收稿日期：2023-01-04

基金項(xiàng)目：國(guó)家自然科學(xué)基金（51977144）

通信作者：包文俊（1970—），男，學(xué)士、高級(jí)工程師，主要從事新能源并網(wǎng)、調(diào)度、配電自動(dòng)化方面的研究。Yiancg2101@163.com

DOI：10.19912/j.0254-0096.tynxb.2023-0008 文章編號(hào)：0254-0096（2024）05-0343-08

摘 要：在獨(dú)立微電網(wǎng)中由于可調(diào)度能源不可用，僅考慮不可調(diào)度的風(fēng)能和太陽(yáng)能供應(yīng)所需能量。通過可調(diào)度負(fù)荷的轉(zhuǎn)移和調(diào)度來減少或消除發(fā)電與用電之間的不匹配，從而實(shí)現(xiàn)微電網(wǎng)組件容量?jī)?yōu)化和相關(guān)成本降低。此外，還研究需求響應(yīng)對(duì)降低發(fā)電損失的影響。對(duì)是否計(jì)及需求響應(yīng)兩種情況的優(yōu)化結(jié)果進(jìn)行比較，對(duì)于每種情況確定了最佳配置。結(jié)果表明：需求響應(yīng)的應(yīng)用減少了電池?cái)?shù)量、逆變器和光伏組件容量，從而降低了總凈現(xiàn)值成本。同時(shí)，需求響應(yīng)的實(shí)施降低了負(fù)荷峰值，提高了負(fù)荷系數(shù)和相關(guān)系數(shù)，驗(yàn)證了所提模型及方法的有效性。

關(guān)鍵詞：微電網(wǎng)；需求響應(yīng)；優(yōu)化調(diào)度；技術(shù)經(jīng)濟(jì)優(yōu)化；可再生能源

中圖分類號(hào)：TM73"" """"""""""""" """""""""""""""""文獻(xiàn)標(biāo)志碼：A

0 引 言

目前，人們對(duì)可再生能源的利用越來越重視。這一方面是由于能源需求的上升、化石能源的有限、能源市場(chǎng)的不穩(wěn)定以及環(huán)境的惡化，另一方面是由于可再生能源的自由可得性和無(wú)限性。此外，從配電網(wǎng)向偏遠(yuǎn)地區(qū)供應(yīng)電能的需求進(jìn)一步提升了現(xiàn)場(chǎng)可再生能源發(fā)電系統(tǒng)的重要性［1］。近年來，人們對(duì)小型混合能源在配電網(wǎng)中的應(yīng)用越來越感興趣，智能微電網(wǎng)應(yīng)運(yùn)而生。

風(fēng)能和太陽(yáng)能被認(rèn)為是主要的可再生能源，這些能源產(chǎn)生的電能隨著時(shí)間的推移而變化，通常與負(fù)荷曲線不符，在離網(wǎng)系統(tǒng)中這種不匹配需使用電池。另外，如果單獨(dú)使用光伏（photo-voltaic，PV）系統(tǒng)或風(fēng)力發(fā)電機(jī)，系統(tǒng)規(guī)模和投資成本將增加?；旌鲜褂眠@些能源可提高系統(tǒng)的可靠性、技術(shù)性能，減少發(fā)電波動(dòng)、投資成本和儲(chǔ)能系統(tǒng)的規(guī)模［2］。

可再生能源領(lǐng)域的技術(shù)發(fā)展使這些能源更可用于向小型負(fù)荷或偏遠(yuǎn)地區(qū)供電。有文獻(xiàn)研究利用可再生能源和儲(chǔ)能系統(tǒng)來滿足離網(wǎng)系統(tǒng)的全部能源需求。文獻(xiàn)［3］研究在一個(gè)島上實(shí)施獨(dú)立混合能源系統(tǒng)（僅可再生能源）的可行性；文獻(xiàn)［4］研究使用儲(chǔ)能系統(tǒng)來提高獨(dú)立微電網(wǎng)的可靠性；文獻(xiàn)［5］設(shè)計(jì)一個(gè)獨(dú)立的微電網(wǎng)，配備儲(chǔ)能系統(tǒng)，以緩解能源供應(yīng)/需求的波動(dòng)性所造成的影響。

在獨(dú)立微電網(wǎng)容量?jī)?yōu)化方面，文獻(xiàn)［6］應(yīng)用元啟發(fā)式算法對(duì)混合電力系統(tǒng)中蓄電池儲(chǔ)能系統(tǒng)的容量進(jìn)行優(yōu)化；文獻(xiàn)［7］提出一種基于遺傳算法的風(fēng)光儲(chǔ)混合能源家庭系統(tǒng)優(yōu)化設(shè)計(jì)的新方法；文獻(xiàn)［8］使用改進(jìn)仿電磁學(xué)算法最小化獨(dú)立微電網(wǎng)（光伏/風(fēng)能/柴油/電池）的容量；文獻(xiàn)［9］使用迭代帕累托模糊方法優(yōu)化一個(gè)獨(dú)立微電網(wǎng)容量。以往的研究文獻(xiàn)中，在不計(jì)及需求響應(yīng)（demand response，DR）的情況下，已對(duì)微電網(wǎng)的容量?jī)?yōu)化做了大量工作。

