Microgrid Optimal Energy Scheduling with Risk Analysis
目前微电网资源调度优化中的风险分析还没有量化。对含分布式能源的居民微网进行了条件风险价值（cVaR）分析。我们假设建立自组织微电网的基础设施已经到位，用于具有光伏（PV），柴油和电池储能系统（BESS）等电源的居民区。考虑到这种情况，我们解决了提前一天的调度，以优化分配各种资源，以满足社区，特别是住宅区与整个电网断开连接的情况下的需求，如洪水，飓风，冬季风暴或运营故障。其目标是提供一个替代框架，以优化优先客户的电力可用性，并加强整体电网对正常运行考虑之外的电力下降的影响。本文的重点将是在最小化成本的同时，将光伏与柴油和BESS相结合的可再生能源纳入其中。案例研究表明，通过拟议的能源管理系统，可以实施微电网，以应对新的挑战。
2023-01-04 cs.SY eess.SY
Scheduling of Software-Defined Microgrids for Optimal Frequency Regulation
本文针对高比例逆变器资源微电网的频率稳定问题，提出一种软件定义微电网最优调度框架，通过动态优化虚拟惯量与阻尼并显式建模负荷削减延迟和参数更新失败，在改进IEEE 33节点系统中验证了其有效性与经济价值。
2024-02-21 cs.SY eess.SY
Frequency-Constrained Resilient Scheduling of Microgrid: A Distributionally Robust Approach
为了防止潜在的频率不稳定性，由于高电力电子（PE）渗透下无意孤岛事件，本文提出了一种新的微电网调度模型，明确建模系统频率动态以及与可再生能源资源和负荷的长期/短期的不确定性。合成惯性（SI）控制被应用于调节基于逆变器的发电机（IBG）的有功功率输出，以支持孤岛后频率评估。与非临界甩负荷相关的不确定性明确建模的基础上的分布鲁棒制剂，以确保弹性操作孤岛事件。由此产生的频率约束解析推导和重新制定成二阶锥（SOC）的形式，这是进一步纳入微电网调度模型，使最佳的SI提供可再生能源（RES）从微电网的角度来看。通过对交流潮流约束的SOC松弛，将整个问题构造为一个混合整数SOC规划（MISOCP）。基于改进的IEEE 14节点系统验证了该模型的有效性。
2021-06-30 cs.SY eess.SY
Distributed Multi-Step Power Scheduling and Cost Allocation for Cooperative Microgrids
North Carolina State University（北卡罗来纳州立大学）
本文提出分布式多步协同能源调度算法，用于微电网中电力调度与成本分配，通过纳什谈判解实现公平的成本分配，分析系统参数对调度和成本的影响。
2017-02-03 cs.SY eess.SY
Online Scheduling of a Residential Microgrid via Monte-Carlo Tree Search and a Learned Model
分布式可再生能源的不确定性给微电网的经济运行带来了重大挑战。传统的在线优化方法需要预测模型。然而，准确预测可再生能源发电量仍然是一项艰巨的任务。为了实现在线调度的住宅微电网（RM），不需要预测模型来预测未来的光伏/风能和负载功率序列，本文研究了使用强化学习（RL）方法来解决这一挑战。具体来说，基于最近开发的基于模型的强化学习，MuZero，我们研究其应用于RM调度问题。为适应RM调度应用的特点，设计了一种将基于模型的RL Agent与数学优化技术相结合的优化框架，并采用长短期记忆（LSTM）单元从过去的可再生能源发电和负荷序列中提取特征.在每一个时间步，最优决策是通过进行蒙特卡洛树搜索（MCTS）与学习模型和解决最优潮流子问题。通过这种方式，这种方法可以在线顺序地做出运营决策，而不依赖于预测模型。数值仿真结果验证了该算法的有效性。
2020-10-05 cs.SY eess.SY
Microgrid Revenue Maximization by Charging Scheduling of EVs in Multiple Parking Stations
Institut Mines-Telecom Telecom SudParis（电信大学）；The Chinese University of Hong Kong（香港中文大学）
本文研究了多停车场环境下微电网中电动车充电调度问题，提出了一种近优算法以在满足局部和全局峰值约束下最大化收益，通过谷填策略降低全局峰值，仿真结果表明算法性能优于理论下限。
2016-06-02 cs.SY eess.SY
Distributed Energy Trading and Scheduling among Microgrids via Multiagent Reinforcement Learning
可再生能源发电的发展使微电网能够发电，自我供应，并在能源市场上交易盈余。为了最大限度地降低总成本，微电网必须确定如何调度其能源资源和电力负荷，以及如何与他人进行交易。控制决策受到各种因素的影响，例如能量存储、可再生能源产量、电力负荷以及来自其他微电网的竞争。由于互联微电网的复杂性、可再生能源发电和消费的不确定性以及微电网之间的相互作用，做出最优控制决策具有挑战性。以往的研究主要采用基于模型的方法来获得控制决策，但这些方法依赖于未来系统动态的精确信息，而这些信息在复杂的环境中很难获得。这项工作提供了一个新的视角，通过直接与环境交互来获得分布式能源交易和调度的最优控制策略，并提出了一种多智能体深度强化学习方法来学习最优控制策略。每个微电网被建模为一个代理，不同的代理协作学习，以最大限度地提高他们的回报。每个微网的Agent可以在不知道其他微网信息的情况下做出本地调度决策，很好地维护了每个微网的自治性。我们使用真实世界的数据集来评估我们所提出的方法的性能。实验结果表明，与基线方法相比，该方法可以显著降低微电网的成本。
