胡曉通 ，劉天琪 ，劉 舒 ，何 川 ，劉一奎

（1.四川大學(xué) 電氣信息學(xué)院，四川 成都 610065；2.國(guó)網(wǎng)上海市電力公司電力科學(xué)研究院，上海 200122）

0 引言

不斷消耗的化石燃料資源、較低的能源轉(zhuǎn)化效率及較嚴(yán)重的環(huán)境污染等成為束縛電力系統(tǒng)發(fā)展的枷鎖［1-2］。為了解決上述問題，人們引入了微電網(wǎng)。微電網(wǎng)［3-4］由控制系統(tǒng)、儲(chǔ)能系統(tǒng)和多種分布式電源組成，并網(wǎng)運(yùn)行下的微電網(wǎng)通過合理的調(diào)度策略，可以降低可再生能源發(fā)電對(duì)電網(wǎng)的沖擊，同時(shí)參與主網(wǎng)負(fù)荷削峰填谷、降低運(yùn)行成本［2，5-6］。

目前大多數(shù)微電網(wǎng)優(yōu)化運(yùn)行的研究主要針對(duì)單個(gè)微電網(wǎng)，而對(duì)于多微電網(wǎng)接入配網(wǎng)的協(xié)調(diào)優(yōu)化的研究較少。文獻(xiàn)［7］對(duì)并網(wǎng)不上網(wǎng)的接入方式，建立了優(yōu)化運(yùn)行模型，提出了2種不同的電力市場(chǎng)策略，并分析了不同策略對(duì)微電網(wǎng)優(yōu)化運(yùn)行的影響。文獻(xiàn)［8］在微電網(wǎng)與配網(wǎng)可以自由交換功率的基礎(chǔ)上，建立了計(jì)及制熱收益的微電網(wǎng)優(yōu)化運(yùn)行模型，同時(shí)附加聯(lián)絡(luò)交換功率限制約束，對(duì)不同運(yùn)行模式下微電網(wǎng)經(jīng)濟(jì)調(diào)度進(jìn)行了分析。文獻(xiàn)［9］在傳統(tǒng)的優(yōu)化運(yùn)行模型的基礎(chǔ)上，考慮了微電網(wǎng)之間的容量租用，采用動(dòng)態(tài)回溯模擬法對(duì)含多微電網(wǎng)配電系統(tǒng)優(yōu)化模型進(jìn)行求解。文獻(xiàn)［10］建立了含多微電網(wǎng)電力系統(tǒng)聯(lián)合調(diào)度模型，分別從電網(wǎng)層與微電網(wǎng)層進(jìn)行優(yōu)化，在配網(wǎng)層優(yōu)化時(shí)，考慮微電網(wǎng)提供的購(gòu)售電價(jià)以及出力限制。

文獻(xiàn)［7-8］通過附加交換功率限制或設(shè)定微電網(wǎng)為并網(wǎng)不上網(wǎng)模式，微電網(wǎng)基本不參與配網(wǎng)的協(xié)調(diào)優(yōu)化；文獻(xiàn)［9-10］將微電網(wǎng)視為配網(wǎng)的一部分，先確定配網(wǎng)對(duì)微電網(wǎng)的調(diào)度計(jì)劃，再根據(jù)調(diào)度計(jì)劃對(duì)微電網(wǎng)內(nèi)的微源進(jìn)行調(diào)度，當(dāng)微電網(wǎng)與配網(wǎng)分屬不同利益方時(shí)，無(wú)法兼顧微電網(wǎng)方的利益；或是以發(fā)電成本最小為目標(biāo)，在配網(wǎng)制定調(diào)度計(jì)劃時(shí)，考慮微電網(wǎng)提供的購(gòu)售電價(jià)以及出力限制，并未考慮微電網(wǎng)參與配網(wǎng)負(fù)荷的經(jīng)濟(jì)分配及配網(wǎng)負(fù)荷的削峰填谷。另一面，現(xiàn)有文獻(xiàn)在微電網(wǎng)層優(yōu)化時(shí)，均按照在滿足配網(wǎng)層下發(fā)調(diào)度計(jì)劃的條件下，以微電網(wǎng)利益最大化為目標(biāo)進(jìn)行二次優(yōu)化，由于微電網(wǎng)與配網(wǎng)二者利益往往相互沖突，難以同時(shí)保證二者的利益。

