焦艷麗，樊小朝,2，史瑞靜,2，王維慶，劉少名，于春偉，陳 軍，高 超，郝雁峰

(1.新疆大學(xué) 電氣工程學(xué)院，新疆 烏魯木齊 830047； 2.新疆工程學(xué)院 新能源科學(xué)與工程系，新疆 烏魯木齊 830023；3.新疆金風(fēng)科技股份有限公司，新疆 烏魯木齊 830026)

0 引 言

微電網(wǎng)是集發(fā)電、配電和用電一體的綜合電網(wǎng)系統(tǒng)，可以實現(xiàn)分布式電源產(chǎn)生的電能直接供給用戶使用.合理利用微電網(wǎng)被認為是促進分布式能源友好并網(wǎng)和多能互補集成優(yōu)化的有效手段[1-2].通過對微電網(wǎng)中的各設(shè)備容量進行合理優(yōu)化，可使微電網(wǎng)更加經(jīng)濟、可靠和環(huán)保.文獻[3]提出一種改進的風(fēng)光儲系統(tǒng)容量優(yōu)化配置方法，針對獨立和并網(wǎng)的不同模式，優(yōu)化微電網(wǎng)中的風(fēng)、光、蓄電池的供電能力；文獻[4]以經(jīng)濟性和電力平衡穩(wěn)定為優(yōu)化目標，利用改進的粒子群算法對所提微電網(wǎng)容量進行優(yōu)化；文獻[5]以經(jīng)濟性為目標，綜合考慮充放電效率、全壽命周期成本和荷電狀態(tài)，提出一種基于改進希爾伯特-黃變換的混合儲能容量優(yōu)化配置方案；文獻[6]以成本最小為目標，引入需求側(cè)響應(yīng)概念，對獨立的風(fēng)、光、儲微電網(wǎng)進行容量優(yōu)化配置，提高負荷需求與供電的匹配度，建立包含經(jīng)濟性和環(huán)保性的多目標優(yōu)化模型，通過隊列競爭優(yōu)化算法對配置結(jié)果進行求解；文獻[7]提出一種考慮需求側(cè)響應(yīng)的孤島微電網(wǎng)容量配置模型，以全壽命周期成本最低為目標，采用粒子群算法進行求解；文獻[8]以滿足偏遠地區(qū)電力用戶需求為目標，綜合考慮了投資總成本、電力平衡狀態(tài)、能源出力波動等優(yōu)化目標，提出離網(wǎng)型風(fēng)/光/儲微電網(wǎng)的優(yōu)化方案，采用具有自適應(yīng)交叉和變異操作的改進遺傳算法進行求解.

上述研究大多以風(fēng)、光、蓄電池裝置相互結(jié)合進行容量的配置優(yōu)化，對引入氫儲能裝置以及將用戶側(cè)用電行為加入到微電網(wǎng)容量配置優(yōu)化的決策較少.而由于混合儲能裝置的引入，使得微網(wǎng)拓撲結(jié)構(gòu)趨于復(fù)雜，運行模式也更加趨向多樣化.因此，風(fēng)光出力的隨機性和波動性、用電負荷的不確定性及微網(wǎng)系統(tǒng)的復(fù)雜性對微網(wǎng)的容量配置都帶來了極大的挑戰(zhàn).

基于此，本文首先提出了包含氫儲能和蓄電池儲能的多級混聯(lián)儲能系統(tǒng)(Hybrid Energy Storage System, HESS)，采用交直流混合策略實現(xiàn)交流側(cè)電力供交流負載使用，直流側(cè)電力供直流負載使用，交直流母線間通過換流設(shè)備進行能量交換，“閑電”通過HESS系統(tǒng)儲存，“余電”進行上網(wǎng)處理；然后在用戶側(cè)引入分時電價機制，考慮到用戶的負荷量的多時段響應(yīng)機制，引入電量電價間平衡關(guān)系及多時段彈性矩陣，將用戶側(cè)的負荷調(diào)控納入到系統(tǒng)容量配置決策中，鼓勵用戶積極參與到微電網(wǎng)優(yōu)化問題；接著提出基于博弈理論和混沌映射多目標粒子群優(yōu)化算法(Game Theory Multi-Objective Particle Swarm Optimization Algorithm, GTMOPSO)，引入博弈理論和混沌映射有效改善粒子群算法容易陷入局部最優(yōu)解的缺陷，以更好地保護算法多樣性，使用經(jīng)典測試函數(shù)ZDT2、ZDT3驗證改進算法的優(yōu)越性；最后通過實際的風(fēng)光和負荷數(shù)據(jù)制定多模式運行策略和不同的配置方案，對微電網(wǎng)的等年值成本和換流損耗進行分析.

