微電網(wǎng)能量管理研究綜述

摘" 要：微電網(wǎng)作為消納可再生能源的關(guān)鍵技術(shù)，如何提高能量管理水平成為一個重要問題。文章總結(jié)了國內(nèi)外微電網(wǎng)發(fā)展現(xiàn)狀，針對如何管理微電網(wǎng)中電能實現(xiàn)經(jīng)濟性和可靠性目標(biāo)，闡述了微電網(wǎng)的兩種不同結(jié)構(gòu)，對微電網(wǎng)中的能量管理算法進行了介紹，最后總結(jié)了微電網(wǎng)能量管理面臨的挑戰(zhàn)。

關(guān)鍵詞：微電網(wǎng);能量管理;分布式發(fā)電;儲能

中圖分類號：TM73" " " " 文獻標(biāo)志碼：A" " " " "文章編號：2095-2945（2021）13-0184-05

Abstract： Microgrid is a key technology to consume renewable energy， and how to build energy management system has become essential. This paper summarizes the development status of domestic and foreign microgrid， and elaborates two different structures of micro-grid as regards how to manage electric energy in micro-grid to achieve the goals of economy and reliability. The energy management algorithms in the microgrid are introduced. Finally， the challenges in microgrid energy management are summarized.

Keywords： microgrid; energy management; distributed generation; energy storage system

近年來，隨著光伏發(fā)電和風(fēng)力發(fā)電的裝機容量進一步提高，其出力的不確定對大電網(wǎng)造成了沖擊。微電網(wǎng)是一種包含有高比例可再生能源的電氣互聯(lián)系統(tǒng)。由微電網(wǎng)承擔(dān)利用消耗可再生能源的任務(wù)，大電網(wǎng)再與微電網(wǎng)進行交互，可以在保證大電網(wǎng)安全穩(wěn)定的前提下，提高可再生能源的利用水平，提高經(jīng)濟效益和環(huán)境效益[1]。為了減小可再生能源對系統(tǒng)的經(jīng)濟性和穩(wěn)定性造成不利的影響，微電網(wǎng)需要對其中的各種發(fā)電和用電設(shè)備進行管理，以滿足穩(wěn)定性、經(jīng)濟性和安全性要求[2]。能量管理是保證微電網(wǎng)運行經(jīng)濟性的重要手段。針對微電網(wǎng)內(nèi)的分布式發(fā)電單元、儲能單元和可控發(fā)電單元及部分負(fù)荷等進行控制，結(jié)合微電網(wǎng)結(jié)構(gòu)建立先進的管理方法，提高微電網(wǎng)對高比例可再生能源的應(yīng)對能力，保證運行經(jīng)濟性和可靠性。

1 微電網(wǎng)研究現(xiàn)狀

微電網(wǎng)可以根據(jù)不同的特點分為不同的類別[2]。根據(jù)電壓電流形式可以分為交流微電網(wǎng)、直流微電網(wǎng)和混合微電網(wǎng)[3-5];根據(jù)是否與大電網(wǎng)并聯(lián)運行可以分為孤島模式和并網(wǎng)模式;根據(jù)控制管理結(jié)構(gòu)分為集中式[6]和分布式[7-8]。

美國電力可靠性技術(shù)解決方案聯(lián)盟（Consortium for"Electric Reliability Technology Solutions，CERTS）早先研究電力系統(tǒng)時，提出了微電網(wǎng)的定義[9]：微電網(wǎng)包含有互聯(lián)的分布式能源設(shè)備和負(fù)載，具有明確的電氣邊界，可以獨立于主電網(wǎng)，作為單個可控個體運行。該項目中，微電網(wǎng)將分布式發(fā)電單元集成到電力網(wǎng)絡(luò)中，通過實時的電力系統(tǒng)可靠性分析，提供安全可靠的電能服務(wù)。項目通過建立電力市場，并允許負(fù)荷參與，分析管理用戶交易行為，提高電網(wǎng)運行經(jīng)濟性。美國NREL（National Renewable Energy Laboratory）項目。美國阿拉斯加擁有200個以上的偏遠(yuǎn)地區(qū)微電網(wǎng)，這些地區(qū)的電力供應(yīng)主要來自于可再生能源發(fā)電和化石燃料發(fā)電，其中可再生能源發(fā)電在電力市場中具有強大的競爭力[10]。

