微網(wǎng)經(jīng)濟調(diào)度研究綜述

燕振剛 ,張雪霞,劉晉勇，鐘 偉,馬錫良,鄒 興

(1.西南交通大學(xué)電氣工程學(xué)院，四川 成都 610031；2.國網(wǎng)四川省電力公司計量中心，四川 成都 610045；3.國網(wǎng)四川省電力公司成都供電公司，四川 成都 610041)

微網(wǎng)經(jīng)濟調(diào)度研究綜述

燕振剛1,張雪霞1,劉晉勇2，鐘 偉3,馬錫良3,鄒 興3

(1.西南交通大學(xué)電氣工程學(xué)院，四川 成都 610031；2.國網(wǎng)四川省電力公司計量中心，四川 成都 610045；3.國網(wǎng)四川省電力公司成都供電公司，四川 成都 610041)

針對微網(wǎng)經(jīng)濟調(diào)度問題，綜合現(xiàn)有文獻分別從微網(wǎng)經(jīng)濟調(diào)度模型的種類、微源不確定性因素的處理方法和多時間尺度調(diào)度進行論述。其中微網(wǎng)經(jīng)濟調(diào)度模型主要從靜態(tài)模型和動態(tài)模型兩方面論述；不確定性因素處理方法分為確定性方法、模糊理論法和隨機概率分布函數(shù)法；多時間尺度經(jīng)濟調(diào)度主要分為基于短期預(yù)測技術(shù)的日前調(diào)度、基于超短期預(yù)測技術(shù)的日內(nèi)調(diào)度和基于“秒”級的實時調(diào)度。最后，對微網(wǎng)群集調(diào)度具有研究前景的方向做了展望。

微網(wǎng)；經(jīng)濟調(diào)度；不確定性；模糊理論；概率分布函數(shù)；多時間尺度

0 引 言

面對能源短缺、環(huán)境污染等問題，可再生能源的開發(fā)與利用成為重要的發(fā)展趨勢。微網(wǎng)作為一種可以充分利用可再生能源的有效方式，是將多種微源、儲能裝置和各類負荷集合在一起，構(gòu)成的一個可控系統(tǒng)。以孤島和并網(wǎng)兩種方式運行，對節(jié)能和減小污染、充分利用分布式發(fā)電發(fā)揮著重要作用。為合理有效地利用各種微源，微網(wǎng)經(jīng)濟調(diào)度是在滿足一定約束條件和負荷需求下，合理的調(diào)度微源和儲能裝置出力，可以有效地減小運行成本和提高環(huán)境效益，對微網(wǎng)優(yōu)化運行起著重要的作用。

然而在微網(wǎng)經(jīng)濟調(diào)度問題的研究中，影響經(jīng)濟運行結(jié)果的因素有很多，歸納起來主要有以下幾個方面：1)微網(wǎng)經(jīng)濟調(diào)度模型；2)求解這類優(yōu)化問題算法；3)微源和負荷隨機性；4)微源控制策略；5)不同調(diào)度時間尺度等。這些因素的影響是微網(wǎng)經(jīng)濟調(diào)度研究的重要內(nèi)容，從系統(tǒng)本身的角度來講，微網(wǎng)模型、微源隨機性處理方法和不同時間尺度3個方面因素影響比較關(guān)鍵，下面從這3個方面來進行綜述。

1 微網(wǎng)經(jīng)濟調(diào)度模型研究

微網(wǎng)經(jīng)濟調(diào)度模型是經(jīng)濟調(diào)度研究的核心內(nèi)容，對微網(wǎng)運行的合理性和可行性有著直接的影響。模型中包含的微源種類、約束條件的設(shè)定和考慮的目標(biāo)函數(shù)都將對優(yōu)化結(jié)果產(chǎn)生影響。經(jīng)濟調(diào)度根據(jù)是否考慮了不同時間斷面之間的關(guān)聯(lián)，主要分為靜態(tài)經(jīng)濟調(diào)度和動態(tài)經(jīng)濟調(diào)度。靜態(tài)經(jīng)濟調(diào)度是忽略了各時間段之間的聯(lián)系，僅僅研究單一時間斷面的優(yōu)化方案；動態(tài)經(jīng)濟調(diào)度為了加強不同時間段之間的關(guān)聯(lián)性，增加了可控微源的爬坡率約束。根據(jù)現(xiàn)有文獻的研究成果詳細論述兩種經(jīng)濟調(diào)度模型的特點。

1.1 靜態(tài)經(jīng)濟調(diào)度模型

靜態(tài)經(jīng)濟調(diào)度是基于當(dāng)前時段負荷的需求以及微源的運行維護成本，在滿足負荷和約束條件下，按照經(jīng)濟性最優(yōu)的原則依次調(diào)度設(shè)備的啟停和對應(yīng)的輸出功率。通常忽略各時間段之間的互相關(guān)聯(lián)，獨立對每一時間段進行優(yōu)化。這類模型中可再生能源是以當(dāng)前時刻風(fēng)、光的有效出力作為確定值來處理的，忽略其隨機性對經(jīng)濟運行的影響。文獻[1]考慮了功率平衡約束、微源出力約束和電池的充放電深度，以運行維護成本最小為目標(biāo)函數(shù)，建立了微網(wǎng)靜態(tài)經(jīng)濟調(diào)度模型。文獻[2]建立了微網(wǎng)靜態(tài)多目標(biāo)經(jīng)濟調(diào)度模型，模型中風(fēng)、光和負荷都是作為確定量處理的。充分考慮了微源運行維護成本、環(huán)境成本、容量短缺和未滿足的負荷等目標(biāo)函數(shù)，多目標(biāo)函數(shù)應(yīng)用模糊評價函數(shù)進行求解。

