基于成本和效益分析的并網(wǎng)光儲微網(wǎng)系統(tǒng)電源規(guī)劃

韓曉娟　王麗娜　高　僮　修曉青

（1. 華北電力大學(xué)控制與計算機工程學(xué)院　北京　102206 2. 國網(wǎng)吉林省電力有限公司長春供電公司　長春　130000 3. 中國電力科學(xué)研究院　北京　100192）

基于成本和效益分析的并網(wǎng)光儲微網(wǎng)系統(tǒng)電源規(guī)劃

韓曉娟1王麗娜1高僮2修曉青3

（1. 華北電力大學(xué)控制與計算機工程學(xué)院北京102206 2. 國網(wǎng)吉林省電力有限公司長春供電公司長春130000 3. 中國電力科學(xué)研究院北京100192）

隨著微網(wǎng)的迅速發(fā)展，電源規(guī)劃對微網(wǎng)的建設(shè)具有重要指導(dǎo)意義。針對并網(wǎng)光儲微網(wǎng)系統(tǒng)電源規(guī)劃問題，提出基于成本和效益分析的并網(wǎng)微網(wǎng)系統(tǒng)電源規(guī)劃方法。在考慮光伏補貼政策與兩部制用戶分時電價基礎(chǔ)上，根據(jù)成本和效益分析理論，建立以生命周期凈收益最大為目標的微網(wǎng)電源規(guī)劃模型，分別采用粒子群算法、人工魚群算法與量子遺傳算法對模型進行求解。通過對上海某地區(qū)實際負荷數(shù)據(jù)仿真分析，給出該地區(qū)并網(wǎng)光儲微網(wǎng)系統(tǒng)的電源規(guī)劃結(jié)果及其經(jīng)濟效益，以及三種算法的對比結(jié)果。仿真結(jié)果表明粒子群算法在該微網(wǎng)電源規(guī)劃模型求解中具有優(yōu)越性。

微網(wǎng)電源規(guī)劃成本和效益分析粒子群算法

0　引言

光伏（Photovoltaic， PV）發(fā)電因其經(jīng)濟、清潔環(huán)保等優(yōu)點，應(yīng)用范圍與規(guī)模逐漸擴大，技術(shù)更加成熟，成為微網(wǎng)中常用的電源形式［1，2］。由于光伏發(fā)電具有間歇性，為減少其并網(wǎng)時對大電網(wǎng)的沖擊，分布式光伏以微網(wǎng)形式接入電網(wǎng)是光伏并網(wǎng)的主要形式之一。分布式電源與微網(wǎng)的發(fā)展使光伏系統(tǒng)在微網(wǎng)中所占的比例也越來也高［3-5］。而儲能系統(tǒng)是微網(wǎng)必不可少的一部分，是微網(wǎng)改善電能質(zhì)量、安全可靠運行的關(guān)鍵。儲能系統(tǒng)根據(jù)負荷變化向電網(wǎng)釋放或吸收電能，具有削峰填谷、平滑負荷、降低供電成本、提高經(jīng)濟利益等特點［6-9］。在微網(wǎng)建設(shè)前期，需要進行電源規(guī)劃，即根據(jù)負荷需求，確定投建機組的類型、容量等，使微網(wǎng)滿足特定的優(yōu)化目標。微網(wǎng)的電源規(guī)劃研究可以為微網(wǎng)的建設(shè)提供理論指導(dǎo)，使微網(wǎng)能夠滿足一定的經(jīng)濟性、可靠性、環(huán)保性等［10，11］。

目前，國內(nèi)外學(xué)者針對微網(wǎng)電源規(guī)劃取得了一定的研究成果。文獻［12-15］以綜合成本最低作為規(guī)劃目標，考慮初始投資成本、年運行維護成本以及停電損失等，以能量平衡、負荷缺電率等為約束條件，建立孤島微網(wǎng)電源規(guī)劃模型。文獻［16］針對并網(wǎng)型風(fēng)光混合發(fā)電系統(tǒng)，給出一種基于發(fā)電效率衰減、分時電價和負荷逐年增長等條件的并網(wǎng)型分布式發(fā)電系統(tǒng)容量優(yōu)化配置方法。文獻［17］基于成本效益分析原理，以綜合最佳投資經(jīng)濟性（凈效益最大化）為目標，建立并網(wǎng)型微網(wǎng)電源容量優(yōu)化配置模型。

