CN103151798B - 独立微网系统的优化方法 - Google Patents

Abstract

本申请公开了一种独立微网系统优化设计方法，所述独立微网系统包括柴油发电机、风力发电机、光伏阵列和储能电池，具体的优化方法是指基于独立微网系统的多目标优化设计模型，在优化规划设计模型上，考虑了多台柴油发电机的组合开机方式、储能电池与柴油发电机之间的协调控制策略，使得独立微网系统中的可再生能源利用率更高，运行更经济，更环保；针对系统优化规划设计模型的稳定性，考虑了独立微网稳定性需求的备用容量；在优化规划设计模型的求解算法上，采用基于NSGA-II的多目标遗传算法进行多目标问题求解，从而实现对独立微网系统的经济性、可靠性和环保性三大目标的多目标优化。

Description

独立微网系统的优化方法

技术领域

本申请涉及独立微网系统技术领域，特别是涉及独立微网系统的优化方法。

背景技术

独立微网系统是指与大电网隔离、独立运行的小型电力系统，以偏远地区或者海岛为主要供电对象，并充分利用可再生能源发电，如光伏阵列和风力发电等多种类型的分布式发电单元组合在一起构成，可以有效发挥单一能源系统的优点，实现多种能源互补，提高整个独立微网系统的效率和能源利用率，相比单一的光储系统或者风储系统具有更低的成本和更高的供电可靠性。

开展独立微网系统的优化规划设计，需要充分考虑独立微网系统内分布式发电单元的组合方案和运行控制策略。国内外的研究多采用基于气象数据和负荷数据的准稳态逐时仿真优化设计方法，根据已获得系统全寿命周期内的风速、光照强度、温度和负荷的原始数据，利用准稳态仿真程序，计算不同类型可再生能源组合方案下系统的各项指标。该方法在优化规划中可以详细模拟全寿命周期内可再生能源资源、负荷变化情况，以及独立微网系统的运行控制策略，但需要占用大量的仿真计算时间；在优化算法上，由于优化问题是一个包含离散变量和连续变量的混合优化规划问题，一般采用人工智能算法对该类问题进行求解，在进行优化规划时，通常希望能够同时满足多个指标约束条件，但实际上在多目标优化问题的求解中，不同目标之间往往是相互冲突的，在优化规划设计上，所配置柴油发电机单机容量的大小、多机设备的组合开机方式等都直接影响整个系统的技术经济指标，现有的独立微网优化设计方法中针对这一问题均对其简化处理，通常只能对柴油发电机组的总功率进行优化设计，未考虑柴油发电机的类型和多机组合方案，在优化变量中，未同时考虑设备类型和设备容量的组合优化。

发明内容

为解决上述技术问题，本申请实施例提供一种独立微网系统优化设计方法，以实现独立微网系统的多目标优化设计运行更经济，可靠性更高，可再生能源利用率更高，技术方案如下：

本申请提供一种独立微网系统优化方法，所述独立微网系统至少包括柴油发电机、风力发电机、光伏阵列和储能电池，包括：

获取所述柴油发电机、所述风力发电机、所述光伏阵列和所述储能电池的设备参数；

依据所述柴油发电机、所述风力发电机、所述光伏阵列及所述储能电池的设备参数，利用多目标遗传算法进行遗传算法求解优化，在求解的过程中采用准稳态仿真策略，并为所述独立微网系统预留预设的备用容量，获得所述独立微网系统的优化指标，最终通过所述多目标遗传算法获得优化结果；

其中，所述独立微网系统的优化指标为全寿命周期内的总成本现值、负荷容量缺失率和污染水平，所述全寿命周期内的总成本现值为所述独立微网系统中的所有设备的在整个工程寿命内的成本现值和残值现值；所述负荷容量缺失率为未满足需求的负荷容量与整个负荷需求容量的比值；所述污染物排放为各种污染物每年的排放总量；

所述准稳态仿真策略包括硬充电策略和平滑功率策略，其中，在所述硬充电策略下，柴油发电机与储能电池轮流作为主电源满足净负荷需求，允许所述柴油发电机为所述储能电池充电；在所述平滑功率策略下，储能电池仅作为所述柴油发电机的补充电源，当所述柴油发电机无法单独满足负荷的情况下放电。

