CN105868844A - 一种含电动汽车混合储能系统的微网多目标运行调度方法 - Google Patents

Abstract

本发明涉及一种含电动汽车混合储能系统的微网多目标运行调度方法，微网处于并网模式运行状态，包括多个微源和负荷，负荷包括电负荷和热负荷，微源包括微型燃气轮机、风机、光伏电池、燃料电池、蓄电池和电动汽车，该方法包括以下步骤：S1：获取微网中各负荷和各微源的状态信息；S2：以运行成本和污染物治理成本最小为目标建立多目标经济调度模型；S3：采用NSGA‑II多目标优化算法，对多目标经济调度模型进行优化求解，获得各微源的最优有功功率；S4：根据各微源的最优有功功率控制各微源的有功功率输出。与现有技术相比，本发明实现由分布式电源组成的微网以更为经济、灵活、环保的方式运行，可充分发挥分布式电源的发电优势。

Description

一种含电动汽车混合储能系统的微网多目标运行调度方法

技术领域

本发明涉及微电网领域，尤其是涉及一种含电动汽车混合储能系统的微网多目标运行调度方法。

背景技术

微电网(micro-grid)也译为微网，是一种新型网络结构，是一组微电源、负荷、储能系统和控制装置构成的系统单元。微电网是一个能够实现自我控制、保护和管理的自治系统，既可以与外部电网并网运行，也可以孤立运行。微电网是相对传统大电网的一个概念，是指多个分布式电源及其相关负载按照一定的拓扑结构组成的网络，并通过静态开关关联至常规电网。

开发和延伸微电网能够充分促进分布式电源与可再生能源的大规模接入，实现对负荷多种能源形式的高可靠供给，是实现主动式配电网的一种有效方式，是传统电网向智能电网过渡。

随着国民经济的发展，电力需求迅速增长，电力部门大多把投资集中在火电、水电以及核电等大型集中电源和超高压远距离输电网的建设上。但是，随着电网规模的不断扩大，超大规模电力系统的弊端也日益凸现，成本高，运行难度大，难以适应用户越来越高的安全和可靠性要求以及多样化的供电需求。同时，随着我国智能电网的发展，微电网的建设也十分迅速；从最初的只有光伏阵列和负荷，近些年发展到风、光、储以及负荷多样化的微电网，微电网的结构随之也越来越复杂。

近些年来在电改的大背景下，微网能量优化管理越来越收到重视。微网能量优化调度通过对分布式发电(distributed generation，DG)的微源、储能单元、负荷以及电网当前运行状态和历史数据进行分析，继而做出科学的评估和预测；根据微网系统内各类型分布式电源享受的优先调度权分级、负荷分级以及主网系统电价类型的不同选择，不同的能量调度策略，确定相应的优化调度模型，采用有效的算法求解未来不同调度周期的最优运行计划，包括对微网内可调度型单元的日前出力计划、储能单元日前调度计划和实时调度计划，向用户同时提供电能和热能，实现热电联产(combined heat and power，CHP)。对于电动汽车(electric vehicles，EV)用户既是微网的负荷，也是可以作为电源。EV合理接入微网对于经济、环境及能源安全问题等具有重要意义。因此，微电网的调度问题，正日益受到关注。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种含电动汽车混合储能系统的微网多目标运行调度方法，可实现由分布式电源组成的微网以更为经济，灵活，环保的方式运行，可以充分发挥分布式电源的发电优势，同时适应当前微电网快速发展的要求。

本发明的目的可以通过以下技术方案来实现：

一种含电动汽车混合储能系统的微网多目标运行调度方法，所述微网处于并网模式运行状态，包括多个微源和负荷，各微源和负荷通过联络线连接，所述负荷包括电负荷和热负荷，所述微源包括微型燃气轮机、风机、光伏电池、燃料电池、蓄电池和电动汽车，该方法包括以下步骤：

S1：获取微网中各负荷和各微源的状态信息；

S2：以运行成本和污染物治理成本最小为目标建立多目标经济调度模型；

S3：采用NSGA-II多目标优化算法，由微网中各负荷和各微源的状态信息对多目标经济调度模型进行优化求解，获得各微源的最优有功功率；

S4：根据获得的各微源的最优有功功率控制各微源的有功功率输出。

所述多目标经济调度模型包括目标函数和约束条件，所述目标函数Z满足以下公式：

Z＝min{wF₁+(1-w)F₂}

$F_1=\underset{i=1}{\overset{N}{\Σ}}{C}_i^{Install}+\underset{t=1}{\overset{T}{\Σ}}\underset{i=1}{\overset{N}{\Σ}}(C_{i,t}^{Om}+C_{i,t}^{Fuel})+\underset{t=1}{\overset{T}{\Σ}}{C}_t^{Grid}$

