摘要

針對風光柴蓄獨立微網系統,提出了考慮補貼的容量配置優化方法。該方法以總凈現成本最低為優化目標,以負荷缺額率為約束條件保證供電可靠性,采用遺傳算法優化系統容量配置。通過測試基于該方法所開發的軟件,驗證其了正確性,并以此作為仿真平臺,實現了多種電源組合方式下考慮補貼的容量配置優化仿真分析。分析結果表明,在獨立微網系統容量配置優化時,不同補貼方式會對系統容量配置優化結果有較大影響;在所研究的補貼標準下,按發電量補貼方式比按投資安裝補貼方式投資商可獲得的總補貼收益更多,總投資成本更少。

關鍵詞 :補貼; 獨立微網; 負荷增長; 遺傳算法; 運行模式;

0 引言

長期以來,受地理條件限制,在孤立的海島建設與大電網互聯的常規輸配電系統變得較為困難,因此能源問題就一直成為限制其發展的重要因素之一。一般來說,海島擁有豐富的風能和太陽能等可再生能源。隨著風力發電和光伏發電技術的發展,由風力發電機、光伏陣列、柴油發電機和蓄電池組成的獨立微網系統[1-3],由于其相對較低的運行成本和較高的供電可靠性,成為解決孤立海島供電問題的有效方法之一。

針對微電網的容量配置優化問題,國內外已經取得一定的研究成果。微網配置優化首先要考慮的問題是負荷和可再生能源數據的分析。對于風速和光照數據的分析,一般采用的是確定性分析法[4-6],此方法簡單直接,選取符合當地氣候數據特征的典型歷史數據樣本作為研究對象。由于在工程應用周期內研究對象的氣候一般不會發生太大變化,確定性分析法可以滿足仿真要求。文獻[5-6]基于一年8760 h準穩態數據進行逐時計算,得到微網系統全年運行情況。目前關于微網配置優化的大多數研究,其負荷模型一般沒有考慮負荷增長問題。獨立微網系統一般都不會太大,負荷增長也較為緩慢。但對于工程應用周期較長的規劃場景,以不變的負荷數據進行仿真計算所得的配置容量到工程應用后期可能無法保證供電可靠性,不能滿足實際的微網規劃設計要求,在此場景下就有必要考慮負荷增長問題[6]。

獨立微網容量配置優化的目標一般可以是系統總成本最小化、供電可靠性最大化、污染排放最小化、投資凈收益最大化等目標中單個或多個[3-13]。文獻[5]提出了包含微網全壽命周期內的總凈現成本、負荷容量缺額率和污染排放的多目標優化設計模型,但未將污染排放納入經濟成本里面;文

獻[8-9]提出了綜合考慮系統壽命周期成本和污染懲罰的優化模型,使系統配置優化兼具經濟性和環保性,但沒有考慮可再生能源發電補貼因素。然而目前包括中國在內的許多國家都出臺了一些鼓勵開發利用可再生能源發電的補貼政策,主要有一次性投資安裝補貼和按發電量補貼等[10,14-16]。文

獻[10]針對并網型微電網中光伏上網補貼進行了靈敏度分析,研究發現補貼會對投資開發商的收益產生積極影響。文獻[16]建立了風光柴蓄獨立微網系統模型和經濟性模型,并在經濟成本中考慮了按發電量進行補貼,但對投資安裝補貼問題沒有涉及。

本文提出了考慮補貼的獨立微網容量配置優化方法,建立了仿真平臺,比較分析了多種電源組合方式下的容量配置特點及系統成本,研究分析了不同補貼方式下獨立微網系統最優容量配置的補貼收益和成本。

1 系統模型與運行模式

1.1 系統構建

本文設計的系統結構如圖1所示。

圖1 獨立微網系統結構

Fig. 1 Structure of a stand-alone microgrid system

風力發電和光伏發電只有設備自身成本和運行維護成本,且不會產生任何污染,是理想的綠色環保能源,因此以風力發電機和光伏陣列作為系統主要電源向負荷供電。但考慮到其發電量受天氣影響較大,具有顯著的間歇性和隨機性特點,因此需要備用電源,以保證系統供電可靠性。柴油發電機因其靈活、便捷、可靠的特點,可以很好地滿足備用電源要求。同時采用蓄電池作為儲能設備,在風光發電量大于負荷時存儲多余能量,在風光發電量不足時放出存儲能量,在系統中起“削峰補谷”的調節作用。由風光柴蓄組成的獨立微網系統可以經濟可靠地為孤立海島供電。

