蔣偉,陳照光,顏浩

(上海電力大學(xué) 電子信息與工程學(xué)院,上海 200090)

0 引 言

隨著社會(huì)的不斷發(fā)展,用電需求不斷增加,人們對(duì)環(huán)境問題的越來越關(guān)注。光伏能源、風(fēng)能等成為了能源發(fā)展的必然趨勢(shì)[1]。目前,居民用電量的比重越來越大,但用電效率比較低。為了提高用戶側(cè)用電效率,家庭能源管理系統(tǒng)(Home Energy Management System, HEMS)成為國內(nèi)研究的熱點(diǎn)。

家庭能源管理系統(tǒng)是作為智能電網(wǎng)在用戶側(cè)的延伸,利用主控制器采集設(shè)備工作信息,完成對(duì)用電設(shè)備的控制和調(diào)度,在滿足用戶舒適水平的前提下,減少電能消耗[2-3]。文獻(xiàn)[4-5]以用電費(fèi)用和用戶舒適度為優(yōu)化目標(biāo),建立智能家庭能源優(yōu)化控制模型,通過智能算法求解。但是優(yōu)化模型沒有計(jì)及儲(chǔ)能投資成本帶來的影響。文獻(xiàn)[6]將家庭儲(chǔ)能分為充電組和調(diào)度組,將蓄電池的充放電造成的折舊成本考慮在內(nèi),提出了一種基于雙蓄電池組的家庭可再生能源日內(nèi)實(shí)時(shí)優(yōu)化策略。但文中沒有考慮不同儲(chǔ)能電池的特性對(duì)模型的影響。文獻(xiàn)[7]提出了一種家用電動(dòng)汽車退役動(dòng)力電池梯次利用于家庭儲(chǔ)能的容量優(yōu)化配置方案,綜合考慮梯次儲(chǔ)能的投資成本,以用戶投入最少為目標(biāo)函數(shù)。文獻(xiàn)[8]與傳統(tǒng)家庭儲(chǔ)能系統(tǒng)不同,提出一種基于能量云的新型電力調(diào)度架構(gòu),不再考慮用戶的對(duì)儲(chǔ)能電池的初始投資,用戶只需支付對(duì)儲(chǔ)能的租借費(fèi)用,以電力成本最小為目標(biāo),建立優(yōu)化模型。但沒有對(duì)求解模型的算法的優(yōu)劣作對(duì)比。文獻(xiàn)[9]根據(jù)液流電池和鋰電池的特性分別用以補(bǔ)償混合儲(chǔ)能總功率指令的高頻部分和低頻部分,以微電網(wǎng)購電費(fèi)用和聯(lián)絡(luò)線功率波動(dòng)兩者最小為目標(biāo)建立多目標(biāo)優(yōu)化模型。但多目標(biāo)模型中沒有考慮儲(chǔ)能設(shè)備充放電過程中的折舊損耗。

針對(duì)家庭能源管理系統(tǒng)中的儲(chǔ)能投資成本高的問題,在以上文獻(xiàn)的基礎(chǔ)上,文中利用不同儲(chǔ)能電池的特性,提出了配置混合儲(chǔ)能的家庭能源管理系統(tǒng)模型,并提出一種改進(jìn)的人工蜂群算法對(duì)模型求解。最后對(duì)分別采用配置單蓄電池和混合儲(chǔ)能方案的家庭能源管理模型,進(jìn)行經(jīng)濟(jì)性對(duì)比分析,驗(yàn)證所提儲(chǔ)能配置模型和算法的有效性。

1 家庭能源系統(tǒng)模型

1.1 家庭能源系統(tǒng)拓?fù)鋱D

家庭能源管理系統(tǒng)是由家用電器主控制器、光伏發(fā)電系統(tǒng)、儲(chǔ)能設(shè)備、智能設(shè)備、智能電能表等組成,通過家庭能源管理控制中心進(jìn)行合理調(diào)度提高系統(tǒng)運(yùn)行的經(jīng)濟(jì)性[10-12]。系統(tǒng)拓?fù)鋱D如圖1所示。

圖1 家庭能源系統(tǒng)拓?fù)鋱D

1.2 家用電器模型

根據(jù)家庭用戶中負(fù)荷的特性,總體可分為剛性負(fù)荷和柔性負(fù)荷兩大類,剛性負(fù)荷不參與用電調(diào)度過程,在用戶需用時(shí),沒有時(shí)間延遲。對(duì)于柔性負(fù)荷可分為可中斷負(fù)荷和不可中斷負(fù)荷,如電飯煲、熱水器、空調(diào)等[13]。