$F_2=\underset{t=1}{\overset{T}{\Σ}}\left\{\underset{j=1}{\overset{W}{\Σ}}{\mathrm{\μ}}_j(\underset{i=1}{\overset{N}{\Σ}}{K}_{ij}{P}_{i,t}+K_{Grid,j}{P}_{Grid,t})\right\}$

式中：F₁为运行成本，F₂为污染物治理成本，w为权重系数，0≤w≤1，N为微源装机总数，T是仿真优化总时长，为第i种微源安装费用，为t时间段内第i种微源运行维护费用，为t时间段内第i种微源所用燃料费用，为t时间段内微网与外网之间交换功率的费用，W为污染物总数，μ_j为第j类污染物处理费用，K_ij为第i种微源第j类污染物排放系数，P_i,t为t时间段内第i种微源输出的有功功率，K_Grid,j为外网第j类污染物排放系数，P_Grid,t为t时间段内微网与外网交互电量；

所述约束条件包括等式约束条件和不等式约束条件，所述等式约束条件包括有功功率平衡约束和蓄电池一次充放电量约束，所述不等式约束条件包括蓄电池运行约束、电动汽车充放电约束、微网允许与外网交互功率约束和微型燃气轮机、风机、光伏电池输出有功功率约束。

所述第i种微源安装费用满足以下公式：

${C_i}^{Install}={R_i}^{Install}\×S_i,i=1,...,N$

式中：为第i种微源的单位安装成本，S_i为第i种微源的初始安装容量；

所述t时间段内第i种微源运行维护费用满足以下公式：

$C_{i,t}^{Om}={R_{i,t}}^{Om}\×P_{i,t},i=1,...,N,t=1,...,T$

式中：为t时间段内第i种微源的单位运行维护费用；

所述t时间段内第i种微源所用燃料费用满足以下公式：

${C_{i,t}}^{Fuel}={R_{i,t}}^{Fuel}\×P_{i,t},i=1,...,N,t=1,...,T$

式中：为t时间段内第i种微源的单位燃料费用；

所述t时间段内微网与外网之间交换功率的费用满足以下公式：

${C_t}^{Grid}=R_{Grid,t}\×P_{Grid,t},t=1,...,T$

式中：R_Grid,t为t时间段内外网的实时电价。

所述有功功率平衡约束：

$\underset{i}{\overset{N}{\Σ}}{P}_{i,t}+P_{SB,t}+P_{Grid,t}-P_{Load,t}=0,t=1,...,T$

式中：P_SB,t为t时间段内蓄电池放充电电量，P_Load,t为t时间段内负荷消耗功率；

所述蓄电池一次充放电量约束：

SOC_t-P_Batt,t/BAT_cap＝SOC_t+1，t＝1,...,T

式中：SOC_t为t时间段内蓄电池的SOC值，P_Batt,t为t时间段内蓄电池输出的有功功率，BAT_cap为蓄电池总容量。

所述蓄电池运行约束：

$P_{SB}^{\min }\≤P_{SB,t}\≤P_{SB}^{\max },t=1,...,T$

-S_inv,SB≤P_SB,t≤S_inv,SB，t＝1,...,T

式中：为蓄电池最小有功功率，为蓄电池最大有功功率，P_SB,t为t时间段内蓄电池输出的有功功率，S_inv,SB为蓄电池对应的逆变器容量；

所述电动汽车充放电约束：

$P_{EV}^{\min }\≤P_{EV,t}\≤P_{EV}^{\max },t=1,...,T$

-S_inv,EV≤P_EV,t≤S_inv,EV，t＝1,...,T

式中：为电动汽车最小有功功率，为电动汽车最大有功功率，P_EV,t为t时间段内电动汽车输出的有功功率，S_inv,EV为电动汽车对应的逆变器容量；

所述微网允许与外网交互功率约束：

$P_{Grid,t}^{\min }\≤P_{Grid,t}\≤P_{Grid,t}^{\max },t=1,...,T$

式中：为t时间段内微网与外网交互功率上限、下限；

所述微型燃气轮机、风机、光伏电池输出有功功率约束：

$P_{k,t}^{\min }\≤P_{k,t}\≤P_{k,t}^{\max },t=1,...,T$

式中：分别为t时间段内微型燃气轮机、风机、光伏电池中第k种微源输出的有功功率的上限、下限，P_k,t为t时间段内微型燃气轮机、风机、光伏电池中第k种微源输出的有功功率。

