彭偉款，郭紫娟，張先勇，湛國華

(廣東技術(shù)師范大學(xué) 自動(dòng)化學(xué)院，廣東 廣州 510665)

微電網(wǎng)作為接納光伏、風(fēng)電等可再生能源的微型電力系統(tǒng)，有效降低了光伏、風(fēng)電出力不確定性對(duì)電網(wǎng)的影響[1-2]。單一的交流微電網(wǎng)或直流微電網(wǎng)難以維持可再生能源發(fā)電與電力負(fù)荷的供需平衡，為提高電能質(zhì)量，國內(nèi)外研究人員結(jié)合交流微電網(wǎng)與直流微電網(wǎng)的優(yōu)點(diǎn)，提出了交直流混合微電網(wǎng)概念[3]。

交直流混合微電網(wǎng)中可再生能源滲透率高，其能量管理比傳統(tǒng)電網(wǎng)更為復(fù)雜。分布式儲(chǔ)能系統(tǒng)能應(yīng)用于電力系統(tǒng)的各個(gè)環(huán)節(jié)，結(jié)合儲(chǔ)能對(duì)交直流混合微電網(wǎng)中的微電源以及電力負(fù)荷進(jìn)行合理調(diào)度，提高可再生能源發(fā)電的使用效率，對(duì)當(dāng)下交直流混合微電網(wǎng)優(yōu)化運(yùn)行有著重要研究意義[4-5]。

目前針對(duì)微電網(wǎng)的優(yōu)化調(diào)度已取得了一定的研究成果。文獻(xiàn)[6]提出了一種改進(jìn)群化智能優(yōu)化算法，采用新的更新機(jī)制和最優(yōu)生成策略對(duì)東澳島的經(jīng)濟(jì)調(diào)度模型進(jìn)行求解，降低了模塊化微電網(wǎng)的運(yùn)行成本，但未考慮子網(wǎng)間功率傳輸損耗。文獻(xiàn)[7]以微電源發(fā)電成本為優(yōu)化目標(biāo)，利用改進(jìn)鯨魚算法進(jìn)行求解，但未考慮蓄電池荷電狀態(tài)帶來的影響，導(dǎo)致數(shù)學(xué)模型單一。文獻(xiàn)[8]考慮光伏發(fā)電、蓄電池的出力情況與負(fù)荷之間供需關(guān)系，提出了一種微電網(wǎng)孤島運(yùn)行時(shí)的能量協(xié)調(diào)管理策略，但是沒有考慮實(shí)時(shí)電價(jià)的變動(dòng)對(duì)優(yōu)化調(diào)度的影響。文獻(xiàn)[9]提出了一種多微電網(wǎng)與主動(dòng)配電網(wǎng)的雙層模型，結(jié)合分時(shí)電價(jià)建立以主動(dòng)配電網(wǎng)運(yùn)行成本最低的數(shù)學(xué)模型和微電網(wǎng)運(yùn)行成本最低的調(diào)度模型，采用NSGA-Ⅱ提高了微電網(wǎng)運(yùn)行經(jīng)濟(jì)性，但算法中的種群數(shù)量大時(shí)計(jì)算量大且容易丟失最優(yōu)解。文獻(xiàn)[10]采用NSGA-Ⅱ優(yōu)化算法對(duì)電暈損耗、電勢(shì)降、電阻損耗、導(dǎo)體體積等函數(shù)進(jìn)行優(yōu)化，該算法可以通過迭代更新找出最終收斂的非劣解集，但只是求解出一個(gè)非劣解集，并沒有找出非劣解集中的最優(yōu)解。

