独立光伏微网容量优化配置

李龙坤，王敬华，孙桂花（.山东理工大学 电气与电子工程学院，山东　淄博　25502；2.国网山东省电力公司泰安供电公司，山东　泰安　27000；．山东科汇电力自动化股份有限公司，山东　淄博　255087）

LILongkun1，2，WANG Jinghua3，SUN Guihua1（1.Shandong University of Technology，Zibo 255012，China；2.State Grid Taian Power Supply Company，Taian 271000，China；3.Shandong Kehui Power Automation Co.，Ltd.，Zibo 255087，China）

试验研究

独立光伏微网容量优化配置

李龙坤1，2，王敬华3，孙桂花1
（1.山东理工大学 电气与电子工程学院，山东淄博255012；2.国网山东省电力公司泰安供电公司，山东泰安271000；3．山东科汇电力自动化股份有限公司，山东淄博255087）

独立光伏微网系统中，因太阳能固有波动性、不可控性等特点，微网电源间的相互协调与控制变得复杂。所以，解决电源与负荷的能量匹配问题是独立运行状态下微网稳定的首要条件。将改进的粒子群算法应用到解决光储柴（光伏、储能、柴油发电）协调配合的全年独立运行的微电网电源容量优化配置中，建立光伏、储能、柴油发电的稳态数学模型。通过全年微网运行综合费用分析，建立以全年综合费用最低为目标的成本数学模型。针对微网的不同运行状态，提出微网电源协调配合的能量管理策略。遵循提出的能量管理策略，利用改进的粒子群算法得到微网电源的最优容量配置方案，结果表明改进的粒子群算法具有全局寻优能力强的特点。

光伏；微电网模型；微网优化；粒子群算法

LILongkun1，2，WANG Jinghua3，SUN Guihua1
（1.Shandong University of Technology，Zibo 255012，China；2.State Grid Taian Power Supply Company，Taian 271000，China；3.Shandong Kehui Power Automation Co.，Ltd.，Zibo 255087，China）

0　引言

微电网在满足不同负荷用户对供电可靠性和电能质量要求的多样性发挥着重要作用［1］。随着分布式发电技术的不断发展，分布式发电应用到现代电网中是必然的趋势，但是由于以可再生能源（风力发电、光伏发电）为主的分布式发电系统易受外界自然环境、气象等不确定因素影响，如果没有相应的控制策略势必会影响电网的稳定运行。而微电网技术可以很好地解决分布式发电技术的不足。微网容量优化配置中，影响微网系统运行稳定的关键因素是电源—负荷功率匹配。需要考虑微网电源的输出特性和影响因素，负荷的有功特性曲线，时间尺度可取0～10min。对光伏微网而言需要考虑光照强度、光伏组件温度所对应的光伏阵列输出最大功率及负荷的有功特性曲线，在一段时间内的电量需要较长的时间尺度来评估，一般可取1年。同时微网电源的容量配置需要兼顾经济性、环保性、响应特性、系统性［2］。

文献［3］考虑柴油发电机的开机方式、微网电源之间协调控制策略、备用容量等问题，对独立光伏微网电源进行了优化设计。文献［4］从仿真工具、方法、微电网运行控制策略，微网电源数学模型等方面对独立微电网的优化设计进行综述。国内外的研究多从技术、经济、环保上作为微电网数学模型的优化目标。技术上主要指可靠性指标（供电可靠性或负载缺电率），经济上指微网投资、运行、维护费用最低，环保上是指以分布式电源排放大气污染物最低为目标。无论以技术上、经济上还是环保上得出的数学模型均为非线性多约束，既有连续变量又有离散变量的优化规划问题。解决此问题的方法多是采用智能算法。如文献［5］采用改进的细菌觅食算法求解了风光储（风能、光伏、储能）微网中以总投资最少，满足供电可靠性约束下的容量最优值；文献［6］利用遗传算法解决风光柴储（风能、光伏、柴油发电、储能）独立微电网以空气污染物排放最少和全寿命周期最经济的多目标优化问题。

