【《微电网微源供电系统设计运行以及调度管理战略研究》11000字（论文）】

微电网微源供电系统设计运行以及调度管理战略研究目录TOC\t"1级标题,1,2级标题,2,3级标题,3"1.绪论 摘要：大规模化风电和高比例的热电联产机组并存在我国“三北”地区，供热期热电联产机组的强热电耦合运行模式约束限制了其调峰能力，导致系统灵活性不足，造成了严重的弃风，带来了巨大的经济损失。因此，通过装配电热储能装置，削弱热电联产机组的耦合程度，提高系统运行的灵活性是我国一项富有重要意义的工作。本文建立了装配蓄电池的考虑电热储能的热电联产型微网系统。针对以上各种系统，分别研究了微型燃气轮机、风力发电器组、光伏发电器组、燃油动力电池以及蓄电池等相关数学模型。并通过结合系统的功率均值约束、微电源输出功率的约束、微电源爬坡速度的约束、大电网与微电网之间的交换功率约束以及对蓄电池充电的约束进行了分析。为了有效缓释目前微电网中各种类型微源的非动态可控性及随机变量波动性较大等各种微源动态变化性质，提高其微源供电的安全可靠性，寻求目前微电网最理想的微源供电系统设计运行以及调度管理战略。研究基于多目标动态优化资源调度的我国微电网物理模型，以直接实现我国微电网在各种不同应用领域中的公共经济和社会环境保护费用最小的优化为主要技术研究任务目标，建立了一套数学物理模型并首先分析确定了该数学模型的基本约束构成条件，用PSO（Particleswarmoptimization，粒子群动态优化调度算法）算法对模型进行求解，通过算例分析求得微电网在孤岛供电状态下正常运行的最优综合调整体系和协同资源调度优化计划。关键词：热电联产；供电可靠性；多目标优化调度；经济效益；PSO1.绪论随着我国不断地发展进步，蕴藏在我国境内大地之下的化石燃料能源慢慢被我们发现并挖掘殆尽，能源短缺的窘境近在眼前，为了防止能源短缺的情况出现，如何安全有效地开发能源使其能够可持续发展，以及高效利用化石燃料发电已成为我国建立起安全、高效率及环保的现代能源发展体系，实现除化石燃料以外的能源的发展所必需要考虑的重要问题。在“十二五”（即第十二个五年计划）期间,我国在风力发电方面的研究有了重大突破，与风力发电相关的企业产业规模有了十足的长进。根据《风电发展“十三五”规划》的重要指示,我国光伏风电每年新增并网装机量将高达8000万kw以上。风力发电技术是一种以风电这种清洁能源为主，利用再生能源发电的技术,是一种技术研究方面相对成熟同时拥有广阔市场和发展前景的技术。据对弃风相关的统计数据结果显示，我国风电发展迅速的“三北”（指东北、华北、西北）地区弃风现象十分严重。一方面的原因是由于电源构成部分不是十分的合理，微电网中拥有灵活调节能力的微电源比例也不充分，不能达到完美调峰的要求。在冬季供暖的期间内，热电联产（CHP）机组的总数量很大，占电网总发电机组数量的比例较高，通过“以热定电”的运行模式将会使微电网调节能力变得更弱，风电能源即使是作为清洁能源享有优先的调度权，但是风电的上网空间还是受到了较为严重的限制。尤其是在冬季时节的寒夜，为了保证供暖使得热负荷的需求量变多而电负荷的需求量变少，CHP机组出力增加。这个时候的风电机组正处于有功功率较高的水平，系统中的电功率每时每刻都处于一种平衡的状态，等到调峰机组的有功出力达到了一定限度的时候，就再也没有办法提供给风电更大的上网空间；在另一方面，若是风电装机容量持续增加，而当地电负荷需求总量又小，并且当地电网系统的消纳能力不足以支持电网运行。那么这个时候就只能凭借集中外送的方案来解决问题了，但是，风电的富集区域大多处于又偏又远的荒芜地段，这对高压输电线路的建设会造成建设时间过长的缺陷，另外远距离的风电输送路途中会受到各种外部因素的影响，进而会使电网在输电过程中造成较大的资源浪费。从风电的有功功率在发电过程中展现的图像来看，其拥有随机性、波动性的特点，在全球当前顶尖的技术水平下，风功率的预测值误差目前处于五分之一左右的程度，风功率的预测值准确程度会随试验取值时的测量时间的增加而提升。