王向紅，錢(qián)文姝

（1.國(guó)網(wǎng)陜西省電力公司，陜西西安 710048；2.國(guó)網(wǎng)陜西省電力公司電力科學(xué)研究院 陜西西安 710100）

基于改進(jìn)PSO算法的微電網(wǎng)調(diào)度方法

王向紅1，錢(qián)文姝2

（1.國(guó)網(wǎng)陜西省電力公司，陜西西安 710048；2.國(guó)網(wǎng)陜西省電力公司電力科學(xué)研究院 陜西西安 710100）

針對(duì)微電網(wǎng)存在較大傳輸損耗的問(wèn)題，文中提出了一種適用于光伏、風(fēng)力發(fā)電的微電網(wǎng)日前調(diào)度模型。該模型在滿(mǎn)足各種約束條件的情況下，以最小化風(fēng)機(jī)、光伏電池、儲(chǔ)能單元和燃?xì)廨啓C(jī)的發(fā)電成本及運(yùn)行成本的總和為目標(biāo)。同時(shí)，由于微電網(wǎng)日前調(diào)度是一個(gè)混合整數(shù)非線(xiàn)性問(wèn)題，提出了一種隨機(jī)最優(yōu)近鄰PSO算法，用于求解該多目標(biāo)優(yōu)化問(wèn)題。最后，使用該算法對(duì)IEEE 9-bus系統(tǒng)進(jìn)行仿真測(cè)試。實(shí)驗(yàn)結(jié)果表明，對(duì)于微電網(wǎng)的日前調(diào)度問(wèn)題，提出的算法對(duì)微電網(wǎng)在正常和故障運(yùn)行情況下均具有較高的可靠性。

微電網(wǎng)；傳輸損耗；日前調(diào)度；隨機(jī)最近鄰；粒子群優(yōu)化

近年來(lái)，微電網(wǎng)在電力系統(tǒng)中的應(yīng)用越發(fā)廣泛，其具有靈活、智能和兼容的特點(diǎn)[1]。微電網(wǎng)不僅能整合小型分布式可再生資源，且有助于提高電力系統(tǒng)的效率和可靠性[2-4]。微電網(wǎng)有兩種工作模式：并網(wǎng)運(yùn)行方式和孤島運(yùn)行方式[5-6]。在并網(wǎng)模式下，微電網(wǎng)通常為主電網(wǎng)提供輔助服務(wù)；在孤島模式下，微電網(wǎng)則需要保持自身的供需平衡。

如圖1所示，為一個(gè)包括風(fēng)機(jī)（WT）、光伏電池（PV）、燃?xì)廨啓C(jī)（GT）、儲(chǔ)能單元（ESU）及電動(dòng)車(chē)（EV）和其他負(fù)載的微電網(wǎng)。為了提供高質(zhì)量和經(jīng)濟(jì)的電能，需要對(duì)微電網(wǎng)的運(yùn)行進(jìn)行合理的調(diào)度[7]。能源管理系統(tǒng)（EMS）作為微電網(wǎng)的大腦，根據(jù)負(fù)載、可再生能源和電價(jià)的預(yù)測(cè)信息，以最小化運(yùn)營(yíng)成本和最大化利潤(rùn)的方式，協(xié)調(diào)分布式資源的輸出功率以及與主電網(wǎng)的交換功率。EMS的連接結(jié)構(gòu)有3種：集中式結(jié)構(gòu)[8]，層次結(jié)構(gòu)[9]和分布式結(jié)構(gòu)[10]。文獻(xiàn)[11]全面綜述了微電網(wǎng)的EMS，總結(jié)了微電網(wǎng)的管理控制架構(gòu)與技術(shù)。

EMS中的發(fā)電調(diào)度在微電網(wǎng)運(yùn)行中發(fā)揮著重要作用，其在微電網(wǎng)物理?xiàng)l件的約束下，通過(guò)調(diào)度各種能源資源，以最小的成本滿(mǎn)足負(fù)載需求。一般而言，微電網(wǎng)的發(fā)電調(diào)度包括經(jīng)濟(jì)調(diào)度（ED）和最優(yōu)潮流調(diào)度（OPF）。實(shí)質(zhì)上，ED和OPF均可歸結(jié)為目標(biāo)優(yōu)化問(wèn)題[12]。