围绕以光伏阵列、储能电池、柴油发电机为分布式电源的独立微网系统，提出了以全年微网综合成本最低为目标，满足负荷缺电率和溢出能量比的可靠性指标前提下，各分布式电源运行符合提出的能量管理策略，利用改进的粒子群算法对微网容量进行优化配置。

1　独立微网系统

1.1光储柴的独立微电网

如图1所示，光储柴微电网主要由光伏阵列、储能装置、柴油发电机机组等分布式电源以及逆变器、通信设备、控制器等组成，与电网通过公共连接点连接。各微电网电源通过电力电子设备与微电网连接，可以及时跟踪负荷、光照强度、温度的变化，通信及中央控制器可以根据微电网电源出力和负荷大小，及时调整各微网电源间出力的相互协调，保证微电网稳定运行。

图1　光伏微电网结构

1.2光伏电池的功率模型

随着传统的化石能源与环境、经济的矛盾日益突出，寻求并发展可再生能源（风能、光能、地热能等）成为世界范围内的热点。其中，太阳能以其储量的无限性、存在的普遍性、利用的清洁性和经济性的优势，必将在21世纪得到长足的发展，在世界能源结构转变中起到重要作用［7］。但是光伏电池发电输出功率受到外界温度、辐照强度、湿度等气候因素的影响，具有波动性、不稳定性以及不可控性［8］。

很多文献可以看到对光电效应的数学描述。如Borowy和Salameh提出的简单模型［9］，知道光伏模块受到的辐照强度和温度就可以根据模型估算出最大功率；Jones和Underwood提出的最大功率模型中，输出最大功率与温度呈倒数关系并与其受到的辐射照度成对数关系［10］。这些模型计算过程大不相同，最终的伏安特性准确度亦不相同。为了提高能量效率，假设光伏系统应用了最大功率跟踪技术确保系统运行在最大功率点，光伏系统最大功率输出模型为［11］

式中：Pmax为在标准测试条件（STC，光照强度Gr= 1 000W/m2，环境温度Tr=25℃）下的光伏电池最大输出功率，kW；G为实际光照强度，W/m2；k为光伏的温漂特性，其值为-0.47%/℃；T为电池板工作温度，℃；Tr为参考温度，℃。

电池板工作温度主要受光照强度、环境温度、风速影响［12］。忽略风速的影响，电池板工作温度可以估计为［13］

式中：Tamd为光伏组件附近环境温度，℃。

1.3储能电池模型

储能电池的功能定位包括削峰填谷和平滑光伏功率输出［14］。储能的削峰填谷主要指白天光照强度充足，光伏输出电量期望值大于负荷电量需求时，系统多余备用电量向储能电池充电。夜晚或者阴雨天光伏输出电量期望值不能满足负荷电量需求时，储能电池向负荷供电。利用储能系统的削峰填谷功能，既可以提高系统供电可靠性，也可以实现微网的经济运行。目前比较先进的蓄电池技术主要有液流、锂离子、钠硫等电池储能。锂离子电池具有单体电压水平高、比能量大、效率高、自放电率低、无记忆效应、环境友好等显著特点，大规模用于电池储能具有良好的前景［15］。为了不失一般性，所述电池为电化学储能电池模型。

为了更加精确统计储能电池剩余电量情况，可以分段、分周期来计算。把1天分成n段，每段时长Δt为0.25～1 h。电化学储能电池数学模型为

式中：σ为储能电池单位时间内的漏电率；EES（j）、EES（j-1）分别为第j段、第j-1段末电池剩余能量，kWh；Δt为第j段与第j-1段时间差，h；PES（j）为第j段时间内实际充放电功率，kW。假定在Δt时间内，储能电池充放电功率恒定。第j段Δt充放电功率可表示为

式中：PES（j）＞0为放电状态，PES（j）＜0为充电状态；ηc、ηd分别为储能电池充电、放电效率，充放电效率因储能类型不同而不同；Pc（j）、Pd（j）分别为储能电池实际充电、放电功率，kW；PES（j）为储能电池与外电路联络线处交换功率，kW。

