微電網互聯運行的分時優化與實時控制方法

劉 念 李巖松，2 張建華 雷金勇

(1.新能源電力系統國家重點實驗室(華北電力大學) 北京 102206 2.四川電力設計咨詢有限責任公司 成都 610041 3.南方電網科學研究院 廣州 510080)

?

微電網互聯運行的分時優化與實時控制方法

劉 念1李巖松1，2張建華1雷金勇3

(1.新能源電力系統國家重點實驗室(華北電力大學) 北京 102206 2.四川電力設計咨詢有限責任公司 成都 610041 3.南方電網科學研究院 廣州 510080)

將相鄰的孤立微電網互聯運行，可促進資源的時空互補與運行優化。提出互聯微電網分時優化調度與實時協調控制相結合的運行方法，旨在降低系統發電成本，提高運行穩定性。在分時優化調度層面，基于超短期預測結果，以全系統發電成本最低為目標，提出考慮資源時空互補特性的優化調度方法；在實時協調控制層面，針對風、光、負荷的隨機性而引起的功率波動問題，提出基于動態下垂控制的聯絡線定功率控制方法，使功率波動量得到經濟合理分配。算例驗證了分時優化調度方法可促進資源互補、降低運行成本,實時仿真結果驗證了動態下垂控制策略可有效實現聯絡線定功率控制。

互聯微電網 分時優化 實時控制 動態下垂

0 引言

微電網將各種分布式電源進行有效整合，通過合理的結構與控制策略，克服了分布式電源單獨接入電網的不可控性，形成一個獨立可控的發、供電單元[1,2]，促進多種資源互補，滿足電規劃及用戶對電能質量和供電可靠性的要求[3]。

隨著國家鼓勵政策的出臺，微電網越來越多。將臨近孤立運行的微電網互聯運行，具有極大的實用價值：①配電網故障情況下，就近微電網率先通過互聯，提高整體運行的穩定性，擴大供電范圍，實現配電網由下向上的故障恢復[4,5];②偏遠地區、海島微電網因成本問題無法與大電網連接，可與臨近區域微電網互聯，實現時空資源的互補與運行優化。

微電網的互聯方式可分為交流式與直流式兩類。交流式互聯即直接通過交流線路將微電網互聯，關鍵問題是互聯后各電源控制策略與參數的調整。文獻[4]將自動發電控制(Automatic Generation Control，AGC)應用于微電網控制，對比研究了配電網故障時單個微電網、兩微電網直接互聯及兩微電網采用AGC控制互聯三種方式的暫態穩定性，并通過仿真驗證了采用AGC的互聯微電網暫態穩定性更強，故障電流小，頻率恢復較快。文獻[5]提出配電網故障導致微電網孤立運行時，微電網之間通過配電網中壓線路進行互聯，逐步實現配電網故障恢復的方法，并給出恢復的操作流程，但對具體的換流器控制策略并無研究。文獻[6]研究了分層控制的交流多微電網系統中，底層逆變器的控制策略，采用基于線性二次型調節的下垂控制，旨在更合理地實現逆變器的功率分配并提升系統魯棒性。

直流式互聯即通過背靠背換流器將兩交流微電網系統互聯，關鍵問題在于如何通過換流器控制參數的設定，實現功率的合理互傳。文獻[7]以下垂控制的AC/DC-DC/AC換流器將臨近微電網互聯，通過微電網本身的下垂曲線與背靠背換流器的下垂曲線參數配合來實現功率互傳，同時使各微電網可獨立運行于不同電壓、頻率，且微電網內電源可更多的關注有功功率平衡，無功功率由換流器補充。文獻[8]同樣采用下垂控制的背靠背換流器互聯，交換功率決定于微電網之間的頻率差，與文獻[7]不同的是，微電網為直流系統，下垂控制中定義了開始進行功率互傳的頻率差范圍，避免波動導致功率的頻繁互傳。文獻[9]提出兩微電網通過DC/AC換流器并聯于儲能電池直流端口，其一換流器采用V/f控制為本微電網提供電壓頻率支持，另一換流器采用定功率控制，以控制交流聯絡線的功率大小與流向。

現有方法研究的核心在于交流式或直流式互聯控制策略的驗證，但互聯的本質目的是提高運行的經濟性和可靠性。如何綜合提高互聯微電網的經濟性和可靠性，現有方法未能提供解決方案。此外，直流式互聯雖可實現微電網的自治，但互聯換流器的投資問題不可忽略。

