金 鵬， 朱志剛， 連志剛

(上海電機學(xué)院 電氣學(xué)院，上海 201306)

在電力調(diào)度中，用戶有多種多樣的需求，如電力供應(yīng)穩(wěn)定，電價合理等。關(guān)于電力微網(wǎng)調(diào)度，學(xué)者們做了很多研究。文獻[1]針對獨立微電網(wǎng)的多目標(biāo)容量優(yōu)化配置，設(shè)計了非自治混合動力綠色能源系統(tǒng)。文獻[2]提出了可再生能源發(fā)電與海水淡化負(fù)荷相互協(xié)調(diào)運行的幾種組合方案，并以微網(wǎng)優(yōu)化設(shè)計實例驗證了該方法的實用性。文獻[3]基于多代理提出了多微電網(wǎng)系統(tǒng)參與電力市場交易的多層結(jié)構(gòu)，并仿真驗證了其有效性。高超等[4]介紹了微電網(wǎng)結(jié)構(gòu)的3種基本形式：AC、DC和混合結(jié)構(gòu)，每種結(jié)構(gòu)各具特點，都可作為大電網(wǎng)的有效補充，提高電網(wǎng)供電可靠性。文盼[5]以包含風(fēng)力發(fā)電機、光伏陣列、蓄電池以及海水淡化負(fù)荷的獨立海島微電網(wǎng)綜合總成本為目標(biāo)函數(shù)，以供電可靠性、決策變量的變化范圍和儲能電池運行條件為約束，確定獨立海島微電網(wǎng)容量優(yōu)化配置模型。周志超等[6]圍繞風(fēng)柴儲生物質(zhì)獨立微網(wǎng)，提出一種新的雙模式優(yōu)化控制方案，其中包含正常運行時的經(jīng)濟運行調(diào)度和大擾動時的緊急功率控制，并采用一種新的電池儲能系統(tǒng)控制方法優(yōu)化運行工況。李晨迪等[7]引入非合作完全信息動態(tài)博弈理論，構(gòu)建能源側(cè)與負(fù)荷側(cè)的互動關(guān)系，考慮經(jīng)濟性和用戶滿意度，引導(dǎo)用戶用電策略，制定負(fù)荷計劃，再以此計劃作為負(fù)荷需求，優(yōu)化微網(wǎng)出力。賀一飛[8]提出了微電網(wǎng)多種能源協(xié)調(diào)優(yōu)化策略，采用機會約束規(guī)劃考慮可再生能源出力的不確定性，得到置信區(qū)間下的最優(yōu)解。以全天購電成本最小為目標(biāo)函數(shù)，考慮支路功率概率約束、節(jié)點電壓概率約束、功率平衡約束與各時段內(nèi)儲能單元變化量約束，通過帶精英保留策略的改進遺傳算法求解。文獻[9]將基于整數(shù)編程的連續(xù)域蟻群優(yōu)化算法用于求解風(fēng)光混合微電網(wǎng)系統(tǒng)最優(yōu)配置。文獻[10]設(shè)計一種整合不同資源的混合可再生能源系統(tǒng)，并應(yīng)用偏好啟發(fā)式協(xié)同進化算法進行優(yōu)化。文獻[11]采用了混合模擬退火-禁忌搜索法求解具有可再生能源的自治電力系統(tǒng)的最優(yōu)規(guī)模。文獻[12]考慮的目標(biāo)函數(shù)為污染物排放費用和微電源的運行費用，用粒子群優(yōu)化算法求解調(diào)度模型，研究微電網(wǎng)的經(jīng)濟性，驗證了優(yōu)化調(diào)度策略能夠提高系統(tǒng)的經(jīng)濟效益。EI-Shatter等[13]研究了微電網(wǎng)中系統(tǒng)的最大功率跟蹤問題，微電網(wǎng)中發(fā)電系統(tǒng)采用的是風(fēng)光互補發(fā)電，控制方法是模糊控制，并且使其系統(tǒng)一直保持在最大功率輸出。文獻[14]主要研究了儲能系統(tǒng)運行控制策略對微電網(wǎng)的影響，側(cè)重研究了蓄電池的儲能作用以及相應(yīng)控制策略對其壽命的影響。通過分析，發(fā)現(xiàn)對兩側(cè)平衡調(diào)度問題研究較少。文獻[7]運用了非合作完全信息動態(tài)博弈理論，本文將研究電價與供需兩側(cè)平衡優(yōu)化的關(guān)系，通過改變電價函數(shù)，控制需求方的需求時段的需求量，從而達(dá)到供電方與需求方的平衡。