电池过充或过放，会减少电池的循环次数和周期寿命，通常限制剩余电量的最大值和最小值。实际中电池的剩余电量用荷电状态SOC（State of Charge）来表示，限制荷电状态上下限值即可限制过充、过放问题。荷电状态的定义为［16］

式中：SOC（j）为第 j段末储能电池的荷电状态，SOC（j）∈［0，1］；EES，R为储能电池标准测试条件下额定容量，kWh。

1.4柴油发电机模型

在远离大电网的海岛、山区等地区常常需要柴油发电机作为供电单元，保障用户用电需求。柴油发电机主要由柴油发动机、同步交流发电机、控制系统构成。柴油发电机输出功率可以在零到额定功率区间内变化，柴油发电机消耗燃料量与输出功率关系为

式中：F为耗油量，kg/h；Pdie（j）为柴油发电机实际输出功率，kW；a为柴油发电机空载运行时的耗油量，与柴油发电机的额定功率成正比，kg/h；b为柴油发电机耗油量与功率关系曲线的斜率，kg/kWh。

1.5微电网能量管理策略

在独立微网中，微电网能量管理策略是电源容量优化配置和能量合理利用的关键因素。能量管理策略是负荷在不同运行状态下，通过协调各电源之间的出力，使系统满足供电可靠性，保证微网稳定、经济运行。在光储柴微电网中，光伏阵列作为Ⅰ级电源优先向负荷供电，光伏电池输出具有波动性、随机性、不可控性等特点。为了弥补光伏输出波动大的特点，需要由储能电池作为Ⅱ级电源来平滑光伏功率输出。在光储柴微电网中，光伏阵列和储能电池作为主电源向负载供电。当光伏阵列、储能电池都不能满足负荷用电需求时，启动备用电源柴油发电机供负荷和储能电池用电。

1）Ⅰ级电源不能满足负荷电量需求。

如果光伏、储能电池输出电量仍不能满足负荷需求量，控制柴油发电机启动向负荷供电，输出缺额部分。

如果光伏发电系统、储能电池、柴油发电机三者输出电量不能满足负荷供电要求，则造成供电缺额。

2）Ⅰ级电源发电量过剩，超出负荷需求。

如果过剩电量在储能电池允许的最大充电功率和剩余电量约束范围内，即充电功率按式（30）计算所得。如果过剩电量超出储能电池允许的最大充电功率和剩余电量限制，则通过备用负载消耗掉多余电量，造成能量浪费。浪费功率为

3）Ⅰ级电源发电量恰好满足负荷需求。

当PPV∈［PL（1-γ），PL（1+γ）］时，仅由光伏发电系统即可满足负荷用电。

2　独立微网综合费用分析

根据独立微电网建设、运行时间划分，可以将微网系统费用划分为初始投资费用、运行涉及费用。其中初始投资费用主要包括最初建设需要购置的电源元件及配套设施费用。运行中涉及的费用又包括日常设备运行管理费用，燃料费用，停电惩罚费用，溢出能量惩罚费用，同时包括因独立发电国家补贴的费用。

2.1初始设备投资成本

光储柴独立微网系统最初投资建设时主要是光伏电池、储能电池、柴油发电机的元件费用。光伏电池、柴油发电机的成本与额定功率有关，储能电池装置成本不仅与额定功率有关，也与额定容量有关。

