一种独立微电网系统的容量优化配置方法及装置与流程

本发明属于微网能量优化调度领域，具体涉及一种独立微电网系统的容量优化配置方法及装置。

背景技术：

微网系统因其融合了多种分布式电源、负荷、储能装置，可以灵活地并网或离网运行，提高了分布式电源的利用率和负荷供电的可靠性而具备很大的发展潜力。其中，微网系统的经济优化运行研究是微网技术研究亟待解决的重要问题之一。

目前，对于微网的优化运行调度问题而言，不同的组网方式和不同的工作模式，会有不同的优化模型和约束条件限制。已有专利文献和研究工作也多以系统经济运行为目标来建立优化模型，并采用常用的非线性规划、智能算法如粒子群算法、遗传算法等对所建模型进行求解。但无论是非线性规划还是常用智能算法在求解过程中都存在各种各样的问题。例如，2016年3月《电源技术》期刊在研究与设计板块的名称为《基于风光互补的独立微网系统容量优化》的论文公开了以供电可靠性、风光互补、蓄电池充放电次数为约束条件，建立总投资最少为目标函数的经济型模型，采用遗传算法探讨系统中各个电源在给定调度策略下的最优容量配置问题，该方法在模型建立和求解算法方面具有一定的合理性，但存在约束条件处理不便、算法收敛速度慢等缺点。

由birbil博士提出的一种模拟带电粒子间超距离作用力原理的随机全局优化算法——仿电磁学算法，其原理简单，求解迅速，适合用于求解非凸非线性规划问题。

现有技术中，一篇发表在《电力系统保护与控制》期刊第44卷第8期的名称为《基于改进elm的风/光/柴/储独立微网分布式电源多目标容量优化配置》的论文公开了一种利用仿电磁学算法求解分布式电源的容量优化配置方法，该方法以系统供电可靠性作为约束条件，建立考虑微电网经济性、环保性和能源利用率的多目标优化模型，并采用自适应迭代步长、搜索空间缩减等措施改善仿真电磁学算法的收敛性，该方法在一定程度上能够保证算法的收敛性，但收敛速度不快，为了改善在迭代过程中陷入局部最优解这一问题，该方法引入了遗传算法的自适应变异思想。

技术实现要素：

本发明的目的是提供一种独立微电网系统的容量优化配置方法及装置，用于解决现有独立微电网系统中，建立以综合运行成本最低为目标的目标函数不合理的问题，解决通过建立多目标函数对微电网系统进行容量优化配置产生的求解复杂、计算量大的问题。

为解决上述技术问题，本发明提出一种独立微电网系统的容量优化配置方法，包括以下解决方案：

方法方案一，包括如下步骤：

建立以综合运行成本最低为目标的目标函数，综合运行成本包括发电机组的运行发电成本、运行维护成本、储能装置的维护成本和切除的不关键负荷功率所需的运行成本；目标函数的约束条件包括电能平衡状态约束、发电机组出力约束、储能装置充放电约束、性能评价指标约束，其中，性能评价指标约束包括供电可靠性的约束、风光互补特性的约束和风光发电利用率的约束；

采用仿电磁学算法对所述目标函数进行求解，获得最优解及其目标函数值。

方法方案二，在方法方案一的基础上，当利用所述仿电磁学算法在寻找最优解过程中出现求得的目标函数值不变时，利用各发电机组的最大出力、最小出力和本次迭代中最优解之间的距离来缩减搜索空间。

方法方案三，在方法方案一的基础上，所述风光发电利用率是发电机组的总输出功率占负荷的需求功率与储能装置充放电功率的和的比值。

方法方案四，在方法方案一的基础上，利用仿电磁学算法在每次迭代时的群体历史最优解，对所述仿电磁学算法中种群的移动公式进行修正。

方法方案五，在方法方案一的基础上，所述发电机组出力约束包括设定的上限值和下限值，其中，上限值是利用各发电机组的出力模型计算出各发电机组的最大允许出力功率得到的。

方法方案六，在方法方案五的基础上，采用仿电磁学算法对目标函数求解的过程包括以下子步骤：

s1、根据所述发电机组出力约束生成初始种群粒子，结合系统的优化调度策略判断储能装置的运行状态以及是否需要切除部分不关键负荷，并采用罚函数法将具有电能平衡状态约束条件的目标函数转化为无电能平衡状态约束条件的目标函数；

s2、求解无电能平衡状态约束条件的目标函数，计算种群中个体的目标函数值、个体电荷值及其总受力大小，获得当前种群的最优解；

s3、更新种群及其最优解，选择供电可靠性、风光互补特性和风光发电利用率满足设定的条件的最优解作为最优容量组合。

为解决上述技术问题，本发明还提出一种独立微电网系统的容量优化配置装置，包括以下解决方案：

装置方案一，包括：

模型建立单元：用于建立以综合运行成本最低为目标的目标函数，综合运行成本包括发电机组的运行发电成本、运行维护成本、储能装置的维护成本和切除的不关键负荷功率所需的运行成本；目标函数的约束条件包括电能平衡状态约束、发电机组出力约束、储能装置充放电约束、性能评价指标约束，其中，性能评价指标约束包括供电可靠性的约束、风光互补特性的约束和风光发电利用率的约束；

