考虑冷热电联供和储能运行策略的微电网运行优化方法

技术领域

本发明涉及微电网运行优化领域，具体涉及一种考虑冷热电联供和储能运行策略的微电 网运行优化方法。

背景技术

冷热电联供(combined cooling heating and power，CCHP)系统将制冷、制热和供电三者 相结合，能够实现能量梯级利用并减少污染物排放，是一种节能、环保的供能方式，具有良 好的社会和经济效益。而微电网则解决了分布式电源大规模接入电网的问题，能够有效、灵 活、智能地利用各种分布式能源，在缓解能源短缺现状、保护环境和提高电能质量方面具有 巨大潜力。在发展低碳绿色经济的背景下，两者结合的CCHP型微电网的发展受到了极大地 重视，但目前技术还不成熟，应用尚处于起步阶段。

CCHP型微电网存在冷、热、电三种能量之间的平衡关系，而微电网具有并网和孤岛运 行两种方式。基于能源利用率和环保效益的考虑，在满足系统冷热负荷的前提下，如何根据 各微电源特性制定最佳的运行策略以提高微电网的经济效益这一问题受到越来越多的关注。

目前，关于CCHP型微电网的研究多以优化电源配置和储能容量、最佳备用储能等为目 标，主要包括以下方法：

1.建立热电联产型微电网，在模糊优化理论的基础上，运用改进遗传算法优化并网运行 方式下各微源的有功、无功出力和多目标优化的满意度。

2.应用机会约束规划理论建立了经济运行优化模型，并采用基于随机模拟技术的粒子群 优化算法求解模型，根据不同的微源配置，对系统的运行方案进行了优化。

3.采用外推近似法对冷电联供系统进行优化求解，以日综合运行经济效益最高为目标， 在满足给定冷负荷的基础上，确定优化的运行模式，并对蓄冷器的使用进行了研究。

以上研究对微电网的经济运行和储能容量的优化配置等方面做了大量的工作，但在提高 微电网能源利用率以及优化储能策略的方面上仍需要进一步研究。

发明内容

本发明的目的就是为了解决上述问题，提出了一种考虑冷热电联供和储能运行策略的微 电网运行优化方法，该方法以能源梯级利用为基础，以一个包含光伏(photovoltaic,PV)、风机 (wind turbine,WT)、微型燃气轮机(micro turbine,MT)、空调机(air conditioner,AC)、燃料电池 (fuel cell，FC)、储能单元(energy storage,ES)的CCHP型微电网为研究对象，在满足电能供需 平衡、储能容量限制等约束下，确定最佳的储能运行策略并采用基于模拟退火的粒子群 (SimuAPSO)动态规划法求得调度周期内各微电源的最佳运行方式，并通过能源利用率、污染 物减排量及减排费用和运行成本对比等过程评价指标对结果进行量化分析。

为了实现上述目的，本发明采用如下技术方案：

一种考虑冷热电联供和储能运行策略的微电网运行优化方法，包括以下步骤：

(1)假设在调度周期单位时间间隔Δt内各微电源的出力恒定并满足冷、热、电负荷的 平衡关系，微电网与主网之间功率交互功率恒定，交互电价跟随实时电价并在Δt内保持不变 的情况下，建立CCHP型微电网优化模型；

(2)根据功率平衡约束条件、分布式电源有功出力约束条件、空调机出力约束条件以及 储能单元运行约束条件，构建以微电网并网运行状态下发电成本最低为目标的目标优化函数；

(3)根据建立的目标优化函数，利用基于模拟退火粒子群的动态规划法求解输出储能单 元、交互功率和燃料电池的最佳出力；综合考虑前后时段的负荷水平以及各微电源的出力趋 势，确定储能单元以及燃料电池的运行原则，进而确定调度周期内整个CCHP系统的最佳运 行方式。

所述步骤(1)中建立的CCHP型微电网优化模型包括：微型燃气轮机模型、空调机模型、 燃料电池模型、风力发电模型、光伏发电模型和储能单元模型；

假设微型燃气轮机排烟温度与溴冷机的进烟温度保持不变，并忽略外界环境的变化对微 型燃气轮机供电、燃料燃烧效率的影响，所述微型燃气轮机模型的数学模型为：

$Q_{\mathrm{MT}}\left(t\right)=\frac{P_{\mathrm{MT}}\left(t\right)(1-{\eta }_{\mathrm{MT}}-{\eta }_L)}{{\eta }_{\mathrm{MT}}}---\left(1\right)$

Q_MT-h(t)＝Q_MT(t)η_hCOP_h  (2)

Q_MT-c(t)＝Q_MT(t)η_cCOP_c  (3)

微型燃气轮机的燃料成本为：

$C_{\mathrm{MT}}=C_f\frac{\underset{r=1}{\overset{N_T}{\Sigma }}{P}_{\mathrm{MT}}\left(t\right)\mathrm{\Delta t}}{{\eta }_{\mathrm{MT}}\times {\mathrm{LHV}}_{\mathrm{NG}}}---\left(4\right)$

式中，令t＝t₀+rΔt，t₀为调度初始时刻，r为非负整数，调度周期T＝N_TΔt，N_T为正 整数；Q_MT(t)为燃气轮机排气余热量；P_MT(t)为t时刻燃气轮机输出的电功率；η_MT为燃气轮 机发电效率；η_L为散热损失系数；Q_MT-h(t)、Q_MT-c(t)为溴冷机t时刻提供的制热量和制冷量； η_h、η_c和COP_h、COP_c分别为溴冷机的制热和制冷时的烟气回收率及制热和制冷系数；；微型 燃气轮机不同功率下的发电效率由生产商提供的相关参数拟合得到；C_MT为微型燃气轮机的 燃料成本；C_f为单位燃料的价格；LHV_NG为天然气低热热值；

所述空调机模型的数学函数为：

Q_air-h(t)＝P_air(t)(1-η_Lh)η_ahCOP_air-h  (5)

Q_air-c(t)＝P_air(t)(1-η_Lc)η_acCOP_air-c  (6)

式中，Q_air-h(t)、Q_air-c(t)分别为t时刻空调机制热、制冷功率；P_air(t)为空调机用电功率； η_Lh、η_Lc分别为空调机制热、制冷时损失系数，η_ah、η_ac分别为空调机的制热、制冷效率； COP_air-h、COP_air-c分别为空调制热和制冷时的能效比；空调机所耗电能作为系统用电负荷统 一调度。

所述燃料电池模型的数学函数为：

不考虑燃料电池的热能利用，燃料电池的燃料消耗-功率输出特性为：

$C_{\mathrm{FC}}=C_f\frac{\underset{r=1}{\overset{N_T}{\Sigma }}{P}_{\mathrm{FC}}\left(t\right)\mathrm{\Delta t}}{{\eta }_{\mathrm{FC}}\times {\mathrm{LHV}}_{\mathrm{NG}}}---\left(7\right)$

式中，C_FC为燃料电池的燃料成本；P_FC(t)为t时刻燃料电池发电功率；η_FC为燃料电池 发电效率；LHV_NG为天然气低热热值，C_f为单位燃料价格、r为调度时间段、N_T为总的调 度时间段数目，；燃料电池不同功率下的发电效率由生产商提供的相关参数拟合得到；

所述储能单元模型的状态有充电、放电、浮充三种状态，储能在t时刻的剩余电量与t-1 时刻的剩余电量、t-1到t时刻的充放电量以及自放电量有关；储能的输入、输出功率及充 放电状态满足下列关系：