2020-07-09 cs.MA cs.SY eess.SY
Cooperative Energy Scheduling of Multi-Microgrids Based on Risk-Sensitive Reinforcement Learning
Guangxi University（广西大学）；Tsinghua University（清华大学）；The Hong Kong Polytechnic University（香港理工大学）；Aalto University（阿尔托大学）；Charleston Southern University（查尔斯顿南方大学）
本文提出基于共享内存的风险敏感强化学习框架，用于多微电网的协同能源调度，通过量化个体与联合风险值关系提升调度可靠性与经济性。
2025-12-19 cs.SY eess.SY
Event-based EV Charging Scheduling in A Microgrid of Buildings
随着电动汽车的普及，电动汽车充电需求成为建筑物中的重要负荷。考虑到电动汽车在建筑物之间的移动性及其不确定的充电需求，在建筑物的微电网中控制电动汽车充电过程以优化总运营成本，同时确保微电网和主电网之间的传输安全，具有很大的实际意义。我们认为这一重要问题在本文中，并作出以下贡献。首先，我们将这个问题表述为一个马尔可夫决策过程，以捕获建筑物微电网中的不确定供应和电动汽车充电需求。该模型除了降低建筑物的总运营成本外，还考虑了电力交换限制以确保输电安全。其次，在基于事件的优化框架下对该模型进行了重新表述，以减轻大的状态和动作空间的影响。通过适当地定义事件和基于事件的动作，可以通过在微电网控制器中搜索随机参数化的基于事件的控制策略并在每个建筑物控制器中实施选择充电规则来优化EV充电过程。第三，提出了一种带调整机制的约束梯度策略优化方法，迭代地找到每个建筑物中电动汽车充电需求的最优事件控制策略。以三栋建筑物组成的微电网为例，对基于事件的电动汽车充电控制策略的结构和性能进行了数值实验分析。
2022-09-05 cs.SY eess.SY
Financial Risk-Based Scheduling of Microgrids Accompanied by Surveying the Influence of the Demand Response Program
提出了一种基于混合整数规划（MIP）的优化方法，在需求响应计划（DRP）存在的情况下，使微电网（MG）的利润最大化，同时使利润风险（RIP）最小化。RIP被定义为从期望利润值中获得更少利润的风险。使用正态分布、Beta分布和Weibull分布函数对与RES和负荷相关的不确定性进行建模。在GAMS和MATLAB中对一年中的5个随机日进行了模拟研究。仿真结果表明，考虑下行风险约束（DRC）和实施DRP后，RIP降低。DRP虽然增加了MG的总利润，但也显著增加了风险。另一方面，考虑DRC大大降低了风险的百分比，利润略有下降。
2021-02-06 cs.SY eess.SY
Privacy-Preserving Decentralized Energy Management for Networked Microgrids via Objective-Based ADMM
本文提出一种保护隐私的去中心化能源管理策略，通过增强的OB-ADMM方法和PEA算法，为网络化微电网提供经济平衡的高保真最优调度方案。
2023-04-07 cs.SY eess.SY
Adaptive Electricity Scheduling in Microgrids
Auburn University（奥本大学）
提出基于电能服务质量（QoSE）的微电网自适应调度算法，利用Lyapunov优化在线决策以最小化成本并控制停电概率。
2013-01-03 cs.SY eess.SY
AI-based Optimal scheduling of Renewable AC Microgrids with bidirectional LSTM-Based Wind Power Forecasting
Islamic Azad University（伊斯兰阿扎德大学）；Iranian University of Science and Technology（伊朗科技大学）；Shiraz University of Technology（设拉子理工大学）；Electric reliability council of Texas（得克萨斯州电力可靠性委员会）
就微电网的运行而言，优化调度是必须考虑的重要问题。在这方面，本文提出了一个有效的框架，可再生能源微电网的优化调度考虑储能设备，风力涡轮机，微型涡轮机。由于微电网运行问题的非线性和复杂性，使用精确和鲁棒的优化技术来有效地解决这个问题是至关重要的。为此，在所提出的框架中，教师学习为基础的优化是用来有效地解决系统中的调度问题。此外，提出了一种基于双向长短期记忆的深度学习模型来解决短期风电功率预测问题。采用IEEE 33节点测试系统验证了该框架的可行性和性能，以及风电功率预测对系统运行效率的影响。此外，澳大利亚羊毛北风网站的数据被用作一个真实世界的数据集，以评估预测模型的性能。结果表明，所提出的框架在微电网的优化调度的有效性和高效的性能。
2022-08-09 cs.AI cs.SY eess.SY
Competitive Prediction-Aware Online Algorithms for Energy Generation Scheduling in Microgrids
