基于SMCS-NSGAⅡ的独立型微网优化配置.pdf

第４４卷第１期２０１６年１月１日电力系统保护与控制ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌＶ０１．４４ＮＯ．１Ｊａｎ．１．２０１６基于ＳＭＣＳ．ＮＳＧＡＩＩ的独立型微网优化配置赵文会，余金龙，李士动（１．上海电力学院经济与管理学院，上海２０００９０；２．国网安徽省电力公司黄山供电公司，安徽黄山２４５０００３．国网山东省电力公司泰安供电公司，山东泰安２７１０００）摘要：针对独立型微网优化配置问题，采用风速、光照强度及负荷的概率模型和序贯蒙特卡罗模拟法处理风光出力和负荷的不确定性。建立了以总净现费用为经济性优化目标和以年二氧化碳排放量为环保性优化目标的多目标优化配置模型。通过设置概率约束的方法处理相关不确定性下供电可靠性约束问题，最后采用改进的非劣排序遗传算法对某算例进行仿真计算。讨论了供电可靠性置信水平和柴油价格增长对优化配置结果的影响，结果表明所提优化配置模型和方法的有效性。关键词：独立型微网；多目标；优化配置；不确定性；序贯蒙特卡罗模拟ＯｐｔｉｍａｌｃｏｎｆｉｇｕｒａｔｉｏｎｏｆｓｔａｎｄａｌｏｎｅｍｉｃｒｏｇｒｉｄｂａｓｅｄｏｎＳＭＣＳ－ＮＳＧＡＩＩａｌｇｏｒｉｔｈｍＺＨＡＯＷｅｎｈｕｉ，ＹＵＪｉｎｌｏｎｇ，ＬＩＳｈｉｄｏｎｇ（１．ＳｃｈｏｏｌｏｆＥｃｏｎｏｍｉｃｓａｎｄＭａｎａｇｅｍｅｎｔ，ＳｈａｎｇｈａｉＵｎｉｖｅｒｓｉｔｙｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒ，Ｓｈａｎｇｈａｉ２０００９０，Ｃｈｉｎａ；２．ＨｕａｎｇｓｈａｎＰｏｗｅｒＳｕｐｐｌｙＣｏｍｐａｎｙ，ＳｔａｔｅＧｒｉｄＡｎｈｕｉＥｌｅｃｔｒｉｃＰｏｗｅｒＣｏｍｐａｎｙ，Ｈｕａｎｇｓｈａｎ２４５０００，Ｃｈｉｎａ；３．ＴａｉａｎＰｏｗｅｒＳｕｐｐｌｙＣｏｍｐａｎｙ，ＳｔａｔｅＧｒｉｄＳｈａｎｄｏｎｇＥｌｅｃｔｒｉｃＰｏｗｅｒＣｏｍｐａｎｙ，Ｔａｉａｎ２７１０００，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ａｉｍｅｄａｔｔｈｅｏｐｔｉｍａｌｃｏｎｆｉｇｕｒａｔｉｏｎｐｒｏｂｌｅｍｏｆｓｔａｎｄａｌｏｎｅｍｉｃｒｏｇｒｉｄ，ｔｈｅｕｎｃｅｒｔａｉｎｔｉｅｓｏｆｗｉｎｄｐｏｗｅｒ，ｐｈｏｔｏｖｏｌｔａｉｃ（ＰＶ）ｐｏｗｅｒ，ａｎｄｌｏａｄａｒｅｍｏｄｅｌｅｄｕｓｉｎｇｔｈｅｉｒｐｒｏｂａｂｉｌｉｔｙｍｏｄｅｌａｎｄｓｅｑｕｅｎｔｉａｌＭｏｎｔｅＣａｒｌｏｓｉｍｕｌａｔｉｏｎ．Ａｍｕｌｔｉ．ｏｂｊｅｃｔｉｖｅｏｐｔｉｍａｌｍｏｄｅｌｃｏｎｓｉｄｅｒｉｎｇｔｈｅｎｅｔｐｒｅｓｅｎｔｃｏｓｔｉｎｔｈｅｆｕｌｌｌｉｆｅｃｙｃｌｅａｎｄｔｈｅｃａｒｂｏｎｄｉｏｘｉｄｅｅｍｉｓｓｉｏｎｓｉｎｅｖｅｒｙｙｅａｒｉｓｐｒｏｐｏｓｅｄ．Ｉｎｔｈｉｓｍｏｄｅｌ，ｔｈｅｐｒｏｂａｂｉｌｉｔｙｃｏｎｓｔｒａｉｎｅｄｃｏｎｃｅｍｉｎｇｔｈｅｒｅｌｉａｂｉｌｉｔｙｉｓａｐｐｅｎｄｅｄ，ａｎｄｔｈｅｎｏｎ．ｄｏｍｉｎａｔｅｄｓｏｒｔｉｎｇｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ－ＩＩｉｓｕｓｅｄｔｏｓｏｌｖｅｔｈｅｍｕｌｔｉ－ｏｂｊｅｃｔｉｖｅｍｏｄｅ１．Ｅｘａｍｐｌｅｓａｎａｌｙｚｅｔｈｅｅｆｆｅｃｔｓｏｆｄｉｆｆｅｒｅｎｔｃｏｎｆｉｄｅｎｃｅｌｅｖｅｌｏｆｒｅｌｉａｂｉｌｉｔｙａｎｄｄｉｅｓｅｌｐｒｉｃｅｏｎｔｈｅｏｐｔｉｍａｌｒｅｓｕｌｔｓ，ｗｈｉｃｈｐｒｏｖｅｔｈｅｖａｌｉｄｉｔｙｏｆｐｒｏｐｏｓｅｄｍｏｄｅｌａｎｄａｌｇｏｒｉｔｈｍ．ＴｈｉｓｗｏｒｋｉｓｓｕｐｐｏｒｔｅｄｂｙＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａ（ｙｏ．７１４０３１６３）．—Ｋｅｙｗｏｒｄｓ：ｓｔａｎｄａｌｏｎｅｍｉｃｒｏｇｒｉｄ；ｍｕｌｔｉｏｂｊｅｃｔｉｖｅ；ｏｐｔｉｍａｌｃｏｎｆｉｇｕｒａｔｉｏｎ；ｕｎｃｅｒｔａｉｎｔｙ；ｓｅｑｕｅｎｔｉａｌＭｏｎｔｅＣａｒｌｏｓｉｍｕｌａｔｉｏｎ中图分类号：ＴＭ７１０引言中国幅员辽阔，境内存在大量海岛等偏远地区，与大电网互联困难或者代价过大，长期用电紧张，而这些地区风、光等可再生资源往往较为丰富，近些年风力机（ｗＴ）、光伏电池（ＰＶ）等分布式发电技术的不断发展为解决这些地区用电困难问题提供了新的思路。