微电网中能量供求平衡的研究综述
1 前言
近年来，随着全球经济的高速发展，世界各国对电力系统的依赖越来越强，对电力系统的要求也越来越高。传统集中式发电的电力系统是远距离输电的大型互联网络系，在新时代的新要求下，它的很多弊端越来越突现出来 1：（1）用于传统火力发电的煤、石油等化石燃料日益耗尽，人们必须开
发新的可再生能源以满足不断增长的电力需求。
（2）“温室效应”气体排放导致的气候变化问题促使传统的发电模式
必须向清洁、环保的方向转变。
（3）电力系统结构的高度互联和设备的日益老化问题不容忽视，任何
一个发生在局部小范围内的故障都有可能迅速蔓延并影响到整个电网所
谓的智能电网。
（4）电子设备的广泛应用使得电力用户对电能质量、可靠性和经济性
有着越来越高的要求。
由此，人们期望通过一个数字化信息网络系统将能源资源开发、输送、存储、转换（发电）、输电、配电、供电、售电、服务以及蓄能与能源终端用户的各种电气设备和其他用能设施连接在一起，通过智能化控制实现精确供能、对应供能、互助供能和互补供能，将能源利用效率和能源供应安全提高到全新的水平，将污染与温室气体排放降低到环境可以接受的程度，使用户成本和投资效益达到一种合理的状态。这就是智能电网的思想。几年前，美国和欧盟相继提出“智能电网(Smart Grid，SG)的概念[3-4]。
2 智能电网的概念
智能电网技术发展十分迅速，目前对它仍没有一个统一的定义。美国电力科学研究院将智能电网定义为[5]：一个由众多自动化的输电和配电系统构成的电力系统，以协调、有效和可靠的方式实现所有的电网运作，具有自愈功能；快速响应电力市场和企业业务需求；具有智能化的通信架构，实现实时、安全和灵活的信息流，为用户提供可靠、经济的电力服务。
智能电网与传统大电网相比，它并不是一个全新的电网。而是以物理电网为基础，并集成高速双向通信网络，通过先进的传感和测量技术、先进的设备技术、先进的控制方法以及先进的决策支持系统技术的应用，实现电网的可靠、安全、经济、高效、环境友好和使用安全的目标，其主要特征包括自愈、激励和包括用户、抵御攻击、提供满足21世纪用户需求的电能质量、容许各种不同发电形式的接入、启动电力市场以及资产的优化高效运行。与传统集中式大电网相比，智能电网更能满足新时代的新需要。智能电网一些的主要特征[6]可以
归纳为：
（1）坚强性，即在大电网发生大扰动和故障时，仍能保持对用户稳
定的供电能力，不会产生级联的大面积停电事故；具有抵抗自然灾害、
在极端气候条件下或外力破坏下仍能保证电网的安全运行的能力；具有
确保电力信息安全的能力。
（2）自愈性，具有实时、在线和连续的安全评估和分析能力，强大
的预警和预防控制能力，以及自动故障诊断、故障隔离和系统自我恢复
的能力。
（3）兼容性，支持可再生能源[7]的有序、合理接入，适应分布式电
源[8]和微电网[9]的接入，能够实现与用户的交流和高效互动，满足用户
多样化的电力需求并提供对用户的增值服务。
（4）经济性，支持电力市场运营和电力交易的有效开展，实现资源的
优化配置，降低电网损耗，提高能源利用效率。
（5）集成性，实现电网信息的高度集成和共享，采用统一的平台和模
型，实现标准化、规范化和精益化管理。
（6）优化性，优化资产的利用，降低投资成本和运行维护成本。
3 智能电网的构架
3.1 智能发电
与传统集中式电站相比，智能电网发电系统除了包含集中式发电厂还大量引入分布式发电。分布式电源的种类丰富，如小水电、风电、光
伏发电、垃圾发电等。分布式发电(Distributed Generator,DG)具有减轻环
境污染、降低终端用户费用、降低线路损耗、改善电能质量和提高供电
可靠性等特点，近年来受到了全世界的关注。
同时，在智能电网的发电端引入一些大容量的设备，对用电低峰时电
网中富余的电能进行储存；用电高峰时将储存的电能释放来补充电能，
改善电网峰值的性能。
传统大电网中能量的流动是从发电端到用户端的单向流动，用户被动地参与电网的运行管理和决策。这种被动的策略将用户定为消极负载，难以满足新时代社会对电网实时性的高要求。智能电网实现了发电端与
用户端信息与能量的双向互动，用户端的实时用电消费信息可由检测和
测量装置检测，并由通信链路传达给发电端。同时用户端也能实时获取
发电端的电力生产等信息，由此来优化配置用户端电力的消费。
3.2 智能配电
同时，智能配电网是智能电网的重要组成部分，可实现对微网[7]的灵