在電力系統(tǒng)中，DR經(jīng)常被用來降低運(yùn)行成本。DR是指隨著時(shí)間的推移，隨著電價(jià)的變化或成本激勵(lì)的變化，用電模式發(fā)生變化，以減少總成本，或在市場(chǎng)電價(jià)較高、系統(tǒng)可靠性受到威脅的時(shí)段將負(fù)荷轉(zhuǎn)移到另一時(shí)段［10］。最近，許多研究都針對(duì)在電網(wǎng)優(yōu)化管理中的DR策略。文獻(xiàn)［11］提出一種同時(shí)考慮可再生能源和DR的多區(qū)域電力資源配置問題新方法；文獻(xiàn)［12］提出一種使用DR最小化電力消耗成本的方法，以優(yōu)化智能家庭用電系統(tǒng)的運(yùn)行；文獻(xiàn)［13］基于用戶預(yù)期價(jià)格實(shí)施智能家居DR策略，目的是降低總電力成本；文獻(xiàn)［14］提出一種新的住宅和商業(yè)建筑需求響應(yīng)估計(jì)模型；文獻(xiàn)［15］研究需求響應(yīng)對(duì)分布式光伏滲透率的促進(jìn)作用。

考慮到微電網(wǎng)容量?jī)?yōu)化的重要性，本文利用DR研究獨(dú)立微電網(wǎng)的優(yōu)化問題。由于可調(diào)度能源的不足或不可用，本文僅考慮不可調(diào)度的可再生能源（風(fēng)能和太陽(yáng)能）來提供所需的能源。所研究的微電網(wǎng)是一個(gè)模擬森林營(yíng)地，負(fù)荷包括可調(diào)度負(fù)荷和不可調(diào)度負(fù)荷。微電網(wǎng)組件容量?jī)?yōu)化的策略是通過負(fù)荷轉(zhuǎn)移和可調(diào)度負(fù)荷的調(diào)度來減少或消除發(fā)電與負(fù)荷消耗曲線之間的不匹配。此外，還研究應(yīng)用DR對(duì)減少發(fā)電損失的效果。最后，對(duì)有、無(wú)DR的優(yōu)化結(jié)果進(jìn)行了比較。

1 混合微電網(wǎng)系統(tǒng)模型

圖1為獨(dú)立微電網(wǎng)的示意圖。在此微電網(wǎng)中，能量是通過光伏和風(fēng)電產(chǎn)生的。微電網(wǎng)有一個(gè)儲(chǔ)能系統(tǒng)（電池），用于儲(chǔ)存超出消耗的能量。此外，微電網(wǎng)有一個(gè)智能系統(tǒng)用來管理可調(diào)度負(fù)荷。智能系統(tǒng)使用DR來減少或消除發(fā)電與負(fù)荷消耗曲線之間的不匹配。卸荷負(fù)載用于消耗超過負(fù)荷、儲(chǔ)存而過量產(chǎn)生的電力。

利用混合整數(shù)線性規(guī)劃（mixed integer linear programming，MILP）對(duì)微電網(wǎng)組件容量?jī)?yōu)化問題進(jìn)行數(shù)學(xué)描述。目標(biāo)是使微電網(wǎng)的全壽命周期成本最小化。第2節(jié)給出了微電網(wǎng)元件數(shù)學(xué)模型。

2 微電網(wǎng)元件數(shù)學(xué)模型

2.1 光伏系統(tǒng)

光伏組件直接將陽(yáng)光轉(zhuǎn)化為電能。光伏組件的輸出直流功率取決于太陽(yáng)輻照度、吸收容量、光伏組件面積和電池溫度［16］。

[PPV（t）=Gt（t）1000?Ppvr?ηpv?1-βTTC-TCSTC]""" （1）

式中：[PPV（t）]——[t]時(shí)刻光伏組件的輸出直流功率，W/m2；[Gt（t）]——垂直于光伏組件表面入射的輻射功率；[Ppvr]——標(biāo)準(zhǔn)測(cè)試條件下光伏組件的額定功率；[ηpv]——光伏組件的功率折減系數(shù)；[βT]——光伏組件溫度系數(shù)；[TC]——工作條件下的電池溫度；[TCSTC]——標(biāo)準(zhǔn)測(cè)試條件下的電池溫度。

