摘  要： 提出了双层协调调度的方法——计划调度层和实时调度层来解决微电网孤网实时能量优化管理的问题。计划层是基于不可控微电源功率预测的主要考虑微电网经济性的调度方法；实时层是在计划层的基础上对不可控微电源实际功率与预测功率之间的误差进行调度，再将调度结果叠加到计划层各个可控微电源的功率上。在实时层，可控微电源的功率范围与计划层是不同的，下限为其在计划层出力的相反数，上限为其最大出力与计划层出力差值。最后通过一个典型的微电网实例验证了该方法的正确性和优越性。

　　关键词： 双层协调调度；能量优化管理；微电网；孤网运行

　　微电网孤网实时能量优化管理就是指通过协调微电网中的分布式微电源、储能设备，对用户的需求侧管理，对微电源的输出功率的控制管理，实现根据微电网实时运行情况下动态地对微电网中负荷在各分布式电源、储能装置单元之间进行全局性的优化分配，使微电网安全、高效、可靠和经济地运行。

　　参考文献[1]将一个潮流优化问题应用到基于实时信息的能量管理系统中，然而，由于可控微电源在一个长时间中没有协调，分布式电源的出力会随风力出现波动；参考文献[2]中微电网运行优化问题简化成一个基于储能系统的多时段优化问题，只给出了日前调度的方案，没有考虑不可控微电源的实时波动和功率约束理论；一个相似的作为顶层多时段优化问题在参考文献[3]中提出，功率的波动是在协调层被储能系统所平稳，但是没有对策来处理当功率波动超出储能系统范围时的问题，因此，这个储能系统的储能范围必须足够大来平稳功率的波动，这种情况下，储能系统在顶层调度中就没什么意义了。

　　本文研究的重点是微电网孤网模式运行下的实时能量优化管理，提出了一个双层协调控制调度的方法来处理微网实时能量管理问题，双层包括计划调度层和实时调度层。计划层主要是基于短期的不可控发电源的预测数据，对微网运行进行日前的多时段经济性调度；实时层是基于不可控发电源的实时数据，对实时与预测误差进行调度，然后将调度的结果叠加给已经调度好的各个可控微电源。

　　1 计划调度层

　　1.1 计划层目标函数

　　微网孤网运行时计划层目标函数为：

　　其中，f表示计划层成本，DG表示可控微电源，S+和S-分别表示充电和放电，S表示充电或放电L，表示可切断负荷，N表示计划层对一天划分的时段数，Q表示数量，K表示微电源的维护成本[4]，c表示价格，on表示微电源的启停，*表示微电源状态的改变，F表示微电源的发电成本函数。式（5）表示某个可切断负荷在一段时间内不能频繁切断。

　　1.2 计划层约束条件

　　功率平衡约束为：

　　其中，load表示负荷，unctrl表示不可控微电源，SOC表示储能能量状态，?浊c和?浊d分别表示充电和放电系数，d表示一个周期内放电时间。

　　1.3 计划层优化方法

　　微电网处于孤网运行模式下时，由于脱离主网提供的功率，不能在任意时刻都能满足所有负荷用电的需求，所以必须采取有效的策略来保证微网安全、可靠地运行。具体步骤如下。

　　（1）据预测功率数据判断各时段微电源的最大发电功率之和是否满足负荷用电的总功率。

　　（2）若各时段微电源最大发电功率之和都满足负荷用电的总功率，则转步骤（4），否则转步骤（3）。

　　（3）如果某时段所有微电源的额定发电功率之和不满足负荷用电的总功率，则对部分可切断负荷进行切断。

　　（4）基于预测数据并利用粒子群优化算法在一个周期内对微电网进行经济优化调度。

　　2 实时调度层

　　2.1 实时层目标函数

　　其中f′表示实时层成本；N′表示实时层将一天划分的时段数；f′L为对切负荷的实时调整成本，为正表示实际还需要多切负荷所付出的代价，为负表示实际不需要切断的负荷而不必付出的的代价；LG表示实时调整负荷的个数；?驻P为微电源实时功率与预测功率的差值。

