CN106327006A - 一种基于综合效益分析的微电网优化配置方法 - Google Patents

Abstract

本发明公开了一种基于综合效益分析的微电网优化配置方法，包括：采集微电网中分布式电源的运行环境数据和负载数据，根据分布式电源模型以及微电网运行方案，获取分布式电源的输出数据和综合效益评估指标；根据综合效益评估指标及其对应的权重系数，建立以分布式电源数量为变量的综合效益目标函数；通过粒子群优化算法求解综合效益目标函数，获取满足约束条件的分布式电源数量，作为微电网中分布式电源的配置数量；该方法能够更全面地构建微电网整体效益和综合效益结合的评估系统，更准确地分析微电网规划中各个因素的影响，同时降低投资成本、提高能源利用效率。

Description

一种基于综合效益分析的微电网优化配置方法

技术领域

本发明涉及电力技术领域，尤其涉及一种基于综合效益分析的微电网优化配置方法。

背景技术

能源是经济社会发展的重要物质基础，但作为当前世界最重要的能源，石油的“产量峰值”已经到来，常规油气资源也面临枯竭。开发利用新能源和可再生能源是未来能源发展的必然趋势。微电网技术是未来分布式能源供应微电网发展的趋势，对推进节能减排和实现能源可持续发展具有重要意义。并网型微电网可接入配电网中并网运行，在满足自身负荷需求的同时，为配电网提供功率支持与备用辅助服务。

微电网的规划建设，即微电网的优化配置需要对经济、环境和技术等方面进行全面分析，只有合理确定微电网结构与容量配置，才能保证微电网以较低的成本取得最大的效益，进而达到示范、推广的目的。

国内外已经有很多专家学者对微电网的规划设计进行研究，其中，有的通过考虑并网变换器容量限制和上网电价等因素，以微电网投资费用、运行和维护费用最低为运行目标，对微电网优化配置进行求解(王盼宝，王卫，孟尼娜，等.基于运行模式与运行指标综合评价的直流微电网优化配置[J].电网技术，2016(3)：741-748.)，但对于微电网综合效益的评估不够全面；有的通过综合考虑微电网经济性、可靠性和可再生能源利用率，提出风光储容量配置模型(窦晓波，袁简，吴在军，等.并网型风光储微电网容量改进优化配置方法[J].电力自动化设备，2016，36(03)：26-32.)，但并未考虑燃料发电机作为分布式电源；还有的采用微电网配置和运行联合优化(Hawkes A D，Leach M A.Modelling high levelsystem design and unit commitment for a microgrid[J].Applied Energy，2009，86(7-8)：1253-1265.)，但仅考虑了并网型微电网经济性，对整体效益评估不够全面。

而且，现有的微电网中各分布式电源的优化配置大多考虑其经济成本效益，对于环境效益只考虑其污染物和温室气体排放量的相应损失，并只将可靠性作为约束条件，对于微电网的整体综合效益评估并不完善和全面。另一方面，对于并网运行的微电网的优化配置，例如微电网中各分布式电源的优化配置的评估模型中目标函数的建立相对单一，对于微电网并网后的综合效益评估并不完善。

发明内容

本发明的目的之一至少在于，针对上述现有技术存在的问题，提供一种基于综合效益分析的微电网优化配置方法，能够更全面构建微电网整体效益和综合效益结合的评估系统，更准确地分析微电网规划中各个因素的影响，同时降低投资成本、提高能源利用效率。

为了实现上述目的，本发明采用的技术方案为：

一种基于综合效益分析的微电网优化配置方法，包括：

采集微电网中分布式电源的运行环境数据和负载数据，根据分布式电源模型以及微电网运行方案，获取分布式电源的输出数据和综合效益评估指标；

根据综合效益评估指标及其对应的权重系数，建立以分布式电源数量为变量的综合效益目标函数；

通过粒子群优化算法求解综合效益目标函数，获取满足约束条件的分布式电源数量，作为微电网中分布式电源的配置数量。

优选地，上述分布式电源包括：风力发电机WT、光伏阵列PV、微型燃气轮机MT、以及储能装置BAT；

所述分布式电源模型包括：WT出力模型、PV出力模型、MT出力模型、以及BAT容量模型。

优选地，上述微电网运行方案包括：微电网孤网运行，或者微电网并网运行。

优选地，上述综合效益评估指标包括：经济效益指标、环境效益指标、以及可靠性效益指标。

优选地，上述经济效益指标包括：等年值投资成本指标和经济收益指标；

所述环境效益指标包括：节能效益指标和减排效益指标；

所述可靠性效益指标包括：微电网可靠性效益指标和用户供电指标效益指标。

优选地，上述约束条件包括：优化变量约束、分布式电源运行约束、供电可靠性约束、能源过剩约束、配网友好接入约束、以及微电网自身性能约束。

优选地，上述方法进一步包括：采用极差变换法对所述综合效益评估指标进行标准化处理。

优选地，上述综合效益目标函数为：

minF(x)＝min∑ω_if_i(x)

