基于分布式优化的微电网群经济运行策略与实践探索.docxVIP

基于分布式优化的微电网群经济运行策略与实践探索

一、引言

1.1研究背景与意义

在全球能源危机和环境问题日益严峻的大背景下，传统能源的短缺以及燃烧化石燃料带来的环境污染，如大气污染、温室气体排放等，已对人类的可持续发展构成严重威胁。为了应对这些挑战，分布式发电技术应运而生，微电网作为分布式发电的有效管理形式，受到了广泛关注。

微电网是一种将分布式电源（如太阳能光伏、风力发电、微型燃气轮机等）、储能装置、负荷以及控制装置有机结合的小型电力系统。它能够实现对分布式能源的高效利用，灵活地在并网与孤岛模式间转换，从而大大提高供电的可靠性和安全性。微电网的出现，不仅为解决分布式电源与大电网的融合问题提供了有效途径，还能满足用户对电能质量和供电可靠性的更高要求，为用户带来多方面的利益。

在微电网的发展过程中，经济运行是其核心问题之一。微电网系统的经济运行优化旨在满足负荷需求的同时，实现综合成本的最优化，这是微电网经济效益得以体现的关键，也是微电网在电力系统中得以推广的重要因素。目前，微电网经济运行的研究主要集中在经济负荷分配、各微电源的优化组合等方面。然而，随着微电网规模的不断扩大和复杂性的增加，传统的集中式优化方法在处理微电网群经济运行问题时面临诸多挑战。

集中式优化方法需要一个中心控制器收集和处理整个微电网群的所有信息，然后进行全局优化决策。这种方式在面对大规模微电网群时，会导致通信负担过重，一旦中心控制器出现故障，整个系统将面临瘫痪的风险。而且，集中式优化方法的计算复杂度高，难以满足实时性要求，也不利于微电网群的扩展和灵活运行。

相比之下，分布式优化方法具有独特的优势。分布式优化无需中心节点，每个智能体（如微电网中的各个分布式电源、储能装置等）仅需利用自身的智能决策，并通过与邻接节点的通信交流，实现对整体目标的优化。这种方法能够降低通信负担，提高系统的可靠性和灵活性，具有更好的可扩展性和实时性。在分布式优化中，各智能体可以根据自身的运行状态和局部信息进行自主决策，通过相互协作实现全局最优，避免了集中式优化方法中信息传输和处理的瓶颈问题。

因此，研究基于分布式优化的微电网群经济运行方法具有重要的现实意义。通过分布式优化，可以充分发挥微电网群中各组成部分的优势，实现能源的高效利用和成本的最小化，提高微电网群的整体经济效益和运行可靠性。这不仅有助于推动微电网技术的发展和应用，还能为解决能源危机和环境问题做出积极贡献，促进能源的可持续发展。

1.2国内外研究现状

在微电网群经济运行的研究领域，国内外学者已取得了一系列成果。在国外，部分学者侧重于对微电网经济运行本质的探索，将其视为复杂的系统优化问题，涵盖机组组合、经济负荷分配等经济调度问题，这些调度问题又分为静态调度和动态调度。其中，静态调度聚焦于每个时段的最优运行方案，不考虑时段间的联系；动态调度则充分考虑各时段的联系与影响，如机组爬坡约束等。但由于问题的复杂性，目前研究多集中于静态调度方面。

例如，有学者提出了微电网运行的智能能量管理系统，该系统整合了功率预测、能量存储以及优化运行三大部分，为微电网的经济运行研究搭建了总体框架并提供了技术支撑。还有学者对以蓄电池和钠硫电池为储能设备的微电网经济运行问题展开研究，探讨了不同优化目标、控制策略以及微电网与主网的交互电价等因素对其经济运行的影响。此外，在建立包含排放成本的微电网经济模型方面，国外也有学者从成本和效益两方面分析了微电网的经济性。

在国内，相关研究同样成果丰硕。有学者在机会约束规划理论的基础上研究微电网的动态经济调度，分析了微电网可靠性与经济性之间的平衡关系，以及负荷波动、机组故障停运和可再生能源功率波动等不确定因素对运行成本的影响。也有学者对包含多种微电源的热电联产系统进行分析，研究了蓄电池、峰谷电价和峰荷转移等因素对系统运行成本的影响。

在分布式优化方法的研究上，国外学者从多智能体网络的角度出发，提出了分布式优化无需中心节点，每个智能体利用自身智能决策并通过与邻接节点通信交流实现整体目标优化的理念。2009年，有学者发表重要文章，提出了最经典的基于梯度下降法的分布式优化算法。2015年，专家学者又通过改进分布式梯度下降法，提出了一种精确的一阶算法，在梯度法基础上添加积分项，实现了快速且精确的收敛。

国内学者在分布式优化算法研究方面也不断深入。有学者结合多代理理论，建立完整的微电网混合式优化控制结构，研究基于多代理分布式理论的分布式优化控制算法，将分布式优化控制问题视为分布式约束优化问题，以势博弈理论为基础，提出符合多代理分布式理论的求解算法。该算法以局部优化为基础，通过智能体之间的通信交流以及优化控制规则进行全局优化，测试结果表明其能满足分布式设计要求，且能保证算法几乎处处收敛到全局最优纳什均衡