電網供電缺失環境下多園區有限電量優化調度策略

江友華，楊金婉，趙樂，王春吉，曹以龍

(1.上海電力大學電子與信息工程學院，上海市 200090；2.國網上海市電力公司電力科學研究院，上海市 200437)

0 引 言

隨著各行業用電需求的增長和用電依賴性的加強，電力系統的正常運行對社會發展和穩定具有重大的影響[1]，大電網電力供應中斷所帶來的經濟損失以及對社會的影響更加突出[2]。在自然災害、設備損壞、停電維護檢修等因素影響的區域，以及在偏遠地區、海島等環境，會存在大電網供電缺失的情況，這時可以通過孤島型微電網給用戶供電[3]。由于用戶自身電源容量的限制和可再生能源出力的不確定性，會出現供電電量不足、用戶面臨停電等問題，使得孤島型微電網的能量調度變得更加困難和復雜[4]。合理的能量調度策略能促進電網供電缺失環境下有限電量的有效利用，提高孤島型微電網運行的平衡性與用戶用電經濟性。因此，開展孤島型微電網能量調度優化具有重要意義。

目前，孤島型微電網運行研究主要集中在經濟優化運行模型上。文獻[5]合理規劃分布式電源以及儲能裝置的容量配置從而降低孤島型微電網運營成本，但其認為電源容量充足，可滿足各時段全部負荷的供電，未考慮有限電量優化分配的問題。文獻[6]以總運行費用與停電損失之和最小為目標對供電不足時刻的負荷進行切除或轉移，建立孤島型微電網能量管理的混合整數規劃模型。文獻[7]根據不同負荷特性制定能源優化調度方案，實現農業園區能源的協調優化和管理，降低了園區的運營成本。文獻[8]以微電網經濟性能最大化為目標，考慮能源和負荷的不確定性，在能量有限的孤島微電網中提出一種動態減負荷策略。然而，上述文獻僅分析了在供電不足情況下通過切除可調負荷來確保系統穩定運行和優化系統經濟性的問題，未區分可調負荷單位停電損失的大小，并基于此將有限的電能合理分配給不同可調負荷，從而進一步降低停電損失。

此外，與家庭用戶負荷種類較為單一的特點相比，園區內聚集著不同類型的用能個體，這對園區供能系統的電量分配提出了更高的要求[9-10]。但目前大部分文獻僅考慮了單一園區或多個獨立運行的園區[11-12]，其通過各自電源和儲能系統(energy storage system，ESS)供電，因此存在某些園區用電過剩，而某些園區用電缺額的情況。這種不合理的電量分配方式忽視了園區與園區之間電能共享可以進一步提高能量利用率和用戶經濟性的潛能。

為此，針對現有研究的不足，本文考慮電網供電缺失環境下電量有限而無法滿足園區全部負荷用電需求的情況，以進行電能共享的多園區為研究對象，從提高園區用電經濟性和用戶滿意度的角度出發，提出多園區有限電量優化調度策略。通過對不同園區中不同種類負荷制定合理電量分配比例、調整負荷運行時間，以停電損失、儲能配置成本以及用戶不滿意度最小為優化目標，建立多園區有限電量優化調度模型。然后，采用基于精英策略的非支配排序遺傳算法(non-dominated sorting genetic algorithm based on the elite strategy，NSGA-II)對多目標優化調度模型進行求解，得到Pareto解集，并利用模糊隸屬度法得到最優解。最后，基于上海某區域多園區進行算例仿真，通過不同方案對比驗證所提優化調度策略的有效性和可行性。

1 大電網供電缺失環境下多園區能量管理分析

1.1 多園區能量管理系統

由于存在不同園區用電習慣不同、同一園區不同負荷用電重要性不同的現象[13-14]，在大電網供電缺失環境下，對于用電較少的園區，分布式電源供電相對充足，多余電量通過ESS儲存，而對于用電量較大的園區，供電量有限，不得不中斷部分負荷供電。這時若不根據負荷重要程度及單位停電損失大小合理調度負荷供電，會增大停電損失，降低用戶滿意度，即不合理的電量調度方式會帶來一些經濟以及社會問題。因此，在大電網供電缺失環境下通過該區域能量管理系統來實現電能共享的多園區有限電量的分配、存儲以及負荷的優化調度至關重要。