1）初始投资成本与光伏电池、柴油发电机的额定功率有关。i=1，2分别表示光伏电池、柴油发电机。

式中：CIC，i为第i个分布式电源的初始投资成本，元；ki为初始投资成本与额定功率的比例系数，元/kW；Pi为相应元件的额定功率，kW。

2）初始投资费用不仅与额定功率有关，也与储能电池的容量有关。i=3表示储能电池。

式中：kP、kE分别为投资成本与储能电池额定功率、额定容量的比例系数，元/kW。

考虑到贴现率，全寿命周期内的年均初始投资成本为［17］

式中：CIC，i为第i个分布式电源初始投资固定成本，元；rrf，i为资金回收系数；r为贴现率；li为第i个分布式电源的寿命周期，年。

2.2运行管理费用

独立的微电网系统需要人员进行维护、柴油发电机需要人员补给燃料和控制启停等，为了保证微电网可靠运行，运行维护人员是必需的。

1）光伏电池运行维护费用与可运行的组件额定功率有关。

2）储能装置运行维护费用与元件初始配置额定容量有关。

3）柴油发电机运行维护费用与实际运行功率和额定功率有关。

式中：KM，i为微网电源单位功率的运行管理费用，元/kW；c、d分别为柴油发电机运行费用中实际功率与额定功率所占比重；Pdie（j）为柴油发电机实际运行功率，kW；Pdie，r为柴油发电机额定功率，kW；Kdie为燃料成本系数，元/kW。

2.3停电惩罚费用

微网电源供电可靠性不满足要求，势必会影响用户的正常用电，给用户带来不可避免的经济损失。为此引入停电惩罚费用来反映因供电不足而造成对用户的损失。

式中：Closs为Δt时间内的停电惩罚费用，元；kloss为停电惩罚费用与停电量的关系系数，元/kW；ΔP（j）为系统负荷缺电量部分，kW。

2.4溢出能量惩罚费用

光伏电池、储能装置的造价仍然较昂贵，过多配置光伏阵列、储能电池会提高供电可靠性，但同时又会造成经济浪费。为此合理的容量配置，才会保证供电可靠性又不会造成投资过多。溢出能量费用来反映超出用户电量需求部分对微网电源的惩罚费用。

式中：Cex为因能量浪费对微电网的溢出能量惩罚费用，元；kex为惩罚费用系数，元/kW。

2.5环境治理费用

空气污染物主要是由柴油发电机消耗燃料产生的SO2、CO2、NOx等。

式中：m为空气污染物种类，取m=3；n为分布式电源的种类，取n=3；Cen为治理大气污染物产生的费用，元；αk为不同污染物的治理费用系数，元/kg；βk，i为不同分布式电源对应的污染物排放系数，kg/kWh；Ea，i为不同分布式电源发电量的等年值，kWh。

2.6补贴费用

根据国家相关政策，对于可再生能源的利用与开发，国家财政进行相应的补贴。

式中：Csub为平均每年独立发电补贴费用，元；ksub为单位独立发电量补贴费用，元/kWh；Ea，i为微网电源发电量等年值，kWh。

3　全年综合成本最低的数学模型

3.1微电网可靠性指标

负荷缺电率。光伏微网与独立光伏发电系统根本区别是微网能够根据各元件输出情况，控制和调度不同元件输出功率，满足负荷功率需求，减小停电率，保证微网长期经济稳定运行。通常用负荷缺电率衡量微网电源的供电可靠性。缺电率定义为一段时间内缺电量与负荷需求量的之比

式中：δLOLP为负载缺电率；PL（j）为第j段时间内负荷需求功率，kW。

溢出能量比。溢出能量比可评估系统能量的利用率，定义为一段时间内发电量多于负荷实际需求量的部分与系统负荷之比

3.2目标函数

以微网全寿命周期内年均投资费用最低为目标，既要保证微网满足供电可靠性，又要保证微网具有环境效益和经济性。

3.3优化变量

目标函数的约束与微网电源的容量有关，微网电源容量又与光伏组件数目NPV、电池串并联数NES、柴油发电机台数Ndie有关。因此可以把目标函数视为的函数关系，

3.4微网约束条件

功率平衡约束。根据提出的能量管理策略，无论系统处于哪种运行状态都要保证供需平衡。

光伏阵列占地面积约束

式中：NPV为单位光伏电池组件的数量；A为单位光伏电池组件占地面积，m2；Smax为现有场地的最大安装面积，m2。

可靠性指标约束

式中：δLOLP为缺电率的允许上限值，负荷缺电率越低，供电可靠性程度越高；δEXC，max为溢出能量比允许上限值，溢出能量比越高，能量浪费越严重。

储能充放功率荷电状态约束。不同类型的储能电池都有单位电量的最大充放电速率，输出功率大小与剩余电量成正相关。储能电池的荷电状态上限值和下限值也限制了充放电功率的最大值。同时输出功率应在外电路对电池的功率需求范围内［18］。

