方奇文， 劉海鵬， 王 蒙， 劉曉茜

(昆明理工大學(xué) 信息工程與自動(dòng)化學(xué)院， 云南 昆明 650500)

能源危機(jī)與環(huán)境污染問題日益嚴(yán)峻，國內(nèi)外都在大力開發(fā)和推廣新能源，其中風(fēng)能和太陽能資源豐富，分布范圍廣，污染小，具有巨大的發(fā)展?jié)摿烷_發(fā)價(jià)值。受地理環(huán)境、天氣及氣候等因素的影響，風(fēng)電和太陽能的輸出功率具有顯著的隨機(jī)性和波動(dòng)性，單獨(dú)使用風(fēng)能或太陽能發(fā)電的穩(wěn)定性較差且經(jīng)濟(jì)成本較高[1-2]。風(fēng)能與太陽能在時(shí)間與空間上存在著天然的互補(bǔ)性，風(fēng)光互補(bǔ)發(fā)電能夠減少電量供不應(yīng)求的情況，并且能有效利用和開發(fā)新能源。近年來，隨著國家政策的大力推進(jìn)，風(fēng)光儲(chǔ)互補(bǔ)發(fā)電系統(tǒng)得到了迅速的發(fā)展和廣泛應(yīng)用，研究系統(tǒng)中風(fēng)光儲(chǔ)3種出力裝置的容量優(yōu)化配置對于降低發(fā)電系統(tǒng)的投入費(fèi)用、提高供電可靠性具有重要的意義，這也成為在規(guī)劃建設(shè)風(fēng)光儲(chǔ)互補(bǔ)發(fā)電系統(tǒng)時(shí)的一個(gè)重要研究內(nèi)容[3-4]。

風(fēng)光儲(chǔ)互補(bǔ)發(fā)電系統(tǒng)的容量優(yōu)化配置可分為單目標(biāo)和多目標(biāo)優(yōu)化，優(yōu)化目標(biāo)主要有系統(tǒng)綜合投資成本、環(huán)境效益及系統(tǒng)的可靠性等[5-7]。單目標(biāo)優(yōu)化一般以系統(tǒng)的經(jīng)濟(jì)性指標(biāo)也就是成本最低為目標(biāo)，以反映系統(tǒng)可靠性的負(fù)荷缺電率、蓄電池的電荷容量、風(fēng)光儲(chǔ)容量的上下限作為約束條件，運(yùn)用優(yōu)化算法對系統(tǒng)容量配置進(jìn)行尋優(yōu)[8-9]。文獻(xiàn)[10]以CO2排放量最少為優(yōu)化目標(biāo)，以綜合成本、系統(tǒng)輸出功率波動(dòng)等為約束條件對系統(tǒng)的容量進(jìn)行優(yōu)化配置；文獻(xiàn)[11]以綜合成本最少為優(yōu)化目標(biāo)，污染物排放量、電池電量等為約束條件，利用遺傳算法進(jìn)行求解；文獻(xiàn)[12]以總投資最少為目標(biāo)函數(shù)，供電可靠性等為約束條件，采用改進(jìn)的細(xì)菌覓食算法求解容量優(yōu)化配置問題。多目標(biāo)優(yōu)化一般是將系統(tǒng)總成本和負(fù)荷缺電率作為主要優(yōu)化目標(biāo)，并結(jié)合其他約束條件從而得到最優(yōu)的風(fēng)力發(fā)電機(jī)組、光伏、儲(chǔ)能裝置的容量組合。文獻(xiàn)[13]以系統(tǒng)的穩(wěn)定性和經(jīng)濟(jì)性指標(biāo)為優(yōu)化目標(biāo)，環(huán)境污染物排放量為約束條件，采用免疫粒子群算法求解容量優(yōu)化配置問題。文獻(xiàn)[14]以CO2排放量以及安裝使用的總成本為優(yōu)化目標(biāo)對系統(tǒng)的容量優(yōu)化配置問題進(jìn)行求解。多目標(biāo)優(yōu)化比單目標(biāo)優(yōu)化在具體程序?qū)崿F(xiàn)上較為復(fù)雜，因此大部分關(guān)于容量優(yōu)化配置的研究仍然是偏向于采用單目標(biāo)優(yōu)化方式來進(jìn)行的。

