中國農(nóng)業(yè)大學信息與電氣工程學院的研究人員熊雄、王江波、楊仁剛,，在2017年第22期《電工技術學報》上撰文指出，并網(wǎng)運行下微電網(wǎng)內(nèi)功率波動將通過公共耦合點（PCC）由大電網(wǎng)承擔,。

為抑制不同時間尺度下的功率波動,，使微電網(wǎng)通過PCC友好并網(wǎng),，基于馬爾科夫決策過程（MDP）建立了反應微電網(wǎng)PCC不同時間尺度下交換功率大小和波動性的熵值回饋函數(shù),，以網(wǎng)內(nèi)混合儲能中超級電容器當前荷電狀態(tài)（SOC）組成狀態(tài)集合，決策過程通過策略迭代求解最優(yōu)策略及其對應的最優(yōu)熵值函數(shù),。

在策略迭代中,，提出一種以小波包分解-概率模糊理論為基礎的特定策略集，作為當前狀態(tài)到各分布式電源行動集合的映射,。最后通過算例計算分析,，驗證了所提方法的正確性和有效性。

微電網(wǎng)所具備并網(wǎng)或孤島多模式運行方式,，可降低間歇性分布式電源給配電網(wǎng)帶來的不利影響,，提高分布式能源利用效率及改善電能質(zhì)量。因此將分布式電源（DistributedGenerator, DG）以微電網(wǎng)的形式接入配電網(wǎng),，被普遍認為是利用分布式電源有效的方法之一[1-3],，同時將微電網(wǎng)整體看成一個雙向可調(diào)度單元，針對配電網(wǎng)又是一種需求側(cè)響應的全新方式,。

而從微電網(wǎng)內(nèi)部運行出發(fā),，由于微電網(wǎng)中間歇性分布式電源的高滲透率性，因此如何在提高能源利用效率下降低間歇性能源短時波動性,，使微電網(wǎng)友好并網(wǎng),，是提高微電網(wǎng)經(jīng)濟性與可靠性的途徑，也是發(fā)展微電網(wǎng)技術的前提[4,5],。

目前針對并網(wǎng)微電網(wǎng)功率控制有恒功率控制模式,、考慮DG功率限制的控制模式、聯(lián)合最優(yōu)功率控制模式,。恒功率控制模式將控制微電網(wǎng)與大電網(wǎng)連接處饋線功率流量定為常量,，而考慮DG功率限制的控制模式則是按照各DG輸出特性輸出以獲取經(jīng)濟效益，大電網(wǎng)將承擔微電網(wǎng)內(nèi)功率的全部波動,。

前兩種控制模式從抑制公共耦合點（Point of Common Coupling, PCC）功率波動或提高能源利用效率單方面出發(fā),，聯(lián)合最優(yōu)功率控制則一方面保證一部分DG按經(jīng)濟性輸出功率，另一方面通過一部分DG（如儲能）來調(diào)節(jié)PCC功率為恒定值,，但微電網(wǎng)內(nèi)儲能因自身容量限制在功率波動較大時并不能完全平抑波動,。

在平抑策略上，根據(jù)不同類型儲能性能可互補的特點,，利用混合儲能可在有限的容量內(nèi)最大限度平抑功率波動,，文獻[6]和文獻[7]分別通過濾波算法和小波包算法將原信號進行分解，得到單一儲能或是混合儲能的充放電指令,，并以儲能荷電狀態(tài)（State of Charge,SOC）的限制作為反饋調(diào)節(jié),。

在分解算法中，小波包在處理非平穩(wěn)信號以獲取更多細節(jié)信號時更具優(yōu)勢,。為衡量PCC功率的波動性,，可引入熵值概念對系統(tǒng)混亂和無序狀態(tài)進行度量。文獻[8]基于熵理論提出了電網(wǎng)潮流熵概念,，用以定量描述線路潮流分布的不均勻,。文獻[9]提出了將網(wǎng)絡拓撲熵和潮流熵應用到電網(wǎng)自組織臨界狀態(tài)演化特性研究，以表征風電規(guī)?；薪尤腚娋W(wǎng)環(huán)境下的網(wǎng)架結(jié)構和潮流分布變化規(guī)律,。

