许晓慧，苏义荣，施勇，柳劲松，王双虎

（1.中国电力科学研究院，江苏南京 210023；2.国网电力科学研究院，江苏南京 210016；3.上海电力科学研究院，上海 200090）

并网运行模式下微电网能量优化调度算法研究

许晓慧1，苏义荣2，施勇3，柳劲松3，王双虎2

（1.中国电力科学研究院，江苏南京 210023；2.国网电力科学研究院，江苏南京 210016；3.上海电力科学研究院，上海 200090）

微网与外部电网并网运行，互为补充，为用户带来了多方面的效益。由于不可控微电源出力的随机性与波动性，微电网并网运行时的优化运行受到很大影响。提出了计划层与实时层双层协调优化调度的算法，来解决微电网并网实时能量优化调度的问题。计划层根据微电源功率预测数据，采用改进粒子群算法进行微电网并网系统的经济优化运行；在计划层优化基础上，实时层根据不可控微电源以及负荷在实时功率与预测功率之间的误差，提出采用改进粒子群算法来进行实时优化调度，并将优化结果更新至计划层中各可控微电源及并网联络线的调度功率中。对一个典型的微电网并网系统进行调度算法仿真分析，验证了该方法的可行性与正确性。

双层协调优化；能量优化调度；改进粒子群算法；微电网；并网运行

微电网并网实时能量优化调度是指微电网在并网实时运行时，通过协调其中的分布式微电源与储能设备，对可控微电源进行输出控制，从而动态实现负荷、微电源以及储能之间、微电网与主网之间的能量优化分配，使微电网安全、可靠、经济运行。

目前，光伏发电和风力发电技术得到了广泛应用，但因其间歇性、波动性等，使得含光伏、风电等分布式电源的微电网如何与电网结合进行优化调度，成为智能电网能量优化管理关注的主要问题之一[1]。在实时能量管理系统中，对可控分布式电源在调度时间段内如果没有进行协调，其出力将会随风功率波动而发生波动变化[2]。储能装置的发展将能够逐步有效解决分布式电源的并网问题。文献[3]中，储能装置充放电量由启发式策略决定，这样导致能量约束在每个时段不一致，并且与其他微电源之间缺乏协调性；文献[4]将微电网的能量优化问题简化为一个基于储能的多时段优化问题，未考虑不可控微电源的功率约束与实时波动，只给出了日前调度方案；文献[5]提出建立顶层多时段优化算法，储能系统的调度主要用于协调平抑不可控电源的功率波动，但是没有对策来处理当功率波动超出储能系统范围时的问题；文献[6]根据不同调度时段提出优化计算模型，但是未开展不同时段微网负荷与储能装置的相互协调交互研究。因此，并网环境下，如何有效优化微电网分布式电源与储能装置、微电网负荷与并网系统的能量优化等，是本文研究的重点。

本文主要研究微电网并网运行模式下的能量优化调度问题，提出了一种双层优化调度方法，采用改进粒子群算法来进行微电网并网系统实时能量管理。双层优化调度中，双层指计划层和实时层，优化调度时，计划层调度基于短时期内不可控微电源的预测数据进行日前多时段经济调度，实时层调度则基于不可控微电源的实时数据，对功率的实时值与预测值间的功率误差进行调度，继而将实时调度结果更新至原微电源调度计划[7]。采用一微电网并网算例系统检验所提方法的合理性。

1 计划层优化调度

1.1 计划层目标函数

微电网并网运行时，由于与主网相连，负荷的功率需求可以时刻得到满足。所以，微电网运行的目标函数是使微电网系统的发电成本最低，即考虑微电网中微电源的限制条件、运行维护成本、状态、蓄电池的约束条件和微电网与主网的能量交换，优化可控微电源的出力使微电网的运行经济成本最小。为了最大限度地节约能量和保护环境，风力发电和太阳能发电的能量应全部被使用。微电网计划层目标函数为：

式中：f为计划层调度的总成本；S为储能充放电，S+、S－分别为储能装置充、放电；DG为可控的微电源；grid为主网；L为可切除的负荷数量；fDG、fS分别表示各可控微电源的总发电运行成本、蓄电池的充放电和维护成本；fgrid为电网运行维护成本；fL为可切负荷维护成本；N为计划层对1 d划分的时段数；LDG和LS分别为微网中可控微电源和蓄电池的总数量；c为电价；K为微电源的维护成本；on为微电源的启停，*为微电源状态的改变；F为微电源发电成本；P为功率；为t时段内第i个可控发电源状态的改变，为1表示状态改变，为0表示状态未改变。

