考慮微電網(wǎng)間能量互濟(jì)的多微電網(wǎng)日前經(jīng)濟(jì)優(yōu)化策略

田恬，王燦，陳思睿，余宏亮，梅世頤，李祥和

(1.新能源微電網(wǎng)湖北省協(xié)同創(chuàng)新中心(三峽大學(xué))，湖北 宜昌 443002；2.三峽大學(xué) 電氣與新能源學(xué)院，湖北 宜昌 443002)

煤、石油等一次能源的逐漸枯竭催生了大量分布式可再生能源接入配電網(wǎng)，而微電網(wǎng)作為分布式能源就地消納的有效方式得到了迅速發(fā)展[1]。隨著微電網(wǎng)的發(fā)展，局部區(qū)域內(nèi)由部分聯(lián)系緊密的微電網(wǎng)形成的多微電網(wǎng)系統(tǒng)開始出現(xiàn)[2]。多微電網(wǎng)相對(duì)于單微電網(wǎng)具有更高的運(yùn)行穩(wěn)定性和經(jīng)濟(jì)性，更有利于新能源的高滲透綜合利用[3]。

研究并網(wǎng)多微電網(wǎng)的優(yōu)化策略可實(shí)現(xiàn)對(duì)分布式發(fā)電單元的最優(yōu)調(diào)度，在最大化微電網(wǎng)所有者經(jīng)濟(jì)效益的同時(shí)提高多微電網(wǎng)的運(yùn)行穩(wěn)定性[4]。文獻(xiàn)[5]針對(duì)含儲(chǔ)能設(shè)備的微電網(wǎng)，研究微電網(wǎng)內(nèi)各發(fā)電單元之間協(xié)調(diào)發(fā)電的調(diào)度策略以實(shí)現(xiàn)微電網(wǎng)自身運(yùn)行效益最大化。文獻(xiàn)[6]針對(duì)風(fēng)-光-柴-儲(chǔ)微電網(wǎng)系統(tǒng)，建立了考慮設(shè)備損耗成本、運(yùn)維成本、燃料成本的經(jīng)濟(jì)優(yōu)化模型以優(yōu)化分布式電源的經(jīng)濟(jì)性。但上述文獻(xiàn)的研究對(duì)象均為單個(gè)微電網(wǎng)，且未考慮微電網(wǎng)并網(wǎng)協(xié)調(diào)運(yùn)行的情況。文獻(xiàn)[7-8]將多微電網(wǎng)與配電網(wǎng)視為不同利益主體分步優(yōu)化，旨在保證新能源發(fā)電比例的同時(shí)，減少與配電網(wǎng)能量交互，同時(shí)保證多微電網(wǎng)系統(tǒng)的運(yùn)行經(jīng)濟(jì)性。文獻(xiàn)[9]針對(duì)含多微電網(wǎng)的配電網(wǎng)需求響應(yīng)問題，建立了微電網(wǎng)優(yōu)化模型和多微電網(wǎng)競價(jià)博弈模型，以多微電網(wǎng)中各微電網(wǎng)運(yùn)行成本最低為目標(biāo)，得出多微電網(wǎng)最優(yōu)調(diào)度的競價(jià)策略。然而上述文獻(xiàn)并未考慮多微電網(wǎng)系統(tǒng)中各微電網(wǎng)之間的能量互濟(jì)問題。

