微网能量管理研究的重点
微网系统的建模
建立分布式能源单元模型以及微网系统的整体运行、协调控制和优化配置等方面的模型
分布式电源控制策略
微网内分布式电源及储能系统运行依赖于电力电子接口技术，需要相应的充放电控制策略
再生能源发电预测
准确预测太阳能、风能等发电单元的短期及长期出力。
微网优化调度
结合热电负荷需求、交互电价、燃料成本、需求侧管理要求等制定运行优化策略
微电网控制策略
所有控制方法都应当满足下列要求:
1. 新的微电源的接入不对大系统造成威胁
2. 能够自主的选择系统运行点
3. 平滑与大电网联网或解耦
4. 对有功、无功可以根据动态的要求进行独立的结构控制，微电网的控制方式和微电源的类型有关，对于采用的电力电子逆变器来说，常用的控制方法有微电网联网状态下的PQ控制方式、电压率VF控制和微电网孤岛状态下的下垂控制。
多微电网系统的运行控制与优化层
多微电网在运行过程中往往要考虑微电网间的能量调度与控制，因此对底层微电网的运行控制是确保上层能量调度的关键。本文从多微电网的底部稳定运行和优化两方面展开分析，其中在稳定运行层面主要考虑电压-频率-负荷的稳定、潮流优化控制等；在优化层面主要考虑微电网内部的经济运行目标，包括操作费用、运行成本等。
在电压-频率-负荷控制方面，随着区域微电网接入数量的增加，多微电网系统的运行方式和控制方法变得更加复杂，尤其是基于交直流混合的多微电网系统，因为这类多微电网系统需要大量逆变器或整流器等非线性电力电子器件，它们对电能质量的影响更为突出，一般涉及电压三相不平衡、电压/频率偏差调节、环流谐波抑制等。在针对电压/频率的控制时，一般采用下垂控制及其改进方法来协调多微电网间及各子网内部各单元间能量输出。但下垂控制在分配精度与电压频率偏移上存在固有的矛盾，为此通常在此基础上增加二次控制。在环流谐波抑制方面，由于系统电路参数、闭环控制器参数以及本地负荷存在差异，使得各变换器间很难按其容量实现精确的功率分配且会产生环流谐波，从而影响微电网供电质量。在功率潮流优化控制方面，多微电网系统不仅要考虑微电网内部的功率流动，也要关注微电网间的功率流动情况，特别是对于交流、交直流混合的多微电网系统，往往要考虑有功功率、无功功率以及相角对系统运行的影响。主动配电系统通过使用灵活的网络拓扑结构来管理潮流，可以实现微电网间的合作运行以及微电网层对配网层的支持运行。
多微电网系统的能量调度层
微电网优化调度为能量管理研究的重要内容，一般以实现微电网运行成本、排放成本、网损成本以及停电成本最小化为目标、满足各类运行约束的前提下，最大限度提高可再生能源利用率以及微网运行经济性。
多微电网系统的能量调度层主要是协调与控制微电网间或微电网与上级配电网的能量调度，以最大限度地利用可再生能源，提高整个多微电网系统的稳定性与经济性。由于多微电网的经济调度模式更加复杂，在不同模式下单微电网间、单微电网与配电网间有不同的功率交互策略，本文总结了目前多微电网系统的三种能量调度模型。
一是针对多微电网的电力交易策略研究，它往往涉及到多方博弈，而博弈论作为一种先进的优化工具，主要用于研究多个利益相关主体如何进行优化决策的问题，已经广泛应用到电力系统领域。多微电网间的能量交互及协同控制方法一般可转化成合作博弈模型或非合作博弈模型。
二是针对多微电网系统的信息交互策略，研究人员提出了以多智能系统为主的信息交互策略。多智能体系统由多个具有局部知识和有限能力的自制系统构成，各系统之间通过设定的交互策略以实现全局优化目标，它将每个微电网视为一个智能体，每个智能体可以根据提前设定的通信协议自发地与周围智能体进行通信及信息交流，实现多微电网间的功率流动与智能控制，以解决大量分布式可再生能源接入后的实时控制问题，使电网更加智能化。
三是针对人工智能在多微电网能量管理中的应用研究。随着人工智能技术的快速发展，深度学习、增强学习等理论方法在数据分析、预测、分类等方面显示出较大的优势，尤其体现在海量数据的处理方面。目前相关技术在微电网运行调控、能量管理等方面已有了大量的应用。但在多微电网能量管理过程中，大多数情况下无法得到负载、分布式发电系统的精准数学模型，对此相关学者提出使用增强学习策略进行多微电网能量管理。
多微电网的能量管理模型如何应对不确定性信息的干扰
