基于粒子群膜优化算法的微网能量优化方法研究

于文萍　吴婕萍

【摘  要】在微网稳定运行的情况下，进一步考虑微网的能量优化可以有效地实现微网的最优运行。论文将膜计算模型与粒子群算法结合，通过仿真验证所提粒子群膜优化算法（Particle Swarm Optimization Based on P System， PSOPS）具有更强的计算能力，寻优结果更佳。最后，将粒子群膜优化算法应用于微电网的能量优化问题，计算结果表明，论文所提算法比粒子群算法更加精准可靠，有效实现了微网发电成本最优以及污染物排放治理最优。

【Abstract】Under the condition of stable operation of the micro grid， further consideration of energy optimization of the micro grid can effectively realize the optimal operation of the micro grid. Therefore， this paper combines membrane computing model with particle swarm optimization （PSO）， and proposes an improved method， called particle swarm optimization based on P system （PSOPS）. Then， the stronger computing power and better optimization ability of PSOPS have been verified through simulation. Finally， the PSOPS is applied to the energy optimization of the micro grid. The calculation results show that the proposed algorithm in this paper is more accurate and reliable than the PSO algorithm. At the same time， it can effectively realize the optimal power generation cost of the micro grid and the optimal pollutant emission control.

【关键词】微电网;能量优化;膜计算;粒子群算法

【Keywords】micro grid; energy optimization; membrane computing; particle swarm optimization algorithm

【中图分类号】TM732                               【文献标志码】A                                   【文章编号】1673-1069（2020）07-0178-02

1 引言

微网的能量优化一直都是微网技术研究的关键问题，在微网稳定运行的基础上，还需要考虑微网的发电运行成本、环境污染等众多因素。目前国内外已进行了一定的研究，但是随着微网规模不断地扩大以及各国的重视程度不断地加深，对微网的能量优化的研究具有必要性。

粒子群算法具有不错的寻优能力，收敛于全局最优解的概率较大，对种群大小敏感度不大，比较适用于连续函数、非线性、多峰等问题的求解。但其容易早熟收敛，导致寻优精度不够高，陷入局部最优解。而膜计算作为自然计算的新分支[1]，具有強大的信息处理能力、推理能力、建模能力和并行计算能力，可以克服微电网结构复杂、种类繁多等问题，在求解优化问题具有应用前景。

综上，本文将膜计算模型与粒子群算法结合，提出了一种基于粒子群膜优化算法（Particle Swarm Optimization Based on P System， PSOPS）的微网能量优化方法，以优化粒子群算法，避免其早熟收敛，提高寻优精度，平衡粒子群算法的局部搜索能力和全局搜索能力，实现微网的发电成本及污染物排放治理最优。

2 粒子群膜优化算法

2.1 定义

PSOPS的加膜实现步骤如下：

①初始化种群，产生一个拥有两层膜的结构，基本膜和表层膜，该结构的外膜是表层膜，内膜是基本膜，表层膜内部包含了m个基本膜。②将初始化的种群随机分配，使之进入每个基本膜当中，保证每个基本膜内部种群数目大于等于1，且表层膜当中不含有种群个体。③在每个基本膜内部执行一次粒子群算法，将每个基本膜中的运算结果进行比较，得到m个基本膜的最优解，最后进行表层膜迭代寻优，将基本膜迭代寻优最优解与表层膜迭代寻优结果比较输出最优解，满足以下条件之一可以运行结束：第一，基本膜内迭代结果连续多次无变化;第二，表层膜迭代结束。④比较迭代结果输出函数的全局最优解。

2.2 函数测试

采用多个不同的连续多峰或其他函数进行测试，通过比较计算结果证明PSOPS比粒子群算法的计算结果更大，所以PSOPS的寻优能力更强，结果更加精准可靠。不同标准函数测试及结果如表1所示。

