基于马尔可夫过程的随机电力管理策略，适用于带有随机负载消耗下的邱健蓄电池储能的自主风能转换系统

本文提出了一种先进的随机电力管理策略（PMS），适用于基于随机负载消耗的小型自主风能转换系统（WECS）微电网。这些微电网通常部署在偏远地区，包括永磁同步发电机（PMSG）、非控制二极管整流器、直流-直流升压转换器、电池储能和直流负载。普遍认为，风能的波动性以及负载需求的变化，在独立微电网中维持稳定且不间断的能源供应带来了巨大挑战。这项工作的创新之处在于它集成了马尔可夫过程，无需事先历史数据即可预测随机负载变化，从而实现了高效的能源管理的自适应决策。这种方法解决了在间歇性风电和不可预测的负荷需求下，维持系统稳定性和平衡能源生产与消耗的挑战。通过实时预测负载需求，该策略确保了风能和电池储能的最佳利用，同时避免过充或深度放电。此外，该策略还跟踪 WECS的最大功率点（MPP），最大限度地减少功率损失，确保系统的可靠性。该策略在三种不同情景下得到了验证——正弦时变、阵风变化和实风速分布——每种情景对应马尔可夫过程预测的不同能耗曲线。模拟结果展示了该策略在稳定微电网和确保最佳能源利用方面的有效性。

简介

全球能源消耗和对化石燃料的依赖日益增加，使得迈向可持续能源解决方案比以往任何时候都更加紧迫。可再生能源（RES）正逐渐被认可为比传统化石燃料更重要、更好的选择，因为它们有潜力解决当前紧迫的环境问题[1]、[2]。化石燃料供应有限且迅速枯竭，这引发了对现有能源系统可持续性的担忧。此外，燃烧化石燃料被认为是温室气体排放的主要来源，对全球变暖有重大影响[3]。极端天气事件、海平面上升和生态系统变化——这些都是气候变化的一些不利影响——都表明了向更清洁能源转型的紧迫需求。像风能、太阳能、生物质能和水力发电这样的可再生能源，提供了对环境影响更低的可持续解决方案[2]，[3]，[4]，[5]，[6]，[7]，[8]，[9]，[10]，[11]，[12]。它们还通过推进绿色技术，增强能源独立和经济稳定[13]。除了广泛的应用外，可再生能源系统在微电网实现中也发挥着重要作用，这对农村电气化尤为有用[5]，[14]。原则上，此类微电网既可独立运行，也可与主电网协同运行，是偏远地区的可靠能源供应选择[15]。例如，小规模独立风能转换系统（WECS）是扩展主电网成本高昂或不切实际地区的理想解决方案[4]，[16]，[17]。这些系统利用当地风能资源发电，通过提供可靠的能源供应，促进农村发展[18]、[19]。此外，小规模的WECS也非常适合城市环境[20]。
然而，风速的可变性影响基于WECS的微电网的稳定性和可靠性[15]。由于风速波动，产生的风力输出功率会变化。因此，将能源储存系统（ESS），如电池——因其提供高的能量和功率密度、寿命延长以及延长寿命的优势[21]，[22]，是缓解这种变异性的关键方法[8]、[9]。在这方面，电池储能可以储存在强风期产生的多余能量，并在低风速时供应，以确保能源供应的连续性和系统稳定性。换句话说，电池有助于平滑风能发电的波动[23]。因此，为了优化电池自主WECS的性能，需要电力控制和能量管理策略[24]。这些策略智能地优先考虑能源储存、消费和分配，以平衡供需。
此外，负载需求波动——微电网中的另一个关键问题——必须有效管理，以确保系统顺畅运行。这些波动可视为因人类活动和环境变化等不可预测因素引起的随机负载需求变化，带来了重大挑战[25]、[26]、[27]。在这方面，先进的随机模型可用于预测负载波动，实现动态能源管理，并为微电网提供显著更高的可靠性。

