計及蓄電池壽命的冷熱電聯(lián)供型微電網(wǎng)多目標經(jīng)濟優(yōu)化運行

孫黎霞，鞠平，白景濤，劉甜甜

計及蓄電池壽命的冷熱電聯(lián)供型微電網(wǎng)多目標經(jīng)濟優(yōu)化運行

孫黎霞1，鞠平1，白景濤1，劉甜甜2

（1．河海大學(xué)能源與電氣學(xué)院，江蘇省 南京市 211100； 2．國網(wǎng)安徽省電力有限公司檢修分公司，安徽省 合肥市 230000）

冷熱電聯(lián)供(combined cooling，heating and power，CCHP)型微電網(wǎng)不僅能為清潔能源的開發(fā)利用提供良好的平臺，降低能源消費帶來的環(huán)境污染，而且能夠改善供電電能質(zhì)量，降低系統(tǒng)損耗。為使CCHP型微電網(wǎng)經(jīng)濟計算更加符合實際運行工況，考慮將蓄電池壽命損耗帶來的經(jīng)濟損失加入經(jīng)濟調(diào)度計算模型，同時考慮CCHP型微電網(wǎng)的經(jīng)濟性和環(huán)保性，建立CCHP型微電網(wǎng)的多目標優(yōu)化模型。根據(jù)最大滿意度的原則將多目標優(yōu)化模型轉(zhuǎn)化為單目標優(yōu)化模型，利用改進型遺傳算法，優(yōu)化日內(nèi)各微源的出力。通過算例對比分析多目標優(yōu)化和各個單目標優(yōu)化對微電網(wǎng)中各微源出力的影響，結(jié)果表明：多目標優(yōu)化模型能夠兼顧CCHP型微電網(wǎng)的經(jīng)濟性和環(huán)保性，更加接近CCHP型微電網(wǎng)的實際運行工況。

冷熱電聯(lián)供系統(tǒng)；微電網(wǎng)；經(jīng)濟運行；改進遺傳算法；多目標優(yōu)化；儲能；蓄電池壽命

0 引言

“泛在電力物聯(lián)網(wǎng)”的概念由國家電網(wǎng)公司于2019年3月提出，它是基于現(xiàn)代電力系統(tǒng)去構(gòu)建綜合能源互聯(lián)網(wǎng)，泛在電力物聯(lián)網(wǎng)的建設(shè)為綜合能源互聯(lián)網(wǎng)的發(fā)展帶來了新動力。綜合能源互聯(lián)網(wǎng)的核心在于通過融合冷-熱-電-氣等多種能源系統(tǒng)，實現(xiàn)整體高效率的能源利用，減輕環(huán)境負擔(dān)。泛在電力物聯(lián)網(wǎng)背景下，綜合能源互聯(lián)網(wǎng)中的各組成要素聯(lián)系更加密切，互動更加頻繁，為電力系統(tǒng)最優(yōu)運行調(diào)度帶來了新方案[1-5]。

冷熱電聯(lián)供(combined cooling，heating and power generation，CCHP)型微電網(wǎng)是綜合能源系統(tǒng)的模式之一，符合當(dāng)今能源、經(jīng)濟、環(huán)境協(xié)調(diào)的發(fā)展趨勢。相比于傳統(tǒng)微網(wǎng)供能系統(tǒng)，它能夠?qū)崿F(xiàn)高質(zhì)量的能源利用，降低環(huán)境污染。泛在電力物聯(lián)網(wǎng)的建設(shè)可以實現(xiàn)CCHP型微電網(wǎng)各微源之間更好的互聯(lián)互通，為CCHP型微電網(wǎng)的發(fā)展提供了通信層面的技術(shù)支持，各微源響應(yīng)速度也會大幅提升，因此CCHP型微電網(wǎng)的應(yīng)用價值也會越來越高，具有很好的發(fā)展前景。CCHP型微電網(wǎng)的核心裝置是以微型燃氣輪機為主要設(shè)備的CCHP系統(tǒng)，其根據(jù)微電網(wǎng)內(nèi)的冷、熱、電負荷需求優(yōu)化設(shè)備容量、微源出力以及調(diào)度策略 等[6-9]。對于CCHP型微電網(wǎng)的優(yōu)化，研究主要包括微電網(wǎng)內(nèi)各時刻微電源出力的運行優(yōu)化和各設(shè)備的容量優(yōu)化2個方面，目的是使CCHP型微電網(wǎng)的經(jīng)濟效益和環(huán)境效益提高[10-11]。