受可再生能源發(fā)電隨機(jī)性的影響，交直流混合微電網(wǎng)電能質(zhì)量較低，為解決這一問題，文獻(xiàn)[11]構(gòu)建二次頻率/電壓控制的優(yōu)化模型，實(shí)現(xiàn)經(jīng)濟(jì)運(yùn)行下關(guān)鍵節(jié)點(diǎn)電壓與頻率的恢復(fù)，但沒有考慮蓄電池充放電效率以及分布式電源發(fā)電波動(dòng)性對(duì)母線電壓的影響。微電網(wǎng)蓄電池荷電狀態(tài)及充放電功率對(duì)微電網(wǎng)母線穩(wěn)定控制有著至關(guān)重要的作用，儲(chǔ)能系統(tǒng)已成為微電網(wǎng)優(yōu)化調(diào)度的關(guān)鍵一環(huán)。

針對(duì)上述問題，本文基于分時(shí)電價(jià)機(jī)制建立考慮蓄電池荷電狀態(tài)和關(guān)鍵節(jié)點(diǎn)電壓偏差的交直流混合微電網(wǎng)多目標(biāo)優(yōu)化模型。首先，建立以交直流混合微電網(wǎng)運(yùn)行成本最低以及公共直流母線關(guān)鍵節(jié)點(diǎn)電壓偏差最小為目標(biāo)函數(shù)的交直流混合微電網(wǎng)經(jīng)濟(jì)調(diào)度模型；其次，為克服NSGA-Ⅱ優(yōu)化算法計(jì)算量大、迭代收斂只能求解出一個(gè)非劣解集的缺點(diǎn)，提出用模糊決策從NSGA-Ⅱ迭代收斂得出的非劣解集中尋找最優(yōu)解的方法；最后，將NSGA-Ⅱ和模糊決策應(yīng)用到交直流混合微電網(wǎng)多目標(biāo)優(yōu)化運(yùn)行中，得到分布式儲(chǔ)能的最佳出力方式。

1 交直流混合微電網(wǎng)數(shù)學(xué)模型

1.1 交直流混合微電網(wǎng)系統(tǒng)架構(gòu)

交直流混合微電網(wǎng)結(jié)構(gòu)如圖1所示。該結(jié)構(gòu)由2個(gè)直流子網(wǎng)和1個(gè)交流子網(wǎng)組成。每個(gè)子網(wǎng)均包含風(fēng)力發(fā)電機(jī)、光伏發(fā)電裝置、蓄電池、本地負(fù)荷以及連接分布式電源與母線的接口變流器。各子網(wǎng)通過對(duì)應(yīng)的互聯(lián)變流器(AC/DC或DC/AC)接入公共直流母線，公共直流母線通過靜態(tài)開關(guān)(static transfer switch,STS)與大電網(wǎng)相連接，實(shí)現(xiàn)交直流混合微電網(wǎng)與大電網(wǎng)間的電能交互。由于各子網(wǎng)間存在一定距離，本文所研究?jī)?nèi)容考慮線路傳輸損耗對(duì)優(yōu)化調(diào)度的影響。

圖1 交直流混合微電網(wǎng)結(jié)構(gòu)

1.2 分布式電源數(shù)學(xué)模型

a)風(fēng)力發(fā)電模型。風(fēng)力發(fā)電機(jī)的輸出功率Pwt與實(shí)際風(fēng)速v的函數(shù)關(guān)系如下[12-13]：

(1)

式中：vr為額定風(fēng)速；vin為切入風(fēng)速；vout為切出風(fēng)速；Pr為風(fēng)力發(fā)電額定輸出功率。

b)光伏發(fā)電模型。光伏發(fā)電功率Ppv與太陽光照強(qiáng)度、電池表面溫度有關(guān)，之間的關(guān)系為[14]：

(2)

式中：GSTG=1 kW/m2，為標(biāo)準(zhǔn)測(cè)試下的太陽輻照強(qiáng)度；GING為實(shí)際太陽輻照強(qiáng)度；Tr=25 ℃，為電池板參考溫度；Te為光伏發(fā)電時(shí)電池實(shí)際表面溫度；PSTC為光伏裝置額定發(fā)電功率。

c)蓄電池儲(chǔ)能模型。蓄電池作為儲(chǔ)能裝置，其運(yùn)行過程中，荷電狀態(tài)(sate of charge,SOC)與蓄電池輸出功率的關(guān)系如下[15-16]。

充電過程中，蓄電池的荷電狀態(tài)為：

Ssoc(t+1)=Ssoc(t)+η+Pbat(t)Δt,Pbat(t)>0.