在许多问题领域中，存在着不确定未来信息的在线决策问题。在微电网能源发电调度的关键问题中，考虑到间歇性可再生能源发电和波动的需求，需要决定何时在具有启动成本的廉价本地发电机和成本更高的按需外部电网之间切换能源供应。在不了解未来输入的情况下，有竞争力的在线算法很有吸引力，因为它们提供了针对最优离线解决方案的最优性保证。但实际上，未来的投入，例如，风力发电通常在有限的时间窗口内是可预测的，并且可以被利用来进一步提高在线算法的竞争力。在本文中，我们利用预测窗口中的信息结构，设计了一种新的预测感知的在线微电网发电调度算法。我们的算法实现了最好的竞争比，以日期为这个重要的问题，这是最多$3-2/(1+\mathcal{O}(\frac{1}{w})),$，其中$w$是预测窗口大小。我们还刻画了一个非平凡的竞争比的下界，并表明，我们的算法的竞争比是只有$9\%$远离下界，当几个小时的预测是可用的。基于真实轨迹的仿真结果证实了我们的理论分析，并突出了我们新的预测感知设计的优势。
2022-05-27 cs.SY eess.SY
Multi-Feeder Restoration using Multi-Microgrid Formation and Management
本文提出一种基于图论且与能量管理方案无关的多微电网形成算法，通过滚动时域求解并避免长支线以处理多馈线恢复问题，在IEEE 123节点系统上验证了其能增加负荷供电并提升可再生能源利用率。
2023-11-26 cs.SY eess.SY
Decision-Focused Learning for Optimal Battery Scheduling Under Load and Photovoltaic Power Uncertainty in Microgrids
Politecnico di Milano（米兰理工大学）；Polytechnique Montréal, GERAD & Mila（蒙特利尔高等商学院、GERAD与Mila）
本研究针对微电网负荷与光伏功率不确定性问题，提出决策聚焦学习（DFL）框架训练预测器，可降低运行成本、消除负荷削减，证实预测精度与决策质量无单调关系。
2026-10-14 cs.SY eess.SY
A Cooperative Game Approach for Energy Management of Interconnected Microgrids
在这项研究中，提出了一个合作博弈模型来调度日前的多微电网（MMG）系统的操作。在所提出的模型中，微电网调度，以实现多微电网系统的成本的全局最优。通过微电网之间的交易实现最小成本。此外，基于价格的需求响应在模型中实现，为消费者建立一个降低成本的机会。应用Shapley值，MMG系统的最优成本在微电网之间公平分配。为了提高结果的可信度，模型中加入了数据的不确定性。在模型中应用了可再生能源产量、需求和与主电网交易价格的不确定性。所提出的模型被开发为一个混合整数线性规划问题，其效率进行评估的标准测试系统包含三个微电网。比较了微网之间形成合作博弈与微网之间不进行能量交易的孤立状态下MMG系统的成本。仿真结果表明，与孤立模式相比，该协作模式下MMG系统的成本有所降低。此外，微电网1、微电网2和微电网3的成本分别提高了2.4%、2.7%和11.8%。因此，所有的微电网都有动力参与合作博弈，并且在合作博弈中总成本和每个微电网的成本都得到了改善。
2022-01-10 cs.SY eess.SY
An Efficiency-Based Power Management Strategy for an Isolated Microgrid Project
偏远地区的微电网设计代表了微电网概念最重要和最关键的应用之一。它需要正确的大小和适当利用不同的来源，以保证经济可行性和可靠性的供应。这项研究说明了一个基于效率的电源管理策略，设计一个正在进行的微电网项目，其中的资源（柴油发电机，电池储能系统，光伏电站）的规模过程中获得使用混合整数优化算法。所提出的功率管理策略保证了电源的有效利用，这是最优尺寸确定过程的关键要素之一，自然包括在能量代价函数的定义中。功率控制策略的有效性进行了验证，通过准动态模拟的完整的微电网模型，其中源定义的最佳问题的解决方案，而布线（大小和长度）和主配电盘的位置反映了预期的系统布局。从微电网电气系统的仿真获得的结果包括损耗，并且允许验证和突出所需的量，例如每个母线处的供电质量（电压幅度）和能量存储系统的荷电状态。
2022-12-02 cs.SY eess.SY
Energy Trading in Microgrids for Synergies among Electricity, Hydrogen and Heat Networks
新兴的互联微电网模式倡导在多个微电网之间进行能源交易或共享。它有助于在满足各种能源负荷时充分利用能源的时间可用性和运营成本的多样性。然而，能源交易可能无法完全吸收多余的可再生能源。提出了包括燃料电池汽车、储能、电力系统和可再生能源在内的多能源管理框架，并考虑了燃料电池汽车的特点和调度安排，以进一步提高可再生能源的本地吸收能力，提高微电网的经济效益。虽然人们对能源调度和交易问题进行了深入的研究，但微电网经济性的一个基本问题仍然没有得到解决。也就是说，由于多能源耦合，随机可再生能源的产生和需求，微电网应该何时以及如何调度和交易能源与他人，这最大化其长期效益。设计了一种基于李亚普诺夫优化和双向拍卖机制的联合能量调度和交易算法。它的目的是确定拍卖中的能源估值，优化能源分配，并以当前电价策略性地购买和出售能源。基于真实数据的仿真表明，每个单独的微电网，在所提出的算法的管理下，可以实现时间平均利润，任意接近最优值，同时避免损害自己的舒适性。
2020-06-11 cs.SY eess.SY
Techno-Economic Analysis and Optimization of a Microgrid Considering Demand-Side Management
