陳西, 付蓉
?。暇┼]電大學(xué) 自動化學(xué)院, 江蘇 南京 210000)
摘要:為解決負(fù)荷預(yù)測,、風(fēng)力發(fā)電和光伏發(fā)電預(yù)測出力值與其實時數(shù)據(jù)間的誤差所導(dǎo)致的微電網(wǎng)不能安全穩(wěn)定運行的問題,,提出了一種雙層優(yōu)化算法。本算法包含基于集中優(yōu)化方式進行的預(yù)測調(diào)度和基于分布式優(yōu)化算法的實時優(yōu)化,。兩層均采用粒子群智能優(yōu)化算法對模型進行求解,。該算法基于圖論思想,按照拓?fù)鋱D遍歷順序進行遍歷式的分布式優(yōu)化,,將計算任務(wù)分配至微電網(wǎng)中每個參與調(diào)度的節(jié)點,。
關(guān)鍵詞:微電網(wǎng);粒子群算法,;雙層優(yōu)化,;分布式優(yōu)化
0引言
微電網(wǎng)并網(wǎng)模式雙層分布式優(yōu)化調(diào)度是指通過雙層優(yōu)化模型協(xié)調(diào)微電源的輸出功率以及與主網(wǎng)交換的功率的控制管理,實現(xiàn)根據(jù)不可控微電源出力,、負(fù)荷水平以及電價等實時數(shù)據(jù),,動態(tài)分布式地調(diào)節(jié)可控微電源出力、與主網(wǎng)的交換功率,,使微電網(wǎng)安全,、高效,、可靠、經(jīng)濟地運行,。
文獻[1]提出了一種微電網(wǎng)實時能量優(yōu)化管理方法,,通過兩層優(yōu)化將日前優(yōu)化量與實時優(yōu)化量疊加,化解微電網(wǎng)中的實時波動,,但兩層均為集中式優(yōu)化,,計算任務(wù)由一個計算單元完成。文獻[2]提出一種考慮微電網(wǎng)通信拓?fù)涞奈㈦娋W(wǎng)邊際成本一致性算法,,該算法能分布式求解成本函數(shù)由二次函數(shù)表達的微電網(wǎng)經(jīng)濟優(yōu)化問題,,但沒有考慮不可控微電源和負(fù)荷等的實時波動影響。文獻[3]提出的微電網(wǎng)雙層協(xié)調(diào)優(yōu)化算法通過對儲能系數(shù)進行優(yōu)化,,避免了負(fù)荷波動可能造成的影響,,但未考慮通信拓?fù)渥兓瘯r的情況。
本文提出的微電網(wǎng)并網(wǎng)模式下的雙層優(yōu)化模型分為集中層和分布式層,。集中層是基于不可控電源出力,、負(fù)荷以及電價的短期預(yù)測數(shù)據(jù)的日前調(diào)度[45]。分布式層基于不可控電源出力,、負(fù)荷以及電價的實時數(shù)據(jù),,基于通信拓?fù)潢P(guān)系進行分布式計算,將計算任務(wù)調(diào)整為分布式進行,??梢詫崿F(xiàn)在日前調(diào)度基礎(chǔ)上做出快速調(diào)整,達到微電網(wǎng)安全穩(wěn)定運行[67],。
1優(yōu)化模型
1.1集中優(yōu)化層
微電網(wǎng)并網(wǎng)運行時集中層目標(biāo)函數(shù)為:
其中,,上標(biāo)t表示時段;P代表有功功率,;下標(biāo)DG,、S+、S-,、grid+和grid-分別表示可控微電源,、儲能充電和放電以及購電量與售電量;Q表示數(shù)量,;K表示微電源的維護成本,;c表示價格;C表示電價,;on表示微電源的啟停,;*表示微電源狀態(tài)的改變;F()表示微電源的發(fā)電成本函數(shù),;U表示狀態(tài)量,,取值為0和1,。式(2)~(4)分別表示T時段中可控微電源發(fā)電成本、儲能充放電成本以及向電網(wǎng)購售電成本總和,。
集中調(diào)度層需要滿足的約束條件:
?。?)功率平衡約束
PDG,i、PDG,i分別為每個DG單元的出力上限與下限,,rmaxi表示各單元最大爬坡率,。
(3)狀態(tài)約束
US++US-≤1(8)
Ugrid++Ugrid-≤1(9)
此約束表示同一時刻儲能狀態(tài)只能是充、放電中的一種,,同一時刻只能購電或者售電,。
PS≤PtS≤PS(10)
SOC≤SOCt≤SOC,SOC>0(11)
SOC為儲能單元的荷電狀態(tài)[8],。PS,、PS、SOC,、SOC分別表示儲能充放電功率上下限以及荷電狀態(tài)上下限,。
1.2分布式優(yōu)化層