其中，x为分布式电源数量，i为正整数，f_i(x)为经过标准化处理的第i项综合效益评估指标，ω_i为第i项综合效益评估指标对应的权重系数。

优选地，上述方法进一步包括：采用层次分析法和熵权法结合来确定综合效益评估指标对应的权重系数。

优选地，上述方法进一步包括：

获取两组以上的微电网中分布式电源的配置数量，选择其中对应综合效益评估指标高于预设值的作为微电网中分布式电源的配置数量。

综上所述，由于采用了上述技术方案，本发明至少具有以下有益效果：

通过AHP-熵权法确定多目标函数中各因素权重，将多目标函数转换成单目标函数进行求解，在兼顾指标数据客观性的前提下，使确定的综合效益评估指标对应的权重系数结果更加准确、可靠；通过纳入经济效益指标、环境效益指标、以及可靠性效益指标，更全面地构建微电网整体效益和综合效益结合的评估系统，使得获取的微电网的优化配置能够在同时满足各项指标和约束条件的前提下降低投资成本、提高能源利用效率。

附图说明

图1是本发明实施例一提供的基于综合效益分析的微电网优化配置方法的流程图；

图2是本发明实施例二提供的并网型微电网的结构示意图；

图3是本发明实施例六提供的基于综合效益分析的微电网优化配置方法中的确定综合效益评估指标对应的权重系数的流程图。

具体实施方式

下面结合附图及实施例，对本发明进行进一步详细说明，以使本发明的目的、技术方案及优点更加清楚明白。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

实施例一

如图1所示，本发明实施例一公开的基于综合效益分析的微电网优化配置方法包括以下步骤：

步骤101：采集微电网中分布式电源的运行环境数据和负载数据，

在优选的实施例中，分布式电源可以包括：可再生电源(例如，风力发电机WT、光伏阵列PV)、非可再生电源(例如，微型燃气轮机MT、柴油发电机DG等)、以及储能装置BAT(例如，蓄电池)；

相应地，分布式电源的运行环境数据可以包括：当前环境风速、温度等自然环境数据，以及风机切入风速、切出风速、额定风速、额定功率、蓄电池当前电量、充电功率、自放电系数、充放电效率等装置运行数据；

步骤102：根据分布式电源模型以及微电网运行方案，获取分布式电源的输出数据和综合效益评估指标；

其中，分布式电源模型可以包括：WT出力模型、PV出力模型、MT出力模型、以及BAT容量模型；微电网运行方案可以包括：微电网孤网运行，或者微电网并网运行；

步骤103：根据综合效益评估指标及其对应的权重系数，建立以分布式电源数量为变量的综合效益目标函数；

具体地，综合效益评估指标可以包括：经济效益指标、环境效益指标、以及可靠性效益指标；

进一步地，经济效益指标可以包括：等年值投资成本指标和经济收益指标；环境效益指标可以包括：节能效益指标和减排效益指标；可靠性效益指标可以包括：微电网可靠性效益指标和用户供电指标效益指标。

步骤104：通过粒子群优化算法求解综合效益目标函数，获取满足约束条件的分布式电源数量，作为微电网中分布式电源的配置数量。

其中，约束条件可以包括：优化变量约束、分布式电源运行约束、供电可靠性约束、能源过剩约束、配网友好接入约束、以及微电网自身性能约束等。

本步骤还可以进一步包括：采用极差变换法对所述综合效益评估指标进行标准化处理。

在优选的实施例中，步骤103的综合效益目标函数可以为：

minF(x)＝min∑ω_if_i(x) (1)

其中，x为分布式电源数量，i为正整数，f_i(x)为经过标准化处理的第i项综合效益评估指标，ω_i为第i项综合效益评估指标对应的权重系数。

其中，各项综合效益评估指标对应的权重系数反映各指标的重要程度，可以采用变异系数法、主成分分析法和因子分析法等来确定权重系数。在优选的实施例中，可以采用层次分析法和熵权法结合来确定综合效益评估指标对应的权重系数。

进一步地，还可以在步骤104的基础上，获取两组以上的微电网中分布式电源的配置数量，选择其中对应综合效益评估指标高于预设值的作为微电网中分布式电源的配置数量。

上述实施例中，通过纳入经济效益指标、环境效益指标、以及可靠性效益指标，更全面地构建微电网整体效益和综合效益结合的评估系统，并通过粒子群优化算法求解综合效益目标函数，获取满足约束条件的分布式电源数量，从而使得获取的微电网的优化配置能够在同时满足各项指标和约束条件的前提下降低投资成本、提高能源利用效率。