為此本文提出一種基于動(dòng)態(tài)獎(jiǎng)懲電價(jià)的微電網(wǎng)與配網(wǎng)協(xié)調(diào)優(yōu)化模型，即先以10 kV饋線處負(fù)荷曲線削峰填谷作為目標(biāo)函數(shù)，給出各微電網(wǎng)的參考計(jì)劃交換功率曲線，各微電網(wǎng)再以綜合發(fā)電成本最小為目標(biāo)進(jìn)行二次優(yōu)化，在優(yōu)化時(shí)將微電網(wǎng)與配網(wǎng)間的日前調(diào)度交換功率作為約束，與配網(wǎng)下發(fā)計(jì)劃交換功率曲線進(jìn)行匹配，根據(jù)匹配程度的不同實(shí)現(xiàn)電價(jià)的動(dòng)態(tài)化（即根據(jù)匹配程度，采取“低罰高獎(jiǎng)”的形式來確定實(shí)際的電價(jià)），從而提高微電網(wǎng)參與配網(wǎng)的優(yōu)化的積極性，共同完成系統(tǒng)的協(xié)調(diào)優(yōu)化。

1 微電網(wǎng)與配網(wǎng)協(xié)調(diào)優(yōu)化模型

1.1 基于動(dòng)態(tài)獎(jiǎng)懲電價(jià)的分層協(xié)調(diào)優(yōu)化策略

配網(wǎng)中可以接入多個(gè)微電網(wǎng)［6］，微電網(wǎng)由風(fēng)力發(fā)電機(jī) WT（Wind Turbine）、光伏電池 PV（PhotoVoltaic）、熱電聯(lián)產(chǎn)型微型燃?xì)廨啓C(jī)MT（Micro Turbine）、燃料電池 FC（Fuel Cell）、蓄電池 SB（Storage Battery）等微源及負(fù)荷構(gòu)成，通過公共連接點(diǎn)接入配網(wǎng)。

由于分布式發(fā)電和微電網(wǎng)的接入，配網(wǎng)由傳統(tǒng)被動(dòng)單向供電向雙向供電多電源供電轉(zhuǎn)變［11-12］。同時(shí)，隨著電力市場(chǎng)的逐步改革，配電環(huán)節(jié)將逐步引入市場(chǎng)競(jìng)爭(zhēng)機(jī)制［13］。微電網(wǎng)與配網(wǎng)的功率交換將由經(jīng)濟(jì)利益驅(qū)動(dòng)，可追求自身利益的最大化。同時(shí)，配網(wǎng)也會(huì)希望微電網(wǎng)能更多地參與配網(wǎng)優(yōu)化運(yùn)行的調(diào)控，比如參與配網(wǎng)負(fù)荷的經(jīng)濟(jì)分配或參與配網(wǎng)負(fù)荷的削峰填谷等［10-13］。

為此，在微電網(wǎng)發(fā)電成本中引入動(dòng)態(tài)雙向獎(jiǎng)懲電價(jià)，該獎(jiǎng)懲電價(jià)取決于日前調(diào)度交換功率曲線與配網(wǎng)下發(fā)計(jì)劃交換功率曲線的匹配程度，即定義其匹配度為：

其中，A（i）、B（i）分別為配網(wǎng)下發(fā)計(jì)劃交換功率曲線和日前調(diào)度交換功率曲線模糊化后的隸屬度函數(shù)值；np為調(diào)度時(shí)段數(shù)。

再由其匹配度給出微電網(wǎng)的購(gòu)售電價(jià)格分別為：

其中，CP（t）、CS（t）分別為 t時(shí)刻的基準(zhǔn)購(gòu)、售電價(jià)；C′P（t）、C′S（t）分別為考慮動(dòng)態(tài)獎(jiǎng)懲電價(jià)后的實(shí)際的購(gòu)、售電價(jià)；α和β為動(dòng)態(tài)獎(jiǎng)懲電價(jià)調(diào)節(jié)系數(shù)，本文分別取為1.5和0.5。

以此實(shí)現(xiàn)“低罰高獎(jiǎng)”，即匹配程度越高則購(gòu)電電價(jià)越低、售電電價(jià)越高。

在引入動(dòng)態(tài)獎(jiǎng)懲電價(jià)策略的基礎(chǔ)上，采用兩層優(yōu)化策略，即首先從配網(wǎng)的角度出發(fā)，考慮微電網(wǎng)整體具有的電源和負(fù)荷的特性，將微電網(wǎng)視作雙向可調(diào)節(jié)負(fù)荷接入配網(wǎng)，配網(wǎng)根據(jù)優(yōu)化目標(biāo)（10 kV饋線負(fù)荷曲線削峰填谷）確定各微電網(wǎng)與配網(wǎng)的參考計(jì)劃交換功率控制曲線。各微電網(wǎng)再進(jìn)行二次優(yōu)化，并以動(dòng)態(tài)獎(jiǎng)懲電價(jià)計(jì)入微電網(wǎng)發(fā)電成本，從而提高微電網(wǎng)參與配網(wǎng)的能量管理的積極性。

