邢毓華， 侯靜茹， 支 娜

(西安理工大學(xué)自動(dòng)化與信息工程學(xué)院， 陜西 西安 710048)

1 引言

我國(guó)海岸線長(zhǎng)，人口密度大，存在很多因地理位置而無(wú)法依靠大電網(wǎng)供電的地區(qū)。為保障海島沿岸居民的正常生活和發(fā)展，常采用海纜供電和柴油機(jī)進(jìn)行發(fā)電，但是存在故障頻發(fā)，污染大等問(wèn)題。隨著分布式可再生能源(Renewable Distributed Generator, RDG)和微電網(wǎng)(MicroGrid,MG)技術(shù)的發(fā)展[1,2]，利用可再生的清潔能源——光能、風(fēng)能等分布式電源，為獨(dú)立的MG提供能量，可因地制宜地利用當(dāng)?shù)乜稍偕茉础５珕我华?dú)立的微電網(wǎng)存在電力不穩(wěn)定、容量有限、魯棒性差、運(yùn)行成本高等缺點(diǎn)，同時(shí)因?yàn)楹u地區(qū)的天氣多變，分布式電源具有間歇性和隨機(jī)性，使得微電網(wǎng)不能可靠穩(wěn)定地運(yùn)行[3,4]。為解決單個(gè)微電網(wǎng)的不可靠問(wèn)題，研究者提出了“More Microgrids”計(jì)劃，將地理位置上毗鄰的微電網(wǎng)互聯(lián)，構(gòu)成多微電網(wǎng)群系統(tǒng)。