在過(guò)去十年，眾多科研人員調(diào)查研究了微電網(wǎng)的優(yōu)化調(diào)度問(wèn)題。文獻(xiàn)[13]在微電網(wǎng)框架下提出了一種最小化多發(fā)電機(jī)購(gòu)買(mǎi)總成本的優(yōu)化算法；文獻(xiàn)[14]提出了一種最小化運(yùn)行成本和污染物排放的分布式發(fā)電機(jī)與存儲(chǔ)調(diào)度算法。針對(duì)多種微電網(wǎng)互聯(lián)的問(wèn)題，文獻(xiàn)[15]綜合考慮用戶(hù)的舒適度和系統(tǒng)的約束，提出了一種基于博弈論的定價(jià)機(jī)制。

然而，現(xiàn)有的優(yōu)化方法通常采用一種簡(jiǎn)化的優(yōu)化模型，并忽略了傳輸網(wǎng)絡(luò)的損耗。通常由于微電網(wǎng)是一個(gè)低壓配電網(wǎng)絡(luò)，實(shí)際上有著較大的傳輸損耗，傳統(tǒng)的忽略傳輸網(wǎng)絡(luò)損耗構(gòu)建的調(diào)度模型通常不能滿(mǎn)足實(shí)際需求[16]。因此，為了獲得準(zhǔn)確的調(diào)度方案，本文考慮傳輸網(wǎng)絡(luò)的損耗，并提出了一種適用于光伏、風(fēng)力發(fā)電的微電網(wǎng)日前調(diào)度模型。該模型在滿(mǎn)足各種約束條件的情況下，以最小化風(fēng)機(jī)、光伏電池、儲(chǔ)能單元和燃?xì)廨啓C(jī)的發(fā)電成本及運(yùn)行成本的總和為目標(biāo)。同時(shí)，由于微電網(wǎng)日前調(diào)度是一個(gè)混合整數(shù)非線(xiàn)性問(wèn)題，本文提出了一種隨機(jī)最優(yōu)近鄰PSO算法，用于求解該多目標(biāo)優(yōu)化問(wèn)題。最后，使用該算法對(duì)IEEE9-bus系統(tǒng)進(jìn)行仿真測(cè)試。實(shí)驗(yàn)結(jié)果表明，對(duì)于微電網(wǎng)的日前調(diào)度問(wèn)題，提出的算法對(duì)微電網(wǎng)在正常和故障運(yùn)行情況下均具有較高的可靠性。

圖1 典型的微電網(wǎng)架構(gòu)Fig.1 Typical microgrid architecture

1 微電網(wǎng)調(diào)度模型

本文使用的微電網(wǎng)結(jié)構(gòu)，如圖1所示。該系統(tǒng)包括風(fēng)機(jī)（WT）、光伏電池（PV）、燃?xì)廨啓C(jī)（GT）、儲(chǔ)能單元（ESU）、電動(dòng)車(chē)（EV）和其他負(fù)載。該系統(tǒng)運(yùn)行在孤島模式下，只需保證自身的供需平衡。下面分別介紹系統(tǒng)的發(fā)電模型、目標(biāo)函數(shù)和約束條件。

1.1 發(fā)電模型

1.1.1 風(fēng)機(jī)

風(fēng)機(jī)即風(fēng)力渦輪機(jī)，其葉片可以將從風(fēng)中捕獲的能量轉(zhuǎn)換成電能。風(fēng)機(jī)的輸出功率取決于風(fēng)速和發(fā)電單元本身的輸出特性，其關(guān)系可表示為

式中：Pwt表示風(fēng)機(jī)的輸出功率；vt表示時(shí)段t內(nèi)的實(shí)際風(fēng)速，m/s；vc表示切入速度，m/s；vf表示切出風(fēng)速，m/s；vr表示額定風(fēng)速，m/s；Pr表示風(fēng)機(jī)的額定功率，kW。