1.2 配網(wǎng)層優(yōu)化模型

1.2.1 目標(biāo)函數(shù)

配網(wǎng)希望微電網(wǎng)參與配網(wǎng)的調(diào)控，即在負(fù)荷高峰時(shí)向配網(wǎng)售電，在負(fù)荷低時(shí)購(gòu)電，起到了削峰填谷的作用，從而改善配網(wǎng)的負(fù)荷特性。文獻(xiàn)［14］提出因?yàn)榉讲羁煞从畴S機(jī)變量偏離其均值的程度，采用方差來衡量削峰填谷的效果。然而，僅通過負(fù)荷曲線的方差無(wú)法較為準(zhǔn)確地描述負(fù)荷曲線的特性，因而引入負(fù)荷率和最小負(fù)荷系數(shù)，建立以饋線負(fù)荷曲線方差最小、負(fù)荷率最大和最小負(fù)荷系數(shù)最大為優(yōu)化目標(biāo)的配網(wǎng)運(yùn)行優(yōu)化模型，即優(yōu)化目標(biāo)函數(shù)為：

其中，D1（i）為經(jīng)過優(yōu)化后第i個(gè)時(shí)段饋線上的負(fù)荷值；D1max和D1min分別為最大和最小負(fù)荷。

1.2.2 約束條件

a.微電網(wǎng)與配網(wǎng)交換功率約束：

其中，Pgrid，max和 Pgrid，min分別為微電網(wǎng)與配網(wǎng)間的最大和最小交換功率。

b.配網(wǎng)潮流與電壓約束：

其中，Pi、Qi分別為節(jié)點(diǎn) i（i=1，2，…，n）的有功和無(wú)功功率，n 為節(jié)點(diǎn)數(shù)；Gij、Bij、θij分別為節(jié)點(diǎn) i和節(jié)點(diǎn) j之間的導(dǎo)納和相位差；Ui、Ui，max、Ui，min分別節(jié)點(diǎn) i的電壓值和取值上、下限；j?i表示節(jié)點(diǎn)j與節(jié)點(diǎn)i相連。

1.3 微電網(wǎng)層優(yōu)化模型

1.3.1 目標(biāo)函數(shù)

微電網(wǎng)層優(yōu)化以微電網(wǎng)一天的發(fā)電成本（包括燃料成本、投資折舊成本、維護(hù)運(yùn)行成本）、排污處理成本、考慮動(dòng)態(tài)獎(jiǎng)懲電價(jià)的微電網(wǎng)與配網(wǎng)交互成本及制冷收益所構(gòu)成的綜合發(fā)電成本最低為目標(biāo)，建立微電網(wǎng)運(yùn)行優(yōu)化模型，即優(yōu)化目標(biāo)函數(shù)為：

其中，Cm為各個(gè)微電網(wǎng)綜合發(fā)電成本；nm為微電網(wǎng)總數(shù)；n1為微電網(wǎng)中微源數(shù)；Pi為第i個(gè)微源的有功出力；Cf（t）、CDP（t）、COM（t）、Ce（t）分別為 t時(shí)段各微電源的燃料成本、投資折舊成本、運(yùn)行維護(hù)成本、排污處理成本；PGP、PSP分別為微電網(wǎng)向主網(wǎng)購(gòu)電和售電功率；Cgrid、Csc分別為考慮動(dòng)態(tài)獎(jiǎng)懲電價(jià)的微電網(wǎng)與配網(wǎng)的交互成本和微型燃?xì)廨啓C(jī)制冷收益；Caz，i、ki、r、ni、KOM，i、Vej、Qij分別為單位容量的微電源的安裝成本、容量因素、年利率、投資償還期、單位電量運(yùn)行維護(hù)成本系數(shù)、污染物的環(huán)境價(jià)值和污染物的排放量；mi為污染物的種類；Qce（t）為微型燃?xì)廨啓C(jī)各時(shí)刻制冷量；Kpc為單位制冷的收益。