隨著多微電網(wǎng)系統(tǒng)成為時(shí)代熱點(diǎn)，將多個(gè)離網(wǎng)的微電網(wǎng)進(jìn)行互聯(lián)，構(gòu)成多獨(dú)立微電網(wǎng)(Multi-Independent-MicroGrid, MIMG)。研究MIMG系統(tǒng)的能量調(diào)度管理成為當(dāng)今重點(diǎn)。雖然MIMG系統(tǒng)互聯(lián)可以加強(qiáng)供電穩(wěn)定性、加強(qiáng)對(duì)可再生能源的利用、減少對(duì)能量的消耗、提高M(jìn)IMG群的魯棒性和降低運(yùn)行成本，但是對(duì)于多微電網(wǎng)獨(dú)立運(yùn)行和互聯(lián)運(yùn)行之間切換的界限沒(méi)有明確的界定，微電網(wǎng)之間進(jìn)行功率互濟(jì)的條件，以及保證微電網(wǎng)獨(dú)立運(yùn)行和互聯(lián)運(yùn)行的可靠運(yùn)行策略還有待研究。國(guó)內(nèi)外對(duì)MIMG的運(yùn)行研究已經(jīng)有了一些成果[5-10]。文獻(xiàn)[5]只研究了單個(gè)微電網(wǎng)的運(yùn)行優(yōu)化問(wèn)題；文獻(xiàn)[6]考慮了相鄰MG在不同的決策下的能量管理，但是沒(méi)有考慮儲(chǔ)能系統(tǒng)；文獻(xiàn)[7]沒(méi)有對(duì)儲(chǔ)能系統(tǒng)進(jìn)行約束；文獻(xiàn)[8]只考慮了微電網(wǎng)與大電網(wǎng)之間的交互，而沒(méi)有研究獨(dú)立微網(wǎng)之間的互濟(jì)；文獻(xiàn)[9]考慮了多微網(wǎng)群在獨(dú)立運(yùn)行的情況下微電網(wǎng)緊急調(diào)度能量的策略，但未綜合考慮各個(gè)組件的優(yōu)化運(yùn)行;文獻(xiàn)[10]考慮了雙微網(wǎng)系統(tǒng)的在線運(yùn)行優(yōu)化策略，但是忽略了微網(wǎng)間切換閾值的范圍；文獻(xiàn)[11]雖然考慮了微網(wǎng)之間的自適應(yīng)切換閾值，但是未考慮多個(gè)微電網(wǎng)獨(dú)立運(yùn)行的情況；文獻(xiàn)[12]采用雙層優(yōu)化模型，提出一種基于源網(wǎng)荷互動(dòng)的互聯(lián)微電網(wǎng)能量管理模型，但是沒(méi)有考慮到微網(wǎng)獨(dú)立運(yùn)行互聯(lián)的情況；文獻(xiàn)[13]僅考慮到可再生能源對(duì)多微電網(wǎng)的能量管理系統(tǒng)的魯棒性。對(duì)多微電網(wǎng)能量?jī)?yōu)化調(diào)度運(yùn)行方面的研究，已存在一些研究成果。文獻(xiàn)[14]考慮了合作博弈的多微電網(wǎng)系統(tǒng)的決策模型，實(shí)現(xiàn)了合作期間的儲(chǔ)能資源的優(yōu)化利用，但是對(duì)于微電網(wǎng)其他組件考慮不是很充分；文獻(xiàn)[15]提出了離網(wǎng)臨近海島微電網(wǎng)運(yùn)行方案，采用結(jié)合蒙特卡模擬的粒子群算法(Monte Carlo Simulation combined Particle Swarm Optimization,MCS-PSO)對(duì)模型求解；文獻(xiàn)[16]提出多微電網(wǎng)分別在結(jié)構(gòu)和能源調(diào)度策略的方法；文獻(xiàn)[17]引入多代理系統(tǒng)的多微網(wǎng)群協(xié)調(diào)控制策略，但是未考慮微網(wǎng)間互濟(jì)的閾值；文獻(xiàn)[18]在多種微電網(wǎng)的微網(wǎng)模型上，提出了一種通過(guò)改進(jìn)粒子群優(yōu)化算法對(duì)微網(wǎng)系統(tǒng)進(jìn)行經(jīng)濟(jì)優(yōu)化運(yùn)行的方法；文獻(xiàn)[19]以綜合運(yùn)行成本和環(huán)境成本為優(yōu)化目標(biāo)，融合了快速非支配排序遺傳算法和自適應(yīng)布谷鳥算法。上述研究多是考慮微電網(wǎng)獨(dú)立運(yùn)行和多微電網(wǎng)并網(wǎng)運(yùn)行的運(yùn)行策略，很少有考慮到微電網(wǎng)之間切換的閾值。如果忽略微電網(wǎng)之間切換閾值，微電網(wǎng)會(huì)因?yàn)檫M(jìn)行頻繁切換造成不必要的能量損耗和器件老化，最后可能會(huì)導(dǎo)致微電網(wǎng)之間無(wú)法進(jìn)行互濟(jì)，造成微網(wǎng)群不能可靠穩(wěn)定運(yùn)行、經(jīng)濟(jì)成本高等重大問(wèn)題，同時(shí)粒子群算法適合解決微電網(wǎng)之間的組合問(wèn)題，但不適合大規(guī)模計(jì)算，計(jì)算時(shí)間過(guò)長(zhǎng)，需要對(duì)其進(jìn)行處理改進(jìn)。

因此，本文針對(duì)MIMG系統(tǒng)中多獨(dú)立微電網(wǎng)互聯(lián)和獨(dú)立運(yùn)行之間的切換閾值問(wèn)題進(jìn)行研究，同時(shí)以系統(tǒng)中的燃?xì)廨啓C(jī)購(gòu)電成本、燃機(jī)啟停成本、電池?fù)p耗成本和線路傳輸成本最低為目標(biāo)。同時(shí)MIMG系統(tǒng)采用聚類分析和粒子群優(yōu)化算法相結(jié)合的手段確定閾值。本文首先建立獨(dú)立微電網(wǎng)結(jié)構(gòu)和雙微網(wǎng)互聯(lián)運(yùn)行的結(jié)構(gòu)和數(shù)學(xué)模型；然后建立雙微電網(wǎng)可靠運(yùn)行的兩種能量管理策略；接著使用聚類分析結(jié)合粒子群優(yōu)化算法確定切換的閾值；最后通過(guò)仿真驗(yàn)證等級(jí)劃分管理策略的運(yùn)行成本優(yōu)于雙微網(wǎng)能量管理策略。