對于微電網(wǎng)的經(jīng)濟運行優(yōu)化。周任軍等人將冷熱能量等價轉(zhuǎn)化，提出了一個基于CCHP生產(chǎn)成本、環(huán)境成本和協(xié)調(diào)成本的多目標調(diào)度模型[12]。王成山等人根據(jù)微網(wǎng)內(nèi)能量轉(zhuǎn)移，提出一種CCHP型微電網(wǎng)的通用模型結(jié)構(gòu)，采用數(shù)學(xué)規(guī)劃的方法求解所提模型[13]。冉曉洪等人提出并以等排性能系數(shù)為指標，建立包括發(fā)電成本和環(huán)境成本的CCHP系統(tǒng)的多目標優(yōu)化模型[14]。李正茂等人將分時電價和附加收益加入微網(wǎng)調(diào)度優(yōu)化計算，建立CCHP型微電網(wǎng)動態(tài)調(diào)度模型，優(yōu)化網(wǎng)內(nèi)各微源出力[15]。徐青山等人將CCHP型微電網(wǎng)中的冷熱電負荷進一步細化，建立其經(jīng)濟調(diào)度模型，使用內(nèi)點法進行求解[16]。上述學(xué)者對CCHP型微電網(wǎng)進行了各層面研究，但少有學(xué)者考慮蓄電池壽命對CCHP型微電網(wǎng)運行、經(jīng)濟調(diào)度的 影響。

針對上述不足，本文建立了包含燃氣輪機、風(fēng)力發(fā)電、光伏發(fā)電、空調(diào)機、燃料電池等單元的CCHP型微網(wǎng)。建立考慮CCHP型微電網(wǎng)的運行經(jīng)濟性和環(huán)保性為目標函數(shù)，且計蓄電池壽命的多目標運行優(yōu)化模型?；跀?shù)學(xué)模糊理論，選取合適的隸屬度函數(shù)并且結(jié)合最大滿意度原則，將多目標轉(zhuǎn)化為單目標。應(yīng)用改進的遺傳算法進行目標模型的優(yōu)化和求解。通過算例仿真，得出多目標模型下日內(nèi)各微源最優(yōu)出力。相比于2個單目標的優(yōu)化結(jié)果，多目標優(yōu)化后的CCHP型微電網(wǎng)能綜合協(xié)調(diào)經(jīng)濟性、環(huán)保性最優(yōu)，且更能反映微電網(wǎng)的實際運行工況。

1 CCHP型微電網(wǎng)并網(wǎng)模型

1.1 典型CCHP型微電網(wǎng)構(gòu)成

本文CCHP型微電網(wǎng)主要由燃氣輪機(micro turbine，MT)、風(fēng)力發(fā)電系統(tǒng)(wind turbine，WT)、光伏發(fā)電系統(tǒng)(photoltaic cell，PV)、溴冷機、空調(diào)機(air conditioning equipment，AC)、燃料電池(fuel cell，F(xiàn)C)、蓄電池(storage battery，SB)等單元組成。

圖1是一個典型的冷熱電聯(lián)供型微電網(wǎng)系統(tǒng)結(jié)構(gòu)圖，其核心裝置是CCHP系統(tǒng)中的微型燃氣輪機，能夠?qū)崿F(xiàn)能源的梯級利用。燃燒天然氣時所產(chǎn)生的高品位熱能做功以驅(qū)動微燃機產(chǎn)生電能，剩余熱能經(jīng)過回收等裝置提供生活所需的冷負荷或熱負荷；系統(tǒng)內(nèi)電負荷需求主要由WT、PV、MT、FC以及SB和大電網(wǎng)提供，若上述微電源的有功出力在滿足電負荷需求后仍比較富余，可將多余電功率充向蓄電池或者向大電網(wǎng)售出；熱/冷負荷需求主要由空調(diào)機和CCHP系統(tǒng)內(nèi)微燃機產(chǎn)生的余熱通過溴冷機等回收裝置滿足。

圖1 典型CCHP型微電網(wǎng)系統(tǒng)圖

1.2 風(fēng)力發(fā)電系統(tǒng)

