微網(wǎng)優(yōu)化運(yùn)行研究進(jìn)展與展望

劉文勝，毛曉明，陳志勇

(廣東工業(yè)大學(xué)自動(dòng)化學(xué)院，廣東 廣州510006)

1 引言

近年來，能源和環(huán)境問題逐漸凸顯，清潔能源與分布式發(fā)電受到全世界廣泛的關(guān)注與重視。分布式發(fā)電(Distributed Generation-DG)具有減輕環(huán)境污染、降低終端用戶費(fèi)用、降低線路損耗、改善電能質(zhì)量和提高供電可靠性等優(yōu)點(diǎn)［1］，但分布式電源大量并網(wǎng)，可能對(duì)電力系統(tǒng)安全運(yùn)行造成影響。為解決電力系統(tǒng)與DG間的矛盾，充分發(fā)揮DG的特點(diǎn)，微網(wǎng)(microgrid)的概念應(yīng)運(yùn)而生［2］。微網(wǎng)將多種分布式電源、負(fù)荷、儲(chǔ)能裝置集成在一起，可以靈活地并網(wǎng)或孤島運(yùn)行，改善負(fù)荷的供電可靠性，很快成為國(guó)內(nèi)外電氣工程領(lǐng)域新的研究熱點(diǎn)［3］。

微網(wǎng)優(yōu)化運(yùn)行是微網(wǎng)研究的重要問題之一，通過調(diào)度微網(wǎng)中分布式電源及儲(chǔ)能單元的出力，可在滿足電力和熱力需求的前提下，有效提高能源利用率，減少發(fā)電成本和系統(tǒng)排放。國(guó)外對(duì)此已進(jìn)行了較多研究，國(guó)內(nèi)在該領(lǐng)域還處于起步階段。本文對(duì)微網(wǎng)優(yōu)化運(yùn)行數(shù)學(xué)模型和算法進(jìn)行總結(jié)和分析，明確進(jìn)一步的研究方向。

2 微網(wǎng)優(yōu)化運(yùn)行數(shù)學(xué)模型

微網(wǎng)優(yōu)化運(yùn)行與傳統(tǒng)電力系統(tǒng)經(jīng)濟(jì)運(yùn)行的不同之處主要在于:與高壓輸電網(wǎng)相比，微網(wǎng)的電壓等級(jí)較低，系統(tǒng)中輸電線的線損相對(duì)較大，線路電阻不能忽略;與傳統(tǒng)電力系統(tǒng)中火電等傳統(tǒng)發(fā)電形式占主導(dǎo)地位不同，微網(wǎng)中分布式發(fā)電所占的比例很大，其中風(fēng)力發(fā)電和太陽能發(fā)電常工作在最大功率點(diǎn)跟蹤模式，發(fā)電功率受自然條件影響，不遵循人工調(diào)度;各種微電源的功率特性與傳統(tǒng)火力發(fā)電機(jī)組有很大區(qū)別，不能簡(jiǎn)單應(yīng)用等微增率原則;在聯(lián)網(wǎng)模式和孤島模式轉(zhuǎn)換過程中，整個(gè)微網(wǎng)的功率分布可能發(fā)生非常大的變化［4］。

鑒于以上特點(diǎn)，國(guó)內(nèi)外學(xué)者從不同角度出發(fā)，提出了不同的微網(wǎng)優(yōu)化運(yùn)行數(shù)學(xué)模型。文獻(xiàn)［5］從利潤(rùn)角度，以電力公司利潤(rùn)最大為優(yōu)化目標(biāo);文獻(xiàn)［6］從運(yùn)營(yíng)成本角度，以電力公司運(yùn)營(yíng)成本最小為目標(biāo);文獻(xiàn)［7］從節(jié)能角度，以能源利用率最高為目標(biāo);文獻(xiàn)［8］從多目標(biāo)角度，分別以運(yùn)行成本、折舊成本、環(huán)境效益和綜合效益為目標(biāo)進(jìn)行了比較分析。下面介紹幾種有代表性的模型。

