韓曉娟　王麗娜　高　僮　修曉青

（1. 華北電力大學(xué)控制與計(jì)算機(jī)工程學(xué)院　北京　102206 2. 國(guó)網(wǎng)吉林省電力有限公司長(zhǎng)春供電公司　長(zhǎng)春　130000 3. 中國(guó)電力科學(xué)研究院　北京　100192）

基于成本和效益分析的并網(wǎng)光儲(chǔ)微網(wǎng)系統(tǒng)電源規(guī)劃

韓曉娟1王麗娜1高僮2修曉青3

（1. 華北電力大學(xué)控制與計(jì)算機(jī)工程學(xué)院北京102206 2. 國(guó)網(wǎng)吉林省電力有限公司長(zhǎng)春供電公司長(zhǎng)春130000 3. 中國(guó)電力科學(xué)研究院北京100192）

隨著微網(wǎng)的迅速發(fā)展，電源規(guī)劃對(duì)微網(wǎng)的建設(shè)具有重要指導(dǎo)意義。針對(duì)并網(wǎng)光儲(chǔ)微網(wǎng)系統(tǒng)電源規(guī)劃問(wèn)題，提出基于成本和效益分析的并網(wǎng)微網(wǎng)系統(tǒng)電源規(guī)劃方法。在考慮光伏補(bǔ)貼政策與兩部制用戶(hù)分時(shí)電價(jià)基礎(chǔ)上，根據(jù)成本和效益分析理論，建立以生命周期凈收益最大為目標(biāo)的微網(wǎng)電源規(guī)劃模型，分別采用粒子群算法、人工魚(yú)群算法與量子遺傳算法對(duì)模型進(jìn)行求解。通過(guò)對(duì)上海某地區(qū)實(shí)際負(fù)荷數(shù)據(jù)仿真分析，給出該地區(qū)并網(wǎng)光儲(chǔ)微網(wǎng)系統(tǒng)的電源規(guī)劃結(jié)果及其經(jīng)濟(jì)效益，以及三種算法的對(duì)比結(jié)果。仿真結(jié)果表明粒子群算法在該微網(wǎng)電源規(guī)劃模型求解中具有優(yōu)越性。

微網(wǎng)電源規(guī)劃成本和效益分析粒子群算法

0　引言

光伏（Photovoltaic， PV）發(fā)電因其經(jīng)濟(jì)、清潔環(huán)保等優(yōu)點(diǎn)，應(yīng)用范圍與規(guī)模逐漸擴(kuò)大，技術(shù)更加成熟，成為微網(wǎng)中常用的電源形式［1，2］。由于光伏發(fā)電具有間歇性，為減少其并網(wǎng)時(shí)對(duì)大電網(wǎng)的沖擊，分布式光伏以微網(wǎng)形式接入電網(wǎng)是光伏并網(wǎng)的主要形式之一。分布式電源與微網(wǎng)的發(fā)展使光伏系統(tǒng)在微網(wǎng)中所占的比例也越來(lái)也高［3-5］。而儲(chǔ)能系統(tǒng)是微網(wǎng)必不可少的一部分，是微網(wǎng)改善電能質(zhì)量、安全可靠運(yùn)行的關(guān)鍵。儲(chǔ)能系統(tǒng)根據(jù)負(fù)荷變化向電網(wǎng)釋放或吸收電能，具有削峰填谷、平滑負(fù)荷、降低供電成本、提高經(jīng)濟(jì)利益等特點(diǎn)［6-9］。在微網(wǎng)建設(shè)前期，需要進(jìn)行電源規(guī)劃，即根據(jù)負(fù)荷需求，確定投建機(jī)組的類(lèi)型、容量等，使微網(wǎng)滿(mǎn)足特定的優(yōu)化目標(biāo)。微網(wǎng)的電源規(guī)劃研究可以為微網(wǎng)的建設(shè)提供理論指導(dǎo)，使微網(wǎng)能夠滿(mǎn)足一定的經(jīng)濟(jì)性、可靠性、環(huán)保性等［10，11］。

目前，國(guó)內(nèi)外學(xué)者針對(duì)微網(wǎng)電源規(guī)劃取得了一定的研究成果。文獻(xiàn)［12-15］以綜合成本最低作為規(guī)劃目標(biāo)，考慮初始投資成本、年運(yùn)行維護(hù)成本以及停電損失等，以能量平衡、負(fù)荷缺電率等為約束條件，建立孤島微網(wǎng)電源規(guī)劃模型。文獻(xiàn)［16］針對(duì)并網(wǎng)型風(fēng)光混合發(fā)電系統(tǒng)，給出一種基于發(fā)電效率衰減、分時(shí)電價(jià)和負(fù)荷逐年增長(zhǎng)等條件的并網(wǎng)型分布式發(fā)電系統(tǒng)容量?jī)?yōu)化配置方法。文獻(xiàn)［17］基于成本效益分析原理，以綜合最佳投資經(jīng)濟(jì)性（凈效益最大化）為目標(biāo)，建立并網(wǎng)型微網(wǎng)電源容量?jī)?yōu)化配置模型。