綜上所述，現(xiàn)有微網(wǎng)電源規(guī)劃研究多從經(jīng)濟性角度出發(fā)，以成本最小或凈收益最大為目標，但沒有充分考慮光伏發(fā)電的補貼政策、多省實行的峰谷分時電價以及兩部制分時電價。此外，微網(wǎng)的最重要目標是實現(xiàn)對低碳分布式能源的優(yōu)化利用，與低碳經(jīng)濟的發(fā)展要求相吻合［18］。因此，將低碳因素考慮到微網(wǎng)電源規(guī)劃中有重要意義。本文充分考慮光伏補貼與兩部制分時電價，結(jié)合并網(wǎng)光儲微網(wǎng)系統(tǒng)成本和效益分析，建立以生命周期凈收益最大為目標的電源規(guī)劃模型，采用粒子群算法對模型進行求解。通過對上海某地區(qū)負荷數(shù)據(jù)進行算例仿真，得到該地區(qū)并網(wǎng)光儲微網(wǎng)系統(tǒng)的規(guī)劃結(jié)果及其經(jīng)濟效益。

1　并網(wǎng)光儲微網(wǎng)系統(tǒng)成本和效益

1.1分時電價與用電負荷

目前，一些地區(qū)采用兩部制分時電價，把電價分成基本電價與電量電價兩部分，且電量電價部分的峰時電價和谷時電價不同［19］。其中，基本電價又稱容量電價，在計算每月基本電費時，以客戶用電設(shè)備容量或最大需量進行計算；電量電價又稱電能電價，在計算每月電量電費時，以客戶每月實際用電量進行計算［20］。兩部制電價的等效電價為

式中，a為基本電價；M為用戶變壓器容量（kV·A）或最大需用量（kW）；d為電量電價；H為耗電量（kW·h）。

將式（1）變形可得電費計算式為

式中，F(xiàn)1、F2、F分別為基本電費、電量電費和總電費。

某地負荷、光伏出力和分時電價曲線如圖1所示。分時電價是指根據(jù)電網(wǎng)的負荷變化情況，將每天24h劃分為高峰、平段、低谷等多個時段，對各時段分別制定不同的電價水平。由圖1可知，負荷高峰時電價高，負荷低谷時電價低，且光伏高峰與負荷高峰不一致。

1.2并網(wǎng)光儲微網(wǎng)系統(tǒng)結(jié)構(gòu)與儲能出力策略

并網(wǎng)光儲微網(wǎng)系統(tǒng)結(jié)構(gòu)示意圖如圖2所示。其中，PPG（t）為光伏發(fā)電輸出功率，PESS（t）為儲能系統(tǒng)輸出功率，Pload（t）為原始負荷功率，Pgrid（t）為光儲微網(wǎng)系統(tǒng)與大電網(wǎng)能量交換。當PESS（t）＞0時，儲能系統(tǒng)放電；當PESS（t）＜0時，儲能系統(tǒng)充電。當Pgrid（t）＞0時，Pgrid（t）=P'load（t），P'load（t）為微網(wǎng)內(nèi)負荷供電后所需負荷功率，稱其為合成負荷功率；當 Pgrid（t）＜0時，Pgrid（t）=Pout（t），Pout（t）為微網(wǎng)系統(tǒng)輸出功率，即向大電網(wǎng)售電功率。忽略系統(tǒng)各部分的能量損耗，根據(jù)能量守恒定律以及微網(wǎng)運行約束可得

當 Pgrid（t）＜0時，即微網(wǎng)向大電網(wǎng)售電，微網(wǎng)系統(tǒng)輸出功率為

圖2　并網(wǎng)光儲微網(wǎng)系統(tǒng)結(jié)構(gòu)示意圖Fig.2　Schematic diagram of grid-connected micro-grid with optical storage system