2.1 考慮運(yùn)營(yíng)成本最低的模型

其中

式中，F(xiàn)1為微網(wǎng)系統(tǒng)總運(yùn)營(yíng)成本;T為微網(wǎng)調(diào)度周期內(nèi)的總時(shí)間;L為微網(wǎng)內(nèi)微電源和儲(chǔ)能裝置總數(shù);CFit為t時(shí)段內(nèi)第i臺(tái)微電源的燃料成本，其值與各DG所耗燃料種類、發(fā)電機(jī)設(shè)計(jì)和輸出功率等有關(guān)，可參考文獻(xiàn)［9］中給出的模型;COMit為t時(shí)段內(nèi)第 i臺(tái)微電源或儲(chǔ)能裝置的運(yùn)行維護(hù)成本，一般考慮為輸出功率的線性函數(shù);CEMit為在計(jì)及排放成本的條件下，t時(shí)段內(nèi)第i臺(tái)微電源的排放成本，其值與當(dāng)?shù)仉娏κ袌?chǎng)模式相關(guān)，一般按發(fā)電功率和污染物類型收取排放費(fèi)用;CSit為t時(shí)段內(nèi)第 i臺(tái)微電源或儲(chǔ)能裝置的啟停成本;CGt和PGt分別為t時(shí)段內(nèi)微網(wǎng)與大電網(wǎng)之間的交互成本和交互功率，微網(wǎng)從大電網(wǎng)購電時(shí)值為正，微網(wǎng)向大電網(wǎng)輸電時(shí)值為負(fù);csellt和cbuyt分別為t時(shí)段內(nèi)微網(wǎng)所在電力市場(chǎng)的售電電價(jià)和購電電價(jià);Si為第i類微電源或儲(chǔ)能裝置的啟停成本;ui(t)為其t時(shí)刻運(yùn)行狀態(tài)。

2.2 考慮環(huán)境因素的綜合排放模型

式中，F(xiàn)2為綜合污染量;k為所排放的污染物(CO2、SO2、NOx等)的類型編號(hào);αk為第 k類排放物的權(quán)重系數(shù);T、L和 PGt同上所述;fGk(PGt)為與大電網(wǎng)交互功率PGt時(shí)第k類排放物的等效排放量，可以簡(jiǎn)單地認(rèn)為fGk(PGt)=βGkPGt，其中 βGk為大電網(wǎng)中每單位發(fā)電功率對(duì)應(yīng)的第k類排放物等效系數(shù);fik(Pit)為第i臺(tái)微電源在有功輸出為 Pit時(shí)，第k類排放物的排放量，其值與各DG的燃料、發(fā)電機(jī)特性參數(shù)和輸出功率等有關(guān)。文獻(xiàn)［10］認(rèn)為其與輸出功率成線性關(guān)系，文獻(xiàn)［11］認(rèn)為當(dāng)輸出功率在50%～100%時(shí)，fik(Pit)可簡(jiǎn)化為燃料消耗量的線性模型，而文獻(xiàn)［12］給出了更為準(zhǔn)確的非線性模型:

其中，αi、βi、γi、ζi和 λi為第 i臺(tái) DG 排放量的參數(shù)因子，文獻(xiàn)［13］給出了參數(shù)的設(shè)定。

2.3 利潤(rùn)最大化模型

式中，Pt為t時(shí)段微網(wǎng)的供電量;ωsellt為 t時(shí)段市場(chǎng)中單位熱能價(jià)格;Wt為微網(wǎng)中 t時(shí)段所提供的熱能。

2.4 綜合考慮運(yùn)營(yíng)成本和排放的模型

由于運(yùn)營(yíng)成本和排放量綱的不同，一般不能按權(quán)重相加考慮。文獻(xiàn)［14］給出了一種綜合考慮方法使排放與成本量綱相統(tǒng)一:

其目標(biāo)函數(shù)為:

式中，F(xiàn)1max和 F2max分別為 F1和 F2的最大考慮值;0＜θ＜1為權(quán)衡因子，通過調(diào)節(jié)θ的大小可以調(diào)節(jié)成本與排放在目標(biāo)函數(shù)中的權(quán)重。

2.5 約束條件

各種微網(wǎng)運(yùn)行優(yōu)化數(shù)學(xué)模型所采取的約束條件基本一致。等式約束主要是有功功率供需平衡方程;不等式約束條件有微電源和儲(chǔ)能裝置的功率上下限約束、微電網(wǎng)與大電網(wǎng)之間功率傳輸限值、微電源最小啟動(dòng)功率等。

2.6 模型分析與評(píng)價(jià)

微網(wǎng)運(yùn)行優(yōu)化涉及成本、利潤(rùn)、排放等多方面的因素，是典型的多目標(biāo)優(yōu)化運(yùn)行問題。現(xiàn)有的研究大多側(cè)重考慮微網(wǎng)優(yōu)化運(yùn)行的經(jīng)濟(jì)性指標(biāo)，以運(yùn)營(yíng)成本最低或利潤(rùn)最大為目標(biāo)函數(shù)。這種單目標(biāo)優(yōu)化簡(jiǎn)單、易于實(shí)現(xiàn)，卻忽略了微網(wǎng)綠色、環(huán)保的發(fā)展理念，可能導(dǎo)致較高的污染排放量。

考慮環(huán)境因素的綜合排放模型單純考慮微網(wǎng)發(fā)電供能的污染排放量，相對(duì)于優(yōu)化成本和利潤(rùn)模型更加簡(jiǎn)單。由于各種微源的排放水平受機(jī)組型號(hào)、參數(shù)、環(huán)境、運(yùn)行狀況影響較大，準(zhǔn)確確定各微電源的排放模型成為此研究的重點(diǎn)。

微網(wǎng)中部分微電源，如燃?xì)廨啓C(jī)、燃料電池等，發(fā)電成本偏高，它們的價(jià)值更多地體現(xiàn)在能同時(shí)滿足網(wǎng)內(nèi)電、熱雙重需求，因此在具備熱電聯(lián)產(chǎn)單元的微網(wǎng)中，更適合采用利潤(rùn)最大化優(yōu)化模型。

微網(wǎng)多目標(biāo)優(yōu)化運(yùn)行模型可綜合考慮運(yùn)營(yíng)成本、污染排放、能源利用率、可靠性等多個(gè)優(yōu)化目標(biāo)，是微網(wǎng)優(yōu)化運(yùn)行研究的發(fā)展方向。多目標(biāo)綱量的統(tǒng)一和科學(xué)的權(quán)重選擇是下一步需要解決的關(guān)鍵問題。在優(yōu)化模型中考慮網(wǎng)損、供電可靠性等優(yōu)化運(yùn)行指標(biāo)，也是重要的發(fā)展方向。

3.2 組培苗上盆與小苗管理 將試管苗取出，流水沖洗干凈培養(yǎng)基后再種植，上盆初期要保水遮光，濕度大于90 %，光照強(qiáng)度7 000～10 000 lx，溫度5～35 ℃。10 d左右長(zhǎng)新根后可施1次0.5‰尿素，15 d后噴施20-20-20(N∶P2O5∶K2O)復(fù)合肥，濃度1‰，抽新葉后將濃度提高至2‰。

3 微網(wǎng)優(yōu)化運(yùn)行求解算法

3.1 優(yōu)化算法

微網(wǎng)優(yōu)化運(yùn)行屬于動(dòng)態(tài)多維非線性優(yōu)化問題，要求快速搜索到全局最優(yōu)點(diǎn)。國(guó)內(nèi)外學(xué)者已開展了較多工作，提出了不少方法，常用的有:數(shù)學(xué)解析法、粒子群算法、蟻群算法、遺傳算法、進(jìn)化算法等。