本文針對離網(wǎng)型的風(fēng)光儲(chǔ)互補(bǔ)發(fā)電系統(tǒng)，構(gòu)建風(fēng)光儲(chǔ)互補(bǔ)發(fā)電系統(tǒng)的風(fēng)力發(fā)電機(jī)組、光伏電池、蓄電池的輸出功率數(shù)學(xué)模型，以總投入費(fèi)用最低為目標(biāo)的目標(biāo)函數(shù)構(gòu)成，以負(fù)荷缺電量、蓄電池電荷容量等因素作為約束條件，采用無限折疊迭代映射(ICMIC)[15]初始化種群位置，設(shè)計(jì)一種精英保留增強(qiáng)策略改進(jìn)離散粒子群算法(PSO)算法求解目標(biāo)函數(shù)以獲得系統(tǒng)的風(fēng)力發(fā)電機(jī)組、光伏電池、蓄電池的容量最優(yōu)配置。最后，通過例證，根據(jù)該地區(qū)風(fēng)速、太陽能輻射強(qiáng)度等氣象條件，以人口用電為負(fù)載，利用MATLAB進(jìn)行仿真和計(jì)算，驗(yàn)證改進(jìn)離散PSO算法的尋優(yōu)效果。

1 風(fēng)光儲(chǔ)互補(bǔ)發(fā)電系統(tǒng)的出力模型和容量優(yōu)化模型

1.1 離網(wǎng)型風(fēng)光儲(chǔ)互補(bǔ)發(fā)電系統(tǒng)的結(jié)構(gòu)

離網(wǎng)型風(fēng)光儲(chǔ)互補(bǔ)發(fā)電系統(tǒng)的結(jié)構(gòu)示意圖如圖1所示，主要由風(fēng)力發(fā)電機(jī)組、光伏電池板、蓄電池組、整流器、控制器和逆變器等裝置組成。

圖1 離網(wǎng)型風(fēng)光儲(chǔ)互補(bǔ)發(fā)電系統(tǒng)的結(jié)構(gòu)示意圖

該系統(tǒng)包含3種出力單元，分別為風(fēng)力、光伏發(fā)電單元和儲(chǔ)能裝置，在該系統(tǒng)內(nèi)，這3種出力單元分別對應(yīng)圖1中的風(fēng)力發(fā)電機(jī)組、光伏電池板和蓄電池組。其中，風(fēng)力發(fā)電機(jī)組和光伏電池是該系統(tǒng)主要的出力裝置，蓄電池組是輔助出力裝置[16]。

風(fēng)電機(jī)組把風(fēng)能轉(zhuǎn)換成電能，并通過最大功率點(diǎn)追蹤(Maximum Power Point Tracking，MPPT)控制器控制其以最大功率點(diǎn)輸出到直流總線[17]；光伏電池把太陽能轉(zhuǎn)換成電能，并通過光伏MPPT控制器傳輸?shù)街绷髂妇€[18]；蓄電池組通過儲(chǔ)能系統(tǒng)能量管理控制器對其進(jìn)行充放電[19]。當(dāng)風(fēng)、光的輸出電量在滿足負(fù)載用電需要后仍有剩余時(shí)，保存剩下的電能，減少能源的浪費(fèi)，當(dāng)風(fēng)、光的輸出電量無法滿足用電需要時(shí)，釋放內(nèi)部存儲(chǔ)的電能以補(bǔ)充出力，使發(fā)電系統(tǒng)能更好地滿足負(fù)載用電需求，提高系統(tǒng)的供電可靠性；直流母線上的電壓可通過DC/AC逆變器轉(zhuǎn)換為交流電對交流負(fù)載供電[20]。

1.2 風(fēng)力發(fā)電機(jī)組出力模型

風(fēng)力發(fā)電機(jī)組的輸出功率與風(fēng)速有密切關(guān)系，其輸出功率隨風(fēng)速變化的式子也就是風(fēng)力發(fā)電機(jī)組出力模型：

(1)