1 微網(wǎng)系統(tǒng)結(jié)構(gòu)

本文所研究的微電網(wǎng)系統(tǒng)結(jié)構(gòu)如圖1所示.光伏機組與風(fēng)電機組分別與直、交流母線相連，為直、交流負載提供電能，在最大化消納可再生能源發(fā)電的前提下減少系統(tǒng)內(nèi)部的換流設(shè)備.儲能裝置包括以蓄電池為主的電化學(xué)儲能裝置和以燃料電池、儲氫罐和電解槽3者耦合形成的氫儲能裝置.

圖1 HESS交直流混合微網(wǎng)結(jié)構(gòu) Fig.1 Structure of HESS AC-DC hybrid microgrid

1.1 微網(wǎng)電源模型

1.1.1 風(fēng)機模型

風(fēng)機的出力主要與所處環(huán)境風(fēng)速有關(guān)，其數(shù)學(xué)模型[9]為：

(1)

式中：PW為風(fēng)機輸出功率，kW；Pr為風(fēng)機額定功率，kW；vci為風(fēng)機切入風(fēng)速，取 3 m/s;vr為額定風(fēng)速，取 6.5 m/s；vco為切出風(fēng)速，取 20 m/s.

1.1.2 光伏發(fā)電模型

光伏電池輸出功率受所處環(huán)境的輻照強度和溫度影響，數(shù)學(xué)模型[10]為：

(2)

式中：PPVR為光伏組件額定輸出功率；S(t)為太陽能輻射強度，W/m2；SST為太陽能標準輻射強度，取 1 000 W/m2；λ為溫度系數(shù)，本文取λ=0.004 85/℃；Ta(t)為組件實際環(huán)境溫度，℃；TN為標準工作溫度，取 25 ℃；ηPv_dc-dc為光伏逆變器轉(zhuǎn)化效率，此處取值0.9.

1.2 混合儲能系統(tǒng)模型

氫儲能系統(tǒng)具有較強的多能聯(lián)供能力，可以改善能量失衡，而微電網(wǎng)系統(tǒng)可以促進能量平衡并進行綜合調(diào)控，因此氫儲能系統(tǒng)在微電網(wǎng)系統(tǒng)中具有廣闊的前景[11].在HESS系統(tǒng)中，風(fēng)、光出力首先滿足蓄電池的容量約束目標，然后將多余的電能利用電解槽轉(zhuǎn)化為氫氣儲存.當(dāng)蓄電池儲存電量不夠用戶使用時，由燃料電池將儲氫罐中的氫氣轉(zhuǎn)化為電能以供使用.

1.2.1 蓄電池模型

根據(jù)能量守恒定理，蓄電池充放電時的能量[12]可分別表示為：

蓄電池充電時：

Ebat(t)=Ebat(t-1)(1-δ)+Pch(t-1)ηchηbat_dc-dcΔt

(3)

蓄電池放電時：

(4)

式中：Ebat(t)為t時刻蓄電池儲存的能量，kW·h；δ為蓄電池自放電率，取0.04/d；Pdh為蓄電池充電功率，kW；Pch為蓄電池放電功率；ηch為蓄電池充電效率，ηdh為蓄電池放電效率，ηbat_dc-dc為蓄電池的換流器效率，均取0.9；Δt為時間步長，本文取值為 1 h.

1.2.2 氫儲能系統(tǒng)模型

氫儲能系統(tǒng)中，選取質(zhì)子交換膜燃料電池和質(zhì)子交換膜電解槽，其輸出率可分別表示為：

PEb2Hs=PEbηEb

(5)

PFc=PHs2FcηFc

(6)

式中：PEb為輸入功率；ηEb為電解槽效率，取0.8；PHs2Fc為儲氫罐與燃料電池的交互功率；ηFc為質(zhì)子交換膜燃料電池的工作效率，取0.8.

為了更好地管理和控制儲氫罐的運行狀態(tài)，以燃料電池和電解槽側(cè)充放電過程中的功率值計算儲精罐的剩余容量，儲氫罐儲能的數(shù)學(xué)模型可表示為：

(7)

式中：EHs(t)為t時刻儲氫罐儲存的能量，kWh；ηEb_dc-dc、ηFc_dc-dc分別為電解槽和燃料電池的換流器工作效率，均取0.9.