优选的，所述为所述独立微网系统预留预设的备用容量具体为，在所述独立微网系统的优化规划设计模型中，将维持电压频率稳定的柴油发电机和储能电池作为主电源，在每一个运行时刻，根据所述风力发电机、所述光伏阵列、以及负荷的实际功率，预留预设的备用容量。

优选的，所述利用NSGA-II多目标遗传算法进行遗传算法求解的过程中，选取所述独立微网系统中的所述风力发电机的类型、所述风力发电机的台数、所述柴油发电机的类型、所述柴油发电机的台数、所述光伏阵列的容量、所述储能电池的类型、并联支路数，以及所述储能电池用的双向变流器的容量为优化变量。

优选的，所述获得所述独立微网系统的全寿命周期内的总成本现值、污染水平和负荷容量缺失率，具体为：

以小时为仿真步长，依据所述独立微网系统所在区域内的风力资源、光照资源和负荷需求情况，对所述独立微网系统内的每个设备进行全寿命周期内的准稳态仿真，根据预设的控制策略，确定每个时间步长内，所述柴油发电机的投入台数和耗油量、所述储能电池的充放电功率和剩余容量，以及所述时间步长内的未满足的负荷量和浪费功率指标，计算得到全寿命周期内的总成本现值、污染水平和负荷缺失率。

优选的，所述硬充电策略为：

计算所述独立微网系统的净负荷及考虑备用容量的净负荷，所述净负荷为负荷功率减去风力发电机和光伏阵列的发电功率；

依据考虑备用容量的净负荷的大小、上一时间步长内所述柴油发电机的开机情况、储能电池的最大充放电功率，确定当前时间步长内的所述柴油发电机的投入台数，并计算当前负荷下的容量短缺；

确定出当前时间步长内需投入的所述柴油发电机的台数后，依据净负荷需求，计算出当前时间步长内实际的所述柴油发电机的耗油量、所述储能电池的充放电量、未满足的负荷量和浪费能量指标；

优选的，所述确定当前时间步长内的所述柴油发电机组的投入台数，并计算当前负荷下的容量短缺具体包括：

若未满足最小运行小时数的所述柴油发电机的总功率，能够满足所述考虑备用容量的净负荷及所述储能电池的充电需求，则允许所有达到最小运行时间要求的柴油发电机退出运行；否则，逐台退出达到最小运行时间要求的柴油发电机，直到未退出的柴油发电机能满足所述考虑备用容量的净负荷和所述储能电池的充电需求；

若未满足最小运行小时数的所述柴油发电机的总功率，不能满足所述考虑备用容量的净负荷及所述储能电池的充电需求，且已投入运行的所述柴油发电机的总功率未能满足所述考虑备用容量的净负荷及所述储能电池的充电需求，则逐台投入新的柴油发电机，其中，所述投入的新的柴油发电机不为所述储能电池充电；

若逐台投入的新的柴油发电机之后，所有运行的所述柴油发电机仍不能满足所述考虑备用容量的净负荷的需求，则计算由于所述柴油发电机的能量不足导致的容量缺额；

由所述储能电池放电补充所述容量缺额；

若所述储能电池的放电功率和所有的所述柴油发电机的总功率之和，仍不能满足所述考虑备用容量的净负荷，则计算当前负荷下的容量短缺，进而计算得到负荷容量缺失率。

优选的，在确定出当前时间步长内所需投入的柴油机台数后，计算出当前时间步长内所述柴油发电机的实际耗油量、所述储能电池的充放电量、未满足的负荷量和浪费能量指标时，还包括：

判断所有运行的柴油发电机运行在最小出力水平是否满足所述净负荷及所述储能电池的充电需求，若是，则使所有运行的柴油发电机运行在最小出力水平，并计算由于最小出力水平限制而产生的过剩电能；否则，所述柴油发电机的总出力水平由所述净负荷及所述储能电池的充电需求来确定；

