摘要：為了解決傳統(tǒng)調(diào)度系統(tǒng)在調(diào)度過(guò)程中經(jīng)過(guò)較少的迭代次數(shù)就趨于收斂，容易使尋優(yōu)結(jié)果陷入局部極值，從而導(dǎo)致調(diào)度方案無(wú)法得到最優(yōu)的問(wèn)題，文中設(shè)計(jì)一種基于混合粒子群的風(fēng)?光互補(bǔ)多周期發(fā)電調(diào)度系統(tǒng)。系統(tǒng)的硬件沿用原有系統(tǒng)硬件，該文主要對(duì)軟件部分進(jìn)行詳細(xì)設(shè)計(jì)。首先根據(jù)風(fēng)?光互補(bǔ)多周期發(fā)電聯(lián)合運(yùn)行的結(jié)構(gòu)來(lái)建立風(fēng)場(chǎng)和光伏的數(shù)學(xué)模型，為調(diào)度過(guò)程提供理論基礎(chǔ)。然后對(duì)基于混合粒子群的調(diào)度算法進(jìn)一步優(yōu)化，通過(guò)分解基因片段并在節(jié)點(diǎn)之間進(jìn)行游歷，實(shí)現(xiàn)設(shè)計(jì)算法流程，從而得到一條種群最好的路徑。系統(tǒng)性能測(cè)試實(shí)驗(yàn)結(jié)果表明，在相同實(shí)驗(yàn)條件下，設(shè)計(jì)的系統(tǒng)得到的調(diào)度方案的投入維修成本與能量浪費(fèi)率均有所降低，說(shuō)明設(shè)計(jì)的調(diào)度系統(tǒng)具有一定有效性。

0 引 言

電力能源是促使我國(guó)經(jīng)濟(jì)飛速發(fā)展的重要能源，以煤炭等不可再生能源為主的發(fā)電方式不僅會(huì)造成環(huán)境問(wèn)題，而且不符合我國(guó)可持續(xù)發(fā)展的觀念，因此可再生能源的清潔成為現(xiàn)在與未來(lái)研究開(kāi)發(fā)的重要關(guān)注點(diǎn)[1?2]。目前，使用最多的可再生能源發(fā)電方法是風(fēng)力發(fā)電與光伏發(fā)電，這兩種發(fā)電方法在發(fā)電過(guò)程中對(duì)環(huán)境的污染非常小，但是也存在各自的不足之處。例如風(fēng)力發(fā)電與光伏發(fā)電都會(huì)隨著自然環(huán)境的變化而產(chǎn)生一定的間歇性和波動(dòng)性，因此需要對(duì)風(fēng)?光互補(bǔ)的多周期發(fā)電進(jìn)行調(diào)度，保證在發(fā)電過(guò)程中綜合考慮風(fēng)力發(fā)電與光伏發(fā)電的出力約束，通過(guò)調(diào)度系統(tǒng)的調(diào)節(jié)保證輸出的功率波動(dòng)性最小[3]。但是在傳統(tǒng)的調(diào)度系統(tǒng)中，過(guò)于追求調(diào)度算法的計(jì)算速度而使得尋優(yōu)過(guò)程中，經(jīng)過(guò)較少的迭代次數(shù)后就趨于收斂，導(dǎo)致尋優(yōu)結(jié)果陷入局部極值，調(diào)度方案無(wú)法最優(yōu)。因此，本文設(shè)計(jì)一種基于混合粒子群的風(fēng)?光互補(bǔ)多周期發(fā)電調(diào)度系統(tǒng)。

1 基于混合粒子群的風(fēng)?光互補(bǔ)多周期發(fā)電調(diào)度系統(tǒng)設(shè)計(jì)