1.3.2 約束條件

a.微源有功出力約束：

其中，Pi，max和 Pi，min分別為第 i個(gè)微源有功出力的最大和最小值。

b.增加與減少出力時(shí)的微型燃?xì)廨啓C(jī)爬坡率約束分別如式（20）、（21）所示。

其中，PMT（t）為微型燃?xì)廨啓C(jī)第 t時(shí)刻出力；Rup和 Rdown分別為增加和降低出力的限值。

c.蓄電池運(yùn)行約束：

其中，PSB為蓄電池的出力；PSB，max和 PSB，min分別為蓄電池出力的最大和最小值；SOC為蓄電池的剩余電量；SOCmax和SOCmin分別為剩余電量的最大和最小限值。

d.微電網(wǎng)與配網(wǎng)交換功率約束：

e.微電網(wǎng)內(nèi)功率平衡約束：

其中，Pload為微電網(wǎng)總的負(fù)荷；Pgrid為微電網(wǎng)與配網(wǎng)的交換功率；PDG，i為各微源的出力。

2 微電網(wǎng)與配網(wǎng)協(xié)調(diào)優(yōu)化運(yùn)行算法

2.1 基本細(xì)菌群體趨藥性優(yōu)化算法

細(xì)菌群體趨藥性BCC（Bacterial Colony Chemotaxis）算法是一種從細(xì)菌趨藥性BC（Bacterial Chemotaxis）算法發(fā)展而來的智能優(yōu)化算法［15-16］，包含趨化過程、感知過程和精英保留策略等步驟［17］。文獻(xiàn)［15-17］已驗(yàn)證BCC算法與其他智能算法（標(biāo)準(zhǔn)遺傳算法、進(jìn)化算法、粒子群優(yōu)化算法等）相比，具有更好的全局性、快速性、更高的精度和較低的資源占用率。

2.2 拉丁超立方抽樣

拉丁超立方抽樣（LHS）是一種由M.D.Mckay等提出的分層抽樣方法［18］。LHS由于具有在相同采用規(guī)模下能夠覆蓋更大的采樣空間以及具有更好的穩(wěn)健性，已逐漸成為一種廣泛應(yīng)用的抽樣方法。

若采樣空間為D維，抽樣規(guī)模為N，Ui和Li分別為第i維變量的上界和下界，則LHS采樣方法如下：將每一維變量劃分為N個(gè)相等的區(qū)間，即為［Li，Li+（Ui-Li）/N］、…、［Li+（n-1）（Ui-Li）/N，Ui］，從而獲得ND個(gè)區(qū)間。在每個(gè)區(qū)間中隨機(jī)生成一個(gè)數(shù)，就形成了N×D的采樣矩陣S，再在S矩陣中每一列隨機(jī)抽取一個(gè)數(shù)，組成向量。

2.3 改進(jìn)BCC算法

2.3.1 移動(dòng)速度動(dòng)態(tài)調(diào)整

基本BCC算法的速度v通常為常數(shù)，然而v與細(xì)菌的全局搜索能力息息相關(guān)，因而引入速度動(dòng)態(tài)機(jī)制［17］，如式（26）所示。

其中，ns為細(xì)菌規(guī)模；vmin為速度的最小值；ξ為控制速度減小的常數(shù)。

2.3.2 感應(yīng)范圍自適應(yīng)

感應(yīng)范圍主要影響細(xì)菌聚集的快慢，過快易陷入局部最優(yōu)，過慢會(huì)影響收斂速度，因而對(duì)感知范圍進(jìn)行自適應(yīng)調(diào)整［17］，如式（27）、（28）所示。

其中，T為決策變量維數(shù)；xi，j為第i個(gè)細(xì)菌第j維變量的值；xav，j為細(xì)菌第 j維變量的平均值；Skmin為感知范圍的最小值；ζ為控制感知范圍減小的常數(shù)。

2.3.3 基于LHS的初代細(xì)菌生成

在BCC算法產(chǎn)生初代細(xì)菌時(shí)，引入LHS，即將細(xì)菌規(guī)模ns設(shè)定為采樣規(guī)模，p維決策變量空間設(shè)定為采樣空間。利用LHS產(chǎn)生一個(gè)ns×p階采樣矩陣S，矩陣S中每一列中的每一個(gè)數(shù)分別由一個(gè)不同的區(qū)間產(chǎn)生，并且它們是無(wú)序排列的，利用采樣矩陣S生成初代細(xì)菌。

由于LHS能夠在相同的采樣規(guī)模下覆蓋更大的采樣空間，因而通過LHS產(chǎn)生的初代細(xì)菌具有更為廣闊的分布，從而可以降低算法陷入局部最優(yōu)的可能性。

2.4 改進(jìn)BCC算法優(yōu)化測(cè)試函數(shù)

采用Rastrigin函數(shù)對(duì)基本BCC和改進(jìn)BCC算法性能進(jìn)行測(cè)試［17］，該函數(shù)如式（29）所示：

改進(jìn)BCC及基本BCC算法參數(shù)設(shè)置如下：細(xì)菌規(guī)模為20，初始迭代精度為2，最終迭代精度為10-6，精度更新常數(shù)為1.25，最大迭代次數(shù)為100，ξ、ζ均為0.01。優(yōu)化仿真結(jié)果和優(yōu)化收斂曲線如圖1、圖2所示。

