摘  要： 提出了雙層協(xié)調(diào)調(diào)度的方法——計劃調(diào)度層和實時調(diào)度層來解決微電網(wǎng)孤網(wǎng)實時能量優(yōu)化管理的問題。計劃層是基于不可控微電源功率預測的主要考慮微電網(wǎng)經(jīng)濟性的調(diào)度方法；實時層是在計劃層的基礎上對不可控微電源實際功率與預測功率之間的誤差進行調(diào)度，再將調(diào)度結果疊加到計劃層各個可控微電源的功率上。在實時層，可控微電源的功率范圍與計劃層是不同的，下限為其在計劃層出力的相反數(shù)，上限為其最大出力與計劃層出力差值。最后通過一個典型的微電網(wǎng)實例驗證了該方法的正確性和優(yōu)越性。

　　關鍵詞： 雙層協(xié)調(diào)調(diào)度；能量優(yōu)化管理；微電網(wǎng)；孤網(wǎng)運行

　　微電網(wǎng)孤網(wǎng)實時能量優(yōu)化管理就是指通過協(xié)調(diào)微電網(wǎng)中的分布式微電源、儲能設備，對用戶的需求側管理，對微電源的輸出功率的控制管理，實現(xiàn)根據(jù)微電網(wǎng)實時運行情況下動態(tài)地對微電網(wǎng)中負荷在各分布式電源、儲能裝置單元之間進行全局性的優(yōu)化分配，使微電網(wǎng)安全、高效、可靠和經(jīng)濟地運行。

　　參考文獻[1]將一個潮流優(yōu)化問題應用到基于實時信息的能量管理系統(tǒng)中，然而，由于可控微電源在一個長時間中沒有協(xié)調(diào)，分布式電源的出力會隨風力出現(xiàn)波動；參考文獻[2]中微電網(wǎng)運行優(yōu)化問題簡化成一個基于儲能系統(tǒng)的多時段優(yōu)化問題，只給出了日前調(diào)度的方案，沒有考慮不可控微電源的實時波動和功率約束理論；一個相似的作為頂層多時段優(yōu)化問題在參考文獻[3]中提出，功率的波動是在協(xié)調(diào)層被儲能系統(tǒng)所平穩(wěn)，但是沒有對策來處理當功率波動超出儲能系統(tǒng)范圍時的問題，因此，這個儲能系統(tǒng)的儲能范圍必須足夠大來平穩(wěn)功率的波動，這種情況下，儲能系統(tǒng)在頂層調(diào)度中就沒什么意義了。

　　本文研究的重點是微電網(wǎng)孤網(wǎng)模式運行下的實時能量優(yōu)化管理，提出了一個雙層協(xié)調(diào)控制調(diào)度的方法來處理微網(wǎng)實時能量管理問題，雙層包括計劃調(diào)度層和實時調(diào)度層。計劃層主要是基于短期的不可控發(fā)電源的預測數(shù)據(jù)，對微網(wǎng)運行進行日前的多時段經(jīng)濟性調(diào)度；實時層是基于不可控發(fā)電源的實時數(shù)據(jù)，對實時與預測誤差進行調(diào)度，然后將調(diào)度的結果疊加給已經(jīng)調(diào)度好的各個可控微電源。

　　1 計劃調(diào)度層

　　1.1 計劃層目標函數(shù)

　　微網(wǎng)孤網(wǎng)運行時計劃層目標函數(shù)為：

　　其中，f表示計劃層成本，DG表示可控微電源，S+和S-分別表示充電和放電，S表示充電或放電L，表示可切斷負荷，N表示計劃層對一天劃分的時段數(shù)，Q表示數(shù)量，K表示微電源的維護成本[4]，c表示價格，on表示微電源的啟停，*表示微電源狀態(tài)的改變，F(xiàn)表示微電源的發(fā)電成本函數(shù)。式（5）表示某個可切斷負荷在一段時間內(nèi)不能頻繁切斷。

　　1.2 計劃層約束條件

　　功率平衡約束為：

　　其中，load表示負荷，unctrl表示不可控微電源，SOC表示儲能能量狀態(tài)，?濁c和?濁d分別表示充電和放電系數(shù)，d表示一個周期內(nèi)放電時間。