活控制，从而提高需求侧的供电可靠性和管理水平。若在负荷中心建立微网，可将分布式电源和负荷实现协调控制，就地新能源所发电量先满足当地负荷需求，多余电能往主网输送，不足的电能由主网提供。而为了实现对微电网进行良好的协调控制，需要实时监测电网状态。智能配电网需安装大量智能仪表，以替代目前所使用的电气仪表。每个智能仪表需包含一个处理器、储能元件和通信设备，它不可以测量用户每天每时的用电量，还可以通过软件将用户从电网中切除，在紧急情况下发出警报，并提供了智能控制用电设备的接口。
3.3 智能输电
随着清洁能源大规模接入，而太阳能、风电等能源存在很大的不确定性，为此，需要加强输电网络，如应用高性能电力电子元件组成可控的有功和无功功率电源，并建立智能调度系统，以实现对输电网的灵活控制，因此，智能输电是智能电网的核心[8]。智能调度能够敏锐地对电网进行监测和控制，充分提供了电网状态的信息，使得电网运行风险最小化，能够实现实时自愈，而且，电网灵活接人各种可再生能源与分布式能源时，智能调度可实时根据信息进行控制，从而实现电网经济运行，促进节能减排。
3.4 智能用户
智能电网用户端系统包括了从电力变压器到用电设备之间，对电能进行传输、分配、控制、保护和电能管理的所有设备及系统，主要包括用户端智能电器与系统、用户端电能管理系统、智能楼宇电气设备控制系统和双向互动服务系统，是构建坚强智能电网的重要组成部分[9]。
按用户属性来分主要有三类[10]：建筑楼宇，如宾馆、商场、体育馆、学校、写字楼、政府机关等；工矿企业，如冶金、造纸、轻纺、机械、电子、煤矿等；基础设施，如机场、港口、铁路、公路、水利等。
用户端环节的建设内容主要为：构建智能用电服务体系；全面推广应用智能电表、智能用电管理终端等智能设备；实现电网与用户的双向互动，提升用户服务质量；建设智能用电小区和电动汽车充电站。
智能电网用户端系统总体特征体[11]：
1)用户端智能电器与系统的智能控制与保护、自愈、安全防御能力。
2)用户端电能管理系统的可再生能源接入的兼容、高效运营管理能
力。
3)智能楼宇电气设备控制系统和双向互动服务系统的舒适、友好、互
动服务能力。
4 智能电网的关键技术
智能电网相关的主要问题包括智能电网的安全稳定控制技术、电网调度与运行、新能源并网与微电网及风力发电技术等[12]。
1 安全稳定控制
随着可再生能源能源在电网中大量渗透，由于可再生能源的间歇性而给电网带来的波动对电网和安全稳定性有着重要的影响。如何实现可再生能源高效、安全而又稳定地接入一直是德国Tobias Heb等学者的研究的问题。德国Tobias Heb等学者对热电联产系统的电压和频率稳定性进行了研究，指出热电联产发电厂可以对电力生产进行安全控制和调节，可以帮助有限的可再生能源(如风电和光伏发电)的并网[13]。
美国Christopher L．DeMarco[14]和Adirak Kanchanaharuthai[15]等学者提出通过使用分布式存储技术来对电网的频率进行调节，从而实现可再生能源接入电网时带来的波动。美国S．Massoud Amin等学者探讨了智能电网的安全性问题[16]，指出智能电网作为一个复杂的动态网络系统必须增强其结构安全性.其文章指出，虽然近期智能电网安全的主要目标是避免大范围的网络故障，但长期的目标则应是构建一个自适应的、鲁棒的电网。澳大利亚的M．J．Hossain 等学者针对包含动态负荷的电力系统，设计了一种新的鲁棒控制方法[17]。
2 电网调度与运行
大多数学者认为未来智能电网的运行会包括许多参与者，应该使每一个参与者都能参与到市场环境中来。葡萄牙Zita Vale等学者的文章认为，智能电网中较大的参与者由于具备足够的经济能力，可以获得合适的决策支持工具来参与市场，但是较小的参与者则难以获得这样的工具[18]。
美国Peizhong Yi等学者提出了一种分布式机会调度方法，用于负荷侧管理。其文章的研究认为，最优的调度策略就是一种纯粹的阈值策略：当电价低于某一设定值时，所有用户均需合闸用电；否则就处于空闲状态[19]。
3 新能源并网与微电网
3.1新能源并网
德国C．Ziems等学者结合德国的情况，讨论了大规模可再生能源并网对电力系统的影响。其文章特别指出，光伏发电独特的时序出力特征将会对化石燃料发电厂的启停周期产生巨大的影响[20]。美国Anthony Papavasiliou等学者提出了通过在并网可再生能源和电力现货市场方面订立契约，来给弹性负荷供电，以削
减可再生能源的波动[21]。其文章将契约描述为一个随机最优控制问题，目标是使得供电费用最小香港Yunhe Hou等学者指出了风电并网后需解决的一些问题，包括备用计划、稳定评估、电压控制、优化运行等[22]。
