计及停电损失期望的微网经济运行

李志奇，吕林，张燃

（1.四川大学电气信息学院，成都 610065；2.四川电力科学研究院，成都 610072）

计及停电损失期望的微网经济运行

李志奇1，吕林1，张燃2

（1.四川大学电气信息学院，成都 610065；2.四川电力科学研究院，成都 610072）

由于微网内部分布式电源以及负荷的随机性较大，其对供电可靠性的影响也较大，在运行时，可靠性水平是一个不可忽略因素。以停电损失期望ECOST（expected customer interruption cost）作为可靠性评估指标，将其加入目标函数中，建立了含实际约束的多目标经济运行优化模型，并考虑风能、太阳能以及负荷的随机性，通过转换为多目标模糊优化模型，运用随机模拟粒子群算法PSO（particle swarm optimazation）和改进的隶属度决策方法进行求解。算例结果表明该模型能够以尽量小的经济损失达到较高的可靠性和环境保护的效果，实现了节能发电调度。

微网；经济运行；多目标；停电损失期望；粒子群算法

随着传统电力系统的缺点日益显著和传统能源的枯竭，高效、经济以及环保的分布式发电系统受到越来越多的重视[1，2]。在节能减排的大环境下，我国也开始了重视微网系统的发展，但还处在起步阶段。

微网的经济运行是微网研究的重要内容之一。目前，对微网经济运行优化的研究主要集中在经济效益和环保效益两方面，但对微网供电可靠性的研究较少。微网中由于部分发电单元的出力具有随机性，对供电的可靠性影响较大，计算微网经济运行可靠性成本时很有必要的。文献[3]考虑到微网系统中风能、太阳能以及热电负荷的随机性，应用机会规划约束理论建立经济运行模型，实现了微网的经济优化调度，使发电成本得到有效降低；文献[4]以钠硫电池储能的微网系统为例，分析了运行策略、电价类型以及优化目标等多种因素对微网经济的影响；文献[5]介绍了小型燃气轮机相对于微型燃气轮机有更好的经济性能；文献[6]分析了电力市场条件下，微网的竞价上网策略，但具体的发电单元优化并未提及；文献[7]建立起以网损、排污水平为考核目标的多目标模型，使得微网经济优化更接近实际情况；文献[8]分析了多种供能系统组成微网的经济优化模型，但没有考虑微网与主网交互的情况。

本文从微网经济运行的发电成本、排污成本和可靠性成本出发，建立多种约束的多目标经济运行模型。通过提出的调度策略，并用随机的粒子群多目标算法进行求解综合考虑微网有效经济运行方式。

1 可靠性成本的评估方法

微网系统中由于风能、太阳能等发电单元以及负荷的随机性较大，微网的调度比较困难，所以，在微网运行时需维持一定的可靠性水平。通常，在经济优化中，可以通过将这种可靠性水平转换为经济指标来处理。在实际当中，可通过估算电力供应中断对用户造成的经济损失即用户停电损失期望来评估可靠度成本，这是一种比较有效的方法。可见，对于评估电力系统可靠度，确定微电网系统的经济运行方式，研究停电损失期望，有着重要意义。

停电损失期望[9]是指由于电力供应中断或者不足而发生断电或限电时，电力企业和用户的经济损失。

在某一时段t内，用户的停电损失期望COC（t）可表示为微网的电量不足期望ENS（t）与停电损失评价率IEAR的乘积[9]，即

式中，IEAR可通过对用户问卷调查等方法[10]得到。给定时段内ENS（t）可表示为

式中：Pk为状态k条件下丢失的负荷功率；pk为t时段系统处于状态k的概率[11]；Δt为给定的时段长度；N为机组的状态集合，由于微电网系统中发电单元较少，可以用枚举法求得。

Pk和pk[12]可分别表示为

式中：集合S、U分别为状态k下的不可用机组集合和可用机组集合；Pj（t）为机组i在t时段的输出

式中：a为发电单元i的故障率；b为发电单元i修复率；t为预测的提前时间。当预测时刻发电单元i可用时，pDN（0）=1，pUP（0）=0；否则，pDN（0）=0，pUP（0）=1。

2 微电网经济运行多目标数学模型

功率；Ri（t）为备用的发电单元；W为在预测时刻投入发电单元的集合；pi（t）为发电单元i在t时刻停运的概率；pj（t）发电单元j在t时刻停运的概率。在本文中备用容量由蓄电池提供。