若所有运行的柴油发电机处于额定运行状态仍不能满足所述净负荷的需求，则使所述储能电池放电和所述柴油发电机共同为所述负荷供电；

若在所述储能电池放电后，所述储能电池的放电功率和所述柴油发电机的总功率仍不能满足所述净负荷，则计算得到当前负荷的实际容量缺额。

优选的，所述平滑功率策略具体为：

计算当前时间步长内的净负荷，所述净负荷为负荷功率减去风力发电机和光伏阵列的发电功率；

当所述净负荷大于零时，且所述柴油发电机超出正常运行区间的上限时，优先使用所述储能电池补充由于所述柴油发电机的容量不足导致的容量缺额；

若所述储能电池无法满足所述容量缺额，或所述储能电池的容量低于所述储能电池的最小下限时，则逐台投入新的所述柴油发电机；

若在逐台投入新的所述柴油发电机后，仍无法满足所述净负荷，则计算出的未满足的负荷功率为负荷缺失功率；

若所述净负荷大于零，但单台所述柴油发电机的出力小于最小出力水平，则减少所述柴油发电机的投入台数，直至所有的所述柴油发电机的处理恢复至正常工作区间，若减小至仅剩一台所述柴油发电机，且所述柴油发电机的出力仍小于所述最小出力水平，则放弃部分发电出力，并将放弃的发电出力作为剩余功率，且所述柴油发电机不给所述电池充电；

当所述净负荷小于零时，关闭所述柴油发电机，利用所述风力发电机和/或所述光伏阵列为所述储能电池充电，若为所述储能电池的充电功率超过所述储能电池的最大充电功率，或所述储能电池的容量达到最大容量时，放弃部分所述风力发电机和/或所述光伏阵列的输出功率，并计算剩余功率。

由以上本申请实施例提供的技术方案可见，所述独立微网系统优化设计方法，所述独立微网系统包括柴油发电机、发力发电机、光伏阵列和储能电池，具体的优化方法是指基于独立微网系统的多目标优化设计模型，在优化规划设计模型上，考虑了多台柴油发电机的组合开机方式、储能电池与柴油发电机之间的协调控制策略，使得独立微网系统中的可再生能源利用率更高，运行更经济，更环保；针对系统优化规划设计模型的稳定性，考虑了独立微网稳定性需求的备用容量；在优化规划设计模型的求解算法上，采用基于NSGA-II的多目标遗传算法进行多目标问题求解，从而实现对独立微网系统的经济性、可靠性和环保性三大目标的多目标优化。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例独立微网系统的结构示意图；

图2为本申请实施例提供的独立微网优化方法流程示意图；

图3为本申请实施例提供的硬充电策略的控制流程示意图；

图4为本申请实施例提供的平滑功率策略的控制流程示意图。

具体实施方式

本申请实施例提供一种独立微网系统的优化方法，其具体内容为基于独立微网系统的多目标优化设计模型，在优化规划设计模型上，考虑了多台柴油发电机的组合开机方式、储能电池与柴油发电机之间的协调控制策略；在优化模型的稳定性上，考虑了针对系统稳定性需求的备用容量；在优化变量选取上，针对独立微网系统内的设备类型和装机容量同时进行优化设计；在优化模型的求解算法上，采用基于NSGA-II的多目标遗传算法进行多目标问题求解，最终实现对独立微网系统的经济性、可靠性和环保性三大目标的多目标优化。

为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

请参见图1，示出了独立微网系统的结构示意图，所述独立微网系统包括风力发电机101、光伏阵列102、储能电池103、柴油发电机104，其中，风力发电机101、光伏阵列102、储能电池103通过各自的变流器接入交流电网系统，柴油发电机采用同步发电机，直接并入交流电网。同时，交流电网连接负荷，并为负荷供电。

请参见图2示出了本申请实施例提供的独立微网系统的优化方法流程示意图，包括以下步骤：

110，获取所述柴油发电机、所述风力发电机、所述光伏阵列和所述储能电池的设备参数。

120，利用多目标遗传算法进行遗传算法求解优化，在求解的过程中采用准稳态仿真策略，并为独立微网系统预留预设的备用容量，获得独立微网系统的优化指标，通过所述多目标遗传算法获得优化结果。

其中，所述优化指标为独立微网系统的全寿命周期内的总成本现值、负荷容量缺失率和污染水平。

所述全寿命周期内的总成本现值为所述独立微网系统中的所有设备的在整个工程寿命内的成本现值和残值现值；所述负荷容量缺失率为未满足需求的负荷容量与整个负荷需求容量的比值；所述污染物排放为各种污染物每年的排放总量；

所述准稳态仿真策略包括硬充电策略和平滑功率策略，其中，在所述硬充电策略下，柴油发电机与储能电池轮流作为主电源满足净负荷需求，允许所述柴油发电机为所述储能电池充电；在所述平滑功率策略下，储能电池仅作为所述柴油发电机的补充电源，当所述柴油发电机无法单独满足负荷的情况下放电。