在本文設(shè)計(jì)的系統(tǒng)中，主要分為硬件和軟件兩部分。硬件部分主要沿用原有系統(tǒng)的硬件部分，本文主要對(duì)軟件的調(diào)度方法方面進(jìn)行改進(jìn)，引入混合粒子群算法對(duì)調(diào)度算法進(jìn)行優(yōu)化。1.1 建立風(fēng)?光互補(bǔ)多周期發(fā)電數(shù)學(xué)模型由于太陽(yáng)在地球上的不均勻輻射導(dǎo)致出現(xiàn)溫度差，氣流壓力在這種溫度差的作用下產(chǎn)生一種壓力梯度，造成了地球表面的空氣流動(dòng)，從而產(chǎn)生風(fēng)能[4?5]。在調(diào)度系統(tǒng)中，一般會(huì)涉及到日前調(diào)度和日內(nèi)調(diào)度，這兩種調(diào)度主要依靠的就是短期預(yù)測(cè)。這種短期預(yù)測(cè)指的是提前0.16~24h對(duì)未來(lái)風(fēng)電場(chǎng)的發(fā)電有功功率進(jìn)行預(yù)報(bào)，當(dāng)預(yù)測(cè)時(shí)間越短時(shí)，預(yù)測(cè)結(jié)果越準(zhǔn)確[6?7]?？紤]到風(fēng)?光之間具有天然的時(shí)空互補(bǔ)特性，消納平抑風(fēng)電和光伏發(fā)電的隨機(jī)波動(dòng)，可以將其看作一個(gè)整體，如圖1所示。 風(fēng)速變化是影響風(fēng)電場(chǎng)輸出功率的主要因素，通過(guò)預(yù)測(cè)風(fēng)速能夠得到風(fēng)電場(chǎng)發(fā)電出力預(yù)測(cè)值。一般情況下在同一地點(diǎn)，海拔較低的情況下風(fēng)速較低，離地面越高風(fēng)速也會(huì)相應(yīng)變大。有功功率PW 隨風(fēng)速v的變化可以通過(guò)分段函數(shù)來(lái)體現(xiàn)：

式中：vin表示風(fēng)機(jī)的切入風(fēng)速；vo表示風(fēng)機(jī)的切出風(fēng)速；vr表示風(fēng)機(jī)的額定風(fēng)速；Pr表示風(fēng)機(jī)的額定輸出功率。 在光伏發(fā)電中，主要由太陽(yáng)能電池板、控制器和逆變器構(gòu)成能量采集與電力輸出的總體結(jié)構(gòu)。太陽(yáng)能光伏電池串并聯(lián)組合形成光伏電池陣列，是光伏發(fā)電中的核心結(jié)構(gòu)原件[8?9]。光伏陣列在放置的時(shí)候一般會(huì)根據(jù)太陽(yáng)的位置擺放不同的傾斜角度，目的是獲得更多的太陽(yáng)能輻射量。輻射量的計(jì)算公式為：

式中：G0表示太陽(yáng)能輻射量，單位為kW/m2；Gb表示水平面上直接接收到的太陽(yáng)能輻射量；kb表示傾斜面與水平面上直接接收到太陽(yáng)輻射量的比值；Gd表示水平面上散射出去的太陽(yáng)能輻射量；μ表示光伏陣列的傾斜角；ρ表示地表的反射率；Gh表示水平面上的總太陽(yáng)輻射量，在不同地表狀態(tài)下，反射率不同。太陽(yáng)能光伏電站所在的環(huán)境溫度和光照度決定了輸出功率[10?12]，在一定條件下，光伏陣列的輸出電流計(jì)算公式為：

式中:T表示環(huán)境溫度;G表示光照度;ISC表示電流;Iref表示標(biāo)準(zhǔn)參考條件下(溫度Tref為25 ℃,太陽(yáng)輻射量Gref為1 kW/m2)對(duì)應(yīng)的輸出電流;?參考光照度下電流變化溫度系數(shù);TC表示太陽(yáng)能光伏電池板表面溫度。同樣可以得到光伏陣列的電壓，如下： 式中：φ表示參考光照度下電壓變化的溫度系數(shù)；RS表示其中的串聯(lián)電阻阻值；Uref表示標(biāo)準(zhǔn)參考條件下對(duì)應(yīng)的輸出電壓。至此，完成風(fēng)?光互補(bǔ)多周期發(fā)電數(shù)學(xué)模型的建立。