实施例二

下文结合图2所示的并网型微电网，对本发明实施例二提供的优化配置方法中的分布式电源模型进行详细说明。

并网型微电网一般包括风力发电机WT、光伏阵列PV、微型燃气轮机MT、储能装置BAT等分布式电源，以及控制器、逆变器等相关辅助设备。

各分布式电源模型可以分别定义如下：

WT出力模型：

$P_{WT}\left(V\right)=\left\{\begin{array}{c}0,0\&le;V\&le;V_{ci},V\&GreaterEqual;V_{co}\\ P_{WT-rate}\frac{(V-V_{ci})}{(V_r-V_{ci})},V_{ci}<V<V_r\\ P_{WT-rate},V_r\&le;V\&le;V_{co}\end{array}\right.---\left(2\right)$

式中，P_WT为风机输出功率，P_WT-rate为风机额定功率；V，V_ci，V_r，V_co分别为当前环境风速、风机切入风速、额定风速、切出风速。

PV出力模型：

$P_{PV}=f_{PV}{P}_{PV-rate}\frac{G_T}{G_S}\&lsqb;1+{\mathrm{\&alpha;}}_P(T_c-T_{STC})\&rsqb;---\left(3\right)$

式中，P_PV为光伏阵列输出功率(主要受太阳辐射强度和温度等因素影响)；f_PV为光伏阵列的功率降额因素(用于计算光伏板表面污渍、遮盖以及光伏板自身老化等引起的损耗，例如0.9)；P_PV-rate为光伏阵列的额定功率(在标准条件下，例如太阳能辐射强度为1kW/m²，温度为25℃，风速为0)测得的光伏阵列的输出功率，单位：kW)；G_T为光伏阵列倾斜面上总太阳能辐照度(单位：kW/m²)；G_S为标准测试条件下的太阳能辐照度，例如1kW/m²；α_P为功率温度系数(单位：％/℃)，例如-0.0047；T_C为光伏阵列的表面温度(单位：℃)；T_STC为标准测试条件温度，例如25℃。

光伏阵列的表面温度T_C可由式(3)得出：

T_c＝T_a+θ_G(1+θ_TT_a)(1-θ_vwV)G_T (4)

式中，θ_G、θ_T、θ_vw为试验系数，例如分别为0.038、0.031，0.042；T_a为当前环境温度；V为当前环境风速。

MT出力模型：

以柴油发电机为例，由于这种燃料发电机的输出功率主要与能耗有关，可以运行在0到额定功率之间，其出力模型可以通过燃料-功率输出特性数学模型表示为：

F(t)＝aP_RP(t)+bP_GEN(t) (5)

式中，F(t)为燃料发电机的耗油量；P_RP(t)和P_GEN(t)分别为额定输出功率和实际输出功率；a，b分别为燃料斜率。

BAT容量模型：

储能装置BAT可以采用铅酸阀控蓄电池(Valve Regulated Battery，VRLA)其成本低，在储能场合应用广泛。蓄电池剩余电量会随充放电过程发生变化，其中，

蓄电池充电时，当前电量为：

$E_{BAT}\left(t\right)=E_{BAT}(t-1)(1-\mathrm{\&delta;})+\frac{\mathrm{\&Delta;}P}{{\mathrm{\&eta;}}_{ch}}---\left(6\right)$

蓄电池放电时，当前电量为：

$E_{BAT}\left(t\right)=E_{BAT}(t-1)(1-\mathrm{\&delta;})-\frac{\mathrm{\&Delta;}P}{{\mathrm{\&eta;}}_{dh}}---\left(7\right)$

式中，E_BAT(t)为蓄电池当前电量；E_BAT(t-1)为蓄电池上一时刻电量；ΔP为蓄电池单位时间充电功率；δ为蓄电池的自放电系数；η_ch、η_dh为蓄电池的充放电效率。

成本效益分析(Cost-Benefit Analysis)是一种通过比较项目的综合成本和效益来评估项目价值的经济决策方法。本发明提供的实施例以成本效益分析为基础，结合环境经济学、电网自身特性等，建立包括经济效益指标、环境效益指标、以及可靠性效益指标的微电网综合效益指标评估系统。

实施例三

下文结合前述实施例，对本发明实施例三提供的优化配置方法中的综合效益评估指标中的济效益指标进行进一步的详细说明。

具体地，经济效益指标可以包括：等年值投资成本指标C_IV和经济收益指标C_PR。

等年值投资成本指标C_IV

C_IV主要包括等年值设备投资费用，其计算公式为：

C_IV＝C_eq+C_om+C_sub+C_fu (8)

式中，C_eq为设备(例如，包括各分布式电源及辅助设备等)的初始投资等年值费用(包括购买费用和安装费用)指标；C_om为设备年运行和维护费用指标；C_sub为年置换成本指标；C_fu为年燃料成本指标。

C_eq可以采用全寿命周期内等年值法对其成本进行折算，其计算公式为：

$C_{eq}=(C_{WT}{N}_{WT}+C_{PV}{N}_{PV}+C_{MT}{N}_{MT}+C_{BAT}{N}_{BAT}+C_{aux})\frac{r{(1+r)}^n}{{(1+r)}^n-1}---\left(9\right)$

