微電網(wǎng)經(jīng)濟(jì)低碳調(diào)度模型與方法初探

毛曉明，劉文勝，陳深，吳杰康，郭壯志

(1.廣東工業(yè)大學(xué)自動(dòng)化學(xué)院，廣東廣州510006; 2.內(nèi)蒙古東部電力有限公司，內(nèi)蒙古呼和浩特010000)

微電網(wǎng)經(jīng)濟(jì)低碳調(diào)度模型與方法初探

毛曉明1，劉文勝2，陳深1，吳杰康1，郭壯志1

(1.廣東工業(yè)大學(xué)自動(dòng)化學(xué)院，廣東廣州510006; 2.內(nèi)蒙古東部電力有限公司，內(nèi)蒙古呼和浩特010000)

建立微電網(wǎng)經(jīng)濟(jì)低碳調(diào)度數(shù)學(xué)模型，綜合考慮運(yùn)行成本和碳排放量，采用理想點(diǎn)法處理多目標(biāo)優(yōu)化問(wèn)題，利用搜索能力強(qiáng)、尋優(yōu)速度快的粒子群算法對(duì)模型進(jìn)行求解。以一個(gè)30節(jié)點(diǎn)的微電網(wǎng)系統(tǒng)為算例，給出日負(fù)荷曲線(xiàn)及風(fēng)、光發(fā)電預(yù)測(cè)結(jié)果，比較采取單目標(biāo)調(diào)度策略和經(jīng)濟(jì)低碳綜合調(diào)度策略時(shí)微電網(wǎng)的運(yùn)行特性。研究表明經(jīng)濟(jì)低碳調(diào)度在經(jīng)濟(jì)性和環(huán)保性?xún)煞矫鎸?shí)現(xiàn)了平衡，綜合運(yùn)行效益較優(yōu)。

微電網(wǎng);經(jīng)濟(jì)運(yùn)行;低碳調(diào)度

1 引言

基于化石能源日益枯竭和環(huán)境保護(hù)的考慮，加上單純依賴(lài)大電網(wǎng)供電存在的安全缺陷，利用清潔能源的分布式發(fā)電技術(shù)受到日益廣泛的關(guān)注與重視［1，2］。微電網(wǎng)是一種將各種小型分布式電源、儲(chǔ)能裝置組合起來(lái)為當(dāng)?shù)刎?fù)荷提供電能的低壓電網(wǎng)，是未來(lái)分布式電源的主要運(yùn)行模式［3］。它有聯(lián)網(wǎng)和孤島兩種運(yùn)行狀態(tài)，能減輕環(huán)境污染、降低線(xiàn)路損耗、改善電能質(zhì)量、顯著提高負(fù)荷側(cè)的供電可靠性。微電網(wǎng)的優(yōu)化調(diào)度，是微電網(wǎng)研究的重要問(wèn)題之一，合理的調(diào)度方案可以降低運(yùn)行成本、減少環(huán)境污染，充分發(fā)揮微電網(wǎng)的效益。目前，微電網(wǎng)優(yōu)化運(yùn)行研究在國(guó)際上受到較為廣泛的關(guān)注，相關(guān)文獻(xiàn)也較多，但國(guó)內(nèi)相關(guān)研究開(kāi)展得還比較少［4-7］。