多園區能量管理系統(multiple parks energy management system，MEMS)是將多園區內的柴油發電機(diesel engine，DE)、ESS、光伏電池(photovoltaic，PV)等分布式電源、負荷整合為一體的控制系統。MEMS包含數據采集系統、管理調度中心和控制中心。MEMS通過數據采集系統將PV、ESS、DE、負荷的運行功率和運行時間等信息進行采集處理，并將數據傳輸到管理調度中心。管理調度中心根據系統需求及智能決策，制定多園區電能調度計劃，同時將調度計劃發送給控制中心實現控制分布式電源的投切、ESS的充放電以及可調負荷的切除或轉移[15]，達到提高電能利用率、用電經濟性和用戶滿意度的目的。多園區能量流與信息流示意圖如圖1所示。

圖1 多園區能量流與信息流示意圖Fig.1 Schematic diagram of energy flow and information flow in multiple parks

1.2 分布式電源模型

DE作為可控電源，能夠在電網供電缺失時提供電能。本文以一天為一個調度周期，即T=24，t∈Γ=[1,2,…，T]。定義PDE,k(t)為園區k內第t時段DE輸出功率，m代表園區數目，則多園區中第t時段DE總的輸出功率PDE(t)以及周期內DE總的發電量Qdes可表示為：

(1)

(2)

在微電網運行過程中，ESS通過循環的充放電方式轉移電能，緩解可再生能源出力的波動性問題，則ESS的充放電模型如下所示。

(3)

Sk(t+1)=Sk(t)+δESS,k(t)Pstorage,k(t)Δt

(4)

式中：Pstorage,k(t)為園區k內第t時段ESS有功功率，充電為正，放電為負；Sk(t)為園區k第t時段ESS儲電量；Δt為調度時間間隔；λch,k(t)和λdis,k(t)為0-1整數變量，取1時分別表示園區k內的ESS在第t時段處于充、放電狀態；Pch,k(t)、Pdis,k(t)分別表示園區k內第t時段ESS充、放電功率；δESS,k(t)為園區k內ESS第t時段的充放電效率，其滿足式(5)。

(5)

式中：δch和δdis分別為ESS充電效率和放電效率。

除上述電量來源外，根據日前預測的PV輸出功率可得未來一天各時段內各園區PV的可用出力Ppv,k(t)，則多園區中PV第t時段總輸出功率Ppv(t)以及周期內PV總發電量Qpv可表示為：

(6)

(7)

1.3 負荷分類及有限電量分配模型

園區負荷一般可以分為固定負荷和可調負荷[16]。固定負荷沒有時間彈性，若供電中斷會帶來較大的經濟影響，甚至會危及到人身安全。因此本文通過優化調度策略滿足固定負荷所需全部電量，如式(8)所示：

Qfix,k,j=αfix,k,j(Qpv+Qdes)

(8)

式中：Qfix,k,j表示園區k內第j類固定負荷所需電量；αfix,k,j表示分配給園區k內第j類固定負荷的電量比例；Qpv+Qdes表示多園區內可分配的全部電能。若考慮網損、儲能充放電損耗等電能損耗時，在Qpv+Qdes基礎上減去損耗即為可分配的電能，本文優化分配模型仍適用。

可調負荷的工作時間較為靈活，當電量有限時可中斷其部分供電來使固定負荷優先用電。但對于不同類型的可調負荷，其停電特性、對停電所能容忍的程度不同，則停電對其造成的損失也不同。因此，可調負荷的切除或轉移，需要考慮負荷單位停電損失、用戶不滿意度等因素，合理分配其電量比例以及安排用電時段，以達到提高負荷運行的經濟性和滿意度等目的。對于同一類可調負荷，在一個周期內所用電量與MEMS所分配電量相等，所以滿足式(9)。

(9)

對于多園區電量分配情況，多園區內所有負荷分配電量比例之和一定為1，所以電量分配比例滿足式(10)。

(10)

