电力和淡水供应是海岛居民正常生活的重要基础，构建兼顾两者的分布式综合能源系统，提高微电网的可靠性，促进可再生能源的消纳，对海岛建设具有重要意义^［1–3］。容量配置与运行调度的综合优化，是提高微电网系统技术性能和经济效益的重要途径^［4］。微电网的优化可采取分步优化的方式，即先基于确定的配置进行运行调度优化，或基于特定的运行工况确定容量配置。刘艳峰等^［5］针对多能互补建筑能源系统，通过深入分析该系统的七种运行工况和运行策略，进一步优化容量配置；李雄威等^［6］针对风光火储综合能源系统，以风光出力最大化、净负荷波动最小化和系统运行成本最低为优化目标，改进火电机组的运行策略和调峰深度，并同步优化新能源机组的容量配置，结果表明通过增强火电机组的深度调峰能力，可以显著减少弃风弃光现象。Ren等^［7］基于风光发电设备运行过程中的波动和互补特性，对混合发电系统中风能和太阳能发电的装机容量比进行了优化。

为了实现容量配置与运行调度的同步优化，双层优化方法逐渐受到关注。Zhou等^［8］针对城市虚拟电厂构建了包括下层需求响应模型和上层运行调度模型的双层优化模型。对于双层优化问题的求解，广泛使用群智能算法^［9］，但由于内外层有不同的优化变量、目标函数、约束条件，需要进行决策变量的传递，从而导致传统的群智能算法存在高复杂性、不确定性以及优化精度等问题^{［10–12］}。强制进化随机游走(RWCE)算法作为一种改进的群智能算法，在换热网络、人工心脏、质量交换网络等问题上均获得了成功应用^{［13–15］}，但仍存在局部搜索精度不足导致差解代替优解的现象。

本文将可时移的海水淡化负荷纳入“风−光−柴−储”微电网系统，以年综合费用最低为目标函数，综合考虑发电功率、负荷可靠性、可再生能源丢弃率等约束条件，建立了容量配置和运行调度的双层优化模型^［13］。通过双层精细搜索策略改进RWCE算法，平衡全局搜索与局部搜索能力，保护潜在最优解，提升优化性能。并基于某海岛的典型日负荷和设备参数进行分析求解，优化容量配置和运行方案，有效提升可再生能源的消纳能力。

1 微电网的设备及其工作特性

假定该独立型微电网的发电设备包括光伏发电系统、风力发电机组和柴油发电机组，用电设备包括海水淡化装置和其他用电设备，储能系统采用蓄电池，暂不考虑输电线损。

光伏阵列的发电功率

$ \quad{P}_{{\mathrm{pv}}}\left(t\right) = {P}_{{\mathrm{stc}}}{\text{·}} G\left(t\right) {\text{·}} \dfrac{\left[1 + k{\text{·}} \left(T\left(t\right)-{T}_{{\mathrm{stc}}}\right)\right]}{{G}_{{\mathrm{stc}}}} $

(1)

式中：$ {P}_{\mathrm{p}\mathrm{v}}\left(t\right) $为光伏阵列$ t $时刻发电功率，kW；$ {P}_{\mathrm{s}\mathrm{t}\mathrm{c}} $为光伏阵列的额定发电功率，kW；$ G\left(t\right) $为t时刻当地光照强度，kW·m⁻²；$ {G}_{\mathrm{s}\mathrm{t}\mathrm{c}} $为标准测试条件下光照强度，取1 kW·m⁻²；$ T\left(t\right) $为t时刻光伏阵列的实际工作温度，℃；$ {T}_{\mathrm{s}\mathrm{t}\mathrm{c}} $为标准测试条件下光伏阵列的工作温度，取25 ℃；$ k $为电池板的功率温度系数，取−0.004 5 ℃^−1[16］。