1.1.2 光伏電池

光伏電池通過(guò)光電效應(yīng)將太陽(yáng)能轉(zhuǎn)換成電能，光伏電池的輸出功率與光照強(qiáng)度、環(huán)境溫度等天氣條件密切相關(guān)。其輸出功率可以表示為

式中：PPV為光伏電池的輸出功率；η為光伏電池的功率轉(zhuǎn)換效率；YPV為光伏電池的額定功率；IT（t）為時(shí)段t內(nèi)光伏電池所接受的太陽(yáng)輻射量；IT=1 kW/m2為標(biāo)準(zhǔn)測(cè)試條件。

1.1.3 電池

電池在平衡電網(wǎng)電力和光伏-風(fēng)機(jī)的穩(wěn)定運(yùn)行時(shí)發(fā)揮著重要作用。因?yàn)楫?dāng)風(fēng)能和太陽(yáng)能資源充足時(shí)，能夠存儲(chǔ)來(lái)自風(fēng)機(jī)與光伏電池的電能。而當(dāng)風(fēng)能和太陽(yáng)能資源不充足時(shí)，能夠使用電池來(lái)提供電能。電池的充電狀態(tài)（SOC）是指電池的剩余電量與額定電量的比值，t+Δt時(shí)刻的SOC由t時(shí)刻的電池電能和SOC決定，可以用式（3）表示其之間的關(guān)系：

1.2 目標(biāo)函數(shù)

本文將微電網(wǎng)的最優(yōu)日前調(diào)度問(wèn)題看作是一個(gè)多時(shí)段的最優(yōu)潮流問(wèn)題，其旨在滿(mǎn)足系統(tǒng)所有約束的條件下，最小化每個(gè)單元總的發(fā)電電能和損耗。該優(yōu)化問(wèn)題的目標(biāo)函數(shù)可用下式表示：

式中：C1表示發(fā)電機(jī)損耗；C2和C3分別表示可再生能源發(fā)電單元，在啟動(dòng)和停止時(shí)產(chǎn)生的維護(hù)損耗；Pj，t表示柴油發(fā)電機(jī)j在時(shí)刻t的輸出功率；xj（j，t）表示可再生能源發(fā)電機(jī)j在時(shí)刻t的輸出功率；ΔV表示電壓偏移的懲罰項(xiàng)；T表示總的調(diào)度周期；aj，bj，cj表示柴油發(fā)電機(jī)單元的損失系數(shù)。

1.3 約束條件

1）發(fā)電機(jī)功率約束：

2）電池SOC約束：

3）線(xiàn)路容量約束：

式中，Pijt表示t時(shí)段節(jié)點(diǎn)i和j的功率表示節(jié)點(diǎn)i和j間的最小和最大功率流。

4）電壓約束：

2 基于改進(jìn)PSO算法的微電網(wǎng)優(yōu)化調(diào)度

2.1 改進(jìn)PSO算法

PSO[9]是一個(gè)從隨機(jī)生成的粒子及其速度開(kāi)始的，基于種群的隨機(jī)優(yōu)化算法。在D維優(yōu)化問(wèn)題中，每一個(gè)粒子代表一個(gè)潛在的解，且每個(gè)粒子均有一個(gè)位置和移動(dòng)速度。在優(yōu)化過(guò)程中，每個(gè)粒子跟隨者Pbest和Gbest在解空間中移動(dòng)。其位置與速度更新方式如下所示：

式中，粒子群擁有Np個(gè)粒子，粒子下標(biāo)i=1，2，3，…，Np；d表示維度為第i個(gè)粒子的位置；表示第i個(gè)粒子的移動(dòng)速度；t為迭代次數(shù)，r1和r2為服從正太分布的隨機(jī)數(shù)，φ1和φ2表示速度的權(quán)重。

為了在算法運(yùn)行初期保持粒子群多樣性的同時(shí)不明顯降低收斂速度，本文提出了一種隨機(jī)最優(yōu)近鄰PSO（random best neighbors particle swarm optimization，RBN-PSO）算法。該算法不是搜索Pbest和Gbest，而是在初期就從Pbest和RBNbest（由RBN策略選擇的Pbest）中學(xué)習(xí)，以增強(qiáng)種群的多樣性。