[TC=Tamb+TCNO-20?Gt（t）800]"" （2）

式中：[Tamb]——環(huán)境溫度；[TCNO]——正常運(yùn)行電池溫度。

2.2 風(fēng)力發(fā)電機(jī)

風(fēng)力發(fā)電機(jī)的輸出功率是輪轂高度處風(fēng)速的函數(shù)：

[PW（t）=0， ""v≤vin或v≥voutPrv3-v3inv3r-v3in，""" vinlt;v≤vrPr，" ""vrlt;vlt;vout] （3）

式中：[PW（t）]——[t]時(shí)刻風(fēng)電功率；[v、][vin、][vout、][vr]——輪轂高度處風(fēng)速、切入風(fēng)速、切出風(fēng)速、額定風(fēng)速；[Pr]——額定風(fēng)電功率。圖2為風(fēng)力發(fā)電機(jī)輸出功率與風(fēng)速的關(guān)系曲線。

2.3 電池儲(chǔ)能系統(tǒng)

儲(chǔ)能系統(tǒng)用于平衡供需。在微電網(wǎng)中，電池組可用作儲(chǔ)能系統(tǒng)，可根據(jù)發(fā)電功率和消耗功率進(jìn)行充電或放電。電池的輸入功率可是正或負(fù)，這取決于電池組是充電還是放電。

[PB（t）=PW（t）+PPV（t）-PL（t）ηinv]""""" （4）

式中：[PB（t）]——[t]時(shí)刻電池輸入功率；[PL（t）]——[t]時(shí)刻總負(fù)荷；[ηinv]——逆變器效率。

如果[PB（t）=0]，則表示電池組既未充電也未放電。

如果[PB（t）gt;0]，則表示微電網(wǎng)中的發(fā)電過剩，電池組正在充電。電池組的新充電狀態(tài)為：

[SOCB（t）=SOCB（t-1）?（1-σ）+[PW（t）+PPV（t）-PL（t）ηinv]?ηb]"""" （5）

式中：[SOCB（t）]——[t]時(shí)刻電池組荷電狀態(tài)；[σ]——自放電率；[ηb]——電池效率。

如果[PB（t）lt;0]，則表示微電網(wǎng)中發(fā)電不足，電池組正在放電。電池組的新充電狀態(tài)為：

[SOCB（t）=SOCB（t-1）?（1-σ）-[PL（t）ηinv-PW（t）-PPV（t）]?ηb]"""""" （6）

為防止電池組中的能量超限，每個(gè)調(diào)度期開始和結(jié)束時(shí)荷電狀態(tài)應(yīng)相等：

[SOCB（t=0）=SOCB（t=T）]"""" （7）

式中：[T]——總調(diào)度時(shí)長(zhǎng)。

為防止每個(gè)電池的使用壽命降低，對(duì)充電和放電施加如下約束：

[Ebatmin≤Ebat（t）≤EbatmaxSOCmin=Nbat?EbatminSOCmax=Nbat?Ebatmax]""""" （8）

式中：[Ebat（t）]——每個(gè)電池中存儲(chǔ)的能量；[Ebatmax]、[Ebatmin]、[SOCmax]、[SOCmin]——每個(gè)電池和電池組中允許存儲(chǔ)的最大、最小能量；[Nbat]——電池?cái)?shù)量。

每個(gè)電池的最大和最小允許存儲(chǔ)能量通過式（9）相互關(guān)聯(lián)。

[Ebatmin=（1-DOD）?Ebatmax]""""" （9）

式中：[DOD]——每個(gè)電池的允許放電深度。

電池組不能同時(shí)充電和放電，約束為：

[Pch（t）≤Prch?Ich（t）Pdis（t）≤Prdis?Idis（t）Ich（t）+Idis（t）≤1]"""""" （10）

式中：[Pch（t）、][Pdis（t）]——[t]時(shí)刻電池組的充、放電功率；[Prch]、[Prdis]——電池組的額定充、放電功率；[Ich（t）、][Idis（t）]——二進(jìn)制變量，[t]時(shí)刻電池組的充、放電狀態(tài)。

為防止損壞電池，每個(gè)電池的充電率和放電率不得超過制造商規(guī)定的限值，充、放電率約束：

[Ebat（t）-Ebat（t-1）≤Ich（t）?RchEbat（t-1）-Ebat（t）≤Idis（t）?Rdis]"" （11）

式中：[Rch]、[Rdis]——每個(gè)電池的充、放電率。

2.4 需求響應(yīng)規(guī)劃

由于微電網(wǎng)的全部電力由可再生能源提供，因此發(fā)電的靈活性較低。通過需求響應(yīng)規(guī)劃對(duì)可調(diào)度負(fù)荷進(jìn)行轉(zhuǎn)移和調(diào)度來減少或消除發(fā)電與用電之間的不匹配，從而在很大程度上補(bǔ)償?shù)桶l(fā)電靈活性。