風(fēng)力發(fā)電系統(tǒng)的輸出功率和風(fēng)速正相關(guān)，其數(shù)學(xué)關(guān)系[17]可表示為

式中：vr和vo為機組的實際風(fēng)速、切入風(fēng)速、額定風(fēng)速以及切出風(fēng)速；、、和由生產(chǎn)廠家提供的輸出功率-風(fēng)速曲線擬合獲取。WT和r_WT為風(fēng)機的實際和額定輸出功率。

1.3 光伏發(fā)電系統(tǒng)

光伏發(fā)電系統(tǒng)的功率輸出可表示為

式中：STC為標準測試條件下光伏電池的最大輸出功率；PV為實際輸出功率；STC為標準條件下光伏電池的最大光照強度；AC為光伏電池的實際光照強度；功率溫度系數(shù)取值為-0.0047/℃；c和r分別為光伏電池溫度和參考溫度，r為25℃。

1.4 微型燃氣輪機數(shù)學(xué)模型

建模所采用的MT為美國頂石集團的C65型微燃機，MT實時的輸出功率e()和發(fā)電效率e()函數(shù)關(guān)系為

另外，以微型燃氣輪機為核心裝置的CCHP系統(tǒng)的數(shù)學(xué)模型[18]為

式中：MT()、he()、co()分別為時刻MT排氣的余熱量、制熱量、制冷量；1、he、co分別為MT的散熱系數(shù)、制熱系數(shù)、制冷系數(shù)；MT為MT消耗的天然氣量；本文優(yōu)化周期內(nèi)單位時間間隔Δ為1h、天然氣低熱熱值為9.7kW×h/m3。

1.5 空調(diào)數(shù)學(xué)模型

AC可以增加新能源出力的消納，將電能轉(zhuǎn)換為熱能或冷能，AC數(shù)學(xué)模型[19]為

式中：ac()、air,h()、air,c()分別為時刻AC消耗的電功率、制熱量、制冷量；air,h、air,c、ah、ac、ah、Lc分別為AC的制熱能效比、制冷能效比、制熱效率、制冷效率、制熱能量損失系數(shù)、制冷能量損失系數(shù)。

1.6 燃料電池數(shù)學(xué)模型

燃料電池模型為IFC PC-29，其發(fā)電效率與輸出的有功功率關(guān)系[20]為

式中，F(xiàn)C()和FC()分別為時刻FC輸出有功功率和發(fā)電效率。

1.7 蓄電池數(shù)學(xué)模型

CCHP型微電網(wǎng)的儲能系統(tǒng)選用鉛酸蓄電池。SB的充放電過程是一個動態(tài)過程，其在時刻的荷電狀態(tài)主要取決于-1時刻的荷電狀態(tài)、[-1,]時刻的充放電狀態(tài)以及其自然狀態(tài)下的自放電量。

假設(shè)時刻SB充電，時刻()為

假設(shè)時刻SB放電時，時刻()為

式中：()為時刻SB的荷電狀態(tài)為；sb()為時段SB的充電或放電功率，sb>0表示SB充電，反之放電；c和d分別為蓄電池的充、放電效率；為蓄電池的自放電率。

1.8 蓄電池壽命模型

主要考慮充放電深度和荷電狀態(tài)對其壽命的影響。采用易于預(yù)測蓄電池壽命的吞吐量模型[21]：

式中：full為蓄電池總電能的吞吐量；為不同放電深度統(tǒng)計次數(shù)；L為第次循環(huán)次數(shù)；D為第次放電深度。假設(shè)蓄電池總的能量吞吐量為一定值，則壽命損耗系數(shù)為

式中l(wèi)oss為調(diào)度周期內(nèi)SB的能量吞吐量，可表示為

式中為調(diào)度周期。

SOC的變化導(dǎo)致蓄電池的放電電壓有所改變，放電損耗會有所不同。圖2給出了當(dāng)蓄電池充或放出相同能量時，其壽命損耗權(quán)重與SOC的關(guān)系，由圖2可知，當(dāng)SOC較低時，蓄電池壽命損耗較大，損耗權(quán)重為1.3；當(dāng)SOC較高時，蓄電池壽命損耗較小，SB的損耗權(quán)重隨SOC的增加而線性下降。

圖2 有效加權(quán)值與蓄電池SOC的關(guān)系

當(dāng)()小于等于0.5時，蓄電池實際充放1kW×h電量會使蓄電池的實際壽命損耗增大；()等于1時，蓄電池實際充放1kW×h電量會使蓄電池壽命損耗降低。因此，蓄電池壽命損耗權(quán)重值(())與電池()間的關(guān)系可用分段函數(shù)表示：

