文章快速检索     高级检索
  山东大学学报(工学版)  2017, Vol. 47 Issue (6): 32-38  DOI: 10.6040/j.issn.1672-3961.0.2017.399
0

引用本文 

王士柏, 杜恒, 武勇, 刘洪正, 程艳. 两级市场运行环境下微电网经济调度[J]. 山东大学学报(工学版), 2017, 47(6): 32-38. DOI: 10.6040/j.issn.1672-3961.0.2017.399.
WANG Shibo, DU Heng, WU Yong, LIU Hongzheng, CHENG Yan. Economic dispatch of microgrid under two-level market operating environment[J]. Journal of Shandong University (Engineering Science), 2017, 47(6): 32-38. DOI: 10.6040/j.issn.1672-3961.0.2017.399.

基金项目

国家科技支撑计划资助项目(2015BAA07B00);国家自然科学基金青年科学基金资助项目(61503216)

作者简介

王士柏(1987—),男,山东烟台人,工程师,博士,主要研究方向为电力系统调度与经济运行. E-mail:wangshibosdu@126.com

文章历史

收稿日期:2017-08-15
网络出版时间:2017-11-28 14:52:33
两级市场运行环境下微电网经济调度
王士柏1, 杜恒2, 武勇2, 刘洪正1, 程艳1     
1. 国网山东省电力公司电力科学研究院, 山东 济南 250003;
2. 国网济宁供电公司, 山东 济宁 272007
摘要:为解决微电网在电力市场中日前市场和实时市场分离决策时产生的矛盾与偏差, 在微电网调度中同时考虑两个不同时间尺度市场与微网集中控制系统之间的能量交互, 统一进行协调决策, 并给出两级市场运行环境下的微电网经济调度模型。在决策中引入需求侧响应的调控手段, 为微网应对不确定性而提供辅助服务给出有益参考。结合微网典型算例分析, 验证本研究所提方法的正确性和有效性。
关键词微电网    经济调度    日前市场    实时市场    需求侧响应    决策    
Economic dispatch of microgrid under two-level market operating environment
WANG Shibo1, DU Heng2, WU Yong2, LIU Hongzheng1, CHENG Yan1     
1. Electric Power Research Institue, State Grid Shandong Electric Power Company, Jinan 250003, Shandong, China;
2. State Grid Jining Power Supply Company, Jining 272007, Shandong, China
Abstract: To resolve the contradiction and deviation produced by microgrid's isolation decision between day-ahead market and real-time market, energy exchanges between power market and microgrid control system of two different time scales were considered. An economic dispatching model of microgrid under two-level market operating environment was proposed to make concerted decision. Simultaneously, control means of demand side response influences were introduced to decision making process to provide beneficial references for the ancillary service of microgrid's coping with uncertainties. The correctness and effectiveness were verified by simulations on a typical microgrid.
Key words: microgrid    economic dispatch    day-ahead market    real-time market    demand side response    decision-making    
0 引言

微电网作为智能能源网的重要组成部分, 能够有效整合风电、光伏等新能源发电和燃气机组、储能等不可再生分布式发电, 自治地实现能源替代优化和能源综合高效利用[1]。目前, 伴随电力体制改革和电力市场进程的推进, 微电网[2-5]已成为源-网-荷一体化运行的运营主体, 其一方面与外部电网进行电能交换, 按照市场规则参与电力市场交易, 一方面又直接向网内用户供电, 提供高质量的电能。可以预见, 在能源互联背景下, 微电网必将再次成为电力系统接纳可再生能源发电的研究热点。