在本文的系統模型中,忽略了交直流變換的損耗和輸配電線路的損耗。

1.2 系統元件模型

1.2.1 風力發電機模型

本文根據風力發電機離散功率曲線,采用拉格朗日三次差值法來計算輸出功率。

PW=∑n=1NPnln(v)PW=∑n=1NPnln(v) (1)

式中：PW為風力發電機實際輸出功率;Pn為風機離散功率曲線上給定點n的功率,共有N個點;v為平均風速;ln( )為插值函數。

1.2.2 光伏陣列模型

光伏陣列實際輸出功率計算公式為

PPV=YPVfPVGTGT,STCPPV=YPVfPVGTGT,STC (2)

式中：PPV為光伏陣列實際輸出功率;YPV為光伏陣列額定輸出功率;fPV為減損系數;GT為照射到光伏板上的輻射量;GT,STC為標準測試條件下的輻

射量。

1.2.3 柴油發電機模型

柴油發電機的燃料消耗量是其輸出功率的線性函數,即

F=F0⋅Ygen+F1⋅PgenF=F0⋅Ygen+F1⋅Pgen (3)

式中：F為燃料消耗率;F0為截距系數;F1為斜率;Ygen為柴油發電機額定功率;Pgen為實際輸出功率。

柴油發電機運行功率約束為

lmin≤PgenYgen≤1lmin≤PgenYgen≤1 (4)

式中lmin為柴油機最小負載率。

1.2.4 蓄電池模型

本文蓄電池模型采用動力電池模型[17](kinetic battery model,KiBaM)。根據電池充放電功率大小,可以計算出充放電后的可用能量和束縛能量。

式中：Q為電池組總能量;Q1、Q2為時間步長開始時的可用能量和束縛能量;Q1,end、Q2,end為時間步長結束時的可用能量和束縛能量;Pb為蓄電池實際的充放電功率,正值表示放電,負值表示充電;ΔtΔt為時間步長;kb為速率常數;c為可用能量的容量與總容量的比值。

蓄電池荷電狀態(state of ge,SOC)約束條件為

SOCmin

式中SOC,max、SOC,min分別為蓄電池最大和最小荷電狀態。

1.2 運行模式

本文設計了一種復合運行模式,針對不同大小的凈負荷采用不同運行模式。系統凈負荷表示為

Pdk(i)=Lk(i)−PW(i)−PPV(i)Pdk(i)=Lk(i)−PW(i)−PPV(i) (8)

Lk(i)=Lbase(i)⋅(1+rL)kLk(i)=Lbase(i)⋅(1+rL)k (9)

式中：Pd,k(i)、Lk(i)分別為第k年時間步長i(i=1,2,3,…,8760)的凈負荷和實際負荷;PW(i)、PPV(i)分別為風力發電機和光伏陣列在時間步長i的發電功率;Lbase(i)為時間步長i的負荷基準值;rL為年負荷預測增長率。

對于不同大小的凈負荷,柴油發電機發電成本和蓄電池供電成本是不同的。柴油發電機的單位功率發電成本為

式中：Cg為柴油發電機單位功率發電成本;Cf、CO&M,d、Crep,d分別為柴油發電機的每小時的消耗燃料成本、運行維護成本和置換成本;cf為油價。

蓄電池單位功率供電成本主要是電池自身損耗成本和利用柴油發電機充電時消耗的燃料成本,或稱為增加燃料成本。當蓄電池利用風電和光伏剩余電能充電時,其供電成本就只有自身損耗成本。

Cw=CB,RQlifetimeηrt√Cw=CB,RQlifetimeηrt (11)

Cc=F1cfηrtCc=F1cfηrt (12)

式中：Cw、Cc分別為電池自身損耗成本和增加燃料成本;CB,R為蓄電池的置換成本;Qlifetime為電池組壽命周期吞吐量;ηrt為蓄電池充放電循環效率。

因此得到柴油發電機發電成本和蓄電池供電成本曲線如圖2所示。

圖2 柴油發電機和蓄電池供電成本

Fig. 2 Generating costs of diesel and battery

圖2中：Ld為柴油發電機發電成本和蓄電池損耗成本相等時的凈負荷;Lc為利用柴油發電機充電的蓄電池供電成本和柴油發電機供電成本相等時柴油發電機和蓄電池供電成本 的凈負荷。由圖2可知,當Pd,k(i)Ld時,柴油發電機的供電成本低于蓄電池自身損耗成本,因此此時應當由柴油發電機運行供電。由此本文設計的詳細運行模式如