式中v為風(fēng)力發(fā)電機(jī)組的風(fēng)速，vci、vco、vr分別為風(fēng)力發(fā)電機(jī)組的切入風(fēng)速、切出風(fēng)速和額定風(fēng)速，單位均為m/s；PW指風(fēng)力發(fā)電機(jī)組在風(fēng)速為v時(shí)對應(yīng)的輸出功率；Pr為風(fēng)力發(fā)電機(jī)組本身的額定功率。

1.3 光伏電池出力模型

光伏電池利用半導(dǎo)體的光伏效應(yīng)發(fā)電[21]。由于本文只關(guān)注光伏電池輸出功率的計(jì)算，所以在選擇模型時(shí)，可以不糾結(jié)于電池內(nèi)部詳細(xì)的工作原理，只關(guān)注影響輸出功率大小的因素，將其作為模型中的一部分，從而得到簡化的光伏電池輸出功率模型[22]：

(2)

式中Ppv為某一時(shí)刻光伏的實(shí)際輸出功率；PSTC為標(biāo)準(zhǔn)測試環(huán)境下光伏電池的最大輸出功率；GAC為某時(shí)刻光伏電池所處環(huán)境的實(shí)際太陽光照射強(qiáng)度；GSTC為標(biāo)準(zhǔn)測試條件下的太陽光照射強(qiáng)度，單位為kW/m2；k為功率溫度系數(shù)，反映的是溫度的改變對光伏電池的電能輸出等各方面性能會(huì)造成的影響，在本課題的算例中，k的值為-0.004 7/K；Tc為光伏電池所在環(huán)境的實(shí)際溫度；TSTC為標(biāo)準(zhǔn)測試環(huán)境下的溫度，為25 ℃。

1.4 蓄電池出力模型

蓄電池作為儲(chǔ)能裝置，在充電時(shí)，會(huì)將風(fēng)光發(fā)出的多余電能轉(zhuǎn)換為化學(xué)能，保存在蓄電池內(nèi)部，在放電時(shí)，它會(huì)將內(nèi)部存儲(chǔ)的化學(xué)能轉(zhuǎn)換為電能并輸出，為負(fù)荷補(bǔ)充供電。蓄電池內(nèi)部的電荷容量狀態(tài)用荷電狀態(tài)[23](State Of Charge，SOC)表示，它是蓄電池一個(gè)重要的狀態(tài)參數(shù)指標(biāo)。荷電狀態(tài)的定義：蓄電池在某時(shí)刻內(nèi)部存儲(chǔ)的電荷容量與其完全充滿電時(shí)的電荷容量的比值。在研究蓄電池的出力模型時(shí)，一般通過該狀態(tài)參數(shù)來進(jìn)行求取，蓄電池在某一時(shí)刻t的充放電功率一般與t-1時(shí)刻的SOC和t時(shí)刻的SOC有關(guān)。充電時(shí)，蓄電池的出力模型也就是充電功率表達(dá)式為

(3)

放電時(shí)，蓄電池的放電功率表達(dá)式為

(4)

式中Pc(t)、Pd(t)分別是蓄電池的充電、放電功率，SOC(t-1)和SOC(t)分別是蓄電池在t-1和t時(shí)刻的荷電狀態(tài)，δ為蓄電池的自放電速率(%/h)，ηc、ηd分別為蓄電池的充電效率和放電效率，Eb為蓄電池額定容量(A·h)，Δt為采樣周期。

2 發(fā)電系統(tǒng)容量優(yōu)化模型

2.1 目標(biāo)函數(shù)

發(fā)電系統(tǒng)的優(yōu)化目標(biāo)確定：在滿足負(fù)荷需求用電量的基礎(chǔ)上使風(fēng)光儲(chǔ)互補(bǔ)發(fā)電系統(tǒng)的總投入費(fèi)用最小。發(fā)電系統(tǒng)在建立、運(yùn)行、維護(hù)過程中產(chǎn)生的費(fèi)用主要包括兩部分：購買裝置所需要的費(fèi)用、所有裝置的運(yùn)行維護(hù)所需的費(fèi)用。下面首先說明這兩部分費(fèi)用的計(jì)算公式，購買裝置所需費(fèi)用為

