基于成本和效益分析的并網光儲微網系統電源規劃

韓曉娟　王麗娜　高　僮　修曉青

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

基于成本和效益分析的并網光儲微網系統電源規劃

韓曉娟1王麗娜1高僮2修曉青3

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

隨著微網的迅速發展，電源規劃對微網的建設具有重要指導意義。針對并網光儲微網系統電源規劃問題，提出基于成本和效益分析的并網微網系統電源規劃方法。在考慮光伏補貼政策與兩部制用戶分時電價基礎上，根據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電源規劃模型，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。通過對上海某地區實際負荷數據仿真分析，給出該地區并網光儲微網系統的電源規劃結果及其經濟效益，以及三種算法的對比結果。仿真結果表明粒子群算法在該微網電源規劃模型求解中具有優越性。

微網電源規劃成本和效益分析粒子群算法

0　引言

光伏（Photovoltaic， PV）發電因其經濟、清潔環保等優點，應用范圍與規模逐漸擴大，技術更加成熟，成為微網中常用的電源形式［1，2］。由于光伏發電具有間歇性，為減少其并網時對大電網的沖擊，分布式光伏以微網形式接入電網是光伏并網的主要形式之一。分布式電源與微網的發展使光伏系統在微網中所占的比例也越來也高［3-5］。而儲能系統是微網必不可少的一部分，是微網改善電能質量、安全可靠運行的關鍵。儲能系統根據負荷變化向電網釋放或吸收電能，具有削峰填谷、平滑負荷、降低供電成本、提高經濟利益等特點［6-9］。在微網建設前期，需要進行電源規劃，即根據負荷需求，確定投建機組的類型、容量等，使微網滿足特定的優化目標。微網的電源規劃研究可以為微網的建設提供理論指導，使微網能夠滿足一定的經濟性、可靠性、環保性等［10，11］。

目前，國內外學者針對微網電源規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，建立孤島微網電源規劃模型。文獻［16］針對并網型風光混合發電系統，給出一種基于發電效率衰減、分時電價和負荷逐年增長等條件的并網型分布式發電系統容量優化配置方法。文獻［17］基于成本效益分析原理，以綜合最佳投資經濟性（凈效益最大化）為目標，建立并網型微網電源容量優化配置模型。

綜上所述，現有微網電源規劃研究多從經濟性角度出發，以成本最小或凈收益最大為目標，但沒有充分考慮光伏發電的補貼政策、多省實行的峰谷分時電價以及兩部制分時電價。此外，微網的最重要目標是實現對低碳分布式能源的優化利用，與低碳經濟的發展要求相吻合［18］。因此，將低碳因素考慮到微網電源規劃中有重要意義。本文充分考慮光伏補貼與兩部制分時電價，結合并網光儲微網系統成本和效益分析，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。通過對上海某地區負荷數據進行算例仿真，得到該地區并網光儲微網系統的規劃結果及其經濟效益。

1　并網光儲微網系統成本和效益

1.1分時電價與用電負荷

目前，一些地區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，F1、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。分時電價是指根據電網的負荷變化情況，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并網光儲微網系統結構與儲能出力策略

并網光儲微網系統結構示意圖如圖2所示。其中，PPG（t）為光伏發電輸出功率，PESS（t）為儲能系統輸出功率，Pload（t）為原始負荷功率，Pgrid（t）為光儲微網系統與大電網能量交換。當PESS（t）＞0時，儲能系統放電；當PESS（t）＜0時，儲能系統充電。當Pgrid（t）＞0時，Pgrid（t）=P'load（t），P'load（t）為微網內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）為微網系統輸出功率，即向大電網售電功率。忽略系統各部分的能量損耗，根據能量守恒定律以及微網運行約束可得

當 Pgrid（t）＜0時，即微網向大電網售電，微網系統輸出功率為

圖2　并網光儲微網系統結構示意圖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，微網中儲能系統可以降低負荷峰值，從而降低容量，節省基本電費；同時，可以將峰值電價時期所需電量轉移到谷值電價時期購買，節省電量電費。