為了求解大規(guī)模、分布式的電能資源帶來的優(yōu)化調(diào)度問題，學(xué)者們對(duì)求解算法展開了充分的研究。動(dòng)態(tài)規(guī)劃可以有效尋求到優(yōu)化問題的全局最優(yōu)解，但當(dāng)決策變量的維數(shù)變大、階段和狀態(tài)也變多時(shí)，動(dòng)態(tài)規(guī)劃的計(jì)算時(shí)間和所需內(nèi)存會(huì)極大增加[10]。文獻(xiàn)[11]針對(duì)由光伏發(fā)電機(jī)、柴油發(fā)電機(jī)、風(fēng)力發(fā)電機(jī)和儲(chǔ)能電池組成的微電網(wǎng)的最優(yōu)日前調(diào)度模型，提出了協(xié)調(diào)搜索與進(jìn)化微分相結(jié)合的方法。文獻(xiàn)[12]使用混合粒子群算法對(duì)微電網(wǎng)中可控分布式發(fā)電單元的出力安排進(jìn)行優(yōu)化，以提升微電網(wǎng)運(yùn)行經(jīng)濟(jì)性。文獻(xiàn)[13]針對(duì)考慮了系統(tǒng)運(yùn)行安全約束的微電網(wǎng)環(huán)保經(jīng)濟(jì)調(diào)度模型，采用人工蜂群算法進(jìn)行求解。文獻(xiàn)[14]考慮了微電網(wǎng)的運(yùn)行成本和環(huán)境污染排放成本，采用遺傳算法對(duì)優(yōu)化模型進(jìn)行求解。上述群體智能算法具有簡單、易于實(shí)現(xiàn)和收斂迅速的優(yōu)點(diǎn)，因此在微電網(wǎng)領(lǐng)域受到了較多的關(guān)注；然而，群體優(yōu)化算法均存在早熟收斂的問題。

針對(duì)上述問題，本文提出了一種考慮各微電網(wǎng)能量互濟(jì)的多微電網(wǎng)日前經(jīng)濟(jì)優(yōu)化策略。該策略在協(xié)調(diào)優(yōu)化多微電網(wǎng)內(nèi)分布式電源出力以降低發(fā)電成本的同時(shí)，通過各微電網(wǎng)之間的能量互濟(jì)進(jìn)一步降低多微電網(wǎng)的運(yùn)行成本；此外，本文還提出了一種基于非線性變異算子的改進(jìn)Jaya算法以提高優(yōu)化模型的求解效率和求解精度。測(cè)試結(jié)果驗(yàn)證了所提出優(yōu)化模型以及改進(jìn)算法的有效性。

1 多微電網(wǎng)經(jīng)濟(jì)優(yōu)化模型

多微電網(wǎng)系統(tǒng)結(jié)構(gòu)如圖1所示。系統(tǒng)中各微電網(wǎng)均連接于多微電網(wǎng)系統(tǒng)公共母線，并通過多微電網(wǎng)功率節(jié)點(diǎn)(point of common coupling，PCC)與配電網(wǎng)連接[15-18]。此結(jié)構(gòu)一方面可實(shí)現(xiàn)多微電網(wǎng)系統(tǒng)與配電網(wǎng)的能量交互，另一方面可實(shí)現(xiàn)各微電網(wǎng)之間的能量互濟(jì)。每個(gè)微電網(wǎng)中包含負(fù)荷(Load)并配備儲(chǔ)能電池(battery，BAT)，且分布式發(fā)電單元由光伏(photovoltaic，PV)、風(fēng)力機(jī)(wind turbine，WT)以及微型燃?xì)廨啓C(jī)(microturbine，MT)組成。各微電網(wǎng)中央控制器(microgrid central controller，MGCC)控制微電網(wǎng)內(nèi)各微電源的運(yùn)行調(diào)度，多微電網(wǎng)中央控制器(multi-microgrid central controller， MMGCC)實(shí)現(xiàn)對(duì)系統(tǒng)內(nèi)各微電網(wǎng)的整體管理。

圖1 并網(wǎng)多微電網(wǎng)系統(tǒng)結(jié)構(gòu)Fig.1 The structure of the grid-connected multi-microgrid system

1.1 分布式電源模型

分布式電源模型包括以下部分：

a)儲(chǔ)能設(shè)備。本文選用應(yīng)用較為廣泛的蓄電池，考慮其運(yùn)行維護(hù)成本和延長電池運(yùn)行壽命，對(duì)其充放電功率和荷電狀態(tài)(state of charge，SOC)進(jìn)行了約束。

t時(shí)段微電網(wǎng)n中第i個(gè)儲(chǔ)能電池運(yùn)行維護(hù)成本

CBATn,i,t,om=kBATn,i,om|PBATn,i,t|.