式中，C_WT、C_PV、C_MT、C_BAT分别为风力发电机、光伏阵列、微型燃气轮机和储能装置的单台(或单组)初始投资成本，包括其购买费用和安装费用；C_aux为辅助设备的初始投资费用；N_WT、N_PV、N_MT、N_BAT分别为风力发电机、光伏阵列、微型燃气轮机和储能装置数量；n为全寿命周期使用年限；r为贴现率，可以取6％。

C_om包括固定成本和可变成本，可以根据微电网历史运行数据活动，其计算公式为：

C_om＝C_omFix+C_omVar (10)

式中，C_omFix为固定运行维护费用(包括在既定工作机制下，每年固定投入的设备运行维护人工、材料等费用等)；C_omVar为可变运行维护成本(包括随设备状态不同而变化的维护费用)。

C_sub指在项目的全寿命周期内，若设备达到其寿命终止年限，对其进行更换的成本，其计算公式为：

$C_{sub}=\underset{i=1}{\overset{N}{\&Sigma;}}\&lsqb;C_{sub,i}\frac{r}{{(1+r)}^{Y_{sub,i}}-1}\&rsqb;---\left(11\right)$

式中，C_sub，i为第i种设备置换费用；Y_sub，i为第i种设备重置寿命。

C_fu可以仅考虑微型燃气轮的正常运行产生的燃料费用，同时还可以考虑燃料价格的波动对微电网的运行成本的影响，其计算公式为：

C_fu＝p_fuq_t (12)

式中，p_fu为微型燃气轮机发电单价；q_t为微型燃气轮机发电量。

经济收益指标C_PR

C_PR主要包括并网运行收益指标C_con、降损收益指标C_lr、以及延缓电网投资收益指标C_td，其中：

C_con包括向配电网售电产生的收益和向配电网购电产生的费用，其计算公式为：

C_con＝C_sold-C_buy (13)

式中，C_sold、C_buy分别为并网运行时，微电网向配电网售电和购电产生的费用。

微电网中分布式电源一般距离负荷距离更近，输送距离较短，电能输送过程中产生的电能损耗比配电网更少，因此，微电网的降损效益C_lr可用电源配置后微电网减少的网损费用进行计算，其计算公式为：

$C_{lr}=p_c\underset{l=1}{\overset{N_{line}}{\&Sigma;}}(I_l^2-{I^{\&prime;}}_l^2)L_l{\mathrm{R\&tau;}}_{lmax}---\left(14\right)$

式中，p_c为电价，例如0.4元Kw/h；N_line为线路条数；l为线路条数；I_l、I_l＇分别为电源配置前后线路l上流过的电流；L_l为线路l的长度；τ_lmax为线路l年最大负荷损耗小时数，例如3000h；R为线路单位长度的电阻值。

微电网的合理有序建设可降低配峰荷时配电微电网对配电网输送容量的需求，延缓配电网建设投资。因此，延缓电网投资收益指标C_td之计算公式可为：

$C_{td}=(1-u)C_{epd}\frac{r{(1+r)}^{Y_{td}}}{{(1+r)}^{Y_{td}}-1}\underset{i=1}{\overset{N}{\&Sigma;}}{P}_i---\left(15\right)$

式中，u为配电网对微电网的备用率，例如取0.3；C_epd为配电网新扩建单位容量所需的投资费用，例如0.5万元/kW；Y_td为延缓配电网扩建的年数；N为电源的种类；P_i为第i种分布式电源装机容量。

实施例四

下文结合前述实施例，对本发明实施例四提供的优化配置方法中的综合效益评估指标中的环境效益指标进行进一步的详细说明。

具体地，环境效益指标包括节能效益指标C_SE和减排效益指标C_ev。

节能效益指标C_SE

C_SE包括减量指标C_es和增效指标R_rg，其中：

减量指标C_es为微电网利用风机、光伏阵列等可再生能源发电，减少不可再生能源的消耗量的指标，其计算公式为：

$C_{es}=M_C{p}_C\underset{i=1}{\overset{N}{\&Sigma;}}{E}_{rg,i}---\left(16\right)$

式中，M_C为火电机组生产单位电能所消耗的煤炭量；p_C为煤炭价格；E_rg，i为微电网中第i种可再生能源分布式电源的年总发电量。减量指标C_es的提高，能够促进实现再利用、再循环经济发展。

增效指标R_rg以可再生能源渗透率，即微电网中可再生能源发电量占总发电量的比例，来评估微电网的增效程度，其计算公式为：

$R_{rg}=\frac{E_{rg}}{E_{total}}\&times;100\%---\left(17\right)$

式中，E_rg为可再生能源年总发电量；E_total为微电网年总发电量。微电网通过提高能源利用率，降低能源强度，实现“清洁高效”的能源替代，从而进一步缓解经济增长与能源、环境之间的矛盾。

