摘要：针对分布式能源系统的经济调度问题，本文构建了含有分布式电源、储能装置、冷负荷及电负荷的分布式能源系统的经济调度数学模型，对含储能装置的分布式能源系统的经济调度问题进行研究，采用改进粒子群算法对模型进行求解，最后通过实际算例进行仿真验证。仿真结果表明，本文提出的含储能装置的分布式能源系统经济调度方法是可行的。该研究为实际工程实践提供了理论基础。

关键词：分布式能源系统; 经济调度; 改进粒子群算法; 电力系统

中图分类号： TM73文献标识码： A

文章编号： 10069798（2019）01005405; DOI： 10.13306/j.10069798.2019.01.009

随着社会经济的飞速发展，能源的需求不断增加，传统的供能模式能源利用率较低，且不易控制，运行成本受电价影响较大。近年来，以分布式电源为主体，冷热电联供方式的分布式能源系统得到了飞速发展，具有清洁能源利用率高，安装地点灵活，易于控制，低碳环保等特性。分布式能源系统的经济调度问题是分布式能源系统经济安全运行的关键，越来越引起学术领域和工程应用领域的关注。刘小旺等人[1]研究了分布式能源系统优化利用模型及应用，考虑了环境温度对各微电源的运行情况的影响，同时也考虑了环境成本和微源开关损耗成本，以经济性为目标采用粒子群算法进行优化调度;杨永标等人[2]以天津中新生态城能源站冷热电联产系统（combined cooling heating and power，CCHP）系统为例，建立了含光伏和储能的CCHP系统调峰调蓄优化调度模型，以最小化经济成本和电网供电方差为目标，引入权重系数，将多目标优化问题转化为单目标优化问题;巴林等人[3]以分布式能源系统的经济性为优化目标，对CCHP系统的主要设备进行优化配置与优化运行，并得到了在孤网运行且不加储能装置、孤网运行增加储能装置、并网上网运行且增设储能装置3种方案下系统优化配置结果，综合比较3种方案的运行成本可知，储能装置对降低系统运行成本具有重要作用。基于此，本文对含储能装置的分布式能源系统的经济调度问题进行研究，构建了含有分布式电源、储能装置和冷负荷及电负荷的分布式能源系统的经济调度数学模型，采用改进粒子群算法，对模型进行求解，经实际算例仿真验证，本文提出的含储能装置的分布式能源系统经济调度方法是可行的。

4.2仿真结果分析

采用本文提出的分布式能源系统经济调度方法进行调度，各微源优化运行结果如图5所示。由图5可以看出，24∶00～次日6∶00，電负荷和冷负荷需求都很低，而且电价比较低，所以该时间段微型燃气轮机和燃料电池不工作，此时间段电价较低，蓄电池处于充电状态;7∶00～15∶00时，工作人员上班，电负荷和冷负荷需求不断增大，达到用电高峰，此时间段电价较高，所以微型燃气轮机和燃料电池工作，且蓄电池处于放电状态，减少从电网的购电量，降低运行成本;16∶00～17∶00时，通过观察蓄电池的荷电状态曲线可知，此时蓄电池已经将充满的电量释放到荷电状态的最小值，电网电价处于平时段，此时需要从大电网购买电量满足需求，同时蓄电池进入充电状态;从18∶00～20∶00，电价又到了峰时段，此时蓄电池进入放电状态，但光伏机组几乎已经没有出力，燃料电池和微型燃气轮机出力不能满足需求，所以此时需要从电网购买一小部分电量;22∶00～23∶00时，用电高峰期结束，电价变成谷时电价，所以此时完全从大电网购电，一部分用于电负荷和冷负荷需求，一部分用于蓄电池充电。以上分析可知，本文提出的分布式能源系统经济调度方法是可行的。

5结束语

本文对含储能装置的分布式能源系统的经济调度问题进行了研究，构建了含有微型燃气轮机组、溴化锂双效吸收式机组、燃料电池、蓄电池、光伏机组、电冷却器及其它通讯辅助设备的经济调度数学模型，采用改进粒子群算法对模型进行求解，经实际算例仿真验证，本文提出的含储能装置的分布式能源系统经济调度方法是可行的。该研究为实际工程实践提供了理论基础。

参考文献：

[1]刘小旺. 分布式能源系统优化利用模型及应用研究[D]. 保定： 华北电力大学， 2016.

[2]杨永标， 于建成， 李奕杰， 等. 含光伏和蓄能的冷热电联供系统调峰调蓄优化调度[J]. 电力系统自动化， 2017， 41（6）： 612， 29.

[3]巴林. 冷热电联供型微电网优化配置与运行研究[D]. 保定： 华北电力大学， 2016.

[4]杨鑫， 杨洪朝， 张党强. 考虑可再生能源的冷热电联供系统环境经济调度模型＼[J＼]. 电力科学与技术学报， 2014， 29（3）： 8792.

[5]Lu Y H， Wang S W， Sun Y J， et al. Optimal scheduling of buildings with energy generation and thermal energy storage under dynamic electricity pricing using mixedinteger nonlinear programming[J]. Applied Energy， 2015， 147： 4958.

[6]彭树勇. 冷热电联供型微电网优化配置与运行研究[D]. 成都： 西南交通大学， 2014.

[7]刘文胜. 基于粒子群算法的微电网优化配置与低碳调度[D]. 广州： 广东工业大学， 2012.

[8]Hong T Z， Le Y， Hill D， et al. Data and analytics to inform energy retrofit of high performance buildings[J]. Applied Energy， 2014， 126： 90106.

[9]王志贺. 冷热电联供型微电网优化运行研究[D]. 南京： 东南大学， 2016.

[10]李乐. 微网的经济运行研究[D]. 北京： 华北电力大学， 2011.

[11]闫立东. 微网冷热电联供系统最优经济运行研究[D]. 青岛： 青岛大学， 2013.

[12]贾晨， 吴聪， 张超， 等. 基于电热系统联合规划的城市商住混合区能源站优化配置[J]. 电力系统保护与控制， 2017， 45（6）： 3036.

[13]Zheng C Y， Wu J Y， Zhai X Q. A novel operation strategy for CCHP systems based on minimum distance[J]. Applied Energy， 2014， 128： 325335.

[14]朱继忠， 余鹏飞， 禤培正， 等. 计及风电和储能的综合经济调度方法[J]. 南方电网技术， 2017， 11（2）： 27.

[15]石可颂. 冷热电联供系统控制策略与优化调度研究[D]. 济南： 山东大学， 2015.

[16]唐沂媛. 冷热电联供/综合能源系统的规划研究[D]. 南京： 东南大学， 2016.

[17]马景超. 冷热电联供型微网经济调度研究[D]. 青岛： 青岛大学， 2014.

[18]李保恩， 李献伟， 毋炳鑫.基于储能SOC状态的微电网能量优化调度策略研究[J]. 电力系统保护与控制， 2017， 45（11）： 108114.

[19]吴婷. 含移动储能单元的微网优化调度模型研究[D]. 杭州： 浙江大学， 2013.

[20]刘涤尘， 马恒瑞， 王波， 等. 含冷热电联供及储能的区域综合能源系统运行优化[J]. 电力系统自动化， 2018， 42（4）： 113120，141.

[21]程杉， 陈民铀， 黄薏宸. 含分布式发电的配电网多目标无功优化策略研究[J]. 电力系统保护与控制， 2013， 41（10）： 4550.