(3)

放電過程中，蓄電池的荷電狀態(tài)為：

Ssoc(t+1)=Ssoc(t)+η-Pbat(t)Δt,Pbat(t)≤0.

(4)

式(3)、(4)中：η+為充電效率；η-為放電效率；Δt為時(shí)間間隔，取值為1 h；Ssoc(t)為t時(shí)段蓄電池荷電狀態(tài)；Pbat(t)>0為t時(shí)段蓄電池的充電功率；Pbat(t)≤0為t時(shí)段蓄電池的放電功率。

1.3 蓄電池充放電與電網(wǎng)購售電關(guān)系

交直流混合微電網(wǎng)在實(shí)際運(yùn)行中，在單位時(shí)間內(nèi)，光伏發(fā)電和風(fēng)力發(fā)電功率之和與用電負(fù)荷并不相等，光伏和風(fēng)力發(fā)電與負(fù)荷之間的功率差[17-18]為：

Pdif(t)=Pload(t)-Ppv(t)-Pwt(t).

(5)

式中：Pdif(t)為t時(shí)段光伏、風(fēng)力發(fā)電與負(fù)荷之間的功率差；Pload(t)為t時(shí)段負(fù)荷功率；Pdif≠0時(shí)，表示t時(shí)段居民用電量與光伏和風(fēng)力的發(fā)電量并不相等，此時(shí)需用蓄電池來平衡系統(tǒng)能量。當(dāng)蓄電池充放電功率不能實(shí)現(xiàn)系統(tǒng)功率平衡時(shí)，需通過聯(lián)絡(luò)線向電網(wǎng)購售電實(shí)現(xiàn)功率平衡，則有：

Pgrid(t)=Pdif(t)+Pbat(t).

(6)

式中Pgrid(t)為t時(shí)段與大電網(wǎng)的購/售電功率，售電為正，購電為負(fù)。

1.4 考慮電價(jià)的改進(jìn)型蓄電池充放電策略

蓄電池作為儲(chǔ)能裝置，合理的充放電策略是降低微電網(wǎng)運(yùn)行成本，提高運(yùn)行穩(wěn)定性的關(guān)鍵。本文結(jié)合電網(wǎng)峰平谷時(shí)間段的電價(jià)特點(diǎn)，并考慮蓄電池荷電狀態(tài)，對(duì)蓄電池的充放電策略進(jìn)行改進(jìn)。

交直流混合微電網(wǎng)內(nèi)的凈負(fù)荷

Pe=Pload+Ploss-Pwt-Ppv.

(7)

式中Ploss為微電網(wǎng)中的網(wǎng)絡(luò)損耗。

a)峰時(shí)策略。峰時(shí)段電價(jià)高，優(yōu)先考慮售電策略。當(dāng)Pe≤0 時(shí),光伏與風(fēng)電發(fā)電量高于居民用電量，此時(shí)蓄電池在容量允許范圍內(nèi)盡可能放電，向電網(wǎng)出售電能賺取收益；當(dāng)Pe>0時(shí)，由蓄電池放電滿足用電需求，當(dāng)蓄電池荷電狀態(tài)接近下限值時(shí)，則需考慮從電網(wǎng)購電。

b)平時(shí)策略。平時(shí)段電價(jià)居中，優(yōu)先考慮維持蓄電池荷電狀態(tài)策略。當(dāng)Pe≤0時(shí)，優(yōu)先給蓄電池充電，在蓄電池荷電狀態(tài)接近上限值時(shí)，再向電網(wǎng)售電；當(dāng)Pe>0時(shí)，為減少購電時(shí)的傳輸損耗，優(yōu)先調(diào)度蓄電池放電。

c)谷時(shí)策略。谷時(shí)段電價(jià)低，優(yōu)先考慮購電策略。在蓄電池容量上限范圍內(nèi)，不論P(yáng)e多少，都考慮從電網(wǎng)購電，此時(shí)購電功率需同時(shí)滿足凈負(fù)荷差值和蓄電池充電需求；當(dāng)蓄電池荷電狀態(tài)接近上限時(shí)，蓄電池停止充電，此時(shí)凈負(fù)荷差值由購售電功率滿足。