在微電網(wǎng)優(yōu)化調(diào)度模型方面，研究可分為用于日計劃或滾動計劃的動態(tài)規(guī)劃模型[10]和用于實時調(diào)度的靜態(tài)優(yōu)化模型[11],。在這些優(yōu)化調(diào)度模型中,，儲能單元作為輸出可正可負的連續(xù)可控型電源，在實時調(diào)度計劃中給出優(yōu)化輸出功率,，在日計劃中給出整點輸出功率計劃,。動態(tài)經(jīng)濟調(diào)度考慮了各時段之間的內(nèi)在聯(lián)系,，因此更加符合微電網(wǎng)系統(tǒng)的實際運行要求。

微電網(wǎng)運行波動特性主要是受風電,、光伏等電源間歇性的影響,。文獻[12]將風電的隨機性看做是馬爾科夫過程，可基于當前狀態(tài)采用馬爾科夫鏈得到下一時刻發(fā)電值,。馬爾科夫決策過程（Markov DecisionProcess, MDP）即馬爾科夫過程結(jié)合動態(tài)規(guī)劃的決策過程,，因此可將微電網(wǎng)功率動態(tài)調(diào)度模型看作是MDP，通過值迭代或策略迭代得到最優(yōu)決策方案,。文獻[13]運用MDP方法對Cluster系統(tǒng)的功率動態(tài)調(diào)度進行了建模,，運用策略迭代得到功率優(yōu)化調(diào)度方案。

本文將微電網(wǎng)功率動態(tài)調(diào)度看作一個MDP,，建立PCC點功率熵值模型,，并以此作為MPD的回饋函數(shù)，以混合儲能中功率型儲能超級電容器（Super Capacitor,SC）SOC作為狀態(tài)集合,，以混合儲能充放電功率,、風電光伏輸出功率作為MDP行動集合，并提出一種基于小波包分解-概率模糊集合的特定策略集合,，作為狀態(tài)集合到行動集合的映射,，最后通過策略迭代得到最優(yōu)策略及其對應的最優(yōu)回饋函數(shù)值序列。

圖1 所提策略過程

圖7 微電網(wǎng)配置示意圖

結(jié)論

1）本文為減小并網(wǎng)運行微電網(wǎng)內(nèi)部功率的波動性,，使其通過PCC友好并網(wǎng),，建立了PCC交換功率動態(tài)調(diào)度的馬爾科夫決策過程。在馬爾科夫決策過程中,，建立了反應微電網(wǎng)PCC功率交換波動性的熵值回饋函數(shù),，以網(wǎng)內(nèi)功率型儲能當前SOC作為狀態(tài)變量，以網(wǎng)內(nèi)DG發(fā)出功率作為行動變量,。在策略迭代中,，提出了一種以小波包分解-概率模糊邏輯為基礎的特定策略集合，作為當前狀態(tài)變量到行動集合的映射,。

2）在算例分析中,，設定了4種方案，通過4種方案結(jié)果分析,，方案a在回饋函數(shù)中未考慮熵值優(yōu)化,，因此其最優(yōu)策略下PCC交換功率較方案c雖更加平滑，但更大的峰谷差使其最終熵值大于方案c,。在方案b中,，由于未采用文中多提出了特定策略，因此混合儲能中SC在大部分充放電時刻所充放電功率存在不合理，導致其SOC處在較高或較低狀態(tài),，從而不利于下一時刻的充放電,，導致在網(wǎng)內(nèi)功率波動較大時段，方案b下SC充放電能力遠不如方案c,。方案d在特定策略集中去掉了模糊調(diào)節(jié),，僅保留了小波包分解，從結(jié)果可以看出方案d下SC的充放電合理程度介于方案c和b之間,。