計及停電損失期望的微網經濟運行

李志奇，呂林，張燃

（1.四川大學電氣信息學院，成都 610065；2.四川電力科學研究院，成都 610072）

計及停電損失期望的微網經濟運行

李志奇1，呂林1，張燃2

（1.四川大學電氣信息學院，成都 610065；2.四川電力科學研究院，成都 610072）

由于微網內部分布式電源以及負荷的隨機性較大，其對供電可靠性的影響也較大，在運行時，可靠性水平是一個不可忽略因素。以停電損失期望ECOST（expected customer interruption cost）作為可靠性評估指標，將其加入目標函數中，建立了含實際約束的多目標經濟運行優化模型，并考慮風能、太陽能以及負荷的隨機性，通過轉換為多目標模糊優化模型，運用隨機模擬粒子群算法PSO（particle swarm optimazation）和改進的隸屬度決策方法進行求解。算例結果表明該模型能夠以盡量小的經濟損失達到較高的可靠性和環境保護的效果，實現了節能發電調度。

微網；經濟運行；多目標；停電損失期望；粒子群算法

隨著傳統電力系統的缺點日益顯著和傳統能源的枯竭，高效、經濟以及環保的分布式發電系統受到越來越多的重視[1，2]。在節能減排的大環境下，我國也開始了重視微網系統的發展，但還處在起步階段。

微網的經濟運行是微網研究的重要內容之一。目前，對微網經濟運行優化的研究主要集中在經濟效益和環保效益兩方面，但對微網供電可靠性的研究較少。微網中由于部分發電單元的出力具有隨機性，對供電的可靠性影響較大，計算微網經濟運行可靠性成本時很有必要的。文獻[3]考慮到微網系統中風能、太陽能以及熱電負荷的隨機性，應用機會規劃約束理論建立經濟運行模型，實現了微網的經濟優化調度，使發電成本得到有效降低；文獻[4]以鈉硫電池儲能的微網系統為例，分析了運行策略、電價類型以及優化目標等多種因素對微網經濟的影響；文獻[5]介紹了小型燃氣輪機相對于微型燃氣輪機有更好的經濟性能；文獻[6]分析了電力市場條件下，微網的競價上網策略，但具體的發電單元優化并未提及；文獻[7]建立起以網損、排污水平為考核目標的多目標模型，使得微網經濟優化更接近實際情況；文獻[8]分析了多種供能系統組成微網的經濟優化模型，但沒有考慮微網與主網交互的情況。

本文從微網經濟運行的發電成本、排污成本和可靠性成本出發，建立多種約束的多目標經濟運行模型。通過提出的調度策略，并用隨機的粒子群多目標算法進行求解綜合考慮微網有效經濟運行方式。

1 可靠性成本的評估方法

微網系統中由于風能、太陽能等發電單元以及負荷的隨機性較大，微網的調度比較困難，所以，在微網運行時需維持一定的可靠性水平。通常，在經濟優化中，可以通過將這種可靠性水平轉換為經濟指標來處理。在實際當中，可通過估算電力供應中斷對用戶造成的經濟損失即用戶停電損失期望來評估可靠度成本，這是一種比較有效的方法。可見，對于評估電力系統可靠度，確定微電網系統的經濟運行方式，研究停電損失期望，有著重要意義。

停電損失期望[9]是指由于電力供應中斷或者不足而發生斷電或限電時，電力企業和用戶的經濟損失。

在某一時段t內，用戶的停電損失期望COC（t）可表示為微網的電量不足期望ENS（t）與停電損失評價率IEAR的乘積[9]，即

式中，IEAR可通過對用戶問卷調查等方法[10]得到。給定時段內ENS（t）可表示為

式中：Pk為狀態k條件下丟失的負荷功率；pk為t時段系統處于狀態k的概率[11]；Δt為給定的時段長度；N為機組的狀態集合，由于微電網系統中發電單元較少，可以用枚舉法求得。

Pk和pk[12]可分別表示為

式中：集合S、U分別為狀態k下的不可用機組集合和可用機組集合；Pj（t）為機組i在t時段的輸出

式中：a為發電單元i的故障率；b為發電單元i修復率；t為預測的提前時間。當預測時刻發電單元i可用時，pDN（0）=1，pUP（0）=0；否則，pDN（0）=0，pUP（0）=1。

2 微電網經濟運行多目標數學模型

功率；Ri（t）為備用的發電單元；W為在預測時刻投入發電單元的集合；pi（t）為發電單元i在t時刻停運的概率；pj（t）發電單元j在t時刻停運的概率。在本文中備用容量由蓄電池提供。

