徐俊文献综述-微电网(保留)
微电网能量管理研究综述
0 前言
能量一直是社会发展过程中亘古不变的话题，它与我们的生活息息相关。尤其是电能，它是社会发展的助推剂。21世纪以来，随着社会的快速发展，电力需求快速增长。然而，针对传统电力系统而言，一方面它的供电能源是火力发电的煤、石油等化石燃料，它们不可再生而且对环境污染严重，难以满足社会对能源利用的环保性的要求；另一方面，传统电力系统是集中式结构，电能经远距离传输后到达用户端。随着用户端分散化程度的提高，电能的线路损耗和供电成本也相应增加，达不到社会对电能利用的经济性的要求。
于是，近些年人们提出了分布式发电技术。分布式发电是建立在负荷中心，发电功率在几千瓦至数百兆瓦的小型模块化、分散式的高效、可靠的发电单元。分布式发电具有对环境污染小、能源利用率高、安装灵活等特点。与集中式发电相比，分布式发电接近负荷，节省了远距离输电的成本，减少了线路损耗，提高了能源的利用效率。但当分布式发电在大电网中的渗透率提高时，分布式发电源单机接入大电网的成本高、与大电网的并网困难等特点凸现出来，大大限制了分布发电在大电网中的应用。为此，人们提出微电网技术——将分布式发电以微电网形式接入大电网。近年来，微电网受到研究者们广泛的关注[1~4]。
微电网的产生为分布式发电在大电网中的引入提供了极大的方便。微电网需要在满足电网中物理约束和供电的经济性要求的基础上，充分地协调利用各种能源，实时准确地向用户负荷提供需求的电能。然而，微电网中以风能和太阳能代表的新能源的容易受气候影响，供电特性带有间歇性和不确定性[5、6]。新能源的这些特性导致它的供电输出难以控制，增加微电网能量调度时的难度。另外，微电网包括多种不同类型的负荷，不同类型的负荷对能量的需求质量和实时性要求也各不相同，这无疑对微电网能量的管理策略提出了较高要求[7]。因此，要保证微电网能协调利用内部能源，向用户负荷提供需求的电能，能量的优化管理和利用是核心问题。
本文分别介绍了微电网的结构的特点和能量调度关键技术，以及目前针对微电网能量管理的研究现状，并阐述了微电网能量管理研究的新进展。
1 微电网
1.1 微电网结构及特点
微电网也叫微网，它是指在接近用户端或位于用电负荷中心，将额定功率为几十千瓦分布式的小型发电单元、负荷、储能系统和控制装置等电力设备，按照一定的拓扑结构进行组织而构成的小型电力系统，向用户供冷供热。（如图—1所示）[8、9]。它是种新型的电网结构，同时是一个能够实现自我控制、
保护和管理的自治的小型电力系统单元。
从地理位置上看，微电网一般是建立在接近负荷端或位于用电负荷区域的中心，供电能源和用电负荷分布在微电网中各个区域。通过一个中央控制器来协调利用各种不同类型的能源，向不同需求的负荷提供需求的电能。同时微电网中引入了储能设备，通过充电来存储富余的能量，放电实现缺额能量的补充。
1.2 微电网能量管理
微电网能量管理主要任务是协调利用微电网中各种不同供电特性的能源，在满足技术条件和储能装置容量限制等约束下，以最小的操作成本，实时准确地向用户负荷提供需求质量的电能。不仅保证短期内电能的供求平衡，同时达到长期内能量的优化调度和电网的经济运行。
然而，由于多种原因，使得微电网能量的优化管理备具挑战。首先，由于微电网中渗透了大量的分布式能源，其中以太阳能和风能为代表的新能源具有成本低、节能环保等优点，但受气候的影响具有间歇性和不确定性。在阴天或晚上太阳能只能提供间断或随机的供电，风能在晴天的供电具有间断性和随机性。由于新能源供电的不连续性，使得难以控制新能源的功率输出，对新能源供电的调度变得困难；其次，针对微电网能量管理的控制操作需要考虑控制的经济性、约束、等问题，控制行要考虑约束问题，优化问题往往也是多目标形式。比如，受供冷、热负荷影响的微汽轮机能提供可控和连续的供电，不仅需要考虑机组容量的限制，而且需要同时优化输出功率、控制成本等多个优化问题。除此之外，由于微 ：光伏发电 ：新能源电力汽车 ：储能单元 ：大电网 ：用电负荷 ：风能发电 ：计算机 ：微气轮机 ：即插即用式接：分别代表能量流动的方向，双向头表示能量的双向流动 图—1 微电网结构示意图