日本K．Yamashita等学者讨论了风电并网的问题，介绍了将风电并入一个小岛电网(日本冲绳)后在频率稳定方面做的工作[23]。意大利G．Migliavacca、澳大利亚H．Auer和法国S．Galant等学者指出，随着接大电网的可再生能源越来越多，最初在配电网方面的关注已经或将要转移到对输电网的关注[24~28]。
3.2 微电网
由于可再生能源并网给电力系统带来很多目前难以克服的问题，众多学者将目光投向微电网。微电网作为既可以并网运行又可以独立运行的系统，对于提高电力系统运行的可靠性提供了较大的帮助[29]。
巴西Carmen．L．T．Borges等学者提出了一种微电网的可靠性评估模型。在该模型中，各种分布式电源被视为网络协调运行中的一个代理，而非传统的分散电源[30]。其文章采用随机模型来表示风电、光伏发电等的不确定性；通过建立储能充放电状态的特殊模型，将储能作为降低供电间歇性的有效手段。该文章认为，能否在并网和孤立运行2种模式下进行有效切换，是评价微电网可靠性的挑战性课题。对此，该文章通过建立混合模型，并基于蒙特卡洛仿真方法来进行处理。
美国C．M．Colson等学者基于多代理技术研究了微电网的能量管理问题。其文章的重点在于探讨微电网能量管理问题的目标和约束，以及多代理的自组织和协调配合问题[31]。
在微电网的控制和优化研究方面，意大利Bruno Belvedere等学者针对一个低压孤立运行的微电网(包括一个千瓦级的燃料电池、一个光伏模块和一个100 A ·h的电池储能系统)，研究了其内部器件之间的协调配合原则和具体控制策略[32]。
4 风力发电技术
风电机组的控制主要涉及前馈控制、速度控制、故障穿越、最大功率点跟踪等[33]。前馈控制使；，导风电机组能够减少由于干扰和负荷变化所导致的影响。
丹麦Peter Fogh Odgaard等学者的文章认为，虽然上游风电机组的风速等数据对于下游风电机组控制的优化具有明显的意义，但是由于紊流等因素，直接使用这些数据是有问题的。为此，该文章基于正交分解方法来提取信息，并将此用于下游风电机组的控制器设计[34]。
墨西哥Miguel E．GonzcileZ和西班牙Juan Garrido等学者则讨论了民用风
电机组的多变量集中控制方法。通过解耦和前馈补偿环节，所提出的控制方法可以有效克服湍流和负荷变化对风电机组运行造成的影响[35~36]。
日本Teruhisa Kumano等学者讨论了利用静止同步串联补偿器(SSSC)和储能装置来提高风电场的故障穿越能力。其文章指出，在提高故障穿越能力方面，容抗比电阻效果好，SSSC 比静止同步补偿器(STATCOM)效果好，所需的SSSC的容量仅为STATCOM 容量的一半。该文章同时指出，SSSC不仅可以改善风电场的故障穿越能力，还可以改善风电场的电能质量，这是其他装置难以做到的[37]。
M．Soliman等学者则针对双馈风电机组，通过使用动态串联电阻，并基于多变量模型预测控制方法，来提高风电场的故障穿越能力[38]。
5 展望
智能电网、新能源并网与微电网、风力发电等热点问题一直是全球智能电网问题的热点，全球控制领域和电力系统领域对于智能电网建设和新能源发展也高度关注。电力系统的安全稳定和经济运行，依然是所有研究者们亟待解决的问题。而在如今全球大规模风电、光伏发电等可再生能源的发展下，电力系统也面临着新的挑战。间歇性电源接入后，如何控制才能使电网运行更安全和经济；多种电源接人以及电动汽车等负荷侧的灵活参与，如何控制使电网运行更经济。对以上问题的研究并提出相应的有效策略，将会对全球范围内智能电网的发展有重大推动作用。
6 参考文献
[1]ShiJie,AiQian.Research on several key technical problems in realization of smart
grid[J]:Power System Protection And Control ,2009,37(19),1674-3415．
[2]Steven Collier: Ten Step to a Smart Grid[C].IEEE Power＆Energy Society
General Meeting，July,2009,8(1),8-18．
[3]H Farhangi: The path of the smart grid[C].Power and Energy Magazine, IEEE,
2010, 8(1),8-18．
[4]Massoud Amin, BF Wollenberg.Toward a smart grid: power delivery for the 21st
century[J],Power and Energy,2005,3(5),34-41．