式中：e表示固定負荷種類數目；n表示可調負荷種類數目。

除此之外，由于本文多園區電量有限，供電量不能滿足全部負荷所需電量，且優化調度過程中優先滿足固定負荷所需全部電量，所以本文電量分配模型滿足以下約束條件。

(11)

(12)

2 多園區有限電量優化調度模型

本文從提高園區用電經濟性和用戶滿意度的角度出發，在電網供電缺失導致電量有限情況下，通過合理分配負荷電量比例以及調整負荷運行時間，以有效降低用戶停電損失、儲能配置成本以及用戶不滿意度。因此，本文以最小化園區內停電損失、儲能配置成本和用戶不滿意度為目標，在MEMS和電量分配模型基礎上，建立有限電量優化調度模型。

2.1 目標函數模型

2.1.1停電損失模型

(13)

一般認為單位電量停電成本不是單一的固定數值，而是一個隨停電持續時間動態變化的、計及不同用戶類型的綜合變量，其隨著停電持續時間的延長先增大后趨于平穩。單位電量停電成本與停電持續時間的數學模型如下所示：

(14)

(15)

(16)

(17)

(18)

由上可知，園區內負荷總停電損失模型L為：

(19)

2.1.2儲能配置成本模型

在有限電量以及負荷時間優化調度過程中，ESS通過充放電來調整供電量和供電時間。如何讓ESS在有限的容量范圍內發揮最大的作用，是儲能容量配置的關鍵問題。由于折算到每個時段的儲能配置成本與運行周期內最大儲電量和最大充放電功率有關[17-18]，因此，需要合理利用ESS來調度電量，降低調度過程ESS的最大儲電量和最大充放電功率。通過上述關系可以得到折算到每時段內的儲能配置成本公式如下所示：

(20)

Pmax,k=max(|Pstorage,k(t)|)，t∈Γ

(21)

Smax,k=max(Sk(t))，t∈Γ

(22)

式中：Pmax,k和Smax,k分別為園區k運行周期內最大充放電功率和最大儲電量；ε1、ε2為ESS折算成本參數，由文獻[18]可知其計算過程。

2.1.3用戶不滿意度模型

由于停電對不同用戶的影響程度不同，以用電的經濟性作為調度目標并不能滿足用戶多樣化的用電需求，還須考慮用戶的用電滿意度。從用戶角度考慮，用戶滿意度由用電舒適滿意度和用電經濟滿意度構成[19-20]。用電舒適滿意度定義為用電負荷實際工作時間處于其計劃用電時間段內的百分比；用電經濟滿意度定義為用電負荷未產生的停電損失與其全部停電產生的總停電損失的百分比。本文僅考慮可調負荷對用戶滿意度的影響。

根據以上定義，可得園區k內第i類可調負荷的用電舒適滿意度Ecom,k,i表達式為：

(23)

則多園區總用電舒適滿意度Ecom為：

(24)

根據定義，多園區總經濟滿意度Eecon表達式為：

(25)

則用戶滿意度Euser為：

Euser=Ecom+Eecon

(26)

(27)

根據上述目標函數模型易知，為實現多園區經濟性目標，若僅考慮停電損失最小化來分配各負荷電量比例并調整運行時間，會存在過度儲存電能以達到將更多電量分配給單位停電損失較大負荷以及用戶實際用電行為與預期用電行為偏離過大等現象，從而導致儲能配置成本增加和用戶滿意度降低等問題。但僅考慮用戶滿意度來分配各負荷電量比例和調度運行時間又會增大最大充放電功率和最大儲電量以及缺乏對單位停電損失的區分，從而增加儲能配置成本和停電損失。故從整體來看，需要協調停電損失、儲能配置成本和用戶不滿意度3個目標來確定最優有限電量調度方案。

2.2 約束條件

2.2.1功率平衡等式約束

各時段的PV和DE發電功率、ESS充放電功率以及負荷功率應處于動態平衡狀態。根據每時段PV和DE的發電功率與負荷用電功率的大小關系，控制ESS與負荷的靈活投切。功率平衡等式約束為：

(28)

(29)

