【混合微电网能量管理技术实现14000字（论文）】

混合微电网能量管理技术实现目录TOC\o"1-3"\h\u11459第一章绪论 2288991.1课题研究背景与意义 2231721.2微电网的研究现状 3222901.2.1国外微电网技术研究现状 3252881.2.2国内微电网技术研究现状 4293011.2.2微电网能量优化管理研究现状 517974第二章

交直流混合微网结构及各电源模型 7125502.1微电网的结构分析 7130622.2各分布式电源基本原理和数学模型 8183442.2.1

光伏发电基本原理和模型 8215212.2.2风力发电基本原理和模型 12167332.2.3

蓄电池发电基本原理和模型 13116652.2.4微型燃气轮机发电基本原理和模型 14188392.2.5燃料电池发电基本原理和模型 1473812.4本章小结 174511第3章可再生能源输出功率预测 17313293.1引言 17293523.3遗传算法优化BP神经网络预测模型研究 2067503.3.1微电网中风电光伏功率预测 22146033.4本章小结 251352第四章混合微电网优化调度系统 26109324.1微电网能量管理的整体框架 26212994.2微电网能量管理策略的建模 27107154.2.1目标函数 2797674.2.2约束条件 28摘要近年来能源短缺和环境污染问题日益严峻,而大力发展和利用可再生能源是解决这两个问题的主要解决办法。而微电网技术在接纳大规模风光入网方面具有很大的应用前景。为了让微电网在大量使用可再生能源时具有更好的经济性、可靠性及自主性,本文针对微电网能量管理的优化问题展开了研究,主要的工作如下：

首先，介绍了课题的背景意义，国内外微电网的发展情况，然后对微电网的能量管理现状做了总结。对微电网的的结构做的介绍，对微电网的各个电源做了介绍和数学建模

其次，提出了一种改进的优化算法，用遗传算法改进后的BP神经网络对可再生能源进行功率预测。经过仿真验证，改进后的算法

接着，建立了并网运行模式下交直流混合微电网优化调度模型，其优化目标

为综合运行成本最小，并给出了目标函数以及各项约束条件，在日前调度策略的

影响下，结合加入混沌搜索机制的量子粒子群优化算法进行求解，配置有效的出

力顺序并对各分布式电源进行出力计算，计算出各微源全天每小时的输出功率情

况，以达到成本最低的目的。

最后，利用MATLAB程序设定仿真参数，得到求解后的调度图并对其进行分析。再以某项目的微电网数据为例计算出改进算法前后的综合运行成本结果，实验结果表明，经两种算法比较，改进后的量子粒子群算法具有收敛速度更快精度更高、不会过早陷入局部最优解的优势。微网的综合运行成本也得到了很大程度的节约，对微网的整体经济运行具有一定的理论指导意义与工程实用价值。第一章绪论1.1课题研究背景与意义能源是推动人类经济建设和社会发展的最根本动力。但是自从19世纪70年代的产业革命以来，科学技术的不断加速更新，人类发展的脚步大大加快，使得全球能源消耗急剧增加"。其中，煤炭、石油和天然气等化石能源的全球储备量迅速减少，据统计，石油将会在2040年左右枯竭，天然气会在2060年左右枯竭，而煤炭的储备量也只能维持200年。同时，化石能源在燃烧时会排出大量有毒气体和温室气体，并严重地伤害自然环境。严峻的能源危机和环境污染问题迫使我们必须寻找到一条能源使用的可持续发展道路，而太阳能、风能等可再生能源带给我们解决这些问题的希望2]。但是由于对太阳能和风能等的使用受到了风速和日照强度等自然环境极大的影响，这些可再生能源机组的输出功率呈现出波动性和不确定性，如果直接大规模接入电网不仅会降低电网的电能质量，还会严重威胁到电网的安全运行。而分布式电源(DistributedGeneration,DG)发电技术由于其占地少，投资小、环保效益好和能源利用率高等优点被用来实现可再生能源的大量使用。微电网的概念最早是由美国电力技术研究机构，电力可靠性技术解决方案会(ConsortiumforElectricReliabilityTechnologySolutions,CERTS)提出的。它是--种含有多种微电源、用电负荷、储能装置和能量转换装置，且能够实现自我调控，监控和保护的小型供配电自治系统11-13]。微电网技术在国际性电工标准化机构,国际电工委员会(IntermationalElectrotechnicalCommission,IEC)发布的《2010-2030应对能源挑战白皮书》中被列为解决未来能源问题的关键性技术之--。作为-种新型电力应用技术，微电网技术具有以下4个特征:1)“小型”，微电网的电压等级一般较小，不会超过10kV。且与电力用户距离较近，电能能够自产自销;2)“无污染”，微电网中的微电源一般污染较小，且微电网在运行时也会对污染较大的柴油机机组等进行排放约束;3)“自治”，微电网可以自行调度内部的微电源发电功率等实现内部功率平衡;4)“友好”，微电网作为一种可靠、灵活的小型电力系统，它既能够独立的孤岛运行，也可以与外部配电网相连而并网运行[14]。而在我国，微电网技术的研究有着重大的意义:1)我国地大物博，各地的气候不尽相同，利用微电网发电技术，可以减少远距离的输配电，降低了发电成本的同时减小了用电风险;2)我国的环境问题相对于其他国家更为严重,微电网技术可以有效的减少环境的破坏;3)我国的风能、太阳能灯可再生能源比较充沛，具有很大的开发潜力;4)我国很多偏远地区不适宜大规模输电,就地的微电网发电技术很适合我国国情。所以，大力发展微电网技术非常有利于我国的电力建设工作15]。1.2微电网的研究现状1.2.1国外微电网技术研究现状近些年，限于全球能源局势，各国都在开发替代性能源或能源利用形式，随着微电网技术的研究深入，众多微电网示范工程或实验平台建成，为微电网技术研究和投入工程实际使用奠定了重要基础。