$C_{\mathrm{soc}}\left(t\right)=\left(\begin{array}{cc}(1-\tau )C_{\mathrm{soc}}(t-\mathrm{\Delta t})& u_{\mathrm{fl}}\left(t\right)=1\\ (1-\tau )[C_{\mathrm{soc}}(t-\mathrm{\Delta t})-P_{\mathrm{es}}(t-\mathrm{\Delta t}){\eta }_{\mathrm{ch}}]& u_{\mathrm{ch}}\left(t\right)=1\\ (1-\tau )[C_{\mathrm{soc}}(t-\mathrm{\Delta t})-P_{\mathrm{es}}(t-\mathrm{\Delta t})/{\eta }_{\mathrm{dis}}]& u_{\mathrm{dis}}\left(t\right)=1\end{array}\right)---\left(8\right)$

式中，C_soc(t)为t时刻储能剩余电量；τ为储能自放电率；P_es为储能t时刻的充放电功 率；η_ch、η_dis分别为储能充电和放电效率；u_fl(t)、u_ch(t)、u_dis(t)∈﹛0,1﹜，为储能单元的 状态标识，分别代表浮充，充电，放电三种状态，对应P_es(t)取值分别等于、小于、大于零， Δt为单位调度时间间隔。

所述步骤(2)中构建以微电网并网运行状态下发电成本最低为目标的目标优化函数具体 为：

minF＝F₁-F₂  (9)

式中，F为微电网的调度周期内总发电成本；F₁为微电源运行成本函数；F₂为微电网经 济收益函数；

微电源运行成本函数为：

F₁＝C_t+C_fu+C_m  (10)

$\left(\begin{array}{c}{C}_t=\underset{i=1}{\overset{N}{\Sigma }}{C}_i\frac{l{(1+l)}^{k_i}}{{(1+l)}^{k_i}-1}+C_{\mathrm{BAT}}\frac{l{(1+l)}^v}{{(1+l)}^v-1}\\ C_{\mathrm{fu}}=C_{\mathrm{MT}}+C_{\mathrm{FC}}\\ C_m=\underset{i=1}{\overset{N}{\Sigma }}\underset{r=1}{\overset{N_T}{\Sigma }}{C}_{\mathrm{mi}}{P}_i\left(t\right)+\underset{r=1}{\overset{N_T}{\Sigma }}{C}_{\mathrm{mes}}{P}_{\mathrm{es}}\left(t\right)\end{array}\right)---\left(11\right)$

式中，C_t、C_fu、C_m分别代表微电网折旧成本、燃料成本和维护成本；N为微电源总数； C_i为第i台微电源的初始成本；l为利息率；k_i为第i台微电源的寿命周期；C_BAT为储能初 始成本；v为储能寿命周期，微电源与储能折旧的平摊成本为期初成本；C_mi为第i台微电源 的单位出力维护成本；P_i(t)为第i台微电源单位时间内有功出力；C_mes为储能的单位出力维 护成本，C_MT为微型燃气轮机的燃料成本、C_FC为燃料电池的成本、N_T为调度周期间隔数、 P_es(t)为储能t时刻的充放电功率。

所述微电网经济收益函数为：

$F_2=\underset{r=1}{\overset{N_T}{\Sigma }}{P}_{\mathrm{rs}}\left(t\right)P_s\left(t\right)+P_{\mathrm{rb}}\left(t\right)P_b\left(t\right)+C_{\mathrm{hc}}---\left(12\right)$

$C_{\mathrm{hc}}=\left(\begin{array}{cc}\underset{r=1}{\overset{N_T}{\Sigma }}{C}_{\mathrm{he}}{Q}_{\mathrm{MT}-h}\left(t\right)& a=1\\ \underset{r=1}{\overset{N_T}{\Sigma }}{C}_{\mathrm{co}}{Q}_{\mathrm{MT}-c}& a=0\end{array}\right)---\left(13\right)$

式中，P_rs(t)、P_rb(t)分别为t时刻的售电和购电电价；P_s(t)、P_b(t)分别为t时刻的售电 和购电功率；C_hc为制热(冷)收益；C_he、C_co分别为单位制热和制冷量的售价；a＝1表示冬季 制热，a＝0表示夏季制冷；Q_MT-h(t)为微型燃气轮机的产热量、Q_MT-c(t)为微型燃气轮机的制 冷量。

所述步骤(2)中的功率平衡约束条件具体为：

$\underset{i=1}{\overset{N}{\Sigma }}{P}_i\left(t\right)+P_{\mathrm{es}}\left(t\right)+P_b\left(t\right)+P_s\left(t\right)-P_{\mathrm{loss}}\left(t\right)=P_{\mathrm{load}}\left(t\right)+P_{\mathrm{air}}\left(t\right)---\left(14\right)$

$\underset{i=1}{\overset{N}{\Sigma }}{Q}_{\mathrm{MT}-h}\left(t\right)+Q_{\mathrm{air}-h}\left(t\right)=Q_{\mathrm{he}}\left(t\right)---\left(15\right)$

$\underset{i=1}{\overset{N}{\Sigma }}{Q}_{\mathrm{MT}-c}\left(t\right)+Q_{\mathrm{air}-c}\left(t\right)=Q_{\mathrm{co}}\left(t\right)---\left(16\right)$

式中，P_load(t)、Q_he(t)、Q_co(t)分别为t时刻网内普通电负荷和热、冷负荷；P_loss(t)为t 时刻微电网功率损耗，Q_MT-h(t)为微型燃气轮机的产热量、Q_MT-c(t)为微型燃气轮机的制冷量， P_MT(t)为微型燃气轮机的发电功率，P_air(t)为空调机用电功率；P_b(t)、P_s(t)分别为微电网从大 电网的购电功率和售电功率。，Q_air-h(t)、Q_air-c(t)分别为t时刻空调机制热、制冷功率。P_i(t)为 第i个微电源的出力功率。

所述步骤(2)中的分布式电源有功出力约束条件具体为：

P_imin≤P_i(t)≤P_imax  (17)

式中，P_imax，P_imin分别为第i台微电源有功出力的上下限；

所述空调机出力约束条件具体为：

P_airmin≤P_air(t)≤P_airmax  (18)

式中，P_airmin、P_airmax为空调机出力上下限。

所述步骤(2)中的储能单元运行约束条件具体为：

①储能单元的出力功率约束条件：

P_esmin≤P_es(t)≤P_esmax  (19)

式中：P_esmax，P_esmin分别为储能出力上下限；

②储能单元的能量约束条件：

C_socmin≤C_soc(t)≤C_socmax  (20)

式中：C_socmax，C_socmin分别为储能容量的最大、最小值；其中，SOC表示储能的核电状 态，表征其能量范围；

③单位调度周期始末状态储能能量约束条件：

C_soc(t₀)＝C_soc(t₀+N_rΔt)  (21)

考虑储能单元对微电网的周期性优化，其能量状态满足在调度周期始末相等；C_soc(t)为t时 刻储能剩余电量；Δt为单位调度时间间隔，N_T为总的调度时间段数目；

单位调度周期储能的充放电状态和次数约束：

u_ch(t)+u_dis(t)+u_fl(t)＝1  (22)

$\underset{r=0}{\overset{N_T}{\Sigma }}\left|u_{\mathrm{ch}}\right[t_0+(r+1)\mathrm{\Delta t}]-u_{\mathrm{ch}}(t_0+\mathrm{r\Delta t})|\le {\lambda }_1---\left(23\right)$