針對分時電價與用電負荷特點，儲能出力策略基本原則為在谷值電價時充電，在峰值電價時放電，降低用電費用。原始負荷與加入儲能后合成負荷對比曲線如圖3所示。由圖3可知，微網(wǎng)中儲能系統(tǒng)可以降低負荷峰值，從而降低容量，節(jié)省基本電費；同時，可以將峰值電價時期所需電量轉(zhuǎn)移到谷值電價時期購買，節(jié)省電量電費。

圖3　原始負荷與加入儲能后合成負荷對比曲線Fig.3　Compared curves of original and synthetic load using energy storage system

基于上述儲能出力策略，以儲能系統(tǒng)凈收益為目標函數(shù)，以儲能輸出功率、儲能荷電狀態(tài)為約束條件，建立非線性規(guī)劃模型，求解得到儲能系統(tǒng)最優(yōu)運行方式。非線性規(guī)劃模型如下。

1）目標函數(shù)

2）約束條件

儲能出力約束

式中，Pe為儲能功率。

儲能荷電狀態(tài)（State Of Charge， SOC）約束

式中，SOC表征儲能系統(tǒng)電量與儲能容量的百分比；SOCmin、SOCmax分別為SOC的上、下限。

充放電平衡約束

式中，η 為充放電效率。

負荷最大功率上限約束

式中，Pmax為負荷上限值，表征在儲能作用下用戶負荷最大值要低于此值從而達到容量電費的減少，且為峰值時段持續(xù)時間，EN為儲能系統(tǒng)的額定容量，且為儲能系統(tǒng)充放電時間，即儲能系統(tǒng)以額定功率Pe完全充電或放電所需時間。

針對上海地區(qū)某區(qū)域的負荷，在配置功率為500kW、充放電時間 Te=3h的儲能系統(tǒng)情況下，采用上述非線性規(guī)劃模型可得儲能最優(yōu)出力與負荷曲線如圖4所示，儲能系統(tǒng)SOC曲線如圖5所示。

儲能系統(tǒng)的生命周期凈收益即收益與成本之差。其中，收益為節(jié)省電費收益，成本包括初始投資成本與運行維護成本。配置不同功率容量的儲能系統(tǒng)并對儲能系統(tǒng)收益進行對比分析，凈收益與儲能系統(tǒng)充放電時間關(guān)系如圖6所示。由圖6可知，當儲能系統(tǒng)功率小于 700kW 時，充放電時間為Te=3h，凈收益最大；當儲能系統(tǒng)功率大于700kW時，充放電時間為Te=2h，凈收益最大。

圖4　儲能最優(yōu)出力與負荷曲線Fig.4　Curves of load and the optimal output of energy storage system

圖5　儲能系統(tǒng)SOC曲線Fig.5　SOC curve of the energy storage system

圖6　凈收益與儲能系統(tǒng)充放電時間關(guān)系Fig.6　Relationship between life cycle net profit and energy storage charge/discharge time

圖7　凈收益與儲能系統(tǒng)功率的關(guān)系Fig.7　Relationship between the life cycle net profit and energy storage power

圖7為凈收益與儲能系統(tǒng)額定功率PN的關(guān)系。由圖7可知，當儲能系統(tǒng)大于1 000kW時，在任意充放電時間下，凈收益均為負，因此為減少計算量，可設(shè)置儲能系統(tǒng)額定功率上限為1 000kW。

1.3成本和效益分析理論

成本效益分析（cost-benefit analysis）是通過比較項目的全部成本和效益來評估項目價值的一種方法，是經(jīng)濟系統(tǒng)分析的手段之一［21］。本文選擇凈現(xiàn)值法對并網(wǎng)光儲微網(wǎng)系統(tǒng)進行成本效益分析。凈現(xiàn)值法是評價投資方案的一種方法，凈現(xiàn)值大于零則方案可行，且凈現(xiàn)值越大，方案越優(yōu)，投資效益越好。凈現(xiàn)值計算式為