2 交直流混合微電網(wǎng)多目標(biāo)優(yōu)化模型

2.1 多目標(biāo)函數(shù)

2.1.1 目標(biāo)函數(shù)1

目標(biāo)函數(shù)1為使交直流混合微電網(wǎng)運(yùn)行成本最低，運(yùn)行成本

F1=Cbat+Ctf+Cgrid.

(8)

式中：Cbat為蓄電池運(yùn)行成本；Ctf為傳輸損耗成本；Cgrid為購售電成本。

a)蓄電池運(yùn)行成本

(9)

式中：Z為子網(wǎng)總數(shù)(取值為3)；T為時(shí)段總數(shù)(取值為24)；sbat為蓄電池的單位運(yùn)行成本；Pbati(t)為t時(shí)段子網(wǎng)i的蓄電池充放電功率，充電為正，放電為負(fù)。

b)傳輸損耗成本。交直流混合微電網(wǎng)中的網(wǎng)絡(luò)損耗

(10)

式中：n為微電網(wǎng)節(jié)點(diǎn)個(gè)數(shù)；Ui為第i個(gè)節(jié)點(diǎn)電壓值；Uj為第j個(gè)節(jié)點(diǎn)電壓值；yij為第i個(gè)節(jié)點(diǎn)與第j個(gè)節(jié)點(diǎn)之間之路的電導(dǎo)。

網(wǎng)絡(luò)傳輸損耗成本

(11)

式中closs為單位網(wǎng)損費(fèi)用。

c)購售電成本

(12)

式中：cbuy(t)為t時(shí)段的實(shí)時(shí)購電電價(jià)；csell(t)為t時(shí)段的實(shí)時(shí)售電電價(jià)；Pbuyi(t)為t時(shí)段子網(wǎng)i的購電功率；Pselli(t)為t時(shí)段子網(wǎng)i的售電功率。

2.1.2 目標(biāo)函數(shù)2

目標(biāo)函數(shù)2為使子網(wǎng)與公共母線相連的關(guān)鍵節(jié)點(diǎn)電壓偏差最小，電壓偏差[19]

(13)

(14)

式(13)—(14)中：Uei為節(jié)點(diǎn)i的電壓期望值；Ui(t)為t時(shí)段節(jié)點(diǎn)i的電壓實(shí)際值；U為標(biāo)準(zhǔn)節(jié)點(diǎn)電壓；Ri為子網(wǎng)i與公共直流母線間的電阻值；PNeti(t)為t時(shí)段子網(wǎng)i與公共直流母線的交互功率，輸出為正，輸入為負(fù)。

2.2 約束條件

2.2.1 等式約束

a)子網(wǎng)內(nèi)的功率約束為

Pbati(t)=Ppvi(t)+Pwti(t)+PNeti(t)-Ploadi(t).

(15)

式中：Ppvi(t)為t時(shí)段子網(wǎng)i的光伏發(fā)電功率；Pwti(t)為t時(shí)段子網(wǎng)i的風(fēng)力發(fā)電功率；Ploadi(t)為t時(shí)段子網(wǎng)i的負(fù)荷消耗功率。

b)子網(wǎng)間的功率約束為

(16)

式中Plossi(t)為t時(shí)段子網(wǎng)i的傳輸損耗功率。

c)蓄電池荷電狀態(tài)約束為

Ssoc1(1)=Ssoc2(1)=Ssoc3(1)=

Ssoc1(24)=Ssoc2(24)=Ssoc3(24).