本文針對交流式互聯，考慮分布式電源發電成本，提出分時優化調度與實時定功率控制相結合的交流微電網互聯方法：①基于新能源出力與負荷的超短期預測結果，考慮時空資源互補特性，構建全系統發電成本的優化目標，優化可控電源發電計劃，實現資源互補，提升系統運行經濟性；②針對負荷、風光功率波動，采用計及發電成本的動態下垂控制，實現聯絡線的實時定功率控制，避免遠距離的電源參與調壓調頻帶來的額外損耗，在提升系統穩定性的同時，進一步達到最優經濟效益。

1 “分時優化+實時控制”的微電網互聯控制框架

如前所述，微電網之間通過互聯協調控制，實現優勢互補，但多個微電網互聯后：①需根據各個微電源的發電成本，重新進行系統內微電源的出力調度，以達到最優經濟效果；②由于光伏、風機出力的間歇性及負荷的隨機波動性，電源出力需實時調整，并對功率變化量進行合理分配。這就需要綜合考慮經濟調度與實時控制的協調。本文提出如圖1所示的“分時優化+實時控制”的微電網互聯運行方法。

圖1 “分時優化+實時控制”的微電網互聯控制方法Fig.1 “Hour-ahead optimization + Real-time control” method of migro-grids’ interconnection

在對互聯微電網系統內光伏發電、風力發電功率以及負荷需求預測的基礎上，以互聯微電網系統發電總成本最小為目標，制定下一時段系統內所有可控電源的最優目標出力及微電網交換功率目標的計劃值。為應對光伏功率、風機功率及負荷波動，采用動態下垂控制策略，修正聯絡線實際交換功率與計劃值之間的偏差，實現微電網內部波動的自平衡。在保證系統運行穩定性的基礎上，實現資源互補，提升互聯系統的運行經濟性。當出現大幅度波動，使風光功率與負荷的凈功率預測誤差超出預先設定的限值時，則認為有必要對本時段的調度計劃進行修正，即利用此時的全網數據，重新進行優化調度以生成可控電源的出力計劃與聯絡線功率控制目標。

2 互聯微電網分時優化模型

本文考慮包含分布式光伏(Photovoltaic，PV)、風力發電機(Wind Turbine，WT)、儲能鋰電池組(Battery Energy Storage System，BE)、柴油發電機(Diesel Generator，DG)及基本生活負荷的微電網。由于對次日24 h風、光、負荷預測誤差達15%～25%乃至更高[10-13]，因此對次日全天的總運行成本進行優化難以達到理想的最優效果。而超短期預測結果可控制在10%以下[14-17]，因此本文采用基于超短期預測的分時優化調度，即基于對下一時段光伏、風機發電功率預測與負荷預測結果，采用最優潮流算法[18]，以兩微電網互聯后總體發電成本最小為目標，對互聯微電網進行優化調度。

2.1 目標函數

在本文研究的目標函數中，計及了所有發電單元的發電成本，表示為

(1)

式中,F為兩微電網總發電成本；n為兩微電網中可控電源數，包括儲能電池組、柴油發電機、微型燃氣輪機；Fil、Fir、Fif、Fie分別為可控電源i在本時段內的損耗成本、運行維護成本、燃料成本與排放懲罰成本[19]。

1)柴油發電機組發電成本。

柴油發電機的發電成本包含與機組投資及折舊相關的損耗成本、運行維護成本、燃料成本、排放懲罰成本，即

FDG=Floss+Frun+Ffuel+Femission

=IDG/Tlife+KrPG+(AfPG+BfPNG)φf+KePG

(2)

式中，IDG為機組的折舊費用；Tlife為使用年限，殘值率取3%，以直線法計算折舊費用；Kr、Ke分別為運行維護系數、排放懲罰系數，按照文獻[20,21]計算得取值Kr=0.088 元/(kW·h)，Ke=0.762 元/(kW·h)；Af、Bf為柴油消耗系數;φf為柴油價格，元/L;PNG、PG為柴油發電機額定功率與實際發電功率。按照文獻[22]推薦取值，Af=0.081 45 L/(kW·h)，Bf=0.246 L/(kW·h)。

2)儲能系統發電成本。

儲能系統運行中無燃料消耗，主要考慮其循環損耗成本與運行維護成本。在微電網分時優化的一個調度周期內，儲能電池的充/放電過程不是一個完整的循環，而是其中一部分。且在超短期的優化調度中，可能有連續多個時段處于放電(或充電)狀態，但優化計算中需要核算其中一個時段的損耗成本。本文提出面積占比法來衡量一個不完整充/放電過程的等效損耗成本。