對(duì)于每個(gè)可調(diào)度負(fù)荷，由用戶指定期望運(yùn)行時(shí)間范圍。然后確定期望時(shí)間范圍內(nèi)可調(diào)度負(fù)荷的最佳啟動(dòng)時(shí)刻，說明示意如圖3所示。

[t=EstkLftkflagk（t）=Spank]"" （12）

式中：[Estk、][Lftk]——第[k]個(gè)負(fù)荷允許最早啟動(dòng)時(shí)刻、最晚停止時(shí)刻；[flagk（t）]——二進(jìn)制變量，[flagk=1]表示[t]時(shí)刻第[k]個(gè)負(fù)荷處于運(yùn)行狀態(tài)，[flagk=0]表示[t]時(shí)刻第[k]個(gè)負(fù)荷處于停運(yùn)狀態(tài)；[Spank]——第[k]個(gè)負(fù)荷運(yùn)行時(shí)間范圍。

為使可調(diào)度負(fù)荷在運(yùn)行時(shí)間范圍內(nèi)保持連續(xù)運(yùn)行，即在用戶期望運(yùn)行時(shí)間內(nèi)不進(jìn)行2次啟停，需滿足以下約束：

[Spank?ONk（t）≤t=TskTsk+Spank-1flagk（t）≤96-Spank-1] （13）

式中：[ONk（t）]——二進(jìn)制變量，[ONk（t）=1]表示第[k]個(gè)負(fù)荷在[t]時(shí)刻啟動(dòng)；[Tsk]——第[k]個(gè)負(fù)荷的啟動(dòng)時(shí)刻。

可調(diào)度負(fù)荷的啟停及運(yùn)行狀態(tài)約束：

[ONk（t）-OFk（t）=flagk（t）-flagk（t-1）]"""" （14）

[ONk（t）+OFk（t）≤1]"""" （15）

式中：[OFk（t）]——二進(jìn)制變量，[OFk（t）=1]表示第[k]個(gè)負(fù)荷在[t]時(shí)刻停止。

2.5 功率平衡約束

為使微電網(wǎng)系統(tǒng)穩(wěn)定，總消耗功率應(yīng)等于總發(fā)電功率。但不可能在每個(gè)時(shí)刻實(shí)現(xiàn)完美平衡，這是因?yàn)閮?chǔ)能系統(tǒng)的充電、放電速度受到限制，可調(diào)度負(fù)荷的容量受到限制，可再生能源發(fā)電功率不可控。為克服這個(gè)問題，在式（16）中添加一個(gè)卸荷負(fù)載變量。

[Lnd（t）+Ld（t）+Pch（t）+Pdu（t）=PW（t）+PPV（t）+Pdis（t）]"""""" （16）

式中：[Ld（t）]、[Lnd（t）]——可調(diào)度負(fù)荷、不可調(diào)度負(fù)荷；[Pdu（t）]——卸荷負(fù)載功率。

3 系統(tǒng)組件成本

微電網(wǎng)系統(tǒng)中第[k]個(gè)組件的總成本為：

[CTk=CIk+CRk+CMk-CVk] （17）

式中：[CTk]——第[k]個(gè)組件的總成本；[CIk]——第[k]個(gè)組件的初始成本（包括購(gòu)買設(shè)備、安裝、調(diào)試）；[CRk]——第[k]個(gè)組件的更換成本；[CMk]——第[k]個(gè)組件的運(yùn)維成本；[CVk]——第[k]個(gè)組件的殘余價(jià)值。

每項(xiàng)成本的分配時(shí)間如下：初始成本（項(xiàng)目開始時(shí)）、更換成本（在每個(gè)組件的使用壽命結(jié)束時(shí)直至系統(tǒng)壽命結(jié)束時(shí)）、運(yùn)維成本（系統(tǒng)壽命期間每年）、殘余價(jià)值（系統(tǒng)壽命結(jié)束）。為了對(duì)系統(tǒng)進(jìn)行經(jīng)濟(jì)評(píng)估，需計(jì)算組件年度成本，并計(jì)算凈現(xiàn)值成本。將初始成本轉(zhuǎn)換為年度成本，需使用投資回報(bào)率：