將一天劃分為H個(gè)連續(xù)時(shí)間間隔,每個(gè)時(shí)間間隔為Δh=24*60/H。a用來表示家用電器的編號(hào)。Sa(h)表示家用電器a的在h時(shí)刻的工作狀態(tài),h∈{1,2,…,H},當(dāng)Sa(h)=1時(shí),用電電器a在h時(shí)刻啟用;當(dāng)Sa(h)=0時(shí),用電電器a在h時(shí)刻停用。[αa,βa]表示用電電器a完成工作所允許的時(shí)間范圍。da表示用電電器a完成工作任務(wù)所用的時(shí)長。

(1)

(2)

為了簡便計(jì)算,對(duì)于柔性負(fù)荷,當(dāng)停用時(shí),負(fù)荷功率為零;當(dāng)啟用時(shí),負(fù)荷功率為Pa。因此所有家庭設(shè)備所消耗的計(jì)算功率為:

(3)

式中Pndef(h)為剛性負(fù)荷在h時(shí)刻消耗功率;A為柔性負(fù)荷的個(gè)數(shù);Papp(h)為所有家用設(shè)備在h時(shí)刻消耗功率總和。

1.3 混合儲(chǔ)能設(shè)備模型

儲(chǔ)能設(shè)備在家庭能源系統(tǒng)中,不僅能夠消納多余的光伏能源,也能夠根據(jù)實(shí)時(shí)電價(jià)信息,在低電價(jià)時(shí)段,從大電網(wǎng)購電存儲(chǔ)儲(chǔ)能設(shè)備中;在高電價(jià)時(shí)段,由儲(chǔ)能設(shè)備供電給用電電器[14]。儲(chǔ)能設(shè)備充放電過程的折舊損耗與儲(chǔ)能的等效循環(huán)次數(shù)有關(guān),決定儲(chǔ)能設(shè)備的壽命時(shí)長,進(jìn)而影響家庭能源系統(tǒng)運(yùn)行的經(jīng)濟(jì)性[15]。不同儲(chǔ)能設(shè)備動(dòng)態(tài)折損損耗計(jì)算公式為:

(4)

(5)

式中ECn(h)為儲(chǔ)能設(shè)備n在h時(shí)刻損耗剩余容量;SOHn,ini為設(shè)備n初始使用的壽命水平值;SOHn,end為設(shè)備n退役時(shí)的壽命水平值。

儲(chǔ)能設(shè)備n的荷電狀態(tài)SOC可表示為儲(chǔ)能電池的剩余能量與損耗剩余容量的比值,具體公式為:

(6)

SOCn,min≤SOCn(h)≤SOCn,max

(7)

(8)

(9)

式中Un(h)表示儲(chǔ)能設(shè)備n在h時(shí)刻的充放電狀態(tài),當(dāng)Un(h)為1時(shí),儲(chǔ)能設(shè)備n處于充電狀態(tài);當(dāng)Un(h)為0時(shí),儲(chǔ)能設(shè)備n處于放電狀態(tài);在任意時(shí)刻,儲(chǔ)能設(shè)備n充放電功率應(yīng)滿足以下限制約束。

2 家庭能源系統(tǒng)調(diào)度目標(biāo)

2.1 用戶每天用電費(fèi)用

在滿足用戶用電需求的同時(shí),也要保證用戶每天用電費(fèi)用最低,其包括每天購電費(fèi)用、儲(chǔ)能設(shè)備每天的投資費(fèi)用、光伏系統(tǒng)每天的投資費(fèi)用、光伏發(fā)電補(bǔ)貼費(fèi)用及多余光伏的售電費(fèi)用。具體公式如下:

(10)

2.2 約束條件

為了使家庭能源管理系統(tǒng)穩(wěn)定運(yùn)行,須滿足一些約束條件。家庭能源管理的調(diào)度問題的約束如下所示:

(1)等式約束。在用戶、混合儲(chǔ)能系統(tǒng)和電網(wǎng)之間要滿足功率平衡。表示為:

(11)

(2)不等式約束。如式(7)～式(9)所示。

3 改進(jìn)的人工蜂群算法

人工蜂群算法可以解決線性和非線性以及離散與連續(xù)的多目標(biāo)、多約束的問題[16-18]。傳統(tǒng)的人工蜂群算法的采蜜蜂階段和跟隨蜂階段有著相同的搜索策略,具有良好的全局搜索能力,但與其他智能算法有著類似的缺陷,局部搜索能力弱,收斂速度慢。為了提高的算法性能,文中提出在跟隨蜂階段引入差分進(jìn)化的變異、交叉和選擇算子。此算法在保留人工蜂群算法良好的全局搜索能力的前提下,提高局部搜索能力及加快收斂速度,對(duì)家庭能源管理系統(tǒng)模型求解。

