微电源孤岛规划概述

黄帅，龙燕，冯平，易斌，王虹淋

（后勤工程学院机械与电气工程系，重庆 401331）

根据微电网的对象及所实现的功能不同，对于偏远的海岛、农村、边防地区或者重要供电场所如军用机场、军事基地、大型煤矿等，可以考虑采用孤岛运行方式[1]。

孤岛运行的微电网根据负荷需求和供电区域环境，能通过不同的规划方法满足用户的不同需求。随着东澳岛微电网工程的启动调试成功，微电网在可再生能源丰富的地区独立运行，并在保证一定的供电可靠性的基础上实现电能的自给自足，为有效解决海岛的供电难题提供了良好示范。而对于大型煤矿，某些军事基地等场所，供电可靠性要求高，电力供应的短时中断可能带来极大损失。通过合理的负荷分级和微电源配置，微电网能确保比传统配电网更高的供电可靠性，从而减小停电损失。

与传统的发电系统相比，微电源具有高能效、清洁环保、经济效益好、配置地点灵活等优点。随着微电源技术的发展，利用轻便高效的新型电源[2]为孤岛运行方式下的微电网提供持久稳定的电能成为可能。通过对孤岛运行的微电网中微电源进行合理的规划，不仅可以在满足微网负荷需求的情况下有效地降低投资成本和运行成本，减少对环境的污染，还能在一定程度上改善电压质量，提高系统可靠性[3]。因此有必要对微电源的选址与定容问题进行研究，以优化分布式电源的位置和容量，实现微电网最优化运行。根据规划对象的环境、规模及特点，微电源规划的目标和方法也不相同。

1 微电源孤岛规划的概念

电源规划就是确定在规划期内系统应在何时、何地，建何种类型、多大容量的发电厂，以最佳方式满足电力负荷发展的需要[4]。针对能够独立运行的微电网，微电源孤岛规划需要结合考虑规划对象的规模、特点和周边的资源环境，选取类型合适的微电源及储能装置进行规划。由于微电网在规模、构架、特点、用途、要求上均与传统电网不同，微电源的规划与传统发电系统的规划也存在较大差别。文献[5]初步研究了微电网规划评价体系，除了可靠性和经济性指标，微电源规划还引用了市场运行指标和环保指标对规划效果进行考察。另外，由于不同供电区域的自然环境和不同微电源的技术指标存在差异，不同类型的微电源规划的评价指标也有所区别。文献[6]考虑到海岛上太阳能、风能资源丰富，且旅游开发对环境有较高要求等特点，规划中更多地从可再生能源利用率最大化以及电源建设运营成本最低等方面进行评价。文献[7]探索了城区抗灾型规划，重点研究不同场景下停电损失的特性及影响，并以停电损失费用作为判断规划是否合理的重要依据。

2 微电源孤岛规划建模研究现状

随着微电网思想的提出，运用微电源进行孤岛规划的方法解决多样化的用户需求成为当前的研究重点。根据用户的期望，微电源孤岛规划的目标可以大致分为最小化的网络损耗，最低的经济费用或费效率，以及良好的综合性目标等。有些研究将环境成本，时序特性和电压质量等作为多目标规划模型的子目标或重要的约束条件。

2.1 目标为最小化网络损耗的数学模型

文献[8-9]通过对微电源进行合理的选址定容实现了网络有功损耗的最小化，并在测试系统中得出微电源最佳接入位置。文献[8]在目标函数中加入了电压越限、电流越限及有功越限的惩罚因子，文献[9]将加入微电源和不加微电源2种情况的网络损耗做了对比并推导出网络损耗变化公式。

该类模型目标单一，考虑约束较少，建模较简单，通用性强。

2.2 目标为良好经济性的数学模型

文献[10-11]以包括网损在内的经济性综合指标为优化目标。文献[10]将投资费用，发电成本，缺电成本，网损等因素纳入同一目标函数，并将综合费用与单费用的优化结果进行比较，文献[11]分析了线路的负载能力和电网潮流，据此建立了含网损和运行费用的多目标模型。而文献[6，12]以另外的经济性指标——费效率（投入产出比）构建了适应度函数，并将其结果与费效比期望值对比，判断函数是否收敛。

