王海燕， 同向前， 張永輝

(西安理工大學(xué) 自動化與信息工程學(xué)院，陜西 西安 710048)

基于剩余電量評估的微電網(wǎng)切負荷策略研究

王海燕， 同向前， 張永輝

(西安理工大學(xué) 自動化與信息工程學(xué)院，陜西 西安 710048)

對于孤島模式下的微電網(wǎng)，若微電源和儲能元件容量不足以保證微網(wǎng)內(nèi)所有負荷在主電源計劃停電期間的正常供電時，需要切除微網(wǎng)部分負荷以最大限度地保證重要負荷的供電。本文提出了微網(wǎng)剩余電量的概念以及一種基于剩余電量評估的微網(wǎng)切負荷策略，通過對孤島運行期間微網(wǎng)的微電源發(fā)電量、儲能裝置儲電量和負荷所需用電量進行實時預(yù)測估計和比較分析，按照電量平衡原則和負荷分級體系，優(yōu)化確定微網(wǎng)內(nèi)不同級別負荷的投切時刻，保證微網(wǎng)內(nèi)最重要負荷的連續(xù)供電和其余各級負荷的斷電時間最少。算例微電網(wǎng)的切負荷仿真結(jié)果表明了該策略的正確性和有效性。

微電網(wǎng); 剩余電量; 在線預(yù)測; 切負荷

微網(wǎng)不僅解決了以風(fēng)力和光伏發(fā)電為主的分布式電源大規(guī)模分散接入問題，還為用戶帶來多方面的效益，已成為分布式電源的一種最有效利用方式[1-4]。通常，微網(wǎng)與主網(wǎng)并網(wǎng)運行，微網(wǎng)內(nèi)負荷由分布式電源(DG)和主網(wǎng)共同供電，主網(wǎng)不僅能夠有效補充微源發(fā)電量的不足，也能有效吸納微源發(fā)出的多余電量。在主網(wǎng)計劃停電期間，弧島運行的微網(wǎng)應(yīng)盡量保證負荷的可靠供電。但是，由于微源發(fā)電量和儲能電量有限，可能需要在適當(dāng)時刻切除部分負荷，以便保證重要負荷的連續(xù)供電。

國內(nèi)外對于微網(wǎng)孤島運行的研究主要集中在功率供需平衡前提下的優(yōu)化調(diào)度[5]和微源運行控制[6-7]方面。文獻[8]、[9]提出了微網(wǎng)日前調(diào)度與微源實時控制相結(jié)合的能量管理策略，文獻[10]、[11]則研究了微網(wǎng)的低頻減載策略。這些方法并不完全適合于并網(wǎng)型微網(wǎng)的孤島運行方式。關(guān)于主網(wǎng)計劃停電期間以微網(wǎng)內(nèi)重要負荷連續(xù)供電為目標(biāo)的微網(wǎng)切負荷運行策略，國內(nèi)外鮮有文獻報道。

本文針對計劃孤島運行期間的微網(wǎng)，提出一種基于剩余電量評估的微網(wǎng)切負荷策略，在主網(wǎng)計劃停電期間，根據(jù)微網(wǎng)內(nèi)各DG和負荷功率的超短期預(yù)測，結(jié)合儲能元件的充放電功率限制和當(dāng)前儲電量，對微網(wǎng)內(nèi)的各級負荷制定合理的切負荷策略，保證重要負荷在主網(wǎng)停電期間的連續(xù)可靠供電。

1 剩余電量

微網(wǎng)的結(jié)構(gòu)形式多樣，本文以圖1所示微網(wǎng)為例加以說明。微網(wǎng)內(nèi)包含有1個光伏發(fā)電單元、1個風(fēng)力發(fā)電單元、2個蓄電池儲能元件和若干負荷。微網(wǎng)通過主隔離開關(guān)與主網(wǎng)相連，當(dāng)主網(wǎng)正常時，微網(wǎng)并網(wǎng)運行，而當(dāng)主網(wǎng)故障或部分線路檢修時，微網(wǎng)與其斷開，轉(zhuǎn)為孤島運行。