所述NSGA-II多目标优化算法中设置最大迭代次数为200，种群规模为500，交叉概率为0.9，变异概率为0.1。

与现有技术相比，本发明具有以下优点：

1)本发明针对微网优化调度的问题，提出以电动汽车同时作为负荷和发电单元同时计及制热收益的微网多目标经济调度模型，并构建能源互联网确定约束条件，以经济效益最大化、环境成本最小化作为微网多目标优化问题，能优化有功控制，能够综合比较负荷和有功量，选取最优调度方案，根据不同时段的负荷情况，微电网能得到合理安排，并能按照需要进行调度，根据系统接入和输出有功的情况及时接入负荷或切除负荷，达到降损节能的目的，实现由分布式电源组成的微网以更为经济、灵活、环保的方式运行，可以充分发挥分布式电源的发电优势。

2)本发明采用NSGA-II多目标优化算法对微电网模型进行求解，NSGA-II是NSGA算法的改进，改进之处主要有提出了快速非支配排序算法、引进精英策略、采用拥挤度和拥挤度比较算子等，经过仿真实验证明改进型遗传算法相比GA单目标优化算法具有更好的全局寻优能力、收敛速度和鲁棒性。

3)采用本发明方法可方便进行微网中各微源有功功率控制，大大减少了运行人员日常调度计算的工作量。

4)使微电网的整体经济效益更好，节省了经济成本。

5)改善微电网环境污染状况。使用新能源发电设备，减少使用传统的污染型发电设备发电，减少了有害气体(CO₂、SO₂、NO_x)的排放，改善了环境情况。

6)提高微电网中各个微源的使用效率。合理调度每一个微源的出力，根据实时负荷情况合理分配出力。

7)充分利用电动汽车从而起到“削峰填谷”的作用。在负荷的高峰时期，电价较高电动汽车可以向微电网售卖电；而当波谷时期，新能源出力有富余，且电池满充，再向电动汽车充电。

8)延长蓄电池和燃料电池的使用寿命。避免了电池的过充或者是过放引起的损坏，延长了电池寿命。

9)热电联产运行模式提高了微电网的经济性和环保性。微型燃气轮机运行在以热定电的模式下，提高了微电网的经济性和环保性。

附图说明

图1为本发明方法流程图；

图2为本发明中NSGA-II多目标优化算法流程图；

图3为本发明中微网内部结构示意图；

图4为实施例中微网内热负荷和电负荷的消耗功率示意图；

图5为实施例中光伏电池和风机的输出功率曲线示意图；

图6为实施例中蓄电池、微型燃气轮机、燃料电池和外网功率的功率曲线示意图；

图7为实施例中蓄电池SOC曲线示意图；

图8为实施例中含电动汽车及电池混合储能系统功率曲线示意图；

图9为实施例中并网模式下微网优化结果示意图；

图10为实施例中并网模式下微网调度结果示意图；

图11为实施例中并网模式下微网各微源出力示意图；

图12为实施例中NSGA-II多目标优化算法优化结果示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

如图1所示，一种含电动汽车混合储能系统的微网多目标运行调度方法，微网处于并网模式运行状态，包括多个微源和负荷，各微源和负荷通过联络线连接，负荷包括电负荷和热负荷，微源包括微型燃气轮机、风机、光伏电池、燃料电池、蓄电池和电动汽车，其中微型燃气轮机、风机、光伏电池为分布式发电单元，燃料电池和蓄电池为混合电池储能单元，电动汽车即可以作为负荷也可以作为分布式发电单元，并且计及热电联产制热收益的基础上，从而构建能源互联网，微电网通过PCC耦合点与外网(Grid)相连，可以进行潮流交互，该方法包括以下步骤：

S1：获取一天内微网中各负荷和各微源的状态信息，其中通过建立各微源的数学模型，可获得相应的状态信息，具体有：

1)电动汽车模型

EV运行提供能量的为超级电容器，忽略超级电容的自放电率，那么EV储能单元的模型为：

$S=\frac{Q}{Q_N}=\frac{C(U_C-U_{min})}{C(U_{max}-U_{\min })}=\frac{U_0+1/C{\∫}_0^t{I}_{C}dt-U_{min}}{U_{max}-U_{min}}$

EV中储存的能量为：

$W=1/2C(U_{max}^2-U_{min}^2)$

式中：S为EV充放电后的剩余电量，Q为超级电容存储的实际电荷量，Q_N为超级电容存储的最大电荷量，U_max、U_min分别为超级电容器最高、最低工作电压，U₀为超级电容器初始电压，I_C为充放电电流。

2)微型燃气轮机模型

微型燃气轮机数学模型为：

Q_MT(t)＝P_e(t)(1-η_e(t)-η₁)/η_e(t)