(1)

式中：kBATn,i,om為t時(shí)段電池組n中第i個(gè)儲(chǔ)能電池的運(yùn)行維護(hù)成本系數(shù)；PBATn,i,t為其輸出功率，正值表示放電狀態(tài)，負(fù)值表示充電狀態(tài)。

輸出功率約束及SOC約束：

PBATn,i,min≤PBATn,i,t≤PBATn,i,max.

(2)

fSOCn,i,min≤fSOCn,i,t≤fSOCn,i,max.

(3)

式中：PBATn,i,min和PBATn,i,max分別為第n個(gè)電池組的第i個(gè)電池最小和最大輸出功率；fSOCn,i,min和fSOCn,i,max分別為第n個(gè)電池組的第i個(gè)電池最小和最大荷電狀態(tài)；En,i,t為t時(shí)段第n個(gè)電池組的第i個(gè)電池的總能量；En,i,C為第n個(gè)電池組的第i個(gè)電池的額定容量;ηn,i,ch和ηn,i,dis分別為第n個(gè)電池組的第i個(gè)電池充電和放電效率。

b)微型燃?xì)廨啓C(jī)。燃料成本Cn,i,t,fuel、維護(hù)成本Cn,i,t,om和啟停機(jī)成本CSU,n,i,t、CSD,n,i,t為：

Cn,i,t,fuel=an,iPn,i,t2+bn,iPn,i,t+cn,i.

(4)

Cn,i,t,om=kn,i,omPn,i,t.

(5)

(6)

式中:an,i、bn,i、cn,i為微電網(wǎng)n中微型燃?xì)廨啓C(jī)i的燃料成本系數(shù)(對(duì)于微電網(wǎng)n第i個(gè)微型燃?xì)廨啓C(jī)有an,i=0，cn,i=0)[19-20]；kn,i,om為其運(yùn)行維護(hù)成本系數(shù)；Pn,i,t為t時(shí)該機(jī)組的輸出功率；cSU,n,i、cSD,n,i分別為其單位時(shí)刻開停機(jī)成本；Yn,i,t為t時(shí)段的機(jī)組啟停狀態(tài)，0表示停機(jī)狀態(tài)，1表示開機(jī)狀態(tài)。

輸出功率上下限約束、輸出功率爬坡速度約束為：

Pn,i,min≤Pn,i,t≤Pn,i,max.

(7)

-Rn,i,downΔt≤Pn,i,t-Pn,i,t-1≤Rn,i,upΔt.

(8)

式中：Pn,i,min和Pn,i,max分別為微電網(wǎng)n中微型燃?xì)廨啓C(jī)i的最小和最大輸出功率；Rn,i,down和Rn,i,up分別為微電網(wǎng)n中微型燃?xì)廨啓C(jī)i的最小和最大爬坡率。

1.2 目標(biāo)函數(shù)

在考慮微電網(wǎng)間能量互濟(jì)的條件下，并網(wǎng)多微電網(wǎng)日前經(jīng)濟(jì)優(yōu)化模型以所有微電網(wǎng)總運(yùn)行成本最低為目標(biāo)，決策各分布式電源的出力、微電網(wǎng)與配電網(wǎng)間的交互功率以及各微電網(wǎng)之間的能量互濟(jì)功率。并網(wǎng)多微電網(wǎng)日前經(jīng)濟(jì)優(yōu)化模型目標(biāo)函數(shù)

(9)

