基于户间调度的青海农村家庭光储容量配置优化.pdf

针对青海农村地区家庭新能源系统光储容量配置优化问题，提出一种基于户间调度与用户分类的全寿命周期光储容量配置方法。首先，以用户是否包含牧民为依据建立用户分类配置模型。其次，建立了包含微网用户间能量调度策略的系统运行方式。最后，以微网年均用能成本最小和可再生能源利用率最大为目标构建优化模型，并采用改进蝴蝶优化算法进行求解。基于青海省刚察县农村地区典型日负荷数据和气象参数进行仿真，结果验证了该方法的有效性与合理性。关键词：新能源系统；容量配置；青海农村家庭；户间调度；用户分类；改进蝴蝶优化算法中图分类号：TM734文献标志码：A文章编号：1003-8930（2023）07-0045-12DOI：10.19635/ki.csu-epsa.001101Configuration Optimization of Photovoltaic and Energy Storage Capacity for RuralHouseholds in Qinghai Province Based on Inter-user DispatchingZHAO Anjun1，LI Wang1，YU Junqi1，ZHA Bo2，WANG Pengzhu3，JIAO Yang1（1.School of Building Service Science and Engineering，Xi an University of Architecture and Technology，Xi an 710055，China；2.China Northwest Architecture Design and Research Institute Co.，Ltd，Xi an710018，China；3.School of Information and Control Engineering，Xi an University of Architecture andTechnology，Xi an 710055，China）Abstract:A life cycle photovoltaic（PV）and energy storage capacity configuration method based on inter-user dispatching and user classification is proposed to solve the PV-energy storage capacity configuration optimization problemof a renewable energy system of rural households in Qinghai Province.First，a user classification configuration model isestablished based on whether the users includes herders.Then，a system operation mode including the inter-user energydispatching strategy is established.Finally，an optimization model is constructed with the objective of minimizing the average annual energy consumption cost of microgrid and maximizing the renewable energy utilization rate，and the improved butterfly optimization algorithm is used to solve the problem.Simulations are performed based on typical dailyload data and meteorological parameters in rural areas in Gangcha County，Qinghai Province，and results verify the validity and rationality of the proposed method.Keywords:renewable energy system；capacity configuration；Qinghai rural household；inter-user dispatching；userclassification；improved butterfly optimization algorithm伴随着“双碳”目标的提出，分布式光伏发电等新能源技术在我国电力系统中得到越来越广泛的应用1。