目前, 针对微电网系统的运行调度问题, 学者们已展开广泛研究。文献[6]在目标函数中同时考虑了运行成本、检修成本和污染物排放成本, 通过多目标优化进行微网经济调度; 文献[7]对微电网中储能的充电边际成本和放电机会成本进行解析分析, 提出了一种微电网实时市场中的两层调度模型并进行优化决策; 文献[8]在具有储能装置与分布式光伏组成的并网型光储微电网中引入需求侧响应模型, 并以组合规划结合粒子群算法求解需求侧响应过程[9-10]; 文献[11-13]分别对微网孤岛运行时的商业模式分析、热电协调决策问题和电压频率控制问题展开研究。

上述研究在微电网经济运行调度方面取得了诸多成果, 但大多数研究均基于日前市场展开决策或采用日前市场和实时市场两级市场分离决策的交易框架[14-24], 难以实现经济最优[25]。在新的市场运行环境下, 需求响应等灵活调控方式参与到微电网中的调度决策, 给微电网运行带来了新的机遇和挑战。由此, 本研究在微网调度中同时考虑日前市场和实时市场两个不同时间尺度市场[26]与微网集中控制系统的能量交互, 统一进行协调决策, 提出了两级市场运行环境下的微电网调度模型。同时, 在模型中引入需求侧响应的调控手段, 为微网应对不确定性而提供的辅助服务给出有益参考。

1 微电网控制模式分析

微电网控制模式是微电网优化运行的核心, 本研究提出的微电网控制方式分为三级控制模式:第一级为微源控制与负荷控制; 第二级为微网系统集中控制; 第三级为含微网区域电网协调控制。

第一级, 微源控制与负荷控制模式充分利用分布式电源与负荷的本地信息来满足微网中电压与频率的暂态要求。微源控制遵循的原则是各可控分布式电源在微网并网运行时根据系统决策, 以经济收益最大为目标来控制运行; 在微网孤网运行时按各可控分布式电源快速跟踪系统负荷波动来控制运行。同时, 本研究假设微网中部分电力需求者可根据微网经济补偿进行负荷侧响应, 以此实现负荷控制。

第二级, 微网系统集中控制的目标是微网运行优化与微网总收益的最大化。结合市场分时电价、天然气气价以及电网安全性考虑, 该级控制将决策微网与上一级电网的交换功率, 进而优化本地分布式电源的输出功率, 同时, 在该运行模式下, 非重要负荷也将在必要情况下被切除。实际上, 微网集中控制可类比于大电网调度模式下的三次频率调节过程, 不同的是在市场模式下, 微网代表能源供应商提供电力服务。

第三级, 含微网区域电网协调控制中微网伴随分布式电源与能源发展而产生, 具备独立供电能力但又与区域电网有能量交互, 其稳定运行在促进清洁能源的接入、就地消纳与节能减排的同时, 也必然离不开区域电网的支撑。因此, 该级控制的核心是区域电网对单个微电网或者微电网群展开协调控制, 从地区的角度统筹决策。

2 两级市场运行环境下集中式微网运行控制

上述微电网三级控制模式保证了微网在运行时既可以实时地与区域电网进行互动, 结合分时电价做出优化决策, 又可以在区域电网发生电能质量波动或检修时孤网运行, 保证重要负荷供电。显然, 微网系统运行的关键在于微网集中控制系统。本研究在市场背景下展开, 包含区域电网电力供应方、微网集中控制系统、微网电能供应者和微网电能需求者, 其中, 微网集中控制系统作为能源服务商对微网电能需求者提供电力服务。

电力市场包含日前市场和实时市场两级市场, 目前大多数研究采用两级市场分离决策的交易框架, 难以实现经济最优。实际上, 两级市场分离决策的偏差将在微网中影响更大, 因为微网运行决策时不仅要应对负荷预测偏差, 还需应对具有更大波动性和间歇性的新能源发电不确定性。因此, 本研究模型在微网调度过程同时考虑日前市场和实时市场两个不同时间尺度市场与微网集中控制系统的能量交互, 统一进行协调决策。同时, 为了考虑负荷侧响应的影响, 假设电能消费者将其对电能的需求划分为高、低不同的优先级, 电能消费者可以根据其自身需求主动地选择投标。高优先级的电能需求将优先被满足, 当电能需求被划定为低优先级时, 微网集中控制系统可根据微网运行情况和市场分时电价选择部分满足或直接切除并给予一定补偿。