该类模型根据研究对象的不同，考虑的经济因素和采用的经济指标也有所不同。

2.3 目标为综合指标最优的数学模型

较为全面的研究目标则是计及各项经济、环境因素在内，并以电压质量系统运行的稳定性、可靠性为约束的综合目标。文献[13]以综合经济成本最低为目标，针对风能、太阳能随机性和波动性的特点建立了节点电压越限率的约束。文献[3]先建立了某些微电源的投资、运行和排放成本的数学模型，再据此建立了网损优化模型和年发电成本模型。文献[14]以等年值投资费用最低为目标，加入了蓄电池充放电约束，并研究了微电源的选择，可靠性约束及环保成本对规划结果的影响。文献[15]以综合总效益最大为目标，在规划中引入清洁能源发展机制，加入了碳排放约束，建立了较为合理的微电网低碳经济模型。建模后先用实数矩阵对方案编码，以方便遗传算法求解。另外，还有考虑其他因素的研究，如文献[16]制定了“以电定热”和“以热定电”2种规划模型，前者优先满足电力供应，后者以满足热量需求为前提，并通过算例对2种方案进行了比较。

同时计及经济因素和环境因素，并根据实际情况考虑能源随机性，储能充放电约束等其他因素的综合模型是目前的研究重点。该类模型贴近实际应用，考虑问题较为具体，但建模和求解难度较大。

2.4 重要的子目标或约束模型

文献[17-18]在规划中计及环境成本，较好地体现了微电源在环保节能上的优势。文献[17]制定了环境改善率指标，并将该指标作为子目标实现，文献[18]考虑了各种污染物的环境价值和罚款。文献[19]将负荷和微电源的时序特性也纳入微电源建模，完善了规划模型。该研究采用蒙特卡洛模拟的随机潮流法作为判断解是否达到约束条件的方法，并通过遗传算法对某算例求解，比较了考虑和不考虑时序特性方案的区别。文献[17，20-25]将改善电压质量作为规划目标的一部分或重要约束。Joydeep Mitra[22-25]等人研究了微电源的选址定容，在约束条件中加入了较为完善的可靠性指标约束。文献[17]制订了电压改善指标，作为多目标之一，并在算例中用目标逼近法得到合适解。文献[20]将含投资成本，系统网损和电压稳定裕度的多目标优化问题转化成单一目标的模糊隶属度函数，得出该综合目标的总体满意度，并与各单目标规划的结果对比。

国外在微电源孤岛规划方面研究较早，在考虑经济性、可靠性和综合效益等方面都进行了深入研究，而我国在这方面的研究也取得了一定的进展，研究目标主要集中在最小的投资运行成本上，同时考虑良好的环境效益，并以一定的可靠性作为约束。

3 微电源孤岛规划算法研究现状

适用于微电源规划的算法包括某些人工智能算法和数学规划方法。文献[11，14，17，26-27]利用遗传算法，蚁群算法，细菌觅食算法等人工智能算法对微电源的位置和容量进行了优化，展现出对某些求解条件的适应性。文献[28]采用进化规划算法，通过与遗传算法对比，证实该方法具有求解速度快、精度高的优点。但该规划模型规模较小，所用方法并不适用于大规模规划。目前在微电源规划研究中较为常用的算法是粒子群优化算法。

粒子群优化（PSO）算法本质上是多代理并行算法，对复杂非线性问题寻优能力强。此外，该算法还具有通用性、鲁棒性、收敛性强且易于实现的优点。目前常用的权重改进粒子群算法是基于惯性权重可以平衡局部寻优和全局寻优能力，通过改进惯性权重，使得粒子群算法的性能得以提高的改进算法[29-32]。随着PSO算法不断改进，它在电力系统各领域的优化问题中得到广泛应用[33-39]。PSO算法的基本实现步骤如图1[34]所示。

