基于粒子群的列车车站风光储微网经济运行智能优化算法

一、研究背景

以风光储微网的经济运行为研究内容，制定微网及其储能装置的运行策略。考虑储能运行成本，建立微网经济运行的综合优化模型，并基于MATLAB编程实现粒子群优化算法。以一个实际风光储微网为研究对象，以各种典型天气情况的微网出力和负荷需求预测为研究背景，对储能装置的运行状态进行优化，得到微网优化运行结果。计算结果表明，针对风光储微网所提出的优化方法能够减小微网的综合运行费用，使微网运行的收益最大化。

二、储能装置运行成本模型

由于风、光出力的波动性以及联络线功率极限值的约束，风光储微网无论是在并网运行还是在主网故障转为孤岛运行时，都需要储能装置通过调节充放电功率来保证微网的稳定运行。

储能装置的充放电过程和频率对其使用寿命有直接的影响。减小充放电功率可以延长使用寿命，降低投资成本，但是对微网功率的调节作用减弱。而增加储能装置的充放电功率可以更好地根据电网时段电价差异调节微网功率，增加向电网卖电的收入，但是会降低储能的使用寿命，反而增加储能的投资成本，最终增加风光储系统的综合运行成本。

因此，风光储微网系统的经济运行不仅要考虑微网和主网交换功率产生的经济成本和收益，还需将储能装置在使用寿命方面表现出来的经济性纳入微网运行的综合经济成本中。本文采用的方法是将储能装置的投资成本折算到每一次充放电中，表示为充放电功率的函数。充放电功率越小，储能的使用寿命就越长，对投资成本的消耗就越小；反之，储能的使用寿命越短，对投资成本的消耗就越大。铅酸蓄电池技术成熟、价格便宜、储能容量较大，本文采用铅酸蓄电池作为储能装置。

储能装置资本回收系数的计算如下式所示：

根据蓄电池充放电电流计算得到的充放电功率与蓄电池的使用寿命有关，也就是影响对蓄电池投资成本的消耗，可以根据储能实际充放电功率计算储能装置投资成本折算到一天的成本。假设在每个ｔ时段内，储能的充放电功率维持恒定，投资成本折算到一天的成本由式表示：

三、微网经济运行优化模型

3.1目标函数

优化的目标是根据各时段电价差异和风、光、负荷的波动情况，在保证调度时段内微网自身负荷需求的基础上，优化各时段微网和主网的交换功率，即储能装置的充放电功率，使得微网整体综合运行费用最小。目标函数由两部分组成，一是微网同主网交换电量的费用Cr；另一组成部分是储能装置投资成本折算到一天的成本Cb。两者之和Cp就是微网一天的综合运行总费用，目标函数如下：

3.2约束条件

以微网综合运行费用最小为目标需要考虑的约束有功率平衡约束、发电能力约束以及储能装置的安全约束等，具体包括：

1.功率平衡等式约束

式中：PLK为微网系统中第k个负荷所需要的有功功率；N为微网系统中所有负荷的数量；PGi为微网中第i台分布式电源（风机或光伏）发出的有功功率，共有L个分布式电源；Ps为微网系统中储能单输出或者吸收的有功功率（放电为正，充电为负）；Pgrid为主网向微网系统的送电功率。

2.传输线交换功率安全约束

3.蓄电池的输出功率约束

4.蓄电池的输出功率约束

5.一天内储能装置充放电次数约束

四、算例分析

4.1微电网模型

下图为一个实际的风光储微网系统，交流母线额定电压为0.4kV，通过变压器接入电压等级为10kV的配电网。微网系统总负荷峰值为100kW，风力发电系统额定功率为100kW。太阳能电池选用100块200W的光伏组件，按每组25块组件串联，组成4个光伏阵列，总峰值功率为20kW。

本算例采用额定功率为20kW，额定容量为150kWh的铅酸蓄电池作为储能装置，蓄电池以及电池能量管理系统的总投资成本为130万，年运行小时数为8760h，使用寿命15a，年折旧率为6.3%，蓄电池的充放电功率不大于30kW，蓄电池剩余容量约束为20%≤SOC≤75%，一天充放电次数不超过10次。主网和微网之间的传输线双向最大输送15kW的有功功率。

4.2粒子群优化算法

根据以上所建立的优化模型，用Matlab语言编写粒子群优化算法，进行仿真。

粒子群参数设定

粒子总数P=40；粒子维数q由优化问题所决定，就是问题解的长度，本算例取24；学习因子c1=c2=2；最大迭代次数Kmax=1000；最大惯性权重wmax=0.95，最小惯性权重wmin=0.4；粒子速度最大值Vmax=5。

编程思路

1.以微网与电网的交换功率Pgrid为变量生成粒子，储能装置吸收或输出的功率Ps为总的交换功率减去粒子值。

2.初始化粒子群，随机产生每个粒子的位置和速度，规定最大迭代次数为1000；

3.根据适应度函数计算每个粒子的适应度值，不等式约束在适应度函数中体现；

4.记录并更新每个粒子的速度和位置；

5.满足计算精度或迭代次数达到1000时退出。

五、部分代码展示

5.1粒子群初始化

Max_Dt=1000; %搜索空间维数（未知数个数） D=72; %粒子个数500 N=500; w_max=0.90; w_min=0.4; v_max=2; s=1;

5.2主循环

for t=1:Max_Dt for i=1:N w=w_max-(w_max-w_min)*t/Max_Dt;%惯性权重更新 c1=(0.5-2.5)*t/Max_Dt+2.5; %认知 c2=(2.5-0.5)*t/Max_Dt+0.5; %社会认知 v(i,:)=w*v(i,:)+c1*rand()*(y(i,:)-x(i,:))+c2*rand()*(pg-x(i,:)); for m=1:72 if (v(i,m)>v_max) v(i,m)=v_max; elseif (v(i,m)<-v_max) v(i,m)=-v_max; end end x(i,:)=x(i,:)+v(i,:); end

六、仿真结果

微网负荷需求-电网出力-蓄电池出力-电价

本文建立了风光储微网系统的经济运行优化模型，基于粒子群算法编写优化程序，并以一个包含风力发电、光伏发电和铅酸蓄电池的微网系统为例，讨论了典型天气情况下微网经济运行优化的结果，通过与常规控制策略下得到的结果进行对比，说明本文提出的优化方法能够提高微网的经济性。此外，风光储微网系统容量的合理配置对于其经济安全运行有着重要意义，将对此展开进一步研究。

备注：欢迎私信交流！

今天的文章基于粒子群的列车车站风光储微网经济运行智能优化算法分享到此就结束了，感谢您的阅读。