文獻(xiàn)［15］針對(duì)式(1)運(yùn)營(yíng)成本最低數(shù)學(xué)模型，采用動(dòng)態(tài)規(guī)劃法求解。動(dòng)態(tài)規(guī)劃法把比較復(fù)雜的問題劃分成若干階段，通過逐段求解獲得全局最優(yōu)解，適合于求解一些大而繁瑣的最優(yōu)化問題，尤其是離散性問題。迄今為止，動(dòng)態(tài)規(guī)劃法已廣泛應(yīng)用于工程的各個(gè)領(lǐng)域并取得了很好的效果，但它沒有統(tǒng)一的處理方法，必須根據(jù)問題的性質(zhì)結(jié)合一定的經(jīng)驗(yàn)和判斷來處理。另外，當(dāng)段數(shù)、狀態(tài)個(gè)數(shù)和決策變量的維數(shù)增加時(shí)，總的計(jì)算量和存儲(chǔ)量將大大增加，即動(dòng)態(tài)規(guī)劃的所謂“維數(shù)障礙”。

遺傳算法(Genetic Algorithm，GA)是一種基于自然選擇和基因遺傳機(jī)制的迭代式自適應(yīng)隨機(jī)搜索算法，能以較大概率搜索到全局最優(yōu)解［16］。文獻(xiàn)［17］在預(yù)測(cè)微網(wǎng)中光伏發(fā)電系統(tǒng)發(fā)電量的前提下，采用矩陣實(shí)數(shù)編碼遺傳算法(Matrix Real-coded Genetic Algorithm，MRC-GA)對(duì)不同優(yōu)化策略下的最優(yōu)成本進(jìn)行了分析比較。與GA類似，差分進(jìn)化(Differential Evolution，DE)算法也是模擬自然界生物進(jìn)化機(jī)制的一種仿生智能算法。文獻(xiàn)［18］忽略DG啟停成本，孤島狀態(tài)下以成本最低為優(yōu)化目標(biāo)，在預(yù)測(cè)風(fēng)機(jī)和光伏電池輸出功率的前提下，結(jié)合蓄電池輸出，采用DE獲得其他微電源的日經(jīng)濟(jì)調(diào)度計(jì)劃。細(xì)菌覓食算法 (Bacterial Foraging Algorithm，BFA)是一種新興的進(jìn)化算法，也是一種全局隨機(jī)搜索算法。該算法具有并行搜索、易跳出局部極小值等優(yōu)點(diǎn)。文獻(xiàn)［19］以成本最小為優(yōu)化目標(biāo)，利用BFA算法得到微網(wǎng)中可調(diào)度電源的出力方案。該文獻(xiàn)所考慮的微電源及儲(chǔ)能裝置配置、參數(shù)、外部環(huán)境、負(fù)荷需求及其目標(biāo)函數(shù)均與文獻(xiàn)［18］相同。經(jīng)BFA計(jì)算出的日最優(yōu)發(fā)電成本略小于DE優(yōu)化結(jié)果，作者認(rèn)為BFA算法相對(duì)于DE算法更易于找到全局最優(yōu)解。

GA、DE、BFA算法均屬于進(jìn)化算法，在電力系統(tǒng)機(jī)組組合、優(yōu)化調(diào)度等領(lǐng)域有成功的應(yīng)用。由于存在早熟和隨機(jī)游走等不足，進(jìn)化算法迭代時(shí)間偏長(zhǎng)、收斂性不佳。此外，進(jìn)化算法的搜索起始于隨機(jī)性較大的狀態(tài)，結(jié)束于隨機(jī)性較小的狀態(tài)，這種基于概率的組合搜索思想可能導(dǎo)致算法收斂到局部最優(yōu)解。即便如此，與傳統(tǒng)的優(yōu)化算法相比，進(jìn)化算法確實(shí)是一種有效的全局搜索技術(shù)。