RBN-PSO的速度和位置更新策略如式（7）和（8）所示，其中，粒子速度的更新方式與傳統(tǒng)的方式一致。與傳統(tǒng)的PSO算法不同的是，在RBN-PSO中的每個(gè)粒子從相同的RBNbest中學(xué)習(xí)所有維度的信息，而不是從Gbest中學(xué)習(xí)。

在最小化問(wèn)題中，適應(yīng)度值越小，表明粒子越優(yōu)。因此，式（8）中RBNbestdi表示在近鄰中隨機(jī)搜索的且具有最小適應(yīng)度值的粒子，即最優(yōu)的近鄰粒子。在初始化過(guò)程中，每一個(gè)粒子從整個(gè)種群中隨機(jī)選擇一些除Pbest外的近鄰粒子。在這些近鄰粒子中，將具有最小適應(yīng)度值的粒子選擇為RBNbest。與傳統(tǒng)的PSO算法中一組粒子共享一個(gè)局部最優(yōu)值的方式不同，RBN-PSO為每個(gè)粒子選擇一個(gè)RBNbest。因此，在RBN-PSO中有兩個(gè)重要的參數(shù)，一個(gè)是更新周期，另一個(gè)是近鄰數(shù)量。若一個(gè)粒子在預(yù)設(shè)的迭代次數(shù)內(nèi)沒(méi)有提升其適應(yīng)度值，則更新其RBNbest，這個(gè)預(yù)設(shè)的最大迭代次數(shù)稱(chēng)為更新周期；而近鄰數(shù)量表示選擇RBNbest時(shí)隨機(jī)選擇參與比較的相鄰粒子的數(shù)量。詳細(xì)的RBN-PSO算法偽代碼，如表1所示。

表1RBN-PSO算法偽代碼Tab.1 Pseudo-code of RBN-PSO algorithm

2.2 微電網(wǎng)優(yōu)化調(diào)度求解

微電網(wǎng)最佳日前調(diào)度的控制變量由發(fā)電機(jī)總線(xiàn)的電壓、所有發(fā)電機(jī)單位狀態(tài)（在線(xiàn)或離線(xiàn)）以及發(fā)電機(jī)在所有時(shí)間間隔的輸出功率組成。求解該問(wèn)題的目標(biāo)，即在滿(mǎn)足各種約束條件的同時(shí)，獲得最優(yōu)的控制變量并最小化目標(biāo)函數(shù)。基于改進(jìn)的PSO算法微電網(wǎng)優(yōu)化調(diào)度問(wèn)題的求解步驟如下：

1）設(shè)置RBN-PSO算法的參數(shù)和系統(tǒng)參數(shù)。

2）判斷系統(tǒng)是否存在故障，若存在故障則調(diào)整參數(shù)以應(yīng)對(duì)故障帶來(lái)的影響；若沒(méi)有則故障則跳到下一步。

即m+1時(shí)刻預(yù)測(cè)值為Pm+1,將最后L-1個(gè)數(shù)據(jù)和測(cè)試集中的第m+1個(gè)數(shù)據(jù)合并為新的數(shù)據(jù)并輸入網(wǎng)絡(luò),得到m+2時(shí)刻的輸出Pm+2,依次類(lèi)推得到預(yù)測(cè)序列為

3）根據(jù)當(dāng)前電網(wǎng)的電流條件，初始化微電網(wǎng)中各供電單元，包括風(fēng)機(jī)、光伏電池、燃?xì)廨啓C(jī)和儲(chǔ)能單元。

4）若生成的粒子滿(mǎn)足電池SOC的約束，直接進(jìn)入下一步；否則調(diào)整單位輸出功率以滿(mǎn)足約束，然后轉(zhuǎn)到下一步。

5）判斷微電網(wǎng)中所有的總線(xiàn)類(lèi)型是否隨著每個(gè)發(fā)電機(jī)節(jié)點(diǎn)的輸出功率的改變而改變，若沒(méi)有跳到下一步；否則返回該節(jié)點(diǎn)。