上述多微電網(wǎng)目標(biāo)函數(shù)由4部分組成，分別為微型燃?xì)廨啓C(jī)成本、儲(chǔ)能電池成本、與配電網(wǎng)之間的購售電成本以及微電網(wǎng)之間能量互濟(jì)成本。式(9)中：N為多微電網(wǎng)中的微電網(wǎng)集合；ρt為t時(shí)段與配電網(wǎng)的購售電電價(jià)；PGridn,t為微電網(wǎng)n在t時(shí)段的購售電功率，正值表示從配電網(wǎng)購電，負(fù)值表示向配電網(wǎng)售電；PEX,n,m,t為t時(shí)段微電網(wǎng)n與微電網(wǎng)m之間能量互濟(jì)的功率，正值表示微電網(wǎng)n從微電網(wǎng)m購電，負(fù)值表示微電網(wǎng)n向微電網(wǎng)m售電，在t時(shí)段，PEX,n,m,t=-PEX,n,m,t。

1.3 約束條件

優(yōu)化模型除了需要滿足各分布式電源模型的約束條件外，還應(yīng)滿足微電網(wǎng)運(yùn)行約束，如微電網(wǎng)電功率平衡約束和微電網(wǎng)聯(lián)絡(luò)線功率約束：

a)微電網(wǎng)n電功率平衡約束。約束式為

(10)

式中:PPVn,i,t和PWTn,i,t分別為t時(shí)微電網(wǎng)n中光伏i和風(fēng)力機(jī)i的輸出功率；PLoadn,t為負(fù)荷功率。

b)微電網(wǎng)n聯(lián)絡(luò)線率平衡約束。約束式為

PGrid,min≤PGridn,t≤PGrid,max.

(11)

式中PGrid,min和PGrid,max分別為聯(lián)絡(luò)線功率最小值和最大值。

2 并網(wǎng)多微電網(wǎng)調(diào)度策略

多微電網(wǎng)系統(tǒng)中的微電網(wǎng)在并網(wǎng)狀態(tài)下相對(duì)于配電網(wǎng)或其他微電網(wǎng)而言，既有電源特性，又具備負(fù)荷特性[21]。系統(tǒng)中各微電網(wǎng)優(yōu)先通過自身發(fā)電調(diào)度滿足自身的負(fù)荷。微電網(wǎng)在自身發(fā)電能力不足時(shí)，可從配電網(wǎng)或其他微電網(wǎng)處購電以滿足自身負(fù)荷；自身發(fā)電能力盈余時(shí)，可向配電網(wǎng)或者其他微電網(wǎng)售電。多微電網(wǎng)調(diào)度策略為：

a)多微電網(wǎng)中所有微電網(wǎng)自身發(fā)電能力均大于自身負(fù)荷時(shí)：在峰平時(shí)段，各微電網(wǎng)優(yōu)先向配電網(wǎng)送電，再向儲(chǔ)能裝置充電；在谷時(shí)段，優(yōu)先向儲(chǔ)能裝置充電，再向配電網(wǎng)送電。

b)多微電網(wǎng)中所有微電網(wǎng)自身發(fā)電能力均小于自身負(fù)荷時(shí)：在峰平時(shí)段，優(yōu)先從儲(chǔ)能裝置獲取電能，再從配電網(wǎng)購電；在谷時(shí)段，優(yōu)先從配電網(wǎng)購電，再從儲(chǔ)能裝置獲取電能。

c)多微電網(wǎng)中既存在發(fā)電能力大于用電需求大的微電網(wǎng)，又存在發(fā)電能力小于用電需求的微電網(wǎng)時(shí),多電微電網(wǎng)優(yōu)先向少電微電網(wǎng)送電，若多電微電網(wǎng)可滿足少電微電網(wǎng)用電需求，則多電微電網(wǎng)的剩余發(fā)電能力可參照策略a)調(diào)度；若無法滿足，則少電微電網(wǎng)可參照策略b)調(diào)度。具體并網(wǎng)多微電網(wǎng)調(diào)度策略如圖2所示。

圖2 并網(wǎng)多微電網(wǎng)調(diào)度策略Fig.2 Scheduling strategy for the grid-connected multi-microgrid