在計算蓄電池壽命時，由于不同調(diào)度時刻的()不同，可以由式(12)得到其相應(yīng)權(quán)重值，從而使得蓄電池壽命損耗計算更為精確[22]。某調(diào)度時期內(nèi)，考慮蓄電池荷電狀態(tài)對其壽命影響下的能量吞吐電量為

2 CCHP并網(wǎng)型微網(wǎng)經(jīng)濟調(diào)度模型

2.1 目標函數(shù)

2.1.1 一日內(nèi)發(fā)電成本

基于經(jīng)濟性和環(huán)保性2個目標進行CCHP型微電網(wǎng)的運行調(diào)度優(yōu)化。即在保證熱、冷及電負荷平衡的前提下使優(yōu)化過程中一日內(nèi)的發(fā)電成本盡可能降低的同時，環(huán)境成本也盡可能降低。因此，其目標函數(shù)為

式中1、2為分別為一日內(nèi)的發(fā)電成本和環(huán)境成本。

經(jīng)濟性的優(yōu)劣是能源生產(chǎn)企業(yè)最為關(guān)注的指標之一，為了保證微電網(wǎng)的經(jīng)濟性，一天的發(fā)電成本應(yīng)該越小越好。發(fā)電成本的目標函數(shù)為

1）時刻微源的投資折舊成本dp()。

式中：為年利率；1為微網(wǎng)中微電源的個數(shù)；P()為時刻微網(wǎng)中第個微電源的有功功率； k、q和pb,i分別為微網(wǎng)中第個微電源的容量因數(shù)以、投資償還期及單位容量安裝成本[23]。

2）時刻微源的燃料成本fl()。

式中：2為微網(wǎng)中需要燃燒燃料的微電源個數(shù)；本文天然氣價格f取值2.54元/m3[23]。

3）時刻微源的運行維護成本om()。

式中：om()為時刻微源的運維成本；om,i為第個微源的運維成本系數(shù)[23]。

4）時刻制熱h()和制冷收益c()。

式中：ph、pc為單位熱能、冷能售價；lh()、lc()為時刻的熱、冷負荷[24]。

5）時刻微網(wǎng)與大電網(wǎng)交互成本ex()。

式中：sale、buy和ex()分別為時刻微網(wǎng)與大電網(wǎng)的售電價格、購電價格和交互功率[23]。

6）時刻SB的投資折舊成本dp,sb()和運行維護成本om,sb()。

式中：bat為SB的額定功率；E為SB單位容量安裝成本的現(xiàn)值；P為SB單位功率安裝成本的現(xiàn)值；om,sb為SB單位電量的運維成本系數(shù)；為SB的壽命損耗系數(shù)[22]。

2.1.2 一日內(nèi)環(huán)境成本

CCHP型微電網(wǎng)的環(huán)保性是指在滿足負荷需求的過程中，應(yīng)盡可能地降低處理所排放污染性氣體的成本。

對于并網(wǎng)運行方式下的CCHP型微電網(wǎng)， PV和WT屬于清潔能源，不會對環(huán)境產(chǎn)生污染，對環(huán)境產(chǎn)生污染的微電源主要有MT、FC以及微電網(wǎng)向大電網(wǎng)購買電能時大電網(wǎng)內(nèi)火電機組等工作時排放的污染物。調(diào)度周期內(nèi)環(huán)境成本為

式中：為總的污染物種類數(shù)；為會產(chǎn)生污染物的微源個數(shù)；為所排放污染物的類型編號；α為微網(wǎng)中第個微電源對污染物的排放系數(shù)；β為污染物的處理成本[25]。

