周孟然，王旭，邵帥，胡鋒，朱梓偉，張易平

(安徽理工大學 電氣與信息工程學院，安徽 淮南 232001)

0 引言

近年來利用清潔能源的分布式發(fā)電技術(shù)發(fā)展迅速并被廣泛地使用，微電網(wǎng)將分布式可再生能源、柔性負荷、儲能進行聚合并集中管理，且合理整合分布式能源、實現(xiàn)負荷需求響應(demand response，DR)，優(yōu)化調(diào)度作為微電網(wǎng)研究的重要問題之一，合理的調(diào)度策略可以降低成本、減少污染，提高微電網(wǎng)經(jīng)濟效益[1-2]。目前，微電網(wǎng)的優(yōu)化運行主要是根據(jù)不同可控分布式發(fā)電單元(distributed generation，DG)以及不同的優(yōu)化目標建立運行優(yōu)化模型，并用多種算法對優(yōu)化模型進行求解。文獻[3-8]充分利用柔性負荷，從協(xié)調(diào)控制的角度出發(fā)，實現(xiàn)微電網(wǎng)經(jīng)濟運行和消納新能源等目標，但未考慮柔性負荷接受調(diào)控會改變用戶自身的用電行為習慣，從而使用電滿意度發(fā)生改變。文獻[9]在優(yōu)化微電網(wǎng)配置時考慮用戶滿意度，建立用戶缺電損失期望最小模型。文獻[10]在優(yōu)化負荷曲線的同時考慮用戶參與DR 后的用電滿意度，提出了一種基于復雜電-熱-氣耦合微電網(wǎng)的調(diào)度模型。上述文獻僅從用戶側(cè)用電舒適度和用戶自身利益的角度，未詳細分析用戶滿意度與柔性負荷調(diào)整量以及微電網(wǎng)運行成本之間的關(guān)系，忽略了微電網(wǎng)運行所需要的經(jīng)濟性。

在全球氣候變暖的背景下，溫室氣體的排放受到各國的密切關(guān)注，文獻[11-12]以降低能源消耗、環(huán)境污染、用戶用電成本和提高用戶用電滿意度為目標，分別提出了一種包含電動汽車的微電網(wǎng)多目標優(yōu)化調(diào)度模型。文獻[13-17]為實現(xiàn)微電網(wǎng)經(jīng)濟運行采用不同的算法求解微電網(wǎng)優(yōu)化調(diào)度問題。上述文獻均以微電網(wǎng)綜合運行成本最低為優(yōu)化目標，未詳細分析環(huán)境成本對微電網(wǎng)的影響。文獻[18]將碳交易成本作為優(yōu)化目標之一，提出了一種考慮階梯碳交易和需求響應的并網(wǎng)型微電網(wǎng)優(yōu)化配置方法。文獻[19]將碳排放量作為評價指標之一，分析對比了不同調(diào)度策略對微電網(wǎng)優(yōu)化配置的影響。上述文獻針對微電網(wǎng)優(yōu)化配置問題特別地將碳排放量作為衡量指標之一，但針對已經(jīng)確立的微電網(wǎng)限制其碳排放量的優(yōu)化調(diào)度策略相關(guān)研究開展得還比較少。

基于上述背景，本文提出了考慮需求響應和碳排放額度的并網(wǎng)型微電網(wǎng)分層優(yōu)化調(diào)度模型。首先在用戶側(cè)采用激勵型需求響應，合理控制可時移負荷的用電時間來最大限度消納新能源以及降低用電費用，采用多重指標對優(yōu)化方案進行評價，并針對負荷調(diào)整量進行了經(jīng)濟補償。在微電網(wǎng)發(fā)電側(cè)將碳排放量作為一個約束條件，對比分析了2 種碳排放量限制與無碳排放量限制下經(jīng)濟最優(yōu)運行策略以及運行成本和環(huán)境成本之間的關(guān)系。采用混沌粒子群算法(chaos particle swarm optimization, CPSO)求解算例，驗證了模型和算法的可靠性。