2 雙微電網(wǎng)的系統(tǒng)結(jié)構(gòu)及集群建模

雙微電網(wǎng)的系統(tǒng)集群在進(jìn)行互聯(lián)時(shí)，微電網(wǎng)的凈功率和儲(chǔ)能電池的充放電在微電網(wǎng)互濟(jì)過(guò)程中決定微網(wǎng)能夠互濟(jì)給相鄰微網(wǎng)的交換功率(SWitching power, SW)大小，對(duì)選擇微網(wǎng)運(yùn)行策略的關(guān)鍵問(wèn)題有決定作用。

2.1 雙微網(wǎng)系統(tǒng)結(jié)構(gòu)

本系統(tǒng)是基于能量路由器(Energy Router, ER)的雙微網(wǎng)系統(tǒng)[10]，如圖1所示。由兩個(gè)獨(dú)立的微電網(wǎng)通過(guò)能量路由器進(jìn)行能量互濟(jì)，每個(gè)微電網(wǎng)由光伏發(fā)電(PhotoVoltaic, PV)、風(fēng)力發(fā)電(Wind Turbine, WT)、儲(chǔ)能電池組(Energy Storage System, ESS)和微型燃?xì)廨啓C(jī)(Micro-Turbine, MT)共同為用戶側(cè)的負(fù)荷(Load)進(jìn)行供電。

圖1 雙獨(dú)立微網(wǎng)互聯(lián)系統(tǒng)Fig.1 Two independent microgrid interconnection systems

運(yùn)行周期為T時(shí)段，其中時(shí)段t∈T={1,2,…，24}，圖1中，Pi_SW為t時(shí)段微網(wǎng)i輸出微網(wǎng)間的互濟(jì)功率，i=1,2；Pi_Mt為微網(wǎng)i中燃?xì)廨啓C(jī)輸出的功率；Pi_ct、Pi_dt分別為微網(wǎng)i儲(chǔ)能系統(tǒng)的充、放電功率；ΔPi為微網(wǎng)i的凈功率。

為了便于分析和觀察，本文采用準(zhǔn)靜態(tài)時(shí)變負(fù)荷模型，規(guī)定負(fù)荷在某些時(shí)間段是恒定的，但是在不同的時(shí)間段內(nèi)是可以進(jìn)行變化的。

2.2 雙微電網(wǎng)集群優(yōu)化建模

2.2.1 目標(biāo)函數(shù)

(1)

(2)

(3)

Fi_batt=βbatt(Pi_ct+Pi_dt)

(4)

Fi_loss=Pi_SWCloss

(5)

式中，Ci_Mt為微型燃?xì)廨啓C(jī)的燃料成本；cU、cD分別為機(jī)組的單元啟、停機(jī)成本，元/次；ui,t、εi,t分別為描述微電網(wǎng)i中的微型燃?xì)廨啓C(jī)在時(shí)段t內(nèi)開、關(guān)機(jī)狀態(tài)的二進(jìn)制變量；βbatt為充放電功率大小的壽命損耗系數(shù)；Closs為線路損耗的成本。

2.2.2 儲(chǔ)能系統(tǒng)

t時(shí)段的微網(wǎng)i內(nèi)，ESS的充電、放電功率Pi_ct≥0、Pi_dt≥0，充電、放電效率范圍為ηi_ct(0≤ηi_ct≤1)、ηi_dt(0≤ηi_dt≤1)，儲(chǔ)能系統(tǒng)的荷電狀態(tài)(State of Charge，SOC)代表儲(chǔ)能電池的剩余容量，充電過(guò)程的關(guān)系為：

(6)

放電過(guò)程的關(guān)系為：

(7)

式中，SOC(t+1)和SOC(t)分別為t+1時(shí)刻和t時(shí)刻的儲(chǔ)能電池的剩余電能；Ei_ap為儲(chǔ)能電池的容量。

為防止電池過(guò)充過(guò)放，需對(duì)荷電狀態(tài)進(jìn)行約束，SOCmax和SOCmin分別代表兩個(gè)微網(wǎng)的儲(chǔ)能電池荷電狀態(tài)的最大值和最小值，則儲(chǔ)能電池充放電功率約束和荷電狀態(tài)約束為：

Pi_batt_min≤Pi_ct≤Pi_batt_max

(8)

Pi_batt_min≤Pi_dt≤Pi_batt_max

(9)

SOCmin≤SOC≤SOCmax

(10)

式中，Pi_batt_max和Pi_batt_min分別為儲(chǔ)能電池的充放電的上、下限；同時(shí)Pi_batt_max為儲(chǔ)能電池的功率容量。

