1、微電網負荷優(yōu)化分配微電網負荷優(yōu)化分配作者：陳達威 朱桂萍 清華大學電力系統國家重點實驗室匯報人：*學號：*班級：*目錄頁目錄頁u一、摘要u二、引言u三、微電網負荷優(yōu)化分配的數學模型u四、優(yōu)化方法u五、算例分析u六、結語一、摘要一、摘要微電網因其發(fā)電形式多樣、供電方式靈活而成為大電網的有益補充，但微電網的很多基礎運行問題都與傳統大電網有所不同，需要專門加以研究。本論文研究了微電網的負荷優(yōu)化分配問題微電網的負荷優(yōu)化分配問題，即在即在滿足系統運行約束條件下優(yōu)化微電網中微電源的出滿足系統運行約束條件下優(yōu)化微電網中微電源的出力，使系統總發(fā)電成本最小。力，使系統總發(fā)電成本最小。分析建立了含有太陽能光伏發(fā)電

2、、小型燃氣輪機和儲能裝置的微電網負荷優(yōu)化分配問題的數學模型，介紹了基于粒子群優(yōu)粒子群優(yōu)化算法化算法的數值求解方法，并通過算例驗證了文中所提出方法的有效性。二、引言二、引言微電網是由分布式發(fā)電、負荷、儲能裝置及控制裝置構成的一個單一可控的獨立可控的獨立發(fā)電系統，它既可以與大電網聯網運行，也可以在大電網出現故障時與之斷開單獨運行。微電網因其環(huán)境友好環(huán)境友好、建設成本低等建設成本低等因素已經成為大電網的有益補充，得到越來越多的重視和研究。微電網的經濟性經濟性是其吸引用戶并能在電力系統中得以推廣的關鍵所在。微電網的經濟效益是多方面的，最重要的效益是能源的高效利用和環(huán)保以及個性化電能的安全、可靠、優(yōu)質供

3、應。相比于火力發(fā)電占主導的傳統大電網，微電網中大量應用了可再生資源，其環(huán)保效益非常突出。同時，根據用戶對電能二、引言二、引言供給的不同需求，對負荷進行分類和細化，能夠更有效地利用微電網中多樣化的電能供給，使微電網微電網系統運行經濟最優(yōu)系統運行經濟最優(yōu)。 微電網中的負荷優(yōu)化分配問題和大電網經濟負荷分微電網中的負荷優(yōu)化分配問題和大電網經濟負荷分配問題不同之處在于：配問題不同之處在于：1、與高壓輸電網相比，微電網的電壓等級較低，系統中輸電線的線路電阻起主導作用，線路損耗相對較大，不可忽略；2、與大電網中火電等傳統發(fā)電形式占主導地位不同，微電網中新能源發(fā)電所占比例很大，風力發(fā)電和光伏發(fā)電等可再生能源電

4、源通常工作于最大功率點跟最大功率點跟 蹤模式蹤模式，其輸 出功率受自然條件影響，不遵循人工調度；二、引言二、引言3、各種微電源的功耗特性與傳統火電發(fā)電機組有很大區(qū)別，不能簡單應用等效微增率原則等效微增率原則；在聯網模式和孤島模式轉換過程中，整個微電網的功率分布可能會發(fā)生非常大的變化。如果只考慮各個微電源自身的輸出特性對其進行控制，在整個系統的運行狀態(tài)發(fā)生變化時就難以最大限度地利用微電源的發(fā)電能力，還可能引起較大的額外線路損耗。因此，為了實現微電網的可靠、經濟運行，有因此，為了實現微電網的可靠、經濟運行，有必要根據系統運行情況動態(tài)地對微電網負荷在必要根據系統運行情況動態(tài)地對微電網負荷在各個微電源

5、間進行各個微電源間進行 分配分配 。三、負荷優(yōu)化分配數學模型三、負荷優(yōu)化分配數學模型1、目標函數 微電網負荷優(yōu)化分配問題的目標是在滿足系統運行約束條件下優(yōu)化微電網中微電源的出力使系統總運行成本達到最小，其數學模型為： TiNisellsellbuybuyiitPEtPEtPFF11)()()(minmin通常取值有24小時、1個月、1個季度、1年等。調度周期內總時段的選擇原則是：要保證在一個時段內，微電網內的功率分布基本維持不變，即滿足微電網輸出功率和負荷需求功率變化不大的前提條件。這樣分析計算時可以認為微電網處于穩(wěn)定狀態(tài)，不考慮其暫態(tài)過程。微電網負荷優(yōu)化分配問題在數學上可以歸納微電網負荷優(yōu)化

6、分配問題在數學上可以歸納為，使微電網中為，使微電網中N N個可調度的微電源和儲能裝個可調度的微電源和儲能裝置在置在T T個時間段里的總發(fā)電費用為最小個時間段里的總發(fā)電費用為最小三、負荷優(yōu)化分配數學模型三、負荷優(yōu)化分配數學模型耗量特性也就是指發(fā)電設備單位時間內能量輸入與輸出的關系柴油發(fā)電機的耗量特性在電力系統中負荷經濟分配中說過其中，微型燃氣輪機的工作效率隨著輸出功率的增大而上升三、負荷優(yōu)化分配數學模型三、負荷優(yōu)化分配數學模型2、約束條件可以基于MATPOWER工具包實現潮流計算四、優(yōu)化方法四、優(yōu)化方法通常我們需要采用一些優(yōu)化算法，并借助計算機軟件編寫優(yōu)化計算程序對所建立的數學模型進行求解。對于

7、連續(xù)和線性連續(xù)和線性等較簡單的問題，可以選擇一些經典算法，例如單純形法單純形法、梯度下降法等；而對于更復雜（非線性和離散非線性和離散）的問題，則可考慮用一些智能優(yōu)化算法，例如蟻群算法（ACO），模擬退火法（SA）、神經網絡算法、粒子群算法（粒子群算法（PSOPSO）、遺遺傳算法（傳算法（GAGA）等。四、優(yōu)化方法四、優(yōu)化方法遺傳算法（遺傳算法（GAGA）屬于進化算法( Evolutionary Algorithms) 的一種,它通過模仿自然界的選擇與遺傳的機理來尋找最優(yōu)解. 遺傳算法有三個基本算子:選擇、交叉和變異選擇、交叉和變異. 但是遺傳算法的編程實現比較復雜,首先需要對問題進行編碼,找到

8、最優(yōu)解之后還需要對問題進行解碼,另外三個算子的實現也有許多參數,如交叉率和變異率,并且這些參數的選擇嚴重影響解的品質,而目前這些參數的選擇大部分是依靠經驗依靠經驗。四、優(yōu)化方法四、優(yōu)化方法粒子群算法（粒子群算法（PSOPSO）粒子群算法(PSO)是一種進化計算技術(evolutionary computation), PSO同遺傳算法類似，是一種基于迭迭代代的優(yōu)化算法。系統初始化為一組隨機解，通過迭代搜尋最優(yōu)值。但是它沒有遺傳算法用的交叉(crossover)以及變異(mutation)，而是粒子在解空間粒子在解空間追隨最優(yōu)的粒子進行搜索追隨最優(yōu)的粒子進行搜索。同遺傳算法比較，PSO的優(yōu)勢在于簡單容易實現并且沒有許多參數需要調簡單容易實現并且沒有許多參數需要調整整。目前已廣泛應用于函數優(yōu)化，神經網絡訓練，模糊系統控制以及其他遺傳算法的應用領域。四、優(yōu)化方法四、優(yōu)化方法基于PSO具有并行處理、魯棒性好、簡單易實現、收斂速度快、依