歐洲電網(wǎng)作為世界幾大電網(wǎng)之一，在對微電網(wǎng)的研究上起步同樣較早。歐洲JRC（Joint Research Center，JRC）智能電力系統(tǒng)與互操作性小組利用可再生能源、分布式發(fā)電、儲能和電動汽車等技術(shù)，改造現(xiàn)有的電網(wǎng)，提高能源利用率，保證電網(wǎng)安全，并實現(xiàn)電力交易市場，促進可持續(xù)發(fā)展[11]。在波羅的海、塞浦路斯、希臘、羅馬尼亞[12]等多個國家和地區(qū)開展了研究，主要方向包括電力市場交易和政策制定、電力系統(tǒng)數(shù)據(jù)收集處理、智能電網(wǎng)仿真實驗室、電力系統(tǒng)綜合評估等。

澳大利亞擁有豐富的可再生資源，從上世紀(jì)末就開始推進發(fā)展可再生能源開發(fā)利用技術(shù)。一些面積較小的州對此積極響應(yīng)，甚至提出在2022年一次能源完全由可再生能源構(gòu)成的雄心[13]。這些地區(qū)的電網(wǎng)規(guī)模較小，因此僅僅一個可再生能源項目即可滿足大部分的負(fù)荷需求。由于風(fēng)能資源豐富，分布廣泛，風(fēng)力發(fā)電技術(shù)發(fā)展較早，替代了部分傳統(tǒng)化石能源，帶來了巨大的經(jīng)濟效益，因此幾乎所有的可再生能源開發(fā)項目都采用了風(fēng)力發(fā)電技術(shù)。近年來興起的光伏發(fā)電采用模塊化技術(shù)，容易擴展且易于安裝使用，被作為風(fēng)力發(fā)電不足時的補充，進一步提高了可再生能源發(fā)電容量。這些地區(qū)通過整合光伏發(fā)電、風(fēng)力發(fā)電和儲能系統(tǒng)，使得電力系統(tǒng)在高比例可再生能源下仍然能夠可靠運行。

中國為了推動電力工業(yè)的低碳化，決定改進電網(wǎng)結(jié)構(gòu)，提高可再生能源發(fā)電量，現(xiàn)已建成多種微電網(wǎng)示范項目，覆蓋了多種場景[9]。例如江蘇南京建設(shè)了應(yīng)用于工業(yè)園區(qū)的并網(wǎng)微電網(wǎng)項目，為園區(qū)提供可靠的電力供應(yīng)。青海省則是建設(shè)了城鎮(zhèn)和居民學(xué)校場景下的離網(wǎng)式微電網(wǎng)，這些微電網(wǎng)容量較小，主要向終端用戶提供可再生能源消費，提高電網(wǎng)的經(jīng)濟性和可靠性。天津大學(xué)微電網(wǎng)仿真實驗平臺包括光伏面板、儲能電池和集熱器，負(fù)荷消耗用途包括用電和制熱制冷等[14]，是一個典型的熱電聯(lián)產(chǎn)系統(tǒng)，用于研究戶用型微電網(wǎng)控制管理技術(shù)。

2 微電網(wǎng)能量管理控制結(jié)構(gòu)

2.1 集中式控制結(jié)構(gòu)

