《基于改进遗传算法的微网能量管理模型.pdf》由会员分享，可在线阅读，更多相关《基于改进遗传算法的微网能量管理模型.pdf（6页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、2013 年4 月 电 工 技 术 学 报 Vol.28 No.4 第 28 卷第 4 期 TRANSACTIONS OF CHINA ELECTROTECHNICAL SOCIETY Apr.2013 基于改进遗传算法的微网能量管理模型 陈昌松 段善旭 蔡 涛 刘邦银（华中科技大学强电磁工程与新技术国家重点实验室 武汉 430074）摘要 提出了一种微网能量管理模型优化微网的运行。由于光伏系统的输出具有间歇性和随机性，因此采用发电预测模型的输出作为微网能量管理模型的输入进行规划光伏发电系统的输出；由于储能单元的充放电管理是一个涉及多时段的复杂规划问题，提出了能量平衡约束进行优化管理储能单元的
2、充放电；能量管理模型对储能单元与分布式电源统一建模，将储能智能管理、经济负荷分配、运行效益优化等多目标优化问题转化成为单目标优化问题进行求解；设计了两种运行策略，实现了微网在孤立和并网两种模式下的经济运行，采用改进的遗传算法进行求解。通过一个小型直流微网算例验证了所提模型和算法的有效性，算例结果表明该模型实现了微网的最优运行，相关结果可用于微网的经济效益评估。关键词：微网 能量管理 分布式电源 优化算法 能量平衡 发电预测 中图分类号：TM73 Microgrid Energy Management Model Based on Improved Genetic Arithmetic Chen
3、 Changsong Duan Shanxu Cai Tao Liu Bangyin（State Key Laboratory of Advanced Electromagnetic Engineering and Technology Huazhong University of Science and Technology Wuhan 430074 China）Abstract This paper presents a microgrid energy management model(MEMM)to optimize the operation of microgrids.As the
4、 energy output of photovoltaic(PV)system is intermittent and random,the output of power forecasting model is used as the input of MEMM.Because the charge and discharge management of energy storage system(ESS)is a complex planning issue that needs to be optimized across multiple-time steps,energy equ
5、ality constraint is applied to optimize operation strategies of ESS.The distributed generation(DG)and ESS are defined as belonging to one unified model in the MEMM so that smart management of ESS,economic load dispatch and operation optimization of distributed generation are simplified into a single
6、-object optimization problem.Two energy management strategies are designed for economic operation of microgrids under the stand-alone and grid-connection conditions and an improved genetic algorithm optimization module is proposed to achieve the two strategies.Application of the proposed energy mana
7、gement model on a small DC microgrid system shows the validity of the method and the computation results can be used to evaluate the economical performance of microgrids.Keywords：Microgrid,energy management,distributed generation,optimization algorithm,energy equality,power forecasting 国家重点基础研究发展计划（