設(shè)微網(wǎng)獨立運行的起始時刻為t0，主網(wǎng)計劃或預(yù)計停電時間為T，微網(wǎng)恢復(fù)并網(wǎng)運行的時刻為tend，則有：T=tend-t0。在微網(wǎng)孤島運行期間，若通過預(yù)測可以得到在主網(wǎng)停電期間DG的輸出功率變化曲線PDG(t)和負荷的功率需求變化曲線Pload(t)，則DG從當(dāng)前時刻t到停電結(jié)束所能發(fā)出的電量和負荷從當(dāng)前時刻t到停電結(jié)束所需要的電量分別為：

(1)

(2)

設(shè)當(dāng)前時刻t儲能裝置可釋放的儲存電量為WBAT(t)，則當(dāng)前時刻t微網(wǎng)的剩余電量定義為：

(3)

以上各電量的單位均為kW·h，功率的單位均為kW。

在孤島運行期間，每隔ΔT對微網(wǎng)的剩余電量ΔW(t)進行一次評估，若此時ΔW(t)>0，則表明此后的孤島運行期間微網(wǎng)中微源可提供足夠的電能供應(yīng)負荷，無須切負荷。反之，若ΔW(t)≤0，則表明此后的孤島運行期間微網(wǎng)中微源提供的電能不能滿足負荷需求，需要考慮按照一定順序切除部分相對不重要的負荷。微網(wǎng)孤島運行期間的負荷投切策略隨著微電源和儲能裝置的出力變化進行動態(tài)調(diào)整。

制定準(zhǔn)確合理的微網(wǎng)切負荷策略的前提包括兩方面，一是需要對孤島運行期間微網(wǎng)剩余電量進行有效評估，其關(guān)鍵是對DG的輸出功率和負荷需求功率進行準(zhǔn)確預(yù)測；二是要對微網(wǎng)負荷進行分類分級，以確定投切負荷的判據(jù)和先后順序。

2 微網(wǎng)發(fā)電功率預(yù)測和負荷預(yù)測

孤島運行期間，如何對微網(wǎng)內(nèi)的負荷進行適時投切，需要預(yù)先對DG和負荷在計劃孤島期間的功率變化進行準(zhǔn)確預(yù)測。功率預(yù)測已有大量文獻報道[12-14]，預(yù)測方法有統(tǒng)計法、時間序列法、神經(jīng)網(wǎng)絡(luò)和支持向量回歸等?；谏窠?jīng)網(wǎng)絡(luò)的DG發(fā)電功率預(yù)測是目前研究熱點之一，文獻[12]提出了RBF神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電短期出力預(yù)測模型，文獻[13][14]分別將小波神經(jīng)網(wǎng)絡(luò)、動態(tài)神經(jīng)網(wǎng)絡(luò)用于短期風(fēng)電功率的預(yù)測。

相比之下，RBF神經(jīng)網(wǎng)絡(luò)具有訓(xùn)練速度更高、計算簡單、收斂性好的優(yōu)點，本文采用RBF神經(jīng)網(wǎng)絡(luò)方法分別建立了DG發(fā)電功率和負荷功率的超短期預(yù)測模型。下面僅以風(fēng)力發(fā)電功率預(yù)測為例加以說明。

2.1 風(fēng)力發(fā)電功率特點

在風(fēng)力發(fā)電系統(tǒng)中，風(fēng)力機葉片從風(fēng)中捕獲部分能量轉(zhuǎn)化為旋轉(zhuǎn)動能，然后通過機械驅(qū)動系統(tǒng)傳遞給發(fā)電機，進而轉(zhuǎn)化為電能。風(fēng)力機的輸出功率為[15]:

(4)

式中,ρ為空氣密度(kg/m3)；V為風(fēng)速(m/s)；d為風(fēng)力發(fā)電機的葉輪直徑(m)；P為每秒空氣流過風(fēng)力發(fā)電機葉輪斷面面積的風(fēng)能，即風(fēng)能功率(W)。

