本文是电力论文，为提高光伏发电利用效率，减少光伏预测不准确和不可调度带来的困难，本文从提高光伏发电功率预测和微电网系统调度两方面做了研究，力求减小光伏发电不确定对微电网系统带来的影响并且提高微电网系统整体消纳光伏发电的能力，取得的主要成果如下：(1)提出了一种基于 PCA 和 PSO 算法 RBF 神经网络的光伏发电功率短期预测方法将影响光伏发电功率的多个因素降到少数相互独立的变量，作为光伏发电预测模型的输入，利用粒子群算法优化径向基函数神经网络，建立对比模型分别预测稳定型天气和突变型天气的输出功率。结果表明，该方法可以有效提高光伏预测模型的预测精度和训练速度，同时可以对不同天气进行很好的预测。(2)提出了基于弱鲁棒优化的多储能调度方法提出的弱鲁棒优化模型可以在违背一定约束的情况下，能够有效的改善传统鲁棒优化模型的保守性。通过调节缺额惩罚系数有效的调剂模型的经济性和鲁棒性，使得优化调度变得更有实际意义，调度决策者可以通过调节缺额比例和惩罚系数以达到实际需求。由于大电网与分布式电源存在矛盾，为了两者能够经济合理的结合起来，专家们提出了微电网的概念。微电网是由多种分布式能源、储能以及负荷通过电气网络联系成一个整体的电力系统，不仅可以实现自我保护，同时还可以进行自我管理和控制。微电网既可以连接大电网并网运行，也可以独立于大电网孤岛运行，是智能电网的重要组成部分。
........
第一章 绪论
为了使分布式能源能够接入大电网，并且充分发挥分布式能源各自的优势，可以将分布式能源集成后接入中低压配电系统，可以提高能源的安全性、高效性、稳定性以及电力系统运行的灵活性和可靠性。相比于大电网，微电网可以更好的管理光伏发电系统，将光伏发电系统通过微电网并入大电网，可以减小光伏发电不确定性对大电网带来的冲击，是更加经济合理地利用光伏发电系统的方式。在微电网中，光伏发电功率随着太阳辐照度、温度等因素变化而变化，导致光伏发电功率在实际应用中很难预测，所以，准确预测光伏发电功率对光伏并网以及后续的经济调度具有重要的意义。本章首先在化学能源短缺以及利用化石能源发电会产生环境污染基础上提出了光伏发电，围绕光伏发电的优势以及解决光伏发电不确定的重要性，阐述了本文的背景与意义；然后对微电网能源模型的相关研究、国内外光伏发电功率预测研究现状、鲁棒优化调度研究现状以及自适应动态规划研究现状进行了文献的梳理与综述，在此基础上总结了现有研究的不足，同时提出本文的研究创新之处；最后清晰地阐述了文章的写作思路与研究方法。
........
第二章微电网系统结构
2.1 微电网结构
对大电网来说，微电网是一个整体，在微电网内，由于各种分布式能源原理各不相同，因此需对微电网内各个能源进行分析。微电网系统结构图如下图所示：在该微电网结构中，主要包含光伏、储能以及负荷，微电网与大电网通过 PCC 节点相连。一个典型的微电网系统由各种分布式能源、储能系统以及负荷构成，各个分布式系统的调度工作由一个中央能量管理系统完成。储能系统是微电网中必不可少的一个分布式系统，它能够使得光伏发电并网时电能得以缓冲，有效提高微电网的电能质量，保证微电网系统稳定运行。储能可以存储微电网系统多余的电能，当微电网系统存在电能缺额时，储能释放电能以满足微电网系统平衡、稳定运行。储能系统在于微电网的稳定控制、改善电能质量以及不间断供电方面扮演重要的角色，是微电网安全稳定运行的核心。
2.2 微电网运行模式研究
当 PCC 结点闭合时，微电网处于并网运行模式。这时，微电网属于大电网的一个分支，微电网能够与大电网进行电能交互：电能多余时，微电网在内部向大电网售电；内部电能缺额时，微电网向大电网购电。在大电网的强有力支撑下，微电网中的光伏、风机等不可控能源在调度过程中产生的不良影响能够被有效降低，微电网可以最大限度的发挥光伏、风机等分布式能源环境效益的优势，同时保证微电网能够安全平稳运行。当 PCC 结点断开时，微电网处于孤岛运行模式。这时，微电网脱离于大电网独立工作，不能与大电网进行电能交互，微电网内部负荷完全由分布式能源和储能承担。当微电网孤岛运行时，可以通过微电网能量管理系统对各个分布式能源进行实时监控，并且对微电网内部各个分布式能源优化配置，以完成负荷需求。
.........
