多能互补微电网系统容量配置优化目标及优化算法综述

杨刚

1.华北水利水电大学电力学院；2.浙江水利水电学院

在对不同微电网进行梳理总结的基础上，从配置目标与优化算法两个方面对多能互补微电网的研究及应用现状进行了评述。首先，从配置优化目标出发，总结了经济性、环保性、可靠性3个主要目标，并分析不同优化目标对应的优化策略。其次，从微电网规划角度，对优化算法的问题进行了探讨，总结了不同研究所采用的优化目标、约束条件及优化算法，并指出了后续应进一步关注的问题。

在“十四五”期间，随着碳达峰、碳中和目标的提出，传统的火电发电模式已经不再适合当前形势，而分布式发电虽然具有绿色环保、利用效率高等优点，但其发电量不稳定及其对所需的自然资源有一定要求，因此在研究及利用分布式发电时，不便使其直接连接在大电网上。在此背景下，带有储能系统的多能互补微电网具有极大的发展前景，在此基础上，风光能源能得到最大限度的利用，更加符合当代电力事业的发展需求。在微电网的投资建设中，不同的发电形式相结合使用多取决于微电网建设地点，就地取材因地适宜。

1 微电网系统容量配置优化目标研究现状

微电网容量优化配置的第一步首先要对分布式发电资源及微网负荷量进行分析，选定合适的微网发电模式，根据微电网的建设需求，选择合适的拓部结构及优化变量，使用数学表达式对优化目标及约束条件进行描述，得到微电网容量优化配置的数学模型。但由于微电网包容性极强，其构成成员种类繁多，并且由于使用场合不同，其运行模式、拓部结构也不尽相同，国内外学者将其优化目标大致分为经济性、环保性、可靠性等，再根据其所研究微网的约束条件，建立了各种各样的优化配置模型。

目前针对不同的建设工程，国内外已有大量针对混合能源系统容量配置问题的研究。赵为光等[1]针对风、光等新能源发电出力的随机性与波动性导致的电网调度能力降低问题，提出一种基于电转氢、电转热、氢转电、氢转热的多源联合微电网模型。Qi Li等[2]提出一种光-电池-燃料电池的微电网并联运行的交流系统。根据混合储能系统的储能状态，采用系统管理策略为太阳能-氢-电微电网的各分布式发电进行功率分配。系统稳定运行，功率分配合理，响应时间短，提高了母线电压的精度。荆朝霞等[3]构建了独立海岛供电系统，使用微型抽水蓄能储能,同时以负荷响应参与度标度居民的负荷响应参与意愿,提出了考虑负荷响应的含风-光-抽水蓄能的海岛微网优化配置模型。

在微电网配置的研究中，经济性是微电网的优化目标之一，而经济性也分为投资成本、运行成本、维护成本等。其中罗仕华等[4]提出以系统投资成本最小为上层目标函数和以系统获得售电收益最大为下层目标函数的双层规划模型。GAO J J[5]等以最大化系统经济效益为目标函数，通过实例分析，比较了单目标独立运行、单目标互补运行和多目标互补运行多种方案，探讨了抽水蓄能电站对经济目标和稳定目标的影响。张长云等[6]以微电网系统年度平均成本最小为优化目标，可以为含风光柴储的独立微电网容量优化配置提供参考。毛璐明等[7]采用分布式电源折算到每年的建设费用、运行维护费用、向上级大电网售电或购电费用、网络损耗费用的经济性模型。该模型符合现实优化要求，算法求解效率高，其结果更具有实用性和经济性，对实际的微电网规划具有一定的指导意义。李彦哲等[8]以总净现值成本最小为目标函数，以可再生能源利用率和负荷缺失率为评价指标，建立所提微电网容量优化配置模型，验证了所提方法的经济性和实用性，为风/光/储微电网储能容量优化配置提供参考。聂海宁等[9]在研究中将独立风光柴储微电网作为对象，在创建综合经济成本目标函数时，主要对运行管理成本、投资成本、停电惩处与能量浪费惩处成本、污染物处理获益及其成本进行综合考量，并运用遗传算法来得出电源最优配置方案。