由于可再生能源在电网中的渗透以及住宅和商业部门能源需求的增加，电力需求和供应的控制和管理变得非常重要。本文提出了一种新的方法来弥合需求侧管理（DSM）和微电网投资组合，规模和布局优化之间的差距。尽管DSM有助于能源消费者利用分布式能源（DER）特别是微电网的最新发展，但将DSM结果与微电网优化联系起来的巨大需求正在显现。因此，提出了一种新的模型，集成了DSM技术和微电网模块在一个两层的配置。在第一层中，DSM用于基于区域温度设定点来最小化电力需求（例如加热和冷却负荷）。使用从第一层获得的最佳负载曲线，然后在第二层中优化微电网的所有投资和运行成本。该模型基于RU-LESS（罗格斯大学能源智能系统实验室）团队开发的现有优化平台。作为示范，开发的模型已被用来研究智能HVAC控制对微电网的影响相比，传统的HVAC控制。结果表明，微电网的年总能耗和年成本显著降低。
2020-01-27 cs.SY eess.SY
Bio-inspired Microgrid Management based on Brain's Sensorimotor Gating
本文提出受大脑感觉运动门控（前脉冲抑制与易化）启发的神经微电网框架，通过映射分层控制实现保护性阻尼与自适应放大，以增强微电网的自保护、自适应和韧性。
2025-10-17 cs.SY eess.SY
Stochastic optimal scheduling of demand response-enabled microgrids with renewable generations: An analytical-heuristic approach
在向清洁和可持续能源生产过渡的背景下，微电网已成为解决环境污染和能源危机问题的有效途径。随着可再生能源的日益普及，如何协调需求响应和可再生能源发电是微电网调度领域的一个关键和具有挑战性的问题。为此，本文提出了一种考虑多利益相关者的孤立微网双层调度模型，其中下层和上层模型分别以实时电价环境下用户成本和微网运行成本最小为目标。为了求解该模型，将Jaya算法和内点法（IPM）相结合，提出了一种混合分析-启发式求解方法Jaya-IPM，其中下层和上层分别由IPM和Jaya求解，调度方案通过两层之间的迭代得到。之后，由上层模型更新的实时价格和由下层模型确定的电力计划将通过实时定价机制在上下层之间交替迭代，以获得最优调度计划。试验结果表明，该方法能够协调可再生能源发电量的不确定性与需求响应策略，实现微网与用户利益的平衡;通过利用需求响应，能够充分发挥负荷侧的灵活性，在保持供需平衡的同时实现调峰。此外，Jaya-IPM算法被证明是优于传统的混合智能算法（HIA）和CPLEX求解器的优化结果和计算效率。
2021-11-24 cs.SY eess.SY math.OC
Incorporating demand response of electric vehicles in scheduling of isolated microgrids with renewables using a bi-level programming approach
在这项工作中，提出了一种新的优化调度方法，孤立的微电网（MG）与可再生能源发电的电动汽车（EV）的需求响应。首先，提出了一种基于双层规划的MG调度模型下的实时定价环境中，上层和下层寻求最小化MG净运营成本和电动汽车充电成本。其次，提出了一种求解该模型的混合算法JAYA-内点法。仿真结果表明，引入电动汽车需求响应能够引导电动汽车用户积极参与MG调度，实现调峰，为平衡MG和电动汽车用户之间的利益提供了根本途径。
2019-08-18 cs.SY eess.SP eess.SY
Design and Evaluation of a DC Microgrid Testbed for DER Integration and Power Management
本文设计并评估了一个集成光伏、超级电容器和电池储能系统的直流微电网试验台，结合APIS框架实现自动化能量管理，并通过硬件在环实时仿真验证其在动态场景下的功率分配性能与韧性。
2024-03-28 cs.SY eess.SY
A hierarchical distributed predictive control approach for microgrids energy management
本文讨论了典型微电网中能源资源的管理和协调问题，包括智能建筑作为灵活负载、储能和可再生能源。总体目标是提供一个全面和创新的框架，以最大限度地提高整体效益，仍然考虑到可能的请求，以改变来自电网的负载配置文件，并让每个建筑物或用户在服务这些请求和满足自己的舒适度之间取得平衡。决策过程中的用户参与是由一个管理和控制解决方案，利用创新的分布式模型预测控制方法与协调授予。此外，还提出了一种分层结构，将分布式MPC用户侧与微电网控制集成，也是用MPC技术实现的。所提出的整体方法已实施和测试的实验室设施的分布式能源系统（智能RUE）在NTUA，雅典，希腊的几个实验。仿真分析和结果补充了测试，显示了该方法的准确性和潜力，也从实施的角度。
2020-06-01 cs.SY eess.SY
Implementation of an Energy Management System for Real-Time Power Flow Control in AC Microgrid
微电网系统是由可再生能源与公用电网、储能单元、电动汽车和负载组成的单一可控实体。为了获得高效和低成本的能源，需要根据可再生资源和负载需求管理MG内的功率流。提出了一种基于AC MG的光伏储能并网系统能量管理系统。建议的EMS调节通过AC总线的功率流，考虑到第二天的太阳辐照度预测，关税档案，和一天前的负载需求，以最大限度地降低电力成本。推荐的MG系统的EMS已使用MATLAB/Simulink进行了验证。并以10 kW光伏系统的实时数据对该算法进行了验证。
2022-09-14 cs.SY eess.SY