綜上，電解槽與燃料電池的最大輸出功率為：

(8)

(9)

式中：CEb為電解槽容量，kW；CFc為燃料電池容量，kW；EHs為儲氫罐容量；EHsmax為儲氫罐最大儲能容量；EHsmin為儲氫罐最小儲能容量，儲氫罐容量單位均為kW·h.

1.3 分時電價模型

分時電價下，用戶的負荷量不僅是對當(dāng)前時段電價的響應(yīng)結(jié)果，還會受到其他時段電價的影響，即為多時段響應(yīng)[13].基于此，本文引入電量電價間平衡關(guān)系以及基于分時電價的彈性矩陣以更好地描述用電行為，通過分時電價機制對負荷使用情況進行處理，以進一步使交直流負荷與風(fēng)電和光伏機組出力情況更匹配.其中，電量電價彈性可表示為：

(10)

式中：r為電量電價彈性；L和e分別為用電量與電價；ΔL、Δe分別為其對應(yīng)的變化量.

為了更好地描述由于分時電價實施時用戶受其他階段電價影響的用電量關(guān)系，提出基于分時電價的彈性矩陣R，具體表達式為：

(11)

式中：rPP、rff、rVV分別代表峰、平、谷時段自彈性系數(shù)，其余為互彈性系數(shù).

在已知電量電價彈性矩陣的前提下，可得到用戶各時段用電量與電價變化量之間的關(guān)系式：

(12)

式中：L0和LTOU分別代表施行分時電價前后各時段用電量，kW·h.;L0,P、L0,f、L0,V分別表示可進行負荷轉(zhuǎn)移時段的初始用電量，kW·h.

2 微網(wǎng)優(yōu)化配置模型

2.1 待優(yōu)化變量

選取光伏電池容量Cpv、風(fēng)電機組容量Cw、蓄電池容量Cba、燃料電池容量CFc、電解槽容量CEb、儲氫罐容量EHs和換流器容量Ccon作為微網(wǎng)配置中待優(yōu)化變量.

2.2 目標函數(shù)

微網(wǎng)系統(tǒng)優(yōu)化目標包括經(jīng)濟性、環(huán)保性和供電可靠性等.本文所配置系統(tǒng)為并網(wǎng)型系統(tǒng)，未加入柴油發(fā)電機等備用電源，因此未考慮環(huán)保性目標，且將可靠性指標加入到了配置系統(tǒng)的約束條件中.因此,主要考慮所提微網(wǎng)系統(tǒng)經(jīng)濟性指標中的等年值成本F和交直流混合微網(wǎng)中交直流母線間的換流損耗Pt-loss作為待優(yōu)化目標.

2.2.1 經(jīng)濟性指標

本文經(jīng)濟性指標即考慮全壽命周期的等年值成本F，詳細目標函數(shù)為：

(13)

(14)

式中：CI為微網(wǎng)設(shè)備初始投資成本；R為系統(tǒng)壽命，取20年；r為貼現(xiàn)率，取0.04；C(k)為第k年的其他成本，包括各設(shè)備第k年的運行維護成本、置換成本等；B(k)為第k年的其他收入及支出，包括微網(wǎng)系統(tǒng)電能不足用戶使用或滿足使用后電量有盈余時產(chǎn)生的購售電成本、可再生能源發(fā)電的補貼收益以及各設(shè)備折現(xiàn)成本，萬元；CRF(r,R)為資金收回系數(shù).

2.2.2 換流損耗指標

本文微網(wǎng)采用交直流混合策略實現(xiàn)交流側(cè)電力供交流負載使用，直流側(cè)電力供直流負載使用，交直流母線間通過換流器進行能量交換，母線之間的換流損耗計算公式為：

Pt-loss=(1-ηcon)Pac/dc

(15)

式中：Pac/dc為交直流母線間換流功率；ηcon為換流器換流效率，取0.9.

2.3 約束條件

在微電網(wǎng)系統(tǒng)容量優(yōu)化過程中，必須對各優(yōu)化變量以及所優(yōu)化目標值建立相應(yīng)的約束，使其在約束范圍內(nèi)尋求最優(yōu)值，保證優(yōu)化結(jié)果的有效性.本節(jié)主要針對分布式電源出力、系統(tǒng)功率平衡、各設(shè)備裝機容量、儲能系統(tǒng)充放電深度以及系統(tǒng)的供電可靠性5個方面進行約束.