[ζ（α，n）=α?（1+α）nk（1+α）n-1]" （18）

式中：[ζ]——投資回報(bào)率；[α]——投資率；[n]——系統(tǒng)壽命；[nk]——第[k]個(gè)組件的壽命。

第[k]個(gè)組件的年均初始成本[CAIk]：

[CAIk=CIk?ζ（α，n）] （19）

第[k]個(gè)組件的年均更換成本[CARk]：

[CARk=CRk?m=0nnk-111+αm?nk]"""""" （20）

第[k]個(gè)組件的年均殘余價(jià)值[CAVk]：

[CAVk=CVk?m=1nnk11+αm?nk]"" （21）

第[k]個(gè)組件的年均總成本[CATk]：

[CATk=CAIk+CARk+CMk-CAVk]""""" （22）

第[k]個(gè)組件的凈現(xiàn)值成本[CNPk]：

[CNPk=CATkζ（α，n）]" （23）

4 最優(yōu)化模型

微電網(wǎng)最優(yōu)化模型求解程序：先輸入數(shù)據(jù)（天氣、負(fù)荷、系統(tǒng)參數(shù)等數(shù)據(jù)），然后求解混合整數(shù)最優(yōu)化問題，優(yōu)化調(diào)度微電網(wǎng)系統(tǒng)內(nèi)的功率消耗、能量存儲(chǔ)。最優(yōu)化目標(biāo)是使微電網(wǎng)在其壽命期間的總凈現(xiàn)值成本最小。圖4為微電網(wǎng)優(yōu)化程序示意圖。

微電網(wǎng)負(fù)荷分為兩類：1）可調(diào)度負(fù)荷（包括電動(dòng)水泵、干衣機(jī)、洗衣機(jī)和洗碗機(jī)等），通過能源管理系統(tǒng)（energy management system，EMS）可在一天內(nèi)以靈活的時(shí)間表運(yùn)行；2）不可調(diào)度負(fù)荷，不可控制且無(wú)法調(diào)度。

目標(biāo)函數(shù)：

微電網(wǎng)最優(yōu)化模型的目標(biāo)是微電網(wǎng)在其壽命期內(nèi)的總凈現(xiàn)值成本最小化：

[minCT=kCNPk]""" （24）

式中：[CT]——總凈現(xiàn)值成本。

約束條件：

如第2節(jié)所述，優(yōu)化模型的約束條件包括微電網(wǎng)組件的物理約束、功率平衡約束、DR約束。

DR與EMS交互以實(shí)現(xiàn)可調(diào)度負(fù)荷的最佳調(diào)度，EMS的輸出為最優(yōu)負(fù)荷曲線。

5 仿真分析

5.1 仿真系統(tǒng)設(shè)置

為評(píng)估所提模型及方法的性能，在一個(gè)模擬森林營(yíng)地的微電網(wǎng)系統(tǒng)中進(jìn)行仿真分析［17］。本節(jié)介紹負(fù)荷和微電網(wǎng)組件的技術(shù)和經(jīng)濟(jì)參數(shù)以及相關(guān)氣象數(shù)據(jù)。微電網(wǎng)設(shè)計(jì)壽命為25 a。所需的氣象數(shù)據(jù)（風(fēng)速和太陽(yáng)輻照度）詳見文獻(xiàn)［18］，并在圖5和圖6中以日平均值表示。圖7為不同月份中不同風(fēng)速的占比情況。微電網(wǎng)日平均消耗負(fù)荷曲線如圖8所示，負(fù)荷曲線時(shí)間間隔為15 min。

如圖8所示，日均耗電量和負(fù)荷峰值分別為51.84 kWh和5.7 kW。負(fù)荷曲線是統(tǒng)計(jì)的，應(yīng)在建模過程中計(jì)及負(fù)荷的小時(shí)變化和日變化，可得到較為真實(shí)的負(fù)荷曲線。因此，平均消耗負(fù)荷需乘以擾動(dòng)系數(shù)，擾動(dòng)系數(shù)如式（25）所示［19］。

[kcv=1+δd+δt]"" （25）

式中：[δd]——均值為零的正態(tài)分布，該分布的標(biāo)準(zhǔn)差為“日變化百分比”；[δt]——均值為零的正態(tài)分布，該分布的標(biāo)準(zhǔn)差為“每小時(shí)變化百分比”。

本文假設(shè)負(fù)荷日變化百分比和小時(shí)變化百分比分別為20%和15%。圖9為在圖8的基礎(chǔ)上計(jì)及負(fù)荷變化的曲線。

微電網(wǎng)中負(fù)荷由4臺(tái)總耗電量為3.95 kWh/d（占比為7.6%）的可調(diào)度設(shè)備和1臺(tái)耗電量為47.89 kWh/d的不可調(diào)度設(shè)備組成。表1為可調(diào)度設(shè)備參數(shù)，表2為微電網(wǎng)組件的技術(shù)經(jīng)濟(jì)參數(shù)。

5.2 仿真結(jié)果分析

該模型是一個(gè)混合整數(shù)線性規(guī)劃問題，在GAMS軟件環(huán)境下用CPLEX求解。分析計(jì)及DR與否兩種情況下的仿真結(jié)果，表3為兩種情況下微電網(wǎng)各組件的容量?jī)?yōu)化結(jié)果。由表3可知，DR的應(yīng)用導(dǎo)致微電網(wǎng)各組件的容量大幅降低，有兩個(gè)原因：1）由于負(fù)荷消耗曲線和發(fā)電功率曲線的接近；2）由于負(fù)荷峰值的減少。相關(guān)結(jié)果在后續(xù)部分給出。