實際電力系統(tǒng)中，用戶需求各異，其中有某時期內(nèi)各時段需求電量為恒定值，有某時期內(nèi)總電量需求一定，供電方可在不同時刻提供不同電量，而總供電滿足需求。針對用戶這兩種電力需求方式，設(shè)計供需平衡模型，并基于改進雞群算法實現(xiàn)最優(yōu)電源發(fā)電組合調(diào)度與最優(yōu)電價策略。

1 改進型雞群優(yōu)化算法

雞群優(yōu)化算法(Chicken Swarm Optimization Algorithm, CSO)由Meng等[15-16]于2014年提出。改進型雞群優(yōu)化算法(Improved Chicken Swarm Optimization Algo-rithm, ICSO)在母雞更新位置中每一代共享上一代最好歷史信息，使母雞具有更快更強的搜尋能力，另外在小雞更新位置中加入向小雞自身所在群中的公雞學(xué)習(xí)部分，增強小雞搜尋能力。

改進型母雞位置更新公式為

xij(t+1)=xij(t)+C1·rand()·[xr1j(t)-

xij(t)]+C2·rand()·{α[xr2j(t)-

xij(t)]+(1-α)Q-xij(t)}

(1)

式中：rand()為[0,1]之間均勻分布的隨機數(shù)函數(shù)；r1為第i只母雞自身所在群中的公雞；r2為整個雞群中公雞和母雞中隨機選取的任意個體，且r1≠r2；α為比例調(diào)節(jié)系數(shù)，α∈(0,1)。

改進型小雞位置更新公式為

xij(t+1)=xij(t)+F·[xmj(t)-xij(t)]+

E[xrj(t)-xij(t)]

(2)

式中：m為第i只小雞對應(yīng)的母雞；r為母雞自身所在群中的公雞；F為跟隨系數(shù)，表示小雞跟隨母雞尋找食物，F(xiàn)∈[0，2]；E為學(xué)習(xí)因子，表示小雞自身所在群中公雞學(xué)習(xí)的程度，E∈(0.4，1)。

2 各時段需求電力恒定的供電平衡優(yōu)化

2.1 各時段需求電力恒定的供電平衡模型

2.1.1 供電方發(fā)電成本 風(fēng)機發(fā)電損耗主要為風(fēng)力發(fā)電機發(fā)電時開機費用，當(dāng)風(fēng)力大小合適時才能開啟發(fā)電，每次啟動會產(chǎn)生損耗；光伏電池每次發(fā)電也會產(chǎn)生損耗，損耗大小與自身發(fā)電額定功率有關(guān)，額定功率越大產(chǎn)生損耗越大，額定功率越小產(chǎn)生損耗也較小，啟動損耗等于啟動損耗系數(shù)乘以自身對應(yīng)的功率；燃料電池發(fā)電需要消耗原料成本，本文設(shè)定不計算燃料電池的啟動損耗。

假設(shè)如下：設(shè)有風(fēng)機m臺，包含a種類型，光伏電池n組，包含b種類型，燃料電池p組，包含c種類型。第i臺風(fēng)機單位發(fā)電成本為Cfi，第j臺光伏電池單位發(fā)電成本為Cgj，第k組燃料電池發(fā)電單位成本為Crk。發(fā)電總成本C為

(3)

式中：Pfi為第i臺風(fēng)機發(fā)電單元的平均功率，kW；Pgj為第j組光伏電池發(fā)電單元的平均功率，kW；Prk為第k組燃料電池發(fā)電單元的平均功率，kW；Δt為時間步長，h；Cfoi為第i臺風(fēng)機發(fā)電單元的啟動損耗，元；Cgoj為第j組風(fēng)機發(fā)電單元的啟動損耗，元；C為發(fā)電總成本，元。

2.1.2 目標(biāo)函數(shù) 供電方利潤為

R=PQd-C

(4)