图1 粒子群算法流程图Fig.1 Particle swarm algorithm flow chart

由于在求解优化问题上的有效性和通用性，粒子群算法及其改进算法在微电源规划中展现出广阔的应用前景。文献[8]引入惩罚因子将目标规划转换为无约束求极值问题，再采用改进的粒子群算法，提高了全局收敛能力。文献[18]在灵敏度分析的基础上采用原对偶内点算法，在算例分析中验证了该方法在优化电压分布和增强系统稳定性上的作用。文献[9]采用模拟退火算法改进传统的粒子群算法，与单独采用遗传算法和模拟退火算法相比，网络损耗是最优的，但该算法没有与未改进的粒子群算法在算例上做对比。文献[35]结合了禁忌差分算法的较强局部搜索能力、“爬山”能力、粒子群算法的并行处理性和对初始解要求不高的优点，提出了两者的混合算法。文献[3]先通过潮流计算确定网损最小时微电源的位置，再以年费用最低为目标，运用粒子群算法求解微电源容量与类型[40-41]。

目前的微电源孤岛规划算法以人工智能算法为主，只在规模较小的微电网中采用数学规划方法。人工智能算法中，粒子群算法由于其对不同规划模型适应性好且适宜解决非线性优化问题而广泛应用于微电源的孤岛规划中。随着智能算法不断改进，各种规划方法的求解速度普遍得到了提高。其中，粒子群算法与其他人工智能算法的混合应用能在规划过程中较好地弥补各自的缺陷，并发挥各自优势，为求解复杂的微电源规划问题开辟了新的思路。针对研究对象和前提条件的不同，如分布式电源的不确定性，规划模型的约束，规划中宜采取的算法也有区别。

4 研究展望

目前微电源孤岛规划的研究并不完善，还有很多待研究的问题鲜有涉及。在微电源孤岛规划中，以下几个方面值得注意：

1）目前的微电源孤岛规划方法多以偏远海岛为研究对象，其目标也限于投资运行成本最小、网损最小、环境污染最小等目标，而鲜见以供电的连续性和电能质量有特殊要求的重要场所为研究对象，以较高的可靠性为目标的规划。部分微电源利用可再生能源的优势毋庸置疑，但通过合理的选择和规划微电源，使一个孤立地区的供电连续性和可靠性上升到一个较高的层次同样能带来巨大的效益。

2）在微电源的类型选择上，国内研究针对环境恶化实际，多采用利用可再生能源的微电源，而较少有研究考虑将利用不可再生能源的微电源与利用可再生能源的微电源混合使用。在某些需要微电网的地区，能够利用的可再生能源资源并不充足，需要补充利用不可再生能源的微电源提高系统中的供电容量。

3）微电网中既有易于控制的微电源，也包含如风力发电、光伏发电等具有间歇性和不易控制的电源。不同的微电源对位置和容量的选择有不同的要求，在进行选址定容时，需要充分考虑这些约束条件[36-38]。同时，由于微电网本身具有的特点，如保证重要负荷的可持续供电、可孤岛运行等，在进行微电源的选址定容时，同样需要考虑在内，根据微电网的特性确定最优的微电源选址定容方案。

4）在规划目标相同，约束条件类似的情况下，对于同一供电区域，由于规划的方法不同，该区域配置微电源的方案可能存在差异。如何评价这些方案，并从中选出最优，成为一个迫切需要研究的问题[5]。目前的研究大多基于自己的研究情况而非研究对象本身选择评价体系，并没有归纳出针对某种对象的标准评价方法，也没有统一的评价指标。

5）混合的人工智能算法应用于微电源规划具有较强的适应性，但如何综合不同算法，怎样判断该算法的适用范围等问题难以解决。因此，目前的规划中关于单一算法的改进较多，而混合不同算法的尝试较少。

5 结语

通过合理规划微电源的位置、容量、类型，微电网能够充分利用可再生资源，满足暂时或永久孤立区域的负荷需求，并根据供电区域的多样化需求，满足经济性、可靠性、环境效益等方面的特殊要求。目前微电源孤岛规划的研究在我国虽然有一定的进展，但还存在很多亟待解决的问题，如孤岛规划的评价指标，减少微电源产生的谐波等。本文介绍了微电源孤岛规划的概念和研究现状，概述了规划中常用的算法，重点介绍了其中的粒子群算法，并分析了微电源孤岛规划中待解决的问题，为未来相关课题的研究奠定了基础。

[1] 吴涛涛，赵宏伟，李伟.基于分布式电源的孤立系统规划初探[J].继电器，2007，35（8）：31-36.WU Taotao，ZHAO Hongwei，LI Wei.Isolated power system planning based on distributed generation[J].Relay，2007，35（8）:31-36（in Chinese）.

