獨立光伏微網容量優化配置

李龍坤，王敬華，孫桂花（.山東理工大學 電氣與電子工程學院，山東　淄博　25502；2.國網山東省電力公司泰安供電公司，山東　泰安　27000；．山東科匯電力自動化股份有限公司，山東　淄博　255087）

LILongkun1，2，WANG Jinghua3，SUN Guihua1（1.Shandong University of Technology，Zibo 255012，China；2.State Grid Taian Power Supply Company，Taian 271000，China；3.Shandong Kehui Power Automation Co.，Ltd.，Zibo 255087，China）

試驗研究

獨立光伏微網容量優化配置

李龍坤1，2，王敬華3，孫桂花1
（1.山東理工大學 電氣與電子工程學院，山東淄博255012；2.國網山東省電力公司泰安供電公司，山東泰安271000；3．山東科匯電力自動化股份有限公司，山東淄博255087）

獨立光伏微網系統中，因太陽能固有波動性、不可控性等特點，微網電源間的相互協調與控制變得復雜。所以，解決電源與負荷的能量匹配問題是獨立運行狀態下微網穩定的首要條件。將改進的粒子群算法應用到解決光儲柴（光伏、儲能、柴油發電）協調配合的全年獨立運行的微電網電源容量優化配置中，建立光伏、儲能、柴油發電的穩態數學模型。通過全年微網運行綜合費用分析，建立以全年綜合費用最低為目標的成本數學模型。針對微網的不同運行狀態，提出微網電源協調配合的能量管理策略。遵循提出的能量管理策略，利用改進的粒子群算法得到微網電源的最優容量配置方案，結果表明改進的粒子群算法具有全局尋優能力強的特點。

光伏；微電網模型；微網優化；粒子群算法

LILongkun1，2，WANG Jinghua3，SUN Guihua1
（1.Shandong University of Technology，Zibo 255012，China；2.State Grid Taian Power Supply Company，Taian 271000，China；3.Shandong Kehui Power Automation Co.，Ltd.，Zibo 255087，China）

0　引言

微電網在滿足不同負荷用戶對供電可靠性和電能質量要求的多樣性發揮著重要作用［1］。隨著分布式發電技術的不斷發展，分布式發電應用到現代電網中是必然的趨勢，但是由于以可再生能源（風力發電、光伏發電）為主的分布式發電系統易受外界自然環境、氣象等不確定因素影響，如果沒有相應的控制策略勢必會影響電網的穩定運行。而微電網技術可以很好地解決分布式發電技術的不足。微網容量優化配置中，影響微網系統運行穩定的關鍵因素是電源—負荷功率匹配。需要考慮微網電源的輸出特性和影響因素，負荷的有功特性曲線，時間尺度可取0～10min。對光伏微網而言需要考慮光照強度、光伏組件溫度所對應的光伏陣列輸出最大功率及負荷的有功特性曲線，在一段時間內的電量需要較長的時間尺度來評估，一般可取1年。同時微網電源的容量配置需要兼顧經濟性、環保性、響應特性、系統性［2］。

文獻［3］考慮柴油發電機的開機方式、微網電源之間協調控制策略、備用容量等問題，對獨立光伏微網電源進行了優化設計。文獻［4］從仿真工具、方法、微電網運行控制策略，微網電源數學模型等方面對獨立微電網的優化設計進行綜述。國內外的研究多從技術、經濟、環保上作為微電網數學模型的優化目標。技術上主要指可靠性指標（供電可靠性或負載缺電率），經濟上指微網投資、運行、維護費用最低，環保上是指以分布式電源排放大氣污染物最低為目標。無論以技術上、經濟上還是環保上得出的數學模型均為非線性多約束，既有連續變量又有離散變量的優化規劃問題。解決此問題的方法多是采用智能算法。如文獻［5］采用改進的細菌覓食算法求解了風光儲（風能、光伏、儲能）微網中以總投資最少，滿足供電可靠性約束下的容量最優值；文獻［6］利用遺傳算法解決風光柴儲（風能、光伏、柴油發電、儲能）獨立微電網以空氣污染物排放最少和全壽命周期最經濟的多目標優化問題。