Co=Nwpw+Npvppv+Nbpb,

(5)

其中Co表示發(fā)電系統(tǒng)購買裝置需要的總費(fèi)用(元)，Nw、Npv、Nb分別表示系統(tǒng)中風(fēng)力發(fā)電機(jī)組、光伏電池、蓄電池的裝機(jī)容量，pw、ppv、pb分別表示這3種出力裝置的單價(jià)。

系統(tǒng)中所有裝置的運(yùn)行維護(hù)費(fèi)用為

(6)

式中t表示某一采樣時(shí)刻，Cr表示系統(tǒng)中所有裝置的運(yùn)行維護(hù)費(fèi)用(元)，Ni分別表示風(fēng)力發(fā)電機(jī)組、光伏電池、蓄電池的裝機(jī)容量，ki分別表示3種出力裝置的維護(hù)成本系數(shù)(元/(kW·h))，pi(t)分別表示這3種出力裝置在t時(shí)刻的運(yùn)行功率(kW)，Δt為采樣周期。

綜上，系統(tǒng)的總投入費(fèi)用表達(dá)式為

C=Co+Cr,

(7)

系統(tǒng)的目標(biāo)函數(shù)為

minC=min(Co+Cr)。

(8)

2.2 約束條件

(1) 功率平衡約束。風(fēng)光儲(chǔ)互補(bǔ)發(fā)電系統(tǒng)的等式約束條件為系統(tǒng)的功率平衡約束，即每一時(shí)刻發(fā)電系統(tǒng)中風(fēng)力發(fā)電機(jī)組、光伏電池各自的輸出功率和蓄電池組的充/放電功率之和應(yīng)該等于此時(shí)負(fù)載消耗的總功率，功率平衡約束條件為

Pl(t)=Pw(t)+Ppv(t)+Pb(t),

(9)

其中Pl(t)為t時(shí)刻負(fù)載消耗的總功率，Pw(t)、Ppv(t)分別為t時(shí)刻風(fēng)力發(fā)電機(jī)、光伏電池的輸出功率，Pb(t)為蓄電池組的充放電功率(當(dāng)Pb(t)>0時(shí)，表示蓄電池在放電；當(dāng)Pb(t)<0時(shí)，表示蓄電池在充電)。

(2) 3種出力裝置的數(shù)量約束。即風(fēng)力發(fā)電機(jī)組、光伏電池、蓄電池各自的數(shù)量會(huì)有一定限制，因?yàn)樵趯?shí)際的工程設(shè)計(jì)中，考慮到購買成本、廠商供應(yīng)情況、實(shí)際安裝場地的面積等因素，每種裝置的數(shù)量都不可能是無限增加或減少的，都會(huì)受到一定的上下限約束，從而使得設(shè)計(jì)出的風(fēng)光儲(chǔ)互補(bǔ)發(fā)電系統(tǒng)更符合實(shí)際情況，更具有現(xiàn)實(shí)的意義與價(jià)值。該約束條件可表示為

(10)

其中Nw、Npv、Nb分別表示系統(tǒng)中風(fēng)力發(fā)電機(jī)組、光伏電池、蓄電池的裝機(jī)容量，Nw max、Npv max、Nb max分別為3種裝置各自的最大裝機(jī)容量，Nw min、Npv min、Nb min分別為各自的最小裝機(jī)容量，在沒有特別說明和要求的情況下，3種裝置的最小裝機(jī)容量一般都取零。

(3) 蓄電池的容量約束。蓄電池在實(shí)際充電或放電時(shí)，需要受到其內(nèi)部電荷容量的約束，否則，會(huì)對蓄電池本身造成一定的損害，縮短其使用壽命，嚴(yán)重時(shí)蓄電池會(huì)直接損壞，無法再繼續(xù)使用。蓄電池內(nèi)部的容量狀態(tài)用荷電狀態(tài)SOC來進(jìn)行表示，蓄電池的容量約束描述為：蓄電池在每一時(shí)刻的荷電狀態(tài)值都必須要滿足荷電狀態(tài)的上下限限制，表達(dá)式為

SOCmin≤SOC(t)≤SOCmax,

(11)

