引言

隨著全球氣候變化問題日益受到世界各國的關(guān)注,風(fēng)力發(fā)電作為一種近乎零排放的發(fā)電方式進(jìn)一步獲得了發(fā)展。但風(fēng)力發(fā)電存在波動性、間歇性和不可控性等缺點,電網(wǎng)大規(guī)模接入風(fēng)力發(fā)電將為電網(wǎng)調(diào)峰、調(diào)頻帶來巨大壓力,并且會嚴(yán)重影響系統(tǒng)的安全性和穩(wěn)定性。針對這些問題,國網(wǎng)公司要求風(fēng)電場可以根據(jù)電網(wǎng)調(diào)度部門指令控制功率輸出。因此,如何將調(diào)度指令有效轉(zhuǎn)換成風(fēng)電場各風(fēng)機(jī)的功率輸出指令成為一個研究重點。

經(jīng)典功率控制分配方法有按比例分配、相似裕度分配、平均分配和優(yōu)先級分配等,但是這些分配方法受分配原則限制,只能實現(xiàn)單一優(yōu)化目標(biāo),無法滿足多種優(yōu)化目標(biāo)。例如,風(fēng)電場分幾期修建,不同時期風(fēng)機(jī)性能、上網(wǎng)電價、風(fēng)機(jī)最佳工作狀態(tài)等可能各不相同,要在使得風(fēng)電場獲得最大發(fā)電收益的同時,又確保風(fēng)電場機(jī)組有均衡的有功調(diào)節(jié)裕度,現(xiàn)有的功率分配方式難以應(yīng)對。

針對現(xiàn)有分配方式存在的不足,本文基于鴿群啟發(fā)算法提出了一種多目標(biāo)綜合優(yōu)化的功率控制方法。鴿群算法在求解優(yōu)化問題時具有原理簡明、算法收斂速度快、易于實現(xiàn)和魯棒性強等特點,適用于求解連續(xù)值域內(nèi)的優(yōu)化問題。

該優(yōu)化算法通過模擬鴿群利用地磁、太陽、地標(biāo)導(dǎo)航歸巢等模式,可快速實現(xiàn)風(fēng)電場功率優(yōu)化控制分配的目標(biāo)。多目標(biāo)功率控制分配方法首先根據(jù)功率輸出目標(biāo)值制訂相應(yīng)的優(yōu)化目標(biāo),并將兩者組合生成多目標(biāo)優(yōu)化的控制指令,依據(jù)風(fēng)機(jī)保護(hù)約束確定風(fēng)機(jī)功率可調(diào)范圍,再將當(dāng)前時刻風(fēng)電場各風(fēng)機(jī)功率可調(diào)范圍作為鴿群算法初始化鴿群個體坐標(biāo)向量的定義域,以風(fēng)機(jī)輸出指令為變量,以調(diào)度下發(fā)或本地后臺設(shè)定的功率輸出目標(biāo)值作為跟蹤對象建立目標(biāo)函數(shù)。

使用鴿群算法對目標(biāo)函數(shù)求解得到包含多個優(yōu)化目標(biāo)的最優(yōu)功率控制方案,使風(fēng)電場在滿足多種約束條件的情況下實現(xiàn)多個優(yōu)化目標(biāo)的功率分配,解決了現(xiàn)有控制分配方法控制目標(biāo)單一的問題,提高了功率分配的靈活性,增強了系統(tǒng)的可靠性,提升了風(fēng)電場期望收益。

最后,利用仿真實驗,驗證了算法滿足快速、精確、多目標(biāo)優(yōu)化的要求。

1多目標(biāo)優(yōu)化風(fēng)電場功率控制方法

多目標(biāo)優(yōu)化風(fēng)電場功率控制方法大致可以分為以下5個步驟。

步驟1,根據(jù)調(diào)度或本地后臺的功率輸出目標(biāo)值Ptarget設(shè)定相應(yīng)的優(yōu)化目標(biāo)7target,優(yōu)化目標(biāo)7target可根據(jù)優(yōu)化目標(biāo)數(shù)量設(shè)定維數(shù):

式中:7target,k代表第k個優(yōu)化目標(biāo):m表示優(yōu)化目標(biāo)總數(shù)。

將功率輸出目標(biāo)值Ptarget和優(yōu)化目標(biāo)Ttarget組合生成多目標(biāo)優(yōu)化的控制指令v:

步驟2,根據(jù)各風(fēng)機(jī)當(dāng)前保護(hù)約束,確定各風(fēng)機(jī)可調(diào)功率范圍ulow≤u≤uup。風(fēng)機(jī)可調(diào)功率保護(hù)約束包括輸出功率越限保護(hù)、功率調(diào)節(jié)速率保護(hù)和通信狀態(tài)約束。

目標(biāo)函數(shù)中各風(fēng)機(jī)輸出指令u和風(fēng)機(jī)可調(diào)功率的上限uup、下限ulow向量為:

步驟3,根據(jù)風(fēng)機(jī)可控狀態(tài)和優(yōu)化目標(biāo),設(shè)定風(fēng)機(jī)控制效率矩陣B,表示如下:

其中,第一行中的元素bl,i對應(yīng)于第i臺風(fēng)機(jī)對功率輸出目標(biāo)值Ptarget的控制效率,若風(fēng)機(jī)可控則設(shè)為l,風(fēng)機(jī)不可控則設(shè)為0;第二行中的元素b2,i表示第i臺風(fēng)機(jī)對于設(shè)定的優(yōu)化目標(biāo)Ttarget的優(yōu)化效率,具體值依據(jù)優(yōu)化目標(biāo)設(shè)定;n為風(fēng)機(jī)總個數(shù)。

控制效率矩陣B中對應(yīng)各風(fēng)機(jī)優(yōu)化目標(biāo)的效率b2,i是對應(yīng)于m個優(yōu)化目標(biāo)的m維列向量:

式中:b2,k,i代表第i臺風(fēng)機(jī)對于第k個優(yōu)化目標(biāo)7target,k的優(yōu)化效率。

步驟4,由控制指令v、控制效率矩陣B和風(fēng)機(jī)功率輸出指令u,可建立一個考慮風(fēng)機(jī)約束條件并包含多個優(yōu)化目標(biāo)的目標(biāo)函數(shù),求解目標(biāo)函數(shù)后可獲取各風(fēng)機(jī)功率輸出指令u,目標(biāo)函數(shù)J如下:

步驟5,利用鴿群啟發(fā)算法求解目標(biāo)函數(shù)后得到各風(fēng)機(jī)功率輸出指令u。

2鴿群啟發(fā)算求解目標(biāo)函數(shù)步驟

鴿群算法通過模擬自然界中鴿子利用地球磁場、太陽位置和地標(biāo)作為導(dǎo)航指示物搜索歸巢路的行為實現(xiàn)群優(yōu)化。算法中鴿群先以地球磁場、太陽位置為參考建立地圖確定大致搜索方向,當(dāng)鴿子找到熟悉的地標(biāo)后會直接飛向目的地實現(xiàn)快速收斂。鴿群啟發(fā)算法具有原理簡明、快速收斂、易于實現(xiàn)和魯棒性強等特點,適用于求解公式(6）中的優(yōu)化問題。

Np為鴿群個體數(shù)的半數(shù)值,fit(ug）表示第g只鴿子的適應(yīng)度,下面對控制分配方法的具體步驟做詳細(xì)描述。

步驟a,鴿群啟發(fā)算法在各風(fēng)機(jī)可調(diào)功率上限uup和下限ulow所確定的多維空間中初始化產(chǎn)生:個鴿群個體ug,g∈#l,:[,本文中產(chǎn)生初始個體時與傳統(tǒng)鴿群算法在搜索空間隨機(jī)生成個體不同,為了避免隨機(jī)生成的個體過于集中于某一點,本文初始化時產(chǎn)生的任意鴿群個

體相互之間距離|ug-ut|2需大于。

風(fēng)機(jī)輸出功率約束上限uup和下限ulow所確定的多維空間是與風(fēng)電場風(fēng)機(jī)數(shù)量相同的n維空間:（(ul,low,ul,up）…(ui,low,ui,up）…(un,low,un,up）}。

ug=(ug,l…ug,i…ug,n）T表示第g只鴿子當(dāng)前位置,算法初始化時以各臺風(fēng)機(jī)可調(diào)輸出功率的上邊界ui,up和下邊界ui,low為定義域隨機(jī)生成一個值作為ug,i的值,隨機(jī)生