风力发电机组的发电功率^［17］

$ \qquad{P}_{{\mathrm{wg}}}\left(t\right)=\left\{\begin{array}{l}0\text{,}\; \,\text{}\text{}\text{}{v}_{{\mathrm{i}}} < {v}_{{\mathrm{ci}}} {\text{或}} {v}_{{\mathrm{i}}} > {v}_{{\mathrm{co}}}\\ {P}_{{\mathrm{r}}}{\text{·}} \dfrac{{v}_{{\mathrm{i}}}-{v}_{{\mathrm{ci}}}}{{v}_{{\mathrm{r}}}-{v}_{{\mathrm{ci}}}}\text{,}\; \text{}{v}_{{\mathrm{ci}}}\leqslant {v}_{{\mathrm{i}}} < {v}_{{\mathrm{r}}}\\ {P}_{{\mathrm{r}}}{,\;}\;\text{}\text{}\text{}\text{}\text{}{v}_{{\mathrm{r}}}\leqslant {v}_{{\mathrm{i}}} < {v}_{{\mathrm{co}}}\end{array}\right. $

(2)

式中：$ {P}_{\mathrm{w}\mathrm{g}}\left(t\right) $为风力发电机组t时刻发电功率，kW；$ {P}_{{\mathrm{r}}} $为风力发电机组的额定发电功率，kW；$v_{\mathrm{i}} $为t时刻风速，m·s⁻¹；$ {v}_{{\mathrm{ci}}} $、$ {v}_{{\mathrm{co}}} $和$ {v}_{{\mathrm{r}}} $分别为风力发电机组的切入风速、切出风速和额定风速，m·s⁻¹。

柴油发电机的发电功率和燃油消耗量的关系为

$ \qquad{F}_{{\mathrm{de}}}\left(t\right)=\alpha {\text{·}} {P}_{{\mathrm{de}},{\mathrm{r}}} + \beta {\text{·}} {P}_{{\mathrm{de,g}}}\left(t\right) $

(3)

式中：$ {P}_{{\mathrm{de}},{\mathrm{g}}}(t)$为柴油发电机t时刻发电功率，kW；$F_{{\mathrm{de}}}(t) $为燃油消耗量，L·h⁻¹；$ {P}_{{\mathrm{de}},{\mathrm{r}}} $为额定发电功率，kW；$ \alpha $、$ \beta $为油耗系数，分别取0.081 45 L·(kW·h)⁻¹、0.246 L·(kW·h)^−1［18］。

海水淡化用电负荷

$ \qquad{P}_{{\mathrm{swa}}}\left(t\right)={{N}_{{\mathrm{swa}}}{\text{·}} P}_{{\mathrm{swar}}} $

(4)

式中：$ {P}_{{\mathrm{swa}}}\left(t\right) $为海水淡化装置$ t $时刻用电负荷，kW；$ {N}_{{\mathrm{swa}}} $为海水淡化装置运行数量，台；$ {P}_{{\mathrm{swar}}} $为每台海水淡化装置的额定功率，kW。

蓄电池的荷电状态 ^［19］

$ S_{{\mathrm{oc}}}(t)=S_{{\mathrm{oc}}}(t-\Delta t)+P_{{\mathrm{ch}}}(i) {\text{·}} \Delta t {\text{·}} \frac{\eta_{{\mathrm{c h}}}}{E_{\mathrm{c}}}-\frac{P_{{\mathrm{f a}}}(i) {\text{·}} \Delta t}{E_{\mathrm{c}} {\text{·}} \eta_{{\mathrm{fa}}}} $

(5)

式中：$ S_{{\mathrm{oc}}}\left(t\right) $为蓄电池$ t $时刻荷电状态；$ \mathrm{\Delta }t $为时间间隔，本文取1 h；$ {P}_{{\mathrm{ch}}}\left(i\right) $、$ {P}_{{\mathrm{fa}}}\left(i\right) $分别为蓄电池i时段内平均充、放电功率，kW；$ {\eta }_{{\mathrm{ch}}} $、$ {\eta }_{{\mathrm{fa}}} $分别为充、放电效率，%；$ {E}_{{\mathrm{c}}} $为蓄电池的额定容量，Ah。