式中：P（j）＜0为充电状态，P（j）＞0为放电状态；αupc、αupd分别为储能电池单位电量最大充放电速率，kW/kWh；Eneed为在第j段时间内外电路需要电池充或放的电量，kWh。

式中：SOCmax、SOCmin分别为储能电池允许的最大、最小荷电状态。

柴油发电机约束。柴油发电机的发电效率与输出功率成正比，大功率运行条件下，发电效率高；小功率运行条件下，发电效率低，由于柴油发电机运行中会排放环境污染气体，提高柴油发电机发电效率即限制运行功率具有显著的环境效益。同时，柴油发电机频繁启停又会造成发电机寿命缩短，降低柴油发电机的启停次数和限制运行功率具有很好的经济效益［19］。

3.5数学模型求解方法

独立微网优化配置为达到供电可靠性、溢出能量比的基本指标要求，既要满足微网电源的输出约束，又要满足评估周期内投资成本最低的多目标多约束非线性函数。针对优化问题，可以采用智能算法中的粒子群算法求解。以为粒子群算法中的粒子变量，为算法中的适应度函数，满足基本指标和约束条件，求解出评估周期内投资成本最低的微网容量。

粒子群算法的标准算法为［20］：设一个种群规模为N，每个种群粒子在D维空间中不断变化。设种群第i个粒子经过t代更新位置为速度更新为第i个粒子的个体历史最优值为当代粒子变化得到的整个范围最优解为每个粒子位置和速度更新按照公式 （34）、（35）进行。

式中：ω为惯性权重系数，根据不同的问题ω采取的策略不同，此处为［0，1］均匀分布的随机数；c1、c2为跟踪因子或学习因子，分别表示跟踪个体历史最优值、全局最优解的能力。r1、r2分别为［0，1］的随机数。

针对粒子群算法初期全局搜索能力较强，后期全局搜索能力较弱，易陷入局部极值的“早熟”问题，通过陷入局部极值时的判定条件，使陷入局部极值的粒子位置重新变异，从而增大粒子多样性，扩大粒子群适应值范围。

粒子群陷入局部极值的判定条件、粒子位置突变公式分别为

式中：fi为第i个粒子的适应值；Xdown、Xup为粒子变化范围的空间上下界。

改进的粒子群算法步骤为：1）初始化群体。随机产生种群规模为N，粒子空间为D维的随机粒子。计算初始随机分布的粒子个体最优值Pi和全局最优值Pg。2）更新粒子位置。按照标准粒子群算法的速度更新公式（34）和位置更新公式（35）更新粒子，计算每个个体的适应值，随之更新粒子的个体最佳值和全局最佳值。3）粒子变异。若满足式（36），粒子位置按照式（37）变异。若不满足，则进行下一步。4）终止条件。是否满足达到迭代次数，如果达到则输出全局最优解Pg，如果未达到，则转到第二步，不断循环，直到满足终止条件。

4　算例分析

某地区的历史每小时负荷数据如图2所示，年最大负荷312 kW，平均负荷149 kW。该地区的每小时光照强度数据如图3所示，光伏阵列附近的全年每小时环境温度曲线如图4所示。通过光照强度和环境温度曲线，可以确定光伏阵列全年每小时功率输出情况。算例采用的光伏电池单元额定功率为250W，详细光伏组件参数如表1所示。

单块蓄电池额定功率为0.6 kW，标称容量为0.6 kWh详细参数见表2。柴油发电机额定功率为0.5 kW，具体参数如表3所示。粒子群规模定为100，循环次数为300。利用图5中的光储柴独立微电网全年成本最低的数学模型求解流程，所得优化结果如表4所示。