文獻(xiàn)［8］在一個(gè)實(shí)驗(yàn)室單相高頻交流微網(wǎng)中，采用線(xiàn)性規(guī)劃與啟發(fā)式算法相結(jié)合的方法，實(shí)現(xiàn)了以運(yùn)行成本最優(yōu)為目標(biāo)的微網(wǎng)實(shí)時(shí)優(yōu)化調(diào)度管理。該算法要求網(wǎng)絡(luò)相對(duì)簡(jiǎn)單，當(dāng)網(wǎng)絡(luò)中需要收集的節(jié)點(diǎn)數(shù)據(jù)及狀態(tài)量增加時(shí)，容易造成“維數(shù)障礙”。基于人工智能技術(shù)的新型優(yōu)化算法已成為微網(wǎng)優(yōu)化調(diào)度的主流尋優(yōu)算法。文獻(xiàn)［9］以成本最小為優(yōu)化目標(biāo)，利用細(xì)菌覓食算法得到微網(wǎng)中可調(diào)度電源的出力方案。文獻(xiàn)［10］在預(yù)測(cè)微網(wǎng)中光伏發(fā)電系統(tǒng)發(fā)電量的前提下，采用矩陣實(shí)數(shù)編碼遺傳算法，分析比較了不同優(yōu)化策略下系統(tǒng)的最優(yōu)成本。對(duì)各種人工智能方法來(lái)說(shuō)，確定正確的搜索方向、提高搜索效率、獲得全局最優(yōu)解是算法設(shè)計(jì)中有待進(jìn)一步研究完善的關(guān)鍵問(wèn)題。

在全球氣候變暖的大環(huán)境下，降低CO2等溫室氣體的排放受到國(guó)際社會(huì)的重視［11］。碳成本的引入，賦予碳排放額外的經(jīng)濟(jì)價(jià)值，使碳排放成為一種新的可調(diào)度資源。在低碳調(diào)度中，應(yīng)同時(shí)兼顧電能生產(chǎn)與CO2排放，實(shí)現(xiàn)“電平衡”與“碳平衡”的協(xié)調(diào)與銜接。為此，本文構(gòu)建了微網(wǎng)系統(tǒng)的多目標(biāo)低碳調(diào)度模型。該模型綜合考慮運(yùn)行成本和碳排放，計(jì)及電源最大出力、節(jié)點(diǎn)電壓和線(xiàn)路傳輸功率等約束條件，采用理想點(diǎn)法處理多目標(biāo)優(yōu)化問(wèn)題，基于粒子群算法得到微網(wǎng)經(jīng)濟(jì)低碳優(yōu)化調(diào)度策略。最后，對(duì)算例系統(tǒng)單目標(biāo)和多目標(biāo)調(diào)度策略運(yùn)行效果進(jìn)行對(duì)比和分析，驗(yàn)證了多目標(biāo)低碳調(diào)度模型和算法的合理性。

2 微網(wǎng)的經(jīng)濟(jì)低碳調(diào)度模型

2.1 目標(biāo)函數(shù)

電力調(diào)度是復(fù)雜的、多目標(biāo)、非線(xiàn)性?xún)?yōu)化問(wèn)題，本文建立的微網(wǎng)運(yùn)行多目標(biāo)優(yōu)化調(diào)度模型考慮了以下因素:

(1)運(yùn)行成本最低，即傳統(tǒng)意義上的“經(jīng)濟(jì)調(diào)度”。為反映微電源在運(yùn)行中的表現(xiàn)，本文略去各微電源初期投資成本，只考慮運(yùn)行維護(hù)和燃料所產(chǎn)生的運(yùn)行可變成本。

式中，vDGi為i節(jié)點(diǎn)微電源的可變成本;Pi為第i個(gè)微電源的有功出力;cb為從大電網(wǎng)購(gòu)電的價(jià)格;Pb為從大電網(wǎng)購(gòu)電電量。

(2)碳排放量最小。據(jù)統(tǒng)計(jì)，發(fā)電領(lǐng)域排放的CO2占我國(guó)CO2總排放量的38.76%。隨著節(jié)能環(huán)保壓力的增大，“低碳”成為安全、經(jīng)濟(jì)之后電力系統(tǒng)調(diào)度運(yùn)行中的重要目標(biāo)之一［12］。CO2減排目標(biāo)的引入顯著改變了發(fā)電調(diào)度的順序，也增加了調(diào)度決策的復(fù)雜度。

式中，vci和vG分別為i節(jié)點(diǎn)微電源和大電網(wǎng)單位發(fā)電量產(chǎn)生的碳排放量;Pi為微電源發(fā)電量;Pb為從大電網(wǎng)購(gòu)電電量。