本文采用基于齐次Markov过程的元件瞬时状态概率来描述元件的暂态停运率[13]，即

本文针对含有光伏电池PV（photo-voltaiccells）、风机WT（wind turbines）、燃料电池FC（fuel cell）、燃气轮机MT（micro gas turbine）和蓄电池BT（battery）等发电单元的微网系统，提出了计及停电损失期望的微网多目标经济优化模型和调度策略。

2.1 目标函数

式中：F1（x）为微网的运行费用，包括从大电网购电的费用，风电机组、光伏电池、燃料电池、燃气轮机等微源的能耗成本以及向大电网售电的收入；F2（x）为微网的排污水平；F3（x）为微网用户停电损失期望；CF（t）为微网各微电源的能耗成本；CS（t）为微网向主网的售电收益；CB（t）为微网向主网的购电成本；CL（t）为微网发电单元的排污水平；COC（t）为用户停电损失期望。

2.2 约束条件

若忽略网损及电力电子器件能量损耗，微电网在运行期间需满足的约束条件如下。

（1）功率平衡约束为

式中：Pex为微电网与主网之间交换功率（微电网吸收功率Pex值为正，反之为负）；PDGi为电源i的功率输出；Nd为微电网中电源总数；Pload为微电网内部负荷需求量。

（2）分布式电源出力限值为

（3）蓄电池容量约束为

式中，Smin和Smax分别为蓄电池剩余电量的最小允许值和最大允许值。

3 微网经济运行多目标模型求解

3.1 调度策略

鉴于投资成本及环境因素考虑，对含分布式电源的微网调度采用优先利用风力发电及光伏发电等所产生的清洁能源，即风电机组和光伏电池常工作于最大功率点追踪模式，其输出功率受自然条件影响，一定程度不遵循调度。本文的调度策略均是基于以上条件提出。

策略1：并网运行方式下，可再生能源最大化利用，微网与主网可以自由双向交换功率。优先利用微网内部发电单元满足负荷需求。

策略2：并网运行方式下，可再生能源最大化利用，微网与主网可以自由双向交换功率。主网与微网所有的发电单元都参与优化调度。

策略3：孤岛运行方式下，可再生能源最大化利用。微网发电单元都按照优化调度结果出力。

3.2 多目标模型转化

通过表征各子目标之间协调的关系，借用加权法将多目标优化问题转化为单目标问题来进行求解。

为了表征各子目标之间复杂的关系，定义协调度入为

式中，d1、d2为定义的欧氏距离，即

在微网系统中的不确定因素主要是各时段风机出力、光伏电池出力以及微网负荷需求，由式（9）可知微网系统内部其他机组的出力也具有随机性，都是模糊数，故目标函数也是模糊数。模糊建模的关键是确定模糊变量的隶属函数[14]。梯形隶属函数为

式中：K为子目标个数；Fkmax、Fkmin、Fk分别为第k个子目标的最大值、最小值和适应值。

在计算时，用户给出每个子目标的满意度，借用目标加权法，定义目标重视度为

式中，μk*为用户给出各目标的满意度。

以目标重视度为权值，对目标加权得

综合满意度指标与协调度指标，原多目标模型转化为

3.3 粒子群算法

粒子群算法PSO（particle swarm optimization）是一种群智能算法[15]，其对复杂的非线性问题具有较强的寻优能力，且简单通用，鲁棒性强，实现容易，精度高，收敛快，在解决实际问题展示了其优越性。粒子群算法（PSO）基本描述为

式中：vk为粒子在第k次飞行时的速度；w为惯性权值；c1、c2称为加速因子；rand1（）和rand2（）是0～1之间的随机数。粒子下一时刻的位置为

3.4 求解步骤

采用粒子群算法求解微网经济运行问题的整个流程如下。

步骤1输入微网系统基础数据包括各时段负荷大小、各时段风电场平均输出功率、光伏电池的输出功率、各发电单元有功输出上下限值、发电机耗量成本系数、排污系数、停电评价率以及隶属度参数。

步骤2计算各目标函数在实际约束下的最大值、最小值。将数学模型模糊化，转换成单目标函数。

步骤3初始化粒子群。各粒子的初始化要满足约束条件。

步骤4计算各子目标的函数值，计算目标函数值。

步骤5设置最大迭代次数Kmax。

步骤6计算局部最优值和全局最优值。

步骤7若迭代次数k＞Kmax，则计算结束；否则，转到步骤8。

步骤8按照PSO算法数学描述的式（17）和式（18），更新粒子速度和位置。粒子更新时，若超过边界，重新更新直到满足条件为止。

步骤9令k=k+1，转到步骤4。

4 算例分析

4.1 系统参数

算例所建立的微网系统模型由PV、WT、FC、MT以及BT组成，如图1所示。主网与微网交换功率上限为30 kW。微网与系统的交互电价采用实时电价且购电电价与售电电价相等。蓄电池在运行前处于荷电电状态且不计其维护费用。微网各发电单元参数信息如表1所示。表2是各发电单元的污染物排放系数。根据风速得到风机输出功率曲线和根据太阳辐射强度得到的光伏电池的输出功率曲线如图2所示。大电网的实时电价曲线如图3所示。该地区典型的日负荷曲线如图4所示。