將集中調(diào)度層優(yōu)化結(jié)果統(tǒng)一表示為PforecastMG,其中MG表示微電網(wǎng)中所有受調(diào)度的抽象節(jié)點,,包括可控微電源,、儲能單元以及與主網(wǎng)交換功率。forecast表示此值是集中層根據(jù)預(yù)測數(shù)據(jù)得出的預(yù)測調(diào)度值,。
實時調(diào)度時刻t到來時,,微網(wǎng)集控中心收集不可控電源的實時出力Pt,realtimeunctrl以及負(fù)荷的實時數(shù)據(jù)Pt,realtimeL,realtime上標(biāo)表示此值是實時數(shù)據(jù),。并根據(jù)實時網(wǎng)絡(luò)通信拓?fù)浯_定一個優(yōu)化起始節(jié)點,。根據(jù)實時數(shù)據(jù)與預(yù)測數(shù)據(jù)計算得該調(diào)度時刻的誤差,并在起始節(jié)點的預(yù)測出力值上加入誤差的量,。誤差ΔPt的計算公式為:
PtL,、Ptunctrl分別表示負(fù)荷與不可控微電源出力的預(yù)測值,。
誤差傳遞公式為:
*表示經(jīng)過誤差傳遞修改后的變量,。
從起始節(jié)點開始,對微電網(wǎng)各可控微電源組成的通信連通圖按某一遍歷順序進行遍歷,。將無向圖G=(V,,E)用于表示微電網(wǎng)某一時刻的網(wǎng)絡(luò)拓?fù)溥B接關(guān)系。其中V是一個由節(jié)點組成的有限非空集,,E是不帶權(quán)值的連接不同節(jié)點的邊的集合,,并且不存在自回路。記t時刻的微電網(wǎng)通信拓?fù)錈o向圖鄰接矩陣為At=[dtmn]QMG,,矩陣的維數(shù)QMG是微電網(wǎng)中所有調(diào)度節(jié)點的總數(shù),,dtmn取1表示m和n之間有鄰接關(guān)系,,取0則表示沒有。且若m=n,,則dtmn=0,。從起始節(jié)點開始遍歷,遍歷到的節(jié)點進行1次優(yōu)化計算,,即各節(jié)點遵循遍歷的先后順序經(jīng)行優(yōu)化計算,。分布式優(yōu)化層的目標(biāo)函數(shù)為:
FMG()代表微電網(wǎng)中任一參與調(diào)度的節(jié)點的成本函數(shù)。參與調(diào)度計算的節(jié)點完成一次優(yōu)化計算后,,Pt,forecast*MG,m和Pt,forecast*MG,n將被優(yōu)化結(jié)果替代,。在微電網(wǎng)中所有節(jié)點優(yōu)化完成后,判斷結(jié)果是否滿足收斂條件,。分布式調(diào)度層滿足的約束條件為:
該約束表示參與優(yōu)化的節(jié)點的優(yōu)化量總和在優(yōu)化前后不變,。其他約束條件與集中調(diào)度層的約束條件相同。
2算法流程
?。?)微網(wǎng)集控中心收集預(yù)測周期中所有時段t(t=1,2,3,...,T)的不可控微電源預(yù)測出力Ptunctrl,、預(yù)測負(fù)荷PtL以及預(yù)測購售電電價Ct。
?。?)微網(wǎng)集控中心根據(jù)預(yù)測信息,,以經(jīng)濟最優(yōu)為目標(biāo),按照式(1)~(4)的目標(biāo)函數(shù),,及式(5)~(11)的約束條件,,采用粒子群優(yōu)化算法[910]進行計算,得到整個預(yù)測周期中各個時段分布式電源預(yù)測出力PtDG,、儲能充放電功率PtS+和PtS-,,以及與外部電網(wǎng)電能交換的功率Ptgrid+和Ptgrid-。
?。?)初始化迭代次數(shù)k=1,,初始調(diào)度時刻t=1。
?。?)實時調(diào)度時刻到來時,,集控中心根據(jù)不可控電源實時出力Pt,realtimeunctrl、負(fù)荷實時數(shù)據(jù)Pt,realtimeL以及實時電價,,從選定的起始優(yōu)化節(jié)點,,按照式(12)計算得該調(diào)度時刻的誤差量ΔPt,并按式(13)在起始節(jié)點的預(yù)測出力值上加入誤差量,。
?。?)從起始節(jié)點開始,按對鄰接矩陣At的遍歷順序?qū)λ泄?jié)點進行遍歷,,每遍歷一個節(jié)點,,該節(jié)點就在約束條件下按照式(14)應(yīng)用粒子群優(yōu)化算法進行一次計算,。優(yōu)化目標(biāo)是自身與其相鄰節(jié)點的出力,并使用優(yōu)化結(jié)果代替預(yù)測量或者是上一次優(yōu)化計算的結(jié)果,。所有節(jié)點遍歷完成后進行收斂性判斷,,k=k+1。若未收斂,,且k小于最大迭代次數(shù)K,,重復(fù)步驟(5),否則轉(zhuǎn)步驟(6),。