减排效益指标C_ev

减排强调对生态环境的保护，减少污染物和温室气体的排放。微电网的减排效益指标C_ev可以用相对煤炭发电生产等容量电能所减排的污染物的环境损失来衡量，其计算公式如下：

$C_{ev}=\underset{j=1}{\overset{m}{\&Sigma;}}\underset{i=1}{\overset{N}{\&Sigma;}}{C}_{e_j}(Q_j^{CP}-Q_j^{RG,i})---\left(18\right)$

式中，C_ej为第j项污染物减排的环境价值；Q_j ^cp为燃煤发电机组第i项污染物的减排量；Q_j ^RG，i为微电网中第i种分布式电源第j项污染物的减排量；m为污染物种类(例如，二氧化硫、氮氧化物、粒子状污染物等)。

实施例五

下文结合前述实施例，对本发明实施例五提供的优化配置方法中的综合效益评估指标中的可靠性效益指标进行进一步的详细说明。

具体地，可靠性效益指标包括：微电网可靠性效益指标和用户供电指标效益指标。

微电网可靠性效益指标B_GRB

B_GRB可以由微电网配置前后减少的期望停电损失来衡量，其计算公式如下：

$B_{GRB}=I_{EAR}\underset{k\&Element;Q}{\&Sigma;}({\mathrm{EENS}}_k-{{\mathrm{EENS}}_k}^{\&prime;})---\left(19\right)$

式中，I_EAR为微电网内负荷的停电损失评价率，用来描述某类用户每停电1kW·h所遭受的经济损失；Q为微电网内部负荷点集合；EENS_k、EENS_k＇分别为微电网配置前后负荷点k的年缺供期望电量。

其中，电量不足期望(Expected Energy Not Supplied，EENS)表示微电网由于机组受迫停运等造成的对用户少供电能的期望值，综合表达了停电次数、平均持续时间和平均供电功率。其数学表达式为：

EENS＝(P_oc-P_rc)P(X) (20)

式中，P_oc为停运容量；P_rc为微电网备用容量；P(X)为停运容量为P_oc的概率。

用户供电指标效益指标B_URB

B_URB包括用户平均停电频率和用户平均停电持续时间，其中：

用户平均停电频率(Customer Average Interruption Frequency Index，CAIFI)指一年中每个受停电影响用户所遭受的平均停电次数，其计算公式如下：

$CAIFI=\frac{\underset{h}{\&Sigma;}{\mathrm{\&lambda;}}_h{N}_h}{\underset{h\&Element;EFF}{\&Sigma;}{N}_h}---\left(21\right)$

式中，λ_h为负荷点h的故障率；N_h为负荷点h的用户数；EFF为受停电影响的负荷点集合；

用户平均停电持续时间(Customer Average Interruption Duration Index，CAIDI)是指一年中被停电的用户所遭受的平均停电持续时间，其计算公式如下：

$CAIFI=\frac{\underset{h}{\&Sigma;}{\mathrm{\&lambda;}}_h{N}_h}{\underset{h\&Element;EFF}{\&Sigma;}{N}_h}---\left(22\right)$

式中，U_h为负荷点h的年平均停电时间。

实施例六

下文结合前述实施例，对本发明实施例六提供的优化配置方法中的确定综合效益评估指标对应的权重系数进行进一步的详细说明。

综合效益评估指标中各项指标的权重系数反映其重要程度，常用的方法有变异系数法、主成分分析法和因子分析法等。在优选的实施例中，可以采用层次分析法(AHP)和熵权法结合来确定综合效益评估指标中各项指标的权重系数，如图3所示，该方法具体包括如下步骤：

步骤301：建立层次结构模型

具体地，可以根据微电网历史运行数据建立评价指标系统，确定层次结构模型。例如，综合效益评估指标中有各项评价指标m个，项目的供选方案有n个，则n个方案对应m个评价指标的指标值构成指标决策矩阵

X＝(x_ij)_n×m

步骤302：对数据进行标准化处理

由于综合效益评价指标的量纲和类型各不相同，难以比较，为方便处理，可以对各个指标用极差变换法进行标准化处理。例如，对应指数值越大越好的指标，进行“正向”指标标准化处理

$y_{ij}=\frac{x_{ij}-x_{ij,min}}{x_{ij,\max }-x_{ij,min}}---\left(23\right)$

对于指数值越小越好的指标，进行“逆向”指标标准化处理

$y_{ij}=\frac{x_{ij,max}-x_{ij}}{x_{ij,\max }-x_{ij,min}}---\left(24\right)$

标准化之后得到的决策矩阵为：

Y＝(y_ij)_n×m

步骤303：通过AHP确定主观权重

具体地，可以先根据微电网历史运行数据建立权重要素递阶层次结构，对每层要素逐对进行比较构成判断矩阵，计算该层要素在单一预设主观权重准则下的相对权重及对于总体目标的组合权重；最后还可进行一致性检验。