[5]Richard E. Brown, Impact of Smart Grid on Distribution System Design[J],
Power and Energy Society General Meeting ,2008,1-4
[6]Keyhani, A: Design of Smart Grid Renewable Energy Systems. Wiley, New
Jersey (2011)
[7]MEENDEZQUEZADA VH，ABBADJ.R，SANROMANTG．Assessment of
energy distribution losses for increasing penetration of distributed generation[J]．IEEE Trans on Power Systems，2006，21(2),533-540．
[8]王成山，李鹏．分布式发电、微电网与智能配电网的发展与挑战[J]．电力系
统自动化，2010，34(2)：10-14．
[9]周中，姜龙．智能电网用户端能源管理系统关键技术与应用[J].电气技术，
2012，1（1）：101-104．
[10]何光字，孙英云．智能电网基础[M]．中国电力出版社，2010．
[11]赵波，李鹏，童杭伟，等．从分布式发电到微电网的研究综述[J]．浙江电力，
2010，29(3)：1-5．
[12]高宗和．2011年IFAC第18届世界大会电力系统方面学术动态电力系统自动化
[C],2011,36(5),1000-1026．
[13]J ames,D.Weber,Thomas,J.Overbye,Christopher,L.DeMarco,Modeling:the
consumer benefit in the optimal power flow[J].Decision Support Systems , 1999,24, 279–296．
[14].Adirak,Kanchanaharuthai,Vira,Chankong,KennethA.Loparo:Small-Signal
Stability Enhancement of Power Systems with Renewable Distributed Energy Resources[J].the 18th IFACWorld Congress Milano (Italy),2011,28(2),109-118．[15]I rwin M. Jacobs, Charles M. Vest, Maxine L. Savitz, Thomas F. Budinger, George
Bugliarello, C.D. (Dan) Mote Jr: Treasurer the Bridge [J]. National Academy of Sciences,2010,40(1), 0737-6278．
[16].M. J. Hossain, H. R. Pota, V. Ugrinovskii: Excitation Control for Large
Disturbances in Power Systems with Dynamic Loads [J].Electric Power Systems Research, 2009, 6(9), 4241-4244.
[17]I sabel Pra?a, Carlos Ramos, and Zita Vale, Manuel Cordeiro: A Multiagent
System That Simulates Competitive Electricity Markets [J]. IEEE on Computer Society, 2003, 03, 1094-7167.
[18]C.Ziems, H.Weber: Effects of Wind Turbine Generated Power Fluctuations to
Thermal Power Generation [J].Power Plant & Power System Control, 2009. [19].D. Chattopadhyyay, K. Bhattacharya, J. Parikh, Optimal reactive power planning
and its spot pricing: an integrated approach [J], IEEE. Transactions on Power Systems 10 4 1995 2014–2020.