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，以儲能系統凈收益為目標函數，以儲能輸出功率、儲能荷電狀態為約束條件，建立非線性規劃模型，求解得到儲能系統最優運行方式。非線性規劃模型如下。

1）目標函數

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（State Of Charge， SOC）約束

式中，SOC表征儲能系統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，且為峰值時段持續時間，EN為儲能系統的額定容量，且為儲能系統充放電時間，即儲能系統以額定功率Pe完全充電或放電所需時間。

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

儲能系統的生命周期凈收益即收益與成本之差。其中，收益為節省電費收益，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并對儲能系統收益進行對比分析，凈收益與儲能系統充放電時間關系如圖6所示。由圖6可知，當儲能系統功率小于 700kW 時，充放電時間為Te=3h，凈收益最大；當儲能系統功率大于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SOC曲線Fig.5　SOC curve of the energy storage system

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

圖7　凈收益與儲能系統功率的關系Fig.7　Relationship between the life cycle net profit and energy storage power

圖7為凈收益與儲能系統額定功率PN的關系。由圖7可知，當儲能系統大于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，可設置儲能系統額定功率上限為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，是經濟系統分析的手段之一［21］。本文選擇凈現值法對并網光儲微網系統進行成本效益分析。凈現值法是評價投資方案的一種方法，凈現值大于零則方案可行，且凈現值越大，方案越優，投資效益越好。凈現值計算式為

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

1.4并網光儲微網系統成本

并網光儲微網系統的成本由以下三部分構成。

1）初始投資成本

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

2）運維成本

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

3）設備更換成本

由于光伏發電系統生命周期長于儲能系統，因此，需要更換儲能系統，更換成本為

1.5并網光儲微網系統收益

并網光儲微網系統的收益由削減電費收益、向大電網售電收益、光伏補貼收益以及低碳收益四部分構成。

1）削減電費收益

并網光儲微網系統降低了向大電網購電成本，從而獲得收益。削減電費收益計算式為

其中

基于上述供水系統的結構，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，包括水資源開發利用能力、水體污染程度、人為突發事件發生的風險和影響程度等；供水工程影響因子包括工程格局、工程能力、工程系統協調度、工程質量狀況及工程運行管理水平等；用戶影響因子包括人口規模、城鄉結構、經濟規模、產業結構、灌溉規模、種植結構、用水方式和技術水平、節水工藝和設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，即微網系統供電后最大需用量；a為基本電價；d（t）為電量電價；ΔT為時間間隔。

2）向大電網售電收益

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

式中，upv（t）為光伏上網電價。

3）光伏補貼收益

國家對光伏發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］，是發展低碳經濟、實現可持續發展的重要途徑。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為單位光伏發電量可以減少的碳排放量。

2　并網光儲微網系統電源規劃模型

2.1目標函數

為了使并網光儲微網系統更具經濟性，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電源規劃模型，其目標函數為

式中，NPV根據式（10）計算，且有

式中，n0代表此年內需要進行設備更換。

2.2約束條件

微網電源規劃模型須滿足微網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為儲能系統最大額定功率限制，根據 1.2節可取值為1 000kW。

2.3模型求解

所建立并網光儲微網系統電源規劃模型為非線性規劃模型，所需數據量大，常規非線性規劃方法求解困難，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

本文以上海地區某區域為例，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

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

光伏設備壽命按 20年考慮，儲能設備壽命按10年考慮，成本參數見表1。

表1　成本參數Tab.1　Cost parameters

根據歐洲光伏產業協會（European Photovoltaic Industry Association，EPIA）的測算，考慮到多晶硅的冶煉等環節消耗能源，綜合測算后1kW·h的光伏發電大約可以減排 0.6kg二氧化碳，約減排0.16kg“碳”。根據“中國碳排放交易網”中數據取上海地區碳交易價格為15元/t。

3.3并網光儲微網系統規劃結果

根據并網光儲微網系統電源規劃模型，得到生命周期凈收益與光伏裝機容量、儲能系統功率的關系如圖10所示。

圖10　凈收益與光伏裝機容量、儲能功率關系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，微網系統凈收益呈增加趨勢，即光伏裝機容量越大，微網系統的凈收益越大。而隨著儲能系統功率的增加，微網系統凈收益沒有一直增加。由于儲能成本高，且儲能系統帶來的收益單一，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，微網凈收益先增加后減少。

