基于發(fā)電預(yù)測的分布式發(fā)電能量管理系統(tǒng)

陳昌松 段善旭 殷進(jìn)軍 蔡 濤

（華中科技大學(xué)電氣與電子工程學(xué)院 武漢 430074）

1 引言

由于傳統(tǒng)能源資源的枯竭、當(dāng)今社會許多部門對電能質(zhì)量要求的提高以及世界各國對環(huán)保問題的日益關(guān)注，分布式發(fā)電系統(tǒng)已經(jīng)被世界各國所重視[1-4]。但是，分布式發(fā)電系統(tǒng)中的部分發(fā)電單元，如光伏陣列發(fā)出的電能受到氣候條件和環(huán)境因素的影響[5-8]，具有較強(qiáng)的隨機(jī)性，因此當(dāng)其容量達(dá)到一定的等級，或者系統(tǒng)中存在儲能和其他發(fā)電單元時，需要采用一定的能量管理策略對系統(tǒng)的能量流進(jìn)行監(jiān)控和管理，優(yōu)化系統(tǒng)內(nèi)部各個發(fā)電單元、儲能單元及其與電網(wǎng)之間的能量流動的方向和幅值，以提高系統(tǒng)運行的穩(wěn)定性和經(jīng)濟(jì)性。當(dāng)分布式發(fā)電系統(tǒng)并網(wǎng)運行時，發(fā)電單元發(fā)出的電能可以直接供給負(fù)荷或者并網(wǎng)，也可存儲到儲能單元，再由儲能單元供給負(fù)荷或者并網(wǎng)，電網(wǎng)也可以直接給負(fù)荷供電。但是，如何協(xié)調(diào)發(fā)電單元、儲能單元、負(fù)荷和電網(wǎng)之間的能量流，實現(xiàn)關(guān)鍵負(fù)荷優(yōu)先的可靠供電、發(fā)電單元和儲能單元的壽命優(yōu)化、系統(tǒng)運行的經(jīng)濟(jì)效益最大化，需要一定的能量管理策略進(jìn)行能量流的最優(yōu)控制，保障系統(tǒng)穩(wěn)定、可靠、經(jīng)濟(jì)運行。當(dāng)分布式發(fā)電系統(tǒng)獨立運行時，系統(tǒng)脫離電網(wǎng)，系統(tǒng)中只存在發(fā)電單元、儲能單元和負(fù)荷，發(fā)電單元發(fā)出的能量可直接供給負(fù)荷，或者存儲到儲能單元，再由儲能單元供給負(fù)荷。由于部分發(fā)電單元具有較強(qiáng)的隨機(jī)性，同時負(fù)荷也隨著時間處于變化之中，從而在獨立運行時分布式發(fā)電系統(tǒng)也需要一定的能量管理策略控制系統(tǒng)中的能量流，保持系統(tǒng)內(nèi)部能量的供需平衡以及電壓和頻率的穩(wěn)定性。

目前對于分布式發(fā)電系統(tǒng)能量管理技術(shù)已有不少研究[9-11]，而這正是分布式發(fā)電大規(guī)模應(yīng)用的難點之一。在分析目前分布式發(fā)電系統(tǒng)能量管理的研究基礎(chǔ)上，本文綜合考慮電網(wǎng)實時電價、發(fā)電單元預(yù)測發(fā)電量和儲能單元預(yù)測剩余容量等因素，提出了一種基于模糊控制的分布式發(fā)電能量管理控制算法。該算法能夠根據(jù)電網(wǎng)實時電價、預(yù)測發(fā)電量、預(yù)測剩余容量和實時運行狀態(tài)采用模糊規(guī)則進(jìn)行模式切換和能量流的優(yōu)化控制。文中給出了模擬運行結(jié)果，驗證了這種算法的良好魯棒性。

2 系統(tǒng)結(jié)構(gòu)