由圖1和圖2可見，改進(jìn)BCC算法由于采用了基于LHS生成初代細(xì)菌、動(dòng)態(tài)調(diào)整移動(dòng)速度以及自適應(yīng)調(diào)整感應(yīng)范圍，因而比基本BCC算法具有更廣泛的初代細(xì)菌分布以及更快的收斂速度。

2.5 算法流程

為了加快運(yùn)算速度，設(shè)定一定的終止條件，即連續(xù)5次迭代中細(xì)菌群體中最大與最小適應(yīng)度函數(shù)值之差的絕對(duì)值小于精度后迭代終止。改進(jìn)BCC算法的流程見圖3，其中kmax為最大迭代次數(shù)。

圖1 仿真結(jié)果Fig.1 Simulative results

圖2 收斂曲線Fig.2 Convergence curve

圖3 算法流程Fig.3 Flowchart of algorithm

3 算例分析

3.1 算例模型

在配網(wǎng)節(jié)點(diǎn)20、35、58和69引入微電網(wǎng)，形成含微電網(wǎng)的配網(wǎng)，如圖4所示。配網(wǎng)參數(shù)與文獻(xiàn)［19］相同，其中配網(wǎng)各負(fù)荷時(shí)間分布如表1所示（表中負(fù)荷為標(biāo)幺值）；各微電網(wǎng)中的微源參數(shù)分別如表2、3所示［8］；基準(zhǔn)電價(jià)、各微源的污染物排放系數(shù)及成本參照文獻(xiàn)［20-21］，如表4所示；各微源運(yùn)行成本參照文獻(xiàn)［21-22］，如表 5所示。

此外，根據(jù)冷負(fù)荷設(shè)定微電網(wǎng)1中的微型燃?xì)廨啓C(jī)的輸出功率曲線，其凈發(fā)電功率與效率關(guān)系曲線和燃料成本函數(shù)參照文獻(xiàn)［22］，制冷收益設(shè)定為0.2元 /（kW·h）［23］。微電網(wǎng)與配網(wǎng)的交換功率的上、下限分別為100 kW和-100 kW（以微電網(wǎng)向主網(wǎng)購(gòu)電為正，反之為負(fù)）。蓄電池的最大、最小和初始荷電狀態(tài)分別為95%、20%、40%，微電網(wǎng)1、微電網(wǎng)2和微電網(wǎng)4中蓄電池的額定容量分別為2400、2000和1600 kW·h。配網(wǎng)電壓允許偏差為-5%～5%。各微電網(wǎng)的典型日風(fēng)、光和負(fù)荷曲線分別如圖5和圖6所示。

3.2 仿真結(jié)果及討論

在MATLAB環(huán)境中編寫程序進(jìn)行仿真，細(xì)菌規(guī)模為50，最大迭代次數(shù)為500次，初始迭代精度為2，最終迭代精度為10-3，精度更新常數(shù)為1.25，ξ、ζ均為0.01。粒子群算法取相同的粒子數(shù)。

本文采用基于Pareto的多目標(biāo)優(yōu)化技術(shù)來解決上述配網(wǎng)層運(yùn)行優(yōu)化模型，Pareto解集如圖7所示。圖中解1、解2、解3是3個(gè)代表性的結(jié)果，解1為Pareto解集中的負(fù)荷曲線方差最小的解，解2為負(fù)荷率最大的解，解3為最小負(fù)荷系數(shù)最大的解。采用模糊隸屬度進(jìn)行折中處理，模糊隸屬度函數(shù)為：

其中，fimax、fimin分別為第i個(gè)目標(biāo)的最大、最小值；fi為第i個(gè)目標(biāo)的函數(shù)值。

圖8為改進(jìn)BCC算法、基本BCC算法和粒子群優(yōu)化算法的迭代收斂曲線，由圖可知，改進(jìn)BCC算法具有較好的收斂精度和較小的陷入局部收斂的概率。

考慮多個(gè)微電網(wǎng)接入，協(xié)調(diào)優(yōu)化和不考慮協(xié)調(diào)優(yōu)化時(shí)，10 kV饋線在配網(wǎng)層不同目標(biāo)函數(shù)下的適應(yīng)度值如表6所示，各微電網(wǎng)綜合收益如表7所示。協(xié)調(diào)優(yōu)化后、不考慮協(xié)調(diào)優(yōu)化時(shí)、原始系統(tǒng)負(fù)荷（微電網(wǎng)設(shè)定為并網(wǎng)不上網(wǎng)時(shí)10 kV出線處饋線負(fù)荷）曲線如圖9所示。