當放電深度(Depth of Discharge，DOD)為R時，電池壽命內最大循環充放電次數表示為[23]

N(R)=α1+α2eα3R+α4eα5R

(3)

式中,α1～α5為擬合系數，α1=2 881.5，α2=5 998.0，α3=-33.7，α4=4 334.9，α5=-3.6。擬合曲線如圖2所示。

圖2 鋰電池最大循環次數與放電深度關系曲線Fig.2 Relationship between the number of cycles and DOD

設儲能系統初始投資為IBE，以放電深度R最大可循環N(R)次，則每次的等效損耗成本F1(R)[24]可以式(4)表示，并示于圖3a。可見隨著放電深度的升高，循環一次的等效損耗成本呈非線性增加。因此，將圖3a的曲線縱坐標按式(5)所示無量綱歸一化處理后，可近似地將曲線看作在一個由0～1.0的放電過程中電池實時損耗成本的變化趨勢(如圖3b所示)，而曲線Rdc0至Rdc1下覆蓋的面積可以近似表示在放電深度由Rdc0至Rdc1過程中的等效損耗，如圖4所示。

(4)

圖3 鋰電池等效損耗成本與放電深度關系曲線Fig.3 Relationship between equivalent loss cost and DOD

圖4 實際充放電循環的等效損耗成本Fig.4 Equivalent loss cost of a actual cycle

(5)

放電損耗成本：

假設時段t內儲能電池處于放電狀態，放電深度由Rdc0增加至Rdc1，如圖4所示，將Rdc1左側部分曲線關于直線R=Rdc1對稱得到相應的充電過程等效損耗曲線。則這一時段的儲能電池等效損耗成本為

(6)

式中,S1為圖中陰影部分的面積；Scircle為整條等效損耗曲線下的總面積。

同理，若時段t內儲能電池處于充電狀態，放電深度由Rc0降低至Rc1，則充電損耗成本為

(7)

以放電損耗成本的計算為例，本文所述計算方法的特點在于，即使下一時段仍為放電狀態，也依然采用本時段結束時的放電深度Rdc1對應的次循環成本F1(Rdc1)為基準進行計算。因為放電深度低時，其動態的損耗成本也是偏低的，若將其納入到全時段最終放電深度對應的等效損耗中進行計算，則必然導致計算結果的偏高。

2.2 約束條件

1)互聯系統功率平衡約束。

微電網間的聯絡線通常較微電網內部線路長得多，而聯絡線輸送功率的多少直接影響線路功率損耗，故不可直接忽略系統網損。本文采用節點功率平衡方程作為系統功率平衡約束

(8)

式中,PGi、QGi為節點i的有功、無功出力；PDi、QDi為節點i的有功、無功負荷預測與風、光功率預測結果之差[25]；Vi、θi為節點i電壓幅值與相角，θij=θi-θj；Gij、Bij為節點導納矩陣第i行第j列元素的實部與虛部。

2)可控電源出力約束。

(9)

3)節點電壓約束

(10)

4)線路潮流約束

(11)

5)儲能電池充放電功率與能量約束

(12)

3 互聯微電網聯絡線實時定功率控制

微電網運行過程中，負荷需求常發生隨機波動；受天氣變化影響，風機、光伏發電功率也常發生間歇性波動。為保證系統頻率、電壓維持在額定值，各可控電源出力必然偏離分時優化調度結果[27,28]，且由于各自控制系數的不協調，將使可控電源對功率變化量分配不平衡。此外，在促進資源互補的場景下，微電網間不需跨越長距離聯絡線輔助調頻調壓。因此，必須通過可控電源的控制，對聯絡線進行定功率控制。

本文提出聯絡線實時定功率控制，針對負荷與風電、光伏發電的小幅度波動，實時修正各可控電源的輸出，平抑聯絡線功率的波動[29]，使系統內功率變化得到合理分配。當出現大幅度波動，需可控電源進行大功率調整時，則認為有必要對調度計劃進行修正，即利用此時的全局數據，重新進行優化計算以生成新的可控電源的出力計劃與聯絡線功率控制目標。

3.1 基于發電成本的可控電源功率修正量計算

(13)

(14)

上述控制參考偏差ΔPs-t-Tie、ΔPr-t-Tie即分別為供受微電網總的功率調整目標。為進一步得到微電網內部可控電源各自分擔的調整功率，本文采用“等發電成本微增率準則”[30]進行分配。定義可控電源的發電成本微增率