式中：Q_MT(t)为t时刻燃气轮机余热量，P_e(t)为t时刻燃气轮机输出的电功率，η_e(t)为t时刻燃气轮机的发电效率，η₁为t时刻燃气轮机的散热损失系数。

Q_he(t)＝Q_MT(t)K_he

式中：Q_he(t)为t时刻燃气轮机烟气余热供给的制热量，K_he为溴冷机制热系数。

V_MT＝∑(P_e(t)Δt/(η_e(t)L))

式中：V_MT为燃气轮机消耗的天然气量，t为燃气轮机的运行时间，L为天然气低热值，取为9.7kW·h/m³。

微型燃气轮机的燃料成本计算方式为：

C_MT＝(C_n1/L)∑(P_e(t)Δt/(η_e(t))

式中：C_MT为燃气轮机燃料成本，C_n1为天然气价格，取0.5$(元)/m³。

光伏电池模型见文献“微网并网时的经济运行研究”(牛铭，黄伟，郭佳欢，等.微网并网时的经济运行研究[J].电网技术，2010，34(11):38-42)，风机模型见文献“Systemmodeling and optimization of microgrid using Genetic Algorithm”(Qijun Deng,Xing Gao,Hong Zhou.The2nd International Conference on IntelligentControl and Information Processing,2011:540-544)，微型燃气轮机模型、燃料电池和蓄电池模型可参见文献“微网的经济运行研究”(李乐.微网的经济运行研究[D].华北电力大学学位论文，2011.3)。

S2：根据能源互联网，以运行成本和污染物治理成本(即环境成本)最小为目标、构建含电动汽车EV、光伏电池PV、风机WT、微型燃气轮机MT、燃料电池FC、蓄电池SB以及其他类型分布式电源且同时包含热电负荷的建立多目标经济调度模型，在考虑电动汽车同时作为负荷和发电单元，且计及热电联产制热收益的基础上，构建能源互联网。

1)考虑微网运行成本

微网的运行成本F₁包括安装成本、运行维护成本、燃料成本与外网购售电成本，以F₁最小为目标的目标函数Z₁为：

$\begin{array}{c}{Z}_1={\mathrm{minF}}_1\\ F_1=\underset{i=1}{\overset{N}{\Σ}}{C}_i^{Install}+\underset{t=1}{\overset{T}{\Σ}}\underset{i=1}{\overset{N}{\Σ}}(C_{i,t}^{Om}+C_{i,t}^{Fuel})+\underset{t=1}{\overset{T}{\Σ}}{C}_t^{Grid}\end{array}$

式中，N为微源装机总数，T是仿真优化总时长，为第i种微源安装费用，为t时间段内第i种微源运行维护费用，为t时间段内第i种微源所用燃料费用，为t时间段内微网与外网之间交换功率的费用。

①第i种微源安装费用满足以下公式：

${C_i}^{Install}={R_i}^{Install}\×S_i,i=1,...,N$

式中：R_i ^Install：为为第i种微源的单位安装成本(元/kW)，S_i为第i种微源的初始安装容量(kW)；

②t时间段内第i种微源运行维护费用满足以下公式：

$C_{i,t}^{Om}={R_{i,t}}^{Om}\×P_{i,t},i=1,...,N,t=1,...,T$

式中：R_i,t ^Om为t时间段内第i种微源的单位运行维护费用[元/(kW·h)]，P_i,t为t时间段内第i种微源输出的有功功率，P_i,t对应分布式发电单元(微型燃气轮机、风机、光伏电池)为单位时间(1h)发电量(有功功率，kW)，P_i,t对应蓄电池等电池系统为单位时间充放电功率(有功功率，kW)；

③t时间段内第i种微源所用燃料费用满足以下公式：

C_i,t ^Fuel＝R_i,t ^Fuel×P_i,t，i＝1，...,N，t＝1,...,T

式中：R_i,t ^Fuel为t时间段内第i种微源的单位燃料费用[元/(kW·h)]，可再生能源分布式发电单元由于不需要使用燃料，该项取0；

④t时间段内微网与外网之间交换功率的费用满足以下公式：

C_t ^Grid＝R_Grid,t×P_Grid,t，t＝1,...,T

式中：R_Grid,t为t时间段内外网的实时电价，P_Grid,t为t时间段内微网与外网交互电量，P_Grid,t取正负号情况：当微网向外网购电时取正，当微网向外网售电时取负。