集中式控制結(jié)構(gòu)常見于小型微電網(wǎng)。集中式結(jié)構(gòu)微電網(wǎng)通常采用主從控制[6]，設(shè)有一個中央控制器和多個從控制器。中央控制器負(fù)責(zé)從微電網(wǎng)中收集數(shù)據(jù)，并向從控制器發(fā)出指令信號。控制器根據(jù)接收到的指令，調(diào)整控制設(shè)備。中央控制器需要維護系統(tǒng)安全、滿足負(fù)荷需求，并在各種約束條件下，以系統(tǒng)利潤最大、損耗最小等多種目標(biāo)，對系統(tǒng)中的分布式電源和負(fù)荷進行調(diào)節(jié)，并負(fù)責(zé)將指令下發(fā)給系統(tǒng)中各個從控制器。

文獻[15]針對微電網(wǎng)電壓不穩(wěn)定的問題，綜合考慮各種設(shè)備運行成本，建立了多目標(biāo)協(xié)調(diào)優(yōu)化控制策略。日內(nèi)基于預(yù)測模型求解當(dāng)前時段可控單元控制指令，并以儲能系統(tǒng)調(diào)整量最小為目標(biāo)進行反饋，及時處理可再生能源和負(fù)荷的波動。

文獻[6]提出了一種集中式能量管理框架。通過對光伏發(fā)電和風(fēng)力發(fā)電進行預(yù)測，結(jié)合有限時域優(yōu)化模型對微電網(wǎng)進行優(yōu)化調(diào)度，并及時獲取電網(wǎng)中的最新信息，形成一種反饋機制，減小可再生能源發(fā)電和負(fù)荷不確定性造成的影響。中央控制器從電網(wǎng)層進行優(yōu)化，并和其他控制器進行協(xié)商，管理微電網(wǎng)中的組件設(shè)備。

集中式方法效率較高，維護簡單。但是，由于集中式結(jié)構(gòu)微電網(wǎng)中央控制器承擔(dān)了大部分的重要任務(wù)，為了避免在中央控制器無法正常工作時造成的整個微電網(wǎng)癱瘓，需要有備用的中央控制器，當(dāng)主控制器出現(xiàn)故障時，立刻切換到備用控制器，從而減小故障帶來的影響。這種主備用結(jié)構(gòu)無疑增加了系統(tǒng)的建設(shè)投資，因此經(jīng)濟性較差。

2.2 分布式控制結(jié)構(gòu)

不同于集中式結(jié)構(gòu)，分布式結(jié)構(gòu)微電網(wǎng)中沒有中央控制器的概念。分布式結(jié)構(gòu)意味著參與微電網(wǎng)能量管理的個體之間都是獨立的，這種情況下需要個體與個體之間進行協(xié)商，共同完成能量管理的任務(wù)。因此，每個個體的地位都是等同的。如何協(xié)調(diào)參與的個體，使得能量管理任務(wù)能夠有序的完成，是需要分布式結(jié)構(gòu)微電網(wǎng)能量管理系統(tǒng)解決的問題[8]。

文獻[16]提出將地理位置接近的微電網(wǎng)組成一個互聯(lián)系統(tǒng)。相比孤立的微電網(wǎng)，互聯(lián)系統(tǒng)能夠降低微電網(wǎng)的成本，實現(xiàn)優(yōu)勢互補。并提出了基于ADMM的分布式優(yōu)化調(diào)度模型，通過交互迭代實現(xiàn)互聯(lián)系統(tǒng)的最優(yōu)調(diào)度。

文獻[17]提出一種分布式能量管理系統(tǒng)，通過電價機制指導(dǎo)微電網(wǎng)中的決策者和消費者，根據(jù)發(fā)電和用電之間的功率差別調(diào)整電價，協(xié)調(diào)微電網(wǎng)層級的分布式電源和儲能。同時微電網(wǎng)中的家庭能源管理系統(tǒng)對電價調(diào)整做出響應(yīng)，對戶用設(shè)備進行計劃調(diào)整，協(xié)同管理微電網(wǎng)，屬于價格型負(fù)荷需求響應(yīng)。