美国国家可再生能源实验室(National

Renewable

Energy

Laboratory,

NREL)积极开展了微电网基本理论和测试验证等方面的研究，并开发了相应的模型和软件工具。NREL建立的微电网系统包括风机、光伏电池、蓄电池储能、微型燃气轮机等电源，可以实现并网或离网运行;开发的软件工具HOMER，可以遍历各种电源类型的组合，提供灵敏度分析，经济、环保性能分析等功能1。

另外，众多高校研究机构或企业也积极投入微电网技术的研究工作中，如威斯康星大学(UW)建立的微电网系统包含电源和储能系统其中逆变器采用了功率频率下垂控制方法，各组件可实现“即插即用”微电网运行模式:离网运行时，可无缝平衡功率需求;微电网被美国能源部列入美国“Grid2030”未来智能电网计划4:橡树岭、西北太平洋等国家实验室积极展开了微电网技术方面研究;田纳西理工大学实验室已经实现了微电网系统孤岛检测功能:美国能源郎和通用电气共同研究开发的微电网能量管理系统，主要涉及微电网的优化运行、能量管理及发电成本等方面.

欧盟，在第五至第七框架下开展了分布式发电技术-

系列研究，由希腊雅典国立科技大学组织，展开深入研究的主要内容包括分布式集成能源、控制策略、并网的能量管理策略、经济优化调度术以及继电保护技术等。目前，已形成基本理论体系包括分布式电源、控制策略、优化运行、继电保护、通信链路等;并且依据形成的理论体系，相继在德国、希腊等国建成-

-

批微电网示范工程和实验平台。

日本，微电网技术研究相对领先。由日本新能源产业的技术综合开发机构(NEDO)、经济贸易以及工业等部门牵头组织，国内高等院校、相关科研机构和企业(包括东芝、三菱重工、日立、东京燃气等)参与，相继在多地建成微电网示范工程如(清水、仙台、京都市、青森县和爱知县等)，在微电网系统设计及系统构建、调度控制策略、能量管理策略及储能系统优化等领域取得了一-定成果。

这些示范性工程主要针对系统电能质量控制、系统发电侧和用电侧平衡稳定控制技术、系统能量管理以及少数用户负荷功率波动对整体负荷功率影响控制等方面进行了深入研究。1.2.2国内微电网技术研究现状微电网在我国的发展非常迅速，但仍处于探索和示范工程的初级阶段。国家电网公司作为微电网研究的主要机构，于

2011

年

8

月通过了国家电网电力研究院的微电网系统研究项目的验收，研究内容包括微电网的接入策略、技术标准、相关政策和措施，以及微电网的核心结构，规划了微电网的发展方向和技术路线，并对其发展前景进行了研究讨论。近几年来，我国多个省市自治区相继研究和建设了多个微电网示范工程。其中，珠海市东奥岛的典型微型电网项目充分利用了丰富的太阳能和风能，解决了该岛居民长期缺电的问题，大大减少了柴油发电机的使用，为该岛居民提供了稳定可靠的电力供应。随着微电网的推广利用，岛上新能源发电的比例从

