高風電滲透率下的獨立型微網優化調度方法

張德舉，郭　力，王成山

（天津大學智能電網教育部重點實驗室，天津 300072）

高風電滲透率下的獨立型微網優化調度方法

張德舉，郭力，王成山

（天津大學智能電網教育部重點實驗室，天津 300072）

該文針對包含柴油發電機、風機和電池儲能系統的獨立型微網，以運行成本最小為優化目標，建立了考慮系統網架結構特征的優化調度模型。選取風功率削減因數、發電機節點電壓、電池充放電功率以及功率變換器PCS（power conversion system）的無功補償功率作為優化變量，利用考慮潮流的遺傳算法對模型進行求解。該模型不僅為包含網架結構的獨立型微網優化調度提供了方法，同時還分析了不同的儲能容量和儲能接入位置對微網經濟運行成本、系統網損和風電滲透率的影響。通過一個實際的獨立型微網算例，對文中所提的模型及方法進行了驗證。

獨立型微網；網架結構；優化調度；儲能系統；削減因數

獨立型微網多建于偏遠地區或海島，通常是指不與大電網相連、能夠獨立運行的小型電力系統，該系統能充分利用可再生能源發電，如光伏發電、生物質發電、風力發電等［1］。由于我國地域廣袤，獨立型微網在很多地方仍是主要供電形式，同時一些并網發電系統在大電網發生故障時也會轉換為獨立運行狀態以保證供電，因此有必要對獨立型微網進行深入研究［2］。隨著全球能源危機的日益嚴重，風、光等分布式能源因其資源的可再生性和發電的清潔性受到了越來越廣泛的關注［3-4］，尤其是在遠離大電網的獨立型微網中，可再生能源扮演著越來越重要的角色，但同時其隨機性、間歇性和不確定性也給獨立型微網的優化運行帶來了很大困難［5］。通過引入儲能系統，可以減弱分布式發電隨機波動的影響，改善電能質量、平滑電能波動、減少系統運行成本等［6-8］。

圍繞小型獨立型微網的優化調度問題，國內外的專家學者已經開展了相關的研究。文獻［9］針對包含風機、柴油發電機和儲能的離網供電系統，分析了不同風電滲透率水平、儲能效率對系統優化調度的影響。但該文獻并未考慮網架結構的影響。文獻［10］針對包含風機、光伏等可再生能源發電系統構成的微網，建立了經濟調度模型，從離網、并網購電和并網買/賣電3種場景對儲能降低經濟運行成本的效果進行了分析。文獻［11］研究了包含風機、光伏、儲能、可控性微電源等設備的獨立型微網的調度問題，考慮系統網架結構，以系統總運行成本最小化為目標，采用固定策略進行優化調度。但該文獻并未就風機或光伏發電功率較大的情況進行分析。文獻［12］針對不同負荷波動水平的配電網系統，從減小負荷波動的角度分析了儲能系統的削峰填谷作用［13］，同時還分析了儲能不同安裝位置對系統網損的影響。

以上文獻并沒有綜合考慮微網的網架結構、分布式發電功率削減、儲能安裝位置及容量等因素對優化調度結果的影響。與不考慮網架結構的優化調度相比，考慮微網結構的優化調度不僅要通過引入潮流方程計算網絡參數信息，還要計及節點電壓、線路電流等相關約束條件，因此更接近實際運行情況，其過程也將變得更為復雜。

本文從優化調度的角度出發，圍繞含柴油發電機、風機和儲能系統的獨立型微網調度問題展開研究，建立了動態經濟優化調度模型。

1　獨立型微網結構

本文針對加拿大某地一獨立型微網進行調度優化研究，其網架結構如圖1所示。系統中包括1臺3 MW柴油發電機、2臺1.5 MW風機、1 MW·h電池儲能系統。系統中有63個節點，各節點負荷位置情況見圖1，因篇幅所限詳細數據略。通過4.16 kV配電網呈輻射狀向居民供電。配電網電源側柴油發電機通過0.6 kV/4.16 kV變壓器升壓至4.16kV；2個風機分別接入線路中段編號為580和編號為67的母線節點處，儲能系統位置可根據實際需求進行選擇。