我国以前世代相传的调度模式：通过结合较大误差的预测值或者根本就是不正确的预测数据编制出来的日前调度计划，通过这种方式得出来的结论与实际结果相比有所偏差，将会使电力系统不能在正常运行状态时安全稳定的运行。当电力系统发电的有功功率偏差过大或者风力发电的有功功率受到的干扰程度太大超出其承受限度时，光凭借自动化的发电管理机组自身的调节能力是远远不够的，这个时候我们没有办法只能采用加入人为调控的方法来对电力系统进行实时调整，使系统重新回到比较节省成本的安全运行状态。所以大力开发与北部地区电力系统发电情况相匹配的优化调度策略可以大大增加我国对于清洁能源的开发及应用效率，有利于提高系统在正常运行时的安全性和遇到负荷波动时系统自我修复回到稳定状态的稳定性能，具有非常重要的工程实用价值。本论文将会把如何使微电网既能节省能源又能降低发电成本，且能够减少大气污染物的排放量满足保护环境所需要的条件，使发电总成本达到最低当成主要目的，构建热电联产型微电网动态多目标优化调度的一般模型，借助Matlab软件通过PSO算法对所建立的模型进行求解，并将典型冬季日热电联产型微电网作为参考案例，通过进行两者之间的比较借此来分析本文所建的一般模型和研究方法的有效性。2系统模型2.1微型燃气轮机模型微型燃气轮机（MT）是热电联产电力系统中的重要一个构件，MT在微电网中不光是能够提供动力使锅炉运作，还能够满足锅炉在微网内部运行时需要消耗的热量。微型燃气轮机在热电联产系统中的数学模型表示为：（1）（2）（3）（4）式中，表示微网中微型燃气轮机的排气余热值；为MT的有功功率；表示MT发电效率；表示MT应该给负荷提供的制热量大小，表示MT应该给负荷提供的制热量大小；和分别表示了溴化锂制冷机的制冷系数和它的制热系数；△t表示运行时间；象征着工作在时间段△t内的MT消耗的燃料天然气的量/；代表了燃料质量中的一种重要指标（天然气的低位热值），通常它取值为97。结合上文我们能够知晓MT提供的热能和电能之间存在着一定的联系，彼此之间能够起到相互约束的作用。对于MT提供的电能采用什么样的调度方法。本文主要采取“以热定电”（以热定电是联产系统中一种以供热负荷大小为基础来判断发电能力的运行方式。“以热定电”的“热”,指的是各种电压的热负荷。以供热负荷的尺寸和大小来确定它的发电能力的方式，就将其称为“以热定电”。也就是说要根据锅炉还有汽轮发电机组的供热负载情况来判断如何选择配套锅炉和供热负载的锅炉和蒸汽发电机组，根据锅炉和蒸汽使用量的变化来合理地确定该机组的进气量，相当于将锅炉所发出的风力和水资源作为供热的主要副产品。）的方式，即MT所输出的电功率由其所提供的热能确定。2.2风力发电模型风力发电机的输出功率具体计算公式如下：（5）其中，V为风机的实际风速；、分别为风机切入、切出时的风速，实际风速或者切出风速时,风机停止运行；为正常范围内驱动风机需要的有功输出。2.3光伏电池模型光伏电池是一类不受人为操作控制的电源，光伏电池会受到光照强度、周围等因素的影响，具有很高的随机性和间歇性，十分不稳定。光伏电池输出的功率值大致可以通过下面公式计算：（6）其中，为光伏电池输出功率；为光伏电池处于标准条件情况下的最大输出功率；为光伏电池此时实际受到的光照强度；为光伏电池处于标准条件情况下受到的光照强度；k为功率温度系数；为光伏电池实际工作时的温度；为我们自行设定的参考温度。2.4燃料电池模型燃料电池模型中的燃料消耗费可以表示为（7）式中，表示在时间间隔△t内的燃料电池的纯输出功率/kW；为△t内的燃料电池的工作效率；为燃料电池的燃料费用/元2.5蓄电池模型蓄电池是一种可以存储电能的装置，在电力系统需要时为其提供电能，在电力系统饱和时存储一定的电能以备不时之需，在微电网中对电网负荷能够起到削峰填谷的作用，保障电力系统能可靠地持续供电，蓄电池的充电状态(SOC)可以通过蓄电池的剩余电量与额定电量的比值来表示，处于t+△t时刻的充电状态由处于t时刻的电池的剩余电量与此时的充电状态共同决定，数学模型如下：（8）3微网系统不确定因素的随机模拟3.1随机模拟技术随机模拟技术，也被人们广泛地称为蒙特卡罗模拟技术，是一种随机模拟方法，以概率和统计理论为基础的一种计算方式，通过使用随机数来解决许多问题。