[20]P eizhong Yi, Abiodun Iwayemi, ChiZhou: Developing ZigBee Deployment
Guideline under Wi-Fi Interference for Smart Grid Applications [J].IEEE TRANSACTIONS ON SMART GRID, 2011, 2(1), 1949-1953.
[21]H.Farhangi: The path of the smart grid [J]. IEEE Power Energy Magangement,
2010, 8(1), 18–28.
[22]C. Loutan, and D. Hawkins, “Integration of Renewable Resources",
California Independent System Operator, CA, Nov. 2007.
[23]A.Papavasiliou, S.Oren,, Berkeley:Coupling Wind Generators with Deferrable
Loads[J].IEEE Energy2030 ,2008,17-18.
[24]K.W.Wang,C.Y.Chung,C.T.Tse,K.M.Tsang:"Improved probabilistic method
for power system dynamic stability studies"[J] IEEE Proceedings-Generation,
Transmission and Distribution,vol.147, pp.37-43,2000.
[25]A.Borghetti, G.Migliavacca, C.A.Nucci, S.Spelta: Black-start-up simulation of a
repowered thermoelectric unit [J].Control Engineering Practice, 2001, 9(2001)791–803.
[26]G. Migliavacca: Prospects for the transmission planning in Europe towards a
sustainable energy future: the REALISEGRID project[C].CIGRE 2010, Paris, 2010, 22-27.
[27]V ital: The impact of renewable resources on the performance and reliability of the
electricity grid.Bridge, 2010, 40(1), 5-12.
[28]M igliavacca,G.Benini,M.Gallanti,M.Bompard,E.Carpaneto,E.Ciwei:Gallanti:a
long term electricity market simulator based on game theory[C].Power Systems Conference and Exposition,2006 IEEE PES,2006,10(11) ,1333-1340.
[29].T.Dekorsy,H.Auer,C.Waschke,H.J.Bakker,H.G.Roskos,H.Kurz:Emission of Sub
millimeter Electromagnetic WavesbyCoherent Phonons[J].PHYSICAL REVIEW LETTERS,1995,74(5),63-65.
[30]C olson, C.M.Electr. &Comput.Eng.Dept, Montana State, Bozeman: Ant colony
optimization for micro grid multi-objective power management[C], Power Systems Conference and Exposition, 2009,1-7.
[31]B orges, C.L.T.; Alves, J.M.T.:Power System Real Time Operation based on
Security Constrained Optimal Power Flow and Distributed Processing[J],Power Tech, 2007 IEEE Lausanne 2007,960-965.
[32]C olson, C.M.; Nehrir, M.H.: A review of challenges to real-time power
management of micro grids[C], Power & Energy Society General Meeting, 2009.
PES '09. IEEE, 2009, 1- 8.
[33].Bruno Belvedere, Michele Bianchi, Alberto Borghetti, Mario Paolone:Design,
Implementation and Testing of an Automatic Power Management System for Residential Stand-alone Micro grids with Hybrid Power Supply[C].18th IFAC World Congress Milano (Italy) August 28-September 2,2011.
[34]P eter Fogh Odgaard, Jakob Stoustrup: Unknown Input Observer Based Scheme
for Detecting Faults in a Wind Turbine Converter[C]. The 7th IFAC Symposium on Fault Detection, Supervision and Safety of Technical Processes, Barcelona, Spain, June 30 - July 3, 2009.
[35]Z aria,A.G:Effects of mutual coupling on capacity of MIMO vehicle-to-vehicle
systems[C],Military Communications Conference, 2009. MILCOM 2009. IEEE 2009, 1-5.
[36]K umano, T.: A short circuit study of a wind farm considering mechanical torque
fluctuation[C], Power Engineering Society General Meeting, 2006. IEEE CONFERENCE PUBLICATIONS.
[37]S illiman, M. Elektra. Eng. Dept., Univ. of Calgary, Calgary, AB, Canada Manlike,
O.P ; West wick D.T. Multiple Model Predictive Control for Wind Turbines With Doubly Fed Induction Generators[J].Sustainable Energy, IEEE Transactions on Date of Publication, 2011, 2(3), 215-225.
1