高渗透率光伏微电网能量优化管理策略的研究_刘浩.pdf

第39卷 第6期2023年6月电网与清洁能源Power System and Clean EnergyVol.39No.6Jun.2023清洁能源Clean Energy基金项目：大型电气传动系统与装备技术国家重点实验室开放资金资助项目（SKLLDJ012019001）；陕西省自然科学基础研究计划资助项目（2022JM-288）。Project Supported by the State Key Laboratory of Large ElectricDriveSystemandEquipmentTechnologyFunding（SKLLDJ012019001）；the Natural Science Basic Research Program of Shaanxi Province（2022JM-288）.ABSTRACT：For high-permeability photovoltaic microgrids，anenergy optimization management strategy with the optimal totaloperating cost is proposed.Under the two operating modes of bothgrid-connected and islanded microgrids，a multi-objective energyoptimization model for high permeability photovoltaic microgrids isconstructed based on the cost of photovoltaic operation andmaintenance，the operation loss of the energy storage equipment，the environmental pollution and treatment cost of thermal powergenerators，the balance of electric energy transaction between themicrogrid and the large grid，and the adjustment of load consideringfactors such as power failure penalty costs，and a particle swarmalgorithm with inertia weight coefficient is applied to solve theenergy optimization management strategy under the safetyconstraints such as the system power balance.An example analysisshows the economy and effectiveness of the proposed energymanagement strategy.KEYWORDS：energyoptimizationmanagement；highpermeability；photovoltaicmicrogrid；multi-objectiveoptimization；particle swarm algorithm摘要：针对高渗透率光伏微电网，提出了运行总成本最优的能量优化管理策略。在微电网并网和孤岛两种运行模式下，基于光伏的运维成本、储能设备的运行损耗、火电的环境污染及治理成本、微电网与大电网之间电能交易差额以及可调负荷的断电惩罚费用等因素，建立高渗透率光伏微电网的多目标能量优化模型，并在系统功率平衡等安全约束下，应用具有惯性权重系数的粒子群算法求解得到能量优化管理策略。算例分析表明，该能量管理策略具有经济性和有效性。关键词：能量优化管理；高渗透率；光伏微电网；多目标优化；粒子群算法光伏和风电的广泛应用可以有效地降低电力碳排放。光伏输出具有间歇性和随机性等特点，当渗透率较高时，会影响电网的稳定性。微电网（microgrid，MG）可以实现高渗透率可再生能源的接入，为充分应用光伏提供了一种有效方法。为了使MG 在孤岛或并网运行过程中获得较高的经济效益，通常在保证其安全稳定运行的前提下需要进行能量优化管理1-3。并网模式下，光伏高渗透的 MG主要依靠大电网来稳定系统，因此其能量优化管理主要基于峰谷电价，通过优化与大电网的能量交易来提高经济性4-5；孤岛模式下，MG 由高渗透率的光伏和储能系统（energy storage system，ESS）支撑电压，此时能量优化管理通过优化 ESS 的充放电，在确保 MG 稳定的前提下提高系统运行的经济回报率6。针对并网运行 MG 的能量优化管理，文献7提出经济性、环保性和自治性 3 种优化模型，采用改进的人工鱼群算法实现 MG 经济运行。