图2　全年每小时负荷功率曲线

图3　全年每小时光照强度曲线

图4　全年环境温度曲线

表1　光伏组件（PV）参数

表2　蓄电池（SB）参数

表3　柴油发电机参数

图5　数学模型求解流程

表4　微网电源优化配置结果

对数据进一步处理，根据表1～4可知，在现有历史负荷数据、光照强度、温度的变量数据的基础上，通过粒子群算法得出的最优结果为光伏组件峰值功率为200 kW，储能电池总功率为360 kW，柴油发电机机组装机容量为60 kW。算例结果给出的溢出能量比为δEXC＝0.253 5，负载缺电率为δLOLP=0.065 3，微网全年综合成本为227.602 6万元，其中溢出能量比为考虑储能的功率可吸可发的特性。

可以看出，光伏组件功率与储能电池总功率接近，这是柴油发电机的作用。柴油发电机可以从0到额定功率范围内变化，所以当发生较大功率波动时，柴油发电机能很好地弥补功率缺额，若微网电源元件中去掉柴油发电机，将势必增加光伏阵列总功率和储能电池总功率，而且储能电池总功率较光伏组件功率增加的更多。撤掉柴油发电机机组，只保留光伏和储能电池作为电源。在保证给定的溢出能量比δEXC=0.2、负载缺电率δLOLP=0.05的条件下，光伏组件容量和储能容量之间的关系如图6所示。当光伏容量较小时，系统为了满足供电可靠性，储能容量非常大。随着光伏容量增加，储能容量相应的减小。图中可以看出，当光伏组件容量达到900 kW附近时，储能容量达到最低值920 kW。但光伏容量再增加，储能容量反而也增加。造成这一现象是因为设定了溢出能量比的值，为了吸收光伏组件发出的多余能量，满足设定的溢出能量比值，只能增加储能电池容量。所以光伏容量和储能容量的合理的比值，才会使微网更加经济、稳定运行。

分析表4可知，单元电源元件个数较多，在工程应用中显然是不符合实际的。计算结果较大的原因为单位电源元件功率较小。微网电源组件个数较多会带来实际操作中线路串并联的繁琐，同时也会导致电源与电源间的电动势平衡难以控制，更重要的是增加线损，降低效率。当然此处只作为算法验证的案例，所以并未考虑电源组件功率的问题。

图6　光伏容量与储能容量关系

对所提出的数学模型，应用改进的粒子群算法与标准粒子群算法进行对比，结果如图7所示。

图7　改进粒子群算法与标准粒子群算法比较

5　结语

独立光伏微网，对于解决远离大电网的偏远山区和海岛的负荷供电问题有重要意义。首先建立了光储柴微电网的电源的各自数学模型，并提出了不同运行状态下的能量管理策略。用改进的粒子群算法求解了全年微电网综合费用最低的数学模型，并得出最优微电网电源容量方案。通过对改进粒子群算法和标准粒子群算法比较，验证了改进粒子群算法的可行性。

［1］LASSETER R，ABBAS A，MARNAY C．Integration of distributed energy resources：the CERTS microgrid concept［R］．USA：California Energy Commission，2003．

［2］罗运虎，王冰洁，梁昕，等．电力市场环境下微电网不可再生分布式发电容量的优化配置问题［J］．电力自动化设备，2010，30 （8）：28-23.

［3］郭力，刘文建，焦冰琦，等.独立微网系统的多目标优化规划设计方法［J］.中国电机工程学报，2014，34（4）：524-536.

［4］Jose'L，Bernal-Agustín J L，Dufo-López R．Simulation and optimization of stand-alone hybrid renewable energy systems ［J］．Renewable and Sustainable Energy Reviews，2009，13 （8）：2 111-2 118．

［5］马溪原，吴耀文，方华亮，等.采用改进细菌觅食算法的风/光/储混合微电网电源优化配置［J］.中国电机工程学报，2011，31 （25）：17-25.