2.2 約束條件

(1)節(jié)點(diǎn)潮流約束

式中，PGi、QGi分別為微電源有功出力、無(wú)功出力; PLi、QLi分別為節(jié)點(diǎn)有功、無(wú)功負(fù)荷;QCi為無(wú)功補(bǔ)償容量;Ui為節(jié)點(diǎn)電壓大小;Gij、Bij為系統(tǒng)導(dǎo)納。

(2)發(fā)電機(jī)輸出功率約束

微電源的輸出功率應(yīng)介于其最大輸出功率和最小輸出功率之間，并且與大電網(wǎng)的交換功率應(yīng)在一定范圍內(nèi)。

式中，Pi.min和Pi.max分別是i節(jié)點(diǎn)電源輸出功率下限和上限;PG.min和PG.max分別是與大電網(wǎng)交換功率的下限和上限。

(3)節(jié)點(diǎn)電壓約束

式中，Ui為節(jié)點(diǎn)i的電壓標(biāo)幺值;Uimin和Uimax分別為節(jié)點(diǎn)電壓最小和最大限制值。本文Uimin=0.95，Uimax=1.1。

(4)線(xiàn)路傳輸功率約束

式中，Pi－j為支路i－j的傳輸功率;Pi－j.max為i－j支路最大允許傳輸功率。

3 粒子群優(yōu)化算法

粒子群優(yōu)化(Particle Swarm Optimization，PSO)算法是一種進(jìn)化算法。該算法基于群體迭代，群體在解空間中追隨最優(yōu)粒子進(jìn)行搜索，具有簡(jiǎn)單通用、魯棒性強(qiáng)、實(shí)現(xiàn)方便、精度高、收斂快等優(yōu)點(diǎn)。

PSO采用“速度－位移”搜索模型，該模型的運(yùn)算單位為“粒子”，每個(gè)粒子代表解空間的一個(gè)潛在解，解的優(yōu)劣程度由適應(yīng)度函數(shù)決定。在初始狀態(tài)中，每個(gè)粒子的位置xi和速度vi是隨機(jī)分布于解空間的，粒子根據(jù)全局最優(yōu)值和局部最優(yōu)值來(lái)不斷調(diào)整自己下一步的位置和飛行速度，從而達(dá)到全局最優(yōu)位置。

本文采用權(quán)重改進(jìn)的粒子群優(yōu)化算法:

式中，Pbesti為粒子當(dāng)前搜索到的最優(yōu)位置;PGbest為整個(gè)群體當(dāng)前搜索到的最優(yōu)位置;c1和c2為學(xué)習(xí)因子，使粒子具有自我總結(jié)和向群體中優(yōu)秀個(gè)體學(xué)習(xí)的能力，從而向個(gè)體及群體最優(yōu)位置靠近;r1和r2為［0，1］之間的隨機(jī)數(shù)，用來(lái)保持群體的多樣性;設(shè)置速度閾值為vmax，當(dāng)速度超過(guò)該閾值時(shí)取為vmax;慣性權(quán)重ω起著權(quán)衡局部最優(yōu)能力和全局最優(yōu)能力的作用，采用隨迭代次數(shù)線(xiàn)性變化的ω解決算法早熟以及后期在全局最優(yōu)解附近振蕩的現(xiàn)象;k為當(dāng)前迭代次數(shù);kmax為最大迭代次數(shù);ωmax和ωmin分別為ω的最大值和最小值。

粒子群算法流程圖見(jiàn)圖1。

4 經(jīng)濟(jì)低碳調(diào)度模型的求解

4.1 多目標(biāo)的處理

微網(wǎng)經(jīng)濟(jì)低碳調(diào)度模型要求在運(yùn)行成本最低、碳排放最少2個(gè)目標(biāo)中尋求折衷，恰當(dāng)?shù)亩嗄繕?biāo)優(yōu)化處理技術(shù)的選取十分重要。本文選取了理想點(diǎn)法。