其中SOCmin指蓄電池放電完全時(shí)蓄電池的電荷容量，SOCmax指蓄電池充滿電時(shí)的電荷容量，SOCmin和SOCmax一般取0.1和0.9。

2.原分類所得稅制下，不同所得項(xiàng)目在納稅時(shí)適用的稅率和費(fèi)用扣除標(biāo)準(zhǔn)不同，其稅負(fù)水平也不同。在綜合所得合并征稅的制度下，對納稅人取得的收入，匯總后采用相同的稅率和費(fèi)用扣除標(biāo)準(zhǔn)予以計(jì)稅。此時(shí)，無論納稅人的所得來源于何種渠道，都應(yīng)按照相同的稅率以及費(fèi)用扣除標(biāo)準(zhǔn)計(jì)算納稅，其稅負(fù)不會(huì)因所得來源渠道不同而產(chǎn)生差異。

(4) 負(fù)荷缺電率約束。負(fù)荷缺電率(Loss of Power Supply Probability,LPSP)是在發(fā)電系統(tǒng)的一個(gè)重要運(yùn)行指標(biāo)，它反映了一個(gè)發(fā)電系統(tǒng)是否能夠很好地滿足負(fù)荷的用電需要。發(fā)電系統(tǒng)不能滿足負(fù)荷需求的電量與負(fù)荷總的需求電量的比值被稱為負(fù)荷缺電率LPSP[24]，其表達(dá)式為

(12)

其中n為給定時(shí)間段內(nèi)選取的采樣點(diǎn)總數(shù)，m為給定時(shí)間段內(nèi)系統(tǒng)不能滿足負(fù)荷功率需求的采樣點(diǎn)個(gè)數(shù)。

負(fù)荷缺電率越小，說明該發(fā)電系統(tǒng)出現(xiàn)電能供不應(yīng)求的時(shí)間就越少，系統(tǒng)的可靠性越高。負(fù)荷缺電率的約束條件描述為：發(fā)電系統(tǒng)的負(fù)荷缺電率不能超過規(guī)定的最大值，表達(dá)式為

LPSP≤LPSPmax,

(13)

式中LPSPmax指負(fù)荷缺電率的最大值，負(fù)荷缺電率的最大值一般都是根據(jù)實(shí)際的工程要求來確定，普通的離網(wǎng)型風(fēng)光儲(chǔ)互補(bǔ)發(fā)電系統(tǒng)常取5%作為負(fù)荷缺電率的上限，當(dāng)然，如果要求系統(tǒng)具有更高的可靠性，可選擇更小的上限值，如0.5%、0.2%、0.05%等。

3 改進(jìn)離散粒子群算法

3.1 基本粒子群

PSO是由Kennedy和Eberhart在1995年提出的一種群體智能算法，該算法是根據(jù)鳥群覓食行為提出的[25]?；玖Ｗ尤旱臄?shù)學(xué)模型為

(14)

(15)

式中vij和xij分別表示粒子的速度和位置；m為當(dāng)前迭代次數(shù)；w為慣性權(quán)重，為正的常數(shù)，一般取1；c1、c2為學(xué)習(xí)因子，為正的常數(shù)，一般取c1=c2=2；r1和r2是均勻分布于[0,1]區(qū)間內(nèi)的隨機(jī)數(shù)；pij為第i個(gè)個(gè)體在第j維的個(gè)體最優(yōu)位置；pgj為種群在第j維的群體最優(yōu)位置。

3.2 離散型粒子群

容量配置優(yōu)化問題的解在整數(shù)域內(nèi)，為保證變量的搜索范圍在整數(shù)空間內(nèi)，速度更新時(shí)對其速度向量進(jìn)行向上取整操作，其模型為

(16)

3.3 ICMIC映射初始化

1)隨機(jī)生成一個(gè)初始向量Z1：

Z1=(z11,z12,…,z1j,…,z1d)，z1j∈[0,1]。

(17)

2)根據(jù)ICMIC映射定義得到混沌序列Zn：

Zi+1=[sin(a/Zi)]，i=1,2,…,N-1,

(18)