目前已有系統(tǒng)的網(wǎng)絡(luò)拓?fù)渲饕譃閮煞N，一種是基于直流母線方式，另一種是基于交流母線方式。在基于直流母線方式的分布式發(fā)電系統(tǒng)中，風(fēng)力發(fā)電單元和光伏發(fā)電單元分別通過 AC/DC變換器和DC/DC變換器與直流母線相連接，這兩種變換器均為單向變換器，能量只能從發(fā)電單元流向直流母線；多元復(fù)合儲能單元分別通過AC/DC變換器（如飛輪儲能）和DC/DC變換器（如超級電容和蓄電池）與直流母線相連接，這兩種變換器均為雙向變換器，能量可在儲能單元與直流母線之間雙向流動。

直流母線方式的系統(tǒng)架構(gòu)主要優(yōu)點是：①只需對直流母線電壓進(jìn)行控制，容易滿足系統(tǒng)性能要求，控制算法相對容易。②由于省去了子系統(tǒng)中的整流部分，因此系統(tǒng)成本低，易于推廣。③采用分布式直流母線控制，系統(tǒng)容易擴(kuò)展，可以滿足用電設(shè)備和發(fā)電設(shè)備增加的要求。直流母線方式系統(tǒng)的關(guān)鍵在于直流母線電壓的設(shè)定范圍和變動方式，從而決定各單元的運行方式。

本文采用直流母線方式的分布式發(fā)電系統(tǒng)，其結(jié)構(gòu)如圖1所示，由發(fā)電單元、儲能單元、控制單元和模擬負(fù)載單元組成。其中發(fā)電單元由風(fēng)力發(fā)電、光伏發(fā)電組成；儲能單元由鉛酸蓄電池組成；控制單元由四個 DC/DC變換器、DC/AC變換器和AC/DC變換器組成。發(fā)電單元和儲能單元通過相應(yīng)的功率變換器以直流的形式輸出，并匯流到系統(tǒng)的直流母線。直流母線通過獨立型DC/AC變換器給關(guān)鍵負(fù)荷供電，通過雙向DC/DC變換器與儲能單元之間進(jìn)行能量交換，通過雙模式型DC/AC變換器與公用電網(wǎng)/配電網(wǎng)之間進(jìn)行能量交換。

圖1 系統(tǒng)結(jié)構(gòu)框圖Fig.1 System configuration of distributed generation

3 能量管理

分布式發(fā)電系統(tǒng)能量管理的基礎(chǔ)是保持系統(tǒng)中能量的供需平衡，即在系統(tǒng)運行過程中的任意時刻均能滿足：

式中，PGi為系統(tǒng)中第i個發(fā)電單元發(fā)出的功率；L為系統(tǒng)中發(fā)電單元的個數(shù)；PSj為第j個儲能單元吸收或發(fā)出的功率；M為系統(tǒng)中儲能單元的個數(shù)；PLk為第k個負(fù)荷需求的功率；N為系統(tǒng)中負(fù)荷的個數(shù)；PGRID為電網(wǎng)吸收或發(fā)出的功率。當(dāng)系統(tǒng)并網(wǎng)運行即電網(wǎng)存在時，式（1）總能滿足。當(dāng)系統(tǒng)獨立運行即電網(wǎng)不存在時，PGRID=0，此時式（1）可簡化為