青海省位于我国高原气候区，太阳能资源丰富，但当地农村居民家庭用能方式落后，光伏发电系统在农村家庭用户中普及率较低，且青海农村居民居住分散，配电网敷设距离长，线路损耗大，需求侧电力需求较大。而微电网作为智能电网的重要应用形式，可以将分布式可再生能源发电设备与储能设备、家庭负载有效结合起来，提高青海农村家庭供电可靠性，充分发挥当地光资源优势。因此以分布式光伏发电为主的区域微电网技术在青海农村地区具有广泛的发展前景2-4。对于以光伏和储能为主家庭新能源系统，光伏和储能的安装容量是初期规划阶段需要考虑的一个重要问题，合理的光伏、储能设备容量配置可以有效提升用户用能经济性，但过小的容量不能充分收稿日期：2022-06-29；修回日期：2022-08-31网络出版时间：2022-09-19 10：45：02基金项目：国家自然科学基金资助重点项目(62192750)通信作者：查波（1977），男，本科，教授级高工，研究方向为智慧城市及建筑智能化技术及应用。Email：zhao_赵安军等：基于户间调度的青海农村家庭光储容量配置优化电 力 系 统 及 其 自 动 化 学 报46第 7 期利用太阳能资源，发挥系统对家庭负荷的调峰作用，而过大的容量会增加初期投资成本以及运行阶段清理与维护成本。因此，合理配置光储容量是系统高效稳定运行的前提。目前，针对分布式新能源系统容量配置问题，国内外学者做了很多研究。文献5基于虚拟储能和电力弹簧的概念，提出了一种主配储能协同的微网风光储容量双层优化配置方法，同时提高了微网系统调节能力并降低了电压偏移率；文献6-7针对不同用能需求场景，分别建立了不同设备组成的多能互补系统以及相应的容量配置优化模型，分别采用蚁狮算法以及遗传算法进行求解；文献8提出光伏+电采暖的互动运行模式，以系统投资运营成本最小为目标采用粒子群算求解光伏和蓄热体的最优容量组合；文献9针对青海牧区能源供给问题，建立了含光伏储氢独立供能的热电综合利用系统，为高寒条件下热电负荷协调供应提供了系统容量配置方案。随着大量分布式新能源系统的并网，用户侧负荷也随之增加，而同一时刻不同用户用能方式并不固定，其随机性容易造成可再生能源的浪费，增加电网的负荷波动，对电网稳定性造成不利影响。许多学者从微电网用户侧角度考虑并提出了不同的能量管理策略，而研究表明，合理的微电网能量管理策略不但可以维持电网的稳定运行，提高微电网的经济效益与能源利用率，而且对分布式可再生能源系统的容量配置有着直接影响。文献10在风机、光伏及储能容量配置问题中考虑了多尺度不确定性耦合以及需求侧管理的影响，采用随机能量网络理论处理电量平衡问题，基于需求侧管理对用户侧负荷进行优化，建立相应的双层优化模型并通过差分进化DE（differential evolution）算法进行求解；文献11提出了一种分布式能源交易运行模式，该决策基于物联网分散决策，算例表明该方法可以有效缓解大电网的供电压力；文献12提出了一种提高光伏微网自用且兼顾系统经济性的储能控制策略，可以有效应对动态电价对光伏微电网的影响；文献13提出一种基于元启发式算法的微电网能量管理和设计方案用来优化微网容量并提供不同组件供电顺序，采用蚱蜢算法求解结果可以将CO2排放量减少92.3%；文献14考虑用户电动汽车出行行为，建立了以充电站运营商和电动汽车用户为主的双层规划优化模型，结果表明合理的价格控制需求响应手段对充电站的经济效益有较大的提升作用；文献15研究了电动汽车与微网能源管理系统能源交易问题以及光伏发电不确定性对系统运行的影响，并基于混合整数线性规划MILP（mixed integer linear programming）框架给出了微电网各部件在随机和限时条件下与电网之间的交互方案。上述研究为光伏及储能容量配置方法提供了新的思路和方法，但不能完全适用于青海省农村家庭光储容量配置优化问题中。