2 双层优化模型 2.1 外层优化目标函数及约束条件 2.1.1 外层优化目标函数

外层优化目标函数^［20］

$ \qquad \mathrm{min}\;{C}_{{\mathrm{w}}}=\mathrm{min}\;({C}_{{\mathrm{wt}}} + {C}_{{\mathrm{wy}}}) $

(6)

式中：$ {C}_{\mathrm{w}} $为可再生能源发电设备的年综合费用，万元；$ {C}_{\mathrm{w}\mathrm{t}} $为可再生能源发电设备年投资成本，万元；$ {C}_{\mathrm{w}\mathrm{y}} $为可再生能源发电设备年运行费用，万元。

$ \qquad{C}_{{\mathrm{wt}}}=\sum_{s=1}^{S_{\mathrm{R}}}{N}_{s}{\text{·}} {L}_{s}{\text{·}} {A}_{s}{\text{·}} {R}_{s} $

(7)

$\qquad {R}_{s}=\dfrac{r}{1-\dfrac{1}{(1 + r{)}^{{n}_{s}}}} $

(8)

式中：$ S_{\mathrm{R}} $为系统中可再生能源发电设备的种类总数，本文取2；$ {N}_{s} $为第$ s $种设备的数量，台；$ {L}_{s} $为第$ s $种发电设备的单机容量，kW；$ {A}_{s} $为第$ s $种设备的单位投资费用，万元·kW⁻¹；$ {R}_{s} $为第$ s $种设备的投资回收系数；$ r $为年利率，本文取$ r $=0.067；$ {n}_{s} $为第$ s $种设备的使用年限，年。

$ {C}_{{\mathrm{wy}}} = \sum_{i=1}^{{t}_{{\mathrm{max}}}}\left[P_{{\mathrm{wt}}}\left(i\right) {\text{·}} \mathrm{\Delta }t {\text{·}} {O}_{{\mathrm{wt}}} + {P}_{{\mathrm{pv}}}\left(i\right) {\text{·}} \mathrm{\Delta }t{ {\text{·}} O}_{{\mathrm{pv}}}\right] $

(9)

式中：$ {t}_{{\mathrm{max}}} $ 为年运行小时数，h；$ {P}_{{\mathrm{wt}}}\left(i\right) $、${P}_{{\mathrm{pv}}}\left(i\right) $分别为风力发电机组和光伏发电系统$ i $时段内平均输出功率，kW；$ {O}_{{\mathrm{wt}}} $、${O}_{{\mathrm{pv}}} $分别为风力发电机组和光伏发电系统的单位运行费用，万元·(kW·h)⁻¹。

2.1.2 外层优化约束条件

额定发电功率约束条件为

$ \qquad \sum_{s=1}^{S_{\mathrm{R}}}\left({N}_{s}{\text{·}} {L}_{s}\right) \leqslant \sum_{s=1}^{S_{\mathrm{R}}}({N}_{s}{\text{·}} {L}_{s}{)}_{{\mathrm{max}}} $

(10)

式中：$ \displaystyle\sum_{s=1}^{S_{\mathrm{R}}}({N}_{s}{\text{·}} {L}_{s}{)}_{{\mathrm{max}}} $为最大装机容量，取年逐时负荷最大值的1.2倍，kW。

可靠性约束条件为

$ \qquad \dfrac{\displaystyle\sum_{i=1}^{{t}_{{\mathrm{max}}}}{[P}_{{\mathrm{loss}}}\left(i\right){\text{·}} \mathrm{\Delta }t]}{\displaystyle\sum_{i=1}^{{t}_{{\mathrm{max}}}}{[P}_{{\mathrm{load}}}\left(i\right){\text{·}} \mathrm{\Delta }t]}\leqslant {f}_{{\mathrm{loss}}} $

(11)