本申请实施例提供的独立微网系统优化设计方法，应用于包括柴油发电机、发力发电机、光伏阵列和储能电池的独立微网系统，具体的优化方法是指基于独立微网系统的多目标优化设计模型，在优化规划设计模型上，考虑了多台柴油发电机的组合开机方式、储能电池与柴油发电机之间的协调控制策略，使得独立微网系统中的可再生能源利用率更高，运行更经济，更环保；针对系统优化规划设计模型的稳定性，考虑了独立微网稳定性需求的备用容量；在优化规划设计模型的求解算法上，采用多目标遗传算法进行多目标问题求解，从而实现对独立微网系统的经济性、可靠性和环保性三大目标的多目标优化。

所述独立微网系统的优化设计主要围绕三个指标分别是：全寿命周期内的总成本现值、负荷容量缺失率和污染物排放水平。

目标函数表示为：

Min(f_i)    i=1,2,3        （1）

全寿命周期内的总成本现值包括成本限值和残值现值两个部分，其数学表达式为：

$f_1=\underset{k}{\overset{K}{\mathrm{\Σ}}}\frac{C\left(k\right)}{{(1+r)}^k}-B_{\mathrm{salvage}}---\left(2\right)$

式中，K代表整个系统的工程寿命，单位为年；r为折现率；C(k)代表第k年的成本，单位为元/年；B_salvage代表设备残值，残值产生于经济评估寿命的最后一年。

C(k)的计算公式如下：

C(k)=C_I(k)+C_R(k)+C_M(k)+C_F(k)        （3）

式中，C_I(k)代表第k年的初始投资，C_R(k)代表第k年的更新费用，C_M(k)代表第k年的维护费用，C_F(k)代表第k年的燃料费用，单位均为元/年。

具体变量计算公式分列如下：

C_I(k)=C_Ibattery+C_Ipv+C_Iwind+C_IDG+C_IConverter      （4）

式中，C_Ibattery代表储能电池的投资费用、C_Ipv代表光伏阵列的投资费用、C_Iwind代表风力发电机的投资费用、C_IDG代表柴油发电机的投资费用、C_IConverter代表储能电池用变流器的投资费用，单位均为元。

C_R(k)=C_Rbattery(k)+C_Rpv(k)+C_Rwind(k)+C_RDG(k)+C_RConverter(k)    （5）

式中，C_Rbattery(k)代表第k年的储能电池的更新费用、C_Rpv(k)代表第k年的光伏阵列的更新费用、C_Rwind(k)代表第k年的风力发电机的更新费用、C_RDG(k)代表第k年的柴油发电机的更新费用、C_RConverter(k)代表第k年的储能电池用变流器的更新费用，单位均为元。

C_M(k)=C_Mbattery(k)+C_Mpv(k)+C_Mwind(k)+C_MDG(k)+C_MConverter(k)    （6）

式中，C_Mbattery(k)代表第k年的储能电池的维护费用、C_Mpv(k)代表第k年的光伏阵列的维护费用、C_Mwind(k)代表第k年的风力发电机的维护费用、C_MDG(k)代表第k年的柴油发电机的维护费用、C_MConverter(k)代表第k年的储能电池用变流器的维护费用，单位均为元。

负荷容量缺失率（LOC，Loss of Capacity）其数学表达式为：

$f_2=\mathrm{LOC}=\frac{E_{\mathrm{cs}}}{E_{\mathrm{tot}}}---\left(7\right)$

式中，E_CS为总的未满足需求的负荷容量，E_tot为总的负荷需求容量，LOC表示未满足需求的负荷容量与总的负荷需求容量的比值。

独立微网年污染物排放水平的数学表达式为：

$f_3=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\mathrm{\σ}}^{{\mathrm{CO}}_2}+{\mathrm{\σ}}^{\mathrm{CO}}+{\mathrm{\σ}}^{\mathrm{HC}}+{\mathrm{\σ}}^{\mathrm{NO}}+{\mathrm{\σ}}^S)v^{\mathrm{fule}}\left(k\right)---\left(8\right)$

式中，σ^CO2代表CO₂的排放系数、σ^CO代表CO的排放系数、σ^HC代表碳氢化合物HC的排放系数、σ^NO代表NO的排放系数、σ^S代表S的排放系数，单位均为kg/L；v^fule(k)代表第k年柴油发电机的柴油年消耗量，单位是升。