一方面，上述研究主要针对单一用户用能方式且只考虑单个用户内部设备运行，无法同时匹配青海省农村当地气候条件与不同类型用户的用能水平；另一方面，相较于普通城镇居民，青海省农村家庭用电负荷受生活习惯影响在时间分布及负荷大小等方面具有较大随机性，同一时刻不同用户用能情况差异较大，对电网购售电需求也不同，进而造成可再生能源利用率受用户用能行为影响较大，因此考虑实现同一时刻用户间能量交易，微电网运行方式对提高能源利用率具有重要意义。本文针对青海省农村家庭新能源系统容量配置优化问题，具有如下贡献：考虑典型青海省农村地区气候条件与不同类型用户的用能特性，提出一种以是否包含牧民为依据的用户分类光储容量配置方法，建立基于用户分类的光储容量配置优化模型；针对青海省农村地区居民分布特点与用能随机性，在容量配置规划过程中考虑基于用户间能量调度的微电网能量管理策略，使用户在与配电网进行功率交互之前使可再生能源在微电网内部得到进一步消纳，提高能源利用率；提出一种改进蝴蝶优化算法IBOA（improved butterfly optimizationalgorithm），针对传统蝴蝶优化算法收敛速度慢的缺陷，分别在全局搜索和局部搜索阶段引入自适应惯性权重以及缩减因子，提高算法搜索精度，降低陷入局部最优的概率，并将改进后的算法用于光储容量配置优化模型求解中。1青海省农村用户用能特性1.1气候特征青海省地处高原地带，平均海拔3 000 m以上，日照时间长，辐射强，其年温度、太阳辐射照度曲线如图1所示。青海省境内夏季最高气温在20 左右，冬季最低气温可达-25-20；全年逐时太阳辐射照度最高可达750800 W/m2，平均年辐射总量可达 5 8607 400 MJ/m2，日照时数在 2 3363 341 h之间，太阳能资源丰富，为光伏发电提供了有利的气象条件。赵安军等：基于户间调度的青海农村家庭光储容量配置优化47第 35 卷1.2典型日负荷特征青海地区全年温度偏低，当地居民按照其气候特征将全年分为夏季与冬季两个季节，夏季为7月9月，其余时段为冬季。青海农村地区家庭用能负荷中炊事和取暖负荷占比较大。用户在夏季无空调制冷负荷需求，日负荷在早上05：0006：00、中午11：0012：00和晚上17：0023：00这3个时间段内达到峰值；冬季全天室外温度在0 以下，室内采暖负荷较高，在采用电采暖设备的情况下，冬季典型日用户负荷峰值主要集中在夜间18：00之后。本文以青海省刚察县某农村地区典型家庭用户为例，其夏季、冬季典型日用户负荷曲线如图2所示。1.3用能特性青海省农村居民多数以放牧业为生，全年主要居住于冬季或者夏季草场，不同类型用户用能水平如表1所示。牧民在牧期前往牧区工作，此类用户人数较少，用能水平相对较低，而其余不含牧民的用户由于用户人数较多，全年用能水平相对较高。此外，相比于城镇居民，农村居民生活习惯不固定，在同一时刻不同用户之间用能行为不同，导致负荷需求也存在一定差异。而青海省农村居民分布呈现分散型聚居的特点，人口多以村镇形式分布却分散在整个区域，距离主网架较远，线路敷设困难，因此基于微电网技术的能量管理可以有效减少农村用户对集中式发电厂的依赖以及远距离多级传输的电能损耗，从而提高供电可靠性以及电网稳定性。2户间调度微电网系统2.1户间调度微电网结构针对上述青海省农村地区用能场景，从实现用户间能量互济、提高能源利用率的角度考虑，本文提出一种包含户间调度策略的微电网系统。户间调度微电网包含全村所有用户以及调度中心，其结构如图3所示，每个用户配备包含光伏和储能的新能源系统，用户之间通过公共传输线路连接并且可以进行能量与信息交互，在每一个时间步长内，用户购售电需求不同，调度中心可以根据所有家庭新能源系统运行情况发出控制指令进行能量调度，将售电用户光伏余电向有电能需求的用户售出，使用户光伏发电在微电网内达到最大程度利用。在进行用户间能量调度之后可以根据整体用能情况使微电网与大电网进一步能量交易。青海省农村家庭新能源系统组成如图 3 所示。