(15)式中,λi為可控電源i的發電成本微增率；PGi為可控電源i的輸出有功功率；F(PGi)為發電成本對發電功率的函數關系式，由2.1節儲能系統發電成本計算而得。

按照等發電成本微增率準則分配功率調整目標的過程如圖5所示。

圖5 聯絡線功率控制參考偏差的最優分配Fig.5 Optimal distribution for reference deviation of tie-line power

可控電源i在時刻T1輸出有功功率PGi1，發電成本微增率為λT1，出現波動后，調整至λT2，輸出有功功率調整至PGi2，其輸出有功功率調整量ΔPGi滿足：

(16)

由此，互聯微電網聯絡線實時定功率控制策略如圖6所示。

圖6 聯絡線實時定功率控制Fig.6 Real-time contorl of tie-line power

圖6中，1/(1+sTd)為低通濾波器，用以屏蔽微小的高頻波動信號，避免控制器持續處于修正狀態；Kp+Ki/s為PI控制器，用以形成閉環控制并限制微電網的功率總修正量。

3.2 動態下垂控制

以供方微電網為例，假設供方微電網間歇性能源出力減少導致聯絡線功率減少，則由式(13)知ΔPs-t-Tie為正，其內部可控電源應增加出力。按照式(16)，每個可控電源應多發的功率為ΔPGi。下垂控制通過模擬傳統同步發電機的一次調頻特性，使微電網中各電源按照下垂系數比例共同承擔系統的有功和無功功率采用動態下垂控制[31]。將ΔPGi作為功率參考修正量，動態設定下垂曲線的參考運行點，實現在允許輸出功率范圍內對聯絡線的定功率控制。引入功率修正的動態下垂控制算法為

(17)

式中,PGit為分時優化所得的可控電源i在時段t內的計劃發電量；PGi為可控電源實際發電量；QGiN為可控電源i額定無功發電量。引入功率修正的動態下垂控制示意圖如圖7所示。

圖7 動態下垂調節Fig.7 Diagrammatic sketch of dynamic droop control

基于文獻[32]所述下垂控制策略，本文動態下垂控制算法的實時控制框圖如圖8所示。

圖8 實時控制框圖Fig.8 Diagram of real-time control

通過這種控制策略，系統內新能源功率、負荷波動量由基于等發電成本微增率的動態下垂控制自動實現功率差額的合理分配，本網波動由本網內電源負責平衡，避免遠距離外的互聯微電網參與頻繁調整，提升系統運行穩定性。

4 算例

在上層優化調度中，本文以15 min為一個調度周期，根據歷史數據預測下一時段負荷功率與風光功率，據此進行可控電源的最優出力規劃。在下層實時運行中，本文設定若實際風、光與負荷功率的凈值與預測值偏差超過30%且持續時間超過5 min，則重新進行優化計算并按照新的計算結果進行實時控制。

算例構建了如圖9所示的兩微電網系統，各電源參數配置見表1。微電網1建有500 kW光伏發電系統及500 kW風機，微電網2由于地理條件限制，無法安裝風力發電機，但建有500 kW光伏發電。兩微電網均配備有柴油發電機組和儲能系統。

圖9 兩微電網互聯結構Fig.9 Structure of two micro-grids interconnecting

表1 兩微電網電源參數配置Tab.1 Parameters of sources in the two micro-grids

4.1 分時優化

圖10與圖11給出了典型日下風機WT1和光伏PV1、PV2的發電功率及兩微電網負荷的超短期預測結果。儲能電池BE11、BE12、BE2初始時刻SOC均為60%。由于柴油發電機工作效率的問題，本文將柴油發電機最小運行功率限制為0.25倍額定功率。互聯運行時以DG2作平衡節點，若其關停，則改為BE12。孤立運行時，微電網1以DG1為平衡節點，若其關停，則改為BE12；微電網2以DG2為平衡節點，若其關停，則改為BE2。

圖10 風、光功率超短期預測結果Fig.10 Ultra-short term forecasting of wind and PV

圖11 負荷超短期預測結果Fig.11 Ultra-short term forecasting of load

在互聯運行與孤立運行兩種情況下，均采用最優潮流算法所得全天各可控電源的最優出力如表2及圖12所示。經比較，兩微電網各自孤立運行時，微電網1棄風、光共2.72 MW·h，兩微電網柴油機發電量達4.55 MW·h；而互聯運行時，通過臨近充分的微電網消納，柴油機發電量減少至1.37 MW·h，全天的運行費用由73 628元降至56 346元，經濟效益提升23.4%。