式(4)表明，風(fēng)力機的輸出功率除與風(fēng)速和風(fēng)葉直徑有關(guān)外，還受空氣密度的影響，空氣密度則由大氣溫度和壓力決定。此外，風(fēng)向、相對濕度等也會影響風(fēng)力機的輸出。

2.2 風(fēng)電功率預(yù)測模型

風(fēng)電預(yù)測模型應(yīng)考慮到綜合氣象信息。風(fēng)電輸出功率與大氣溫度、壓力、風(fēng)向、相對濕度等多種因素有關(guān)，按照這些因素對風(fēng)電輸出功率的影響程度取不同的權(quán)重，最終得到一個模糊綜合天氣指數(shù)。

2.3 基于RBF神經(jīng)網(wǎng)絡(luò)的預(yù)測模型設(shè)計

選用正則化RBF神經(jīng)網(wǎng)絡(luò)進行風(fēng)力發(fā)電系統(tǒng)輸出功率預(yù)測模型的設(shè)計。RBF神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層和輸出層組成[16]，如圖3所示。

在本文建立的預(yù)測模型中，輸入層神經(jīng)元個數(shù)n=9，輸出層神經(jīng)元個數(shù)m=1，正則化RBF神經(jīng)網(wǎng)絡(luò)的隱含層神經(jīng)元個數(shù)與輸入層相同，即l=n=9。

隱含層基函數(shù)采用高斯激活函數(shù)，隱含層第i個節(jié)點的輸出可由下式表示：

(5)

其中，X=(x1,x2,.......xn)T為輸入變量，ci為第i個基函數(shù)的中心向量，與X維數(shù)相同，采用K-means聚類算法求取。σi為第i個隱含層節(jié)點的標(biāo)準(zhǔn)化常數(shù)，即高斯基函數(shù)的方差。RBF網(wǎng)絡(luò)輸出函數(shù)表達式為：

(6)

式中,wi為隱含層到輸出層的加權(quán)系數(shù)，可由最小二乘法直接計算得到，計算公式見文獻[16]。

預(yù)測模型的結(jié)構(gòu)確立后，需要對網(wǎng)絡(luò)進行訓(xùn)練。選取圖1微網(wǎng)中風(fēng)力發(fā)電機某月(30天)的發(fā)電功率數(shù)據(jù)、并根據(jù)數(shù)值天氣預(yù)報得出風(fēng)速和模糊綜合天氣指數(shù)，共同作為預(yù)測模型輸入變量。將前25天數(shù)據(jù)作為訓(xùn)練集，后5天數(shù)據(jù)作為測試集。網(wǎng)絡(luò)模型的訓(xùn)練和預(yù)測步驟如下：

1) 對輸入數(shù)據(jù)進行預(yù)處理, 為避免神經(jīng)元的飽和，對各輸入數(shù)據(jù)進行歸一化處理。

2) 選取歸一化后的預(yù)測時刻前3個周期的風(fēng)速、模糊綜合天氣指數(shù)及風(fēng)機輸出功率作為輸入，利用構(gòu)建的RBF神經(jīng)網(wǎng)絡(luò)模型進行預(yù)測。

3) 最終得到預(yù)測的風(fēng)力發(fā)電系統(tǒng)的輸出功率值。

應(yīng)用類似方法可分別建立微網(wǎng)光伏發(fā)電功率預(yù)測模型和負荷預(yù)測模型并得出預(yù)測結(jié)果。

3 微網(wǎng)的負荷分級

電力系統(tǒng)中根據(jù)用電負荷可靠供電的要求不同，將負荷分為三級：一級負荷(關(guān)鍵負荷)、二級負荷(重要負荷)、三級負荷(一般負荷)。對一級負荷，要求由兩個獨立電源供電。對二級負荷，要求由兩回線路供電，且當(dāng)一回線路故障時，應(yīng)不影響另一回線路供電。對三級負荷，其供電方式無特殊要求，但應(yīng)盡量提高供電可靠性。

相比于傳統(tǒng)的電力負荷，對微網(wǎng)負荷的分級，到目前為止尚無統(tǒng)一的標(biāo)準(zhǔn)，從保證微網(wǎng)在任何運行方式下都能可靠供電的角度考慮，為方便制定靈活的微網(wǎng)切負荷策略，本文提出按照負荷的供電要求和能否獨立開斷相結(jié)合的雙重負荷分級方法。