2.2 約束條件

CCHP型微電網(wǎng)進行日調(diào)度運行優(yōu)化時，需要滿足的約束條件有電、熱、冷功率約束，微源出力約束和蓄電池相關(guān)約束。

1）電功率約束。

CCHP型微電網(wǎng)的供電功率(包括系統(tǒng)內(nèi)部各微源提供的電功率以及購售電功率之和)與系統(tǒng)內(nèi)電負荷需求相同。

式中L為電負荷。

2）熱、冷功率約束。

CCHP型微電網(wǎng)內(nèi)提供的熱功率、冷功率應(yīng)滿足相應(yīng)的負荷功率。

3）微源出力約束。

式中：P,min和P,max為第個微電源以及微網(wǎng)與大電網(wǎng)交互功率的最小輸出有功功率和最大輸出有功功率。

4）蓄電池相關(guān)約束。

蓄電池的約束條件主要有功率的出力約束、荷電狀態(tài)上下限約束以及始末的容量相等約束，以保證SB的日循環(huán)調(diào)用。

式中：sb,max和sb,min為SB最大和最小充放電功率；max和min為SB最大和最小荷電狀態(tài)；(0)和()為優(yōu)化周期始末SB的剩余容量。

2.3 CCHP型微電網(wǎng)多目標優(yōu)化算法

求解多目標優(yōu)化問題的關(guān)鍵是確定隸屬度函數(shù)，本文多目標優(yōu)化問題是在滿足約束條件的前提下，盡可能降低發(fā)電成本、環(huán)境成本，期望得到的目標值越小越好，即有上限而無下限，由于偏小型隸屬度函數(shù)值與目標值負相關(guān)，偏大型隸屬度函數(shù)值與目標函數(shù)值正相關(guān)，因此選取偏小型隸屬度函數(shù)作為各個子目標的隸屬度函數(shù)，隸屬度函數(shù)的形式為降半Γ形分布，則各子目標對應(yīng)的隸屬度函數(shù)可表示為

式中：μ為子目標函數(shù)f對應(yīng)的隸屬度函數(shù)；fmin為子目標函數(shù)f對應(yīng)的單目標最優(yōu)值[26]。

根據(jù)最大滿意度原則，將多目標優(yōu)化問題進行模糊化處理，進而將多目標轉(zhuǎn)化為單目標優(yōu)化問題，新的單目標綜合滿意度應(yīng)在滿足新的約束條件下盡可能最大。新的約束條件在2.2節(jié)相應(yīng)的約束條件基礎(chǔ)上，增加與綜合滿意度相關(guān)的約束，可表示為

CCHP型微電網(wǎng)的多目標優(yōu)化問題轉(zhuǎn)化為對應(yīng)的單目標優(yōu)化問題，本文采用改進的遺傳方法[27]對問題進行優(yōu)化求解，c和m會隨適應(yīng)度值的改變而調(diào)整，可以保證算法的收斂速度和尋優(yōu)概率。改進后的交叉概率(c)和變異概率(m)為：

式中：c1，c2，c3，m1，m2，m3為人為設(shè)定的參數(shù)值；max、avg和min分別為當(dāng)前種群中的適應(yīng)度最大、平均和最小值；進行交叉的2個染色體中較大的適應(yīng)度函數(shù)值為；進行變異的染色體個體的適應(yīng)度函數(shù)值為。

3 算例分析

3.1 算例介紹

本文以國內(nèi)某地區(qū)并網(wǎng)型冷熱電聯(lián)供系統(tǒng)為研究對象，調(diào)度周期為24h，調(diào)度間隔為1h。相關(guān)數(shù)據(jù)參數(shù)主要有以下幾個方面：

1）夏季典型日負荷數(shù)據(jù)。夏季時負荷變化曲線如圖3所示。

圖3 夏季典型日內(nèi)負荷預(yù)測曲線

2）風(fēng)光出力數(shù)據(jù)。根據(jù)之前建立WT、PV的數(shù)學(xué)模型，可得夏季典型日的WT、PV出力如圖4所示。

圖4 夏季典型日WT和PV預(yù)測曲線

3）各微源相關(guān)參數(shù)。主要包括各微源機組運行時安裝成本、使用壽命、運維成本、有功功率的上下限等參數(shù)，如表1所示，其中AC有2臺，且基本參數(shù)一致，因此只介紹其中一臺；SB的基本參數(shù)如表2所示；微網(wǎng)與大電網(wǎng)的交易電價采用分時電價機制[22]，如表3所示。其交易功率范圍為-150~+150kW，“+”表示微網(wǎng)向大電網(wǎng)售電，反之表示購電。制熱或制冷收益為0.1元/(kW×h)。

4）污染物相關(guān)參數(shù)。各微源污染物的排放系數(shù)和處理成本如表4[28-29]所示。

表1 各微源的基本參數(shù)

表2 蓄電池參數(shù)