粒子群(Particle Swarm Optimization，PSO)算法是模擬鳥群或魚群等群體的捕食行為而提出的多代理算法，以簡(jiǎn)單、易于實(shí)現(xiàn)、收斂速度快、依賴的經(jīng)驗(yàn)參數(shù)少等優(yōu)點(diǎn)而被廣泛應(yīng)用于電力系統(tǒng)各種優(yōu)化領(lǐng)域［20］。文獻(xiàn)［21］以利潤(rùn)最大化為目標(biāo)，采用 PSO算法得到滿足熱電聯(lián)產(chǎn)條件下的微電源日調(diào)度方案。文獻(xiàn)［22］以成本為優(yōu)化目標(biāo)，基于PSO算法并引入隨機(jī)模擬技術(shù)計(jì)算粒子的適應(yīng)度值處理復(fù)雜的機(jī)會(huì)約束問題。PSO算法對(duì)復(fù)雜非線性問題具有較強(qiáng)的尋優(yōu)能力，更適合多目標(biāo)運(yùn)行優(yōu)化及機(jī)組經(jīng)濟(jì)調(diào)度等問題的求解。由于算法效率敏感于參數(shù)選擇，必須合理設(shè)置和調(diào)節(jié)參數(shù)。

3.2 多目標(biāo)優(yōu)化處理方法

微網(wǎng)優(yōu)化運(yùn)行要求在成本最低、排放最少、可靠性最佳、能源利用率最高等相互沖突的目標(biāo)中尋求折衷，是典型的多目標(biāo)優(yōu)化問題，恰當(dāng)?shù)亩嗄繕?biāo)優(yōu)化處理技術(shù)便顯得十分重要。一般的多目標(biāo)優(yōu)化處理方法有:線性加權(quán)法、分層序列法、評(píng)價(jià)函數(shù)法、理想點(diǎn)法等。

可見，微網(wǎng)優(yōu)化運(yùn)行宜綜合考慮負(fù)荷需求和環(huán)境效益，快速有效的多目標(biāo)求解方法的研究仍需加強(qiáng)。

3.3 微網(wǎng)運(yùn)行優(yōu)化的應(yīng)用

微網(wǎng)運(yùn)行優(yōu)化一般耗時(shí)較長(zhǎng)，大部分文獻(xiàn)均基于微網(wǎng)仿真模型實(shí)現(xiàn)系統(tǒng)的離線優(yōu)化調(diào)度，實(shí)際應(yīng)用的報(bào)道并不多見。

文獻(xiàn)［25］在一個(gè)實(shí)驗(yàn)室單相高頻交流微網(wǎng)中，采用線性規(guī)劃與啟發(fā)式算法相結(jié)合的手段，實(shí)現(xiàn)了以運(yùn)行成本最優(yōu)為目標(biāo)的實(shí)時(shí)優(yōu)化調(diào)度管理，但是這種線性規(guī)劃與啟發(fā)式算法相結(jié)合的算法要求網(wǎng)絡(luò)相對(duì)簡(jiǎn)單，當(dāng)網(wǎng)絡(luò)中需要收集的節(jié)點(diǎn)數(shù)據(jù)及狀態(tài)量不斷變化增加時(shí)，容易造成“維數(shù)障礙”，算法運(yùn)行時(shí)間將大大增加，無法真正實(shí)現(xiàn)微網(wǎng)的實(shí)時(shí)經(jīng)濟(jì)調(diào)度。文獻(xiàn)［26］則在可再生能源發(fā)電預(yù)測(cè)和負(fù)荷預(yù)測(cè)的基礎(chǔ)上，以經(jīng)濟(jì)性最優(yōu)為目標(biāo)，預(yù)先制定下一天的日經(jīng)濟(jì)調(diào)度計(jì)劃，運(yùn)行中再以運(yùn)行狀態(tài)最優(yōu)為目標(biāo)，每隔15min調(diào)整一次，其本質(zhì)上還是15min級(jí)的經(jīng)濟(jì)調(diào)度。