圍繞以光伏陣列、儲能電池、柴油發電機為分布式電源的獨立微網系統，提出了以全年微網綜合成本最低為目標，滿足負荷缺電率和溢出能量比的可靠性指標前提下，各分布式電源運行符合提出的能量管理策略，利用改進的粒子群算法對微網容量進行優化配置。

1　獨立微網系統

1.1光儲柴的獨立微電網

如圖1所示，光儲柴微電網主要由光伏陣列、儲能裝置、柴油發電機機組等分布式電源以及逆變器、通信設備、控制器等組成，與電網通過公共連接點連接。各微電網電源通過電力電子設備與微電網連接，可以及時跟蹤負荷、光照強度、溫度的變化，通信及中央控制器可以根據微電網電源出力和負荷大小，及時調整各微網電源間出力的相互協調，保證微電網穩定運行。

圖1　光伏微電網結構

1.2光伏電池的功率模型

隨著傳統的化石能源與環境、經濟的矛盾日益突出，尋求并發展可再生能源（風能、光能、地熱能等）成為世界范圍內的熱點。其中，太陽能以其儲量的無限性、存在的普遍性、利用的清潔性和經濟性的優勢，必將在21世紀得到長足的發展，在世界能源結構轉變中起到重要作用［7］。但是光伏電池發電輸出功率受到外界溫度、輻照強度、濕度等氣候因素的影響，具有波動性、不穩定性以及不可控性［8］。

很多文獻可以看到對光電效應的數學描述。如Borowy和Salameh提出的簡單模型［9］，知道光伏模塊受到的輻照強度和溫度就可以根據模型估算出最大功率；Jones和Underwood提出的最大功率模型中，輸出最大功率與溫度呈倒數關系并與其受到的輻射照度成對數關系［10］。這些模型計算過程大不相同，最終的伏安特性準確度亦不相同。為了提高能量效率，假設光伏系統應用了最大功率跟蹤技術確保系統運行在最大功率點，光伏系統最大功率輸出模型為［11］

式中：Pmax為在標準測試條件（STC，光照強度Gr= 1 000W/m2，環境溫度Tr=25℃）下的光伏電池最大輸出功率，kW；G為實際光照強度，W/m2；k為光伏的溫漂特性，其值為-0.47%/℃；T為電池板工作溫度，℃；Tr為參考溫度，℃。

電池板工作溫度主要受光照強度、環境溫度、風速影響［12］。忽略風速的影響，電池板工作溫度可以估計為［13］

式中：Tamd為光伏組件附近環境溫度，℃。

1.3儲能電池模型

儲能電池的功能定位包括削峰填谷和平滑光伏功率輸出［14］。儲能的削峰填谷主要指白天光照強度充足，光伏輸出電量期望值大于負荷電量需求時，系統多余備用電量向儲能電池充電。夜晚或者陰雨天光伏輸出電量期望值不能滿足負荷電量需求時，儲能電池向負荷供電。利用儲能系統的削峰填谷功能，既可以提高系統供電可靠性，也可以實現微網的經濟運行。目前比較先進的蓄電池技術主要有液流、鋰離子、鈉硫等電池儲能。鋰離子電池具有單體電壓水平高、比能量大、效率高、自放電率低、無記憶效應、環境友好等顯著特點，大規模用于電池儲能具有良好的前景［15］。為了不失一般性，所述電池為電化學儲能電池模型。

為了更加精確統計儲能電池剩余電量情況，可以分段、分周期來計算。把1天分成n段，每段時長Δt為0.25～1 h。電化學儲能電池數學模型為

式中：σ為儲能電池單位時間內的漏電率；EES（j）、EES（j-1）分別為第j段、第j-1段末電池剩余能量，kWh；Δt為第j段與第j-1段時間差，h；PES（j）為第j段時間內實際充放電功率，kW。假定在Δt時間內，儲能電池充放電功率恒定。第j段Δt充放電功率可表示為

式中：PES（j）＞0為放電狀態，PES（j）＜0為充電狀態；ηc、ηd分別為儲能電池充電、放電效率，充放電效率因儲能類型不同而不同；Pc（j）、Pd（j）分別為儲能電池實際充電、放電功率，kW；PES（j）為儲能電池與外電路聯絡線處交換功率，kW。

