# 中文标题 基于依赖性降低指数(DRI)与改进牛顿-拉夫逊法(INRM)的智能微电网经济-环境-技术协同能量管理：插电式电动汽车(PEV)最优参与及自适应需求响应(DR)

《International Transactions on Electrical Energy Systems》：Economic, Environment, and Technical Energy Management in Smart Microgrid With Optimal Participation of the Plug-In Electric Vehicles and Adaptive Demand Response

　　

# 摘要翻译

本文提出了一种专门针对包含电动汽车(EV)和需求响应(DR)的微电网的能量管理与调度多目标框架。主要创新在于引入了一个独特的依赖性降低指数(DRI)目标函数，旨在增强微电网的自给自足能力。优化问题采用改进牛顿-拉夫逊法(INRM)求解。采用自适应sigma点方法来表征与负荷、EV和可再生能源相关的波动。结果表明，纳入DRI目标显著提升了微电网的能量独立性，从而降低了运行成本和排放成本。总之，该论文声称所提出的优化框架成功平衡了经济、环境和韧性目标，为现代微电网运营提供了一种实用且优越的解决方案。DRI目标的实施带来了微电网运行自主性的显著增强，实现了运行成本降低5.69%和排放减少4.48%。这表明，依赖感知优化从根本上改变了资源分配策略，通过充电站与储能系统的战略协调，将微电网运行模式重塑为更加减少对主网依赖的形态，从而形成一种改进的自给自足与经济效益相互支撑而非相互冲突的局面。在DRI的引导下，充电站与微电网的协调使DR成本降低了12.78%，这得益于在分层储能框架内对电池储能、EV和EB充电站的精细化管理，该框架在多种案例研究中协同运行。

# 论文解读

## 一、研究背景与研究意义

随着可再生能源资源的持续利用以及分布式发电(DG)技术的推广，微电网作为未来能量管理(EM)领域的基础性组成部分，其关键作用日益凸显，被赋予了更高水平的可靠性、可持续性和鲁棒性要求。然而，微电网的战略管理面临诸多严峻挑战：光伏(PV)系统等可再生能源固有的随机性特征、经济/环境/可靠性因素不可预测的本质，以及近年兴起的电动汽车(EV)充电站与电动自行车(EB)充电站集成所带来的日益增长的复杂性和突出地位。这些EV/EB充电站在向电网增加额外负荷的同时，也引入了增强型的移动储能能力，使调度算法和优化过程面临更加错综复杂的问题。传统能量管理策略主要依赖确定性优化技术，在应对光伏发电和电力需求波动等随机性相关的大量不确定性方面往往力有不逮，进而在动态能源环境中的实时调度和实际适用性方面造成重大挑战。现有模型中相当大一部分倾向于将关注重点放在当前的经济和环境方面，往往忽视了微电网独立运行这一关键特征。为此，开展这项研究旨在弥补以下研究空白：第一，缺乏包含EV和EB充电站在内的多能源微电网系统的协同优化框架；第二，通过充电站显式降低微电网对主网依赖的策略重要性未被充分确立为关键优化目标；第三，现有随机模型大多仅关注可再生能源发电和负荷需求的不确定性，缺乏同时涵盖EV和EB充电站可用性与行为因素不确定性的综合随机框架。

## 二、研究内容与核心结论概况

本研究提出了一种面向包含EV和DR的微电网的能量管理与调度多目标框架。主要创新包括：设计了一个独特的依赖性降低指数(DRI)目标函数以提升微电网的自给自足能力；采用改进牛顿-拉夫逊法(INRM)求解优化问题；开发了自适应sigma点方法以全面表征可再生能源发电、微电网负荷需求以及EV和EB充电站可用性相关的波动。研究结果表明，纳入DRI目标显著增强了微电网的能量独立性，实现了运行成本降低5.69%、排放减少4.48%，并在分层储能框架的协同管理下使DR成本降低了12.78%。该框架成功平衡了经济、环境和韧性目标，为现代微电网运行提供了实用且优越的解决方案。研究还通过与牛顿-拉夫逊法(NRM)、粒子群优化(PSO)和正弦余弦算法(SCA)的对比验证了INRM的性能优越性。

## 三、关键技术方法

研究人员采用了多项核心技术方法。其一，提出了依赖性降低指数(DRI)，作为衡量和改善微电网能量自主性的新指标，由能量依赖性降低(EDR)、峰值依赖性降低(PDR)和变异性降低(VR)三个子指标加权构成。其二，改进了牛顿-拉夫逊法(NRM)，通过引入黄金正弦搜索策略和陷阱规避算子(TAO)，形成改进牛顿-拉夫逊法(INRM)以提升全局寻优能力。其三，采用自适应sigma点方法对不确定性进行建模，仅需选取2n+1个sigma点即可获得与蒙特卡洛方法相当的精度同时显著降低计算负担。其四，采用max-min模糊方法处理多目标Pareto前沿解的决策问题。数值仿真基于图1所示微电网拓扑结构，包括PV、风机(WT)、微型燃气轮机(MT)、燃料电池(FC)、电池储能系统(BESS)、EV、EB和电网连接。日前PV/WT出力、电价和负荷需求数据列于文中表1，能源资源参数列于表2，数据来源于文献[51-54]所载参考数据。仿真环境为配备Core i5处理器、8GB内存、CPU 3.33GHz的PC机，在MATLAB平台上实现。