式中：$ {P}_{{\mathrm{load}}}\left(i\right) $、$P_{{\mathrm{loss}}}\left(i\right) $分别为$ i $时段内平均负荷需求和负荷缺口，kW；$ {f}_{{\mathrm{loss}}} $为失负荷率限值。

可再生能源弃电率约束条件为

$ \qquad \frac{{W}_{{\mathrm{y}}}}{W_{{\mathrm{r}}}}\times 100{\text{%}} \leqslant {f}_{{\mathrm{pores}}} $

(12)

$ \qquad{W}_{{\mathrm{r}}}=\sum_{i=1}^{{t}_{{\mathrm{max}}}}\left[{P}_{{\mathrm{wg}}}(i) + {P}_{{\mathrm{pv}}}(i)\right]{\text{·}} \mathrm{\Delta }t $

(13)

式中：$ {W}_{{\mathrm{y}}} $为年可再生能源弃电总量，kW·h；$ {W}_{{\mathrm{r}}} $为年可再生能源发电总量，kW·h；$ {f}_{{\mathrm{pores}}} $为可再生能源弃电率的上限。

2.2 内层优化目标函数及约束条件 2.2.1 目标函数

内层优化目标函数

$\quad \begin{split} {{\mathrm{min}} \;C}_{{\mathrm{om}}} = {\mathrm{min}}\;(&{C}_{{\mathrm{nt}}}{ + C}_{{\mathrm{bess}}} + {C}_{{\mathrm{water}}} + {C}_{{\mathrm{des}}} +\\& {C}_{{\mathrm{r}}} + {C}_{{\mathrm{f}}} + {C}_{{\mathrm{dump}}} + {C}_{{\mathrm{loss}}}) \end{split}$

(14)

式中：$ {C}_{{\mathrm{om}}} $为柴油发电机、海水淡化装置和蓄电池的年综合费用及惩罚费用，万元；$ {C}_{{\mathrm{nt}}} $为柴油发电机、海水淡化装置和蓄电池的年投资费用，万元；$ {C}_{{\mathrm{des}}} $、$ {C}_{{\mathrm{water}}} $和$ {C}_{{\mathrm{bess}}} $分别为柴油发电机、海水淡化装置和蓄电池的年运行费用，万元；$ {C}_{{\mathrm{r}}} $和$ {C}_{{\mathrm{f}}} $分别为每年柴油发电机的燃油消耗费用和污染物治理费用，万元；$ {C}_{{\mathrm{dump}}} $和$ {C}_{{\mathrm{loss}}} $分别为每年能源浪费惩罚费用和停电惩罚费用，万元。

$ \qquad{C}_{{\mathrm{nt}}}=\sum_{s=S_{\mathrm{R}} + 1}^{S}{N}_{s}{\text{·}} {L}_{s}{\text{·}} {A}_{s}{\text{·}} {R}_{s} $

(15)

式中：$ S $为系统中设备的种类总数，本文取5。

柴油发电机、海水淡化装置和蓄电池的年运行费用分别为

$\qquad {C}_{{\mathrm{des}}}=\sum_{i=1}^{{t}_{{\mathrm{max}}}}{P}_{{\mathrm{des}}}\left(i\right){\text{·}} {\mathrm{\Delta }t{\text{·}} O}_{{\mathrm{des}}} $

(16)

$\qquad {C}_{{\mathrm{water}}}=\sum_{i=1}^{{t}_{{\mathrm{max}}}}{P}_{{\mathrm{water}}}\left(i\right){\text{·}} \mathrm{\Delta }t{\text{·}} {O}_{{\mathrm{water}}} $

(17)

$ \qquad {C}_{{\mathrm{bess}}}=\sum_{i=1}^{{t}_{{\mathrm{max}}}}{P}_{{\mathrm{bess}}}\left(i\right){\text{·}} \mathrm{\Delta }t{\text{·}} {O}_{{\mathrm{bess}}}$

(18)