Distributionally Robust Frequency-Constrained Microgrid Scheduling Towards Seamless Islanding
针对微电网非计划孤岛引发的功率失衡与频率安全问题，提出一种分布鲁棒频率约束调度模型，通过协同优化机组组合、频率响应备用及虚拟惯量等，确保系统在非计划孤岛期间的频率安全，并验证了其有效性。
2024-01-07 cs.SY eess.SY math.OC
Hierarchical Multi-timescale Framework For Operation of Dynamic Community Microgrid
配电系统集成的社区微电网（CMG）可以在长时间停电期间恢复负荷。CMG面临资源有限、缺乏强大的电网支持和供需不确定性的挑战。为了解决这些挑战，本文提出了一个三阶段分层多时标框架调度和实时（RT）调度的CMG。还考虑了CMG动态扩展其边界以支持相邻网格部分的能力。第一阶段解决了随机日前（DA）调度问题，以获得最佳资源配给的转诊计划。中间近实时调度阶段更新DA调度更接近调度时间，然后是RT调度阶段。所提出的方法进行了验证，通过数值模拟的修改后的IEEE 123节点系统，这表明优越的性能，在RT负载提供不同的预测误差的情况下，停电持续时间的情况下，对传统上使用的两阶段的方法。
2021-01-06 cs.SY eess.SY
Real-Time Co-Simulation for DC Microgrid Energy Management with Communication Delays
本文提出一种基于OPAL-RT、树莓派和EXataCPS的实时信息物理系统测试平台，用于在现实通信时延下评估直流微电网能量管理系统的性能。
2025-11-10 cs.SY eess.SY
Generalized Stochastic Dynamic Aggregative Game for Demand-Side Management in Microgrids with Shared Battery
本文针对带共享电池的微电网需求侧管理问题，构建带机会约束的广义随机动态聚合博弈模型，研究不确定性下的纳什均衡特性，仿真验证该随机方法优于确定性方法。
2023-10-10 cs.SY eess.SY
Set-Estimation based Networked Model Predictive Control for Energy Management of Faulty Microgrids
本文讨论了部分故障微电网的潮流控制问题。在微电网控制系统中，电气层和通信层都可能发生故障。这可能对微电网的运行产生严重影响。此外，扰动总是与微电网中的故障共存，这可能进一步恶化系统性能。为了同时解决故障和干扰问题，提出了一种基于集员估计（SME）的模型预测控制（MPC）方法，该方法通过通信网络传输信息。当电气设备不工作或发生通信故障时，相应的系统状态将变得不可用。为此，SME方法被用来估计未知但有界的过程和测量干扰存在的状态。利用光伏发电量和负荷需求的预测，设计了网络化预测控制方法来调度电力调度。通过这两种方法，可以实现容错控制。此外，提出了一种偏差补偿方法来补偿预测误差。所提出的控制策略的有效性证明通过无线通信测试使用树莓派。
2021-06-07 cs.SY eess.SY
Physical Informed-Inspired Deep Reinforcement Learning Based Bi-Level Programming for Microgrid Scheduling
本文提出基于物理启发DRL的微电网双层规划调度模型，结合AutoML-PER-A3C算法与DOCPLEX优化器，有效协调多方利益，在经济性和计算效率上显著优于其他强化学习方法。
2024-10-15 cs.SY eess.SY
Deep Reinforcement Learning with Local Interpretability for Transparent Microgrid Resilience Energy Management
本研究提出一种结合PPO算法与LIME方法的可解释深度强化学习框架，用于微电网韧性能量管理，在Layla气旋极端天气下验证了其透明决策的有效性并取得0.9736的韧性指数。
2025-08-11 cs.SY eess.SY
Distribution asset management through coordinated microgrid scheduling
University of Denver（丹佛大学）
本文研究了利用微电网调度进行配电网资产管理工作，旨在通过优化微电网与电网之间的电力交换，延长配电网变压器的使用寿命，从而提高电网可靠性。
2018-12-07 cs.SY eess.SP eess.SY
A Novel Real-Time Energy Management Strategy for Gird-Friendly Microgrid: Harnessing Internal Fluctuation Internally
通常，微电网发电容量的很大一部分来自可变的可再生资源，这些资源受环境影响很大，并且可以是间歇性的，也可以是随机的。这将导致微电网净负荷的不确定性，并对电网的可靠性产生负面影响。提出了一种两阶段的网络化微网实时能量管理策略，以解决微网内部波动问题，使微网成为电网友好型微网。该策略基于实时调度（RTD）阶段和实时控制（RTC）阶段之间的协调。在RTD阶段，使用模型预测控制（MPC）在当前时间间隔内优化调度微电网资源，同时考虑不久的将来的情况。RTC阶段通过快速作用电池解决微电网内部净负荷波动问题，其目的是在当前调度间隔内维持主电网和微电网之间恒定的联络线功率流。对10种不同的净负荷情景进行的数值模拟可以证明所提出的两阶段能量管理策略的性能，该策略将使微电网能够从大电网运营商的角度在经济调度间隔中作为具有静态电力消耗或生产的可控资产进行操作。