圖1　一實際獨立型微網結構Fig.1　Structure diagram of a real isolated microgrid

2　設備模型

2.1電池儲能系統模型

電池儲能系統主要包括儲能單元和功率變換器PCS（power conversion system）單元，充分利用PCS的容量裕度，儲能系統既可以發出或吸收有功功率，也可以發出或吸收無功功率，因此可通過PCS進行無功補償以減小網損［14-15］。

本文采用簡化線性模型對電池儲能系統進行建模［16-17］。假定儲能系統在Δt時間段內充放電功率恒定，同時由于優化調度的時間尺度通常比較短，暫不考慮自損耗率對儲能量的影響，則在充放電前和充放電后系統存儲的能量關系為

在實際運行過程中，需保證電池儲能系統運行在一定的荷電狀態范圍內，其充放電功率也會受到一定的限制，這一條件可用下述約束方程描述為

式中：Soc為儲能系統的荷電狀態，Socmin和Socmax為表示儲能系統荷電狀態的下限和上限；Pmaxbat,C和分別為儲能系統允許的最大充、放電功率。

由于電池需要通過PCS接入微網，根據PCS單元的容量約束，可以得到以下關系式：

式中：ηrec和ηinv分別為PCS整流和逆變的效率；QPCS

為PCS發出的無功功率；SPCS為PCS的容量。

2.2柴油發電機模型

通常情況下柴油發電機消耗的燃料與其額定功率和發電功率之間的關系可以用以下函數表示［18］：

式中：F為柴油發電機的燃料消耗量，F0為其單位功率的空載燃料消耗量，F1為燃料消耗特定曲線的斜率；Pgen,R為額定功率，Pgen為實際發電功率；u為柴油發電機開機狀態，0為關機，1為開機。

柴油發電機運行過程中需滿足功率上下限約束：

式中：Qgen為發出的無功功率，和分別為無功出力上下限；和分別為有功出力上下限。

2.3風機模型

通常情況下，風機的輸出功率與風速有關，其對應關系如下：

式中：v為風機輪轂高度處的實際風速，vci、vco為切入風速和切出風速，當實際風速低于切入風速或高于切出風速時，風機都不工作；P（v）表示正常風速范圍內風機出力，由風速-功率特性曲線線性插值得到［19］。

由于風機出力具有一定的隨機性，當風速水平較高、風機總容量較大時，有必要對風機出力進行削減以滿足此時的功率平衡要求。為此，可以通過引入風功率削減因數β進行描述。

式中：PWT,real為風機削減后的實際出力，PWT,orig為風機削減前的原始出力；β的取值范圍在0～1之間，規定當沒有風機功率被削減時β=1，否則，β＜1。

同時，為表征風機輸出功率在總負荷中所占比例，引入風電滲透率的概念［9］，其計算公式為

式中：ρWT為風電滲透率；為第i時刻風機實際出力，為第i時刻負荷值；H為調度周期總的時段數，如日前調度每小時為一時段，H取值為24。

3　優化調度模型

3.1目標函數

針對圖1所示的獨立型微網，以柴油發電機的發電成本作為目標函數，同時考慮到頻繁充放電會降低電池的使用壽命，進而間接增加系統的運行成本。將蓄電池的充放電折舊成本折算到成本費用中，可以更真實地反映蓄電池壽命對運行成本和實際收益的影響［20-21］。由此可得該優化調度模型的目標函數為

式中：Ctotal為總成本；Cgen為發電成本；Cbat為電池的充放電成本。

式中：Ffuel,i為第i個小時消耗的燃料量；cfuel,i為第i個小時的燃料價格。

式中：Pbat,i為第i個小時電池的放電量，若該時刻電池處于充電狀態，則Pbat,i=0；cbat為第i個小時的電池放電成本。這里通過電池全天的總放電量來考慮電池的利用率。