1.2 计划层约束条件

有功功率平衡约束为：

可控微电源和主网约束条件为：

储能约束条件为[7]：

装置状态切换的约束条件为：

式中：Load为负荷；unctrl为不可控微电源；SOC为储能的状态；ηc、ηd分别为储能充、放电系数，d为一个时段周期内的储能放电时间。

2 实时层优化调度

2.1 实时层目标函数

考虑实时不可控发电源和负荷的影响，实时层基于超短期不可控发电源和负荷预测进行微电网实时优化调度。由于短期预测会存在较大的误差，该误差会对微电网运行的稳定运行造成较大影响，对用电用户带来不便和损失，所以，必须采取有效的方法对误差进行处理，使微电网安全、可靠地运行。实时层优化目标函数为：

式中：f′为实时层调度成本；f′L为实时切负荷成本；N′为实时调度时段数分别为实时切负荷功率和计划切负荷功率为功率实时值与预测值的偏差。

2.2 实时层约束条件

可控微电源发电量调整的误差约束条件为：

蓄电池充、放电功率调整的误差约束条件为：

微电网向主网购、售电量调整的误差约束条件为：

3 优化调度算法

3.1 改进的粒子群算法

在原始粒子群算法中[8]，每个粒子根据自身的历史最优值pbesti以及种群的历史最优值gbest来更新自身的速度与位置，最终将会收敛至gbest附近[9]。此时，若gbest为一个局部最优值，则整个种群将会收敛至局部最优。

将粒子群算法作如下改进：生成2个种群，粒子总数为N，第一个种群的粒子数为L，第一个种群的优化公式为：

第二个种群的优化公式为：

式中：l=1，2，…，L；i=L+1，L+2，…，N；k为迭代次数；w为惯性因子；c为学习因子；rand（）为0到1之间的随机数为粒子i在第k次迭代中第d维。pbest是第二个种群第k次迭代后各粒子历史最优值的平均值，即：分别2个种群的群体最优值。

改进后的粒子群算法中，第一个种群中的粒子不受群体最优值的限制，可以在任意方向搜索，而第二个种群中的粒子除了受个体历史最优值限制之外，还受2个种群的群体最优值的限制。通过2个种群的联合搜索，使种群收敛至全局最优。

3.2 调度算法流程图

首先基于微网的实时数据，对实时数据与预测数据产生的功率误差进行计划层调度优化，最后将双层优化结果分配给各可控微电源进行功率调度（见图1）。

微电网处于并网运行模式下时，可由主网提供功率进行经济优化调度。具体流程步骤为：

1）根据微网中不可控微电源与负荷的预测数据进行计划层优化调度。由预测数据判断，在每个时段里，看微电源的最大有功输出之和与微电网向主网购买的最大功率总和能否满足负荷总的需求功率。

2）若某时段内，微电网中所有微电源的最大有功输出之和与向主网所购功率的总和能够满足负荷的总需求功率，则运用改进粒子群算法在一个周期时段内进行经济优化调度；若不能，则切除部分可切除负荷，再进行经济优化调度。

3）实时层优化调度时，从凌晨01:00起，判断微电网并网系统中，功率的实时需求与计划需求之间是否存在误差，即功率误差是否为0。

4）判断功率误差的正负。若功率误差为正，则判断各可控微电源在最大功率运行状态下（此时将主网看成微电源）是否满足该误差，满足则转5），否则切除部分可切除的负荷再转5）；若功率误差为负，则恢复被切除负荷（可为0）再转下一步。

5）利用改进粒子群算法进行实时层优化[9]。

6）t=t+1，判断若t等于N′，则转7），若不等则转4）。

7）结束。

图1 调度算法流程图Fig.1 The flow chart of scheduling algorithm

4 算例分析

标准微电网算例系统如图2所示[10-11]。系统中包含燃料电池（FC）、燃气轮机（MT）、柴油机（DE）、蓄电池（BS），光伏发电（PV）、风力发电（WT）以及用电负荷（Load）。其中，FC、MT、DE、BS为可控微电源，其有功输出的上、下限与爬坡率如表1所示。FC的成本公式见文献 [12-15]；MT的成本公式见文献[16]；DE的成本公式见文献[17]。由于微电网是并网运行的，PCC开关接通。

