能源系统微电网的经济效益，降低能源的成本，提高能源利用效率，减少对主电网的依赖，实现能源的可持续发展。

１ ２　目标函数
经济调度是指将负荷分配到每个发电机组上，以便获得能够以最佳成本满足负荷需求的组合发电机组，或者从发电机组合中找出输出功率的最佳值，目的是将发电总成本降至最低，并满足平等和不平等约束。

在传统经济调度中，总发电量需满足总负载需求：
Ｐ
Ｄ
＝∑ｎ
ｉ＝１
Ｐ
Ｇｉ
（１）
式中，Ｐ
Ｇｉ
为第ｉ台发电机产生的有功功率；Ｐ
Ｄ
为需求功率，可从发电机组的输入和输出特性中观察到。

发电量受发电机组的最小和最大容量限制如下：
Ｐ
Ｇｉｍｉｎ
≤Ｐ
Ｇｉ
≤Ｐ
Ｇｉｍａｘ
（２）
式中，Ｐ
Ｇｉｍａｘ
、Ｐ
Ｇｉｍｉｎ
分别是发电机能力的上限和下
限。

成本函数Ｆ
Ｇ
可以通过如下所示的二次函数近似。

Ｆ
Ｇｉ
（Ｐ
Ｇｉ
）＝ａ
ｉ
＋ｂ
ｉ
Ｐ
Ｇｉ
＋ｃ
ｉ
Ｐ２
Ｇｉ
（３）
Ｆ
Ｇ
＝∑Ｎ
ｉ＝１
Ｆ
Ｇｉ
（Ｐ
Ｇｉ
）（４）
式中，Ｆ
Ｇｉ
为第ｉ个发电机的成本系数。

功率输出受到ＭＧ的最小和最大容量的限制，其能量来源如式（５）所示：
Ｐ
ＭＧｊｍｉｎ
≤Ｐ
ＭＧｊ
≤Ｐ
ＭＧｊｍａｘ
（５）ＭＧ的总发电成本计算公式如下：
Ｆ
ＭＧ
＝∑ｎ
ｊ＝１
λ
ｊ
（Ｐ
ＭＧｊ
）（６）
在式（８）中，当Ｐ
ＭＧｊ
为正时，表示提供给电网的
有功功率ＭＧ
ｊ
，λ
ｊ
为ＭＧ
ｊ
的销售价格；当Ｐ
ＭＧｊ
为负时，表
示从电网输出到ＭＧ
ｊ
的功率，λ
ｊ
为ＭＧ
ｊ
购买价格。

ＭＧ与ＭＥＳＭ系统的互连将影响系统的操作，包括每个系统的负载分配发电机组。

每个发电机组上的负荷分配基于成本最低的组合机组。

ＭＥＳＭ的总发电成本计算如下：
Ｆ
ＭＥＳＭ
＝Ｆ
Ｇ
＋Ｆ
ＭＧ
（７）
式中，Ｆ
ＭＥＳＭ
、Ｆ
ＭＧ
、Ｆ
Ｇ
分别是系统运行的总成
６
２
２
／２０２４ ０３
２０２４ ０３／本、多能源系统分配的ＭＧ成本以及发电厂的成本。

