CN109840692A - 一种互联微电网分布式鲁棒调度系统及调度方法 - Google Patents

Abstract

本发明公开了一种互联微电网分布式鲁棒调度系统，其特征在于，包括互联微电网和代理；微电网包括可再生能源发电系统，可调式分布式发电系统，储能系统和负荷；且本地负荷与可再生能源发电系统的发电量之间的差值具有不确定性；每个微电网配置一个代理，代理被配置为集成控制本地微电网的所有信息；有物理联接的微电网，对应的代理相互通信；本发明还公开了一种互联微电网分布式鲁棒调度的分层分布式算法，协同优化层优化联络功率，本地优化层在此基础上优化本地内部调度。本设计无需集中调控中心，通过分散协调和局部自治优化大大减少通信和服务器的投资；方法考虑了微电网的不确定度，鲁棒性能好，且各微网不与其他主体交互操作隐私。

Description

一种互联微电网分布式鲁棒调度系统及调度方法

技术领域

本发明涉及考虑互联微电网的调度领域，尤其涉及一种互联微电网分布式鲁棒调度系统及调度方法。

背景技术

微电网(MG)为负载、分布式发电系统(DG)和能量存储系统(ESS)的无缝集成提供了一种有效手段。互联微电网系统在减少系统不确定性和提高设备利用率方面，可获得显著的经济和社会效益。同时，中国政府发布了“十五”电力发展计划，以扩展分布式可再生发电应用，应用和促进互联多微网的良性发展。因此，互联多微网系统不可避免成为大规模利用新能源的重要形式。现阶段，中国现有的互联微电网系统包括山东长岛、中新天津生态城、青岛中德生态园和广州大学城等。

分布式可再生能源(RES)的发电通常是间歇性的，难以预测。间歇可再生能源和随机负荷引起的联络线功率波动对能源系统的安全性和可靠性产生不利影响。传统集中式调度策略需要一个集中式的调度中心，布置复杂，且对各微电网代理的通信设施性能要求很高，导致传统集中式调度方式成本居高不下；此外，集中控制决策不能有效地保护受控对象的隐私，而考虑隐私的集中控制策略，又无法兼容互联微电网可再生能源和随机负荷预测值与实际值的差值不确定性。

因此，本领域的技术人员致力于开发一种互联微电网分布式鲁棒调度系统和调度方法，以优化微电网之间的能量平衡，提高系统的鲁棒性，且充分保护各微电网运营主体的隐私。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是如何在考虑局部不确定性的前提下，开发一种优化微电网之间的能量平衡，提高系统的鲁棒性，且充分保护各微电网运营主体的隐私的互联微电网分布式鲁棒调度系统和调度方法。

为实现上述目的，本发明提供了一种互联微电网分布式鲁棒调度系统，包括互联微电网和代理；所述互联微电网包含至少两个有物理连接的微电网；所述微电网，包括可再生能源发电系统，可调式分布式发电系统，储能系统和负荷；所述微电网的本地负荷与可再生能源发电系统的发电量之间的差值具有不确定性，即预测值与实际值有误差；每个微电网配置一个代理，所述代理被配置为集成控制本地微电网的所有信息；有物理联接的微电网，对应的所述代理相互通信或通过其他代理转接通信；各所述代理基于互联微电网总成本最低调度各微电网的联络功率，基于本地微电网成本最低调度本地微电网内部的各发电系统和储能系统的功率。

进一步地，本发明还提供了一种用于互联微电网分布式鲁棒调度系统的互联微电网分布式鲁棒调度方法，采用分层分布式算法对所述互联微电网调度；所述算法上层为协同优化层，被配置为基于互联微电网总成本最低优化互联微电网的联络功率；所述下层为本地优化层，基于所述协同优化层的联络功率，基于本地微电网成本最低，优化本地微电网的内部调度。

进一步地，基于本地负荷与本地可再生能源发电系统不确定性的互联微电网的鲁棒调度函数如式(1)：

式(1)中，π为互联微电网总成本函数，是日前市场电价，是互联微电网的联络功率，C_i,DG、C_i,ESS是可调式分布式发电系统和储能系统的可调节成本函数；和分别是可调式分布式发电系统和储能系统的输出，和分别是可调式分布式发电系统和储能系统的实时扰动值；F_i是实时能源市场的交易成本；

和分别是预测的本地负荷和可再生能源发电系统的输出；和是实时的本地负荷和可再生能源发电量；和的差值记为X；和的差值记为a为X和之间不确定性的不确定度，a为非负数；

ψ为全局优化鲁棒优化决策变量集，t为微电网i的运行时刻。

进一步地，所述协同优化层优化联络功率时，仅基于所述可调式分布式发电系统的发电能力，微电网的负荷误差、可再生能源发电系统误差和储能系统出力视为常数。

进一步地，所述协同优化层计算最优联络功率包括下步骤：

步骤1、记辅助变量u_i，给各微电网分配初始负荷u_i ^*:

其中，P_t ^*为互联微电网所有可调式分布式发电系统的发电机的总发电量；n为互联微电网中包含所述可调式分布式发电系统的发电机的数量；

步骤2、以互联的各微电网为节点，建立节点之间通信网络的强连通有向图，所述强连通有向图建立为G_m＝(V_m,E_m)和G_n＝(V_n,E_n)，V_m和V_n分别是所有节点和包含所述发电机微电网的集合，E_m表示G_m的边的集合，E_n表示G_n的边的集合；

对于每个发电机节点分别定义拉格朗日乘子λ的上下界：

其中，是拉格朗日乘子；和P_i分别是微电网i所有发电机的最大和最小输出；记λ_t到P_i ^t的分段映射为g_i，P_i ^t到λ_t的分段映射为γ_i；P_i ^t为包含所述发电机的微电网i可调式分布式发电系统的总发电量；