針對微網(wǎng)同時承擔(dān)冷、熱、電3種負荷供應(yīng)的情況，研究了微網(wǎng)冷熱電聯(lián)供經(jīng)濟調(diào)度模型。文獻[3]提出了包含蓄能裝置的微網(wǎng)冷熱電聯(lián)供模型，約束中充分考慮冷熱電供需平衡、微源和蓄能裝置的出力約束。以運行維護成本最小和環(huán)境效益最高為多目標(biāo)函數(shù)。運行結(jié)果顯示，蓄電池有利于運行的經(jīng)濟性，蓄熱蓄冷裝置降低了燃氣輪機的運行成本。文獻[4]研究了冷熱電聯(lián)供微網(wǎng)經(jīng)濟環(huán)保調(diào)度模型，增加了熱備用約束和熱平衡約束，將蓄電池虛擬放電和充電價格計入目標(biāo)函數(shù)中，建立分階段尋優(yōu)目標(biāo)函數(shù)。文獻[5]在并網(wǎng)運行條件下，建立了冷熱電聯(lián)供系統(tǒng)的經(jīng)濟調(diào)度模型，研究發(fā)電成本、分時電價和電能交易對微源有功出力值的影響。

從微網(wǎng)靜態(tài)經(jīng)濟調(diào)度模型的研究可以看出，模型中包含的隨機性微源一般作為確定值處理；約束條件也相對單一，一般多以功率平衡約束和微源出力約束為主。目標(biāo)函數(shù)一般是運行維護成本，環(huán)境效益成本，冷、熱收益和電能交易成本中的一個目標(biāo)或多個目標(biāo)的組合形式。但是，靜態(tài)模型忽略了影響經(jīng)濟運行結(jié)果的重要因素，如微源隨機性、可靠性約束、爬坡率約束等；動態(tài)經(jīng)濟調(diào)度模型則更加全面地包含了這些因素，并討論了其對運行結(jié)果的影響。

1.2 動態(tài)經(jīng)濟調(diào)度模型

這類模型有別于靜態(tài)模型，考慮了可控微源爬坡率約束和儲能裝置剩余容量約束等因素的影響。運行時間上具有更強的耦合性，為了加強時間耦合性，文獻中關(guān)于儲能裝置剩余容量的約束，要求在一個調(diào)度周期前后容量保持一致。對微源的出力調(diào)度往往是以調(diào)度周期內(nèi)綜合效益最大化為目標(biāo)進行的，目標(biāo)函數(shù)更加多樣，如增加了可靠性目標(biāo)。約束條件增加了機組爬坡率約束、儲能剩余容量約束、備用約束、潮流約束等。文獻[6]研究了包含鈉硫電池儲能的微網(wǎng)動態(tài)經(jīng)濟調(diào)度模型，動態(tài)特性體現(xiàn)在調(diào)度周期始末電池能量狀態(tài)保持不變，同時加入鈉硫電池有效地平抑了可再生能源和負荷出力波動。文獻[7]研究了孤島系統(tǒng)經(jīng)濟調(diào)度模型，模型中增加了可控機組爬坡率約束、可靠性約束。針對可再生能源功率波動性問題，加入了失負荷風(fēng)險指標(biāo)和風(fēng)光浪費指標(biāo)，保證供電可靠性和可再生能源的高效利用。文獻[8]研究了動態(tài)經(jīng)濟調(diào)度模型，考慮了功率平衡約束、微源出力約束和爬坡率約束，功率平衡約束的求解是采用潮流計算方法實現(xiàn)的，并且可以根據(jù)出力和負荷情況實時進行調(diào)節(jié)。文獻[9]在并網(wǎng)運行條件下，研究計及分時電價冷熱電聯(lián)供微網(wǎng)動態(tài)經(jīng)濟調(diào)度模型，充分考慮機組啟停、爬坡率約束和儲能約束條件，但是該模型中忽略了可再生能源隨機性的影響。針對這一忽略的問題，文獻[10]在熱電聯(lián)產(chǎn)經(jīng)濟調(diào)度模型中引入熱泵裝置，不僅可以有效地消納過剩的風(fēng)電減少棄風(fēng)、減小儲能的充放電次數(shù)和節(jié)約燃料，而且能夠承擔(dān)部分熱負荷。文獻[11]提出基于電熱聯(lián)合調(diào)度的區(qū)域并網(wǎng)型微網(wǎng)運行優(yōu)化模型，該模型有效地克服了以往熱電聯(lián)供模型中電熱之間相對獨立和燃氣輪機通常是完全跟蹤熱負荷而無法參與到電能調(diào)度中來的問題。這類模型綜合考慮了啟停及爬坡約束、出力約束和儲能的充放電特性。