表4為每個(gè)組件的凈現(xiàn)值成本和微電網(wǎng)的總凈現(xiàn)值成本。DR的實(shí)施導(dǎo)致組件的容量和能源供應(yīng)成本顯著減少。由表4可知，計(jì)及DR時(shí)儲(chǔ)能系統(tǒng)、逆變器、光伏系統(tǒng)和微電網(wǎng)凈現(xiàn)值成本分別降低35.6%、35.0%、1.8%和19.3%。

計(jì)及DR規(guī)劃會(huì)導(dǎo)致可調(diào)度負(fù)荷從發(fā)電功率不足的時(shí)段轉(zhuǎn)移至發(fā)電功率過剩的時(shí)段，且由于負(fù)荷轉(zhuǎn)移，負(fù)荷消耗曲線和發(fā)電功率曲線變得更接近。計(jì)及DR時(shí)可調(diào)度負(fù)荷的運(yùn)行時(shí)刻如表5所示。

圖10為計(jì)及DR與否兩種情況下的負(fù)荷消耗曲線。如圖10所示計(jì)及DR時(shí)，42～56時(shí)刻的消耗負(fù)荷顯著增加，是因?yàn)榇藭r(shí)段的高發(fā)電量；同樣由于發(fā)電量不足，86～93時(shí)刻的消耗負(fù)荷明顯減少。事實(shí)上，通過DR的實(shí)施，將部分負(fù)荷轉(zhuǎn)移至發(fā)電量過剩的時(shí)刻，將消耗和發(fā)電更緊密地聯(lián)系在一起。圖10中兩條曲線下的面積（消耗電能）是相等的。DR的實(shí)施不會(huì)切除任何負(fù)荷，而只是更改運(yùn)行時(shí)間。

負(fù)荷系數(shù)[Lf]表征負(fù)荷消耗曲線的平滑度：

[Lf=t=1TPL（t）T×maxPL（t）] （26）

式中：[Lf]——負(fù)荷系數(shù)。

負(fù)荷系數(shù)[0≤Lf≤1]，理想狀態(tài)下[Lf=1]，這表示運(yùn)行期間負(fù)荷恒定。負(fù)荷峰值增加會(huì)降低[Lf]，這需增加電源組件的容量，相應(yīng)的初始成本和運(yùn)維成本也將增加。

如圖10所示，計(jì)及DR時(shí)負(fù)荷峰值和[Lf]分別為3.9 kW和0.60；不計(jì)及DR時(shí)負(fù)荷峰值和[Lf]分別為6.4 kW和0.38。實(shí)施DR后負(fù)荷峰值降低39%，[Lf]增加57.9%，從而顯著提高負(fù)荷消耗曲線的平滑度，減少微電網(wǎng)組件所需容量。

成本降低僅是DR的幾個(gè)優(yōu)點(diǎn)之一，DR的主要目標(biāo)是減少或消除發(fā)電與負(fù)荷消耗功率曲線之間的不匹配。圖11和圖12所示為計(jì)及DR與否兩種情況下發(fā)電和負(fù)荷消耗功率曲線。

差異系數(shù)[Df]表征發(fā)電與負(fù)荷消耗功率曲線接近程度：

[Df=t=1TPL（t）-PW（t）-PPV（t）t=1TPL（t）]"""" （27）

式中：[Df]——差異系數(shù)。

根據(jù)圖11和圖12，計(jì)及DR與否兩種情況下的[Df]值分別為0.406和0.551。這表明應(yīng)用DR會(huì)導(dǎo)致[Df]值降低26.3%，使發(fā)電和負(fù)荷消耗功率曲線更加接近。此外，計(jì)及DR與否兩種情況下，發(fā)電功率和負(fù)荷消耗功率的相關(guān)系數(shù)（概率論定義）分別為+0.20930和-0.07813，DR的應(yīng)用使相關(guān)系數(shù)增加368%。

圖13為計(jì)及DR與否兩種情況下的儲(chǔ)能曲線。如圖13所示，DR的實(shí)施顯著減少了存儲(chǔ)能量，這可減少與儲(chǔ)能系統(tǒng)相關(guān)的各項(xiàng)成本。