步骤304：通过熵权法确定客观权重

熵权法值对指标的相对重要度进行度量，计算第j个指标的熵可以表达为：

$H\left(y_j\right)=1+{\left(\ln n\right)}^{-1}\underset{i=1}{\overset{n}{\&Sigma;}}{x}_{ij}\ln x_{ij}---\left(25\right)$

其中，

$x_{ij}=y_{ij}/\underset{i=1}{\overset{n}{\&Sigma;}}{y}_{ij}---\left(26\right)$

进一步可以由式(27)计算指标j的权重ε_j：

${\mathrm{\&epsiv;}}_j=H_j/\underset{j=1}{\overset{m}{\&Sigma;}}{H}_j---\left(27\right)$

式中，0≤ε_j≤1，

步骤305：确定综合权重系数

由熵权法确定的指标权重是根据数据间的关系决定的，但并未考虑实际情况，而AHP确定的权重是由微电网历史运行数据得到的，将两者结合的综合度量更为准确，例如可以通过如下方法确定综合权重系数：

ω_i＝αω_i'+(1-α)ω_i”(28)

式中，0≤α≤1，ω_i＇表示主观权重值；ω_i″表示客观权重值。

通过AHP将复杂的微电网分层分解，在定性分析与定量分析相结合的基础上进行简单的数学运算，得到明确的结果；进一步地通过熵权法对各属性的联系程度或提供的信息量的相对重要度进行度量来决定个指标权重。通过AHP-熵权法确定多目标函数中各因素权重，将多目标函数转换成单目标函数进行求解，在兼顾指标数据客观性的前提下，使确定的综合效益评估指标对应的权重系数结果更加准确、可靠。

实施例七

下文结合前述实施例，对本发明实施例七提供的优化配置方法中的约束条件进行进一步的详细说明。

约束条件主要包括：优化变量约束、分布式电源运行约束、供电可靠性约束、能源过剩约束、配网友好接入约束、以及微电网自身性能约束等约束条件。下面逐个进行说明：

优化变量约束

在进行微电网中分布式电源数量配置时，例如，单台风力发电机、单块光伏电池板和单块铅酸蓄电池的类型确定，可以选择风力发电机并入台数N_WT、光伏电池板阵列个数N_PV、蓄电池安装个数N_BAT和微型燃气轮机台数N_MT作为优化变量。考虑到微电网规划设计时各分布式电源的规划面积，优化变量受到一定约束，例如：

$\begin{array}{c}{N}_{WT\_\min }\&le;N_{WT}\&le;N_{WT\_\max }\\ N_{PV\_\min }\&le;N_{PV}\&le;N_{PV\_\max }\\ N_{BAT\_\min }\&le;N_{BAT}\&le;N_{BAT\_\max }\\ N_{MT\_\min }\&le;N_{MT}\&le;N_{MT\_\max }\end{array}---\left(29\right)$

式中，N_{WT_max}、N_{PV_max}、N_{BAT_max}、N_{MT_max}分别为风力发电机、光伏电池板阵列、蓄电池和微型燃气轮机根据实际场地确定的最大安装数量；N_{WT_min}、N_{PV_min}、N_{BAT_min}、N_{MT_min}分别为对应的最小安装数量，例如，可以为0。

分布式电源运行约束

对于微型燃气轮机，其功率约束为：

P_{MT_min}≤P_MT≤P_{MT_rate} (30)

式中，P_MT为微型燃气轮机输出功率；P_{MT_rate}为微型燃气轮机额定功率；P_{MT_min}为微型燃气轮机最小输出功率。

对于蓄电池，其在充放电过程中，其荷电状态(State Of Charge，SOC)存在能量约束：

SOC_min≤SOC(t)≤SOC_max (31)

SOC_min为SOC下限、SOC_max为SOC上限，例如，可以分别为0.2和0.8。

另一方面，蓄电池允许的最大充放电功率与当前蓄电池的SOC及端电压有关，因此存在如下约束：

$P_{ch}^{\max }\left(t\right)=N_{BAT}\&CenterDot;max\{0,min\{({\mathrm{SOC}}_{\max }-SOC(t\left)\right)\&CenterDot;C_{BAT}/\mathrm{\&Delta;}t,I_{ch}^{\max }\}\&CenterDot;U_{BAT}\left(t\right)\}---\left(32\right)$

$P_{dh}^{\max }\left(t\right)=N_{BAT}\&CenterDot;max\{0,min\{\left(SOC\right(t)-{\mathrm{SOC}}_{min})\&CenterDot;C_{BAT}/\mathrm{\&Delta;}t,I_{dh}^{\max }\}\&CenterDot;U_{BAT}\left(t\right)\}---\left(33\right)$