上述模型中的動態(tài)特性主要體現(xiàn)在約束上，如爬坡率約束、儲能約束等條件。另外，考慮微源隨機性的動態(tài)經(jīng)濟調(diào)度模型也是研究的熱點。文獻[12]為了克服各時間段之間聯(lián)系不足的問題，充分考慮可再生能源隨機性，鈉硫電池的引入不僅可以平抑微源隨機性波動，也可以加強不同時間斷面之間的關(guān)聯(lián)。文獻[13]綜合考慮了可在生能源的功率波動，負荷預(yù)測誤差和機組啟停故障等隨機因素，建立了動態(tài)調(diào)度的機會約束規(guī)劃模型。模型中，系統(tǒng)可靠性約束通過一定置信水平下的旋轉(zhuǎn)備用來體現(xiàn)，目標(biāo)函數(shù)也是在一定置信水平下達到運行費用最小。文獻[14]針對微網(wǎng)中可再生能源和負荷功率等隨機性的影響，目標(biāo)函數(shù)考慮制熱收益，建立了基于機會約束規(guī)劃的熱電聯(lián)產(chǎn)經(jīng)濟調(diào)度模型。約束條件的處理方式和目標(biāo)函數(shù)的求解與文獻[13]相同。文獻[15]針對風(fēng)、光出力隨機性和熱負荷波動性，建立了基于機會約束規(guī)劃的動態(tài)經(jīng)濟調(diào)度模型，增加了熱平衡約束、熱電耦合約束和蓄熱槽運行約束等，蓄熱槽的作用是對熱電聯(lián)產(chǎn)“以熱定電”約束解耦。

目前研究計及需求側(cè)響應(yīng)的微網(wǎng)動態(tài)經(jīng)濟調(diào)度模型有很多。如文獻[16]對一個包含可再生能源的微網(wǎng)動態(tài)經(jīng)濟調(diào)度模型，考慮了分時電價差異，建立了基于不同電價的優(yōu)化目標(biāo)和約束條件，優(yōu)化各時段內(nèi)微源的出力。文獻[17]建立了包含需求側(cè)響應(yīng)的微網(wǎng)經(jīng)濟調(diào)度模型，以需求側(cè)負荷中的可轉(zhuǎn)移負荷為研究對象，結(jié)合分時電價，對不同時段負荷轉(zhuǎn)移進行分析，分析負荷轉(zhuǎn)移對綜合成本的影響。文獻[18]在經(jīng)濟調(diào)度模型中考慮負荷滿意度指標(biāo)，將可中斷負荷以可平移和不可平移兩種狀態(tài)進行研究，研究表明如果能夠提高需求側(cè)的管理，可以有效實現(xiàn)可再生能源的最大化利用和運行效益的最大化。文獻[19]提出了一種考慮負荷中斷的微網(wǎng)并網(wǎng)經(jīng)濟調(diào)度模型，通過引入反應(yīng)中斷功率和中斷時間影響的浮動電價，來反映用戶滿意度的變化，并有效降低并網(wǎng)運行成本。

近年來，電動汽車的普遍應(yīng)用，計及電動汽車接入微網(wǎng)經(jīng)濟調(diào)度的研究吸引了學(xué)者們的興趣。確定合理的電動汽車入網(wǎng)負荷特性曲線成為這類模型研究的關(guān)鍵點。文獻[20]為了得到不同規(guī)模下電動汽車入網(wǎng)負荷特性曲線，對電動汽車的充放行為應(yīng)用蒙特卡洛法模擬，并研究接入電動汽車的微網(wǎng)多目標(biāo)經(jīng)濟調(diào)度模型。文獻[21]研究了電動汽車對微網(wǎng)經(jīng)濟運行的影響，同樣是應(yīng)用蒙特卡洛模擬法仿真電動汽車的充放電行為，在分時電價的機制下，以效益最大化為目標(biāo)，討論電動汽車無序充電和有序放電行為對微網(wǎng)運行經(jīng)濟性的影響。

綜上所述，微網(wǎng)動態(tài)經(jīng)濟調(diào)度模型中增加可以加強時間關(guān)聯(lián)性的約束條件，考慮了可再生能源和負荷輸出功率波動性的影響，討論了需求側(cè)響應(yīng)和電動汽車入網(wǎng)而引入新的隨機因素對微網(wǎng)經(jīng)濟調(diào)度的影響。其中，針對可再生能源隨機性的影響，選擇合理有效處理隨機性的方法是十分有必要的，下面就現(xiàn)有文獻進行歸類總結(jié)。

2 微源隨機性問題的處理方法

微網(wǎng)系統(tǒng)中風(fēng)、光電本身的不確定性和預(yù)測誤差帶來的不確定性，在調(diào)度過程中往往會出現(xiàn)功率的盈余或缺失，會造成系統(tǒng)經(jīng)濟成本的增加和可靠性的降低。因此應(yīng)用有效處理隨機性的方法來解決這類不確定性的問題具有重要的意義，大致可以分為以下幾種方法。