式中：$ {P}_{{\mathrm{bess}}}\left(i\right) $、$ {P}_{{\mathrm{water}}}\left(i\right) $和$ {P}_{{\mathrm{des}}}\left(i\right) $分别为$ i $时段内蓄电池平均充放电功率、海水淡化装置功率和柴油发电机的平均输出功率，kW；$ {O}_{{\mathrm{bess}}} $、$ {O}_{{\mathrm{water}}} $和$ {O}_{{\mathrm{des}}} $分别为蓄电池、海水淡化装置和柴油发电机的单位运行费用，元·(kW·h)⁻¹。

$ \qquad{C}_{{\mathrm{r}}}={R}_{{\mathrm{j}}}\sum_{i=1}^{{t}_{{\mathrm{max}}}}{G}_{{\mathrm{des}}}\left(i\right) $

(19)

式中：$ {R}_{{\mathrm{j}}} $为燃油价格，元·L⁻¹；$ {G}_{{\mathrm{des}}}\left(i\right) $为柴油机i时段内平均耗油量，L。

$ \qquad{C}_{{\mathrm{f}}}=\sum_{i=1}^{{t}_{{\mathrm{max}}}}\sum_{k=1}^{M}{P}_{{\mathrm{de,a}}}{\left(i\right){\text{·}} \mathrm{\Delta }t{\text{·}} \gamma }_{k}{\text{·}} {\delta }_{k} $

(20)

式中：$ {P}_{{\mathrm{de,a}}}\left(i\right) $为柴油机i时段内平均输出功率，kW；$ M $为污染物种类；$ {\gamma }_{k} $为第$ k $种污染物运行排放系数，kg·(kW·h)⁻¹；$ {\delta }_{k} $为第$ k $种污染物治理费用系数，元·kg⁻¹。

能源浪费惩罚费用

$ \qquad{C}_{{\mathrm{dump}}}={k}_{{\mathrm{dump}}}\sum_{i=1}^{{t}_{{\mathrm{max}}}}{P}_{{\mathrm{dump}}}\left(i\right){\text{·}} \Delta t $

(21)

式中：$ {k}_{{\mathrm{dump}}} $为能源浪费惩罚费用系数，元·(kW·h)⁻¹；$ {P}_{{\mathrm{dump}}}\left(i\right) $为可再生能源发电设备$ i $时段内平均弃电功率，kW。

停电惩罚费用

$ \qquad{C}_{{\mathrm{loss}}}={k}_{{\mathrm{loss}}}\sum_{i=1}^{{t}_{{\mathrm{max}}}}{P}_{{\mathrm{loss}}}\left(i\right){\text{·}} \Delta t $

(22)

式中：$ {k}_{{\mathrm{loss}}} $为停电惩罚费用系数，元·(kW·h)⁻¹；P_loss（i）为i时段内停电失负荷，kW。

2.2.2 约束条件

功率平衡约束条件为^［21］

$ \quad{E}_{{\mathrm{pro}},i} = {E}_{{\mathrm{pc}},i} + {E}_{{\mathrm{xu}},i} + {E}_{{\mathrm{bsc}},i} + {E}_{{\mathrm{loss}},i} + {E}_{{\mathrm{dump}},i} $

(23)

式中：$ {E}_{{\mathrm{pro}},i} $为$ i $时段内总输出电量（包括风力发电机组、光伏发电系统、柴油发电机组的发电量和蓄电池的放电量），kW·h；$ {E}_{{\mathrm{pc}},i} $为$ i $时段内海水淡化装置的用电量，kW·h；$ {E}_{{\mathrm{xu}},i} $为$ i $时段内其他设备的用电量，kW·h；$ {E}_{{\mathrm{bsc}},i} $为i时段内蓄电池充电消耗的电量，kW·h；$E_{{\mathrm{loss}},i} $、$ {E}_{{\mathrm{dump}},i} $分别为$ i $时段内失负荷量和弃电量，kW·h。