结合上述分析, 微网集中控制过程可简要表述如下: ①在市场环境下区域电网电力供应方发布日前电力市场和日内实时电力市场电能价格; ②微网集中控制系统接受微网电能供应者和微网电能需求者在日内市场中下一个时段内的价格投标; ③基于市场分时电价与微网内电能价格投标进行微网系统集中控制优化决策; ④根据微网系统集中控制优化决策结果对电能供应者和电能需求者下达微源控制和负荷控制指令, 完成微网运行调度。

在上述微网控制策略下, 微网运行将在决策时段内达到电能生产与消费的实时平衡。对拥有分布式电源的电能供应者的投标, 微网集中控制系统将按单价升高顺序排序, 而对微网内的电能需求者, 微网集中控制系统将按单价降低顺序排序, 微网中电能供应者的投标单价曲线和电能需求者的投标单价曲线的交点即是微网运行的最优运行点, 如图 1所示。

图 1 微网运行电能生产与电能需求投标曲线 Figure 1 Bidding curve of power generation and power demand in microgrid
3 数学模型 3.1 目标函数

本研究在两级市场运行环境下展开, 并仅考虑微电网在并网模式下的运行调度问题。其中, 微网集中控制系统作为独立的电能服务商与区域电网进行能量交互, 微网中电能需求者将以公开市场价格被收取电费。此时, 微网运行调度模型目标是微网运行总收益Profit最大, 即总收入减总支出最小, 可表述为

$ {\rm{max}}\left\{ {{R_{{\rm{evenue}}}}-{E_{{\rm{xpenses}}}}} \right\} = {\rm{max}}\left\{ {{P_{{\rm{rofit}}}}} \right\}, $ (1)

式中:Revenue代表微网集中控制系统运行总收入, Expenses代表微网集中控制系统运行总支出, 对本研究微网调度模型, 二者又可以具体表达如下:

$ {R_{{\rm{evenue}}}} = \sum\limits_{t = 1}^{{N_{\rm{T}}}} {\left\{ {{P_M}\left( t \right) \cdot \left[{L\left( t \right) + \Delta L\left( t \right)-\sum\limits_{m = 1}^{{N_{\rm{M}}}} {Y\left( {t, m} \right)} } \right]} \right\}, } $ (2)
$ {E_{{\rm{xpenses}}}} = \sum\limits_{t = 1}^{{N_{\rm{T}}}} {\left\{ {\sum\limits_{j = 1}^{{N_{\rm{J}}}} {{F_j}\left( {P\left( {t, j} \right)} \right) + {P_M}\left( t \right)X\left( t \right) + {\rm{ }}k\left( t \right){P_M}\left( t \right)\Delta X\left( t \right) + \sum\limits_{m = 1}^{{N_{\rm{M}}}} {{G_m}\left( {Y\left( {t, m} \right)} \right)} } } \right\}, } $ (3)
$ {F_j}\left( {P\left( {t, j} \right)} \right) = {b_j}P\left( {t, j} \right) + {c_j} + {s_j}u\left( {t, j} \right)\left( {1-u\left( {t-1, j} \right)} \right), $ (4)

式中:t为决策时段编号; NT为总决策时段数; m为参与负荷响应的负荷编号; NM为参与负荷响应的总负荷数类别; PM(t)为t时段日前电力市场价格; L(t)为日前市场t时段预测负荷; ΔL(t)为实时市场负荷预测偏差; Y(t, m)为t时段第m类负荷参与负荷响应功率; j为分布式电源发电编号; NJ为全部分布式发电机组集合; P(t, j)为t时段第j台机组输出功率; u(t, j)为t时段第j台分布式发电机组的启停状态; Fj(P(t, j))为分布式发电机组成本函数; bj为分布式发电机组一次成本系数; cj为分布式发电机组二次成本系数; sj为分布式发电机组启动成本; X(t)为t时段日前市场从区域电网购买电能; ΔX(t)为t时段实时市场从区域电网购买电能; k(t)为实时市场电价系数; Gm(Y(t, m))为负荷响应补偿成本。此时, 目标函数可表述为