利用上述的公式计算独立微网系统的全周期寿命内的总成本现值、负荷容量缺失率和污染物排放水平。

利用NSGA-II的多目标遗传算法对独立微网的优化规划设计模型的多目标进行求解，

基于NSGA-II的多目标遗传算法的求解过程如下：

首先，进行系统初始化，读取独立微网系统中的各个设备的参数及遗传算法的参数，利用随机函数产生第一代父代种群，调用准稳态仿真策略，计算所述第一代父代种群中的各个个体的适应度函数值，并执行Pareto排序操作。同时，从第一代父代种群中通过选择、交叉和变异操作得到子代种群，通过准稳态仿真策略，计算子代种群中各个个体的适应度函数值，与父代种群合并后生成中间种群，并执行Pareto排序操作，选择生成下一代父代种群，最后，判断种群的迭代次数是否满足终止条件，具体的，判断是否满足终止条件是判断种群的迭代次数是否达到预设的次数，若满足，则输出优化结果，否则，重复以上操作。

具体的，所述独立微网系统的各个设备的参数具体包括设备的类型、技术参数和经济参数等，从而获取准稳态仿真所必须的参数。

所述遗传算法的参数主要包括种群大小、迭代次数、交叉概率、变异概率。

本发明通过上述的多目标遗传算法求解，得到最后一代种群的所有非支配解构成的集合，即所研究问题的Pareto最优解集；各非支配解对应的目标函数构成的解集，即该问题的Pareto最优边界，也即本发明多目标问题的最优解集。

在利用NSGA-II的多目标遗传算法进行最优解求解时，采用的准稳态仿真控制策略包括硬充电策略和平滑功率策略，以小时为仿真步长，根据所述独立微网系统所在区域内风力资源、光照资源和负荷需求情况，对系统中的每个设备进行全寿命周期内的准稳态仿真，根据预设的控制策略，即硬充电策略和平滑功率策略，确定每个时间步长内，柴油发电机的投入台数和耗油量、储能电池的充放电功率、剩余容量，以及该步长内的未满足的负荷容量和浪费功率等指标，从而，利用上述的公式计算全寿命周期内的总成本现值、污染物排放水平和负荷缺失率。

在硬充电策略下，柴油发电机104与储能电池103轮流作为主电源满足净负荷需求，允许柴油发电机为储能电池充电，从而尽量减少柴油机组的运行时间，一般适用于可再生能源资源较为丰富，因环境或能源约束对柴油发电机运行时间有限制的场合。

硬充电策略分为以下步骤：

计算独立微网系统的净负荷P1，其中，所述独立微网的净负荷P1=负荷功率-（风力发电+光伏阵列的发电功率）。

确定当前时间步长内的柴油发电机的投入台数；其中，依据考虑备用容量的净负荷P2的大小，上一时间步长内柴油发电机的开机情况、储能电池的最大充放电功率，确定柴油发电机的投入台数。

在确定出当前时间步长内需要投入的柴油发电机的台数后，计算出当前负荷下的容量短缺Ecs（t）。

在确定出当前时间步长内需要投入的柴油发电机的台数后，依据净负荷需求，计算出当前时间步长内实际的所述柴油发电机的耗油量、所述储能电池的充放电量、未满足的负荷量和浪费能量指标。

具体的，请参见图3，示出了硬充电策略的具体控制流程示意图，包括以下步骤：

该策略的仿真步长为t=1小时，每次执行该硬充电策略前判断t是否大于8760小时（一年有8760个小时）。

201，计算所述独立微网系统的净负荷（P1）及考虑备用容量的净负荷（P2）的大小，同时计算储能电池的最大充电功率（P3）和最大放电功率（P4）。

202，判断未达到最小运行小时数的柴油发电机的总发电容量是否能满足考虑备用容量的净负荷（P2）和储能电池的充电需求，若是，则执行步骤204；否则，执行步骤203；

考虑备用容量的净负荷P2=P1+δ，其中δ是为独立微网系统预留的备用容量，从而使系统运行更稳定。

具体实施时，柴油发电机的总台数为m，上一时刻的投入运行的柴油发电机的台数为n，当前步长未满足最小运行小时数的柴油发电机台数为n1。柴油发电机的最大出力为P5，柴油发电机的最小出力为P6。