相对于单一风力发电系统或光伏发电系统，基金项目：国家自然科学基金项目（７１４０３１６３）；教育部人文社—会科学研究般项目（１１ＹＪＣ７９０２９５）；上海市教委科研创新重点项目（１３ＺＳ１２１）；上海市哲学社科期划基金项目（２０１４ＢＪＢ０１７）——文章编号：１６７４－３４１５（２０１６）０１００９７０９包含风力机、光伏电池以及储能等设备的独立型微网系统无论是供电可靠性还是经济性等方面都存在较大的优势ＬｌＪ。由于独立型微网中往往包含多种分布式电源和储能装置，且负荷完全依靠系统内电源供电，这就对独立型微网系统的优化配置技术提出较高要求。针对上述问题，目前国内外学者多通过建立风力机、光伏电池等分布式电源的准稳态出力模型Ｊ、各分布式电源和系统运行约束等模型Ｊ，利用微网所在地的风速、光照强度和负荷等历史时序数据对系统进行时序仿真计算得到系统全寿命周期内优化目标值等信息；其中，优化目标主要分为两种形式，第一９８．电力系统保护与控制一种是将环保性、可靠性指标通过经济折算归一化为经济性指标的单一经济性优化目标形式］，最后求得一个综合最优解；第二种是将经济性、环保性和可靠性等作为优化目标的多优化目标形式【】Ｊ，最后求得一组帕累托（Ｐａｒｅｔｏ）最优解集，其中经济性目标主要包括等年值费用ｌ１们、总净现费用ｌｌｌｌ等形式，环保性目标包括污染气体排放量［１１－１２］等形式，可靠性目标则主要通过负荷缺电率ｌ６】、平均停电持续时间ｌ】引、系统平均停电频率【】Ｊ等指标表征；模型的求解则多采用遗传算法［１５］、进化算法『ｌ６］、粒子群＂］算法等智能算法。上述文献介绍的优化配置方法还存在一些局限：风速、光照强度等变量具有明显的随机性和问歇性，负荷也存在较大不确定性，这些不确定性会对已有的优化配置方法计算得到的系统配置在风速、光照和负荷发生一定程度波动的实际运行状态下的合理性、可靠性等方面提出了考验。文献［１８１在独立型光储供电系统优化配置中采用蒙特卡罗模拟法处理了光照强度的不确定性；文献［１９】在独立型风光储系统优化配置中利用序贯蒙特卡罗模拟法处理风光和负荷的不确定性，但仅将风力机、光伏电池容量作为优化变量，采用模式搜索法进行求解，该算法虽然可以减少计算量，但全局寻优能力较差，对优化变量初值要求很高，而独立型微网优化配置往往难以确定合适的初值。本文以独立型风光柴储微网为例研究其优化配置问题。首先，建立风速、光照强度和负荷的概率模型，并介绍处理其不确定性的序贯蒙特卡罗模拟ｆＳｅｑｕｅｎｔｉａｌＭｏｎｔｅＣａｒｌｏｓｉｍｕｌａｔｉｏｎ，ＳＭＣＳ）方法；然后以经济性和环保性为优化目标，对系统供电可靠性设置概率约束，建立了独立型风光柴储微网多目标优化配置模型，并采用改进的非劣排序遗传算法（Ｎｏｎｄｏｍｉｎａｔｅｄｓｏｒｔｉｎｇｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ－ＩＩ，ＮＳＧＡ－ＩＩ）对模型进行求解；最后针对某独立型风光柴储微网算例进行仿真计算，验证了本文所提优化配置模型和方法的有效性。１风光出力和负荷不确定性的处理方法１．１ｗＴ输出的概率模型ｗＴ输出的概率模型主要由风速的概率模型和基于风速的ｗＴ输出模型两部分构成，本文采用双参数的威布尔（ｗｅｉｂｕ１１）分布函数描述风速的分布特性，即－厂ｃＶ＝・（］～・ｅｘｐ［一（詈］］式中：Ａｖ）为风速的概率密度函数；ｖ为风速；ｋ为ｗｅｉｂｕ儿分布的形状参数；Ｃ为ｗｅｉｂｕｌ１分布的尺度参数。基于风速的ｗＴ输出模型详见文献［３．５】。１．２ＰＶ输出的概率模型ＰＶ输出的概率模型主要由光照强度的概率模型和基于光照强度的ＰＶ输出模型两部分构成，本文采用贝塔（Ｂｅｔａ）分布怛ｌ】描述光照强度的分布特性，即厂ｆＧ１：±ｆ１．ｆ１一旦１（２）一ｒ（ａ）ｒ（ｆ１）Ｇｍ／ｌＧｍ／一式中：．Ｇ）为光照强度的概率密度函数；Ｇ和Ｇ分别为一段时间内的实际光照强度和最大光照强度（ｋＷ／ｍ）；和为Ｂｅｔａ分布的形状参数。基于光照强度的ＰＶ输出模型详见文献［３．５］。１．３负荷的概率模型相关研究表明，负荷的随机性近似服从正态分布【１，则可得负荷的概率密度函数为八ＰＬ）唧Ｉ（３）式中，Ｌ和ｅｒｅ分别表示负荷的平均值和标准差。由于风速、光照强度和负荷在不同季节的不同时间存在较大差异，故本文将对一年中每个月份一天各个时刻的风速、光照强度和负荷进行概率建模，然后通过对这些概率模型的随机抽样得到全年时序样本数据。蓄电池储能系统的输出模型详见文献［４５］，柴油发电机（柴发）的输出模型详见文献［２２１。１．４序贯蒙特卡罗模拟法蒙特卡罗模拟法（ＭＣＳ）是一种基于概率统计理论的仿真算法，能够有效处理系统不确定性因素的影响，尤其适用于处理不确定性因素较多、较复杂的情况ｆ如时序性、负荷波动、天气因素等）引。风速、光照强度和负荷具有明显的时序性，因此独立型微网的优化配置往往需要进行时序仿真，本文采用能够有效计及上述不确定性变量时间上连续性的序贯蒙特卡罗模拟（ＳＭＣＳ）法，该方法主要是通过对上述风速、光照强度和负荷的概率模型进行随机抽样，获得若干个全年随机场景，然后将这些全年随机场景下仿真运行得出的优化目标的期望值作为不确定性场景下对应方案的评价指标。