30％提高到

70％。多专家学者认为，微电网是智能电网的重要组成部分，具有广阔的应用前景。

考虑到微电网在国内外的应用，微电网应具备独立的运行能力，可以实现并/离网运行的无缝切换。微电网还应配以相应的能量管理系统，实现局部管理，完全自主运行。与欧、美、日等国家相比，中国在微电网方面的应用研究成果还存在一定的数量和质量差距。微电网相关技术的研究对推动中国微电网的发展具有重要意义。

1.2.2微电网能量优化管理研究现状微电网能量管理的优势在于能够利用新能源合理优化资源分配，从而保证微网安全可靠以及经济运行。能量管理可根据分布式电源的输出功率特性、负荷、外部电网等需求，进行优化出力、储能、分配优化出力、节能减排的控制管理，这是为了保证微电网供电高效、安全可靠以及实现经济运行与环保运行协调统-的良好举措"。面对不同负荷的需求以及发电系统输出的不可预测性等因素对微网系统的能量管理要求都越来越高，至此对微网进行优化运行配置是能量管理的重要内容。现微电网系统投资及运维成本较高，为节省成本及损耗，需找到一个较好的平衡点与运行要求来维持微电网中最佳能量分配，以确保微电网系统的优化经济运行。为了使其运行节能降损,更经济高效,对其进行优化管理是至关重要的。优化调度作为能量管理系统中的其中一项重要研究内容，它的可研究性是+分有必要的。优化调度模型的目标函数有很多种表达方式，可以采用经济成本最小、环境效益最大、能消耗最小等单--的目标，也可以采用多个目标函数结合的方式。微网的经济运行与优化调度一直是国内外研究的热点目标，国内外对微网经济运行研究的主要目标因素为发电成本、环境影响费用等多个同时存在的目标，进而把它们转化成单目标进行优化，但大多数目标之间存在冲突，达到最优的效果往往不尽人意啊。文献[26]提出了一种涵盖功率预测、优化运行的智能SEMS(能量管理系统)，在一定程度上给予了微电网优化运行研究的支持:文献[27]中作者立了热电联供电型微电网模型，运用机会约束规划理论进行优化并用粒子群算法求解，但忽了环境污染方面:文献[28]采用改进的遗传算法对以发电成本最小为目标函数进行优化调度求解，但尚未考虑微电网系统与外部大电网间的功率交互问题:文献[29]考虑了各分布式电源的运行、燃料等成本并满足各项运行约束条件以及功率平衡，忽略了分布式电源的输出功率:文献[30]采用了改进的万有引力搜索算法，对多目标运行优化问题进行仿真求解，但忽略了光伏以及风电出力的随机性:文献[31]建立了孤岛约束的实时策略能量优化数学模型，通过仿真计算，实现了提高微电网系统运行可靠性同时得到运行成本最低:文献[32]建立了以经济性运行为目标函数，优化设计各分布式电源容量配置，比较不同策略下对优化结果的影响:文献[33]考虑到了天气对微电网系统优化运行结果的影响，以燃料费用最小为目标，以减少温室效应为目的:文献[34]设定的目标函数为微电网系统发电成本与污染处罚费用最低,经过调整权重因子计算大小，在实现目标函数的同时兼顾系统经济与环保型。综上所示，微电网系统的能量优化研究是一-个复杂问题,要考虑到运行成本、环境保护、功率约束、能量交互等多项问题。对于当前微电网能量优化问题的研究主要侧重于目标函数的建立以及算法的优化，可见完成-个完整的优化模型需要思虑到诸多因素进行分析和研究。

第二章

交直流混合微网结构及各电源模型2.1微电网的结构分析随着时代的发展，微电网技术也在随之进步，其拓扑结构也在不断更新，现在按照主网络配电方式可以分为直流结构、交流结构、交直流混合结构。现阶段，随着分布式电源与用户负荷的多样化发展，采用单一供电形势的微电网越来越难越难满足实际要求，在此种背景下，同时含有交流母线与直流母线的交直流絕合结构的微电网逐渐受到人们的重视，它有效整合了交流结构与直流结构微电网各自优点，发挥了两种供电方式的互补优势，并减少了大量的电力电子变换装置。本文所研究的交直流混合微电网拓扑如图２－１所示，主要由交流部分、直流部分、双向功率变换器和能量管理系统四部分组成。交直流混合微电网以减少电能变换装置为原则，根据各微源输出电能与负荷用电形式，将其分别接入对应的区域，并通过双向变换器与交流区相连。图1.3交直流混合微电网的结构图本文的交直流混合微电网结构如下：