1 微電網(wǎng)結(jié)構(gòu)

本文研究的微電網(wǎng)是由光伏組件、風力發(fā)電機、微燃機、燃料電池、儲能設備以及負荷組成的并網(wǎng)型微電網(wǎng)，通過聯(lián)絡線與電網(wǎng)相連，結(jié)構(gòu)如圖1 所示。在微電網(wǎng)中每個分布式電源、儲能系統(tǒng)及負荷都是一個單一可控的單元在并網(wǎng)運行情況下當分布式電源出力不足時依靠大電網(wǎng)滿足功率缺額，當分布式發(fā)電功率富余時可以輸送給大電網(wǎng)，保證了微電網(wǎng)的穩(wěn)定運行。

圖1 微電網(wǎng)結(jié)構(gòu)Fig. 1 Microgrid structure

2 分層優(yōu)化調(diào)度模型

針對并網(wǎng)型微電網(wǎng)優(yōu)化運行問題，本文建立了微電網(wǎng)分層優(yōu)化調(diào)度[20]模型如圖2 所示。分別在微電網(wǎng)用戶側(cè)和發(fā)電側(cè)建立目標函數(shù)進行求解，實現(xiàn)微電網(wǎng)內(nèi)部資源協(xié)同優(yōu)化。上層模型針對風光、負荷預測數(shù)據(jù)，以消納新能源降低用電費用為目標優(yōu)化負荷曲線；下層模型對可控電源優(yōu)化調(diào)度在滿足優(yōu)化后各時刻負荷需求和碳排放量約束的前提下使得微電網(wǎng)運行經(jīng)濟性最優(yōu)。

圖2 微電網(wǎng)分層調(diào)度結(jié)構(gòu)Fig. 2 Hierarchical scheduling structure of microgrid

2.1 上層模型（負荷需求響應）

上層模型是對負荷用電曲線的優(yōu)化，從用電側(cè)出發(fā)，控制各時刻可時移負荷量，對負荷曲線削峰填谷并使其更貼近風光發(fā)電曲線。在設定可時移負荷容量約束下采用混沌粒子群算法進行求解得到各時刻可時移負荷最優(yōu)轉(zhuǎn)移量，得到兼顧消納新能源和降低用電成本的負荷曲線。

2.1.1 目標函數(shù)

（1）消納新能源。為充分利用新能源發(fā)電，在對負荷側(cè)進行需求管理時應使得到的新負荷曲線盡可能多地消納新能源，針對風電、光伏發(fā)電量的不可控性實現(xiàn)就地消納，自發(fā)自用。以系統(tǒng)凈負荷[21]最小值為目標，目標函數(shù)為

（3）多目標的處理。采用在多目標轉(zhuǎn)化為單目標問題中針對量綱不同目標函數(shù)值運用較多的理想點法[22]對2 個目標進行折中，“理想點”為單目標優(yōu)化時求得的最優(yōu)值。距離函數(shù)為

2.1.3 約束條件

在負荷側(cè)參與需求響應時將各時段可時移負荷容量設為當前時刻的最大轉(zhuǎn)入轉(zhuǎn)出負荷量，最小轉(zhuǎn)入轉(zhuǎn)出負荷量為0。

轉(zhuǎn)移容量約束為

2.2 下層模型（微電網(wǎng)經(jīng)濟調(diào)度）

通過上層對負荷側(cè)的需求管理，促進了分布式能源的消納，但僅靠風力光伏發(fā)電不能滿足負荷需求，因此還需要對可控的電源進行調(diào)節(jié)。在下層模型中以綜合經(jīng)濟成本最小為目標，對可控電源優(yōu)化調(diào)度以滿足優(yōu)化后的負荷曲線。建立包含微燃機、燃料電池、蓄電池以及大電網(wǎng)的調(diào)度系統(tǒng)。