(17)

式中：Ssoc1(1)、Ssoc2(1)、Ssoc3(1)分別為子網(wǎng)1、子網(wǎng)2和子網(wǎng)3 的初始荷電量；Ssoc1(24)、Ssoc2(24)、Ssoc3(24)分別為子網(wǎng)1、子網(wǎng)2和子網(wǎng)3 的末尾荷電量。為提高風(fēng)力發(fā)電和光伏發(fā)電的利用率及保證調(diào)度策略的有效性，常使各子網(wǎng)蓄電池的初始和終了荷電狀態(tài)相等。

2.2.2 不等式約束

a)蓄電池荷電狀態(tài)約束為

Ssoc,min≤Ssoci(t)≤Ssoc,max.

(18)

式中：Ssoc,max和Ssoc,min分別為蓄電池最高荷電量和最低荷電量；Ssoci(t)為t時(shí)段子網(wǎng)i蓄電池的荷電量。

b)蓄電池充放電功率約束為

Pbat.min≤Pbati(t)≤Pbat.max.

(19)

式中：Pbat,max和Pbat,min分為蓄電池充、放電功率的最值。

c)聯(lián)絡(luò)線功率約束為

Pgrid.min≤Pgrid≤Pgrid.max.

(20)

式中：Pgrid,max和Pgrid,min分別為聯(lián)絡(luò)線傳輸功率的上限和下限。

d)公共直流母線節(jié)點(diǎn)電壓約束為

Uimin≤Ui(t)≤Uimax.

(21)

式中：Uimax和Uimin分別為節(jié)點(diǎn)電壓上限和下限。

3 基于NSGA-Ⅱ和模糊決策結(jié)合算法

針對(duì)本文的多目標(biāo)優(yōu)化模型，采用NSGA-Ⅱ和模糊決策結(jié)合算法，首先根據(jù)模型中的約束條件，求解出可行種群，再利用NSGA-Ⅱ?qū)尚蟹N群進(jìn)行迭代更新并求解出收斂種群對(duì)應(yīng)的非劣解集，最后根據(jù)模糊決策對(duì)非劣解集中可行解進(jìn)行計(jì)算，選出多目標(biāo)綜合最優(yōu)解。

3.1 NSGA-Ⅱ

NSGA-Ⅱ算法基本思路為[20]：

a)隨機(jī)初始化父代種群P0，種群大小為N，按照非支配關(guān)系對(duì)P0中所有個(gè)體進(jìn)行排序，對(duì)其指定一個(gè)適應(yīng)度值后進(jìn)行選擇、交叉和變異，得到下一代種群Q0，令迭代次數(shù)k=0。

b)將第k代產(chǎn)生的新種群Qk和其父代Pk進(jìn)行合并得Rk=Qk∪Pk，Rk的種群大小為2N，對(duì)種群Rk進(jìn)行非劣排序，得到一系列非劣前端Lk。

c)按擁擠比較操作對(duì)所有Lk進(jìn)行排序，由其中最好的N個(gè)體形成新種群Pk+1。

d)對(duì)種群Pk+1執(zhí)行復(fù)制、交叉和變異，形成Qk+1。

e)如果終止條件成立，則結(jié)束；否則，將k加1后，轉(zhuǎn)到b)。

3.2 NSGA-Ⅱ中的解矩陣結(jié)構(gòu)

在第2章討論的問題中，需要求得PNet1(ti)、PNet2(ti)和PNet3(ti)在t=1,2,…,24時(shí)段的最優(yōu)值。因此需要確定3×24個(gè)決策變量。確定解的結(jié)構(gòu)為3×24的矩陣，其中第1、2、3行分別表示PNet1、PNet2和PNet3的值，第i列表示變量在ti時(shí)段的值。

