人工智能賦能微電網運行優化的應用及展望

［關鍵詞］微電網；人工智能；運行；展望

1 微電網的基本架構

微電網是一種小型發輸配電系統，具備強大的發電能力，可自主采集相關數據，是計算機、電力電子、通信等多項技術集成應用的成果，在系統內部可推動多能流在各組件間的相互流動，并通過耦合元件的幫助推動能量形態的轉換，將能量在各類子系統之間進行耦合。

微電網的分布式電源分為兩種，一種是以火力發電為主的常規發電單元，另一種是光伏和風力等為主的可再生能源發電單元。分布式電源在運行時產生的電能，除了可以將電能傳送給電網外，還可以利用儲能裝置來存儲電能，以便微電網供電能力不足時可以直接調用儲能裝置內的電能，滿足系統內各負荷的用電需求。微電網的能源調度結構如圖1 所示。

2 微電網運行優化的原理

在優化微電網運行時，可根據系統內不同單元的邊界特點以及運行特性，建立特定的數學模型來描述微電網的運行，并采用相應的求解算法來計算各類指標，找到最佳的運行方案。在對微電網運行進行優化時，要重點考慮系統的可再生能源預測、自動化調度控制等的優化，并且還要預測和解決微電網運行面臨的各種不確定性。

光伏發電輸出功率用下式表示：

式中，V為風力發電機組并網前發電的實時風速，Vr為風力發電機組并網后發電的實時風速，Vin為風力發電機組并網發電的風速下限，Vout為風力發電機組并網發電的風速上限，VR為額定風速，PR為額定輸出功率。

式中，CCoal為燃料售價，ωCoal為燃料熱凈值， （t）為發電機組實時輸出功率， （t）為發電機組實時工作效率。

3 人工智能賦能微電網運行優化的應用

對微電網的運行實施優化，除了要在數學模型中錄入相應的數據外，還要做好計算求解工作，制訂具體的優化策略。微電網接入可再生能源后面對各種隨機性，可再生能源預測可為微電網運行優化提供可靠的數據源。

3.1 可再生能源預測

微電網接入可再生能源后，可能面臨一定的波動性、時變性、隨機性，如果要應對微電網面臨的這些問題，可能要消耗大量成本，使微電網的供給端與需求端之間的平衡被打破，所以，可采用人工智能對可再生能源實施預測，以便在微電網中優化應用可再生能源，支持微電網穩定運行，合理地調度各類可再生能源。采用合理的預測方法來解決可再生能源生產與消費不平衡問題的方法較多，具體如下。

（1）在預測時間角度上，可將時間標準劃分為4類，分別為超短期、短期、中期以及長期預測。不同時間維度上的可再生能源預測，對應的預測目標存在差異。例如，超短期預測，將風力、光伏等發電機組的負載跟蹤以及動態控制等作為預測重點。

（2）利用物理模型對可再生能源進行預測，輸入數據可選擇數值天氣預報，在全球數據庫等的幫助下對氣象過程變化展開描述。在采用模型物理時，可避免訓練輸入歷史數據，但觀測資料、大氣規律、預報時效性等會影響物理模型的應用效果。物理模型在采用數值天氣預報時，需收集海量數據校準空氣動力學，計算并掌握資源規律，注意考慮預報點和可再生能源發電機組之間的距離，否則會對預測結果的精度造成不良影響

（3）利用統計模型預測可再生能源，需考慮預測值與指定時間內各項數據的關系，靈活采用統計方法來預測可再生能源。

（4）人工智能模型囊括神經模糊網絡、人工神經網絡、經驗模態分解等。采用人工智能模型來預測可再生能源時，該模型的數據挖掘以及特征提取能力較強，可在一定程度上提升預測結果的精度。所以可以采用人工神經網絡等方法來解決可再生能源預測時面臨的各種問題。

3.2 微電網調度控制優化

微電網調度控制優化，以實現自動化控制和自動化調度為目標，采用人工智能時，蜂群策略在其中的實用性較強。蜂群策略是常用的人工智能算法，其應用原理和蜂群的搜索行為有關，可有效地實現全局與局部最優解的求解，特別適合在對單個微電網運行優化中的使用。在對單個微電網運行進行優化時，蜂群所搜索的最優解必須處于樣本空間之內，以處理好優化微電網自動調度與控制的問題。

在起始階段，設置好蜂群樣本的參數，結合預先設定的各項參數，對蜂群的樣本集合做初始化處理。

假設蜂群的樣本集合為Nj=（nj1，nj2…，njM），Nj為雇傭蜂對應食物源所在位置，并將該集合所處的空間位置設置為M，那么在對應的空間維度當中，可用以下公式來表示不同食物源的起始位置：

式中，m=1，2，…M，Qm與Xm分別為樣本集合在空間中第m個維度上存在的空間邊界， 為區間[0，1]上均勻分布的隨機數。

在雇傭蜂時期，蜂群在搜索食物源達成目標后，可自動將食物源的特定參數提取出來，并實時將采集的相關參數傳輸給后續階段待運行的輔助蜂蜂群。此時空間內任意位置的食物源，都由雇傭蜂隨機進行選取，可不用設置特定的搜索路徑，而該蜂群隨機搜索到的食物源，其位置可按照以下公式來計算：

式中，j為雇傭蜂，i為雇傭蜂搜索食物源時對應的維度，nj，i為搜索食物源時隨機選擇的雇傭蜂，Randj，i為區間[0，1]上的均勻分布隨機數。

雇傭蜂隨機搜索到位置之后，可根據采集的數據參數來實施綜合評價，從而尋找到更具匹配度的參數，并對當下認定的雇傭蜂予以明確。

在進入輔助蜂階段以后，首要是輔助蜂接受來自雇傭蜂傳遞的數據參數，在這些數據參數的支持下，輔助蜂可快速找到適合開采的食物源，此時可根據輔助蜂的匹配度參數來得出其相對應的進化功率，并在此基礎上對特定輔助蜂實施深度尋優。蜂群樣本空間中雇傭蜂的進化概率用以下公式表示：