式中：Qd為用戶用電量，kWh；P為單位電價，元/kWh；R為供電方利潤，元。

供電方在滿足用戶電量需求約束與電價一定條件下，根據(jù)天氣情況，調(diào)度機組以最優(yōu)組合類型與數(shù)量啟動發(fā)電，實現(xiàn)供電方利潤最大化，目標(biāo)函數(shù)為

(5)

2.1.3 約束條件

(1) 電價約束條件：為了保證不虧損，售出的電價不能低于最低發(fā)電成本，但最高也不能超過3倍發(fā)電成本。

Cgj

(6)

(2) 風(fēng)機發(fā)電單元輸出功率約束條件：風(fēng)機在發(fā)電運行時，其輸出功率除了受自然天氣影響外，還與自身機組參數(shù)相關(guān)，因此每臺機組輸出功率滿足約束范圍

PWTi,min≤PWTi≤PWTi,max

(7)

式中：PWTi,min為第i臺風(fēng)機發(fā)電單元的最小輸出功率，kW；PWTi為第i臺風(fēng)機發(fā)電單元的實際輸出功率，kW；PWTi,max為第i臺風(fēng)機發(fā)電單元的最大輸出功率，kW。

(3) 光伏電池單元輸出功率約束條件：光伏電池發(fā)電輸出功率最低為0，最大為對應(yīng)發(fā)電條件下的最大允許輸出功率

PPVj,min≤PPVj≤PPVj,max

(8)

式中：PPVj,min為第j組光伏發(fā)電單元的最小輸出功率，kW；PPVj為第j組光伏發(fā)電單元的實際輸出功率，PPVj,min，kW；PPVj,max為第j組光伏發(fā)電單元的最大輸出功率，kW。

(4) 燃料電池發(fā)電單元輸出功率約束條件：燃料電池發(fā)電輸出功率最低為0，最大為對應(yīng)發(fā)電條件下的最大允許輸出功率，即

PCFk,min≤PCFk≤PCFk,max

(9)

式中：PCFk,min為第k組燃料電池發(fā)電單元的最小輸出功率，kW；PCFk為第k組燃料電池發(fā)電單元的實際輸出功率，kW；PCFk,max為第k組燃料電池發(fā)電單元的最大輸出功率，kW。

(5) 用電量約束條件：用戶實際用電量不能超過微電網(wǎng)所有發(fā)電單元的發(fā)電上限，即

(10)

式中：Qfz為所有風(fēng)機發(fā)電總和，kWh；Qgz為所有光伏電池發(fā)電總和，kWh；Qrz為所有燃料電池發(fā)電總和，kWh；Qd為用戶實際用電量；T為時間，h。

2.2 基于ICSO的各時段電力需求恒定平衡優(yōu)化

以供電方利潤最大為目標(biāo)函數(shù)，以電價、各個發(fā)電單元輸出功率為約束條件，實現(xiàn)設(shè)備類型組合最優(yōu)發(fā)電，滿足各時段定量需求，實例如下：

(1) 設(shè)備選取。本文采用孤島微網(wǎng)運行方式，微電網(wǎng)規(guī)模為：m臺風(fēng)機，n組光伏陣列，p組燃料電池，且m=n=p=9，風(fēng)機參數(shù)如表1所示。9組光伏陣列，其中3組各50 kW，3組各100 kW，3組各150 kW，總功率為900 kW。9組燃料電池，其中分別為a組50 kW，b組100 kW，c組150 kW，且a=b=c=3，總功率為900 kW。

表1 風(fēng)機參數(shù)

(2) 天氣預(yù)測。本文假設(shè)預(yù)測天氣數(shù)據(jù)如下：溫度為8.3 ℃，光照強度為0.546 W·m3，風(fēng)速為8.68 m/s。

(3) 設(shè)備單位發(fā)電成本系數(shù)。 將風(fēng)機與光伏電池的維護成本平均到每度電所產(chǎn)生的成本上，燃料電池發(fā)電不僅有單位發(fā)電成本，還需要原料成本。表2所示為各類型設(shè)備的單位生產(chǎn)成本。

(4) 仿真流程。ICSO 算法的具體實施步驟如下：① 參數(shù)和種群進行初始化；② 計算目標(biāo)函數(shù)適應(yīng)值；③ 判斷是否滿足結(jié)束的條件，若滿足則結(jié)束，否則進行下一步；④ 分別利用原公雞公式、改進后母雞和小雞的公式進行位置更新；⑤ 計算每只公雞、母雞、小雞對應(yīng)的目標(biāo)函數(shù)值；⑥ iter=iter+1，若iter>MaxIt，轉(zhuǎn)⑧，若iter≤MaxIt，轉(zhuǎn)⑦；⑦ 轉(zhuǎn)③；⑧ 輸出結(jié)果。