$\underset{r=0}{\overset{N_T}{\Sigma }}\left|u_{\mathrm{dis}}\right[t_0+(r+1)\mathrm{\Delta t}]-u_{\mathrm{dis}}(t_0+\mathrm{r\Delta t})|\le {\lambda }_2---\left(24\right)$

式中：λ₁、λ₂分别表示储能的充放电次数，具体的数值由系统负荷、储能寿命和优化 策略来确定；u_ch(t)、u_dis(t)、u_fl(t)分别为代表t时刻储能的充电、放电、浮充三种状态，Δt 为单位调度时间间隔。

所述步骤(3)中，调度周期内整个CCHP系统的最佳运行方式的确定原则为：

空调机与微型燃气轮机单独使用；

定义P_e(t)为t时刻储能和燃料电池均不启动时微电网广义负荷功率，正值表示微电网输 出电能，负值表示微电网缺电并假设大电网能完全消纳与弥补微电网功率差额；

依据P_e(t)与分时电价制定的储能单元交换功率和燃料电池的运行原则为：

1)若微电网售电价格较低，储能单元优先充电：若微电网电量剩余，则向大电网售出电 能，燃料电池不工作；若微电网电量不足，比较购电与燃料电池发电成本，选择成本较低者；

2)若微电网售电价格较高，储能单元优先放电：若微电网电量剩余，则向大电网售出电 能，燃料电池不工作；若微电网电量不足，比较购电与燃料电池发电成本，选择价格较低者；

3)若购电成本低于燃料电池发电成本，交互功率为储能单元充放电后微电网功率缺额；

4)若燃料电池发电成本低于购电成本，其发电功率为储能充电之前或放电之后系统功率 缺额。

定义仅考虑储能单元交换功率和燃料电池运行的期望成本函数如下：

$F_{\mathrm{in}\_t}\left(t\right)=\left(\begin{array}{cc}{F}_{\mathrm{in}\_t1}\left(t\right)& P_{\mathrm{tex}}\left(t\right)>0\\ F_{\mathrm{in}\_t2}\left(t\right)& P_{\mathrm{tex}}\left(t\right)<0\end{array}\right)---\left(25\right)$

式中，F_{in_t1}(t)、F_{in_t2}(t)分别表示燃料电池不启动下售电与购电的成本函数；

P_tex(t)＝P_e(t)+P_es(t)，表示在燃料电池不启动时系统广义交互功率，正值表示微电网售电功率， 负值表示从大电网购电功率；P_e(t)、为t时刻为t时刻储能和燃料电池均不启动时微电网广 义负荷功率，P_es(t)为储能的充放电功率；

$\left(\begin{array}{c}{F}_a\left(t\right)=[P_{\mathrm{rs}\max }-P_{\mathrm{rs}}\left(t\right)]P_{\mathrm{es}}\left(t\right)\mathrm{\Delta t}/{\eta }_{\mathrm{dis}}\\ F_b\left(t\right)=[P_{\mathrm{rs}\max }-P_{\mathrm{rs}}\left(t\right)]P_{\mathrm{es}}\left(t\right){\eta }_{\mathrm{ch}}\mathrm{\Delta t}/{\eta }_{\mathrm{dis}}\\ F_c\left(t\right)=[P_{\mathrm{rs}\max }-P_{\mathrm{rb}}\left(t\right)]P_{\mathrm{es}}\left(t\right)\mathrm{\Delta t}/{\eta }_{\mathrm{dis}}\\ F_d\left(t\right)=[P_{\mathrm{rs}\max }-P_{\mathrm{rb}}\left(t\right)]P_{\mathrm{es}}\left(t\right){\eta }_{\mathrm{ch}}\mathrm{\Delta t}/{\eta }_{\mathrm{dis}}\\ F_e\left(t\right)=\left\{\right[P_{\mathrm{rs}\max }-P_{\mathrm{rb}}\left(t\right)]P_e\left(t\right)-P_{\mathrm{tex}}\left(t\right)[P_{\mathrm{rs}\max }-P_{\mathrm{rs}}\left(t\right)\left]\right\}\mathrm{\Delta t}/{\eta }_{\mathrm{dis}}\\ F_f\left(t\right)=\left\{\right[P_{\mathrm{rs}\max }-P_{\mathrm{rs}}\left(t\right)]P_e\left(t\right)-P_{\mathrm{tex}}\left(t\right)[P_{\mathrm{rs}\max }-P_{\mathrm{rb}}\left(t\right)\left]\right\}{\eta }_{\mathrm{ch}}\mathrm{\Delta t}/{\eta }_{\mathrm{dis}}\end{array}\right)---\left(28\right)$

式中，P_rsmax为调度周期内最高售电电价；F_a(t)、F_c(t)、F_e(t)为各情况下非峰时放电期 望损失；F_b(t)、F_d(t)、F_f(t)分别为各情况下非峰时充电期望收益；P_tex(t)表示在燃料电池不 启动时系统广义交互功率、P_rs(t)、P_rb(t)分别为t时刻的售电和购电电价、Δt为单位调度时 间间隔、C_FC(t)为燃料电池的发电成本、η_ch和η_dis分别为储能的充、放电功率；

燃料电池的出力为

其中：当P_FC(t)＝-P_e(t)时，P_es(t)＝0；

微电网与大电网的交互功率为

$P_{\mathrm{ex}}\left(t\right)=\left(\begin{array}{cc}{P}_{\mathrm{tex}}\left(t\right)& P_{\mathrm{FC}}\left(t\right)\ne 0\\ 0& P_{\mathrm{FC}}\left(t\right)=0\end{array}\right)---\left(30\right)$

由式(26)、(27)所示，在计算电能交互收益时，在广义负荷功率为正或负的情况下，对储 能单元充放电过程分别考虑了充电的期望收益与放电过程中期望损失，即若非峰时电价放电 时，售电收益减去的非峰时放电期望损失，若非峰时充电时，售电收益减去非峰时充电期望 收益；

其中，F_a(t)、F_b(t)、F_f(t)表示系统功率过剩时，储能系统充放电与替代供电方式之间的期 望损失或收益，而式F_c(t)、F_d(t)、F_e(t)表示系统功率不足时，储能系统充放电与替代供电方式 之间的期望损失或收益；

因此，储能单元在动态寻优的任一时刻，将尽量避开非峰时放电与非谷时充电状态，并 依据微电网前后时刻广义负荷功率P_e(t)、储能单元的剩余电量、实时电价和燃料电池发电成 本决策最佳充放电出力，以保证系统期望收益函数取最大，满足运行原则1)和2)；

由式(29)、(30)表示，当系统广义交互功率P_tex(t)为负时，比较从大电网购电与燃料电池 成本，从而确定是否启动燃料电池及其出力大小，同时由式(29)可知，燃料电池仅满足系统的 功率缺额，不向储能单元充电及大电网售电，满足运行原则3)和4)；

储能单元以及燃料电池的运行原则确定后，调度周期内整个CCHP型微电网的最佳运行 方式随之确定。

本发明的有益效果是：

本发明基于小型微电网建立了考虑冷热电联产和储能优化策略并计及制冷与制热收益的 经济调度模型，在能源梯级利用和储能优化策略的基础上，采用基于模拟退火粒子群的动态 规划法进行求解，分析对比了多种策略，同时采用了量化指标对结果进行评估，得出以下结 论：