式中：λadj,k,i(t)為0-1整數變量，取1時表示可調負荷在第t時段內處于工作狀態。

2.2.2分布式電源約束

PDE,min≤PDE,k(t)≤PDE,max

(30)

式中：PDE,min為DE的最小發電功率；PDE,max為DE的額定發電功率。

2.2.3ESS約束

同一時段t內，ESS不能同時處于充電和放電狀態，且ESS進行充放電時，要保證不超過系統充放電功率上下限，故其運行狀態須滿足如下約束：

λch,k(t)+λdis,k(t)≤1

(31)

-Pmax,k≤Pstorage,k(t)≤Pmax,k

(32)

ESS的荷電狀態SSOC,k(t)表示ESS剩余容量與它滿充電狀態時容量比值的百分數，它是充放電過程中的一個重要約束。

(33)

SSOCmin

(34)

式中：SSOC,k(t)表示園區k內ESS的荷電狀態；SSOCmax、SSOCmin分別表示荷電狀態的上下限。

3 多目標優化模型求解

本文以電網供電缺失環境下園區內停電損失、儲能配置成本及用戶不滿意度最小為優化目標，由第2節優化模型可知3個目標之間存在相互約束的關系，且3個目標具有不同的量綱。因此，本文采用NSGA-II直接求解多目標優化模型，可以很好地權衡各目標之間的關系。NSGA-II作為目前優秀的多目標優化算法之一，具有計算復雜度低，運算時間短，收斂性和分布性良好等優點，能得到較理想的Pareto解集，從而較平衡地保證各個目標的優化效果[21]。優化調度模型求解流程見圖2。

采用NSGA-II求解優化調度模型可得Pareto解集，然后本文采用模糊隸屬度法對每個目標分別構造模糊隸屬度函數，將其轉化為對優化結果的滿意度，通過對比滿意度找出Pareto解集中的最優解。模糊隸屬度函數為：

(35)

式中：Dr代表第r個目標函數滿意度值；fr為第r個目標函數；Fmax和Fmin分別為Pareto解集中第r個目標函數的最大值和最小值。

然后，計算每個解的標準化滿意度值，其中標準化滿意度值最大的解即為最優解。

(36)

式中：Dh為第h個解的標準化滿意度值；N為目標函數個數；M為Pareto解集中解的個數。

4 算例分析

4.1 算例數據

為驗證本文優化調度策略有效性，本節以電網供電缺失環境下上海某區域的農業園區、工業園區、商業園區以及居民園區為研究對象進行了仿真。該多園區區域5月份典型日內PV和DE發電量、各類負荷用電情況如表1所示。所有園區總的PV出力情況以及固定負荷、各類可調負荷的工作時間及工作功率如圖3所示。

對于優化調度策略，該區域所有園區的PV發電量之和以及DE發電量之和分別等于PV總發電量Qpv和DE總發電量Qdes，因此該區域一天內Qpv=2 354 kW·h，Qdes=2 400 kW·h，且已知固定負荷總用電量為2 952 kW·h，4類可調負荷總用電情況分別為75 kW×9 h、120 kW×7 h、90 kW×8 h、60 kW×8 h，則多園區中總的需電量Q=5 667 kW·h。易知電網供電缺失環境下多園區分布式電源總發電量不能滿足所有負荷需求。3個目標函數中的參數如表2所示。

圖2 優化調度模型求解流程Fig.2 Flow chart for solving the optimal scheduling model

表1 多園區發電量和負荷用電情況Table 1 Situations of electricity generation and power consumption in multiple parks

圖3 PV出力和負荷運行曲線Fig.3 Curves of PV power generation and load operation

4.2 不同多目標優化算法對比分析

為驗證本文所采用NSGA-II算法的優越性，根據3個目標模型式(19)、(20)、(27)以及約束條件、函數參數可繪制目標函數散點圖，其代表在約束條件下目標函數可以取得的所有解，如圖4中方塊所示，并根據文獻[22]中適應度函數計算出所有解的適應度。方塊的顏色代表適應度，顏色越深表明該解越優，顏色最深的區域代表最優區域。同時，本節分別利用NSGA(the Non-dominated Sorting Genetic Algorithm)、NSGA-II和多目標粒子群算法(multi-objective particle swarm optimization，MOPSO)等多目標優化算法通過MATLAB平臺對優化調度模型進行求解，設定種群規模為100，迭代次數為100。通過仿真得到3種算法下Pareto解集，如圖4所示。