除去经济性外，微电网的稳定性也是一个很热门的优化方向。曲彤等[10]借助于等效微增率的计算，对其结果加以排序，由此明确分布式电源在整个配电网中的最佳装设位置，同时还对其最佳容量进行了配置。路畅等[11]在研究中对可靠、环保与经济属性进行了考虑。引入了可再生能源发电量、容量短缺量最小化、年停电量、年总规划成本，利用线性加权求和法可以对多目标问题进行转换使之成为单目标优化问题。吴任博等[12]在优化配置微电网以及使之实现经济运行研究时，重点从特殊负载、机组随机性、装设地点特性这几个层面加以研究，同时创建多目标经济运行数学模型，并在此基础上给出了具体条件约制与评价指标。杨贺钧等[13]对风光柴储并网系统的容量配置模型进行了设计。在此模型中所选用的目标函数为：系统净收益最大化、建设总成本最低，系统约束条件为：系统建设所需空间、机组类型可靠性、可再生能源利用率、系统稳定性等。在独立模式的模型中，目标函数及为系统成本最低，约束条件则包括了：系统年供电缺电率、系统建设空间、设备选型、有功功率波动、年功功率供给亏率。谢姿等[14]搭建了并网运行下的微电网容量优化配置模型，并使用层次分析法将建设成本、环保指数和供电可靠性整合为一个优化目标，并提出两种不同的运行模式及使用蓄电池寿命评价模型，讨论不同运行调度下对蓄电池使用寿命的影响。周林等[15]在研究中将以分布式电源接入大电网中，将分布式电源装设位置与容量问题相结合，以静态负荷模型、链式配电网为研究基础，融合电压调节工作与减小线路损耗，创新出将遗传算法与图解进行融合的优化策略，实现对微电网容量配置的解决。IEA等[16]针对分布式电源装设于不同配电网位置的问题，将多目标整合，创建为单优化目标，实现最小化配电网的投资成本，在此过程中，使用了仿电磁算法，获得分布式电源在不同地点装入的规划方案。

在微电网容量配置的工程实例中，其优化模型中的优化目标及约束条件根据具体所建设电网的不同需求，所展现的形式多种多样，但是整体的发展趋势是由只考虑单一的经济性转向全方位考虑经济性、可靠性、环保性及其他指标发展，对于微电网优化模型的约束条件也是越来越全面包括分布式发电数量、所需空间、实时电价等，为了将优化目标及约束条件描述的更加精确也是采用的更为先进的数学手段，通过不断的发展，使得微电网容量配置优化模型更加贴近实际建设中的工程问题。

2 微电网容量配置多目标优化算法研究现状

在微电网容量优化配置中，需要使用算法对配置模型进行计算，特别是寻找具有较强收敛和快速运算能力的最优解，已成为人们关注的热点。针对不同的优化模式，不同的优化方法有枚举法、启发式法、随机优化法等。

微网容量最优分配问题有很多算法，其中应用最广泛的就是基于遗传算法、粒子群算法、麻雀搜索算法、鲸鱼算法、差分进化算法、灰狼算法、人工蜂群算法、模拟退火算法等算法。该方法具有较强的处理能力，能够在一定条件下，将其用于微网的容量最优分配。但是，由于不确定的历史资料无法充分反映出未来资料的随机特性，所以很多研究者都采用随机抽样技术、机会约束规划、随机场景技术、多状态建模、鲁棒优化等方法。

从另外的角度来看，使用何种优化算法去求解微电网容量优化配置的数学模型，在很大程度上是由优化模型来决定的，使用合适的求解算法可以更加完整的得到其最优配置方案解集。根据微电网的容量优化配置模型中优化目标数量，所采用的优化算法可大致分为以下三类。

第一类是只考虑单一优化目标，其优化模型也较为简单，所考虑约束条件较少。采用单目标优化算法就可以直接求解模型。Maleki A等[17]以偏远地区小型风、光、储能设备组成的混合动力系统为研究对象，建立了以最小化总投资为优化目标的容量配置数学模型，然后使用基于模拟退火的和声搜索算法得到最优解集。Hatata A Y等[18]提出了一种基于人工免疫系统克隆进化算法，并将该算法用于求解以经济型为优化目标的风-光-储微电网系统的容量优化配置模型。该方法简单易行，多适用于家庭的微电网构建使用，但对于需要多方面考虑的微电网建设则显得力不从心。第二类则考虑多方面影响因素，将多个优化目标通过个人设定的权重系数整合为单个优化目标，再采用单目标优化模型进行求解计算。吕智林等[19]采用熵权理论将经济性、环保性和可再生能源利用率组合为一个目标进行优化，并使用优化后的仿电磁学算法对模型进行了求解。Yang X等[20]建立了风-光-储-柴的微电网容量优化配置模型，使用权重系数将经济性和环保性整合，采用水循环单目标算法进行了模型求解，最终阐述了水循环算法相对于其他优化算法运算速度更快，收敛性更好。这种将多个目标通过权重系数整合为单目标的手段，由于其所设定的权重系数缺乏明确的物理意义，其所得结果也由于其设定系数不同而变化，可信度不高。第三类是建立多目标优化模型，并且直接用多目标优化算法解算优化模型。这种方法的优化结果能够给出多组可行解，可以为微电网规划设计工作提供更多的选择，是当前被采用最多的方式。刘忠[21]等以成本最低、经济效益最大、碳排放量最小为优化目标建立系统模型，并使用NSGA-Ⅱ和GRA求解模型，并对得到的Pareto 解集进行无偏折中决策。

对于多目标优化问题而言，枚举法虽然运算速度很慢，但是其能够找到该问题完整最优解集。但是随着研究的不断深入，数据量、优化变量、优化模型等也在不断增加，枚举法已经难以解决此类问题[22]。与枚举法比较，智能算法的计算效率则高出很多，但也有存在一些问题：首先，该智能方法所给的解集中往往仅为最优解的一类，也就是说，对于最优解，其解集并不完全，而且无法确保每个解都属于最优解集；其次，由于其一般都是随机的，所以每一步的计算都会产生不同的效果。