## 四、研究结果

### 4.1 案例研究

研究人员设置了三个案例以全面评估所提微电网EM系统的性能：案例I为不含DRI的确定性多目标微电网功率调度；案例II为含DRI的确定性多目标微电网功率调度；案例III为含DRI并采用自适应sigma点随机框架的多目标微电网功率调度。所有案例均采用INRM求解，并与NRM、PSO和SCA进行对比，种群规模50、迭代次数200，各算法独立运行30次以保证统计显著性。DR计划采用三级负荷削减策略：33%削减补偿$2.5/kWh、66%削减补偿$3.5/kWh、100%削减补偿$4.5/kWh。

在案例I中，INRM在所有性能指标上均表现出显著优势，实现了0.8937的高超体积(Hypervolume)和0.2011的低间距(Spacing)指标。INRM获得最低运行成本$925.13，比NRM、PSO和SCA分别低6.6%、5.3%和20.7%；排放成本为$874.93，比其他算法低3.6%-7.8%；DR成本为$465.40。值得注意的是，尽管案例I未将DRI纳入优化框架，INRM仍实现了12.90%的DRI，显著高于其他方法的7.30%-10.68%区间，表明INRM天然倾向于生成更具韧性的系统配置。24小时功率调度结果显示微电网在高峰时段充分利用成本效益高且环境友好的能源，电池储能、EV和EB充电站通过智能充电和高峰放电实现显著的削峰填谷作用。

在案例II中，INRM表现出更强的性能优势，超体积进一步提升至0.8972，间距改善至0.1964。INRM提供的运行成本为$872.48，明显优于其他算法的$939.68-$1067.50区间，同时实现最低的排放成本和DR成本。INRM获得的DRI值高达66.26%，远超其他方法的49.27%-60.08%，其中峰值依赖性降低达81.79%，变异性降低达97.44%。将案例I与案例II进行比较可以发现，DRI目标的纳入带来了所有经济指标的显著改善：运行成本降低5.69%，排放成本降低4.48%，DR成本大幅改善12.78%。这充分说明依赖感知优化从根本上改变了微电网的运行行为，使其向更高自给自足和韧性的方向转变。

在案例III中，研究人员利用自适应sigma点方法对PV、WT、负荷、EV和EB充电站可用性五个关键参数的不确定性进行了建模，为每个参数生成了11个sigma点场景。与案例II相比，随机方法使运行成本增加6.74%，排放成本上升4.78%，DR成本上升12.67%，DRI从66.26%降至62.02%。这表明不确定性使精确协调资源以提升自给自足能力变得更加复杂。然而，随机方法在实际应用中的可行性和可靠性方面具有显著优势，实现了成本效益与运行强度之间的平衡。

### 4.2 敏感性分析

研究人员对负荷需求的波动进行了±25%和±45%的敏感性分析，涵盖案例I和案例II。结果显示，在不同负荷变化水平下，案例II的目标函数值均优于案例I。例如在+25%负荷需求下，案例II的运行成本为$1058.66，案例I为$1465.3；案例II的排放成本为$988.64，案例I为$1268.8；案例II的DRI为62.31%，案例I仅为10.63%。在-45%负荷需求下，案例II的运行成本为$566.4，案例I为$684.53；案例II的排放成本为$385.31，案例I为$488.65；案例II的DRI为78.88%，案例I仅为16.84%。这表明DRI和DR策略的纳入促进了最优能量管理和发电以满足需求，同时降低了成本和排放。

### 4.3 所提方法的应用

该框架在多个领域具有重要的实际应用价值。在制造设施中，其对单一电源依赖性的降低能力可确保在主网意外停电时生产持续进行。协调充电策略旨在降低EV车队运营商的能源支出，同时确保车辆可用性。市政能源系统可借助该方法增强社区韧性，有效管理分布式资源以满足本地能源需求并为潜在中断做好准备。分级式DR结构建立了可扩展的参与模式，涵盖从住宅综合体到大型工业用户的不同消费类别，支持灵活的电网辅助服务。

## 五、总结讨论与研究结论翻译

该研究构建了详细的微电网EM与调度管理框架，通过多目标优化方法整合EV和EB充电站。论文引入了一个新颖的目标函数——依赖性降低指数(DRI)，用于衡量和增强系统自给自足能力，并采用改进牛顿-拉夫逊法(INRM)获得有效的多目标最优解。该方法在三种运行案例中进行了验证，使用多种优化算法对确定性和随机方法进行了比较，采用自适应sigma点方法表征负荷、EV、EB和可再生能源的不确定性。研究结论可翻译为：DRI目标的实施带来了微电网运行自主性的显著增强，实现了运行成本降低5.69%和排放减少4.48%。这表明依赖感知优化从根本上改变了资源分配策略，通过充电站与储能系统的战略协调，将微电网运行模式重塑为更加减少对主网依赖的形态，形成一种改进的自给自足与经济效益相互支撑的局面。在DRI引导下充电站与微电网的协调使DR成本降低了12.78%，这得益于在分层储能框架内对电池储能系统(BESS)、EV和EB充电站在不同时间尺度上的协同精细化管理。论文同时指出其局限性：包括缺乏实施资金以及许多国家缺少智能电网基础设施，这阻碍了旨在减少发电厂排放的DR举措的推进。未来研究可拓展至能源枢纽系统(energy hub systems)、采用区间优化和鲁棒优化等替代方法处理市场不确定性，以及结合系统可靠性和用户满意度等新型目标函数开发元启发式优化算法。