2020-06-20 cs.SY eess.SY math.OC
Flexibility-constrained Operation Scheduling of Active Distribution Networks with Microgrids
关于可再生能源（RES）的可变性，特别是在运行时间段，其高渗透率面临的电力系统的净负荷模式与一个主要的斜坡率的挑战。尽管独立系统运营商（ISO）采用基于市场的机制可以解决这一挑战，但可能无法在所有网络中应对这一挑战。在这样的网络中，所需的灵活性可以通过降低配电公司（迪斯科）从市场购买的电力的斜坡率来提供，因为它们的净负荷对系统的净负荷具有重要影响。因此，本文提出了一个灵活性约束的操作问题的分布式能源（DER）和微电网（MG）的配电网，以减少斜坡率的迪斯科的购买电力从市场上。这个问题是制定使用一个双层两阶段的随机模型的迪斯科和MG的问题建模为上层和下层的问题，分别。该模型被应用到IEEE 33节点标准测试网络与三个MG。结果表明，该模型的有效性，以减少斜坡率的迪斯科舞厅的购买电力从市场。
2020-12-12 cs.SY eess.SY
Robust Power Scheduling for Microgrids with Uncertainty in Renewable Energy Generation
Mechanical and Aerospace Engineering University of California San Diego（加州大学圣地亚哥分校机械与航空航天工程系）
本文提出了一种鲁棒功率调度算法，用于在主电网和包含太阳能发电和电池储能的微电网之间调度电力流量，以应对太阳能发电的不确定性。通过引入时间变化的'软'约束来限制电池的荷电状态（SoC），以避免功率调度过于保守，同时保证对不确定性的鲁棒性。该方法通过递推时间 horizon 的模型预测方法，确保最终解决方案在每一步都符合硬性 SoC 限制。每个步骤的优化问题被建模为二次规划问题，并通过迭代求解来找到最接近硬性约束的软约束，同时保证可行解。优化结果证明了该方法的有效性。
2019-02-21 cs.SY eess.SY
Multi-Agent Safe Policy Learning for Power Management of Networked Microgrids
提出了一种基于监督的多智能体安全策略学习（SMAS-PL）方法，用于配电系统中网络化微电网（MG）的功率优化管理。虽然传统的强化学习（RL）算法是黑箱决策模型，可能无法满足电网运行约束，但我们提出的方法受到交流潮流方程和其他运行限制的约束。因此，训练过程采用操作约束的梯度信息，以确保最优控制策略函数生成安全可行的决策。此外，我们已经开发了一个分布式的基于共识的优化方法，训练代理的政策功能，同时保持MG的隐私和数据所有权的边界。在训练之后，MG可以安全地使用学习到的最优策略函数来调度其本地资源，而不需要从头开始解决复杂的优化问题。数值实验已经被设计来验证所提出的方法的性能。
2020-10-27 cs.SY eess.SY
A Security-Constrained Optimal Power Management Algorithm for Shipboard Microgrids with Battery Energy Storage System
本文针对含柴油发电机和电池储能的船舶微电网，提出一种基于混合整数线性规划的安全约束最优功率管理算法，实现机组组合与功率调度，在保障防停电能力的同时最大化燃油节省。
2023-04-07 cs.SY eess.SY
Real-Time Energy Management Strategies for Community Microgrids
本研究提出一种混合社区微电网的实时能量管理框架，通过多目标优化最小化运营成本，并验证了基于PPO的深度强化学习策略在降低成本、减少碳排放及提升系统可靠性方面优于传统规则控制方法。
2025-06-28 cs.SY eess.SY
Optimal Scheduling of Isolated Microgrids Using Automated Reinforcement Learning-based Multi-period Forecasting
Northeast Electric Power University（东北电力大学）；State Grid Beijing Electric Power Company（国网北京市电力公司）
为了减少负荷和可再生能源输出的不确定性对微电网运行的负面影响，提出了一种基于自动强化学习的可再生能源发电量和负荷多时段预测的孤立微电网优化调度模型。首先，优先经验重放自动强化学习（PER-AutoRL）旨在以定制的方式简化基于深度强化学习（DRL）的预测模型的部署，首次提出了基于PER-AutoRL的单步多期预测方法，以解决现有多步预测方法所遭受的误差累积问题，然后通过误差分布对所提出的预测方法得到的预测值进行修正，提高预测精度;其次，以微网总运行成本最小为目标，构建了考虑需求响应的调度模型，并将修正后的预测值作为调度依据，最后，利用序列运算理论（SOT）将原调度模型转化为一个易于求解的混合整数线性规划问题，并利用CPLEX求解器对转化后的模型进行求解。仿真结果表明，与传统的无预测调度模型相比，该方法提高了预测精度，显著降低了系统运行成本。
2021-08-15 cs.LG cs.SY eess.SP
Robust Optimal Energy and Reserve Management of Multiple-Microgrids via Cooperative Bidding
Nanyang Technological University（南洋理工大学）