通过上述文献综述，可以看出：

（1）微网的大范围，宽领域的使用，使得微网的容量优化配置目标也从单目标演化成了多目标，微网的限制条件也随之增加，但是随着优化目标及限制条件的增加，部分优化目标本身就存在相互制约，例如经济性优化和稳定性优化会存在一定制约，这就使得如何选择合适的优化目标及限制条件去使得微网的整体优化程度更高。

（2）针对相应的多目标优化去设计相应的优化算法也成为优化配置的一大热点、难点。在这一研究领域里不断追求的就是如何使得优化算法的运算速度更快、收敛性更强。在以往的算法中，已经能很好的解决确定性数据的微网配置问题，但是如何使得算法更加智能，使其能够通过确定的数据去模拟推算未来数据是未来算法发展的主流趋势。但智能算法由于数据的随机性使得计算结果不一定都是最优解，因此算法的优化是一个不断推进的研究方向，力求提升智能优化算法的计算结果中最优解比例。

引用

[1] 赵为光,董凤麟,杨莹,等.电氢热多源联合的微能源网优化模型[J].黑龙江科技大学学报,2021,31(05):634-641.

[2] LI Q,LI R R,PU Y C,et al.Coordinated Control of Electric-hydrogen Hybrid Energy Storage for Multi-microgrid with Fuel Cell/Electrolyzer/PV/Battery[J].Journal of Energy Storage,2021,42:1-12.

[3] 荆朝霞,胡荣兴,袁灼新,等.含风/光/抽水蓄能并计及负荷响应的海岛微网优化配置[J].电力系统自动化,2017,41(01):65-72.

[4] 罗仕华,胡维昊,黄琦,等.市场机制下光伏/小水电/抽水蓄能电站系统容量优化配置[J].电工技术学报,2020,35(13):2792-2804.

[5] GAO J J,ZHENG Y,LI J M,et al.Optimal Model for Complementary Operation of a Photovoltaic-Wind-Pumped Storage System[J].Mathematical Problems in Engineering,2018,2018(2):1-9.

[6] 张长云,曾晨,熊华健,等.基于季节性负载缺电概率比的独立微电网容量优化配置[J].东北电力技术,2021,42(9):6-12.

[7] 毛璐明,杨玉群.考虑负荷重要性的微电网电源容量优化配置[J].工业仪表与自动化装置,2016(6):62-65+90.

[8] 李彦哲,郭小嘉,董海鹰,等.风/光/储微电网混合储能系统容量优化配置[J].电力系统及其自动化学报,2020,32(6):123-128.

[9] 聂海宁,黄小琳,曾智勇.中国清洁能源供热现状及发展前景[J].能源与节能,2018(12):87-89.

[10] 曲彤.基于风储火联合调频的控制策略与储能容量优化[D].太原:山西大学,2019.

[11] 路畅,郭力,刘一欣,等.基于柔性互联的独立微电网分布式优化调度方法[J].电网技术,2019,43(5):1512-1519.

[12] 吴任博.考虑电-热耦合特性的能源局域网分层控制策略[J].南方电网技术,2018,12(3):85-90.

[13] 杨贺钧.计及多因素的含风能电力系统可靠性评估及优化研究[D].重庆:重庆大学,2014.

[14] 谢姿,张惠娟,刘琪,等.考虑蓄电池寿命的分布式电源容量优化配置[J].太阳能学报,2021,42(10):424-430.

[15] 周林,黄勇,郭珂,等.微电网储能技术研究综述[J].电力系统保护与控制,2011,39(7):147-152.

[16] IEA.China Wind Energy Development Roadmap 2050[R].Paris:International Energy Ageny,2011．

[17] MALEKI A,POURFAYAZ F,ROSEN M A.A Novel Framework for Optimal Design of Hybrid Renewable Energybased Autonomous Energy Systems:A Case Study for Namin,Iran[J].Energy,2016,98(01):168-180.

[18] HATATA A,OSMAN G,ALADL M.An Optimization Method for Sizing a Solar/Wind/Battery Hybrid Power System Based on the Artificial Immune System[J].Sustainable Energy Technologies and Assessments,2018,27:83-93.

[19] 吕智林,谭颖,李捷,等.基于Markov-ELM的独立混合微网分布式电源多目标容量优化配置[J].中国电机工程学报,2017,37(7): 1927-1937.

[20] YANG X H,LONG J T,LIU P Y,et al.Optimal Scheduling of Microgrid with Distributed Power Based on Water Cycle Algorithm[J].Energies, 2018,11(09):1-17.

[21] YAZDANI A,BHUIYAN F A,PRIMAK S L.Primak.Optimal Sizing Approach for Islanded Microgrids[J].IET Renewable Power Generation,2015,9(2):166-175.

[22]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.