其中當(dāng)a取2時(shí)效果較好。

3)因?yàn)镮CMIC映射范圍在[-1,1]，因此將Zn各分量的絕對值映射到位置變量的取值范圍內(nèi)，得到初始種群位置：

xij=|zij|(xmax,j-xmin,j)+xmin,j。

(19)

3.4 精英保留策略

為了進(jìn)一步提高PSO的收斂速度，改善算法性能，引入精英保留策略，保留種群中適應(yīng)度改善的精英個(gè)體，但精英保留策略在使算法開發(fā)能力增強(qiáng)的同時(shí)削弱算法的探索能力，為使算法的“探索-開發(fā)”能力達(dá)到平衡狀態(tài)，借鑒于差分進(jìn)化算法能夠提高算法的探索能力，對非精英個(gè)體設(shè)計(jì)了一種最優(yōu)導(dǎo)向差分變異策略，以全局最優(yōu)個(gè)體作為主要引導(dǎo)個(gè)體，隨機(jī)選取兩個(gè)其他個(gè)體作為輔助引導(dǎo)個(gè)體，其模型為

(20)

其中xr、xs為兩個(gè)隨機(jī)選取的個(gè)體，r3、r4是均勻分布于[0,1]區(qū)間內(nèi)的隨機(jī)數(shù)，為防止變異后個(gè)體適應(yīng)度變差，導(dǎo)致算法收斂速度變慢，與變異之前的適應(yīng)度作對比，如果適應(yīng)度變好，對粒子進(jìn)行變異，否則粒子不發(fā)生變異。其算法流程見圖2。

圖2 改進(jìn)離散PSO算法流程圖

4 仿真與分析

4.1 算例

本課題的算例選擇了我國北部某地區(qū)。為了滿足該地區(qū)內(nèi)的人口用電需求，在該地區(qū)建立離網(wǎng)型的風(fēng)光儲(chǔ)互補(bǔ)發(fā)電系統(tǒng)，進(jìn)行仿真分析，采用教與學(xué)優(yōu)化算法對發(fā)電系統(tǒng)進(jìn)行優(yōu)化計(jì)算并得到優(yōu)化后的風(fēng)光儲(chǔ)容量配置結(jié)果。

該地區(qū)一年(8760 h)的光照強(qiáng)度、溫度和風(fēng)速的逐時(shí)數(shù)據(jù)分別如圖3(a)、(b)、(c)所示，圖3(d)為該地區(qū)內(nèi)的人口用電(即負(fù)荷用電情況)。以該地區(qū)為例建立離網(wǎng)型風(fēng)光儲(chǔ)互補(bǔ)發(fā)電系統(tǒng)，以總投入費(fèi)用最小為目標(biāo)，得到系統(tǒng)中的光伏電池、風(fēng)力發(fā)電機(jī)組及蓄電池的個(gè)數(shù)的最優(yōu)配置結(jié)果。

圖3 8760 h的逐時(shí)光照強(qiáng)度、溫度、風(fēng)速以及負(fù)荷用電功率曲線

在本算例中，選取的光伏電池、風(fēng)力發(fā)電機(jī)組、蓄電池的參數(shù)見表1、表2、表3。

表1 光伏電池的參數(shù)

表2 風(fēng)力發(fā)電機(jī)組的參數(shù)

表3 蓄電池的參數(shù)

4.2 運(yùn)行結(jié)果分析與評估

為驗(yàn)證教與學(xué)優(yōu)化算法的尋優(yōu)效果，根據(jù)本算例中對所選地區(qū)采集的逐時(shí)數(shù)據(jù)和所選設(shè)備的各項(xiàng)參數(shù)，約束條件為光伏電池、風(fēng)力發(fā)電機(jī)組、蓄電池的數(shù)量、負(fù)荷缺電率、蓄電池的荷電狀態(tài)限制，要求3種裝置的個(gè)數(shù)均要在[0,1500]范圍內(nèi)，蓄電池的荷電狀態(tài)SOC的值必須在[0.1,0.9]的范圍內(nèi)，令系統(tǒng)全年的負(fù)荷缺電率分別不超過0.5%和0.2%，利用本文改進(jìn)離散PSO算法和基本PSO算法進(jìn)行對比尋優(yōu)。為保證仿真的公平性兩種算法的種群數(shù)量均設(shè)為30，最大迭代次數(shù)為200，其余各參數(shù)取值為w=1.0、c1=2.0、c2=2.0。表4、表5分別為負(fù)荷缺電率最大值LPSPmax取0.5%和0.2%時(shí)的最優(yōu)配置結(jié)果，其中包含了3種出力裝置的裝機(jī)容量、總投資費(fèi)用以及負(fù)荷缺電率。

