多能互補微電網系統容量配置優化目標及優化算法綜述

楊剛

1.華北水利水電大學電力學院；2.浙江水利水電學院

在對不同微電網進行梳理總結的基礎上，從配置目標與優化算法兩個方面對多能互補微電網的研究及應用現狀進行了評述。首先，從配置優化目標出發，總結了經濟性、環保性、可靠性3個主要目標，并分析不同優化目標對應的優化策略。其次，從微電網規劃角度，對優化算法的問題進行了探討，總結了不同研究所采用的優化目標、約束條件及優化算法，并指出了后續應進一步關注的問題。

在“十四五”期間，隨著碳達峰、碳中和目標的提出，傳統的火電發電模式已經不再適合當前形勢，而分布式發電雖然具有綠色環保、利用效率高等優點，但其發電量不穩定及其對所需的自然資源有一定要求，因此在研究及利用分布式發電時，不便使其直接連接在大電網上。在此背景下，帶有儲能系統的多能互補微電網具有極大的發展前景，在此基礎上，風光能源能得到最大限度的利用，更加符合當代電力事業的發展需求。在微電網的投資建設中，不同的發電形式相結合使用多取決于微電網建設地點，就地取材因地適宜。

1 微電網系統容量配置優化目標研究現狀

微電網容量優化配置的第一步首先要對分布式發電資源及微網負荷量進行分析，選定合適的微網發電模式，根據微電網的建設需求，選擇合適的拓部結構及優化變量，使用數學表達式對優化目標及約束條件進行描述，得到微電網容量優化配置的數學模型。但由于微電網包容性極強，其構成成員種類繁多，并且由于使用場合不同，其運行模式、拓部結構也不盡相同，國內外學者將其優化目標大致分為經濟性、環保性、可靠性等，再根據其所研究微網的約束條件，建立了各種各樣的優化配置模型。

目前針對不同的建設工程，國內外已有大量針對混合能源系統容量配置問題的研究。趙為光等[1]針對風、光等新能源發電出力的隨機性與波動性導致的電網調度能力降低問題，提出一種基于電轉氫、電轉熱、氫轉電、氫轉熱的多源聯合微電網模型。Qi Li等[2]提出一種光-電池-燃料電池的微電網并聯運行的交流系統。根據混合儲能系統的儲能狀態，采用系統管理策略為太陽能-氫-電微電網的各分布式發電進行功率分配。系統穩定運行，功率分配合理，響應時間短，提高了母線電壓的精度。荊朝霞等[3]構建了獨立海島供電系統，使用微型抽水蓄能儲能,同時以負荷響應參與度標度居民的負荷響應參與意愿,提出了考慮負荷響應的含風-光-抽水蓄能的海島微網優化配置模型。

在微電網配置的研究中，經濟性是微電網的優化目標之一，而經濟性也分為投資成本、運行成本、維護成本等。其中羅仕華等[4]提出以系統投資成本最小為上層目標函數和以系統獲得售電收益最大為下層目標函數的雙層規劃模型。GAO J J[5]等以最大化系統經濟效益為目標函數，通過實例分析，比較了單目標獨立運行、單目標互補運行和多目標互補運行多種方案，探討了抽水蓄能電站對經濟目標和穩定目標的影響。張長云等[6]以微電網系統年度平均成本最小為優化目標，可以為含風光柴儲的獨立微電網容量優化配置提供參考。毛璐明等[7]采用分布式電源折算到每年的建設費用、運行維護費用、向上級大電網售電或購電費用、網絡損耗費用的經濟性模型。該模型符合現實優化要求，算法求解效率高，其結果更具有實用性和經濟性，對實際的微電網規劃具有一定的指導意義。李彥哲等[8]以總凈現值成本最小為目標函數，以可再生能源利用率和負荷缺失率為評價指標，建立所提微電網容量優化配置模型，驗證了所提方法的經濟性和實用性，為風/光/儲微電網儲能容量優化配置提供參考。聶海寧等[9]在研究中將獨立風光柴儲微電網作為對象，在創建綜合經濟成本目標函數時，主要對運行管理成本、投資成本、停電懲處與能量浪費懲處成本、污染物處理獲益及其成本進行綜合考量，并運用遺傳算法來得出電源最優配置方案。