从目前已研究的多微电网能量管理模型来看，不确定因素广泛存在。另外，由于多微电网系统往往具有更高的可再生能源渗透率，这使得不确定性因素对多微电网系统运行的影响一般要高于单微电网系统。本文从研究人员已发表的文献中进行了归纳总结，给出了四种目前应用最为广泛的处理不确定性信息的能量管理模型。
①旋转备用容量模型
这类研究主要是对旋转备用容量进行优化，使其投入最小的容量，达到经济最优的运行效果。旋转备用容量模型的主要优点是简单有效当备用容量足够大时，便可以应对大多数不确定性问题，但这样势必会造成资源浪费，在经济性上得不偿失。
②随机规划模型
随机规划通过对不确定参数进行概率描述，得到不确定参数的精确概率分布，然后将其转化成确定性数学规划问题求解，在一定程度上可以减少多微电网系统在能量管理中所面临场景的复杂度。也有相关研究采用机会约束，但其本质上也是一种随机规划、它规定部分约束条件成立的概率应该大于某一置信水平、这在实际应用过程中可能会更符合决策者的需求。但如何生成少量更具代表性的随机场景来覆盖更多的不确定场景和如何准确地描述不确定参数的概率分布都是随机规划模型面临的主要技术难点。
③鲁棒优化模型
不同于随机规划模型，鲁棒优化模型并不需要事先知道不确定参数的概率分布，而是通过设立一个不确定集来表示不确定参数的波动范围，只要不确定参数在给定的不确定集范围内波动，鲁棒优化一般能得到可行解，在同等条件下其模型求解计算量要小于基于随机规划的方法。目前鲁棒优化所面临的主要问题是对不确定集保守性的改进，因为鲁棒优化忽视了一些可以获得的不确定参数的概率分布，导致不确定集对不确定参数的描述过于保守。
④实时能量管理模型
鲁棒优化模型与随机规划模型从本质上看属于日前调度模型，即基于日前对可再生能源出力、负载需求和实时电价等不确定因素的预测结果，提前计划后一天各个机组、储能等的出力情况，而日前调度模型是否可以准确规划出后一天的最优调度计划，对不确定性等因素的预测准确性依赖很高，因此在实际运行中还雲要基干日前决策结果和预测因素的揭晓结果进行功率调节来传承既定优化目标、满足能量平衝等要求。典型策略是以模型预测控制算法为主的滚动优化方法来支持日内的实时能量管理调度，它通过实时预测、滚动优化和反馈校正机制来不断地调整处理预测信息与实际情况之间的偏差，即通过前一个时间只度确定下来的调度数据作为已知量来处理后一个时间尺度调度优化策略，随着时间只度的不断细分，使模型对不确定性有较好的鲁棒性。
多微电网系统能量管理的技术
①多微电网系统稳定运行
多微电网由于拓扑结构多变，尤其是在发生故障等紧急情况下，如何设计具有动态自主重构能力的多微电网拓扑结构将是未来多微电网规划建设的一个重点方向。此外，微电网中多变流器并联的系统震荡与环流抑制是系统稳定运行的基础。因此，在不同线路阻抗环境下多变流器并联的振荡条件破坏机理及群控振荡抑制方法和不同容量、不同类型的多变流器并联的环流抑制与功率均分的方法，也是多微电网稳定运行的关键点。
②多微电网的控制策略
多微电网在运行过程中要时刻面临离并网的切换、区域孤岛微电网的再次协调组合，针对随时多变的拓扑结构，多微电网系统中央控制器或分布式控制器需满足不同时间尺度的控制策略要求。因此，如何合理地对各个控制器进行多时间尺度的设计是确保多微电网安全可靠的关键，也是当前多微电网控制器急需解决的问题。另外，随着微电网通信交流量的增加，海量的数据通信将会影响多微电网系统的工作效率及用户隐私，如何设计有效的控制策略以最小的通信量达到最优的控制效果、减少用户隐私泄露将是多微电网系统未来发展急需考虑的问题。
③多微电网系统的能量管理
对于多微电网系统的能量管理，如何解决大规模含有多种能源形式的微电网之间耦合优化问题以及如何建立大规模含多能源的多微电网能量管理优化模型都将是未来多微电网能量管理亟待解决的问题；如何进一步利用不确定参数的概率分布信息，有效改善鲁棒优化模型的保守性问题亟待解决；通过分析凝练不同场景下的典型能量管理优化模型，针对典型问题训练相应的增强学习模型方法，包括综合使用有模型（model-based）和无模型（model-free）的强化学习方法，提高深度强化学习网络泛化能力，使其在能量管理建模中更加鲁棒。