6 結(jié) 論

本文重點(diǎn)研究在優(yōu)化獨(dú)立微電網(wǎng)組件容量、運(yùn)維成本的情況下DR規(guī)劃的能力。在混合整數(shù)線性規(guī)劃的框架下，對(duì)微電網(wǎng)系統(tǒng)進(jìn)行建模，對(duì)計(jì)及DR與否兩種情況下的仿真結(jié)果對(duì)比分析表明：計(jì)及DR時(shí)儲(chǔ)能系統(tǒng)、逆變器、光伏系統(tǒng)和微電網(wǎng)凈現(xiàn)值成本分別降低35.6%、35.0%、1.8%和19.3%，驗(yàn)證了本文所提模型及方法的有效性。本文僅展示了可調(diào)度負(fù)荷容量占比為7.6%情況下微電網(wǎng)組件容量、運(yùn)維成本優(yōu)化；很明顯，對(duì)于較高的可調(diào)度負(fù)荷占比，DR的優(yōu)化潛力顯著。

［參考文獻(xiàn)］

［1］""nbsp;" 趙超， 王斌， 孫志新， 等. 基于改進(jìn)灰狼算法的獨(dú)立微電網(wǎng)容量?jī)?yōu)化配置［J］. 太陽(yáng)能學(xué)報(bào)， 2022， 43（1）： 256-262.

ZHAO C， WANG B， SUN Z X， et al. Optimal configuration optimization of islanded microgrid using improved grey wolf optimizer algorithm［J］. Acta energiae solaris sinica， 2022， 43（1）： 256-262.

［2］"""" 李翼翔， 田震， 唐英杰， 等. 考慮構(gòu)網(wǎng)型與跟網(wǎng)型逆變器交互的孤島微電網(wǎng)小信號(hào)穩(wěn)定性分析［J］. 電力自動(dòng)化設(shè)備， 2022， 42（8）： 11-18.

LI Y X， TIAN Z， TANG Y J， et al. Small-signal stability analysis of island microgrid considering interaction between grid-forming converter and grid-following converter［J］. Electric power automation equipment， 2022， 42（8）： 11-18.

［3］"""" DHEER D K， VIJAY A S， KULKARNI O V， et al. Improvement of stability margin of droop-based islanded microgrids by cascading of lead compensators［C］//IEEE Transactions on Industry Applications. 2019： 3241-3251.

［4］"""" 黃金鑫， 李華強(qiáng)， 陸楊. 基于蒙特卡洛模擬和頻譜分析法的孤島微電網(wǎng)儲(chǔ)能容量配置［J］. 電網(wǎng)技術(shù)， 2020， 44（5）： 1622-1629.

HUANG J X， LI H Q， LU Y. Energy storage capacity configuration of isolated microgrid based on Monte Carlo simulation"" and"" spectrum"" analysis［J］. "Power"" system technology， 2020， 44（5）： 1622-1629.

［5］"""" 許德明， 李澤， 崔國(guó)增， 等. 孤島微電網(wǎng)異構(gòu)電池儲(chǔ)能系統(tǒng)的分布式有限時(shí)間次級(jí)控制［J］. 控制與決策， 2021， 36（8）： 2034-2041.

XU D M， LI Z， CUI G Z， et al. Distributed finite-time secondary control for heterogeneous battery energy storage systems in an islanded microgrid［J］. Control and decision， 2021， 36（8）： 2034-2041.

［6］"""" 李蕊睿， 李奇， 蒲雨辰， 等. 計(jì)及功率交互約束的含電-氫混合儲(chǔ)能的多微電網(wǎng)系統(tǒng)容量?jī)?yōu)化配置［J］. 電力系統(tǒng)保護(hù)與控制， 2022， 50（14）： 53-64.

LI R R， LI Q， PU Y C， et al. Optimal configuration of an electric-hydrogen hybrid energy storage multi-microgrid system considering power interaction constraints［J］. Power system protection and control， 2022， 50（14）： 53-64.

［7］"""" JIANG Y B， XU J， SUN Y Z， et al. Day-ahead stochastic economic dispatch of wind integrated power system considering demand response of residential hybrid energy system［J］. Applied energy， 2017， 190： 1126-1137.

［8］"""" 譚穎， 呂智林， 李捷. 基于改進(jìn)ELM的風(fēng)/光/柴/儲(chǔ)獨(dú)立微電網(wǎng)分布式電源多目標(biāo)容量?jī)?yōu)化配置［J］. 電力系統(tǒng)保護(hù)與控制， 2016， 44（8）： 63-70.

TAN Y， LYU Z L， LI J. Multi-objective optimal sizing method for distributed power of wind-solar-diesel-battery independent microgrid based on improved electromagnetism-like""" mechanism［J］."""" Power"""" system protection and control， 2016， 44（8）： 63-70.

［9］"""" LI B， WANG H L， TAN Z K. Capacity optimization of hybrid energy storage system for flexible islanded microgrid based on real-time price-based demand response［J］. International journal of electrical power amp; energy systems， 2022， 136： 107581.