圖4 包含微電網(wǎng)的IEEE 69節(jié)點(diǎn)配電網(wǎng)Fig.4 IEEE 69-bus distribution network with microgrids

表1 IEEE 69節(jié)點(diǎn)配電網(wǎng)各節(jié)點(diǎn)負(fù)荷時(shí)間分布Table 1 Bus load distribution of IEEE 69-bus distribution network

表2 微電網(wǎng)中各微源的參數(shù)Table 2 Micro-source parameters of microgrid

表3 各微電網(wǎng)中各微源的容量Table 3 Micro-source capacities for different microgrids

表4 污染物治理成本及排污系數(shù)Table 4 Pollution harness cost and emission factor

表5 各微源運(yùn)行管理成本Table 5 Operation and maintenance cost of micro-sources

圖5 各微電網(wǎng)典型日負(fù)荷曲線Fig.5 Typical daily load curve of different microgrids

由表6和表7可知，較不考慮協(xié)調(diào)優(yōu)化（即僅采用基準(zhǔn)電價(jià)，不采用動(dòng)態(tài)獎(jiǎng)懲電價(jià)，微電網(wǎng)僅考慮自身成本最優(yōu)，忽略配網(wǎng)對(duì)微電網(wǎng)的調(diào)度計(jì)劃），采用基于動(dòng)態(tài)獎(jiǎng)懲電價(jià)的協(xié)調(diào)優(yōu)化，各微電網(wǎng)綜合收益均有提高，配網(wǎng)10kV饋線處負(fù)荷曲線特性均有改善（負(fù)荷曲線方差變小、負(fù)荷率變大和最小負(fù)荷系數(shù)變大）。

如圖9所示，經(jīng)過協(xié)調(diào)優(yōu)化后，配網(wǎng)系統(tǒng)負(fù)荷特性較不考慮協(xié)調(diào)優(yōu)化和原始配網(wǎng)系統(tǒng)負(fù)荷曲線有一定的改善。在01∶00—09∶00之間，配網(wǎng)負(fù)荷存在一個(gè)波谷，協(xié)調(diào)優(yōu)化后的負(fù)荷較不考慮協(xié)調(diào)優(yōu)化和原始配網(wǎng)系統(tǒng)均增大，說明在波谷時(shí)，協(xié)調(diào)優(yōu)化可以促進(jìn)微電網(wǎng)利用自身儲(chǔ)能裝置吸收系統(tǒng)低谷時(shí)段的電能，增大配網(wǎng)負(fù)荷；在 10∶00—16∶00之間，配網(wǎng)存在一個(gè)波峰，協(xié)調(diào)優(yōu)化后的負(fù)荷較不考慮協(xié)調(diào)優(yōu)化和原始配網(wǎng)系統(tǒng)均減小，說明在波峰時(shí)，協(xié)調(diào)優(yōu)化可以促進(jìn)微電網(wǎng)利用自身微源在配網(wǎng)負(fù)荷高峰時(shí)段提供電能，可以減小配網(wǎng)負(fù)荷，因此配網(wǎng)饋線負(fù)荷總體波動(dòng)更小、負(fù)荷率和最小負(fù)荷系數(shù)更大，實(shí)現(xiàn)負(fù)荷的“削峰填谷”，改善了系統(tǒng)的負(fù)荷特性。若增大微電網(wǎng)中微源的配置容量和微電網(wǎng)與配網(wǎng)的聯(lián)絡(luò)線功率限制，微電網(wǎng)將具有更加顯著的“削峰填谷”的能力。

圖6 各微電網(wǎng)典型日風(fēng)電和光伏曲線Fig.6 Typical daily wind and photovoltaic power curves of different microgrids

圖7 Pareto解的目標(biāo)函數(shù)空間分布Fig.7 Pareto solution distribution in objective function space

圖8 微電網(wǎng)1綜合效益收斂曲線Fig.8 Comprehensive benefit convergence curve of microgrid 1 for different algorithms

表6 考慮與不考慮協(xié)調(diào)優(yōu)化時(shí)配網(wǎng)10 kV饋線的各目標(biāo)函數(shù)適應(yīng)度值Table 6 Fitness value of objective functions of 10 kV feeder，with and without coordinated optimization