綜上所述，現(xiàn)有微網(wǎng)電源規(guī)劃研究多從經(jīng)濟(jì)性角度出發(fā)，以成本最小或凈收益最大為目標(biāo)，但沒(méi)有充分考慮光伏發(fā)電的補(bǔ)貼政策、多省實(shí)行的峰谷分時(shí)電價(jià)以及兩部制分時(shí)電價(jià)。此外，微網(wǎng)的最重要目標(biāo)是實(shí)現(xiàn)對(duì)低碳分布式能源的優(yōu)化利用，與低碳經(jīng)濟(jì)的發(fā)展要求相吻合［18］。因此，將低碳因素考慮到微網(wǎng)電源規(guī)劃中有重要意義。本文充分考慮光伏補(bǔ)貼與兩部制分時(shí)電價(jià)，結(jié)合并網(wǎng)光儲(chǔ)微網(wǎng)系統(tǒng)成本和效益分析，建立以生命周期凈收益最大為目標(biāo)的電源規(guī)劃模型，采用粒子群算法對(duì)模型進(jìn)行求解。通過(guò)對(duì)上海某地區(qū)負(fù)荷數(shù)據(jù)進(jìn)行算例仿真，得到該地區(qū)并網(wǎng)光儲(chǔ)微網(wǎng)系統(tǒng)的規(guī)劃結(jié)果及其經(jīng)濟(jì)效益。

1　并網(wǎng)光儲(chǔ)微網(wǎng)系統(tǒng)成本和效益

1.1分時(shí)電價(jià)與用電負(fù)荷

目前，一些地區(qū)采用兩部制分時(shí)電價(jià)，把電價(jià)分成基本電價(jià)與電量電價(jià)兩部分，且電量電價(jià)部分的峰時(shí)電價(jià)和谷時(shí)電價(jià)不同［19］。其中，基本電價(jià)又稱(chēng)容量電價(jià)，在計(jì)算每月基本電費(fèi)時(shí)，以客戶(hù)用電設(shè)備容量或最大需量進(jìn)行計(jì)算；電量電價(jià)又稱(chēng)電能電價(jià)，在計(jì)算每月電量電費(fèi)時(shí)，以客戶(hù)每月實(shí)際用電量進(jìn)行計(jì)算［20］。兩部制電價(jià)的等效電價(jià)為

式中，a為基本電價(jià)；M為用戶(hù)變壓器容量（kV·A）或最大需用量（kW）；d為電量電價(jià)；H為耗電量（kW·h）。

將式（1）變形可得電費(fèi)計(jì)算式為

式中，F(xiàn)1、F2、F分別為基本電費(fèi)、電量電費(fèi)和總電費(fèi)。

某地負(fù)荷、光伏出力和分時(shí)電價(jià)曲線(xiàn)如圖1所示。分時(shí)電價(jià)是指根據(jù)電網(wǎng)的負(fù)荷變化情況，將每天24h劃分為高峰、平段、低谷等多個(gè)時(shí)段，對(duì)各時(shí)段分別制定不同的電價(jià)水平。由圖1可知，負(fù)荷高峰時(shí)電價(jià)高，負(fù)荷低谷時(shí)電價(jià)低，且光伏高峰與負(fù)荷高峰不一致。

1.2并網(wǎng)光儲(chǔ)微網(wǎng)系統(tǒng)結(jié)構(gòu)與儲(chǔ)能出力策略

并網(wǎng)光儲(chǔ)微網(wǎng)系統(tǒng)結(jié)構(gòu)示意圖如圖2所示。其中，PPG（t）為光伏發(fā)電輸出功率，PESS（t）為儲(chǔ)能系統(tǒng)輸出功率，Pload（t）為原始負(fù)荷功率，Pgrid（t）為光儲(chǔ)微網(wǎng)系統(tǒng)與大電網(wǎng)能量交換。當(dāng)PESS（t）＞0時(shí)，儲(chǔ)能系統(tǒng)放電；當(dāng)PESS（t）＜0時(shí)，儲(chǔ)能系統(tǒng)充電。當(dāng)Pgrid（t）＞0時(shí)，Pgrid（t）=P'load（t），P'load（t）為微網(wǎng)內(nèi)負(fù)荷供電后所需負(fù)荷功率，稱(chēng)其為合成負(fù)荷功率；當(dāng) Pgrid（t）＜0時(shí)，Pgrid（t）=Pout（t），Pout（t）為微網(wǎng)系統(tǒng)輸出功率，即向大電網(wǎng)售電功率。忽略系統(tǒng)各部分的能量損耗，根據(jù)能量守恒定律以及微網(wǎng)運(yùn)行約束可得