2.2.3 凈功率

在研究多微電網(wǎng)互聯(lián)的系統(tǒng)中，凈功率對(duì)于判斷微電網(wǎng)是否互聯(lián)有著至關(guān)重要的作用。t時(shí)段凈功率是微網(wǎng)i中的可再生能源與負(fù)荷的差，ΔPi>0證明微電網(wǎng)處于超額狀態(tài)，可再生能源不僅可以滿足負(fù)荷的需求，還有盈余；ΔPi<0證明微電網(wǎng)處于缺額狀態(tài)，可再生能源不能滿足負(fù)荷。關(guān)系式為：

ΔPi=Pi_PV+Pi_WT-Pi_Load

(11)

式中，Pi_PV為微網(wǎng)i中光伏電池組的發(fā)電功率；Pi_WT為微網(wǎng)i中風(fēng)力發(fā)電機(jī)組的發(fā)電功率；Pi_Load為微網(wǎng)i的負(fù)荷總功率。

2.2.4 微網(wǎng)互濟(jì)功率

在微網(wǎng)互聯(lián)的過(guò)程中，t時(shí)段微電網(wǎng)與相鄰微電網(wǎng)進(jìn)行能量互濟(jì)，需要經(jīng)過(guò)兩個(gè)微網(wǎng)之間的輸電線才能進(jìn)行能量傳遞。通常通過(guò)輸電線傳遞時(shí)，需要關(guān)注輸電線路的電阻造成的能量損耗，由交換功率Pi_SW引起的傳輸損耗為：

(12)

(13)

式中，r為微網(wǎng)之間輸電線的單位長(zhǎng)度電阻，Ω/km；l為微電網(wǎng)之間的距離，km；V為微電網(wǎng)的運(yùn)行電壓等級(jí)。當(dāng)Pi_SW-Ploss>0時(shí)，微電網(wǎng)才能夠進(jìn)行功率互濟(jì)。

2.2.5 功率平衡約束

每個(gè)微電網(wǎng)需滿足系統(tǒng)的出力、從微型燃?xì)廨啓C(jī)獲得的能量、從相鄰微電網(wǎng)獲得的交換功率及輸電線的損耗的和達(dá)到動(dòng)態(tài)平衡，關(guān)系式如下：

ΔPi+Pi_Mt+Pi_ct-Pi_dt-Ploss≥0

(14)

式中，如果等號(hào)成立，證明兩個(gè)微電網(wǎng)是處于功率平衡狀態(tài)；當(dāng)ΔPi≥0，證明微電網(wǎng)的可再生能源足夠供應(yīng)負(fù)荷，微網(wǎng)處于超額狀態(tài)，此時(shí)燃?xì)廨啓C(jī)不工作，功率為0，多余的能量棄光棄風(fēng)。

3 雙微網(wǎng)互聯(lián)系統(tǒng)能量管理策略

雙微電網(wǎng)之間進(jìn)行功率互濟(jì)，必須著重討論儲(chǔ)能電池、凈功率與購(gòu)電量之間的平衡。由于可再生能源和負(fù)荷具有波動(dòng)性和隨機(jī)性，所以必須有針對(duì)于實(shí)時(shí)變化情況下的策略。本文提出了先充電后互濟(jì)和先互濟(jì)后充電兩種策略，以三組獨(dú)立微電網(wǎng)為研究對(duì)象，兩兩構(gòu)成雙微網(wǎng)集群共三組組成研究組，互為對(duì)照組。

3.1 先充電后互濟(jì)策略

當(dāng)微電網(wǎng)處于超額狀態(tài)時(shí)，先給該微電網(wǎng)的儲(chǔ)能電池充電，若還有盈余則互聯(lián)給相鄰微網(wǎng)進(jìn)行互濟(jì)或者給其儲(chǔ)能系統(tǒng)充電。

(1) ΔP1≥0,ΔP2≥0，雙微電網(wǎng)都處于超額狀態(tài)，此時(shí)先將多余的功率為儲(chǔ)能電池進(jìn)行充電。

(15)

(16)

