💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。
⛳️座右铭：行百里者，半于九十。
📋📋📋本文目录如下：🎁🎁🎁
目录
💥1 概述
📚2 运行结果
🎉3 参考文献
🌈4 Matlab代码实现
💥1 概述
文献来源：
从目前的研究来看，对于微电网运行优化的研究主要从优化对象(微网结构及设备特性)、优化时
间尺度、优化目标以及优化问题的求解 4 个方面展开。
1）优化对象：早期研究多仅关注电源侧。文献[3]提出了包含光伏发电、风力发电、柴油机以及
硫钠电池储能的微网系统优化模型。文献[4]在风/光/柴/蓄基础上考虑了燃料电池。文献[5]研究了由
光伏电池、蓄电池、微型燃气轮机、余热锅炉、蓄热槽组成的 CHP 型微电网。随着智能电网、能源互联网等新概念和技术的提出，用户侧受到越来越多的重视。相对于大电网，微网负荷调控和管理的灵活性和可操作性更具优势。因此，完全可以借助经济措施实现微网需求侧管理，提高微网运行效益。
2）由于风/光等自然资源的不确定性和不可控性，微网的优化时间尺度也具有其特殊性。风力发
电机的日前预测出力误差通常为 25%~40%，光伏阵列的日前预测出力误差通常为 20%左右，而两者短期预测出力的误差都可以降低到 10%[6-7]。因此，多时间尺度成为必然选择。
3）至于优化目标的选取，微电网的效益体现在多方面，经济[8-9]、环境[10]、供电可靠性[11]等等。结合智能电网和能源互联网的发展趋势，从微电网未来发展来看，能源互联网最终要走向消费端。因此，不仅仅从电源侧考虑，进一步从负荷侧考虑，或从两者得到一个折中的优化点，实现源–网–荷的全局最优化是必然趋势。
4）优化问题的求解。微电网优化是多变量、多约束和非线性的多目标优化问题。传统多目标优
化方法，如目标权重法、距离函数法以及转换为最小最大问题等，以及传统智能算法，如基本遗传算法，其本质上都是通过特定的方式将多目标转换成单目标问题。权重设置的合理性和有效性是其中的难题[12]。基于 Pareto 最优概念的进化算法克服了上述方法的不足，直接处理多个目标，无需对多目标赋予权重，成为求解多目标问题的有效方法[12-13]。Agarwal 提出的改进非劣解排序遗传算法(NSGA-II)更是被广泛应用[14]。
📚2 运行结果
🎉3 参考文献
文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。
[1]曾君,徐冬冬,刘俊峰等.考虑负荷满意度的微电网运行多目标优化方法研究[J].中国电机工程学报, 2016, 36(12): 3325 -3334.
[2] K. Deb, A. Pratap, S. Agarwal and T. Meyarivan, "A fast and elitist multiobjective genetic algorithm: NSGA-II," in IEEE Transactions on Evolutionary Computation, vol. 6, no. 2, pp. 182-197, April 2002, doi: 10.1109/4235.996017.
