摘 要
在能源与环境的双重压力下，微电网技术受到了越来越多的关注，由于可再生能源的不确定性，微电网的优化调度是现阶段需要解决的首要问题，微电网的优化调度关系到微电网体系内的能源利用率、承担负荷的可靠性以及同大电网供电的质量，传统的发电机，能够在燃料量充足的前提下，按照专家预期的工况运行，但微电网体系中的风力、光伏发电系统发电依赖于自然资源的程度很强，因此负荷预测是微电网中的重要环节，准确评估可再生能源发电输出功率是一个很大的挑战。
对于传统的预测模型来说，解决负荷以及可再生分布式电源预测模型的同时，存在着容易困在局部极值的问题，本文构造了长短期记忆网络模型（LSTM）和卷积神经网络（CNN）对电网数据训练并进行了预测。
本文以构建了一个风光柴储微电网模型，考虑微电网建设和运行过程中，经济性、和风光消纳，建立了微电网符合优化分配目标函数和约束条件、使用基于粒子群优化算法针对调度问题进行求解。本文先后以经济性、风光消纳为目标使用单目标粒子群算法进行调度优化。在此基础上考虑将经济性与风光消纳同时设定为调度目标，使用多目标粒子群算法进行优化调度，其中针对约束条件又添加了惩罚函数。经仿真表明，该多目标调度算法模型既能够保证系统运行稳定，又能针对不同的调度目标，降低系统发电成本的同时，提高风光消纳率。
绪论
1.1 背景和意义
目前，全球环境问题中有一部分问题是使用化石燃料进行电力生产，这也是许多国家以及社会各层次关注的问题。为了避免比经济危机更严重的生态危机，减少环境污染，温室气体排放和化石燃料的消费，支持可再生能源是一个有效的手段。全球能源转型，意味着当前使用不可再生资源的能源系统向主要基于可再生资源的能源组合转变。国际社会越来越意识到人类活动造成的主要环境问题。世界能源理事会强调，为了发展可持续的能源政策，必须考虑以下三个方面
(1)能源安全：通过有效的方法来管理国内外供给的一次能源，保障生产能源基础设施的可靠性，保障能源供应能够满足需求侧的能力。
(2)能源平等：所有人都能获得和负担得起能源供应。
(3)环境可持续性：实现供需双方的能源循环，发展可再生能源和其他低碳资源的能源供应。
经历了大量研究，如今可以更好地确定电力行业的发展方向，发电可以使用多种能源，尤其是可再生能源。此外，需求侧具有相对恒定的能源使用行为；需求的负荷在长周期内不断变化，不会突然中断，可以合理地预测。因此，目前重要的研究是，如何减少现有发电产业对环境的影响并寻求可再生能源占比更大的解决方案。
在目前电力行业建设过程中，孤岛和并网一体化的微电网可以解决上述问题。这种微电网代表了发电的一种形式，通常是多源的，它有并网以及离网两种运行模式。离网方面指的是，能源生产主要是为了自给自足。对于并网来说，微电网可以从公共电网接收电力。此外，多余的电力可以交易回公用电网，或者直接用于其他地区的微电网。
微电网系统的前提和关键是微电网的优化调度配置，主要包括建模、调度策略、评价指标、约束条件以及求解方法等。我国自然资源丰富，尤其对于海岛来说，由于大陆距离较远，想要并网十分困难。因此我国目前迫切的需要发展微电网相关技术，因为微电网发电能源的不确定性，需要首先进行负荷预测以及可再生分布式电源功率的预测，准确的评估需求后制定高效的紧急调度计划，才能保证微电网的高效稳定运行。
1.2 国内外研究现状
1.2.1 国外微电网研究现状
目前，每个国家都针对于本国的电力市场以及电力系统现状问题设定了自己国家的可持续发展目标，并对智能微电网展开了大量的研究，提出了符合各国国情的发展计划,微电网技术的发展目前有着许多的相关文献，一些文献对微电网的内部结构以及基本技术进行了介绍，对世界其他国家的微电网发展进行了介绍，并对中国的微电网技术的发展提出了建设性的建议。
智能微电网概念早期的发源地是在美国。美国CERTS研究的微电网的技术特点是系统中所有的微电源，如目前主流的光伏发电、风力发电系统等都有接口。针对微电网中小型微电源的容量和负荷均不大的特点，引入了一种与电力电子技术相关的控制策略。基于“即装即用”和“点对点”的概念[。
日本的微电网设计观念并不包含“即装即用”，但着重发展发电系统的多样化，在日本研究过程中将一些旋转发电设备，例如燃气轮机等接入微电网内。目前，已成为日本微电网的重要形式。
欧盟发起了一系列微电网以及分布式发电的项目，各个高校以及企业相继参加，对分布式集成、微电网协调控制策略、经济调度、能量优化管理等内容展开了研究。日前，欧洲地区，关于微电网运行控制等方面的理论已经逐步形成。与美国和日本相比，欧洲侧重于可再生能源的整体渗透以及微电网对大电网的影响。
除了上述地区外，其余的国家也相继开展了微电网的相关方面的研究，通过以上案例可以看出，发展微电网计划目前是各个国家电力行业的核心战略之一，并且微电网相较于普通的发电行业来说是向能源意识、服务意识以及环境意识的转变，且未来微电网的相关研究实验平台以及项目会有爆发式的增长。
1.2.2 国内微电网研究现状