本文采用基于齊次Markov過程的元件瞬時狀態概率來描述元件的暫態停運率[13]，即

本文針對含有光伏電池PV（photo-voltaiccells）、風機WT（wind turbines）、燃料電池FC（fuel cell）、燃氣輪機MT（micro gas turbine）和蓄電池BT（battery）等發電單元的微網系統，提出了計及停電損失期望的微網多目標經濟優化模型和調度策略。

2.1 目標函數

式中：F1（x）為微網的運行費用，包括從大電網購電的費用，風電機組、光伏電池、燃料電池、燃氣輪機等微源的能耗成本以及向大電網售電的收入；F2（x）為微網的排污水平；F3（x）為微網用戶停電損失期望；CF（t）為微網各微電源的能耗成本；CS（t）為微網向主網的售電收益；CB（t）為微網向主網的購電成本；CL（t）為微網發電單元的排污水平；COC（t）為用戶停電損失期望。

2.2 約束條件

若忽略網損及電力電子器件能量損耗，微電網在運行期間需滿足的約束條件如下。

（1）功率平衡約束為

式中：Pex為微電網與主網之間交換功率（微電網吸收功率Pex值為正，反之為負）；PDGi為電源i的功率輸出；Nd為微電網中電源總數；Pload為微電網內部負荷需求量。

（2）分布式電源出力限值為

（3）蓄電池容量約束為

式中，Smin和Smax分別為蓄電池剩余電量的最小允許值和最大允許值。

3 微網經濟運行多目標模型求解

3.1 調度策略

鑒于投資成本及環境因素考慮，對含分布式電源的微網調度采用優先利用風力發電及光伏發電等所產生的清潔能源，即風電機組和光伏電池常工作于最大功率點追蹤模式，其輸出功率受自然條件影響，一定程度不遵循調度。本文的調度策略均是基于以上條件提出。

策略1：并網運行方式下，可再生能源最大化利用，微網與主網可以自由雙向交換功率。優先利用微網內部發電單元滿足負荷需求。

策略2：并網運行方式下，可再生能源最大化利用，微網與主網可以自由雙向交換功率。主網與微網所有的發電單元都參與優化調度。

策略3：孤島運行方式下，可再生能源最大化利用。微網發電單元都按照優化調度結果出力。

3.2 多目標模型轉化

通過表征各子目標之間協調的關系，借用加權法將多目標優化問題轉化為單目標問題來進行求解。

為了表征各子目標之間復雜的關系，定義協調度入為

式中，d1、d2為定義的歐氏距離，即

在微網系統中的不確定因素主要是各時段風機出力、光伏電池出力以及微網負荷需求，由式（9）可知微網系統內部其他機組的出力也具有隨機性，都是模糊數，故目標函數也是模糊數。模糊建模的關鍵是確定模糊變量的隸屬函數[14]。梯形隸屬函數為

式中：K為子目標個數；Fkmax、Fkmin、Fk分別為第k個子目標的最大值、最小值和適應值。

在計算時，用戶給出每個子目標的滿意度，借用目標加權法，定義目標重視度為

式中，μk*為用戶給出各目標的滿意度。

以目標重視度為權值，對目標加權得

綜合滿意度指標與協調度指標，原多目標模型轉化為

3.3 粒子群算法

粒子群算法PSO（particle swarm optimization）是一種群智能算法[15]，其對復雜的非線性問題具有較強的尋優能力，且簡單通用，魯棒性強，實現容易，精度高，收斂快，在解決實際問題展示了其優越性。粒子群算法（PSO）基本描述為

式中：vk為粒子在第k次飛行時的速度；w為慣性權值；c1、c2稱為加速因子；rand1（）和rand2（）是0～1之間的隨機數。粒子下一時刻的位置為

3.4 求解步驟

采用粒子群算法求解微網經濟運行問題的整個流程如下。

步驟1輸入微網系統基礎數據包括各時段負荷大小、各時段風電場平均輸出功率、光伏電池的輸出功率、各發電單元有功輸出上下限值、發電機耗量成本系數、排污系數、停電評價率以及隸屬度參數。

步驟2計算各目標函數在實際約束下的最大值、最小值。將數學模型模糊化，轉換成單目標函數。

步驟3初始化粒子群。各粒子的初始化要滿足約束條件。

步驟4計算各子目標的函數值，計算目標函數值。

步驟5設置最大迭代次數Kmax。

步驟6計算局部最優值和全局最優值。

步驟7若迭代次數k＞Kmax，則計算結束；否則，轉到步驟8。

步驟8按照PSO算法數學描述的式（17）和式（18），更新粒子速度和位置。粒子更新時，若超過邊界，重新更新直到滿足條件為止。

步驟9令k=k+1，轉到步驟4。

4 算例分析

4.1 系統參數

算例所建立的微網系統模型由PV、WT、FC、MT以及BT組成，如圖1所示。主網與微網交換功率上限為30 kW。微網與系統的交互電價采用實時電價且購電電價與售電電價相等。蓄電池在運行前處于荷電電狀態且不計其維護費用。微網各發電單元參數信息如表1所示。表2是各發電單元的污染物排放系數。根據風速得到風機輸出功率曲線和根據太陽輻射強度得到的光伏電池的輸出功率曲線如圖2所示。大電網的實時電價曲線如圖3所示。該地區典型的日負荷曲線如圖4所示。

