本文旨在于探索一种考虑可再生功率波动、动态电价以及负荷波动的微电网能量在线管理方案，以最大限度地降低运行成本★■■。主要研究内容包含微电网运行模型构建★◆★、求解算法原理以及仿线）微电网运行模型

　　由教育部主管、高等教育出版社主办的《前沿》（Frontiers）系列英文学术期刊■◆◆■，于2006年正式创刊，以网络版和印刷版向全球发行■★■★★★。系列期刊包括基础科学★◆◆■◆、生命科学、工程技术和人文社会科学四个主题，是我国覆盖学科最广泛的英文学术期刊群，其中12种被SCI收录■◆★◆★◆，其他也被A&HCI、Ei★◆★、MEDLINE或相应学科国际权威检索系统收录，具有一定的国际学术影响力。系列期刊采用在线优先出版方式★◆■，保证文章以最快速度发表■■◆★。中国学术前沿期刊网

　　本文提出了一种新型的轻量级多选择排序秘书算法，以实现多种不确定性场景下微电网运行成本的最小化。实验结果表明，基于本文算法的调度方案有效降低了购电成本◆◆★■■，同时限制了多场景下峰值负荷的增加◆◆■，在效果、稳定性和普适性方面均优于基准算法◆★★■。

　　随着电力系统中分布式能源的日益增加，可再生能源发电、负荷需求和动态电价的不匹配和未知性给微电网系统的能量管理提出了新的挑战◆◆◆■★■。电力系统动态电价可以引导可控负荷从高峰时段转移到非高峰时段，从而降低电网运行压力。然而动态电价给微电网运行管理的引入新的不确定性。可再生能源资源★◆、储能、负荷需求和动态电价的协调使微电网的能源管理复杂化。因此，考虑多重不确定因素的微电网能源管理已成为研究关注的焦点。

　　、加拿大工程院、中国工程院外籍院士张久俊■★★■■◆、美国康涅狄格大学校长◆■、教授Radenka Maric、法国普瓦捷大学教授Nicolas Alonso-Vante和上海交通大学教授巨永林任副主编。出版能源领域原创研究论文■◆■、综述、展望、观点★◆◆★◆、评论■◆★、新闻热点等。选文注重“前沿性■■★◆★◆、创新性和交叉性”，涉及领域包括：能源转化与利用，可再生能源，储能技术，氢能与燃料电池，二氧化碳捕集、利用与封存★■■◆★■，动力电池与电动汽车，先进核能技术，智能电网和微电网，新型能源系统，能源与环境，能源经济和政策。期刊优势

　　为了进一步评估RMSA在不同场景下的性能，将候选方案设置为1000，调整候选集的大小。在图5的4种场景中，目标选择数分别设置为15、50、100和300。在4种设置中，最佳平均排序可以达到8，15◆◆★◆.5，25.5和150.5。实验中获得的实际平均选择排序分别为10★■■■.47、26.3、52.36和154.13■■◆。由此可知★★◆■，且随着选择次数的增加■■◆★，预期结果趋近于最优结果。

　　微电网运行调度的主要任务是通过负荷平移和协调多个电能供应来最大限度地降低电力成本。因此可以表示为满足相应约束条件下的运行成本最小化问题。在本文中构建的微电网系统运行模型包含电力负荷、电力供应、分布式电源、储能电池、外部购电等多个设备或环节■★。微电网运行目标为最小外部化购电成本，需要考虑的约束有：功率平衡约束、分布式电源运行约束、储能运行状态约束、多种时序负荷任务约束◆◆★◆★。本文基于下图给出的电力系统结构开展研究。

　　图9给出了最大利用率受限的场景下的对比结果。RMSA可以以最低的价格将负载转移到负荷更低的时段。此时，峰均比约是GEF的2★■◆■★.5倍■◆■★★。相比之下，当峰值受限时◆◆，VALOS的效果会受到极大影响。此外■★■◆★， VALOS仍导致峰均比约为GEF方法的2.5倍。对比RMSA和VALOS的结果可知◆◆，RMSA方法在峰值限制测试中显著优于VALOS。

　　首先，评估RSMA在不同调度长度下的效果，仿线所示。散点表示在独立同分布随机序列中到达的候选方案■◆◆■★，红色点表示采用RSMA得到的方案。在算例中■★■■，期望的选择数量固定为3，但总的候选方案数量增加。由于选择次数不变，在获得绝对排名为1、2、3的乐观结果时，4种场景的平均排名均为2◆■■。因此，在不同调度方案时间长度情况下RMSA均适用◆■◆。尽管候选规模的增加使得问题变得更加复杂，但RMSA的实现取得了出色的性能◆◆。

　　本文提出多选择排序秘书算法以应对来自负载◆★■★◆◆、分布式发电★◆、动态电价的不确定性。该算法具有线性对数计算复杂度的轻量级优势，因而适用于实时在线决策。为清晰地展示该算法在微电网在线决策调度中的应用，将其分为算法1-3三个部分★◆★■，如下图所示。

　　算法1的目标是在允许的时序范围内提供执行负荷任务所需最小运行成本的时间序列方案，并生成对应的约束★★★★◆◆。在每个时间间隔中，将新产生的负荷任务的信息存储于等待序列中★★◆■◆◆。算法2的作用是根据等待序列中的负荷任务以及算法1提供的时间序列方案，初步制定电网购电计划★◆■■★。在算法2的基础上，算法3用于协调微电网内部负载与电能供应■◆，从而获得具体的执行方案。为便于理解，图3给出了一个简单示例以展示本文所提的算法原理。