本文提出了一种合作交易方案，用于多微电网系统中考虑可再生能源发电、负荷需求和能源市场价格不确定性的鲁棒最优能源与备用管理，通过迭代子梯度方法实现收敛性分析，并评估了在该鲁棒合作交易方案下多微电网系统的经济收益。
2018-12-01 cs.SY eess.SY
An Overview of the Prospects and Challenges of Using Artificial Intelligence for Energy Management Systems in Microgrids
Department of Electrical Engineering, University of Sharjah（电气工程系，谢贾哈大学）；Department of Electric, Electronic and Computer Engineering, University of Pretoria（电气电子与计算机工程系，普里蒂亚大学）
本文综述AI在微电网EMS中的应用价值，分析其在预测、安全、成本与潮流优化等方面的适用性，并展望自愈、区块链、IoT及生成式AI等方向。
2025-05-13 cs.AI cs.SY eess.SY
Power Management of Microgrid Integrated with Electric Vehicles in Residential Parking Station
近来，住宅停车站中电动车辆（EV）数量的增加已成为重要问题，因为过多的EV数量会在高峰时段期间使电力系统不稳定，需要高充电功率。当住宅停车站的电力系统采用微电网（MG）结构时，为电动汽车提供电力需要高效的电力管理方案。为了最小化MG的维护成本并保持电网稳定性，MG需要平衡停车站中的EV的充电/放电功率。为了实现这些目标，本文提出了一种充电/放电算法，适用于与电动汽车配置的MG的电源管理。对MG进行多目标优化，以最小化维护成本和电网依赖性，同时最大化光伏（PV）功率的使用和电动汽车作为储能系统（ESS）的利用。在我们的方法中，为了增加电动汽车放电功率的有用性，基本负载和光伏发电被考虑在一起进行功率管理，以减轻它们之间产生的不平衡。因此，所提出的方法表现出优越的电源管理性能相比，其他可比的。
2021-12-06 cs.SY eess.SY
Full-Time-Scale Power Management Strategy for Hybrid AC/DC/DS Microgrid with Dynamic Concatenation and Autonomous Frequency / Voltage Restorations
Shanghai Jiao Tong University（上海交通大学）；Nanyang Technological University（南洋理工大学）；Federation University（联邦大学）；Aalborg University（奥尔堡大学）
本文提出一种全时间尺度电力管理策略，通过动态连接器统一暂态惯性支持与稳态功率分配，并引入自主频率/电压恢复以提升混合交流/直流/分布式微电网的可靠性与稳定性。
2026-01-04 cs.SY eess.SY
Management of solar energy in microgrids using IoT-based dependable control
University of Technology Sydney（悉尼科技大学）
本文提出基于物联网的可靠控制系统，用于管理微电网中太阳能板收集的可再生能源流动，通过本地传感器和实时气象数据优化控制，提升系统容错性和可靠性。
2017-10-10 cs.SY eess.SY
ADMM Penalty Parameter Evaluation for Networked Microgrid Energy Management
针对ADMM惩罚参数ρ选择影响网络微网能量管理（NetMEM）性能的问题，本文评估比较三种区域ADMM公式并结合自适应惩罚启发式，通过不同规模网络案例验证OB-ADMM对ρ选择更鲁棒且解更优。
2025-11-11 cs.SY eess.SY
Multi-Microgrid Collaborative Optimization Scheduling Using an Improved Multi-Agent Soft Actor-Critic Algorithm
School of Electrical Engineering, Northeast Electric Power University（东北电力大学电气工程学院）；State Grid Jining Power Supply Company（国网济宁供电公司）
本文针对多微网系统的能源管理问题，提出基于集中训练分布式执行框架的协同优化调度模型，并设计了结合AutoML优化超参数的改进MASAC算法，实验表明该方法能实现电力互补、降低运行成本且优于其他先进强化学习算法。
2023-04-01 cs.LG cs.SY eess.SY
A Privacy-Preserving Energy Management System for Cooperative Multi-Microgrid Networks
本文提出了一种能量管理系统（EMS），考虑一组互连的微电网（MG）和主电网之间的功率交换，在多MG（MMG）系统的背景下。该模型首先制定为一个集中的优化问题，然后分解成对应于每个MG的子问题，使用拉格朗日松弛，并通过分布式方法使用次梯度法求解。该模型在考虑电网约束条件的同时，以各MG的运行成本最小为目标，通过不泄露各MG的发电成本和需求信息来保护各MG的隐私。分布式的方法进行了验证相对于集中式的问题，并提出了各种案例研究，以证明所提出的方法的性能，比较单独和合作的MG操作的成本。结果表明，由于功率交换，MMG系统中的所有MG都提高了它们的成本，从而展示了MG互连的优势。
2022-07-10 cs.SY eess.SY
