微电网优化运行研究现状及其发展

柳 川，王林川，李京原，聂 鹏，庞金龙，于万祥

(1.东北电力大学，吉林 吉林 132012;2.国网吉林省电力有限公司培训中心，长春 130062)

近年来，清洁能源与分布式发电技术受到了广泛关注。分布式发电(DG)是指把相对小型的发电装置安装在用户附近的一种发电方式，这种发电方式具有安全性高、可靠性高、对环境污染小、可以灵活选择地点安装以及对能源的利用率高等优点。为解决分布式发电与大电网的融合问题，微电网的优化运行成为了研究的重点。微电网是指由多种分布式电源、发电机、储能装置及负荷等相结合的分散的小型独立系统，并且可与大电网并网运行或者独立运行，可以改善供电可靠性以及提高经济效益，为用户带来多方面的利益。

微电网优化运行可以提高微电网运行的经济效益，其最终目的是使综合成本最小化的同时满足负荷的需求。目前，国外对于微电网优化运行研究较多，而国内还处于起步阶段。本文对微电网优化运行中的优化模型以及优化算法进行概括并总结其不足和有待解决的问题。

1 微电网的优化运行

对于电网的优化运行问题，微电网与传统电网本质上是一致的，即在保证供电的安全可靠、满足负荷的前提下合理安排各机组出力，最终实现综合成本最小化或效益最大化;但微电网与传统电网在发电方式、储能装置以及所利用的能源等方面具有较大的差异，使其在优化运行方面存在一定的不同。与传统电力系统相比，微电网虽然输电距离短而降低了网损，但由于其电压等级远低于传统电网，因此，微电网系统的线路损耗仍不能忽略。

传统电力系统发电部分主要是由火电和水电组成，发电机组可根据负荷的波动连续调节出力，发电情况遵循人工调度，而微电网主要是由分布式电源发电，分布式电源所特有的随机性和间歇性导致了其出力波动:由于风力发电机和光伏电池不遵循人工的调度，通常工作在最大功率点跟踪模式(MPPT);与传统的火力发电机组相对比，微型燃气轮机具有启停迅速、出力可以灵活快速变化等特点，这使微型燃气轮机在实际调度中可忽略其机组爬坡率限制，相比传统火力发电机组调度更加灵活［1-2］。

2 微电网优化运行研究现状

微电网的优化运行本质上是一个复杂的非线性系统经济优化问题，包含机组组合，经济负荷分配等经济调度问题，包括静态调度与动态调度2种。静态调度是把总时间分成各时段，在不考虑各时段之间联系的前提下研究每个时段的最优运行方案;动态调度则考虑了各时段之间的联系与影响，例如考虑机组爬坡率限制等。

随着微电网技术的成熟，微电网优化运行也逐渐受到了关注。目前，微电网优化运行的主要研究重点是在静态调度方面。文献［3］建立以运行费用为最小的单目标优化模型;文献［4］针对微电网本身所具有的一些独特性，提出了一种关于微电网最优经济运行的策略;文献［5］提出了一种智能能量管理系统(SEMS)，其所包含的功率预测、能量存储以及优化运行3部分，为微电网优化运行的研究提供了科学的技术支持;文献［6］从运营成本出发，以电力公司运营成本的最小化为目标;文献［7］从多目标优化的角度出发，在综合考虑了微型燃气轮机发电效率、制热效率和污染排放的特性下针对热电联供型(CHP)微电网以运营成本、CO及NOx排放量为最小的3个目标进行优化;文献［8］从可靠性出发，以可靠性为一个优化目标进行优化;文献［9］介绍了含光伏电池、燃料电池等微电网是否可以减少温室效应，并以燃料费用最小为优化目标，考虑了天气对微电网系统优化结果的影响;文献［10］介绍了风力-柴油联合发电系统，分析了柴油机特性、风电机特性以及蓄电池的使用寿命等影响系统发电成本的因素。

3 数学模型的建立

微电网优化运行以供电与负荷的平衡为前提，通过微电网的实时调度、机组出力配置来实现运行成本、线路损耗和环境污染的最小化，供电可靠性最大化，最终目的是电网效益最大化;因此，建立微电网优化运行数学模型实际上是反应微网综合效益的大小，明确微电网的加入是否能给整个电力系统带来效益。

在微电网优化运行的数学模型中，目标函数和约束条件应考虑分布式能源、各类电源的输出特性、负荷需求特性、环境影响成本、系统可靠性等方面。输入的主要参数包括微网的最初投资成本、各类电源和储能设备的特性参数、运行维护成本、启停机成本、停电损失费用、环境影响成本等。

微电网正常运行时，通常都会并入主电网联网运行，在系统发生故障或在其他特殊情况时，微电网将转为孤岛运行方式。下面针对并网运行和孤岛运行两种情况下分别介绍几种具有代表性的模型。