3.2約束條件

首先，微網必須滿足基本潮流方程，即微網的節點功率約束方程為

式中：n為節點數；Vi和Vj分別為節點i和j的電壓；PG,i與QG,i為節點i的有功發電功率與無功發電功率；δij為節點i和j之間的相角差；PD,i與QD,i為節點i有功負荷與無功負荷；Gij與Bij分別為節點i和j之間的電導與電納。其中，

式中：Pgen,i為節點i處柴油發電機的有功發電功率，PWT,real,i為節點i處風機的實際發電功率；Pbat,D,i為節點i處電池儲能系統的放電功率，Pbat,C,i為節點i處電池儲能系統的充電功率；Qgen,i為節點i處柴油發電機的無功發電功率，QPCS,i為節點i處PCS的無功補償功率。

除潮流方程外，還需考慮各類設備自身的約束，包括各設備有功和無功功率的上下限約束、儲能設備的充放電功率和儲能量約束、網絡節點電壓和線路電流約束等。其中設備自身約束可參見第2節設備模型部分，節點電壓、線路電流約束如下：

考慮到微網動態經濟調度呈現出周期性，通常假設電池SOC在調度周期始末保持一致，即滿足約束條件

式中：Socend和Soc0分別為電池在調度周期終止時刻和初始時刻的荷電狀態。

將調度周期始末狀態的儲能SOC約束和網絡節點電壓、線路電流上下限約束作為懲罰項加入到目標函數中，得到計及約束懲罰項的目標函數，以保證相應約束成立［22］。

式中：C′為計及懲罰項后的目標函數；γ1為SOC約束懲罰系數，γ2為電壓電流越限懲罰系數；flag為越限標志位，當線路中存在電壓或電流越限時，flag=1，否則，flag=0。

3.3優化變量的選取

當風速水平較高、波動性較大時，某一時刻的風機、柴油機總出力可能會大于此時的負荷值。因此需要在風速較大且儲能裝置不足以吸收全部剩余功率時對風機出力進行削減，以確保方案的可行性。為此，將兩臺風機24 h風功率削減因數β1和β2作為優化變量，對其進行優化［23-24］。

柴油發電機節點電壓的大小會對整個網絡的節點電壓以及線路電流產生影響，進而影響系統網損以及供電質量。為保證網絡各節點電壓和線路支路電流不越限以及分析不同的發電機節點電壓對優化結果的影響，將柴油發電機出口電壓作為優化變量。同時考慮到端口電壓的頻繁調節給調度帶來的困難，將一天的調節次數限定為3次，分別在第1、9、17小時對其進行調節，其余時刻均保持上一調節時刻電壓值。

此外，選取電池24 h充放電功率以及PCS的24 h無功補償功率作為優化變量。優化調度模型的優化變量X可表示為

3.4求解方法

由于遺傳算法在求解優化問題時具有靈活、通用的特點［25］，本文采用遺傳算法對建立的動態經濟調度優化問題進行求解［26］。同時通過潮流計算確定各設備出力以及線路參數信息。

考慮將柴油發電機作為主電源，同時將柴油發電機所在節點設為平衡節點，且平衡節點具有提供電壓、頻率參考和保證系統功率平衡的作用，要求柴油發電機一直處于運行狀態。將風機和儲能系統接入點作為PQ節點。兩臺風機分別接入圖1中的580號和67號節點，儲能系統位置根據實際情況選擇。

綜合以上分析，該獨立型微網優化調度模型框架如圖2所示。

圖2　獨立型微網優化調度模型框架Fig.2　Framework of optimal dispatching model of the isolated microgrid

4　算例分析

圖3為圖1所示系統某典型日的負荷和風機總出力曲線（不考慮功率消減），系統峰值負荷為2.12 MW。文中假定兩臺風機出力相同，均為圖中所示出力值的一半。相關設備等參數如表1所示。