本步骤实际是判断n1×P5是否大于P2+P3。

203，判断上一时刻投入的柴油发电机的总功率是否满足考虑备用容量的净负荷和储能电池的充电需求，若是，则执行步骤205；否则，执行步骤206。

本步骤实际判断n×P5是否大于P2+P3，若n×P5≤P2+P3，表明上一时刻投入的n台柴油发电机的总功率不能满足考虑备用容量的净负荷（P2）和储能电池的充电需求；若n×P5＞P2+P3，表明上一时刻投入的n台柴油发电机的总功率能满足考虑备用容量的净负荷（P2）和储能电池的充电需求。

204，允许满足最小运行小时数的柴油发电机退出运行；

即关闭已经满足最小运行小时数的柴油发电机，这样能够延长柴油发电机的使用寿命。

205，逐台退出已投入的柴油发电机，直到处于运行的柴油发电机的容量能够满足考虑备用容量的净负荷（P2）和储能电池的充电需求。

逐台退出已投入的柴油发电机的过程包括：

2051，关闭一台正在运行的柴油发电机，即n=n-1。

2052，判断当前运行的柴油发电机的总功率是否满足考虑备用容量的净负荷P2和储能电池的充电需求P3。

206，判断已投入的柴油发电机的容量是否满足考虑备用容量的净负荷（P2），若是，则执行步骤207；否则，执行步骤208。

本步骤中的若是具体是指n×P5＞P2，即上一时刻投入的柴油发电机的总功率能满足考虑备用容量的净负荷P2；若否具体是指n×P5≤P2，即上一时刻投入的柴油发电机的总功率不能满足考虑备用容量的净负荷P2。

207，确定当前需要投入的柴油发电机的台数。

具体的，将确定出的当前需要投入的柴油发电机的台数记为n_t。

208，判断上一时刻运行的柴油发电机的台数n是否超过柴油发电机的总台数m，若是则执行步骤210；否则执行步骤209。

若n＜m，则n=n+1；若n=m，则储能电池放电和柴油发电机共同为负荷供电。

2091，投入一台新的柴油发电机，n=n+1。

2092，判断投入新的柴油发电机后，所有的处于运行的柴油发电机的总功率是否能满足考虑备用容量的净负荷P2，若是，则执行步骤207；否则，则返回执行步骤208。

本步骤实际是判断在步骤208投入新的柴油发电机后，柴油发电机的总功率是否大于P2。

210，判断储能电池的放电容量与柴油发电机的总功率之和是否满足P2，若是，则执行步骤207；否则，执行步骤211。

本步骤实际是判断m×P5+P4是否大于P2，若m×P5+P4＞P2，则执行步骤207；若m×P5+P4≤P2，则计算容量短缺Ecs（t）。

211，计算当前负荷的容量短缺Ecs（t）。

212，在步骤207确定出当前时间步长内需要投入的柴油发电机的台数n_t之后，判断所有运行的柴油发电机运行在最小出力水平是否满足净负荷和储能电池的充电需求，若是，则执行步骤213；否则，执行步骤214。

213，控制所有运行的柴油发电机运行在最小出力水平，并计算由于最小出力水平限制而产生的过剩电能。

214，判断所有运行的柴油发电机处于额定状态（最大出力水平）时，能否满足净负荷P1的需求，若是，则执行步骤215；否则，执行步骤216；

215，柴油发电机以额定运行状态为负荷供电，同时为储能电池充电。

216，判断储能电池放电和柴油发电机的总功率能否满足净负荷P1的需求，若是，则执行步骤217；否则，执行步骤218。

217，使储能电池放电和柴油发电机共同来满足净负荷P1.

218，计算净负荷P1对应的实际容量缺额Ucs（t）。

本实施例提供的硬充电策略考虑了多台柴油发电机的开机组合方式，以及储能电池与柴油发电机之间的协调控制方式，从而使得独立微网系统更经济；考虑了备用容量，使得独立微网系统运行更稳定；储能电池与柴油发电机之间协调控制，在柴油发电机的运行过程中，充分考虑了柴油发电机的运行时间和出力状态，使柴油发电机运行在经济区，从而延长柴油发电机的使用寿命。