圖1 粒子群算法流程圖Fig.1 Flow chart of particle swarm optimization

理想點(diǎn)法的幾何意義是決策者先在多維目標(biāo)空間中確定一個(gè)“理想點(diǎn)”，然后再在可行集中找到一個(gè)可行點(diǎn)，使它與“理想點(diǎn)”的“距離”盡可能最小，這個(gè)點(diǎn)稱(chēng)為“最好妥協(xié)解”，又稱(chēng)“滿(mǎn)意解”。對(duì)于“理想點(diǎn)”和“距離”的定義不同，產(chǎn)生了不同的方法。本文把“理想點(diǎn)”定義為Z*=(Z*1，Z*2)，Z*1和Z*2為單目標(biāo)優(yōu)化時(shí)求得的最優(yōu)運(yùn)行成本和最優(yōu)碳排放量。由于兩者量綱不同，且數(shù)值相距甚遠(yuǎn)，為避免計(jì)算時(shí)陷入局部最優(yōu)值，距離函數(shù)考慮為:

其中，Z1(x)和Z2(x)為實(shí)際計(jì)算產(chǎn)生的運(yùn)行成本和碳排放量。

4.2 多目標(biāo)低碳調(diào)度的求解

取微網(wǎng)中可調(diào)度微源的有功出力為優(yōu)化變量，每個(gè)優(yōu)化變量對(duì)應(yīng)粒子的一個(gè)維度。微電源輸出功率約束采用邊界值處理，節(jié)點(diǎn)電壓和支路功率約束采取罰函數(shù)處理。算法流程圖如圖2所示。

5 算例

為驗(yàn)證本文提出的經(jīng)濟(jì)低碳調(diào)度模型的合理性及算法的可行性，本文選取某30節(jié)點(diǎn)微網(wǎng)系統(tǒng)為算例，網(wǎng)絡(luò)接線(xiàn)如圖3所示，線(xiàn)路阻抗數(shù)據(jù)和節(jié)點(diǎn)負(fù)荷數(shù)據(jù)見(jiàn)附錄1和附錄2。圖3中，G為大電網(wǎng)，WT為風(fēng)力發(fā)電，MT為微型燃?xì)廨啓C(jī)，PV為光伏電池，F(xiàn)C為燃料電池。調(diào)度周期為1天，分為24個(gè)時(shí)段。各微電源的經(jīng)濟(jì)性指標(biāo)和排放特性參數(shù)［13-15］如表1所示。

圖2 多目標(biāo)優(yōu)化算法流程圖Fig.2 Flow chart ofmulti-objective optimization

圖3 30節(jié)點(diǎn)系統(tǒng)網(wǎng)絡(luò)圖Fig.3 Diagram of30 bus system

WT和PV的出力受到環(huán)境溫度、光照強(qiáng)度和風(fēng)力的影響，根據(jù)地區(qū)歷史數(shù)據(jù)，預(yù)測(cè)得到兩種電源的出力情況如圖4所示。系統(tǒng)典型日負(fù)荷曲線(xiàn)如圖5所示。微電源節(jié)點(diǎn)電壓標(biāo)幺值設(shè)置為1.05，潮流計(jì)算采用牛頓-拉夫遜法。單目標(biāo)粒子群優(yōu)化的控制參數(shù)如下:迭代次數(shù)為Kmax=700，粒子群規(guī)模為25，學(xué)習(xí)因子c1=c2=2，慣性權(quán)重系數(shù)ωmax= 0.9、ωmin=0.4，算法終止閾值設(shè)為1×10－6。

表1 微電源參數(shù)Tab.1 Microsources’parameters

圖4 PV和WT的24h預(yù)測(cè)出力曲線(xiàn)Fig.4 Hourly output power curve of PV and WT

圖5 典型日負(fù)荷曲線(xiàn)Fig.5 Typical day load curve

設(shè)運(yùn)行成本最低、碳排放最低分別為目標(biāo)1和2，得到系統(tǒng)小時(shí)調(diào)度出力曲線(xiàn)如圖6和圖7所示。