根據(jù)負荷對供電可靠性的不同要求，結(jié)合微網(wǎng)的斷路器數(shù)目將微網(wǎng)負荷分為n級。第1級負荷為重要負荷，第2級負荷的重要性次之，以此類推，第n級負荷的重要性最低。要求每級負荷對應(yīng)一個能獨立可控的斷路器。

微網(wǎng)孤島運行時，首先保證第1級負荷的連續(xù)供電，在任何情況下均不考慮切除；滿足第1級負荷需求后，微網(wǎng)電能若仍有剩余，則繼續(xù)滿足其余負荷供電需求。當(dāng)微網(wǎng)電量不足時，可考慮從第n級負荷開始，逐級切除，直至微網(wǎng)剩余電量ΔW(t)>0時停止切負荷。

負荷分級機制的引入，有利于改善微網(wǎng)內(nèi)重要負荷及一般負荷的供電條件，同時將會提高微網(wǎng)整體供電的可靠性。

4 微網(wǎng)切負荷策略及其實現(xiàn)方法

4.1 基于剩余電量評估的微網(wǎng)切負荷策略

基于剩余電量評估的微網(wǎng)切負荷策略，是指對孤島運行期間的微網(wǎng)，從微網(wǎng)獨立運行時刻起，間隔ΔT對從該時刻到微網(wǎng)恢復(fù)并網(wǎng)時刻的微網(wǎng)剩余電量進行實時預(yù)測估計和比較分析，最終確定微電網(wǎng)內(nèi)分級負荷的投切順序和時刻，以保證微網(wǎng)內(nèi)其余負荷，尤其是重要負荷的可靠持續(xù)供電。

假設(shè)微網(wǎng)中的蓄電池儲能元件可隨時進行充放電，當(dāng)微網(wǎng)中的發(fā)電量大于用電量時，剩余的發(fā)電量由蓄電池進行存儲；而當(dāng)微網(wǎng)的發(fā)電量小于用電量時，蓄電池可以及時放電來補充微網(wǎng)負荷需求的部分缺額?；谑Ｓ嚯娏吭u估的微網(wǎng)實時切負荷流程如圖4所示。

4.2 微網(wǎng)孤島運行期間蓄電池能量管理

在并網(wǎng)運行期間，儲能裝置常處于充滿后的浮充狀態(tài)，為孤島運行做好儲能準(zhǔn)備。在微網(wǎng)孤島運行期間，儲能裝置根據(jù)微網(wǎng)剩余電量，并結(jié)合自身的荷電狀態(tài)共同決定是否需要進行充放電，同時主導(dǎo)微網(wǎng)電壓的幅值和頻率。

在圖1所示微電網(wǎng)中，儲能裝置承擔(dān)著微網(wǎng)孤島運行期間的功率動態(tài)平衡調(diào)節(jié)器的作用。當(dāng)DG發(fā)電功率大于負荷用電功率時，儲能裝置處于充電狀態(tài)，從微網(wǎng)吸收功率，如果DG發(fā)電功率與負荷功率之差大于儲能裝置的允許充電功率，則DG自動調(diào)節(jié)輸出功率以維持微網(wǎng)功率的動態(tài)平衡；當(dāng)DG發(fā)電功率小于負荷用電功率時，儲能裝置處于放電狀態(tài)，向微網(wǎng)發(fā)出功率。關(guān)于DG和儲能裝置的內(nèi)部控制可參考文獻[17]。

孤島運行方式下的微網(wǎng)，其頻率和電壓易受負荷擾動和DG輸出功率波動的影響。微網(wǎng)頻率的波動可通過調(diào)節(jié)儲能裝置的充放電功率進行抑制。當(dāng)頻率下降時，儲能裝置放電以補償微網(wǎng)有功功率的缺額；當(dāng)頻率升高時，則充電以吸收微網(wǎng)中多余的有功功率。微網(wǎng)電壓的波動可通過調(diào)節(jié)儲能裝置的無功功率輸出進行抑制。當(dāng)電壓較低時，儲能系統(tǒng)發(fā)出無功功率以補償微網(wǎng)無功功率缺額；當(dāng)電壓較高時，則吸收多余的無功功率。合理的選擇儲能裝置的參數(shù)和控制策略，可以保證微網(wǎng)孤島運行時頻率和電壓的穩(wěn)定。