為了使分布式發(fā)電系統(tǒng)能夠穩(wěn)定、可靠以及經(jīng)濟(jì)地工作，必須保證發(fā)電單元和儲能單元協(xié)調(diào)工作，對系統(tǒng)的能量流向進(jìn)行管理。在獨立運行時，分布式發(fā)電能量管理控制算法根據(jù)發(fā)電單元的單位時段運行成本選擇運行成本較低的發(fā)電單元，優(yōu)化分布式發(fā)電系統(tǒng)的運行成本。在并網(wǎng)運行時，由于分布式發(fā)電系統(tǒng)能夠?qū)崿F(xiàn)與電網(wǎng)的電能交換，因此，能量管理控制算法應(yīng)根據(jù)電網(wǎng)電價實時地買入或者賣出電能，追求分布式發(fā)電系統(tǒng)的利益最大化。光伏電池和風(fēng)力發(fā)電機(jī)等發(fā)電單元則將其運行成本與電網(wǎng)電價進(jìn)行比較，若運行成本高于電網(wǎng)電價時，進(jìn)入關(guān)閉狀態(tài)；若運行成本低于電網(wǎng)電價時，開始正常啟動。對于儲能單元，當(dāng)電網(wǎng)電價最低時，以最大功率給儲能單元充電，并可結(jié)合電網(wǎng)電價調(diào)整充電功率的大小，即電網(wǎng)電價低時，充電功率大，電網(wǎng)電價高時，充電功率??；當(dāng)電網(wǎng)電價較高時，儲能單元根據(jù)能量管理系統(tǒng)的調(diào)度指令釋放足夠的電能，在賣電過程中，當(dāng)儲能單元存儲的電能釋放到只夠維持本地關(guān)鍵負(fù)荷不間斷供電的要求（即備用發(fā)電單元啟動過程中，關(guān)鍵負(fù)荷需要消耗的電能）時停止釋放電能，進(jìn)入待機(jī)狀態(tài)。

3.1 發(fā)電預(yù)測模塊

本文所要研究的分布式發(fā)電系統(tǒng)中，發(fā)電單元主要由光伏陣列構(gòu)成，儲能單元由蓄電池組構(gòu)成。為了降低光伏陣列輸出電能的隨機(jī)性對分布式發(fā)電系統(tǒng)的影響，能量管理系統(tǒng)需要采取一定的方式先預(yù)測光伏發(fā)電單元的輸出電能，然后依靠預(yù)測的輸出電能和蓄電池剩余容量制定發(fā)電計劃，通過分布式發(fā)電系統(tǒng)的模擬運行確定變換器及儲能裝置的實際運行設(shè)定值，實際運行過程中再根據(jù)發(fā)電單元和儲能單元的實時狀態(tài)實時調(diào)整能量流傳輸?shù)拇笮『头较?，使其工作在理想工作模態(tài)，從而對整個系統(tǒng)進(jìn)行能量流動管理，實現(xiàn)負(fù)荷需求與發(fā)電的能量平衡和系統(tǒng)運行成本最優(yōu)化。

本文以華中科技大學(xué)新能源研究中心光伏發(fā)電實驗平臺(東經(jīng)114°，北緯30°)為研究對象，以光伏監(jiān)控系統(tǒng)數(shù)據(jù)庫的歷史發(fā)電數(shù)據(jù)和氣象數(shù)據(jù)為參考。以光伏監(jiān)控系統(tǒng)數(shù)據(jù)庫中2006年12月19日～25日的日發(fā)電量數(shù)據(jù)為例，如圖2所示。

圖2 日發(fā)電量Fig.2 Daily power output

如圖2所示，對于光伏發(fā)電單元來說，一個明顯的特征就是光伏陣列發(fā)電量時間序列的本身高度自相關(guān)性。因為在陣列的歷史發(fā)電量時間序列中，所有的發(fā)電量時間序列來自于同一套發(fā)電系統(tǒng)，數(shù)據(jù)自身就包含了光伏陣列的系統(tǒng)信息，解決了光伏陣列的安裝位置隨機(jī)性和光伏陣列的使用時間等對轉(zhuǎn)換效率的影響。除了歷史發(fā)電量外，還需要考慮日類型、大氣溫度對光伏陣列發(fā)電量的影響。設(shè)計的模型結(jié)構(gòu)如圖3所示，每個模型的輸入矢量為X=（x1,x2,…,x16），其中x1,x2,…,x12分別為預(yù)測日前一天的12個時間點的發(fā)電量，x13,x14為前一天的最高氣溫、日類型指數(shù)，x15,x16為預(yù)測日的最高氣溫、日類型指數(shù)。輸出變量y1,y2, …,y12對應(yīng)預(yù)測日的12個時間點的發(fā)電量。