2.2.1 目標函數(shù)

（1）運行成本。主要包括燃料、運維和與大電網(wǎng)交互的成本，其目標函數(shù)為

式中：Cgas為天然氣的價格，元/m3；R為天然氣的單位 低 熱值；Pi(t)、 ηi(t)分 別為 電 源i在t時段的輸出功率和輸出效率；L為微電源的數(shù)量。

運維成本C2為

式中：Ki、Kn分別為微電源i和蓄電池n的運行維護系數(shù)；Pi(t)、Pn(t)分 別為t時 段微電源i的輸出功率和儲能電池n的充放電功率；L和N分別為微電源和儲能電池的數(shù)量。

微電網(wǎng)與電網(wǎng)能量交互成本C3為

（2）環(huán)境成本。主要包括碳排放成本和污染氣體排放成本，即

式中：Cco2為碳排放的成本；Cop為產(chǎn)生其他污染物的成本。

其中，碳排放成本為

式中：vi和vg分 別為微電源i和大電網(wǎng)單位電量的碳排放量；Pi和Pb為 分別微電源i的發(fā)電量和大電網(wǎng)購電量； λco2為碳排放配額內(nèi)的碳排放的處理系數(shù)。

污染氣體排放成本為

式中： λj為j污染物的處理系數(shù)；Qij為i微電源產(chǎn)生j污染物的大小。

（3）多目標的處理。由于兩函數(shù)值量綱相同，采用線性加權(quán)法根據(jù)指標重要性分配權(quán)系數(shù)將其轉(zhuǎn)化為單目標問題，即

3 雙層優(yōu)化模型求解算法

本文要求解的是一個多約束條件的優(yōu)化問題，粒子群算法相較于遺傳算法、差分進化算法等具有設置參數(shù)少、收斂速度快等優(yōu)點，在此基礎(chǔ)上本文所選求解算法為CPSO，相較于普通粒子群算法其采用自適應慣性權(quán)重加快收斂速度，即

此算法流程如圖3 所示。

圖3 混沌粒子群算法流程Fig. 3 Chaos particle swarm algorithm flowchart

模型求解思路為：（1）輸入預測的負荷需求和光伏風機出力曲線；（2）設定可時移負荷量，根據(jù)上層建立的負荷側(cè)需求管理模型利用算法求的優(yōu)化后的負荷曲線；（3）將上述求得的新的負荷曲線代入微電網(wǎng)，根據(jù)下層建立的微網(wǎng)側(cè)經(jīng)濟調(diào)度模型利用算法求解目標函數(shù)，綜合各指標對不同可時移負荷量參與得到的負荷曲線進行評價；（4）在約束條件中加入碳排放量約束，針對微電網(wǎng)經(jīng)濟運行再次利用算法求解，得到各設備各時刻的設備出力曲線供比較分析。

4 算例分析

4.1 算例基本數(shù)據(jù)

為驗證本文模型和算法可靠性，以某微電網(wǎng)示范區(qū)為例，一個調(diào)度周期為24 h，優(yōu)化前負荷曲線分布情況[24]和風電光伏預測出力如圖4 所示，微電網(wǎng)各時刻購售電價格如表1 所示，各分布式電源參數(shù)如表2 所示，微電網(wǎng)碳排放和污染氣體排放系數(shù)如表3 所示。用戶參與需求響應負荷轉(zhuǎn)移補償為0.3 元/（kW·h）[25]，蓄電池的SOC 范圍設定為[0.2,0.9]，蓄電池的初始SOC 取0.2，自然放電率為0.001 5，充放電效率為0.95。