文献8以发文章编号：1674-3814（2023）06-0129-07中图分类号：TP391.9文献标志码：A高渗透率光伏微电网能量优化管理策略的研究刘浩1，张晓滨2，黄晨曦2，沈佳2，温一凡2（1.天水电气传动研究所集团有限公司大型电气传动系统与装备技术国家重点实验室，甘肃 天水741020；2.西安理工大学电气工程学院，陕西 西安710054）Research on Energy Optimization Management Strategies forHigh Permeability Photovoltaic MicrogridsLIU Hao1，ZHANG Xiaobin2，HUANG Chenxi2，SHEN Jia2，WEN Yifan2（1.State Key Laboratory of Large Electric Drive System and Equipment Technology，Tianshui Electric Drive Research Institute GroupCo.，Ltd.，Tianshui 741020，Gansu，China；2.School of Electrical Engineering，Xi an University of Technology，Xi an 710054，Shaanxi，China）清洁能源Clean Energy电费用、折旧费用和环境治理费用为优化目标，并采用全面学习粒子群算法完成能量优化管理。文献9针对负荷和分布式能源的不确定性，建立两阶段鲁棒优化的经济调度模型，得到的最恶劣场景下的最优经济调度方案可提高系统的鲁棒性。文献10建立了发电和污染处罚费用最低的优化模型，并采用改进的蝙蝠算法求解。由于可再生能源的输出不可控，而 ESS 受成本因素影响容量有限，这使孤岛 MG 的能量优化管理难度较大。文献11建立了以灵活性不足率最低和运行成本最小为目标的孤岛 MG 优化调度模型，提升了系统的灵活性充裕度和可再生能源利用率。文献12以 MG 运行总成本最低为目标，给出一种基于分布式控制算法的孤岛 MG 能量经济优化运行策略。文献13基于可再生能源的不确定性和电动汽车的灵活性，提出一种最小化运维成本的双层调度策略，实现了孤岛MG 的经济调度和电动汽车有序充电。本文主要研究并网和孤岛两种运行模式下，考虑了经济最优的高渗透率光伏 MG 能量优化管理策略。首先，基于光伏运维成本、ESS 运行和寿命成本、环保成本、可调负荷的断电成本，以及 MG 与大电网之间电能交易利润等多个因素，分别建立并网和孤岛模式下 MG 的多目标能量优化模型；其次，利用具有惯性权重的改进粒子群算法，得出使 MG 综合运行总成本经济性最优的能量管理策略；最后，通过一个典型的低压 MG 算例验证了本文能量管理策略的有效性。1并网模式下MG能量优化模型1.1优化目标函数光伏渗透率高的 MG 并网运行时，其电压由大电网支撑，此时能量优化管理需考虑两个主要方面：一是，从环境治理成本和光伏发电成本考虑，MG应尽可能多地使用光伏所发电能；二是，由于光伏发电的时间特性，而大电网存在分时电价，因此可以用 ESS 对能量进行中转调节，在保证 MG 可靠用电的前提下，通过电价差盈利。根据上述分析，建立的目标函数为minF(t)=t=1TCPV(t)+Cgrid(t)+CE(t)+Cd(t)（1）式中：F（t）为 MG 运行总成本；T 为能量管理周期的分段数，T=24；CPV（t）为光伏运行的维护成本；Cgrid（t）为与大电网买卖电能的交易额；CE（t）为大电网供给MG 的电能所造成的环境污染及治理费用；Cd（t）为ESS 运行和寿命损耗的费用。1）光伏运行维护成本。太阳能电池板的标称寿命通常为二十年，因此光伏发电系统在运行阶段的折旧成本可以省略。光伏的运行维护成本14为CPV(t)=t=1TPPV(t)fPV（2）式中：PPV（t）为 t 时段光伏的平均输出功率；fPV为光伏的单位功率维护费用。2）电能交易额。MG 与大电网之间的电能交易额为Cgrid(t)=|t=1TGBUY(t)Pgrid(t),Pgrid(t)0t=1TGSELL(t)Pgrid(t),Pgrid(t)0（4）式中：xi为第 i 种气体的罚款系数；yi为第 i 种气体污刘浩，等：高渗透率光伏微电网能量优化管理策略的研究Vol.39No.6130第39卷第6期电网与清洁能源清洁能源Clean Energy染物的治理系数。4）ESS 的折旧成本。MG 通常采用铅酸蓄电池，其折旧成本包括日运行成本和寿命损耗成本。铅酸蓄电池的日运行成本为16C1=kdQd/365（5）式中：C1为蓄电池的日运行成本；kd为蓄电池单位容量的年运行成本价格，通常为 75 元/（kWh）；Qd为蓄电池的容量。铅酸蓄电池的使用寿命与充放电深度有关，如图 1 所示17。由此可得蓄电池的循环寿命为N=aDOD-b（6）式中：N 为蓄电池的循环寿命；a、b 均为蓄电池的相应系数，本文采用的铅酸蓄电池的 a、b 通常设为 1和 2.39；DOD 为蓄电池的放电深度。