开发最优的多阶段电力管理和频率控制机制，以协调多微电网-纳米电网系统中能量管理系统（EMS）和分布式能源管理系统（DMS）的运行

《Renewable Energy Focus》：Developing of optimal multi-stage power management and frequency control to coordinate EMS and DMS operations in multi microgrid-nanogrid system

　　Nour EL Yakine Kouba | Amel Brik | Djamel Selkim
阿尔及利亚胡阿里·布迈丁科学与技术大学电气与工业系统实验室，阿尔及尔

**摘要**
本文深入探讨了一种改进的多级电力管理及频率控制策略的设计、优化与仿真方法，该策略旨在协调多微电网-纳米电网（MMGN）系统中的能源管理系统（EMS）与配电管理系统（DMS）的运行。研究过程中分析了三个阶段，以实现智能、协同的逐步EMS-DMS操作。在第二和第三阶段，引入了模糊逻辑控制器（FLC）作为智能代理，用于在可再生能源（RESs）的功率最大化、负荷削减（LS）和功率管理（PMS）之间进行切换，并对储能系统（HESS）进行最优控制。此外，还采用了三种储能设备以确保快速满足电力需求和平稳的频率调节，分别是氧化还原液流电池（RFB）、超导磁能储存系统（SMES）和燃料电池（FC）。所提出的策略能够根据负荷变化和生产条件实现生产和消费的最优适应，同时保证50 Hz频率的高精度调节。实验结果表明，采用EMS-DMS措施显著提升了系统在各种情况下满足能源需求的能力，并展现了出色的技术经济性和环境性能。与传统控制策略相比，该方法可将频率稳定性提高0.8%，减少功率波动13%，并提升可再生能源的渗透率。从环境角度来看，该系统还能大幅降低二氧化碳排放，从而有助于缓解气候变化。这种策略在海上区域（如海洋微电网和撒哈拉沙漠电站）特别有效，能够在过载或能源短缺时保障系统稳定。

**引言**
现代电力网络是一个复杂的系统，工程师和研究人员需要解决其中的大量规划和运营问题。随着能源需求的快速变化以及向更可持续能源转型的需求增加，电力生产和分配系统亟需重新定义。多源混合系统是一种有效的解决方案，它结合了多种可再生能源、传统发电机和高效储能系统，以确保可靠的、连续的、优化的电力供应。近年来，可再生能源的整合已从理论研究目标发展成为现代电力工程的核心挑战。风能和光伏（PV）发电的高渗透率带来了显著的随机性及系统惯性的降低，这直接影响了频率稳定性和电压调节[1]。虽然基础文献早已阐述了基于逆变器的能源替代对系统稳定性的影响[2]，但最近的全球评估提供了更实用的缓解方案[3]。实际经验表明，维持电网可靠性需要综合多种措施，包括先进的预测技术、精细的市场设计以及加速的数字化进程。为解决持续存在的技术难题（如电网拥堵和备用容量管理），全球电力网络需要进行根本性的结构和运营变革[4][5]。

近年来，全球可再生能源市场经历了前所未有的增长，这得益于技术成本的下降、政策的强力支持以及对气候变化和能源安全的日益关注。根据最新国际能源评估，2024年新增的可再生能源装机容量达到了创纪录的水平。其中，太阳能光伏和风能占据了新增容量的近95%。同时，全球电力需求也在快速增长——2024年增长了约4.3%，主要得益于电气化、数字化和冷却需求的增加。这种清洁能源市场的增长反映了全球向可持续能源技术的转变，预计到2030年绿色能源的占比将超过40%[6]。

在新兴解决方案中，微电网和纳米电网（NGs）代表了重要的突破。这些小型能源系统既能独立运行，也能相互连接，能够在建筑、社区甚至孤立设施的层面上实现能源的智能管理。人们对这些系统的兴趣源于它们能够实现能源自给自足，同时减少碳足迹并提高对主电网中断的抵御能力。为确保高比例可再生能源系统的稳定性，控制策略成为主要的研究焦点。先进的转换器级和系统级控制策略对于补偿系统惯性的降低以及保证适当的电压和频率调节至关重要[6][7][8]。在[6]中，开发了一种分层控制框架，用于改善微电网的功率共享并提升孤立模式和并网模式下的电压和频率稳定性；[7]提出了虚拟同步发电机的概念，以模拟同步电机的惯性和阻尼特性，显著提升了低惯性系统的频率响应；[8]提出了针对并网转换器的先进矢量控制策略，以增强动态性能和电压调节能力[9]。在[9]中，对光伏系统的多种最大功率点跟踪（MPPT）技术进行了全面比较，强调了传统方法和智能方法的优缺点；[10]分析了微电网中分布式能源资源的协调控制和管理策略，强调了多级控制结构对提升运行灵活性和可靠性的作用。智能电网是一种整合信息和通信技术的能源系统，通过实时分析网络状态，促进生产、分配和消费之间的动态平衡，从而提高效率。它们还促进了新的应用发展，如自消费、电动汽车充电和储能[11]。智能电网具有以下四个主要特征：
• 灵活性：优化生产和消费之间的平衡；
• 可靠性：提升电网的效率和安全性；
• 可访问性：更好地将可再生能源整合到电力网络中；
• 经济性：通过更高效的系统管理降低成本和消耗。