２独立型微网多目标优化配置模型…２．１优化变量模型一ⅣⅣⅣ选择微网系统中ｗＴ台数、Ｔ、ＰＶ板数量Ｐｖ、赵文会，等基于ＳＭＣＳ．ＮＳＧＡＩＩ的独立型微网优化配置．９９．Ⅳ蓄电池个数ＢＡＴ和柴发台数ＮＤ作为优化变量，即优化变量可定义为ⅣⅣⅣⅣＸ＝【Ｐ、，ＢＤＪ（４）２．２优化目标模型分别选择经济性和环保性作为优化目标，即优化目标为ｍｉｎＦ（Ｘ）＝ｍｉｎ｛ｆ（Ｘ），（）｝（５）式中，∞和分别表示经济性优化目标和环保性优化目标。２．２．１经济性目标模型Ⅳ选择微网工程全寿命周期内总净现成本（＝ＰＣ）作为经济性优化目标，即（Ｘ）＝ＮＰＣ（６）Ⅳ式中，＝ＰＣ包括工程全寿命周期内的所有成本和收入，可利用贴现率将未来的现金流换算到现值，其数学表达式如式（７）所示。—ＮＰＣ＝ｃ＋ｃ『Ｒ＋ＣＭ＋Ｂｓ（７）式中：Ｂ表示工程寿命结束后设备残值的现值；ＣＩ、ＣＲ、ＣＭ、ＣＦ分别表示系统的初始投资成本、置换费用、运行维护费用和燃料费用的现值，ＮＰＣ相关组成部分的计算公式如下。（１）Ｃｌ的计算公式ｃｉ（８）Ⅳ式中：Ｄ表示电源种类数；Ｍ表示第ｉ种电源的数量；Ｃ表示第ｉ种电源的单价。（２）的计算公式＝ｉ＝１兰ｉ＝１∑∑ｃＲ＝Ｉ票Ｉ（９１ｌ／式中：ｒ为贴现率；ｃｉ表示第ｉ种电源价格的年变化率；厶表示第ｉ种电源的寿命；表示第ｉ种电源置换次数，其计算公式如式（１０）。ｆ／厶一ｌｉｆＫ％厶＝０Ⅳ≠Ｒ１『／ｉｆｏ（）式中：表示工程的使用年限；％表示求余符号；ｆ］表示向下取整符号。（３）ＣＭ的计算公式∑∑ＣＭ＝ＮｐＫＮ，ＧＬ－ｔ－／￣Ｍ／ｉ＝１／＝ｌ（１１）∑∑…ＣＭ＝【．１（１１）＼Ｊｌ／式中：ＣＭ表示第ｉ种电源单台年运行维护费用；ＲＭ表示第ｉ种电源运行维护费用的年变化率。（４）的计算公式ＣＦ一喜Ｃｆ（］∑ＣＦ一ＣｆＩＩ（１２）式中：Ｑｍ为系统年柴油消耗量；Ｃｆ表示柴油价格；表示柴油价格的年变化率。２．２．２环保性目标模型近些年国内包括雾霾天气等在内的各种环境污染事件频发，未来微网工程的建设必将越来越重视环保问题，目前考虑的排放气体多指ＣＯ２，因此本文选择系统年ＣＯ２排放量氏Ｏ＾作为环保性优化目标，即（Ｘ）＝Ｅｃ。，（１３）在独立型风光柴储微网中，会产生ＣＯ２的电源只有柴发，因此认为ｏ等于年柴油消耗量乘以柴发的ＣＯ：排放系数，即。＝ｏ，（１４）式中，。ｃｃｏ为柴发的ＣＯ２排放系数。２．３系统运行约束模型２－３．１供电可靠性概率约束为了在仿真中合理评估风、光出力和负荷不确定性对系统供电可靠性的影响，本文对系统供电可靠性设置如下概率约束。（厂ＬＰｓＰ＞０）１一（１５）式中：表示供电可靠性约束的置信水平；．厂Ｌｓ表示系统年负荷缺电概率，其表达式［７Ｊ如式（１６）。８７６０／８７６０＝∑∑（ｆ）／ＰＬ（ｔ）（１６）式中：。。。（为ｆ时刻的负荷缺额；ＰＬ（为ｆ时刻负荷的大小。２．３．２电源相关约束（１）电源安装数量约束人ｎｉｎⅣｆｍ（１７）式中，和ｉ分别表示微网工程所允许的第ｉ种电源的最大和最小安装数量。（２）电源出力约束≤≤＇ｍｉＩｍａＸ（１８）式中，Ｐ打ｎ和Ｐ打ｎｉ分别表示第ｉ种电源的最大和最小出力。风力机、光伏电池的最大出力约束主要由各时刻的风速、光照强度决定；柴发允许的最小运行功率一般设为额定功率的０－３倍；蓄电池储能系统（ＢＥＳＳ）除了充放电功率需要满足上述约束外，还需对其荷电状态（ＳＯＣ）设定约束【２引，即≤ＳＯＣ＝ＳＯＣＳＯｃ『ｍ（１９）式中，ＳＯＣｍ和ＳＯＣｍｉ分别表示ＢＥＳＳ允许的ＳＯＣ一ｌ００．电力系统保护与控制Ｉ二限和下限。２．４模型的求解—本文选择ＮＳＧＡＩＩ算法对独立型微网的多目标优化配置问题进行求解，该算法有以下优点：（１、通过对种群进行基于分级的快速非支配排序，降低了算法的复杂性，提高了计算速度；（２）引入了精英策略，在父代种群和子代种群的中选择产生下一开始输入种群数Ｐｏｐ、最犬迭代次数Ｇｅｎ、交叉变异概率等参数迭代次数Ａ。＝１随机得到初始利群户讨的…～＋’目标函数值的大小ｌ刈Ｊｐ进行快速非支配排序，著通过交叉和变异得到子种群Ｑ｝Ｉ＿一＋’每个个体对应的聪标黼数值ｌ列兄进行快速非支酉芒排序．选择最优的ＰｏＤ个个体形成新的父代种群ＰＧ＼／——上是臣墨代种群，有利于保留父代种群中的优良个体，提高了种群的整体进化水平；（３）通过定义拥挤度概念，保证了种群在寻优过程中的多样性之。该优化算法已在一些多目标优化问题中得到有效应用，其求解流程如图ｌ所示。图１基于ＳＭＣＳ－ＮＳＧＡＩＩ算法的优化配置步骤Ｆｉｇ．１ＦｌｏｗｃｈａｒｔｏｆｏｐｔｉｍａｌｃｏｎｆｉｇｕｒａｔｉｏｎｂａｓｅｄｏｎＳＭＣＳ－ＮＳＧＡＩＩａｌｇｏｒｉｔｈｍ赵文会，等基于ｓＭＣｓ－ＮＳＧＡＩｌ的独立型微网优化配置．