基于天牛须搜索遗传算法的风光柴储互补发电系统容量优化配置研究

doi:10.19799/j.cnki.2095-4239.2019.0247

储能科学与技术 ›› 2020, Vol. 9 ›› Issue (3): 918-926.doi: 10.19799/j.cnki.2095-4239.2019.0247

基于天牛须搜索遗传算法的风光柴储互补发电系统容量优化配置研究

李益民¹(), 王关平¹(), 马建立², 杨浩¹, 朱亮¹, 闫红强¹, 徐铮², 朱冬琴¹

^1. 甘肃农业大学机电工程学院，甘肃兰州 730070
^2. 北京智源新能电气科技有限公司，北京 102628

收稿日期:2019-11-04 修回日期:2020-01-12 出版日期:2020-05-05 发布日期:2020-05-11
通讯作者: 王关平 E-mail:916953199@qq.com;wangguanping@gsau.edu.cn
作者简介:李益民（1995—），男，硕士研究生，主要从事新能源发电系统控制研究，E-mail：916953199@qq.com；
基金资助:
甘肃农业大学科技创新基金(GAU-QDFC-2019-10);国家自然科学基金(11762002);甘肃农业大学盛彤笙创新基金(GAU-STS-2018-25);甘肃农业大学科技创新基金(GAU-XKJS-2018-192)

Study on optimal capacity in the construction of wind-solar-diesel-battery hybrid power system based on bettle antennae search algorithm improved genetic algorithm

LI Yimin¹(), WANG Guanping¹(), MA Jianli², YANG Hao¹, ZHU Liang¹, YAN Hongqiang¹, XU Zheng², ZHU Dongqin¹

^1. Mechanical and Electrical Engineering College, Gansu Agricultural University, Lanzhou 730070, Gansu, China
^2. Beijing Intelligent Power & New Energy Electrical Limited Company, Beijing 102628, China

Received:2019-11-04 Revised:2020-01-12 Online:2020-05-05 Published:2020-05-11
Contact: Guanping WANG E-mail:916953199@qq.com;wangguanping@gsau.edu.cn

摘要/Abstract

摘要：

依据设计员经验人为确定微电网建设中的容量配比不仅缺乏足够科学依据，易于造成投资浪费，而且还会对后续的经济调度、安全运行等产生负面影响。微电网建设最佳容量配比问题的本质是多目标寻优问题，各电源容量配比与既定指标之间存在复杂的非线性关系。为此，本文以某风光柴储互补发电系统设计为牵引，将容易找到全局最优解且寻优速度较快的天牛须搜索算法（bettle antennae search algorithm，BAS）引入到非线性规划性能较好的遗传算法（genetic algorithm,GA）中，在各电源出力模型和既定调度策略基础上，以兰州某点2018年逐时风速、逐时太阳光辐射强度、逐时环境温度为依据，以年供电可靠性最高作为首要目标、投资经济性最好为次要目标，获取最优容量配比方案。算例结果显示，BAS-GA能够给出最优容量配比且具有更快的收敛速度，每次都能得到相同结果，稳定可靠；其BAS-GA结果在负荷缺电率（loss of power supply probability，LPSP）为0.2%的情况下，比0时基本GA数据投资节约66%，也比2.3%时的基本GA结果效费比更高，其他基本GA的结果亦均无法与BAS-GA相比。因此，BAS-GA是微电网建设容量配比优化方案获取中避免基本GA陷入局部最优的有效措施之一。

关键词: 微电网, 风光柴储互补发电系统, GA, BAS, 最优容量配比, 供电可靠性, 投资经济性

Abstract:

Determination the capacity ratio in microgrids (MGs) not only lacks a sufficient scientific basis, but also incurs large investment waste, with detrimental impact on subsequent economic dispatching and safe operation of the MG. Therefore, MG construction faces a multi-objective optimization problem. Moreover, there is a complex nonlinear relationship between the capacity of each type of power source and the given index. To solve the capacity ratio optimization problem, this work incorporates the Bettle Antennae Search (BAS) algorithm into the genetic algorithm (GA). Based on the design of a wind-solar-diesel battery hybrid power system, the BAS algorithm improves the ease and speed of finding the global optimal solution and thereby improves the nonlinear planning performance. The input data include the hourly wind speed, hourly solar radiation intensity, and hourly environmental temperature at a certain point in Lanzhou City (Gansu Province, Northwest China), where the power output model has an established dispatching strategy. The primary and secondary goals of the optimal capacity ratio are to maximize the annual power-supply reliability and find the best investment economy, respectively. In all tested cases, the BAS-GA optimized the capacity ratio at faster convergence speed than others and consistently obtained the same result, confirming its stability and reliability. In the BAS-GA with an LPSP of 0.2%, the investment saving was 66%, whereas the basic GA with an LPSP of 0% yielded no investment saving. Moreover, the efficiency/cost ratio obtained by the basic GA (2.3%) exceeded the LPSP. The data of other basic GAs were not comparable with those of BAS-GA. The BAS algorithm effectively prevented the basic GA from falling into the local optima of the capacity- ratio optimization scheme in MG construction.

Key words: MG, WSDB-HPS, GA, BAS, optimal capacity ratio, PSR, IE

中图分类号:

TM 61

李益民, 王关平, 马建立, 杨浩, 朱亮, 闫红强, 徐铮, 朱冬琴. 基于天牛须搜索遗传算法的风光柴储互补发电系统容量优化配置研究[J]. 储能科学与技术, 2020, 9(3): 918-926.

LI Yimin, WANG Guanping, MA Jianli, YANG Hao, ZHU Liang, YAN Hongqiang, XU Zheng, ZHU Dongqin. Study on optimal capacity in the construction of wind-solar-diesel-battery hybrid power system based on bettle antennae search algorithm improved genetic algorithm[J]. Energy Storage Science and Technology, 2020, 9(3): 918-926.