8、973 项目）（2010CB227206），科技部 2010 年度公益性行业（气象）科研专项“太阳能预报技术研究”（GYHY201006036）和国家自然科学基金（50907027）资助项目。收稿日期 2011-12-07 改稿日期 2012-03-16 第 28 卷第 4 期 陈昌松等 基于改进遗传算法的微网能量管理模型 197 1 引言 微网是指由分布式电源、储能装置、能量转换装置、相关负荷和监控、保护装置汇集而成的小型发配电系统，是一个能够实现自我控制、保护和管理的自治系统。它对于分布式电源的有效利用及灵活、智能的控制特点，使其在解决环保问题和电能质量方面表现出极大潜能，已经受到世界各国
9、的普遍关注1-4。然而，微网中的分布式电源，如光伏发电系统和风力发电系统等，输出的电能随着气候条件和环境因素的变化而变化5-7，具有较强的随机性，不能保证供电的连续性。为此，微网中需要配置相应的分布式储能单元，如超级电容、蓄电池等，它们能够实现快速启停且启动费用可以忽略不计，但考虑到其充放电对储能单元寿命的影响，微网系统运行时还必须兼顾储能单元的充放电管理。目前国外已有相关文献报导微网能量管理的研究8-11。文献8提出了一种基于中央控制器分层控制的微网能量管理策略，分析了微网运行的两种市场政策。文献9提出了一种基于光伏电池、风力发电机和蓄电池的单相交流微网的能量管理策略，采用线性编程优化了系统
10、运行成本和蓄电池寿命。文献10提出了一种分布式电源用户侧模型。该模型将分布式发电的安装和运行成本等与电力部门的供电费用结构进行比较，讨论了微网的最优投资问题。随着微网研究的深入与成熟，微网的能量管理问题已成为国内外微网领域的一个研究热点。微网能量管理问题本质上是一个离散、非线性、多目标的组合优化问题。启发式算法只要求“接近”最优解，其得到的解缺乏数学意义上的最优性或只是局部最优解。传统的数学优化方法在解决此类问题时都受到计算复杂性问题的困扰。而遗传算法以其良好的鲁棒性、并行性、高效性等优点被广泛应用于求解大规模组合优化问题。本文针对微网系统的特点和能量管理对经济性要求，提出了一种基于改进遗传算
11、法的微网能量管理模型以实现微网的最优运行。采用预测模型预测光伏电池的发电量，解决了光伏电池的发电随机性对运行规划的影响；根据微网独立运行和并网运行的不同特征提出了不同能量管理策略，设计了两种不同的运行模式（独立模式和并网模式）；针对所提出的微网能量管理模型，采用改进的遗传算法进行求解。算例结果说明该模型能够优化分布式电源、储能单元、负荷和电网之间的能量流，实现微网对用户和电力部门经济效益的定量分析，可以为微网系统分布式电源的技术组合及其运行效益的经济评估提供参考。2 微网网络拓扑结构和能量管理模型 2.1 微网的网络拓扑结构 目前微网系统的网络拓扑主要分为三种，一种是直流微网，一种是交流微网，
12、还有一种是交直流微网。本文采用直流微网，结构如图 1 所示，其特征是系统中的分布式电源、储能装置、负荷等均通过电力电子变换装置连接至直流母线，直流网络再通过逆变装置连接至外部交流电网。直流微网通过电力电子变换装置可以向不同电压等级的交流、直流负荷提供电能，分布式电源和负荷的波动可由储能装置在直流侧补偿。图 1 直流微网的结构 Fig.1 Schematic diagram of DC microgrid 2.2 微网能量管理的数学模型 微网能量管理模型（Microgrid Energy Management Model，MEMM）作为微网优化控制中枢，通过采集分析负荷需求、分布式电源特性、电能
13、质量要求、电力价格以及用户请求等信息，分别为各个分布式电源的控制器设置功率和电压运行点。微网的经济性是微网吸引用户并能在电力系统中得以推广的关键所在。因此，微网能量管理的一个主要任务就是：在给定周期内综合考虑分布式电源预测发电量、储能单元预测剩余容量、电网电价信息和本地负荷需求，合理安排分布式电源和储能单元的启停和出力，使微网系统的总发电成本最小（或者经济利益最大）。2.2.1 目标函数（1）独立模型下：保证本地负载供电，并使微 198 电 工 技 术 学 报 2013 年 4 月 网总发电成本最小。DGGG11()()()()(1)TLiiiiiitiTu t Pt BtSu tu t SS
14、S1()()()()()(1)Mjjjjjjjut Pt BtSt utut（1）式中，SGi(t)为系统中第 i 个发电单元的启停成本；SSi(t)为第 j 个储能单元的启停成本；BGi(t)为第 i个发电单元在时段 t 的报价；BSj(t)为第 j 个储能单元在时段 t 的报价；BGRID(t)为电网实时电价；ui(t)为发电单元的开关机变量，ui(t)=1 表示发电单元开机，ui(t)=0 表示发电单元关闭，uj(t)=1 表示储能单元开机，uj(t)=0 表示储能单元关闭。（2）并网模型下：保证本地负载供电，并使微网经济效益最大。CGGG11SSS1()()()()(1)()()()(
