隨著電力市場的推進，微電網群是電力市場交易的重要應用場景，后續研究中我們將研究現貨市場環境下微電網群的優化與運行。

主要內容

1)微電網群優化調度模型。

隨著可再生能源分布式發電技術的大量應用，微電網作為分布式電源的有效接入方式，受到廣泛關注。但單個微電網具有容量有限，抗干擾能力弱等缺點，將多個微電網互聯并以集群的形式運行，有利于提高供電可靠性。本文研究的微電網群不與大電網相連，相鄰的微電網之間存在功率交換和信息交互。微電網內部包含光伏、風機、柴油發電機、蓄電池等分布式電源以及電力負荷。

本文中的優化策略主要是通過優化柴油發電機功率和蓄電池充放電功率等可控變量使得整個微電網群的運行成本最低。微電網群的優化目標是最小化全部微電網的總運行成本，包括各子微電網的蓄電池充放電損耗、柴油機燃料消耗以及交換功率的成本。微電網群優化問題的約束條件可以分為子微電網內部約束和微電網群全局約束。子微電網內部約束包括內部功率平衡約束、柴油機出力上下限約束、交換功率上下限約束和蓄電池運行約束;微電網群全局約束指的是微電網間的交換功率平衡約束，即全部子微電網的輸入或輸出的功率之和為零。

2)同步型ADMM算法和有限時間一致性算法。

標準ADMM法的迭代過程是子問題按照事先安排好的順序交替進行的，前一個子問題的求解結果會代入后一個子問題進行優化求解，所有子問題全部完成一次迭代后再更新拉格朗日乘子。

兩區域分布式優化的迭代過程寫成以下形式：

對于微電網群優化問題，交換功率平衡約束條件中包含了所有子微電網的交換功率變量。分布式優化過程中，每次迭代中需要獲取其它子微電網的期望交換功率優化結果。為了避免迭代混亂，采用同步型ADMM算法，使各子微電網在迭代過程從異步計算轉換為同步計算。在某個子微電網進行優化計算時，選取前次期望交換功率計算結果的修正值作為下一次迭代的參考值。

本文中采用的分布式算法在迭代過程中需要獲取各個微電網期望交換功率的平均值信息，通過有限一致性算法可以在沒有控制中心的情況下進行必要的信息傳遞。此外，有限時間一致性算法在通信拓撲發生改變的情況下仍然可以進行有效的信息傳遞。

3)基于MPC的分布式優化調度。

圖1 MPC的滾動優化過程

MPC的滾動優化過程如圖1所示。假如當前系統運行在時刻，采集時刻的系統狀態，在已知未來一段時域內系統擾動變量的預測信息的基礎上，以最小化運行成本為目標求取預測時域內柴油機和蓄電池的最優出力，但僅在一個控制時域內采用該優化結果，在時刻重復此優化過程。這里，只有儲能SOC值與上個時刻的狀態值有關，每個時刻需要采集的狀態變量為蓄電池的SOC值;擾動變量為具有隨機性的風光荷功率;柴油機和蓄電池的出力作為系統的控制變量，也是優化問題中的決策變量。

將MPC作為微電網群的優化調度策略，全天劃分為96個時刻進行滾動優化，采用同步型ADMM對每個時刻的優化模型進行分布式求解，同步型ADMM的分布式求解過程中需要獲取各個微電網的一致性信息(即平均的期望交換功率)，采用一致性算法在只與相鄰微電網通信的情況下獲取全局的一致性信息。

4)算例分析。

以一個由4個MG組成的微電網群為例，進行分析。圖2為分別采用本文方法和實時單步優化策略時微電網群各個時刻的運行成本對比。可以看出，兩種方法下的運行成本差異主要出現在第70至96個時刻，這段時間負荷功率處于較高的水平，MPC的每一步優化都考慮了系統未來一段時間的狀態，在負荷高峰期由柴油機和蓄電池同時供電，而單步優化中先由蓄電池供電后由柴油機供電，可以有效避免柴油機高負荷運行，從而降低運行成本。統計24h內微電網群的總運行成本，采用MPC比采用單步優化降低6.59%的運行費用。

圖2 兩種方法下的運行成本對比

創新點

1)采用同步型ADMM求解優化問題，并引入有限時間一致性算法進行信息交互，傳遞分布式算法迭代過程中所需信息，以實現完全分布式計算。

2)考慮到微電網系統的時間耦合性和多擾動的特點，將MPC和分布式算法結合，應用于微電網群的優化調度問題。MPC可以考慮未來一段時間內的系統運行狀態，通過滾動優化的方式降低風光等不確定因素的影響，達到更優的控制效果，降低微電網群的總運行成本。

后續研究方向

本文提出的微電網群分布式優化調度策略主要針對微電網群的有功功率調度問題，驗證了MPC在微電網群有功功率協調方面的有效性，但未涉及到無功功率優化方面的內容，因此后續考慮將MPC應用于微電網群的無功優化，更好協調各子微電網間的無功分布維持電壓穩定。此外，隨著電力市場的推進，微電網群是電力市場交易的重要應用場景，后續研究中我們將研究現貨市場環境下微電網群的優化與運行。