?。?)將各可控微電源、儲能設(shè)備及購售電控制節(jié)點實時優(yōu)化結(jié)果PtMG做實時調(diào)整,,t=t+1,,判斷是否t≤T,若是則轉(zhuǎn)步驟(4),,否則結(jié)束,。
3算例仿真及分析
本文設(shè)計了三個算例,使用MATLAB仿真驗證了本文提出算法的有效性,。算例中假設(shè)儲能不參與調(diào)度,。一天分24個時段,三個算例中所用數(shù)據(jù)相同,。負(fù)荷曲線與風(fēng)光出力曲線如下圖1與圖2所示,,圖3為預(yù)測誤差影響量。圖1預(yù)測負(fù)荷與實時負(fù)荷圖2預(yù)測風(fēng)光出力與實時風(fēng)光出力圖3誤差量(1)算例1
算例1中微電網(wǎng)的結(jié)構(gòu)[1113]如下圖4所示,,其中,,該微電網(wǎng)由風(fēng)力發(fā)電機(WT)、光伏發(fā)電(PV),、儲能系統(tǒng)(Bat),、兩臺微型燃?xì)廨啓C(MT)、柴油發(fā)電機(DE),、燃料電池(FC)以及其他控制裝置組成,。受調(diào)度量以及其出力、爬坡率以及功率交換約束(如表1所示),,電網(wǎng)購電與售電上限均為100 kW,。
圖5算例1集中層優(yōu)化結(jié)果集中層計算結(jié)果如圖5所示,,可以看出,,使用粒子群算法解決包含多種形式成本函數(shù)的經(jīng)濟調(diào)度問題具有良好的效果。分布式調(diào)度按照圖6編號順序進行遍歷,。如圖7所示,,對比集中優(yōu)化結(jié)果與分布式優(yōu)化結(jié)果,,在不確定因素影響時,分布式算法通過數(shù)次迭代皆可以達到新的最優(yōu)解,。通過該算例算法的收斂性得到了驗證,。
通信拓?fù)鋱D圖7算例1分布式優(yōu)化結(jié)果(2)算例2
算例2與算例1不同之處是分布式優(yōu)化的通信拓?fù)溥B接關(guān)系發(fā)生了改變。算例2的通信拓?fù)淙鐖D8所示,。同樣選取節(jié)點1為分布式優(yōu)化的起始節(jié)點,。
圖9為算例2分布式優(yōu)化的結(jié)果,可以看出,,在改變了通信拓?fù)渲蠓植际絻?yōu)化的收斂性能受到了一定的影響,,DE的出力曲線有明顯的不穩(wěn)定。
通信拓?fù)鋱D圖9算例2分布式優(yōu)化結(jié)果(3)算例3
算例3中集中層的參數(shù)及設(shè)置都與算例1相同,,不同僅在于算例3在進行分布式優(yōu)化時在算例1的通信拓?fù)浠A(chǔ)上增加了一個節(jié)點,,即在微電網(wǎng)中增加一臺柴油發(fā)電機DE,模擬即插即用技術(shù)應(yīng)用于微電網(wǎng)中的場景,。所以算例3的集中層優(yōu)化結(jié)果與算例1相同,。改變之后的通信拓?fù)鋱D如圖10所示。新增發(fā)電機節(jié)點6與節(jié)點2和節(jié)點5相連,。
從圖11可以看出,,當(dāng)加入一臺DE,其立即參與到分布式優(yōu)化過程中,,并具有良好的收斂性,。從圖中三角曲線
通信拓?fù)鋱D圖11算例3分布式優(yōu)化結(jié)果可以看出,分布式優(yōu)化開始后,,新加入的節(jié)點6也開始工作,。
表2列出了三個算例中各時刻分布式優(yōu)化的迭代次數(shù)及成本。對比算例1和算例2的各時刻迭代次數(shù)及總次數(shù)可知,,同節(jié)點數(shù)的情況下,,拓?fù)鋱D的連通度對算法的優(yōu)化效率有較大影響,連通度越大,,優(yōu)化的速度越快,,反映出來的現(xiàn)象就是迭代次數(shù)更少,且目標(biāo)函數(shù)優(yōu)化效果更佳,。對比算例1與算例3,,可以證明本文提出的算法可以應(yīng)對通信拓?fù)涞膶崟r變化。
4結(jié)論
本文提出了一種可以應(yīng)對微電網(wǎng)不確定因素影響,,以及適應(yīng)微電網(wǎng)拓?fù)渥兓碾p層集中與分布式優(yōu)化算法,,并應(yīng)用粒子群智能算法對問題進行求解。通過三個仿真算例,驗證了粒子群算法具有良好的尋優(yōu)性能,,能在解空間中快速收斂,。并且雙層優(yōu)化算法可以化解不確定因素的影響,快速收斂到新的穩(wěn)定最優(yōu)解,,在拓?fù)浒l(fā)生改變時能快速應(yīng)對,。
參考文獻