圖3所示。圖3中：Pbcmax、Pbdmax分別為蓄電池最大充、放電功率;Wq為負荷缺額電量;Ws為舍棄電量。

2 系統優化方法

2.1 優化變量

本文選擇風力發電機臺數NW,光伏陣列片數NPV,柴油發電機臺數ND和蓄電池組數NB作為待優化變量。

2.2 目標函數

本文基于獨立微網系統運行經濟性,以系統壽命周期內的總凈現成本(net present cost,NPC)最小作為優化目標。同時考慮到環境效益,將可再生能源補貼收益和污染排放處理成本納入凈現成本中,詳細目標函數為

min f=∑k=1RC(k)−B(k)(1+r)k+CImin f=∑k=1RC(k)−B(k)(1+r)k+CI (13)

C(k)=CR(k)+CO&M(k)+CF(k)+CE(k)C(k)=CR(k)+CO&M(k)+CF(k)+CE(k) (14)

B(k)=S(k)+W(k)B(k)=S(k)+W(k) (15)

CI=(CW,I+CPV,I)⋅(1−rS)+CD,I+CB,ICI=(CW,I+CPV,I)⋅(1−rS)+CD,I+CB,I (16)

CR(k)=CW,R(k)+CPV,R(k)+CD,R(k)+CB,R(k)CR(k)=CW,R(k)+CPV,R(k)+CD,R(k)+CB,R(k)(17)

CO&M(k)=CW,OM(k)+CPV,OM(k)+ CD,OM(k)+CB,OM(k)CO&M(k)=CW,OM(k)+CPV,OM(k)+ CD,OM(k)+CB,OM(k) (18)

式中：f為系統壽命周期的總凈現成本;R為系統壽

圖3 運行模式框圖

Fig. 3 Block diagram of operation mode

命;r為貼現率;rS為風電、光伏投資安裝補貼率;

CI為各種電源設備的安裝成本;C(k)、B(k)為第k年的其他成本和收入;CR(k)、CO&M(k)、CF(k)、CE(k)分別為第k年的置換成本、運行維護成本、燃料成本和排放氣體的處理成本;S(k)為各種電源設備的折現值,只會產生于系統壽命的最后一年;W(k)為第k年的按發電量補貼收益;CW,I、CPV,I、CD,I、CB,I分別為風力發電機、光伏陣列、柴油發電機和蓄電池的安裝成本;CW,R(k)、CPV,R(k)、CD,R(k)、CB,R(k)分別為風力發電機、光伏陣列、柴油發電機和蓄電池第k年的置換成本;CW,OM(k)、CPV,OM(k)、CD,OM(k)、CB,OM(k)分別為風力發電機、光伏陣列、柴油發電機和蓄電池第k年的運行維護成本。

2.3 可靠性約束

本文以負荷缺額率(loss of capacity,LOC)作為邊界條件來保證供電可靠性,并采用懲罰函數法對優化變量進行約束。負荷缺額率表示為

LOC=∑i=18760Wq(i)∑i=18760Lk(i)LOC=∑i=18760Wq(i)∑i=18760Lk(i) (19)

式中Wq(i)為時間步長i的負荷缺額電量。

LOC≤LOC,maxLOC≤LOC,max (20)

式中LOC,max為允許的最大負荷缺額率。

2.4 優化算法

遺傳算法[18]是模擬生物進化論自然選擇和遺傳學機理的生物進化過程的計算模型,是一種通過模擬自然進化過程搜索最優解的方法。其通過逐漸剔除劣等的配置組合,保留優秀的配置組合,最后找出最優的配置組合結果。

遺傳算法可以表達為

SGA=(C,E,P0,M,?,Γ,Ψ,T)SGA=(C,E,P0,M,?,Γ,Ψ,T) (21)

式中：C是個體的編碼方法;E是個體適應度評價函數;P0是初始群體;M是群體大小;??是選擇算子;ΓΓ是交叉算子;ΨΨ是變異算子;T為遺傳運算終止條件。

3 算例分析

現選取某島嶼(地理位置為22°37′N22°37′N,120°16′E120°16′E)作為研究對象。根據該島一年的風速、光照和基準負荷數據,進行系統容量配置優化計算。該島基準峰荷為960 kW,平均負荷為499.8 kW。島上平均風速為6 m/s,平均光照強度為0.174 61 kW/m2。詳細數據如圖4—6所示。