2)考虑污染物治理成本

以污染物治理成本F₂最小为目标的目标函数Z₂为：

$\begin{array}{c}{Z}_2={\mathrm{minF}}_2\\ F_2=\underset{t=1}{\overset{T}{\Σ}}\left\{\underset{j=1}{\overset{W}{\Σ}}{\mathrm{\μ}}_j(\underset{i=1}{\overset{N}{\Σ}}{K}_{ij}{P}_{i,t}+K_{Grid,j}{P}_{Grid,i})\right\}\end{array}$

式中：W为污染物(CO₂、SO₂、NO_x等)总数，μ_j为第j类污染物处理费用，K_ij为第i种微源第j类污染物排放系数，K_Grid,j为外网第j类污染物排放系数，可再生能源分布式发电单元不存在污染物排放，该项取0。

3)综合考虑经济和环境效益

将运行成本F₁和污染物治理成本F₂进行加权，可把F₁、F₂单目标问题转化为多目标优化问题来求解，则建立的多目标经济调度模型包括目标函数和约束条件，目标函数Z为微网一天内发电成本最低，微网一天内发电成本包括微网运行成本和污染物治理成本，满足以下公式：

Z＝min{wF₁+(1-w)F₂}

式中：w为权重系数，0≤w≤1，可以根据微网具体设置进行调整。

约束条件包括等式约束条件和不等式约束条件，等式约束条件包括有功功率平衡约束和蓄电池一次充放电量约束，具体如下：

有功功率平衡约束：

$\underset{i}{\overset{N}{\Σ}}{P}_{i,t}+P_{SB,t}+P_{Grid,t}-P_{Load,t}=0,t=1,...,T$

式中：P_SB,t为t时间段内蓄电池放充电电量，放电取正，充电取负，P_Load,t为t时间段内负荷消耗功率；

蓄电池一次充放电量约束：

SOC_t-P_Batt,t/BAT_cap＝SOC_t+1，t＝1,...,T

式中：SOC_t为t时间段内蓄电池的SOC(State of Charge，剩余电量)值，P_Batt,t为t时间段内蓄电池输出的有功功率，BAT_cap为蓄电池总容量。

不等式约束条件包括蓄电池运行约束、电动汽车充放电约束、微网允许与外网交互功率约束和微型燃气轮机、风机、光伏电池输出有功功率约束，具体如下：

蓄电池运行约束：

$P_{SB}^{\min }\≤P_{SB,t}\≤P_{SB}^{\max },t=1,...,T$

-S_inv,SB≤P_SB,t≤S_inv,SB，t＝1,...,T

式中：为蓄电池最小有功功率，为蓄电池最大有功功率，P_SB,t为t时间段内蓄电池输出的有功功率，S_inv,SB为蓄电池对应的逆变器容量；

电动汽车充放电约束：

$P_{EV}^{\min }\≤P_{EV,t}\≤P_{EV}^{\max },t=1,...,T$

-S_inv,EV≤P_EV,t≤S_inv,EV，t＝1,...,T

式中：为电动汽车最小有功功率，为电动汽车最大有功功率，P_EV,t为t时间段内电动汽车输出的有功功率，S_inv,EV为电动汽车对应的逆变器容量；

微网允许与外网交互功率约束：

$P_{Grid,t}^{\min }\≤P_{Grid,t}\≤P_{Grid,t}^{\max },t=1,...,T$

式中：为t时间段内微网与外网交互功率上限、下限；

微型燃气轮机、风机、光伏电池输出有功功率约束：

$P_{k,t}^{\min }\≤P_{k,t}\≤P_{k,t}^{\max },t=1,...,T$

式中：分别为t时间段内微型燃气轮机、风机、光伏电池中第k种微源输出的有功功率的上限、下限，P_k,t为t时间段内微型燃气轮机、风机、光伏电池中第k种微源输出的有功功率。

S3：采用NSGA-II多目标优化算法，由微网中各负荷和各微源的状态信息对多目标经济调度模型进行优化求解，获取Pareto前端解，并得到一天24小时内优化调度方案，包括各微源的最优有功功率。

考虑到微电网经济优化运行问题是一个复杂的非线性问题，本发明采用NSGA-II算法对微电网模型进行求解。NSGA-II是NSGA算法的改进。NSGA-II多目标优化算法已经在工程实际中广泛运用。NSGA改进之处主要有：

A提出了快速非支配排序算法，一方面降低了计算的复杂度，另一方面它将父代种群跟子代种群进行合并，使得下一代的种群从双倍的空间中进行选取，从而保留了最为优秀的所有个体；

B引进精英策略，保证某些优良的种群个体在进化过程中不会被丢弃，从而提高了优化结果的精度；

C采用拥挤度和拥挤度比较算子，不但克服了NSGA中需要人为指定共享参数的缺陷，而且将其作为种群中个体间的比较标准，使得准Pareto域中的个体能均匀地扩展到整个Pareto域，保证了种群的多样性。