表1 購售電價格參數(shù)Table 1 Purchase and sale price parameters

表2 各微電源參數(shù)Table 2 Micro power supply parameters

表3 污染物排放參數(shù)Table 3 Pollutant emission parameters

圖4 風、光出力及負荷需求Fig. 4 Wind and solar output and load demand

4.2 仿真結(jié)果分析

4.2.1 不同調(diào)度方式下的結(jié)果分析

本文分別分析可轉(zhuǎn)移負荷容量（即單位調(diào)度時段可轉(zhuǎn)移負荷容量占當前時段負荷量的百分比）設置為0%（方案1）即為原始負荷曲線、10%（方案2）、20%（方案3）時的調(diào)度結(jié)果，如圖5 所示。并分別在2 種微電網(wǎng)運行策略下對3 種方案的綜合經(jīng)濟成本、微網(wǎng)總運行成本、棄風棄光量以及用戶用電滿意度進行比較。2 種運行策略分別為：策略1 為只允許微電網(wǎng)購電，即能量只能從主網(wǎng)流向微網(wǎng)；策略2 為允許微電網(wǎng)購售電，即微網(wǎng)與主網(wǎng)之間能量可以雙向流動。結(jié)果如表4 所示。

圖5 3 種方案優(yōu)化后的負荷曲線Fig. 5 The optimized load curve of three schemes

由圖5 和表4 可以看出用戶參與需求響應可消納更多新能源發(fā)電量，降低微電網(wǎng)運行成本，并起到削峰填谷的作用。提高可轉(zhuǎn)移負荷的容量，能在一定程度上降低運行成本，但相應的會導致用戶用電滿意度的降低。

當優(yōu)化調(diào)度只考慮用電滿意度時，即方案1，此方案為原始負荷曲線用電滿意度為100%，綜合經(jīng)濟成本為10 684.59 元，在3 種方案中最高。方案2相較于方案1 滿意度降低了3.79%，在微電網(wǎng)運行策略1 下棄風棄光量降低了53.93%（638.61 kW·h），微電網(wǎng)總運行成本在2 種運行策略下分別降低了7.33%(783.5 元)和5.96%（618.06 元），綜合經(jīng)濟成本分別降低了2.41%（257.33 元）和0.89%（91.89 元）；方案3 相較于方案1 滿意度降低了6.26%，在微電網(wǎng)運行策略1 下棄風棄光量降低了85.53%（1 012.8 kW·h），微電網(wǎng)總運行成本在2 種運行策略下分別降低了11.62%（1 241.54 元）和9.37%（971.03 元），綜合經(jīng)濟成本分別降低了3.49%（372.66 元）和0.99%（102.15 元）。綜合考慮以上指標可以看到方案3 在降低了一定的滿意度的基礎(chǔ)上經(jīng)濟性相較于方案2 提升不大。因此方案2 在微電網(wǎng)的經(jīng)濟性提升和用戶滿意度之間取得了平衡，成為最優(yōu)方案。

4.2.2 不同碳排放配額下的結(jié)果分析

碳交易是通過買賣碳排放配額來實現(xiàn)碳減排的一種交易機制，具有碳排放的發(fā)電企業(yè)通過有償或無償?shù)姆绞椒峙涞蕉康奶寂欧蓬~，若碳排放量超出碳排放配額必須購買碳排放配額來補償超出的碳排放量，因此微電網(wǎng)在滿足負荷需求的同時需要合理調(diào)節(jié)各電源出力和外購電力的大小來避免碳排放量超出碳排放配額。本文在上述微電網(wǎng)只允許買電運行策略和方案2 調(diào)度策略下，對3 種情況以經(jīng)濟性最優(yōu)為目標對微電網(wǎng)各單元進行了優(yōu)化調(diào)度，結(jié)果如圖6～8 所示。3 種情況分別為：（1）無碳排放量限制；（2）平均一個調(diào)度周期碳排放配額為7 000 kg；（3）平均一個調(diào)度周期碳排放配額為6 500 kg。

圖6 無碳排放量限制的優(yōu)化調(diào)度Fig. 6 Optimal scheduling result without carbon emission limit