2.1 處理隨機性問題的確定性方法

應(yīng)用確定性方法處理可再生能源隨機性問題，就是利用儲能裝置或響應(yīng)速度快的可控負荷來補償因為隨機性造成的發(fā)電量的盈余和不足。如文獻[12]提出了應(yīng)用鈉硫電池來平抑可再生能源出力的波動，有效地解決了功率波動對經(jīng)濟調(diào)度的影響。文獻[22]的海島微網(wǎng)經(jīng)濟調(diào)度模型，針對風(fēng)能間歇性和隨機性的特征，提出一種將海水抽蓄電站作為儲能設(shè)備，配合風(fēng)電，柴油機組構(gòu)成微網(wǎng)為海島供電。這種方案很好地解決了風(fēng)電出力波動帶來的影響，顯著降低了供電成本，且環(huán)境污染小。文獻[23]在含有風(fēng)電場的經(jīng)濟調(diào)度模型中引入正、負旋轉(zhuǎn)備用約束，以應(yīng)對風(fēng)電功率波動對調(diào)度結(jié)果帶來的影響。隨著研究的深入，利用需求側(cè)響應(yīng)的“源-荷”雙側(cè)調(diào)度來平衡微源隨機性引發(fā)的波動越來越普遍。如文獻[24]在調(diào)度模型中考慮價格型需求響應(yīng)，研究表明需求響應(yīng)可以提高風(fēng)電的消納能力。文獻[25]在風(fēng)電調(diào)度模型中計及實時電價的需求響應(yīng)，分析了價格型響應(yīng)負荷對間歇性能源接入的影響。文獻[26]綜合考慮“源-荷”特性，在調(diào)度模型中引入可中斷負荷和分時電價這兩種需求側(cè)響應(yīng)，以應(yīng)對風(fēng)電的反調(diào)峰特性和間歇性。

但是研究發(fā)現(xiàn)，這種方法是以高運行成本和低可靠性為代價來解決問題的，而且誤差較大，不能完全反映微源隨機性對經(jīng)濟調(diào)度的影響。

2.2 處理隨機性問題的模糊理論建模方法

應(yīng)用模糊理論建模方法處理微源隨機性問題，就是對負荷預(yù)測值和可再生能源輸出功率的不確定性，采用模糊變量進行表示。文獻[27]為解決風(fēng)電不確定性問題，基于模糊理論采用梯形模糊數(shù)來表示每個優(yōu)化時段的風(fēng)電出力，建立了包含風(fēng)電場的動態(tài)經(jīng)濟調(diào)度模糊模型。為更好地表達決策者的意愿，構(gòu)建風(fēng)電有功出力和總成本的隸屬度函數(shù)和滿意度指標(biāo)，更好地適應(yīng)風(fēng)電輸出功率的隨機性。文獻[28]也是通過對風(fēng)電的模糊化建模，將風(fēng)險引入目標(biāo)函數(shù)中，求取風(fēng)險成本和發(fā)電成本兩個目標(biāo)函數(shù)的最優(yōu)解。同時文獻[29]進一步證明模糊理論可以很好地解決含有不確定性風(fēng)電的短期經(jīng)濟調(diào)度問題。但是模糊建模的關(guān)鍵在于準(zhǔn)確確定模糊變量的隸屬度函數(shù)，隸屬度函數(shù)本身不具有對偶性，傳統(tǒng)的模糊理論只能給出“可能性”的結(jié)論，很難給出“可信性”結(jié)論[30]。為了解決這一問題，已有文獻將模糊理論和可信度結(jié)合來處理風(fēng)電的不確定性問題。文獻[31]將間歇式微源出力和負荷用模糊參數(shù)表示，將確定性約束改為模糊參數(shù)下的約束，并基于可信性理論建立了含多模糊參數(shù)的模糊機會約束模型。文獻[32]考慮風(fēng)電預(yù)測誤差的模糊性，結(jié)合可信性理論和模糊機會約束規(guī)劃研究模糊置信水平下的動態(tài)經(jīng)濟調(diào)度問題。

2.3 處理隨機性問題的概率分布函數(shù)方法

除了應(yīng)用模糊理論解決不確定性問題，還包括基于隨機概率分布的概率建模方法。概率分布函數(shù)的確定主要是基于風(fēng)速、風(fēng)電場出力和風(fēng)電功率的預(yù)測誤差來進行的。不同的概率分布模型將會對結(jié)果有著直接的影響。實際中風(fēng)電預(yù)測比負荷預(yù)測更加困難，為了突出預(yù)測的不確定性，通常的做法是對預(yù)測誤差建立概率分布模型。例如文獻[33]考慮了風(fēng)速預(yù)測結(jié)果，并且分別利用幾種不同的隨機分布函數(shù)來描述風(fēng)速預(yù)測誤差，闡述不同概率密度函數(shù)對優(yōu)化結(jié)果的影響。文獻[34]對風(fēng)電誤差進行統(tǒng)計，得到不同風(fēng)電功率輸出水平下的誤差概率分布模型，預(yù)測誤差在預(yù)測值附近一般服從正態(tài)分布。文獻研究表明采用正態(tài)分布密度函數(shù)來描述預(yù)測誤差的概率分布和實際誤差分布函數(shù)較吻合。如文獻[35]通過對風(fēng)速預(yù)測來推導(dǎo)風(fēng)電功率的概率分布函數(shù)，風(fēng)速預(yù)測誤差采用正態(tài)分布函數(shù)描述，在經(jīng)濟調(diào)度中有著很好的表現(xiàn)。從建模的方法上可以看出，概率分布函數(shù)建模方法較模糊模型能夠更加準(zhǔn)確地描述風(fēng)電功率的不確定性。