如图2所示，NSGA-II多目标优化算法的具体过程描述如下：

(1)随机产生初始种群P₀，然后对种群进行非劣排序，每个个体被赋予秩；再对初始种群执行二进制锦标赛选择、交叉和变异，得到新的种群Q₀，令t＝0。

(2)形成新的群体R_t＝P_t∪Q_t，对种群R_t进行非劣排序，得到非劣前端F₁，F₂，…，F_i，…，F表示非劣前端，下标i表示非劣前端的序号。

(3)对所有F_i按拥挤比较操作＜_n进行排序，并选择其中最好的N个体形成种群R_t+1。

(4)对种群R_t+1执行复制、交叉和变异，形成种群Q_t+1。

(5)如果终止条件成立，则结束；否则，t＝t+1，转到(2)。

步骤(3)中拥挤比较操作＜_n对应NSGA改进之处C，步骤(2)、(3)、(4)获得的种群Q_t+1对应NSGA改进之处A和B。

S4：根据获得的各微源的最优有功功率控制各微源的有功功率输出。

本实施例中采用的微网结构如图3所示。图3中的微网由工业负荷C、热电负荷D、微型燃气轮机MT、居民负荷A、商业负荷B、风机WT、燃料电池FC、光伏电池PV、电动汽车EV、允许中断负荷E和蓄电池SB等组成，1、2、3、7、8、13、15表示接线点，PCC表示微网与外网的公共连接点，微网处于并网模式运行状态。蓄电池额定容量为800kW·h，放电深度为50％-75％时充电为最佳，因此初始电量设置为60％，充放电效率为1，忽略自放电，蓄电池的逆变器容量为50kVA；燃料电池的逆变器容量为30kVA；电动汽车的功率上、下限分别设为30kW、-30kW，其逆变器容量为30kVA；燃料电池工作于以热定电，因此它与微型燃气轮机发出功率呈线性关系，制热收益为0.12元/(kW·h)；用电峰时为8时～20时，用电谷时为20时～8时。

微网中日电负荷以及日热负荷情况如图4所示；各个分布式电源参数见表1；各个微源的安装成本和电量成本见表2；间隙性发电微源PV、WT的有功功率曲线如图5所示；各个微源污染物的排放数据见表3。

表1各微源的基本参数

表2各微源的安装成本和电量成本

表3各个微源污染物的排放数据

以经济成本和环境成本为目标，对上述微网进行优化。微网中热负荷-电功率曲线如图6所示，蓄电池SOC如图7所示。由图6、图7可见，0时～8时微网的负荷还比较轻，分布式电源将剩余的电能给蓄电池SB充电；在8时～20时，微网中存在有功缺额，PV、WT和MT的出力不能满足微网中的负荷需求，这时调用SB放电，保证微网电能质量；在8时～15时之间，SB能满足微网中的负荷需求，可以减少调用FC的有功出力。在20时～6时，SB进行充电，由于FC的环境成本较低，优先调用FC提供有功功率。FC工作于以热定电模式，因此与WT发出功率呈线性关系。

含电动汽车EV及电池混合储能系统功率曲线如图8所示。由图8可见，SB、FC与EV共同作为后备电源时，电池系统与EV两者相互配合使微网中的功率更为平缓；并且在微网出现有功缺额时，减少了微网从外网中的购电量，提升了微网的经济效益。同时，EV在微网出现有功功率短缺时可以向微网售电，当微网中功率充足时有进行充电，很好的起到了一个“削峰填谷”的作用。

则并网模式下微网优化结果如图9所示，并网模式下微网调度结果如图10所示。由图9、图10可见，PV、WT、SB和EV的电量成本是比较低的，微网应优先调用无污染的PV和WT来满足所需功率；由于FC的电量成本明显高于SB，因此应优先调用SB，同时EV用户可向微网输送功率，这样可以减少SB的充放电次数，延长SB寿命，当微网出现有功缺额时可再调用FC；WT成本最高、对环境污染最大，应最后考虑调用。

并网模式下微网内各微源出力的优化结果如图11所示。由图11可见，PV和WT工作于最大功率点跟踪模式；由于SB放电深度为50％～75％是充电最佳，从7时～18时之前SB的放电模式保持在75％；6时～18时，EV用户根据微网负荷情况向微网进行售卖电；在0时～7时和18时～24时，微网中负荷较轻，PV和WT在满足热、电负荷要求后向SB充电，SB处于充电模式；此时优先调用FC，再调用MT来满足有功缺额。在7时～18时，微网中用电量大幅上升，SB处于放电模式，EV用户也向微网输送电能，减少FC和MT的出力。