圖3　系統日負荷及風機出力預測曲線Fig.3　Predicted curves of daily load and wind turbine output

表1　設備及計算參數Tab.1　Relative parameters of equipment and computation

遺傳算法參數設置如下：種群個體數為60，遺傳代數為1 000，種群間隔為0.8，交叉率為0.8，變異率為0.2，插入率為0.9。

首先將電池儲能系統接入到靠近線路末端的715節點，進行優化調度。得到柴油發電機日發電成本為87 039.27元，電池日充放電成本為990.610 7元，日總成本值為88 029.880 7元，網絡有功損耗為0.620 4 MW·h，風電滲透率為0.425 3。各設備調度結果及系統參數計算結果如圖4和圖5所示。

由調度結果可以看出，在第2～12時段以及第14～17時段，由于風機出力較大，所以柴油發電機基本工作在最小出力狀態，其余時刻風機出力較小，柴油發電機發電功率有所增加。由于電池的充放電成本比柴油發電機的發電成本低，所以在風機出力不足時優先使用電池放電，剩余部分再由柴油發電機補充。由于風力發電不計運行成本，所以首先要由風機對其進行充電，保證以最大能力進行放電，減少總運行成本。當不考慮PCS的無功補償作用時，得到柴油發電機日發電成本為87 222.52元，電池日充放電成本為911.227 9元，日總成本值為88 133.747 9元，網絡有功損耗為0.707 6 MW·h，風電滲透率為0.425 3。由此可以看出考慮無功補償后，有效降低了系統網損，總成本也有所減小。

圖4　各設備出力優化調度結果Fig.4　Optimal dispatching results of each equipment

圖5　系統運行參數優化調度結果Fig.5　Optimal dispatching results of the system operation parameters

同時由于設定了SOC懲罰項，使得SOC在始末狀態能夠保持一致，實現了設定要求。若不對發電機節點電壓進行優化，將電壓的標幺值統一設定為1.00，得到此時系統節點電壓的最小值為0.940 7，不滿足約束條件，若統一設定為1.05，節點電壓的最大值為1.050 9，也不滿足約束條件。而從電壓調度結果可以看出，各時刻電壓最大值最小值均滿足約束要求，發電機出口電壓優化結果都處于較高水平，這樣有利于提高系統電壓水平，在負荷一定的情況下減小有功網損。

當不考慮系統的網架結構時，得到柴油發電機日發電成本為86 403.43元，電池日充放電成本為982.60元，日總成本值為87 386.03元，網絡有功損耗為0，風電滲透率為0.425 0，發電機出口電壓3個時刻的優化結果分別是1.00，1.04，1.02。由于不產生有功網損，總的發電成本有所降低，發電機出口電壓的優化結果以及兩臺風機的出力不同也不會對優化結果產生影響。

由于電池儲能系統可以在風速出力較小時用于滿足負荷，有利于減少發電成本。為分析電池儲能系統容量的大小對優化調度結果產生的影響，分別將電池容量和PCS容量由原來的1 MW·h和0.6 MVA增大至1.5 MW·h和0.9 MVA，儲能位置不變，進行優化調度。得到發電機日發電成本為86 093.72元，電池日充放電成本為1 313.09元，日總成本值為87 406.81元，網絡有功損耗為0.664 4MW·h，風電滲透率為0.442 1。

各設備調度結果如圖6和圖7所示。

圖6　增大儲能容量后各設備出力優化調度結果Fig.6　Optimal dispatching results of each equipment with the increased storage capacity

圖7　增大儲能容量后系統運行參數優化調度結果Fig.7　Optimal dispatching results of the system operation parameters with the increased storage capacity

從優化結果可以看出，增大儲能系統容量后，由于儲能系統可以在風力不足時提供更多的有功出力，使得柴油發電機總的發電功率減小，發電成本降低，雖然相應的電池充放電成本增加，但總成本值減小。同時容量增大以后，相應的存儲能量增加，這樣有利于在風機功率充足時將更多的能量儲存起來，增加了風電滲透率。

為研究不同儲能位置對優化結果的影響，考慮5個不同的儲能接入位置：線路始端的3號節點，與風機1同一接入位置的580號節點，風機1與風機2之間的59號節點，與風機2同一接入位置的67號節點，以及靠近線路末端的715號節點。得到的優化結果對比如表2所示。