1)SOC1(t+1)=SOCmax，SOC2(t+1)=SOCmax，兩個(gè)微電網(wǎng)不僅都處于超額狀態(tài)且各自的內(nèi)部?jī)?chǔ)能電池都已充滿，微電網(wǎng)之間不互聯(lián)，多余的功率棄光棄風(fēng)。

2)SOC1(t+1)

3)SOC1(t+1)=SOCmax，SOC2(t+1)

P1_SW=ΔP1-P1_ct

(17)

(18)

(19)

4)SOC1(t+1)

(2) ΔP1<0,ΔP2<0，雙微電網(wǎng)都處于缺額狀態(tài)，所以雙微電網(wǎng)不會(huì)進(jìn)行互聯(lián)。此時(shí)各微網(wǎng)的儲(chǔ)能電池先放電補(bǔ)償微網(wǎng)缺少的功率，如果儲(chǔ)能電池的放電量還不能滿足缺額功率，則微型燃?xì)廨啓C(jī)進(jìn)行發(fā)電補(bǔ)償缺額量。

(20)

(21)

Pi_Mt=-ΔPi-Pi_dt

(22)

(23)

(24)

P1_SW=ΔP1-P1_ct

(25)

(26)

(27)

(28)

(29)

(30)

P2_Mt=-ΔP2-P2_dt

(31)

(4) ΔP1<0,ΔP2≥0，雙微網(wǎng)此時(shí)的運(yùn)行狀態(tài)與(3)相同。

3.2 先互濟(jì)后充電策略

如果微電網(wǎng)處于超額狀態(tài)，微網(wǎng)間先互濟(jì)能量，有剩余功率則為自身儲(chǔ)能系統(tǒng)充電。

(1)ΔP1≥0,ΔP2≥0，雙微電網(wǎng)都處于超額狀態(tài)，這種情況和3.1節(jié)中的第(1)種情況一樣。

(2)ΔP1<0,ΔP2<0，雙微電網(wǎng)都處于缺額狀態(tài)，不互聯(lián)，這種情況和3.1節(jié)中第(2)種情況一樣。

(3)ΔP1≥0,ΔP2<0，此時(shí)MG1處于超額狀態(tài)，MG2處于缺額狀態(tài)，MG1的超額功率先補(bǔ)償MG2的缺額功率，此時(shí)MG1傳輸?shù)墓β适瞧涑~的功率。

P1_SW=ΔP1

(32)

(33)

P1_ct=ΔP1+ΔP2

(34)

(35)

(36)

(37)

(38)

(39)

(40)

(41)

P2_Mt=-ΔP2-P2_dt

(42)

(4)ΔP1<0,ΔP2≥0，此時(shí)MG2處于超額狀態(tài)，MG1處于缺額狀態(tài)，MG2先補(bǔ)償MG1的缺額量，這種情況和第(3)種情況一樣，不過(guò)是MG1和MG2的位置發(fā)生了互換，所以下標(biāo)需要更換。

3.3 雙微網(wǎng)策略的求解和分析

本系統(tǒng)主要是分析微網(wǎng)互濟(jì)功率對(duì)總運(yùn)行成本的效果和影響，討論了上述先充電后互濟(jì)策略和先互濟(jì)后充電策略對(duì)購(gòu)電量的需求。

3.3.1 研究對(duì)象及相關(guān)基礎(chǔ)數(shù)據(jù)

在獨(dú)立微電網(wǎng)中風(fēng)、光、儲(chǔ)和燃?xì)廨啓C(jī)的容量是決定總運(yùn)行成本的關(guān)鍵因素之一，對(duì)獨(dú)立微電網(wǎng)各組件容量進(jìn)行粒子群優(yōu)化算法，迭代次數(shù)400次，選取3個(gè)交換功率差別最大且成本最優(yōu)組件容量的獨(dú)立微電網(wǎng)，獨(dú)立微電網(wǎng)系統(tǒng)參數(shù)設(shè)置見(jiàn)表1。

表1 獨(dú)立微電網(wǎng)系統(tǒng)參數(shù)設(shè)置Tab.1 Parameter setting of independent microgrid system

本節(jié)研究雙微網(wǎng)系統(tǒng)的兩個(gè)能量管理運(yùn)行策略的有效性。先設(shè)相鄰微電網(wǎng)距離相同為10 km。線路參數(shù)和儲(chǔ)能系統(tǒng)參數(shù)見(jiàn)表2。