當(dāng) Pgrid（t）＜0時(shí)，即微網(wǎng)向大電網(wǎng)售電，微網(wǎng)系統(tǒng)輸出功率為

圖2　并網(wǎng)光儲(chǔ)微網(wǎng)系統(tǒng)結(jié)構(gòu)示意圖Fig.2　Schematic diagram of grid-connected micro-grid with optical storage system

針對(duì)分時(shí)電價(jià)與用電負(fù)荷特點(diǎn)，儲(chǔ)能出力策略基本原則為在谷值電價(jià)時(shí)充電，在峰值電價(jià)時(shí)放電，降低用電費(fèi)用。原始負(fù)荷與加入儲(chǔ)能后合成負(fù)荷對(duì)比曲線(xiàn)如圖3所示。由圖3可知，微網(wǎng)中儲(chǔ)能系統(tǒng)可以降低負(fù)荷峰值，從而降低容量，節(jié)省基本電費(fèi)；同時(shí)，可以將峰值電價(jià)時(shí)期所需電量轉(zhuǎn)移到谷值電價(jià)時(shí)期購(gòu)買(mǎi)，節(jié)省電量電費(fèi)。

圖3　原始負(fù)荷與加入儲(chǔ)能后合成負(fù)荷對(duì)比曲線(xiàn)Fig.3　Compared curves of original and synthetic load using energy storage system

基于上述儲(chǔ)能出力策略，以?xún)?chǔ)能系統(tǒng)凈收益為目標(biāo)函數(shù)，以?xún)?chǔ)能輸出功率、儲(chǔ)能荷電狀態(tài)為約束條件，建立非線(xiàn)性規(guī)劃模型，求解得到儲(chǔ)能系統(tǒng)最優(yōu)運(yùn)行方式。非線(xiàn)性規(guī)劃模型如下。

1）目標(biāo)函數(shù)

2）約束條件

儲(chǔ)能出力約束

式中，Pe為儲(chǔ)能功率。

儲(chǔ)能荷電狀態(tài)（State Of Charge， SOC）約束

式中，SOC表征儲(chǔ)能系統(tǒng)電量與儲(chǔ)能容量的百分比；SOCmin、SOCmax分別為SOC的上、下限。

充放電平衡約束

式中，η 為充放電效率。

負(fù)荷最大功率上限約束

式中，Pmax為負(fù)荷上限值，表征在儲(chǔ)能作用下用戶(hù)負(fù)荷最大值要低于此值從而達(dá)到容量電費(fèi)的減少，且為峰值時(shí)段持續(xù)時(shí)間，EN為儲(chǔ)能系統(tǒng)的額定容量，且為儲(chǔ)能系統(tǒng)充放電時(shí)間，即儲(chǔ)能系統(tǒng)以額定功率Pe完全充電或放電所需時(shí)間。

針對(duì)上海地區(qū)某區(qū)域的負(fù)荷，在配置功率為500kW、充放電時(shí)間 Te=3h的儲(chǔ)能系統(tǒng)情況下，采用上述非線(xiàn)性規(guī)劃模型可得儲(chǔ)能最優(yōu)出力與負(fù)荷曲線(xiàn)如圖4所示，儲(chǔ)能系統(tǒng)SOC曲線(xiàn)如圖5所示。

儲(chǔ)能系統(tǒng)的生命周期凈收益即收益與成本之差。其中，收益為節(jié)省電費(fèi)收益，成本包括初始投資成本與運(yùn)行維護(hù)成本。配置不同功率容量的儲(chǔ)能系統(tǒng)并對(duì)儲(chǔ)能系統(tǒng)收益進(jìn)行對(duì)比分析，凈收益與儲(chǔ)能系統(tǒng)充放電時(shí)間關(guān)系如圖6所示。由圖6可知，當(dāng)儲(chǔ)能系統(tǒng)功率小于 700kW 時(shí)，充放電時(shí)間為T(mén)e=3h，凈收益最大；當(dāng)儲(chǔ)能系統(tǒng)功率大于700kW時(shí)，充放電時(shí)間為T(mén)e=2h，凈收益最大。

圖4　儲(chǔ)能最優(yōu)出力與負(fù)荷曲線(xiàn)Fig.4　Curves of load and the optimal output of energy storage system

圖5　儲(chǔ)能系統(tǒng)SOC曲線(xiàn)Fig.5　SOC curve of the energy storage system

圖6　凈收益與儲(chǔ)能系統(tǒng)充放電時(shí)間關(guān)系Fig.6　Relationship between life cycle net profit and energy storage charge/discharge time

圖7　凈收益與儲(chǔ)能系統(tǒng)功率的關(guān)系Fig.7　Relationship between the life cycle net profit and energy storage power

圖7為凈收益與儲(chǔ)能系統(tǒng)額定功率PN的關(guān)系。由圖7可知，當(dāng)儲(chǔ)能系統(tǒng)大于1 000kW時(shí)，在任意充放電時(shí)間下，凈收益均為負(fù)，因此為減少計(jì)算量，可設(shè)置儲(chǔ)能系統(tǒng)額定功率上限為1 000kW。