式中，s為空間內的樣本數量，mat（nj）為樣本空間中食物源個數，mat（ni）為匹配度函數。

進化概率越高說明輔助蜂越有可能在高質量食物源周邊搜索食物。

蜂群在前期完成食物源的搜索以后，倘若在規定時間或次數內并未搜索到新的食物源，雇傭蜂則會重新轉化為搜索蜂，并按照前期步驟重新進行食物源的搜索，直到滿足尋找最優解的條件后才完成各項操作。

3.3 不確定性分析與控制

在對微電網的運行實施優化時，除了要考慮可再生能源接入產生的波動可能引發的不確定性以外，還要考慮相關設備設施信息耦合的不確定性、故障類型不確定性、源– 荷– 網、儲設備參數不確定性等。

（1）對相關設備信息耦合的不確定性，可采用人工智能手段對系統內的相關數據實施檢測，在人工智能技術的幫助下掌握其中存在的各項不確定性問題，以便根據分析得出的問題來制訂微電網系統的運行優化策略，從而解決系統在運行時面臨的不確定性問題，為微電網的穩定運行創造更好的條件。

（2）對單個微電網系統當中存在的關聯復雜與參數不確定性，可利用人工智能建立對應微電網的信息物理動態模型，在深度融合神經網絡的幫助下，對該模型中存在的不確定性參數實施提取，并采用先驗知識對這些參數實施校準與訓練，為制訂運行優化策略提供有力依據。

（3）針對故障類型及場景存在的不確定性，人工智能算法可挖掘任意場景中存在的多模態數據及其特征，篩選其中存在的故障模式，在此基礎上推理出單個微電網系統中存在的薄弱環節，并根據識別出的薄弱節點來制訂針對性的優化策略，以此提升微電網系統在運行時應對各類復雜場景的能力，提高微電網預測和防控相關故障的能力。

4 微電網運行優化的未來趨勢展望

利用人工智能對微電網的運行進行優化，對推動我國能源轉型和創新傳統電力系統等具有重要意義，有利于實現微電網及電網的節能降耗、穩定運行，在滿足社會用電需求的同時，幫助電力系統實現“雙碳”目標。人工智能賦能微電網運行優化是微電網未來發展的主要方向，在未來創新和優化微電網時，要持續利用人工智能來提升數學模型對不確定性的表征能力，以便在多目標協同的基礎上，對微電網運行優化過程建立特定數學模型，以在動態建模的基礎上更有效地解析微電網復雜的優化問題。

人工智能賦能微電網運行，以提升微電網運行穩定性為目標。通過優化微電網運行提升系統穩定性時，要考慮與EMS 模型性能的關系，EMS 性能主要和建模精度與計算量有關。現有研究成果中，有關微電網的設備數學模型較少?，F有模型的精度有待提升，如設備效率對儲能裝置、工作條件、設備老化及工作點等關系。高精度的模型會導致問題的復雜性提升，對時間的需求更強，且需要用到海量試驗數據。現階段MG 設備建模主要是以物理表達方式或經驗模型作為基礎，此類方法并不適合在所有物理模型中使用，所以未來需要創新開發出一種適用于多數甚至所有物理模型的方法，不斷創新建模方式。

人工智能優化微電網運行，對人工智能的可信性以及泛化性需求較高，這是未來人工智能賦能微電網運行優化的重點。此外，還要注重大模型技術的發展，盡快突破人工智能在微電網運行優化中面臨的瓶頸，拓寬微電網運行優化的途徑。目前，國內對人工智能技術的研究，越來越看重人工智能在各個領域的泛化性、功能性、可解釋性以及大模型等方面的提升。這可提高人工智能在建模與決策等方面的能力，有利于人工智能突破當前面臨的瓶頸，提升人工智能賦能微電網運行優化的效果。

未來，微電網在人工智能不斷創新和應用的過程中，將進一步實現跨越式發展。人工智能在微電網中的應用，能持續提升對微電網可再生能源預測、自動化調度與控制以及不確定性分析等方面的支持能力，其對微電網運行優化的賦能將體現在以下方面：①在人工智能技術的幫助下，微電網中火力發電占比逐漸下降，以光伏、風力為主的可再生能源發電比例持續提升，在維持自身正常功能能力和強化儲能效果的同時，微電網的碳排放量逐漸下降；可再生能源利用效果不斷提升，開發利用成本逐漸下降，在保證微電網運行穩定性和安全性的基礎上，全面優化微電網總體結構。②在人工智能的幫助下，微電網中各參與主體的協同性進一步提升，微電網中各要素之間的聯系愈發緊密。③隨著人工智能技術的創新，微電網形成高效、安全利用清潔能源的態勢，短期內將建成深度脫碳的新型微電網系統，其中存在的各種不確定性將逐漸被解決。④人工智能技術憑借強大的自主學習能力，將確定微電網向智能化的方向發展。

5 結束語

人工智能賦能微電網運行優化，要以解決微電網系統現存的問題為導向，通過采集和整合微電網運行相關數據參數，建立多樣化的數學模型，利用人工智能尋取模型的最優解。未來，要想更好地發揮人工智能賦能微電網運行優化的過程中，要以微電網運行優化目標為導向，適當創新人工智能技術，持續發揮人工智能技術在微電網中的應用價值，提升微電網運行穩定性、清潔性、節能性和經濟性。