（1）风力发电机组成的风力发电单元，与交流母线相连提供功率；

（2）燃气轮机：连接至交流母线，作为一个可调度微源为负荷提供功率。

（3）交流负荷。

直流子微网组成包括：

（1）光伏发电单元：由光伏电池组成，连接至直流母线提供功率

（2）储能单元：由蓄电池组成，作为储能装置连接至直流母线提供功率；

（3）燃料电池：作为可调度单元连接到直流母线，为负荷提供功率。

（4）直流负荷。2.2各分布式电源基本原理和数学模型2.2.1

光伏发电基本原理和模型图

2-2

模型为光伏电池的等效电路图，光伏电池实际上可以比作为一个大面

积的平面二极管[37]，通过公式简化可得到光伏电池的解析数学表达式如公式

2-3，然后考虑由多个光伏电池串并联的光伏阵列的数学模型所受温度和光照强度的影响。图2.2光伏二极管等效电路(2-1)（2-2）代表光伏电池中太阳辐射光子激发的光生电流，表示扩散电流，表示泄漏电流，和分别代表串联电阻和旁漏电阻。其中与自身电池材料性能有关，代表在光照为0时，光伏电池内部等效二极管结反向饱和电流，为绝对温度，为二极管常数因子。对以上光伏电池基于物理原理的数学解析式模型作如下近似处理:1)忽略项，因为通常情况下2)通常情况下设定时，会远小于二极管的正向导通电阻。故简化后的光伏电池方程转换为以下形式[38]:（2-3）上式用到了给定工况下的短路电流和开路电压,其中和为两个待定的系数，可通过将给定条件下的开路电压和最大功率点电压代入求得。(2-4)（2-5）由串联数、并联数的光伏阵列示意图如图2-3，图2-4中和分别表示光伏阵列端口的输出电流和端电压。公式2-6为通过扩展单个光伏电池模型得到的伏安外特性数学模型，前提是在不考虑电池本身影响因素，同时保持阵列中的光伏电池各运行条件相同[39]:（2-6）图2-4光伏阵列以及随光照强度变化图2-5光伏阵列以及随温度的变化由图2-4、2-5可看出:光伏阵列外特性的电压-功率曲线伴随不同的光照强度和温度是不同的，但总体变换趋势基本上是一致的。图2-6光伏阵列统一功率-电压特性曲线从图2-6可得出，在光伏阵列运行条件一定时，在电压源区域和电流源区域

交叉点处有且只有一个最大功率运行点(MPP)，在到达最大功率运行点之前，

功率随电压单调递增，之后功率呈单调递减，总体功率-电压曲线呈单个峰值现

象。

由于在分析光伏发电计算时，所涉及到的影响和因素过于繁多，所以在对光

伏电池进行数学建模时，多对其发电特性忽略不计。对微电网中其输出功率也多

在历史数据的基础.上采用预测的形式，对下一时间的出力作出预测。2.2.2风力发电基本原理和模型风能是一种分布广泛、无污染的重要可再生资源，储量十分丰富。据相关资料统计，外界空间每年能辐射至地球的能量约为1.5*1019kW.h,

其中的2.5%，即3.8*10'%kW.h的能量被大气吸收，产生大约4.3*102kW.h的风能43]。

世界风能协会发布的年度报告指出，全球风力发电于2015年新增装机63013MW,相比于2014年，市场增长率达22%，其中美国与德国市场均超过预期，排名前列44。与此同时，截至2015年，作为风电装机容量第一-大国，

我国风电累计装机容量已经达到145.1GW。

由此可见，风力发电发展极为迅速，在电力行业中呈现出了强劲的增长势头，且随着风电技术日渐成熟，其运行成本不断降低，风力发电已成为各国转型至绿色电力过程中的重要发展对象。近年来风力发电成为了绿色环保电力过程的重要发展对象。作为一种清洁无

公害的的可再生能源，且运行成本也越来越低，因此日益受到学者们的关注。由

于风力具有显著的随机性和不确定性等特点，本文建立的风速模型采用了四个基

本分量模型以更好的描述风的特性，即基本风、渐进风、噪声风和随风机，如下式：（2-7）本文需要对风力机建模进行简化与分析，根据贝兹理论，风能中给予风力发电机的功率.和风力机输出机械转矩可表示为[41]:(2-11)（2-12）风力发电与光伏发电存在类似的情况，因风力发电具有随机性，所以研究其出力的方法仍采用预测的方式。2.2.3

