微电网一些基本概念介绍

什么是微电网
微电网是一种新型网络结构，由微电源、负荷、储能系统和控制装置构成的系统单元，能够实现自我保护控制和能量管理的自治系统，可与外部电网并网运行，也可以孤立运行，既可满足用户供电需求，也可满足冷、热、电三联供的需要。可用于解决分布式能源并网带来的技术、市场和政策上的问题，为最大发挥分布式发电技术在经济、能源和环境中的优势提供了新思路。

分布式能源（Distributed Generation，DG）：通常利用各种分散存在，可方便获取的能源，包括可再生能源（风能、太阳能、生物质能、，潮汐能等）和不可再生能源（主要是天然气），一般布置在用户附近，发电功率在数十千瓦到数十兆瓦，基于先进信息控制技术的小型模块化、分布式发电供能形式。
优点：
1、采用新能源就地消纳，减少了线损和输变电投资运行成本，提高电能质量。
2、提高可再生能源利用率，减少污染排放。
3、与大电网供电互补，改善电网峰谷差，减少电网备用容量。
4、在大电网灾难性故障时维持重要负荷的供电，并有助于大电网快速黑启动。
缺点：
1、改变了配网潮流流向，且太阳能、风能等可再生能源出力具有间歇性及波动性，为电网运行调度与保护控制带来困难。
2、分布式能源的盲目引入可能导致微电网系统的稳定性、可靠性和电能质量的恶化。
3、根据 IEEE standard 1547.1标准要求，当电力系统发生故障时，DG必须马上退出运行，限制了分布式发电效益的发挥。
微电网能量管理
能量管理系统（EMS）：
主要针对发输电系统，对电网进行调度决策管理以及控制，提供电网的各种实时信息给调度管理人员，能够提高电能质量，保证电网运行安全以及改善电网运行经济性，是现代电网调度自动化系统的统称。
微网能量管理系统（MGEMS）：
基于现有电力系统EMS的研究成果，考虑了分布式能源、储能系统的接入以及微电网系统技术的应用，是EMS进一步发展的一个重要方面。
微电网能量管理系统通过管理微网内微源及负荷运行状态，结合电价，燃料费用等信息，并根据系统内潮流需求对分布式发电设备、可控负荷、储能设备进行有功、无功指令控制，不仅可实现风能、太阳能等可再生能源的有效利用，而且能使微网经济、可靠运行。
微电网能量管理按照时间尺度分类可分为：长期能量管理、短期能量管理

长期能量管理的主要功能：
1.考虑环境影响及发电成本的分布式发电及负荷小时级预测
2.系统内的可控负荷监管及投切管理
3.根据网外电力市场信息及网内负荷预测状态，管理系统备用容量
4.长期功率平衡
短期能量管理的主要功能：
1.系统内电压及频率调节
2.系统内分布式电源、储能设备实时功率分配
微网能量管理系统框架结构可分为优化层、管理层和设备层三个逻辑层次。

微网能量管理研究的重点：
1.微网系统的建模
建立分布式能源单元模型以及微网系统的整体运行、协调控制和优化配置等方面的模型。
2.分布式电源控制策略
微网内分布式电源及储能系统运行依赖于电力电子接口技术，需要相应的充放电控制策略。
3.再生能源发电预测
准确预测太阳能、风能等发电单元的短期及长期出力。
4.微网优化调度
结合热电负荷需求、交互电价、燃料成本、需求侧管理要求等制定运行优化策略。

微电网优化调度
微电网优化调度为能量管理研究的重要内容，一般以实现微电网运行成本、排放成本、网损成本以及停电成本最小化为目标，满足各类运行约束的前提下，最大限度提高可再生能源利用率以及微网运行经济性。
常见约束条件：
机组出力约束、运行状态约束、系统潮流约束、可靠性约束
常用优化方法：
数学优化方法：优先顺序法、动态规划法、拉格朗日松弛法等
智能优化算法：粒子群优化算法、遗传算法、蚁群优化算法、人工神经网络法、专家系统以及网格自适应直接搜索法等


微电网控制策略
所有控制方法都应当满足下列要求：
1.新的微电源的接入不对大系统造成威胁
2.能够自主的选择系统运行点
3.平滑与大电网联网或解耦
4.对有功、无功可以根据动态的要求进行独立的结构控制
微电网的控制方式和微电源的类型有关，对于采用的电力电子逆变器来说，常用的控制方法有微电网联网状态下的PQ控制方式、电压率VF控制和微电网孤岛状态下的下垂控制。