6）使用Newton-Raphson方法計(jì)算潮流。

7）若獲得的粒子滿(mǎn)足傳輸線(xiàn)的容量約束，跳到下一步；否則調(diào)整單位輸出功率以滿(mǎn)足約束，然后返回步驟7。

8）若獲得的粒子滿(mǎn)足功率平衡約束，則跳轉(zhuǎn)到下一步；否則隨機(jī)選擇一部分發(fā)電單元，調(diào)整其輸出功率。然后返回到步驟4。

10）若到達(dá)最大迭代數(shù)，輸出最優(yōu)的調(diào)度方案；否則返回步驟4。

圖2 基于IEEE 9-bus的微電網(wǎng)系統(tǒng)架構(gòu)Fig.2 Micro-gridsystemarchitecturebasedonIEEE9-bus

3 仿真實(shí)驗(yàn)與分析

本文使用圖2所示的基于IEEE 9-bus的微電網(wǎng)系統(tǒng)進(jìn)行分析，RBN-PSO中種群數(shù)量為50，最大迭代數(shù)為3 000，每個(gè)電池的初始電量為72 kW·h。風(fēng)機(jī)、太陽(yáng)能電池板和儲(chǔ)能電池的損耗，如表2所示。柴油發(fā)電機(jī)的損耗系數(shù)a，b，c如表3所示。風(fēng)速和光照強(qiáng)度隨時(shí)間的變化關(guān)系，如圖3所示。

表2 風(fēng)機(jī)、太陽(yáng)能電池板和儲(chǔ)能電池的損耗Tab.2 Cost for wind turbine,solar panels and battery kW·h

表3 柴油發(fā)電機(jī)的損耗系數(shù)Tab.3 Cost coefficients of diesel generators

圖3 風(fēng)速和光照強(qiáng)度隨時(shí)間的變化關(guān)系圖Fig.3 The relationship between wind speed and light intensity over time

如圖4所示為該系統(tǒng)所測(cè)得的各總線(xiàn)電壓值，該圖中所有電壓值均滿(mǎn)足約束條件。從圖中可以看出，總線(xiàn)2，4，6的電壓級(jí)別比其他總線(xiàn)的要低，而總線(xiàn)7和8的波動(dòng)最大。

當(dāng)微電網(wǎng)處于故障狀態(tài)時(shí)，將對(duì)系統(tǒng)和社會(huì)造成嚴(yán)重的后果。不僅需要避免微電網(wǎng)的故障運(yùn)行，且還要采用一定的恢復(fù)措施減少故障所帶來(lái)的損耗。因此，使用本文所提出的方法解決在不同故障狀態(tài)下微電網(wǎng)的日前調(diào)度問(wèn)題，同時(shí)，也用于驗(yàn)證本算法的魯棒性。

圖4 優(yōu)化調(diào)度后的各總線(xiàn)電壓波動(dòng)情況Fig.4 Bus voltage fluctuations of the optimal scheduling

如圖5所示為節(jié)點(diǎn)9突然斷開(kāi)時(shí)，各總線(xiàn)的電壓波動(dòng)情況。圖6所示為節(jié)點(diǎn)1和2之間斷開(kāi)時(shí)，各總線(xiàn)的電壓波動(dòng)情況。從圖5和圖6可以看出，電網(wǎng)電壓在5%的安全范圍內(nèi)波動(dòng)。同時(shí)還可看出，當(dāng)總線(xiàn)出現(xiàn)故障時(shí)比單條線(xiàn)發(fā)生故障時(shí)電壓的波動(dòng)范圍要更廣。這是由于總線(xiàn)故障將導(dǎo)致總線(xiàn)數(shù)量的減少，原始的電能在N個(gè)節(jié)點(diǎn)間流動(dòng)，而現(xiàn)在只能在N-1個(gè)節(jié)點(diǎn)間流動(dòng)。

圖5 節(jié)點(diǎn)9突然斷開(kāi)時(shí)各總線(xiàn)的電壓波動(dòng)情況Fig.5 Voltage fluctuations with the breakdown of node 9

圖6 節(jié)點(diǎn)1和2之間斷開(kāi)時(shí)各總線(xiàn)的電壓波動(dòng)情況Fig.6 Voltage fluctuation of each bus with the disconnected of nodes 1 and 2