式中，N為生命周期年限；r為折現(xiàn)率（基準收益率），一般為8%；CI（n）為第n年的現(xiàn)金流入；CO（n）為第n年的現(xiàn)金流出。

1.4并網(wǎng)光儲微網(wǎng)系統(tǒng)成本

并網(wǎng)光儲微網(wǎng)系統(tǒng)的成本由以下三部分構(gòu)成。

1）初始投資成本

式中，Ppv、np，p分別為光伏發(fā)電系統(tǒng)的裝機容量、功率單價；ne，p為儲能變流器的單價；ne，e為儲能系統(tǒng)的容量單價。

2）運維成本

式中，Rout、we分別為儲能系統(tǒng)放電電量、維護單價；Ppv、wp分別為光伏系統(tǒng)裝機容量、維護單價。

3）設(shè)備更換成本

由于光伏發(fā)電系統(tǒng)生命周期長于儲能系統(tǒng)，因此，需要更換儲能系統(tǒng)，更換成本為

1.5并網(wǎng)光儲微網(wǎng)系統(tǒng)收益

并網(wǎng)光儲微網(wǎng)系統(tǒng)的收益由削減電費收益、向大電網(wǎng)售電收益、光伏補貼收益以及低碳收益四部分構(gòu)成。

1）削減電費收益

并網(wǎng)光儲微網(wǎng)系統(tǒng)降低了向大電網(wǎng)購電成本，從而獲得收益。削減電費收益計算式為

其中

基于上述供水系統(tǒng)的結(jié)構(gòu)，供水安全的影響因子也可分為三大部分，即水源因子、供水工程因子和用戶因子。其中水源影響因子包括兩大類，一類是水資源的自然稟賦，包括水資源量的多寡、時空分布狀況、過境可利用水資源量、水土資源匹配程度、極端水文事件發(fā)生的頻率和影響程度等；第二類是人為影響因子，包括水資源開發(fā)利用能力、水體污染程度、人為突發(fā)事件發(fā)生的風(fēng)險和影響程度等；供水工程影響因子包括工程格局、工程能力、工程系統(tǒng)協(xié)調(diào)度、工程質(zhì)量狀況及工程運行管理水平等；用戶影響因子包括人口規(guī)模、城鄉(xiāng)結(jié)構(gòu)、經(jīng)濟規(guī)模、產(chǎn)業(yè)結(jié)構(gòu)、灌溉規(guī)模、種植結(jié)構(gòu)、用水方式和技術(shù)水平、節(jié)水工藝和設(shè)備以及公眾意識和技能等等，見圖3。

式中，Irl為削減基本電費收益；Idl為削減電量電費收益；M為原始負荷最大功率，即負荷原始最大需用量；M'為合成負荷最大功率，即微網(wǎng)系統(tǒng)供電后最大需用量；a為基本電價；d（t）為電量電價；ΔT為時間間隔。

2）向大電網(wǎng)售電收益

并網(wǎng)微網(wǎng)與大電網(wǎng)之間存在能量雙向互動，因此，微網(wǎng)可以向大電網(wǎng)輸出多余電力而獲得收益。計算式為

式中，upv（t）為光伏上網(wǎng)電價。

3）光伏補貼收益

國家對光伏發(fā)電的支持力度不斷加大，實行分布式光伏補貼政策，光伏補貼收益計算式為

式中，Rpv為光伏發(fā)電量；bpv為光伏補貼標準。

4）低碳收益

碳排放交易（簡稱碳交易）是為促進全球溫室氣體減排、減少全球二氧化碳排放所采用的市場機制［22］，是發(fā)展低碳經(jīng)濟、實現(xiàn)可持續(xù)發(fā)展的重要途徑。因此，可通過碳交易將低碳效益量化，將低碳收益考慮在微網(wǎng)收益中。低碳收益計算式為

式中，Rc為碳減排量；pc為碳交易單價；rc為單位光伏發(fā)電量可以減少的碳排放量。

2　并網(wǎng)光儲微網(wǎng)系統(tǒng)電源規(guī)劃模型

2.1目標函數(shù)

為了使并網(wǎng)光儲微網(wǎng)系統(tǒng)更具經(jīng)濟性，本文基于收益成本分析，建立以生命周期凈收益最大為目標的微網(wǎng)電源規(guī)劃模型，其目標函數(shù)為