表2 各類型設(shè)備的單位發(fā)電成本

(5) 仿真結(jié)果分析。本文使用遺傳算法(Genetic Algorithm, GA)、CSO、ICSO優(yōu)化各時段需求電力定量模型。模型參數(shù)設(shè)置為：時段設(shè)為1 h，即Δt=1 h，周期T=1 d。該時段電價為0.72元/kWh。迭代代數(shù)為2 000。假設(shè)需求電量定值為500 kWh，表3所示為需求電量為500 kWh時3種算法，供電方發(fā)電策略比較。

表3 需求電量為500 kWh時3種算法供電方發(fā)電策略比較

燃料電池沒有參與發(fā)電，因為在預(yù)測的天氣情況下風(fēng)力發(fā)電機與光伏電池所發(fā)電量能夠滿足需求方的定量需求。通過ICSO采取的發(fā)電策略顯然更合理。圖1為3種算法供電方利潤收斂圖，由圖很明顯可以看出，ICSO算法在200代以內(nèi)就出現(xiàn)了最優(yōu)值，具有更快的收斂性，且最優(yōu)值更好。

圖1 3種算法供電方利潤收斂圖

3 某時期總需求電力恒定的供電平衡優(yōu)化

3.1 動態(tài)電價策略

用戶某時期用電量一定且已知，供電方只需滿足總供電量即可。該模式用戶在不同時段需求電量為區(qū)間值，供電方供電量需滿足區(qū)間范圍。風(fēng)力發(fā)電與光伏發(fā)電具有不確定性因素，但其發(fā)電成本較低，供電方希望用戶較多地使用風(fēng)力和光伏所發(fā)的電，充分利用可再生能源，節(jié)約成本提高利潤。故設(shè)定用電規(guī)則為風(fēng)光發(fā)電充足時鼓勵多用電，不足時減少用電，總用電量不變，從而降低供電生產(chǎn)成本，減緩可再生能源發(fā)電的不確定性造成的供電緊張。設(shè)計動態(tài)定價策略為可再生能源發(fā)電充足時，用戶用電越多電價越低，當(dāng)可再生能源發(fā)電不足時，用戶用電越多電價越高。

根據(jù)天氣分4種情況：① 風(fēng)力發(fā)電充足時段，② 光伏發(fā)電充足時段，③ 風(fēng)光同時發(fā)電充足時段，④ 風(fēng)光發(fā)電匱乏時段。不妨假設(shè)將整個需求時期分為4個時段：第1時段為t0～t1，需求電量在區(qū)間[Qa1,Qb1]；第2時段為t1～t2，需求電量在區(qū)間[Qa2,Qb2]；第3時段為t2～t3，需求電量在區(qū)間[Qa3,Qb3]；第4時段為t3～t4，需求電量在區(qū)間[Qa4,Qb4]。需求電量總和不變，若某時段用電增多，則其他時段用電量必減少。

風(fēng)力發(fā)電充足時段電價為

P1=P0-k1Qfy

(11)

式中：P0為基準(zhǔn)電價，元；P1為風(fēng)力發(fā)電充足時段電價，元；k1為風(fēng)力發(fā)電充足時段電價系數(shù)，元/kWh；Qfy為風(fēng)力發(fā)電充足時段用電量，kWh。

光伏發(fā)電充足時段電價為

P2=P0-k2Qgy

(12)

式中：P2為光伏發(fā)電充足時段電價，元；k2為光伏發(fā)電充足時段電價系數(shù)，元/kWh；Qgy為光伏發(fā)電充足時段用電量，kWh。

風(fēng)光同時發(fā)電充足時段電價為

P3=P0-k3Qfgy

(13)

式中：P3為風(fēng)光同時發(fā)電充足時段電價，元；k3為風(fēng)光同時發(fā)電充足時段電價系數(shù)，元/kWh；Qfgy為風(fēng)光同時發(fā)電充足時段用電量，kWh。

風(fēng)光發(fā)電匱乏時段電價為

P4=P0+k4Qkf

(14)