圖6 運(yùn)行成本最低時(shí)DG調(diào)度方案Fig.6 Hourly DG output forminimization of operating cost

可見(jiàn)，采取優(yōu)化目標(biāo)1和目標(biāo)2時(shí)，由于風(fēng)/光發(fā)電成本和排放均最低，WT和PV均按預(yù)測(cè)數(shù)據(jù)輸出功率。大電網(wǎng)的購(gòu)電費(fèi)用和等效碳排放量比微電源高，故僅在微電網(wǎng)中各DG單元按功率上限發(fā)電仍無(wú)法滿(mǎn)足負(fù)荷需求時(shí)，才向微網(wǎng)供電。由于燃?xì)廨啓C(jī)碳排放量與發(fā)電量呈非線(xiàn)性關(guān)系，出力較小時(shí)，碳排放水平較高。以碳排放為優(yōu)化目標(biāo)時(shí)，在保證供電量的前提下，程序減少了參數(shù)相同的MT的投運(yùn)數(shù)量，參見(jiàn)圖7的調(diào)度安排。

圖8和9為采取單個(gè)優(yōu)化目標(biāo)時(shí)，系統(tǒng)運(yùn)行成本和碳排放量的對(duì)比?？梢?jiàn)，兩種調(diào)度方案在第20點(diǎn)和第21點(diǎn)兩個(gè)時(shí)間段的運(yùn)行成本和排放量大致相同。這是由于此時(shí)段微電網(wǎng)內(nèi)的DG不能滿(mǎn)足負(fù)荷需求，其調(diào)度方式均為各DG在調(diào)度范圍內(nèi)滿(mǎn)發(fā)，再由大電網(wǎng)補(bǔ)充供電。采取成本最低為目標(biāo)時(shí)，微網(wǎng)碳排放略高;低碳調(diào)度時(shí)，系統(tǒng)運(yùn)行成本略高。

圖7 碳排放最低時(shí)DG調(diào)度方案Fig.7 Hourly DG outputs under low-carbon scheduling

圖8 兩種單目標(biāo)調(diào)度策略下系統(tǒng)運(yùn)行成本對(duì)比圖Fig.8 Operating costs under two kinds of single-goal scheduling

多目標(biāo)經(jīng)濟(jì)低碳調(diào)度在單目標(biāo)優(yōu)化的基礎(chǔ)上進(jìn)行。粒子群優(yōu)化計(jì)算參數(shù)選取如下:迭代次數(shù)為Kmax=1000，粒子數(shù)為30，學(xué)習(xí)因子c1=c2=2，慣性權(quán)重系數(shù)ωmax=0.9，ωmin=0.4，算法終止閾值設(shè)為1×10－6。微電源優(yōu)化出力結(jié)果見(jiàn)圖10。

表2給出了算例系統(tǒng)1天內(nèi)單目標(biāo)和經(jīng)濟(jì)低碳優(yōu)化調(diào)度策略下系統(tǒng)各項(xiàng)運(yùn)行指標(biāo)的對(duì)比。可見(jiàn)，采取單個(gè)優(yōu)化目標(biāo)時(shí)，只能保證“目標(biāo)指標(biāo)”最優(yōu)，其他運(yùn)行指標(biāo)并不理想。多目標(biāo)經(jīng)濟(jì)低碳優(yōu)化方法在經(jīng)濟(jì)性和環(huán)保性?xún)煞矫鎸?shí)現(xiàn)了平衡，綜合運(yùn)行效益更優(yōu)。

圖9 兩種單目標(biāo)調(diào)度策略下系統(tǒng)碳排放對(duì)比圖Fig.9 Carbon emissions under two kinds of single-goal scheduling

圖10 經(jīng)濟(jì)低碳調(diào)度策略下各微電源的出力Fig.10 Hourly DG outputs under economic low-carbon scheduling

表2 低碳經(jīng)濟(jì)調(diào)度和單目標(biāo)運(yùn)行優(yōu)化比較Tab.2 Comparison ofmulti-objective low carbon scheduling and single-goal scheduling