［10］""" 李偉， 韓瑞迪， 孫晨家， 等. 基于用電偏好的可平移負(fù)荷參與需求響應(yīng)最優(yōu)激勵(lì)合同與激勵(lì)策略［J］. 中國(guó)電機(jī)工程學(xué)報(bào)， 2021， 41（增刊1）： 185-193.

LI W， HAN R D， SUN C J， et al. An optimal incentive contract and strategy of shiftable loads participation in demand response based on user electricity preference［J］. Proceedings of the CSEE， 2021， 41（S1）： 185-193.

［11］""" BEHBOODI S， CHASSIN D P， DJILALI N， et al. Interconnection-wide hour-ahead scheduling in the presence of intermittent renewables and demand response： a surplus maximizing approach［J］. Applied energy， 2017， 189： 336-351.

［12］""" WANG Y， LIN H Y， LIU Y L， et al. Management of household"" electricity"" consumption"" under"" price-based demand"" response"" scheme［J］."" Journal"" of"" cleaner production， 2018， 204： 926-938.

［13］""" NILSSON A， LAZAREVIC D， BRANDT N， et al. Household responsiveness to residential demand response strategies： results and policy implications from a Swedish field study［J］. Energy policy， 2018， 122： 273-286.

［14］""" 馬明， 劉涌. 計(jì)及住宅混合能源需求響應(yīng)的含風(fēng)電系統(tǒng)隨機(jī)優(yōu)化調(diào)度［J］. 太陽(yáng)能學(xué)報(bào)， 2022， 43（1）： 11-20.

MA M， LIU Y. Stochastic optimal dispatch of power system with wind power considering demand response of residential ahybrid energy system［J］. Acta energiae solaris sinica， 2022， 43（1）： 11-20.

［15］""" 唐一銘， 趙雙芝， 郭昭藝， 等. 基于負(fù)荷曲線等效斜率提升光伏消納能力的需求響應(yīng)策略［J］. 可再生能源， 2020， 38（12）： 1626-1632.

TANG Y M， ZHAO S Z， GUO Z Y， et al. Demand response assisted photovoltaic absorption strategy considering the ramp rate limitation［J］. Renewable energy resources， 2020， 38（12）： 1626-1632.

［16］""" 朱怡瑩， 周榮生， 羅龍波. 考慮需求響應(yīng)與光伏不確定性的電力系統(tǒng)經(jīng)濟(jì)調(diào)度［J］. 太陽(yáng)能學(xué)報(bào)， 2023， 44（1）： 62-68.

ZHU Y Y， ZHOU R S， LUO L B. Economic dispatch of power system considering demand response and PV uncertainty［J］. Acta energiae solaris sinica， 2023， 44（1）： 62-68.

［17］""" CHAKRABORTY S， ARVIND P， KUMAR D. Coordinated control for frequency regulation in a stand-alone microgrid bolstering demand side management capability［J］. Electric power components and systems， 2021， 49（1/2）： 1-17.

［18］""" REZKALLAH M， SINGH S， CHANDRA A， et al. Comprehensive controller implementation for wind-PV-diesel based standalone microgrid［J］. IEEE transactions on industry applications， 2019， 55（5）： 5416-5428.

［19］""" WEN Y F， CHUNG C Y， LIU X， et al. Microgrid dispatch with"" frequency-aware"" islanding"" constraints［J］."" IEEE transactions on power systems， 2019， 34（3）： 2465-2468.

TECHNO-ECONOMIC OPTIMIZATION OF WIND/PHOTOVOLTAIC/STORAGE INDEPENDENT MICROGRID CONSIDERING

DEMAND RESPONSE

Bao Wenjun1，2，Ge Min1，Yuan Yi1，Yuan Zhikun1，He Xu1

（1. State Gird Tongling Power Supply Company， Tongling 244002， China；

2. School of Electrical Engineering and Automation， Hefei University of Technology， Hefei 230071， China）

Abstract：Since the schedulable energy is not available in the independent microgrid， only the energy required by the non schedulable wind and solar energy is considered. Through the transfer and scheduling of schedulable loads， the mismatch between power generation and power consumption can be reduced or eliminated， so as to optimize the capacity of microgrid components and reduce the related costs. In addition， the influence of demand response on reducing generation loss is studied. The optimization results of whether the demand response is taken into account are compared， and the optimal configuration is determined for each case. The results show that the application of demand response reduces the number of cells， inverter and photovoltaic panel capacity， thereby reducing the total net present value cost. At the same time， the implementation of demand response reduces the peak load， improves the load coefficient and correlation coefficient， and verifies the effectiveness of the proposed model and method.

Keywords：microgrid； demand response； optimal dispatching； techno-economic optimization； renewable energy

DOI：10.19912/j.0254-0096.tynxb.2023-0002 文章編號(hào)：0254-0096（2024）05-0351-09