为了说明本发明采用的NSGA-II多目标优化算法的优势，下面将它与传统的GA单目标优化算法进行比较：

首先，采用NSGA-II多目标优化算法对微网进行优化，对运行成本目标函数F1和环境成本目标函数F2的多目标问题进行求解。最大迭代次数为200，种群规模为500，交叉概率为0.9，变异概率为0.1。

其次，再用单目标GA算法对合成目标函数进行求解。将运行成本目标函数F₁和环境成本目标函数F₂合成为单目标函数Z，在合成目标函数Z中，权重系数w取为0.8。

采用NSGA-II算法对微网进行优化，求得运行成本费用和环境成本费用为目标的Pareto最优解集合如图12所示。表4给出了部分Pareto最优解。

表4多目标成本花费结果

NSGA-II多目标优化算法考虑了多方面的因素，包括运行成本和环境成本，这更为合理和符合实际。对于多目标优化的解集，决策者可以根据当时的具体的情况，包括国家政策、发电成本、环境情况等，选择合适的运行方案。因此，其方案选择具有很大的灵活性。

当合成为单目标函数时，使用单目标GA算法进行优化仿真。表5给出了GA单目标优化结果，它综合考虑的运行成本和环境成本。

表5单目标优化结果

通过NSGA-II多目标优化算法和GA单目标优化算法的优化结果可知，多目标直接优化后所需总费用为1000多元，而单目标求解后的总费用为1200多元，多目标优化的解明显优于单目标。这说明NSGA-II多目标优化搜索得到Pareto前端解更加接近真实的Pareto前沿，并且有更好的宽广性。此外，在NSGA-II的Pareto前沿中，非支配解分布非常均匀。因此，NSGA-II多目标优化算法具有更好的收敛性和多样性。

通过仿真优化结果可以看出，采用本发明方法对微网进行控制，可实现以下调度策略：

(1)优先利用微网内部的风电WT、光伏PV发电等清洁能源来满足负荷需求并且能与主网进行自由功率交换；

(2)WT和PV发电工作于最大功率点跟踪模式；

(3)MT工作于以热定电运行方式，由热负荷确定MT的有功出力；

(4)当WT、PV和MT的有功出力满足全部电负荷时，首先给电动汽车EV和蓄电池SB充电，同时监测蓄电池的充放电状态，其次再给燃料电池FC进行充电，当EV充满时可以考虑依次切除部分发电成本较高的WT或PV；

(5)EV根据通过不同时段充放电控制提高微网效益，当微网电量充足时可以向EV随意充电；当微网电源不足向主网购电时，出于经济性和稳定性考虑，EV不允许充电，EV可以将剩余的电量卖给微网；

(6)当WT、PV和MT的有功出力无法满足微网所以负荷时，优先选择蓄电池来放电，如仍存在有功缺额则再调用FC来输出有功功率，在此期间EV用户可以将车内剩余电量卖给微网从而获取收益；

(7)若所有微源在出力范围内仍不能满足微网安全可靠运行，则按照负荷的重要程度依次切除。

Claims (6)

1.一种含电动汽车混合储能系统的微网多目标运行调度方法，所述微网处于并网模式运行状态，包括多个微源和负荷，各微源和负荷通过联络线连接，所述负荷包括电负荷和热负荷，其特征在于，所述微源包括微型燃气轮机、风机、光伏电池、燃料电池、蓄电池和电动汽车，该方法包括以下步骤：

S1：获取微网中各负荷和各微源的状态信息；

S2：以运行成本和污染物治理成本最小为目标建立多目标经济调度模型；

S3：采用NSGA-II多目标优化算法，由微网中各负荷和各微源的状态信息对多目标经济调度模型进行优化求解，获得各微源的最优有功功率；

S4：根据获得的各微源的最优有功功率控制各微源的有功功率输出。

2.根据权利要求1所述的一种含电动汽车混合储能系统的微网多目标运行调度方法，其特征在于，所述多目标经济调度模型包括目标函数和约束条件，所述目标函数Z满足以下公式：

Z＝min{wF₁+(1-w)F₂}

$F_1=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{C}_i^{Install}+\underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left(C_{i,t}^{Om}+C_{i,t}^{Fuel}\right)+\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{C}_t^{Grid}$

$F_2=\underset{t=1}{\overset{T}{\Σ}}\left\{\underset{j=1}{\overset{W}{\Σ}}{\mathrm{\μ}}_j(\underset{i=1}{\overset{N}{\Σ}}{K}_{ij}{P}_{i,t}+K_{Grid,j}{P}_{Grid,t})\right\}$