其是将所要解答的问题与一定的概率模型相结合联系起来，借此来获得问题的相似解。由于其解答过程中充满了随机性，为了象征性地表明这一方法的概率统计特点，人们借用赌城蒙特卡罗命名。本文主要是利用随机模拟技术对微网系统运行时出现的各种可再生能源功率及负载波动进行分析。3.2风电功率波动由于风电运行时发电功率的波动较大且充满了随机性，对于这种情况为了描述它们的统计学特性我们通常借用风速的概率分布来描述。虽然与风速密度分布情况相吻合的曲线型图像很多，但是通过大量统计数据的综合分析研究结果表明，大部分地区的风速近似服从威布尔（Weibull）分布，其概率密度函数表达式为：（9）式中：为风速(m/s)；k和c为Weibull分布的参数，为形状参数，且k>0；为尺度参数，且c>1。通过平均风速和标准差可以近似计算出Weibull分布的参数。（10）式中，Γ为Gamma函数。风电功率与风机轮毂高度处的风速具备的关系如下所示：（11）式中：指的是额定条件下风力发电机的输出功率；、、分别为额定风速、切入风速和切出风速。风速切入风速时，风机并入电网；风速切出风速时，则风机停机，从电网中解列。为了对电网在实际运行情况下的风速进行模仿，我们可以把一天的工作时间大致划分缩短到24个小时，根据每个小时的平均实际风速模拟预测值计算参数k和c；然后根据风速的近似分布情况，即式(9)，选用一个随机生成出来的风速数据，利用式(11)计算出处于该条件下的风电功率。将上述操作翻来覆去地完成500次左右，将所得的全部结果取加权平均值，最终得到的结果就可以当作是考虑受到波动因素后的各个时间段的风力发电机有功出力。电力系统中风力发电机工作时发出的功率具有较大随机性和波动性，这将导致电力系统不能安全可靠地稳定运行，另外风力发电机的反调峰特性将会导致在风力发电机在合并入电网的过程中增加系统的调峰压力，使电力系统在运行过程中出现电能质量下降等问题，严重影响电力系统运行的安全性。为了改善风功率出力特性我们可以提高其预测精度，这是解决风电大规模并网一种的重要手段。3.3光伏电池功率的波动光伏电池的有功出力在电力系统运行的过程中将会受到光照强度和环境温度等外部因素的干扰。据有关研究报告的数据统计，光伏电池受到的光照强度将会在一定时间内近似的服从贝塔（Beta）分布，其概率密度函数为：（12）式中：为该段时间内光伏电池受到的实际光照强度，为该时间段内光伏电池所受的最大光照强度；和都是属于贝塔分布图像内的形状参数。由该时间段内的光照强度平均值及其方差可以求得上述贝塔分布中的形状参数：（13）（14）式中：为时间段内平均的光照强度;为光照强度方差。在实际操作过程中，想要直接测量得到光伏电池实时温度是不太可能的，但是针对封存起来进行实验的光伏电池，我们可以根据前人们多年实验得出来的实际经验公式来计算，然后测量环境温度，根据环境温度与正常工作时温度的比较，大致推测出光伏电池正常工作时的温度：（15）式中：、为环境温度、光伏电池正常工作时的温度。光伏电池的有功出力能用下面公式来进行表示：（16）式中：为标准条件下的光照强度，取；为标准条件下的最大输出功率；K为功率温度系数；为参考温度，一般为了符合实际测量环境，将它取25°C。得到一定时间内光伏电池受到的平均光照强度后，我们可以通过公式计算出在该段时间内光照强度近似贝塔分布的形状参数；然后随机抽取五百次左右的光强数据，将数据代到式子(15)中计算出光伏电池正常工作时的温度；将得到的这些光照强度和光伏电池温度结果均代到式子(16)中，把计算后得到的结果进行加权平均操作，最后得到的平均值就是考虑光伏波动后光伏电池的功率输出。