1.2基于混合粒子群的調(diào)度算法優(yōu)化

為了有效地解決發(fā)電調(diào)度問(wèn)題，本文采用基于基因片段分解的混合粒子群算法來(lái)進(jìn)行最優(yōu)值求解。算法主要使用大量的粒子，通過(guò)迭代的過(guò)程來(lái)進(jìn)行尋優(yōu)。假設(shè)粒子的位置可以表示為Xi=[xi,1,xi,2,…,xi,n],將其分解為m個(gè)基因片段，如圖2所示。

圖2分解的基因片段中，每個(gè)基因片段中包含的粒子數(shù)可以根據(jù)實(shí)際情況進(jìn)行確定，對(duì)于數(shù)量的要求并不嚴(yán)格，可以相同也可以不同[13?14]。在進(jìn)行發(fā)電調(diào)度的過(guò)程中，可以將基因片段看作發(fā)電過(guò)程中的電流電壓變化節(jié)點(diǎn)，各個(gè)發(fā)電過(guò)程基因片段節(jié)點(diǎn)間的游歷可以看作調(diào)度問(wèn)題中各個(gè)節(jié)點(diǎn)間的游歷，過(guò)程如圖3所示。

在基因片段節(jié)點(diǎn)之間的游歷是為了從所有的路徑中選擇一條種群最好的路徑。在算法運(yùn)行前需要設(shè)定參數(shù)，主要包括混合粒子算法中的種群規(guī)模、迭代次數(shù)、啟發(fā)式因子以及信息素等重要參數(shù)，在完成參數(shù)設(shè)定之后，需要注意在混合粒子群算法中，混合粒子在基因片段間進(jìn)行游歷時(shí)，并不需要類似優(yōu)化問(wèn)題中記錄已經(jīng)游歷節(jié)點(diǎn)的禁忌表，同樣可以使混合粒子順利地將游歷過(guò)程度過(guò)完畢[15]。主要是因?yàn)樵谡{(diào)度優(yōu)化問(wèn)題中，各發(fā)電節(jié)點(diǎn)間的兩個(gè)方向都可以完成游歷過(guò)程，因此在調(diào)度優(yōu)化問(wèn)題中，任意兩個(gè)發(fā)電節(jié)點(diǎn)之間均存在一定的連接，且弧線是雙向聯(lián)通的。綜上，可以設(shè)計(jì)出本文基于混合粒子群的調(diào)度算法的流程如圖4所示。

在算法的優(yōu)化過(guò)程中，為了兼顧算法的效率和調(diào)度的質(zhì)量，將3~5個(gè)電流電壓節(jié)點(diǎn)作為一個(gè)基因片段，基因片段的轉(zhuǎn)移就是狀態(tài)的轉(zhuǎn)移。為了增加粒子多樣性，加入了基因片段內(nèi)部的交叉和變異。至此，完成基于混合粒子群的風(fēng)?光互補(bǔ)多周期發(fā)電調(diào)度系統(tǒng)的設(shè)計(jì)。

2 系統(tǒng)測(cè)試

2.1 算例參數(shù)概況

為了驗(yàn)證本文設(shè)計(jì)的系統(tǒng)具有一定的有效性，需要設(shè)計(jì)具體的系統(tǒng)測(cè)試過(guò)程，完成系統(tǒng)調(diào)度性能的測(cè)試。選擇某地區(qū)的7臺(tái)火電機(jī)組，風(fēng)電場(chǎng)、光伏電站的裝機(jī)總量分別為 350 MW，50MW，該地區(qū)1年內(nèi)月平均風(fēng)力分布特性參數(shù)如表 1所示。

表中：k表示W(wǎng)eibull分布模型的形狀參數(shù),k>0,能夠反映風(fēng)速分布特點(diǎn);c表示W(wǎng)eibull分布模型的尺度參數(shù),c>1,能夠反映該地區(qū)的平均風(fēng)速大小。k和c的計(jì)算公式如下：