1)储能系统采取文中策略能够有效地增加微电网售电收益，对降低微电网的运行成本具 有明显优势。

2)CCHP系统相对于传统的火电厂、热电厂能够提高系统能源利用率并实现能源梯级利 用，为电力系统节能提供参考。

3)CCHP型微电网能够节能减排，极大的减少空气污染物的排放，对于提高环境效益具 有重要参考意义。

附图说明

图1为本发明实施例CCHP型微电网结构示意图；

图2为本发明实施例冬季典型日热电负荷需求示意图；

图3为本发明实施例夏季典型日冷电负荷需求示意图；

图4为本发明实施例冬季典型日三种策略下微网与主网交互功率示意图；

图5为本发明实施例冬季典型日三种策略下燃料电池的出力示意图；

图6为本发明实施例策略2和3中储能单元的出力示意图；

图7为本发明实施例冬季典型日策略3的电负荷平衡情况示意图；

图8为本发明实施例夏季典型日策略3的电负荷平衡情况示意图。

具体实施方式：

下面结合附图与实施例对本发明做进一步说明：

一种考虑冷热电联供和储能运行策略的微电网运行优化方法，包括以下步骤：

(1)假设在调度周期单位时间间隔Δt内各微电源的出力恒定并满足冷、热、电负荷的 平衡关系，微电网与主网之间功率交互功率恒定，交互电价跟随实时电价并在Δt内保持不变 的情况下，建立CCHP型微电网优化模型；

(2)根据功率平衡约束条件、分布式电源有功出力约束条件、空调机出力约束条件以及 储能单元运行约束条件，构建以微电网并网运行状态下发电成本最低为目标的目标优化函数； 并对CCHP系统能源利用率指标和节能减排指标进行分析；

(3)根据建立的目标优化函数，综合考虑前后时段的负荷水平以及各微电源的出力趋势， 确定储能单元以及燃料电池的运行原则，进而确定调度周期内整个CCHP系统的最佳运行方 式。

(4)针对实际的微电网系统进行算例仿真，分析所提模型和策略的合理性，并对优化结 果进行CCHP系统能源利用率指标和节能减排指标分析。

1、CCHP型微电网优化模型

假设在调度周期单位时间间隔Δt内各微电源的出力恒定并满足冷、热、电负荷的平衡关 系，微电网与主网之间功率交互功率恒定，交互电价跟随实时电价并在Δt内保持不变。

CCHP型微电网优化模型包括：微型燃气轮机模型、空调机模型、燃料电池模型、风力 发电模型、光伏发电模型和储能单元模型；

1.1微型燃气轮机模型

CCHP系统核心装置为微型燃气轮机，微型燃气轮机发电同时排出的高温烟气通过溴化锂 吸收式制冷机用于制冷、取暖和供应生活热水等。假设微型燃气轮机排烟温度与溴冷机的进 烟温度保持不变，并忽略外界环境的变化对微型燃气轮机供电、燃料燃烧效率等的影响，溴 化锂吸收式制冷机采用双效或多效制冷机。含微型燃气轮机的CCHP系统的数学模型为

$Q_{\mathrm{MT}}\left(t\right)=\frac{P_{\mathrm{MT}}\left(t\right)(1-{\eta }_{\mathrm{MT}}-{\eta }_L)}{{\eta }_{\mathrm{MT}}}---\left(31\right)$

Q_MT-h(t)＝Q_MT(t)η_hCOP_h  (32)

Q_MT-c(t)＝Q_MT(t)η_cCOP_c  (33)

式中：令t＝t₀+rΔt，t₀为调度初始时刻，r为非负整数，调度周期T＝N_TΔt，N_T为正 整数；Q_MT(t)为燃气轮机排气余热量；P_MT(t)为t时刻燃气轮机输出的电功率；η_MT为燃气轮 机发电效率；η_L为散热损失系数；Q_MT-h(t)、Q_MT-c(t)为溴冷机t时刻提供的制热量和制冷量； η_h、η_c和COP_h、COP_c分别为溴冷机的制热和制冷时的烟气回收率及制热和制冷系数；V_MT为 调度周期内消耗的天然气量；微型燃气轮机不同功率下的发电效率可由生产商提供的相关参 数拟合得到。

微型燃气轮机的燃料成本为

$C_{\mathrm{MT}}=C_f\frac{\underset{r=1}{\overset{N_T}{\Sigma }}{P}_{\mathrm{MT}}\left(t\right)\mathrm{\Delta t}}{{\eta }_{\mathrm{MT}}\times {\mathrm{LHV}}_{\mathrm{NG}}}---\left(34\right)$

式中：C_MT为微型燃气轮机的燃料成本；C_f为天然气的价格，取2.54元/m³；LHV_NG为 天然气低热热值，取9.7kWh/m³。

1.2空调机模型

关于空调出力，当电压高于额定值时，空调出力随着电压下降较快，而低于额定电压时， 空调出力下降比较缓慢，因此文中假设空调负荷在制冷或制热时为恒功率出力。

空调机出力的数学模型为

Q_air-h(t)＝P_air(t)(1-η_Lh)η_ahCOP_air-h  (35)

Q_air-c(t)＝P_air(t)(1-η_Lc)η_acCOP_air-c  (36)

式中：Q_air-h(t)、Q_air-c(t)分别为t时刻空调机制热、制冷功率；P_air(t)为空调机用电功率；η_Lh、 η_Lc分别为空调机制热、制冷时损失系数，η_ah、η_ac分别为空调机的制热、制冷效率；COP_air-h、 COP_air-c分别为空调制热和制冷时的能效比。空调机所耗电能作为系统用电负荷统一调度。

1.3燃料电池模型

由于燃料电池发电效率较高，且作为微电网主要电能调度型电源，因此不考虑燃料电池 的热能利用，燃料电池的燃料消耗-功率输出特性为

$C_{\mathrm{FC}}=C_f\frac{\underset{r=1}{\overset{N_T}{\Sigma }}{P}_{\mathrm{FC}}\left(t\right)\mathrm{\Delta t}}{{\eta }_{\mathrm{FC}}\times {\mathrm{LHV}}_{\mathrm{NG}}}---\left(37\right)$

式中：C_FC为燃料电池的燃料成本；P_FC(t)为t时刻燃料电池发电功率；η_FC为燃料电池 发电效率；燃料电池不同功率下的发电效率可由生产商提供的相关参数拟合得到。

1.4储能单元模型

储能单元的状态有充电、放电、浮充三种状态，储能在t时刻的剩余电量与t-1时刻的 剩余电量、t-1到t时刻的充放电量以及自放电量有关。储能的输入、输出功率及充放电状 态应满足下列关系：

$C_{\mathrm{soc}}\left(t\right)=\left(\begin{array}{cc}(1-\tau )C_{\mathrm{soc}}(t-\mathrm{\Delta t})& u_{\mathrm{fl}}\left(t\right)=1\\ (1-\tau )[C_{\mathrm{soc}}(t-\mathrm{\Delta t})-P_{\mathrm{es}}(t-\mathrm{\Delta t}){\eta }_{\mathrm{ch}}]& u_{\mathrm{ch}}\left(t\right)=1\\ (1-\tau )[C_{\mathrm{soc}}(t-\mathrm{\Delta t})-P_{\mathrm{es}}(t-\mathrm{\Delta t})/{\eta }_{\mathrm{dis}}]& u_{\mathrm{dis}}\left(t\right)=1\end{array}\right)---\left(38\right)$