1)系統(tǒng)中分布式電源的出力約束不能大于其固定容量的額定輸出功率：

(16)

2)在交直流混合微電網(wǎng)中，由交流側(cè)電源直接為交流負載供電，直流側(cè)電源直接為直流負載供電，在微電網(wǎng)系統(tǒng)中的各微源與負荷之間需要有一個功率狀態(tài)平衡約束，而交直流母線間通過進行能量傳輸，以維持交流子網(wǎng)與直流子網(wǎng)的功率平衡，微電網(wǎng)系統(tǒng)功率平衡約束為：

(17)

3)考慮到實際工程中受各種條件的限制，需要對微網(wǎng)內(nèi)各分布式電源及儲能裝置裝機容量范圍約束.考慮到蓄電池和儲氫罐的放電深度對設(shè)備的影響，進行儲能裝置容量配置時，留出一定的備用容量.各裝置的配置容量約束為：

(18)

4)為提高實施分時電價時用戶總體滿意度，設(shè)置用戶側(cè)響應(yīng)后單位時段用電費用不得高于響應(yīng)前費用，具體約束為：

(19)

式中：e0為實施分時電價前的單一電價；ep、ef、ev分別表示峰、平、谷時段的電價，元/(kW·h)；Lc0,h(t)、Lc,h(t)為實施分時電價前后的用電量，kW；Eh、E0,h為時間步長下分時電價后和分時電價前的用戶購電成本，萬元.

5)微電網(wǎng)系統(tǒng)的終極目標就是實現(xiàn)“自發(fā)自用，自治自理”，因此需要對整個系統(tǒng)的供電可靠率有較高的要求，本文將供電可靠性作為微電網(wǎng)容量配置的主要約束之一.將微電網(wǎng)年運行過程中總負荷需求量與分布式電源輸出功率的差值同分布式電源輸出功率的比值定義為負荷失電率(Load Power Shortage Rate, LPSR)，具體表達式為：

(20)

式中：Pload、PDG為單位時間內(nèi)交直流負荷總量以及風(fēng)機和光伏系統(tǒng)輸出功率總量.為使微電網(wǎng)有較高的供電可靠性，取LPSRmax=0.5%.

3 優(yōu)化目標求解方法

微電網(wǎng)系統(tǒng)常見的配置方法包括分析法、配置軟件求解法以及智能算法等，本文主要采用智能算法中需要較少預(yù)設(shè)參數(shù)、迭代更新方式和計算方式也較簡單的粒子群算法(Particle Swarm Optimization, PSO)進行求解.

3.1 算法介紹

傳統(tǒng)的PSO算法中，粒子的速度和距離更新公式[14]如下：

(21)

(22)

然而，用于解決復(fù)雜問題時，PSO算法容易出現(xiàn)粒子“早熟”現(xiàn)象(即陷入局部最優(yōu)解)，導(dǎo)致尋優(yōu)效果較差.因此，在解決微電網(wǎng)容量優(yōu)化問題中，需要對算法進行改進以更好獲得本文優(yōu)化變量和目標值最優(yōu)解.

3.2 算法改進

基于以上分析，提出一種基于博弈理論和混沌映射的多目標粒子群優(yōu)化算法，引入博弈機制[15]和混沌映射機制有效改善粒子群算法在尋優(yōu)過程中易陷入局部最優(yōu)解的缺陷.

博弈機制是用于解決粒子群優(yōu)化算法的一個變體，通過提取的兩個粒子進行博弈競爭，優(yōu)勝的粒子將會引領(lǐng)失敗的粒子前進從而更新粒子的速度和位置，直接過渡到下一輪循環(huán)，將每一個粒子作為最優(yōu)解來帶領(lǐng)其他粒子進行更新，不需要歷史最優(yōu)粒子一直引領(lǐng)，可以有效解決粒子全局尋優(yōu)效果不佳問題.博弈機制的中心思想如圖2所示,其中P(t)和P(t+1)分別表示進行粒子迭代更新前后的集合名稱.

圖2 博弈主要思想Fig.2 Main ideas of Game Theory

而博弈更新機制主要采取夾角角度比較，不再是以適應(yīng)度數(shù)值進行比較，精英粒子a和b從精英集中被選出后與非精英粒子x進行博弈，比較所形成的夾角θa和θb的大小，形成角度小的粒子被定義為成功粒子，引導(dǎo)非精英粒子x進行位置和速度的更新，失敗粒子繼續(xù)向成功粒子學(xué)習(xí)，以更新自身粒子速度和位置，如圖3所示，粒子a則為博弈成功粒子.