$ \begin{array}{l} {C_{{\rm{obj}}}} = \sum\limits_{t = 1}^{{N_{\rm{T}}}} {\left\{ {{P_M}\left( t \right) \cdot \left[{L\left( t \right) + \Delta L\left( t \right)-\sum\limits_{m = 1}^{{N_{\rm{M}}}} {Y\left( {t, m} \right)} } \right]} \right\} -} \\ \;\;\;\;\;\;\;\;\;\;\;\sum\limits_{t = 1}^{{N_{\rm{T}}}} {\left\{ {\sum\limits_{j = 1}^{{N_{\rm{J}}}} {{F_j}\left( {P\left( {t, j} \right)} \right) + {P_M}\left( t \right)X\left( t \right) + k\left( t \right){P_M}\left( t \right)\Delta X\left( t \right) + \sum\limits_{m = 1}^{{N_{\rm{M}}}} {{G_m}\left( {Y\left( {t, m} \right)} \right)} } } \right\}} 。\end{array} $ (5)
3.2 约束条件

日前市场发电负荷平衡约束

$ \sum\limits_{j = 1}^{{N_{\rm{J}}}} {P\left( {t, j} \right) + X\left( t \right) = L\left( t \right), } $ (6)

实时市场发电负荷平衡约束

$ \sum\limits_{j = 1}^{{N_{\rm{J}}}} {P\left( {t, j} \right) + X\left( t \right) + \Delta X\left( t \right) = L\left( t \right) + \Delta L\left( t \right)-\sum\limits_{m = 1}^{{N_{\rm{M}}}} {Y\left( {t, m} \right)} }, $ (7)

机组输出功率上下限约束

$ P\left( {t, j} \right) \le {P_{{\rm{max}}}}\left( j \right) \cdot u\left( {t, j} \right), $ (8)
$ P\left( {t, j} \right) \ge {P_{{\rm{min}}}}\left( j \right) \cdot u\left( {t, j} \right), $ (9)

式中:Pmax(j)为第j台分布式发电机组输出功率上限; Pmin(j)为第j台分布式发电机组输出功率上限。

负荷响应功率约束

$ Y\left( {t, m} \right) \le {Y_{{\rm{max}}}}\left( {t, m} \right), $ (10)

式中, Ymax(t, m)为t时段第m类负荷参与负荷响应投标限值。

式(1)~(10)即为两级市场运行环境下微电网运行调度模型。

4 算例分析

本研究对包含风电、光伏、燃气机组、燃料电池等共8台分布式发电机组的微网系统展开研究。模型通过优化软件GAMS编程, 并调用离散非线性求解器BARON计算。对微网中的负荷, 按照性质划分为居民用电负荷、商业负荷和工业负荷3类, 并分别参与负荷需求侧响应, 典型日负荷曲线如图 2所示。

图 2 典型日负荷曲线 Figure 2 Tipical daily load curve

表 1给出了各分布式发电机组输出功率上下限, 表 2给出了各分布式发电机组市场投标的成本系数。值得注意的是, 由于燃气机组和燃料电池的启动时间很短, 远小于微网决策时间间隔, 因此在研究微网机组组合过程中, 考虑机组启动成本时忽略机组冷启动费用。

表 1 分布式发电机组输出功率上下限 Table 1 Power limits of distributed generator
表 2 分布式发电机组市场投标成本系数 Table 2 Market bidding character of distributed generator