式中，NPV根據(jù)式（10）計算，且有

式中，n0代表此年內(nèi)需要進行設(shè)備更換。

2.2約束條件

微網(wǎng)電源規(guī)劃模型須滿足微網(wǎng)運行的以下約束條件。

功率平衡約束

電源出力上、下限約束

儲能荷電狀態(tài)約束

裝機容量約束

式中，Ppv_max為光伏最大允許裝機容量；PN_max為儲能系統(tǒng)最大額定功率限制，根據(jù) 1.2節(jié)可取值為1 000kW。

2.3模型求解

所建立并網(wǎng)光儲微網(wǎng)系統(tǒng)電源規(guī)劃模型為非線性規(guī)劃模型，所需數(shù)據(jù)量大，常規(guī)非線性規(guī)劃方法求解困難，本文采用人工智能方法粒子群算法［23］進行求解，算法流程如圖8所示。

3　算例分析

3.1負荷情況與光伏出力

本文以上海地區(qū)某區(qū)域為例，典型負荷與光伏出力曲線如圖9所示。

圖8　粒子群算法流程Fig.8　Particle swarm optimization flow chart

圖9　典型負荷與光伏出力曲線Fig.9　Typical curves of load and PV power output

3.2邊界條件與計算參數(shù)

算例采用上海市2015年最新兩部制分時電價；儲能系統(tǒng)SOC上、下限分別為0.8、0.2；數(shù)據(jù)采樣周期為15min。

光伏設(shè)備壽命按 20年考慮，儲能設(shè)備壽命按10年考慮，成本參數(shù)見表1。

表1　成本參數(shù)Tab.1　Cost parameters

根據(jù)歐洲光伏產(chǎn)業(yè)協(xié)會（European Photovoltaic Industry Association，EPIA）的測算，考慮到多晶硅的冶煉等環(huán)節(jié)消耗能源，綜合測算后1kW·h的光伏發(fā)電大約可以減排 0.6kg二氧化碳，約減排0.16kg“碳”。根據(jù)“中國碳排放交易網(wǎng)”中數(shù)據(jù)取上海地區(qū)碳交易價格為15元/t。

3.3并網(wǎng)光儲微網(wǎng)系統(tǒng)規(guī)劃結(jié)果

根據(jù)并網(wǎng)光儲微網(wǎng)系統(tǒng)電源規(guī)劃模型，得到生命周期凈收益與光伏裝機容量、儲能系統(tǒng)功率的關(guān)系如圖10所示。

圖10　凈收益與光伏裝機容量、儲能功率關(guān)系Fig.10　Relationship between the life cycle net profit， PV installed capacity and energy storage power

由圖10可知，隨著光伏裝機容量的增加，微網(wǎng)系統(tǒng)凈收益呈增加趨勢，即光伏裝機容量越大，微網(wǎng)系統(tǒng)的凈收益越大。而隨著儲能系統(tǒng)功率的增加，微網(wǎng)系統(tǒng)凈收益沒有一直增加。由于儲能成本高，且儲能系統(tǒng)帶來的收益單一，當儲能功率達到一定值時，削減電費收益的增長低于成本的增長，凈收益增長變負，因此當光伏裝機容量一定時，隨著儲能功率的增加，微網(wǎng)凈收益先增加后減少。

采用粒子群算法對并網(wǎng)光儲微網(wǎng)電源規(guī)劃模型求解可得，當光伏裝機為 6 000kW、儲能系統(tǒng)為330kW/3h時對應(yīng)的凈收益最大，為 1 326萬元。2月份、8月份出力曲線如圖11所示，各項收益和成本見表2，凈現(xiàn)金流量見表3。

圖11　2月份、8月份出力曲線Fig.11　Output curves of February and August

表2　收益和成本Tab.2　Cost and benefit

表3　凈現(xiàn)金流量Tab.3　Net cash flow（單位：萬元）

（續(xù)）

如若不考慮光伏補貼政策，收益中光伏補貼收益一項將不存在，此時凈現(xiàn)金流量見表 4。由表 4可知，在缺少光伏補貼的情況下，由于成本高、收益低，以致整個生命周期凈收益為負，不具經(jīng)濟性。因此，在光伏成本降低之前，光伏發(fā)電的推廣需要政策的鼓勵與支持。