１０１．风力机、光伏电池的出力具有较大的间歇性和随机性，ＢＥＳＳ主要用于平抑风光出力的波动，柴发则主要充当补充电源和备用电源的角色。为合理协调时序仿真时各仿真时段系统内各电源的出力满足负荷需求，往往需要设计一套合理的运行策略，本文的仿真求解步骤和采用的运行策略如图１所示。图中：ＰｗＴ（、ｖ（分别表示ｆ时刻风力发电系统∽和光伏发电系统的最大出力；ＰＬ表示ｆ时刻负荷的大小；Ｐｃｍｉｎ和Ｐ分别表示ＢＥＳＳ允许的最小充∽电功率和柴油发电机允许的最小运行功率；Ｐ口和Ｐｄ；。（分别表示ｆ时刻柴油发电机的出力和ＢＥＳＳ放Ⅳ电功率的大小；ｍ表示ＳＭＣＳ的最大仿真年限数。运行策略具体介绍如下：（１）当风光出力过剩时，负荷优先由风光出力满足，若有功率过剩且过剩功率大于ＢＥＳＳ允许的最小充电功率ｊ时，则给ＢＥＳＳ充电，反之不充电，盈余功率通过可控负载消耗或者直接丢弃；ｆ２）当风光出力不足时，负荷优先由风光储出力来满足，柴油发电机不工作；（３）若风光储出力无法满足负荷需要，则ＢＥＳＳ不放电，此时负荷优先由风光柴出力满足；（４）若风光柴工作在允许的最大功率下仍不能完全满足负荷需要，再开启ＢＥＳＳ放电；（５）若所有电源同时工作仍不能满足负荷需要，则出现供电不足的情况，此时需切除部分非重要负荷。３仿真算例与结果分析３．１仿真算例为验证本文提出的优化配置模型和方法的有效性，下面对某独立型风光柴储微网算例进行仿真计算。图２的（ａ）、（ｂ）、（ｃ）分别所示的是本算例中一月份每天各个时刻风速、光照强度和负荷概率密度函数的相关参数。本算例待选电源的相关参数和安装数量限制如表１所示。选用的蓄电池为免维护铅酸蓄电池，使用期间运行维护费用为０Ｌ８Ｊ，ｗＴ和ＰＶ的运行维护费用主要与其额定容量有关，而柴油发电机运行维护费用与额定容量、实际运行功率有关。假设ｗＴ和ＰＶ的寿命为２０年，而柴油发电机的寿命由其实际运行时间决定，铅酸蓄电池的实际使用寿命则根据蓄电池寿命曲线，通过计算蓄电池等效充放电循环次数来计算Ｉ２引。工程寿命周期取２０年，贴现率，取６％，柴油价格Ｃｆ设定为７．３６元／Ｌ，上述数据和参数来自文献［８，２８］。ＮＳＧＡ．ＩＩ算法的参数设置如下：种群数取１００，最大迭代次数取１００，交叉率和变异率分别设定为０．９和０．１。冈静整堰图２一月份每天各个时刻风速、光照强度和负荷概率密度函数的参数Ｆｉｇ．２Ｐａｒａｍｅｔｅｒｓｏｆｔｈｅｐｒｏｂａｂｉｌｉｔｙｄｅｎｓｉｔｙｆｕｎｃｔｉｏｎｏｆｔｈｅｗｉｎｄ，ｌｉｇｈｔａｎｄｌｏａｄｖａｒｉｏｕｓｔｉｍｅｓｄａｉｌｙｉｎＪａｎｕａｒｙ表１待选电源型号及相关参数１．ａｂｌｅ１Ｐａｒａｍｅｔｅｒｓｏｆｅａｃｈｕｎｉｔ∞∞∞如加ｍＯ因静件鼙嘿匿米加５搁０５Ｏ．１０２一电力系统保护与控制３．２ＳＭＣＳ收敛次数判定对于ＳＭＣＳ而言，在一定的计算精度要求下，所需样本容量是一个随机变量；而在给定样本容量的情况下，计算精度也是一个随机变量＿２。对于独立型微网优化配置问题而言，当样本容量数，即最大仿真年限数ＪＶ趋于无穷大时样本均值将逼近其期望值，即其计算误差趋于零。在优化仿真求解Ⅳ过程中，对每一个个体至少要进行ｒ次全年时序ⅣⅣ仿真，ｍ过大时计算成本太高，ｍ太小则计算精度不够。因此，必须对计算成本和计算精度进行权衡，选择合适的最大仿真年限数。表２三种典型配置详情Ｔａｂｌｅ２Ｄｅｔａｉｌｓｏｆｔｈｅｔｈｒｅｅｔｙｐｉｃａｌｃｏｎｆｉｇｕｒａｔｉｏｎｓ表２为三种较为典型的系统配置，下面采用ＳＭＣＳ对这些配置在抽样得到的全年随机场景下进行全年时序仿真，得到的结果如图３所示。从图中可以看出，仿真年限数达到一定程度后两个优化目标的期望值接近收敛。因此，综合考虑计算量和计算精度，本文设定ＪＶ为２００。＼蓬】１廿仿真年限数／年（ｂ）图３三种典型配置仿真结果Ｆｉｇ．３Ｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｏｆｔｈｅｔｈｒｅｅｔｙｐｉｃａｌｃｏｎｆｉｇｕｒａｔｉｏｎｓ３．３仿真结果分析３．３．１不同置信水平下优化配置结果分析将系统供电可靠性的置信水平分别设定为０．８、０．９、１．０，仿真计算得到的结果如图４所示。三种置信水平下优化目标以及年负荷缺电概率的极值如表３所示。删挺趟ｌ＿ｊ斗图４不同供电可靠性置信水平下的仿真结果Ｆｉｇ．４Ｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｉｎｄｉｆｆｅｒｅｎｔｃｏｎｆｉｄｅｎｃｅｌｅｖｅｌｏｆｒｅｌｉａｂｉｌｉｔｙ表３优化目标及年负荷缺电概率的极值（极小值，极大值）Ｔａｂｌｅ３ＴｈｅｅｘｔｒｅｍｅｖａｌｕｅｏｆｔｈｅｏｐｔｉｍｉｚａｔｉｏｎｏｂｊｅｃｔｉｖｅｓａｎｄｆＬＰＳＰ首先从图４可以看出，三种不同置信水平下，ＮＰＣ和ｏ两个优化目标都呈现相互排斥的态势，但是随着ＮＰＣ的上升，０下降的趋势逐渐放缓：Ⅳ当Ｐｃ低于５５００万元时，０以较快的趋势下降；√而当ＮＰＣ超过６５００万元后，ｏＬ乎不再下降。