由對比結果可以看出，儲能的接入位置主要影響網損，進而影響發電成本和充放電成本。從表中網損數據可以看出，當儲能接入點與風機2在同一位置時總網損最??；當儲能接入點位于線路首端的3號節點時，總網損最大。這是由于當風機出力過剩時需要對電池進行充電，所以電池與風機距離越遠，充電過程產生的網損越大，同時由于柴油發電機始終處于運行狀態，所以線路首端的負荷基本由柴油發電機滿足，電池放電在向饋線末端傳輸的過程中也會產生較多網損，因此電池處于線路首端時總網損最大；當電池處于與風機同一接入點580號和67號節點，或處于二者之間的59號節點時，風機出力過剩對電池進行充電的過程中產生的網損相對較小，而當風機出力較小電池需要放電時，同樣靠近線路首端的負荷基本由發電機滿足，因此靠近線路末端的67號和715號節點在此過程中產生的網損較小，綜合充放電全過程，當儲能與風機2位于同一接入點時，產生的總網損最小。同時從風機1與風機2的出力比也可以看出，由于靠近線路首端的負荷主要由柴油機滿足，風機出力主要滿足靠近線路末端的負荷，因此通常情況下靠近線路末端的風機2出力大于風機1，以減少傳輸過程中產生的網損。而當儲能系統與風機1位于同一接入點時，風機1出力略大于風機2，這主要是因為當風機出力較多時需要對電池進行充電，優先利用距離電池近的風機能夠減小網損。

不接入儲能設備時，電負荷完全由風機和柴油發電機供給，當風機發電有剩余能量時，不能通過儲能設備進行存儲，使得總的風機出力減小，風電滲透率降低，系統網損增加，總發電成本增加。由此可以得出，當不考慮儲能設備的安裝成本而僅考慮運行費用時，接入儲能可以有效降低總發電成本，提高風電滲透率，減小系統網損。

表2　不同儲能接入點優化結果Tab.2　Optimal dispatching results of different storagelocations

5　結語

本文針對由柴油發電機、風機和蓄電池組成的獨立型微網，以系統運行的經濟性為優化目標進行優化調度，考慮系統網架結構的影響，以風功率削減因數、儲能充放電功率、PCS無功補償功率以及發電機節點電壓為優化變量進行優化。分析得出針對含有網架結構的微網系統進行優化調度，以及在風電滲透率較高的情況下將風功率削減因數作為優化變量更能反映實際運行情況。

同時，系統中利用儲能系統實現“削峰填谷”的作用，若只考慮儲能裝置的運行成本而不計及安裝及更換成本，增大儲能系統的容量可以有效地降低系統有功網損和提高風電滲透率，進而降低總的運行成本。由于在此獨立微網中，儲能裝置通過與風機配合實現能量搬運的功能，當儲能裝置與風機位于同一接入點且靠近線路末端時總網損最小。

［1］郭力，富曉鵬，李霞林，等（Guo Li，Fu Xiaopeng，Li Xialin，et al）.獨立交流微網中電池儲能與柴油發電機的協調控制（Coordinated control of battery storage and diesel generators in isolated AC microgrid systems）［J］.中國電機工程學報（Proceedings of the CSEE），2012，32（25）：70-78.

［2］喬蕾，段紹輝，汪偉，等（Qiao Lei，Duan Shaohui，Wang Wei，et al）.獨立微網系統優化規劃設計方法綜述（Reviews on optimal methods for planning of stand-alone microgrid system）［J］.電力系統及其自動化學報（Proceedings of the CSU-EPSA），2013，25（2）：115-123.

［3］Barklund E，Pogaku N，Prodanvic M，et al.Energy management system with stability constraints for stand-alone autonomous microgrid［J］.Renewable and Sustainable Energy Reviews，2009，13（8）：1966-1974.