表4　沒有光伏補貼下的凈現(xiàn)金流量Tab.4　Net cash flow without PV subsidies（單位：萬元）

3.4粒子群算法與其他算法的對比

本文分別采用粒子群算法、人工魚群算法、量子遺傳算法三種優(yōu)化算法對微網(wǎng)電源規(guī)劃模型進行求解，計算結(jié)果見表5，收斂曲線如圖12所示。仿真結(jié)果表明，在微網(wǎng)電源規(guī)劃問題中，粒子群算法更具優(yōu)勢，該算法具有并行搜索、搜索全局最優(yōu)等優(yōu)點，相比其他兩種算法，收斂速度快且能夠找到更優(yōu)解。

表5　計算結(jié)果Tab.5　Calculation results

圖12　收斂曲線Fig.12　Convergence curves

4　結(jié)論

1）以生命周期凈收益最大為目標，考慮光伏補貼政策與分時電價，建立基于并網(wǎng)光儲微網(wǎng)系統(tǒng)成本/收益分析的電源規(guī)劃模型，較全面地考慮了功率平衡約束、電源出力約束和儲能荷電狀態(tài)約束等。

2）以上海地區(qū)某區(qū)域負荷數(shù)據(jù)為例，根據(jù)其負荷需求與光伏出力，進行并網(wǎng)光儲微網(wǎng)系統(tǒng)電源規(guī)劃。算例分析結(jié)果表明，隨著光伏裝機容量的增大微網(wǎng)系統(tǒng)凈收益呈增加趨勢。當光伏裝機容量一定時，隨著儲能系統(tǒng)功率的增加，微網(wǎng)凈收益先增加后減少。

3）相比人工魚群算法與量子遺傳算法，粒子群算法在微網(wǎng)電源規(guī)劃問題中，具有收斂速度快、更易找到全局最優(yōu)解的優(yōu)越性。

4）所提出的并網(wǎng)光儲微網(wǎng)系統(tǒng)電源規(guī)劃模型考慮了經(jīng)濟性，可以得到較合理的規(guī)劃方案，能夠為微網(wǎng)投資提供科學(xué)的決策支持。

［1］李建林， 籍天明， 孔令達， 等. 光伏發(fā)電數(shù)據(jù)挖掘中的跨度選取［J］. 電工技術(shù)學(xué)報， 2015， 30（14）：450-456. Li Jianlin， Ji Tianming， Kong Lingda， et al. Span determining of photovoltaic generation data mining［J］. Transactions of China Electrotechnical Society， 2015，30（14）：450-456.

［2］蘇劍， 周莉梅， 李蕊. 分布式光伏發(fā)電并網(wǎng)的成本/效益分析［J］. 中國電機工程學(xué)報， 2013， 33（34）：50-56. Su Jian， Zhou Limei， Li Rui. Cost-benefit analysis of distributed grid-connected photovoltaic power generation［J］. Proceedings of the CSEE， 2013， 33（34）：50-56.

［3］國家發(fā)展改革委員會．國家發(fā)展改革委關(guān)于促進光伏產(chǎn)業(yè)健康發(fā)展的通知， 發(fā)改價格［2013］1638號［R］. 北京， 2013.

［4］茆美琴， 金鵬， 張榴晨， 等. 工業(yè)用光伏微網(wǎng)運行策略優(yōu)化與經(jīng)濟性分析［J］. 電工技術(shù)學(xué)報， 2014，29（2）： 35-45. Mao Meiqin， Jin Peng， Zhang Liuchen， et al. Optimization of operation strategies and economic analysis of PV microgrids for industries［J］. Transactions of China Electrotechnical Society， 2014， 29（2）：35-45.

［5］徐少華， 李建林. 光儲微網(wǎng)系統(tǒng)并網(wǎng)/孤島運行控制策略［J］. 中國電機工程學(xué)報， 2013， 33（34）： 25-33. Xu Shaohua， Li Jianlin. Grid-connected/island operation control strategy for photovoltaic/battery micro-grid［J］. Proceedings of the CSEE， 2013， 33（34）：25-33.