可以看出，在当前的经济和技术水平下，独立型风光柴储微网中可再生能源出力比例的提高需要以经济成本的上升为代价，且随着经济成本的增加，减少单位ＣＯ排放所付出的经济成本逐渐增多。再来分析不同供电可靠性置信水平对优化配置结果的影响：置信水平的上升意味着对系统配置在各种随机场景下供电可靠性要求的提高，从表３中，｛ｆＰｓＰ的变化区间也能看出，置信水平高，优化得出的配置供电可靠性越高；但同时ＮＰＣ的极小Ⅳ值也有较大幅度的上升，例如，当为０．８时，尸ｃ最小的配置仅需４４８９．６９万元，而为１．０时（即要求系统配置在各种随机场景下１００％满足负荷需要），优化得出的Ｍ，Ｃ最低的配置需５１０６．１５万元。加４４４４４３３３３３３赵文会，等基于ＳＭＣＳ．ＮＳＧＡＩＩ的独立型微网优化配置一１０３．这说明随着系统供电可靠性要求的提高，所需付出最低经济成本也随之升高。因此，在实际微网优化配置中，可根据实际允许的经济费用区间和供电可靠性要求来设定合理的置信水平进行优化配置计算，保证经济性、供电可靠性等方面的平衡。３．３．２柴油价格敏感度分析虽然可再生能源在全社会能源消耗中所占比重逐年增大，但是未来较长一段时间内，传统化石能源将仍占主导地位，伴随着能源紧缺和需求增大，再加上政府对节能减排、保护环境的逐步重视，未来可能通过调整化石燃料税率、提高燃料品质、征收温室气体和污染气体排放惩罚等形式推高柴油等化石燃料的价格，但价格上涨幅度难以预计，因此下文对柴油价格上涨对系统配置的影响进行敏感度分析：将柴油价格ｃｆ分别设定为现价的１．５倍、２倍，即Ｃｆ＝ｌ１．０４、１４．７２元／Ｌ进行优化配置计算，得到的优化配置结果如图５所示。曲｛落ｌ１廿模型，采用设置概率约束的方法处理相关不确定性下的供电可靠性约束问题。最后，针对某算例进行仿真计算，分析讨论了不同供电可靠性置信水平和柴油价格对优化配置结果的影响，结果表明：（１）不同供电可靠性置信水平和柴油价格下，总净现费用和年ＣＯ２排放量两个优化目标均呈现相互排斥的态势；”（２）不同供电可靠性置信水平和柴油价格会对优化配置结果产生较大影响，实际微网优化配置时应从实际情况出发，合理处理风光出力、负荷以及柴油价格等不确定性因素对优化配置的影响。参考文献［１］ＫＡＳＨＥＦＩＫＡＶＩＡＮＩＡ，ＲＩＡＨＹＧＨ，ＫＯＵＨＳＡＲＩＳＨ［３］图５不同柴油价格下的仿真结果［４］Ｆｉｇ．５Ｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｉｎｄｉｆｆｅｒｅｎｔｄｉｅｓｅｌｐｒｉｃｅ从图５中可以看出，在几种不同的柴油价格水平下，ＮＰＣ和ｏ两个优化目标依旧保持此消彼长的态势，但是随着柴油价格不断上涨，优化得到的最优解集的ＮＰＣ极小值也随之增大，优化目标值的变化区间减小，也就是说优化得到的方案数变少。此外还可以看出，ＮＰＣ在约６０００万元以下时，柴油价格越高，减少单位ＣＯ：排放所付出的经济成本越少；当ＮＰＣ在约６０００万元以上时，不同柴油价格下优化得出的配置的ｏ接近相同，也就是说ＮＰＣ在约６０００万元以上的配置对柴油价格上涨的鲁棒性较强。［５］［６］４结论Ｅ７］本文针对风光出力和负荷的不确定性，建立了基于ＳＭＣＳ－ＮＳＧＡＩＩ的独立型微网多目标优化配置Ｏｐｔｉｍａｌｄｅｓｉｇｎｏｆａｒｅｌｉａｂｌｅｈｙｄｒｏｇｅｎ・－ｂａｓｅｄｓｔａｎｄ－－ａｌｏｎｅｗｉｎｄ／ＰＶｇｅｎｅｒａｔｉｎｇｓｙｓｔｅｍｃｏｎｓｉｄｅｒｉｎｇｃｏｍｐｏｎｅｎｔｏｕｔａｇｅｓ［Ｊ］．ＲｅｎｅｗａｂｌｅＥｎｅｒｇｙ，２００９，３４（１１）：２３８０－２３９０．王成山，武震，李鹏．微电网关键技术研究【Ｊ】＿电工技术学报，２０１４，２９（２）：１－１２．ＷＡＮＧＣｈｅｎｇｓｈａｎ，ＷＵＺｈｅｎ，ＬＩＰｅｎｇ．Ｒｅｓｅａｒｃｈｏｎｋｅｙｔｅｃｈｎｏｌｏｇｉｅｓｏｆｍｉｃｒｏｇｒｉｄ［Ｊ］．ＴｒａｎｓａｃｔｉｏｎｓｏｆＣｈｉｎａＥｌｅｃｔｒｏｔｅｃｈｎｉｃａｌＳｏｃｉｅｔｙ，２０１４，２９（２）：１－１２．韩璐，李凤婷，周二雄，等．基于成本一收益的微网分布式能源优化配置［Ｊ］．电工技术学报，２０１５，３０（１４）：３８７．３９６．ＨＡＮＬｕ，ＬＩＦｅｎｇｔｉｎｇ，ＺＨＯＵＥｒｘｉｏｎｇ，ｅｔａ１．Ｔｈｅｄｉｓｔｒｉｂｕｔｅｄｅｎｅｒｇｙｏｐｔｉｍｉｚａｔｉｏｎｃｏｎｆｉｇｕｒａｔｉｏｎｏｆｍｉｃｒｏ－ｇｒｉｄｂａｓｅｄｏｎｃｏｓｔ－ｂｅｎｅｆｉｔ［Ｊ］．ＴｒａｎｓａｃｔｉｏｎｓｏｆＣｈｉｎａＥｌｅｃｔｒｏｔｅｃｈｎｉｃａｌＳｏｃｉｅｔｙ，２０１５，３０（１４）：３８７－３９６．