隨機規(guī)劃方法作為一種能夠有效解決含有隨機變量優(yōu)化問題的方法，對考慮風(fēng)電功率隨機分布的經(jīng)濟調(diào)度問題有著廣泛的應(yīng)用。文獻[36]針對風(fēng)電的隨機性的影響，在風(fēng)速預(yù)測的基礎(chǔ)上，應(yīng)用隨機規(guī)劃理論建立了動態(tài)的經(jīng)濟調(diào)度模型。而機會約束規(guī)劃可以有效地解決給定置信水平下具有隨機變量的優(yōu)化問題。文獻[37]是應(yīng)用機會約束規(guī)劃來解決包含隨機因素的經(jīng)濟調(diào)度模型。模型中的約束以概率的形式表示，風(fēng)電的隨機性問題得到了有效的解決。文獻[38]建立了基于機會約束規(guī)劃的孤島模式微網(wǎng)經(jīng)濟調(diào)度模型，風(fēng)光出力和負荷預(yù)測誤差用隨機變量表示，供電可靠性通過一定置信水平下的旋轉(zhuǎn)備用表示。

但是隨機規(guī)劃方法是建立在已知隨機變量的精確概率分布的基礎(chǔ)之上的，實際中獲得這類微源和負荷的概率分布比較困難。為了更好地解決隨機性的問題，文獻[39]采用區(qū)間數(shù)優(yōu)化方法。一般對于變量的上下界很容易得到，利用區(qū)間描述變量的不確定性，基于區(qū)間序關(guān)系的轉(zhuǎn)換方法[40]，將模型中不確定的區(qū)間優(yōu)劣比較轉(zhuǎn)化為確定性的數(shù)值大小比較。文獻[41]針對可再生能源出力和負荷的不確定性，采用區(qū)間數(shù)對風(fēng)速、光照強度以及負荷的變化的不確定性進行描述，提出基于區(qū)間線性規(guī)劃的微網(wǎng)經(jīng)濟調(diào)度模型。文獻[42]考慮風(fēng)電和負荷預(yù)測值不確定性，應(yīng)用隨機模糊變量描述風(fēng)電功率，以區(qū)間形式表述負荷預(yù)測的不確定性，利用負荷不等式區(qū)間約束將遺傳算法的初始尋優(yōu)種群模糊化，建立了電力系統(tǒng)隨機模糊多目標(biāo)交易計劃模型。其中，區(qū)間模糊數(shù)學(xué)和隨機數(shù)學(xué)是處理不確定性信息的主要方法[32]。

2.4 處理不確定性問題的場景分析法

在已知隨機變量的概率分布的情況下，一般可以通過抽樣的方法來求解。文獻[23]應(yīng)用極大似然估計從風(fēng)速樣本中抽取數(shù)據(jù)，進而轉(zhuǎn)化為風(fēng)電功率，此種方法因抽樣規(guī)模不同誤差較大。文獻[43]針對微網(wǎng)系統(tǒng)中風(fēng)、光出力隨機性的問題，采用點估計法解決優(yōu)化模型中隨機變量的問題。文獻[44]風(fēng)電的隨機性是通過場景模擬的方法來解決，采用拉丁超立方采樣獲得場景集，并利用基于概率距離的場景削減技術(shù)得到削減后的場景概率集，建立了考慮風(fēng)電隨機性的微網(wǎng)動態(tài)經(jīng)濟調(diào)度模型。

場景集分析方法是把具有連續(xù)概率分布的隨機性向量離散成場景集合[45]，把隨機優(yōu)化問題轉(zhuǎn)化為確定性問題。場景法可以明確體現(xiàn)不確定因素的概率特征，重點是研究場景的生成和場景集的削減兩個方面。場景集的生成方法現(xiàn)有文獻主要有幾下幾種抽樣方法：采用蒙特卡洛法抽樣得到大規(guī)模場景集[46]；采用基于自回歸滑動平均模型，并考慮風(fēng)速多時刻之間的耦合性[47]；通過風(fēng)電預(yù)測功率譜密度來構(gòu)造場景集，應(yīng)用線性回歸對歷史數(shù)據(jù)進行分析[48]。但是這類場景集的生成方法需要足夠巨大的抽樣規(guī)模，才能保證得到的場景集對原分布的近似。場景削減的方法包括快速向前選擇法、向后削減法和場景樹構(gòu)造法等。但是這類方法通過遍歷搜索手段來得到最優(yōu)場景集，所以規(guī)模太大導(dǎo)致計算效率低。文獻[45]提出一種處理風(fēng)電功率隨機性的模型，基于Wassertein距離衡量指標(biāo)[49]，得到風(fēng)電功率分布的最優(yōu)近似場景；并采用基于k-medoids的聚類方法得到削減后的場景模型，結(jié)果顯示近似程度高，計算速度快。所以場景分析求解概率模型關(guān)鍵是選擇合適的方法得到場景集合，并應(yīng)用高效的削減技術(shù)得到具有代表性的概率場景。

3 微網(wǎng)多時間尺度經(jīng)濟調(diào)度

微網(wǎng)不同時間尺度經(jīng)濟調(diào)度本質(zhì)上是減小運行誤差，使微網(wǎng)系統(tǒng)的抗干擾能力增強，更好地消納間歇性分布式電源。主要目的是平抑由于可再生微源和負荷的隨機性帶來的影響。目前關(guān)于多時間尺度的經(jīng)濟調(diào)度問題的研究主要從日前和日內(nèi)兩個時間尺度進行研究。