3 基于粒子群膜优化算法的微网能量优化

3.1 基于发电成本及排污同时最优的仿真

考虑分布式电源发电成本：

①光伏（PV），风力（WT）的发电运行成本暂不考虑，可以忽略，理想化：

CPV，WT=0          （1）

②微型燃气轮机（MGT）的发电成本：

CMGT=CP×                 （2）

式中，CP为天然气的价格2.05元/m3，天然气的低热值LHV是9.73kWh/m3，PT（MGT）为T时间段内微型燃气轮机输出的总功率，？浊T（MGT）为微型燃气轮机T时间段内的电池总效率。

？浊T（MGT）=0.0753（）3-0.3093（）2+0.4174（）+0.1068           （3）

③燃料电池的发电成本：

CFC=CP ×                            （4）

式中，CP为天然气的价格2.05元/m3，天然气的低热值LHV是9.73kWh/m3，PT（FC）为T时间段内燃料电池输出的总功率，？浊T（FC）为燃料电池在T时间段内的电池总效率。

？浊T（FC）=-0.0023 PT（FC）+0.6735                                  （5）

运行维护成本：

Cr/m=gx× P（t）                                                      （6）

式中，gx表示運行维护成本和发电量的关系，查询资料取经验值gPV=0.0096元/kWh，gWT=0.0296元/kWh，gFC=0.029元/kWh，gMGT=0.0356元/kWh，P（t）表示分布式电源发电量。

折旧成本：

Cod=Cod-DG×P（t）                                                 （7）

式中，P（t）表示DG发电量，Cod-DG表示各分布式电源的单位折旧成本，查阅参考文献[2]可知：CPV=0.4195元/kWh，CWT=0.4074元/kWh，CMGT=0.1299元/kWh，CFC=0.1589元/kWh。

综合考虑分布式电源发电成本、运行维护成本和折旧成本的目标函数：

C=CPV，WT+CMGT+CFC +Cr/m +Cod                                （8）

考虑污染物排放治理：

CEM=αnEn[P（n）]                                 （9）

式中，M表示污染气体种类数，αn表示产生的第n种气体的重量，En表示污染气体的治理费用（元/kg），P（n）表示气体种类，污染排放种类和治理费用详见参考文献[3]。

3.2 结果分析

本文以四川成都郫县地区某一天的天气情况与负荷需求为基础数据进行仿真。如图1和图2所示为全天24h不同情况下的发电成本和污染物排放治理成本的寻优结果。其中，粒子群算法得到每个小时的发电成本和污染物排放治理费用的最优值（t=4h）为13.5808元，PSOPS得到最优值（t=1h）为12.2699元。经过比较可以得知本文所提PSOPS的寻优能力比粒子群算法的寻优能力更强，优化效果更佳。

4 结语

因分布式电源风力和光伏具有随机性和波动性，微网供电复杂。为了有效实现微网的最优运行，本文将膜计算模型与粒子群算法结合，并应用于微网的能量优化问题，计算结果表明本文所提PSOPS比粒子群算法更加精准可靠，可以有效实现微网发电成本最优以及污染物排放治理最优。

【参考文献】

【1】张葛祥，潘林强.自然计算的新分支——膜计算[J].计算机学报，2010，33（2）：208-214.

【2】包能胜，朱瑞丹，倪维斗.风电与燃气轮机互补发电系统发电成本分析[J].燃气轮机技术，2006（04）：1-5.

【3】贺婷婷.基于膜计算的微电网经济运行研究与应用[D].成都：西华大学，2016.

【基金项目】四川省科技厅创新苗子工程项目（2019107）;成都工业学院重点项目（2019ZR002）;成都工业学院重点项目（2019ZR003）。

【作者简介】于文萍（1994-），女，四川乐山人，助教，从事分布式发电与微电网技术等领域的教学研究。

【通讯作者】吴婕萍（1991-），女，四川自贡人，助教，从事电力图像检测等领域的教学研究。