微电网中用电负荷主要为工业用电与家庭用电，根据需求统计分析，一典型用电负荷曲线见图3。

将微电网并网运行1 a作为调度算例，计划层调度周期为1 h，分为24时段，实时调度周期为15 min，分为96段。风、光发电功率的预测值与实时值变化如图4所示。

图2 微电网接线图Fig.2 The micro grid network diagram

表1 可控微电源输出约束条件Tab.1 The output constraints of the controllable micropower

图3 负荷曲线图Fig.3 The graph of load curve

微电网并网运行模式下，计划层与实时层中可控微电源DE、MT以及FC有功输出曲线如图5所示。双层调度时，储能装置根据微电网有功输出而优化的充放电功率以及能量变化，如图6所示。双层调度时，微电网与主网的交换功率曲线如图7所示。微电网并网运行时，各可控微电源有功输出的实际值与计划值的误差曲线如图8所示，微电源的实际输出能够实时跟踪负荷变化。系统负荷的总需求功率与微电网实际提供功率曲线如图9所示，在13：00—15：00，负荷功率需求约为500 kW，这段时间内，各微电源（此时将主网看作微电源）即便处于满发状态亦无法满足负荷功率需求。在这种情况下，为了保证微电网安全稳定运行，则需考虑切除负荷。图9曲线结果中，在12:45至15:45的负荷切除是根据计划层提前优化调度给出的，在8:45、9:15以及10:00时刻的负荷切除则是由实时调度层中不可控微电源的功率波动而导致的。

图4 新能源发电预测功率与实时功率比较Fig.4 Comparison of predictive power with real-time power of new energy power generation

图5 可控微电网有功输出Fig.5 Active output of controlled microgrid

图6 双层调度时储能装置的充放电功率与能量变化Fig.6 Change of charging-discharging power and energy for energy storage device in the double layer scheduling

图7 微电网与主网交换的有功功率曲线Fig.7 Active power curve in the exchange of microgrid with main grid

图8 微电源输出的实际值与计划值的误差变化Fig.8 Error change of the actual value and planned value of the micro source output

5 结论

针对微电网并网实时能量管理问题，提出了基于改进粒子群算法的双层优化调度方法，使微电网并网系统能够经济、可靠运行。

图9 微电网负荷总功率需求与实际提供功率曲线Fig.9 Curve of the total load demand and actual power supply in microgrid

1）在计划层，根据预测数据来优化调度各可控微电源的功率，使各可控微电源处于最优运行状态，确保微电网日前计划的优化经济调度。

2）在实时层，根据实测数据来实时优化微电网微电源和负荷功率，通过实时调整可控微电源的出力来抑制微电网系统内的功率波动，使其运行在最优经济状态，提高负荷用电效率。

3）改进粒子群算法避免了算法后期陷入局部最优的缺陷，为微电网优化调度提供了新的方法与途径。

[1]BATTISTELLI C，BARINGO L，CONEJO A J.Optimal energy managementofsmallelectric energy systems including V2G facilities and renewable energy sources[J].Electric Power Systems Research，2012，92（11）:50-59.

[2]SUDIPTA C，WEISS M D，SIMOES M G.Distributed intelligent energy management system for a single-phase high-frequency AC microgrid[J].IEEE Transactions on Industrial Electronics，2007，54（1）:97-109.

[3]KANCHEV H，LU D，COLAS F，et al，Energy management and operational planning of a microgrid with a PV-based active generator for smart grid applications[J].IEEE Transactions on Industrial Electronics，2011，58（10）: 4583-4592.

[4]CHEN C，DUAN S，CAI T，et al.Optimal allocation and economic analysis of energy storage system in microgrid[J].IEEE Transactions on Power Electronics，2011，26（10）: 2762-2773.

[5]AZMY A M，ERLICH I.Online optimal management of PEM fuel cells using neural networks[J].IEEE Transactions on Power Delivery，2005，29（2）:1051-1058.

[6]LI X P，GENG G C，JIANG Q Y.A hierarchical energy managementstrategy forgrid-connected microgrid[C].Chicago：IEEE Power Engineering Society T&D Conference&Exposition，2014.

[7]陈达威，朱桂萍.微电网负荷优化分配[J].电力系统自动化，2010，34（20）:45-49.CHEN Dawei，ZHU Guiping.Load optimization distribution in microgrid[J].Automation of Electric Power Systems，2010，34（20）:45-49（in Chinese）.

[8]苏守宝，汪继文，方杰.粒子群优化技术的研究与应用进展[J].计算机技术与发展，2007，17（5）:249-252.SU Shoubao，WANG Jiwen，FANG Jie.Overview applications and research on particle swarm optimization algorithm[J].Computer Technology and Development，2007，17（5）:249-252（in Chinese）.