计算单元：用于采用仿电磁学算法对所述目标函数进行求解，获得最优解及其目标函数值。

装置方案二，在装置方案一的基础上，还包括缩减搜索空间单元：用于当利用所述仿电磁学算法在寻找最优解过程中出现求得的目标函数值不变时，利用各发电机组的最大出力、最小出力和本次迭代中最优解之间的距离来缩减搜索空间。

装置方案三，在装置方案一的基础上，所述风光发电利用率是发电机组的总输出功率占负荷的需求功率与储能装置充放电功率的和的比值。

装置方案四，在装置方案一的基础上，还包括用于利用仿电磁学算法在每次迭代时的群体历史最优解，对所述仿电磁学算法中种群的移动公式进行修正的单元。

本发明的有益效果是：根据独立微电网系统的供电可靠性、风光互补特性和风光发电利用率的约束条件，建立以综合运行成本最低为目标的目标函数，采用仿电磁学算法进行模型的求解，获得最终的最优解及目标函数值。本发明全面的考虑了发电机组的运行发电成本、运行维护成本、储能装置的维护成本和切除的不关键负荷功率所需的运行成本，只需建立单目标函数，就能充分反映独立微电网系统的容量配置模型，引入供电可靠性、风光互补特性和风光发电利用率这三个性能评价指标，保证微网系统的供电可靠性，降低系统中给储能装置配置的容量，提高微网系统的风光发电利用率，对于研究风光互补微网系统来说，更有利于求解风光利用率最大的容量优化配置方案。

本发明在不加重利用改进仿电磁学算法对所建模型进行求解的难度的前提下，利用粒子群算法的个体记忆和群体交流功能，记录种群历史最优解，并对种群移动公式进行修正，该方法求解速度快、计算方便，并避免了迭代过程中陷入局部最优解。

附图说明

图1是本发明实施例中的风/光/蓄独立微网系统的结构图；

图2是本发明实施例中的基于改进仿电磁学算法的风/光/蓄独立微网系统的优化运行方法流程图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步的说明。

本发明的一种独立微电网系统的容量优化配置方法的实施例：

本发明以由风/光/蓄构成的直流母线型的微网系统为例来阐述本发明的容量优化配置方法，如图1所示，系统中发电机组为风力发电、光伏发电，储能单元为蓄电池，用户负荷分为关键负荷和不关键负荷。

该系统的工作原理为所述光伏发电、风力发电和蓄电池分别经过相应的dc/dc、ac/dc、dc/dc变换器汇接至直流母线，再经过dc/ac逆变器可直接给负荷供电，也可经变压器馈入配电网。

本发明着意研究风/光/蓄微网系统在一天内的运行情况，在不同时段自然因素随机变化的条件下，依据风力发电、光伏发电的电能以及蓄电池的荷电量状态来选择最优风/光/蓄运行方案组合，以实时地跟踪负荷需求的变化，保证系统中能量的供需平衡，且可实现系统的运行成本最低。为此，提出了如下优化调度策略：

1)以最大化利用可再生能源为原则，优先利用风/光发电机组的出力电能来满足微网内部的负荷需求。

2)t时段，若风/光发电机组的出力电能之和大于负荷需求且蓄电池满荷电量状态，则考虑选择最优风/光发电机组组合投运，蓄电池不充放电。

3)t时段，若风/光发电机组的出力电能之和大于负荷需求且蓄电池不满荷电量状态，则考虑将多余的电能(多余的电能等于风/光发电机组的出力电能之和减去负荷需求)用于对蓄电池充电。此时，可分为三种情况考虑：①多余的电能刚好满足蓄电池可实现满荷电量状态的需求，则当前投运的风/光发电机组即为最优机组组合；②多余的电能全部用于为蓄电池充电，蓄电池的荷电量状态仍不能达到满荷电量状态，则当前投运的风/光发电机组即为最优机组组合；③未将全部的多余的电能为蓄电池充电，蓄电池即达到了满荷电量状态，则将蓄电池达到满荷电量时所需充电电量并入负荷所需，后选择最优风/光发电机组组合投运。