3 微電網(wǎng)能量管理求解方法

3.1 博弈論

由于多個主體之間的調(diào)度目標(biāo)不同，使得集中式方案難以應(yīng)對多方利益沖突。文獻[18]從博弈與模型預(yù)測控制進行融合，兼顧了發(fā)電公司最大化的發(fā)電收益，各個能源局域網(wǎng)最小化其運行成本的需求，并有效應(yīng)對了可再生能源波動和負(fù)載需求不確定帶來的不利影響。

勢博弈是一種非合作式的博弈方式。文獻[19]建立了基于勢博弈的分布式微電網(wǎng)能量管理系統(tǒng)，將該系統(tǒng)中每個設(shè)備都看作是一個獨立的決策制定者，通過最優(yōu)策略響應(yīng)方法，達(dá)到博弈納什均衡，是一種分布式協(xié)調(diào)方法。

文獻[20]建立了基于博弈論的多微電網(wǎng)雙層能量管理。上層處于較長的時間尺度下，通過管理每個微電網(wǎng)的能量出售和消費行為，提高經(jīng)濟和用戶的滿意度。下層處于一個較短的時間尺度調(diào)節(jié)各個微電網(wǎng)，使其跟蹤上層的調(diào)度指令。該方法能夠處理發(fā)電和需求的不確定性，避免了斷電等不利于微電網(wǎng)運行的情況發(fā)生，提高了運行穩(wěn)定性。

3.2 多代理系統(tǒng)

代理是指具有能夠從外界獲取信息，根據(jù)信息進行自主決策的一種智能個體。代理具有與其他個體進行交互的能力，通過多個代理之間進行協(xié)商，合作完成整體的任務(wù)，達(dá)到整體性最優(yōu)[21]。從實現(xiàn)的過程來看，并代理具有一定的智能性，能夠根據(jù)獲取的信息進行決策，并根據(jù)約束條件和自身的優(yōu)化目標(biāo)，自主制定決策并執(zhí)行決策，調(diào)整代理的行為。

文獻[22]提出了一種基于多代理的控制系統(tǒng)。將每個發(fā)電和儲能設(shè)備看作是一個獨立的代理，并能夠和其他代理進行相互通信。代理根據(jù)獲取的發(fā)電情況和負(fù)荷情況信息，對自身進行相應(yīng)調(diào)整，降低整個微電網(wǎng)的運行成本。

文獻[23]基于多代理系統(tǒng)，將每個設(shè)備看作是一個獨立的代理，提出了一種應(yīng)用于互聯(lián)微電網(wǎng)群的三層多代理架構(gòu)，分別包括日前計劃，日內(nèi)滾動和實時調(diào)度三種機制。在日前和日內(nèi)階段，通過代理之間進行協(xié)商，優(yōu)化聯(lián)絡(luò)線上的傳輸功率。在實時調(diào)度階段，通過調(diào)節(jié)控制可控發(fā)電和儲能，降低每個微電網(wǎng)的運行成本。整個系統(tǒng)通過時間尺度之間的相互配合，實現(xiàn)了微電網(wǎng)群的協(xié)調(diào)運行。

3.3 一致性算法

一致性算法是指互聯(lián)網(wǎng)絡(luò)內(nèi)的每個個體都具有同一個全局變量，但是初始值互不相同。通過迭代的方法協(xié)調(diào)網(wǎng)絡(luò)中的個體，以使每個個體的全局變量趨于一致。

文獻[24]根據(jù)一致性算法，將整個系統(tǒng)分成三個主要層級：可再生能源發(fā)電層、儲能層和傳統(tǒng)設(shè)備層。通過求解基于一致性算法的經(jīng)濟調(diào)度問題，對同一層內(nèi)的設(shè)備之間進行相互協(xié)調(diào)控制，不同層之間的互動則采用負(fù)載跟隨策略。通過該種方式對微電網(wǎng)內(nèi)分散的發(fā)電單元進行調(diào)控，實現(xiàn)了自動調(diào)度，降低了電壓波動。