图1 微网系统结构Fig.1 Configuration of them icrogrid system

4.2 结果分析

在调度策略2下单目标优化和多目标模型优化的结果见表3。

表1 微网各发电单元参数Tab.1 Parametersofeach generation unit inm icrogrid

表2 发电单元污染物排放系数Tab.2 Pollutantem ission coefficientofgeneration unit

图2 风机、光伏电池输出功率曲线Fig.2 CurvesofWT and PV output power

图3 大电网实时电价曲线Fig.3 Curve of real time power price

图4 微网内部负荷曲线Fig.4 Curve of load inm icrogrid

表3 单目标、多目标优化结果对比Tab.3 Comparison ofoptim ization resultsbetween singleandmulti-objective 元

从表3可知，微网运行的多目标模型比单目标模型的各项费用都有所增加，使得经济性、可靠性和环境性三者得到平衡，同时兼顾了电厂、用户和社会效益，提高了供电的质量和可靠性，实现了分布式电源的经济运行和合理利用。可见，多目标模型比单目标模型更能接近实际情况。

图5、图6和图7分别是不同调度策略下，微网系统经济运行的发电成本、污染成本以及停电损失期望的结果对比。可以看出，采用策略1时，相比较策略3，其发电成本与停电损失期望均有所降低，这是因为在并网运行的方式下，微网可以和主网自由交互，可以向主网售电或者购电，从而降低发电成本。同时，微网由于得到主网的支撑，可靠性提高，可靠性成本降低。策略2相比较策略1，结果更优。主要是由于主网参与优化，微网供电方式更加灵活多样，使得发电成本与可靠性成本均有进一步地减少。

考虑不同调度策略下多目标优化模型优化的结果如表4所示。

图5 不同策略下发电成本比较Fig.5 Comparison ofelectricity costbetween differentstrategies

图6 不同策略下污染成本比较Fig.6 Com parison of sewage costbetween differentstrategies

图7 不同策略下停电损失期望比较Fig.7 Comparison of ECOST between differentstrategies

从表4中可以看出对总费用影响最大的是停电损失期望，发电成本次之，排污成本的影响最小。这就说明对微网经济运行影响最大的因素是可靠性，经济性影响次之，环境因素最小。这主要是由于微电网中机组出力的不确定性以及大部分机组是清洁能源和污染程度低的发电单元的缘故。

表4 策略1、策略2、策略3优化对比Tab.4 Optimaldecisionsamong strategies1，2 and 3元

5 结语

本文建立计及停电损失期望的微网经济运行的多目标模型，考虑到各个目标之间复杂关系，通过算例分析，验证了主网参与微网内部优化，不仅能够提高经济效益，而且还可以提高微网供电的可靠性，同时也为环境改善带来巨大效益，兼顾了经济性、环保性以及可靠性之间的协调。该模型能够以尽量小的经济损失达到较高的可靠性和环境保护的效果，实现了节能发电调度。

[1]赵宏伟，吴涛涛（Zhao Hongwei，Wu Taotao）.基于分布式电源的微网技术（Review of distributed generation basedmicrogrid technology）[J].电力系统及其自动化学报（Proceedings of the CSU-EPSA），2008，20（1）：121-128.

[2]郭力，王守相，徐东，等（Guo Li，Wang Shouxiang，Xu Dong，etal）.冷电联供分布式供能系统的经济运行分析（Economicaloperation analysisofCCP distributed energy supply system）[J].电力系统及其自动化学报（Proceedingsof the CSU-EPSA），2009，21（5）：8-12.

[3]王锐，顾伟，吴志，等（Wang Rui，GuWei，Wu Zhi，etal）．含可再生能源的热电联供型微网经济运行优化（Economic and optimaloperation ofa combined heatand power microgrid with renewable energy resources）[J]．电力系统自动化（Automation of Electric Power Systems），2011，35（8）：22-27.

[4]丁明，张颖媛，峁美琴，等（Ding Ming，Zhang Yingyuan，Mao Meiqin，etal）．包含钠硫电池储能的微网系统经济运行优化（Economic operation formicrogrids including Na/Sbattery storage）[J]．中国电机工程学报（Proceedings of the CSEE），2011，31（4）：7-14.