[2] 鲁宗相，王彩霞，闵勇，等.微电网研究综述[J].电力系统自动化，2007，25（19）:100-107.LU Zongxiang，WANG Caixia，MIN Yong，et al.Overview on microgrid research[J].Automation of Electric Power Systems，2007，25（19）:100-107（in Chinese）.

[3] 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.

[4] 王锡凡.电力系统优化规划[M].北京：水利电力出版社，1990.

[5] 杨琦，马世英，宋云亭，等.分布式电源规划方案综合评判方法[J].电网技术，2012，36（2）：213-216.YANG Qi，MA Shiying，SONG Yunting，et al.Comprehensive evaluation of distributed generation planning scheme[J].Power System Technology，2012，36（2）：213-216（in Chinese）.

[6] 舒杰，张先勇，沈玉梁，等.可再生能源分布式微网电源规划方法及应用[J].控制理论与应用，2010，27（8）：675-680.SHU Jie，ZHANG Xianyong，SHEN Yuliang，et al.The algorithm and application in power sources planning and designing for micro-grid based on distributed renewable energy[J].Control Theory&Applications，2010，27（8）：675-680（in Chinese）.

[7] 钟华赞.计及微电网与移动发电车的城市配电网抗灾型多场景规划[D].天津：天津大学，2011.

[8] 汪兴旺，邱晓燕.基于改进粒子群算法的配电网分布式电源规划[J].电力系统保护与控制，2009，37（14）：16-20.WANG Xingwang，QIU Xiaoyan.Distributed generation planning in distribution system based on modified particle swarm optimization algorithm[J].Power System Protection and Control，2009，37（14）：16-20（in Chinese）.

[9] 刘波，张焰，杨娜.改进的粒子群优化算法在分布式电源选址和定容中的应用[J].电工技术学报，2008，23（2）：103-108.LIU Bo，ZHANG Yan，YANG Na.Improved particle swarm optimization method and its application in the siting and sizing of distributed generation planning[J].Transactions of China Electrotechnical Society，2008，23（2）：103-108（in Chinese）.

[10] 叶承晋，黄民翔.基于改进粒子群算法的分布式电源经济性最优规划[J].电力系统保护与控制，2012，40（19）:126-132.YE Chengjin，HUANG Minxiang.Distributed power optimally economical planning based on modified discrete particle swarm optimization algorithm[J].Power System Protection and Control， 2012， 40（19）:126-132 （in Chinese）.

[11] 伍春林.基于改进蚁群算法的微电网DG选址与定容[D].长沙：中南大学，2010.

[12] TENG J H，LUOR T S，LIU Y H.Strategic distributed generator placements for service reliability improvements[C].Chicago：Power Engineering Society Summer Meeting，2002.

[13] 卢洋，卢锦玲，石少通，等.考虑随机特性的微电网电源优化配置[J].电力系统及其自动化学报，2013，25（3）：108-114.LU Yang，LU Jinling，SHI Shaotong，et al.Optimal siting and sizing of distributed generation planning in microgrid by considering stochastic characteristic[J].Proceedings of the CSU-EPSA，2013，25（3）：108-114（in Chinese）.

[14] 马溪原，吴耀文，方华亮，等.采用改进细菌觅食算法的风/光/储混合微电网电源优化配置[J].中国电机工程学报，2011，31（25）：17-25.MA Xiyuan，WU Yaowen，FANG Hualiang，et al.Optimal sizing of hybrid solar-wind distributed generation in an islanded microgrid using improved bacterial foraging algorithm[J].Proceedings of the CSEE，2011，31（25）：17-25（in Chinese）.