3.4负荷波动在电力系统中的各时段的电负荷波动一般认为它们服从于下列的正态分布，，我们可以通过该正态分布图像随机产生微网的电负荷数据。本文忽略了热负荷波动，认为热负荷的实际取值等效于预测值。4系统优化模型4.1目标函数在电力系统调度中，我们通常都会把总煤耗量降到最低作为目标函数，在文中将会通过考虑节省能源消耗、减少大气污染物排放量等因素拟出综合的经济性目标，在能够满足系统正常运行约束的条件下，合理安排微电源的出力状况，达到总成本最低的目的。①目标一：经济性运行目标函数（微网系统的发电成本最小）微网系统在孤网运行模式下的总的发电成本要考虑到各微电源的燃料成本、投资折旧成本、运行维护成本、环境成本以及CHP系统的制热收益等方面：(17)其中：（18）（19）（20）（21）式中：为微电网运行时的发电成本；T为调度的周期数；n表示考虑系统中的费用系数；和以及表示微电源在第t个调度周期中的燃料成本和投资折旧成本以及运行维护成本；为支付微电网切负荷时造成损耗的补偿费用；为大电网与微电网交互过程中造成的能量损耗的费用；表示CHP系统制热收益。指代表安装第i个微电源一个单位的容量所需要花费的费用；为第i个微电源的容量因素；r为年利率；为第i个微电源的投资偿还期；为第i个微电源t时刻的有功出力；N的数值等同于系统中含有的微电源的数量；为第i个微电源的运行维护成本系数；k为所排放污染物(包含、、等)的类型编号；M用来指代统计有多少种污染物的总数值；为第i个微电源排放k类污染物的系数；为处理k这类污染物所需要消耗的处理费用；用来表示出售一个单位大小的热能的价格。②目标二：微电网在运行时产生的环境效益最大。（22）式中，表示治理微电网排放的污染物的成本，当a的值为零时，表明当前的微电网正处于孤岛运行模式；当微电网与大电网进行并网运行时，它们之间会互相传递功率，此刻应考虑治理微电网中排放的污染物需要的费用，另外当微电网自身电能无法满足各微电源的需求时，还可能出现微电网从大电网那里有报酬的获取电能的情形，此时不仅要考虑买点需要花费的费用还要考虑治理大电网排放大气污染物的成本，这时a的值为1；表示为处理一个单位排放量的污染物所花费用(元/kg)；表示的是大电网发出的电能时第k种污染物所计排放系数(g/kWh)。4.2约束条件①系统功率平衡约束电能在电网运行过程中的传递时刻都要遵守供应量等于需求量这一原则，电网提供的电量既不能多于用户的需求量，否则将会导致电网过载造成额外的损耗，增加电网运行成本；也不能少于用户的需求量，不然调度不当将会引起部分地区停电，造成额外纠纷。在对一个电力系统的优化调度中，我们优先要注意有功功率的平衡。有功功率是否平衡是衡量电压和电网频率是否稳定的一个重要因素。电网中所有机组的有功功率和电网频率的平衡状况都与它对应的负载和功率息息相关，如果一台机组的最大发出功率超过了它所对应的负载的承受能力，将导致电网频率和功率相对增高的后果，如果负载的承受能力超过了它所对应的机组的最大发出功率，则会使得电网的频率和功率相对降低。电网频率的稳定是保证电力系统稳定的根本要素，而有功功率的稳定时保证电网频率的重要影响因素。所以可以推导出结论：最终的调度结果必须要满足于系统的功率平衡约束。功率平衡约束：机组输出的总功率等于系统中负荷的总需求：（23）式中，的数值等同于各个微电源输出功率的数值之和；表示大电网与微电网在t时刻交换的总功率；表示蓄电池所发功率；表示微网中所需负荷功率；Load(t)表示微电网与大电网切掉的负荷的功率。②微电源出力的上下限值约束微电源出力约束。微电源由于受自己的容量约束，在其运行过程中存在一个功率上限值，因此微电源出力不能大于它发电功率的上限值，否则会导致微电源超载而烧坏。另外微电源运行时存在着一个最小的技术出力，在微电源的运行过程中，其出力不得小于它发电功率的下限值，否则将导致微电源停止工作。