［4］王成山，王守相（Wang Chengshan，Wang Shouxiang）.分布式發電供能系統若干問題研究（Study on some key problems related to distributed generation systems）［J］.電力系統自動化（Automation of Electric Power Systems），2008，32（20）：1-4，31.

［5］李武強，余濤，林建泉，等（Li Wuqiang，Yu Tao，Lin Jianquan，et al）.考慮隨機性的微電網環保經濟優化運行（Environmental/economic optimal operation of microgrid considering randomness）［J］.電力系統及其自動化學報（Proceedings of the CSU-EPSA），2015，27（3）：81-86.

［6］殷桂梁，李相男，郭磊，等（Yin Guiliang，Li Xiangnan，Guo Lei，et al）.混合儲能系統在風光互補微電網中的應用（Application of hybrid energy storagy system on wind/solar hybrid microgrid）［J］.電力系統及其自動化學報（Proceedings of the CSU-EPSA），2015，27（1）：49-53，59.

［7］Ton D T，Hanley C J，Peek G H，et al.Solar energy grid integration systems-energy storage（SEGIS-ES）［R］.Albuquerque，USA：Sandia National Laboratories，2008.

［8］Choi S S，Tseng K J，Vilathgamuwa D M，et al.Energy storage systems in distributed generation schemes［C］//IEEE Power and Energy Society General Meeting，Pittsburgh，USA，2008.

［9］Abbey C，Joos G.A stochastic optimization approach to rating of energy storage systems in wind-diesel isolated grids［J］.IEEE Trans on Power Systems，2009，24（1）：418-426.

［10］Chen C，Duan S，Cai T，et al.Smart energy management system for optimal microgrid economic operation［J］.IET Renewable Power Generation，2011，5（3）：258-267.

［11］石慶均，耿光超，江全元（Shi Qingjun，Geng Guangchao，Jiang Quanyuan）.獨立運行模式下的微網實時能量優化調度（Real-time optimal energy dispatch of standalone microgrid）［J］.中國電機工程學報（Proceedings of the CSEE），2012，32（16）：26-35.

［12］章美丹，宋曉喆，辛煥海，等（Zhang Meidan，Song Xiaozhe，Xin Huanhai，et al）.計及網損的配電網電池儲能站優化運行策略（Optimal operation strategy of battery energy storage system in distribution networks with consideration of power losses）［J］.電網技術（Power System Technology），2013，37（8）：2123-2128.

［13］陳滿，陸志剛，劉怡，等（Chen Man，Lu Zhigang，Liu Yi，et al）.電池儲能系統恒功率削峰填谷優化策略研究（Research on optimal peak load shifting strategy of battery energy storage system operated in constant power mode）［J］.電網技術（Power System Technology），2012，36（9）：232-237.

［14］程站立（Cheng Zhanli）.計及分布式電源的配電網潮流計算及其無功優化研究（Research on the Power Flow Calculation and Optimized Operation of Distribution Network with Distributed Generations）［D］.成都：西南交通大學土木工程學院（Chengdu：School of Civil Engineering of Southwest Jiaotong University），2011.

［15］萬立勇，譚興，肖輝，等（Wan Liyong，Tan Xing，Xiao Hui，et al）.計及分布式電源的配電網無功潮流優化研究（Study on distributed power distribution network optimization of reactive power flow）［J］.電測與儀表（Electrical Measurement&Instrumentation），2011，48（548）：10-14.

［16］Gabash A，Li P.Evaluation of reactive power capability by optimal control of wind-vanadium redox battery stations in electricity market［C］//International Conference on Renewable Energies and Power Quality，Las Palmas de Gran Canaria，Spain，2011.

［17］丁明，王波，趙波，等（Ding Ming，Wang Bo，Zhao Bo，et al）.獨立風光柴儲微網系統容量優化配置（Configuration optimization of capacity of standalone PV-Wind-Diesel-Battery hybrid microgrid）［J］.電網技術（Power System Technology），2013，37（3）：575-581.

［18］Lilienthal P，Lambert T，Gilman P，et al.HOMER V.2.68beta［EB/OL］.http：//www.homerenergy.com/，2014.