发电可行性约束条件为

$ \qquad{P}_{s,{\mathrm{min}}} \leqslant {P}_{s,t} \leqslant {P}_{s,{\mathrm{max}}} $

(24)

式中：$ {P}_{s,{\mathrm{min}}} $为第$ s $种发电设备的最小输出功率，kW，本文取$ {P}_{s,{\mathrm{min}}} $=0；$ {P}_{s,{\mathrm{max}}} $为第$ s $种设备的总发电容量；$P_{s,t} $为第s种发电设备t时刻输出功率。

蓄电池荷电状态约束条件为

$ \qquad S_{{\mathrm{OC}},{{\mathrm{min}}}} \leqslant S_{{\mathrm{OC}}}\left(t\right) \leqslant S_{{\mathrm{OC}},{{\mathrm{max}}}} $

(25)

式中：$ S_{{\mathrm{OC}},{{\mathrm{max}}}} $、$ S_{{\mathrm{OC}},{{\mathrm{min}}}} $分别为蓄电池荷电状态的上限和下限。

本文取$ S_{{\mathrm{OC}},{{\mathrm{min}}}} $=0.1，$ S_{{\mathrm{OC}},{{\mathrm{max}}}} $=0.9，以防止蓄电池过充电或过放电；取电池初始状态$ S_{{\mathrm{OC}}}\left(0\right) $ =0.5。

蓄电池还应满足在一定周期内充电量与放电量应保持平衡的约束条件，即

$\qquad \sum_{i=1}^{t_{\mathrm{c}}}\left[{P}_{{\mathrm{c}}}\right(i)-{P}_{{\mathrm{f}}}\left(i\right)]{\text{·}} \mathrm{\Delta }t=0 $

(26)

式中：$ t_{\mathrm{c}} $为时间周期，取24 h；$ {P}_{{\mathrm{c}}}\left(i\right) $、$ {P}_{{\mathrm{f}}}\left(i\right) $分别为$ i $时段内平均折算充电功率和放电功率，kW。

海水淡化机组运行的功率约束条件为

$ \qquad 0 \leqslant {P}_{{\mathrm{swa}}}\left(t\right) \leqslant {P}_{{\mathrm{swar}}} {\text{·}} {N}_{{\mathrm{swat}}} $

(27)

式中：$ {P}_{{\mathrm{swa}}}\left(t\right) $为海水淡化系统t时刻用电负荷，kW；$ {P}_{{\mathrm{swar}}} $为单个海水淡化机组的额定功率，kW；$ {N}_{{\mathrm{swat}}} $为海水淡化机组总量，台。

海水淡化机组运行的蓄水量约束条件为

$ \qquad \begin{split} & {{R}_{{\mathrm{swa,min}}} \leqslant N}_{{\mathrm{swa}}}\left(t + 1\right) {\text{·}} {G}_{{\mathrm{swa}}} + \\&{R}_{{\mathrm{swa}}}\left(t\right)-{R}_{{\mathrm{w}}}(t + 1) \leqslant {R}_{{\mathrm{swa,max}}} \end{split} $

(28)

式中：$ {R}_{{\mathrm{w}}}(t + 1) $为$ t + 1 $时刻淡水需求，t；$ {R}_{{\mathrm{swa}}}\left(t\right) $为$ t $时刻蓄水池蓄水量，t；$ {R}_{{\mathrm{swa,min}}} $、$ {R}_{{\mathrm{swa,max}}} $分别为蓄水池蓄水量下限和上限，t；$ {N}_{{\mathrm{swa}}}(t + 1) $为$ t + 1 $时刻开启的海水淡化机组的数量，台；$ {G}_{{\mathrm{swa}}} $为每台海水淡化机组产水量，t·h⁻¹。

2.3 总目标函数

微电网系统双层优化模型的总目标函数为

$\qquad {{\mathrm{min}}}\;C=\mathrm{min}\;({C}_{{\mathrm{w}}} + {C}_{{\mathrm{om}}}) $

(29)

