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［45］。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［67］,。

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［910］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)［1113］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):7679.

　?。?］ 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 gridconnected and standalone modes［J］. IEEE Transactions on Power Systems, 2013, 28(3):33803389.

　　［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):133148.

　?。?］ 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）:14．

　?。?］ LIN C E, VIVIANI G L. Hierarchical economic dispatch for piecewise quadratic cost functions［J］. Power Apparatus & Systems IEEE Transactions on, 1984, 103(6):11701175.

　　［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):714.

　?。?］ GAING Z L. Particle swarm optimization to solving the economic dispatch considering the generator constraints［J］. Power Systems IEEE Transactions on, 2003, 18(3):11871195.

　　［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):156166.

　?。?1］ TSIKALAKIS A G,，HATZIARGYRIOU N D．Centralized control for optimizing microgrids operation［J］.IEEE Trans.on Energy Conversion，2008,23(1)：241248.

　?。?2］ BAKIRTZIS A, PETRIDIS V, KAZARLIS S. Genetic algorithm solution to the economic dispatch problem［J］. IEEE ProceedingsGeneration, Transmission and Distribution, 1994, 141(4):377382.

　?。?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):27622773.