一种风光蓄互补独立微电网高维多目标优化配置方法
【技术领域】
[0001] 本发明设及一种新能源微电网规划设计和能量管理领域智能优化与决策方法，特 别设及一种风光蓄互补独立微电网高维多目标优化配置方法。
【背景技术】 阳00引"微网（Microgrid)"概念的提出是分布式电力系统发展的里程碑，智能微网是 未来智能配电网新的组织形式，为可再生能源分布式发电技术的大规模应用提供了可能。 风光蓄互补独立微电网系统作为独立供电系统实现的重要方式，为有效解决山区偏远地 区和沿海海岛等地区供电难题提供了一种可行方案，因此近年来受到了国内外学术界和 工程应用界的广泛关注和研究探索。分布式电源与电力电子设备选型、容量优化配置是 微电网规划设计阶段必须考虑的重要问题之一。由于风力发电和光伏发电具有随机性， 加之负荷需求的多样性和复杂性，微电网容量优化配置应在充分分析微电网系统安装处 环境条件和负荷需求特征基础上，综合考虑设备的功率特性、安装维护费用W及控制方 法，并最终实现微电网系统安全可靠、经济环保。因此，微电网设备选型与容量优化配置 问题也是微电网规划设计领域的难题之一。目前，国内外学术界和工程界通常是将微电 网设备选型与容量优化配置必须考虑的多种因素按照重要性转化为一个加权目标函数， 再采用遗传算法、粒子算法等单目标优化算法进行优化求解。但运些现有方法都普遍存 在难W准确设定权重系数、算法参数整定复杂、配置方案难W指导工程实践等缺陷。虽然 已有部分研发人员采用NSGA-II等多目标优化方法试图解决微电网设备选型与容量优 化配置问题，但是NSGA-II等多目标优化算法设计流程和算法参数整定都非常复杂，且 计算效率较低，不便于具体工程实施。在国家自然科学基金巧1207112)、浙江省公益计 划项目（2014C31074、2014C31093)、浙江省自然科学基金（LY16F030011、LZ16E050002、 LQ14F030006、LQ14F030007)和浙江省新苗人才计划项目（2014R424014)的支持下，本发明 公开一种风光蓄互补独立微电网高维多目标优化配置方法，具有传统单目标优化方法和传 统多目标优化方法所不具备的W下优点：为微电网设计规划者提供的优化配置方案更为合 理，在满足相同供电可靠性指标的情况下的优化配置方案投资更少，优化方法实施简单，无 需复杂目标函数权重系数整定，无需复杂的优化参数整定，且优化效率更高。
【发明内容】
[0003] 本发明的目的在于针对现有技术的不足，提供一种风光蓄互补独立微电网高维多 目标优化配置方法。
[0004] 本发明的目的是通过W下技术方案来实现的：一种风光蓄互补独立微电网高维多 目标优化配置方法，该方法包括W下步骤：
[0005] (1)读取W1小时为步长的风光蓄互补独立微电网系统实施地区的年度气象 数据（包括风速、光照强度、环境溫度等）、风光蓄互补独立微电网系统各组件参数信 息和负荷数据（包括小时平均直流负荷和小时平均交流负荷等）；产生参考点，采用 NBI(Normal-boundaryintersection)方法产生H个参考点，根据产生的参考点个数确定 种群大小NP=H(若H为偶数），NP=化1 (若H为奇数）；
[0006] (2)初始化，随机生成一个均匀分布种群大小为NP的初始种群P=化，i= 1，2,…，NP}，其中第i个个体Pi= (N,w，Npvi，Nbati)，Nww为风力发电机安装台数，NPVi为光伏 电池模块安装块数，Nmti为蓄电池单元组数；
[0007] 做对种群P中的每一个个体Pi,i= 1，2,…，NP,进行非均匀变异、多目标函数评 估计算、非支配排序等多目标优化操作，具体包括W下子步骤： 阳00引 （3. 1).对Pi={P1 (j)，j= 1，2, 3}中每个组元逐一执行多非均匀变异 (Multi-non-uniformmutation,MNUM)，同时保持其他组元不变，得到新的个体Py,j= 1,2,3 ；
阳011] 其中r、Tl是[0, 1]范围内产生的随机数，t表示当前迭代次数，LU)表示第j个 优化变量的下限，U(j)表示第j个优化变量的上限，b为MNUM变异系数，Im。、为用户设定的 最大迭代次数；
[0012] (3. 2)计算Pi,对应的多目标函数值，包括等年值投资费用ACS(Pu)、能量过剩倍率 Bexc(Pii)和负载失电率Lpsp(Pu);