表7 各微電網(wǎng)綜合收益Table 7 Comprehensive benefit of different microgrids

圖9 系統(tǒng)負(fù)荷變化Fig.9 System load variation

4 結(jié)論

a.提出了微電網(wǎng)與配網(wǎng)協(xié)調(diào)優(yōu)化策略，在優(yōu)化過程中充分發(fā)揮微電網(wǎng)參與配網(wǎng)調(diào)度管理的作用，分別對(duì)含微電網(wǎng)配電系統(tǒng)的配網(wǎng)層和微電網(wǎng)層進(jìn)行優(yōu)化。

b.在協(xié)調(diào)優(yōu)化運(yùn)行模型基礎(chǔ)上，提出了動(dòng)態(tài)獎(jiǎng)懲電價(jià)策略，通過日前調(diào)度交換功率曲線與配網(wǎng)下發(fā)計(jì)劃交換功率曲線的匹配程度來確定相應(yīng)的實(shí)際電價(jià)，采取“低罰高獎(jiǎng)”的形式對(duì)微電網(wǎng)進(jìn)行補(bǔ)貼，從而提高微電網(wǎng)參與配網(wǎng)的調(diào)度管理的積極性。

c.采用了一種改進(jìn)BCC算法，與基本BCC算法相比，采用速度和感知范圍的自適應(yīng)調(diào)整，從而獲得較為平衡的全局和局部搜索能力。同時(shí)，通過LHS產(chǎn)生初代細(xì)菌，使初代細(xì)菌能夠較為廣闊地分布在可行性空間中，從而減少陷入局部最優(yōu)的可能性。

［1］劉春陽(yáng)，王秀麗，劉世民，等.計(jì)及蓄電池使用壽命的微電網(wǎng)經(jīng)濟(jì)調(diào)度模型［J］. 電力自動(dòng)化設(shè)備，2015，35（10）：29-36.LIU Chunyang，WANG Xiuli，LIU Shimin，et al.Economic dispatch model considering battery lifetime for microgrid［J］.Electric Power Automation Equipment，2015，35（10）：29-36.

［2］CHOWDHURY C，CHOWDHURY S P，CROSSLEY P.Microgrids and active distribution networks［M］.London，United Kingdom：The Institution of Engineering and Technology，2009：1-3.

［3］YAO D L，CHOI S S，TSENG K J，et al.Determination of shortterm power dispatch schedule for a wind farm incorporated with dualbattery energy storage scheme［J］.IEEE Trans on Sustainable Energy，2012，3（1）：74-84.

［4］楊新法，蘇劍，呂志鵬，等.微電網(wǎng)技術(shù)綜述［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2014，34（1）：57-70.YANG Xinfa，SU Jian，Lü Zhipeng，et al.Overview on micro-grid technology［J］.Proceedings of the CSEE，2014，34（1）：57-70.

［5］劉天琪，江東林.基于儲(chǔ)能單元運(yùn)行方式優(yōu)化的微電網(wǎng)經(jīng)濟(jì)運(yùn)行［J］. 電網(wǎng)技術(shù)，2012，36（1）：45-50.LIU Tianqi，JIANG Donglin.Economic operation of microgrid based on operation mode optimization of energy storage unit［J］.Power System Techology，2012，36（1）：45-50.

［6］LASSETER R H.Smartdistribution：coupled microgrids［J］.Proceedings of Tricomm，2011，99（3）：1074-1082.

［7］TSIKALAKIS A G，HATZIARGYRIOU N D.Centralized control for optimizing microgrids operation［J］.IEEE Transactions on Energy Conversion，2008，23（1）：241-248.

［8］陳潔，楊秀，朱蘭，等.不同運(yùn)行調(diào)度模式下微網(wǎng)經(jīng)濟(jì)運(yùn)行對(duì)比分析［J］. 電力自動(dòng)化設(shè)備，2013，33（8）：106-113.CHEN Jie，YANG Xiu，ZHU Lan，et al.Comparison of microgrid economic operation among different dispatch modes［J］.Electric Power Automation Equipment，2013，33（8）：106-113.

［9］江潤(rùn)洲，邱曉燕，李丹，等.含儲(chǔ)能系統(tǒng)的多微網(wǎng)智能配電系統(tǒng)經(jīng)濟(jì)運(yùn)行［J］. 電網(wǎng)技術(shù)，2013，37（12）：3596-3602.JIANG Runzhou，QIU Xiaoyan，LI Dan，et al.Economic operation of smart distribution network containing multi microgrids and energy storage system［J］.Power System Technology，2013，37（12）：3596-3602.

［10］艾欣，許佳佳.基于互動(dòng)調(diào)度的微網(wǎng)與配電網(wǎng)協(xié)調(diào)運(yùn)行模式研究［J］. 電力系統(tǒng)保護(hù)與控制，2013，41（1）：143-149.AI Xin，XU Jiajia.Study on the microgrid and distribution network co-operation model based on interactive scheduling ［J］.Power System Protection and Control，2013，41（1）：143-149.