表3 分時電價

表4 污染物排放系數(shù)及處理成本

3.2 仿真分析

主要對某地區(qū)夏季典型負荷日進行多目標優(yōu)化，并且與相應(yīng)單目標優(yōu)化的經(jīng)濟性對比分析。

由圖5可以看出，WT、PV、MT及SB的出力(電價平時或谷時充電，峰時段放電)。1:00—5:00時段，電價處于平時段，購電成本較低，但對應(yīng)的環(huán)境污染較大，因此具有環(huán)境優(yōu)勢的FC適當(dāng)增加出力以減小環(huán)境成本，主要由大電網(wǎng)和FC出力滿足電負荷需求。6:00—7:00、12:00—16:00及22:00—23:00時段，電價為平時段，大電網(wǎng)的購電成本增加，因此聯(lián)合考慮發(fā)電成本和環(huán)境成本，綜合調(diào)用FC及大電網(wǎng)出力。8:00—11:00、17:00—21:00時段時，電網(wǎng)購電電價處在最高時段，且其環(huán)境污染也最大，因此負荷缺額主要優(yōu)先調(diào)用具有環(huán)境成本和發(fā)電成本優(yōu)勢的SB和FC出力。在8:00—11:00時段時，冷負荷增加，MT有功出力增加，使電負荷缺額達到整個調(diào)度周期內(nèi)最小階段，SB出力能滿足負荷需求，并將多余出力售向大電網(wǎng)以提高微網(wǎng)的經(jīng)濟性，而FC不工作；17:00—21:00時段優(yōu)先由SB和FC平衡電負荷，當(dāng)不能滿足時，如21:00時刻，SB放電使剩余容量達到下限，F(xiàn)C滿功率運行，剩余電負荷缺額由大電網(wǎng)平衡。同樣的，在23:00—24:00時由FC和大電網(wǎng)聯(lián)合出力平衡電負荷以及保證SB能量約束條件。

圖5 多目標時微電源出力優(yōu)化情況

表5為夏季典型日以不同目標進行優(yōu)化而得到的各項成本?？梢钥闯?，當(dāng)CCHP型微電網(wǎng)的目標函數(shù)是發(fā)電成本最小或環(huán)境成本最小時，其優(yōu)化結(jié)果具有相互矛盾的特性，即發(fā)電成本和環(huán)境成本不可能同時達到最優(yōu)。當(dāng)優(yōu)化目標為發(fā)電成本最小時，對應(yīng)的環(huán)境成本比最低環(huán)境成本高59.25%；當(dāng)優(yōu)化目標為環(huán)境成本最小時，對應(yīng)的發(fā)電成本比最低發(fā)電成本高19.34%；而采用多目標模糊優(yōu)化時，對應(yīng)的環(huán)境成本比最低環(huán)境成本高27.92%、發(fā)電成本比最低發(fā)電成本高7.79%，因此，夏季典型日多目標優(yōu)化的結(jié)果同冬季典型日結(jié)論一致，驗證了多目標優(yōu)化更能兼顧多個目標最優(yōu)，綜合協(xié)調(diào)了經(jīng)濟性和環(huán)保性。

表5 成本對比

4 結(jié)論

為了使冷熱電聯(lián)供型微電網(wǎng)的運行更符合實際情況，綜合考慮CCHP型微電網(wǎng)的經(jīng)濟性和環(huán)保性，建立微網(wǎng)的多目標優(yōu)化模型。采用模糊化的原理和降半Γ隸屬度函數(shù)，將所提的多目標優(yōu)化轉(zhuǎn)化為最大滿意度的單目標優(yōu)化，通過改進型遺傳算法進行優(yōu)化求解，對比分析了多目標模糊優(yōu)化與各個子目標單獨優(yōu)化的結(jié)果。微電網(wǎng)的多目標優(yōu)化模型能夠以較低的發(fā)電成本和環(huán)境成本實現(xiàn)CCHP型微網(wǎng)的多目標運行最優(yōu)。

[1] 陳麒宇．泛在電力物聯(lián)網(wǎng)實施策略研究[J]．發(fā)電技術(shù)，2019，40(2)：99-106．

[2] 彭楚寧，羅冉冉，王曉東．新一代智能電能表支撐泛在電力物聯(lián)網(wǎng)技術(shù)研究[J]．電測與儀表，2019，56(15)，137-142．