圖3 預(yù)測模型拓?fù)浣Y(jié)構(gòu)Fig.3 The topology of the forecasting model

圖4為三天皆是晴天時預(yù)測模型的預(yù)測結(jié)果，從圖中可以看出，神經(jīng)網(wǎng)絡(luò)模型能夠準(zhǔn)確地預(yù)測光伏陣列的發(fā)電量。

圖4 預(yù)測模型的預(yù)測結(jié)果Fig.4 The forecasting results of the model

3.2 最優(yōu)控制模塊

最優(yōu)控制模塊利用數(shù)據(jù)庫中的規(guī)則集、當(dāng)前狀態(tài)、發(fā)電預(yù)測模塊的預(yù)測數(shù)據(jù)和其他的需求進(jìn)行推理決策，以確定發(fā)電系統(tǒng)的狀態(tài)轉(zhuǎn)換和控制參數(shù)。決策推理模塊是能量管理系統(tǒng)的核心模塊，它主要由兩部分組成：運行模式判斷和模糊控制策略。

3.2.1運行模式判斷

制定每天的運行模式需要綜合考慮光伏陣列的預(yù)測發(fā)電量、蓄電池組的剩余容量。蓄電池的剩余容量是指在當(dāng)前工作狀態(tài)下，蓄電池還能輸出的電量。蓄電池的剩余容量也常用其荷電狀態(tài)來表示。蓄電池能夠輸出的容量受到許多因素的影響，它不能直接被測量到，同樣其剩余容量計算也受到這些因素的影響，也就必須間接計算才能得到。對于這個問題，本文采用安時法進(jìn)行剩余容量預(yù)測。

直接測量蓄電池放電或充電電流，再乘以時間值，就得到安時量。由于充入蓄電池的電量并不都是全部轉(zhuǎn)換成化學(xué)能存儲，它們之間存在一個充電效率的關(guān)系，因此對于充入電量Cch為

式中，η為充電效率；Ij為第j秒時的充電電流平均值。

由于蓄電池放電深度是影響壽命的一個主要因素，放電深度越大，使用壽命越短。因此，在系統(tǒng)運行過程中，需要考慮蓄電池的充放電管理，保證蓄電池的放電深度情況下兼顧系統(tǒng)運行成本。例如，當(dāng)蓄電池剩余容量較小，而此后三天的預(yù)測發(fā)電量小于負(fù)荷消耗時，能量管理系統(tǒng)需要采用模式切換在電價較低時增加蓄電池的充電功率，避免在電價較高時由于發(fā)電功率不夠向電網(wǎng)買電，從而降低運行成本。綜合考慮電網(wǎng)實時電價、發(fā)電單元預(yù)測電能輸出和蓄電池的剩余容量，能量管理系統(tǒng)設(shè)計了兩種運行模式：穩(wěn)定運行模式和經(jīng)濟(jì)運行模式。

運行過程中，能量管理控制算法首先根據(jù)光伏陣列三天的預(yù)測發(fā)電量和蓄電池的剩余容量判斷每天的運行模式，然后依靠光伏陣列當(dāng)天的預(yù)測發(fā)電量和蓄電池的實時狀態(tài)查找模糊控制規(guī)則進(jìn)行蓄電池充放電控制器和DC/AC變換器的控制，來實現(xiàn)系統(tǒng)能量管理。在穩(wěn)定運行模式下，所有時段采用低谷的模糊控制規(guī)則，系統(tǒng)優(yōu)先考慮蓄電池的充、放電管理，保障系統(tǒng)的持續(xù)供電能力；在經(jīng)濟(jì)運行模式下，不同時段采用不同的模糊控制規(guī)則，系統(tǒng)優(yōu)先考慮系統(tǒng)的運行成本，根據(jù)分時電價進(jìn)行能量調(diào)控。具體判斷過程見表1。