［6］馮光. 儲能技術(shù)在微網(wǎng)中的應(yīng)用研究［D］. 武漢： 華中科技大學(xué)， 2009.

［7］姚勇， 朱桂萍， 劉秀成. 電池儲能系統(tǒng)在改善微電網(wǎng)電能質(zhì)量中的應(yīng)用［J］. 電工技術(shù)學(xué)報， 2012，27（1）： 85-89. Yao Yong， Zhu Guiping， Liu Xiucheng. Improvement of power quality of micro-grids by battery energy storage system［J］. Transactions of China Electrotechnical Society， 2012， 27（1）： 85-89.

［8］ 張建華， 于雷， 劉念， 等. 含風(fēng)/光/柴/蓄及海水淡化負荷的微電網(wǎng)容量優(yōu)化配置［J］. 電工技術(shù)學(xué)報，2014， 29（2）：102-112. Zhang Jianhua， Yu Lei， Liu Nian， et al. Capacity configuration optimization for island microgrid with wind/photovoltaic/diesel/storage and seawater desalination load［J］. Transactions of China Electrotechnical Society， 2014， 29（2）： 102-112.

［9］李銳， 李鵬. 儲能系統(tǒng)在孤島微網(wǎng)中應(yīng)用［J］. 電氣技術(shù)， 2014（6）： 15-18. Li Rui， Li Peng. Energy storage system applications in the islanding microgrid［J］. Electrical Engineering，2014（6）： 15-18.

［10］于波. 微網(wǎng)與儲能系統(tǒng)容量優(yōu)化規(guī)劃［D］. 天津： 天津大學(xué)， 2012.

［11］曹智平， 周力行， 張艷萍， 等. 基于供電可靠性的微電網(wǎng)規(guī)劃［J］. 電力系統(tǒng)保護與控制， 2015， 43（14）：10-15. Cao Zhiping， Zhou Lixing， Zhang Yanping， et al. Micro-grid planning based on supply reliability［J］. Power System Protection and Control， 2015， 43（14）：10-15.

［13］舒杰， 張先勇， 沈玉梁， 等. 可再生能源分布式微網(wǎng)電源規(guī)劃方法及應(yīng)用［J］. 控制理論與應(yīng)用， 2010，27（5）： 675-679. Shu Jie， Zhang Xianyong， Shen Yuliang， et al. The algorithm and application in power sources planning and de-signing for micro-grid based on distributed renewable energy［J］. Control Theory & Applications，2010， 27（5）： 675-679.

［13］楊琦， 張建華， 劉自發(fā)， 等. 風(fēng)光互補混合供電系統(tǒng)多目標優(yōu)化設(shè)計［J］. 電力系統(tǒng)自動化， 2009，33（17）： 86-90. Yang Qi， Zhang Jianhua， Liu Zifa， et al. Multiobjective optimization of hybrid PV/wind power supply system［J］. Automation of Electric Power Systems， 2009， 33（17）： 86-90.

［14］Wu Haitao， Huang Fuzhen. Distributed generation planning for microgrid based on hybrid particle swarm optimization algorithm［C］//Proceedings of 2012 International Conference on Future Electrical Power and Energy Systems （ICFEPES）， Shanghai，2012-03.

［15］馬溪原， 吳耀文， 方華亮， 等. 采用改進細菌覓食算法的風(fēng)/光/儲混合微電網(wǎng)電源優(yōu)化配置［J］. 中國電機工程學(xué)報， 2011， 31（25）： 17-25. Ma Xiyuan， Wu Yaowen， Fang Hualiang， et al. Optimal sizing of hybrid solar-wind distributed generation in an islanded microgrid using improved bacterial foraging algorithm［J］. Proceedings of the CSEE， 2011， 31（25）： 17-25.