图1蓄电池使用寿命与充放电深度关系Fig.1The relationship between battery life andcharge-discharge depth因此，蓄电池的日寿命损耗成本为C2(t)=AN=AaDODb=t=1TAa(Pd(t)t/Qd)b（7）式中：C2（t）为蓄电池的日寿命损耗成本；A 为储能电池的初始投资成本；Pd（t）为 t 时段蓄电池充放电的功率，放电为正，充电为负；t 为充放电时长。综上，蓄电池的折旧成本为Cd(t)=C1+C2(t)（8）1.2MG的安全约束1）功率平衡约束为PPV(t)+Pgrid(t)+Pd(t)=Pload(t)（9）式中：Pload(t)为 t 时段的负荷。2）ESS 的充放电约束为PCmaxPd(t)PFmax（10）式中：PCmax为最大充电功率，kW；PFmax为最大放电功率，kW。3）ESS 的容量约束为SmindSd(t)Smaxd（11）式中：Smaxd、Smind分别为 ESS 荷电状态的上、下限幅值。4）光伏输出约束为0PPV(t)PPVmax（12）式中：PPVmax为光伏输出功率的上限。5）与大电网交换电能的上下限约束为PminPgrid(t)Pmax（13）式中：Pmin、Pmax分别为 MG 与大电网交换电能的上、下限。2孤岛模式下MG能量优化模型2.1优化目标函数大电网发生故障时，MG 进入孤岛运行模式。由于光伏的渗透率高，为了确保 MG 稳定运行，ESS通常采用下垂控制为 MG 提供电压支撑。此时能量管理首先确保 MG 稳定运行，其次考虑经济性使孤岛 MG 运行成本最低，由此建立的目标函数为minF(t)=t=1TCPV(t)+Cd(t)+Ccup(t)（14）其中，CPV(t)和Cd(t)的计算方法与并网模式下相同；而切除非重要负荷的断电成本Ccup(t)的计算公式为Ccup(t)=cupPcup(t)（15）式中：cup为切负荷的处罚系数；Pcup（t）为 t 时段被切的负荷。2.2MG的安全约束1）孤岛运行模式下的功率平衡条件为PPV(t)+Pd(t)=Pload(t)（16）2）光伏输出和 ESS 充放电的约束条件与 MG并网运行时相同。3）各 ESS 的输出功率需要满足式（17），以确保各个 ESS 输出电压的频率相等，且在额定的允许范围内。fn-f1fn-Pd1(t)-Pdn1kd1=fn-Pdh(t)-Pdnhkdhfn+f2（17）式中：fn为 MG 的额定频率；f1和f2为频率允许变化的范围；Pdh（t）、Pdnh和 kdh分别为第 h 个 ESS 在 t时刻的输出功率、额定功率和下垂系数。3优化模型的求解粒子群优化算法18采用“速度-位移”搜索模型131清洁能源Clean Energy进行寻优。本文设 24 小时中每小时内各个光伏、ESS 以及可调负荷的能量分配为一个粒子，依据建立的能量优化模型在安全约束范围内寻优。由于传统粒子群优化算法在搜索后期的收敛速度明显变慢，局部搜索能力差，所以在速度修正中加入惯性权重因子，以提高粒子群算法在后期的局部搜索能力。修正后的速度更新公式为Vk+1i=Vik+c1randk(pbestik-xik)+c2randk(gbestik-xik)（18）式中：Vi为第 i 个粒子的速度；xi为第 i 个粒子的位置；c1、c2分别为个体和社会学习因子，一般取 c1=c20，4；rand 为0，1之间的随机数；pbesti为第 i 个粒子的个体极值点；gbesti为整个种群的全局极值点；k为迭代次数；为惯性权重因子，其自适应公式为=max-k(max-min)/kmax（19）式中：kmax为最大迭代次数；max、min分别为惯性权重因子的上、下限，取值为 0.9 和 0.4。上述算法开始时，粒子以较快速度找到最优解的近似位置；在迭代次数增加的过程中，粒子的速度逐渐减小，粒子开始在小范围内进行精细的局部搜索。依据更新后的速度来更新粒子的位置，经过反复迭代最终获得 MG 能量优化管理策略，惯性权重系数可以有效提高优化的性能和速度。4算例验证4.1算例说明本文算例采用典型的低压 MG 系统，如图 2 所示，通过开关完成并网、孤岛的模式切换。图 2 中：DG1、DG4 为光伏发电系统，DG2、DG3 为 ESS；L1L5 为负荷，其中 L3L5 为可调负荷。图2MG系统结构示意图Fig.2System structure diagram of the microgrid本文算例中，光伏发电的单位功率维护费用 fPV取 0.03 元/kW；根据光伏和负荷的模型及其历史数据给出总的光伏和负荷预测值，如图 3 所示。图3光伏和负荷预测曲线Fig.3Photovoltaic and load forecast参照现行的分时电价政策，算例中的大电网分时电价见表 419，可调负荷的断电允许时长及惩罚系数见表 520。