表1 運行模式選擇規(guī)則Tab.1 Choice rules of operation

表中，S表示穩(wěn)定運行，C表示經(jīng)濟(jì)運行，VS、S、M、B、VB分別表示蓄電池剩余容量為較小、小、中等、大、較大，111表示三天中每天的預(yù)測發(fā)電量都大于系統(tǒng)額定負(fù)荷消耗，001表示三天中只有第三天的預(yù)測發(fā)電量大于系統(tǒng)額定負(fù)荷消耗，其他數(shù)字組合的含義可類推。

3.2.2模糊控制策略

模糊控制的最大特征是將人的經(jīng)驗表示成語言控制規(guī)則，然后再用這些控制規(guī)則去控制系統(tǒng)。因此模糊控制特別適用于模擬人的經(jīng)驗對數(shù)學(xué)模型未知的、復(fù)雜的、非線性系統(tǒng)的控制中。在分布式發(fā)電系統(tǒng)中，光伏陣列的發(fā)電量預(yù)測輸出、儲能單元蓄電池的剩余容量均為不確定量，所以采用模糊控制進(jìn)行分布式發(fā)電系統(tǒng)的能量管理。模糊控制器采用如下3個模糊變量:

（1）FP（Forecasting Power）——（光伏陣列）預(yù)測輸出電量。

（2）SOC（State of Charge）——（蓄電池）剩余容量。

（3）DC（Dispersal Current）——（蓄電池）分流量。

其中，F(xiàn)P、SOC為輸入模糊變量，DC為輸出模糊變量。

把FP論域量化為6檔，即:{0 ,1 ,2 ,3 ,4 ,5 }。選用的詞集為{0, VS, S, M, B, VB }。把SOC論域量化為11檔，即{0 ,1 ,2 ,3 ,4 ,5 ,6 ,7 ,8 ,9 ,10 }。選用的詞集為{VS, S, M, B, VB }。把DC論域量化為7檔，即: {-3 ,-2 ,-1 ,0 ,1 ,2 ,3 }。選用的詞集為{NB,NM, NS, ZE, PS, PM, PB}。FP、SOC、DC的隸屬函數(shù)分布圖如圖5所示：

圖5 隸屬函數(shù)Fig.5 Membership functions

分布式發(fā)電系統(tǒng)能量管理的目的是系統(tǒng)運行成本最優(yōu)化，那么在模糊控制規(guī)則的制定需要對電網(wǎng)電價進(jìn)行充分考慮，本文以分時電價為例。其中，峰谷時段劃分一般是分為三個時段即高峰、平段、低谷三個時段。高峰為8：00～12：00和18：00～22：00，低谷為 0：00～8：00，平段為 12：00～18：00和 22：00～0：00。峰值電價為 0.6286元/kWh，平段電價為 0.49元/kWh，低谷電價為 0.1050元/kWh[12]。

因此，模糊控制策略為：當(dāng)運行時間為電價低谷時，系統(tǒng)優(yōu)先考慮從電網(wǎng)買電提供負(fù)載供電和進(jìn)行蓄電池充電；當(dāng)運行時間為電價高峰時，系統(tǒng)優(yōu)先考慮向電網(wǎng)賣電；當(dāng)運行時間為電價平段時，如果光伏陣列和風(fēng)機(jī)的總輸出功率大于負(fù)載功率，系統(tǒng)不再優(yōu)先考慮向電網(wǎng)賣電，而是一邊以恒定電流給蓄電池充電，一邊將多余的電能賣給電網(wǎng)。具體控制參數(shù)見表2。

表2 模糊控制規(guī)則Tab.2 Rules of fuzzy control

（c）平段的模糊控制規(guī)則SOCFP VS S M B VB 0 NM NS ZE PS PMVS NM NS ZE ZE PSS NM NS ZE ZE ZEM NM NS ZE ZE ZEB NM NS ZE ZE PSVB NM NS ZE PS PM