[9]习朋，李鹏，刘金鑫.孤岛运行模式下的微网经济负荷分配[J].电网与清洁能源，2011，27（8）:13-18.XI Peng，LI Peng，LIU Jinxin，et al.Economical load dispatch of microgrids in isolated mode[J].System and Clean Energy，2011，27（8）:13-18（in Chinese）.

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

[11]周华锋，涂卫平，刘皓明.孤岛运行方式下微网有功功率优化策略研究[J].广东电力，2010，23（7）:1-4.ZHOU Huafeng，TU Weiping，LIU Haoming.Optimal strategy of active power in microgrid islanded operation[J].Guangdong Electric Power，2010，23（7）:1-4（in Chinese）.

[12]AZMY A M，ERLICH I.Online optimal management of PEM fuel cells using neural networks[J].IEEE Transactions on Power Delivery，2005，20（2）:1051-1058.

[13]赵玺灵，付林，张兴梅，等.SOFC热电联供系统的设计方法研究[J].太阳能学报，2009，30（10）:1437-1442.ZHAO Xiling，FU Lin，ZHANG Xingmei，et al.Research on design method of SOFC CHP system[J].Acta Energiae Solaris Sinica，2009，30（10）:1437-1442（in Chinese）.

[14]OBARA S.Power generation efficiency of an SOFC PEFC combined system with time shift utilization of SOFC exhaust heat[J].International Journal of Hydrogen Energy，2010，35（2）:757-767.

[15]MARTÍN J I S，ZAMORA I，MARTÍN J J S，et al.Hybrid fuel cells technologies for electrical microgrids[J].Electric Power Systems Research，2010，80（9）:993-1005.

[16]牛铭，黄伟，郭佳欢，等.微网并网时的经济运行研究[J].电网技术，2010，34（11）:38-42.NIU Ming，HUANG Wei，GUO Jiahuan，et al.Research on economic operation of grid-connected microgrid[J].Power System Technology，2010，34（11）:38-42（in Chinese）.

[17]林伟，陈光堂，邱晓燕，等.基于改进自适应遗传算法的微电网负荷优化分配[J].电力系统保护与控制，2012，40（12）:49-55.LIN Wei，CHEN Guangtang，QIU Xiaoyan，et al.Optimal load distribution of microgrid based on improved selfadaptive genetic algorithm[J].Power System Protection and Control，2012，40（12）:49-55（in Chinese）.

（编辑 董小兵）

Real-Time Energy Optimization Management Algorithm of Microgrid in the Grid-Connected Mode

XU Xiaohui1，SU Yirong2，SHI Yong3，LIU Jinsong3，WANG Shuanghu2
（1.China Electric Power Research Institute，Nanjing 210023，Jiangsu，China；2.Sate Grid Electric Power Research Institute，Nanjing 210016，Jiangsu，China；3.Shanghai Electric Power Research Institute，Shanghai 200090，China）

When interconnected，the external grid and micro grids are mutually supplementary，producing multiple benefits to all parties concerned.Considering effects of the uncertainty of renewable energy on the optimized operation of the interconnected grid system，this paper proposes an algorithm of double-layer（the planned scheduling layer and the real-time scheduling layer）coordinating scheduling to solve the real-time energy optimization and scheduling problem.Based on the prediction of uncontrollable micropower，the planned scheduling layer helps to realize the economical operation of microgrid with improved PSO algorithm and the real-time scheduling layer，according to the uncontrollable micropower and load errors between the predicted power and real-time power，proposes to adopt the improved PSO algorithm for the real-time optimization dispatching and add the revised dispatching result to the controllable micropowers in the planned scheduling layer with improved PSO algorithm.Finally，Simulation and analysis of a typical microgrid in the grid-connected mode verify the feasibility and correctness of the proposed method.

double-layer coordinated optimization；energy optimization scheduling；improved PSO algorithm；microgrid；grid-connected operation mode

国家科技支撑计划课题资助项目（2013BAA01B04）。

Project Supported by the National Science and Technology Support Program（2013BAA01B04）.

1674-3814（2016）08-0117-06

TM73

A

2015-12-23。

许晓慧（1981—），男，博士，高极工程师，主要从事分布式发电，储能及新能源消纳技术研究；

苏义荣（1977—），男，硕士，高极工程师，主要从事智能配电网的技术研究；

施 勇（1976—），男，本科，高极工程师，主要研究方向为智能电网、分布式新能源集成开发与应用；

柳劲松（1971—），男，博士，高极工程师，高级工程师，主要研究方向为配电自动化及分布式新能源接入；

王双虎（1981—），男，硕士，高极工程师，从事配网自动化、分布式发电以及区域能源管理等方面的研究。