3.1 微电网并网运行方式下数学模型

3.1.1 考虑发电运行成本最小的模型

式中:CF为燃料成本;CM为运行维护成本;CSS为微型燃气轮机、燃料电池等启停成本;CB为微电网从主网购入电量的费用;CS为微电网向主网出售电量的收益。

3.1.2 考虑网损最小的模型

以网损最小化为目标函数，即以线路损耗的最小化为优化目标。虽然微电网能够就近供电、供热，降低电网和热网的损耗，但微电网属于低压电网，电压等级相对于传统输电网较低，因此，微电网系统的输电线路损耗不能被忽略。网损最小模型为:

式中:mG为微电网发电单元数;nL为微电网内的负荷总节点数为t时刻发电单元k的发电功率;为t时段第s个节点的有功功率。

3.1.3 考虑排放污染最少的模型

该模型是以排放污染最少为目标函数，为了最大程度降低污染排放和传统化石能源的消耗，在满足连续安全稳定供电的前提下，优先利用新能源，其次按由低到高的顺序调度污染物排放水平与电能消耗。污染排放最少模型的表达式为:

式中:C(t)为t时刻各微电源的环境成本与微电网向大电网的购电成本;nS为微电源数量;mP为污染物种类;Vej为第j种污染物的环境价值;Vj为第j种污染物排放所接受的罚款;Qij为第i个微电源发出单位电量所排放出第j种污染物的排放量;Pi(t)为第i个微电源在t时刻的有功功率输出。

3.2 微电网孤岛运行方式下数学模型

在孤岛运行方式下的微电网优化运行，是在满足负荷需求和可靠供电的基础上，以微电网运行成本最少、网损最小以及对环境污染最低等为优化目标。数学模型需要考虑各类微电源的技术性能、负荷需求的大小、各类微电源运行维护费用以及环保费用等。其运行成本最小模型为:

3.3 约束条件

微电网优化运行的数学模型的约束条件基本一致。微电网优化运行要在满足安全性、可靠性和电能质量等约束条件下，对分布式发电系统中的各微电源进行优化调度。这些约束条件包括等式约束条件和不等式约束条件。等式约束主要是功率供需平衡方程、蓄电池能量平衡等;不等式约束条件主要包含各微电源输出功率和最小启动功率约束、储能装置功率上下限约束、爬坡率约束以及微电网在孤岛运行方式下所需考虑的旋转备用约束等。文献［12］在约束条件中加入了温室气体和污染物排放的限制;文献［13］在分析了蓄电池的使用原则下，考虑了蓄电池的充放电转换次数的限制。文献［14］考虑补偿电容器的容量约束，节点电压的约束及网络潮流约束。

4 微电网优化运行的优化算法

微电网优化运行属于动态多维非线性的优化问题，首先要求快速搜索到全局最优点;其次是要具有很快的收敛速度。目前国内外学者已开展较多研究，针对优化运行所面对的问题，提出了许多优化算法，如数学解析法、动态规划法以及人工智能算法如粒子群算法、神经网络、遗传算法、进化算法等。

动态规划法是把复杂的问题划分为几个阶段，通过对每阶段求解得到全局最优解，其适合求解离散性问题，将复杂的问题简单化，减少计算量;但也存在建模比较复杂、易造成“维数灾”等缺点。文献［15］采用了动态规划的算法进行计算并得到了很好的结果。

神经网络本身具有学习能力，便于调度知识的提取，能够满足实时调度的需求，但这种算法需要大量的训练样本和时间才能达到效果。

遗传算法本身具有自我组织性、自我适应性以及可以自我学习等特性，而且在并行处理能力方面能力也很显著，这些特性使得遗传算法较传统的优化算法更优越。但是该算法的速度容易受约束项和算法参数影响，具有随机游走缺陷，当系统规模较大时，其搜索效果会受到较大影响。文献［16］详细介绍了有关遗传算法的一些基本原理以及操作过程并改进了遗传算法以弥补其缺点。陈杰利用改进的遗传算法使各微电源的有功与无功出力得到优化［17］。

粒子群算法(PSO)首先针对最初随机选取的一群粒子设置适应度函数并且使这些粒子没有质量和体积，然后使所选取的每个粒子对应所求的优化问题，最后由开始所设定的适应度函数判定选取的粒子是否优秀。其与遗传算法一样具有并行处理的特性，并且还具有鲁棒性强、精确度高、算法简单、收敛速度快等优点。文献［18］以利润最大为目标，采用粒子群算法得到理想的热电联供微电源日调度方案。文献［19］为了能够实现可以确定微电源的安装地点以及所需要的型号与容量，利用了粒子群算法以年发电成本最小为目标计算出了微电源的最优容量和最佳类型。