国内的微电网研究从高等院校开始，国内最早的微电网教学科研基地由合肥工业大学建立，合肥工业大学建立了光伏、模拟风能供电，并使用模拟电源发电的机组，探索并研究了微电网内的能量管理系统、规划、运行控制。天津大学则建设了一个包含多种发电储能系统的实验平台，该平台电源类型丰富，并且微电网的各部分功能都很完备。
此外，我国的电力公司也在微电网的技术研究中发挥着举足轻重的作用，我国首个自主研发的微电网综合试验系统由国网浙江电力公司电科院在2010年建立。本次实验系统采用的是分布式电源、存储系统，拓扑型结构灵活。2011年,浙江电科院联合高校承接了国家863规划项目"含分布式电源的微电网关键技术研发"。之后浙江电科院联合了天津大学、合肥工业大学、东南大学、中国电科院、对微电网的规划、协调控制、能量管理、实验平台、示范工程等方面展开了研究。
国内典型的微电网示范工程有中国电科院，建设的张北试验基地微电网系统，这是我国大型风电并网系统。并与内蒙古东部电力有限公司城建各类型的风光柴储多源系统工程。
中国兴业太阳能公司，为广东东澳岛建立了一个MW级别的孤岛风光柴储系统。未来，南方电网预计会在西沙群岛建立一个智能微电网MW级别的示范项目。这些公司为我国的微电网建设提供了技术的保障。
1.2.3 微电网优化配置研究现状
微电网的优化配置调度是微电网可靠运行的前提。由于柴油发电机可以提前预期工况，但风机、光伏以及负荷都具有很强的不确定性，所以优化配置的方法也分为确定性和不确定性。在确定性方法中数据被精确测量，但是在数据处理部分可能存在数据不完整现象，目前的解决方法有：相邻区域数据代替法、网络资源获取、统计分析法。在不确定性方法中一般由概率密度函数确定原始数据。
微电网的优化配置调度是结合当地的实际资源条件以及需求确定在微电网中各个部分容量的设计以及运行参数、策略。同时评价指标也是微电网优化配置方案的一个重要因素,评价指标分为经济、环保、可靠、其他，在优化配置过程中环保和可靠可以折算到经济指标中。目前国内外的学者已经建立许多的相关模型为微电网的优化配置奠定了基础。
国外学者的文献提出了一种通过时域滚动优化的微电网能量管理系统。该系统具有预测信息方案以及经济比较框架。在2013年国外学者Alessandra Parisio解决了在满足时变要求和操作约束的同时有效优化微电网的问题。将模型预测控制（MPC）方法用于在微电网运营管理中实现经济效率。同时将该方法应用于位于希腊雅典的实验微电网：实验结果表明了该方法的可行性和有效性。但是通过MPC的方法优化目标并不是全局，而是通过时域滚动的方式进行优化。这表明，优化必须要连续的进行，并不能够脱离运行完成一次优化。因此运行过程中得到的解也并不是最优解而是次优解，这种方式对目标函数值产生了一定的局限性。
针对多目标的微电网优化调度问题，某些文献建立了包含三个目标函数值的优化调度模型，分别是微电网运行成本最低、微电网环境收益效益最高、以及微电源折旧成本最低，使用微分进化算法输出最优方案。但直接建立微电网的折旧函数中未考虑到电能供电不足情形包含的可中断成本，以及微电源维护成本。还有一些文献考虑了微电网建设过程中的经济、环保以及可靠性，并依据这些条件建立了一个污染费用小，运行成本低的多目标微电网优化调度模型，通过多目标粒子群算法对该调度模型进行求取帕累托解，对实际的案例进行分析验证其模型的有效性，但在孤岛型多源微电网中还要考虑到失负荷率的问题。
1.3 本文的主要工作
本文针对微电网的优化调度建立了相关的发电系统模型，微电网技术的发展在国内依旧处于上升趋势，在研究过程中每个类型都有不同的侧重点，比如通过风速等相关数据预测风力发电机的发电功率，根据光照条件预测光伏发电系统的输出功率。针对需求侧进行分析，提前进行负荷预测。但是传统的方法进行预测容易产生过拟合的现象。所以本文采用的是长短期记忆网络以及卷积神经网络构建了两个预测模型并对比。对于大部分微电网共有的出力单元进行了研究并构建了其数学模型，同时建立了经济、消纳两个单目标粒子群算法的优化调度流程，根据上述基础提出了经济、消纳的多目标粒子群算法的优化调度流程。在多目标的优化调度模型中得出了Patero最优解集并进行分析。具体的研究内容以及安排如下：
(1)通过调查国内以及国外微电网的相关研究，了解了微电网优化调度的基本特性、深入理解了该研究的意义
(2)对调度前的负荷预测以及可再生分布式电源功率的预测部分进行深入的研究，通过数据集建立了以长短期记忆网络算法和卷积神经网为基础的数据驱动模型，并对两种模型通过评价指标进行对比分析。
(3)对于微电网中的各个出力单元进行建模分析。
(4)以粒子群算法为基础，分别提出了单目标以及多目标对微电网优化调度的流程，单目标粒子群算法的优化调度过程中中分别考虑了经济性以及风电、光电渗透率。在多目标粒子群的优化调度过程中同时设定了经济性以及风光渗透率作为目标函数。
(5)对实际案例进行分析。分别使用建立好的单目标以及多目标优化粒子群优化调度模型对实际案例进行优化调度。并对优化调度后的结果进行分析总结。对未来的研究方向提出思考以及见解。