表2 互聯與否運行結果對比Tab.2 Result of interconnecting or not

圖12 分時優化的可控電源計劃輸出功率Fig.12 Hour-ahead optimization result of controllable sources

對比圖10、圖11與圖12可見，當微電網1中新能源發電功率富余時，富余功率經聯絡線為微電網2所用，DG1全天處于停運狀態。5∶45～6∶00時段，微電網1中的富余功率減少，而微電網2負荷較大，故調度DG2啟動并工作于最低輸出狀態，因而儲能系統輸出功率減少。此外，由于DG2有最低運行功率限制，7∶30～8∶00時段，儲能系統甚至處于低功率充電狀態。至8∶15時微電網1中WT1輸出功率增加，DG2停運，儲能系統繼續充電。11∶00～12∶00時段，1風光功率供給負荷與本系統儲能，無富余功率向微電網2傳輸。17∶00～21∶00時段，同樣由于微電網1負荷功率與風光功率相抵，聯絡線傳輸功率較少，微電網2的DG2啟動。21∶00后風機功率增加，儲能系統均進入充電狀態。

孤立運行時微電網1在2∶00后由于儲能電池充滿而處于棄風、棄光狀態，儲能電池進行小功率充電或放電以維持系統電壓頻率穩定，全天DG1未啟動。微電網2在0∶00～0∶15時段僅由BE2供電，此后DG2啟動，至2∶45時BE2放電至最小SOC而停運。8∶30～10∶00時段，由于DG2的最小運行功率限制，負荷無法消耗的功率向BE2充電。10∶00～15∶00時段,G2停運，BE2放電。11∶00～14∶00時段,PV2發電功率大于負荷需求量，富余功率向BE2充電。

對比可見，通過系統互聯，在實現時空資源互補的同時，儲能電池的充放電循環次數減少，且降低了儲能電池放電至較低SOC的概率，減少儲能電池的運行損耗。

4.2 實時定功率控制的可控電源參考發電功率計算

圖13～圖15給出了系統內負荷、風機、光伏發電的實時功率曲線及算法計算所得可控電源的實時出力曲線。可見，由于儲能系統的等發電成本微增率曲線落在柴油發電機曲線的下方，故在儲能系統充/放功率不超過限值時，均由儲能系統平衡負荷與風光功率的波動。柴油發電機則按照最優規劃的計劃值運行。

本算例中在圖14所示①②處分別加入了風機出力、光伏系統出力的大幅度波動，但二者持續時間不同。7∶45～8∶15時段，微電網2中光伏電池由于云團遮擋，先后出現三次預測外的短時功率波動；13∶00左右出現風速突降，風機實際輸出功率降低，持續10 min以上。波動情況與可控電源實時出力的計算結果如圖16所示。

圖13 負荷實時功率曲線Fig.13 Real-time active power of load

圖14 風、光實時功率曲線Fig.14 Real-time active power of wind and PV

圖15 可控電源實時輸出功率曲線Fig.15 Real-time active power of controlable sources

圖16 風光波動下的可控電源輸出功率Fig.16 Active power of controlable sources in case of disturbance of WT and PV

7∶47時由于云層遮擋，PV2輸出功率由0.15 MW降低至0.08 MW，為維持聯絡線功率穩定在此時段分時優化所得的目標值，微電網2中BE2輸出功率增大至0.1 MW進行平衡，而微電網1中BE11、BE12均保持原值，實現本網波動的自平衡。但由于光伏功率持續較短時間就恢復至預測值附近，故不需重新進行優化調度。

13∶00左右，由于風速突降，WT1輸出功率由0.17 MW降低至0.12 MW，與預測值0.18 MW偏差達到33%。BE11、BE12按照等發電成本微增率曲線各自多發功率，與規劃值偏差分別達到25.2%、24.4%，因此在持續時間超過5 min時，重新進行可控電源出力的優化計算。重新規劃后，微電網1向微電網2傳輸功率參考值由0.057 MW降至0.032 MW，三臺儲能系統出力參考值亦各自提高。此外，在重新規劃前的5 min內，BE2不參與微電網1的調整，輸出值維持在規劃值附近。

4.3 基于動態下垂的實時定功率控制仿真驗證

為驗證所提聯絡線實時定功率控制策略的有效性，本文基于PSCAD/EMTDC搭建了圖9所示的互聯微電網元件級暫態仿真模型。算例采用前述優化結果中6∶15～6∶30時段的優化規劃出力結果，在風速突降、負荷突增的情況下，對基于發電成本的動態下垂控制策略的有效性進行了驗證。仿真結果如圖17所示。