文獻[50]的研究彌補了基于短期功率預(yù)測技術(shù)單一的日前調(diào)度并不能完全反映可再生能源和負荷的預(yù)測誤差以及非計劃瞬時波動功率對能量管理系統(tǒng)的影響。結(jié)合基于超短期功率預(yù)測技術(shù)的日內(nèi)調(diào)度，在不改變?nèi)涨罢{(diào)度計劃的前提下來優(yōu)化網(wǎng)內(nèi)的備用電源、儲能裝置的出力值，兩者協(xié)同共同優(yōu)化各微源的有功出力。文獻[51]提出了一種基于模型預(yù)測控制的日內(nèi)滾動優(yōu)化校正策略，采用有限時間窗內(nèi)的滾動優(yōu)化代替?zhèn)鹘y(tǒng)單斷面優(yōu)化，提前感知未來一段時間內(nèi)的可再生能源出力以及聯(lián)絡(luò)線計劃的變化情況，對機組出力進行調(diào)整，并結(jié)合時域滾動和系統(tǒng)實時狀態(tài)反饋，來消除隨機性的影響。日前經(jīng)濟調(diào)度多以小時為時間尺度，但是由于微源和負荷的隨機性使得預(yù)測誤差較大，需要實時性強的超短期預(yù)測來對其修正。一個是以“時”為尺度，另一個是以“分”為尺度，兩者的時間跨度較大。文獻[52]針對這一問題，在超短期和實時調(diào)度之間加入基于準(zhǔn)則的功率分配快速消納可再生能源和負荷的功率波動環(huán)節(jié)，減小聯(lián)絡(luò)線的功率波動。文獻[53]提出時計劃、調(diào)整計劃及實時計劃多時間尺度的協(xié)同優(yōu)化控制方法。加入時間尺度為15 min的調(diào)整計劃，以預(yù)測曲線為目標(biāo)，動態(tài)修正微源發(fā)電計劃，逐級平抑因誤差造成PCC功率波動；在以1 min為時間尺度的實時計劃中，利用儲能裝置快速跟蹤負荷的能力平抑因為突發(fā)事件產(chǎn)生的波動。因此，研究微網(wǎng)動態(tài)經(jīng)濟調(diào)度不能僅僅依靠日前經(jīng)濟調(diào)度，更需要多時間尺度協(xié)調(diào)優(yōu)化。

4 展 望

目前的研究主要集中在單一微網(wǎng)經(jīng)濟調(diào)度問題。但是單一微網(wǎng)的工作容量有限，抗干擾能力較弱，運行工作過程中容易出現(xiàn)分布式電源出力突變，負荷的接入或脫離等問題，運行可靠性較差。近年來，微網(wǎng)群集經(jīng)濟調(diào)度作為一種新的組網(wǎng)方式，通過子微網(wǎng)及分布式電源之間的能量調(diào)度和互補，可以進一步提分布式電源的滲透率。但是目前國內(nèi)關(guān)于微網(wǎng)群集調(diào)度的研究還比較少，未來關(guān)于微網(wǎng)群集調(diào)度的研究，在微網(wǎng)群的組網(wǎng)方式、子網(wǎng)間的協(xié)調(diào)控制和微網(wǎng)群能量管理等方面值得做一些深入的研究。

[1] 郭佳歡.微網(wǎng)經(jīng)濟運行優(yōu)化的研究[D].北京:華北電力大學(xué),2010.

[2] 周曉燕,劉天琪,沈浩東，等.含多種分布式電源的微電網(wǎng)經(jīng)濟調(diào)度研究[J].電工電能新技術(shù),2013,32(1):5-8.

[3] 戚建文,任建文,渠衛(wèi)東,等.冷熱電聯(lián)供微網(wǎng)環(huán)保經(jīng)濟調(diào)度研究[J].電測與儀表,2016,53(25):90-97.

[4] 宋曉英,王艷松.基于協(xié)同進化遺傳算法的微網(wǎng)經(jīng)濟環(huán)保調(diào)度[J].電力系統(tǒng)保護與控制2014,42(5):85-89.

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

[6] 丁明,張穎媛,茆美琴,等.包含鈉硫電池儲能的微網(wǎng)系統(tǒng)經(jīng)濟運行優(yōu)化[J].中國電機工程學(xué)2011,31(4):7-14．

[7] 羅毅,劉明亮.計及風(fēng)險備用約束的孤網(wǎng)系統(tǒng)環(huán)保經(jīng)濟調(diào)度[J].電網(wǎng)技術(shù),2013,37(10):2705- 2711.

[8] 寧陽天,李相俊,麻秀范,等.基于改進粒子群算法的微網(wǎng)動態(tài)經(jīng)濟調(diào)度[J].電力建設(shè)，2014,35(6):26-30.

[9] 吳雄,王秀麗,別朝紅,等.含熱電聯(lián)供系統(tǒng)的微網(wǎng)經(jīng)濟運行研究[J].電力自動化設(shè)備,2013,33(8):1-6.

[10] 郭宇航,胡博,萬凌云,等.含熱泵的熱電聯(lián)產(chǎn)型微電網(wǎng)短期最優(yōu)經(jīng)濟運行[J].電力自動化設(shè)備,2015,39(14):16-23.

[11] 李正茂,張峰,梁軍，等.含電熱聯(lián)供系統(tǒng)的微電網(wǎng)運行優(yōu)化[J].中國電機工程學(xué)報,2015,35(14):3569-3577.