ＤＥＳＨＭＵＫＨＭＫ，ＤＥＳＨＭＵＫＨＳＳ．Ｍｏｄｅｌｉｎｇｏｆｈｙｂｒｉｄｒｅｎｅｗａｂｌｅｅｎｅｒｇｙｓｙｓｔｅｍｓ［Ｊ］．Ｒｅｎｅｗａｂｌｅａｎｄ—ＳｕｓｔａｉｎａｂｌｅＥｎｅｒｇｙＲｅｖｉｅｗｓ，２００８，１２（１）：２３５２４９．ＹＡＮＧＨ，ＬＵＬ，ＺＨＯＵＷＡｎｏｖｅｌｏｐｔｉｍｉｚａｔｉｏｎｓｉｚｉｎｇｍｏｄｅｌｆｏｒｈｙｂｒｉｄｓｏｌａｒ－ｗｉｎｄｐｏｗｅｒｇｅｎｅｒａｔｉｏｎｓｙｓｔｅｍ［Ｊ］．ＳｏｌａｒＥｎｅｒｇｙ，２００７，８１（１）：７６－８４．姚致清，张茜，刘喜梅．基于ＰＳＣＡＤ／ＥＭＴＤＣ的三相光伏并网发电系统仿真研究［Ｊ］．电力系统保护与控制，—２０１０，３８（１７）：７７８１．ＹＡＯＺｈｉｑｉｎｇ，ＺＨＡＮＧＱｉａｎ，ＬＩＵＸｉｍｅｉ．ＰＳＣＡＤ／ＥＭＴＤＣ－－ｂａｓｅｄｔｈｒｅｅ－－ｐｈａｓｅｐｈｏｔｏｖｏｌｔａｉｃｇｒｉｄｐｏｗｅｒｓｙｓｔｅｍｓｉｍｕｌａｔｉｏｎｒｅｓｅａｒｃｈ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１０，３８（１７）：７７－８１．徐林，阮新波，张步涵，等．风光蓄互补发电系统容量的改进优化配置方法［Ｊ］．中国电机工程学报，２０１２，３２（２５）：８８－９８．．１０４一电力系统保护与控制ＸＵＬｉｎ，ＲＵＡＮＸｉｎｂｏ，ＺＨＡＮＧＢｕｈａｎ，ｅｔａ１．Ａｎｉｍｐｒｏｖｅｄｏｐｔｉｍａｌｓｉｚｉｎｇｍｅｔｈｏｄｆｏｒｗｉｎｄ－ｓｏｌａｒ－ｂａｔｔｅｒｙｈｙｂｒｉｄｐｏｗｅｒｓｙｓｔｅｍ［Ｊ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＣＳＥＥ，２０１２，３２（２５）：８８－９８．［８］刘梦璇，王成山，郭力，等．基于多目标的独立微电网优化设计方法［Ｊ］＿电力系统自动化，２０１２，３６（１７）：３４．３９．ＬＩＵＭｅｎｇｘｕａｎ，ＷＡＮＧＣｈｅｎｇｓｈａｎ，ＧＵＯＬｉ，ｅｔａ１．Ａｎ—ｏｐｔｉｍａｌｄｅｓｉｇｎｍｅｔｈｏｄｏｆｍｕｌｔｉｏｂｊｅｃｔｉｖｅｂａｓｅｄｉｓｌａｎｄｍｉｃｒｏｇｒｉｄ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒＳｙｓｔｅｍｓ，—２０１２，３６（１７）：３４３９．［９］丁明，王波，赵波，等．独立风光柴储微网系统容量优化配置［Ｊ］．电网技术，２０１３，３７（３）：５７５．５８１．ＤＩＮＧＭｉｎｇ，ＷＡＮＧＢｏ，ＺＨＡＯＢｏ，ｅｔａ１．Ｃｏｎｆｉｇｕｒａｔｉｏｎ—ｏｐｔｉｍｉｚａｔｉｏｎｏｆｃａｐａｃｉｔｙｏｆｓｔａｎｄａｌｏｎｅＰＶ－ｗｉｎｄ－－ｄｉｅｓｅｌ・ｂａＲｅｒｙｈｙｂｒｉｄｍｉｃｒｏｇｒｉｄ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＴｅｃｈｎｏｌｏｇｙ，—２０１３，３７（３）：５７５５８１．［１０］陈健，王成山，赵波，等．考虑不同控制策略的独立型微电网优化配置［ＪＪ．电力系统自动化，２０１３，３７（１１）：１．６．ＣＨＥＮＪｉａｎ，ＷＡＮＧＣｈｅｎｇｓｈａｎ，ＺＨＡＯＢｏ，ｅｔａ１．Ｏｐｔｉｍａｌｓｉｚｉｎｇｆｏｒｓｔａｎｄ－ａｌｏｎｅｍｉｃｒｏｇｒｉｄｃｏｎｓｉｄｅｒｉｎｇｄｉｆｆｅｒｅｎｔｃｏｎｔｒｏｌｓｔｒａｔｅｇｉｅｓ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒＳｙｓｔｅｍｓ，２０１３，３７（１１）：１－６．——１１ｌｊＤＵＦＯＬＯＰＥＺ＆ＢＥＲＮＡＬＡＧＵＳＴＩＮＪＬ．Ｍｕｌｔｉ，ｏｂｊｅｃｔｉｖｅｄｅｓｉｇｎｏｆＰＶ－ｗｉｎｄ－－ｄｉｅｓｅｌ・－ｈｙｄｒｏｇｅｎ－－ｂａｔｔｅｒｙ—ｓｙｓｔｅｍｓ［Ｊ］．ＲｅｎｅｗａｂｌｅＥｎｅｒｇｙ，２００８，３３（１２）：２５５９２５７２．［１２］ＰＥＲＥＲＡＡＴＤ，ＡＴＴＡＬＡＧＥＲＡ，ＰＥＰ，ＥＲＡＫ，ｅｔａ１．Ｄｅｓｉｇｎｉｎｇｓｔａｎｄａｌｏｎｅｈｙｂｒｉｄｅｎｅｒｇｙｓｙｓｔｅｍｓｍｉｎｉｍｉｚｉｎｇｉｎｉｔｉａｌｉｎｖｅｓｔｍｅｎｔ，ｌｉｆｅｃｙｃｌｅｃｏｓｔａｎｄｐｏｌｌｕｔａｎｔ—ｅｍｉｓｓｉｏｎ［Ｊ］．Ｅｎｅｒｇｙ，２０１３，５４：２２０２３０．［１３］ＡＲＥＦＩＦＡＲＳＡ，ＭＯＨＡＭＥＤＹＡＲＩ，ＥＬ．Ｆ０ＵＬＹＴＨＭ．Ｏｐｔｉｍｕｍｍｉｃｒｏｇｒｉｄｄｅｓｉｇｎｆｏｒｅｎｈａｎｃｉｎｇｒｅｌｉａｂｉｌｉｔｙａｎｄｓｕｐｐｌｙ－ｓｅｃｕｒｉｔｙ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＳｍａｒｔＧｒｉｄ，—２０１３，４（３）：１５６７１５７５．［１４］王晶，陈江斌，束洪春．基于可靠性的微网容量最优—配置【Ｊ】．