圖1 微網系統結構Fig.1 Configuration of them icrogrid system

4.2 結果分析

在調度策略2下單目標優化和多目標模型優化的結果見表3。

表1 微網各發電單元參數Tab.1 Parametersofeach generation unit inm icrogrid

表2 發電單元污染物排放系數Tab.2 Pollutantem ission coefficientofgeneration unit

圖2 風機、光伏電池輸出功率曲線Fig.2 CurvesofWT and PV output power

圖3 大電網實時電價曲線Fig.3 Curve of real time power price

圖4 微網內部負荷曲線Fig.4 Curve of load inm icrogrid

表3 單目標、多目標優化結果對比Tab.3 Comparison ofoptim ization resultsbetween singleandmulti-objective 元

從表3可知，微網運行的多目標模型比單目標模型的各項費用都有所增加，使得經濟性、可靠性和環境性三者得到平衡，同時兼顧了電廠、用戶和社會效益，提高了供電的質量和可靠性，實現了分布式電源的經濟運行和合理利用。可見，多目標模型比單目標模型更能接近實際情況。

圖5、圖6和圖7分別是不同調度策略下，微網系統經濟運行的發電成本、污染成本以及停電損失期望的結果對比。可以看出，采用策略1時，相比較策略3，其發電成本與停電損失期望均有所降低，這是因為在并網運行的方式下，微網可以和主網自由交互，可以向主網售電或者購電，從而降低發電成本。同時，微網由于得到主網的支撐，可靠性提高，可靠性成本降低。策略2相比較策略1，結果更優。主要是由于主網參與優化，微網供電方式更加靈活多樣，使得發電成本與可靠性成本均有進一步地減少。

考慮不同調度策略下多目標優化模型優化的結果如表4所示。

圖5 不同策略下發電成本比較Fig.5 Comparison ofelectricity costbetween differentstrategies

圖6 不同策略下污染成本比較Fig.6 Com parison of sewage costbetween differentstrategies

圖7 不同策略下停電損失期望比較Fig.7 Comparison of ECOST between differentstrategies

從表4中可以看出對總費用影響最大的是停電損失期望，發電成本次之，排污成本的影響最小。這就說明對微網經濟運行影響最大的因素是可靠性，經濟性影響次之，環境因素最小。這主要是由于微電網中機組出力的不確定性以及大部分機組是清潔能源和污染程度低的發電單元的緣故。

表4 策略1、策略2、策略3優化對比Tab.4 Optimaldecisionsamong strategies1，2 and 3元

5 結語

本文建立計及停電損失期望的微網經濟運行的多目標模型，考慮到各個目標之間復雜關系，通過算例分析，驗證了主網參與微網內部優化，不僅能夠提高經濟效益，而且還可以提高微網供電的可靠性，同時也為環境改善帶來巨大效益，兼顧了經濟性、環保性以及可靠性之間的協調。該模型能夠以盡量小的經濟損失達到較高的可靠性和環境保護的效果，實現了節能發電調度。

[1]趙宏偉，吳濤濤（Zhao Hongwei，Wu Taotao）.基于分布式電源的微網技術（Review of distributed generation basedmicrogrid technology）[J].電力系統及其自動化學報（Proceedings of the CSU-EPSA），2008，20（1）：121-128.

[2]郭力，王守相，徐東，等（Guo Li，Wang Shouxiang，Xu Dong，etal）.冷電聯供分布式供能系統的經濟運行分析（Economicaloperation analysisofCCP distributed energy supply system）[J].電力系統及其自動化學報（Proceedingsof the CSU-EPSA），2009，21（5）：8-12.

[3]王銳，顧偉，吳志，等（Wang Rui，GuWei，Wu Zhi，etal）．含可再生能源的熱電聯供型微網經濟運行優化（Economic and optimaloperation ofa combined heatand power microgrid with renewable energy resources）[J]．電力系統自動化（Automation of Electric Power Systems），2011，35（8）：22-27.

[4]丁明，張穎媛，峁美琴，等（Ding Ming，Zhang Yingyuan，Mao Meiqin，etal）．包含鈉硫電池儲能的微網系統經濟運行優化（Economic operation formicrogrids including Na/Sbattery storage）[J]．中國電機工程學報（Proceedings of the CSEE），2011，31（4）：7-14.