1.3成本和效益分析理論

成本效益分析（cost-benefit analysis）是通過(guò)比較項(xiàng)目的全部成本和效益來(lái)評(píng)估項(xiàng)目?jī)r(jià)值的一種方法，是經(jīng)濟(jì)系統(tǒng)分析的手段之一［21］。本文選擇凈現(xiàn)值法對(duì)并網(wǎng)光儲(chǔ)微網(wǎng)系統(tǒng)進(jìn)行成本效益分析。凈現(xiàn)值法是評(píng)價(jià)投資方案的一種方法，凈現(xiàn)值大于零則方案可行，且凈現(xiàn)值越大，方案越優(yōu)，投資效益越好。凈現(xiàn)值計(jì)算式為

式中，N為生命周期年限；r為折現(xiàn)率（基準(zhǔn)收益率），一般為8%；CI（n）為第n年的現(xiàn)金流入；CO（n）為第n年的現(xiàn)金流出。

1.4并網(wǎng)光儲(chǔ)微網(wǎng)系統(tǒng)成本

并網(wǎng)光儲(chǔ)微網(wǎng)系統(tǒng)的成本由以下三部分構(gòu)成。

1）初始投資成本

式中，Ppv、np，p分別為光伏發(fā)電系統(tǒng)的裝機(jī)容量、功率單價(jià)；ne，p為儲(chǔ)能變流器的單價(jià)；ne，e為儲(chǔ)能系統(tǒng)的容量單價(jià)。

2）運(yùn)維成本

式中，Rout、we分別為儲(chǔ)能系統(tǒng)放電電量、維護(hù)單價(jià)；Ppv、wp分別為光伏系統(tǒng)裝機(jī)容量、維護(hù)單價(jià)。

3）設(shè)備更換成本

由于光伏發(fā)電系統(tǒng)生命周期長(zhǎng)于儲(chǔ)能系統(tǒng)，因此，需要更換儲(chǔ)能系統(tǒng)，更換成本為

1.5并網(wǎng)光儲(chǔ)微網(wǎng)系統(tǒng)收益

并網(wǎng)光儲(chǔ)微網(wǎng)系統(tǒng)的收益由削減電費(fèi)收益、向大電網(wǎng)售電收益、光伏補(bǔ)貼收益以及低碳收益四部分構(gòu)成。

1）削減電費(fèi)收益

并網(wǎng)光儲(chǔ)微網(wǎng)系統(tǒng)降低了向大電網(wǎng)購(gòu)電成本，從而獲得收益。削減電費(fèi)收益計(jì)算式為

其中

基于上述供水系統(tǒng)的結(jié)構(gòu)，供水安全的影響因子也可分為三大部分，即水源因子、供水工程因子和用戶(hù)因子。其中水源影響因子包括兩大類(lèi)，一類(lèi)是水資源的自然稟賦，包括水資源量的多寡、時(shí)空分布狀況、過(guò)境可利用水資源量、水土資源匹配程度、極端水文事件發(fā)生的頻率和影響程度等；第二類(lèi)是人為影響因子，包括水資源開(kāi)發(fā)利用能力、水體污染程度、人為突發(fā)事件發(fā)生的風(fēng)險(xiǎn)和影響程度等；供水工程影響因子包括工程格局、工程能力、工程系統(tǒng)協(xié)調(diào)度、工程質(zhì)量狀況及工程運(yùn)行管理水平等；用戶(hù)影響因子包括人口規(guī)模、城鄉(xiāng)結(jié)構(gòu)、經(jīng)濟(jì)規(guī)模、產(chǎn)業(yè)結(jié)構(gòu)、灌溉規(guī)模、種植結(jié)構(gòu)、用水方式和技術(shù)水平、節(jié)水工藝和設(shè)備以及公眾意識(shí)和技能等等，見(jiàn)圖3。

式中，Irl為削減基本電費(fèi)收益；Idl為削減電量電費(fèi)收益；M為原始負(fù)荷最大功率，即負(fù)荷原始最大需用量；M'為合成負(fù)荷最大功率，即微網(wǎng)系統(tǒng)供電后最大需用量；a為基本電價(jià)；d（t）為電量電價(jià)；ΔT為時(shí)間間隔。

2）向大電網(wǎng)售電收益

并網(wǎng)微網(wǎng)與大電網(wǎng)之間存在能量雙向互動(dòng)，因此，微網(wǎng)可以向大電網(wǎng)輸出多余電力而獲得收益。計(jì)算式為