表2 三個目標函數參數Table 2 Parameters of the three objective functions

圖4 不同算法下Pareto解集圖Fig.4 Pareto solution maps under different algorithms

由圖4可知，利用NSGA-II得到的Pareto解集收斂到了適應度顏色最深的區域，證明了NSGA-II所得Pareto解集收斂到了全局最優，而其他2種算法所得Pareto解集位于最優區域之外，代表存在陷入了局部最優現象。

通過第3節所定義的模糊隸屬度法可找到Pareto解集中標準滿意度值最大的解，將其作為最優解。因此，除比較不同算法Pareto解集外，本節還將3種算法下不同迭代次數中3個目標的最優解值進行了對比，結果如圖5所示。由圖5可知，NSGA-II在不同迭代次數下得到的最優解值均小于NSGA和MOPSO，即NSGA-II所得最優解更優。此外，當迭代次數小于50次時，NSGA-II在不同迭代次數下得到的最優解值逐漸減小，當迭代次數達到50次時，最優解值達到穩定水平，且在迭代次數繼續增加時，最優解值一直處于穩定狀態，此時程序的總運行時間約為225 s。然而，在NSGA和MOPSO中，當迭代次數分別達到70和60時，最優解值才達到穩定水平，并且程序的總運行時間分別約為480 s和274 s。則易知NSGA和MOPSO的收斂速度明顯低于NSGA-II的收斂速度。綜上原因，本文采用NSGA-II求解多目標模型。

圖5 不同算法下不同迭代次數中3個目標的最優解值Fig.5 Optimal results of the three objective functions at different iterations under different algorithms

4.3 仿真結果分析

本文以采用NSGA-II通過仿真得到的最優解對應的電量調度方案為優化調度方案。當不考慮園區有限電量優化調度時，每個時段按照負荷計劃工作時間和功率進行供電，若該園區電量有限則中斷負荷，若電量充足則進行電能儲存，此供電方式稱為即用即給供電方式。為驗證提出的電能共享和有限電量調度策略的優勢，本文設置3個調度方案進行對比：

方案1：園區獨立供電+即用即給供電方式。

方案2：園區電能共享+即用即給供電方式。

方案3：園區電能共享+有限電量優化分配。

方案3即本文優化調度方案。本文所提優化方案3的特色之處是首先考慮到固定負荷的重要性，在優化分配有限電量時在ESS的配合下滿足全部時段的固定負荷正常運行；其次在滿足固定負荷的基礎上考慮不同類型負荷單位停電損失的不同，同時考慮到儲能配置成本和用戶滿意度，對不同園區中不同種類負荷制定合理電量分配比例并調整負荷運行時間，以達到優化停電損失、儲能配置成本以及用戶滿意度的目的。通過將不同方案的目標函數值、電量分配比例、負荷工作時間、ESS充放電情況等指標進行對比，驗證本文電網供電缺失環境下考慮電能共享的多園區有限電量優化調度策略的有效性。

4.3.1電能共享分析

為驗證本文提出的電能共享相比獨立供電的優勢，分別對方案1和方案2的停電損失、儲能配置成本和用戶不滿意度等函數值以及電量分配情況進行對比分析。方案1與方案2的多園區總目標函數值如表3所示，兩方案的各園區電量分配比例如表4所示。

表3 方案1與方案2多園區總目標函數值Table 3 Total objective function values of scheme 1 and 2 in multiple parks

表4 方案1與方案2各園區電量分配比例Table 4 Proportion of electricity allocated to each park under scheme 1 and 2

由表3知，與采用獨立供電方式相比，電能共享下的多園區停電損失降低了2.22萬元，折算到每小時的儲能配置成本以及用戶不滿意度分別降低了161元和0.62，表明電能共享有效地提高了用電經濟性和用戶滿意度。