15、)()(1)TLiiiiiitiMjjjjjjjTu t Pt BtSu tu tut Pt BtSt utut GRIDGRID()()Pt Bt （2）式中，BGRID(t)为电网实时电价。2.2.2 约束条件（1）功率平衡约束（独立和并网）GSL111LMNijkijkPPP （3）式中，PGi为系统中第 i 个分布式发电单元发出的功率，L 为系统中发电单元的个数；PSj为第 j 个储能单元吸收或发出的功率，M 为系统中储能单元的个数；PLk为第 k 个负荷需求的功率，N 为系统中负荷的个数。GSGRIDL111LMNijkijkPPPP （4）式中，PGRID为电网吸收或发出的功率，当
16、微网向电网输出功率时，GRID0P；当微网从电网吸收功率时，PGRID0。（2）发电能力约束 minmaxGGGminmaxSSS()()iiijjjPPtPPPtP （5）式中，minGiP、minSjP、maxGiP和maxSjP分别为系统中第i 个分布式电源发电单元和第j个储能单元的输出功率下限和输出功率上限。（3）光伏发电最大功率跟踪约束 MPPMPPPVPVPV()()()PtPtPt （6）式中，MPPPV()Pt为光伏发电单元在时段t的预测最大 功率输出。（4）储能能量平衡约束 SSSCSD()0,1,24()0,1,241()()jjjjPttPttPtPt Shourly()
17、0,1,24jPttWe （7）式中，hourlyW为储能单元的自放电；D为储能单元 的放电效率；C为储能单元的充电效率。（5）微网与主电网间能够允许交互的最大功率约束 minmaxGRIDGRIDGRID()PPtP （8）式中，minGRIDP和maxGRIDP分别为微网系统与大电网能量 交换的功率下限和功率上限。3 基于改进遗传算法的微网能量管理 3.1 编码 本文将要制定的微网发电计划作为遗传算法中的个体，采用实数矩阵形式对其进行编码。其具体形式为 T1212,ktTiNGXXXXR RRR 1,11,21,1,2,12,22,2,1,2,2,tTtTiii ti TN TNN tN
18、TCCCCCCCCCCCCCCCC （9）式中，Gk为遗传种群中的第k个体；Ci,t为编码矩阵中的第i行、第t列元素，含义为发电单元i在时段t中的发电量大小；Xt为编码矩阵中的第t个列向量，含义为时段t内发电单元间的负荷分配情况；Rt为编码矩阵中的第i个行向量，含义为发电单元i在发电计划的设定周期内的出力情况。第 28 卷第 4 期 陈昌松等 基于改进遗传算法的微网能量管理模型 199 发电单元的运行状态取决于矩阵中元素的具体取值，即根据机组在某时段中的出力大小来确定启停状态，具体表达式为,00()01 i ti tCu tC （10）3.2 基于“最优保留”的遗传算法 若采用完全随机生成初始
19、种群的方法，收敛速度会很慢，且不能很好地利用系统信息，而初始种群采用启发式搜索结果作为一个体，结合随机个体的生成，实验结果证明会明显地提高搜索效率。为了避免遗传算法中交叉、变异操作破坏种群中已选择好的的“优秀个体”，把适应值大的部分个体集中起来，形成直接遗传子群体，对其不进行交叉、变异的处理。而是与次子代的个体混合组成次子代初始化种群，从而提高了收敛速度。改进遗传算法的流程图如图 2 所示。图 2 改进遗传算法流程图 Fig.2 The flowchart of improved genetic algorithm 3.3 适度函数的选取 本文的适度函数采用如下形式：fitDeq1MiiAfT
20、P （11）式中，Peqi为储能单元违反能量平衡约束条件时的惩罚量；为惩罚乘子；A为正常数。4 算例分析 以一个主要由分布式电源构成的直流微网系统为例，应用改进的遗传算法对能量管理模型进行求解计算。系统中发电单元由微型燃气轮机（MT）、燃料电池（FC1 和 FC2）、光伏电池（PV）组成，储能单元由蓄电池储能系统（ESS）组成。计算中所用的主要数据见表 1表 4。表 2 为考虑环境效益后分布式电源的电量报价12；并网模式下，假定大电网是无穷大电源且不同的时段有不同的电力报价，微网与电网的电能交换不会影响电网的电力报价，电网的电量具体报价见表 3；假定本地负荷需求符合以往的规律，数据见表 4。表
21、 1 分布式电源的出力限制 Tab.1 The output limitations of DG 序号种类 功率下限/kW 功率上限/kW 启停成本/￥1 MT 6 30 0.96 2 FC1 3 30 1.65 3 FC2 2 20 1.25 4 PV 0 20 0 5 ESS-33.33 30 0 表 2 分布式电源的报价 Tab.2 The biding price of DG（单位：￥/kWh）时段MT FC1 FC2 PV 1 0.750 1.165 1.230 2 0.755 1.168 1.235 3 0.758 1.172 1.238 4 0.760 1.175 1.242 5