随着研究的不断深入，许多改进的优化算法与多目标优化的处理方法被人们所提出。文献［20］为使发电成本和污染物排放量同时达到最小而采用了多目标粒子群优化算法并且对算法进行了相应的改进;文献［21］采用将动态规划法与遗传算法相结合的方法来进行优化计算，这样很好地弥补了遗传算法的不足而提高了算法的效率;文献［22］考虑了如何将多目标优化问题转变为单目标优化问题来求解。首先利用模糊化理论中的最大模糊满意度法将多目标优化问题转化为单目标优化问题，然后在考虑实时电价的微电网与大电网并网运行方式下，利用改进的遗传算法对各微电源有功、无功出力进行计算，同时对多目标优化的满意度进行优化。除此之外，对于多目标优化一般处理方法还有:线性加权法、评价函数法、分层序列法等。

5 结论

目前对微电网的研究还处于初步阶段，问题重点主要包括建立优化数学模型与优化算法。本文对微电网优化运行目前的发展状况进行了分析和总结，并结合已有的文献评述了微电网优化运行在并网与孤岛运行方式下较多采用的数学模型与优化算法，讨论了其优缺点。指出目前的微网优化数学模型普遍较简单，缺乏对于环境因素的考虑，并且大多数情况是考虑微电网并网运行而忽略对于孤岛运行方式时的优化，对于建立更加完善的数学模型有待进一步的研究。此外，对于如何能更快地提高优化算法的运行速度、精度等以及寻求有效快速的多目标求解方法等尚有待深入研究。

［1］杨佩佩.微网的经济运行分析与研究［D］.北京:华北电力大学，2009.

［2］习朋，李鹏，刘金鑫，等.孤岛运行模式下的微网经济负荷分配［J］.电网与清洁能源，2011，27(8):13-18.

［3］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):22-28.

［4］薛迎成，邰能灵，刘立群等.微电网孤岛运行模式下的协调控制策略［J］.中国电力，2009，(07):36-40.

［5］Chen C，Duan S，Cai T，et al.Smartenergy management system for optimal microgrid economic operation［J］.Renewable Power Generation，2011，5(3):258-267.

［6］张琦，张建华，刘自发等。风光互补混合供电系统多目标优化设计［J］.电力系统自动化，2009，(17):86-90.

［7］顾伟，吴志，王锐.考虑污染气体排放的热电联供型微电网多目标运行优化［J］.电力系统自动化.2012，36(14):177-185.

［8］习朋，李鹏，刘金鑫.微网并网时的经济运行研究［J］.电力科学与工程，2011，27(9):1-7.

［9］Shin-ya Obara，Abeer GalalEl-Sayed.Compound Microgrid Installation Operation Planning of A PEFC and Photovoltaics with Prediction of Electricity Production using GA and Numerical Weather Information［J］.International Journal of Hydrogen Energy，2009，(34):8213-8222.

［10］罗皎虹，吴军基.独立风力-柴油联合发电系统运行成本分析［J］.南通大学学报(自然科学版)，2007，6(2):70-73.

［11］陈洁，杨秀，朱兰，等.微网多目标经济调度优化［J］.中国电机工程学报，2013，33(19):57-66.

［12］杨佩佩，艾欣，崔明勇，等.基于粒子群优化算法的含多种供能系统的微网经济运行分析［J］.电网技术，2009，33(20):38-42.

［13］丁明，张颖媛.包含钠硫电池储能的微网系统经济运行优化［J］.中国电机工程学报，2011，31(4):7-14.

［14］王新刚，艾芊.含分布式发电的微电网能量管理多目标优化［J］.电力系统控制与保护，2009，37(20):79-83.

［15］赵波，曹一家.电力系统机组组合问题的改进粒子群优化算法［J］.电网技术，2004，28(21):6-10.

［16］林伟，陈光堂，邱小燕，等.基于改进自适应遗传算法的微电网负荷优化分配［J］.电力系统保护与控制，2012，40(12):49-55.

［17］陈杰，杨秀，朱兰等.基于遗传算法的热电联产型微网经济运行优化［J］.电力系统保护与控制，2013，41(8):7-15.

［18］吴雄，王秀丽，别朝红等.含热电联供系统的微网经济运行［J］.2013，33(8):1-6.

［19］刘文胜.基于粒子群算法的微电网优化配置与低碳调度［D］.广东:广东工业大学，2012.

［20］苗雨阳，卢锦玲，朱国栋.基于改进多目标粒子群算法的微电网并网优化调度［J］.电力科学与工程，2012，28(7):15-20.

［21］杨为.分布式电源的优化调度［D］.安徽:合肥工业大学，2010.

［22］季美红.基于粒子群算法的微电网多目标经济调度模型研究［D］.安徽:合肥工业大学，2010.