4)t时段，若风/光发电机组的出力电能之和小于负荷需求，则当前投运的风/光发电机组为最优机组组合。此时，可分为三种情况考虑：①蓄电池的荷电量状态低于最小荷电量限值时，考虑切除部分不关键负荷，充分为关键负荷供电；②电池的荷电量状态不低于最小荷电量限值时，由蓄电池放电，蓄电池放电至最小荷电量状态时仍不能完全满足负荷所需，则考虑切除部分不关键负荷；③蓄电池的荷电量状态不低于最小荷电量限值时，且蓄电池当前荷电量状态满足放电后负荷所需。

根据上述优化调度策略，建立以系统总运行成本最低为目标的容量配置优化模型，并引入用来评价系统运行性能的指标因素。目标函数为：

其中，c(t)为t时段系统综合运行成本；c1为发电机组的运行发电成本；c2为发电机组的运行维护成本；cb为蓄电池维护成本；cqfh为t时段切除的不关键负荷需求功率的惩罚成本；为t时段第i台机组的发电功率；为t时段单台蓄电池充放电功率的变化量，正值放电，负值充电；为t时段切除的不关键负荷功率；w为切除不关键负荷的惩罚系数；n为发电机组总数；i为机组编号；t＝24。

上述容量配置优化模型的相关约束条件包括电能平衡状态约束、发电机组出力约束、蓄电池充放电约束、性能评价指标约束。

其中，电能平衡状态约束为在忽略系统的电力电子器件损耗及网损的情况下，t时段内需要满足负荷所需

n＝a+b

式中，a、b分别为风力发电、光伏发电的机组数，n为发电的机组总数，为t时段内第i台风力发电的有功出力功率，为t时段内第j台光伏发电的有功出力功率，为t时段内单台蓄电池的功率变化。

发电机组出力约束为其中，pimin、pimax分别为第i台发电机组允许的最小、最大出力。

蓄电池的荷电量状态约束为其中蓄电池的荷电量状态变化为：

蓄电池充放电约束为其中，δ为蓄电池的自放电效率，0.01％/h；pbmin、pbmax分别为蓄电池的最小、最大充放电功率，ηc、ηd分别为蓄电池的充电、放电效率，均取为90％；为t时段蓄电池的荷电量；wbr为蓄电池额定容量；wbsocmin、wbsocmax分别为蓄电池最小、最大荷电量，此处，选择蓄电池初始容量为满荷电量的60％。

性能评价指标包括供电可靠性flpsp、风光互补特性dl和风光发电利用率τ，其中，供电可靠性flpsp用负荷缺电率(lossofpowersuppyprobability，lpsp)来表征系统供电可靠性，则t时段内的系统供电可靠性计算式为：

式中，n为风力发电机组和光伏发电机组的总数，为t时段内风力发电机组和光伏发电机组的输出功率，为t时段内负荷所需功率，为t时段内所述蓄电池的充放电功率；flpsp越小，供电可靠性越高，flpsp不超过其最大负荷可承受缺电率fmax，fmax取值为0.1％。

风光互补特性dl用t时段内风力发电机组与光伏发电机组的输出功率之和相对于负荷所需功率的波动率dl来表示，其计算式为：

上式中，dl不超过最大取值界限dlmax，dlmax可取1.5。dl越小，风力发电机组和光伏发电机组的输出功率之和的曲线与负荷曲线越接近，则说明风光互补特性越好。

风光发电利用率用t时段内风力发电机组与光伏发电机组的输出功率之和与负荷所需功率的比值τ来表示，其计算式为：

上式中，τ不大于1，且τ越大，风光发电利用率越高。

用于计算上述风力发电机组的输出功率的风力发电机组数学出力模型为：

式中，v(t)为t时段的实际风速(m/s)；vc为切入风速(m/s)；vf为切断风速(m/s)；vr为额定风速(m/s)；pr为对应不同风力发电机型号的额定功率(kw)。

用于计算上述光伏发电机组的输出功率的光伏发电机组数学出力模型为：

式中，η为光伏电池的转换效率(％)；ypv为光伏电池板额定容量(w)；it(t)为t时段光伏电池板所接受的辐射量(kw/m²)，随时间而变化；is＝1kw/m²，为标准测试条件(stc)下的辐照强度。

应用改进仿电磁学算法对上述容量配置优化模型进行求解，步骤为：

(1)输入风速、光照及负荷所需等信息参数；设置算法的种群规模为m，维数为n，最大迭代次数itermax，进化代数初始值k＝0等参数。

(2)设定风/光发电机组均工作在最大功率跟踪点状态下，利用所述的风电、光伏的出力模型，计算出各发电机组的最大允许出力功率。

(3)随机在各发电机组的最大、最小出力功率范围之间产生初始种群粒子xint；该范围为各发电机组的出力约束，即设定的上限值和下限值，下限值设为零，上限值利用各发电机组的出力模型计算出各发电机组的最大允许出力功率得到。