3.1 初始化蜜源階段

3.2 采蜜蜂尋蜜階段

采蜜蜂根據(jù)搜索公式尋找儲(chǔ)能設(shè)備n的容量配置、家用設(shè)備的用電時(shí)段和儲(chǔ)能設(shè)備在每個(gè)時(shí)段的充放電功率。

x′i,d=xi,d+φi,d(xi,d-xk,d)

(12)

式中i,k∈{1,2,…,SN},且i與k互斥,SN為種群的大小;i∈{1,2,…,D},D為變量個(gè)數(shù)。Фi,d∈[-1,1]且為隨機(jī)數(shù)。

3.3 跟隨蜂尋蜜階段

由采蜜蜂階段搜索到的蜜源位置,通過信息共享,跟隨蜂按照概率公式選擇蜜源。為了提高跟隨蜂的搜索能力,引進(jìn)差分進(jìn)化算子。

3.3.1 差分進(jìn)化的變異算子

對(duì)于目標(biāo)個(gè)體 ,從當(dāng)前代隨機(jī)選擇3個(gè)互不相關(guān)的個(gè)體進(jìn)行變異,具體公式如下所示:

(13)

式中r1,r2,r3∈{1,2,…,SN}是隨機(jī)產(chǎn)生的整數(shù)且滿足i≠r1≠r2≠r3,F∈[0,1]為縮放比例因子。

3.3.2 差分進(jìn)化的交叉算子

對(duì)目標(biāo)個(gè)體xi和變異個(gè)體vi,進(jìn)行交叉得到實(shí)驗(yàn)個(gè)體wi,具體公式如下所示:

(14)

式中CR∈[0,1]為交叉概率;Drand∈{1,2,…,D}為隨機(jī)固定值。

3.3.3 差分進(jìn)化的選擇算子

經(jīng)過交叉操作階段后,得到新的個(gè)體與當(dāng)前的個(gè)體的效用值做對(duì)比,效用值大的個(gè)體將保留下一代。

(15)

式中WG(wi)為個(gè)體wi的效用值;WG(xi)為個(gè)體xi的效用值。

3.4 偵察蜂尋蜜階段

由當(dāng)采蜜蜂和跟隨蜂階段搜索完整個(gè)空間時(shí),當(dāng)一些蜜源在迭代過程中沒有得到改善,則將丟棄蜜源并將對(duì)應(yīng)的蜜源的采蜜蜂轉(zhuǎn)變?yōu)閭刹旆?偵察蜂通過式(16)繼續(xù)搜索。

(16)

圖2 改進(jìn)人工蜂群算法流程圖

4 算例分析

以一個(gè)帶有各種用電設(shè)備的典型家庭為案例進(jìn)行研究,仿真將一天作為調(diào)度周期并劃分為48個(gè)時(shí)間段。鉛酸蓄電池和鋰電池的基本參數(shù)如表1所示。選取典型日的光伏、家用設(shè)備用電及實(shí)時(shí)電價(jià)信息的初始數(shù)據(jù)如圖3所示。

表1 儲(chǔ)能設(shè)備基本參數(shù)

圖3 輸入?yún)?shù)的初始數(shù)據(jù)

為驗(yàn)證配置混合儲(chǔ)能系統(tǒng)對(duì)家庭用戶經(jīng)濟(jì)性產(chǎn)生的影響,將分別對(duì)含單儲(chǔ)能和混合儲(chǔ)能的家庭能源系統(tǒng)兩種情況進(jìn)行優(yōu)化及分析。具體情況如下:

(1)情況一:配置鉛酸蓄電池的家庭能源系統(tǒng)優(yōu)化結(jié)果及分析。為證明所提出算法的優(yōu)點(diǎn),將其與傳統(tǒng)人工蜂群算法、粒子群算法分別應(yīng)用于該模型中,進(jìn)行比較分析。設(shè)初始種群為40,最大迭代次數(shù)為200。鉛酸蓄電池的配置結(jié)果和用戶每天用電費(fèi)用如表2所示;各算法的收斂特性曲線如圖4所示。

表2 單儲(chǔ)能模型的尋優(yōu)結(jié)果

圖4 各算法的收斂特性曲線

從表2可以看出,文中算法同其他算法優(yōu)化結(jié)果相比,其效果更為明顯。在用戶每天用電費(fèi)用方面,文中算法相比粒子群算法和人工蜂群算法分別低1.6元和0.5元。從圖4中可以看出,文中算法在模型求解上,收斂速度快,迭代次數(shù)大約在58次左右就能獲得最優(yōu)值;從圖中也可以看出不易陷入局部最優(yōu),尋優(yōu)效果更好。