A Load Switching Group based Feeder-level Microgrid Energy Management Algorithm for Service Restoration in Power Distribution System
本文提出了一种基于负载切换组的能量管理系统（LSG-EMS），用于在由一个或多个电网形成分布式能源供电的配电馈线上操作微电网。配电馈线上的负载被分成可以远程接通和断开的负载开关组。LSG-EMS算法被表述为混合整数线性规划（MILP）问题，其目标函数是最大化服务负载，同时最小化切换动作总数。提出了一组新的拓扑约束条件，允许馈线上形成多个微网，并选择最优供电路径，通过最大化客户偏好服务期内的供电持续时间和强制执行最小服务持续时间来考虑客户舒适度。所提出的方法被证明在一个修改后的IEEE 33节点系统，使用实际的客户数据。仿真结果表明，LSG-EMS成功地协调多个网格形成源，通过选择一个最佳的供电拓扑结构，最大限度地提高关键和非关键负载的供电周期，同时最大限度地减少客户服务中断的服务恢复过程中。
2020-11-17 cs.SY eess.SY
A Neural Network-Based Energy Management System for PV-Battery Based Microgrids
提出了一种基于神经网络的分布式电源能量管理系统（NN-EMS）。随机和不均匀的辐照导致不均匀的PV输出，这导致DG的电池之间的不均匀的荷电状态（SoC）。这种影响可能会导致SoC的差异随着时间的推移而显著增加，导致一些电池达到其SoC极限。这些电池将不再能够控制形成DG的混合电网的直流链路。建议的神经网络EMS确保SoC的平衡，通过学习最佳的状态动作映射使用的最优潮流（OPF）的输出。训练数据集已通过执行基于混合整数线性规划的最优潮流为下垂的岛屿微电网考虑实际的发电负荷配置文件。所得到的NN-EMS控制器继承了最优状态和网络行为的信息。与传统的时间提前集中式方法相比，所提出的策略不需要准确的发电负荷预测。此外，它还可以响应于光伏功率的变化，在近实时，而不求助于解决一个OPF。建议的神经网络EMS控制器已通过案例研究CIGRE LV微电网包含光伏电池混合DG进行了验证。所提出的概念也可以扩展到综合分散控制器，可以相互合作，以实现一个全球性的目标，而无需通信。
2022-06-14 cs.SY eess.SY
A Stochastic Game Framework for Efficient Energy Management in Microgrid Networks
我们考虑微电网网络中的能量管理问题。微电网能够从可再生资源中产生有限的能量，并负责处理其专用客户的需求。由于可再生能源发电的可变性和客户的需求，每个微电网都必须对其能源进行优化管理。这涉及到智能地调度客户端的需求，根据其当前和未来的需求，从邻近的微电网出售（当有盈余时）和购买（当有赤字时）电力。通常，微电网之间的电力交易以中央电网预先决定的价格进行。在这项工作中，我们制定的需求和电池调度，能源交易和动态定价的问题（我们允许微电网决定交易的价格取决于其当前的配置的需求和可再生能源）在随机博弈的框架。随后，我们提出了一种新的方法，利用独立学习者的深度Q学习算法来解决这个问题。通过广泛的实证评估，我们表明，我们提出的框架是更有利于大多数的微电网，我们提供了详细的分析结果。
2020-11-15 cs.GT cs.SY eess.SY
A Novel Real-Time Energy Management Strategy for Grid-Supporting Microgrid: Enabling Flexible Trading Power
近年来，分布式能源（DER）在电网中的渗透率显著增长。屋顶光伏发电（PV）等可变DER的随机性和间歇性特征在用户端给电网带来了很大的不确定性，削弱了电网的可靠性。此外，网格中分布着大量的DER，这使得对DER的监控和管理变得困难。针对这一问题，提出了一种新的支持电网的微电网实时能量管理策略。该策略不仅可以有效地管理网格中的DER，而且可以使DER提供网格服务，从而使网格能够通过灵活的交易能力来支持网格。建议的GSEM策略是基于一个2步优化，其中包括一个例行的经济调度（ED）的步骤和可接受的交易功率范围确定步骤。数值仿真结果表明，所提出的GSEM策略的性能，使电网运营商有一个调度选择的交易电力与MG和提高主电网的可靠性和弹性。
2021-04-29 cs.SY eess.SY
An energy management system model with power quality constraints for unbalanced multi-microgrids interacting in a local energy market
随着多微电网的出现，人们提出了一些有限的模型，这些模型独立地研究了当地能源市场的运行和电能质量约束。针对不平衡微电网的局部能源市场（LEM），提出了一种考虑运行和电能质量约束及相互作用的能量管理系统凸优化模型。LEM由预调度步骤和能量交易步骤（ETS）组成。ETS结合了MG的目标，同时考虑两种策略：最小化买方的成本或最大化卖方的收入。我们提出的模型在这两个步骤中考虑了谐波失真和电压极限电能质量约束。此外，我们模型的运行约束，如潮流，功率平衡，分布式能源的行为和能力。我们数值评估所提出的模型使用三个不平衡的MG与住宅，工业和商业负载配置文件，其中每个微电网管理其资源本地。此外，我们还创建了两组案例来分析当地能源市场中的相互作用。在第一组中，DSO能源的价格和从MG到DSO的盈余是相同的。数值结果表明，使用增加收入的策略，促进MG更多的互动，同时鼓励他们有高的能源价格。当使用降低成本策略时，发生较少的能量相互作用，并且鼓励MG能量的价格较低。
2022-12-04 cs.SY eess.SY