[001引 化3)对当前3个子个体Pu进行非支配排序，从而得到其支配排序数 [0，引，j= 1，2,3,将支配排序数为0的个体记录为Pw并将Pi。及对应的多目标函数 值存档；
[0014](4)将PiO作为新的种群个体，从而产生新的种群Pw={P1。，i= 1，2,…，N巧；
[0015] (5)无条件接受P=Pn;
[0016] (6)重复步骤3-5直到满足用户设定的最大迭代次数；
[0017] (7)输出Pareto最优解W及对应的ACS、能量过剩倍率Bexc、负载失电率Lpsp评价 指标值，为用户提供风光蓄互补独立微电网优化配置方案。
[0018] 进一步地，步骤化2)中高维多目标函数可根据实际需求设定，具有一定的灵活 性且能达到不同的优化效果，一般选取系统等年值投资费用ACS、能量过剩倍率Bm。、负载缺 电概率Lpsp作为目标函数，即：
[0019]
[0020] Lm。为独立微电网系统能容忍的最大负载缺电概率值，Bm。为能容忍的最大能量过 剩倍率值。（a)系统等年值投资费用ACS计算过程如下：
[002^1]ACS佩-（CiiNwG+CizNpv+CnNBAT) + (CziNwg+CzzNpv+CzsNbat)+CsNbat(16) 阳0巧式中：X为优化变量集合，X= (N,c，Npv，Nbat) ;Cii、。2、c。分别为风机、光伏和蓄电 池各组件安装成本年平均费用；C21、C22、C23分别为风机、光伏和蓄电池各单元年运行维护成 本；Cs为蓄电池年均重置成本。
[0023] 风机、光伏和蓄电池各组件安装成本年平均费用与组件寿命周期年限相关，其关 系表达式为：
[0024] Cii=Ch.CRFiOi,Yp"i) (17)
[002引式中：Cp为安装成本；YPW为组件寿命年限；CRF为资金回收系数（capital recoveryfactor,CRF)，其表达式为：
[0027]其中，h为贴现率。
[002引各组件第n年的运行维护费用Czi(n)计算如下：
[0029] 〔21(。尸 (l+fT (19) W30] 其中C21(1)为第1年的运行成本，f表示年度通胀率。
[0031] 在项目年限内，若系统组件达到其寿命终止年限，则需要对组件进行重置替换，组 件的重置费用计算如下： 阳的2] Cs=Cf.S阳也Yf) (20)
[0033]式中：。为重置成本；Yf为组件重置寿命；S阳为补偿基金因子，按照式（21)进行 计算：
[00对化）能量过剩倍率Bex。为在所考虑的特定时期内（通常设置为1年）浪费的能量 与系统负荷总需求能量的比值，具体计算如下：
[0037] 式中：Pe(t)系统过剩功率；Pi(t)系统总负荷功率；T为供电总时间段数，通常为T =8760 ;At为仿真步长，通常为At= 1 ;
[0038] Pi(t) = PD(t)+PA(t)/en (23)
[0039] 其中，Pd(t)表示总直流负荷，Pa(t)表示总交流负荷，e。表示逆变器效率。
[0040] (C)W负载缺电概率Lpsp作为可靠性评价指标，表示系统缺电时间与总供电时间 的比值，计算如下：
[00创式中：SiM,(t)为系统缺电标记符，其值为1表示系统缺电（即在t时刻系统能提 供的总功率小于系统负荷需求），其值为0表示系统能满足所有负荷需求。、
[0043] 本发明的有益效果是：W风力发电机、光伏阵列输出功率数学模型和蓄电池充放 电特性与寿命周期数学模型为基础，综合考虑等年值投资费用（包括设备投资费用、运行 维护费用和设备重置费用等）、能量过剩倍率和负载失电率（微电网全年运行可靠性指标） 等多性能评价指标，设计高维多目标极值优化方法作为求解器，实现风光蓄互补独立微电 网高维多目标优化配置。本发明可实现风光蓄互补独立微电网高维多目标优化配置效果， 具有传统单目标优化方法和传统多目标优化方法所不具备的W下优点：为微电网设计规划 者提供的优化配置方案更为合理，在满足相同供电可靠性指标的情况下的优化配置方案投 资更少，优化方法实施简单，无需复杂目标函数权重系数整定，无需复杂的优化参数整定， 且优化效率更高。
【附图说明】
[0044] 图1是独立微电网系统结构图；
[0045] 图2是风光蓄互补独立微电网高维多目标优化