4 算例分析

本文采用組態(tài)軟件模擬分布式發(fā)電系統(tǒng)的運行過程。在考慮氣候和地域條件的原則下，分布式發(fā)電系統(tǒng)設(shè)計為發(fā)電單元和本地負(fù)荷的容量基本匹配，即在長期運行情況下發(fā)電單元的輸出電能基本滿足本地負(fù)荷。模擬運行系統(tǒng)由3.0kW的光伏陣列和1.2kW的風(fēng)力機(jī)組構(gòu)成發(fā)電單元，儲能單元由滿足負(fù)荷需求三天的蓄電池組構(gòu)成。直流母線通過DC/AC變換器與電網(wǎng)連接實現(xiàn)電能交換，系統(tǒng)模擬運行過程如圖6所示。

圖6a為系統(tǒng)模擬運行時光伏、風(fēng)力發(fā)電單元的輸出功率和負(fù)荷需求。圖6b為系統(tǒng)由穩(wěn)定運行模式轉(zhuǎn)經(jīng)濟(jì)運行模式。圖6c為經(jīng)濟(jì)運行模式下的系統(tǒng)模擬運行結(jié)果，當(dāng)運行時間在低谷時，系統(tǒng)從電網(wǎng)買電為負(fù)載供電和進(jìn)行蓄電池充電，電網(wǎng)輸出功率為負(fù)值；當(dāng)運行時間為高峰時，系統(tǒng)向電網(wǎng)賣電，電網(wǎng)輸出功率為正；當(dāng)運行時間為平段時，如果光伏陣列和風(fēng)機(jī)的總輸出功率大于負(fù)載功率，系統(tǒng)一邊以恒定電流給蓄電池充電，一邊將多余的電能賣給電網(wǎng)，此時蓄電池輸出功率為負(fù)，電網(wǎng)輸出功率為正。表3為系統(tǒng)在圖6c的運行過程中與電網(wǎng)買賣的電量及其收益。

圖6 系統(tǒng)模擬運行結(jié)果Fig.6 Typical operation results

表3 系統(tǒng)運行收益Tab.3 Gain of operation

從表中可以看出，模糊控制策略使得分布式發(fā)電系統(tǒng)在電價低谷時買入電能, 在電價平段和高峰時賣出電能。分布式發(fā)電能量管理系統(tǒng)綜合考慮電網(wǎng)電價和發(fā)電單元的運行成本，當(dāng)電網(wǎng)電價較低時，能量管理系統(tǒng)從電網(wǎng)買入電能滿足負(fù)荷需求和儲能單元充電；當(dāng)電網(wǎng)電價較高時，能量管理系統(tǒng)盡可能地使用當(dāng)?shù)匕l(fā)電單元滿足分布式發(fā)電系統(tǒng)的全部需求，并且不向電網(wǎng)買入電能。對于整個分布式電網(wǎng)而言，這種行為是有利的。因為在需求高峰時，基于開放式電力市場的電價較高，能量管理系統(tǒng)能夠部分或者全部地滿足其內(nèi)部需求，將有助于減輕電網(wǎng)的阻塞。對于分布式發(fā)電系統(tǒng)而言，能量管理系統(tǒng)考慮了市場價格、負(fù)荷需求和發(fā)電單元運行成本，系統(tǒng)運行期間不僅獲得運行收益10.212元，完成了系統(tǒng)的運行成本最優(yōu)化，還緩和了高峰期間的電力供需矛盾，補(bǔ)償了電網(wǎng)調(diào)峰成本。