6 結(jié)論

繼安全、經(jīng)濟(jì)之后，低碳成為電力系統(tǒng)調(diào)度運(yùn)行的重要目標(biāo)之一。本文建立了考慮運(yùn)行成本和碳排放的微網(wǎng)多目標(biāo)低碳優(yōu)化調(diào)度數(shù)學(xué)模型，采用改進(jìn)的理想點(diǎn)法建立多維距離模型，利用粒子群算法求得微網(wǎng)經(jīng)濟(jì)低碳調(diào)度運(yùn)行策略。比較采取單目標(biāo)和低碳經(jīng)濟(jì)調(diào)度策略時(shí)系統(tǒng)的各項(xiàng)運(yùn)行指標(biāo)，表明多目標(biāo)經(jīng)濟(jì)低碳調(diào)度實(shí)現(xiàn)了經(jīng)濟(jì)性、安全性和環(huán)保性的有機(jī)平衡，綜合運(yùn)行效益更優(yōu)。

［1］Joos G，Ooi B T，McGillis D，et al.The potential of distributed generation to provide ancillary services［A］.Power Engineering Society Summer Meeting［C］.Seattle，USA，2000.1762-1767.

［2］魯宗相，王彩霞，閔勇，等(Lu Zongxiang，Wang Caixia，Min Yong，et al.).微電網(wǎng)研究綜述(Overview on microgrid research)［J］.電力系統(tǒng)自動(dòng)化(Automation of Electric Power Systems)，2007，31 (19):100-107.

［3］Lasseter B.Microgrids［A］.Power Engineering Society Winter Meeting［C］.Columbus，USA，2001.146-149.

［4］李鵬，張玲，王偉，等(Li Peng，Zhang Ling，Wang Wei，et al.).微網(wǎng)技術(shù)應(yīng)用與分析(Application and analysis ofmicrogrid)［J］.電力系統(tǒng)自動(dòng)化(Automation of Electric Power System)，2009，33(20):109-115.

［5］陳達(dá)威，朱桂萍(Chen Dawei，Zhu Guipin).微電網(wǎng)負(fù)荷優(yōu)化分配(An investigation on optimal load distribution ofmicrogrids)［J］.電力系統(tǒng)自動(dòng)化(Automation of Electric Power Systems)，2010，34(20):45-49.

［6］牛銘，黃偉，郭佳歡，等(Niu Ming，Huang Wei，Guo Jiahuan，et al.).微網(wǎng)并網(wǎng)時(shí)的經(jīng)濟(jì)運(yùn)行研究(Research on economic operation of grid-connectedmicrogrid)［J］.電網(wǎng)技術(shù)(Power System Technology)，2010，34(11):38-42.

［7］丁明，張穎媛，茆美琴，等(Ding Ming，Zhang Yingyuan，Mao Meiqin，et al.).包含鈉硫電池儲(chǔ)能的微網(wǎng)系統(tǒng)經(jīng)濟(jì)運(yùn)行優(yōu)化(Economic operation optimization formicrogrids including Na/S battery storage)［J］.中國(guó)電機(jī)工程學(xué)報(bào)(Proceedings of the CSEE)，2011，31(4):7-14.

［8］Sudipta Chakraborty，Manoja DWeiss，M Godoy Simoes.Distributed intelligent energy management system for a single-phase high-frequency AC microgrid［J］.IEEE Transactions on Industrial Electronics，2007，54(1): 97-109.

［9］Vahedi H，Noroozian R，Jalilvand A.Optimal management ofmicrogrid in island-mode using bacterial foraging algorithm［J］.International Review of Electrical Engineering，2010，5(5Part B):2141-2151.

［10］Chen C，Duan S，Cai T，etal.Smartenergymanagement system for optimalmicrogrid economic operation［J］.Renewable Power Generation，IET，2011，5(3):258-267.