式中，$ C $为微电网系统的年综合费用，万元。

2.4 运行优化策略

微电网系统的逐时净负荷

$ \qquad {P}_{{\mathrm{j}}}\left(t\right)={P}_{{\mathrm{pv}}}\left(t\right) + {P}_{{\mathrm{wt}}}\left(t\right)-{P}_{{\mathrm{load}}}\left(t\right) $

(30)

式中，$ {P}_{{\mathrm{load}}}\left(t\right) $为微电网系统t时刻用电负荷，kW。

在$ i $时段，当净负荷大于0时，若蓄水量无法满足下一时段居民用水需求，则优先用于海水淡化直到蓄水量达到预设上限，仍有剩余则用于对蓄电池充电；若蓄水量能满足下一时段居民用水需求，则净负荷优先用于蓄电池充电，直到预设上限，仍有剩余则用于海水淡化。当净负荷小于0时，优先进行蓄电池放电，若未能满足用电负荷需求，再启动柴油发电机组进行补充。

通过跟踪逐时净负荷实现运行优化的流程如图1所示，图中P_s（t）为t时刻充电功率，kW。

3 求解方法

采用RWCE算法求解时，局部搜索精度不足常常使优化进程陷入非局部最优解，出现差解代替优解的现象。本文针对双层优化模型建立了一种采用精细搜索策略的改进RWCE算法。首先，基于RWCE算法进行外层设备容量和内层设备出力的随机游走，获得初步结构，然后大幅降低游走步长，在局部邻域进行高精度、小范围搜索，避免遗漏最优解，同时大幅降低接受差解概率，避免出现差解代替优解的情况，具体流程如图2所示。

4 算例分析 4.1 基础数据

本文选取我国东部沿海某岛屿作为研究对象。该海岛的基本数据为：①年平均气温在20 ℃以上，均为供冷季；②岛上全年风速、气温、光照强度数据分别如图3(a)～3(c)所示，数据采样间隔为1 h，其中，最大光照强度为1 012.25 W·m⁻²，最大风速为17.51 m·s⁻¹；③岛上居民的需求为电能需求和淡水需求。图3(d)为文中算例选取的典型日总用电负荷，包含淡水需求折算的海水淡化装置耗电负荷和其他用电负荷；④冬季、夏季天数均为180天。分别选取冬季和夏季气象数据最差（参考指标为光照强度和风速）的某天作为典型日，气象数据分别如图3(e)和图3(f)所示。

微电网系统双层优化模型的其他相关参数见表1～4。

4.2 结果与分析 4.2.1 设备配置方案优化

不同设备配置方案的优化结果如表5所示。结果表明，方案1采用柴油发电机供电，虽然不产生惩罚费用与失负荷，但是会产生高额的燃料费用和污染物治理费用；方案2采用风−光−储系统，由于发电功率随气象条件波动，难以满足各时刻的负荷需求，从而造成高额的惩罚费用，还需要配置更多的海水淡化装置以消纳多余的可再生能源电力；方案3采用风−光−柴系统，由于没有配置储能系统，为满足各时刻功率平衡，柴油机配置容量较大，同时为满足可再生能源丢弃率限制，可再生能源发电容量配置较低，主要费用由柴油机发电产生。相比之下，方案4采用风−光−柴−储系统，年总成本显著低于其他方案，为最优配置。

4.2.2 夏季典型日设备运行状态分析

微电网系统在夏季典型日的最优调度方案如图4所示。由图可知，在白天时段，微电网系统以光伏和风力发电为主，基本可以满足用电需求，蓄电池在白天光伏和风力发电充足的情况下充电，而在夜间无光照时放电，起到了一定的削峰填谷作用，而且由于海水淡化装置在白天对新能源出力的消纳，可供蓄电池充电的冗余电量并不多，有利于降低蓄电池的投资成本；在夜间时段，除了风力发电机组运行外，系统可消耗蓄电池在白天储存的电能，但仍需柴油发电机组补充供电，以实现供需逐时平衡。