式中：C_soc(t)为t时刻储能剩余电量；τ为储能自放电率，取3.6％/月；P_es为储能t时刻 的充放电功率；η_ch、η_dis分别为储能充电和放电效率；u_fl(t)、u_ch(t)、u_dis(t)∈﹛0,1﹜，为 储能单元的状态标识，分别代表浮充，充电，放电三种状态，对应P_es(t)取值分别等于、小于、 大于零。

风力发电模型、光伏发电模型

1.5风力发电模型

风力发电的输出与风速关系成非线性，理想的功率曲线数学表达式为：

$P_{\mathrm{wt}}=\left(\begin{array}{cc}0,& 0\le v\le v_{\mathrm{ci}}\\ {\lambda }_1{v}^2+{\lambda }_{2}v+{\lambda }_3,& v_{\mathrm{ci}}\le v\le v_{\mathrm{co}}\\ P_{\mathrm{rate}},& v_{\mathrm{rate}}\le v\le v_{\mathrm{co}}\\ 0,& v_{\mathrm{co}}\le v\end{array}\right)$

式中：P_wt为风电出力；v、v_ci、v_co、v_rate分别为风机的当前风速、切入风速、切除风速和额 定风速；P_rate为额定功率；λ₁、λ₂、λ₃分别为风机的出力系数，可以通过曲线拟合得到。

1.6光伏电池模型

对于玻璃-玻璃封装的光伏电池组件，由如下经验计算式，可以计算环境温度从而估算出组件 温度：

T_mod＝T_amd+30G/1000

式中：T_mod、T_amd分别为组件温度和环境温度；G为组件接受到的太阳能辐射值。

光伏电池的输出功率计算式为：

P_PV＝P_STCG_AC[1+k(T_c-T_t)]/G_STC

式中：P_PV、P_STC分别为当前和标准测试条件下(环境温度为25℃)光伏电池的出力；G_AC、 G_STC分别为当前和标准测试下的光照强度，其中标准测试下光照强度取1000W/m²；k为功率 温度系数，其值取-0.47％/K，T_c、T_t分别为电池板的工作温度和参考温度。

风机出力和光伏电池年出力、月出力、日出力等变化较大，为更好地描述其出力变化特 性，采用时序模拟仿真法在给定负荷条件和预测风光出力的情况下将风电光伏出力等看做随 时间变化的时间序列，并采用最大功率跟踪模式。

2、CCHP型微电网运行优化

CCHP型微电网主要是在能源梯级利用基础上，以最低运行成本实现微电网的运行效益最 优化。因此，微电网中冷热负荷主要由CCHP系统供应，通过跟踪系统热(冷)负荷确定微 型燃气轮机的出力，对于不满足微型燃气轮机出力的情况下启用空调，并对冷热电联产系统 进行能源利用率、CO2减排量及单位节能减排成本进行评估。对网内的电负荷供应，考虑环 境效益及调度可控性等因素，优先使用可再生清洁能源并制定合理的储能单元和燃料电池的 运行策略，从而实现对负荷的削峰填谷基础上充分利用分时电价的差异以使得微电网更好的 参与到电力市场中去。

2.1经济效益分析

微电网经济优化的主要内容为并网运行状态下发电成本最低。忽略突发事故导致的损失 和新能源发电补贴等经济因素，微电网发电成本主要有运行成本和经济收益两部分，假设分 布式电源发电仅与有功出力相关，其发电成本函数为：

minF＝F₁-F₂  (39)

式中：F为微电网的调度周内总发电成本；F₁为微电源运行成本；F₂为微电网经济收益。

微电源运行成本函数为：

F₁＝C_t+C_fu+C_m  (40)

$\left(\begin{array}{c}{C}_t=\underset{i=1}{\overset{N}{\Sigma }}{C}_i\frac{l{(1+l)}^{k_i}}{{(1+l)}^{k_i}-1}+C_{\mathrm{BAT}}\frac{l{(1+l)}^v}{{(1+l)}^v-1}\\ C_{\mathrm{fu}}=C_{\mathrm{MT}}+C_{\mathrm{FC}}\\ C_m=\underset{i=1}{\overset{N}{\Sigma }}\underset{r=1}{\overset{N_T}{\Sigma }}{C}_{\mathrm{mi}}{P}_i\left(t\right)+\underset{r=1}{\overset{N_T}{\Sigma }}{C}_{\mathrm{mes}}{P}_{\mathrm{es}}\left(t\right)\end{array}\right)---\left(41\right)$

式(43)、(43)中：C_t、C_fu、C_m分别代表微电网折旧成本、燃料成本和维护成本；N为微电源 总数；C_i为第i台微电源的初始成本；l为利息率；k_i为第i台微电源的寿命周期；C_BAT为 储能初始成本；v为储能寿命周期，微电源与储能折旧的平摊成本为期初成本；C_mi为第i台 微电源的单位出力维护成本；P_i(t)为第i台微电源单位时间内有功出力；C_mes为储能的单位 出力维护成本。

微电网经济收益为：

$F_2=\underset{r=1}{\overset{N_T}{\Sigma }}{P}_{\mathrm{rs}}\left(t\right)P_s\left(t\right)+P_{\mathrm{rb}}\left(t\right)P_b\left(t\right)+C_{\mathrm{hc}}---\left(42\right)$

$C_{\mathrm{hc}}=\left(\begin{array}{cc}\underset{r=1}{\overset{N_T}{\Sigma }}{C}_{\mathrm{he}}{Q}_{\mathrm{MT}-h}\left(t\right)& a=1\\ \underset{r=1}{\overset{N_T}{\Sigma }}{C}_{\mathrm{co}}{Q}_{\mathrm{MT}-c}& a=0\end{array}\right)---\left(43\right)$

式(45)、(46)中：P_rs(t)、P_rb(t)分别为t时刻的售电和购电电价；P_s(t)、P_b(t)分别为t时刻的 售电和购电功率；C_hc为制热(冷)收益；C_he、C_co分别为单位制热和制冷量的售价；本文冬 季不考虑冷负荷且夏季不考虑热负荷，因此，a＝1表示冬季制热，a＝0表示夏季制冷。

2.2 CCHP系统节能减排分析

1)能源利用率指标。为评价CCHP系统的能源利用效率，利用一次能源利用效率指标 (primary energy ratio,PER)V_PER对系统的运行状况进行评估，一般联产系统要求V_PER≥75％， 并与传统分产系统能源利用率进行比较；其中一次能源利用率为有效利用能量与总耗能之比：

$V_{\mathrm{PER}}=\frac{\underset{r=1}{\overset{N_T}{\Sigma }}[P_{\mathrm{MT}}\left(t\right)+Q_{\mathrm{he}}\left(t\right)+Q_{\mathrm{co}}\left(t\right)]}{\underset{r=1}{\overset{N_T}{\Sigma }}{Q}_f\left(t\right)}---\left(44\right)$

式中：ΣQ_f(t)为调度周期内为联供系统消耗天然气量，且ΣQ_f(t)＝V_MT×LHV_NG， LHV_NG为天然气低热热值，P_MT(t)为微型燃气轮机的发电功率、Q_he(t)为系统的热负荷、 Q_co(t)为系统的冷负荷。