电网能源微电网中包括不同类型的负荷，如家庭用电、即插式电力汽车等，它们对电力需求的质量各不相同，对供电的实时性要求也不一样。要达到对负荷实时、准确供能的目的，就需要可靠的能量调度和管理策略。
微电网引入了多种类型的供电能源，包括以风能、太阳能为代表的新能源、微汽轮机发电和燃料电池等。它们分布在微电网中不同区域，通过一个中央控制器来协调管理，向用户负荷提供满足需求的电能。这些不同类型的能源有着不同的供电特性。其中，以风能、太阳能为代表的新能源，具有供电成本低、绿色环保等优点。但它们的供电特性容易受天气或气候的影响，表现出间歇性和不确定性；以微汽轮机发电和燃料电池为主的一次供电能源，它们能提供持续、稳定的供电，但供电成本高，对环境污染严重。
微电网向多种不同类型的负荷提供供电需求，包括以家庭用电、楼宇用电为主的生活用电、智能电表为代表的小功率负荷以及即插式电力汽车的新型用电设备等种类型的负荷。家庭供电必须保证居民最小能源供应和最基本生活条件；智能电网的用电对实时性较高，必须持续地向这类负荷提供稳定的电能；即插式汽车等类型的新型设备能随时随地接入电网，对用电对实时性不高，支持间断用电，但必须保证一定的供电时间。
2 微电网能量管理的研究现状
（1）新能源接入的能量管理研究
以风能和太阳能为代表的新能源具有成本低、环保等优点，但受气候的影响具有间歇性和不确定性。新能源的这些特性导致新能源供电时的不连续性和不可控性，使得对新能源供电的调度变得困难。
文[15]针对引入新能源的微电网，将新能源作为一种消极负载处理，实现对负荷能量的优化供应。在满足微电网安全运行约束和负荷需求的条件下，运用基于实数编码改进自适应遗传算法优化微汽轮机的功率，使总的发电总成本最小化。这种方法有效地解决了新能源供电难以控制的问题，但没有实现对新能源高效的利用，失去了引入新能源的本意。
为了达到新能源的高效利用的目的，文[16]提出采用高阶动态神经网络算法，预测新能源中的风能在未来一段时间内的输出，实现了电网中能源的优化操作和新能源的高效利用。作者认为一旦建立起对新能源在未来一段时间的电力输出预测，就能根据预测信息实现向负荷提供需求的电能。
文[17]针对能量调度时新能源不可控的问题进行了研究，提出应用预测控制对新能源输出预测，解决新能源的不可控问题。文中应用预测控制预测新能源在未来一段时间的电能输出，根据负荷用电信息调整可控能源的供电量来跟踪负荷的需求。同时将成本约束考虑在优化问题中，实现了对能量的高效、环保利用。除此之外，文[18~20]均采用了预测控制预测间歇能源在未来一段时间电力输出
的策略，实现对电网中的能量优化管理和利用。
目前针对新能源引入情况下微电网中能源管理问题的研究，文[21~23]也是采用预测控制算法进行研究。[21] 针对新能源引入的情况，采用预测控制来优化微电网混合燃料单元的供电功率，实现最小成本供电；[22] 将预测控制算法优化新能源引入的大电网中能量的供求平衡关系，实现微电网能量供应动态平衡；[23] 针对新能源供电成本的问题，预测新能源的供电输出，采用预测控制优化新能源的供电成本，实现微电网运行的经济性。
（2）引入储能设备的能量管理研究
在新能源充足的时期，当由新能源产生的电能供应远远大于用户负荷的需求时，假如不对富余的能量加以利用，就会产生大量的资源浪费。在新能源短缺时，当由新能源提供的电能缺省而难以满足用户负荷需求时，就会造成能源的紧张。无论是能源的富余或缺省，不仅造成能量的低效利用，而且增加了能量调度的难度。文[24]提出使用储能设备来存储富余的电能/补充缺省的电能，实现能量的充分利用，改善电能质量，平滑电网的波动。但受限于当前电力电子技术水平，目前的主要储能设备是以大电容为主的小容量的储能设备，难以满足电网中对大容量储能设备的需求。而且储能设备接入电网中的位置，直接关系着电网中能量的分配策略。