[3] 楊挺，翟峰，趙英杰，等．泛在電力物聯(lián)網(wǎng)釋義與研究展望[J]．電力系統(tǒng)自動化，2019，43(13)：9-20，53．

[4] 王毅，陳啟鑫，張寧，et al．5G通信與泛在電力物聯(lián)網(wǎng)的融合：應(yīng)用分析與研究展望[J]．電網(wǎng)技術(shù)，2019，43(5)：1575-1585．

[5] 孫秋野，滕菲，張化光．能源互聯(lián)網(wǎng)及其關(guān)鍵控制問題[J]．自動化學(xué)報，2017，43(2)：176-194．

[6] 徐青山，李淋，盛業(yè)宏，等．冷熱電聯(lián)供型多微網(wǎng)主動配電系統(tǒng)日前優(yōu)化經(jīng)濟調(diào)度[J]．電網(wǎng)技術(shù)，2018，42(6)：1726-1735．

[7] Gu W，Wang Z，Wu Z，et al．An online optimal dispatch schedule for CCHP microgrids based on model predictive control[J]．IEEE Transactions on Smart Grid，2017，8(5)：2332-2342．

[8] Yang H，Pan H，Luo F，et al．Operational planning of electric vehicles for balancing wind power and load fluctuations in a microgrid[J]．IEEE Transactions on Sustainable Energy，2017，8(2)：592-604．

[9] Yan B，Luh P B，Warner G，et al．Operation and design optimization of microgrids with renewables[J]．IEEE Transactions on Automation Science and Engineering，2017，14(2)：573-585．

[10] 劉峪涵，汪沨，譚陽紅．并網(wǎng)型微電網(wǎng)多目標容量優(yōu)化配置及減排效益分析[J]．電力系統(tǒng)及其自動化學(xué)報，2017，29(9)：70-75．

[11] 張明銳，謝青青，李路遙，等．考慮電動汽車能量管理的微網(wǎng)儲能容量優(yōu)化[J]．中國電機工程學(xué)報，2015，35(18)：4663-4673．

[12] 周任軍，冉曉洪，毛發(fā)龍，等．分布式冷熱電三聯(lián)供系統(tǒng)節(jié)能協(xié)調(diào)優(yōu)化調(diào)度[J]．電網(wǎng)技術(shù)，2012，36(6)：8-14．

[13] 王成山，洪博文，郭力，等．冷熱電聯(lián)供微網(wǎng)優(yōu)化調(diào)度通用建模方法[J]．中國電機工程學(xué)報，2013，33(31)：56-63．

[14] 冉曉洪，周任軍，李湘華，等．計及等排性能系數(shù)的冷熱電多聯(lián)供環(huán)境經(jīng)濟調(diào)度[J]．電力自動化設(shè)備，2013，37(9)：94-99．

[15] 李正茂，張峰，梁軍，等．計及附加機會收益的冷熱電聯(lián)供型微電網(wǎng)動態(tài)調(diào)度[J]．電力系統(tǒng)自動化，2015，39(14)：8-15．

[16] 徐青山，曾艾東，王凱，等．基于Hessian內(nèi)點法的微型能源網(wǎng)日前冷熱電聯(lián)供經(jīng)濟優(yōu)化調(diào)度[J]．電網(wǎng)技術(shù)，2016，40(6)：1657-1665．

[17] Deng Q，Gao X，Zhou H，et al．System modeling and optimization of microgrid using genetic algorithm[C]//The 2nd International Conference on Intelligent Control and Information Processing．Harbin，China，2011．

[18] 肖浩，裴瑋，孔力，等．綜合能源微網(wǎng)運行優(yōu)化調(diào)度方法研究[J]．電工電能新技術(shù)，2016，35(12)：1-11．

[19] 王守相，吳志佳，莊劍．考慮微網(wǎng)間功率交互和微源出力協(xié)調(diào)的冷熱電聯(lián)供型區(qū)域多微網(wǎng)優(yōu)化調(diào)度模型[J]．中國電機工程學(xué)報，2017，37(24)：7185-7194．

[20] 劉方，楊秀，黃海濤，等．含熱電聯(lián)產(chǎn)熱電解耦運行方式下的微網(wǎng)能量綜合優(yōu)化[J]．電力系統(tǒng)及其自動化學(xué)報，2016，28(1)：51-57．