表4峰谷时段电价Table 4Electricity prices during peak and valley periods高峰低谷区间08:0020:0022:0008:00购买电价GBUY/(元 (kWh)-1)0.8480.598售电电价GSELL/(元 (kWh)-1)1.1480.898表5可调负荷数据Table 5Adjustable load data可调负荷L3L4L5惩罚系数cup/(元 (kWh)-1)0.450.350.25最小运行时长/h5434.2能量优化结果及分析4.2.1MG并网运行的能量优化分配不考虑 ESS 的运行寿命成本，基于 MG 的并网能量优化模型，得出的优化分配结果如图 4 所示。由图 4 可知，在 22:0009:00 时段，大电网处于谷电价，且光伏输出基本为 0，所以 MG从大电网购入电能用于供给负荷，并用 ESS 存储低价电能；在 09:0016:00 时段，大电网处于峰电价且光照充足，光伏在满足负荷的同时将多余的电量出售给大电网；在16:0022:00 时段，大电网大部分时段处于峰电价，且光伏发电逐步减小到 0，无法满足负荷的需求，所以需要 ESS 释放电能，并将富余的电量向大电网出售以赚取差额利润。因此，对于并网 MG 在不考虑ESS 充放电损耗时，盈利的主要方法有 2 种：1）利用ESS 对大电网进行低买高卖；2）充分使用光伏电能，刘浩，等：高渗透率光伏微电网能量优化管理策略的研究Vol.39No.6132第39卷第6期电网与清洁能源清洁能源Clean Energy减少使用大电网的电能。图4并网模式下不考虑ESS寿命成本的MG能量优化分配Fig.4MG optimal energy management results withoutconsidering ESS life cost in the grid connected mode并网模式下，考虑 ESS 的运行寿命成本，得出的优化分配结果如图 5 所示。与图 4 相比，图 5 中能量分配的总体趋势不变，但是ESS的充放电时长和深度明显减少。其中，ESS 的充电时长缩减为 02:0009:00，同时最大充电深度有轻微减小；ESS 的放电时长缩减为 16:0021:00，同时平均放电深度明显减小，有效地减少了 ESS 的运行寿命成本。图5并网模式下考虑ESS寿命成本的MG能量优化分配Fig.5MG optimal energy management results withconsidering ESS life cost in the grid connected mode并网模式下，常规能量分配策略如下：1）充分使用光伏发电满足负荷需求，将多余电能储存在 ESS 中，如果仍有剩余，则卖给大电网。2）光伏发电不足时，如果电价高，则通过 ESS 放电满足负荷需求，并将 ESS 多余的电量卖给大电网。3）光伏发电不足时，如果此时电价低，则从大电网购电满足负荷需求并向 ESS 充电。按照并网模式下常规能量管理策略运行算例MG，得到如图 6 所示的能量分配结果。并网模式下，算例 MG 分别采用三种能量分配策略的运行成本见表 6，其中数值为负，表明盈利。由表 6 的对比结果可知：MG 采用能量优化分配策略比常规分配策略的盈利多；在能量优化分配时考虑 ESS 的寿命成本，可以进一步提高 MG 的盈利。表6MG并网模式下运行成本对比Table 6Comparison of operating cost in MGgrid-connected mode元MG能量常规分配策略MG能量优化分配策略不考虑ESS寿命-898.5-1 282.4考虑ESS寿命-1 402.64.2.2MG孤岛运行的能量优化分配不考虑 ESS 的运行寿命成本，基于 MG 的孤岛能量优化模型，得出的优化分配结果如图 7 所示。由图 7 可知，17:0008:00 时段的光伏输出基本为0，此时由 ESS 供给负荷，但由于 ESS 不足以在该段时间支撑全部负荷，所以在 22:0002:00 时段内，切除部分可调负荷；08:0017:00 时段光照充足，光伏输出在满足负荷需求之外还向 ESS 充电。因此，孤岛 MG 的能量分配首先要保证负荷供电，在此基础上再通过减小可调负荷的切除来减小运行成本。图7孤岛模式下不考虑ESS寿命成本的MG能量优化分配Fig.7MG optimal energy management results withoutconsidering ESS life cost in the islanded mode孤岛模式下，考虑 ESS 的运行寿命成本，得出图6并网模式下MG常规能量分配策略Fig.6Conventional energy allocation strategy of MG inthe grid connected mode133清洁能源Clean Energy的优化分配结果如图 8 所示。与图 7 相比，图 8 中可调负荷切除时长增加为 16:0008:00，且切除的负荷量也有所增加，由此将增加可调负荷的停电成本；但是与此同时，在此时段内 ESS 的放电深度减小，将减少 ESS 运行的寿命损耗成本，通过优化最终可实现减小 MG 总运行成本的目的。