表 3给出了分布式发电机组输出功率、负荷响应功率及微网与区域电网能量交互调度结果。分析表 3可知, 在两级市场运行模式下, 微网集中控制系统在日前市场和实时市场均按微增成本边际最小进行调度。其中, 燃气机组和燃料电池机组作为微网运行的主电源, 在全部时段都保持运行。在t2~t6时段, 日前市场预测负荷较低, 微网系统仅通过燃气机组和燃料电池机组满足预测负荷, 在实时市场通过1、2级负荷响应和向区域电网购买电能的方式满足实时负荷波动; 在t9~t20时段, 由于实时市电价成本边际提高, 此时系统在实时市场负荷平衡过程中不再从现货市场购买负荷, 而更多地通过负荷侧响应(3级负荷响应全部调动)实现发电与负荷平衡; 在t23~t24时段, 此时夜间用电负荷降低而风电功率输出增大, 微网系统出现弃风情况。另外, 在不考虑负荷响应时, 微网系统总收益从253 797.22元下降至178 577.52元, 这也说明微网集中控制系统在具有较灵活控制方式时, 运行收益也将大幅提升。

表 3 分布式发电机组输出功率、负荷响应功率及与区域电网能量交换功率的调度结果 Table 3 Dispatching results of distributed generator power output, load response power and energy exchangingwith regional power grid

本研究假设负荷响应成本函数Gm(Y(t, m))为一次成本函数, Gm(Y(t, m))=δ(t, m)Y(t, m), 调整负荷响应成本系数δ, 可以得到3级负荷响应变化情况, 如图 3所示。

图 3 不同负荷响应成本系数影响3级负荷响应曲线 Figure 3 Load demand response curve of 3 levels under different load demand response cost efficients

分析图 3可知, 负荷响应成本系数从1.0pu提高至1.5pu, 第1级负荷响应结果保持不变, 第2级负荷响应功率在t1~t7时段下降为0, 第3级负荷响应功率在t4~t16时段下降为0, 且2、3级负荷响应未变化部分与原功率响应曲线重合, 这也说明决策时负荷响应按线性优先级排序。实际上, 负荷侧响应可以理解为日前市场预测和实时市场预测偏差功率再分配, 当负荷响应成本系数为二次函数时, 3级负荷响应功率平衡将按照等微增率准则进行分配。

5 结语

本研究针对市场环境下微电网系统的经济调度问题, 研究和探讨了在日前市场和实时市场中预测出现偏差时微电网的运行控制原理, 提出了两级市场运行环境下的微电网调度模型。同时, 在模型中引入需求侧响应的调控手段, 为微网应对不确定性而提供的辅助服务给出决策参考。本研究为微网应对不同时间尺度的不确定性提供了新的解决思路, 但所研究问题仅针对单个微网的经济调度问题, 未来将对群微网的协调优化决策问题展开进一步研究。