蓄电池发电基本原理和模型储能装置在此微电网系统的能量管理研究中是为之重要的一个组成微源，通

过储存电量的充放确保在微网系统中维持功率平衡，而能量管理系统也储能元件

的充放电量也有着一定的约束作用，保障长期稳定的使用率。

蓄电池的充放电过程是由化学能和电能相互转化的，其充放电过程发生的化

学反应如下：正极板反应方程式为：(2-13)负极板反应方程式为：（2-14）蓄电池充放电时的总化学反应方程式:(2-15)蓄电池端电压随着蓄电池充放电过程不断变化，作为一个要进行优化的储能装置来说，良好的充放电状态是十分重要的，以至于影响到蓄电池的使用寿命，故而需要考虑到蓄电池本身的储能功率以及充电容量，避免蓄电池过充过放。蓄电池的状态可由两个参数来表示，分别为端电压和SOC[43]。2.2.4微型燃气轮机发电基本原理和模型微型燃气轮机是热电联产发电机组，也是新兴的一种小型发电机，其燃料系

统的设计技术使其成为化石燃料燃料系统中最为清洁的一种,而不需后续的污染

控制。

本文选用微型燃气轮机作为其中一个微源组成，其优势有三点:一是环保，

它的废气排放量低且不需特意维护，可节省日常维护费用;二是配置灵活，可根

据实际情况配置数量并能进行多台整体控制;三是安全可靠，除了严格符合

IEEE5等规范外，还可保证与电网连接的安全性。除了这些最主要因素外，还有

着低噪音、多燃烧、可遥控诊断等-

-系列先进技术，成为了提供清洁、高质量的小型分布式发电的最佳选择，在市中心、园区以及边远偏僻地区均能适用。图2-8微型燃气轮机并网结构图在连接到电网的微型燃气轮机发电系统的永磁发电机和工频交流电网之间，

需要使用变频器进行频率转换。如图2-8所示，涡轮机与发电机在同-

-水平轴线的称为单轴微型燃气轮机，其输出的高频交流电需通过整流逆变后传输至电网。

微型汽轮机在用于能源，天然气，沼气等燃料燃烧后，为再次提高微源使用率，

可利用其燃烧后所产生的大量烟气所散出的热量使废热装置再次进行加热。

下式为微型燃气轮机输出模型[44]:（2-16）2.2.5燃料电池发电基本原理和模型燃料电池因效率高、绿色环保等特点成为了一种广受关注的新型分布式发电

单，通过氧和氢气结合成水的简单化学反应进行发电。燃料电池所释放出的有害

气体极少并且没有噪声污染，这是由于它的原料除了燃料和氧气无其他物质，也

没有机械传动部件。燃料电池的相比普通电池的优势在于，在保证燃料和养护剂

不断供给的条件下就可以持续地产生电能。燃料电池和大部分分布式一样，需要

将输出的直流电通过变流装置才能接入外部电网或供给用户使用，其工作原理图

如图2-9所示，燃料经电化学反应使化学能转换为电能。这里使用的燃料电池为

以天然气为主要燃料的质子交换膜燃料电池。图2-9燃料

电池工作原理图式中，为燃料电池实际发电效率，为其发电功率。

正常状态下供应燃料电池所需的燃料体积表达式如下(2-17)L为天然气低热值()，在这里取值为9.7。

2.3.6变换器基本特性及模型变换器是确保各类微源安全可靠的直接并入微电网的重要单元，交直流混合

微电网中存在的变换器除了有基本单向AC/DC、DCIAC、DC/DC

变换器外，还

有与蓄电池相连的双向DC/DC变换器与连接交直流区域的双向AC/DC变换器。

DC/DC双向变换器(如图2-8)是蓄电池接入微电网的需要流经的主要电力

电子装置，它开关器件较少，结构简单，通过控制两个IGBT的通断即可选择升

压降压两种工作模式，一般为使开关管实现零电压开通,开关管IGBT1与IGBT2，常使用互补PWM控制方法。图2-10双向DC/DC变换器结构图双向AC/DC变换器拓扑结构如图2-9所示，作为混合微电网中的主变换器，

其对实现交直流结合具有重大意义[54],根据功率的流向，双向AC/DC变换器可

以调整工作模式为整流或逆变模式。图2-9双向AC/DC变换器结构图各类变换器是组成微电网结构的重要连接部分，同时，其工作效率也作为主，

要因素影响整个微电网的优化情况，本文假设单向AC/DC、DCIAC变换器与双

向AC/DC变换器工作效率相等为，由式(2-18)计算，

单向DC/DC变换器与双向DC/DC变换器工作效率相等为，由式(2-19)计算。(2-18)(2-19)其中，u为流经功率与变换器额定功率的比值。2.4本章小结本章首先对交直流混合微电网的基本结构作了简单的介绍，讲述了此结构类