2)节能减排指标。由于微型燃气轮机的主要排放物为CO2、SO2、NOx等，因此评价CCHP 系统的节能减排效益，以相对传统的分产火电机组的日平均排放物减排率、减排节约成本等 为指标，对其减排运行状况进行评估。

$\left(\begin{array}{c}{\eta }_{\mathrm{dj}}=\frac{\underset{r=1}{\overset{N_T}{\Sigma }}\underset{j=1}{\overset{M_T}{\Sigma }}{F}_{\mathrm{coalj}}{P}_{\mathrm{eq}}\left(t\right)-F_{\mathrm{MTj}}{P}_{\mathrm{MT}}\left(t\right)}{\underset{r=1}{\overset{N_T}{\Sigma }}\underset{j=1}{\overset{M_T}{\Sigma }}{F}_{\mathrm{coalj}}{P}_{\mathrm{eq}}\left(t\right)}\\ C_{\mathrm{dcj}}={\zeta }_{\mathrm{gasj}}{\eta }_{\mathrm{dj}}\underset{r=1}{\overset{N_T}{\Sigma }}\underset{j=1}{\overset{M_T}{\Sigma }}{F}_{\mathrm{coalj}}{P}_{\mathrm{eq}}\left(t\right)\end{array}\right)---\left(45\right)$

$P_{\mathrm{eq}}\left(t\right)=\left(\begin{array}{cc}{\xi }_{\mathrm{eh}}{Q}_{\mathrm{MT}-h}\left(t\right)+P_{\mathrm{MT}}\left(t\right)& a=1\\ {\xi }_{\mathrm{ec}}{Q}_{\mathrm{MT}-c}\left(t\right)+P_{\mathrm{MT}}\left(t\right)& a=0\end{array}\right)---\left(46\right)$

式中，j表示排放物的数目，由于仅考虑CO2，SO2，NOx三种排放物，因此M_T＝3；η_dj、 C_dcj为CCHP系统污染物减排率、减排节约成本；F_coalj、F_MTj分别为分产火电机组和微型燃 气轮机的污染物排放因子；P_eq(t)为产生与CCHP系统同等冷热电能的等效火电机组出力；ξ_eh、 ξ_ec分别为热负荷和冷负荷与火力机组出力的转化系数，具体数值由转换机组的效率决定； ζ_gasj为排放物惩罚因子；Q_MT-h(t)为微型燃气轮机的产热量、Q_MT-c(t)为微型燃气轮机的制冷 量，P_MT(t)为微型燃气轮机的发电功率。

2.3约束条件

若忽略燃气轮机与溴冷机之间的热能损失，微电网在运行期间主要满足系统冷热电功率 平衡与分布式电源、空调机及储能单元运行约束。

1)功率平衡约束

$\underset{i=1}{\overset{N}{\Sigma }}{P}_i\left(t\right)+P_{\mathrm{es}}\left(t\right)+P_b\left(t\right)+P_s\left(t\right)-P_{\mathrm{loss}}\left(t\right)=P_{\mathrm{load}}\left(t\right)+P_{\mathrm{air}}\left(t\right)---\left(47\right)$

$\underset{i=1}{\overset{N}{\Sigma }}{Q}_{\mathrm{MT}-h}\left(t\right)+Q_{\mathrm{air}-h}\left(t\right)=Q_{\mathrm{he}}\left(t\right)---\left(48\right)$

$\underset{i=1}{\overset{N}{\Sigma }}{Q}_{\mathrm{MT}-c}\left(t\right)+Q_{\mathrm{air}-c}\left(t\right)=Q_{\mathrm{co}}\left(t\right)---\left(49\right)$

式(50)-(52)中：P_load(t)、Q_he(t)、Q_co(t)分别为t时刻网内普通电负荷和热、冷负荷；P_loss(t) 为t时刻微电网功率损耗。

2)分布式电源有功出力约束

P_imin≤P_i(t)≤P_imax  (50)

式中：P_imax，P_imin分别为第i台微电源有功出力的上下限。

3)空调机出力约束

P_airmin≤P_air(t)≤P_airmax  (51)

式中：P_airmin、P_airmax为空调机出力上下限；

4)储能单元运行约束

④储能单元的出力功率约束

P_esmin≤P_es(t)≤P_esmax  (52)

式中：P_esmax，P_esmin分别为储能出力上下限；

⑤储能单元的能量约束

C_socmin≤C_soc(t)≤C_socmax  (53)

式中：C_socmax，C_socmin分别为储能容量的最大、最小值。其中，SOC表示储能的核电状 态，表征其能量范围，文中取值为0.2-0.8；

⑥单位调度周期始末状态储能能量约束：

C_soc(t₀)＝C_soc(t₀+N_rΔt)  (54) 考虑储能单元对微电网的周期性优化，其能量状态满足在调度周期始末相等；

⑦单位调度周期储能的充放电状态和次数约束：

u_ch(t)+u_dis(t)+u_fl(t)＝1(55)

$\underset{r=0}{\overset{N_T}{\Sigma }}\left|u_{\mathrm{ch}}\right[t_0+(r+1)\mathrm{\Delta t}]-u_{\mathrm{ch}}(t_0+\mathrm{r\Delta t})|\le {\lambda }_1---\left(56\right)$

$\underset{r=0}{\overset{N_T}{\Sigma }}\left|u_{\mathrm{dis}}\right[t_0+(r+1)\mathrm{\Delta t}]-u_{\mathrm{dis}}(t_0+\mathrm{r\Delta t})|\le {\lambda }_2---\left(57\right)$

式中：λ₁、λ₂分别表示储能的充放电次数，具体的数值由系统负荷、储能寿命和优化 策略来确定。

3、储能系统最佳运行策略

CCHP系统中微型燃气轮机出力低于最大出力50％时，发电效率大幅度降低。对于不满足 微型燃气轮机出力限制的热(冷)负荷采用空调机补燃。虽然空调机同溴冷机一样为风机盘 管设计,但是2个系统的水泵压力不同，可能出现一方无法将冷水压入管道的情况。此外,将联 供系统的冷却水与空调机冷却水混合，不易分配两者之间合理的制热(冷)量。因此，空调 机与微型燃气轮机单独使用。

综上，CCHP系统与可再生能源等运行策略已定，根据系统各时段的冷、热电负荷的需求， 可确定储能单元及燃料电池的运行策略。由于研究重点为在满足系统负荷需求下采用合理策 略调度储能，以充分利用峰谷电价达使微电网运行成本最低，因此在满足储能充放电次数约 束下忽略储能非线性充放电损耗等经济损失。储能系统的优化属于多阶段非线性动态规划问 题，需要对储能的运行在调度周期内进行动态规划处理。

粒子群优化算法(PSO)模拟了鸟群飞行觅食的行为，通过鸟之间的集体协作使群体达到最 优。PSO求解优化问题时，每个粒子都有自己的位置和速度，还有一个由目标函数决定的适应 值。粒子通过跟踪自身最好和全局最好值来寻优。该算法概念简明、实现方便、参数设置少， 是一种高效的搜索算法，已经广泛应用在电力系统的求解无功优化、动态安全边界辨识、配 电系统状态估计等方面。但是，由于粒子的移动没有选择性，粒子容易跳出最优解附近的某 一邻域，使其局部搜索能力较弱，易收敛为局部最优，因此将其与模拟退火算法相结合，使 粒子的飞行无记忆性并结合模拟退火算法重新生成停止进化粒子的位置，增强了全局搜索能 力。此外SimuAPSO算法采用双群体搜索机制，一个群体保存具有可行解的粒子，使其逐步搜 索到最优可行解；另一群体保存具有不可行解的粒子，且可行解群体以一定概率接受具有不 可行解的粒子，有效地维持了群体的多样性。具体解题步骤如下：

