基于蜂群优化算法冷热电联供型微网经济调度研究

工作等需要，所需负荷相对较多，且实时电价处于高峰阶段，所以微型燃气轮机和燃料电池需以较高的输出功率运行，以满足负荷端的用能需求。蓄电池处于向外放电状态，同时微网系统向外部电网售电，该时段冷负荷和热负荷需求较高，蓄冷和蓄热装置配合燃气轮机工作，以满足用户需求。15∶00～18∶00时，电价回落，微网系统从公共电网购电，蓄电池处于充电状态。18∶00～21∶00时是人们下班后休闲娱乐的高峰期，用户用电需求较高，蓄电池处于放电状态，燃料电池以较高的功率运行，此时微电网向公共电网购电。该时段冷负荷和热负荷需求较低，所以微型燃气轮机以较低的功率运行，同时蓄冷和蓄热装置处于储能状态。23∶00～24∶00时，该时段实时电价低，且用户负荷需求低，所以微网从公共电网购电，蓄电池处于蓄电状态，燃料电池和微型燃气轮机以低功率运行，蓄热和蓄冷装置处于储能状态。

为了进一步验证采用人工蜂群算法求解调度模型的优越性，将其与采用常规粒子群算法求解调度模型进行比较，所求得的日综合成本比较如表3所示。由表3可以看出，采用人工蜂群算法对调度模型进行求解，比采用常规粒子群优化算法对调度模型进行求解，所得的燃料成本节省34.2元，运行维护成本节省22.1元，电网买卖电净收入少15.5元。日综合成本下降71.8元，可节约日综合成本5.3%。

5 结束语

本文在充分考虑功率供需平衡和各微源运行约束条件的前提下，构建了包含燃料电池、微型燃气轮机、吸收式制冷机、余热锅炉和蓄能装置的冷热电联供型微网经济优化调度模型。分别采用人工蜂群优化算法和常规粒子群算法对模型进行求解，结果显示，人工蜂群算法具有较明显的优势。同时，模型中加入蓄电池，可以有效降低成本，蓄冷和蓄热装置能较好的协同吸收式制冷机和余熱锅炉工作，最大程度地节约调度成本。结果表明，CCHP型微电网系统能高效利用能源，在微电网中具有较好的社会效益与经济效益，有良好的发展前景。

参考文献：

[1] 徐迅， 高蓉， 管必萍， 等. 微电网规划研究综述[J]. 电网与清洁能源， 2012， 28（7）： 2530.

[2] 李鹏， 张玲， 王伟， 等. 微网技术应用与分析[J]. 电力系统自动化， 2009， 33（20）： 109115.

[3] 刘振亚. 智能电网技术[M]. 北京： 中国电力出版社， 2016.

[4] Asanol H， Bandol S. Economic analysis of microgrids[J]. Power Conversion ConferenceNagoya， 2007： 654  658.

[5] 周任军， 冉晓洪， 毛发龙， 等. 分布式冷热电三联供系统节能协调优化调度[J]. 电网技术， 2012（6）： 814.

[6] 郭力， 许东， 王成山， 等. 冷热电联供分布式供能系统能量优化管理[J]. 电力系统自动化， 2009， 33（19）： 96100.

[7] 王锐， 顾伟， 吴志. 含可再生能源的热电联供型微网经济运行优化[J]. 电力系统自动化， 2011， 35（8）： 2227.

[8] 高伟， 黄跃武， 王飞娜. 区域冷热电联供系统优化设计分析[J]. 建筑热能通风空调， 2010， 29（3）： 8891.

[9] 孔祥强， 李瑛， 王如竹， 等. 燃气轮机冷热电联供系统优化与节能经济性研究[J]. 暖通空调， 2005， 35（7）： 48.

[10] 段绍辉， 汪伟， 刘中胜， 等. 含光伏的冷热电联供微网系统优化调度方案[J]. 电力系统及其自动化学报， 2013， 25（4）： 150155.

[11] 万术来. 基于改进粒子群算法的微网环保经济运行的优化[D]. 广州： 华南理工大学， 2012.

[12] 许东. 微型燃气轮机冷电联供系统能量优化与管理[D]. 天津： 天津大学， 2010.

[13] 王新刚， 艾芊， 徐伟华， 等. 含分布式发电的微电网能量管理多目标优化[J]. 电力系统保护与控制， 2009， 37（20）： 7983.

[14] Augustine N， Suresh S， Moghe P， et al. Economic dispatch for a microgrid considering renewable energy cost functions[C]//2012 IEEE PES Innovative Smart Grid Technologies. Washington， DC， USA： IEEE.， 2012： 1620.

[15] 吳雄， 王秀丽， 别朝红， 等. 含热电联供系统的微网经济运行[J]. 电力自动化设备， 2013， 33（8）： 16.

[16] 王金全， 黄丽， 杨毅. 基于多目标粒子群算法的微电网优化调度[J]. 电网与清洁能源， 2014， 30（1）： 4954.

[17] 马景超. 冷热电联供型微网经济调度研究[D]. 青岛： 青岛大学， 2014.

[18] 陈靖， 李雨薇， 习朋， 等. 微网系统经济运行优化[J]. 华东电力， 2012， 40（2）： 167172.

[19] 高卫峰， 刘三阳， 姜飞， 等. 混合人工蜂群算法[J]. 系统工程与电子技术， 2011， 33（5）： 11671170.

[20] 喻金平， 郑杰， 梅宏标. 基于改进人工蜂群算法的K均值聚类算法[J]. 计算机应用， 2014， 34（4）： 10651069， 1088.

推荐访问:蜂群 冷热 调度 算法 优化