电力自动化设备，２０１４，３４（４）：１２０１２７．ＷＡＮＧＪｉｎｇ，ＣＨＥＮＪｉａｎｇｂｉｎ，ＳＨＵＨｏｎｇｃｈｕｎ．Ｍｉｃｒｏｇｒｉｄｃａｐａｃｉｔｙｃｏｎｆｉｇｕｒａｔｉｏｎｏｐｔｉｍｉｚａｔｉｏｎｂａｓｅｄｏｎｒｅｌｉａｂｉｌｉｔｙ［Ｊ］．ＥｌｅｃｔｒｉｃＰｏｗｅｒＡｕｔｏｍａｔｉｏｎＥｑｕｉｐｍｅｎｔ，２０１４，３４（４）：１２０－１２７．［１５］宋晓英，王艳松．基于协同进化遗传算法的微网经济环保调度［Ｊ］．电力系统保护与控制，２０１４，４２（５）：８５．８９．ＳＯＮＧＸｉａｏｙｉｎｇ，ＷＡＮＧＹａｎｓｏｎｇ．Ｅｃｏｎｏｍｉｃａｎｄｅｎｖｉｒｏｎｍｅｎｔａｌｄｉｓｐａｔｃｈｏｆｍｉｃｒｏｇｒｉｄｕｓｉｎｇｃｏ－ｅｖｏｌｕｔｉｏｎａｒｙｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａ—ｎｄＣｏｎｔｒｏｌ，２０１４，４２（５）：８５８９．［１６］杨琦，张建华，刘自发，等．风光互补混合供电系统多目标优化设计【ＪＪ．电力系统自动化，２００９，３３（１７）：８６．９Ｏ．—ＹＡＮＧＱｉ，ＺＨＡＮＧＪｉａｎｈｕａ，ＬＩＵＺｉｆａ，ｅｔａ１．ＭｕｌｔｉｏｂｊｅｃｔｉｖｅｏｐｔｉｍｉｚａｔｉｏｎｏｆｈｙｂｒｉｄＰＶ／ｗｉｎｄｐｏｗｅｒｓｕｐｐｌｙｓｙｓｔｅｍ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒＳｙｓｔｅｍｓ，２００９，３３（１７）：８６－９０．［１７］ＫＡＳＨＥＦＩＫＡＶＩＡＮＩＡ，ＲＩＡＨＹＧＨ，ＫＯＵＨＳＡＲＩＳＨ．Ｏｐｔｉｍａｌｄｅｓｉｇｎｏｆａｒｅｌｉａｂｌｅｈｙｄｒｏｇｅｎ－・ｂａｓｅｄｓｔａｎｄ－－ａｌｏｎｅｗｉｎｄ／ＰＶｇｅｎｅｒ￣ｉｎｇｓｙｓｔｅｍ，ｃｏｎｓｉｄｅｒｉｎｇｃｏｍｐｏｎｅｎｔｏｕｔａｇｅｓ［Ｊ］．ＲｅｎｅｗａｂｌｅＥｎｅｒｇｙ，２００９，３４（１１）：２３８０－２３９０．’［１８］ＡＲＵ－ＮＰＢＡＮＥＲＪＥＥＲ，ＢＡＮＤＹＯＰＡＤＨＹＡＹＳ．ＯｐｔｉｍｕｍｓｉｚｉｎｇｏｆｐｈｏｔｏｖｏｌｔａｉｃｂａＲｅｒｙｓｙｓｔｅｍｓｉｎｃｏｒｐｏｒａｔｉｎｇｕｎｃｅｒｔａｉｎｔｙｔｈｒｏｕｇｈｄｅｓｉｇｎｓｐａｃｅａｐｐｒｏａｃｈ［Ｊ］．ＳｏｌａｒＥｎｅｒｇｙ，２００９，８３（７）：１０１３－１０２５．［１９］ＡＲＡＢＡＬＩＡ，ＧＨＯＦＲＡＮＩＭ，ＥＴＥＺＡＤＩ－ＡＭＯＬＩＭ，ｅｔａ１．Ｓｔｏｃｈａｓｔｉｃｐｅｒｆｏｒｍａｎｃｅａｓｓｅｓｓｍｅｎｔａｎｄｓｉｚｉｎｇｆｏｒａｈｙｂｒｉｄｐｏｗｅｒｓｙｓｔｅｍｏｆｓｏｌａｒ／ｗｉｎｄ／ｅｎｅｒｇｙｓｔｏｒａｇｅ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＳｕｓｔａｉｎａｂｌｅＥｎｅｒｇｙ，２０１４，５（２）：３６３．３７１．［２０］张建华，王昕伟，蒋程，等．基于蒙特卡罗方法的风电场有功出力的概率性评估［Ｊ］．电力系统保护与控制，—２０１４，４２（３）：８２８７．ⅥＺＨＡＮＧＪｉａｎｈｕａ，，ＡＮＧＸｉｎｗｅｉ，ＪＩＡＮＧＣｈｅｎｇ，ｅｔａ１．ＰｒｏｂａｂｉｌｉｓｔｉｃａｓｓｅｓｓｍｅｎｔｏｆｗｉｎｄｆａｒｍａｃｔｉｖｅｐｏｗｅｒｂａｓｅｄｏｎＭｏｎｔｅ－Ｃａｒｌｏｓｉｍｕｌａｔｉｏｎ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎ—ａｎｄＣｏｎｔｒｏｌ，２０１４，４２（３）：８２８７．［２１］于青，刘刚，刘自发，等．基于量子微分进化算法的分布式电源多目标优化规划［Ｊ】．电力系统保护与控制，—２０１３，４１（１４）：６６７２．—ＹＵＱｉｎｇ，ＬＩＵＧａｎｇ，ＬＩＵＺｉｆａ，ｅｔａ１．Ｍｕｌｔｉｏｂｊｅｃｔｉｖｅｏｐｔｉｍａｌｐｌａｎｎｉｎｇｏｆｄｉｓｔｒｉｂｕｔｅｄｇｅｎｅｒａｔｉｏｎｂａｓｅｄｏｎｑｕａｎｔｕｍｄｉｆｆｅｒｅｎｔｉａｌｅｖｏｌｕｔｉｏｎａｌｇｏｒｉｔｈｍ［Ｊ］．Ｐｏｗｅｒ—ＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１３，４１（１４）：６６７２．［２２］杨秀，陈洁，朱兰，等．基于经济调度的微网储能优化—配置［Ｊ］．电力系统保护与控制，２０１３，４１（１）：５３６０．ＹＡＮＧＸｉｕ，ＣＨＥＮＪｉｅ，ＺＨＵＬａｎ，ｅｔａ１．Ｏｐｔｉｍｉｚａｔｉｏｎａｌｌｏｃａｔｉｏｎｏｆｅｎｅｒｇｙｓｔｏｒａｇｅｆｏｒｍｉｃｒｏｇｒｉｄｂａｓｅｄｏｎｅｃｏｎｏｍｉｃｄｉｓｐａｔｃｈ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄ—Ｃｏｎｔｒｏｌ，２０１３，４１（１）：５３６０．［２３］李庚银，高亚静，周明．