多项研究提出了针对独立WECS的能量管理策略，假设负载模式可预测，具有确定性负载分布。例如，参考文献[8]建议采用一种自主WECS控制方案，集成电池储能以管理发电和需求变化。该系统配备永磁同步发电机（PMSG）、Zeta转换器和电池，采用三个充电阶段——最大功率点追踪（MPPT）、恒流和恒压——根据风力发电、负载功率和电池充电状态（SOC）优化能源管理。同样，参考文献[9]采用了独立WECS的能源管理方法，配备电池和可变直流负载。该系统被建模为不确定开关非线性系统，考虑风速、负载变化和电池SOC。该战略涵盖四种模式，适应不同条件，保持SOC在安全范围内，并确保在动态情境下有效的电力跟踪和管理。
参考文献[10]提出了一个自主混合能源系统，包括WECS、光伏（PV）子系统、电池储能和可变负载。作者建议采用能源管理策略，确定子系统的运行模式并控制功率输出，重点是满足需求，同时通过保持SOC在安全范围内来保持电池寿命。该方法采用参数切换的动态建模，适应环境和负载的波动。同样，在参考文献[28]中，作者介绍了一种针对小型混合可再生能源系统的有效能源管理策略，将风能和太阳能与电池结合。该策略在微电网内的电力平衡，同时在不同负载和发电条件下保持SOC在极限内。
在参考文献[29]中，引入了一种新的独立WECS配置，采用PMSG和电池辅助准Z源逆变器。该配置高效管理风力波动，为敏感负载提供可靠的电源。该控制策略集成了MPPT，稳定电压和频率，同时在不同风向和负载条件下保持电池的SOC。最后，参考文献[30]引入了比例共振控制器，结合电池能量控制器，用于提升自主风能系统中的电力质量并管理功率平衡，采用直驱PMSG。该方法有效应对风力和负荷需求的波动，提升动态性能，减少稳态误差，并确保离网应用即使在外部干扰下也能稳定运行。
然而，所有这些研究都忽视了能源需求消耗固有的变异性，这种变异在现实应用中普遍存在，且常表现为随机且不可预测的波动[25]。讨论的能量管理策略主要聚焦于确定性负载分布，假设负载模式是可预测的。相比之下，现实场景中常常涉及随机且不可预见的负载变化，这些变化会影响系统性能。
为了妥善应对随机负载变化带来的困难，必须在随机负载下的微电网采用能源管理策略[26]。准确的负荷预测对于缓解因突发波动引起的调度问题以及优化能源生产和储能决策至关重要。这确保了可靠高效的能源管理，尤其是在负载需求高度不可预测的场景下。
文献介绍了多种随机能源管理方法，用于管理负载需求和RES的不确定性。例如，参考文献[31]引入了一种随机能源管理方法，应用于并网微电网，包含光伏、风能和电池储能等可再生能源。它利用高斯过程回归和蒙特卡洛模拟（MCS）分别建模RES输出和能耗的不确定性，通过解决非线性动态优化问题提升鲁棒性，以最小化运营成本和排放成本。同样，参考文献[32]提出了独立微电网的随机能源管理策略，解决风能和波动负荷的不确定性。该方法集成了端到端的传统神经网络模型，以提高风能和负荷变化的预报准确性，同时MCS考虑了不确定性。此外，深度强化学习框架动态优化实时能源调度，降低运营成本并减轻ESS退化。此外，[33]的作者提出了一种随机模型预测控制框架，用于微电网电力管理。该框架利用MCS生成场景，捕捉与可再生能源系统、负荷需求和电价相关的不确定性。这是一种以应用为驱动的方法，依赖大量信息输入，并采用混合整数二次规划等计算技术来确定最优能量管理。在另一项研究中，[34]提出了一种随机多目标的微电网能源管理模型，整合风能、潮汐和光伏系统，通过MCS解决风速、太阳辐射和负载需求的不确定性。该模型通过交互式模糊决策过程选择解决方案，最大限度地降低运营成本和污染排放。此外，正如[35]中所探讨的平衡优化算法，在太阳能光伏系统和风力涡轮机等可再生能源的集成中被证明非常有效。该算法通过概率建模降低成本并解决负载需求的不确定性。