请参见图4，示出了本申请提供的平滑功率策略的控制流程，包括以下步骤：

301，计算当前时间步长内的净负荷P1。

302，判断净负荷与0的大小关系；

303，当净负荷大于0，且柴油发电机超出正常运行区间的上限时，优先使用储能电池补充由于柴油发电机的容量不足导致的容量缺额。

304，若储能电池无法满足所述容量缺额，或储能电池的容量低于储能电池的最小下限时，则逐台投入新的柴油发电机。

此处的逐台投入新的柴油发电机的过程与硬充电策略中的逐台投入过程相同，此处不再赘述。

305，若在逐台投入新的柴油发电机后，仍无法满足净负荷，则计算出的未满足的负荷功率为负荷缺失功率。

306，若净负荷大于0，但单台柴油发电机的出力小于最小出力水平，则减少柴油发电机的投入台数，直至所有的柴油发电机的处理恢复至正常工作区间；

307，若减小至仅剩一台柴油发电机，且柴油发电机的出力仍小于最小出力水平，则放弃部分发电出力，并将关闭的发电出力作为剩余功率，且柴油发电机不给电池充电；

308，当净负荷小于0时，关闭柴油发电机，利用风力发电机和/或光伏阵列为储能电池充电；

309，若为储能电池的充电功率超过储能电池的最大充电功率，或储能电池的容量达到最大容量时，放弃部分风力发电机和/或光伏阵列的输出功率，并计算剩余功率。

本实施例提供的平滑功率策略，对储能电池的容量要求相对较低，储能电池仅作为柴油发电机的补充电源，在柴油发电机无法单独满足负荷的情况下放电，主要用于满足柴油发电机不能满足的那部分负荷，并吸收多余的可再生能源的能量。

以上所述仅是本申请的具体实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (8)

1.一种独立微网系统优化方法，所述独立微网系统至少包括柴油发电机、风力发电机、光伏阵列和储能电池，其特征在于，包括：

获取所述柴油发电机、所述风力发电机、所述光伏阵列和所述储能电池的设备参数；

依据所述柴油发电机、所述风力发电机、所述光伏阵列及所述储能电池的设备参数，利用多目标遗传算法进行遗传算法求解优化，在求解的过程中采用准稳态仿真策略，并为所述独立微网系统预留预设的备用容量，获得所述独立微网系统的优化指标，最终通过所述多目标遗传算法获得优化结果；

其中，所述独立微网系统的优化指标为全寿命周期内的总成本现值、负荷容量缺失率和污染水平，所述全寿命周期内的总成本现值为所述独立微网系统中的所有设备的在整个工程寿命内的成本现值和残值现值；所述负荷容量缺失率为未满足需求的负荷容量与整个负荷需求容量的比值；所述污染物排放为各种污染物每年的排放总量；

所述准稳态仿真策略包括硬充电策略和平滑功率策略，其中，在所述硬充电策略下，柴油发电机与储能电池轮流作为主电源满足净负荷需求，允许所述柴油发电机为所述储能电池充电；在所述平滑功率策略下，储能电池仅作为所述柴油发电机的补充电源，当所述柴油发电机无法单独满足负荷的情况下放电。

2.根据权利要求1所述的方法，其特征在于，所述为所述独立微网系统预留预设的备用容量具体为，在所述独立微网系统的优化规划设计模型中，将维持电压频率稳定的柴油发电机和储能电池作为主电源，在每一个运行时刻，根据所述风力发电机、所述光伏阵列、以及负荷的实际功率，预留预设的备用容量。

3.根据权利要求1所述的方法，其特征在于，所述多目标遗传算法为NSGA-II多目标遗传算法，在利用所述NSGA-II多目标遗传算法进行遗传算法求解的过程中，选取所述独立微网系统中的所述风力发电机的类型、所述风力发电机的台数、所述柴油发电机的类型、所述柴油发电机的台数、所述光伏阵列的容量、所述储能电池的类型、并联支路数，以及所述储能电池用的双向变流器的容量为优化变量。

4.根据权利要求1所述的方法，其特征在于，所述获得所述独立微网系统的全寿命周期内的总成本现值、污染水平和负荷容量缺失率，具体为：

以小时为仿真步长，依据所述独立微网系统所在区域内的风力资源、光照资源和负荷需求情况，对所述独立微网系统内的每个设备进行全寿命周期内的准稳态仿真，根据预设的控制策略，确定每个时间步长内，所述柴油发电机的投入台数和耗油量、所述储能电池的充放电功率和剩余容量，以及所述时间步长内的未满足的负荷量和浪费功率指标，计算得到全寿命周期内的总成本现值、污染水平和负荷缺失率。