式中，upv（t）為光伏上網(wǎng)電價(jià)。

3）光伏補(bǔ)貼收益

國(guó)家對(duì)光伏發(fā)電的支持力度不斷加大，實(shí)行分布式光伏補(bǔ)貼政策，光伏補(bǔ)貼收益計(jì)算式為

式中，Rpv為光伏發(fā)電量；bpv為光伏補(bǔ)貼標(biāo)準(zhǔn)。

4）低碳收益

碳排放交易（簡(jiǎn)稱(chēng)碳交易）是為促進(jìn)全球溫室氣體減排、減少全球二氧化碳排放所采用的市場(chǎng)機(jī)制［22］，是發(fā)展低碳經(jīng)濟(jì)、實(shí)現(xiàn)可持續(xù)發(fā)展的重要途徑。因此，可通過(guò)碳交易將低碳效益量化，將低碳收益考慮在微網(wǎng)收益中。低碳收益計(jì)算式為

式中，Rc為碳減排量；pc為碳交易單價(jià)；rc為單位光伏發(fā)電量可以減少的碳排放量。

2　并網(wǎng)光儲(chǔ)微網(wǎng)系統(tǒng)電源規(guī)劃模型

2.1目標(biāo)函數(shù)

為了使并網(wǎng)光儲(chǔ)微網(wǎng)系統(tǒng)更具經(jīng)濟(jì)性，本文基于收益成本分析，建立以生命周期凈收益最大為目標(biāo)的微網(wǎng)電源規(guī)劃模型，其目標(biāo)函數(shù)為

式中，NPV根據(jù)式（10）計(jì)算，且有

式中，n0代表此年內(nèi)需要進(jìn)行設(shè)備更換。

2.2約束條件

微網(wǎng)電源規(guī)劃模型須滿(mǎn)足微網(wǎng)運(yùn)行的以下約束條件。

功率平衡約束

電源出力上、下限約束

儲(chǔ)能荷電狀態(tài)約束

裝機(jī)容量約束

式中，Ppv_max為光伏最大允許裝機(jī)容量；PN_max為儲(chǔ)能系統(tǒng)最大額定功率限制，根據(jù) 1.2節(jié)可取值為1 000kW。

2.3模型求解

所建立并網(wǎng)光儲(chǔ)微網(wǎng)系統(tǒng)電源規(guī)劃模型為非線(xiàn)性規(guī)劃模型，所需數(shù)據(jù)量大，常規(guī)非線(xiàn)性規(guī)劃方法求解困難，本文采用人工智能方法粒子群算法［23］進(jìn)行求解，算法流程如圖8所示。

3　算例分析

3.1負(fù)荷情況與光伏出力

本文以上海地區(qū)某區(qū)域?yàn)槔?，典型?fù)荷與光伏出力曲線(xiàn)如圖9所示。

圖8　粒子群算法流程Fig.8　Particle swarm optimization flow chart

圖9　典型負(fù)荷與光伏出力曲線(xiàn)Fig.9　Typical curves of load and PV power output

3.2邊界條件與計(jì)算參數(shù)

算例采用上海市2015年最新兩部制分時(shí)電價(jià)；儲(chǔ)能系統(tǒng)SOC上、下限分別為0.8、0.2；數(shù)據(jù)采樣周期為15min。

光伏設(shè)備壽命按 20年考慮，儲(chǔ)能設(shè)備壽命按10年考慮，成本參數(shù)見(jiàn)表1。

表1　成本參數(shù)Tab.1　Cost parameters

根據(jù)歐洲光伏產(chǎn)業(yè)協(xié)會(huì)（European Photovoltaic Industry Association，EPIA）的測(cè)算，考慮到多晶硅的冶煉等環(huán)節(jié)消耗能源，綜合測(cè)算后1kW·h的光伏發(fā)電大約可以減排 0.6kg二氧化碳，約減排0.16kg“碳”。根據(jù)“中國(guó)碳排放交易網(wǎng)”中數(shù)據(jù)取上海地區(qū)碳交易價(jià)格為15元/t。

3.3并網(wǎng)光儲(chǔ)微網(wǎng)系統(tǒng)規(guī)劃結(jié)果

根據(jù)并網(wǎng)光儲(chǔ)微網(wǎng)系統(tǒng)電源規(guī)劃模型，得到生命周期凈收益與光伏裝機(jī)容量、儲(chǔ)能系統(tǒng)功率的關(guān)系如圖10所示。

圖10　凈收益與光伏裝機(jī)容量、儲(chǔ)能功率關(guān)系Fig.10　Relationship between the life cycle net profit， PV installed capacity and energy storage power

由圖10可知，隨著光伏裝機(jī)容量的增加，微網(wǎng)系統(tǒng)凈收益呈增加趨勢(shì)，即光伏裝機(jī)容量越大，微網(wǎng)系統(tǒng)的凈收益越大。而隨著儲(chǔ)能系統(tǒng)功率的增加，微網(wǎng)系統(tǒng)凈收益沒(méi)有一直增加。由于儲(chǔ)能成本高，且儲(chǔ)能系統(tǒng)帶來(lái)的收益單一，當(dāng)儲(chǔ)能功率達(dá)到一定值時(shí)，削減電費(fèi)收益的增長(zhǎng)低于成本的增長(zhǎng)，凈收益增長(zhǎng)變負(fù)，因此當(dāng)光伏裝機(jī)容量一定時(shí)，隨著儲(chǔ)能功率的增加，微網(wǎng)凈收益先增加后減少。