5 算例分析

針對圖1所示微電網(wǎng)，設(shè)光伏發(fā)電系統(tǒng)(PV)、風(fēng)力發(fā)電系統(tǒng)(WT)額定輸出功率均為400 kW，Bat總額定容量為1 200 kW·h，額定充放電功率為400 kW，放電容量下限為200 kW·h。根據(jù)微網(wǎng)內(nèi)負荷的供電要求和斷路器數(shù)目，將微網(wǎng)負荷分為3級。第1級重要負荷的額定功率為200 kW，記為A；第2級一般負荷的額定功率為250 kW，記為B；第3級可中斷負荷的額定功率為100 kW，記為C。圖5中為某典型工作日微網(wǎng)中各DG(PV,WT)和三級負荷的功率預(yù)測曲線。

應(yīng)用MATLAB語言編寫基于剩余電量評估的微網(wǎng)切負荷策略程序，對微網(wǎng)在主網(wǎng)計劃停電期間的運行情況進行仿真。

設(shè)微網(wǎng)于16:00與主網(wǎng)斷開連接，21:00恢復(fù)并網(wǎng)運行。在孤島運行期間，根據(jù)圖5中微網(wǎng)各DG和各類負荷的功率預(yù)測曲線，應(yīng)用基于剩余電量評估的微網(wǎng)切負荷程序，以Δt=15 min的間隔，由式(1)、(2)分別計算微網(wǎng)中DG的總可發(fā)電量，負荷A、負荷A+B及總負荷的所需用電量，并根據(jù)儲能裝置荷電狀態(tài)SOC實測值估算其儲電量，由式(3)對微網(wǎng)剩余電量進行估計，得到各評估時刻微網(wǎng)是否需要切負荷以及切除哪級負荷。微網(wǎng)孤島運行期間各評估時刻負荷需求電量、DG可發(fā)電量和蓄電池儲電量曲線和切負荷情況如圖6所示。

對圖6進行分析，從16:00微網(wǎng)孤島運行起始時刻至21:00恢復(fù)并網(wǎng)運行，微網(wǎng)剩余電量變化和切負荷情況可分為4個關(guān)鍵時間點。

1) 孤島運行起始時刻16:00，微網(wǎng)預(yù)測電量表現(xiàn)為：

因此，需要切除負荷C。負荷C切除后，有

于是，蓄電池處于充電狀態(tài)。

2) 孤島運行至16:15，微網(wǎng)預(yù)測電量表現(xiàn)為：

但是

此時，蓄電池處于放電狀態(tài)。

3) 孤島運行至16:45，微網(wǎng)預(yù)測電量表現(xiàn)為:

但在下一評估時刻17:00，微網(wǎng)的預(yù)測電量為：

因此，需要在當(dāng)前時刻16:45提前切除負荷B。負荷B切除后，有

于是，蓄電池再次處于充電狀態(tài)。

4) 孤島運行至18:15，微網(wǎng)預(yù)測電量表現(xiàn)為:

此時，負荷B再次投入，蓄電池放電。

負荷A+B同時運行的狀態(tài)從18:15將一直持續(xù)到微網(wǎng)恢復(fù)并網(wǎng)運行時刻21:00。

在微網(wǎng)孤島運行的5小時內(nèi)，由于采用基于剩余電量評估的微網(wǎng)切負荷策略，通過對各評估時刻微網(wǎng)中各DG可發(fā)電量、各級負荷需求電量和儲能元件儲電量的計算比較，準(zhǔn)確及時地對微網(wǎng)中的次要負荷C和B進行投切，保證了微網(wǎng)中重要負荷A的持續(xù)供電，縮短了次重要負荷B的停電時間，滿足微網(wǎng)孤網(wǎng)運行期間可靠供電和安全穩(wěn)定運行的要求。