　　1.3 計劃層優(yōu)化方法

　　微電網(wǎng)處于孤網(wǎng)運行模式下時，由于脫離主網(wǎng)提供的功率，不能在任意時刻都能滿足所有負荷用電的需求，所以必須采取有效的策略來保證微網(wǎng)安全、可靠地運行。具體步驟如下。

　　（1）據(jù)預測功率數(shù)據(jù)判斷各時段微電源的最大發(fā)電功率之和是否滿足負荷用電的總功率。

　　（2）若各時段微電源最大發(fā)電功率之和都滿足負荷用電的總功率，則轉步驟（4），否則轉步驟（3）。

　　（3）如果某時段所有微電源的額定發(fā)電功率之和不滿足負荷用電的總功率，則對部分可切斷負荷進行切斷。

　　（4）基于預測數(shù)據(jù)并利用粒子群優(yōu)化算法在一個周期內(nèi)對微電網(wǎng)進行經(jīng)濟優(yōu)化調(diào)度。

　　2 實時調(diào)度層

　　2.1 實時層目標函數(shù)

　　其中f′表示實時層成本；N′表示實時層將一天劃分的時段數(shù)；f′L為對切負荷的實時調(diào)整成本，為正表示實際還需要多切負荷所付出的代價，為負表示實際不需要切斷的負荷而不必付出的的代價；LG表示實時調(diào)整負荷的個數(shù)；?駐P為微電源實時功率與預測功率的差值。

　　2.2 實時層約束條件

　　實時層實時預測與計劃層日前預測總的有功功率誤差為：

　　2.3 實時層優(yōu)化方法

　　由于在孤網(wǎng)運行模式下沒有主網(wǎng)的支持，實時與預測的誤差對微網(wǎng)系統(tǒng)影響更大，因此必須找出相應的策略消除此誤差使微網(wǎng)安全可靠地運行。具體策略如下。

　　（1）從t=1時刻起判斷實時需求功率與計劃需求功率誤差是否存在，即誤差是否為0。

　　（2）判斷誤差的正負。

　　（3）如果誤差為正，則判斷各可控微電源在最大功率運行下是否滿足此誤差，如果滿足，則轉步驟（6）；否則對可切斷負荷進行切斷。

　　（4）進行切負荷，轉步驟（6）。

　　（5）如果誤差為負，則判斷此時刻是否有被切負荷；如果有被切負荷，則給相應的負荷進行供電，如果沒有則轉步驟（6）。

　　（6）利用粒子群算法進行優(yōu)化[6]。

　　（7）t=t+1。

　　（8）判斷t是否等于N′，如果等于則轉步驟（9）；如果不等于則轉步驟（2）。

　　（9）結束。

　　3 算例分析

　　用于仿真的微網(wǎng)系統(tǒng)如圖1所示[7-9]。

　　系統(tǒng)由柴油機（DE）、燃氣輪機（MT）、燃料電池（FC）、蓄電池（BS）可控微電源，光伏發(fā)電（PV）、風力發(fā)電（WT）以及用電負荷（Load）組成。柴油機的成本公式由參考文獻[10]給出，燃氣輪機的成本公式由參考文獻[11]給出，燃料電池的成本公式由參考文獻[12-15]給出，各個可控微電源的發(fā)電功率上下限以及爬坡率如表1所示。

　　所有用電負荷分為家庭用電和工業(yè)用電兩部分，一個典型的統(tǒng)計分析和需求調(diào)查曲線如圖2所示。

　　將單獨的某一天作為例子，計劃調(diào)度層分為24個時段，即調(diào)度周期為1小時；實時調(diào)度層分為96個時段，即調(diào)度周期為15 min。風能發(fā)電和光伏發(fā)電的預測和實時功率曲線如圖3所示。

　　圖4是微網(wǎng)孤網(wǎng)運行模式下計劃層和實時調(diào)度層DE、MT、FC可控單元的出力曲線。

　　在計劃層和實時調(diào)度層儲能的充放電功率以及能量曲線如圖5所示。

　　微網(wǎng)孤網(wǎng)運行下，各可控微電源實際出力與計劃出力的誤差如圖6所示。

　　在圖中可以看出，負荷在13、14、15時段功率需求達到近500 kW，即使各微電源處于滿發(fā)狀態(tài)下也無法達到要求。因此為了使微網(wǎng)能夠安全穩(wěn)定的運行，在這種情況下就要考慮切斷負荷，如圖7所示的是負荷功率的總需求和實際微網(wǎng)提供的功率曲線。

