基于改进粒子群算法的风储联合系统多目标协同调度.pdf

研 究 与 开 发 基于改进粒子群算法的风储联合系统 多 目标协同调度 代兵琪 王 哲 李春生 2 ( 1 青 岛大学自动化S - 程学院，山东 青岛 2 6 6 0 7 1 ；2 国网山东高密市供 电公 司，山东 高密 2 6 1 5 0 0) 摘要 为了平滑风电场输出功率的波动，提高风能的利用率，建立了以最小化风电出力波动 和最大化风电场发电效益为优化目标的风储联合系统多目 标调度模型。提出了基于虚拟理想粒子 的多目标改进粒子群算法 ( p a r t i cl e s w a m o p t i m i z a t io n a l g o r i t h m，P S O) ，并用该算法对模型进行了 求解。算例仿真结果表明，所提方法可以有效平抑风 电场输 出功率的波动和提高联合系统的发电 效益。 关键词：风力发电；多目 标协同调度；抽水蓄能；粒子群算法 Mu lt i- Ob j e ct iv e C o o r d in a t e d S ch e d u l in g o f Win d - s t o r a g e Hy b r id S y s t e m b a s e d o n I mo r o v e d P a r t icle S wa m Opt im iz a t io n Alg o r it hm DaiBi n gq il Wa n gZh e l Li Chu n s h e n g 2 ( 1 C o lle g e o f A u t o ma t io n E n g in e e r in g ， Q in g d a o Un iv e r s i t y , Qin g d a o ， S h a n d o n g 2 6 6 0 7 1 ； 2 Ga o mi E le ct r ic P o we r C o m p a n y , G a o mi， ， S h a n d o n g 2 6 1 5 0 0 ) Abs t r a ct To mit ig a t e t h e po we r fl u ct u a t io n o f win d f a r m a n d ma k e f u ll u t iliz a t i o n o f wi nd e ne r g y , a mu lt i- o b j e ct iv e co o r d in a t e d s ch e d u lin g mo d e l o f w in d - s t o r a g e h y b r id s y s t e m wi t h w in d p o we r a n d p umpe d wa t e r p o we r s t o r a ge is b uil t The s m o o t h n e s s o f t h e o u t p u t po we r a n d t h e ma x imu m b e n e fi t f r o m t h is s y s t e m a r e t a k e n a s t h e o p t imiz a t io n o b j e ct A v i r t u a l id e a l mo le cu la r b a s e d o n mu l t i o b j e ct i v e imp r o v e d p a rt icle s w a m o p t i miz a t io n a l g o r i t h m( P S O) is p r o p o s e d ， a n d t h e e s t a b lis h e d mo d e l is s o lv e d b y t h e p r o p o s e d a lg o r it h e mRe s u l t s o f ca lcu la t io n e x a mp le s h o w t h a t t h e o u tpu t fl u ct u a t io n o f wi n d s t o r a g e g e n e r a t io n ca n b e e f f e ct i v e ly s u p p r e s s e d a n d t h e in co me o f win d - s t o r a g e h y b r id s y s t e m ca n be in cr e a s e d Ke y wo r d s ：w in d p o we r g e n e r a t io n ； mu l t i- o b j e ct i v e co o r d in a t e d d is p a t ch in g ； p u mp e d w a t e r p o we r s t o r a g e ； pa rticle s wa m o pt i m i z a t io n a l go r it h m 近年来，随着全球化石能源的大量消耗，能源 枯竭和环境污染问题 日益突出，因此，风力发 电在 世界范围内得到了快速发展。