袁华骏， 叶筱怡， 耿宗璞

(南京工程学院 电力工程学院，江苏 南京 211167)

0 引 言

微电网调度目的是在满足约束的前提下，安排机组出力，达到发电成本最少，属于高度复杂和多约束的非线性问题[1]，智能算法的出现使得调度有更好的结果[2-3]。文献[4]以系统的运行成本为目标，系统安全运行为约束建立微电网模型，利用标准蜂群算法进行求解，结果表明标准蜂群算法有效降低了调度成本。文献[5]将多目标转换成非线性单目标，利用改进遗传算法求解并网下最优调度方案。文献[6]建立源-储-荷互动的分布式优化博弈模型，运用多目标粒子群算法进行求解，仿真结果表明微电网个体经济性、环保性及满意度得到兼顾。

蜂群算法属于群体随机优化搜索算法，相比于最初的群体搜索算法(粒子群算法)，蜂群算法具有操作简单、设置参数少及寻优性能强的特点，但却有着群体智能算法的弊端——容易陷入局部最优[7]。为此，将对立学习策略用来改善初始种群的质量，扩大初始解的搜索范围，同时将Metropolis准则引入其中，用来降低算法陷入局部最优解的概率。以运行成本最低为目标，考虑并网状态下微电网实际运行条件，将改进后的蜂群算法用来求解并网状态下的微电网调度优化模型，得到大电网以及微电网各个机组的出力。

1 目标函数与约束条件

1.1 目标函数

本文中并网状态下的微电网，既可以供电给负荷，又可以实现能量在微电网与大电网之间的流动，因此微电网调度的目标函数主要包括：微电网内机组的燃料费；……