与此同时，人工智能（AI）在可再生能源系统中的应用近年来也取得了显著进展，这主要是由于需要应对高比例可再生能源带来的变异性、不确定性和复杂性。基于AI的预测模型已被证明可以提高太阳能和风能发电的预测准确性，从而提升运营规划和电网可靠性[11]。在[11]中，系统综述强调了机器学习、深度学习和混合AI方法在太阳能、风能、储能和智能电网领域的广泛应用，以及可解释模型和时空预测方面的趋势。最近的研究[12]表明，结合LSTM和RNN技术的混合深度学习架构在大学规模微电网功率预测方面表现出更优的性能，支持更有效的需求响应和能源优化策略[13]。端到端框架[13]同时优化了概率预测和运营决策，降低了微电网调度的成本并提高了鲁棒性[13]。在[14]中，开发了用于自主微电网管理的强化学习应用，将基于变压器的预测与决策代理相结合，以最大化可再生能源的利用和运营韧性[14]。此外，生成式AI（如GAN和VAE）等先进模型的研究显示了在预测准确性和实时储能系统调度方面的显著改进，凸显了AI在可再生能源管理中的变革潜力[15]。

储能系统（ESS）仍是大规模整合可再生能源的关键技术。最新综述表明，电池储能系统（BESS）、抽水蓄能和混合储能配置能够显著减少可再生能源的弃电现象并提升电网韧性[16][17]。在[18]中，作者通过技术经济规划研究证明，合理选型和定位的电池储能可以大幅减少负荷削减，凸显了其战略部署的成本效益[18]。结合BESS的随机经济调度框架也有助于管理风能和负荷不确定性，降低运营成本并提升灵活性[19]。针对电网集成挑战的最新研究强调了先进控制、能源管理系统和混合储能配置在支持脆弱输电网方面的作用[20]。此外，集成AI的储能管理策略也日益受到关注，研究表明基于机器学习的充电状态估计和预测性维护能够提升性能、延长设备寿命并降低运营风险[21][22]。这些发现共同表明，ESS不仅能够缓冲供需不平衡，还能优化可再生能源的利用，增强电网稳定性，并加速向净零能源系统的过渡[23]。许多最新研究还探讨了其他重要课题[24-27]。

**本文结构**
第2节介绍了互联的多微电网-纳米电网（MMNG）模型；第3节阐述了问题表述及本文提出的详细协调EMS-DMS策略；第4节展示了仿真结果；第5节对全文进行了总结。

**结论**
本文提出的混合多源电力系统集成技术为微电网和纳米电网的优化管理提供了新的方法。首先对传统微电网进行了孤立运行模式的建模和仿真，并设计了基于PID控制器的经典控制回路以应对负荷变化；其次在包含多种可再生能源的情况下测试了控制回路；第三节实现了模糊逻辑控制，设计了名为EMS1的智能有功功率管理系统，以最大化利用绿色能源；第四节设计了名为EMS2的最优配电管理系统，用于监控与主微电网连接的纳米电网；最后构建了一个协调的EMS-DMS系统，结合了微电网的EMS1和纳米电网的EMS2，并使用了基于平衡优化器（EO）的工具。该多级协调策略的主要目标是：首先最大化绿色能源的利用；其次避免孤立或偏远地区的负荷削减。与现有方法相比，本文的创新之处在于设计了一种有效的多级电力控制和管理策略，结合了传统自动发电控制与基于协调EMS-DMS方法的混合储能系统的优势。在可再生能源不确定性条件下协调多个微电网-纳米电网的运行仍是一项挑战，本文采用了基于平衡优化器和模糊逻辑的智能工具来提升频率稳定性和有功功率管理。本文的主要贡献包括：
• 开发了微电网的智能EMS工具；
• 开发了纳米电网的智能分布式DMS工具；
• 开发了多负载系统的智能负荷削减（UFLS）工具；
• 整合了平衡优化器和模糊逻辑以实现多微电网-纳米电网的协调；
• 评估了储能设备对系统稳定性的贡献。

本文的其余部分结构如下：第2节介绍互联的多微电网-纳米电网模型；第3节阐述问题表述和协调EMS-DMS策略的详细内容；第4节展示仿真结果；第5节对全文进行总结。