可見，實(shí)用的微網(wǎng)經(jīng)濟(jì)調(diào)度方法均進(jìn)行了某些簡(jiǎn)化處理，各種優(yōu)化調(diào)度方法還停留在小時(shí)級(jí)的調(diào)度水平，在工程上還難以很好地滿足實(shí)時(shí)性的要求。建立和完善微網(wǎng)運(yùn)行優(yōu)化模型及提高程序運(yùn)行速度是下一步的研究重點(diǎn)。

4 結(jié)論

基于化石能源枯竭、環(huán)境保護(hù)和電網(wǎng)安全的考慮，微網(wǎng)已經(jīng)受到很多國(guó)家和學(xué)者的重視。微網(wǎng)優(yōu)化調(diào)度是微網(wǎng)研究的重要問題，不僅要考慮微網(wǎng)運(yùn)行的經(jīng)濟(jì)效益，也要計(jì)及環(huán)境影響。本文對(duì)微網(wǎng)優(yōu)化運(yùn)行研究進(jìn)展進(jìn)行分析和總結(jié)，綜合評(píng)述了微網(wǎng)運(yùn)行優(yōu)化中采用的數(shù)學(xué)模型和求解算法。認(rèn)為兼顧經(jīng)濟(jì)和環(huán)境因素的微網(wǎng)多目標(biāo)優(yōu)化運(yùn)行模型和求解算法的研究仍需加強(qiáng)。提高程序運(yùn)行速度，實(shí)現(xiàn)微網(wǎng)能量實(shí)時(shí)在線管理，是下一步有待攻克的關(guān)鍵問題。

［1］Joos G，Ooi B T，McGillis D，et al.The potential of distributed generation to provide ancillary services［A］.Power Engineering Society Summer Meeting［C］.Seattle，USA:IEEE，2000.1762-1767.

［2］Lasseter B.Microgrids［A］.Power Engineering Society Winter Meeting［C］.Columbus，USA:IEEE，2001.146-149.

［3］李鵬，張玲，王偉，等(Li Peng，Zhang Ling，Wang Wei，et al.).微網(wǎng)技術(shù)應(yīng)用與分析(Application and analysis of microgrid)［J］.電力系統(tǒng)自動(dòng)化(Automation of E-lectric Power Systems)，2009，33(20):109-115.

［4］陳達(dá)威，朱桂萍(Chen Dawei，Zhu Guiping).微電網(wǎng)負(fù)荷優(yōu)化分配(An investigation on optimal load distribution of microgrids)［J］.電力系統(tǒng)自動(dòng)化(Automation of E-lectric Power Systems)，2010，34(20):45-49.

［5］Tsikalakis A G，Hatziargyriou N D.Centralized control for optimizing microgrids operation ［J］.IEEE Transactions on Energy Conversion，2008，23(1):241-247.

［6］牛銘，黃偉，郭佳歡，等(Niu Ming，Huang Wei，Guo Jiahuan，et al.).微網(wǎng)并網(wǎng)時(shí)的經(jīng)濟(jì)運(yùn)行研究(Research on economic operation ofgrid-connected microgrid).［J］.電網(wǎng)技術(shù)(Power System Technology)，2010，34(11):38-42.

［7］Hernandez-Aramburo C A，Tim C Green，Nicolas Mugniot.Fuel consumption minimization of a microgrid［J］.IEEE Transactions on Industry Applications，2005，41(3):673-681.

［8］丁明，張穎媛，茆美琴，等(Ding Ming，Zhang Yingyuan，Mao Meiqin，et al.).包含鈉硫電池儲(chǔ)能的微網(wǎng)系統(tǒng)經(jīng)濟(jì)運(yùn)行優(yōu)化(Economic operation optimization for microgrids including Na/S battery storage)［J］.中國(guó)電機(jī)工程學(xué)報(bào)(Proceedings of the CSEE)，2011，31(4):7-14.

［9］楊為(Yang Wei).分布式電源的優(yōu)化調(diào)度(Optimal scheduling for distributed energy resource)［D］.合肥:合肥工業(yè)大學(xué)(Hefei:Hefei University of Technology)，2010.