型的微电网对比纯交、纯直微电网的复杂性和优势。另外，介绍了结构中所涉及的各类变换器的工作原理，建立其基本模型，并给出了计算其工作效率的公式，为后续交直流混合微电网的能量管理优化研究做铺垫。第3章可再生能源输出功率预测3.1引言微电网优化是在可再生能源功率预测基础上制定调度计划，微电网中的光伏和风电输出功率受环境因素影响较大,波动性较强，目前针对风电和光伏功率预测主要有物理法、统计法和综合法;微电网中的负荷功率规律性较强，与时间之间的映射关系明显，通常基于历史数据信息对负荷功率进行预测。本章介绍BP神经网络预测算法的基本原理，并针对BP神经易陷入局部最优值的缺点采用遗传算法对其进行改进。基于统计法和数值天气预报，采用遗传算法优化的BP神经网络预测算法对微电网中的光伏、风电进行预测。3.2BP神经网络预测模型研究BP神经网络(Back

Propagation

Neural

Network，BPNN)是一种智能算法，内部是由大量神经元构成，可以实现任何非线性关系之间的映射，神经网络通过训练样本对自身网络数据不断训练，可以模拟人体大脑对信息的处理过程，BP神经网络的训练过程是不断更新内部的权值与阈值，实现对输入数据与输出数据之间函数关系的非线性拟合，最终取得良好的预测效果。

BP神经网络结构图如下图3-1所示。图2-1BP神经网络结构图BP神经网络由输入层、隐含层、输出层组成，图3-1的BP神经网络输入层有m个神经元，输出层有p个神经元，隐含层有n个神经元，输入层与隐含层的

权值可用权值矩阵,表示，权值矩阵中的元素;可表示为，隐含层与输出层的权值可用权值矩阵表

示，权值矩阵中的元素可表示为。

其中;为隐含层内部神经元的阈值，为输出层内部神经元的阈值，

为训练样本的实际输出值。BP神经网络训练样本正向传播过程中，神经网络的预测输出与训练样本的实际输出比较得到预测误差，神经网络根据预测误差通过反向传播过程修正网络中的权值与阈值，神经网络通过重复训练，直到相邻两次预测输出误差差别很小。神经网络的正向传播

神经网络的输入信号在正向传播过程中,输入信号进入隐含层，隐含层的神经

元对输入信号进行线性加权求和，然后加入阈值与通过函数变换得到隐含层输出。

令输入层的输入矩阵为,则隐含层神经元的输出可表示为:(2)神经网络的反向传播BP神经网络的反向传播过程是将BP神经网络对训练样本的预测输出值与实.际输出值进行比较，根据输出误差反向修正网络中隐含层和输出层各神经元的权值和阈值。训练样本中某组训练数据的输出误差可表示为:BP神经网络是根据训练样本，重复正向传播与反向传播过程对自身网络参数

进行修正，算法流程图如图2-2所示。

采用BP神经网络对数据进行预测时，先对神经网络中隐含层和输出层的神经

元的权值和阈值进行初始化赋值，对神经网络的训练样本进行筛选，然后通过神经网络的正向传播对训练样本的输入信号进行处理，依次得到神经网络的隐含层和输出层的输出值，训练样本输出层的输出值与训练样本的实际输出值做差得到输出层误差，神经网络采用梯度下降法根据输出误差反向修正隐含层和输出层各神经元的的权值与阈值，重复以上正向传播与反向传播，直至满足训练次数且差满足要求时程序结束。

BP神经网络是一种局部优化算法，易陷入局部最优值从而导致训练失败，使

预测结果与实际存在较大偏差，因此可以采用其它算法对BP神经网络进行优化，

提高其预测性能。图3-2BP神经网络算法流程图3.3遗传算法优化BP神经网络预测模型研究遗传算法(Genetic

Algorithm，GA)是

模拟生物进化过程的一种智能优化算法,通过将优化问题中的变量行矩阵中的每一个元素等效为生物的一个基因，整个变量行矩阵等效成生物的一个染色体，所有的染色体组成了一个种群，将优化目标函数称为适应度函数，通过对染色体进行选择、交叉、变异等操作，以适应度函数值为导向,在迭代过程中选择种群中适应度较好的个体，整个染色体种群通过不断迭代，最终得到适应度函数值最优的染色体个体。