[5]魏兵，王志伟，李莉，等（WeiBing，Wang Zhiwei，Li Li，et al）．微型燃气轮机冷热电联产系统经济性分析（Analysis of economic efficiency for cold，heat and electricitytriple co-generation system withminiature gas turbine）[J]．热力发电（Thermal Power Generation），2007，36（9）：1-5．

[6]艾芊，章健（AiQian，Zhang Jian）．基于多代理系统的微电网竞价优化策略（Optimization bidding strategies of microgrids based on multi-agent system）[J]．电网技术（Power System Technology），2010，34（2）：46-51．

[7]郑漳华，艾芊，徐伟华，等（Zheng Zhanghua，AiQian，Xu Weihua，etal）．智能电网经济运行的多目标调度优化策略（Amultiobjective dispatch optimization strategy for economic operation of smart grids）[J]．电网技术（Power System Technology），2010，34（2）：7-13．

[8]丁明，包敏，吴红斌（DingMing，BaoMin，Wu Hongbin）．分布式供能系统的经济调度（Economic dispatching on distributed energy supply system）[J]．电力科学与技术学报（Journalof Electric Power Science and Technology），2008，23（1）：13-17．

[9]陈晓，王建新，臧宝锋，等（Chen Xiao，Wang Jianxin，Zang Baofeng，etal）.城市电网用户停电损失及其估算方法的研究（Research on the power outage costand its estimation in the electric power network）[J].昆明理工大学学报：理工版（Journalof Kunming University of Science and Technology：Science and Technology），2003，28（1）：53-56.

[10]Billinton R，Oteng-Adjei J，Ghajar R．Comparison of two alternate methods to establish an interrupted energy assessment rate[J]．IEEE Trans on Power Systems，1987，2（3）：751-757．

[11]Billinton R，Allan R N．Reliability Evaluation of Power Systems[M]．New York：Plenum Press，1996.

[12]何剑，程林，孙元章（He Jian，Cheng Lin，Sun Yuan zhang）.电力系统运行可靠性成本价值评估（Power system operational reliability cost/worth evaluation）[J].电力系统自动化（Automation of Electric Power Systems），2009，33（2）：5-9.

[13]Billinton R，Jain A V.The effectof rapid startand hot reserve units in spinning reserve studies[J].IEEE Trans on Power Apparatusand Systems，1972，91（2）：511-516.

[14]胡国强，贺仁睦（Hu Guoqiang，He Renmu）．梯级水电站多目标模糊优化调度模型及其求解方法（Modeland algorithm ofmulti-objective fuzzy optimal scheduling for cascaded hydroelectric power plant）[J]．电工技术学报（Transactions of China Electrotechnical Society），2007，22（1）：154-158．

[15]胡德峰，张步涵，姚建光（Hu Defeng，Zhang Buhan，Yao Jianguang）.基于改进粒子群算法的多目标最优潮流计算（Improved particle swarm optimization algorithm for multi-objective optimalpower flow）[J].电力系统及其自动化学报（Proceedingsof the CSU-EPSA），2007，19（3）：51-57.

Econom ic Operation ofM icrogrid Considering Customer Interruption Cost

LIZhi-qi1，LÜLin1，ZHANGRan2
（1.Schoolof Electrical Engineering and Information，Sichuan University，Chengdu 610065，China；2.Sichuan Electric Power Testand Research Institute，Chengdu 610072，China）

The outputof distributed generation（DG）and load are random inmicrogrid system，which has inevitable impacts on the electricity reliability.The electricity reliability is a key factorwhich can notbe ignored to the operation ofmicrogrid.Therefore，amodelwhichmeets the actual constraints is developed to achieve economic and optimaloperation ofmicrogrid，with expected customer interruption cost（ECOST）as one of the objective functions.Themodel takes the stochastic nature ofwind power，photovoltaic powerand loads into consideration.Particle swarm optimization（PSO）algorithm and improved decision-makingmethod formulti-objective are used to solve the above optimization model.The results show that themodel can reach a higher reliability and environmental effectat low operation costas possible，and can realize thegoalofenergy-savinggeneration dispatch.

micogrid；economic operation；multi-objective；expected customer interruption cost；particle swarm optimazation algorithm

TM731

A

1003-8930（2013）05-0077-06

李志奇（1987—），男，硕士研究生，研究方向为微网经济运行及电力市场。Email：715413122@qq.com

2011-11-11；

2011-12-16

吕林（1963—），男，博士，教授，研究方向为配电自动化。Email：lvlin@scu.edu.cn

张燃（1980—），男，硕士，工程师，研究方向为配电网可靠性。Email：lizhiqi106@163.com