電池過充或過放，會減少電池的循環次數和周期壽命，通常限制剩余電量的最大值和最小值。實際中電池的剩余電量用荷電狀態SOC（State of Charge）來表示，限制荷電狀態上下限值即可限制過充、過放問題。荷電狀態的定義為［16］

式中：SOC（j）為第 j段末儲能電池的荷電狀態，SOC（j）∈［0，1］；EES，R為儲能電池標準測試條件下額定容量，kWh。

1.4柴油發電機模型

在遠離大電網的海島、山區等地區常常需要柴油發電機作為供電單元，保障用戶用電需求。柴油發電機主要由柴油發動機、同步交流發電機、控制系統構成。柴油發電機輸出功率可以在零到額定功率區間內變化，柴油發電機消耗燃料量與輸出功率關系為

式中：F為耗油量，kg/h；Pdie（j）為柴油發電機實際輸出功率，kW；a為柴油發電機空載運行時的耗油量，與柴油發電機的額定功率成正比，kg/h；b為柴油發電機耗油量與功率關系曲線的斜率，kg/kWh。

1.5微電網能量管理策略

在獨立微網中，微電網能量管理策略是電源容量優化配置和能量合理利用的關鍵因素。能量管理策略是負荷在不同運行狀態下，通過協調各電源之間的出力，使系統滿足供電可靠性，保證微網穩定、經濟運行。在光儲柴微電網中，光伏陣列作為Ⅰ級電源優先向負荷供電，光伏電池輸出具有波動性、隨機性、不可控性等特點。為了彌補光伏輸出波動大的特點，需要由儲能電池作為Ⅱ級電源來平滑光伏功率輸出。在光儲柴微電網中，光伏陣列和儲能電池作為主電源向負載供電。當光伏陣列、儲能電池都不能滿足負荷用電需求時，啟動備用電源柴油發電機供負荷和儲能電池用電。

1）Ⅰ級電源不能滿足負荷電量需求。

如果光伏、儲能電池輸出電量仍不能滿足負荷需求量，控制柴油發電機啟動向負荷供電，輸出缺額部分。

如果光伏發電系統、儲能電池、柴油發電機三者輸出電量不能滿足負荷供電要求，則造成供電缺額。

2）Ⅰ級電源發電量過剩，超出負荷需求。

如果過剩電量在儲能電池允許的最大充電功率和剩余電量約束范圍內，即充電功率按式（30）計算所得。如果過剩電量超出儲能電池允許的最大充電功率和剩余電量限制，則通過備用負載消耗掉多余電量，造成能量浪費。浪費功率為

3）Ⅰ級電源發電量恰好滿足負荷需求。

當PPV∈［PL（1-γ），PL（1+γ）］時，僅由光伏發電系統即可滿足負荷用電。

2　獨立微網綜合費用分析

根據獨立微電網建設、運行時間劃分，可以將微網系統費用劃分為初始投資費用、運行涉及費用。其中初始投資費用主要包括最初建設需要購置的電源元件及配套設施費用。運行中涉及的費用又包括日常設備運行管理費用，燃料費用，停電懲罰費用，溢出能量懲罰費用，同時包括因獨立發電國家補貼的費用。

2.1初始設備投資成本

光儲柴獨立微網系統最初投資建設時主要是光伏電池、儲能電池、柴油發電機的元件費用。光伏電池、柴油發電機的成本與額定功率有關，儲能電池裝置成本不僅與額定功率有關，也與額定容量有關。