(2)情況二:配置鉛酸蓄電池及鋰電池組合的家庭能源系統(tǒng)優(yōu)化結(jié)果及分析。三種算法的優(yōu)化結(jié)果如表3所示;各算法的收斂特性曲線如圖5所示。

表3 混合儲(chǔ)能模型的尋優(yōu)結(jié)果

圖5 各算法的優(yōu)化結(jié)果

從表3和圖5可以看出,文中所提算法與其他算法比較,都能找出更小值。通過和表2比較分析,用相同算法求解模型時(shí),在用戶每天用電費(fèi)用方面,配置混合儲(chǔ)能的家庭能源系統(tǒng)其值更小。以文中算法求解配置混合儲(chǔ)能和單儲(chǔ)能的兩種家庭能源系統(tǒng)模型的優(yōu)化結(jié)果作比較,前者比后者用戶每天承擔(dān)費(fèi)用少5.2元。原因由表1的儲(chǔ)能設(shè)備參數(shù)可知,鋰電池和鉛酸蓄電池相比較,前者等效循環(huán)次數(shù)大,在儲(chǔ)能充放電過程折舊損耗相對(duì)后者小,因此延長鋰電池的壽命時(shí)長。但前者單位容量費(fèi)用和單位功率費(fèi)用相對(duì)后者大,初始投資費(fèi)用高。而配置單儲(chǔ)能的家庭能源系統(tǒng)因等效循環(huán)次數(shù)小或因單位容量和單位功率費(fèi)用高的問題增大用戶每天承擔(dān)費(fèi)用,因此利用混合儲(chǔ)能電池各自特性配合調(diào)度以提高經(jīng)濟(jì)性,調(diào)度結(jié)果如圖6和圖7所示。

圖7 混合儲(chǔ)能充放電功率和荷電狀態(tài)

從圖6和圖7可以看出,在低電價(jià)時(shí)段部分柔性負(fù)荷轉(zhuǎn)移此時(shí)段,在光伏能源不能滿足供電需求時(shí),將從電網(wǎng)購電,一部分滿足負(fù)荷用電,另一部分存儲(chǔ)到儲(chǔ)能設(shè)備中,如在00:00～4:00時(shí)段。在高電價(jià)時(shí)段部分柔性負(fù)荷將轉(zhuǎn)移,當(dāng)光伏能源充足時(shí),首先用光伏供電;當(dāng)光伏能源不足時(shí),由混合儲(chǔ)能和電網(wǎng)兩種方式供電,如6:00～8:00和15:00～16:00時(shí)段。當(dāng)光伏能源多余時(shí),低售電價(jià)時(shí)段多余光伏存儲(chǔ)混合儲(chǔ)能設(shè)備中;高售電價(jià)時(shí)段多余光伏出售電網(wǎng),如8:00～15:00時(shí)段。

為驗(yàn)證所提算法能穩(wěn)定求解文中配置混合儲(chǔ)能模型,取各算法運(yùn)行30次的運(yùn)行結(jié)果進(jìn)行對(duì)比分析,分析結(jié)果見表4。平均優(yōu)化耗時(shí)為算法求解模型30次時(shí),平均每次計(jì)算時(shí)長。平均迭代次數(shù)為算法找到最小適應(yīng)值的迭代次數(shù)總和的平均值。尋優(yōu)比率為算法找到最小適應(yīng)值次數(shù)與總次數(shù)的比率。

表4 各算法的性能參數(shù)

從表4中可以看出,在迭代次數(shù)方面,和粒子群算法及傳統(tǒng)人工蜂群算法相比,文中算法穩(wěn)定在55次左右明顯小于其他兩種算法,運(yùn)行耗時(shí)上,文中算法只用了16.3 s,明顯更優(yōu),且文中算法尋優(yōu)比率較其他算法更高。因此,可以得出,文中改進(jìn)的人工蜂群算法可以有效求解配置混合儲(chǔ)能的家庭能源系統(tǒng)模型,而且具有快速收斂到最優(yōu)解,尋優(yōu)效率高的特點(diǎn)。

5 結(jié)束語

(1)文中以用戶每天用電費(fèi)用最低為目標(biāo)建立含混合儲(chǔ)能的家庭能源系統(tǒng)模型,采用改進(jìn)的人工蜂群算法求解。并與含單儲(chǔ)能的家庭能源系統(tǒng)相比,結(jié)果表明,前者經(jīng)濟(jì)性更有優(yōu)勢(shì);

(2)針對(duì)傳統(tǒng)人工蜂群算法收斂速度慢、局部搜索能力弱的問題,文中引入差分進(jìn)化交叉、變異和選擇算子。此方法增加種群多樣性,提高局部搜索能力,使算法跳出局部最優(yōu)解,提高了收斂速度。