　　2.2 实时层约束条件

　　实时层实时预测与计划层日前预测总的有功功率误差为：

　　2.3 实时层优化方法

　　由于在孤网运行模式下没有主网的支持，实时与预测的误差对微网系统影响更大，因此必须找出相应的策略消除此误差使微网安全可靠地运行。具体策略如下。

　　（1）从t=1时刻起判断实时需求功率与计划需求功率误差是否存在，即误差是否为0。

　　（2）判断误差的正负。

　　（3）如果误差为正，则判断各可控微电源在最大功率运行下是否满足此误差，如果满足，则转步骤（6）；否则对可切断负荷进行切断。

　　（4）进行切负荷，转步骤（6）。

　　（5）如果误差为负，则判断此时刻是否有被切负荷；如果有被切负荷，则给相应的负荷进行供电，如果没有则转步骤（6）。

　　（6）利用粒子群算法进行优化[6]。

　　（7）t=t+1。

　　（8）判断t是否等于N′，如果等于则转步骤（9）；如果不等于则转步骤（2）。

　　（9）结束。

　　3 算例分析

　　用于仿真的微网系统如图1所示[7-9]。

　　系统由柴油机（DE）、燃气轮机（MT）、燃料电池（FC）、蓄电池（BS）可控微电源，光伏发电（PV）、风力发电（WT）以及用电负荷（Load）组成。柴油机的成本公式由参考文献[10]给出，燃气轮机的成本公式由参考文献[11]给出，燃料电池的成本公式由参考文献[12-15]给出，各个可控微电源的发电功率上下限以及爬坡率如表1所示。

　　所有用电负荷分为家庭用电和工业用电两部分，一个典型的统计分析和需求调查曲线如图2所示。

　　将单独的某一天作为例子，计划调度层分为24个时段，即调度周期为1小时；实时调度层分为96个时段，即调度周期为15 min。风能发电和光伏发电的预测和实时功率曲线如图3所示。

　　图4是微网孤网运行模式下计划层和实时调度层DE、MT、FC可控单元的出力曲线。

　　在计划层和实时调度层储能的充放电功率以及能量曲线如图5所示。

　　微网孤网运行下，各可控微电源实际出力与计划出力的误差如图6所示。

　　在图中可以看出，负荷在13、14、15时段功率需求达到近500 kW，即使各微电源处于满发状态下也无法达到要求。因此为了使微网能够安全稳定的运行，在这种情况下就要考虑切断负荷，如图7所示的是负荷功率的总需求和实际微网提供的功率曲线。

　　图7中，在8∶45、9∶15、10∶00时刻是由实时调度层不可控微电源的功率波动而导致的负荷切断，在12∶45至15∶45时段是有计划层提前规划所要的负荷切断。

　　本文提出了双层调度的方法来解决微网孤网实时能量管理的问题，取得了很好的效果。此方法使微网保持经济、安全、稳定地运行。

　　（1）在计划层通过调度各可控微电源的出力，使各可控微电源处于最优运行状态，保持微网经济运行；

　　（2）在实时层，微网提供了可靠的负荷功率，使其保持经济最优状态下，负荷用电的满意度最好；

　　（3）实时调整可控微电源的出力来消除微网系统内的功率波动。

　　参考文献

　　[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] 陈达威，朱桂萍．微电网负荷优化分配[J]．电力系统自动化，2010，34（20）：45-49.

　　[6] 习朋，李鹏，刘金鑫.孤岛运行模式下的微网经济负荷分配[J].电网与清洁能源，2011，27（8）：13-18.

　　[7] 周华锋，涂卫平，刘皓明．孤岛运行方式下微网有功功率优化策略研究[J]．广东电力，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] 林伟，陈光堂，邱晓燕，等.基于改进自适应遗传算法的微电网负荷优化分配[J].电力系统保护与控制，2012，40（12）：49-55.

　　[11] 牛铭，黄伟，郭佳欢，等.微网联网运行时的经济运行研究[J]．电网技术，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] 赵玺灵，付林，张兴梅，等.SOFC热电联供系统的设计方法研究[J].太阳能学报，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.