该系统由光伏发电系统、储能装置以及家用负图 1年温度、太阳辐射照度曲线Fig.1Curves of annual temperature and annual solarirradiance（a）全年逐时室外温度3020100-10-20-30温度/时刻/103h1239045678（b）全年逐时太阳辐射照度8007006005004003002001000平均太阳辐射照度/（Wm-2）时刻/103h1239045678（a）夏季典型日1.41.21.00.80.60.40.2家庭负荷/kW时刻/h246810 12 14 16 18 20 22 24牧民用户非牧民用户（b）冬季典型日1.81.61.41.21.00.80.60.40.2家庭负荷/kW时刻/h246810 12 14 16 18 20 22 24牧民用户非牧民用户00图 2典型日家庭逐时负荷Fig.2Hourly household load on typical days表 1不同类型用户用能水平Tab.1Power consumption levels of different types ofusers分类A类用户B类用户类型牧民用户非牧民用户用户人数2445用能水平较小较大电 力 系 统 及 其 自 动 化 学 报48第 7 期载组成，其中光伏发电系统包括太阳能光伏板、逆变器以及其余组件。光伏板利用太阳光产生的直流电通过逆变器转换为交流电，可用来给家庭负载供能、向蓄电池存储以及向微电网售卖。家庭新能源系统也能够和微型电网进行小功率交互。2.2设备模型1）光伏发电模型光伏发电输出功率由太阳能电池单体自身性能参数决定，还受环境因素影响，和光伏系统所处环境的太阳辐照强度、温度等有关5。光伏电池板输出功率与自身性能参数以及环境参数之间的关系为PDC=PSTCkpvRRSTC1+pv()TC-TSTC（1）TC=Ta+RToct-200.8（2）式中：PDC为光伏发电功率直流形式，kW；PSTC为单位光伏模块在标况下发电功率，kW；kpv为光伏降额因子，代表光伏组件的衰减，隐裂、断栅等对发电造成的影响；R为工作环境下太阳能辐射照度，kW/m2；RSTC为标准工况下太阳能辐射照度，通常取1 kW/m2；pv为输出功率温度系数；TC为光伏组件工作温度，；TSTC为标准工况下光伏组件温度，；Ta为输出功率温度系数；Toct为光伏组件标称工作温度，通常取（452）。2）等效负载模型从家庭用能系统经济性的角度考虑，光伏发电优先用于向家庭负载供能，家庭等效负载模型定义为某一时刻光伏发电量与家庭负荷的差值16，表示为Peq()d,t=Ppv()d,t-Pload()d,t（3）式中：Peq(d,t)为第d天第t时刻家庭等效负载，Peq(d,t)0表示此时刻光伏发电量可以满足家庭负荷且有剩余，Peq(d,t)0表示光伏发电量不能满足家庭负荷，Peq(d,t)=0表示光伏发电量正好满足家庭负荷；Pload(d,t)为第d天第t时刻家庭负载总负荷；Ppv(d,t)为第d天第t时刻光伏系统发电量，其光伏系统发电量和安装容量的关系表示为Ppv()d,t=Ppv()d,t Npv（4）式中：Ppv(d,t)为第d天第t时刻单位容量光伏系统发电量；Npv为光伏安装容量。3）蓄电池模型在家庭新能源系统中，蓄电池具有调峰的作用，蓄电池荷电量是系统运行过程中的一个重要变量16，蓄电池荷电量与充放电功率的关系表示为SOC()d,t=()1-SOC()d,t-1+Psoc()d,t tc()1-SOC()d,t-1+Psoc()d,t t/d（5）式中：SOC(d,t)为第d天第t时刻蓄电池电量，kW；SOC(d,t-1)为第d天第t-1时刻蓄电池电量，kW；为蓄电池的自放电率；Psoc(d,t)为t时刻蓄电池传输功率，kW，Psoc(d,t)0表示蓄电池充电；c为充电效率；d为放电效率。为了避免蓄电池在使用过程中因充放电功率过高造成的损失，保证蓄电池使用寿命，某一时刻蓄电池充放电功率Psoc(d,t)应满足的要求为Psoc()d,t=minPeq()d,t,Psoc,maxPeq()d,t 0-min-Peq()d,t,Psoc,maxPeq()d,t 0，表示该用户对外售电；若Piint()d,t 0表示微电网向大电网售电，Pgird(d,t)0表示微电网向大电网购电，Pgird(d,t)=0表示微电网与大电网无功率交互。4光储容量配置优化模型4.1用户分类配置策略传统光储容量配置方式主要针对单户家庭，但单一的配置方式很难满足微电网内部不同生活习惯的用户。针对青海省农村地区不同类型用户的用能需求及负荷水平，本文提出以是否包含牧民为依据的用户分类光储容量配置方法，针对于两类用户的光储容量分类配置策略。