6 結(jié) 論

針對微網(wǎng)孤島運行時發(fā)電量不能滿足所有負荷需求的實際，提出了微網(wǎng)剩余電量的概念及基于剩余電量的微網(wǎng)切負荷策略，可有如下結(jié)論：

1) 剩余電量反映了微網(wǎng)電量的實時供需平衡情況，可作為微網(wǎng)切負荷的依據(jù)?；谑Ｓ嚯娏康呢摵赏肚胁呗钥梢宰畲笙薅鹊靥岣呶⒕W(wǎng)負荷的供電可持續(xù)性。

2) 剩余電量估計是以微源和負荷的功率短期預(yù)測為基礎(chǔ)的，預(yù)測精度會影響負荷投切時刻的切合度。

3) 儲能裝置的容量越大，負荷供電連續(xù)性越好。儲能裝置的額定容量和充放電功率限制均會影響投切結(jié)果，還需要進一步深入研究。

[1]Hatziargyriou N, Asand H, Iravani R,et al．Microgrids[J]．IEEE Power and Energy Magazine, 2007,5(4)：78-94．

[2]Katiraei F, Iravani R, Hatziargyriou N, et al. Microgrids management[J].IEEE Power and Energy Magazine, 2008, 6(3): 54-65．

[3]魯宗相, 王彩霞, 閔勇, 等．微電網(wǎng)研究綜述[J].電力系統(tǒng)自動化, 2007, 31(19)：100-107．

Lu Zongxiang, Wang Caixia, MinYong, et al. Overview on microgrid research[J].Automation of Electric Power Systems, 2007, 31(19)：100-107．

[4]王成山, 李鵬．分布式發(fā)電、微網(wǎng)與智能配電網(wǎng)的發(fā)展與挑戰(zhàn)[J]．電力系統(tǒng)自動化, 2010, 34(2)：10-14, 23．

Wang Chengshan, Li Peng．Development and challenges of distributed generation, the micro-grid and smart distribution system [J].Automation of Electric Power Systems, 2010, 34(2)：10-14, 23．

[5]Mohammad F, Hassan B．Statistical cooperative power dispatching in interconnected microgrids[J].IEEE Transactions on Sustainable Energy, 2013, 4(3):586-593.

[6]Balaguer I J, Qin Lei, Yang Shuitao, et al. Control for grid-connected and intentional islanding operations of distributed power generation[J].IEEE Transactions on Industrial Electronics, 2011, 58(1):147-157.

[7]Ashabani S M, Mohamed Y A I. A flexible control strategy for grid-connected and islanded microgrids with enhanced stability using nonlinear microgrid stabilizer[J].IEEE Transactions on Smart Grid, 2012,3(3):1291-1301.

[8]郭思琪,袁越,張新松,等.多時間尺度協(xié)調(diào)控制的獨立微網(wǎng)能量管理策略[J].電工技術(shù)學(xué)報, 2014, 29(2):122-129.

Guo Siqi, Yuan Yue, Zhang Xinsong, et al. Energy management strategy of isolated microgrid based on multi-time scale coordinated control[J].Transactions of China Electrotechnical Society, 2014, 29(2):122-129.

[9]郭力,王蔚,劉文建,等.風(fēng)柴儲海水淡化獨立微電網(wǎng)系統(tǒng)能量管理方法[J].電工技術(shù)學(xué)報, 2014, 29(2):113-121.

Guo Li, Wang Wei, Liu Wenjian, et al. The energy management method for stand-alone wind/diesel/battery/sea-water desalination microgrid[J].Transactions of China Electrotechnical Society, 2014, 29(2):113-121.

[10]Raghami A, Ameli M T, Hamzeh M,et al．Primary and secondary frequency control in an autonomous microgrid supported by a load-shedding strategy[C]//4th Power Electronics, Drive Systems & Technologies Conference, Tehran, Iran, 2013:282-287.