[21] 陳麗雪，房方．計及蓄電池壽命的風(fēng)光儲微網(wǎng)系統(tǒng)能量優(yōu)化管理[J]．現(xiàn)代電力，2018，35(3)：62-69．

[22] 劉春陽，王秀麗，劉世民，等．計及蓄電池使用壽命的微電網(wǎng)經(jīng)濟調(diào)度模型[J]．電力自動化設(shè)備，2015，35(10)：29-36．

[23] 陳潔，楊秀，朱蘭，等．基于遺傳算法的熱電聯(lián)產(chǎn)型微網(wǎng)經(jīng)濟運行優(yōu)化[J]．電力系統(tǒng)保護與控制，2013，41(8)：12-20．

[24] 楊志鵬，張峰，梁軍，等．含熱泵和儲能的冷熱電聯(lián)供型微網(wǎng)經(jīng)濟運行[J]．電網(wǎng)技術(shù)，2018，42(6)：1735-1742．

[25] 陳念斌，楊明玉．熱電聯(lián)產(chǎn)型微網(wǎng)系統(tǒng)的優(yōu)化調(diào)度研究[J]．現(xiàn)代電力，2015，32(4)：27-33．

[26] 陳潔，楊秀，朱蘭，等．微網(wǎng)多目標經(jīng)濟調(diào)度優(yōu)化[J]．中國電機工程學(xué)報，2013，33(19)：57-66．

[27] Srinivas M，Patnaik L M．Adaptive probabilities of crossover and mutation in genetic algorithms[J]．IEEE Transactions on Systems，Man and Cybernetics，1994，24(4)：656-667．

[28] 劉方，楊秀，時珊珊，等．考慮不確定因素下含充換儲一體化電站的微電網(wǎng)能量優(yōu)化[J]．電網(wǎng)技術(shù)，2015，30(3)：669-676．

[29] 許小青．多能互補微電網(wǎng)的優(yōu)化調(diào)度研究[D]．西安：西安理工大學(xué)，2016．

Multi-objective Economic Optimal Operation of Microgrid Based on Combined Cooling, Heating and Power Considering Battery Life

SUN Lixia1, JU Ping1, BAI Jingtao1, LIU Tiantian2

(1. College of Energy and Electrical Engineering, Hohai University, Nanjing 211100, Jiangsu Province, China; 2. Maintenance Branch, State Grid Anhui Electric Power Co. LTD., Hefei 230000, Anhui Province, China)

Combined cooling, heating and power (CCHP) microgrid can not only provide a good platform for the development and utilization of clean energy, but also greatly improve the efficiency of energy use, and can improve the quality of power supply and reduce the network loss of the system. In order to make the economic calculation of CCHP microgrid more in line with the actual operation conditions, this paper considered adding battery life to the economic calculation model. The multi-objective optimization model of CCHP microgrid was established considering the power generation cost and the cleanness of microgrid. The multi-objective optimization model was transformed into a single-objective optimization model by the principle of maximum satisfaction. The improved genetic algorithm was used to optimize the output of each micro-source in a day. The effects of multi-objective optimization and single-objective optimization on the output of micro-sources in the CCHP microgrid were compared and analyzed by numerical examples. The simulation results show that the multi-objective optimization model can simultaneously take into account the economic and cleanness of CCHP microgrid, and it is closer to the actual operating conditions of CCHP microgrid.

combined cooling, heating and power (CCHP) generation system; microgrid; economical operation; improved genetic algorithm; multi-objective optimization; energy storage; storage battery life

10.12096/j.2096-4528.pgt.19175

TM 73

2019-12-06。

國家自然科學(xué)基金項目(51837004，51707056)；高等學(xué)校學(xué)科創(chuàng)新引智計劃(111計劃)(B14022)。

Project Supported by the National Natural Science Foundation of China (51837004, 51707056); Subject Innovation and Intellectual Introduction Plan of Institutions of Higher Learning (111 Project) (B14022).

孫黎霞(1978)，女，博士，副教授，主要研究方向為電力電子在電力系統(tǒng)中的應(yīng)用、同步發(fā)電機及其勵磁系統(tǒng)的建模與參數(shù)辨識、非線性系統(tǒng)的控制等，Lixiasun@hhu.edu.cn；

孫黎霞

鞠平(1962)，男，教授，博士生導(dǎo)師，主要研究方向為電力系統(tǒng)建模，pju@hhu.educn。

鞠平

(責(zé)任編輯 車德競)