设微电网内共有i户A类用户，j户B类用户，两类用户家庭新能源系统中光伏安容量分别为NApv、NBpv，储能电池安装容量分别为NAsoc、NBsoc，则同一时刻用户可与微电网交互功率分别为PAint()d,t=P1int()d,t,P2int()d,t,Piint()d,t（9）PBint()d,t=P1int()d,t,P2int()d,t,Pjint()d,t（10）式中，Piint()d,t、Pjint()d,t为第i户A类用户，第j户B类用户在第d天第t时刻与微电网交互功率，根据上节户间调度策略，经过用户间调度之后，微电网可与大电网间功率交互为Pgird()d,t=1iPiint()d,t+1jPjint()d,t（11）4.2目标函数与约束条件4.2.1目标函数基于以上设备模型以及户间调度策略的系统运行方式，本文容量配置优化模型的目标函数定义为微电网年均用能成本最小以及可再生能源利用率最大。（1）微网年均用能成本微网用能成本定义为微电网在全寿命周期内系统年均消耗的总成本，计算公式为minF1=fconr()1+rn()1+rn-1+fm-floss+fgird-fsub（12）式中：Ctotal为微电网年均用能总成本；fcon、fm、floss、fgird和fsub分别为微电网所有用户家庭新能源系统安装投资总成本、蓄电池总损耗成本、系统运行维护及清理总成本、微电网与大电网之间年均功率交互总成本和年均光伏发电补贴；r为贴现率17；n为系统寿命年限。1）安装投资总成本安装投资总成本包括微电网内用户新能源系统光伏、储能安装一次的投资成本，即fcon=()NApvnA+NBpvnBfcon,pv+()NAsocnA+NBsocnBfcon,soc（13）式中：nA和nB为A类用户和B类用户的数量；fcon,pv和fcon,soc为单位容量光伏和蓄电池的安装投资成本。2）系统维护及清理成本系统维护及清理成本包括系统因损坏、故障等因素造成的维护成本和由灰尘累积等原因造成的清理成本，表示为fm=fconm（14）式中，m为系统运行维护与清理系数，本文取0.5%。3）蓄电池损耗成本在系统使用过程中，储能电池使用寿命有限，当储能设备结束一个寿命周期时，需要对其进行更换。影响储能电池寿命的主要因素包括放电深度DOD（depth of discharge）与循环次数，将蓄电池在一天内等效循环次数18cycle定义为ncycle=k=1nncycle(1)ncycle(DODk)（15）电 力 系 统 及 其 自 动 化 学 报50第 7 期式中，cycle(1)和cycle(DODk)分别为蓄电池损耗放电深度为100%和k时对应的最大循环次数。则蓄电池循环寿命Tcycle表示为Tcycle=ncycle(1)ncycle（16）单位容量蓄电池损耗成本为floss=fcon,socTcycle（17）微电网中所有用户年总蓄电池损耗成本为floss=d=1365floss()NAsocnA+NBsocnB（18）式中，NAsoc、NBsoc为两类用户蓄电池配置容量。4）微网功率交互成本功率交互成本包括微电网与大电网之间年均功率交互成本，表示为fgird=d=1365t=124Pbuy()d,t fbuy-Psell()d,t fsell（19）式中：fbuy、fsell分别为上网购电与售电电价；Pbuy(d,t)和Psell(d,t)分别为第d天第t时刻微电网从大电网购电功率和向大电网售电功率，二者和微电网与大电网之间交互功率的关系分别为Pbuy()d,t=Pgird()d,tPgird()d,t 0Psell()d,t=-Pgird()d,tPgird()d,t 0（20）5）光伏补贴成本光伏补贴成本定义为微电网所有用户家庭新能源系统采用光伏发电政府给予的补贴，即fsub=d=1365t=124i=1iPApv()d,t+j=1jPBpv()d,tfsub（21）PApv()d,t=Ppv()d,t NAsocPBpv()d,t=Ppv()d,t NBsoc（22）式中：i=1iPApv()d,t+j=1jPBpv()d,t为第d天第t时刻微电网光伏发电总和；fsub为光伏系统每发出1 kWh电时政府的补贴成本。