[5]魏兵，王志偉，李莉，等（WeiBing，Wang Zhiwei，Li Li，et al）．微型燃氣輪機冷熱電聯產系統經濟性分析（Analysis of economic efficiency for cold，heat and electricitytriple co-generation system withminiature gas turbine）[J]．熱力發電（Thermal Power Generation），2007，36（9）：1-5．

[6]艾芊，章健（AiQian，Zhang Jian）．基于多代理系統的微電網競價優化策略（Optimization bidding strategies of microgrids based on multi-agent system）[J]．電網技術（Power System Technology），2010，34（2）：46-51．

[7]鄭漳華，艾芊，徐偉華，等（Zheng Zhanghua，AiQian，Xu Weihua，etal）．智能電網經濟運行的多目標調度優化策略（Amultiobjective dispatch optimization strategy for economic operation of smart grids）[J]．電網技術（Power System Technology），2010，34（2）：7-13．

[8]丁明，包敏，吳紅斌（DingMing，BaoMin，Wu Hongbin）．分布式供能系統的經濟調度（Economic dispatching on distributed energy supply system）[J]．電力科學與技術學報（Journalof Electric Power Science and Technology），2008，23（1）：13-17．

[9]陳曉，王建新，臧寶鋒，等（Chen Xiao，Wang Jianxin，Zang Baofeng，etal）.城市電網用戶停電損失及其估算方法的研究（Research on the power outage costand its estimation in the electric power network）[J].昆明理工大學學報：理工版（Journalof Kunming University of Science and Technology：Science and Technology），2003，28（1）：53-56.

[10]Billinton R，Oteng-Adjei J，Ghajar R．Comparison of two alternate methods to establish an interrupted energy assessment rate[J]．IEEE Trans on Power Systems，1987，2（3）：751-757．

[11]Billinton R，Allan R N．Reliability Evaluation of Power Systems[M]．New York：Plenum Press，1996.

[12]何劍，程林，孫元章（He Jian，Cheng Lin，Sun Yuan zhang）.電力系統運行可靠性成本價值評估（Power system operational reliability cost/worth evaluation）[J].電力系統自動化（Automation of Electric Power Systems），2009，33（2）：5-9.

[13]Billinton R，Jain A V.The effectof rapid startand hot reserve units in spinning reserve studies[J].IEEE Trans on Power Apparatusand Systems，1972，91（2）：511-516.

[14]胡國強，賀仁睦（Hu Guoqiang，He Renmu）．梯級水電站多目標模糊優化調度模型及其求解方法（Modeland algorithm ofmulti-objective fuzzy optimal scheduling for cascaded hydroelectric power plant）[J]．電工技術學報（Transactions of China Electrotechnical Society），2007，22（1）：154-158．

[15]胡德峰，張步涵，姚建光（Hu Defeng，Zhang Buhan，Yao Jianguang）.基于改進粒子群算法的多目標最優潮流計算（Improved particle swarm optimization algorithm for multi-objective optimalpower flow）[J].電力系統及其自動化學報（Proceedingsof the CSU-EPSA），2007，19（3）：51-57.

Econom ic Operation ofM icrogrid Considering Customer Interruption Cost

LIZhi-qi1，LüLin1，ZHANGRan2
（1.Schoolof Electrical Engineering and Information，Sichuan University，Chengdu 610065，China；2.Sichuan Electric Power Testand Research Institute，Chengdu 610072，China）

The outputof distributed generation（DG）and load are random inmicrogrid system，which has inevitable impacts on the electricity reliability.The electricity reliability is a key factorwhich can notbe ignored to the operation ofmicrogrid.Therefore，amodelwhichmeets the actual constraints is developed to achieve economic and optimaloperation ofmicrogrid，with expected customer interruption cost（ECOST）as one of the objective functions.Themodel takes the stochastic nature ofwind power，photovoltaic powerand loads into consideration.Particle swarm optimization（PSO）algorithm and improved decision-makingmethod formulti-objective are used to solve the above optimization model.The results show that themodel can reach a higher reliability and environmental effectat low operation costas possible，and can realize thegoalofenergy-savinggeneration dispatch.

micogrid；economic operation；multi-objective；expected customer interruption cost；particle swarm optimazation algorithm

TM731

A

1003-8930（2013）05-0077-06

李志奇（1987—），男，碩士研究生，研究方向為微網經濟運行及電力市場。Email：715413122@qq.com

2011-11-11；

2011-12-16

呂林（1963—），男，博士，教授，研究方向為配電自動化。Email：lvlin@scu.edu.cn

張燃（1980—），男，碩士，工程師，研究方向為配電網可靠性。Email：lizhiqi106@163.com