[15] 邹国春，陈棋，石磊.低碳经济下的微电网电源规划研究[J].江苏电机工程，2011，30（6）：1-4.ZOU Guochun，CHEN Qi，SHI Lei.Study of micro power grid planning under low carbon economy[J].Jiangsu Electrical Engineering，2011，30（6）：1-4（in Chinese）.

[16] 朱兰，杨秀，符杨.含微型燃气轮机的微电网系统的优化规划研究[J].华东电力，2011，39（12）：2037-2039.ZHU Lan，YANG Xiu，FU Yang.Optimal plan and design for microgrid including microturbine[J].East China Electric Power，2011，39（12）：2037-2039（in Chinese）.

[17] 郑漳华，艾芊，顾承红，等.考虑环境因素的分布式发电多目标优化配置[J].中国电机工程学报，2009，29（13）：23-28.ZHENG Zhanghua，AI Qian，GU Chenghong，et al.Multiobjective allocation of distributed generation considering environmental facto[J].Proceedings of the CSEE，2009，29（13）：23-28（in Chinese）.

[18] 崔弘，郭熠昀，夏成军.考虑环境效益的分布式电源优化配置研究[J].华东电力，2010，38（12）：1968-1971.CUI Hong，GUO Yiyun，XIA Chengjun.Research on optimal allocation of distributed generation by considering environmental benefits[J].East China Electric Power，2010，38（12）：1968-1971（in Chinese）.

[19] 徐迅，陈楷，龙禹，等.考虑环境成本和时序特性的微网多类型分布式电源选址定容规划[J].电网技术，2013，37（4）:914-921.XU Xun，CHEN Kai，LONG Yu，et al.Optimal site selection and capacity determination of multi-types of distributed generation in microgrid considering environment cost and timing characteristics[J].Power System Technology，2013，37（4）:914-921（in Chinese）.

[20] 周巧俏，汤云岩，海晓涛.基于改进自适应遗传算法的分布式电源的选址和定容[J].研究与分析，2010（6）：40-43.ZHOU Qiaoqiao，TANG Yunyan，HAI Xiaotao.Siting and sizing of distributed generation planning based on improved adaptive genetic algorithm[J].Research and analysis，2010（6）：40-43（in Chinese）.

[21] 叶萌，刘文霞，张鑫.考虑电压质量的分布式电源选址定容[J].现代电力，2010，27（4）：30-34.YE Meng，LIU Wenxia，ZHANG Xin.Locating and sizing of distributed generation for improved voltage quality[J].Modern Electric Powet，2010，27（4）：30-34（in Chinese）.

[22] JOYDEEP Mitra，MALLIKARJUMA R Vallem，SHASHI B Patra.A probabilistic search method for optimal resource deployment in a microgrid[C]//International Conference on Probabilistic Methods Applied to Power Systems，PMAPS 2006，DOI:10.1109/PMAPS.2006.360239，11-15 June 22006.

[23] SHASHI B Patra，JOYDEEP Mitra，SATISH J Ranade.Microgrid architecture:a reliability constrained approach[C]//IEEE Power Engineering Society General Meeting，Klipsch Sch.of Electr.&Comput Eng，New Mexico State Univ.，Las Cruces，NM，USA，12-16 June，2005（3）:2372-2377.

[24] MALLIKARJUMA R Vallem，JOYDEEP Mitra，SHASHI B Patra.Distributed generation placement for optimal microgrid architecture[C]//IEEE PES Transmission and Distribution Conference and Exhibition，Klipsh Sch of Electr&Comput Eng，New Mexico State Univ，Las Cruces，NM，DOI:10.1109/TDC.2006.1668674，21-24 May 2006:1191-1195.

[25] MALLIKARJUMA R Vallem，JOYDEEP Mitra.Siting and sizing of distributed generation for optimal microgrid architecture[C]//Proceeding of the 37th Annual North American Power Symposium，Klipsch Sch.of Electr.&Comput Eng，New Mexico State Univ，Las Cruces，NM，USA，DOI:10.1109/NAPS.2005.1560597，23-25 Oct 2005:611-616.