（2）微网可再生能源利用率光储容量配置比例会间接影响可再生能源利用率，因此优化模型的另一个目标为微电网可再生能源利用率最高，其计算公式为maxF2=1-d=1365t=124Psell()d,td=1365t=124i=1iPApv()d,t+j=1jPApv()d,t100%（23）（3）优化模型在光储容量配置过程中，需要平衡不同优化目标对结果的影响，本文采用加权求和的方法将上述多目标优化模型转化为单目标问题进行求解19。由于不同目标的量纲不同，需要进行归一化处理，因此本文的优化模型定义为minF=1f1-F1,minF1,max-F1,min+2F2,max-f2F2,max-F2,min（24）式中：f1和f2分别为优化过程中当前微网年均用能成本和微网能源利用率；F1,max、F1,min和F2,max、F2,min分别为历史寻优过程中微网年均用能成本和微网能源利用率的最大、最小值；1、2分别为权重系数。4.2.2约束条件根据上述优化模型的目标函数，并考虑微电网新能源系统的运行特性，建立满足系统安全可靠运行的约束条件如下。（1）安装容量约束安装功率约束包括光伏安装容量与储能电池安装容量，即NApv,minNApvNApv,maxNBpv,minNBpvNBpv,max（25）NAsoc,minNAsocNAsoc,maxNBsoc,minNBsocNBsoc,max（26）式中：NApv,min、NApv,max分别为A类用户光伏安装容量最小、最大值；NBpv,min、NBpv,max分别为B类用户光伏安装容量最小、最大值；NAsoc,min、NAsoc,max分别为A类用户储能电池安装容量最小、最大值；NBsoc,min、NBsoc,max分别为B类用户储能电池安装容量最小、最大值。（2）占地面积约束光伏板安装容量受场地约束，不可超过用户家庭最大安装面积限制，即0MApvMApv,max0MBpvMBpv,maxMpv=NpvMpv（27）式中：MApv、MBpv分别为A类用户、B类用户光伏安装面积；MApv,max、MBpv,max分别为A类用户、B类用户光伏安装面积上限；Mpv为单位容量光伏板的安装面积。光伏安装面积Mpv与安装容量Npv有关。赵安军等：基于户间调度的青海农村家庭光储容量配置优化51第 35 卷（3）蓄电池储能约束为保证蓄电池在使用过程中运行安全性与稳定性，其蓄电量应当处于一定范围内，即SOCminSOC()d,t SOCmax（28）式中，SOCmax、SOCmin分别为蓄电池电量的上、下限，二者与储能电池容量Nsoc的关系为SOCmin=0.95NsocSOCmax=0.15Nsoc（29）（4）充放电功率约束蓄电池在任意时刻充放电功率应满足的约束为Psoc,minPsoc()d,t Psoc,max（30）式中，Psoc,max、Psoc,min分别为蓄电池充放电功率的上、下限。（5）功率平衡约束功率平衡约束包括单用户家庭新能源系统功率平衡和微电网运行功率平衡约束，即Ppv()d,t=Pload()d,t+Psoc()d,t+Pint()d,t（31）n=1i+jPpv,n()d,t=n=1i+j(Pload,n()d,t+Psoc,n()d,t+)Pint,n()d,t+Pgird()d,t（32）式中，Pload,n()d,t、Psoc,n()d,t、Pint,n()d,t分别为第n户居民家庭负荷、蓄电池传输功率以及交互功率（6）电价约束微电网内部用户交易电价fint应当大于对大电网售电电价fsell，小于向大电网购电电价fbuy，即fsellfintfbuy（33）4.3求解方法本文建立的光储容量配置模型，决策变量为两类用户新能源系统中的光伏、储能容量。蝴蝶优化算法BOA（butterfly optimization algorithm）是一种受蝴蝶觅食行为所启发而提出的优化算法20，因其具有参数少、过程简单的特点，在求解高维函数优化问题方面具有较大优势，但也存在收敛速度较慢、寻优精度不高等问题。因此，本文提出一种改进蝴蝶优化算法，分别在局部搜索与随机搜索过程中引入自适应惯性权重21和缩减因子22，以提高算法搜索精度和搜索速度。基于改进后的蝴蝶优化算法的光储容量配置优化求解步骤如下。步骤1输入全年逐时室外温度、太阳辐射照度以及家庭用能负荷等数据。步骤2初始化算法参数，包括种群大小NB、最大迭代次数iter、转换概率p、蝴蝶香味的感知形态感觉因子c和幂指数，确定待优化变量上下限。