采用粒子群算法對(duì)并網(wǎng)光儲(chǔ)微網(wǎng)電源規(guī)劃模型求解可得，當(dāng)光伏裝機(jī)為 6 000kW、儲(chǔ)能系統(tǒng)為330kW/3h時(shí)對(duì)應(yīng)的凈收益最大，為 1 326萬(wàn)元。2月份、8月份出力曲線(xiàn)如圖11所示，各項(xiàng)收益和成本見(jiàn)表2，凈現(xiàn)金流量見(jiàn)表3。

圖11　2月份、8月份出力曲線(xiàn)Fig.11　Output curves of February and August

表2　收益和成本Tab.2　Cost and benefit

表3　凈現(xiàn)金流量Tab.3　Net cash flow（單位：萬(wàn)元）

（續(xù)）

如若不考慮光伏補(bǔ)貼政策，收益中光伏補(bǔ)貼收益一項(xiàng)將不存在，此時(shí)凈現(xiàn)金流量見(jiàn)表 4。由表 4可知，在缺少光伏補(bǔ)貼的情況下，由于成本高、收益低，以致整個(gè)生命周期凈收益為負(fù)，不具經(jīng)濟(jì)性。因此，在光伏成本降低之前，光伏發(fā)電的推廣需要政策的鼓勵(lì)與支持。

表4　沒(méi)有光伏補(bǔ)貼下的凈現(xiàn)金流量Tab.4　Net cash flow without PV subsidies（單位：萬(wàn)元）

3.4粒子群算法與其他算法的對(duì)比

本文分別采用粒子群算法、人工魚(yú)群算法、量子遺傳算法三種優(yōu)化算法對(duì)微網(wǎng)電源規(guī)劃模型進(jìn)行求解，計(jì)算結(jié)果見(jiàn)表5，收斂曲線(xiàn)如圖12所示。仿真結(jié)果表明，在微網(wǎng)電源規(guī)劃問(wèn)題中，粒子群算法更具優(yōu)勢(shì)，該算法具有并行搜索、搜索全局最優(yōu)等優(yōu)點(diǎn)，相比其他兩種算法，收斂速度快且能夠找到更優(yōu)解。

表5　計(jì)算結(jié)果Tab.5　Calculation results

圖12　收斂曲線(xiàn)Fig.12　Convergence curves

4　結(jié)論

1）以生命周期凈收益最大為目標(biāo)，考慮光伏補(bǔ)貼政策與分時(shí)電價(jià)，建立基于并網(wǎng)光儲(chǔ)微網(wǎng)系統(tǒng)成本/收益分析的電源規(guī)劃模型，較全面地考慮了功率平衡約束、電源出力約束和儲(chǔ)能荷電狀態(tài)約束等。

2）以上海地區(qū)某區(qū)域負(fù)荷數(shù)據(jù)為例，根據(jù)其負(fù)荷需求與光伏出力，進(jìn)行并網(wǎng)光儲(chǔ)微網(wǎng)系統(tǒng)電源規(guī)劃。算例分析結(jié)果表明，隨著光伏裝機(jī)容量的增大微網(wǎng)系統(tǒng)凈收益呈增加趨勢(shì)。當(dāng)光伏裝機(jī)容量一定時(shí)，隨著儲(chǔ)能系統(tǒng)功率的增加，微網(wǎng)凈收益先增加后減少。

3）相比人工魚(yú)群算法與量子遺傳算法，粒子群算法在微網(wǎng)電源規(guī)劃問(wèn)題中，具有收斂速度快、更易找到全局最優(yōu)解的優(yōu)越性。

4）所提出的并網(wǎng)光儲(chǔ)微網(wǎng)系統(tǒng)電源規(guī)劃模型考慮了經(jīng)濟(jì)性，可以得到較合理的規(guī)劃方案，能夠?yàn)槲⒕W(wǎng)投資提供科學(xué)的決策支持。

［1］李建林， 籍天明， 孔令達(dá)， 等. 光伏發(fā)電數(shù)據(jù)挖掘中的跨度選?。跩］. 電工技術(shù)學(xué)報(bào)， 2015， 30（14）：450-456. Li Jianlin， Ji Tianming， Kong Lingda， et al. Span determining of photovoltaic generation data mining［J］. Transactions of China Electrotechnical Society， 2015，30（14）：450-456.

［2］蘇劍， 周莉梅， 李蕊. 分布式光伏發(fā)電并網(wǎng)的成本/效益分析［J］. 中國(guó)電機(jī)工程學(xué)報(bào)， 2013， 33（34）：50-56. Su Jian， Zhou Limei， Li Rui. Cost-benefit analysis of distributed grid-connected photovoltaic power generation［J］. Proceedings of the CSEE， 2013， 33（34）：50-56.