然而，为了管理需求的随机性质，所有方法都必须使用历史数据，或采用过于简化或过于复杂的模型，正如前述随机能源管理中使用的负载预测方法所证明的那样。其中一些方法依赖MCS引入模型中的不确定性，这需要开发大量数据集来表示多种此类情况。另一些则结合深度强化学习和MCS来模拟负载中的不确定性和随机性，而另一些则采用统计和概率技术。本文探讨了随机负载消耗变化对基于电池储能的直流微电网独立WECS动态的影响，同时确保电池SOC保持在安全范围内以维持电池健康。与以往依赖历史数据或复杂模型的方法不同，本文侧重于通过考虑随机负载和优化独立的电池储能运行的WECS，从而通过随机数学建模提供实时自适应解。
在随机模型中，最有前景的工具之一是马尔可夫过程，它可用于随机实时建模和随机波动的预测。它能够通过更新从一个状态到另一个状态的概率，并从转换似然中选择预测的工作状态来捕捉这些概率[36]、[37]。马尔可夫过程被用作决策工具，适用于实时运行的系统，使其能够处理可通过此类建模解决的不可预测变化。
使用VOSviewer软件[38]对研究环境进行了文献计量分析，重点关注从Scopus数据库提取的关键词，包括“微电网”、“能源管理”、“电池”、“电力”和“需求”。分析显示，优化微电网中的能源分配以提升效率和可持续性仍是研究的关键领域。共识别出5043个关键词，其中155个超过了20次的最低门槛。主导主题包括“微电网”、“可再生能源资源”和“能源管理”，以及“风能”、“电池储能系统”和“优化”等相关术语。然而，与“需求响应”、“负载需求”、“随机模型”、“随机系统”、“不确定性”和“预测”等概念相关的术语之间的联系较少，这些可能成为未来研究的主题，如图1、图2所示。图3展示了VOSviewer分析，重点关注马尔可夫工艺及其在微电网和能源管理中的应用。在601个已识别的关键词中，只有44个达到了五次出现的最低要求。分析显示，“马尔可夫过程”与微电网和能源管理概念的联系较少，表明当前和未来研究需要更多讨论。马尔可夫链过程以其简洁和适应性著称，通过有效分析负载波动的随机性，可以显著提升实时决策和系统性能。扩大其在微电网负荷预测中的应用，将有助于提升能源管理策略的效率和响应性。
当前研究提出了一种独立WECS的能源管理策略，结合电池储能，同时通过马尔可夫过程模型解决随机变化的负载消耗，该模型具有无记忆的马尔可夫特性，能够根据实际负载状态预测下一时间区间的负载变化。这无疑减少了对大量历史数据的依赖，并提高了系统响应时间。马尔可夫工艺因其灵活性和简洁性，被用于基于WECS的动态负载需求的微电网。例如，需求在高负载与低负载水平之间的自然波动形成了概率密度，使系统能够实时实现最佳运行。马尔可夫模型通过消除大量数据集的需求简化了负载预测，从而提升了系统在需求骤变期间的适应性和响应能力。因此，它是管理能源管理不确定性和优化系统性能的有效工具。本文的主要贡献包括：

• 1.
  开发了马尔可夫过程模型，用于预测基于电池储能的直流微电网中独立WECS随机负载消耗的变化。
• 2.
  模型中考虑了风能系统和蓄能的技术特性，考虑间歇性风电、电池储能优化和随机负载需求，以提升整体系统效率。
• 3.
  引入了随机能源管理策略，以应对能源消耗的不确定性，优化风电、需求和电池储能之间的电力分配，同时确保在波动的发电和负载条件下保持可靠性。
• 4.
  通过模拟验证了所开发的方法，证明其在不同负载和风力条件下提升系统性能的有效性。