式中：F₁为运行成本，F₂为污染物治理成本，w为权重系数，0≤w≤1，N为微源装机总数，T是仿真优化总时长，为第i种微源安装费用，为t时间段内第i种微源运行维护费用，为t时间段内第i种微源所用燃料费用，为t时间段内微网与外网之间交换功率的费用，W为污染物总数，μ_j为第j类污染物处理费用，K_ij为第i种微源第j类污染物排放系数，P_i,t为t时间段内第i种微源输出的有功功率，K_Grid,j为外网第j类污染物排放系数，P_Grid,t为t时间段内微网与外网交互电量；

所述约束条件包括等式约束条件和不等式约束条件，所述等式约束条件包括有功功率平衡约束和蓄电池一次充放电量约束，所述不等式约束条件包括蓄电池运行约束、电动汽车充放电约束、微网允许与外网交互功率约束和微型燃气轮机、风机、光伏电池输出有功功率约束。

3.根据权利要求2所述的一种含电动汽车混合储能系统的微网多目标运行调度方法，其特征在于，所述第i种微源安装费用满足以下公式：

C_i ^Install＝R_i ^Install×S_i，i＝1,...,N

式中：R_i ^Install为第i种微源的单位安装成本，S_i为第i种微源的初始安装容量；

所述t时间段内第i种微源运行维护费用满足以下公式：

$C_{i,t}^{Om}={R_{i,t}}^{Om}\×P_{i,t},i=1,...,N,t=1,...,T$

式中：R_i,t ^Om为t时间段内第i种微源的单位运行维护费用；

所述t时间段内第i种微源所用燃料费用满足以下公式：

C_i,t ^Fuel＝R_i,t ^Fuel×P_i,t，i＝1，...,N，t＝1,...,T

式中：R_i,t ^Fuel为t时间段内第i种微源的单位燃料费用；

所述t时间段内微网与外网之间交换功率的费用满足以下公式：

C_t ^Grid＝R_Grid,t×P_Grid,t，t＝1,...,T

式中：R_Grid,t为t时间段内外网的实时电价。

4.根据权利要求2所述的一种含电动汽车混合储能系统的微网多目标运行调度方法，其特征在于，所述有功功率平衡约束：

$\underset{i}{\overset{N}{\Σ}}{P}_{i,t}+P_{SB,t}+P_{Grid,t}-P_{Load,t}=0,t=1,...,T$

式中：P_SB,t为t时间段内蓄电池放充电电量，P_Load,t为t时间段内负荷消耗功率；

所述蓄电池一次充放电量约束：

SOC_t-P_Batt,t/BAT_cap＝SOC_t+1，t＝1,...,T

式中：SOC_t为t时间段内蓄电池的SOC值，P_Batt,t为t时间段内蓄电池输出的有功功率，BAT_cap为蓄电池总容量。

5.根据权利要求2所述的一种含电动汽车混合储能系统的微网多目标运行调度方法，其特征在于，所述蓄电池运行约束：

$P_{SB}^{\min }\≤P_{SB,t}\≤P_{SB}^{\max },t=1,...,T$

-S_inv,SB≤P_SB,t≤S_inv,SB，t＝1,...,T

式中：为蓄电池最小有功功率，为蓄电池最大有功功率，P_SB,t为t时间段内蓄电池输出的有功功率，S_inv,SB为蓄电池对应的逆变器容量；

所述电动汽车充放电约束：

$P_{EV}^{\min }\≤P_{EV,t}\≤P_{EV}^{\max },t=1,...,T$

-S_inv,EV≤P_EV,t≤S_inv,EV，t＝1,...,T

式中：为电动汽车最小有功功率，为电动汽车最大有功功率，P_EV,t为t时间段内电动汽车输出的有功功率，S_inv,EV为电动汽车对应的逆变器容量；

所述微网允许与外网交互功率约束：

$P_{Grid,t}^{\min }\≤P_{Grid,t}\≤P_{Grid,t}^{\max },t=1,...,T$

式中：为t时间段内微网与外网交互功率上限、下限；

所述微型燃气轮机、风机、光伏电池输出有功功率约束：

$P_{k,t}^{\min }\≤P_{k,t}\≤P_{k,t}^{\max },t=1,...,T$

式中：分别为t时间段内微型燃气轮机、风机、光伏电池中第k种微源输出的有功功率的上限、下限，P_k,t为t时间段内微型燃气轮机、风机、光伏电池中第k种微源输出的有功功率。

6.根据权利要求1所述的一种含电动汽车混合储能系统的微网多目标运行调度方法，其特征在于，所述NSGA-II多目标优化算法中设置最大迭代次数为200，种群规模为500，交叉概率为0.9，变异概率为0.1。