3 改進(jìn)Jaya算法

3.1 Jaya算法簡介

傳統(tǒng)或經(jīng)典的智能算法在求解復(fù)雜的優(yōu)化問題時(shí)存在一定的局限性，這些限制主要與固有的搜索機(jī)制有關(guān)。RAO R V 在2016年提出的Jaya算法已被證明可以為無約束或有約束優(yōu)化問題提供最優(yōu)解[22]。已知基于種群的智能算法會(huì)受到特定算法的控制參數(shù)的影響，這些算法的性能取決于控制參數(shù)的變化。例如：粒子群算法的主要局限性在于需要對(duì)設(shè)置合適的特定算法的參數(shù)(如慣性權(quán)重w，加速因子c1、c2，最大速度vmax等)，來保證算法最優(yōu)的運(yùn)行狀態(tài)，這些參數(shù)的合理調(diào)整是粒子群算法尋找最優(yōu)解的關(guān)鍵，特定算法參數(shù)的變化會(huì)改變算法尋優(yōu)的有效性，不適當(dāng)?shù)卣{(diào)整特定算法的參數(shù)會(huì)增加計(jì)算量或產(chǎn)生局部最優(yōu)解；而Jaya算法無需任何特定算法的參數(shù)，概念簡單且性能好，只需要通用控制參數(shù)(如種群大小，迭代次數(shù))即可求解連續(xù)優(yōu)化問題和離散優(yōu)化問題的全局解，計(jì)算量小且一致性高。Jaya的基本原則為：在求解過程中總是試圖接近最優(yōu)解，遠(yuǎn)離最差解。設(shè)Xi,j,k是第i次迭代中第j個(gè)候選解的第k個(gè)變量的值，則在第i+1次迭代中將該值修改為

Xi+1,j,k=Xi,j,k+ri,j,1(Xi,j,best-|Xi,j,k|)-ri,j,2(Xi,j,worst-|Xi,j,k|).

(12)

式中：Xi,j,best和Xi,j,worst分別為變量k在第i次迭代中最優(yōu)和最差的2個(gè)值；Xi+1,j,k為更新之后的值；ri,j,1和ri,j,2分別為第i次迭代中第j個(gè)變量在區(qū)間[0,1]中的2個(gè)隨機(jī)數(shù)。若Xi+1,j,k能使目標(biāo)函數(shù)獲得更優(yōu)的解，則Xi+1,j,k將被接受。

與其他仿生智能算法一樣，該算法存在早熟收斂問題。在算法優(yōu)化初期，種群中若出現(xiàn)了適應(yīng)度遠(yuǎn)遠(yuǎn)優(yōu)于當(dāng)前種群普遍適應(yīng)度的個(gè)體，會(huì)使該個(gè)體迅速在種群中占有相當(dāng)大比例，導(dǎo)致種群多樣性迅速降低，種群全局探索能力降低，最終使算法過早收斂于局部最優(yōu)解。

3.2 基于非線性變異算子的Jaya算法改進(jìn)

根據(jù)式(12)，Jaya算法生成的下一代解由當(dāng)前解Xi,j,k、當(dāng)前種群中最優(yōu)解Xi,j,best和最差解Xi,j,worst共同決定；若算法出現(xiàn)早熟收斂，則Xi,j,best一定是局部最優(yōu)解。為了降低Jaya算法陷入早熟收斂的概率，提升算法的性能，可使算法在迭代的不同階段自動(dòng)控制種群的進(jìn)化方向；因此，本文提出采用非線性變異算子β將式(12)改寫為：

Xi+1,j,k=Xi,j,k+βi,j[ri,j,1(Xi,j,best-|Xi,j,k|)-ri,j,2(Xi,j,worst-|Xi,j,k|)].

(13)

(14)

Δfi={|fi,1-fi,best|,|fi,2-fi,best|,…,

|fi,n-fi,best|}.