由于分布式電源類型眾多，其發(fā)電成本具有差異。文獻[25]指出傳統(tǒng)下垂控制未考慮不同分布式電源的發(fā)電成本差異，造成系統(tǒng)成本過高，提出了基于一致性算法的分布式經(jīng)濟控制方法。該方法考慮了線路損耗，通過控制分布式電源線損邊際成本一致，降低發(fā)電成本。同時提出了利用虛擬邊界成本控制節(jié)點電壓的方法。

3.4 模型預(yù)測控制

模型預(yù)測控制是一種滾動時域優(yōu)化的方法，該方法對來自系統(tǒng)外部的擾動具有較強的魯棒性。文獻[26]針對傳統(tǒng)模型預(yù)測控制某些參數(shù)固定，無法及時處理微電網(wǎng)面臨的擾動問題，對模型預(yù)測控制進行改進，更好地保障了系統(tǒng)魯棒性和優(yōu)化結(jié)果的準(zhǔn)確性。

儲能電池在微電網(wǎng)應(yīng)對新能源隨機性上起著重要的作用，但是成本高昂，因此必須保持好良好的健康度。文獻[27]考慮蓄電池限流充電和恒壓充電的兩種工作模式，提出變時域模型預(yù)測控制尋優(yōu)策略，通過各子系統(tǒng)功率互補，最大限度利用新能源，降低購電成本。

文獻[28]指出多個微電網(wǎng)互聯(lián)構(gòu)成的集群，可以實現(xiàn)微電網(wǎng)之間的能量互補，提高可再生能源的利用率。基于模型預(yù)測控制，建立了微電網(wǎng)群的優(yōu)化調(diào)度模型，同時，為了提高求解效率，采用同步型ADMM對求解優(yōu)化問題進行處理，每個子微電網(wǎng)同步計算本地子問題，迭代過程中傳遞期望交換功率，實現(xiàn)分布式計算。

3.5 粒子群算法

由于微電網(wǎng)能量管理中具有復(fù)雜的約束條件，導(dǎo)致問題呈現(xiàn)非線性的特點。粒子群算法能夠有效解決非線性問題。文獻[29]提出了雙層結(jié)構(gòu)的多時間尺度協(xié)調(diào)控制策略，雙層結(jié)構(gòu)分為日前和日內(nèi)兩個層面。日前調(diào)度以可再生能源出力最大化下的網(wǎng)絡(luò)損耗最小為目標(biāo)，日內(nèi)采用機會約束的魯棒模型預(yù)測控制優(yōu)化并網(wǎng)功率。由于問題具有非線性，因此采用改進粒子群算法進行求解。結(jié)果說明該策略能夠消除電源和負(fù)荷隨機波動對并網(wǎng)造成的不利影響。

3.6 深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)

隨著需要處理的數(shù)據(jù)量越來越大，深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)作為大數(shù)據(jù)處理的有效方法，現(xiàn)已在光伏風(fēng)力發(fā)電預(yù)測、負(fù)荷預(yù)測中取得了一定成果[30]。

傳統(tǒng)調(diào)度策略依賴于日前預(yù)測的準(zhǔn)確性，造成微電網(wǎng)經(jīng)濟性不高。文獻[31]提出了一種考慮預(yù)測誤差的混合微電網(wǎng)能量管理經(jīng)濟調(diào)度策略。從日前調(diào)度、日內(nèi)預(yù)調(diào)度、日內(nèi)調(diào)度三個階段進行優(yōu)化。日內(nèi)預(yù)調(diào)度引入神經(jīng)網(wǎng)絡(luò)模型，為日內(nèi)調(diào)度做準(zhǔn)備。根據(jù)日內(nèi)超短期預(yù)測和日前預(yù)測，使用日內(nèi)預(yù)調(diào)度模型進行調(diào)度，保障了交互功率的一致性和日內(nèi)經(jīng)濟性。