文[25]针对由两个微电网构成的系统控制成本的经济性和峰值问题，提出粒子群算法来优化系统在24小时内能量的流动，使能量供应控制成本最小。并提出使用大电容和大容量的储能设备对能量进行存储，通过储能设备的充电和放电来消减电网的峰值特性，平滑电网。不仅通过能量的高效利用优化了电网的运行成本，而且消减了峰值保证了电网稳定地运行。
文[26] 提出为用户负荷配置大容量的储能设备，实现用户的智能化，用户主动参与电网中的能量管理。针对引入储能设备的微电网建立起供电端到由用户端的两级递阶结构模型，采用预测控制优化对电网中供求间的误差，使电网中供求间的平衡误差最小化。用户负荷在电网中能量富余时，使用大容量的电能存储设备，比如大电容等对能量进行存储；在能量供应不足时，储能设备放电来弥补电能的缺省。配置储能装置的用户不仅实现了对能源的高效利用，而且实现了用户积极主动地参与电网能量管理。在此基础上，文[27]采用预测控制对电网中供求间平衡误差的优化过程中，将用户划分为带储能设备的智能用户和不带储能设备的非智能用户。考虑储能设备容量的范围和线路能量流动限制等约束情况下，使用预测控制优化能量供求间的平衡误差。
文[28、29]也是采用预测控制研究引入储能设备下微电网能量管理问题，文[28] 考虑在供电端引入储能设备，采用预测控制来优化电网中的供求平衡误差，
平滑电网的波动；文[29] 考虑在用户负荷引入储能设备，为建筑用电负荷配置储能设置，采用预测控制优化储能设备中能量存储的容量。提高能量的利用效率，减小供电端压力。
（3）多微电网的能量管理研究
当区域内分布多个微电网时，微电网既能独自运行，也可以与其它的微电网通过信息和能量的交流，实现协同工作。针对多个微电网情况下的能量管理，主要任务是不仅要协调利用微电网内部各种不同供电特性的能源向负荷供电，同时还要协调微电网间的能量的流动，在满足技术条件、储能装置容量限制、通信带宽等约束下，实现整个系统以最小的操作成本运行，保证系统总能量的供求平衡和能量的高效利用。微电网间的信息交流方式有多种，有与相邻微电网进行信息的交流或与其它所有微电网进行信息的交流。不同的信息交流方式，将导致不同的能量分配/调度策略。
文[30]建立三个微电网互相通信的多微电网系统模型，针对整个系统中能量流动和供求间的平衡问题，采用分散预测控制算法分别对每个微电网的供电量进行优化，使每个微电网以最小成本跟踪负荷的需求。针对每个微电网分散地考虑，微电网与微电网间不进行信息的交流。但作者采取微电网间能量交易的策略，能量充足的微电网将富余的能量交易给其它能量供应不足的微电，反之，能量供应不足的微电网则可以向其它能量充足的微电网购买能量。这种能量交易的策略实现了对能量的高效利用，保证了微电网内部和系统总的供求平衡。
文[31]针对多微电网情况下的能量供求平衡问题，提出博弈论的思想。作者认为，电力系统是一个大规模的复杂系统，可以通过将先进的电力管理技术、控制技术、通信技术和信号处理技术、网络技术等集中到电网中，提高电力系统和能源管理的效率、可靠性和鲁棒性。从而将每一个微电网看成一个智能节点，考虑节点与相信节点进行信息和能量的交换，实现对能源的优化利用。文[32]建立由三个相关联子系统组成的复杂网络化信息系统模型，考虑每个子系统与相邻的子系统进行通信。针对系统约束间的协方差建立一个带约束的有限时域优化问题，应用分布式预测控制算法优化求解。
3 展望