［16］鄭凌蔚， 劉士榮， 周文君， 等. 并網(wǎng)型可再生能源發(fā)電系統(tǒng)容量配置與優(yōu)化［J］. 電力系統(tǒng)保護與控制， 2014， 42（17）： 31-37. Zheng Lingwei， Liu Shirong， Zhou Wenjun， et al. Capacity configuration and optimization of gridconnected renewable energy power generation system［J］. Power System Protection and Control，2014， 42（17）： 31-37.

［17］李登峰. 并網(wǎng)型微網(wǎng)電源容量優(yōu)化配置模型及算法研究［D］. 重慶： 重慶大學(xué)， 2013.

［18］曹培， 王媚， 郭創(chuàng)新， 等. 智能微網(wǎng)運行的低碳綜合效益分析［J］. 電網(wǎng)技術(shù)， 2012， 36（6）： 15-20. Cao Pei， Wang Mei， Guo Chuangxin， et al. Analysis on low-carbon integrative benefits of smart microgrid operation［J］. Power System Technology， 2012， 36（6）：15-20.

［19］佟晶晶， 溫俊強， 王丹， 等. 基于分時電價的電動汽車多目標優(yōu)化充電策略［J］. 電力系統(tǒng)保護與控制， 2016， 44（1）： 17-23. Tong Jingjing， Wen Junqiang， Wang Dan， et al. Multi-objective optimization charging strategy for plug-in electric vehicles based on time-of-use price［J］. Power System Protection and Control， 2016， 44（1）：17-23.

［20］王雨薇. 面向調(diào)峰激勵的發(fā)電側(cè)兩部制峰谷電價研究［D］. 大連： 大連理工大學(xué)， 2013.

［21］韓磊. 基于成本效益分析的分布式電源規(guī)劃［D］.長沙： 長沙理工大學(xué)， 2010.

［22］李凱杰， 曲如曉. 碳排放交易體系初始排放權(quán)分配機制的研究進展［J］. 經(jīng)濟學(xué)動態(tài)， 2012（6）： 130-138. Li Kaijie， Qu Ruxiao. Advances in initial emission rights allocation mechanism of carbon emissions trading system［J］. Economic Perspectives， 2012（6）：130-138.

［23］蘇海濱， 高孟澤， 常海松. 基于粒子群算法的微電網(wǎng)有功無功下垂控制［J］. 電工技術(shù)學(xué)報， 2015，30（增1）： 365-369. Su Haibin， Gao Mengze， Chang Haisong. Microgrid droop control of active and reactive power based on PSO［J］. Transactions of China Electrotechnical Society， 2015， 30（S1）： 365-369.

Generation Planning of Grid-Connected Micro-Grid System with PV and Batteries Storage System Based on Cost and Benefit Analysis

Han Xiaojuan1Wang Lina1Gao Tong2Xiu Xiaoqing3
（1. School of Control and Computer EngineeringNorth China Electric Power University Beijing102206China 2. State Grid Jilin Electric Power Co. Ltd Changchun Power Supply Company Changchun130000China 3. China Electrical Power Research InstituteBeijing100192China）

With the rapid development of micro-grid， the generation planning has an important guiding significance for micro-grid construction. This paper proposes a micro-grid generation planning method for grid-connected micro-grid system with photovoltaic （PV） and battery energy system， based on the cost/benefit analysis theory. A micro-grid generation planning model with the goal of maximum lifecycle net profit is established in this paper， considering PV subsidy policy and two-part time-sharing electricity price. Three algorithms including particle swarm （PS） algorithm， AFSA and quantum genetic algorithm are used to solve the model. Thanks to the simulation test based on the real data in Shanghai，the planning results and the economic benefits of the micro-grid system are obtained by three optimal algorithms. The simulation results show the PS algorithm has advantages in solving the generation planning model of micro-grid.

Micro-grid， generation planning， cost/benefit analysis， particle swarm algorithm

TM715

韓曉娟女，1970年生，教授，研究方向為新能源發(fā)電控制技術(shù)、故障診斷、信息融合和檢測技術(shù)等。

E-mail： wmhxj@163.com

王麗娜女，1991年生，碩士，研究方向為微網(wǎng)電源規(guī)劃、儲能系統(tǒng)配置等。

E-mail： wanglinack0901@163.com（通信作者）

2015-12-19改稿日期 2016-04-08