Step1：输入原始数据(风速、温度、冷热电负荷等)并确定P_wt(t)、P_pv(t)、P_mt(t)和P_air(t)， 同时确定P_e(t)。

Step2：置粒子群维数K，粒子个数M，最大迭代次数N，并根据约束条件初始化粒子群位置与 速度。

Step3：根据适应度函数f评价每个微粒的适应度，将记录各微子历史最佳位置pi和群体最 优位置pg。

Step4：设置初始温度t₀＝f(p_g)/ln5，根据式(下)确定当前温度下各pi的适配值TF(pi)。

$\mathrm{TF}\left(p_i\right)=\frac{e^{-(f\left(p_i\right)-f\left(p_g\right))/t}}{\underset{i=1}{\overset{M}{\Sigma }}{e}^{-(f\left(p_i\right)-f\left(p_g\right))/t}}---\left(61\right)$

Step5：根据适配值TF(pi)并采用轮盘赌策略从所有p_i中确定全局最优的某个替代值p_g′，然 后根据Step1、Step2、Step3更新各微粒的速度和位置：

x_i,j(t+1)＝x_i,j(t)+v_i,j(t+1),j＝1,2,...K  (63)

C＝c₁+c₂  (65)

式中：c1、c2为粒子权重系数；为加速因子；r1、r2为(0,1)之内均匀分布的随机 数；xij(t)、vij(t)分别为粒子t时刻的位置和速度。

Step6:计算各微粒新的适应值，更新各微粒的p_i值及群体的p_g值，并按式进行退温操作。

t_n＝λt_n-1,n＝1,2……N  (66)

式中：λ为退温常数。

Step7：若满足最大迭代次数，搜索停止，输出储能单元、交互功率和燃料电池的最佳出 力，否则返回Step4继续搜索。

在调度周期的N_T个时段对储能单元进行动态规划，以储能单元剩余电量作为各阶段的决 策变量，为模拟储能单元充放电过程，首先将储能单元出力变化的连续过程离散化，同时为 让储能单元更好的参与到经济调度，必须要综合考虑前后时段的负荷水平以及各微电源的出 力趋势，在满足系统的负荷需求下对储能动态充放电。而考虑环境、能源利用率等因素，燃 料电池出力应该只满足系统缺电功率，不应向储能充电及大电网售电。

定义P_e(t)为t时刻储能和燃料电池均不启动时微电网广义负荷功率，正值表示微电网输 出电能，负值表示微电网缺电并假设大电网能完全消纳与弥补微电网功率差额。依据P_e(t)与 分时电价制定的储能单元交换功率和燃料电池的运行原则为：

1)若微电网售电价格较低，储能单元优先充电：若微电网电量剩余，则向大电网售出电能， 燃料电池不工作；若微电网电量不足，比较购电与燃料电池发电成本，选择成本较低者。

2)若微电网售电价格较高，储能单元优先放电：若微电网电量剩余，则向大电网售出电能， 燃料电池不工作；若微电网电量不足，比较购电与燃料电池发电成本，选择价格较低者。

3)若购电成本低于燃料电池发电成本，交互功率为储能单元充放电后微电网功率缺额。

4)若燃料电池发电成本低于购电成本，其发电功率为储能充电之前或放电之后系统功率缺 额。

为动态地表示上述原则，定义仅考储能、交互功率和燃料电池运行的期望成本函数如下：

$F_{\mathrm{in}\_t}\left(t\right)=\left(\begin{array}{cc}{F}_{\mathrm{in}\_t1}\left(t\right)& P_{\mathrm{tex}}\left(t\right)>0\\ F_{\mathrm{in}\_t2}\left(t\right)& P_{\mathrm{tex}}\left(t\right)<0\end{array}\right)---\left(67\right)$

式中：F_{in_t1}(t)、F_{in_t2}(t)分别表示燃料电池不启动下售电与购电的成本函数； P_tex(t)＝P_e(t)+P_es(t)，表示在燃料电池不启动时系统广义交互功率，正值表示微电网售电功率， 负值表示从大电网购电功率。

$\left(\begin{array}{c}{F}_a\left(t\right)=[P_{\mathrm{rs}\max }-P_{\mathrm{rs}}\left(t\right)]P_{\mathrm{es}}\left(t\right)\mathrm{\Delta t}/{\eta }_{\mathrm{dis}}\\ F_b\left(t\right)=[P_{\mathrm{rs}\max }-P_{\mathrm{rs}}\left(t\right)]P_{\mathrm{es}}\left(t\right){\eta }_{\mathrm{ch}}\mathrm{\Delta t}/{\eta }_{\mathrm{dis}}\\ F_c\left(t\right)=[P_{\mathrm{rs}\max }-P_{\mathrm{rb}}\left(t\right)]P_{\mathrm{es}}\left(t\right)\mathrm{\Delta t}/{\eta }_{\mathrm{dis}}\\ F_d\left(t\right)=[P_{\mathrm{rs}\max }-P_{\mathrm{rb}}\left(t\right)]P_{\mathrm{es}}\left(t\right){\eta }_{\mathrm{ch}}\mathrm{\Delta t}/{\eta }_{\mathrm{dis}}\\ F_e\left(t\right)=\left\{\right[P_{\mathrm{rs}\max }-P_{\mathrm{rb}}\left(t\right)]P_e\left(t\right)-P_{\mathrm{tex}}\left(t\right)[P_{\mathrm{rs}\max }-P_{\mathrm{rs}}\left(t\right)\left]\right\}\mathrm{\Delta t}/{\eta }_{\mathrm{dis}}\\ F_f\left(t\right)=\left\{\right[P_{\mathrm{rs}\max }-P_{\mathrm{rs}}\left(t\right)]P_e\left(t\right)-P_{\mathrm{tex}}\left(t\right)[P_{\mathrm{rs}\max }-P_{\mathrm{rb}}\left(t\right)\left]\right\}{\eta }_{\mathrm{ch}}\mathrm{\Delta t}/{\eta }_{\mathrm{dis}}\end{array}\right)---\left(70\right)$

式中：P_rsmax为调度周期内最高售电电价；F_a(t)、F_c(t)、F_e(t)为各情况下非峰时放电期 望损失；F_b(t)、F_d(t)、F_d(t)分别为各情况下非峰时充电期望收益；

燃料电池的出力为

其中：当P_FC(t)＝-P_e(t)时，P_es(t)＝0。

微电网与大电网的交互功率为

$P_{\mathrm{ex}}\left(t\right)=\left(\begin{array}{cc}{P}_{\mathrm{tex}}\left(t\right)& P_{\mathrm{FC}}\left(t\right)\ne 0\\ 0& P_{\mathrm{FC}}\left(t\right)=0\end{array}\right)---\left(72\right)$