然而，风能不同于常 规能源的是，其具有不确定性和间歇性的特 点，这 会使得风 电功率波动很大，给大规模风电并网带来 很大的挑战【 I 】 。因此 ，减小风 电场的输出功率波动， 提高风电场的发电效益显得尤为重要 。目前，国内 外使用储能装置调度风 电场运行的研究已经取得一 定成果。文献 2 采用单一电池储能方式，提出利用 超前控制策略，减小短期 内风电功率的波动。文献 2 2 l q lw l lt l l t 2 0 1 5 年 第 1 2 期 3 1 l J 用抽水蓄能装置风 电场的弃风 ，来获得风 电场 的效益最大化。文献 4 利用混合储能装置 ，通过设 计的控制器，可以合理控制储能元件的充放 电全过 程，有效平抑了风 电场的输出功率波动。 本文基于抽水蓄能 电站容量大的特点，给风 电 场配置一个小型抽水蓄能电站，建立了抽水蓄能与 风电场联合运行的多 目标协 同调度模型。采用基于 虚拟理想粒子的多 目标改进 P S O算法进行求解，计 算出一天 内各时段的抽水蓄能装置功率最优分配， 从而使风 电场输 出功率波动最小和发电效益最大。 1 多 目标调度数学模型 风电场与抽水蓄能联合系统运行原理图如图 1 所 示。当风能过剩时，可以利用多余的风能带动抽水蓄 能的水泵将下水库中的水抽到上水库中，把风能以水 的重力势能形式储存起来；当风能过小，不足以满足 电网负荷要求时，通过抽水蓄能的水轮机利用上水库 储存的水发电。这样，可以充分利用风能，降低风电 场输出功率的波动，达到削峰填谷的目的，同时，又 提高了风电场的发电效益。 电网 图 1 风储联合系统原理图 1 1 目标函数 为减小风 电场出力波动对 电网的影响和使风 电 场发 电效益最大，本文的 目标函数选取风电场出力 波动最小和风电场收益最大，把一天分为 2 4时段， 以 1 h为一个调度时段， 把每个调度时段中储能装置 的吸收和发出的功率作为优化变量。 1 )以风电场 出力波动最小为 目标函数，则有 1 ma x F l = 广 一( 1 ) ( P w ( t ) - P c ( t ) - P a y ) 2 4 t =l 式中，P w ( t )为 ， 时间窗口风电机组出力； ( 为 f 时 间窗口系统中储能装置吸收或发出的功率 ( 正值为吸 收功率，负值为发出功率 ) ；P 为风储系统吸收和发 出功率的平均值，可由式 ( 4 )求得： r 2 4 ， 尸 av = I ( (f ) 一 (f ) l 2 4 ( 2 ) Li= 1 J 2 )以最大化风电场发电效益为目标函数，则有 2 4 m a x F 2 = ( C t P w ( t ) + C tP h ( t ) ( f ) ) ( 3 ) t = l 式中，C f 为 t 时间的电价； 为吸收电能所需费用。 1 2 约束条件 1 )电网功率约束条件 P m i n ( f ) ( 4 ) 研 究 与开 发 式中，P 。 ( 为 t 时刻风电场输送至电网的功率，P i 和 分别为电网限制的最大和最小功率 。 2 )抽水蓄能约束条件 ( 1 )库 容 能量 平衡 方程 1 ) + e p ( ( 5 ) 式中，E c( t ) k J t 时刻抽蓄装置容量； ( f ) 为 t 时刻抽 蓄装置的抽水功率；P h ( t ) 为 t时刻抽蓄装置的发 电 功率 ；A t 为抽水或发 电时间。 和， 7 2 分别表示电能 转化为水的势能和水的势能转化为 电能的效率。 ( 2 )抽蓄装置功率和容量约束 ，分别为 Il l i 尸 p ( f ) a x P h I l 1i P h ( f ) P h a x mi ( f ) ( 6 ) ( 7 ) ( 8 ) 式中， ( 力 为 t时刻抽蓄装置的抽水功率；尸 h ( 为 t 时刻抽蓄装置的发电功率；臣( 力 为 f时刻抽蓄装置的 容量； 、 i 和 点 i 为相应变量的最小值， P h m 和 为相应变量的最大值。 2 模型求解方法 2 1 标准粒子群优化算法 在标准粒子群算法中，假设在D维搜索空间中， 有，个粒子以一定的速度飞行，粒子位置可表示为： X i=( X il， X i2 ， ， X i D )， 因 此 其 速 度 可 以 表 示 为 V i=( v i l， V i 2 ， ， ) 。每次迭代中，粒子将跟踪的两个 极值，一个是单个粒子所找到的最优位置 ，另一个 是整个粒子群的最优位置 ，粒子根据以上两个位置 来更新 自己的位置 ，其更新公式 为： = + q 48 一 ) +c2 ( 一 ) ( 9 ) 0o ) = + ,o v f ( 1 1 ) 式中， 为惯性权重系数，C 是粒子 自身加速系数； C 2 是全局加速系数； 和 是在 0 ， 1 区间的随机数； P是约束 因子 。 2 2 改进粒子群算法 基本粒子群算法在迭代进行到后期时会出现全 局搜索能力不足，效果较差的缺点，从而难以找到全 J 2 0 1 5 年 第1 2 期 鼍 1 I 麓纛l 2 3 ；ji 嵌 = = + + ， ， 【 研 究 与 开 发 局最优解 。 为了提高算法的性能，含时变加速系数的改进粒 子群算法对速度更新公式进行了改变，加入了新的迭 代量，速度更新公式如下。 = + C l U ( e 一 x h+ c2 ,7 ( 一 ) 十 c3 ( ， 一 ) ( 1 2) 式中， ， 为第k 次迭代中的最优解； 是 0 ，1 区问的随 机 数 ，加速系数根据下面 的公式进行更新 。 C 1 = C 1 + 譬 ( 1 3 ) m ax c2 = c2 111i + 粤 尼 ( 1 4 ) m C 3 =C 1 ( 1 一e x p ( 一 C 2 ) ) ( 1 5 ) 式中，C lm i n=C 2 =0 5，C 1 m a x =C 2 m a x =2， a x 为 最大迭代次数。 2 3 基于虚拟理想粒子的多目标改进粒子群算法 1 )算法基本原理 在多 目标优化问题中，最关键 的一步就是折衷 解 的选取 ，现有折衷解的求解方法是在事先得到的 帕累托最优集 中，根据实际需要进行选取 。为 了避 免复杂的比较 ，简化程序步骤，本文采用一种多 目 标改进粒子群算法 ，该算法构造 了一个虚拟的理想 粒子 ，其他粒子通过与该粒子的几何平均距离来判 断 自身位置的优劣，如图2 所示 。 图 2算法 基本原 理 图 2中将两个单 目标 函数分别求解，得到的最 大值 F 。 和 作 为理想粒 子的坐标 ，记为 P ( ， 一 ) 。由于 同时考虑 2个 目标时，相互之 间的约束条件不同，因此，点 尸是一个虚拟的点。 图 2中的坐标系被虚线划分成了 A BC D四个区域， 其中，区域 A是实际多 目标问题中，不可能优化到 的理想区域，而其他区域可以优化得到。如图 2所 示，取坐标系中的 5个经过优化得到的点，根据这 2 4 l嘲 | _l穰 2 0 1 5 l 1 2 1111 5个点与理想粒子点 尸的几何平均距离，可以看 出， 点 5 最优， 也就是实际问题中， 最终要选取的折衷解 。 在基于虚拟理想粒子的多目标改进 P S O中，虚 拟点 P作为优化 目标 ， 是粒子位置更新的评判标准， 它指引着新粒子无限地去靠近理想解 。该算法只需 适 当修正 目标函数，将多目标优化 问题简化为单 目 标优化问题 ，有效了程序的步骤。因此 ，基于虚拟 理想粒子的多目标改进粒子群算法的 目标函数可构 造 为 ma x F： ( 1 6 ) 2 )算法流程 基于虚拟理想粒子 的多目标改进粒子群算法 的 流程如图 3所示。 图 3 算法流程图 3 算例分析 本文以某装机容量为 1 2 MW 的风电场系统为 例 ，当风场的风况进入稳定期时，风场每天的风况 大体相似 ，风 电场的某 日出力情况如 图 4所示，假 定电网的限制功率为 3 MWP 8 MW，储能装置 初始储能 E 。( 1 )为 0 ，风力上网定价 由式 ( 1 7 )确 定。算法中，初始种群规模 取 4 0 ，迭代次数为 1 0 0代，其他参数设置见表 1 。 C t =5 4 0 元 MW h 1 t 8 ， 2 2 f 2 4I C t =1 0 3 8 4 元 MW h 8 t 2 2 ( 1 7 ) ： 0 2 5 c J 根据上述参数 ，运用改进粒子群算法求解该算 例，得到运行结果如图 5所示。 由图5 中的P a r e t o 解集可以得出，经过运行优化 后，联合风 电场输出功率方差的倒数随着风电场的 收益增大而减小，使两个 目标函数不能同时达到最 堇 篓 暴 蠢 善 时间m 图 4 风电出力曲线 表 1 模型参数设置 参数 数值 参数 数值 P 3 l 0 8 7 M W 3 O 8 5 E 瑚3 h 2 4 图 5 迭代 1 0 0次后的 P a r e t o解集 大。本文基于虚拟理想粒子的多 目标改进P S O 进行 优化时，公式 ( 1 6 )中的 一和 一 的取值如表2 所示 。 表 2 多目标 P S O优化时 和 取值 目标函数最大值 数值 F l m a x 1 3 1 3 1 0 5 元 m “ O- 3 2 6 M W 经过多目标改进 P S O算法优化后，风电场的收 益为 1 2 8 7 6 4元 ，比仅有风电场时的收益 1 2 4 8 7 0元 多 了 3 8 9 4元 。 风 电场在各时段的输出功率如图 6所示。可以 看 出联合优化运行后的输出功率的方差为 3 2 MW ， 远 小于 仅有风 电场 时输 出功率 的方差 6 6 MW 。 垂 蓁 耋 时间 h 图 6 风储联合系统运行后输出功率 研 究 与开 发 通过上述分析可以看出，风储联合运行 ，不仅 可以减小风电场输 出频率对风电出力波动的影响， 同时还使风 电场获得了更大的效益。 4 结论 本文提 出了基于改进粒子群算法 的风储联合系 统多 目标协 同调度模型。该模型以风电场输出功率 波动最小和发电效益最大为 目标 ，以储能装置的吸 收和输 出功率和容量为约束条件 。从算例结果可以 看 出，该模型有效平滑 了风 电场输出功率和增加 了 风 电场效益，提高了风 电利用率，为风电更大程度 地参与 电力系统调度提供了一个有效方案，同时， 也验证 了基于虚拟理想粒子的多 目标改进粒子群算 法解决优化问题的可行性和有效性。但是，该模型 未考虑风 电场风速预测技术，在后期工作中有待进 一 步 研究 。 参考文献 1 李蓓，郭剑波平抑风电功率的电池储能系统控制 策略 J 电网技术， 2 0 1 2 ，