　　圖7中，在8∶45、9∶15、10∶00時刻是由實時調(diào)度層不可控微電源的功率波動而導致的負荷切斷，在12∶45至15∶45時段是有計劃層提前規(guī)劃所要的負荷切斷。

　　本文提出了雙層調(diào)度的方法來解決微網(wǎng)孤網(wǎng)實時能量管理的問題，取得了很好的效果。此方法使微網(wǎng)保持經(jīng)濟、安全、穩(wěn)定地運行。

　　（1）在計劃層通過調(diào)度各可控微電源的出力，使各可控微電源處于最優(yōu)運行狀態(tài)，保持微網(wǎng)經(jīng)濟運行；

　　（2）在實時層，微網(wǎng)提供了可靠的負荷功率，使其保持經(jīng)濟最優(yōu)狀態(tài)下，負荷用電的滿意度最好；

　　（3）實時調(diào)整可控微電源的出力來消除微網(wǎng)系統(tǒng)內(nèi)的功率波動。

　　參考文獻

　　[1] E.SORTOMMEAND M A， EL-SHARKAWI. Optimalpower flow for a system of microgrids with controllable loads and battery storage[C]. Power Systems Conf. Expo， 2009：1-5.

　　[2] CHEN C， DUAN S， CAI T， et al. Optimal allocation and economic analysis of energy storage system in microgrids，IEEE Trans[J]. Power Electron， 2011，26（10）：2762-2773.

　　[3] Zhu D， Yang R， Hug-Glanzmann G. Managing microgrids with intermittent resources： A two-layer multi-step optimal control approach[C]. North American Power Symp， 2010：1-8.

　　[4] AZMY A M， ERLICH I. Online optimal management of PEM fuel cells using neural networks[J]. IEEE Transactions on Power Delivery， 2005， 29 （2）：1051-1058．

　　[5] 陳達威，朱桂萍．微電網(wǎng)負荷優(yōu)化分配[J]．電力系統(tǒng)自動化，2010，34（20）：45-49.

　　[6] 習朋，李鵬，劉金鑫.孤島運行模式下的微網(wǎng)經(jīng)濟負荷分配[J].電網(wǎng)與清潔能源，2011，27（8）：13-18.

　　[7] 周華鋒，涂衛(wèi)平，劉皓明．孤島運行方式下微網(wǎng)有功功率優(yōu)化策略研究[J]．廣東電力，2010，23（7）：1-4．

　　[8] TSIKALAKIS A G， HATZIARGYRIOU N D． Centralized control for optimizing microgrids operation[J]. IEEE Trans.on Energy Conversion， 2008，23（1）：241-248.

　　[9] RUDION K， ORTHS A， STYCZYNSKI Z A， et al． Design of benchmark of  medium voltage distribution network for investigation of DG integration[C]. Proceedings of IEEE Power Engineering Society General Meeting． Montreal，Canada： IEEE PES，2006：1-6．

　　[10] 林偉，陳光堂，邱曉燕，等.基于改進自適應遺傳算法的微電網(wǎng)負荷優(yōu)化分配[J].電力系統(tǒng)保護與控制，2012，40（12）：49-55.

　　[11] 牛銘，黃偉，郭佳歡，等.微網(wǎng)聯(lián)網(wǎng)運行時的經(jīng)濟運行研究[J]．電網(wǎng)技術，2010，34（11）：38-42．

　　[12 MARTIN JOSE IGNACIO SAN， ZAMORA INMACULADA， MARTIN JOSE JAVIER SAN， et al. Hybrid fuel cells technologies for electrical microgrids[J]. Electric Power Systems Research， 2010，80（9）： 993-1005.

　　[13] OBARA SHIN′YA. Power generation efficiency of an SOFC—PEFC combined system with time shift utilization of SOFC exhaust heat[J]. International Journal of Hydrogen Energy. 2010， 35（2）： 757-767.

　　[14] 趙璽靈，付林，張興梅，等.SOFC熱電聯(lián)供系統(tǒng)的設計方法研究[J].太陽能學報，2009，30（10）：1437-1442.

　　[15] AZMY A M， ERLICH I. Online optimal management of PEM Fuel cells using neural networks[J]. IEEE Transactions on Power Delivery. 2005， 20（2）：1051-1058.