参考：微电网的能量管理系统与优化调度
多微电网的能量管理和能量调度

多微电网系统的运行控制与优化层
多微电网在运行过程中往往要考虑微电网间的能量调度与控制，因此对底层微电网的运行控制是确保上层能量调度的关键。本文从多微电网的底部稳定运行和优化两方面展开分析，其中在稳定运行层面主要考虑电压-频率-负荷的稳定、潮流优化控制等；在优化层面主要考虑微电网内部的经济运行目标，包括操作费用、运行成本等。
在电压-频率-负荷控制方面，随着区域微电网接入数量的增加，多微电网系统的运行方式和控制方法变得更加复杂，尤其是基于交直流混合的多微电网系统，因为这类多微电网系统需要大量逆变器或整流器等非线性电力电子器件，它们对电能质量的影响更为突出，一般涉及电压三相不平衡、电压/频率偏差调节、环流谐波抑制等。在针对电压/频率的控制时，一般采用下垂控制及其改进方法来协调多微电网间及各子网内部各单元间能量输出。但下垂控制在分配精度与电压频率偏移上存在固有的矛盾，为此通常在此基础上增加二次控制。在环流谐波抑制方面，由于系统电路参数、闭环控制器参数以及本地负荷存在差异，使得各变换器间很难按其容量实现精确的功率分配且会产生环流谐波，从而影响微电网供电质量。在功率潮流优化控制方面，多微电网系统不仅要考虑微电网内部的功率流动，也要关注微电网间的功率流动情况，特别是对于交流、交直流混合的多微电网系统，往往要考虑有功功率、无功功率以及相角对系统运行的影响。主动配电系统通过使用灵活的网络拓扑结构来管理潮流，可以实现微电网间的合作运行以及微电网层对配网层的支持运行。
多微电网系统的能量调度层
多微电网系统的能量调度层主要是协调与控制微电网间或微电网与上级配电网的能量调度，以最大限度地利用可再生能源，提高整个多微电网系统的稳定性与经济性。由于多微电网的经济调度模式更加复杂，在不同模式下单微电网间、单微电网与配电网间有不同的功率交互策略，本文总结了目前多微电网系统的三种能量调度模型。
一是针对多微电网的电力交易策略研究，它往往涉及到多方博弈，而博弈论作为一种先进的优化工具，主要用于研究多个利益相关主体如何进行优化决策的问题，已经广泛应用到电力系统领域。多微电网间的能量交互及协同控制方法一般可转化成合作博弈模型或非合作博弈模型。
二是针对多微电网系统的信息交互策略，研究人员提出了以多智能系统为主的信息交互策略。多智能体系统由多个具有局部知识和有限能力的自制系统构成，各系统之间通过设定的交互策略以实现全局优化目标，它将每个微电网视为一个智能体，每个智能体可以根据提前设定的通信协议自发地与周围智能体进行通信及信息交流，实现多微电网间的功率流动与智能控制，以解决大量分布式可再生能源接入后的实时控制问题，使电网更加智能化。
三是针对人工智能在多微电网能量管理中的应用研究。随着人工智能技术的快速发展，深度学习、增强学习等理论方法在数据分析、预测、分类等方面显示出较大的优势，尤其体现在海量数据的处理方面。目前相关技术在微电网运行调控、能量管理等方面已有了大量的应用。但在多微电网能量管理过程中，大多数情况下无法得到负载、分布式发电系统的精准数学模型，对此相关学者提出使用增强学习策略进行多微电网能量管理。
多微电网的能量管理模型如何应对不确定性信息的干扰
从目前已研究的多微电网能量管理模型来看，不确定因素广泛存在。另外，由于多微电网系统往往具有更高的可再生能源渗透率，这使得不确定性因素对多微电网系统运行的影响一般要高于单微电网系统。本文从研究人员已发表的文献中进行了归纳总结，给出了四种目前应用最为广泛的处理不确定性信息的能量管理模型。
1）旋转备用容量模型
这类研究主要是对旋转备用容量进行优化，使其投入最小的容量，达到经济最优的运行效果。旋转备用容量模型的主要优点是简单有效，当备用容量足够大时，便可以应对大多数不确定性问题，但这样势必会造成资源浪费，在经济性上得不偿失。
2）随机规划模型
随机规划通过对不确定参数进行概率描述，得到不确定参数的精确概率分布，然后将其转化成确定性数学规划问题求解，在一定程度上可以减少多微电网系统在能量管理中所面临场景的复杂度。也有相关研究采用机会约束，但其本质上也是一种随机规划，它规定部分约束条件成立的概率应该大于某一置信水平，这在实际应用过程中可能会更符合决策者的需求。但如何生成少量更具代表性的随机场景来覆盖更多的不确定场景和如何准确地描述不确定参数的概率分布都是随机规划模型面临的主要技术难点。
3）鲁棒优化模型
不同于随机规划模型，鲁棒优化模型并不需要事先知道不确定参数的概率分布，而是通过设立一个不确定集来表示不确定参数的波动范围，只要不确定参数在给定的不确定集范围内波动，鲁棒优化一般能得到可行解，在同等条件下其模型求解计算量要小于基于随机规划的方法。目前鲁棒优化所面临的主要问题是对不确定集保守性的改进，因为鲁棒优化忽视了一些可以获得的不确定参数的概率分布，导致不确定集对不确定参数的描述过于保守。
4）实时能量管理模型
鲁棒优化模型与随机规划模型从本质上看属于日前调度模型，即基于日前对可再生能源出力、负载需求和实时电价等不确定因素的预测结果，提前计划后一天各个机组、储能等的出力情况，而日前调度模型是否可以准确规划出后一天的最优调度计划，对不确定性等因素的预测准确性依赖很高，因此在实际运行中还需要基于日前决策结果和预测因素的揭晓结果进行功率调节来传承既定优化目标、满足能量平衡等要求。典型策略是以模型预测控制算法为主的滚动优化方法来支持日内的实时能量管理调度，它通过实时预测、滚动优化和反馈校正机制来不断地调整处理预测信息与实际情况之间的偏差，即通过前一个时间尺度确定下来的调度数据作为已知量来处理后一个时间尺度调度优化策略，随着时间尺度的不断细分，使模型对不确定性有较好的鲁棒性。
参考：多微电网能量管理系统研究体系的评述与展望