3.3 模糊決策

模糊決策是指在模糊環(huán)境下進(jìn)行決策的數(shù)學(xué)理論和方法[21-22]。其原理為將模糊技術(shù)應(yīng)用到?jīng)Q策過程中，使用模糊事實(shí)、模糊規(guī)則來描述決策過程中存在的不確定性和不準(zhǔn)確性，通過使用模糊推理技術(shù)獲得決策候選方案以及使用模糊綜合評(píng)判以獲得最佳決策方案。具體的步驟為:

a)確定評(píng)價(jià)指標(biāo)，評(píng)價(jià)指標(biāo)數(shù)量為m。

b)確定評(píng)價(jià)指標(biāo)等級(jí)，數(shù)量為o。

c)確定評(píng)價(jià)指標(biāo)的權(quán)重向量A=(a1,a2,…,am)，其中∑am=1,am>0。

d)進(jìn)行單因素模糊評(píng)價(jià)。針對(duì)每個(gè)非劣解計(jì)算其各個(gè)指標(biāo)等級(jí)的隸屬度，得到模糊關(guān)系矩陣R，R是m行o列矩陣。

本文中隸屬函數(shù)選取如下：

(22)

式中：fij為第j個(gè)非劣解在第i個(gè)評(píng)價(jià)指標(biāo)函數(shù)數(shù)值的隸屬度；fimin為第i個(gè)評(píng)價(jià)指標(biāo)函數(shù)數(shù)值下限；fimax為第i個(gè)評(píng)價(jià)指標(biāo)函數(shù)數(shù)值上限。本文中有2個(gè)評(píng)價(jià)指標(biāo)函數(shù)，其中第1個(gè)指標(biāo)是經(jīng)濟(jì)成本最低，第2個(gè)指標(biāo)是關(guān)鍵節(jié)點(diǎn)電壓偏差最小，故f1j為第j個(gè)非劣解在目標(biāo)函數(shù)1數(shù)值的隸屬度，f2j為第j個(gè)非劣解在目標(biāo)函數(shù)2數(shù)值的隸屬度。

e)多指標(biāo)綜合評(píng)價(jià)。利用權(quán)矢量A和模糊關(guān)系矩陣R合成模糊綜合評(píng)價(jià)結(jié)果矢量B，即B=A·R，其中B中值最大的方案即為最優(yōu)方案。

3.4 結(jié)合NSGA-Ⅱ和模糊決策的算法流程

本文所用到的算法前半部分是利用NSGA-Ⅱ求解出收斂種群對(duì)應(yīng)的非劣解集，后半部分是利用模糊決策對(duì)求解出的非劣解集進(jìn)行計(jì)算所得的多目標(biāo)綜合最優(yōu)解。結(jié)合NSGA-Ⅱ和模糊決策的算法流程如圖2所示。

圖2 結(jié)合NSGA-Ⅱ和模糊決策的算法流程

4 仿真及結(jié)果分析

4.1 交直流混合微電網(wǎng)結(jié)構(gòu)及參數(shù)設(shè)置

本文實(shí)驗(yàn)對(duì)象為圖1所示的多子網(wǎng)型交直流混合微電網(wǎng)。選取各子網(wǎng)與公共直流母線的交點(diǎn)作為關(guān)鍵節(jié)點(diǎn)。NSGA-Ⅱ和模糊決策參數(shù)設(shè)置為：種群規(guī)模為100，交叉率為0.7，變異率為0.01，目標(biāo)函數(shù)1和目標(biāo)函數(shù)2所占權(quán)重均設(shè)置為0.5。各子網(wǎng)內(nèi)風(fēng)力發(fā)電機(jī)、光伏發(fā)電裝置與蓄電池的參數(shù)相同，具體參數(shù)見表1[15]。

表1 各分布式電源參數(shù)

本實(shí)驗(yàn)采用分時(shí)電價(jià)機(jī)制，各時(shí)段的購售電電價(jià)見表2。

表2 各時(shí)間段電價(jià)詳情

交直流混合微電網(wǎng)各子網(wǎng)風(fēng)力發(fā)電、光伏發(fā)電與負(fù)荷日預(yù)測(cè)曲線分別如圖3—5所示。

圖3 直流子網(wǎng)1光伏發(fā)電、風(fēng)力發(fā)電以及負(fù)荷功率

4.2 仿真結(jié)果分析

根據(jù)本文所構(gòu)建的交直流混合微電網(wǎng)優(yōu)化運(yùn)行模型，結(jié)合上述約束條件在MATLAB仿真平臺(tái)進(jìn)行求解，所得NSGA-Ⅱ和模糊決策算法中種群迭代前后解的前沿分布、目標(biāo)函數(shù)收斂過程以及模糊決策后的多目標(biāo)綜合最優(yōu)解分別如圖6—7所示。