因此，微电源的出力约束方程式可由下面式子来进行表示：（24）式中：、指微网内第i个微电源输出功率所达到的上限值、下限值。③微电源的爬坡约束机组爬坡约束是相邻时间断面机组出力之间的一种耦合关系，通过观察机组爬坡率可以看出机组发电功率的调节速率的变化情况。通过调节汽轮机的进汽口的流量可以控制调节机组的有功功率，机组有功功率会随着进汽口流量增大而提高；机组有功功率会随着进汽口流量减小降低。但是这个过程，短时间内是不可能完成的，它需要一段运行的时间。因此，单位时间内，机组可上调功率是有一定限度的。微电源的爬坡约束如下式所示：（25）式中，、分别表示第i个微电源在相邻时间间隔内下降和升高的输出功率极限值。④大电网和微电网之间的相互交换功率约束（26）式中，、分别表示大电网和微电网之间允许交换功率的最小下限值和最大上限值。⑤蓄电池的SOC约束蓄电池能够把储能的能量放置于一定的时间范围内，但是并不会对其产生任何的电能，因此蓄电池储能容量必须在整个寿命的周期内始终保持不变，如下列式子所示：（27）式中，表示蓄电池的初始容量；表示蓄电池的终止容量。同时，蓄电池在使用过程中受到容量和充放电功率制约关系如下：（28）式中，表示蓄电池的最小充电状态；表示蓄电池的最大充电状态。5模型求解微电网的优化调度问题就是一个如何利用系统分析方法，研究相关构件的配置管理等各个方面，并在满足许多约束性的条件下达成目的问题。现在有很多关于微电网优化调度建立模型的方法以及与其相关的计算方法。但是基于PSO算法与它们的公式相比，我们可以发现与其他计算方法相比较来说，PSO算法对初始参数选取的要求比较低，但是它的寻优计算能力特别强，算法十分简单方便，对初学者十分友好等特点。但是其在一些技术方面上仍有缺陷，因此针对这些算法技术改进方面仍然存在的不足，我们认为应该在深入地重新研究一下PSO优化算法(一种粒子群功能优化应用算法)的发展过程中，对其技术进行了一些改善，主要就是对基本PSO优化算法在公式速度、位置的自动更新上对公式及其中的各种计算参数、结构等进行了自动调节和优化扩展，以进一步提升算法的功能优化和应用性能。5.1基本粒子群算法粒子群算法的产生来源于对鸟类捕食行为进行深刻思考并从中获得启示，鸟类进行捕食这一行为的最终目的是找到食物满足自身的果腹之欲。因此，我们可以假设目的是找到食物，而寻找食物的每一只鸟都代表着一个变量。把忽略自身质量和体积的鸟可以视成一个粒子，粒子本身有着一定值的初始速度。将无规则的在空间中觅食的每只鸟看作在空间内移动寻优的各个粒子，将自己经历过最优的位置和种群最优的位置在飞行旅途中记录保存下来，这两个量将会影响到每一个粒子，并使所有粒子通过交流与竞争，带动整个粒子群朝向更合适的方向进步，找到最优解的能力得到提高，所谓的最优解的所在位置就是在最后粒子所停滞的位置。在PSO算法中，每一个n维的向量就代表着一个粒子，每个向量的具体维度会根据问题的不同而发生变化，我们称粒子在向量空间中在单位时间内移动的距离为速度。将算法内的适应度函数视为具体的目标函数，过去每个粒子所到过的最优位置就是历史最优解，粒子群体最终达到的适应度最优位置指的就是全局最优解。PSO算法在数学含义下的具体表现是:设有D维向量空间，根据具体问题来决定“D”的数值具体为多少。首先我们假设粒子的一个种群中有N个粒子，那么不出意外的话，N的数值越大，成功找到最优解的机会就越大。然而，从另一方面来讲N的数值越大也就说明算法能够解出答案的难度也会变大、得到最终结果的时间变得更长、算法本身的计算过程也会变得更为繁杂艰难，反而不利于找到最佳答案，但如果是N的数值不满足最低要求，那么种群与种群之间的交流机会就会变少，因此对于N的数值的决定我们要慎之又慎，只要能够成功取到适当的N值，将会使整个计算过程变得极其顺利。经过研究调查，我们可以得到这样一个结论：值为50的N可以使计算变得更加顺利。