由表4知，方案1中各園區電量分配比例之和小于100%，表明該方案中的多園區區域存在富余電能未被利用情況。方案1與方案2儲電量及充放電功率實時情況如圖6所示。結合如圖6所示的方案1與方案2的ESS儲電量及充放電功率實時情況可知，產生這種現象是由于多園區中存在需電量較小的園區，如商業園區和居民園區，運行周期結束時刻會剩余電能存儲在ESS中，如圖6中黃、紅曲線所示。但對于需電量較大的園區，如農業園區和工業園區，由于電量有限，17點后ESS中基本無可利用電能，如圖6中洋紅和綠色曲線所示。由此可知，不考慮電能共享的方案1存在多園區用能不平衡導致電能利用率低的問題。由表2給定參數以及停電損失模型可知，農業可調負荷、工業可調負荷的單位停電損失大于商業可調負荷和居民可調負荷，因此方案1會產生較大的停電損失，同時降低需電量較大園區的用戶滿意度。

圖6 方案1與方案2儲電量及充放電功率實時情況Fig.6 Actual situation of electricity storage and charge and discharge power under scheme 1 and 2

與方案1相比，采用園區電能共享的方案2中農業園區和工業園區等需電量較大的園區分配電量比例分別增加了6%、3.2%，且各園區分配電量比例之和等于100%，即在電能共享的基礎上，需電量較大的園區除了利用本園區電能外，還可以共享到其他園區的富余電能。如圖6藍線所示，多園區的ESS在運行周期結束時刻有效地利用了電能。除此之外，由圖6藍、黑曲線對比可知，電能共享方式顯著降低了多園區ESS總的最大儲電量和總的最大充放電功率，即有效降低了園區儲能配置成本。

由上述分析可知，多園區電能共享實現了更多電量的分配，有效提高了電能的利用率，解決了多園區用電不平衡的問題，同時可以有效降低停電損失和儲能配置成本，提高用戶滿意度。

4.3.2有限電量優化調度分析

為說明本文多園區有限電量優化調度策略對園區用電經濟性和用戶滿意度的影響，將方案2和方案3進行了對比。

方案2與方案3的各園區各目標函數值對比如圖7所示。由圖7對比可知，與采用即用即給供電方式的方案2相比，有限電量優化分配后，多園區的總停電損失減少了1.26萬元，折算到每小時的儲能配置成本減少了36元，同時用戶不滿意度也降低了0.29。此外，相比于方案2，方案3中的農業園區和工業園區的停電損失和用戶不滿意度明顯下降，商業園區和居民園區停電損失和用戶不滿意度雖略有提高，但總體而言，方案3中多園區總目標函數值是降低的。

圖7 方案2與方案3的各園區目標函數值Fig.7 Objective function values of each park under scheme 2 and 3

2個方案產生上述差距的原因在于電量分配比例以及負荷調度方式不同。方案2與方案3各園區內負荷電量分配情況如表5所示，根據表5數據按負荷類型表示負荷所分配電量比例情況如圖8所示。由圖8對比可知，對于固定負荷，方案3分配給固定負荷比例比方案2高4.4%。由于方案3通過有限電量優化分配使固定負荷全天按計劃工作，而方案2未提前考慮電量分配，當PV發電低谷期電量無法滿足負荷用電需求時會使部分固定負荷停電，因此方案3分配給固定負荷比例高于方案2。易知方案2電量分配方式會造成較大經濟損失和社會影響。

表5 方案2與方案3各園區內負荷電量分配比例Table 5 Proportion of electricity allocated to load in each park under scheme 2 and 3

圖8 方案2與方案3各類負荷電量分配比例情況Fig.8 Proportion of electricity allocated to various types of load under scheme 2 and 3

對于可調負荷，相比于不對負荷單位停電損失大小進行區分的方案2，方案3通過對有限電量的優化調度降低了單位停電損失較小的商業和居民可調負荷的電量分配比例，將更大比例的電量分配給工業負荷。由圖8知，方案3分配給單位停電損失較大的工業可調負荷的電量比例比方案2高7.5%，分配給商業和居民可調負荷的電量比例比方案2分別低3.8%、7.5%。其中，由于農業可調負荷單位停電損失僅次于工業可調負荷，因此其分配電量比例沒有降低。