表2 系統(tǒng)參數(shù)Tab.2 System parameters

3.3.2 不同策略下微網(wǎng)購(gòu)電成本的比較與分析

MG1、MG2和MG3在相同的系統(tǒng)設(shè)置下，先充電后互濟(jì)和先互濟(jì)后充電兩種策略與雙微網(wǎng)無(wú)策略運(yùn)行進(jìn)行對(duì)比，經(jīng)濟(jì)成本都優(yōu)于獨(dú)立運(yùn)行成本，如圖2所示。

圖2 不同集群在不同策略購(gòu)電成本的比較Fig.2 Comparison of power purchase cost of different clusters under different strategies

從圖2中MG1+MG2可以看出，先互濟(jì)后充電策略購(gòu)電成本比先充電后互濟(jì)購(gòu)電成本更優(yōu)，原因是相鄰的微電網(wǎng)將超額的功率傳遞給缺額的微網(wǎng)，電網(wǎng)可以減少購(gòu)買成本，降低啟停次數(shù)，因此先互濟(jì)的運(yùn)行策略優(yōu)于先充電的成本。在MG1+MG3與MG2+MG3的雙微網(wǎng)系統(tǒng)中兩種策略幾乎相等,是因?yàn)镸G3的分布式電源容量配置較低，但是微型燃?xì)廨啓C(jī)的容量是MG1和MG2的2倍，且燃?xì)廨啓C(jī)的購(gòu)電成本和啟停成本對(duì)目標(biāo)函數(shù)影響較大。其中MG2+MG3的看起來(lái)效果最好，是因?yàn)閮蓚€(gè)微電網(wǎng)的儲(chǔ)能電池容量較大，儲(chǔ)能電池可以將超額的容量進(jìn)行大幅度的消納，同時(shí)也可以在很大程度上為負(fù)荷提供能量，減少購(gòu)電成本。

4 聚類分析結(jié)合粒子群優(yōu)化算法等級(jí)劃分

粒子群優(yōu)化算法具有收斂速度快，原理簡(jiǎn)單易操作等優(yōu)點(diǎn)，但是也存在容易陷入局部最優(yōu)導(dǎo)致收斂精度低和不易收斂等缺點(diǎn)。先將閾值進(jìn)行聚類分析，選出閾值范圍，可以避免陷入局部?jī)?yōu)化、易發(fā)散等問(wèn)題；再將小范圍的閾值進(jìn)行粒子群優(yōu)化，可以提高運(yùn)行速度，加快收斂速度。

4.1 聚類分析初定閾值范圍

獨(dú)立微電網(wǎng)由于天氣的間歇性和多變性導(dǎo)致微電網(wǎng)的交換功率也變得不確定。如圖3所示為MG1、MG2和MG3三個(gè)微電網(wǎng)之間的交換功率生成的數(shù)據(jù)集，利用Python語(yǔ)言，在軟件Jupyter Lab軟件上對(duì)數(shù)據(jù)進(jìn)行處理。

圖3 交換功率分布的柱狀圖Fig.3 Histogram of switching power distribution

由圖3可知，在時(shí)間上交換功率的大小除了用電高峰5∶00～7∶30、10∶00～12∶00和16∶00～18∶30幾乎都是均勻的，且交換功率在0～50 kW之間的概率占27%。

考慮到長(zhǎng)期的經(jīng)濟(jì)規(guī)劃，選取先互濟(jì)后充電的運(yùn)行策略，同時(shí)為了避免微電網(wǎng)之間頻繁進(jìn)行功率交換，造成器件的加速損壞，對(duì)微電網(wǎng)傳輸?shù)较噜徫㈦娋W(wǎng)的凈出力設(shè)定閾值，進(jìn)行等級(jí)劃分，分情況討論使用不同的運(yùn)行策略。

Pi_SW≥Pi_SW_range

(43)