[26] CELLI G，PILO F.MV network planning under uncertaintieson distributed generation penetration[C].Seattle：Power Engineeting Society Summer Meeting，2001.

[27] CELLI G，PILO F.Optimal distributed generation allocation in MV distribution networks[C].Sydney：22nd IEEE Power Engineering Society International Conference on Power Industry Computer Applications，2001.

[28] 韩天雄，熊家伟，赵宪，等.进化规划算法在分布式电源选址和定容中的应用[J].电力学报，2013，28（5）：370-373.HAN Tianxiong，XIONG Jiawei，ZHAO Xian，et al.Evolutionary programming method and its application in the locating and sizing of the distributed generator[J].Journal of Electric Power，2013，28（5）：370-373（in Chinese）.

[29] 宋胜利.混合粒子群协同优化算法及其应用研究[D].武汉：华中科技大学，2009.

[30] 余港.改进PSO算法及其应用[D].成都：成都理工大学，2010.

[31] 纪震，廖惠连，吴青华.粒子群算法及应用[M].北京：科学出版社，2008.

[32] 袁松贵，吴敏，彭赋，等.改进PSO算法用于电力系统无功优化的研究[J].高电压技术，2007，33（7）：159-162.YUAN Songgui，WU Min，PENG Fu，et al.Study on improved PSO algorithm applicated to reactive power optimization of power system[J].High Voltage Technology，2007，33（7）：159-162（in Chinese）.

[33] JONG-BAE P，KI-SONG L，JOONG-RIN S，et a1.A particle swarm optimization for economic dispatch with nonsmooth cost functions[J].IEEE Transactions on Power Systems，2005，20（1）：34-42.

[34] LEE K Y，EL-SHARKAWI M A.Modern heuristic optimization techniques with applications to power systems[J].IEEE Power Engineering Society，2002，45-51.

[35] 田颖.基于禁忌差分粒子群算法的分布式电源的选址和定容[D].北京：华北电力大学，2012.

[36] SHAGHAYEGHBAHRAMIRAD，WANDA REDER，AMIN KHODAEI.Reliability-constrained optimal sizing of energy storage system in a microgrid[J].IEEE Transactions on Smart Grid，2012，3（4）:2056-2062.

[37] 徐迅，高蓉，管必萍，等.微电网规划研究综述[J].电网与清洁能源，2012，28（7）：25-30.XU Xun，GAO Rong，GUAN Biping，et al.Overview of research on planning of micro-grid[J].Power System and Clean Energy，2012，28（7）：25-30（in Chinese）.

[38] 李乃湖，倪以信，孙舒捷，等.智能电网及其关键技术综述[J].南方电网技术，2010，4（3）：1-7.LI Naihu，NI Yixin，SUN Shujie，et al.Survey on smart grid and relevant key technologies[J].Southern Power System，2010，4（3）：1-7（in Chinese）.

[39] 王金全，黄丽，杨毅.基于多目标粒子群算法的微电网优化调度[J].电网与清洁能源，2014（1）：49-54.WANG Jinquan，HUANG Li，YANG Yi.Optimal dispatch of microgrid based on mult-objective particle swarm optimization[J].Power System and Clean Energy，2014（1）：49-54（in Chinese）.

[40] 李涵，王毅，张丽荣，等.孤岛模式下的微电网频率的协调控制研究[J].电力科学与工程，2012，28（12）:56-62.LI Han，WANG Yi，ZHANG Lirong，et al.Frequency coordination control strategy for microgrid in islanded operation[J].Electric Power Science and Engineering，2012，28（12）:56-62（in Chinese）.

[41] 岳建房，徐玉琴，张丽，等.带孤岛检测的两级式光伏并网系统重复控制技术[J].电力科学与工程，2011，27（9）:12-17.YUE Jianfang， XU Yuqin， ZHANG Li， et al.Gridconnected repetitive control with of two-stage gridconnected photovoltaic system with islanding detection[J].Electric Power Science and Engineering，2011，27（9）:12-17（in Chinese）.