［19］劉夢璇（Liu Mengxuan）.微網能量管理與優化設計研究（Research on Energy Management and Optimal Design of Microgrid）［D］.天津：天津大學電氣與自動化工程學院（Tianjin：School of Electrical Engineering and Automation of Tianjin University），2012.

［20］Barley C D，Byron Winn C B.Optimal dispatch strategy in remote hybrid power systems［J］.Solar Energy，1996，58（4-6）：165-179.

［21］丁明，張穎媛，茆美琴，等（Ding Ming，Zhang Yingyuan，Mao Meiqin，et al）.集中控制式微網系統的穩態建模與運行優化（Steady model and operation optimization formicrogrids under centralized control）［J］.電力系統自動化（Automation of Electric Power Systems），2009，33（24）：78-82.

［22］王成山，洪博文，郭力（Wang Chengshan，Hong Bowen，Guo Li）.不同場景下的光蓄微電網調度策略研究（Dispatch strategies of PV-battery microgrid in different scenarios）［J］.電網技術（Power System Technology），2013，37（7）：1775-1782.

［23］郭力，王蔚，劉文建，等（Guo Li，Wang Wei，Liu Wenjian，et al）.風柴儲海水淡化獨立微電網系統能量管理方法（The energy management method for stand-alone wind/diesel/battery/sea-water desalination microgrid）［J］.電工技術學報（Transactions of China Electrotechnical Society），2014，29（2）：113-121.

［24］Gabash A，Pu Li.Active-reactive optimal power flow in distribution networks with embedded generation and battery storage［J］.IEEE Trans on Power Systems，2012，27（4）：2026-2035.

［25］金群，李欣然，劉艷陽，等（Jin Qun，Li Xinran，Liu Yanyang，et al）.一種改進遺傳算法及其在負荷建模中的應用（An improved genetic algorithm and its application to load modeling）［J］.電力系統及其自動化學報（Proceedings of the CSU-EPSA），2006，18（2）：35-40.

［26］肖青，陳潔，楊秀，等（Xiao Qing，Chen Jie，Yang Xiu，et al）.含多種分布式電源的微網動態經濟調度（Dynamic economic dispatch of microgrid with different types of distributed generations）［J］.電力系統及其自動化學報（Proceedings of the CSU-EPSA），2013，25（4）：22-28.

Optimal Dispatching Method of Isolated Microgrids with High Wind Power Penetration Rate

ZHANG Deju，GUO Li，WANG Chengshan
（Key Laboratory of Smart Grid of Ministry of Education，Tianjin University，Tianjin 300072，China）

In this paper，an optimal dispatching model with the consideration of grid structure is constructed to minimize the operation cost of an isolated microgrid，which consists of diesel generator，wind turbines and battery energy storage system.The curtailment factors for wind power，generator bus voltages，charge/discharge active power of batteries and reactive compensation power of power conversion system（PCS）are chosen as the optimization variables，and genetic algorithm with the consideration of power flow is adopted to solve the dispatching model.This model not only provides the optimal dispatching method for an isolated microgrid with the consideration of grid structure，but also analyzes the effects of different energy storage system capacities and locations on the operation cost，system loss and wind power penetration rate.Finally，the proposed model and method are verified through a real isolated microgrid.

isolated microgrid；grid structure；optimal dispatching；energy storage system；curtailment factor

TM73

A

1003-8930（2016）09-0001-07

10.3969/j.issn.1003-8930.2016.09.001

張德舉（1988—），男，碩士研究生，研究方向為微網調度與優化。Email：hszhangdj1988@163.com

郭力（1981—），男，博士，副教授，碩士生導師，研究方向為分布式發電、微電網。Email：liguo@tju.edu.cn

王成山（1962—），男，博士，教授，博士生導師，研究方向為智能配電系統與微網。Email：cswang@tju.edu.cn

2014-10-16；

2015-09-02

國家高技術研究發展計劃（863計劃）資助項目（2011AA05A107）；國家電網公司配電網接納分布式電源適應性與并網技術研究項目