總體而言，方案3在停電損失、儲能配置成本以及用戶不滿意度方面優于方案2，多園區有限電量優化調度策略有效降低了用戶經濟損失，提高了用戶滿意度。

4.3.3可調負荷和ESS運行分析

為進一步說明多園區有限電量優化調度策略對多園區用電的影響，本節對方案2與方案3中園區可調負荷和ESS的運行進行對比分析。

方案2與方案3的PV和DE出力與負荷運行情況如圖9所示。由圖9可知，方案2在每個時段按照負荷計劃工作時間和功率進行供電，直至電量用盡切斷負荷。此時，方案2不對負荷的重要程度以及單位停電損失進行區分，以至于后期部分固定負荷和單位停電損失較大的負荷產生停電現象，如圖9所示工業負荷以及19：00到24：00之間的固定負荷。

圖9 方案2與方案3 PV+DE出力與負荷運行情況Fig.9 PV + DE power generation and load operation under scheme 2 and 3

與方案2不同，方案3提前計劃了負荷所分配電量比例，即使在PV和DE發電相對充足的時間段仍會中斷部分單位停電損失較小可調負荷的供電，如09：00到15：00之間的商業和居民可調負荷，從而存儲電量給單位停電損失較大的負荷和PV發電低谷期的固定負荷供電。因此，由圖9易知，方案3中工業可調負荷運行的削減時間比方案2中的削減時間少3 h，但對于單位停電損失較小的商業和居民可調負荷，方案3比方案2的削減時間分別多2 h和6 h。

此外，方案3充分考慮了儲能配置成本和用戶滿意度，通過合理分配電量以及優化負荷運行，盡量利用PV和DE發電高峰期電量，減緩了ESS的充放電功率變化幅度，并降低了最大儲電量，如圖10所示，方案3在運行周期內ESS最大儲電量及最大充放電功率均小于方案2，則使園區需要配置儲能容量以及所需儲能配置成本小于方案2。同時，讓負荷盡量運行在原計劃時間段內，提高了用戶滿意度。

圖10 方案2與方案3的儲電量及充放電功率實時情況Fig.10 Actual situation of electricity storage and charge and discharge power under scheme 2 and 3

通過上述分析可知，本文通過優化有限電量分配比例實現了固定負荷的按計劃供電并將更多電量分配給停電損失較大的負荷，降低了用戶經濟損失。同時，通過優化電量分配比例以及負荷運行時間，減小了ESS的最大儲電量和最大充放電功率以及負荷實際運行時間與原計劃工作時間偏離程度，從而降低了多園區的儲能配置成本和用戶不滿意度。

5 結 論

本文提出了電網供電缺失環境下考慮電能共享的多園區有限電量優化調度策略，以停電損失、儲能配置成本及用戶不滿意度最小為目標，建立了多園區有限電量優化調度模型。通過模型推導、理論分析及仿真驗證，得到以下結論：

1)受自然災害、意外事故、地理環境等因素的影響，使得大電網供電缺失現象時有發生，研究大電網供電缺失環境下有限電量的優化調度將拓展現有能量調度策略研究內容，有助于提高孤島型微電網運行的平衡性與用戶用電經濟性。

2)在大電網供電缺失環境下，相比于傳統各園區獨立運行，本文通過多園區間電能共享，解決了各園區用電不平衡的問題，避免了某一園區電量過剩而其他園區電量相對不足問題，有效提高了多園區電能的利用率。

3)采用本文提出的多園區有限電量優化調度策略合理分配有限電量比例以及優化負荷運行時間，實現了固定負荷按計劃供電，同時降低了多園區用戶停電損失、儲能配置成本以及用戶不滿意度。

總之，對大電網供電缺失環境下能量優化調度的研究，有利于提高電能利用率、用電經濟性以及用戶滿意度，將進一步拓寬未來微電網中能量調度的發展方向。此外，可再生能源出力以及負荷運行的不確定性將會增加電量優化調度的復雜程度，后續的研究將圍繞二者實時運行的不確定性進一步展開。