步骤3以两类用户光伏、储能容量为决策变量，在可行域范围内随机生成光伏、储能初始容量组合B(t)=xt1,xt2,xti作为蝴蝶种群的起始位置，i=1,2,NB，K为当前迭代次数，每一个蝴蝶个体xti=xti,1,xti,2,xti,3,xti,4，其中，xti,1、xti,2、xti,3、xti,4分别对应优化变量NApv、NBpv、NAsoc以及NBsoc。步骤4计算每个蝴蝶个体对应的年均用能成本和可再生能源利用率，根据式（24）加权求和的结果作为每个蝴蝶个体的适应度。再计算蝴蝶个体香味浓度，即h=cI（34）式中，I为刺激强度。在BOA算法中，每个蝴蝶个体都会散发一定浓度香味并感知其他个体浓度，并朝散发更浓香味的蝴蝶移动，即使容量配置方案朝更优方向移动。蝴蝶产生的香味涉及到3个参数，分别为c、I和，其中、c在0，1中取值，I与适应度有关。步骤 5在0，1中产生随机数p0。当p0p时，进入步骤6进行全局搜索；否则，进入步骤7，进行局部搜索。步骤6全局搜索，每个蝴蝶个体在可行域范围内移动。为提高其搜索能力，在搜索过程中引入自适应惯性权重k来增强种群的多样性，缓解算法收敛速度慢等问题。全局搜索公式为xK+1ik=kxKik+(r2g*-xKik)hi（35）k=d1()g-g*+d2()xmaxik-xminikK（36）式中：xmaxik、xminik、xKik分别为第i个蝴蝶个体第k维分量对应的上、下限以及当前量，即对应设备的最大、最小配置容量以及当前容量；g、g*分别为当前最劣解、最优解对应的蝴蝶个体的位置向量；d1、d2为常数。步骤7局部搜索，每个蝴蝶个体在当前位置领域范围内移动，为了加快算法收敛速度，本文提出引入缩放因子的局部搜索策略，其计算公式为xK+1ik=()1-xKik+()r2xKmk-xKnkhi（37）=exp-Kiter（38）式中，xKmk、xKnk分别为第K次迭代中随机选择的第m、n个蝴蝶个体所在的位置，且m、n(1,NB)。由式（37）可得，在迭代初期较大，有利于算法扩大搜索范围，增加种群多样性；而随K增加逐渐减小，有利于加快算法收敛素速度，找到全局最优解。电 力 系 统 及 其 自 动 化 学 报52第 7 期步骤8计算更新后的蝴蝶个体对应的适应度，判断更新后的最优蝴蝶个体适应度是否优于历史全局最优个体适应度。如果是，则更新全局最优位置及对应的光储容量配置组合。步骤9判断是否达到最大迭代次数。若未达到，返回步骤4；否则，输出全局最优值及其对应的光伏、储能容量配置结果。改进蝴蝶优化算法具体流程如图4所示。5案例分析5.1案例描述（1）场景设置以青海省刚察县某农村为背景进行仿真，该农村包含用户约200户，其中包含牧民用户（A类用户）150户和非牧民用户（B类用户）50户，每户配置分布式光储系统，采用本文所提改进蝴蝶优化算法进行求解其配置容量。（2）光伏发电功率通过选取案例所在地气象数据模拟全年逐时单位容量光伏发电功率，并采用基于正态分布的典型日拟合方法分别拟合夏季典型日与冬季典型日的单位容量光伏逐时发电功率曲线23，如图5所示。（3）其他参数设置本案例家庭新能源系统中选用某厂商单晶硅光伏组件以及某品牌光伏蓄电池，光伏组件主要参数分别如表2所示。根据市场行情，光伏板成本为1 280元/kW，其余光伏组件约400元/套，储能电池成本约2 000元/kW。根据青海省当地电价政策，用户对大电网售电电价为0.364 4元/（kWh），购电电价0.550元/（kWh），政府给予用户光伏补贴0.05元/（kWh），新能源系统寿命年限为20 a。5.2仿真结果分析采用改进后的蝴蝶优化系统算法得到两种配置方法下的最优配置容量如表3所示。为验证本文所提配置方法及户间调度策略的有效性，选取用户年均用能成本、微网能源利用率以及户均碳排放量3个评价指标分别对配置结果进行分析，对比结果如表4所示。本文认为使用光伏发电不产生碳排放，家庭用能碳排放来源为用户使用市电产生的间接碳排放，选取电网碳排放系数为0.581 kg/（kWh），即用户每使用1 kWh市电产生0.581 kg的CO2排放。