１ ３　约束条件
发电厂通常由装机容量超过数千兆瓦的大型天然气发电厂组成。

容量为数十兆瓦或更大的发电机通常连接到电网并与电力系统合作。

具有可再生能源的ＭＧ可以作为虚拟负荷以需求响应的形式参与调度系统，ＭＧ的发电厂必须首先满足自身的负荷。

如果ＭＧ中的功率过剩，则ＭＧ向ＭＥＳＭ系统供电。

如果微电网系统不能满足其自身的要求，则从ＭＥＳＭ系统
获取功率。

进入系统的Ｍ
Ｇ参与调度ＭＥＳＭ系统需考虑ＭＧ作为负载或发电机的特性。

此外，还有一些研
究者使用Ｍ
Ｇ可再生能源。

它必须根据历史数据和环境因素以及ＭＧ上的负载进行估计。

因此，由于ＭＧ可再生能源的间歇性和当地负荷的随机性，ＭＧ输出
在不同时期会发生变化，Ｍ
Ｇ输出有时为正值，有时为负值。

２　经济优化调度算法
粒子群算法（ＰＳＯ）指每个粒子由两个矢量Ｓｉ
和ｘｉ描述；在粒子群的每个移动步长中，每个粒子
都由两个值更新。

第一个值是粒子ｉ
的最佳先验位置，称为最好值ｐｂｉ，并使用适应度函数进行计算。

第二个值是所有ｐｂｉ
最好的粒子中最好的粒子，称为最好值ｇｂｉ
，任何粒子都会通过以下关系更新其新的速度和位置：Ｓｋ＋１ｉ＝ＷｘＳｋｉ＋ｃ１ｘ２ｒ１（ｐｂｉ－ｘｉ）＋ｃ２ｘ２ｒ２（ｇｂｉ－ｘｉ）（８）ｘｋ＋１ｉ＝ｘｋｉ＋Ｓｋ＋１ｉ
Ｗ＝Ｗｍａｘ－（Ｗｍｉｎ－Ｗｍａｘ
）ｉｔｅｒｍａｘ
ｘ{
ｉｔｅｒ
（９）式中，ｃ１、ｃ２为加速度常数范围［０，２］；ｒ１、ｒ２为［０，１］范围内的均匀随机值；ｐｂｉ表示粒子３ｉ的最佳先验值；ｇｂｉ表示ｐｂｉ粒子里的最佳值；Ｓｉ、ｘｉ分别表示粒子ｉ的位置矢量和速度；ｋ表示迭代次数；Ｗ表示惯性权重因子；ｉｔｅｒ表示当前迭代次数；Ｗｍｉｎ、Ｗｍａｘ分别表示最小和最大惯性权重系数。

ＰＳＯ算法步骤描述如下：（１）读取数据系统和ＰＳＯ参数，对象特征、数量粒子、种群大小、数量迭代、认知和社会参数以及约束因子。

（２）初始化，随机初始化速度和位置矢量。

（３）适应度评估，使用目标函数评估每个粒子的位置。

（４）记忆更新，更新了ｐｂｉ和ｇｂｉ，如式（１０）所示：
ｐｉ→ｐｂｉＦ（ｐｉ）＜Ｆ（ｐｂｉ
）ｐｉ→ｇｂｉＦ（ｐｉ）＜Ｆ（ｇｂｉ
{
）（１０）
（５）更新速度和位置，使用式（８）和（９）更
新所有粒子的速度和位置矢量。