4 結(jié)論

為了獲得準(zhǔn)確的調(diào)度方案，本文考慮傳輸網(wǎng)絡(luò)的損耗并提出了一種適用于光伏、風(fēng)力發(fā)電的微電網(wǎng)日前調(diào)度模型。該模型在滿(mǎn)足各種約束條件的情況下，以最小化風(fēng)機(jī)、光伏電池、儲(chǔ)能單元和燃?xì)廨啓C(jī)的發(fā)電成本及運(yùn)行成本的總和為目標(biāo)。同時(shí)，由于微電網(wǎng)日前調(diào)度是一個(gè)混合整數(shù)非線(xiàn)性問(wèn)題，本文提出了一種隨機(jī)最優(yōu)近鄰PSO算法，用于求解該多目標(biāo)優(yōu)化問(wèn)題。最后，使用該算法對(duì)IEEE9-bus進(jìn)行仿真測(cè)試。實(shí)驗(yàn)結(jié)果表明，對(duì)于微電網(wǎng)的日前調(diào)度問(wèn)題，提出的算法對(duì)微電網(wǎng)在正常和故障運(yùn)行情況下均具有較高的可靠性。

[1]魏榆揚(yáng)，周步祥，彭章剛.基于區(qū)間數(shù)的改進(jìn)NSGA-II算法在微電網(wǎng)優(yōu)化調(diào)度中的應(yīng)用[J].電力電容器與無(wú)功補(bǔ)償，2017，38（1）：117-122.WEI Yuyang，ZHOU Buxiang，PENG Zhanggang.Application of Improved NSGA-ⅡAlgorithm Based on Interval Number in Optimal Regulation of Micro-grid[J].Power Capacitor&Reactive Power Compensation，2017，38(1):117-122.

[2]吳昊，王艷松.基于智能單粒子算法的微電網(wǎng)經(jīng)濟(jì)調(diào)度[J].電力系統(tǒng)保護(hù)與控制，2016，44（20）：43-49.WU Hao，WANG Yansong.Economic dispatch of microgrid using intelligent single particle optimizer algorithm [J].Power System Protection and Control，2016，44(20):43-49.

[3]楊曉東，陳宇，張有兵，等.考慮交互功率與可再生能源功率波動(dòng)的微電網(wǎng)調(diào)度優(yōu)化模型[J].電力系統(tǒng)保護(hù)與控制，2016，44（23）：30-38.YANG Xiaodong，CHEN Yu，ZHANG Youbing，etal.Scheduling optimization model for microgrid considering interactive power and renewable energy output fluctuation[J].Power System Protection and Control，2016，44(23):30-38.

[4]李占凱，陳紅敏，張福民，等.含儲(chǔ)能微電網(wǎng)運(yùn)行模式的平滑切換控制策略[J].電力電容器與無(wú)功補(bǔ)償，2017，38（2）：148-154.LI Zankai，CHEN Hongmin，ZHANG Fumin，et al.Control Strategy for Smooth Switching of Microgrid Operation Mode Containing Energy Storage[J].Power Capacitor&Reactive Power Compensation，2017，38(2):148-154.

[5]CHEN Y H，LU S Y，CHANG Y R，et al.Economic analysis and optimal energy management models for microgrid systems：A case study in Taiwan[J].Applied Energy，2013，103（1）：145-154.

[6]MARZBAND M，GHADIMI M，SUMPER A，et al.Experimental validation of a real-time energy management system using multi-period gravitational search algorithm for microgrids in islanded mode[J].Applied Energy，2014，128（3）：164-174.

[7]ZHAO B，XUE M，ZHANG X，et al.An MAS based energy management system for a stand-alone microgrid at high altitude[J].Applied Energy，2015，143（7）：251-261.

[8]XIAO J，WANG P，SETYAWAN L，et al.Multi-level energy management system for real-time scheduling of DC microgrids with multiple slack terminals[J].IEEE Transactions on Energy Conversion，2016，31（1）：392-400.