[12] 黃偉,黃婷,周歡,等.基于改進微分進化算法的微電網(wǎng)動態(tài)經(jīng)濟優(yōu)化調(diào)度[J].電力系統(tǒng)自動化,2014,38(9):211-217.

[13] 劉小平,丁明,張穎媛,等.微網(wǎng)系統(tǒng)的動態(tài)經(jīng)濟調(diào)度[J].中國電機工程學(xué)報,2011,31(31):77-84.

[14] 肖青,陳潔,楊秀,等.含多種分布式電源的微網(wǎng)動態(tài)經(jīng)濟調(diào)度[J].電力系統(tǒng)及其自動化學(xué)報,2013,25(4):22-29.

[15] 劉方,楊秀,黃海濤,等.含熱電聯(lián)產(chǎn)熱電解耦運行方式下的微網(wǎng)能量綜合優(yōu)化[J].電力系統(tǒng)及其自動化學(xué)報,2016,28(1):51-58.

[16] 劉方,楊秀.分時電價下考慮預(yù)測偏差的微網(wǎng)經(jīng)濟運行[J].陜西電力,2016,44(4):65-71.

[17] 邵靖珂,汪沨,譚陽紅,等.計及需求側(cè)相應(yīng)的微網(wǎng)經(jīng)濟優(yōu)化調(diào)度[J].電力系統(tǒng)及其自動化學(xué)報,2016,28(10):31-37.

[18] 曾君,徐冬冬,劉俊峰,等.考慮負荷滿意度的微電網(wǎng)運行多目標(biāo)優(yōu)化方法研究[J].中國電機工程學(xué)報,2016,36(12):3325-3335.

[19] 趙猛,丁曉群,劉遠龍,等.考慮負荷中斷的微網(wǎng)并網(wǎng)經(jīng)濟調(diào)度[J].電力建設(shè),2016,37(4):57-63.

[20] 吳紅斌,侯小凡,趙波,等.計及可入網(wǎng)電動汽車的微網(wǎng)系統(tǒng)經(jīng)濟調(diào)度[J].電力系統(tǒng)自動化,2014,38(9):77-84.

[21] 陳深,毛曉明,林澤坤.電動汽車對微網(wǎng)優(yōu)化運行的影響分析[J].電力學(xué)報,2014,29(6):473-479.

[22] 范劉洋,汪可友,李國杰,等.含有海水抽蓄電站的海島微網(wǎng)優(yōu)化調(diào)度[J].電網(wǎng)技術(shù),2016,40(2):381-386.

[23] 周瑋,彭昱,孫輝,等.含風(fēng)電場的電力系統(tǒng)動態(tài)經(jīng)濟調(diào)度[J].中國電機工程學(xué)報,2009,29(25):13-18．

[24] Le Xie, Joo J Y, I lic M D. Integration of Intermittent Resources with Price: Responsive Loads[C]∥41st North American Power Symposiu In. USA: IEEE Computer Society,2009:1-6．

[25] Hamidi V, Li F, Robinson F. The Effect of Responsive Demand in Domestic Sector on Power System Operation in the Networks with High Penetration of Renewables[C]∥IEEE Power and Energy Society General Meeting，USA,2008:1-8.

[26] 劉小聰,王蓓蓓,李揚,等.智能電網(wǎng)下計及用戶側(cè)互動的發(fā)電日前調(diào)度計劃模型[J].中國電機工程學(xué)報,2013,33(1):30-38．

[27] 陳海焱,陳金富,段獻忠.含風(fēng)電場電力系統(tǒng)經(jīng)濟調(diào)度的模糊建模及優(yōu)化算法[J].電力系統(tǒng)自動化,2006,30(2):22-26．

[28] Wang L F, Singh C. Tradeoff between Risk and Cost in Economic Dispatch Including Wind Power Penetration Using Particle Swarm Optimization[C] ∥International Conference on Power System Technology, Chongqing, China, 2006: 1-7.

[29] Hong Y Y, Li C T. Short-term Real-power Scheduling Considering Fuzzy Factors in an Autonomous System Using Genetic Algorithms[J]. The Institution of Engineering and Technology, 2006, 153(6): 684-692.

[30] 黃國棟,李偉剛,李振斌.大規(guī)模風(fēng)電接入的電網(wǎng)發(fā)電調(diào)度研究綜述[J].電測與儀表2015,52(9):1-6.

[31] 熊虎,向鐵元,陳紅坤,等.含大規(guī)模間歇式電源的模糊機會約束機組組合研究[J].中國電機工程學(xué)報,2013,33(13):36-44．

[32] 艾欣,劉曉.基于可信性理論的含風(fēng)電場電力系統(tǒng)動態(tài)經(jīng)濟調(diào)度[J].中國電機工程學(xué)報，2011,31(Z1):12-18.

[33] JABR R A, Pal B C. Intermittent Wind Generation in Optimal Power Flow Dispatching[J]. IET Generation, Transmission and Distribution, 2009, 3(1): 66-74.

[34] 孟祥星,王宏.大規(guī)模風(fēng)電并網(wǎng)條件下的電力系統(tǒng)調(diào)度[J].東北電力大學(xué)學(xué)報,2009,29(1):1-7.

[35] Siahkali，Vakilian，M. Stochastic Unit Commitment of Wind Farms Integrated in Power System[J].Electric Power Systems Research, 2010,80(9):1006 -1017.