3.1 不考慮補貼和負荷增長

本文基于上述優化方法自主開發了一款軟件MSOP,并以此作為本文研究工作的仿真平臺。由于美國能源部可再生能源實驗室開發的HOMER[19]軟件沒有考慮補貼和負荷增長因素,本文暫設置補貼和年負荷預測增長率均為0,與HOMER優化結果進行對比分析。系統壽命周期為25年,最大年負荷缺額率為0.1%,貼現率為6%。詳細的各電源元件參數見附錄1。

利用自主開發的MSOP軟件和HOMER軟件分別計算得到的優化結果如表1所示。

圖4 太陽能資源

Fig. 4 Solar resource

圖5 風能資源

Fig. 5 Wind resource

圖6 負荷數據

Fig. 6 Load data

表1 MSOP和HOMER的配置優化結果

Tab. 1 Optimized result of MSOP and HOMER

由表1所示,MSOP得到的最優結果和HOMER相比,各類電源配置容量差異都很小,均在6%以內。總凈現成本方面,MSOP的優化結果和HOMER也只差了1.81%。在此配置下系統年運行數據對比如表2所示。

從運行數據來看,兩款軟件配置的運行電量差異均很小。除了柴油發電機年發電量MSOP略大于HOMER,風電和光伏年發電量均略小于HOMER,表明本文設計的運行模式可再生能源發電比例較HOMER略小。同時由于MSOP的總發電量和舍棄電量更少,表明了其能源利用效率高于HOMER。

表2 MSOP和HOMER的運行數據

Tab. 2 Operation datas of MSOP and HOMER

總體來看,兩款軟件無論從配置容量優化結果、總凈現成本,還是運行數據方面誤差均很小,考慮到運行模式的不同,屬于正常差異。由此結果,可以驗證本文所提出優化方法的正確性和有效性。

3.2 考慮不同補貼方式

根據當前的國家補貼政策,針對可再生能源發電補貼方式主要有2種：一次性投資安裝補貼和按發電量補貼。本文參照目前的補貼標準分別設置風光投資安裝補貼20%,風光發電補貼為0.42元/(kW•h)。并基于負荷增長模型,設置年負荷預測增長率為1%,分別在2種補貼方式下對獨立微網系統容量配置優化進行仿真分析。

1)按投資安裝補貼。

按投資安裝補貼方式計算得到的系統最優配置結果和經濟成本分別如表3、4所示。

表3 按投資安裝補貼的優化配置結果

Tab. 3 Optimized result of configuration based on installation subsidy

表4 按投資安裝補貼的經濟成本

Tab. 4 Economic cost based on installment subsidy

如表3所示,基于投資安裝補貼方式下的系統最優配置為3070 kW的風力發電機、2039 kW光伏陣列、960 kW的柴油發電機、655組蓄電池。如

表4所示,在此配置下的初始安裝成本和周期內總凈現成本分別為2050.1萬元和7740.1萬元,同時在安裝時可獲得357.6萬元的安裝補貼。

2)按發電量補貼。

按發電量補貼方式計算得到的系統最優配置結果和經濟成本如表5、6所示。

如表5所示,按發電量補貼方式下的系統最優配置為2710 kW的風力發電機、2836 kW光伏陣列、

表5 按發電量補貼的優化配置結果

Tab. 5 Optimized result of configuration based on generation subsidy

表6 按發電量補貼的經濟成本

Tab. 6 Total economic based on generation subsidy

916 kW的柴油發電機、2043組蓄電池。對比表3可得,風力發電機容量減少而光伏陣列容量增加,說明風機對投資安裝補貼更靈敏而光伏對發電量補貼更靈敏。這主要是因為風機的安裝成本較大于光伏,因此其更依賴于安裝補貼。同時柴油發電機容量有所下降,而蓄電池容量大幅升高,表明在按發電量補貼方式下,系統會更多利用可再生能源發電,同時需要更大的儲能空間來平滑峰谷特性。

如表6所示,在此配置下的安裝成本和總凈現成本分別為2 446.2萬元和6 389.2萬元。對比表4,在安裝成本增加的情況下,總凈現成本反大幅下降,這是因為按發電量補貼獲得收益1 882.3萬元遠大于按投資安裝補貼獲得的收益357.6萬元。因此,可以得到的結論是,對于本文研究的微網建設投資商而言,按安裝補貼方式其初始投資成本較低,并可在初期獲得安裝補貼收益,但在壽命周期內總凈現成本較大;按發電量補貼方式初始投資成本較高,但長遠來看其可獲得的總補貼收益較多,需要投資的總成本就更少。