［10］Bhuvaneswari R，Edrington C S，Cartes D A，et al.Online economic environmental optimization of a microgrid using an improved fast evolutionary programming technique［A］.North American Power Symposium(NAPS)［C］.Starkville，USA，2009.1-6.

［11］Mizani S，Yazdani A.Optimal design and operation of a grid-connected microgrid［A］.Electrical Power＆ Energy Conference(EPEC)［C］.Montreal:IEEE，2009.1-6.

［12］Mohamed F A，Koivo H N.Online management of microgrid with battery storage using multiobjective optimization［A］.Power Engineering，Energy and Electrical Drives［C］.Setubal，Portugal，2007.231-236.

［13］Morgantown W.Emission rates for new DG technologies［OL］.http://www.raponline.org/projdocs/drernsrul/collfile/dgemissionsmay2001，pdf.

［14］Conti S，Rizzo S A.Optimal control to minimize operating costs and emissions of MV autonomous micro-grids with renewable energy sources［A］.2009 International Conference on Clean Electrical Power［C］.Capri，2009.634-639.

［15］Liu Xiaoping，Ding Ming，Han Jianghong，et al.Dynamic economic dispatch for microgrids including battery energy storage［A］.Power Electronics for Distributed Generation Systems(PEDG)［C］.Hefei，2010.914-917.

［16］劉勇，康立山，陳毓屏(Liu Yong，Kang Lishan，Chen Yuping).非數(shù)值并行算法.第二冊(cè)，遺傳算法(Nonnumer-ic Parallel Algorithm.vol2.Genetic Algorithm)［M］.北京:科學(xué)出版社 (Beijing:Science Press)，1995.

［17］Chen C，Duan S，Cai T，et al.Smart energy management system for optimal microgrid economic operation［J］.Renewable Power Generation，IET，2011，5(3):258-267.

［18］Vahedi H，Noroozian R，Hosseini S H.Optimal management of microgrid using differential evolution approach［A］.2010 7th International Conference on the European Energy Market(EEM)［C］.Madrid，2010.1-6.

［19］Vahedi H，Noroozian R，Jalilvand A.Optimal management of microgrid in island-mode using bacterial foraging algorithm［J］.International Review of Electrical Engineering，2010，5(5Part B):2141-2151.

［20］Jong-Bae P，Ki-Song L，Joong-Rin S，et al.A particle swarm optimization for economic dispatch with nonsmooth cost functions［J］.IEEE Transactions on Power Systems，2005，20(1):34-42.

［21］Bagherian A，Tafreshi S M M.A developed energy management system for a microgrid in the competitive electricity market［A］.Power Tech［C］.Bucharest，2009.1-6.

［22］王銳，顧偉，吳志(Wang Rui，Gu Wei，Wu Zhi).含可再生能源的熱電聯(lián)供型微網(wǎng)經(jīng)濟(jì)運(yùn)行優(yōu)化(Economic and optimal operation of a combined heat and power microgrid with renewable energy resources)［J］.電力系統(tǒng)自動(dòng)化(Automation of Electric Power Systems)，2011，35(8):22-27.

［23］Mohamed F A，Koivo H N.MicroGrid online management and balancing using multiobjective optimization［A］.Power Tech［C］.Lausanne:IEEE，2007.639-644.

［24］Meiqin M，Meihong J，Wei D，et al.Multi-objective economic dispatch model for a microgrid considering reliability［A］.Power Electronics for Distributed Generation Systems(PEDG)［C］.Hefei，2010.993-998.

［25］Sudipta Chakraborty，Manoja D Weiss，M Godoy Simoes.Distributed intelligent energy management system for a single-phase high-frequency AC microgrid［J］.IEEE Transactions on Industrial Electronics，2007，54(1):97-109.

［26］Borghetti A，Bosetti M，Bossi C，et al.An energy resource scheduler implemented in the automatic management system of a microgrid test facility［A］.International Conference on Clean Electrical Power［C］.Bologna:IEEE，2007.90-100.