[11]Hong Y Y, Hsiao M C, Chang Y R, et al．Multiscenario underfrequency load shedding in a microgrid consisting of intermittent renewables[J].IEEE Transactions on Power Delivery, 2013, 28(3):1610-1617.

[12]陳昌松,段善旭,蔡濤,等.基于模糊識別的光伏發(fā)電短期預(yù)測系統(tǒng)[J].電工技術(shù)學(xué)報, 2011, 26(7):83-89.

Chen Changsong, Duan Shanxu, Cai Tao, et al．Short-term photovoltaic generation forecasting system based on fuzzy recognition[J].Transactions of China Electrotechnical Society, 2011, 26(7):83-89.

[13]王賀,胡志堅, 陳珍,等.基于集合經(jīng)驗?zāi)B(tài)分解和小波神經(jīng)網(wǎng)絡(luò)的短期風(fēng)功率組合預(yù)測[J].電工技術(shù)學(xué)報, 2013, 28 (9):137-144.

Wang He, Hu Zhijian, Chen Zhen, et al. A hybrid model for wind power forecasting based on ensemble empirical mode decomposition and wavelet neural networks[J].Transactions of China Electrotechnical Society, 2013, 28 (9):137-144.

[14]劉瑞葉,黃磊.基于動態(tài)神經(jīng)網(wǎng)絡(luò)的風(fēng)電場輸出功率預(yù)測 [J].電力系統(tǒng)自動化, 2012, 36(11):19-37.

Liu Ruiye, Huang Lei. Wind power forecasting based on dynamic neural networks[J].Automation of Electric Power Systems, 2012, 36(11):19-37.

[15]吳雙群, 趙丹平.風(fēng)力發(fā)電原理[M].北京：北京大學(xué)出版社, 2011.

[16]史峰, 王小川, 郁磊, 等.MATLAB神經(jīng)網(wǎng)絡(luò)30個案例分析[M].北京:北京航空航天大學(xué)出版社,2010.

[17]彭思敏. 電池儲能系統(tǒng)及其在風(fēng)-儲孤網(wǎng)中的運行與控制[D].上海：上海交通大學(xué)，2013.

Peng Simin. Battery energy storage system and its operation and control in the isolated grid based on wind-battery[D].Shanghai: Shanghai Jiaotong University, 2013.

(責(zé)任編輯 楊小麗)

A study of load shedding strategy of microgrid based on surplus energy evaluation

WANG Haiyan， TONG Xiangqian， ZHANG Yonghui

(Faculty of Automation and Information Engineering, Xi’an University of Technology, Xi’an 710048,China)

When microgrid operates in isolated mode, if the capacity of micro sources and energy storage devices cannot ensure the power supply for all loads in the microgrid during scheduled outage of the main power source, it is necessary to remove part of loads in the microgrid to guarantee the power supply for the important loads in maximum. This paper presents the concept of surplus energy of microgrid, and a load shedding strategy of microgrid based on the surplus energy evaluation. According to the result of real-time predicted estimation and compared analysis for power generation of micro sources, capacity of storage devices and the required power consumption of loads during the islanded operation of microgrid , this strategy optimizes the switching time of different level loads in the microgrid in accordance with power balance principle and load classification system, in order to ensure the continuous power supply of the most important loads and the shortest power-off time of the rest loads at all levels. The load shedding simulation results of the scenario show the correctness and effectiveness of the strategy.

microgrid; surplus energy; online prediction; load shedding

1006-4710(2015)04-0428-06

2014-12-06

國家自然科學(xué)基金資助項目(51507139);陜西省重點學(xué)科建設(shè)專項基金資助項目(5X1301)；高等學(xué)校博士學(xué)科點專項科研基金資助項目(20126118110009)；陜西省教育廳科學(xué)研究計劃資助項目(2010JK756)。

王海燕，女，講師，博士生，研究方向為分布式發(fā)電運行控制及微電網(wǎng)能量管理。E-mail：wanghaiyan@xaut.edu.cn。

同向前，男，教授，博導(dǎo)，研究方向為電力電子技術(shù)在電力系統(tǒng)中的應(yīng)用。E-mail：lstong@mail.xaut.edu.cn。

TM762

A