考慮到微電網的規劃周期過長會造成項目前期一定的電源配置容量浪費,因此本文制定了階段性的規劃,以10年為一個階段周期進行多次規劃,計算得到的結果如表7所示。

按照這種階段性規劃逐漸增加電源容量可以更好地適應負荷增長需求,同時又避免了規劃前期的容量浪費。

3.3 不同電源組合方式

在微電網實際規劃時,有時會受到氣象、地域等多方面因素的限制,在選擇電源類型時可能不能同時選擇風光柴蓄四種電源,因此本文基于考慮補貼和負荷增長的多種電源組合方式進行了配置優化,優化結果如表8所示。

由表8所示,在不同電源組合方式下的總凈現成本還是有所差距。其中按發電量補貼下的風柴蓄

表7 階段性規劃配置優化結果

Tab. 7 Optimized result of phased planning configuration

表8 多種電源組合配置優化結果

Tab. 8 Optimized result of configuration of many kinds power combinations

組合最為經濟,按投資安裝補貼下的風光蓄組合成本最高,這主要是因為風光蓄組合沒有了柴油發電機就得配置超大容量的蓄電池來保證供電可靠性。

在4種配置柴油發電機的組合方式下,柴油發電機的容量變化并不明顯,說明柴油發電機的容量主要是由系統峰荷所決定。同時可以看出風電相比于光伏發電還是比較有優勢,這主要是因為相同容量下風力發電的年發電量大于光伏發電。但總體來看,針對本文研究地微電網,按發電量補貼方式系統壽命周期總凈現成本還是低于按投資安裝補貼方式。

4 結語

本文針對風光柴蓄獨立微網系統,提出了一種長期的容量配置優化方法,并建立了仿真平臺。通過該平臺實現了基于多種電源組合方式下考慮補貼方式的獨立微網容量配置優化仿真分析。結果表明,基于本文采用的補貼標準,按發電量補貼方式比按安裝補貼方式對本文研究的微網建設投資商更有利,其可獲得的總補貼收益更多,總投資成本更少。同時本文研究得到不同規劃階段的微電網最優配置,為微電網的分階段建設提供了一定的參考。

附錄1

#FormatImgID_15#

設備電氣和經濟參數

附錄見本刊網絡版(http://www.dwjs.com.cn/CN/volumn/current.shtml)。

參考文獻

[1] 黃偉,孫昶輝,吳子平,等.含分布式發電系統的微網技術研究綜述[J].電網技術,2009,33(9):14-18. Huang Wei,Sun Changhui,Wu Ziping,et al.A review on microgrid technology containing distributed generation system[J].Power System Technology,2009,33(9):14-18(in Chinese).

[2] 楊新法,蘇劍,呂志鵬,等.微電網技術綜述[J].中國電機工程學報,2014,34(1):57-70. Yang Xinfa,Su Jian,Lü Zhipeng,et al.Overview on micro-grid technology[J].Proceeds of the CSEE,2014,34(1):57-70(in Chinese).

[3] 肖峻,白臨泉,王成山,等.基于頻譜分析的孤立微網中儲能和柴油發電機容量的優化方法[J].電網技術,2014,38(9):2342-2348. Xiao Jun,Bai Linquan,WangChengshan,et al.Spectrum analysis based capacity optimization method of energy storage and diesel engines in island microgrids[J].Power System Technology,2014,38(9):2342-2348(in Chinese).

[4] 喬蕾,段紹輝,汪偉,等.獨立微網優化規劃設計方法綜述[J].電力系統及其自動化學報,2013,25(2):115-123. Qiao Lei,Duan Shaohui,Wang Wei,et al.Reviews on optimal methods for planning of stand-alone microgrid system[J].Proceedings of the CSU-EPSA,2013,25(2):115-123(in Chinese).

[5] 郭力,劉文建,焦冰琦,等.獨立微網系統的多目標優化規劃設計方法[J].中國電機工程學報,2014,34(4):524-536. Guo Li,Liu Wenjian,Jiao Bingqi,et al.Multi-objective optimal planning design method for stand-alone microgrid system[J].Proceeds of the CSEE,2014,34(4):524-536(in Chinese).