式中:σ表示參考風(fēng)力強(qiáng)度下電流變化溫度系數(shù)；Γ 表示Gamma函數(shù)。日前預(yù)測(cè)風(fēng)電場(chǎng)和光伏電站出力情況如圖5所示。

本文所選擇的火電機(jī)組中,風(fēng)力發(fā)電機(jī)的額定功率為1000W,啟動(dòng)風(fēng)速為3m/s,額定風(fēng)速為 8m/s,經(jīng)過(guò)計(jì)算,維修費(fèi)率在0.0185元(/kW·h),發(fā)電機(jī)的單價(jià)為3700元；光伏電池板額定功率為300W，轉(zhuǎn)化率約為14%，溫度?功率系數(shù)為-(0.5±0.05)%/℃，維修費(fèi)率在0.007 9元(/kW·h),電池板單價(jià)為2430元。在多周期發(fā)電的系統(tǒng)中，負(fù)荷最大缺電率 LPSPmax 取0.05，系統(tǒng)最大能量浪費(fèi)率SPSPmax取0.25。

2.2 仿真算例結(jié)果分析

在Matlab仿真軟件中對(duì)采用傳統(tǒng)系統(tǒng)和本文設(shè)計(jì)的系統(tǒng)算法進(jìn)行仿真，設(shè)定種群規(guī)模大小為80，微粒的維數(shù)為35，最大迭代次數(shù)為500，慣性權(quán)重初始值ωstart為0.88，終止慣性權(quán)重ωend為0.37，標(biāo)準(zhǔn)學(xué)習(xí)因子取值為0.4。得到兩個(gè)系統(tǒng)的適應(yīng)度值隨著迭代次數(shù)的變化曲線，如圖6所示。

從圖中可看出，采用傳統(tǒng)系統(tǒng)的算法在迭代200次后趨于收斂，而采用本文系統(tǒng)的算法在迭代300次后趨于收斂，避免了過(guò)早地陷入局部極值中。根據(jù)目標(biāo)函數(shù)和約束條件以及各項(xiàng)參數(shù)進(jìn)行求解，得到的調(diào)度結(jié)果如表2所示。

從表2可以看出，經(jīng)過(guò)本文系統(tǒng)調(diào)度后，比傳統(tǒng)系統(tǒng)的調(diào)度結(jié)果的容量配置投入成本降低了7.9%，在滿足缺電率要求的情況下，傳統(tǒng)系統(tǒng)的調(diào)度結(jié)果維修成本也較高，能量浪費(fèi)率為28.74%，而本文系統(tǒng)的能量浪費(fèi)率為21.56%。綜上所述，本文設(shè)計(jì)的基于混合粒子群的風(fēng)?光互補(bǔ)多周期發(fā)電調(diào)度系統(tǒng)的調(diào)度尋優(yōu)能力更強(qiáng)，在對(duì)容量進(jìn)行配置的過(guò)程中更加合理，能夠充分利用風(fēng)?光的互補(bǔ)性，減少能源浪費(fèi)。

3 結(jié) 語(yǔ)

本文對(duì)風(fēng)?光互補(bǔ)多周期發(fā)電設(shè)備的數(shù)學(xué)模型以及調(diào)度系統(tǒng)進(jìn)行了深入的研究，以傳統(tǒng)調(diào)度系統(tǒng)中所存在的問(wèn)題為切入點(diǎn)，對(duì)系統(tǒng)的軟件部分進(jìn)行了詳細(xì)的設(shè)計(jì)。通過(guò)混合粒子群算法優(yōu)化調(diào)度決策變量值，經(jīng)仿真分析驗(yàn)證本文系統(tǒng)設(shè)計(jì)對(duì)于調(diào)度方案的優(yōu)化、減少投入成本和維修成本具有重要的意義。但是本文還存在很多不足之處，如在調(diào)度求解過(guò)程中目前還是僅限于直接求解，當(dāng)預(yù)想場(chǎng)景的分支比較多時(shí)，未考慮電網(wǎng)的安全約束，在后續(xù)的研究中需要逐步完善。

審核編輯 ：李倩