设定在1:00时蓄水池水量为60 m³，蓄水池的水位下限为40 m³。夏季典型日蓄水量与新能源出力的变化如图5所示。可以看出，00:00—08:00蓄水池水量充足，居民仅有少量用水需求，所以海水淡化装置不工作；08:00—15:00居民用水量增加，同时新能源发电量较大，海水淡化装置对其进行消纳，蓄水量短暂下降后开始增加；15:00—21:00为居民用水量较多的时段，但可用于海水淡化的新能源发电量显著下降，所以蓄水量呈下降趋势；21:00—24:00居民用水量较少，因此蓄水量基本保持不变。

4.2.3 RWCE算法与改进RWCE算法的性能比较

针对上述海岛算例，采用RWCE算法计算时，总迭代次数$ {I}_{{\mathrm{max}}} $为$ 1\times 1{0}^{8} $次，个体数量$ N $为$ 100 $，最大游走步长$ \mathrm{\Delta }{L}_{{\mathrm{C}}} $为$ 2 $，年负荷最大值$ {M}_{{\mathrm{max}}} $为300 kW，接受差解概率$ \delta $为$ 0.05 $；采用改进RWCE算法计算时，总迭代次数$ {I}_{{\mathrm{max}}} $为$ 1\times 1{0}^{8} $次，个体数量$ N $为$ 100 $，年负荷最大值$ {M}_{{\mathrm{max}}} $为300 kW，精细搜索的最大游走步长$ \mathrm{\Delta }{L}_{{\mathrm{C}}} $为$ 0.5 $，接受差解概率$ \delta $为$ 0.01 $。计算结果如表6所示，寻优曲线如图6所示。

从表6中可以看出，与RWCE算法的计算结果相比，改进RWCE算法计算得到的最优解投资费用、运行费用及年综合费用更低，配置方案也有所变化。这是因为改进RWCE算法的外层优化对设备配置造成了摄动，内层通过精细搜索也进行了相应的最佳运行调度。

从图6中可以看出，两种算法均在约5.6 × 10⁷迭代次数时收敛。相比之下，采用RWCE算法仿真，会产生多次费用上升的情况，但经过一定迭代次数后，接受差解机制可使寻优过程跳出局部最优解，搜索到更优的解，但却错误选择了最小极值点，而费用的上升便是由于差解代替了当前好解；采用改进RWCE算法进行仿真时，外层RWCE算法计算得到的优化结构传递到内层后，会进行高精度的精细搜索，即使好解被差解替代，也能在其局部邻域内搜索到更优的解。

综上所述，相比于RWCE算法，利用改进RWCE算法求解双层优化模型，不仅避免了固定参数寻优的早熟收敛，还提高了搜索精度，有效防止差解代替好解，从而获得年综合费用更低的优化计算结果。

5 结论

本文针对独立型微电网系统优化问题，建立了容量配置与运行调度同步优化的双层优化模型，并采用带有高精度精细搜索策略的改进RWCE算法求解，主要结论为：

（1）综合考虑了远洋海岛的用电需求和淡水需求，将海水淡化负荷作为一种可时移的用电负荷，可有效提高对可再生能源发电的消纳能力。

（2）海岛微电网双层优化模型以年综合费用最低作为目标函数，综合考虑发电功率、负荷可靠性、可再生能源丢弃率等多个指标，并通过跟踪逐时净负荷进行运行调节，实现了微电网系统容量配置与运行调度的同步优化，规划设计更加科学合理，年综合费用显著降低。

（3）采用改进RWCE算法求解微电网双层优化模型，能够平衡全局搜索与局部搜索能力，提高搜索精度，避免早熟收敛，保护过程最优解，获得更优的容量配置和运行方案。

（4）内层设备运行调度优化的精细搜索是基于外层设备容量基础解的进一步迭代和优化，因此改进RWCE算法的求解时间更长，后续可进一步研究提高计算效率的改进措施。