成速度向量Vg=(|●g,l…|●g,i…|●g,n）T,|●g,i∈#0,[,為速度上限。

步驟b,將鴿群啟發(fā)算法中的搜索個體ug依次代入到目標(biāo)函數(shù)J中計算個體適應(yīng)度fit(ug）并進(jìn)行排序,若本次迭代中的最優(yōu)個體ubestk對應(yīng)的適應(yīng)度值比公告牌中記錄的更優(yōu)秀,則記錄本次迭代中的最優(yōu)個體ubestk和對應(yīng)的適應(yīng)度值fit(ubestk）,更新公告牌上最優(yōu)個體ubest和最優(yōu)適應(yīng)度fit(ubest）。

步驟c,當(dāng)?shù)螖?shù)Niter≤Nnextstage時,鴿群按式(7）(8）搜索移動,鴿群中的個體以速度Vg按一定概率Pf向當(dāng)前適應(yīng)度最好的個體.best聚集,并返回步驟b:

式中:R為鴿群搜索時的地圖因子:Rand為一個取值范圍為[0,1]的隨機(jī)數(shù):1為迭代次數(shù)。

步驟d,如果迭代次數(shù)Niter>Nnextstage,則鴿群按照適應(yīng)度排序只保留最優(yōu)秀的前Np個個體,并計算這些個體的中心位置,鴿群向中心位置移動飛向目的地:

步驟e,如果迭代次數(shù)Niter或迭代誤差滿足迭代停止條件,則算法搜索結(jié)束并將公告牌中最優(yōu)個體.best作為各風(fēng)機(jī)功率輸出指令L,否則轉(zhuǎn)入步驟b。

功率控制算法流程圖如圖1所示。

3仿真分析

為驗證基于鴿群啟發(fā)算法的帶約束多目標(biāo)風(fēng)電場功率控制優(yōu)化方法的有效性,利用某一風(fēng)電場模型進(jìn)行仿真。

該風(fēng)電場分三期建設(shè),有兩種風(fēng)機(jī),共25臺,總裝機(jī)容量75Mw,調(diào)控時希望能獲得最大發(fā)電收益,同時同期風(fēng)機(jī)有相同裕度發(fā)電。

鴿群啟發(fā)算法:鴿群個體地圖因子R取0.2,鴿群個

體數(shù)目為256,Nnextstage為100,速度上限為0.2倍風(fēng)機(jī)容量,迭代停止要求為跟蹤誤差小于stoperror=2%或循環(huán)迭代1500次。

仿真開始時,設(shè)定階躍功率控制指令由0變?yōu)?0Mw。

由圖2可發(fā)現(xiàn)本功率分配算法的分配誤差快速收斂,算法迭代搜索200次左右即收斂至0。

圖3中對該案例重復(fù)分配10000次,發(fā)現(xiàn)絕大多數(shù)情況下滿足跟蹤誤差迭代結(jié)束條件時算法迭代次數(shù)都在100～180次以內(nèi),迭代次數(shù)最多時也未超過220次。上述結(jié)果證明,本文所提功率控制分配算法可滿足快速、精確、多目標(biāo)優(yōu)化的要求。

圖3算法迭代次數(shù)圖

4結(jié)語

本文基于鴿群啟發(fā)算法研究了風(fēng)電場功率多目標(biāo)優(yōu)化控制方法,該方法針對風(fēng)電場功率分配問題的特性,對鴿群啟發(fā)算法種群初始化方式作出了改進(jìn)并將其運用到風(fēng)電場功率控制分配中,實現(xiàn)了風(fēng)電場多目標(biāo)優(yōu)化功率控制分配的目的,既可滿足風(fēng)機(jī)保護(hù)約束如輸出功率越限保護(hù)、功率調(diào)節(jié)速率保護(hù)和通信狀態(tài)約束等,又可改善風(fēng)電場功率分配效果。該技術(shù)有助于提升企業(yè)的運維水平及生產(chǎn)效率,增強企業(yè)的市場競爭力。此外,從整個新能源發(fā)電產(chǎn)業(yè)來看,該技術(shù)能夠提升風(fēng)電場的可控性,有利于促進(jìn)風(fēng)電產(chǎn)業(yè)的發(fā)展,進(jìn)而為降低碳排放,減少環(huán)境污染作出貢獻(xiàn)。