除去經濟性外，微電網的穩定性也是一個很熱門的優化方向。曲彤等[10]借助于等效微增率的計算，對其結果加以排序，由此明確分布式電源在整個配電網中的最佳裝設位置，同時還對其最佳容量進行了配置。路暢等[11]在研究中對可靠、環保與經濟屬性進行了考慮。引入了可再生能源發電量、容量短缺量最小化、年停電量、年總規劃成本，利用線性加權求和法可以對多目標問題進行轉換使之成為單目標優化問題。吳任博等[12]在優化配置微電網以及使之實現經濟運行研究時，重點從特殊負載、機組隨機性、裝設地點特性這幾個層面加以研究，同時創建多目標經濟運行數學模型，并在此基礎上給出了具體條件約制與評價指標。楊賀鈞等[13]對風光柴儲并網系統的容量配置模型進行了設計。在此模型中所選用的目標函數為：系統凈收益最大化、建設總成本最低，系統約束條件為：系統建設所需空間、機組類型可靠性、可再生能源利用率、系統穩定性等。在獨立模式的模型中，目標函數及為系統成本最低，約束條件則包括了：系統年供電缺電率、系統建設空間、設備選型、有功功率波動、年功功率供給虧率。謝姿等[14]搭建了并網運行下的微電網容量優化配置模型，并使用層次分析法將建設成本、環保指數和供電可靠性整合為一個優化目標，并提出兩種不同的運行模式及使用蓄電池壽命評價模型，討論不同運行調度下對蓄電池使用壽命的影響。周林等[15]在研究中將以分布式電源接入大電網中，將分布式電源裝設位置與容量問題相結合，以靜態負荷模型、鏈式配電網為研究基礎，融合電壓調節工作與減小線路損耗，創新出將遺傳算法與圖解進行融合的優化策略，實現對微電網容量配置的解決。IEA等[16]針對分布式電源裝設于不同配電網位置的問題，將多目標整合，創建為單優化目標，實現最小化配電網的投資成本，在此過程中，使用了仿電磁算法，獲得分布式電源在不同地點裝入的規劃方案。

在微電網容量配置的工程實例中，其優化模型中的優化目標及約束條件根據具體所建設電網的不同需求，所展現的形式多種多樣，但是整體的發展趨勢是由只考慮單一的經濟性轉向全方位考慮經濟性、可靠性、環保性及其他指標發展，對于微電網優化模型的約束條件也是越來越全面包括分布式發電數量、所需空間、實時電價等，為了將優化目標及約束條件描述的更加精確也是采用的更為先進的數學手段，通過不斷的發展，使得微電網容量配置優化模型更加貼近實際建設中的工程問題。

2 微電網容量配置多目標優化算法研究現狀

在微電網容量優化配置中，需要使用算法對配置模型進行計算，特別是尋找具有較強收斂和快速運算能力的最優解，已成為人們關注的熱點。針對不同的優化模式，不同的優化方法有枚舉法、啟發式法、隨機優化法等。

微網容量最優分配問題有很多算法，其中應用最廣泛的就是基于遺傳算法、粒子群算法、麻雀搜索算法、鯨魚算法、差分進化算法、灰狼算法、人工蜂群算法、模擬退火算法等算法。該方法具有較強的處理能力，能夠在一定條件下，將其用于微網的容量最優分配。但是，由于不確定的歷史資料無法充分反映出未來資料的隨機特性，所以很多研究者都采用隨機抽樣技術、機會約束規劃、隨機場景技術、多狀態建模、魯棒優化等方法。

從另外的角度來看，使用何種優化算法去求解微電網容量優化配置的數學模型，在很大程度上是由優化模型來決定的，使用合適的求解算法可以更加完整的得到其最優配置方案解集。根據微電網的容量優化配置模型中優化目標數量，所采用的優化算法可大致分為以下三類。

第一類是只考慮單一優化目標，其優化模型也較為簡單，所考慮約束條件較少。采用單目標優化算法就可以直接求解模型。Maleki A等[17]以偏遠地區小型風、光、儲能設備組成的混合動力系統為研究對象，建立了以最小化總投資為優化目標的容量配置數學模型，然后使用基于模擬退火的和聲搜索算法得到最優解集。Hatata A Y等[18]提出了一種基于人工免疫系統克隆進化算法，并將該算法用于求解以經濟型為優化目標的風-光-儲微電網系統的容量優化配置模型。該方法簡單易行，多適用于家庭的微電網構建使用，但對于需要多方面考慮的微電網建設則顯得力不從心。第二類則考慮多方面影響因素，將多個優化目標通過個人設定的權重系數整合為單個優化目標，再采用單目標優化模型進行求解計算。呂智林等[19]采用熵權理論將經濟性、環保性和可再生能源利用率組合為一個目標進行優化，并使用優化后的仿電磁學算法對模型進行了求解。Yang X等[20]建立了風-光-儲-柴的微電網容量優化配置模型，使用權重系數將經濟性和環保性整合，采用水循環單目標算法進行了模型求解，最終闡述了水循環算法相對于其他優化算法運算速度更快，收斂性更好。這種將多個目標通過權重系數整合為單目標的手段，由于其所設定的權重系數缺乏明確的物理意義，其所得結果也由于其設定系數不同而變化，可信度不高。第三類是建立多目標優化模型，并且直接用多目標優化算法解算優化模型。這種方法的優化結果能夠給出多組可行解，可以為微電網規劃設計工作提供更多的選擇，是當前被采用最多的方式。劉忠[21]等以成本最低、經濟效益最大、碳排放量最小為優化目標建立系統模型，并使用NSGA-Ⅱ和GRA求解模型，并對得到的Pareto 解集進行無偏折中決策。

對于多目標優化問題而言，枚舉法雖然運算速度很慢，但是其能夠找到該問題完整最優解集。但是隨著研究的不斷深入，數據量、優化變量、優化模型等也在不斷增加，枚舉法已經難以解決此類問題[22]。與枚舉法比較，智能算法的計算效率則高出很多，但也有存在一些問題：首先，該智能方法所給的解集中往往僅為最優解的一類，也就是說，對于最優解，其解集并不完全，而且無法確保每個解都屬于最優解集；其次，由于其一般都是隨機的，所以每一步的計算都會產生不同的效果。