5.根据权利要求1所述的方法，其特征在于，所述硬充电策略为：

计算所述独立微网系统的净负荷及考虑备用容量的净负荷，所述净负荷为负荷功率减去风力发电机和光伏阵列的发电功率；

依据考虑备用容量的净负荷的大小、上一时间步长内所述柴油发电机的开机情况、储能电池的最大充放电功率，确定当前时间步长内的所述柴油发电机的投入台数，并计算当前负荷下的容量短缺；

确定出当前时间步长内需投入的所述柴油发电机的台数后，依据净负荷需求，计算出当前时间步长内实际的所述柴油发电机的耗油量、所述储能电池的充放电量、未满足的负荷量和浪费能量指标。

6.根据权利要求5所述的方法，其特征在于，所述确定当前时间步长内的所述柴油发电机组的投入台数，并计算当前负荷下的容量短缺具体包括：

若未满足最小运行小时数的所述柴油发电机的总功率，能够满足所述考虑备用容量的净负荷及所述储能电池的充电需求，则允许所有达到最小运行时间要求的柴油发电机退出运行；否则，逐台退出达到最小运行时间要求的柴油发电机，直到未退出的柴油发电机能满足所述考虑备用容量的净负荷和所述储能电池的充电需求；

若未满足最小运行小时数的所述柴油发电机的总功率，不能满足所述考虑备用容量的净负荷及所述储能电池的充电需求，且已投入运行的所述柴油发电机的总功率未能满足所述考虑备用容量的净负荷及所述储能电池的充电需求，则逐台投入新的柴油发电机，其中，所述投入的新的柴油发电机不为所述储能电池充电；

若逐台投入的新的柴油发电机之后，所有运行的所述柴油发电机仍不能满足所述考虑备用容量的净负荷的需求，则计算由于所述柴油发电机的能量不足导致的容量缺额；

由所述储能电池放电补充所述容量缺额；

若所述储能电池的放电功率和所有的所述柴油发电机的总功率之和，仍不能满足所述考虑备用容量的净负荷，则计算当前负荷下的容量短缺，进而计算得到负荷容量缺失率。

7.根据权利要求5所述的方法，其特征在于，在确定出当前时间步长内所需投入的柴油机台数后，计算出当前时间步长内所述柴油发电机的实际耗油量、所述储能电池的充放电量、未满足的负荷量和浪费能量指标时，还包括：

判断所有运行的柴油发电机运行在最小出力水平是否满足所述净负荷及所述储能电池的充电需求，若是，则使所有运行的柴油发电机运行在最小出力水平，并计算由于最小出力水平限制而产生的过剩电能；否则，所述柴油发电机的总出力水平由所述净负荷及所述储能电池的充电需求来确定；

若所有运行的柴油发电机处于额定运行状态仍不能满足所述净负荷的需求，则使所述储能电池放电和所述柴油发电机共同为所述负荷供电；

若在所述储能电池放电后，所述储能电池的放电功率和所述柴油发电机的总功率仍不能满足所述净负荷，则计算得到当前负荷的实际容量缺额。

8.根据权利要求1所述的方法，其特征在于，所述平滑功率策略具体为：

计算当前时间步长内的净负荷，所述净负荷为负荷功率减去风力发电机和光伏阵列的发电功率；

当所述净负荷大于零时，且所述柴油发电机超出正常运行区间的上限时，优先使用所述储能电池补充由于所述柴油发电机的容量不足导致的容量缺额；

若所述储能电池无法满足所述容量缺额，或所述储能电池的容量低于所述储能电池的最小下限时，则逐台投入新的所述柴油发电机；

若在逐台投入新的所述柴油发电机后，仍无法满足所述净负荷，则计算出的未满足的负荷功率为负荷缺失功率；

若所述净负荷大于零，但单台所述柴油发电机的出力小于最小出力水平，则减少所述柴油发电机的投入台数，直至所有的所述柴油发电机的处理恢复至正常工作区间，若减小至仅剩一台所述柴油发电机，且所述柴油发电机的出力仍小于所述最小出力水平，则放弃部分发电出力，并将放弃的发电出力作为剩余功率，且所述柴油发电机不给所述电池充电；

当所述净负荷小于零时，关闭所述柴油发电机，利用所述风力发电机和/或所述光伏阵列为所述储能电池充电，若为所述储能电池的充电功率超过所述储能电池的最大充电功率，或所述储能电池的容量达到最大容量时，放弃部分所述风力发电机和/或所述光伏阵列的输出功率，并计算剩余功率。