图/表 4

参考文献 25

1	袁益，舒展．中美能源安全现状比较与启示[J]．中外能源， 2019， 24(2)： 1-14．
	YUAN Y ， SHU Z ． Comparison of energy security of china and the US and the inspirations[J]． Sino-Global Energy， 2019， 24(2)： 1-14．
2	王蕾．新能源产业发展回顾与展望[J]．中国发展观察， 2019(16)： 31-35．
	WANG L ． Retrospect and prospect of new energy industry development[J]． China Development Observation， 2019(16)： 31-35．
3	Guangdong University of Technology . Researchers submit patent application， "Alternating current/direct current home smart micro-grid coordination system and operation method there of"， approval(USPTO for 20180342869[N ]． Energy Weekly News， 2018．
4	JITENDER K ， PRASENJIT B ． A novel approach for determination of power quality monitoring index of an ac micro-grid using fuzzy inference system[J]． Iranian Journal of Science and Technology， Transactions of Electrical Engineering， 2018， 42(4): doi： 10．1007/s40998-018-0087-Z
5	郭伟，张建成，李翀，等．针对并网型风储微网的飞轮储能阵列系统控制方法[J]．储能科学与技术， 2018， 7(5)： 810-814．
	GUO W ， ZHANG J C ， LI C ， et al ． Control method of flywheel energy storage array for grid-connected wind-storage micro-grid[J]． Energy Storage Science and Technology， 2018， 7(5)： 810-814．
6	刘旭峰，张继红，吴振奎．一种混合储能微电网中对频率的下垂控制方法[J]．电气自动化， 2018， 40(6)： 13-15+44．
	LIU X F ， ZHANG J H ， WU Z K ． Frequency droop control method in the hybrid energy storage micro-grid[J]． Electrical Automation， 2018， 40(6)： 13-15+44．
7	李瑞民，张新敬，徐玉杰，等．风光互补系统中混合储能容量优化配置研究[J]．储能科学与技术， 2019， 8(3)： 512-522．
	LI R M ， ZHANG X J ， XU Y J ， et al ． Research on optimal configuration of hybrid energy storage capacity for wind-solar generation system[J]． Energy Storage Science and Technology， 2019， 8(3)： 512-522．
8	李湃，黄越辉，王跃峰，等．含抽蓄电站的多端柔性直流电网风光接入容量配比优化方法[J]．中国电力， 2019， 52(4)： 32-40．
	LI P ， HUANG Y H ， WANG Y F ， et al ． Optimization of wind and solar power capacity proportion integrated in multi-terminal VSC-HVDC system with a pumped storage power station[J]． Electric Power， 2019， 52(4)： 32-40．
9	范斌，周德群．中央与地方政府促进产业发展的关系——基于光伏产业准入规制政策的演化博弈分析[J]．北京理工大学学报(社会科学版)， 2017， 19(3)： 8-14．
	FAN B ， ZHOU D Q ． Research on the industry development relationship between the central and local government—An evolutionary game analysis on the policy of entry regulation based on PV industry[J]． Journal of Beijing Institute of Technology(Social Sciences Edition)， 2017， 19(3)： 8-14．
10	曹阳，黄越辉，袁越，等．基于时序仿真的风光容量配比分层优化算法[J]．中国电机工程学报， 2015， 35(5)： 1072-1078．
	CAO Y ， HUANG Y H ， YUAN Y ， et al ． Stratified optimization algorithm for optimal proportion of wind and solar capacity based on time sequence simulation[J]． Proceedings of the CSEE， 2015， 35(5)： 1072-1078．
11	张进峰，杨涛宁，马伟皓．基于多目标粒子群算法的船舶航速优化[J]．系统仿真学报， 2019， 31(4)： 787-794．
	ZHANG J F ， YANG T N ， MA W H ． Ship speed optimization based on multi-objective particle swarm algorithm[J]． Journal of System Simulation， 2019， 31(4)： 787-794．
12	姚天亮，吴兴全，李志伟，等．计及多约束条件的风光互补容量配比研究[J]．电力系统保护与控制， 2017， 45(9)： 126-132．
	YAO T L ， WU X Q ， LI Z W ， et al ． Research on complementary capacity ratio of wind power and photovoltaic considering multiple constraints[J]． Power System Protection and Control， 2017， 45(9)： 126-132．
13	周莹．计及风电的配电网扩展规划研究[J]．煤炭技术， 2012， 31(1)： 50-52．
	ZHOU Y ． Research of distribution network expansion planning with wind power[J]． Coal Technology， 2012， 31(1)： 50-52．
14	于文英，王玟苈，马新秀，等．改进遗传算法的风、光互补发电系统优化设计[J]．实验室研究与探索， 2018， 37(1)： 25-129， 185
	YU W Y ， WANG W L ， MA X X ， et al ． Optimization design of hybrid wind-PV system based on improved genetic algorithm[J]． Research and Exploration in Laboratory， 2018， 37(1)： 25-129， 185．
15	袁晓玲，程淋伟，鲁丽娟，等．基于万有引力搜索算法的微电网风光储容量优化配置[J]．电力需求侧管理， 2017， 19(6)： 14-19．
	YUAN X L ， CHENG L W ， LU L J ， et al ． Configuration optimization of wind-solar-storage system in microgrid based on GSA[J]． Power Demand Side Management， 2017， 19(6)： 14-19．
16	周田江，钱谦，伏云发．融合模拟退火和自适应的天牛须搜索算法[J]．通信技术， 2019， 52(7)： 1626-1631．
	ZHOU T J ， QIAN Q ， FU Y F ． Fusion simulated annealing and adaptive beetle antennae search algorithm[J]． Communications Technology， 2019， 52(7)： 1626-1631．
17	陈馨凝，刘辉，刘雨薇，等．基于BAS-BP模型的电缆阻水性评估研究[J]．湖北工业大学学报， 2019， 34(4)： 35-39．
	CHEN X N ， LIU H ， LIU Y W ， et al ． Research on cable water resistance baesd on bas-bp model[J]． Journal of Hubei University of Technology， 2019， 34(4)： 35-39．
18	卢光辉，滕欢，廖寒逊，等．基于改进天牛须搜索算法的分布式电源选址定容[J]．电测与仪表， 2019， 56(17)： 6-12．
	LU G H ， TENG H ， LIAO H X ， et al ． Location and sizing of distributed generation planning based on the improved beetle antennae search algorithm[J]． Electrical Measurement & Instrumentation， 2019， 56(17)： 6-12．
19	钱一晨，金晶．可再生能源混合系统电源优化配置综述[J]．太阳能学报， 2012， 33(S1)： 98-102．
	QIAN Y C ， JIN J ． Summary of optimal allocation of renewable energy hybrid system power[J]． Acta Energiae Solaris Sinica， 2012， 33(S1)： 98-102．
20	刘峪涵，汪沨，谭阳红．并网型微电网多目标容量优化配置及减排效益分析[J]．电力系统及其自动化学报， 2017， 29(9)： 70-75．
	LIU Y H ， WANG F ， TAN Y H ． Multi-objective optimal capacity configuration and emission reduction benefit analysis of grid-connected microgrid[J]． Proceedings of the CSU-EPSA， 2017， 29(9)： 70-75．
21	王芳，邱玉辉．一种引入轮盘赌选择算子的混合粒子群算法[J]．西南师范大学学报(自然科学版)， 2006(3)： 93-96．
	WANG F ， QIU Y H ． A hybrid particle swarm algorithm with roulette selection operator[J]． Journal of Southwest China Normal University (Natural Science)， 2006(3)： 93-96．
22	JIANG X Y ， LI S ． BAS： Beetle antennae search algorithm for optimization problems[J]． ResearchGate, 2017, doi: 10.5430/ijrc.v1n1p1 . doi: 10.5430/ijrc.v1n1p1
23	National aeronautics and space administration [EB/OL]． [2020-01-11]． https： //power． larc． nasa． gov/data-access-viewer/．
24	无锡佳洁科技有限公司 [EB/OL]． [2020-01-11]．． cn/jj/ 265-300 WMonoh． html．
25	东莞市钜大电子有限公司[DB/OL]． [2020-01-11]．． cn/product/358． html．