采用粒子群算法對并網光儲微網電源規劃模型求解可得，當光伏裝機為 6 000kW、儲能系統為330kW/3h時對應的凈收益最大，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　凈現金流量Tab.3　Net cash flow（單位：萬元）

（續）

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，不具經濟性。因此，在光伏成本降低之前，光伏發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化算法對微網電源規劃模型進行求解，計算結果見表5，收斂曲線如圖12所示。仿真結果表明，在微網電源規劃問題中，粒子群算法更具優勢，該算法具有并行搜索、搜索全局最優等優點，相比其他兩種算法，收斂速度快且能夠找到更優解。

表5　計算結果Tab.5　Calculation results

圖12　收斂曲線Fig.12　Convergence curves

4　結論

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，建立基于并網光儲微網系統成本/收益分析的電源規劃模型，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約束等。

2）以上海地區某區域負荷數據為例，根據其負荷需求與光伏出力，進行并網光儲微網系統電源規劃。算例分析結果表明，隨著光伏裝機容量的增大微網系統凈收益呈增加趨勢。當光伏裝機容量一定時，隨著儲能系統功率的增加，微網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，粒子群算法在微網電源規劃問題中，具有收斂速度快、更易找到全局最優解的優越性。

4）所提出的并網光儲微網系統電源規劃模型考慮了經濟性，可以得到較合理的規劃方案，能夠為微網投資提供科學的決策支持。

［1］李建林， 籍天明， 孔令達， 等. 光伏發電數據挖掘中的跨度選?。跩］. 電工技術學報， 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. 分布式光伏發電并網的成本/效益分析［J］. 中國電機工程學報， 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］國家發展改革委員會．國家發展改革委關于促進光伏產業健康發展的通知， 發改價格［2013］1638號［R］. 北京， 2013.

［4］茆美琴， 金鵬， 張榴晨， 等. 工業用光伏微網運行策略優化與經濟性分析［J］. 電工技術學報， 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. 光儲微網系統并網/孤島運行控制策略［J］. 中國電機工程學報， 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. 儲能技術在微網中的應用研究［D］. 武漢： 華中科技大學， 2009.

［7］姚勇， 朱桂萍， 劉秀成. 電池儲能系統在改善微電網電能質量中的應用［J］. 電工技術學報， 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/光/柴/蓄及海水淡化負荷的微電網容量優化配置［J］. 電工技術學報，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. 儲能系統在孤島微網中應用［J］. 電氣技術， 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. 微網與儲能系統容量優化規劃［D］. 天津： 天津大學， 2012.

［11］曹智平， 周力行， 張艷萍， 等. 基于供電可靠性的微電網規劃［J］. 電力系統保護與控制， 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電源規劃方法及應用［J］. 控制理論與應用， 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， 等. 風光互補混合供電系統多目標優化設計［J］. 電力系統自動化， 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/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. 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. 并網型可再生能源發電系統容量配置與優化［J］. 電力系統保護與控制， 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. 并網型微網電源容量優化配置模型及算法研究［D］. 重慶： 重慶大學， 2013.

［18］曹培， 王媚， 郭創新， 等. 智能微網運行的低碳綜合效益分析［J］. 電網技術， 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化充電策略［J］. 電力系統保護與控制， 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. 面向調峰激勵的發電側兩部制峰谷電價研究［D］. 大連： 大連理工大學， 2013.

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

［22］李凱杰， 曲如曉. 碳排放交易體系初始排放權分配機制的研究進展［J］. 經濟學動態， 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有功無功下垂控制［J］. 電工技術學報， 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電控制技術、故障診斷、信息融合和檢測技術等。

E-mail： wmhxj@163.com

王麗娜女，1991年生，碩士，研究方向為微網電源規劃、儲能系統配置等。

E-mail： wanglinack0901@163.com（通信作者）

2015-12-19改稿日期 2016-04-08