(15)

(16)

式中：βi,j為第i次迭代過程中第j個(gè)種群的的變異算子；βmax和βmin分別為變異算子的最大值和最小值，取βmax=0.9、βmin=0.4；fi,j為第i次迭代過程中第j個(gè)種群的適應(yīng)度；fi,best為第i次迭代過程中最優(yōu)種群的適應(yīng)度；Δfi為第i次迭代過程中n個(gè)種群的適應(yīng)度集合；Niter為最大迭代次數(shù)；k為迭代次數(shù)。

3.3 非線性變異算子對(duì)算法尋優(yōu)過程的影響

本改進(jìn)方法利用各種群相對(duì)于最優(yōu)群體適應(yīng)度的差值對(duì)變異算子進(jìn)行動(dòng)態(tài)調(diào)整，把變異算子的變化與種群的適應(yīng)度信息關(guān)聯(lián)起來，以便更加精確地調(diào)整變異算子。

當(dāng)|fi,j-fi,best|較大時(shí)，即當(dāng)前種群距當(dāng)前最優(yōu)種群的偏差較大，則利用式(14)賦予式(13)中變異算子βi,j較大的值，保證算法全局“探索”能力；當(dāng)|fi,j-fi,best|較小時(shí)，即當(dāng)前種群距當(dāng)前最優(yōu)種群的偏差較小，則利用式(14)賦予式(13)中變異算子βi,j較小的值，進(jìn)而可以使算法在當(dāng)前最優(yōu)解附近更加精細(xì)地搜索最優(yōu)解位置鄰域，保證種群局部“開發(fā)”能力。通過以上調(diào)整變異算子的方法，可以增強(qiáng)算子的自適應(yīng)性，更好地平衡算法的搜索行為，減少算法陷入局部極值的概率，提高Jaya算法的收斂性。

4 算例分析

4.1 算例系統(tǒng)概述

算例系統(tǒng)以圖1所示的由2個(gè)微電網(wǎng)組成的并網(wǎng)多微電網(wǎng)為例進(jìn)行分析。各微電網(wǎng)的配置見表1；各微電網(wǎng)微型燃?xì)廨啓C(jī)參數(shù)見表2；各微電網(wǎng)儲(chǔ)能設(shè)備參數(shù)見表3；配電網(wǎng)購售電實(shí)時(shí)電價(jià)見表4[23]，微電網(wǎng)間交易電價(jià)參考配電網(wǎng)購售電電價(jià)。各微電網(wǎng)的新能源出力曲線及日負(fù)荷曲線如圖3所示[24]。其中，優(yōu)化周期T取24 h，時(shí)間間隔為1 h，各微電網(wǎng)與配電網(wǎng)最大交互功率為100 kW，儲(chǔ)能設(shè)備充放電效率均取0.95，SOC限制在0.1和0.9之間。

表1 各微電網(wǎng)配置Tab.1 Configurations in each microgrid

表2 微型燃?xì)廨啓C(jī)參數(shù)Tab.2 Parameters of MTs

表3 儲(chǔ)能設(shè)備參數(shù)Tab.3 Parameters of BATs

表4 實(shí)時(shí)交易電價(jià)Tab.4 Real-time trading price [元·(kWh)-1]

圖3 各微電網(wǎng)新能源出力及負(fù)荷曲線Fig.3 New energy output and load curves of each microgrid

4.2 優(yōu)化運(yùn)行結(jié)果分析

采用本文所提出的優(yōu)化策略，在考慮多微電網(wǎng)中各微電網(wǎng)時(shí)間能量互濟(jì)以及微電網(wǎng)與配電網(wǎng)能量交互情況下，微電網(wǎng)1和微電網(wǎng)2的優(yōu)化調(diào)度結(jié)果如圖4和圖5所示。圖6為微電網(wǎng)之間的能量互濟(jì)功率曲線以及各微電網(wǎng)與配電網(wǎng)交互功率曲線。