[9]季斌煒，陳瀟一.基于粒子群算法的配電網(wǎng)無(wú)功補(bǔ)償方法研究[J].電網(wǎng)與清潔能源，2016，32（3）：111-114.JI Binwei，CHEN Xiaoyi.Research on Reactive Power Compensation of Distribution Network Based on Particle Swarm Optimization Algorithm [J].Advances of Power System&Hydroelectric Engineering，2016，32(3):111-114.

[10]黃晨，張靠社.基于量子粒子群算法的微電網(wǎng)優(yōu)化調(diào)度[J].電網(wǎng)與清潔能源，2016，32（2）：72-76.HUANG Chen，ZHANG Kaoshe.Micro Grid Scheduling Optimization Based on Quantum Particle Swarm Optimization (PSO)Algorithm [J].Advances of Power System&Hydroelectric Engineering，2016，32(2):72-76.

[11]胡清，張強(qiáng).基于改進(jìn)二進(jìn)制粒子群算法的配電網(wǎng)故障定位[J].南京工程學(xué)院學(xué)報(bào)（自然科學(xué)版），2016，14（3）：77-81.HU Qing，ZHANG Qiang.Fault Location of Distribution NetworksBased on Improved BinaryParticleSwarm Optimization Algorithm [J].Journal of Nanjing Institute of Technology(Natural Science Edition)，2016，14(3):77-81.

[12]王偉，譚陽(yáng)紅.量子粒子群算法在配電網(wǎng)多時(shí)段動(dòng)態(tài)重構(gòu)中的應(yīng)用[J].陜西師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，44（6）：31-38.WANG Wei，TAN Yanghong.The application of quantum particle swarm optimization algorithm in multi-period dynamic reconfiguration of distribution network[J].Journal of Shaanxi Normal University(Natural Science Edition)，2016，44(6):31-38（in Chinese）.

[13]RABIEE A，SADEGHI M，AGHAEIC J，et al.Optimal operation of microgrids through simultaneous scheduling of electrical vehicles and responsive loads considering wind and PV units uncertainties[J].Renewable&Sustainable Energy Reviews，2016，57（4）：721-739.

[14]MARZBAND M，MOGHADDAM M M，AKOREDE M F，et al.Adaptive load shedding scheme for frequency stability enhancement in microgrids[J].Electric Power Systems Research，2016，140（3）：78-86.

[15]KAKIGANO H，MIURA Y，ISE T.Distribution voltage control for DC microgrids using fuzzy control and gainscheduling technique[J].IEEE Transactions on Power Electronics，2013，28（5）：2246-2258.

[16]KYRIAKARAKOS G，PIROMALIS D D，DOUNIS A I，et al.Intelligent demand side energy management system for autonomous polygeneration microgrids[J].Applied Energy，2013，103（1）：39-51.

A New Scheduling Method of Microgrid Based on Improved PSO Algorithm

WANG Xianghong1，QIAN Wenshu2
（1.State Grid Shaanxi Electric Power Company，Xi’an 710048,Shaanxi,China；2.State Grid Shaanxi Electric Power Research Institute，Xi’an 710100）

In order to address the huge transmission loss in microgrid,a new day-ahead scheduling model for microgrid with photovoltaic cells and wind turbine units is proposed in this paper.The model aims at minimizing the sum of power generation costs and operating costs of wind turbines,photovoltaic cells,energy storage units and gas turbines while meeting a variety of constraints.At the same time,since the scheduling of microgrids is a mixed integer nonlinear problem,this paper proposes a random best neighbor PSO algorithm to solve the multi-objective optimization problem.Finally,the algorithm is used to simulate IEEE9-bus.The experimental results show that the proposed algorithm has high reliability for both micro-grid and normal operation in the event of micro-grid scheduling.

microgrid;transmission loss;day-ahead scheduling;random best neighbor;PSO

1674-3814（2017）07-0053-05

TM711

A

國(guó)家自然科學(xué)青年基金（61101249）。

Project Supported by the Natural Science Foundation of China(61101249）.

2016-08-01。

王向紅（1960—），女，本科，高級(jí)工程師，研究方向?yàn)殡娏ο到y(tǒng)調(diào)度自動(dòng)化、人力資源開(kāi)發(fā)及班組建設(shè)等方面的工作。

（編輯 徐花榮）