圖17 實時控制各電源與負荷有功功率Fig.17 Active power of sources and loads with real-time zero error control

15.8 s時風速由8.2 m/s漸變到7.5 m/s，輸出功率由0.243 MW降至0.194 MW。相應地，微電網1中的儲能系統BE11、BE12按照等發電成本微增率曲線修正動態下垂控制的參考功率，最終分別增加有功出力0.025 MW、0.014 MW，而微電網2中的儲能系統不參與調整。

18 s時，微電網2負荷L21增加0.03 MW。由于儲能系統BE2發電成本較柴油發電機低，且其輸出功率未達到上限，故增發0.03 MW以滿足負荷所需，使聯絡線功率維持為0.185 MW。而微電網1中的儲能系統不參與調整，從而避免大量功率經聯絡線傳輸造成的附加損耗。通過仿真，驗證了所提基于動態下垂控制的聯絡線定功率控制方法的有效性，通過實時修正可控電源的輸出功率，使風、光、負荷波動引起的系統功率變化得到經濟分配。

5 結論

孤立的微電網通過互聯運行，可實現時空資源互補，提升整體運行的經濟性與穩定性。本文提出了“分時優化調度+實時協調控制”的互聯微電網運行方法：

1)分時優化調度層面，以15 min為一個調度周期，基于光伏、風機功率與負荷預測結果，以全系統發電成本最低為目標，采用最優潮流算法優化可控電源的調度計劃。此外，本文考慮了不同微電網之間的資源互補特性，通過系統綜合優化提升整體運行的經濟性。

2)實時協調控制層面，以上層分時優化調度的結果為基準，針對風光功率、負荷的隨機性而引起的聯絡線功率波動，采用計及發電成本的動態下垂控制方法，實現功率波動量的合理分配，避免聯絡線功率越限或互聯后控制系數不協調而引起電源功率分配的不平衡，增強系統運行穩定性。

本文著眼于微電網互聯在提升時空資源互補與運行穩定方面的應用，后續將開展對配置各類電源的對等、非對等微電網的互聯，在調壓調頻輔助服務、提供旋轉備用等方面應用的研究。此外，對各類天氣情況下的經濟效益衡量及其對全壽命周期內投資收益影響的研究亦有較大意義。

[1] Lasseter R H，Akhil A，Marnay C，et al.The CERTS microgrid concept，White paper on integration of distributed energy resources[R/OL].http：//www.energy.ca.gov/research/notices/2002-05-02_WORKSHOP_SUPP.PDF.

[2] 王成山，武震，李鵬.微電網關鍵技術研究[J].電工技術學報，2014，29(2)：1-12. Wang Chengshan，Wu Zhen，Li Peng.Research on key technologies of microgrid[J].Transactions of China Electrotechnical Society，2014，29(2)：1-12.

[3] 張建華，于雷，劉念,等.含風/光/柴/蓄及海水淡化負荷的微電網容量優化配置[J].電工技術學報，2014，29(2)：102-112. Zhang Jianhua，Yu Lei，Liu Nian，et al.Capacity configuration optimization for island microgrid with wind/photovoltaic/diesel/storage and seawater desalination load[J].Transactions of China Electrotechnical Society，2014，29(2)：102-112.

[4] Kamel R M，Chaouachi A，Nagasaka K.Analysis of transient dynamic response of two nearby micro-grids under three different control strategies[J].Low Carbon Economy，2010，1：39-53.

[5] Resende F O，Gil N J，Pecas Lopes J A.Service restoration on distribution systems using multi-microgrids[J].European Transactions on Electrical Power，2010，21(2)：1327-1342.

[6] Shahnia F，Chandrasena R P S，Rajakaruna S，et al.Primary control level of parallel distributed energy resources converters in system of multiple interconnected autonomous microgrids within self-healing networks[J].IET Generation Transmission & Distribution，2014，8(2)：203-222.

[7] Nutkani I U，Loh P C，Blaabjerg F.Distributed operation of interlinked ac microgrids with dynamic active and reactive power tuning[J].IEEE Transactions on Industry Applications，2013，49(5)：2188-2196.

[8] Kaneko N，Fujita G.Autonomous decentralized control of preserving-type distributed energy system[C]//International Universities’ Power Engineering Conference，2013：1-6.

[9] Koyanagi K，Hida Y，Yokoyama R，et al.Electricity cluster-oriented network：A grid-independent and autonomous aggregation of micro-grids[C]//IEEE Proceedings of the International Symposium on Modern Electric Power Systems，2010：1-6.