由圖4和圖5可以看出：在谷時(shí)段，各微電網(wǎng)均從配電網(wǎng)以較低的電價(jià)購電并為儲(chǔ)能設(shè)備充電，并在峰時(shí)段向配電網(wǎng)售電以獲取利潤。儲(chǔ)能設(shè)備的充放電行為在各微電網(wǎng)內(nèi)起到了削峰填谷的作用；同時(shí)，微電網(wǎng)內(nèi)優(yōu)先使用清潔可再生能源滿足負(fù)荷需求，微型燃?xì)廨啓C(jī)僅在微電網(wǎng)內(nèi)負(fù)荷水平較高的時(shí)段開啟，降低了微電網(wǎng)運(yùn)行成本，提升了新能源發(fā)電利用率。由圖6微電網(wǎng)間能量互濟(jì)曲線知：由于微電網(wǎng)2負(fù)荷水平較高，微電網(wǎng)1和微電網(wǎng)2之間存在能量互濟(jì)，在滿足多微電網(wǎng)內(nèi)負(fù)荷需求時(shí)通過能量交易進(jìn)一步提升了多微電網(wǎng)及各微電網(wǎng)自身經(jīng)濟(jì)性；各微電網(wǎng)與配電網(wǎng)交互功率遵循配電網(wǎng)調(diào)度，多微電網(wǎng)在谷時(shí)段從配電網(wǎng)購電填補(bǔ)其負(fù)荷低谷，在峰時(shí)段向配電網(wǎng)送電降低其負(fù)荷高峰。

圖4 微電網(wǎng)1優(yōu)化調(diào)度結(jié)果Fig.4 Optimal dispatching results of microgrid 1

圖5 微電網(wǎng)2優(yōu)化調(diào)度結(jié)果Fig.5 Optimal dispatching results of microgrid 2

圖6 微電網(wǎng)與配電網(wǎng)的能量交互功率以及各微電網(wǎng)的能量互濟(jì)功率Fig.6 Interactive power of microgrid and distributed network and mutual power among microgrids

4.3 與各微電網(wǎng)獨(dú)立運(yùn)行時(shí)的對(duì)比分析

為了顯示本文所提出優(yōu)化策略的優(yōu)越性，本小節(jié)將對(duì)各微電網(wǎng)獨(dú)立運(yùn)行方案進(jìn)行綜合對(duì)比分析。以微電網(wǎng)2為例，當(dāng)各微電網(wǎng)之間不存在能量互濟(jì)，即各微電網(wǎng)獨(dú)立運(yùn)行時(shí)，其優(yōu)化調(diào)度結(jié)果如圖7所示。

圖7 微電網(wǎng)2獨(dú)立運(yùn)行時(shí)優(yōu)化調(diào)度結(jié)果Fig.7 Optimal dispatching results of microgrid 2 in independent operation mode

圖7與圖5相比：當(dāng)微電網(wǎng)2獨(dú)立運(yùn)行時(shí)，為了滿足自身負(fù)荷需求，微型燃?xì)廨啓C(jī)全天處于開機(jī)狀態(tài)，而微型燃?xì)廨啓C(jī)的長時(shí)間開機(jī)會(huì)對(duì)微電網(wǎng)的運(yùn)行成本造成影響；同時(shí)，為了提升微電網(wǎng)經(jīng)濟(jì)效益并滿足負(fù)荷需求，儲(chǔ)能設(shè)備的充放電次數(shù)相對(duì)于圖4增加了約70%，長時(shí)間重度使用儲(chǔ)能設(shè)備將加快其老化速度，對(duì)微電網(wǎng)的穩(wěn)定運(yùn)行帶來不利影響。