［3］國(guó)家發(fā)展改革委員會(huì)．國(guó)家發(fā)展改革委關(guān)于促進(jìn)光伏產(chǎn)業(yè)健康發(fā)展的通知， 發(fā)改價(jià)格［2013］1638號(hào)［R］. 北京， 2013.

［4］茆美琴， 金鵬， 張榴晨， 等. 工業(yè)用光伏微網(wǎng)運(yùn)行策略?xún)?yōu)化與經(jīng)濟(jì)性分析［J］. 電工技術(shù)學(xué)報(bào)， 2014，29（2）： 35-45. Mao Meiqin， Jin Peng， Zhang Liuchen， et al. Optimization of operation strategies and economic analysis of PV microgrids for industries［J］. Transactions of China Electrotechnical Society， 2014， 29（2）：35-45.

［5］徐少華， 李建林. 光儲(chǔ)微網(wǎng)系統(tǒng)并網(wǎng)/孤島運(yùn)行控制策略［J］. 中國(guó)電機(jī)工程學(xué)報(bào)， 2013， 33（34）： 25-33. Xu Shaohua， Li Jianlin. Grid-connected/island operation control strategy for photovoltaic/battery micro-grid［J］. Proceedings of the CSEE， 2013， 33（34）：25-33.

［6］馮光. 儲(chǔ)能技術(shù)在微網(wǎng)中的應(yīng)用研究［D］. 武漢： 華中科技大學(xué)， 2009.

［7］姚勇， 朱桂萍， 劉秀成. 電池儲(chǔ)能系統(tǒng)在改善微電網(wǎng)電能質(zhì)量中的應(yīng)用［J］. 電工技術(shù)學(xué)報(bào)， 2012，27（1）： 85-89. Yao Yong， Zhu Guiping， Liu Xiucheng. Improvement of power quality of micro-grids by battery energy storage system［J］. Transactions of China Electrotechnical Society， 2012， 27（1）： 85-89.

［8］ 張建華， 于雷， 劉念， 等. 含風(fēng)/光/柴/蓄及海水淡化負(fù)荷的微電網(wǎng)容量?jī)?yōu)化配置［J］. 電工技術(shù)學(xué)報(bào)，2014， 29（2）：102-112. Zhang Jianhua， Yu Lei， Liu Nian， et al. Capacity configuration optimization for island microgrid with wind/photovoltaic/diesel/storage and seawater desalination load［J］. Transactions of China Electrotechnical Society， 2014， 29（2）： 102-112.

［9］李銳， 李鵬. 儲(chǔ)能系統(tǒng)在孤島微網(wǎng)中應(yīng)用［J］. 電氣技術(shù)， 2014（6）： 15-18. Li Rui， Li Peng. Energy storage system applications in the islanding microgrid［J］. Electrical Engineering，2014（6）： 15-18.

［10］于波. 微網(wǎng)與儲(chǔ)能系統(tǒng)容量?jī)?yōu)化規(guī)劃［D］. 天津： 天津大學(xué)， 2012.

［11］曹智平， 周力行， 張艷萍， 等. 基于供電可靠性的微電網(wǎng)規(guī)劃［J］. 電力系統(tǒng)保護(hù)與控制， 2015， 43（14）：10-15. Cao Zhiping， Zhou Lixing， Zhang Yanping， et al. Micro-grid planning based on supply reliability［J］. Power System Protection and Control， 2015， 43（14）：10-15.

［13］舒杰， 張先勇， 沈玉梁， 等. 可再生能源分布式微網(wǎng)電源規(guī)劃方法及應(yīng)用［J］. 控制理論與應(yīng)用， 2010，27（5）： 675-679. Shu Jie， Zhang Xianyong， Shen Yuliang， et al. The algorithm and application in power sources planning and de-signing for micro-grid based on distributed renewable energy［J］. Control Theory & Applications，2010， 27（5）： 675-679.

［13］楊琦， 張建華， 劉自發(fā)， 等. 風(fēng)光互補(bǔ)混合供電系統(tǒng)多目標(biāo)優(yōu)化設(shè)計(jì)［J］. 電力系統(tǒng)自動(dòng)化， 2009，33（17）： 86-90. Yang Qi， Zhang Jianhua， Liu Zifa， et al. Multiobjective optimization of hybrid PV/wind power supply system［J］. Automation of Electric Power Systems， 2009， 33（17）： 86-90.

［14］Wu Haitao， Huang Fuzhen. Distributed generation planning for microgrid based on hybrid particle swarm optimization algorithm［C］//Proceedings of 2012 International Conference on Future Electrical Power and Energy Systems （ICFEPES）， Shanghai，2012-03.

［15］馬溪原， 吳耀文， 方華亮， 等. 采用改進(jìn)細(xì)菌覓食算法的風(fēng)/光/儲(chǔ)混合微電網(wǎng)電源優(yōu)化配置［J］. 中國(guó)電機(jī)工程學(xué)報(bào)， 2011， 31（25）： 17-25. Ma Xiyuan， Wu Yaowen， Fang Hualiang， et al. Optimal sizing of hybrid solar-wind distributed generation in an islanded microgrid using improved bacterial foraging algorithm［J］. Proceedings of the CSEE， 2011， 31（25）： 17-25.