微电网是智能电网快速发展的产物，对微电网的研究将有助于推动智能电网的快速发展。近年来越来越多的科研工作者投身于对微电网的能量研究中，在许多方面取得了的突破，但仍有很多问题未能得到有效地解决，仍然需要我们不断地努力来寻找有效的解决方案。微电网中新能源的随机性增加了能量调度的难度，对新能源提出有效的调度策略有重要意义；另外，微电网中常常需求同时优化多个目标，对微电网能量管理的控制算法需要解决多目标优化问题；最后，针对微电网操作的约束，对保证微电网的安全性、稳定性来说有着重大意义。
4 参考文献
[1]张建华，黄伟.微电网运行控制与保护技术[M].北京：中国电力出版社，2010.7．
[2]Steven Collier. Ten Step to a Smart Grid[C].IEEE Power＆Energy Society
General Meeting,July,2009,8(1):8-18．
[3]唐永胜.智能电网条件下微电网接入的配电网综合效益研究[J]. 贵州电力技
术,2011,14(8):10-13.
[4]王成山，李鹏．分布式发电、微电网与智能配电网的发展与挑战[J]．电力系
统自动化，2010，34(2)：10-14．
[5]J.H. Talaq, F.EI-Hawary, and M.E. EI-Hawary.A Summary of
Environmental/Economic Dispatch Algorithms [J]. IEEE Transactions on Power, 1994, 9(3):1508–1506.
[6]J. Apt. The Spectrum of Power from Wind Turbines [J].Journal of Power Sources,
2007, 169(2):369-374.
[7]尹天文,张扬,柴熠.智能电网用户端系统关键技术及发展动向[J].低压电器，
2012,3(16):56-60.
[8]黄东启，艾芊，袁思远.分布式新能源接入电网的电能质量问题[J].现代建筑电
气，2011，12（2）：1-6．
[9]周中，姜龙．智能电网用户端能源管理系统关键技术与应用[J].电气技术，
2012，1（1）：101-104．
[10]何光字，孙英云．智能电网基础[M]．中国电力出版社，2010．
[11]赵波，李鹏，童杭伟．从分布式发电到微电网的研究综述[J]．浙江电力，2010，
29(3)：1-5．
[12]L iyan Jia,Zhe Yu,Piccioli.Multi-scale stochastic optimization for Home Energy
Management[C].2011 4th IEEE International Workshop on Computational Advances in Multi-Sensor Adaptive Processing (CAMSAP),2011:113-116. [13]丁明,张颖媛，茆美琴.微网研究中的关键技术[J],Power System
Technology,2009,33(11):1-8.
[14]刘小平，丁明，张颖媛，徐宁舟．微电网系统的动态经济调度[A].中国电机
工程学报，2011，31（31），77-83.
[15]林伟，陈光堂，邱晓燕，王松，李锐，孟鹏，任增.基于改进自适应遗传算法
的微电网负荷优化分配电力系统保护与控制[J]. 2012, 40(12):49-55.
[16]K ariniotakis, G.N.Stavrakakis, G.S.Nogaret, E.F.Wind Power Forecasting Using
Advanced Neural Networks Models [J].IEEE Transactions on Energy Conversion, 1996, 11(4): 762-767.