圖8顯示了2種調(diào)度策略下微電網(wǎng)1、微電網(wǎng)2以及多微電網(wǎng)整體的運(yùn)行成本。由圖8可知：在本文所提出的各微電網(wǎng)協(xié)調(diào)運(yùn)行模式下，微電網(wǎng)1運(yùn)行成本雖然略有增高，但微電網(wǎng)2的運(yùn)行成本由1 834.373元降低至841.043元，多微電網(wǎng)的總體運(yùn)行成本由2 709.145元降低至1 758.693元；相對(duì)于各微電網(wǎng)獨(dú)立運(yùn)行模式下的運(yùn)行成本，微電網(wǎng)2的降幅達(dá)54%，多微電網(wǎng)的降幅也達(dá)到了35%，由此驗(yàn)證了本文所提出的多微電網(wǎng)日前經(jīng)濟(jì)優(yōu)化策略的經(jīng)濟(jì)性。

圖8 2種調(diào)度策略下運(yùn)行成本對(duì)比分析Fig.8 Comparative analysis of operation costs of two dispatching strategies

4.4 改進(jìn)Jaya算法收斂速度對(duì)比分析

采用標(biāo)準(zhǔn)Jaya算法和本文改進(jìn)Jaya優(yōu)化算法對(duì)優(yōu)化模型進(jìn)行求解，得到迭代收斂過程如圖9所示。由圖9可以看出：在迭代過程中，適應(yīng)度均不斷減小，與改進(jìn)算法相比標(biāo)準(zhǔn)優(yōu)化算法在迭代初期的收斂速度較慢；在迭代后期標(biāo)準(zhǔn)算法陷入了早熟收斂，而改進(jìn)算法能夠找到合適的全局最優(yōu)解，從而說明改進(jìn)算法具有較好的收斂性能和抗早熟能力。

圖9 迭代過程中適應(yīng)度變化曲線Fig.9 Fitness change curves during iteration

5 結(jié)論

本文針對(duì)并網(wǎng)多微電網(wǎng)日前經(jīng)濟(jì)運(yùn)行問題，建立考慮微電網(wǎng)間能量互濟(jì)及微電網(wǎng)與配電網(wǎng)功率交互的多微電網(wǎng)經(jīng)濟(jì)優(yōu)化模型，并采用改進(jìn)Jaya算法對(duì)優(yōu)化模型進(jìn)行求解，結(jié)果表明：

a)本文所提出的多微電網(wǎng)日前經(jīng)濟(jì)調(diào)度策略簡捷合理、易于實(shí)施，且合理的調(diào)度策略不僅能夠引導(dǎo)儲(chǔ)能設(shè)備實(shí)現(xiàn)對(duì)微電網(wǎng)負(fù)荷的削峰填谷功能，還能使整個(gè)多微電網(wǎng)在并網(wǎng)運(yùn)行時(shí)對(duì)配電網(wǎng)起到削峰填谷的作用。

b)通過協(xié)調(diào)微電網(wǎng)間能量互濟(jì)及各微電網(wǎng)與配電網(wǎng)能量交易，調(diào)度策略的經(jīng)濟(jì)性得到了驗(yàn)證。相對(duì)于各微電網(wǎng)獨(dú)立運(yùn)行模式下的多微電網(wǎng)系統(tǒng)，本文所提出的策略不僅能大幅降低各微電網(wǎng)的運(yùn)行成本，還能降低多微電網(wǎng)的總體運(yùn)行成本。對(duì)于屬于不同利益主體的微電網(wǎng)，各利益主體可在多微電網(wǎng)管理者的領(lǐng)導(dǎo)下簽訂相關(guān)協(xié)議。為了降低多微電網(wǎng)的整體運(yùn)行成本，運(yùn)行成本降低的幾方可為其他利益主體給予一定的補(bǔ)償，實(shí)現(xiàn)合作共贏。

c)本文所提出的改進(jìn)Jaya算法能避免早熟收斂問題，跳出局部最優(yōu)點(diǎn)，提高求解精度。

在本文的研究工作中，微電網(wǎng)之間的交易電價(jià)采用同時(shí)段的配電網(wǎng)購售電電價(jià)。為了進(jìn)一步提高優(yōu)化模型精度，在今后的研究工作中，將針對(duì)微電網(wǎng)交易定價(jià)機(jī)制進(jìn)行詳細(xì)研究。