i粒子的位置可表述成，V意味着粒子位置变动的多少，标记的是种群最优位置，凭借下列公式来对标准粒子群算法的位置和速度进行更新换代:（29）（30）式中。惯性权重的表示符号为，粒子本身找到并记录下来的最优位置的加速因子是，全体粒子找到并记录下来的最优位置的加速因子是，和是在零到一间随机选取的两个随机数，t代表迭代次数，为了使粒子在规定范围内飞行，需要对粒子的位置和速度制定约束条件。从上面的公式我们可以明确的看出，一共有三个部分共同对粒子的速度进行约束。第一个部分为粒子接下来的飞行速度将会受到在此之前的飞行速度的影响。基于埃伯哈特和肯尼迪两位学者的学术研究成果上，一九八八年科研人员施提出了惯性权重这一因素。粒子本身的速度对粒子行进的方向的影响会受到惯性权重取值大小的影响，惯性权重如果取的值特别大，那么算法的收敛性会变得很差，但优点是粒子不容易困入局部最优的寻找中。与之相反，惯性权重如果取的值特别小，那么算法的收敛性会变得很高，但缺点是粒子容易进入局部寻找最优的窘境。工程上惯性权重通常取值0.7298，使算法变得更容易收敛。第二个部分为粒子的速度也会受到其经历过的最优位置的影响而发生改变，这被研究学者们统称为加速因子,粒子本身的最优对粒子寻优方向所产生的影响的在一定程度上又会受到加速因子的具体取值大小，驱使粒子不得不围绕着在历史找到的最优位置附近飞行，以达到粒子收敛这个最终目的。第三个部分为全体粒子的速度会受到种群的最优位置的影响而发生变化，这被称为研究学者们统称加速因子，全体粒子的最优位置对粒子寻找最优位置飞行方向的影响程度在很大一部分上会受到加速因子的具体取值大小的影响，驱使粒子围绕在全局最优位置附近寻优，实现使粒子能够快速收敛的目的，对发现最优解有很大益处。上述的三个部分之间有着很大的关联，可以说三者是息息相关，缺一不可。无论缺少了哪一部分，都会对粒子的速度产生坏的方面的影响。如果缺少了第一部分，那么粒子在寻找最优解的过程中所花费的时间会增加，丧失掉寻找更多空间范围进行寻找最优解的可能性，粒子活动的空间范围将急剧减少，这样将使粒子在更小的空间内，花费更多的时间寻找最优解，大幅度提升了粒子陷入局部最优情况出现的概率，对寻找最佳结果来说没有好处；如果缺少了第二部分，粒子将丢掉自己所经历的位置的记忆，虽然这样能够在更大的空间范围内寻找最优结果，但是会对寻优收敛造成更大的负担；如果缺少第三部分，各个粒子将失去在种群中与其他个体交换信息的能力，导致整个种群没有一个团队意识的引导，极大地限制了种群向好的方向发展的可能性，不利于寻优。下图对粒子寻优时所受到的各个因素的影响情况进行了简略的描述。粒子移动示意图5.2粒子群算法基本步骤：（1）将粒子种群进行初始化操作；（2）为求各粒子适应度值，我们可以依靠建立的目标函数来进行计算，并在计算结束后分别对个体和全局第最优值进行初始化操作；（3）将结果与预设要求进行比对，并与终止条件相比较进行判断，满足终止条件则运算停止搜索，输出结果；否则继续下一个步骤；（4）通过速度、位置更新公式求得更新后各粒子的速度和所处位置；（5）根据目标函数计算各粒子适应度值；（6）更新各粒子历史最优值以及全局最优值；（7）回到第三个步骤后再次执行算法运算。对于终止条件，通常可以设置为适应值误差达到预设要求，或迭代次数超过最大允许迭代次数。5.3粒子群算法流程图：5.4粒子群算法改进标准的粒子群算法虽然收敛的速度快，效率高，但是也存在着计算精度低，较多地依赖于初始取值所设定的特征，迭代时间到了后期收敛的速度大大降低，很容易就会造成局部收敛的情况，从而直接导致其准确度的降低。为达到算法的整体全局搜索寻优能力与局部搜索能力达到平衡的目的，一般希望该算法：除了在后期有更佳的整体局部搜索能力和收敛准确性，还要在前期有着优秀的整体全局搜索寻优能力，以便于能够获得较高适应度的粒子。对此，本文做出了如下的改进：修改惯性权重，使其线性递减：（31）式中表示其最大的迭代次数；表示最大惯性权重值；表示最小惯性权重值；表示其当前的迭代次数；对于惯性权重w，本文取=0.9，=0.4。