(4)根据前述的优化调度策略判断蓄电池运行状态以及是否需要切除部分不关键负荷，并引入罚函数法将具有电能平衡状态约束条件的容量配置模型，转化为无电能平衡状态约束条件的容量配置模型，计算种群中个体的评价函数值、个体电荷值及其总受力大小。

(5)利用改进后的粒子更新公式产生新种群，将新种群和上代种群的目标函数值进行比较，更新种群，并记下当前最优解xk,best。

(6)计算当前最优解时的flpsp、dl、τ，选择满足上述风光互补特性约束和供电可靠性约束的系统运行成本最小且风光利用率最高的风/光/蓄组合；令k＝k+1，判断算法迭代条件终止否，若没有转入步骤(3)重复迭代步骤，若已满足终止条件则输出最优解及其最终目标函数值，输出相应结果。

本发明采用的仿电磁学算法进行寻优过程涉及的种群的移动公式包括：

其中，

式中，n为粒子维数，即风光发电机组变量个数；m为种群中粒子总数，为第k次迭代中第i粒子的解向量；xk,best为第k次迭代中适应度函数最优的粒子，即第k次迭代的最优解；为第k次迭代中第i粒子的电荷值；为k次迭代中第i个粒子的合力；λ为权重因子，为[0，1]之间的随机数，直接反映了种群的移动程度；f()为粒子的适应度函数；该仿电磁学算法的寻优公式及寻优原理均为现有技术，具体见《基于改进elm的风/光/柴/储独立微网分布式电源多目标容量优化配置》的论文。

本发明采用动态迭代搜索法、缩减搜索空间法及全局记忆法对仿电磁学算法进行改进，具体步骤为：

p1)动态迭代搜索法

由于寻优公式λ是影响算法收敛精度和保证种群多样性的重要参数。选取合理的λ值有利于平衡算法的全局搜索能力和局部搜索能力，从而寻到最优的解。定义在算法迭代开始时，λ＝λmax；经过迭代过程，在算法结束时，λ＝λmin。λ的迭代公式为：

式中，iter、itermax分别代表当前和最大的迭代次数。

p2)缩减搜索空间法

为了加速算法求解的收敛性，在算法的迭代过程中，若目标函数值不变时，利用各发电机组的最大、最小出力和第k次迭代中最优解xk,best之间的距离来调整缩减搜索空间，从而加速算法的收敛。该策略的数学表示公式为：

式中，α为[01]之间的随机数。

p3)全局记忆法

为了防止算法在迭代过程中，陷入局部最优解。借鉴粒子群算法的个体记忆和群体交流功能，当仿电磁学算法达到第k次迭代时，群体历史最优解记为xk,gbest，对公式进行修正，修正为：

式中，λ1为取值在[01]之间的常数，r为[01]之间的随机数。

在本发明的的容量优化配置中，首先是遵循当前的自然环境条件，根据已有成熟的发电机组的数学模型计算当前各机组的最大出力功率。然后再初始化种群，利用仿电磁学算法进行求解。但是，求解的前提还要考虑本文所提出的优化调度策略，分情况判断是否需要蓄电池进行充放电，充放电对蓄电池荷电量状态的影响；同时将有约束的优化目标函数转化为无约束的优化目标函数进行求解。

本发明以最大化利用可再生能源和提高负荷需求满意度为原则，通过合理的优化调度策略，确定蓄电池充放电状态及投切负荷状态，建立以系统综合运行成本最低为目标的容量配置优化模型，利用改进仿电磁学算法对所建模型进行求解，选择最优的满足一定性能评价指标因素的风光蓄发电组合。并且，本发明采用动态迭代搜索法、缩减搜索空间法及全局记忆法改善仿电磁学算法的收敛性，加快收敛的同时，避免了陷入局部最优解的问题。

本发明的一种独立微电网系统的容量优化配置装置的实施例：

包括如下单元：

模型建立单元：用于建立以综合运行成本最低为目标的目标函数，综合运行成本包括发电机组的运行发电成本、运行维护成本、储能装置的维护成本和切除的不关键负荷功率所需的运行成本；目标函数的约束条件包括电能平衡状态约束、发电机组出力约束、储能装置充放电约束、性能评价指标约束，其中，性能评价指标约束包括供电可靠性的约束、风光互补特性的约束和风光发电利用率的约束。

计算单元：用于采用仿电磁学算法对所述目标函数进行求解，获得最优解及其目标函数值。

该装置还用于当利用仿电磁学算法在寻找最优解过程中出现求得的目标函数值的不变时，利用各发电机组的最大出力、最小出力和第k次迭代中最优解之间的距离来缩减搜索空间。

上述实施例中所指的独立微电网系统的容量优化配置装置，实际上是基于本发明方法流程的一种计算机解决方案，即一种软件构架，可以应用到独立微电网系统的控制器中，上述装置即为与方法流程相对应的处理进程。由于对上述方法的介绍已经足够清楚完整，故不再详细进行描述。