[10]徐曼，喬穎，魯宗相.短期風電功率預測誤差綜合評價方法[J].電力系統自動化，2011，35(12)：20-26. Xu Man，Qiao Ying，Lu Zongxiang.A comprehensive error evaluation method for short-term wind power prediction[J].Automatic of Electric Power System，2011，35(12)：20-26.

[11]Ravn H F.Short term wind power prognosis with different success criteria[C]//International Conference on Probabilistic Methods Applied to Power Systems，2006：1-5.

[12]朱永強，田軍.最小二乘支持向量機在光伏功率預測中的應用[J].電網技術，2011，35(7)：54-59. Zhu Yongqiang，Tian Jun.Application of least square support vector machine in photovoltaic power forecasting[J].Power System Technology，2011，35(7)：54-59.

[13]湯慶峰，劉念，張建華,等.基于EMD-KELM-EKF與參數優選的用戶側微電網短期負荷預測方法[J].電網技術，2014，38(10)：2691-2699. Tang Qingfeng，Liu Nian，Zhang Jianhua，et al.A short-term load forecasting method for micro-grid based on EMD-KELM-EKF and parameter optimization[J].Power System Technology，2014，38(10)：2691-2699.

[14]何東，劉瑞葉.基于主成分分析的神經網絡動態集成風功率超短期預測[J].電力系統保護與控制，2013，41(4)：50-54. He Dong，Liu Ruiye.Ultra-short-term wind power prediction using ANN ensemble based on the principal components analysis[J].Power System Protection and Control，2013，41(4)：50-54.

[15]程序，周海，王知嘉,等.晴空工況光伏超短期功率預報方法[J].可再生能源，2011，29(6)：142-145. Cheng Xu，Zhou Hai，Wang Zhijia，et al.The method for ultra-short-term photovoltaic power prediction under clear sky condition[J].Renewable Energy Resources，2011，29(6)：142-145.

[16]陳民鈾，朱博，徐瑞林，等.基于混合智能技術的微電網剩余負荷超短期預測[J].電力自動化設備，2012，32(5)：13-18. Chen Minyou，Zhu Bo，Xu Ruilin，et al.Ultra-short-term forecasting of microgrid surplus load based on hybrid intelligence techniques[J].Electric Power Automation Equipment，2012，32(5)：13-18.

[17]修春波，任曉，李艷晴，等.基于卡爾曼濾波的風速序列短期預測方法[J].電工技術學報，2014，29(2)：253-259. Xiu Chunbo，Ren Xiao，Li Yanqing，et al.Short-time prediction method of wind speed series based on Kalman filtering fusion[J].Transactions of China Electrotechnical Society，2014，29(2)：253-259.

[18]王錫凡，方萬良，杜正春.現代電力系統分析[M].北京：科學出版社，2009.

[19]趙媛媛，艾芊，余志文,等.考慮多種因素評估的微電網優化調度[J].電力系統保護與控制，2014，42(23)：23-30. Zhao Yuanyuan，Ai Qian，Yu Zhiwen，et al.A microgrid optimal scheduling considering the assessment of various factors[J].Power System Protection and Control，2014，42(23)：23-30.

[20]陳健，王成山，趙波,等.考慮儲能系統特性的獨立微電網系統經濟運行優化[J].電力系統自動化，2012，36(20)：25-31. Chen Jian，Wang Chengshan，Zhao Bo，et al.Economic operation optimization of a stand-alone microgrid system considering characteristics of energy storage system[J].Automatic of Electric Power System，2012，36(20)：25-31.

[21]丁明，張穎媛，茆美琴，等.包含鈉硫電池儲能的微網系統經濟運行優化[J].中國電機工程學報，2011，31(4)：7-14. Ding Ming，Zhang Yingyuan，Mao Meiqin，et al.Economic operation optimization for microgrids including na/s battery storage[J].Proceedings of the CSEE，2011，31(4)：7-14.

[22]Dufo-lópez R，Bernal-Agustin J L.Multi-objective design of PV-wind-diesel-hydrogen-battery systems[J].Renewable Energy，2008，33(12)：2559-2572.

[23]Vrettos E I，Papathanassiou S A.Operating policy and optimal sizing of a high penetration res-bess system for small isolated grids[J].IEEE Transactions on Energy Conversion，2011，26(3)：744-756.

[24]沈玉明，胡博，謝開貴,等.計及儲能壽命損耗的孤立微電網最優經濟運行[J].電網技術，2014，38(9)：2371-2378. Shen Yuming，Hu Bo，Xie Kaigui，et al.Optimal economic operation of isolated microgrid considering battery life loss[J].Power System Technology，2014，38(9)：2371-2378.