[36] 孫元章,吳俊,李國杰,等.基于風(fēng)速預(yù)測和隨機規(guī)劃的含風(fēng)電場電力系統(tǒng)動態(tài)經(jīng)濟調(diào)度[J].中國電機工程學(xué)報, 2009, 29(4): 41-47.

[37] 江岳文,陳沖,溫步瀛.基于隨機模擬粒子群算法的含風(fēng)電場電力系統(tǒng)經(jīng)濟調(diào)度[J].電工電能新技術(shù),2007,26(3): 37-43.

[38] 任建文,渠衛(wèi)東.基于機會約束規(guī)劃的孤島模式下微網(wǎng)動態(tài)經(jīng)濟調(diào)度[J].電力自動化設(shè)備，2016,36(3):73-80.

[39] 朱祥祥,黃崇鑫,岳東.等.基于區(qū)間不確定性的微網(wǎng)有功-無功聯(lián)合優(yōu)化調(diào)度[J].電力系統(tǒng)自動化,2016,40(15):39-47.

[40] Liu Y, Jiang C,Shen J,et al. Coordination of Hydro Units with Wind Power Generation Using Interval Optimization[J]. IEEE Trans actions on Sustaunable Energy,2015,6(2):443-453.

[41] 王守相,王棟,韓亮.考慮不確定的微網(wǎng)日前經(jīng)濟優(yōu)化調(diào)度區(qū)間線性規(guī)劃方法[J].電力系統(tǒng)自動化,2014,38(24):5-13.

[42] 馬瑞,康仁,姜飛,等.考慮風(fēng)電隨機模糊不確定性的電力系統(tǒng)多目標(biāo)優(yōu)化調(diào)度計劃研究[J].電力系統(tǒng)保護與控制,2013,41 (1) :150-156．

[43] 李武強,余濤,林建泉,等.考慮隨機性的微電網(wǎng)環(huán)保經(jīng)濟運行優(yōu)化[J].電力系統(tǒng)及其自動化學(xué)報,2015,27(3):81-87.

[44] 戴仲覆,陳濤,于文俊.一種在微網(wǎng)動態(tài)經(jīng)濟調(diào)度中考慮風(fēng)電隨機性的方法[J].發(fā)電與空調(diào)，2013,34(5):1-5.

[45] 王群,董文略,楊莉.基于Wasserstein距離和改進K-medoids聚類的風(fēng)電/光伏經(jīng)典場景集生成算法[J].中國電機工程學(xué)報,2015,35(11):2654-2662.

[46] 王蓓蓓,劉小聰,李揚.面向大容量風(fēng)電接入考慮用戶側(cè)互動的系統(tǒng)日前調(diào)度和運行模擬研究[J].中國電機工程學(xué)報,2013,33(22):35-44.

[47] Zhang Jianyong, Wang Cong. Application of ARMA Model in Ultra-short Term Prediction of Wind Power[C]∥2013 International Conference on Computer Sciences and Applications (CSA), Wuhan, China: Hubei University of Technology,2013: 361-364．

[48] Due hee L,Ross B．Future Wind Power Scenario Synthesis through Power Spectral Density Analysis[J]. IEEE Transactions on Smart Grid,2014,5(1):490-500．

[49] 黎靜華,韋化,莫東.含風(fēng)電場最優(yōu)潮流的Wait-and-See模型與最優(yōu)漸近場景分析[J].中國電機工程學(xué)報,2012,32(22):15-23．

[50] 郭思琪,袁越,張新松.等.多時間尺度協(xié)調(diào)控制的獨立微網(wǎng)能量管理策略[J].電工技術(shù)學(xué)報,2014,29(2):122-128.

[51] 肖浩,裴瑋,孔力.基于模型預(yù)測控制的微電網(wǎng)多時間尺度協(xié)調(diào)優(yōu)化調(diào)度[J].電力系統(tǒng)自動化,2016,40(18):7-16.

[54] 竇曉波,徐忞慧,董建達，等.微電網(wǎng)改進多時間尺度能量管理模型[J].電力系統(tǒng)自動化,2016,40(9):48-56.

[55] 茆美琴,張永寧,王楊洋,等.削峰填谷策略下微電網(wǎng)多時間尺度能量優(yōu)化[J].南方電網(wǎng)技術(shù),2016,10(8):23-32.

Aiming at the economic dispatch problems of micro-grid and according to the existing literatures, the classification of micro-grid economic scheduling model, methods of dealing with uncertain factors and multiple time-scale dispatch in the micro-source are discussed. Wherein, the economic dispatch model of micro-grid can be divided into static model and dynamic model; the methods of dealing with uncertain factors is mainly include deterministic method, fuzzy tool and stochastic probability distribution function technique; multiple time-scale dispatch in the micro-source mainly focuses on day-ahead scheduling based on super short time forecasting technique, daily scheduling based on super short time forecasting technique and real time scheduling based on "second". Finally, through comprehensive analysis, some promising research directions of micro-grid cluster scheduling are included.

micro-grid; economic dispatch; uncertainty; fuzzy theory; probability distribution function; multiple time scales

TM727

A

1003-6954(2017)02-0088-07

2016-11-13)

燕振剛(1991)，碩士研究生，研究方向為微電網(wǎng)經(jīng)濟調(diào)度。