圖4 直流子網(wǎng)2光伏發(fā)電、風(fēng)力發(fā)電以及負(fù)荷功率

圖5 交流子網(wǎng)光伏發(fā)電、風(fēng)力發(fā)電以及負(fù)荷功率

圖6 種群迭代前解的前沿面分布

由圖7可知：迭代開始時(shí)，種群基本產(chǎn)生被支配的解，產(chǎn)生較少的非劣解；在種群迭代過程中，種群的非劣解逐漸增加，并逐步淘汰由非劣解所支配的解，在最終收斂時(shí)，種群所生成的可行解基本為非劣解。模糊決策評(píng)價(jià)指標(biāo)的權(quán)重向量和為1，目標(biāo)函數(shù)1占權(quán)重較高時(shí)，系統(tǒng)運(yùn)行成本較低而總節(jié)點(diǎn)電壓偏差較高；目標(biāo)函數(shù)2占權(quán)重較高時(shí)，系統(tǒng)運(yùn)行成本較高而總節(jié)點(diǎn)電壓偏差較低。

在NSGA-Ⅱ優(yōu)化算法產(chǎn)生非劣解時(shí)，模糊決策按照已定的目標(biāo)函數(shù)1與目標(biāo)函數(shù)2各為0.5的權(quán)重配比從非劣解集中選取出種群最優(yōu)解，最優(yōu)解為圖7紅色星號(hào)所示。

圖7 種群迭代后解的前沿面分布

為驗(yàn)證本文所提考慮電價(jià)的改進(jìn)型蓄電池充放電策略的有效性，分別對(duì)以下3種策略進(jìn)行求解分析：①策略1，只考慮運(yùn)行成本的蓄電池充放電策略；②策略2，未考慮分時(shí)電價(jià)的蓄電池充放電策略；③策略3，考慮分時(shí)電價(jià)的蓄電池充放電策略，即本文所提策略。求解結(jié)果分別如圖8和圖9所示。

圖8和圖9分別示出了3種策略的運(yùn)行成本和總節(jié)點(diǎn)電壓偏差。在運(yùn)行成本方面，3種策略相差無幾，其中只考慮運(yùn)行成本的策略1經(jīng)濟(jì)成本最低，策略3次之。在節(jié)點(diǎn)電壓偏差方面，策略1明顯高于策略2和策略3。運(yùn)用本文策略所得綜合最優(yōu)解的經(jīng)濟(jì)成本和總節(jié)點(diǎn)電壓偏差分別為318.89元和788.11 V，分別比策略2低27.11元和18.78 V；經(jīng)濟(jì)成本比策略1多20.37元，然而總節(jié)點(diǎn)電壓偏差比策略1低96.89 V。綜上分析驗(yàn)證本文所提策略的有效性。

圖8 經(jīng)濟(jì)成本

圖9 總節(jié)點(diǎn)電壓偏差

由NSGA-Ⅱ和模糊決策得到的經(jīng)濟(jì)調(diào)度的最優(yōu)解如圖10—13所示，其中各子網(wǎng)內(nèi)蓄電池充放電功率、各子網(wǎng)購售電功率以及蓄電池荷電狀態(tài)分別如圖 10—12所示，關(guān)鍵節(jié)點(diǎn)電壓如圖13所示。

圖10 各子網(wǎng)蓄電池出力情況

圖11 各子網(wǎng)購售電情況

圖12 各子網(wǎng)蓄電池荷電狀態(tài)