1）初始投資成本與光伏電池、柴油發電機的額定功率有關。i=1，2分別表示光伏電池、柴油發電機。

式中：CIC，i為第i個分布式電源的初始投資成本，元；ki為初始投資成本與額定功率的比例系數，元/kW；Pi為相應元件的額定功率，kW。

2）初始投資費用不僅與額定功率有關，也與儲能電池的容量有關。i=3表示儲能電池。

式中：kP、kE分別為投資成本與儲能電池額定功率、額定容量的比例系數，元/kW。

考慮到貼現率，全壽命周期內的年均初始投資成本為［17］

式中：CIC，i為第i個分布式電源初始投資固定成本，元；rrf，i為資金回收系數；r為貼現率；li為第i個分布式電源的壽命周期，年。

2.2運行管理費用

獨立的微電網系統需要人員進行維護、柴油發電機需要人員補給燃料和控制啟停等，為了保證微電網可靠運行，運行維護人員是必需的。

1）光伏電池運行維護費用與可運行的組件額定功率有關。

2）儲能裝置運行維護費用與元件初始配置額定容量有關。

3）柴油發電機運行維護費用與實際運行功率和額定功率有關。

式中：KM，i為微網電源單位功率的運行管理費用，元/kW；c、d分別為柴油發電機運行費用中實際功率與額定功率所占比重；Pdie（j）為柴油發電機實際運行功率，kW；Pdie，r為柴油發電機額定功率，kW；Kdie為燃料成本系數，元/kW。

2.3停電懲罰費用

微網電源供電可靠性不滿足要求，勢必會影響用戶的正常用電，給用戶帶來不可避免的經濟損失。為此引入停電懲罰費用來反映因供電不足而造成對用戶的損失。

式中：Closs為Δt時間內的停電懲罰費用，元；kloss為停電懲罰費用與停電量的關系系數，元/kW；ΔP（j）為系統負荷缺電量部分，kW。

2.4溢出能量懲罰費用

光伏電池、儲能裝置的造價仍然較昂貴，過多配置光伏陣列、儲能電池會提高供電可靠性，但同時又會造成經濟浪費。為此合理的容量配置，才會保證供電可靠性又不會造成投資過多。溢出能量費用來反映超出用戶電量需求部分對微網電源的懲罰費用。

式中：Cex為因能量浪費對微電網的溢出能量懲罰費用，元；kex為懲罰費用系數，元/kW。

2.5環境治理費用

空氣污染物主要是由柴油發電機消耗燃料產生的SO2、CO2、NOx等。

式中：m為空氣污染物種類，取m=3；n為分布式電源的種類，取n=3；Cen為治理大氣污染物產生的費用，元；αk為不同污染物的治理費用系數，元/kg；βk，i為不同分布式電源對應的污染物排放系數，kg/kWh；Ea，i為不同分布式電源發電量的等年值，kWh。

2.6補貼費用

根據國家相關政策，對于可再生能源的利用與開發，國家財政進行相應的補貼。

式中：Csub為平均每年獨立發電補貼費用，元；ksub為單位獨立發電量補貼費用，元/kWh；Ea，i為微網電源發電量等年值，kWh。

3　全年綜合成本最低的數學模型

3.1微電網可靠性指標

負荷缺電率。光伏微網與獨立光伏發電系統根本區別是微網能夠根據各元件輸出情況，控制和調度不同元件輸出功率，滿足負荷功率需求，減小停電率，保證微網長期經濟穩定運行。通常用負荷缺電率衡量微網電源的供電可靠性。缺電率定義為一段時間內缺電量與負荷需求量的之比

式中：δLOLP為負載缺電率；PL（j）為第j段時間內負荷需求功率，kW。

溢出能量比。溢出能量比可評估系統能量的利用率，定義為一段時間內發電量多于負荷實際需求量的部分與系統負荷之比

3.2目標函數

以微網全壽命周期內年均投資費用最低為目標，既要保證微網滿足供電可靠性，又要保證微網具有環境效益和經濟性。

3.3優化變量

目標函數的約束與微網電源的容量有關，微網電源容量又與光伏組件數目NPV、電池串并聯數NES、柴油發電機臺數Ndie有關。因此可以把目標函數視為的函數關系，

3.4微網約束條件

功率平衡約束。根據提出的能量管理策略，無論系統處于哪種運行狀態都要保證供需平衡。

光伏陣列占地面積約束

式中：NPV為單位光伏電池組件的數量；A為單位光伏電池組件占地面積，m2；Smax為現有場地的最大安裝面積，m2。

可靠性指標約束

式中：δLOLP為缺電率的允許上限值，負荷缺電率越低，供電可靠性程度越高；δEXC，max為溢出能量比允許上限值，溢出能量比越高，能量浪費越嚴重。

儲能充放功率荷電狀態約束。不同類型的儲能電池都有單位電量的最大充放電速率，輸出功率大小與剩余電量成正相關。儲能電池的荷電狀態上限值和下限值也限制了充放電功率的最大值。同時輸出功率應在外電路對電池的功率需求范圍內［18］。