［6］Dufo-López R，Bernal-Agustín J L，JoséM Y，et al．Multiobjective optimization minimizing cost and life cycle emissions of stand-alone PV-wind-diesel systems with batteries storage ［J］．Applied Energy，2011，88（11）：4 033-4 041．

［7］刘振亚.智能电网技术［M］.北京：中国电力出版社，2010.

［8］梁双，胡学浩，张东霞，等.光伏发电置信容量的研究现状与发展趋势［J］.电力系统自动化，2011，35（19）：101-107.

［9］JONES CP.Underwood a modeling method for building-intergrated PV systems［J］.Solar Energy，2002，70（4）：349．

［10］BELFLCIRA R，NICHITA C，REGHEM P，et al.Modeling and optimal sizing of hybrid renewable energy system［C］//13 th Power Electronics andMotionControl Conference.Poznan，Poland：13 th Power electronics and Motion Control Conference，2008：1 834-1 839.

［11］CHEN S X，GOOI H B，WANG M Q．Sizing of energy storage formicrogrids［J］．IEEE Trans on Smart Grid，2012，3（1）：142-151．

［12］刘宝柱，颜洪正，王立国.一种用于计算光伏组件温度的多元非线性函数拟合与修正方法［J］.电力系统保护与控制，2013，41（24）：44-49.

［13］丁明，王波，赵波，等.独立风光柴储微网系统容量优化配置［J］.电网技术，2013，37（3）：575-581.

［14］丁明，张颖媛，茆美琴，等.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.

［15］李建林，李蓓，惠东.智能电网中的风光储关键技术［M］.北京：机械工业出版社，2013.

［16］丁明，吴建锋，朱承治，等.具备荷电状态调节功能的储能系统实时平滑控制策略［J］.中国电机工程学报，2013，33（1）：22-29.

［17］刘梦璇，王成山，郭力，等．基于多目标的独立微电网优化设计方法［J］．电力系统自动化，2012，36（17）：34-39．

［18］MICHAEL Stadler，CHRIS Marnay，AFZAL Siddiqui，et al. Effect of Heat and Electricity Storage and Reliability on Microgrid Viability：A Study of Commercial Buildings in California and NewYork States［R］.Ernest Orlando Lawrence Berkeley National Laboratory，Berkeley，CA（US），2008.

［19］方晓宝.基于供电可靠性的微网优化设计［D］.北京：华北电力大学，2013.

［20］EBERHART RC，SIMPSON PK，DOBBINS RW.ComputationalIntel-ligence PC Tools［M］.Boston，M A：Academic Press Profession-al，1996.

Optimal A llocation of Capacity for Standalone PV M icro-grid

Due to the inherent fluctuation and uncontrollability of solar energy，the coordination among microgrid generator powers becomes complex in the standalone photovoltaic（PV）microgrid system.The accouplement between the generator power and the needed load is the primary condition for preserving stability ofmicrogrid system which is in independent running state.The improved particle swarm optimization（PSO）is applied to solve configuration optimization of capacity of standalone PV-diesel-battery hybrid microgrid，and the state mathematical model of PV，energy storage and diesel generator is established.Through the analysis of the annual comprehensive cost，themathematicalmodelwith the lowestannual cost targets is established.For different operating conditions，the energy management strategy with micro-grid power coordination is proposed.Following the proposed energy management strategy，the improved PSO is utilized to obtain the configuration optimization ofcapacity of themicro-grid power，and resultsshow thatthe improved PSOhasstrongglobaloptimization features.

photovoltaic；micro-grid model；micro-grid optimization；particle swarm optimization

TM732

A

1007－9904（2016）04－0001－09

国家高技术研究发展计划（863计划）项目（SS2012AA050213）

2015-12-25

李龙坤（1990），男，硕士研究生，主要研究方向为微电网优化；

王敬华（1972），男，高级工程师，研究生导师，主要研究方向为配电自动化技术及其应用；

孙桂花（1988），女，硕士研究生，研究方向为配电网自动化。