22、 0.765 1.175 1.250 6 0.768 1.180 1.255 7 0.770 1.180 1.260 8 0.777 1.185 1.268 0.593 9 0.785 1.195 1.282 0.598 10 0.790 1.198 1.303 0.605 11 0.816 1.205 1.315 0.610 12 0.820 1.200 1.320 0.616 13 0.809 1.195 1.309 0.602 14 0.805 1.190 1.305 0.595 15 0.810 1.193 1.310 0.590 16 0.820 1.198 1.315 0.585
23、17 0.830 1.212 1.325 0.598 18 0.834 1.215 1.335 0.605 19 0.826 1.220 1.341 20 0.810 1.215 1.325 21 0.785 1.200 1.308 22 0.775 1.190 1.295 23 0.765 1.185 1.285 24 0.760 1.175 1.275 200 电 工 技 术 学 报 2013 年 4 月 表 3 实时电价 Tab.3 The real-time prices of grid t 1 2 3 45 6 7 89101112131415161718 19 20 21 2223
24、24电价/(￥/kWh)0.23 0.19 0.14 0.12 0.12 0.20 0.23 0.38 1.50 4.0 4.0 4.0 1.50 4.0 2.0 1.95 0.6 0.41 0.35 0.43 1.27 0.54 0.30 0.26表 4 负荷需求 Tab.4 Load demands t 1 2 3 4 5 6 7 8 9101112131415161718 19 20 21 222324PL/kW 52 50 50 51 5663 70 75 76807874727276808588 90 87 78 716556 以能量管理系统数据库的历史数据和气象数据为参考，采用预测
25、模型对光伏电池的输出电能进行预测13，其预测输出按小时分为 24 个时段，预测数据如图 3 所示。得到预测数据后，采用改进的遗传算法求解模型的运行计划。图 3 光伏电池的预测输出 Fig.3 Forecasting output of PV system 独立模式：如图 4a 所示，当系统的负荷需求较小时（如 0：005：00），由报价较低的微型燃气轮机、燃料电池 1 给负荷供电，并且此时报价最低的微型燃气轮机所占的比例最大。当负荷逐渐增大时（如 6：007：00），报价较低的微型燃气轮机、燃料电池 1 已不能满足负荷需求，开启报价较高的燃料电池 2，但供电比例中依然是报价较低的比例越大。当光
26、伏电池开始供电时（如 8：0018：00），储能单元也随之启动，降低了光伏电池的发电随机性可能对系统稳定运行的造成影响。(a)独立模式 (b)并网模式 图 4 微网能量管理的优化计算结果 Fig.4 Typical operation results of MEMM 并网模式：如图 4b 所示，当电网电价BGRID(t)较低（如 0：007：00）时，发电成本较高的分布式电源处于关闭状态，微网从电网买入有功PGRID(t)满足负荷需求和储能单元；当电网电价由低变高和由高变低（如 6：008：00 和 23：0024：00）时，储能单元在充电时结合电网电价调整充电功率的大小；当电网电价BGRID
27、(t)较高（9：0016：00）时，微网系统在满足本地负荷需求的基础上，尽可能地向电网输出多余的电能。由计算可知：如果微网系统不采用能量管理策略，总供电成本为 2 127.3 元。采用能量管理策略后，独立模式下，微网总的供电成本为 2 006.83元；并网模式下，微网总的供电成本为 1 505.35元。这种能量管理对于大电网和微网用户都是有利的。对于大电网而言，在需求高峰时，电价较高，微网能够部分或者全部的满足其内部需求，并输送多余的电能给大电网，有助于减轻电网的阻塞，还缓和了高峰期间的电力供需矛盾。对于用户而言，能量管理模型考虑了实时电力价格、负荷需求和分布式电源报价，降低了用户的运行成本。
28、第 28 卷第 4 期 陈昌松等 基于改进遗传算法的微网能量管理模型 201 5 结论 微网的经济效益评估和量化是微网吸引力的最直接表现。微网能量管理模型的设计需要充分考虑微网的结构特点和运行控制方式：（1）基于微网结构及其特点，本文建立了基于改进遗传算法的微网能量管理模型，提出一种经济性优化方法实现微网的最优经济运行。该模型的优点为：设计的能量平衡算法使得储能单元可以和分布式电源进行统一建模，将储能智能管理、经济负荷分配、运行效益优化等问题转化成为单一优化问题进行求解，降低了算法的复杂度。（2）采用发电预测模型的输出作为参考安排光伏电池的运行计划，有效地解决了其发电的随机性问题对能量管理系统
29、的影响。（3）通过一个小型直流微网算例验证了所提模型和算法的有效性，说明了该模型能够实现微网在独立和并网两种模式下能量流的最优控制并量化微网对用户和电力部门的经济效益，并在算例中充分考虑到微网的特殊性，使其在保持对可再生能源充分利用的同时达到利润最大化。参考文献 1 Chung I,Liu W,Cartes D A,et al.Control methods of inverter-interfaced distributed generators in a microgrid systemJ.IEEE Transactions on Industry Applications,2010,46