圖3 兩精英粒子進行博弈Fig.3 Game between two elite particles

精英粒子之間進行博弈和學(xué)習(xí)后進行粒子的速度和位置更新，公式如下：

(23)

Xd,i(t+1)=vd,i(t+1)+Xd,i(t+1)

(24)

混沌映射作為全局最優(yōu)處理機制，可以有效地避免搜索過程中粒子陷入局部最優(yōu)解的狀況.本文采用的混沌映射公式[16]為：

(25)

式中：Xj是混沌數(shù)；j為迭代次數(shù).

引入混沌機制和博弈理論機制后產(chǎn)生的新精英集內(nèi)的粒子速度和位置更新公式為：

(26)

(27)

式中：c6和c7是[0,1]之間的隨機產(chǎn)生的向量；Xs是上一次博弈成功粒子的位置；Xj是非精英粒子位置；vj是非精英粒子速度.

3.3 算法測試

通過以上2種改進方法，加強傳統(tǒng)PSO算法的全局搜索與局部尋優(yōu)能力.將改進后的基于博弈機制和混沌映射機制的GTMOPSO算法與PSO算法分別對經(jīng)典的測試函數(shù)ZDT2、ZDT3[16]隨機運行100次，所得函數(shù)逆代距的平均值和標準偏差的對比結(jié)果如表1所示.

表1 算法的測試函數(shù)逆代距平均值和標準偏差

從測試結(jié)果可以看出，GTMOPSO算法在兩組測試函數(shù)中皆取得了最小的逆代距，逆代距值越小，算法得出的結(jié)果越優(yōu).且從圖4中2種算法對2個測試函數(shù)的帕累托前沿(Pareto frontier,PF)的比較中可以觀察出，GTMOPSO能基本覆蓋本文中2種測試函數(shù)的PF，且分布較PSO算法更均勻.

圖4 PSO與GTMOPSO帕累托前沿對比Fig.4 Comparison of Pareto front between PSO and GTMOPSO

3.4 算法應(yīng)用

根據(jù)以上分析，采用GTMOPSO算法對微電網(wǎng)系統(tǒng)優(yōu)化配置模型進行求解，主要步驟如下：

1) 讀入風(fēng)速、輻照強度、溫度及交直流負載數(shù)據(jù)，設(shè)定系統(tǒng)中氫儲能以及蓄電池的初始荷電狀態(tài)，并輸入設(shè)備相關(guān)參數(shù)，編入第2節(jié)內(nèi)容中所給出的包含氫儲能和用戶側(cè)響應(yīng)的微電網(wǎng)數(shù)學(xué)模型與約束條件，以及設(shè)置的微電網(wǎng)系統(tǒng)混合儲能側(cè)協(xié)調(diào)控制策略.

2) 初始化1組待優(yōu)化變量，并隨機生成粒子的位置與速度，其中每個粒子代表1組解.將粒子值代入公式(13)和(14)中，計算微電網(wǎng)系統(tǒng)經(jīng)濟性指標與換流損耗值指標，獲得各個目標的適應(yīng)度值，更新個體最優(yōu)解與全局最優(yōu)解.

3) 進行粒子非占優(yōu)排序和擁擠距離分層選取，選擇2個精英粒子a和b與非精英粒子x進行博弈，將博弈成功粒子以及博弈失敗進行重新學(xué)習(xí)的粒子替換原種群中的非精英粒子，完成新精英粒子集的重構(gòu).

4) 通過混沌更新公式(25)對全局最優(yōu)解進行混沌搜索，比較混沌搜索粒子與原粒子的支配關(guān)系，確定并更新系統(tǒng)全局最優(yōu)解.

5) 利用公式(26)與(27)更新粒子的速度與位置，判斷是否達到中止條件，滿足則輸出目標函數(shù)及待優(yōu)化變量值，否則返回步驟(3).

具體求解流程見圖5所示：

圖5 算法流程圖Fig.5 Algorithm flow chart

4 算例分析

4.1 仿真場景

根據(jù)本文搭建的數(shù)學(xué)模型，微網(wǎng)系統(tǒng)部分參數(shù)及分時電價數(shù)據(jù)見表2和表3.表4為引入的分時電價彈性矩陣中各自彈性系數(shù)和互彈性系數(shù)取值.選取某地區(qū)的風(fēng)光數(shù)據(jù)和交直流負載數(shù)據(jù)作為系統(tǒng)輸入數(shù)據(jù)，仿真步長為 1 h，全年 8 760 h，全年平均光照強度和風(fēng)速分別為 166 W/m2、6.12 m/s，平均交直流負荷量分別為 128.037 9 kW/h 和 182.911 3 kW/h，具體數(shù)據(jù)如圖6所示.