文獻[32]基于多代理原理，提出了一種設(shè)備與設(shè)備之間進行協(xié)調(diào)資源分配的方法。將深度學(xué)習(xí)中的Q-learning引入到代理的決策過程中，降低了通信擁擠程度，提高了代理的認(rèn)識準(zhǔn)確度，在負(fù)荷需求響應(yīng)中取得了良好的效果。

4 結(jié)束語

微電網(wǎng)能量管理是提高運行經(jīng)濟性的關(guān)鍵技術(shù)。本文總結(jié)了國內(nèi)外微電網(wǎng)的發(fā)展現(xiàn)狀，從微電網(wǎng)能量管理的架構(gòu)和理論方法兩方面進行分析，總結(jié)了現(xiàn)有的能量管理方法理論。關(guān)于在微電網(wǎng)中如何消除可再生能源和負(fù)荷的不確定性造成的影響，以及針對互聯(lián)微電網(wǎng)的聯(lián)合調(diào)度方法，將是進一步的研究方向。

參考文獻：

[1]NEJABATKHAH F， LI Y W， TIAN H. Power Quality Control of Smart Hybrid AC/DC Microgrids： An Overview[J]. IEEE Access， 2019（7）：52295-52318.

[2]ROSLAN M F， HANNAN M A， KER P J， et al. Microgrid control methods toward achieving sustainable energy management[J]. Applied Energy， 2019（240）：583-607.

[3]JUSTO J J， MWASILU F， LEE J， et al. AC-microgrids versus DC-microgrids with distributed energy resources： A review[J]. Renewable and Sustainable Energy Reviews， 2013（24）：387-405.

[4]DUAN J， YI Z， SHI D， et al. Reinforcement-Learning-Based Optimal Control of Hybrid Energy Storage Systems in Hybrid AC-DC Microgrids[J]. IEEE Transactions on Industrial Informatics， 2019，15（9）：5355-5364.

[5]LIU T， TAN X， SUN B， et al. Energy management of cooperative microgrids： A distributed optimization approach[J]. International Journal of Electrical Power amp; Energy Systems， 2018（96）：335-346.

[6]OUAMMI A， ACHOUR Y， ZEJLI D， et al. Supervisory Model Predictive Control for Optimal Energy Management of Networked Smart Greenhouses Integrated Microgrid[J]. IEEE Transactions on Automation Science and Engineering， 2020，17（1）：117-128.

[7]HU M， XIAO F， WANG S. Neighborhood-level coordination and negotiation techniques for managing demand-side flexibility in residential microgrids[J]. Renewable and Sustainable Energy Reviews， 2021（135）：110248.

[8]BANDEIRAS F， PINHEIRO E， GOMES M， et al. Review of the cooperation and operation of microgrid clusters[J]. Renewable and Sustainable Energy Reviews， 2020（133）：110311.

[9]WEI P， CHEN W. Microgrid in China： A review in the perspective of application[J]. Energy Procedia， 2019（158）：6601-6606.

[10]HOLDMANN G P， WIES R W， VANDERMEER J B. Renewable Energy Integration in Alaska's Remote Islanded Microgrids： Economic Drivers， Technical Strategies， Technological Niche Development， and Policy Implications[J]. Proceedings of the IEEE， 2019，107（9）：1820-1837.

[11]In a nutshell | JRC Smart Electricity Systems and Interoperability[EB/OL]. [2021-02-07]. https：//ses.jrc.ec.europa.eu/nutshell.

[12]PETREU" D， B？魤LAN M， POP O， et al. Evaluation of the PV energy production determined by measurements， simulation and analytical calculations[J]. E3S Web of Conferences， 2019（85）：04002.

[13]HAMILTON J， NEGNEVITSKY M， WANG X， et al. High penetration renewable generation within Australian isolated and remote power systems[J]. Energy， 2019（168）：684-692.

[14]CHE Y， XUE S， HE W， et al. Optimal Energy Allocation of Net-Zero Energy Building[J]. 2019：12.

[15]周成，芮濤，王群京.基于模型預(yù)測控制的微電網(wǎng)多目標(biāo)協(xié)調(diào)優(yōu)化[J].電測與儀表，2019，56（22）：44-50.