式中：P4為風(fēng)光發(fā)電匱乏時段電價，元；k4為風(fēng)光發(fā)電匱乏時段電價系數(shù)，元/kWh；Qkf為風(fēng)光發(fā)電匱乏時段用電量，kWh。

3.2 基于動態(tài)電價總需求電力恒定的供電平衡模型

3.2.1 供電方成本 供電方成本為每種情況所對應(yīng)的成本之和。因發(fā)電源不是主要研究對象，故將各發(fā)電成本做簡單處理。不妨設(shè)有風(fēng)機m臺，包含a種類型，光伏電池n組，包含b種類型，燃料電池p組，包含c種類型。第i臺風(fēng)機單位發(fā)電成本為Cfi，第j臺光伏電池單位發(fā)電成本為Cgj，第k組燃料電池發(fā)電單位成本為Crk。

風(fēng)力發(fā)電充足時段發(fā)電成本為

(15)

式中：Pfit為第i臺風(fēng)機發(fā)電單元在第t時段的平均功率，kW；Δt為時間步長，h；T為運行周期；Cfoi為第i臺風(fēng)機發(fā)電單元啟動損耗，元/kW。

光伏發(fā)電充足時段發(fā)電成本為

(16)

式中：Pgjt為第j組光伏電池發(fā)電單元在第t時間階段的平均功率，kW；Δt為其時間步長，h；T為運行周期；Cgoj為第j組光伏電池發(fā)電單元的啟動損耗，元/kW。

風(fēng)光同時發(fā)電充足時段發(fā)電成本為

(17)

風(fēng)光發(fā)電匱乏時段發(fā)電成本為

(18)

式中：Prkt為第k組燃料電池發(fā)電單元在第t時間階段的平均功率，kW。

3.2.2 目標(biāo)函數(shù)

第1時段風(fēng)力發(fā)電充足時供電收益

(19)

第2時段光伏發(fā)電充足時供電收益

(20)

第3時段風(fēng)光充足時供電收益

(21)

第4時段風(fēng)光發(fā)電匱乏時供電收益

(22)

在供電滿足用戶需求后，目標(biāo)函數(shù)為供電方利潤最大化

Rmax=R1+R2+R3+R4

(23)

3.2.3 約束條件

(1) 電價約束條件。電價有最低和最高限制。為了保證供電方的利潤，電價不能低于最低成本，為了電價的合理性，電價不能高于3倍基準(zhǔn)電價P0。則有

Cgi

P3

(24)

(2) 電量約束條件。每時間段發(fā)電量必須在其用電量區(qū)間之內(nèi)，且4個時間段的用電總和為一個定值。假設(shè)第1、2、3、4時段用電量分別為Q1、Q2、Q3、Q4，則有

Qa1

(25)

Qa2

(26)

Qa3

(27)

Qa4

(28)

4個時段用電總量為

Q=Q1+Q2+Q3+Q4

(29)

風(fēng)機發(fā)電單元輸出功率約束條件，光伏電池單元輸出功率約束條件和燃料電池發(fā)電單元輸出功率約束條件，與本文2.1.2相同。

3.3 ICSO的動態(tài)電價電力需求恒定平衡優(yōu)化

下面以用電量、各發(fā)電單元輸出功率等為約束條件進行仿真分析。

(1) 設(shè)備選取。選取微電網(wǎng)發(fā)電單元規(guī)模為：m臺風(fēng)機，n組光伏陣列，p組燃料電池，且m=n=p=15。風(fēng)機參數(shù)規(guī)格見表1。15組光伏陣列，其中5組各50 kW，5組各100 kW，5組各150 kW，總功率為1 500 kW。15組燃料電池，其中a組50 kW，b組為100 kW，c組為150 kW，且a=b=c=3，總功率為1 500 kW。

(2) 天氣預(yù)測。表4所示為未來4個時段天氣預(yù)測數(shù)據(jù)，包括溫度、光照強度和風(fēng)速平均值。

表4 4個時段天氣預(yù)測數(shù)據(jù)