[1] 李滿禮, 付蓉, 楊健. 微電網(wǎng)孤網(wǎng)實時能量優(yōu)化管理[J]. 微型機與應(yīng)用, 2014, 33(15):7679.
?。?] ZHANG Z, CHOW M Y. Convergence analysis of the incremental cost consensus algorithm under different communication network topologies in a smart grid[J]. IEEE Transactions on Power Systems, 2012, 27(4):1761 1768.
?。?] JIANG Q, XUE M, GENG G. Energy management of microgrid in gridconnected and standalone modes[J]. IEEE Transactions on Power Systems, 2013, 28(3):33803389.
[4] HUANG A Q, CROW M L, HEYDT G T, et al. The future renewable electric energy delivery and management (FREEDM) system: the energy internet[J]. Proceedings of the IEEE, 2011, 99(1):133148.
?。?] 周華鋒,,涂衛(wèi)平,劉皓明. 孤島運行方式下微網(wǎng)有功功率優(yōu)化策略研究[J].廣東電力,,2010,23(7):14.
?。?] LIN C E, VIVIANI G L. Hierarchical economic dispatch for piecewise quadratic cost functions[J]. Power Apparatus & Systems IEEE Transactions on, 1984, 103(6):11701175.
[7] WOOD A J, WOLLENBERG B F. Power generation, operation and control[M]. Wiley & Sons, 2013.
?。?] 丁明, 張穎媛, 茆美琴,等. 包含鈉硫電池儲能的微網(wǎng)系統(tǒng)經(jīng)濟運行優(yōu)化[J]. 中國電機工程學(xué)報, 2011, 31(4):714.
?。?] GAING Z L. Particle swarm optimization to solving the economic dispatch considering the generator constraints[J]. Power Systems IEEE Transactions on, 2003, 18(3):11871195.
[10] PARK J B, JEONG Y W, SHIN J R, et al. An improved particle swarm optimization for nonconvex economic dispatch problems[J]. IEEE Transactions on Power Systems, 2010, 25(1):156166.
?。?1] TSIKALAKIS A G,,HATZIARGYRIOU N D.Centralized control for optimizing microgrids operation[J].IEEE Trans.on Energy Conversion,2008,23(1):241248.
?。?2] BAKIRTZIS A, PETRIDIS V, KAZARLIS S. Genetic algorithm solution to the economic dispatch problem[J]. IEEE ProceedingsGeneration, Transmission and Distribution, 1994, 141(4):377382.
?。?3] CHEN C, DUAN S, CAI T, et al. Optimal allocation and economic analysis of energy storage system in microgrids[J]. Power Electronics IEEE Transactions on, 2011, 26(10):27622773.