［11］尤毅，劉東，于文鵬，等.主動(dòng)配電網(wǎng)技術(shù)及其進(jìn)展［J］.電力系統(tǒng)自動(dòng)化，2012，36（18）：10-16.YOU Yi，LIU Dong，YU Wenpeng，et al.Technology and its trends of active distribution network［J］.Automation of Electric Power Systems，2012，36（18）：10-16.

［12］李鵬，竇鵬沖，李雨薇，等.微電網(wǎng)技術(shù)在主動(dòng)配電網(wǎng)中的應(yīng)用［J］. 電力自動(dòng)化設(shè)備，2015，35（4）：8-16.LI Peng，DOU Pengchong，LI Yuwei，et al.Application of microgrid technology in active distribution network［J］.Electric Power Automation Equipment，2015，35（4）：8-16.

［13］羅運(yùn)虎，王冰潔，梁昕，等.電力市場(chǎng)環(huán)境下微電網(wǎng)不可再生分布式發(fā)電容量的優(yōu)化配置問題［J］.電力自動(dòng)化設(shè)備，2010，30（8）：28-36.LUO Yunhu，WANG Bingjie，LIANG Xin，et al.Configuration optimization of non-renewable energy distributed generation capacity［J］.Electric Power Automation Equipment，2010，30（8）：28-36.

［14］陳滿，陸志剛，劉怡，等.電池儲(chǔ)能系統(tǒng)恒功率削峰填谷優(yōu)化策略研究［J］. 電網(wǎng)技術(shù)，2012，36（9）：232-237.CHEN Man，LU Zhigang，LIU Yi，et al.Research on optimal peak load shifting strategy of battery energy system operated in constant power mode［J］.Power System Technology，2012，36（9）：232-237.

［15］李威武，王慧，鄒志君，等.基于細(xì)菌群體趨藥性的函數(shù)優(yōu)化方法［J］. 電路與系統(tǒng)學(xué)報(bào)，2005，10（1）：58-63.LI Weiwu，WANG Hui，ZOU Zhijun，et al.Function optimization method based on bacterial colony chemotaxis［J］.Journal of Circuit and System，2005，10（1）：58-63.

［16］MULLER S D，MARCHETTO J，AIRAGHI S，et al.Optimization based on bacterial chemotaxis［J］.IEEE Transactions on Evolutionary Computation，2002，6（1）：16-29.

［17］張曉輝，盧志剛，秦四娟.基于改進(jìn)細(xì)菌群體趨藥性算法的電力系統(tǒng)無(wú)功優(yōu)化［J］. 電網(wǎng)技術(shù)，2012，36（2）：109-114.ZHANG Xiaohui，LU Zhigang，QIN Sijuan.Reactive power management based on improved bacterial colony chemotaxis algorithm［J］.Power System Technology，2012，36（2）：109-114.

［18］MCKAY M D，BECKMAN R J，CONOVER W J.A comparison of three methods for selecting values of input variables in the analysis of output from a computer code［J］.Technometrics，2000，42（1）：55-61.

［19］BARAN M E，WU F F.Optimal capacitor placement on radial distribution system［J］.IEEE Trans on Power Delivery，1989，4（1）：725-734.

［20］丁明，張穎媛，茆美琴，等.包含鈉硫電池儲(chǔ)能的微網(wǎng)系統(tǒng)經(jīng)濟(jì)運(yùn)行優(yōu)化［J］. 中國(guó)電機(jī)工程學(xué)報(bào)，2011，31（4）：7-14.DING Ming，ZHANG Yingyuan，MAO Meiqin，et al.Economic operation optimization for microgrids including Na/S battery storage［J］.Proceedings of the CSEE，2011，31（4）：7-14.

［21］錢科軍，袁越，石曉丹，等.分布式發(fā)電的環(huán)境效益分析［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2008，28（29）：11-15.QIAN Kejun，YUAN Yue，SHIXiaodan，etal.Enviromental benefits ananlysisofdistribute d generation ［J］.Proceedings of the CSEE，2008，28（29）：11-15.

［22］李樂.微網(wǎng)的經(jīng)濟(jì)運(yùn)行研究［D］.北京：華北電力大學(xué)，2011.LI Le.Study of economic operation in microgrid［D］.Beijing：North China Electric Power University，2011.

［23］RAMAKUMAR R，BULTER N G，RODRIHUEZ A P，et al.Economic aspects of advanced energy technologies［J］.Proceeding of the IEEE，1993，81（3）：318-332.