5 結(jié)論

分析了分布式發(fā)電系統(tǒng)的系統(tǒng)結(jié)構(gòu)和能量管理策略，提出了一種基于模糊控制的分布式發(fā)電能量管理控制算法。在維持系統(tǒng)能量供需平衡的基礎(chǔ)上，該算法根據(jù)蓄電池的剩余容量和預(yù)測的光伏陣列發(fā)電量將系統(tǒng)運行分為穩(wěn)定運行和經(jīng)濟(jì)運行兩種運行模式，保證了儲能單元的性能和壽命。采用光伏陣列發(fā)電預(yù)測模型的預(yù)測發(fā)電量作為能量管理控制算法的輸入?yún)⒖剂?，解決了光伏陣列輸出電能的隨機(jī)化問題。建立了基于發(fā)電預(yù)測和運行成本最優(yōu)化的分布式發(fā)電系統(tǒng)模擬運行模型，模擬運行結(jié)果表明，通過對發(fā)電單元的輸出電能預(yù)測和儲能單元剩余容量預(yù)測，系統(tǒng)可以根據(jù)實時運行狀態(tài)進(jìn)行模式切換；同時，在電網(wǎng)電價變化時，系統(tǒng)能根據(jù)模糊控制規(guī)則快速地尋找新的工作點，實時調(diào)控發(fā)電單元和儲能單元，優(yōu)化了系統(tǒng)運行成本。

本文的模型僅考慮了電力市場實時電價對分布式發(fā)電系統(tǒng)能量管理的影響，未計及輸電約束和分布式發(fā)電系統(tǒng)的能量管理策略行為對電力市場均衡的影響，因此如何進(jìn)一步優(yōu)化模型，是下一步要做的工作。

[1] Vovos P N, Kiprakis A E, Wallace A R, et al.Centralized and distributed voltage control: impact on distributed generation penetration[J]. IEEE Transactions on Power Systems, 2007, 22(1):476-483.

[2] Katiraei F, Iravani M R. Power management strategies for a microgrid with multiple distributed generation units[J]. IEEE Transactions on Power Systems, 2006, 21(4): 1821-1831.

[3] Gil H A, Joos G. Customer-owned back-up generators for energy management by distribution utilities[J].IEEE Transactions on Power Systems, 2007, 22(3):1044-1050.

[4] Hiscock N , Hazel T G, Hiscock J. Voltage regulation at sites with distributed generation[J]. IEEE Transactions on Industry Applications, 2008, 44(2): 445-454.

[5] Jewell W T, Unruh T D. Limits on cloud-induced fluctuation in photovoltaic generation[J]. IEEE Transactions on Energy Conversion, 1999, 5(1): 8-14.

[6] Mellit A, Arab A H, Khorissi N, et al. An ANFIS-based forecasting for solar radiation data from sunshine duration and ambient temperature[C]. IEEE Power Engineering Society General Meeting, 2007.

[7] Sera D, Teodorescu R, Hantschel J, et al. Optimized maximum power point tracker for fast-changing environmental conditions[J]. IEEE Transactions on Industrial Electronics, 2008, 55(7): 2629-2637.

[8] Kem E C, Culachenski E M, Ken G A. Cloud effects on distributed photovoltaic generation: slow transients at the gardner, massachusetts photovoltaic experiment[J].IEEE Transactions on Energy Conversion, 1989, 4(2):184-190.

[9] Chakraborty S, Weiss M D, Simoes M G. Distributed intelligent energy management system for a single-phase high-frequency AC microgrid[J]. IEEE Transactions on Industrial Electronics, 2007, 54(1):97-109.

[10] Favuzza S, Graditi G, Ippolito M G T, et al. Optimal electrical distribution systems reinforcement planning using gas micro turbines by dynamic ant colony search algorithm[J]. IEEE Transactions on Power Systems, 2007, 22(2): 580-587.

[11] Tsikalakis A G, Hatziargyriou Nikos D. Centralized control for optimizing microgrids operation[J]. IEEE Transactions on Energy Conversion, 2008, 23(1):241-248.

[12] Yudong T, Hongkun S, Funian H, et al. Investigation on TOU pricing principles[C]. 2005 IEEE/PES Transmission and Distribution Conference &Exhibition: Asia and Pacific Dalian, China, 2005.