可用输电能力评估的序贯蒙赵文会，等基于ＳＭＣＳ－ＮＳＧＡＩＩ的独立型微网优化配置．１０５．特卡罗仿真法［Ｊ］．中国电机工程学报，２００８，２８（２５）：７４．７９．ＬＩＧｅｎｇｙｉｎ，ＧＡＯＹａｊｉｎｇ，ＺＨＯＵＭｉｎｇ．ＳｅｑｕｅｎｔｉａｌＭｏｎｔｅＣａｒｌｏｓｉｍｕｌａｔｉｏｎａｐｐｒｏａｃｈｆｏｒａｓｓｅｓｓｍｅｎｔｏｆａｖａｉｌａｂｌｅｔｒａｎｓｆｅｒｃａｐａｂｉｌｉｔｙ［Ｊ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＣＳＥＥ，—２００８，２８（２５）：７４７９．’［２４］ＰＡＬＩＷＡＬＰ＇ＰＡＴＩＤＡＲＮＰＮＥＭＡＲＫ．Ｄｅｔｅｒｍｉｎａｔｉｏｎｏｆｒｅｌｉａｂｉｌｉｔｙｃｏｎｓｔｒａｉｎｅｄｏｐｔｉｍａｌｒｅｓｏｕｒｃｅｍｉｘｆｏｒａｎａｕｔｏｎｏｍｏｕｓｈｙｂｒｉｄｐｏｗｅｒｓｙｓｔｅｍｕｓｉｎｇｐａｒｔｉｃｌｅｓｗａｒｎｌｏｐｔｉｍｉｚａｔｉｏｎ［Ｊ］．ＲｅｎｅｗａｂｌｅＥｎｅｒｇｙ，２０１４，６３：１９４－２０４．［２５］刘方，杨秀，时珊珊，等．基于序列运算的微网经济优化调度［Ｊ】．电工技术学报，２０１５，３０（２０）：２２７．２３７．ＬＩＵＦａｎｇ，ＹＡＮＧＸｉｕ，ＳＨＩＳｈａｎｓｈａｎ，ｅｔａ１．Ｅｃｏｎｏｍｉｃ—ｏｐｅｒａｔｉｏｎｏｆｍｉｃｒｏｇｒｉｄｂａｓｅｄｏｎｓｅｑｕｅｎｃｅｏｐｅｒａｔｉｏｎ［Ｊ］．ＴｒａｎｓａｃｔｉｏｎｓｏｆＣｈｉｎａＥｌｅｃｔｒｏｔｅｃｈｎｉｃａｌＳｏｃｉｅｔｙ，２０１５，３０（２０）：２２７－２３７．［２６］陈征，肖湘宁，路欣怡，等．含光伏发电系统的电动汽车充电站多目标容量优化配置方法［Ｊ］．电工技术学报，—２０１３，２８（６）：２３８２４８．ＣＨＥＮＺｈｅｎｇ，ＸＩＡＯＸｉａｎｇｎｉｎｇ，ＬＵＸｉｎｙｉ，ｅｔａ１．Ｍｕｌｔｉ－ｏｂｊｅｃｔｉｖｅｏｐｔｉｍｉｚａｔｉｏｎｆｏｒｃａｐａｃｉｔｙｃｏｎｆｉｇｕｒａｔｉｏｎｏｆＰＶ－ｂａｓｅｄｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅｃｈａｒｇｉｎｇｓｔａｔｉｏｎｓ［Ｊ］．Ｔｒａｎｓａｃｔｉｏｎｓ—ｏｆＣｈｉｎａＥｌｅｃｔｒｏｔｅｃｈｎｉｃａｌＳｏｃｉｅｔｙ，２０１３，２８（６）：２３８２４８．［２７］赵媛媛，艾芊，余志文，等．考虑多种因素评估的微电网优化调度［Ｊ］．电力系统保护与控制，２０１４，４２（２３）：２３．３０．ＺＨＡＯＹｕａｎｙｕａｎ，ＡＩＱｉａｎ，ＹＵＺｈｉｗｅｎ，ｅｔａ１．Ａｍｉｃｒｏｇｒｉｄｏｐｆｉｍ￣ｓｃｈｅｄｕｌｉｎｇｃｏｎｓｉｄｅｒｉｎｇｔｈｅａｓｓｅｓｓｍｅｎｔｏｆｖａｒｉｏｕｓｆａｃｔｏｒｓ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１４，—４２（２３）：２３３０．［２８］陈健，王成山，赵波，等．考虑储能系统特性的独立微电网系统经济运行优化［Ｊ］．电力系统自动化，２０１２，３６（２０）：２５－３１．ＣＨＥＮＪｉａｎ，ＷＡＮＧＣｈｅｎｇｓｈａｎ，ＺＨＡＯＢｏ，ｅｔａ１．—Ｅｃｏｎｏｍｉｃｏｐｅｒａｔｉｏｎｏｆａｓｔａｎｄａｌｏｎｅｍｉｃｒｏｇｒｉｄｓｙｓｔｅｍｃｏｎｓｉｄｅｒｉｎｇｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｅｎｅｒｇｙｓｔｏｒａｇｅｓｙｓｔｅｍ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒＳｙｓｔｅｍｓ，２０１２，３６（２０）：２５．３１．［２９］赵渊，周家启，刘志宏．大电网可靠性的序贯和非序贯蒙特卡洛仿真的收敛性分析及比较［Ｊ］．电工技术学报，２００９，２４（１１）：１２７－１３３．ＺＨＡＯＹｕａｎ，ＺＨＯＵＪｉａｑｉ，ＬＩＵＺｈｉｈｏｎｇ．ＥｃｏｎｏｍｉｃｃｏｎｖｅｒｇｅｎｃｅａｎａｌｙｓｉｓａｎｄｃｏｍｐａｒｉｓｏｎｏｆｓｅｑｕｅｎｔｉａｌａｎｄｎｏｎｓｅｑｕｅｎｔｉａｌＭｏｎｔｅ－Ｃａｒｌｏｓｉｍｕｌａｔｉｏｎｆｏｒｂｕｌｋｐｏｗｅｒｓｙｓｔｅｍｒｅｌｉａｂｉｌｉｔｙａｓｓｅｓｓｍｅｎｔ［Ｊ］．ＴｒａｎｓａｃｔｉｏｎｓｏｆＣｈｉｎａＥｌｅｃｔｒｏｔｅｃｈｎｉｃａｌＳｏｃｉｅｔｙ，２００９，２４（１１）：１２７－１３３．收稿日期：２０１５－０３－１４；修回Ｅｔ期：２０１５－０５－１９作者简介：赵文会（１９７７一），女，博士，教授，主要研究方向为能源经济、系统分析与优化；余金龙（１９９０－），男，通信作者，硕士研究生，主要研究方向为分布式电源和微网优化技术；Ｅｍａｉｌ：ｙｕｊｉｎｌｏｎｇ９０＠１２６．ｃｏｍ李士动（１９８９一），男，硕士研究生，研究方向为电力市场理论、电力系统运行优化。（编辑姜新丽）