式中：P（j）＜0為充電狀態，P（j）＞0為放電狀態；αupc、αupd分別為儲能電池單位電量最大充放電速率，kW/kWh；Eneed為在第j段時間內外電路需要電池充或放的電量，kWh。

式中：SOCmax、SOCmin分別為儲能電池允許的最大、最小荷電狀態。

柴油發電機約束。柴油發電機的發電效率與輸出功率成正比，大功率運行條件下，發電效率高；小功率運行條件下，發電效率低，由于柴油發電機運行中會排放環境污染氣體，提高柴油發電機發電效率即限制運行功率具有顯著的環境效益。同時，柴油發電機頻繁啟停又會造成發電機壽命縮短，降低柴油發電機的啟停次數和限制運行功率具有很好的經濟效益［19］。

3.5數學模型求解方法

獨立微網優化配置為達到供電可靠性、溢出能量比的基本指標要求，既要滿足微網電源的輸出約束，又要滿足評估周期內投資成本最低的多目標多約束非線性函數。針對優化問題，可以采用智能算法中的粒子群算法求解。以為粒子群算法中的粒子變量，為算法中的適應度函數，滿足基本指標和約束條件，求解出評估周期內投資成本最低的微網容量。

粒子群算法的標準算法為［20］：設一個種群規模為N，每個種群粒子在D維空間中不斷變化。設種群第i個粒子經過t代更新位置為速度更新為第i個粒子的個體歷史最優值為當代粒子變化得到的整個范圍最優解為每個粒子位置和速度更新按照公式 （34）、（35）進行。

式中：ω為慣性權重系數，根據不同的問題ω采取的策略不同，此處為［0，1］均勻分布的隨機數；c1、c2為跟蹤因子或學習因子，分別表示跟蹤個體歷史最優值、全局最優解的能力。r1、r2分別為［0，1］的隨機數。

針對粒子群算法初期全局搜索能力較強，后期全局搜索能力較弱，易陷入局部極值的“早熟”問題，通過陷入局部極值時的判定條件，使陷入局部極值的粒子位置重新變異，從而增大粒子多樣性，擴大粒子群適應值范圍。

粒子群陷入局部極值的判定條件、粒子位置突變公式分別為

式中：fi為第i個粒子的適應值；Xdown、Xup為粒子變化范圍的空間上下界。

改進的粒子群算法步驟為：1）初始化群體。隨機產生種群規模為N，粒子空間為D維的隨機粒子。計算初始隨機分布的粒子個體最優值Pi和全局最優值Pg。2）更新粒子位置。按照標準粒子群算法的速度更新公式（34）和位置更新公式（35）更新粒子，計算每個個體的適應值，隨之更新粒子的個體最佳值和全局最佳值。3）粒子變異。若滿足式（36），粒子位置按照式（37）變異。若不滿足，則進行下一步。4）終止條件。是否滿足達到迭代次數，如果達到則輸出全局最優解Pg，如果未達到，則轉到第二步，不斷循環，直到滿足終止條件。

4　算例分析

某地區的歷史每小時負荷數據如圖2所示，年最大負荷312 kW，平均負荷149 kW。該地區的每小時光照強度數據如圖3所示，光伏陣列附近的全年每小時環境溫度曲線如圖4所示。通過光照強度和環境溫度曲線，可以確定光伏陣列全年每小時功率輸出情況。算例采用的光伏電池單元額定功率為250W，詳細光伏組件參數如表1所示。

單塊蓄電池額定功率為0.6 kW，標稱容量為0.6 kWh詳細參數見表2。柴油發電機額定功率為0.5 kW，具體參數如表3所示。粒子群規模定為100，循環次數為300。利用圖5中的光儲柴獨立微電網全年成本最低的數學模型求解流程，所得優化結果如表4所示。