[6] 曹曉宇,王建學,張忠,等.基于長期運行模擬的獨立型微網規劃方案動態評估[J].電工技術學報,2016,31(21):46-56. Cao Xiaoyu,Wang Jianxue,Zhang Zhong,et al.Dynamic assessment of stand-alone microgrid planning using long-term simulation[J].Transactions of China Electrotechnical Society,2016,31(21):46-56(in Chinese).

[7] 王成山,焦冰琦,郭力,等.微電網規劃設計方法綜述[J].電力建設,2015,36(1):38-45. WangChengshan,Jiao Bingqi,Guo Li,et al.Review of methods of planning and design of microgrids[J].Electric Power Construction,2015,36(1):38-45(in Chinese).

[8] 劉子秋,黃民翔.基于可靠性與經濟性的計及微電源自身特性的微電網能量優化配置[J].電網技術,2014,38(5):1352-1357. Liu Ziqiu,Huang Minxiang.Optimal energy allocation of microgrid based on reliability and economy by considering acteristics of micro source[J].Power System Technology,2014,38(5):1352-1357(in Chinese).

[9] 劉夢璇,王成山,郭力,等.基于多目標的獨立微電網優化設計方法[J].電力系統自動化,2012,36(17):34-39. Liu Mengxuan,Wang Chengshan,Guo Li,et al.An optimal design method of muti-objective based microgrid[J].Automation of Electric Power Systems,2012,36(17):34-39(in Chinese).

[10] 陳健,劉玉田,張文,等.基于博弈論的配電網中多級微電網優化配置分析[J].電力系統自動化,2016,40(1):45-52. Chen Jian,Liu Yutian,Zhang Wen,et al.Optimal sizing analysis of multilevel microgrids in distribution network based on game theory[J].Automation of Electric Power Systems,2016,40(1):45-52(in Chinese).

[11] 余舟子,郭力,劉文建,等.獨立微網隨機優化規劃軟件及其實現[J].電力系統自動化,2015,39(6):18-23.Yu Zhouzi,Guo Li,Liu Wenjian,et al.A stochastic optimal planning software for stand-alone microgrid and its implementation[J].Automation of Electric Power Systems,2015,39(6):18-23(in Chinese).

[12] 肖峻,白臨泉,王成山,等.微網規劃設計方法與軟件[J].中國電機工程學報,2012,32(25):149-157. XiaoJun,Bai Linquan,Wang Chengshan,et al.Method and software for planning and designing of microgrid[J].Proceeds of the CSEE,2012,32(25):149-157(in Chinese).

[13] 朱蘭,周雪瑩,唐隴軍,等.計及可中斷負荷的微電網多目標優化運行[J].電網技術,2017,41(6):1847-1854. Zhu Lan,Zhou Xueying,Tang Longjun,et al.Multi-objective optimal operation for microgrid considering interruptible loads[J].Power System Technology,2017,41(6):1847-1854(in Chinese).

[14] 呂雙輝,蔡聲霞,王守相.分布式光伏-儲能系統的經濟性評估及發展建議[J].中國電力,2015,48(2):139-144. Lü Shuanghui,Cai Shengxia,Wang Shouxiang.Economy evalution and development suggestions for distributed PV-Energy storage system in China[J].Electric Power,2015,48(2):139-144(in Chinese).

[15] 周楠,樊瑋,劉念,等.基于需求響應的光伏微網儲能系統多目標容量優化配置[J].電網技術,2016,40(6):1709-1716. Zhou Nan,Fan Wei,Liu Nian,et al.Battery storage multi-objective optimization for capacity configuration of PV-Based microgrid considering demand response[J].Power System Technology,2016,40(6):1709-1716(in Chinese).

[16] 丁明,王波,趙波,等.獨立風光柴儲微網系統容量優化配置[J].電網技術,2013,37(3):575-581. DingMing,Wang Bo,Zhao Bo,et al.Configuration optimization of capacity of standalone PV-wind-diesel-battery hybrid microgrid[J].Power System Technology,2013,37(3):575-581(in Chinese).

[17] Manwell J F,McGowan J G.Lead acid battery storage model for hybrid energy systems[J].Solar Energy,1993,50(5):399-405.

[18] 鄭金華. 多目標進化算法及其應用[M].北京:科學出版社,2007.

[19] Sureshkumar U,Manoharan P S,Ramalakshmi A P S.Economic cost analysis of hybrid renewable energy system using HOMER [C]//International Conference on Advances in Engineering,Science and Management(ICAESM).Nagapattinam,India:IEEE,2012:94-99.