遗传算法是对整个染色体种群进行操作，不是通过数学推导计算,是通过染色

体之间交叉和变异在变量空间内对变量进行搜索，所以整个算法不易陷入局部最

优解，是一种良好的全局优化算法。

遗传算法首先是对整个种群进行初始化，得到初始化种群每个染色体个体对应的适应度函数，通过轮盘赌法进行筛选之后保留的种群进入迭代循环，遗传算法的编码过程就是通过特定的表达方式对染色体中的变量进行表示，方便后面的染色体之间的交叉和变异，常见的编码方式有二进制编码和浮点数编码，交叉操作是在迭代过程中,变量行矩阵之间某--串元素之间进行了交换,变异操作是变量行矩阵中的某一位元素值发生了突变,交叉和变异操作直接导致了变量值发生了变化，相当于变量在变量空间上进行搜索,通过交叉和变异之后得到的新的变量代入目标函数得到新的适应度函数值，通过轮盘赌法对适应度函数值进行筛选，得到适应度值较好的染色体个体,通过不断的迭代筛选最终得到优化问题的最优解。轮盘赌法的目标是选择适应度值较小的个体。假设遗传算法中共有M个染色体个体.图中的每--块区域代表种群中染色体被选中的概率。轮盘赌法的具体步骤如下所示。（1）令 ，其中 （2）每个染色体个体被选中遗传到下一代的概率为:（3-1）每个染色体累计概率为：在(0,1)区间内随机生成实数;如果,则此时选择染色体X;否则选择满足下列条件的染色体（6）重复(4)(5)步操作。利用遗传算法对易陷入局部最优值的BP神经网络进行优化，优化的目标是BP神经网络内部神经元的权值和阈值的初始值，当确定整个预测环节训练样本的输入输出个数时，通过对BP神经网络隐含层层数和每层神经元数量进行设置，就可以确定整个网络的权值和阈值数量，将神经网络的权值和阈值的初始值作为遗传算法的染色体变量,将训练样本的输出误差作为遗传算法的适应度函数,通过不断迭代优化，得到输出误差最小时所对应的染色体变量,从而确定整个神经网络的初始权值和初始阈值。总体而言，采用GA对BP神经网络进行优化时，是用GA.算法代替了神经网络的反向传播过程。遗传算法优化BP神经网络(GA-BP)的流程图如图2-5所示。遗传算法优化BP神经网络可以分为以下几个步骤(1)通过训练样本确定神经网络的输入与输出;(2)确定神经网络层数;(3)根据输入输出数目确定神经网络隐含层的神经元个数;(4)采用遗传算法对神经网络的权值与阈值的初始值进行优化;(5)优化后的神经网络对样本进行训练，得到预测输出。3.3.1微电网中风电光伏功率预测微电网中的风机、光伏功率输出受环境因素影响较大,风电和光伏输出功率的较大波动会对微电网稳定运行造成不利影响，所以基于微电网中风电和光伏功率的预测结果制定微电网调度计划显得尤为重要，影响风电和光伏功率的环境因素随机性强，预测难度大、精度低，所以目前主要是采用数值天气预报的方法来获取风速、风向、温度、光照强度等信息,然后分别对风电和光伏的输出功率进行预测。对风电和光伏输出功率的预测方法按照输入类型分类主要有物理法、统计法、综合法三种。

统计法是基于数值天气预报和对大量的历史数据进行统计，进而预测风电和

光伏输出功率。统计法优点是不需要大量的运算过程，求解速度快，但是需要大量的历史数据，常用神经网络等智能算法得到环境变量与输出功率之间的映射关系。本文采用统计法预测风电和光伏输出功率，所用算法为遗传算法优化的BP神经网络预测算法(GA-BP)。使用GA-BP对风电输出功率进行预测与使用BP神经网络对风电功率进行预测的预测结果对比如图3-6所示。风电功率一天的周期内变化较大，在6-8时，风电功率急剧减小，17-19时风电功率快速增大，过快的功率变化不仅使预测难度增加，并且还会对微电网造成较大的冲击，从预测效果看，在1-4时，12-16时，19-22时功率变化幅度不大，但是存在波动情况会使预测误差增大。图3-6GA-BP与BP神经网络对风电功率预测结果对比使用GA-BP算法对风电功率进行预测与使用BP神经网络对风电功率进行预

则得到预测误差对比如表3-1所示。表3-1

GA-BP与BP对风电功率预测误差均方根误差平均绝对误差平均绝对百分比误差GA-BP2.72311.80550.12072BP3.33452.17440.14802表3-1预测误差可看出使用GA-BP算法对风电功率预测的平均绝对百分比误