30、(3):1078-1088.2 Xiarnay C,Asano H,Papathanassiou S,et al.Policymaking for microgridsJ.IEEE Transactions on Energy Conversion,2008,6(3):66-77.3 Sao C K,Lehn P W.Control and power management of converter fed microgridsJ.IEEE Transactions on Power Systems,2008,23(3):1088-1098.4 Katiraei F,Iravani R,Hat
31、ziargyriou N D,et al.Microgrids managementJ.IEEE Power and Energy Magazine,2008,6(3):54-65.5 Jewell W T,Unruh T D.Limits on cloud-induced fluctuation in photovoltaic generationJ.IEEE Transactions on Energy Conversion,1999,5(1):8-14.6 Mellit A,Pavan A M.A 24-h forecast of solar irradiance using artif
32、icial neural network:application for performance prediction of a grid-connected PV plant at Trieste,ItalyJ.Solar Energy,2010,84(8):807-821.7 Sera D,Teodorescu R,Hantschel J,et al.Optimized maximum power point tracker for Fast-Changing environmental conditionsJ.IEEE Transactions on Industrial Electro
33、nics,2008,55(7):2629-2637.8 Tsikalakis A G,Hatziargyriou N D.Centralized control for optimizing microgrids operationJ.IEEE Transactions on Energy Conversion,2008,23(1):241-248.9 Chakraborty S,Weiss M D,Simoes M G.Distributed intelligent energy management system for a single-phase high-frequency AC m
34、icrogridJ.IEEE Transactions on Industrial Electronics,2007,54(1):97-109.10 Marnay C,Venkataramanan G,Stadler M,et al.Optimal technology selection and operation of commercial-building microgridsJ.IEEE Transactions on Power Systems,2008,23(3):975-982.11 Bae In Su,Kim Jin O.Reliability evaluation of cu
35、stomers in a microgridJ.IEEE Transactions on Power Systems,2008,23(3):1416-1422.12 钱科军,袁越,石晓丹,等.分布式发电的环境效益分析J.中国电机工程学报,2008,28(29):11-15.Qian Kejun,Yuan Yue,Shi Xiaodan,et al.Environmental benefits analysis of distributed generationJ.Proceedings of the CSEE,2008,28(29):11-15 13 陈昌松,段善旭,殷进军.基于神经网路的光伏
36、阵列发电预测模型的设计J.电工技术学报,2009,24(9):153-158.Chen Changsong,Duan Shanxu,Yin Jinjun.Design of photovoltaic array power forecasting model based on neutral networkJ.Transactions of China Electrotechnical Society,2009,24(9):153-158.作者简介 陈昌松 男，1977 年生，博士，研究方向为新能源发电预测和能量管理技术。段善旭 男，1970 年生，教授，博士生导师，目前主要研究方向为新能源发电及电能质量控制。