[17]L e Xie,Carnegie.Model Predictive Economic/Environmental Dispatch of Power
Systems with Intermittent Resources[J].Power & Energy Society General Meeting, July 2009: 1- 6 .
[18]L e Xie, Marijia D.llic.Model Predictive Economic/Environmental Dispatch of
Power Systems with Intermittent Resources [J].IEEE on Power & Energy Society General Meeting, 2009: 1-6.
[19]A.Hooshmanda, H.A.Malkib, J.Mohammadpourc.Power Flow Management
Micro-grid Networks Using Model Predictive Control [J].Computers & Mathematics with Applications, 2012, 64(5):869–876.
[20]G. Giebel, the State-Of-The-Art in Short-Term Prediction of Wind Power: A
Literature Overview, Ris?National Laboratory, Denmark: 2003.
[21]V ahidi, A.Clemson Univ.Huei Peng.Current Management in a Hybrid Fuel Cell
Power System: A Model-Predictive Control Approach [J].IEEE Transactions on Control Systems Technology, IEEE Transactions on, 2006, 14(6):1047-1057. [22]K andasamy, N.Nashville.Abdelwahed, Hayes, J.P.Self-Optimization in Computer
Systems via on-line Control: Application to Power Management[C].Proceedings.
International Conference on Autonomic Computing, 2004:54-61.
[23]D ara Kusic,Jeffrey O. Kephart,James E. Hanson.Nagarajan Kandasamy,Guofei
Jiang.Power and Performance Management of Virtualized Computing Environments via Lookahead Control[J].Cluster Computer,2008,(2009)12:1–15.
[24]K.C.Divya1, Jacob ?stergaard1.Battery Energy Storage Technology for Power
Systems—an overview [J].2008, Electric Power Systems Research, 79(2009), 511–520.
[25]S ortomme, E.,El-Sharkawi, M.A.Optimal Power Flow for a System of Microgrids
with Controllable Loads and Battery Storage[C].Power Systems Conference and Exposition,2009,: 1-5.
[26]B endtsen, J., Aalborg, Aalborg.Hierarchical Model Predictive Control for
Resource Distribution[C].49th IEEE Conference on Decision and Control (CDC), 2010:2468-2473.
[27]B iegel, Benjamin,Bendtsen,Andersen.Model Predictive Control for Power Flows
in Networks with Limited Capacity[C].American Control Conference, 2012:2959-2964.
[28]M. Khalid,A.V.Savkin.A Model Predictive Control Approach to the Problem of
Wind Power Smoothing with Controlled Battery Storage[J].Renewable Energy,2010,35(7):1520–1526.
[29]Y udong Ma,Berkeley.Model Predictive Control of Thermal Energy Storage in
Building Cooling Systems[C].28th Chinese Control Conference on Decision and Control,2009:392-397.
[30]A. Hooshmanda, H.A. Malkib, J. Mohammadpourc.Power Flow Management of
Microgrid Networks Using Model Predictive Control [J].Computers & Mathematics with Applications, 2012, 64(5):869–876.
[31]S ad, W. , Coral Gables,Zhu Han , Poor, H.V. , Basar, T. Game-Theoretic
Methods for the Smart Grid: An Overview of Micro Grid Systems, Demand-Side Management, and Smart Grid Communications[J].Signal Processing Magazine, 2012,29( 5): 86- 105.
[32]T atsuya Miyano,Takeshi Hatanaka,Masayuki Fujita.Distributed Predictive
Control and Estimation for Systems with Information[C].Proceedings of the 1st IFAC Workshop on Estimation and Control of Networked Systems,September,2009:180-185.
[33]H ommelberg, M.P.F.Petten, Warmer, C.J., Kamphuis, I.G., Kok, J.K., Schaeffer,
G.J.Distributed Control Concepts using Multi-Agent Technology and Automatic
Markets: An Indispensable Feature of Smart Power Grids[C].Power Engineering Society General Meeting, 2007. IEEE, 2007:1- 7.