差MAPE=15.003%，预测结果较好，可以满足实际精度要求。在10-18时风电功率波动较大时，使用GA-BP算法的预测效果明显好于使用BP神经网络对风电功率.进行预测。且从预测误差进行比较，GA-BP预测的RMSE、MAE、MAPE误差值，

均小于采用BP神经网络预测，即证明了GA-BP算法相比于BP神经网络预测算

法的优越性。

使用GA-BP算法对光伏功率进行预测与使用BP神经网络对光伏功率进行预

测得到预测结果对比如下图3-7所示。图3-7GA-BP与BP神经网络对光伏功率预测结果对比使用GA-BP算法对光伏功率进行预测时，光伏功率在1-6时和20-24时实际值为0，所以在计算平均绝对百分比误差时选取的时段为7-19时。使用GA-BP算法对光伏功率进行预测与使用BP神经网络对光伏功率进行预测分别得到预测误差如表3-2所示。表3-2

GA-BP与BP对光伏功率预测误差均方根误差平均绝对误差平均绝对百分比误差GA-BP6.64524.79040.17937BP6.88665.53960.21455从图2-7可以看出，光伏的输出功率与时间具有很强的关联性，在1-6时和20-24时，光伏实际输出功率为0，并且在6-13时随时间增大光伏输出功率也逐渐增大，13-20时随时间的增大光伏输出功率逐渐减小，可以看到光伏功率变化较风电功率变化规律性强且变化平缓，这样有利于微电网的优化调度。由表3-2可得使用GA-BP算法对光伏功率进行预测时，得到平均绝对百分比误差MAPE=12.072%，表明GA-BP算法对光伏的功率预测精度较好，可以满足实.际精度要求。综合图2-7与表2-2可以看出，不论是在光伏功率实际值为0的时段还是在10-15时光伏功率实际值最大的时段，使用GA-BP的预测效果都好于使用BP神经网络进行预测，即证明了对BP神经网络预测算法进行优化的必要性。3.4本章小结随着时代的发展，绿色能源也越来越受重视，对可再生能源的预测的精度要求也更高。本章基于风电、光伏的历史功率信息，将遗传算法应用于BP神经网络对风电、光伏和对应的环境信息、历史功率数据等输入数据和实际输出功率之间的函数关系进行拟合，得到了风电、光伏和负荷的输入数据和预测功率输出之间的映射关系，通过功率预测值与实际值对比，表明算法建立了输入数据与输出数据之间良好映射关系，在环境信息和历史功率数据等输入数据可靠的基础上可以得到预测精度较高的功率输出，同时针对GA-BP预测算法与传统BP神经网络预测算法误差对比,验证了GA-BP预测算法相比传统BP神经网络预测算法的优越性。应用本章所提方法可为本文后续交直流混合微电网的优化提供良好的数据。

混合微电网优化调度系统本章以微电网系统为实例，研究风光储微电网的能量管理策略,在考虑各部分运行成本和实时电价以及发电环境成本的情况下，以微电网运行的总体经济成本更低为优化目标，建立了能量管理策略的目标函数和约束条件，使用MATLAB进行行仿真，与常规策略下的运行成本进行对比，验证了本章所提的能量管理策略可以使得系统运行成本更低。4.1微电网能量管理的整体框架风光储微电网的能源管理策略总体架构如图4-1给出，这里将风力发电、光伏发电和电负荷的预测值视为该优化调度模型的输入量,通过优化调度模型以系统运行的总体经济成本最小化为目标设计能量管理策略,在充分考虑各个微电源自身约束条件的情况下，采用能量管理算法求解得到储能装置的充放电计划和微电网与主网的功率交换计划。图4-1微电网能量管理策略整体框架本文所建立的电能管理的模型，其执行流程图如下图4-2所示:

先将风力发电功率的预测值PwT、光伏发电功率的预测值Ppv、负荷预测值

Pr、锂电池荷电态SOC输入该能量管理策略模型，随后判断风光发电功率的预

测值能否满足用户的负荷需求。若能够满足，则继续对锂电池荷电态进行判断。若达到上限，为了避免对锂电池的使用寿命产生影响，则锂电池不能放电;若没有达到锂电池的上限，此时风光发电功率除了满足负荷需求之外还可对锂电池进行充电或向主网售电，锂电池能否充电由能量管理策略决定，当能充电时继续进行判断，判断风光发电功率预测值超