6仿真与验证6.1算例介绍及参数设置本文的研究对象是处于冬季日的北方地区内的由光伏电池、风力发电机、微型燃气轮机、燃料电池以及蓄电池组成的考虑电热储能的热电联产型微电网系统，把一天的工作时间划分缩短到24个小时。对于粒子群算法的基本参数我们将其设置为：种群规模大小200，最大迭代次数300，加速因子、均为2.05，惯性权重系数为0.9；蓄电池最大电量设为50kWh。微电网的各微电源运行参数如表1所示；各类污染物的处理成本和排放系数如表2所示；本文将电价划分成3个时间段（谷时段电价、平时段电价和峰时段电价），谷时段为23时至7时；平时段为7时至10时、15时至18时、21时至23时；峰时段为10时至15时、18时至21时，微电网处于三个不同时段的售电价如表3所示，风力发电机和光伏电池出力如图1所示，热电负荷如图2所示。表1各微电源运行参数微源类型PVWTMTFCSB安装成本（万元/kW）6.6502.3751.3064.2750.087功率上限/kW1010654050功率下限/kW010000寿命/年2010101010运行费用/（元/kWh）0.00960.04500.12800.02930.0450容量因数（%）29.3422.1354.9936.7332.67表2污染物排放系数及处理成本表3微电网分时电价时段购电价（元/kWh）售电价（元/kWh）峰时0.830.65平时0.490.38谷时0.170.13图1典型冬季日微网风机和光伏出力曲线图2典型冬季日微网热、电负荷曲线6.2优化结果与分析结合前面对微电网处于孤岛运行模式下制定的调度策略和建立的目标函数模型，对典型冬季日微电网内各微电源运行状态进行分析，并采用PSO算法进行求解，经优化调度后各微源在每时刻对应的输出功率大小如图3所示。图3孤岛运行时典型冬季日微电源优化结果从图3显示的优化结果以及结合图1、图2综合来看，我们可以发现在冬季日，微电网正常处于孤岛运行状态时，微电网最开始是利用光伏电池（PV）和风力发电机（WT）两者来对电网进行供电，微型燃汽轮机（MT）则是工作在“以热定电”的模式，在从23:00到7:00的这八个小时的时间段内，电网一直是处于负荷的低谷时段，蓄电池（SB）工作在不断充电的状态，而在平时段和谷时段电网具有满足负荷需求的特点，蓄电池（SB）工作在不断放电的状态，同时放电的多少也与系统负荷的大小有一定关系；在23:00~24:00这一时段，系统内部的负荷逐渐减少，这时可以使燃料电池（FC）的发电量变小，系统所需要的负荷由微型燃汽轮机（MT）来进行提供。图4蓄电池剩余电量图5蓄电池所出力从图4、图5两个图综合来看，可以看出在0:00~6:00负荷低谷时间段，蓄电池进行充电，并在6:00时刻达到50kWh（设定的蓄电池最大容量），其后不再进行充电，然后于9:00~14:00时间段进行放电，对电网进行供电，补足所需负荷。在14:00~17:00时间段电网能自给自足的时候停止放电，在17:00~20:00时间段再次放电供能并释放完所有储存的电能。在20：00~24:00时间段停止工作退出运行。图6燃气轮机供热图7燃气轮机热储出力由图2、图6、图7综合来看，我们可以直观地看出在任何一个时刻，燃气轮机的供热量都是同电网热负荷与燃气轮机热储能值之和相等的，这是因为在热电联产微电网中只有MT这一元件不仅可以为电网提供电能满足负荷的需要，还能同时满足微电网内部对于热能的需求，它是热电联供系统中不可或缺的主要组件之一。因此合理安排燃气轮机储热和供热对于稳定电网系统和提高经济效益有巨大作用。图8孤岛时微电网日运行成本（不考虑电热储能）图9孤岛时微电网日运行成本（考虑电热储能）利用PSO算法我们可以求得微电网在孤岛模式下运行的综合成本，其结果如图8、图9所示，从两张图显示出来的结果中我们可以发现两条曲线均以很快的速度趋于平行于横轴的