（６）终止过程，当达到最大代数时终止过程，如果终止条件不满足，则下一步是适应度评估。

此过程持续重复，直到达到终止参数。

３　实例分析
该方法被应用于由四个发电机组和两个可再生能
源的Ｍ
Ｇ单元组成的微电网系统，构成ＭＥＳＭ单线系统。

ＭＥＳＭ提供的每日负荷曲线如图１
所示。

图１　ＭＥＳＭ系统日负载曲线
ＭＧ１和ＭＧ２具有可控和不可控功率输出。

ＤＧ控
制的功率输出容量分别为ＭＧ１和ＭＧ２的６ＭＷ和８ＭＷ。

不可控功率输出为ＭＧ１和ＭＧ２上光伏预测的
功率输出。

Ｍ
Ｇ１和ＭＧ２是基于光伏的ＤＧ。

因此，ＭＧ１为６：００～１７：００的负载提供电力，ＭＧ２为７：００～１８：００的负载提供电力。

ＭＧ２的２４ｈ输出功率预测如图２
所示。

图２　ＭＧ２预测功率及负荷数据
当光伏输出功率和功率输出可控ＭＧ大于本地负
载ＭＧ时，向系统供应电量。

相反，在光伏输出功率和功率输出可控ＭＧ小于本地负载ＭＧ时，则购买电量。

系统的ＭＧ１售价为１３５元／ＭＷ，ＭＧ２售价为１４０元／ＭＷ。

从该系统购买ＭＧ１和ＭＧ２的价格为１１０元／ＭＷ。

尽管购买价格低于出售价格，ＭＧ必须始终以其最大功率运行。

本文将粒子群算法用于求解
优化问题。

迭代次数设置为１
０００，粒子数设置为５００。

使用本文中的粒子群算法。

图３显示了四个发电机组和两个基于Ｍ
Ｇ的可再生能源（ＲＥＳ）功率的输出。

图中显示了最便宜的发电
７
２２
／２０２４ ０３机组分别是Ｇ２、Ｇ４、Ｇｌ和Ｇ３。

发电机组的平均发电量为８４ ９７％，尤其是在不可控ＭＧ２的情况下。

Ｇ４、Ｇ１和Ｇ３机组的平均发电量分别为６７ ８４％、４３ １８％和３６ ０４％。

Ｇ２和Ｇ４发电机组在１６：００～１９：００的时间段内达到最大发电量５５ＭＷ，此时负荷仍然很大，而不可控发电机ＭＧ１和ＭＧ２开始下降。

ＭＧ１在７：００～１１：００的时间段内从发电机组获得电源，此时ＭＧ１的本地电源无法满足负载。

在另一段时间内，ＭＧｌ系统具有正值，这意味着ＭＧｌ能够向系统（电网）出售电
能。

ＭＧ１可出售的总能量为１３５ＭＷ，购买量为１９ＭＷ，因此２４ｈ内可节省１１１６ＭＷ。

ＭＧ２始终为正
值，这意味着在２
４ｈ内，ＭＧ２能够满足本地负载，包括不可控ＭＧ２无法提供电源时。

ＭＧ２在２４ｈ内向系统出售的总功率为１８２ＭＷ。

图３　发电机组及ＭＧ可再生能源２４ｈ功率
图４显示了含有和不含ＭＧ可再生能源系统的最
低成本。

在１：００～６：００的时间段内，使用和不使用ＭＧ的运营成本几乎相同。

在７：００～１６：００的时间段内，使用ＭＧ的运营成本比未使用ＭＧ低，而在１７：００～２４：００的时间段内，使用ＭＧ的运营成本比
未使用Ｍ
Ｇ高。

总体而言，使用ＭＧ的系统的运行成本要低于没有使用ＭＧ的系统。

不使用ＭＧ可再生能源的最低运营成本为５０ ８３８６万元，使用ＭＧ可再生
能源的最低运营成本为５
０ １１６９万元。

因此，使用ＭＧ可再生能源运行的微电网系统可降低运营成本
７ ２１６５
万元。

图４　ＭＥＳＭ系统在２４ｈ内的最小运行成本
４　结束语
本文将多组微电网与可再生能源微电网结合到ＭＥＳＭ系统中，可以最大限度地减少发电机组或传统发电机的功率输出，并最大限度地提高微电网可再生能源的功率输出。

未使用ＭＧ可再生能源时，最低运营成本为５０ ８３８６万元，使用ＭＧ可再生能源成本为５０ １１６９万元，总共节省了７ ２１６５万元的成本。

使用ＭＧ可再生能源的ＭＥＳＭ系统的运行成本低于未使用ＭＧ的运行成本，ＭＥＳＭ系统最大限度地利用可再生能源实现微电网功率输出，并降低电力系统总体运营成本。

参考文献
［１］　余晓丹，徐宪东，陈硕翼，等．综合能源系统与能源
互联网简述［Ｊ］．电工技术学报，２０１６，３１（１）：１ １３．
［２］　黄小荣，陈鸣，陈方林．微网运行模式及控制策略研
究［Ｊ］．华东电力，２０１２（５）：７９８ ８０２．
［３］　华贲．ＤＥＳ／ＣＣＨＰ系统和区域能源利用效率计算方
法及影响因素分析［Ｊ］．中外能源，２０１２，１７（３）：１８ ２３．
（收稿日期：２０２３ １０ ２４）
８
２２。