式中，Pi_SW_range為微電網(wǎng)能夠進(jìn)行交換的閾值。如果微網(wǎng)交換的凈出力滿足式(43)，微電網(wǎng)才進(jìn)行功率互濟(jì)。判斷三個(gè)雙微網(wǎng)組合的閾值范圍，選擇從0 kW到140 kW和250 kW的閾值進(jìn)行K-Means聚類，選取合適的簇，如圖4～圖6分別為三個(gè)集群的閾值聚類圖，其中“×”代表聚類中心，“·”和“—”代表不同閾值的樣本點(diǎn)和樣本點(diǎn)疊加后的范圍。圖4～圖6中發(fā)現(xiàn)明顯的多個(gè)斷層，并且隨著閾值的增加，成本也顯著增加。

圖4 MG1和MG2閾值聚類圖Fig.4 Threshold clustering diagram of MG1 and MG2

圖5 MG1和MG3閾值聚類圖Fig.5 Threshold clustering diagram of MG1 and MG3

圖6 MG2和MG3閾值聚類圖Fig.6 Threshold clustering diagram of MG2 and MG3

設(shè)計(jì)交換閾值，劃分等級(jí)I(Pi_SW

4.2 粒子群優(yōu)化算法優(yōu)化互聯(lián)閾值

針對(duì)聚類分析的閾值范圍和等級(jí)的劃分，采用粒子群算法對(duì)提出的模型進(jìn)行求解。

在粒子群算法中設(shè)第i個(gè)粒子的N維位置矢量為Xid，由適應(yīng)度函數(shù)得到粒子的適應(yīng)度值；Vid為粒子i的速度[20]。每迭代一次，粒子通過(guò)個(gè)體極值和群體極值更新自身速度和位置，其更新公式如下：

(44)

(45)

通過(guò)粒子群優(yōu)化算法的尋優(yōu)極值，最終搜索得到最優(yōu)交換功率切換閾值和最低運(yùn)行成本。基于粒子群優(yōu)化算法的優(yōu)化模型求解流程圖如圖7所示。

圖7 粒子群優(yōu)化算法流程Fig.7 Flow chart of particle swarm optimization algorithm

將聚類分析結(jié)合粒子群優(yōu)化算法確定交換功率的閾值。在Matlab中對(duì)閾值范圍進(jìn)行優(yōu)化，迭代次數(shù)為1 000次，粒子規(guī)模為400個(gè)。選定K-Means聚類分析中的第一個(gè)簇，步長(zhǎng)為5，選取聚類分析的第一個(gè)簇的范圍進(jìn)行粒子群優(yōu)化，找出最佳的閾值。在討論雙微網(wǎng)閾值時(shí)設(shè)定相鄰微網(wǎng)距離都為10 km，不同集群的等級(jí)劃分見(jiàn)表3。

表3 不同組別的等級(jí)劃分Tab.3 Classification of different groups

4.3 閾值與等級(jí)劃分策略驗(yàn)證和分析

閾值等級(jí)劃分策略是將所有的微網(wǎng)進(jìn)行分組，每組由2個(gè)微網(wǎng)集群組成。首先需要判斷獨(dú)立微電網(wǎng)集群的運(yùn)行狀態(tài)，確認(rèn)是否需要根據(jù)相鄰的微網(wǎng)互聯(lián)進(jìn)行功率互濟(jì)或者消納，這個(gè)過(guò)程需要根據(jù)相鄰微網(wǎng)的交換功率閾值進(jìn)行判定；然后根據(jù)交換功率的大小劃分等級(jí)，進(jìn)行相應(yīng)的能量管理策略，與之前的兩種策略進(jìn)行對(duì)比，圖8列出了三組不同雙微網(wǎng)集群的運(yùn)行策略，進(jìn)行總運(yùn)行成本對(duì)比。由圖8可以看出，MG1+MG2集群的總成本最小，且微電網(wǎng)互聯(lián)的策略成本都比獨(dú)立運(yùn)行的成本少得多，表明針對(duì)不同集群在每種策略下其成本都可以達(dá)到一定程度的降低，其中本文采取的雙微網(wǎng)系統(tǒng)等級(jí)劃分策略的節(jié)省成本效果最好，比先互濟(jì)后充電成本平均低4.6%，還有效地減少了微網(wǎng)之間的頻繁切換，增強(qiáng)了穩(wěn)定性。