图8孤岛模式下考虑ESS寿命成本的MG能量优化分配Fig.8MG optimal energy management results withconsidering ESS life cost in the islanded mode孤岛模式下，常规能量分配策略如下：1）光伏发电充足时，除了满足负荷需求，还给ESS 充电；如果光伏发电量除了满足负荷和 ESS 充电仍有盈余，则限制光伏发电量，以满足系统功率平衡。2）如果光伏发电不足或没有，ESS 放电满足负荷需求；如果 ESS 的电能不足以支撑全部负荷，则切除部分可调负荷，以满足系统功率平衡。按照上述孤岛模式下常规能量管理策略运行算例 MG，得到如图 9 所示的能量分配结果。图9孤岛模式下MG常规能量分配策略Fig.9Conventional energy allocation strategy of MGint the islanded mode孤岛模式下，算例 MG 分别采用 3 种能量分配策略的运行成本见表 7。由表 7 可知，能量优化分配策略比常规分配策略的运行成本更低；同时，在优化过程中考虑 ESS 运行寿命会进一步降低 MG的运行成本。但是在孤岛模式下，由于没有大电网的支撑，MG 的经济优化效果没有并网模式下显著。表7MG孤岛模式下运行成本对比Table 7Comparison of operating cost in MGislanded mode元MG能量常规分配策略MG能量优化分配策略不考虑ESS寿命864.4792.4考虑ESS寿命745.75结论本文建立了高渗透率光伏 MG 在并网和孤岛运行模式下的多目标能量优化模型，并应用惯性权重粒子群算法求解得出使 MG 经济最优的能量优化管理策略。通过分析典型 MG 算例的运行结果，可得如下结论：1）对于并网运行的高渗透率光伏 MG，影响其经济性的主要因素为 ESS 的运行成本和大电网的峰谷电价差。2）对于孤岛运行的高渗透率光伏 MG，能量优化管理策略的经济调节能力比较有限，主要调节因子为 ESS 的运行成本和可调负荷的切除成本。本文给出的能量优化管理策略不仅可以指导MG 的优化运行，而且有助于指导 MG 中 ESS 的优化配置。参考文献1赵波，薛美东，陈荣柱，等.高可再生能源渗透率下考虑预测误差的微电网经济调度模型J.电力系统自动化，2014，38（7）:1-8.ZHAO Bo，XUE Meidong，CHEN Rongzhu，et al.Aneconomicdispatchmodelformicrogridwithhighrenewable energy resource penetration considering forecasterrorsJ.Automation of Electric Power Systems，2014，38（7）:1-8.2万千，夏成军，管霖，等.含高渗透率分布式电源的独立微网的稳定性研究综述J.电网技术，2019，43（2）:598-612.WAN Qian，XIA Chengjun，GUAN Lin，et al.Review onstability of isolated microgrid with highly penetrateddistributedgenerationsJ.PowerSystemTechnology，2019，43（2）:598-612.刘浩，等：高渗透率光伏微电网能量优化管理策略的研究Vol.39No.6134第39卷第6期电网与清洁能源清洁能源Clean Energy3黄伟，黄婷，周欢，等.基于改进微分进化算法的微电网动态经济优化调度J.电力系统自动化，2014，38（9）：211-217.HUANG Wei，HUANG Ting，ZHOU Huan，et al.Dynamiceconomical dispatch for microgrid based on improveddifferential evolution algorithmJ.Automation of ElectricPower Systems，2014，38（9）:211-217.4李佳琪，陈健，张文，等.高渗透率光伏配电网中电池储能系统综合运行控制策略J.电工技术学报，2019，34（2）:437-446.LI Jiaqi，CHEN Jian，ZHANG Wen，et al.Integratedcontrol strategy for battery energy storage systems indistribution networks with high photovoltaic penetrationJ.Transactions of China Electrotechnical Society，2019，34（2）:437-446.5米阳，李战强，吴彦伟，等.基于两级需求响应的并网微电网双层优化调度J.