圖2　全年每小時負荷功率曲線

圖3　全年每小時光照強度曲線

圖4　全年環境溫度曲線

表1　光伏組件（PV）參數

表2　蓄電池（SB）參數

表3　柴油發電機參數

圖5　數學模型求解流程

表4　微網電源優化配置結果

對數據進一步處理，根據表1～4可知，在現有歷史負荷數據、光照強度、溫度的變量數據的基礎上，通過粒子群算法得出的最優結果為光伏組件峰值功率為200 kW，儲能電池總功率為360 kW，柴油發電機機組裝機容量為60 kW。算例結果給出的溢出能量比為δEXC＝0.253 5，負載缺電率為δLOLP=0.065 3，微網全年綜合成本為227.602 6萬元，其中溢出能量比為考慮儲能的功率可吸可發的特性。

可以看出，光伏組件功率與儲能電池總功率接近，這是柴油發電機的作用。柴油發電機可以從0到額定功率范圍內變化，所以當發生較大功率波動時，柴油發電機能很好地彌補功率缺額，若微網電源元件中去掉柴油發電機，將勢必增加光伏陣列總功率和儲能電池總功率，而且儲能電池總功率較光伏組件功率增加的更多。撤掉柴油發電機機組，只保留光伏和儲能電池作為電源。在保證給定的溢出能量比δEXC=0.2、負載缺電率δLOLP=0.05的條件下，光伏組件容量和儲能容量之間的關系如圖6所示。當光伏容量較小時，系統為了滿足供電可靠性，儲能容量非常大。隨著光伏容量增加，儲能容量相應的減小。圖中可以看出，當光伏組件容量達到900 kW附近時，儲能容量達到最低值920 kW。但光伏容量再增加，儲能容量反而也增加。造成這一現象是因為設定了溢出能量比的值，為了吸收光伏組件發出的多余能量，滿足設定的溢出能量比值，只能增加儲能電池容量。所以光伏容量和儲能容量的合理的比值，才會使微網更加經濟、穩定運行。

分析表4可知，單元電源元件個數較多，在工程應用中顯然是不符合實際的。計算結果較大的原因為單位電源元件功率較小。微網電源組件個數較多會帶來實際操作中線路串并聯的繁瑣，同時也會導致電源與電源間的電動勢平衡難以控制，更重要的是增加線損，降低效率。當然此處只作為算法驗證的案例，所以并未考慮電源組件功率的問題。

圖6　光伏容量與儲能容量關系

對所提出的數學模型，應用改進的粒子群算法與標準粒子群算法進行對比，結果如圖7所示。

圖7　改進粒子群算法與標準粒子群算法比較

5　結語

獨立光伏微網，對于解決遠離大電網的偏遠山區和海島的負荷供電問題有重要意義。首先建立了光儲柴微電網的電源的各自數學模型，并提出了不同運行狀態下的能量管理策略。用改進的粒子群算法求解了全年微電網綜合費用最低的數學模型，并得出最優微電網電源容量方案。通過對改進粒子群算法和標準粒子群算法比較，驗證了改進粒子群算法的可行性。

［1］LASSETER R，ABBAS A，MARNAY C．Integration of distributed energy resources：the CERTS microgrid concept［R］．USA：California Energy Commission，2003．

［2］羅運虎，王冰潔，梁昕，等．電力市場環境下微電網不可再生分布式發電容量的優化配置問題［J］．電力自動化設備，2010，30 （8）：28-23.

［3］郭力，劉文建，焦冰琦，等.獨立微網系統的多目標優化規劃設計方法［J］.中國電機工程學報，2014，34（4）：524-536.

［4］Jose'L，Bernal-Agustín J L，Dufo-López R．Simulation and optimization of stand-alone hybrid renewable energy systems ［J］．Renewable and Sustainable Energy Reviews，2009，13 （8）：2 111-2 118．

［5］馬溪原，吳耀文，方華亮，等.采用改進細菌覓食算法的風/光/儲混合微電網電源優化配置［J］.中國電機工程學報，2011，31 （25）：17-25.