[1]	申景潮, 胡健, 胡敬梁, 焦提操, 齐晓妹, 王云鹏, 于娣, 刘尚奇. 直流微电网储能装置双向DC-DC变换器参数自适应反步控制[J]. 储能科学与技术, 2022, 11(5): 1512-1522.
[2]	李瑜, 张占强, 孟克其劳, 魏皓天. 基于分层控制的孤岛微电网储能优化控制策略[J]. 储能科学与技术, 2022, 11(1): 176-184.
[3]	徐余丰, 严加斌, 何建明, 琚正伟, 程革, 郑达, 邹印龙, 叶磊, 王建新. 退役动力锂电池在光储微电网的集成与应用[J]. 储能科学与技术, 2021, 10(1): 349-354.
[4]	姚清诚, 袁晓玲, 黄保乐. 基于蒙特卡罗源荷不确定性处理的独立微网优化配置[J]. 储能科学与技术, 2020, 9(1): 186-194.
[5]	张文建, 崔青汝, 李志强, 余康. 电化学储能在发电侧的应用[J]. 储能科学与技术, 2020, 9(1): 287-295.
[6]	郝文博, 郑常宝, 胡存刚, 芮涛, 张进. 考虑电价激励的孤岛微电网经济调度策略[J]. 储能科学与技术, 2019, 8(4): 659-664.
[7]	寇凌峰, 熊雄, 侯小刚, 牛耕, 屈小云, 陈凡. 面向低压配变台区的微电网技术[J]. 储能科学与技术, 2019, 8(4): 665-670.
[8]	张进, 胡存刚, 芮涛. 多微电网参与下的配电侧直接电能交易纳什议价模型[J]. 储能科学与技术, 2019, 8(4): 645-653.
[9]	卓静, 王兴兴, 贾天翼. 独立水光储微电网系统的简化设计[J]. 储能科学与技术, 2018, 7(S1): 34-38.
[10]	赵启龙, 贺博伟, 孟琳. 基于储能技术的微电网能源管理系统[J]. 储能科学与技术, 2018, 7(S1): 108-111.
[11]	金辰晖, 姜新建, 戴兴建. 微电网飞轮储能阵列协调控制策略研究[J]. 储能科学与技术, 2018, 7(5): 834-840.
[12]	刘洋, 唐跃进, 石晶, 任丽, 徐颖, 邓嘉翕, 龚康, 姜国中, 谢阳. 100 kJ/50 kW高温超导磁储能系统在微电网中的应用[J]. 储能科学与技术, 2015, 4(3): 319-326.

基于天牛须搜索遗传算法的风光柴储互补发电系统容量优化配置研究

Study on optimal capacity in the construction of wind-solar-diesel-battery hybrid power system based on bettle antennae search algorithm improved genetic algorithm

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 4

参考文献 25

相关文章 12

编辑推荐

Metrics

本文评价