电网技术，2018，42（6）:1899-1906.MI Yang，LI Zhanqiang，WU Yanwei，et al.Bi-layeroptimal dispatch of grid-connected microgrid based ontwo-stage demand responseJ.Power System Technology，2018，42（6）:1899-1906.6RAYA-ARMENTAJM，BAZMOHAMMADIN，GABRIELJ，etal.Energymanagementsystemoptimization in islanded microgrids:An overview andfuturetrendsJ.RenewableandSustainableEnergyReviews，2021，149（4）:111327.7何力，吕红芳，李俊甫，等.基于模拟退火算法改进的人工鱼群算法（SAAFSA）的微电网能量优化调度研究J.太阳能学报，2020，41（9）:36-43.HE Li，L Hongfang，LI Junfu，et al.Research on optimalscheduling of microgrid energy based on SA_AFSAJ.Acta Energiae Solaris Sinica，2020，41（9）:36-43.8张倩，丁津津，刘童，等.基于满意度原理的光柴储微网系统优化运行研究J.电力系统保护与控制，2018，46（10）:88-95.ZHANG Qian，DING Jinjin，LIU Tong，et al.Optimaloperation of PV-diesel-battery microgrid based onsatisfying degreeJ.Power System Protection and Control，2018，46（10）:88-95.9刘一欣，郭力，王成山.微电网两阶段鲁棒优化经济调度方法J.中国电机工程学报，2018，38（14）:4013-4022，4307.LIUYixin，GUOLi，WANGChengshan.EconomicdispatchofmicrogridbasedontwostagerobustoptimizationJ.Proceedings of the CESS，2018，38（14）:4013-4022，4307.10 张林，郭辉，姚李孝.基于改进蝙蝠算法的微电网优化研究J.电网与清洁能源，2021，37（4）:122-126.ZHANGLin，GUOHui，YAOLixiao.Researchonmicrogrid optimization based on improved bat algorithmJ.Power System and Clean Energy，2021，37（4）:122-126.11 杨龙杰，李华强，余雪莹，等.计及灵活性的孤岛型微电网多目标日前优化调度方法J.电网技术，2018，42（5）:1432-1440.YANG Longjie，LI Huaqiang，YU Xueying，et al.Multi-objectiveday-aheadoptimalschedulingofisolatedmicrogridconsideringflexibilityJ.PowerSystemTechnology，2018，42（5）:1432-1440.12 茆美琴，徐锐.基于分布式控制的孤岛微网经济调度方法J.电气工程学报，2018，13（9）:8-13.MAOMeiqin，XURui.EconomicdispatchmethodforislandingmicrogridsbasedondistributedcontrolJ.Journal of Electrical Engineering，2018，13（9）:8-13.13 赵佳，孟润泉，王磊，等.考虑预测误差下孤岛直流微电网的经济调度策略J.电网与清洁能源，2021，37（6）:68-76.ZHAO Jia，MENG Runquan，WANG Lei，et al.EconomicdispatchingstrategyoftheisolatedDCmicrogridconsidering prediction errorJ.Power System and CleanEnergy，2021，37（6）:68-76.14 苏剑，周莉梅，李蕊.分布式光伏发电并网的成本/效益分析J.中国电机工程学报，2013，33（34）:50-56，11.SU Jian，ZHOU Limei，LI Rui.Cost-benefit analysis ofdistributed grid-connected photovoltaic power generationJ.Proceedings of the CESS，2013，33（34）:50-56，11.15 季美红.基于粒子群算法的微电网多目标经济调度模型研究D.合肥：合肥工业大学，2010.16 孙黎霞，刘甜甜，裴启晨，等.计及蓄电池使用寿命的热电联供型微电网经济优化J.