[16]王程，劉念.基于交替方向乘子法的互聯(lián)微電網(wǎng)系統(tǒng)分布式優(yōu)化調(diào)度[J].電網(wǎng)技術(shù)，2016，40（9）：2675-2681.

[17]LIU G， JIANG T， OLLIS T B， et al. Distributed energy management for community microgrids considering network operational constraints and building thermal dynamics[J]. Applied Energy， 2019（239）：83-95.

[18]張彥，張濤，孟繁霖，等.基于模型預(yù)測控制的能源互聯(lián)網(wǎng)系統(tǒng)分布式優(yōu)化調(diào)度研究[J].中國電機工程學(xué)報，2017，37（23）：6829-6845+7074.

[19]ZENG J， WANG Q， LIU J， et al. A Potential Game Approach to Distributed Operational Optimization for Microgrid Energy Management With Renewable Energy and Demand Response[J]. IEEE Transactions on Industrial Electronics， 2019，66（6）：4479-4489.

[20]YANG X， HE H， ZHANG Y， et al. Interactive Energy Management for Enhancing Power Balances in Multi-Microgrids[J]. IEEE Transactions on Smart Grid， 2019，10（6）：6055-6069.

[21]王皓.基于多智能體的微電網(wǎng)（群）優(yōu)化運行研究[D].上海：上海交通大學(xué)，2019.

[22]YU D， ZHU H， HAN W， et al. \"Dynamic multi agent-based management and load frequency control of PV/Fuel cell/ wind turbine/ CHP in autonomous microgrid system\"[J]. Energy， 2019（173）：554-568.

[23]CHEN L， ZHU X， CAI J， et al. Multi-time scale coordinated optimal dispatch of microgrid cluster based on MAS[J]. Electric Power Systems Research， 2019（177）：105976.

[24]LUJANO-ROJAS J M， YUSTA J M， DOM？魱NGUEZ-NAVARRO J A. Mitigating Energy System Vulnerability by Implementing a Microgrid with a Distributed Management Algorithm[J]. Energies， 2019，12（4）：616.

[25]蘇晨，吳在軍，周力，等.計及線路損耗的自治型微電網(wǎng)群分布式經(jīng)濟控制[J].電網(wǎng)技術(shù)，2017，41（6）：1839-1846.

[26]竇曉波，曉宇，袁曉冬，等.基于改進模型預(yù)測控制的微電網(wǎng)能量管理策略[J].電力系統(tǒng)自動化，2017，41（22）：56-65.

[27]孟洪民，劉迪，李強，等.考慮蓄電池健康的微電網(wǎng)群模型預(yù)測控制能量管理策略[J].電力自動化設(shè)備，2019，39（6）：88-95.

[28]吳成輝，林聲宏，夏成軍，等.基于模型預(yù)測控制的微電網(wǎng)群分布式優(yōu)化調(diào)度[J].電網(wǎng)技術(shù)，2020，44（2）：530-538.

[29]劉寶林，周少雄，曾智基，等.基于魯棒模型預(yù)測控制的智慧社區(qū)分層級多時間尺度協(xié)調(diào)優(yōu)化調(diào)度[J].可再生能源，2018，36（11）：1677-1683.

[30]KISVARI A， LIN Z， LIU X. Wind power forecasting - A data-driven method along with gated recurrent neural network[J]. Renewable Energy，2021（163）：1895-1909.

[31]于浩，秦文萍，魏斌，等.考慮預(yù)測誤差的交直流混合微電網(wǎng)經(jīng)濟調(diào)度策略[J].電網(wǎng)技術(shù)，2019，43（11）：3987-3996.

[32]SHIMOTAKAHARA K， ELSAYED M， HINZER K， et al. High-Reliability Multi-Agent Q-Learning-Based Scheduling for D2D Microgrid Communications[J]. IEEE Access， 2019（7）：74412-74421.