参考文献
[1] 王成山, 许洪华. 微电网技术及应用[M]. 北京: 科学出版社, 2016.
[2] 宗鲁相, 王彩霞, 闵勇, 等. 微电网研究综述[J]. 电力系统自动化, 2007, 31(19): 100-107
ZONG Luxiang, WANG Caixia, MIN Yong, et al. Overview on microgrid research[J]. Automation of Electric Power Systems, 2007, 31(19): 100-107 DOI:10.3321/j.issn:1000-1026.2007.19.022
[3] CHEN Gang, ZHAO Zhongyuan. Delay effects on consensus-based distributed economic dispatch algorithm inmicrogrid[J]. IEEE Transactions on Power Systems, 2017(99): 1-1
[4] PAUL T, GHOSH S, KAMALASADAN S, et al. A quadratic programming based optimal power and battery dispatch for grid connected microgrid[C]//2016 IEEE Industry Applications Society Annual Meeting.Portland, USA:IEEE, 2016:1-8.
[5] YU Jiangfeng, WEI Wei, PENG Yonggang. A real-time optimal energy dispatch for microgrid including battery energy storage[C]//2016 10th International Conference on Software, Knowledge, Information Management & Applications (SKIMA). Indianapolis, USA:CIKM, 2016:314-318.
[6] MOHAMED F A, KOIVO H N. Online management of microgrid with battery storage using multi-objective optimization[C]//International Conference on Power Engineering, Energy and Electrical Drives. Setubal, Portugal:IEEE, 2007:231-236.
[7] ZHANG Zhong, WANG Jianxue, DING Tao, et al. A two-layer model for microgrid real-time dispatch based on energy storage system charging/discharging hidden costs[J]. IEEE Transactions on Sustainable Energy, 2017, 8(1): 33-42 DOI:10.1109/TSTE.2016.2577040
[8] 赵波, 包侃侃, 徐志成, 等. 考虑需求侧响应的光储并网型微电网优化配置[J]. 中国电机工程学报, 2015, 35(21): 5465-5474
ZHAO Bo, BAO Kankan, XU Zhicheng, et al. Optimal sizing for grid-connected PV-and-storage microgrid considering demand response[J]. Proceedings of the CSEE, 2015, 35(21): 5465-5474
[9] 董开松, 丁岩, 谢永涛, 等. 基于需求侧响应的微电网市场优化模型[J]. 高压电器, 2015, 51(6): 122-126
DONG Kaisong, DING Yan, XIE Yongtao, et al. Market optimization model for microgrid with demand response[J]. High Voltage Apparatus, 2015, 51(6): 122-126
[10] 苏新霞. 基于需求侧管理的微电网运行优化研究[D]. 上海: 上海电机学院, 2016.
SU Xinxia. Optimized operation research of micro-grid based on demand side management[D]. Shanghai:Shanghai Dianji University, 2016. http://cdmd.cnki.com.cn/Article/CDMD-11458-1016086784.htm
[11] LI Jie, LIU Yikui, WU Lei. Optimal operation for community based multi-party microgrid in grid-connected and islanded modes[J]. IEEE Transactions on Smart Grid, 2017(99): 1-1
[12] NNAMDI N. Optimal operational dispatch of an islanded microgrid[C]//2017 International Conference on the Domestic Use of Energy (DUE). South Town, South Africa:IEEE, 2017:199-203.
[13] THOMAS J, SO P L. Voltage and frequency control during microgrid islanding in a multi-area multi-microgrid system[J]. IET Generation, Transmission & Distribution, 2017, 11(6): 1502-1512
[14] 蒋东荣, 刘学军, 李群湛. 电力市场环境下电网日发电计划的电量经济分配策略[J]. 中国电机工程学报, 2004, 24(7): 90-94
JIANG Dongrong, LIU Xuejun, LI Qunzhan. Economically distributing strategies for daily generation scheduling in a power system under power market environment[J]. Proceedings of the CSEE, 2004, 24(7): 90-94
[15] 魏路平, 张小白, 卢敏, 等. 日前电力市场环境下的实时调度[J]. 电力系统自动化, 2007, 31(24): 38-41