[25]劉念，張清鑫，劉海濤.基于核函數極限學習機的微電網短期負荷預測方法[J].電工技術學報，2015，30(8)：218-224. Liu Nian，Zhang Qingxin，Liu Haitao.Online short-term load forecasting based on ELM with kernel algorithm in micro-grid environment[J].Transactions of China Electrotechnical Society，2015，30(8)：218-224.

[26]路欣怡，劉念，陳征,等.電動汽車光伏充電站的多目標優化調度方法[J].電工技術學報，2014，29(8)：46-56. Lu Xinyi，Liu Nian，Chen Zheng，et al.Multi-objective optimal scheduling for PV-assisted charging station of electric vehicles[J].Transactions of China Electrotechnical Society，2014，29(8)：46-56.

[27]尤毅，劉東，鐘清,等.多時間尺度下基于主動配電網的分布式電源協調控制[J].電力系統自動化，2014，38(9)：192-198，203. You Yi，Liu Dong，Zhong Qing，et al.Multi-time scale coordinated control of distributed generators based on active distribution network[J].Electric Power Automation Equipment，2014，38(9)：192-198，203.

[28]奚玲玲.分布式能源微網控制保護與能量管理解決方案[J].電氣技術，2014(S1)：79-81. Xi Lingling.Control and protection strategy and energy management solution for micro-grid consists of distributed sources[J].Electrical Engineering，2014(S1)：79-81.

[29]于文鵬，劉東，余南華.饋線控制誤差及其在主動配電網協調控制中的應用[J].中國電機工程學報，2013，33(13)：108-115. Yu Wenpeng，Liu Dong，Yu Nanhua.Feeder control error and its application in coordinate control of active distribution network[J].Proceedings of the CSEE，2013，33(13)：108-115.

[30]陳珩.電力系統穩態分析[M].北京：中國電力出版社，2007.

[31]沈沉，吳翔宇，王志文,等.微電網實踐與發展思考[J].電力系統保護與控制，2014，42(5)：1-11. Shen Chen，Wu Xiangyu，Wang Zhiwen，et al.Practice and rethinking of microgrids[J].System Protection and Control，2014，42(5)：1-11.

[32]王成山，肖朝霞，王守相.微網中分布式電源逆變器的多環反饋控制策略[J].電工技術學報，2009， 24(2)：100-107. Wang Chengshan，Xiao Chaoxia，Wang Shouxiang.Multiple feedback loop control scheme for inverters of the micro source in microgrids[J].Transactions of China Electrotechnical Society，2009，24(2)：100-107.

Hour-Ahead Optimization and Real-Time Control Method for Micro-Grid Interconnection

Liu Nian1Li Yansong1，2Zhang Jianhua1Lei Jinyong3

(1.State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources North China Electric Power University Beijing 102206 China 2.Sichuang Electric Power Design & Consulting Company Limited Chengdu 610041 China 3.Electric Power Research Institute China Southern Power Grid Guangzhou 510080 China)

It is conducive for operation optimization and resource complementation in space and time to interconnect the neighboring autonomous micro-grids.An operation method combining hour-ahead optimization with real-time control is put forward in this paper，aimed at reducing generation cost and improving operation stability.From the aspect of hour-ahead optimization，a dispatching method of global optimization is proposed,which takes resource complementarity in space and time into consioderation.It is based on ultra-short term forecasting results and aims at a minimum generation cost.From the aspect of real-time coordination control，in view of the power fluctuation problem caused by randomness of wind resource，solar resource and load，a method of constant power control for the tie-line based on dynamic droop control strategy is proposed.It makes the power fluctuations distributed reasonably and economically.Finally in this paper，an example is executed in order to verify that the dispatching method of short-term optimization can promote resource complementation and reduce operation cost.The result of the real-time simulation confirms the validity of the dynamic droop control strategy for constant power control of the tie-line.

Micro-gird interconnection，hour-ahead optimization，real-time control，dynamic droop control

國家高技術研究發展計劃項目(863計劃)(2014AA052001)資助。

2015-04-22 改稿日期2015-08-11

TM732

劉 念 男，1981年生，博士，副教授，研究方向為智能配用電與微電網、電力信息安全等。

E-mail:nian-liu@163.com(通信作者)

李巖松 男，1991年生，碩士研究生，研究方向為微電網運行與控制。

E-mail:liyansong169@126.com