图 4改进蝴蝶优化算法流程Fig.4Flow chart of improved butterfly optimizationalgorithm开始输入气象参数及负荷数据初始化参数，随机生成容量配置组合作为蝴蝶种群初始位置计算每个蝴蝶个体适应度值及对应的香味浓度更新惯性权重以及缩放因子根据式（37）进行局部搜索根据式（35）进行全局搜索更新蝴蝶个体适应度值及全局最优解迭代是否结束输出全局最优个体及应的光伏、储能配置容量结束pp0是否否是图 5典型日光伏逐时发电功率Fig.5Hourly PV power on typical day1.41.21.00.80.60.40.2单位容量光伏发电功率/kW时刻/h246810 12 14 16 18 20 22 24冬季夏季表 2光伏组件参数Tab.2Parameters of PV module光伏组件参数最大功率/W开路电压/V短路电流/A最大功率点电压/V最大功率点电流/A标称电池工作温度/组件尺寸/（mm mm mm）取值29044.68.7236.08.05431 956 992 50表 3最优配置结果Tab.3Optimal configuration results配置方式分类配置单一配置最优光伏容量/kWA类用户2.402.53B类用户2.722.53最优储能容量/kWA类用户8.558.78B类用户9.178.78赵安军等：基于户间调度的青海农村家庭光储容量配置优化53第 35 卷（1）分类配置结果分析根据表4所示，在有用户间调度的运行模式下，相比于完全采用市电的用能方式，两类用户在分类配置方式下平均年用能成本分别减少了43.21%、66.69%，碳排放量减少了63.04%；相比于单一配置模式，两类用户平均年用能成本分别减少了10.69%、9.2%，微网能源利用率提高了7.16%，用户碳排放量减少了9.19%。由仿真结果可得，本文所提出的分类配置方法可以更大程度地使可再生能源在用户内部消纳，减少能量交易，对提高用能经济性与微网能源利用率，减少碳排放量具有重要作用。（2）用户间调度结果分析由表4中数据进一步分析，相比于无用户间调度的微电网运行方式，在单一配置方式下，用户平均年用能成本、用户碳排放量分别减小了3.05%、2.00%，微电网能源利用率提高了3.34%；在分类配置方式下，两类用户年均用能成本分别减小了3.58%、4.25%，能源利用率提高了1.16%，碳排放量减小了1.21%。可以看出，虽然在用户分类的配置方法下，光伏发电更倾向于在用户内部消纳，户间调度的作用相对减弱，但是仍可以在一定程度上提高用户用能经济性与能源利用率，减少碳排放。（3）单户用能分析为了更加直观地验证本文所提优容量化配置方法有效性，在两类用户中分别选取用能水平较小和较大的两户居民，即A1、B1、A2、B2，对比不同用能水平下家庭用能以及能量调度情况。其典型夏季用能场景如图6所示。图6（a）为夏季用能场景用户逐时负荷，设A1用户当天有客人到访，因此用能水平比日常用能增大；由图6（b）所示用户日蓄电池荷电量可以看出，夏季光伏发电量较高，基本可以满足白天负荷，一般情况下用户在14：0017：00左右蓄电池达到满载状态且均有电能售出，其售电收益可以抵消夜间购电支出，而在夜间优先使用蓄电池余电，有效将白天光伏发电转移至家庭负载，减少购电成本，最大程度利用使光伏发电。典型冬季用能场景如图7所示。图7（a）所示为冬季用能场景用户逐时负荷，设B1用户当天有出行行为，因此从08：0020：00负荷达到最低；可以看出，冬季光伏发电量较低，用户日均负荷较高，因此用户向微电网售电能力下降，且用户间用能差异较大，因此在不同时刻用户对微电网购售电需求有一定差别，如图7（c）所示，A1、B1用户在13：0017：00左右有电能售出，A2、B2，用户全天无售电行为，且在12：00、13：00和17：00，B2用户有购电需求，而A1、B1用户对微电网售电，此时微电网内部进行用户间电能调度，将A1、B1用户余电对B2用户售出，实现用户间电能互补，使光伏发电在微电网用户内部最大程度消纳，从而提高微电网能源利用率，减少碳排放。表 4不同配置方式及运行结果对比Tab.4Comparisonamongresultsindifferentconfigurationmodes and different operation modes配置方法分类配置单一配置无光储配置运行模式有用户间调度无调度有用户间调度无调度平均年用能成本/元A类用户2 036.622 112.242 280.592 352.383 586.30B类用户2 070.572 162.452 280.592 352.386 215.44微网能源利用率/%90.2889.1283.1279.78户均碳排放/kg1 077.411 090.6