第三章 基于 PCA 和 PSO 算法优化 RBF 神经网络光伏发电功率短期预测................... 13
3.1 光伏发电功率影响因素主成分分析 ............ 13
3.2 PSO 算法优化 RBF 神经网络预测模型设计...................... 15
3.3 算例分析 ........................ 19
3.3 算例分析 ........................ 19
3.4 本章小结 .............................................. 21
第四章 基于弱鲁棒优化的多储能调度方法 ... 22
4.1 微电网优化调度模型 .......................... 22
4.2 弱鲁棒优化方法 .................................. 24
4.3 算例分析 .............................................. 26
4.4 本章小结 .............................................. 30
第五章 基于迭代自适应动态规划的多储能及可中断负荷优化调度.............. 31
5.1 微电网优化调度模型 .......................... 31
5.2 迭代自适应动态规划 .......................... 34
5.3 算例分析 .................... 38
..........
第五章 基于迭代自适应动态规划的多储能及可中断负荷优化调度
5.1 微电网优化调度模型
光伏发电技术的快速发展满足了电力用户快速增长的需求，然而在传统的电力调度中，太阳能发电所固有的波动性和随机性是相当难处理的。微电网的出现给如何解决光伏发电波动性和随机性的难题提供了新的思路。根据负荷的应用方式，负荷可以被分成可中断负荷和不可中断负荷。随着可中断负荷参与微电网调度，微电网可以动态的调节供电侧和需求侧两端的平衡。本章主要讲述微电网的优化调度，主要包括多储能充放电、切除可中断负荷以及向电网购电。
5.2 迭代自适应动态规划
调度计划如图 5.5 所示。从图 5.5 中可以清楚地看到，储能在充放电量方面具有相同的趋势，但是由于每个储能的运行成本不同，充放电量也不相同。由于储能 1 的运行成本低于其它储能，所以其充放电量相对较高。当光伏的输出超过负荷时，电网购电量为零，储能系统对多余电力进行充电。当购电价格为 0.43 元/ kWh 时，由于购电价格低于其他柔性负荷，因此从电网购电要多余于其他柔性负荷。当购电价格为 1.21 元/ kWh 时，由于购电价格高于其他柔性负荷，因此从电网购电较少。图 5.6 表明含有可中断负荷的微电网系统以最小成本为目标满足电能平衡条件。当储能的输出大于零时，储能处于放电状态。当储能的输出小于零时，储能处于充电状态。多个储能在一个调度周期中的 SOC 值如图 5.7 所示。很容易看出，多个储能的 SOC 值总是大于 0.2 且小于 1。当光伏发的输出功率超过负荷时，多个储能充电且其 SOC 值增加，反之亦然。
........
第六章 总结与展望
6.1 总结
研究了微电网的动态经济调度问题，基于传统考虑多储能的经济调度模型来抑制太阳能的不确定性，引入可中断负荷参与该模型，以实现动态功率平衡的目的。采用迭代 ADP 算法对微电网运行进行优化调度，为了验证迭代 ADP 的有效性，采用二次规划与非线性规划求解优化问题。结果表明，采用迭代 ADP 具有较好的经济效益。通过对调度方案的分析，验证了该优化模型的合理性。可中断负荷参与微电网调度可以降低微电网的运行成本，有效延长储能寿命。
6.2 展望
为应对光伏低可预测性和低可调度性给大规模光伏发电开发带来的挑战，本文在光伏发电功率预测和微电网系统优化做了一些研究工作，并取得了一定成果，但是理论层面和应用层面的部分问题还没有研究彻底。作为本文研究工作的延续，未来的工作可以在以下几个方面展开：(1)光伏发电预测方面：需要进一步加强对光伏发电的认识，深入考虑影响光伏发电功率的各个因素对光伏发电功率的影响，进一步提高预测精度，进一步研究各个光伏发电功率预测方法，并加强与优化调度的结合；(2)弱鲁棒优化建模方面：可以在微电网中加入多能流鲁棒模型，充分考虑电、气、热之间的转换效率以及储存模型，进一步提高该理论模型在实际当中的应用；(3)迭代自适应动态规划建模方面：将光伏的预测值作为实际值，缺乏对预测值不准确的考虑，应对光伏预测值不确定性进行处理，使得调度值更加经济合理
参考文献（略）