由式(71)、(72)所示，在计算电能交互收益时，在广义负荷功率为正或负的情况下，对储 能单元充放电过程分别考虑了充电的期望收益与放电过程中期望损失，即若非峰时电价放电 时，售电收益减去的非峰时放电期望损失，若非峰时充电时，售电收益减去非峰时充电期望 收益。其中，F_a(t)、F_b(t)、F_f(t)表示系统功率过剩时，储能系统充放电与替代供电方式之间的 期望损失或收益，而式F_c(t)、F_d(t)、F_e(t)表示系统功率不足时，储能系统充放电与替代供电方 式之间的期望损失或收益。因此，储能单元在动态寻优的任一时刻，将尽量避开非峰时放电 与非谷时充电状态，并依据微电网前后时刻广义负荷功率P_e(t)、储能单元的剩余电量、实时 电价和燃料电池发电成本决策最佳充放电出力，以保证系统期望收益函数取最大，满足运行 原则1)，2)。由(71)、(72)表示，当系统广义交互功率P_tex(t)为负时，比较从大电网购电与燃 料电池成本，从而确定是否启动燃料电池及其出力大小，同时由式(29)可知，燃料电池仅满足 系统的功率缺额，不向储能单元充电及大电网售电，满足运行原则3)、4)。

储能单元、交互功率及燃料电池的运行原则确定后，调度周期内整个CCHP型微电网的 最佳运行方式随之确定。

4、算例分析

4.1 CCHP型微电网的结构

本文在保证系统安全、综合考虑系统各部分比例的基础上，以北方某地区实际的小型 CCHP型微电网为例对其进行运行优化。微电网结构、联供方式及能量流向等如图1所示。

图1中，主网电压为10kv，微电网电压为0.38kv，初始时刻储能剩余电量值对应于电池 最低核电状态；网内电负荷包括普通电负荷和空调电负荷，当微燃机不满足运行条件时，需 启动空调机填补冷热负荷功率缺额。微电网内部分元件基础参数及排放物污染惩罚参数见如 表1。

表1微电网内各元件参数

表2污染物排放和惩罚因子

选取冬季和夏季典型日为研究对象，时间间隔Δt＝1h，N_T＝24，交互电价谷时段为23:00 —07:00，平时段为07:00—08:00、11:00—17:00和22:00—23:00，峰时段为08:00—11:00和 17:00—22:00。各时段售电、购电电价如表2所示。

表3调度周期实时电价

在研究冬夏季CCHP型微电网的电能调度时，制定以下三种调度策略：

策略1：储能单元停用，由交互功率和燃料电池出力满足微电网负荷需求。

策略2：储能单元不参与电能交易，仅为满足微电网的内部负荷需求而启用。

策略3：采用3.2节的方法，即储能单元参与电能交易，并动态规划储能充放电。

4.2典型日CCHP型微电网运行分析

本文冷热电负荷选取该微电网内冬夏季典型日负荷，并采取基于模拟退火的粒子群算法 对模型优化求解。该微电网内冬夏季典型日冷热电负荷需求功率分别如图2、图3所示。

风电及光伏发电出力采用最大功率点追踪模式，冷热电联产系统运行在以热(冷)定电 模式下并按3.1节策略运行，取微电网制热和制冷收益均为0.1元/(kWh)，微电网内固定成本 与收益如表4所示。

表4微电网的固定成本与收益

以冬季典型日为例，当CCHP型微电网与电网间交互取实时电价时，系统采取不同控制 策略，交互功率与燃料电池的出力如图4、图5所示。

图4中，相对于策略1，策略2和3的储能能够在一定程度上平抑微电网与大电网之间 的交互功率的波动，减少交互功率为负的时段，从而减少微电网购电量，为电网层的调度提 供了更好的环境。相对策略2，策略3交互功率在电价较低时，售电功率低而购电功率高； 电价较高时，售电功率高而购电功率低，增加了微电网的交互收益。图5中，相对于策略1 和2，策略3由于采取了文中的储能优化策略，有效减少了燃料电池的启停次数并能极大发 挥峰时电价下燃料电池代替交互功率满足系统功率缺额的作用。

策略2和3中储能的出力如图6所示，图6中，策略2在微电网功率不足时，储能放电， 在微电网功率过剩时，储能充电，储能起到了削峰填谷的作用。相对策略2，策略3中储能 除了削峰填谷外，在分时电价下，储能参与微电网电能经济调度并尽量在电价较低的时充电， 而在电价较高的时放电：1-4时，电网电价较低，储能以最大功率充电，购进低价电能；9-11 时，电网电价较高，储能以最大功率放电，获得最大收益。12-17时，微电网功率不足，此时 电网电价相对较低，微电网优先购进大电网低价电能，储能单元不放电。18-20时，微电网能 量不足，此时电价相对较高，微电网优先利用储能放电。由于对储能单元的充放电依据分时 电价进行了经济调度，因此相对策略2，策略3还能有效减少储能的充放电次数，降低了充 放电损失，从而整体提高微电网经济效益，降低微电网运行成本。

冬夏季典型日策略3的电负荷平衡情况如图7、图8所示，图7、图8中，调度周期内风 电及光伏发电置于最大功率点追踪模式，CCHP系统运行在以热(冷)定电模式且微型燃气轮机 与空调互补出力。冬季典型日，0-10和16-23时，热负荷功率较大，热电联产系统满足最低 出力限制，微型燃气轮机启动；而在11-15时，系统热负荷较小，微型燃气轮机出力低于最 低出力限制，微型燃气轮机停用，空调机启动，空调机出力为网内空调电负荷。由于夏季典 型日冷负荷较大，调度周期内冷电联产系统均满足最低出力限制，微型燃气轮机启用，空调 及停用，网内空调电负荷为0。风光出力及热电联产系统出力确定后，微电网的功率缺额主 要由储能单元、交互功率及燃料电池提供。

三种策略下CCHP型微电网发电成本如表5所示，由于考虑了制冷制热收益，对系统的 热能经济效益充分利用，相对于直接由电能供应冷热负荷的分产型微电网而言，运行成本大 大降低。策略2、3在引入储能单元后，降低了微电网的运行成本，证明了储能系统的经济性。 策略2中购电成本和售电收益均较低，表明储能单元对电网功率进行了平抑，但是由于没有 考虑储能单元的经济调度策略，优化结果仍然不够经济。在分时电价下，采用本文的策略能 够合理的优化储能单元的运行方式，提高微电网的售电收益，从而降低微电网的运行成本。

表5三种策略下微电网发电成本

4.3 CCHP系统指标评估

1)能源利用率指标。CCHP系统能源利用率如表6所示。冬夏季联产系统能源利用率均 满足要求，且相对于传统火电厂、热电厂能源利用率(分别为35％和45％)有较大提高，实 现了能源梯级高效利用。同时，由于溴冷机夏季制冷系数比冬季制热系数大，在相同的燃料 产热量下，能够提供更多制冷量，因此冷电联产系统能源利用率高于热电联产系统，该结果 可以为微电网的冷热调度及节能效益提供参考。

表6联产系统能源利用率

2)节能减排指标。CCHP系统的减排量、减排节约成本如表7所示。热电分产的火电机 组制热量由余热锅炉供热提供，制冷量由压缩式制冷机组提供。联产系统由于主要燃料为天 然气，单位含碳量相对较高，因此对提高CO2的减排率作用较小，同时由于热电联产中锅炉 产热效率低于电压缩机的制冷效率，因此冷电联产系统的CO2排放较传统分产系统较高，而 热电联产系统低于分产系统。但由于天然气所含SO2、NOx等污染物较少，因此能够极大地 提高SO2和NOx的减排率，并减少排污惩罚费用，该结果可以为能源利用的环境代价活效益 的定量化评价提供可操作性方法。

表7联产系统减排率和减排节约成本

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限 制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付 出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。