［16］鄭凌蔚， 劉士榮， 周文君， 等. 并網(wǎng)型可再生能源發(fā)電系統(tǒng)容量配置與優(yōu)化［J］. 電力系統(tǒng)保護(hù)與控制， 2014， 42（17）： 31-37. Zheng Lingwei， Liu Shirong， Zhou Wenjun， et al. Capacity configuration and optimization of gridconnected renewable energy power generation system［J］. Power System Protection and Control，2014， 42（17）： 31-37.

［17］李登峰. 并網(wǎng)型微網(wǎng)電源容量?jī)?yōu)化配置模型及算法研究［D］. 重慶： 重慶大學(xué)， 2013.

［18］曹培， 王媚， 郭創(chuàng)新， 等. 智能微網(wǎng)運(yùn)行的低碳綜合效益分析［J］. 電網(wǎng)技術(shù)， 2012， 36（6）： 15-20. Cao Pei， Wang Mei， Guo Chuangxin， et al. Analysis on low-carbon integrative benefits of smart microgrid operation［J］. Power System Technology， 2012， 36（6）：15-20.

［19］佟晶晶， 溫俊強(qiáng)， 王丹， 等. 基于分時(shí)電價(jià)的電動(dòng)汽車(chē)多目標(biāo)優(yōu)化充電策略［J］. 電力系統(tǒng)保護(hù)與控制， 2016， 44（1）： 17-23. Tong Jingjing， Wen Junqiang， Wang Dan， et al. Multi-objective optimization charging strategy for plug-in electric vehicles based on time-of-use price［J］. Power System Protection and Control， 2016， 44（1）：17-23.

［20］王雨薇. 面向調(diào)峰激勵(lì)的發(fā)電側(cè)兩部制峰谷電價(jià)研究［D］. 大連： 大連理工大學(xué)， 2013.

［21］韓磊. 基于成本效益分析的分布式電源規(guī)劃［D］.長(zhǎng)沙： 長(zhǎng)沙理工大學(xué)， 2010.

［22］李凱杰， 曲如曉. 碳排放交易體系初始排放權(quán)分配機(jī)制的研究進(jìn)展［J］. 經(jīng)濟(jì)學(xué)動(dòng)態(tài)， 2012（6）： 130-138. Li Kaijie， Qu Ruxiao. Advances in initial emission rights allocation mechanism of carbon emissions trading system［J］. Economic Perspectives， 2012（6）：130-138.

［23］蘇海濱， 高孟澤， 常海松. 基于粒子群算法的微電網(wǎng)有功無(wú)功下垂控制［J］. 電工技術(shù)學(xué)報(bào)， 2015，30（增1）： 365-369. Su Haibin， Gao Mengze， Chang Haisong. Microgrid droop control of active and reactive power based on PSO［J］. Transactions of China Electrotechnical Society， 2015， 30（S1）： 365-369.

Generation Planning of Grid-Connected Micro-Grid System with PV and Batteries Storage System Based on Cost and Benefit Analysis

Han Xiaojuan1Wang Lina1Gao Tong2Xiu Xiaoqing3
（1. School of Control and Computer EngineeringNorth China Electric Power University Beijing102206China 2. State Grid Jilin Electric Power Co. Ltd Changchun Power Supply Company Changchun130000China 3. China Electrical Power Research InstituteBeijing100192China）

With the rapid development of micro-grid， the generation planning has an important guiding significance for micro-grid construction. This paper proposes a micro-grid generation planning method for grid-connected micro-grid system with photovoltaic （PV） and battery energy system， based on the cost/benefit analysis theory. A micro-grid generation planning model with the goal of maximum lifecycle net profit is established in this paper， considering PV subsidy policy and two-part time-sharing electricity price. Three algorithms including particle swarm （PS） algorithm， AFSA and quantum genetic algorithm are used to solve the model. Thanks to the simulation test based on the real data in Shanghai，the planning results and the economic benefits of the micro-grid system are obtained by three optimal algorithms. The simulation results show the PS algorithm has advantages in solving the generation planning model of micro-grid.

Micro-grid， generation planning， cost/benefit analysis， particle swarm algorithm

TM715

韓曉娟女，1970年生，教授，研究方向?yàn)樾履茉窗l(fā)電控制技術(shù)、故障診斷、信息融合和檢測(cè)技術(shù)等。

E-mail： wmhxj@163.com

王麗娜女，1991年生，碩士，研究方向?yàn)槲⒕W(wǎng)電源規(guī)劃、儲(chǔ)能系統(tǒng)配置等。

E-mail： wanglinack0901@163.com（通信作者）

2015-12-19改稿日期 2016-04-08