WEI Luping, ZHANG Xiaobai, LU Min, et al. Study and realization of real-time dispatch in day-ahead power market[J]. Automation of Electric Power Systems, 2007, 31(24): 38-41 DOI:10.3321/j.issn:1000-1026.2007.24.009
[16] 白峪豪. 含分布式电源的微电网经济调度模型研究[D]. 杭州: 浙江大学, 2012.
BAI Yuhao. Research on micro-grid economic dispatch model with distributed power resources embedded[D]. Hangzhou:Zhejiang University, 2012. http://cdmd.cnki.com.cn/Article/CDMD-10335-1012314250.htm
[17] 黄伟, 黄婷, 周欢, 等. 基于改进微分进化算法的微电网动态经济优化调度[J]. 电力系统自动化, 2014, 38(9): 211-217
HUANG Wei, HUANG Ting, ZHOU Huan, et al. Dynamic economic dispatch for microgrid based on improved differential evolution algorithm[J]. Automation of Electric Power Systems, 2014, 38(9): 211-217 DOI:10.7500/AEPS20130520003
[18] 赵波, 薛美东, 陈荣柱, 等. 高可再生能源渗透率下考虑预测误差的微电网经济调度模型[J]. 电力系统自动化, 2014, 38(7): 1-8
ZHAO Bo, XUE Meidong, CHEN Rongzhu, et al. An economic dispatch model for microgrid with high renewable energy resource penetration considering forecast errors[J]. Automation of Electric Power Systems, 2014, 38(7): 1-8 DOI:10.7500/AEPS201210254
[19] 刘春阳, 王秀丽, 刘世民, 等. 计及蓄电池使用寿命的微电网经济调度模型[J]. 电力自动化设备, 2015, 35(10): 29-36
LIU Chunyang, WANG Xiuli, LIU Shimin, et al. Economic dispatch model considering battery lifetime for microgrid[J]. Electric Power Automation Equipment, 2015, 35(10): 29-36
[20] 陈思, 张焰, 薛贵挺, 等. 考虑与电动汽车换电站互动的微电网经济调度[J]. 电力自动化设备, 2015, 35(4): 60-69
CHEN Si, ZHANG Yan, XUE Guiting, et al. Microgrid economic dispatch considering interaction with EV BSS[J]. Electric Power Automation Equipment, 2015, 35(4): 60-69
[21] 丁浩, 高峰, 刘坤, 等. 基于鲁棒优化的含风电工业微电网经济调度模型[J]. 电力系统自动化, 2015, 39(17): 160-167
DING Hao, GAO Feng, LIU Kun, et al. An economic dispatch model in an industrial microgrid with wind power based on robust optimization[J]. Automation of Electric Power Systems, 2015, 39(17): 160-167 DOI:10.7500/AEPS20140320002
[22] 汪隆君, 许海林, 王钢, 等. 计及分布式电源功率特性的微电网经济调度模型[J]. 电力系统自动化, 2016, 40(11): 31-38
WANG Longjun, XU Hailin, WANG Gang, et al. Economic dispatch model for microgrid considering power characteristics of distributed generators[J]. Automation of Electric Power Systems, 2016, 40(11): 31-38 DOI:10.7500/AEPS20150827006
[23] 任建文, 渠卫东. 基于机会约束规划的孤岛模式下微电网动态经济调度[J]. 电力自动化设备, 2016, 36(3): 73-78
REN Jianwen, QU Weidong. Dynamic economic dispatch based on chance-constrained programming for islanded microgrid[J]. Electric Power Automation Equipment, 2016, 36(3): 73-78
[24] 杨毅, 雷霞, 叶涛, 等. 考虑安全性与可靠性的微电网电能优化调度[J]. 中国电机工程学报, 2014, 34(19): 3080-3088
YANG Yi, LEI Xia, YE Tao, et al. Microgrid energy optimal dispatch considering the security and reliability[J]. Proceedings of the CSEE, 2014, 34(19): 3080-3088
[25] 郭凯. 电力市场环境下微网经济运行[D]. 天津: 天津大学, 2014.
GUO Kai. The economic operation of microgrid in the power market[D]. Tianjin:Tianjin University, 2014. http://d.g.wanfangdata.com.cn/Thesis_D654604.aspx
[26] 张国立, 李庚银, 谢宏, 等. 日前和实时市场统一电能交易模型[J]. 中国电机工程学报, 2006, 26(21): 50-56
ZHANG Guoli, LI Gengyin, XIE Hong, et al. Unification energy trade model for day-ahead and real-time markets[J]. Proceedings of the CSEE, 2006, 26(21): 50-56 DOI:10.3321/j.issn:0258-8013.2006.21.008