可再生能源，2019，37（4）:538-544.SUN Lixia，LIU Tiantian，PEI Qichen，et al.Economicoptimization of microgrid based on combined heat andpowerconsideringbatterylifeJ.RenewableEnergyResources，2019，37（4）:538-544.17 陈刚，包宇庆，张金龙，等.计及寿命损耗成本的储能单元分布式协同控制策略J.电网技术，2018，42（5）:1495-1501.CHEN Gang，BAO Yuqing，ZHANG Jinlong，et al.Distributed cooperative control strategy for energy storageunit considering life loss costJ.Power System Technology，（下转第143页）135第39卷第6期电网与清洁能源清洁能源Clean Energy18 贾雪枫，李存斌.考虑短期负荷影响的DeepESN电力市场实时电价预测研究J.智慧电力，2021，49（1）:64-70.JIA Xuefeng，LI Cunbin.Real-time electricity priceforecastingofelectricitymarketusingdeepESNconsidering short-term load impactJ.Smart Power，2021，49（1）:64-70.19 LIU W J，BAI Y T，JIN X B，et al.A novel broad echostate network for time series prediction:cascade ofmapping nodes and optimization of enhancement layerJ.Applied Sciences，2022，12（13）:63-96.20 LI X，BI F，YANG X，et al.An echo state network withimproved topology for time series predictionJ.IEEESensors Journal，2022，22（6）:5869-5878.21 王林，王燕丽，安泽远.改进粒子群算法优化回声状态网络的电力需求预测研究J.计算机工程与科学，2022，44（8）:1457-1466.WANG Lin，WANG Yanli，AN Zeyuan.Echo statenetworkswithimprovedparticleswarmoptimizationalgorithm for electricity demand forecastingJ.ComputerEngineering&Science，2022，44（8）:1457-1466.22 薛建凯.一种新型的群智能优化技术的研究与应用D.上海：东华大学，2020.23 刘栋，魏霞，王维庆，等.基于SSA-ELM的短期风电功率预测J.智慧电力，2021，49（6）:53-59，123.LIU Dong，WEI Xia，WANG Weiqing，et al.Short-termwind power prediction based on SSA-ELMJ.SmartPower，2021，49（6）:53-59，123.24 熊智，李欣童，熊骏，等.基于改进麻雀搜索算法的无人机集群置信传播协同定位方法J.中国惯性技术学报，2021，29（2）:171-177.XIONG Zhi，LI Xintong，XIONG Jun，et al.Cooperativepositioning method for UAV swarm belief propagationbased on improved sparrow search algorithmJ.Journal ofChinese Inertial Technology，2021，29（2）:171-177.25 李爽.煤矿安全文化的研究与思考M.徐州：中国矿业大学出版社，2010.收稿日期：2023-02-23。作者简介：夏雨烁（1998），男，硕士研究生，从事机器学习与应用、能源管理理论与方法研究；张新生（1978），男，博士，教授，从事能源管理理论与方法研究、碳减排路径研究、机器学习算法与应用研究；王明虎（1977），男，博士，讲师，从事能源预测、碳减排策略以及人工智能算法等研究。（编辑徐花荣）2018，42（5）:1495-1501.18 SHI Y，EBERHART R C.A modified particle swarmoptimizerC.ProceedingsoftheIEEEInternationalConference on Evolutionary Computation（ICEC），1997:303-308.19 张美.陕西省居民可自愿申请执行峰谷电价和电采暖用电电价EB/OL.2018-03-16.http:/ Mei.Shaanxi residents can voluntarily apply fort