圖13 關(guān)鍵節(jié)點(diǎn)電壓波動(dòng)情況

由圖10—12可知：在谷時(shí)段1(00:00—05:00)與平時(shí)段1(05:00—07:00)，各子網(wǎng)光伏基本未出力，風(fēng)力發(fā)電并不能滿足用電需求。此時(shí)電價(jià)較低且蓄電池荷電狀態(tài)居中，優(yōu)先考慮維持蓄電池荷電狀態(tài)。各子網(wǎng)同時(shí)從電網(wǎng)中購電共同承擔(dān)功率缺額，在滿足負(fù)荷需求后給蓄電池充電。

在峰時(shí)段1(07:00—11:00)，光伏發(fā)電逐漸增加，各子網(wǎng)內(nèi)風(fēng)光出力接近于用電需求。此時(shí)電價(jià)較高，優(yōu)先考慮蓄電池放電策略。蓄電池放電與光伏、風(fēng)電共同滿足用電需求，同時(shí)向電網(wǎng)售電賺取收益。

在平時(shí)段2(11:00—17:00)，光伏發(fā)電功率達(dá)到峰值，各子網(wǎng)內(nèi)風(fēng)光出力高于用電需求。此時(shí)電價(jià)居中，優(yōu)先考慮維持蓄電池荷電狀態(tài)策略。各子網(wǎng)內(nèi)的蓄電池皆轉(zhuǎn)為充電狀態(tài)，由購電功率滿足負(fù)荷功率差及蓄電池充電需求，以保證下一峰時(shí)段蓄電池有充足的儲(chǔ)備功率。

在峰時(shí)段2(17:00—21:00)，光伏發(fā)電功率逐漸降低至0，風(fēng)光出力逐漸無法滿足用電需求。此時(shí)電價(jià)較高，且蓄電池經(jīng)過平時(shí)段的充電，荷電狀態(tài)維持較高水平，優(yōu)先考慮放電策略。由蓄電池放電滿足用電需求，同時(shí)向電網(wǎng)出售少量電能賺取收益。

在谷時(shí)段2(22:00—24:00)，風(fēng)光出力無法滿足用電需求。此時(shí)電價(jià)較低，優(yōu)先考慮購電策略。由于直流子網(wǎng)2蓄電池荷電狀態(tài)略高于初始狀態(tài)，則可繼續(xù)放電；而直流子網(wǎng)1和交流子網(wǎng)的蓄電池荷電狀態(tài)低于初始狀態(tài)，為維持蓄電池荷電狀態(tài)始末相等，購電功率需同時(shí)滿足用電負(fù)荷及蓄電池充電需求。

由圖13可知，關(guān)鍵節(jié)點(diǎn)電壓均在允許范圍內(nèi)波動(dòng)，且波動(dòng)幅度較小，提高了各子網(wǎng)與公共直流母線之間功率交互的穩(wěn)定性，改善了交直流混合微電網(wǎng)的電能質(zhì)量。

5 結(jié)論

本文根據(jù)含高滲透率可再生能源的交直流混合微電網(wǎng)運(yùn)行特性，結(jié)合實(shí)時(shí)電價(jià)以及蓄電池荷電狀態(tài)，構(gòu)建了風(fēng)電、光伏常見發(fā)電單元的運(yùn)行模型，采用NSGA-Ⅱ和模糊決策相結(jié)合的優(yōu)化算法進(jìn)行求解，分析了峰平谷各時(shí)間段蓄電池的出力情況。結(jié)論如下：

a)NSGA-Ⅱ和模糊決策相結(jié)合實(shí)現(xiàn)了從非劣解集快速求出最優(yōu)解的過程，加快了種群尋優(yōu)效率，通過對(duì)多目標(biāo)優(yōu)化模型的求解，驗(yàn)證了該算法的有效性。

b)對(duì)經(jīng)濟(jì)成本和節(jié)點(diǎn)電壓偏差的分析結(jié)果表明，本文所提改進(jìn)算法以及改進(jìn)蓄電池充放電策略能有效降低交直流混合微電網(wǎng)運(yùn)行成本，提高系統(tǒng)電能質(zhì)量。