基于粒子群算法的多微网优化调度模型详解

1. 多微网优化调度，到底在调什么

这两年，微电网已经从实验室里的小打小闹，变成了园区、海岛、偏远地区供电的常见方案。但真正跑到实际项目里你会发现，单微网调度做得再漂亮，一旦把几个微网连起来组成多微网系统，问题立刻变得棘手——各微网之间是合作还是竞争？功率往哪送、送多少？谁来协调、按什么规则协调？这些问题不解决，多微网就只是把几个独立系统用线路硬接在一起而已，谈不上真正的优化。

所以我这次想聊的，就是基于粒子群算法的多微网优化调度模型。这个模型解决的核心问题，简单说就是：在满足每个微网自身负荷需求和安全约束的前提下，通过合理安排各微网内部的发电单元出力、储能充放电，以及微网之间的功率交换，让整个系统的运行成本降到最低或者综合效益达到最佳。

先说说适用人群。如果你是搞电力系统优化、微电网能量管理、智能算法应用的研究生或者工程师，这篇内容能给你一套可以直接参考的建模思路和算法实现方案。如果你刚接触这个方向，对粒子群算法还停留在“一群鸟找食物”的阶段，也不要紧，我会把原理和工程细节拆开讲明白。

需要说明一下，文中的模型结构、参数设置和实现方式，属于我在实际项目验证过的常见做法，具体场景下请根据你的数据特性和约束条件做调整，不要直接照搬。

2. 建模这件事，先搞清楚边界和变量

2.1 单微网到多微网，难点从“自治”变成了“协同”

很多人一开始对多微网的理解就是“多个微网的简单叠加”，但真做起模型来就会发现，问题维度完全是另一套逻辑。

单微网调度，核心是实现内部功率平衡，只要搞定分布式电源出力、储能充放电和本网负荷之间的匹配就行。而多微网调度，你要面对的是：每个微网既要保证本地供需平衡，又要参与网间功率交换；交换的功率大小和方向还会反过来影响各微网的运行状态。这就成了一个典型的“分布式决策 + 全局协同”问题。

打个比方，单微网调度像一个人管理自己家里的用电，怎么省怎么来；多微网调度像一个小区的几栋楼共用一个变压器，每栋楼都有自己独立的用电需求和屋顶光伏，但彼此之间可以借电、还电，总协调做得好，整体用能成本能明显下降，协调不好，可能出现某栋楼严重过载而另一栋楼的光伏却在弃光。

在这个模型里，我们把这个“小区”设定为由三个微网组成的互联系统，每个微网内部包含风电、光伏、微型燃气轮机、储能电池，以及本地负荷。三个微网通过公共连接点和联络线与配电网相连，彼此之间也有功率交换通道。这样构建出来的多微网系统，既保留了单微网的自治运行特征，又增加了微网互联的协同通道，是一个比较典型的实验配置。

2.2 模型的目标是“钱”，但不止是“钱”

优化调度模型的目标函数，我见过很多种设计，有人只做经济性最优，有人考虑环保排放，还有人加入弃风弃光率惩罚。这个模型里，我们采用经济成本最小化和环境成本最小化两个目标的加权组合。

成本构成可以拆成这几块：

• 各微网内部微型燃气轮机的燃料成本，这部分和出力呈非线性关系，一般用二次函数近似；
• 风机和光伏的运行维护成本，通常和出力成正比的线性函数；
• 储能电池的充放电损耗成本，这个容易被忽略，但实际建模时我会用一个固定的折算系数来处理，把每次充放电折算成设备损耗费；
• 各微网与配电网之间的购电/售电成本，购电价格高于售电价格，这是一个不对称机制，会直接影响微网间的功率交换意愿；
• 微网之间功率传输的网损成本，即功率在互联线路传输时消耗掉的那部分能量。

环境成本则主要考虑微型燃气轮机的污染物排放，包括二氧化碳、氮氧化物、硫化物等，用排放系数折算成经济成本叠加到目标函数里。

需要特别注意，目标函数中各个成本量纲必须统一，燃料成本用元，排放成本也要通过碳税或排放惩罚系数折算成元，否则加权系数将毫无意义。

2.3 约束条件才是真正决定模型难度的部分

目标函数决定了调度“往哪个方向走”，约束条件决定了“哪里不能走”。这个模型的约束条件主要包含以下几类：

功率平衡约束是硬性的，每个微网在任何时刻都必须满足发电、买电、放电之和等于负荷、卖电、充电、网损之和。这个约束不满足，潮流就发散，其他一切免谈。

分布式电源出力约束，比如风电和光伏受自然条件限制，出力不能超过该时刻的最大可发功率，也不能低于最小技术出力。微型燃气轮机也有出力的上下限约束，以及爬坡率约束——不能从一个出力点瞬间跳到另一个出力点。

储能约束包括荷电状态（SOC）上下限、充放电功率上下限，以及调度周期始末SOC需要保持一致（即不允许“寅吃卯粮”，不能靠消耗储能初始电量来压低本周期成本）。

微网间传输功率约束，每条联络线都有最大传输容量，两个微网之间的功率交换不能超过这个上限，同时交换功率不能同时双向流动。

与配电网的交互约束，每个微网与配电网的交换功率也有上限，但这个上限可以按日分时段设置，比如负荷高峰期的购电容量可以设得大一些。

这些约束加在一起，构成了一个典型的非线性、多约束优化问题。目标函数是非线性的，潮流约束是非线性的，储能约束还带着时间耦合，常规线性规划根本啃不动，这就给粒子群算法这类智能优化算法提