通過上述文獻綜述，可以看出：

（1）微網的大范圍，寬領域的使用，使得微網的容量優化配置目標也從單目標演化成了多目標，微網的限制條件也隨之增加，但是隨著優化目標及限制條件的增加，部分優化目標本身就存在相互制約，例如經濟性優化和穩定性優化會存在一定制約，這就使得如何選擇合適的優化目標及限制條件去使得微網的整體優化程度更高。

（2）針對相應的多目標優化去設計相應的優化算法也成為優化配置的一大熱點、難點。在這一研究領域里不斷追求的就是如何使得優化算法的運算速度更快、收斂性更強。在以往的算法中，已經能很好的解決確定性數據的微網配置問題，但是如何使得算法更加智能，使其能夠通過確定的數據去模擬推算未來數據是未來算法發展的主流趨勢。但智能算法由于數據的隨機性使得計算結果不一定都是最優解，因此算法的優化是一個不斷推進的研究方向，力求提升智能優化算法的計算結果中最優解比例。

引用

[1] 趙為光,董鳳麟,楊瑩,等.電氫熱多源聯合的微能源網優化模型[J].黑龍江科技大學學報,2021,31(05):634-641.

[2] LI Q,LI R R,PU Y C,et al.Coordinated Control of Electric-hydrogen Hybrid Energy Storage for Multi-microgrid with Fuel Cell/Electrolyzer/PV/Battery[J].Journal of Energy Storage,2021,42:1-12.

[3] 荊朝霞,胡榮興,袁灼新,等.含風/光/抽水蓄能并計及負荷響應的海島微網優化配置[J].電力系統自動化,2017,41(01):65-72.

[4] 羅仕華,胡維昊,黃琦,等.市場機制下光伏/小水電/抽水蓄能電站系統容量優化配置[J].電工技術學報,2020,35(13):2792-2804.

[5] GAO J J,ZHENG Y,LI J M,et al.Optimal Model for Complementary Operation of a Photovoltaic-Wind-Pumped Storage System[J].Mathematical Problems in Engineering,2018,2018(2):1-9.

[6] 張長云,曾晨,熊華健,等.基于季節性負載缺電概率比的獨立微電網容量優化配置[J].東北電力技術,2021,42(9):6-12.

[7] 毛璐明,楊玉群.考慮負荷重要性的微電網電源容量優化配置[J].工業儀表與自動化裝置,2016(6):62-65+90.

[8] 李彥哲,郭小嘉,董海鷹,等.風/光/儲微電網混合儲能系統容量優化配置[J].電力系統及其自動化學報,2020,32(6):123-128.

[9] 聶海寧,黃小琳,曾智勇.中國清潔能源供熱現狀及發展前景[J].能源與節能,2018(12):87-89.

[10] 曲彤.基于風儲火聯合調頻的控制策略與儲能容量優化[D].太原:山西大學,2019.

[11] 路暢,郭力,劉一欣,等.基于柔性互聯的獨立微電網分布式優化調度方法[J].電網技術,2019,43(5):1512-1519.

[12] 吳任博.考慮電-熱耦合特性的能源局域網分層控制策略[J].南方電網技術,2018,12(3):85-90.

[13] 楊賀鈞.計及多因素的含風能電力系統可靠性評估及優化研究[D].重慶:重慶大學,2014.

[14] 謝姿,張惠娟,劉琪,等.考慮蓄電池壽命的分布式電源容量優化配置[J].太陽能學報,2021,42(10):424-430.

[15] 周林,黃勇,郭珂,等.微電網儲能技術研究綜述[J].電力系統保護與控制,2011,39(7):147-152.

[16] IEA.China Wind Energy Development Roadmap 2050[R].Paris:International Energy Ageny,2011．

[17] MALEKI A,POURFAYAZ F,ROSEN M A.A Novel Framework for Optimal Design of Hybrid Renewable Energybased Autonomous Energy Systems:A Case Study for Namin,Iran[J].Energy,2016,98(01):168-180.

[18] HATATA A,OSMAN G,ALADL M.An Optimization Method for Sizing a Solar/Wind/Battery Hybrid Power System Based on the Artificial Immune System[J].Sustainable Energy Technologies and Assessments,2018,27:83-93.

[19] 呂智林,譚穎,李捷,等.基于Markov-ELM的獨立混合微網分布式電源多目標容量優化配置[J].中國電機工程學報,2017,37(7): 1927-1937.

[20] YANG X H,LONG J T,LIU P Y,et al.Optimal Scheduling of Microgrid with Distributed Power Based on Water Cycle Algorithm[J].Energies, 2018,11(09):1-17.

[21] YAZDANI A,BHUIYAN F A,PRIMAK S L.Primak.Optimal Sizing Approach for Islanded Microgrids[J].IET Renewable Power Generation,2015,9(2):166-175.

[22]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.