［11］康重慶，陳啟鑫，夏清(Kang Chongqing，Chen Qixin，Xia Qing).低碳電力技術(shù)的研究展望(Prospects of low-carbon electricity)［J］.電網(wǎng)技術(shù)(Power System Technology)，2009，33(2):1-7.

［12］陳啟鑫，康重慶，夏清，等(Chen Qixin，Kang Chongqing，Xia Qing，etal.).低碳電力調(diào)度方式及其決策模型(Mechanism and modelling approach to lowcarbon power dispatch)［J］.電力系統(tǒng)自動(dòng)化(Automation of Electric Power Systems)，2010，34(12):18-23.

［13］錢(qián)科軍，袁越，石曉丹，等(Qian Kejun，Yuan Yue， Shi Xiaodan，et al.).分布式發(fā)電的環(huán)境效益分析(Environmental benefits analysis of distributed generation)［J］.中國(guó)電機(jī)工程學(xué)報(bào)(Proceedings of the CSEE)，2008，28(29):11-15.

［14］Zhang Jietan，Cheng Haozhong，Wang Chun.Technical and economic impacts of active management on distribution network［J］.International Journal of Electrical Power and Energy Systems，2009，31(2-3):130-138.

［15］Pipattanasomporn Manisa，Willingham Michael，Rahman Saifur.Implications of on-site distributed generation for commercial/industrial facilities［J］.IEEE Transactions on Power Systems，2005，20(1):206-212.

Study on m icrogrid econom ic low-carbon scheduling

MAO Xiao-ming1，LIUWen-sheng2，CHEN Shen1，WU Jie-kang1，GUO Zhuang-zhi1
(1.Guangdong University of Technology，F(xiàn)aculty of Automation，Guangzhou 510006，China; 2.East Inner Mongolia Electric Power Company Limited，Huhhot010000，China)

An economic low-carbon scheduling strategy formicrogrids is developed in this paper taking both operation costs and carbon emissions into account.The ideal pointmethod is used to dealwith themulti-objective optimization and the particle swarm algorithm which is fast and robust is used to search the optimum.Taking a 30-node microgrid as the example，giving the typical-day load-curve and the output predictions ofwind turbines and photovoltaic arrays，system performance under single goal scheduling and multi-objective scheduling are compared.The analysis show that the proposed economic low-carbon schedulingmakes a tradeoff between economics and emissions and the comprehensive system performance ismore preferred.

microgrid;economic operation;low-carbon scheduling

附錄1:線(xiàn)路阻抗數(shù)據(jù)

線(xiàn)路起點(diǎn)線(xiàn)路終點(diǎn)電阻標(biāo)幺值電抗標(biāo)幺值1/2 B 12 14 0.1231 0.2559 0 12 15 0.0662 0.1304 0 12 16 0.0945 0.1987 0 14 15 0.221 0.1997 0 16 17 0.0824 0.1923 0 15 18 0.1073 0.2185 0 18 19 0.0639 0.1292 0 19 20 0.034 0.068 0 10 20 0.0936 0.209 0 10 17 0.0324 0.0845 0 10 21 0.0348 0.0749 0 10 22 0.0727 0.1499 0 21 22 0.0116 0.0236 0 15 23 0.1 0.202 0 22 24 0.115 0.179 0 23 24 0.132 0.27 0 24 25 0.1885 0.3292 0

續(xù)附錄1:線(xiàn)路阻抗數(shù)據(jù)

附錄2:節(jié)點(diǎn)負(fù)荷數(shù)據(jù)

續(xù)附錄2:節(jié)點(diǎn)負(fù)荷數(shù)據(jù)

TM7

A

1003-3076(2014)08-0055-07

2012-11-04

廣東省自然科學(xué)基金資助項(xiàng)目(S2013010012431;S2013040013776)

毛曉明(1971-)，女，湖北籍，副教授，博士，從事電力系統(tǒng)運(yùn)行、分析與控制的研究工作;劉文勝(1982-)，男，河北籍，助理工程師，碩士，從事電力系統(tǒng)運(yùn)行與調(diào)度技術(shù)工作。