表2 不同設(shè)備的成本參數(shù)

表3 分時電價

表4 分時電價彈性矩陣各系數(shù)值

圖6 年度風(fēng)、光及交直流負載數(shù)據(jù)Fig.6 Annual wind, sunlight and AC-DC load data

4.2 仿真結(jié)果及分析

根據(jù)本文所提容量優(yōu)化配置方法，設(shè)置粒子種群數(shù)量為30，迭代次數(shù)為100，同時與標準PSO算法得出的優(yōu)化結(jié)果作為對比，根據(jù)是否實施基于彈性矩陣M的分時電價得到4種配置方案,具體配置方案如下：

方案1：不引入分時電價彈性矩陣，利用PSO算法對目標函數(shù)和待優(yōu)化變量進行求解；

方案2：引入分時電價彈性矩陣，利用PSO算法對目標函數(shù)和待優(yōu)化變量進行求解；

方案3：不引入分時電價彈性矩陣，利用GTMOPSO算法對目標函數(shù)和待優(yōu)化變量進行求解；

方案4：引入分時電價彈性矩陣，利用GTMOPSO算法對目標函數(shù)和待優(yōu)化變量進行求解.

根據(jù)4種方案對目標函數(shù)和優(yōu)化變量進行求解，得到結(jié)果如表5所示.

表5 優(yōu)化配置結(jié)果和目標函數(shù)值

由表5可得，2種優(yōu)化算法在不同場景下均能得到最優(yōu)的配置方案，對比方案1、2和方案3、4可以看出，GTMOPSO優(yōu)化算法得出的微網(wǎng)等年值成本F和換流損耗Pt-loss相較于PSO算法在考慮非分時電價機制和分時電價機制下分別降低了2.67萬元、0.77 MW 及3.21萬元、0.79 MW;對比方案1、3和方案2、4可以看出，方案2、4由于分時電價機制的引入，有效降低了分布式電源和儲能裝置源的總?cè)萘浚S著其他成本的增加，微電網(wǎng)等年值成本相差不大，引入分時電價彈性機制后，2種不同優(yōu)化算法得出的經(jīng)濟性優(yōu)化目標值相較于未引入本文所提基于用戶側(cè)機制分別降低了2.07萬元和1.54萬元.交直流混合微網(wǎng)中基于分時電價彈性矩陣機制的引入，使得交直流用戶用電行為更貼近交直流子網(wǎng)分布式電源的出力情況，并有效降低了風(fēng)機、光伏以及儲能裝置的總裝機容量，通過交直流子網(wǎng)自發(fā)自用，交直流母線間的等年換流損耗值也得到明顯的降低.對比表5可以看出，2種優(yōu)化算法得出的換流損耗值分別降低了 5.63 MW 和 5.62 MW.

5 結(jié) 論

對微電網(wǎng)的容量進行優(yōu)化配置可以對風(fēng)光資源進行合理利用，降低風(fēng)光資源的浪費，進一步提高微電網(wǎng)系統(tǒng)的經(jīng)濟性.通過4種不同的方案進行仿真，可得到以下結(jié)論：

1) 對交直流混合微網(wǎng)進行自發(fā)自用，可有效降低交直流母線間的換流損耗值，在交流母線和直流母線兩側(cè)的負荷量分別引入分時電價彈性矩陣后，可通過影響用戶側(cè)的負荷結(jié)構(gòu)，使得交直流負荷值與風(fēng)機和光伏系統(tǒng)輸出功率值更吻合，進一步減少微電網(wǎng)中各微源的配置容量，降低微電網(wǎng)的投入成本和運行成本，提高微電網(wǎng)系統(tǒng)的經(jīng)濟性和可靠性.隨著微電網(wǎng)成本的降低，更有利于可再生能源的滲透.

2) PSO和GTMOPSO優(yōu)化算法都能得到相應(yīng)目標函數(shù)下微電網(wǎng)容量配置的最優(yōu)方案，但通過仿真實驗可以得出，改進后的尋優(yōu)方案較改進前得到的尋優(yōu)效果更好，所得配置方案目標函數(shù)更優(yōu).