［6］Dufo-López R，Bernal-Agustín J L，JoséM Y，et al．Multiobjective optimization minimizing cost and life cycle emissions of stand-alone PV-wind-diesel systems with batteries storage ［J］．Applied Energy，2011，88（11）：4 033-4 041．

［7］劉振亞.智能電網技術［M］.北京：中國電力出版社，2010.

［8］梁雙，胡學浩，張東霞，等.光伏發電置信容量的研究現狀與發展趨勢［J］.電力系統自動化，2011，35（19）：101-107.

［9］JONES CP.Underwood a modeling method for building-intergrated PV systems［J］.Solar Energy，2002，70（4）：349．

［10］BELFLCIRA R，NICHITA C，REGHEM P，et al.Modeling and optimal sizing of hybrid renewable energy system［C］//13 th Power Electronics andMotionControl Conference.Poznan，Poland：13 th Power electronics and Motion Control Conference，2008：1 834-1 839.

［11］CHEN S X，GOOI H B，WANG M Q．Sizing of energy storage formicrogrids［J］．IEEE Trans on Smart Grid，2012，3（1）：142-151．

［12］劉寶柱，顏洪正，王立國.一種用于計算光伏組件溫度的多元非線性函數擬合與修正方法［J］.電力系統保護與控制，2013，41（24）：44-49.

［13］丁明，王波，趙波，等.獨立風光柴儲微網系統容量優化配置［J］.電網技術，2013，37（3）：575-581.

［14］丁明，張穎媛，茆美琴，等.包含鈉硫電池儲能的微網系統經濟運行優化［J］.中國電機工程學報，2011，31（4）：7-14.

［15］李建林，李蓓，惠東.智能電網中的風光儲關鍵技術［M］.北京：機械工業出版社，2013.

［16］丁明，吳建鋒，朱承治，等.具備荷電狀態調節功能的儲能系統實時平滑控制策略［J］.中國電機工程學報，2013，33（1）：22-29.

［17］劉夢璇，王成山，郭力，等．基于多目標的獨立微電網優化設計方法［J］．電力系統自動化，2012，36（17）：34-39．

［18］MICHAEL Stadler，CHRIS Marnay，AFZAL Siddiqui，et al. Effect of Heat and Electricity Storage and Reliability on Microgrid Viability：A Study of Commercial Buildings in California and NewYork States［R］.Ernest Orlando Lawrence Berkeley National Laboratory，Berkeley，CA（US），2008.

［19］方曉寶.基于供電可靠性的微網優化設計［D］.北京：華北電力大學，2013.

［20］EBERHART RC，SIMPSON PK，DOBBINS RW.ComputationalIntel-ligence PC Tools［M］.Boston，M A：Academic Press Profession-al，1996.

Optimal A llocation of Capacity for Standalone PV M icro-grid

Due to the inherent fluctuation and uncontrollability of solar energy，the coordination among microgrid generator powers becomes complex in the standalone photovoltaic（PV）microgrid system.The accouplement between the generator power and the needed load is the primary condition for preserving stability ofmicrogrid system which is in independent running state.The improved particle swarm optimization（PSO）is applied to solve configuration optimization of capacity of standalone PV-diesel-battery hybrid microgrid，and the state mathematical model of PV，energy storage and diesel generator is established.Through the analysis of the annual comprehensive cost，themathematicalmodelwith the lowestannual cost targets is established.For different operating conditions，the energy management strategy with micro-grid power coordination is proposed.Following the proposed energy management strategy，the improved PSO is utilized to obtain the configuration optimization ofcapacity of themicro-grid power，and resultsshow thatthe improved PSOhasstrongglobaloptimization features.

photovoltaic；micro-grid model；micro-grid optimization；particle swarm optimization

TM732

A

1007－9904（2016）04－0001－09

國家高技術研究發展計劃（863計劃）項目（SS2012AA050213）

2015-12-25

李龍坤（1990），男，碩士研究生，主要研究方向為微電網優化；

王敬華（1972），男，高級工程師，研究生導師，主要研究方向為配電自動化技術及其應用；

孫桂花（1988），女，碩士研究生，研究方向為配電網自動化。