式中，N_BAT为蓄电池数量；U_BAT为蓄电池端电压；C_BAT为蓄电池额定容量；P_ch ^max、P_dh ^max分别为蓄电池允许的最大充电功率和放电功率；I_ch ^max、I_dh ^max分别为单位时间内允许的最大充电和放电电流，例如，可以取值为不超过蓄电池额定容量的20％。

供电可靠性约束

若微电网在孤网运行时，分布式电源无法满足符合需求；或并网运行时，需要从配电网获取的功率超过联络线传输功率限制，则微电网会出现能量不足的情况。通过提高微电网分布式电源的容量配置可以解决上述问题，但增加过多会使投资成本大幅增加。因此，可将负载失电率(Loss of Power Supply Probability，LPSP)作为微电网全年运行的可靠性约束条件，从而实现微电网不同负载失电率情况下的优化配置。其表达式如下：

$LPSP=\frac{\underset{i=1}{\overset{8760}{\&Sigma;}}{P}_{lpsp}\left(t\right)}{\underset{i=1}{\overset{8760}{\&Sigma;}}{P}_{load}\left(t\right)},LPAP\&le;{\mathrm{LPSP}}_{max}---\left(34\right)$

式中，P_lpsp(t)为t时刻微电网未能满足的用电功率；P_load(t)为t时刻总的负载需求功率；LPSP_max为微电网允许的最大负载失电率；i为一年8760个小时中第i小时。

能源过剩约束

微电网孤网运行时，若风力发电机、光伏阵列出力超过负荷需求和储能SOC上限之和的约束；或者在微电网并网运行时，向配电网输电超过联络线输送功率上限，微电网会出现能量过剩。为此，可以设置微电网能量过剩率(Excess Energy Ratio，EXC)进行约束：

$EXC=\frac{\underset{i=1}{\overset{8760}{\&Sigma;}}{P}_{exc}\left(t\right)}{\underset{i=1}{\overset{8760}{\&Sigma;}}{P}_{load}\left(t\right)},EXC\&le;{\mathrm{EXC}}_{max}---\left(35\right)$

式中，P_exc(t)为t时刻微电网内多余的输出功率；P_load(t)为t时刻总的负载需求功率；EXC_max为微电网允许的最大能量过剩率。

配网友好接入约束

微电网中分布式电源出力主要来自WT和PV，其间歇性将影响微电网的稳定运行，当微电网与配电网并网运行时，对配电网的稳定运行和电能质量也会存在负面影响。因此，可以设置微电网和配电网的公共连接点(PCC)处的电压水平约束、功率因素、交互功率等约束，以保证微电网的友好接入和配电网的稳定运行。

具体地，电压水平约束为：

U_{PCC_min}≤U_PCC≤U_{PCC_min} (36)

式中，U_PCC是PCC点的电压水平；U_{PCC_min}、U_{PCC_max}分别是PCC点电压水平最小和最大限值。

功率因数约束：

${\mathrm{\&lambda;}}_{PCC}=\frac{P_{line}}{\sqrt{P_{line}^2+Q_{line}^2}}\&GreaterEqual;{\mathrm{\&lambda;}}_{PCC\_set}---\left(37\right)$

式中，λ_PCC，set为PPC点功率因数期望值；λ_PCC为PCC点功率因数；P_line为有功交互功率；Q_line为无功交互功率。

交互功率约束：

$S_{PCC}=\sqrt{P_{line}^2+Q_{line}^2}\&le;S_{PCC\_set}---\left(38\right)$

式中，S_{PCC_set}为PCC电交换功率限值；S_PCC为PCC点实际功率。

微电网自身性能约束：

$R_{self}=\frac{E_{self}}{E_{total}}\&GreaterEqual;R_{self\_set}---\left(39\right)$

式中，R_self为自平衡率；R_{self_set}为自平衡率期望；E_self为微电网自身所能满足的负荷用电量；E_total为微电网负荷的总用电率。

通过对微电网自平衡率进行约束，能够缓解内部负载的用电压力，提升微电网中分布式电源的供电质量。

实施例八

下文结合前述实施例，对本发明实施例八提供的优化配置方法中的微电网运行方案进行进一步的详细说明。

具体地，微电网运行方案可以包括微电网孤网运行，或者微电网并网运行。

微电网孤网运行

可以采用软充电(SC)和硬充电(HC)相结合的改进充电策略实现微电网孤网运行。当微电网中可再生能源电源(例如WT、PV等)和储能电源(例如BAT等)的输出功率能够满足负荷需求时，非可再生能源电源(例如MT)停止运行；当可再生能源能量剩余时，向储能装置充电；当可再生能源电源和储能装置不能满足负荷需求时，微型燃气轮机启动，跟随微电网负荷变化，同时储能装置充电，直至储能装置充满或者可再生能源能够满足负荷需求。

微电网并网运行

并网型微电网可与配电网进行自由双向交换功率，基于微电网“削峰填谷”的作用，谷时不向配电网售电，峰时在安全可靠运行的基础上，可向配电网售电。例如，并网运行方案可以包括如下策略：