表4 兩種算法的最優(yōu)配置結(jié)果(LPSP≤0.5%)

表5 兩種算法的最優(yōu)配置結(jié)果(LPSP≤0.2%)

兩種算法在滿足負(fù)荷缺電率限制的條件下均能尋優(yōu)得到系統(tǒng)的最優(yōu)容量配置。由最優(yōu)配置結(jié)果可知，當(dāng)負(fù)荷缺電率不超過0.5%時(shí)，改進(jìn)離散PSO尋優(yōu)得到的總投入費(fèi)用比基本PSO少3 056.204 9元，負(fù)荷缺電率相比于基本PSO有所提高，但也滿足約束要求；當(dāng)負(fù)荷缺電率不超過0.2%時(shí)，改進(jìn)離散PSO尋優(yōu)得到的總投入費(fèi)用比基本PSO少11 797.786 7元，負(fù)荷缺電率也滿足約束要求；LPSPmax取0.2%相比取0.5%，改進(jìn)離散PSO尋優(yōu)得到的總投入費(fèi)用增加了138 466.420 9元，即系統(tǒng)穩(wěn)定性要求越高所需總投資成本也越高。

圖4為兩種算法的迭代收斂圖，其中圖4(a)和圖4(b)分別為系統(tǒng)全年的負(fù)荷缺電率分別不超過0.5%和0.2%時(shí)所對應(yīng)的迭代收斂圖。圖4(a)中改進(jìn)離散PSO在迭代50次左右就收斂到最優(yōu)值，而基本PSO迭代到80次左右才收斂到最優(yōu)值；圖4(b)中改進(jìn)離散PSO在迭代90次左右就收斂到最優(yōu)值，而基本PSO迭代到140次左右才收斂到最優(yōu)值。

(a)負(fù)荷缺電率不超過0.5% (b)負(fù)荷缺電率不超過0.2%圖4 兩種算法的迭代收斂圖

5 結(jié)論

離網(wǎng)型的風(fēng)光儲(chǔ)互補(bǔ)發(fā)電系統(tǒng)可以實(shí)現(xiàn)對一個(gè)用電區(qū)域的單獨(dú)供電，本文針對該種發(fā)電系統(tǒng)風(fēng)光儲(chǔ)3種出力裝置的容量最優(yōu)配置問題，采用改進(jìn)離散PSO算法進(jìn)行尋優(yōu)，利用全年的光照強(qiáng)度、溫度和風(fēng)速等數(shù)據(jù)建立風(fēng)光數(shù)據(jù)模型，將總投入費(fèi)用作為優(yōu)化問題的目標(biāo)函數(shù)，同時(shí)對系統(tǒng)的負(fù)荷缺電率和蓄電池的電荷容量進(jìn)行限制和約束，在滿足可靠性和蓄電池荷電狀態(tài)限制的前提下，以減少系統(tǒng)的總投入費(fèi)用為目標(biāo)，對風(fēng)光儲(chǔ)3種裝置的容量配置進(jìn)行優(yōu)化。所得結(jié)論：

(1)仿真結(jié)果表明本文對所選算例采用改進(jìn)離散PSO算法的優(yōu)化結(jié)果是收斂的，在滿足約束條件的前提下該算法能夠優(yōu)化光伏電池、風(fēng)力發(fā)電機(jī)組和蓄電池的裝機(jī)容量；

(2)相比于基本PSO算法，改進(jìn)離散PSO算法具有更強(qiáng)的搜索和尋優(yōu)能力，收斂速度更快，尋優(yōu)效果更好，能夠有效降低系統(tǒng)綜合投資成本。