圖8 各種策略效果比較與分析Fig.8 Comparison and analysis of various strategies

5 多微電網(wǎng)互聯(lián)的算例驗(yàn)證與分析

5.1 多微電網(wǎng)系統(tǒng)集群方式

本節(jié)將雙微電網(wǎng)系統(tǒng)擴(kuò)展到微電網(wǎng)集群互聯(lián)系統(tǒng)。為了方便討論，再加一組儲(chǔ)能電池額定容量為140 kW、光伏額定容量為100 kW、風(fēng)機(jī)額定容量為200 kW、微型燃?xì)廨啓C(jī)額定容量為600 kW的微電網(wǎng)(MG4),切換閾值為20 kW，構(gòu)成如圖9所示的多微網(wǎng)系統(tǒng)集群。微電網(wǎng)之間通過(guò)能量路由器進(jìn)行互濟(jì)，相鄰兩個(gè)微電網(wǎng)的距離用lij表示，相鄰微電網(wǎng)之間距離設(shè)置為l12=30 km,l13=15 km,l14=50 km,l23=60 km,l24=20 km,l34=40 km。

圖9 多微網(wǎng)系統(tǒng)的集群方式Fig.9 Cluster mode of multi microgrid system

5.2 等級(jí)劃分策略性能驗(yàn)證和分析

等級(jí)劃分策略是將所有微電網(wǎng)集群進(jìn)行分組，兩兩配對(duì)，所以適合偶數(shù)個(gè)數(shù)的微電網(wǎng)組成的系統(tǒng)。影響微電網(wǎng)集群方式的主要原因是相鄰微電網(wǎng)之間的距離和微電網(wǎng)之間的交換功率。本文首先考慮所有集群互聯(lián)的情形；然后采取等級(jí)劃分的優(yōu)化策略遍歷所有集群，等級(jí)劃分的優(yōu)化策略是綜合考慮相鄰微電網(wǎng)之間的距離和微電網(wǎng)之間的交換功率切換閾值；最后再與先充電后互濟(jì)的運(yùn)行策略進(jìn)行比較，證明等級(jí)劃分的有效性。

不同集群下各種策略的節(jié)省成本比例見(jiàn)表4，可以看出情形2中總成本最小。兩種策略降低的成本對(duì)比見(jiàn)表5。

表4 不同集群下各種策略的節(jié)省成本比例Tab.4 Cost saving ratio of different strategies in different clusters

表5 兩種策略降低的成本對(duì)比Tab.5 Cost reduction comparison of two strategies

結(jié)果顯示，在先互濟(jì)后充電策略的基礎(chǔ)上進(jìn)行的等級(jí)劃分策略節(jié)省成本的力度相比于先互濟(jì)后充電的更大。

6 結(jié)論

本文研究了多微網(wǎng)的運(yùn)行優(yōu)化問(wèn)題。介紹了獨(dú)立微電網(wǎng)和雙微網(wǎng)互濟(jì)的系統(tǒng)結(jié)構(gòu)，建立了獨(dú)立微電網(wǎng)集群優(yōu)化模型?；讵?dú)立雙微電網(wǎng)功率互濟(jì)的模型提出了兩種優(yōu)化策略，并將功率互濟(jì)的不同策略下微網(wǎng)購(gòu)電成本進(jìn)行比較分析，證明先互濟(jì)后充電策略優(yōu)于先充電后互濟(jì)策略?？紤]到微網(wǎng)之間的穩(wěn)定性和可靠性，減少微電網(wǎng)之間頻繁進(jìn)行功率互濟(jì)，將先充電后互濟(jì)策略進(jìn)行優(yōu)化，利用聚類分析和粒子群優(yōu)化算法對(duì)相鄰微電網(wǎng)之間交換功率采用等級(jí)劃分策略。仿真結(jié)果表明，本文采用的雙微電網(wǎng)系統(tǒng)等級(jí)劃分策略比先充電后互濟(jì)策略成本平均低3.26%，減少微網(wǎng)之間的頻繁切換，對(duì)提高微電網(wǎng)的可靠性具有重要意義。

本文提出的微電網(wǎng)系統(tǒng)等級(jí)劃分策略僅考慮了偶數(shù)個(gè)數(shù)的獨(dú)立雙微電網(wǎng)組成的集群功率互濟(jì)，未來(lái)將進(jìn)一步對(duì)微電網(wǎng)的不同集群的所有情況進(jìn)行研究。