策略1：微电网内部优先利用WT、PV发电，跟踪控制最大功率输出；

策略2：当WT、PV和MT的出力超过微电网负荷时，超出的部分在峰时向配电网出售，在谷时向BAT充电，若BAT达到SOC上限，则向配电网售电，此时若MT发电成本低于电价，可在约束条件下增加出力向配电网售电；

策略3：当WT、PV和MT的出力无法满足微电网内部负荷时，则通过BAT输出供电，同时检测BAT的充放电状态；

策略4：若BAT在处理范围内可满足微电网安全可靠运行，在峰时增加BAT输出向配电网售电；

策略5：若BAT出力无法确保微电网安全可靠运行，则比较MT发电成本与购电成本，若MT发电成本高于购电成本，则MT不出力，向配电网购电；若不满足配网友好接入约束，则启动MT来满足微电网内负荷需求；

策略6：若MT发电成本低于电价，微电网优先调度MT出力，若在MT出力范围内可满足微电网负荷需求，则可继续出力向配电网售电。若MT不能满足微电网内部负荷，则向配电网购电。

实施例九

下文结合前述实施例，对本发明实施例九提供的优化配置方法中通过粒子群优化算法求解综合效益目标函数进行进一步的详细说明。

首先，可以根据如下微电网优化变量建立粒子群：风力发电机台数N_WT、光伏电池板阵列个数N_PV、蓄电池安装个数N_BAT和微型燃气轮机台数N_MT；对以上粒子群的规模、初始速度和位置等进行初始化；

针对种群中的每个例子，结合采集的微电网中分布式电源的运行环境数据和负载数据，获取微电网中分布式电源的输出数据；然后根据分布式电源模型(例如式(1)至(6))以及微电网运行方案，进行微电网运行仿真，分别获取WT、PV、BAT和MT额定功率，综合效益评估指标(例如通过式(7)至(21)获取)及其对应的权重系数(例如通过式(23)至(28)获取)，求目标函数(22)，获取每个例子对应的分布式电源数量N_WT、N_PV、N_BAT、N_MT，筛选出满足约束条件分布式电源数量集合，作为微电网中分布式电源的配置数量。

以上实施方式仅用于说明本发明的较佳实施例，而非对本发明的限制。相关技术领域的技术人员在不脱离本发明的原则和范围的情况下，做出的各种替换、变型以及改进均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于综合效益分析的微电网优化配置方法，其特征在于，所述方法包括：

采集微电网中分布式电源的运行环境数据和负载数据，根据分布式电源模型以及微电网运行方案，获取分布式电源的输出数据和综合效益评估指标；

根据综合效益评估指标及其对应的权重系数，建立以分布式电源数量为变量的综合效益目标函数；

通过粒子群优化算法求解综合效益目标函数，获取满足约束条件的分布式电源数量，作为微电网中分布式电源的配置数量。

2.根据权利要求1所述的方法，其特征在于，所述分布式电源包括：风力发电机WT、光伏阵列PV、微型燃气轮机MT、以及储能装置BAT；

所述分布式电源模型包括：WT出力模型、PV出力模型、MT出力模型、以及BAT容量模型。

3.根据权利要求1所述的方法，其特征在于，所述微电网运行方案包括：微电网孤网运行，或者微电网并网运行。

4.根据权利要求1所述的方法，其特征在于，所述综合效益评估指标包括：经济效益指标、环境效益指标、以及可靠性效益指标。

5.根据权利要求4所述的方法，其特征在于，所述经济效益指标包括：等年值投资成本指标和经济收益指标；

所述环境效益指标包括：节能效益指标和减排效益指标；

所述可靠性效益指标包括：微电网可靠性效益指标和用户供电指标效益指标。

6.根据权利要求1所述的方法，其特征在于，所述约束条件包括：优化变量约束、分布式电源运行约束、供电可靠性约束、能源过剩约束、配网友好接入约束、以及微电网自身性能约束。

7.根据权利要求1至6中任一项所述的方法，其特征在于，所述方法进一步包括：采用极差变换法对所述综合效益评估指标进行标准化处理。

8.根据权利要求7所述的方法，其特征在于，所述综合效益目标函数为：

min F(x)＝min∑ω_if_i(x)

其中，x为分布式电源数量，i为正整数，f_i(x)为经过标准化处理的第i项综合效益评估指标，ω_i为第i项综合效益评估指标对应的权重系数。

9.根据权利要求8所述的方法，其特征在于，所述方法进一步包括：采用层次分析法和熵权法结合来确定综合效益评估指标对应的权重系数。

10.根据权利要求8所述的方法，其特征在于，所述方法进一步包括：

获取两组以上的微电网中分布式电源的配置数量，选择其中对应综合效益评估指标高于预设值的作为微电网中分布式电源的配置数量。