圖7 碳排放配額7 000 kg 的優(yōu)化調(diào)度Fig. 7 Optimal scheduling result with a carbon emission quota of 7 000 kg

圖8 碳排放配額6 500 kg 的優(yōu)化調(diào)度Fig. 8 Optimal scheduling result with a carbon emission quota of 6 500 kg

可見，從整體上看3 種情況下的經(jīng)濟性最優(yōu)調(diào)度策略，各發(fā)電單元根據(jù)經(jīng)濟性確定出力優(yōu)先級，儲能系統(tǒng)充電時刻主要在電價低谷和新能源出力富余時間段，放電時刻主要在電價高峰和新能源出力不足時間段。由表5 可知，限制碳排放量一定程度上會增加微電網(wǎng)綜合成本，這是由于減少了主要為火力發(fā)電的外購電量，使得環(huán)境成本降低運行成本升高?？傮w上，碳排放配額為7 000 kg和6 500 kg 相較于無碳排放配額情況下微電網(wǎng)綜合成本升高了22.82 元和58.72 元，碳排放量降低了260.93 kg 和760.93 kg，以碳交易價格0.267 6 元/kg[18]為例，微網(wǎng)綜合成本增加量均遠低于減少的碳排放交易量。因此在碳交易機制下，合理控制微電網(wǎng)碳排放量的調(diào)度方法更有利于提升微電網(wǎng)運行的經(jīng)濟性。

表5 不同碳排放量約束下優(yōu)化結(jié)果Table 5 The optimization results with different carbon emission quotas

4.2.3 算法對比及分析

結(jié)合算例可見，本文采用的CPSO 能夠有效地解決不同調(diào)度策略下的微電網(wǎng)經(jīng)濟運行問題。以圖6 場景下的優(yōu)化為例記錄CPSO 的迭代過程對其進行橫向比較，與遺傳算法（GA）和粒子群算法（PSO）對比如圖9 所示?？梢钥闯?，3 種算法的目標函數(shù)值均隨著迭代步數(shù)的增加逐漸減小最后趨于一個穩(wěn)定值。CPSO 算法在迭代過程中采用自適應慣性權(quán)重并增加了混沌優(yōu)化，加強了對優(yōu)勢個體進行局部搜索深度，具有迭代次數(shù)少和收斂速度快的優(yōu)點，體現(xiàn)了所用算法的優(yōu)越性。

圖9 算法迭代收斂Fig. 9 Algorithm iterative convergence curve

5 結(jié)語

本文針對并網(wǎng)型微電網(wǎng)經(jīng)濟運行問題建立了分層優(yōu)化調(diào)度模型。在負荷側(cè)綜合考慮各項指標確定最優(yōu)負荷調(diào)整量優(yōu)化負荷曲線，在微網(wǎng)側(cè)引入碳排放量約束對微網(wǎng)中各出力單元進行優(yōu)化調(diào)度以滿足優(yōu)化后的負荷需求。仿真結(jié)果表明，本文所提分層優(yōu)化調(diào)度模型綜合考慮多個指標得到的用戶參與需求響應最優(yōu)調(diào)度方案，兼顧微電網(wǎng)經(jīng)濟性和用戶滿意度，為供電公司激勵用戶參與需求響應和挖掘負荷可調(diào)節(jié)潛力提供參考。本文求解過程所采用的算法能有效提高收斂速度和解的優(yōu)越性。分析不同碳排放量限制下的微電網(wǎng)經(jīng)濟運行策略，結(jié)果表明考慮碳排放額度能進一步提升微電網(wǎng)運行經(jīng)濟性。本文所考慮的并網(wǎng)型微電網(wǎng)中能源形式不夠多樣，隨著新能源的迅速發(fā)展，將會有更多更為清潔的能源形式引入微電網(wǎng)參與經(jīng)濟調(diào)度是未來亟待解決的問題。