(3) 設(shè)備單位發(fā)電成本系數(shù)。各類型設(shè)備的單位發(fā)電成本見表2。

(4) 仿真流程。與本文2.2(4)仿真流程相同。

(5) 仿真結(jié)果。不妨假設(shè)用戶需求總電量為5 GWh，每個時段為3 h，4個時段用電量分別為0.7～1.2 GWh，1.1～1.6 GWh，1.2～1.6 GWh，1.0～2.0 GWh，設(shè)P0基準(zhǔn)電價為0.7元/kWh。

從表5～表8并結(jié)合仿真收斂結(jié)果圖2～圖5可以看出，ICSO在4個時段中迭代至400代左右效果就已經(jīng)最優(yōu)，而其他兩種算法則需要更多迭代。例如，第3時段仿真圖中，ICSO在450代左右就接近最優(yōu)值，而CSO則在1 400代后才接近最優(yōu)值，GA更是在1 200代左右才接近最優(yōu)值，且最優(yōu)值較差。不管是收斂速度還是最優(yōu)結(jié)果來看，ICSO顯然優(yōu)于其他兩種結(jié)果。數(shù)據(jù)表明：第1時段用電量為998 kWh，第2時段用電量為1.451 GWh，第3時段用電量為1.481 GWh，第4時段用電量

表5 第1時段供電方發(fā)電策略

表6 第2時段供電方發(fā)電策略

為1.072 GWh，4個時段總用電量為定值5 GWh，結(jié)果都在設(shè)定范圍內(nèi)。前3個時段用電量都偏向相應(yīng)時段范圍右端，原因為前3個時段內(nèi)都為風(fēng)光發(fā)電，燃料電池并未啟動發(fā)電，故發(fā)電成本較低，供電方為了鼓勵需求方在風(fēng)光發(fā)電時多用電，而在風(fēng)光發(fā)電匱乏時少用電，分別采用了鼓勵用電降低電價和提高電價的策略?，F(xiàn)任意假設(shè)4個時段用電量為：800 kWh，1.2 GWh，1.2 GWh，1.8 GWh(也可假設(shè)其他值，在規(guī)定用電范圍內(nèi)即可)，并與仿真得到的結(jié)果進行分析比較如表9所示。

表7 第3時段供電方發(fā)電策略

表8 第4時段供電方發(fā)電策略

圖2 第1時段供電方利潤圖

圖3 第2時段供電方利潤圖

圖4 第3時段供電方利潤圖

圖5 第4時段供電方利潤圖

內(nèi)容第1時段第2時段第3時段第4時段合計用電量1/kWh9981451148110705000用電量2/kWh8001200120018005000電價策略1/[元·(kWh)-1]0.550.410.450.87—電價策略2/[元·(kWh)-1]0.580.460.500.90—支付費用方案1/元548.90594.90666.50930.902 741.20支付費用方案2/元464.00552.00600.001782.003398.00發(fā)電利潤1/元456.70478.40507.50795.902238.50發(fā)電利潤2/元380.90439.90436.60899.902147.60

表9中用電量1、電價策略1、支付費用方案1與發(fā)電利潤1相互對應(yīng)，用電量2、電價策略2、支付費用方案2與發(fā)電利潤2相互對應(yīng)。ICSO仿真優(yōu)化的最優(yōu)用電量(用電量1)，用戶支付費用為2 741.20元，最優(yōu)發(fā)電利潤(發(fā)電利潤1)為2 238.50元。若在各時段不采取最優(yōu)用電量，采用用電量2后，用戶需要支付更多的費用，即支付費用2為3 398.00元,而利潤也減少,即發(fā)電利潤2為2 147.6元?？梢?，采用用電量2后，不僅需求方支付費用增多，供電方發(fā)電利潤也相對降低?？偠灾捎肐CSO仿真得出的結(jié)果要優(yōu)于一般結(jié)果。

4 結(jié) 語

本文研究了不同需求模式下的最優(yōu)供電策略?？紤]天氣因素制定合理電價策略，利用ICSO優(yōu)化供電策略，實現(xiàn)最優(yōu)電源發(fā)電調(diào)度與最優(yōu)電價策略。3種算法中，ICSO得到的結(jié)果最優(yōu)。仿真實驗表明，電力供需兩側(cè)平衡模型具有實踐的合理性和算法的可靠性。未來可在實際工程應(yīng)用中，依據(jù)天氣情況，研究更大規(guī)模發(fā)電的供電策略，合理安排啟停發(fā)電單元的種類與數(shù)量，使自身成本最低，收益最高。