4经济优化模型（略）
4.1 目标函数
对于风光蓄微电网并网运行的情况，其运行模式可以有多种方案，本文为了便于研究，将优化目标定为提高风光利用率，微电网系统从电网吸收的电能尽可能少，风光出力多余的部分用蓄电池存储，利用可控负荷将其消耗或者转化成热能“缓存”，达到虚拟储能的功能。因此，本文采用吸收电网电量的费用作为微电网系统并网条件下的评价依据。
4.2 约束条件（略）
4.2.1 功率平衡约束
4.2.2 蓄电池约束
5算例仿真
5.1 数据资源
算例中，取光伏电池的容量2.3kW，风机容量为2.5kW，蓄电池容量为5kW，蓄电池的放电价格为0.4元/kWh，对于蓄电池的荷电状态，参照市面上普遍标准，取SOCmin=20%，SOCmax=90%；分时电价的定义、可控负荷的具体参数、温控负荷的温度限值和风光出力数据见表1、表2、表3和图3。
表1 分时电价定义
图3某天光伏和风机出力
5.2 算法介绍（略）
5.3 模型求解
由以上目标条件以及约束条件，可知其核心问题是求解负荷的开关状态问题，基于BDE算法的优化求解过程如下：
（1）设置微电网系统原始数据，包括负荷参数，初始化DG并读取其出力数据。
（2）初始化BDE算法的参数：种群规模设为N=50，最大迭代次数设为100，变异因子为0.3，交叉因子为0.3；计算种群中最优个体。
（3）变异，在初始化种群中随机选取2个不同于最优个体的个体执行变异操作。
（4）交叉，对于变异产生的中间个体与原个体进行交叉处理，得到一个实验个体。
（5）计算实验个体和当前个体的目标函数值。
（6）选择，对比当前个体与新生成的实验个体的目标函数值，保留最优个体进入下一代种群，防止在进化过程中得到的最优个体在以后的进化中丢失。
（7）种群评价。
（8）判断是否满足结束条件。若达到最大遗传迭代次数，停止迭代。否则，转至步骤（3）继续迭代。
微电网系统采用以上策略后，具体计算流程见图4。
图4BDE流程图
经计算，得出负荷数据和蓄电池充放电数据见图5至图7。
图5温控负荷的运行状态
利用二进制微分进化算法，计算得出的目标函数值在系统普通正常运行时，其目标函数值为118.48。在利用系统采取本文提出的优化策略进行计算时，得出的目标函数为90.23，费用降低23.84%，由此可见该能量管理策略能够提高一定的经济性。
对比风光出力以及核心负荷运行的时间段，从计算结果可以看出：温控负荷的运行集中在风光出力较为充足的时段或者电价处于谷时段和平时段，但是由于用户对负荷有舒适度的要求，如热水器和空调，在晚上18:00至22:00之间用电高峰时段也需要有适当集中的运行时间。可转移负荷中的洗衣机设备在优化后，运行时间被转移到电价最为低廉的清晨，且这时候风力发电相对充足，符合能量管理策略最初的设计期望，对于电饭锅的运行时段，也是符合日常生活规律的，且在一定程度上提前或延迟其运行时段，达到了优化的要求。由图6可以看出，在负荷需求量较大的时段18:00至22:00、14:00至16:00处于负荷用电高峰时段，且此时的电价也处于峰值阶段，蓄电池放电较多，而在负荷需求量较小的上午且电价处于谷值时，蓄电池得以充电。并且可以看出优化后的蓄电池充放电深度明显小于优化前的充放电深度，因此可以适当降低蓄电池的配置容量，从而符合虚拟储能的优化目标。
图6可转移负荷的运行状态
图7蓄电池充放电状态
6结语
本文就风光储微电网在并网运行的状态下，设计了微电网系统能量管理策略并应用在家庭能源微电网，由于微电网处于并网状态，因此在前述3的基础上，该能量管理策略建立了与电网电价策略的联动，不仅规划了可控负荷的用电时段，使之更加匹配DG的供电状况，而且通过分时电价辅助从大电网在DG出力不足的情况或者蓄电池放电成本较高时，可以从大电网购电，以此进行调控可以在弥补供需差异的同时，达到最大程度地降低从电网购电的费用。