定义多分段的临界值

步骤3、对于每一个i∈V_n，微电网i根据(2)更新分段边界

构造第三辅助变量并初始化为

构造基于图G_n的双随机矩阵[R]_ij；

步骤4、第三辅助变量迭代规则如式(3)：

迭代至第三辅助变量收敛，收敛值为：

其中，r_ii，r_ij∈[R]_ij；

步骤5、各微电网代理比较与按式(4)更新上限和下限

步骤6、若多段算法结束；且，

最优拉格朗日乘子为：

各微电网基于协同优化层优化后的联络功率为：

否则，继续执行步骤4。

进一步地，所述步骤4的r_ii，r_ij满足：

其中，表示图G_n中点i的出度，表示图G_n中点j的出度。

进一步地，所述本地优化层基于协同优化层优化后的联络功率，按式(5)的成本函数，优化本地微电网内部调度：

式(5)中，实时能源市场的交易成本F_i具体计算如式(6)：

式(6)中，是实时市场上的电价，是微电网i在t时刻的实时调度功率；分别是可调式分布式发电系统，储能系统和实时市场的优化因子，且

进一步地，所述各微电网成本函数π_i的约束条件，还包括：

功率平衡约束条件：

实时调度约束条件：

预测调度约束条件：

其中，是微电网i在t时刻的实时调度功率。

进一步地，所述的分层分布式算法，在协同优化层之前，还包括可行性测试层，检查所述互联微电网的可调式分布式发电系统的发电能力是否能提供足够的备用容量和负载。

进一步地，所述可行性测试层测试发电能力，具体包括以下步骤；

步骤10.1、构造两个辅助变量y _i[k]，描述分配给微电网i的可行边界，

将所述辅助变量变量初始化为：

y _i[0]＝P _i

δ为最小备用容量在总容量中的占比；

步骤10.2、并行运行迭代式(7)：

至y _i收敛到收敛到r_ii，r_ij为双随机矩阵的元素；所述双随机矩阵基于包含可调式分布式发电系统的微电网建立的节点之间通信网络的强连通有向图生成；

步骤10.3、若可行性测试通过，继续协同优化层优化联络功率；反之，代表互联微电网需要发电能力不满足，所述调度算法结束；并且若一个发电机满足其他所有发电机都满足这一条件。

和现有技术相比，本发明具有如下有益效果：

1)本发明基于分布式调度系统，未配置调度中心来协调所有的微电网，分散协调和局部自治优化还减少了通信和服务器的投资；

2)本发明采用分层算法分布式算法，将全局决策变量解耦，协同优化层利用辅助变量，计算互联微电网成本最低的联络功率，避免了用户的隐私交互；

3)本发明的本地优化层在协同优化层的基础上，基于历史统计数据，执行局部不确定鲁棒调度，可以异步进行，不需要任何通信。

以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。

附图说明

图1是本发明一种较佳实施例的互联微电网分布式鲁棒调度系统图；

图2是本发明另一种较佳实施例的互联微电网分布式鲁棒调度分层分布式算法的原理图；

图3是图2所示实施例的3分段多分段算法下拉格朗日乘子收敛仿真图；

图4是图2所示实施例的协同优化层优化联络功率的-g_i收敛仿真图；

图5是图2所示实施例的本地优化层不同调度方法下确定度不同的调度仿真图。

具体实施方式

以下参考说明书附图介绍本发明的多个优选实施例，使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现，本发明的保护范围并非仅限于文中提到的实施例。

在附图中，结构相同的部件以相同数字标号表示，各处结构或功能相似的组件以相似数字标号表示。附图所示的每一组件的尺寸和厚度是任意示出的，本发明并没有限定每个组件的尺寸和厚度。为了使图示更清晰，附图中有些地方适当夸大了部件的厚度。

实施例一

图1所示是本发明的一个较佳实施例考虑互联微电网分布式鲁棒调度系统，包括互联微电网和代理；所述互联微电网包含至少两个有物理连接的微电网；所述微电网，包括可再生能源发电系统，可调式分布式发电系统，储能系统和负荷；所述微电网的本地负荷与可再生能源发电系统的发电量之间的差值具有不确定性，即预测值与实际值有误差；每个微电网配置一个代理，所述代理被配置为集成控制本地微电网的所有信息；有物理联接的微电网，对应的所述代理相互通信或通过其他代理转接通信；各所述代理基于互联微电网总成本最低调度各微电网的联络功率，基于本地微电网成本最低调度本地微电网内部的各发电系统和储能系统的功率。

本实施例中，任意微电网可以基于在前一天调度中的电价信息，优化每日和实时的能源交易计划。本实施例基于此，建立任意微电网的成本函数如式(1)：

式(1)中，和分别是可调分布式发电系统和储能系统的输出。是批发市场上的交易权。是日前市场电价；F_i是实时能源市场的交易成本。C_i,DG，C_i,ESS是可调分布式发电系统和储能系统的成本函数。

优选地，C_i,DG和C_i,ESS用式(2)和式(3)计算：

式(2)中，a_i,DG和b_i,DG为可调分布式发电系统的成本参数。c_i,ESS是储能系统的成本系数。考虑到可再生能源发电系统最大出力和成本一般固定不变，本实施例不考虑风力发电、光伏等出力固定的可再生能源发电系统的运行成本。

式(3)中，是实时市场上的电价，是微电网i在t时刻的实时调度功率。

考虑到电能不能储存、即发即用的特点，以及电网运行需要经调度管理的实际情况，任意微电网的运行还有如式(4)～式(12)的约束条件：

其中，P _i，DG和分别是是可调分布式发电系统的最小和最大出力，和R _i是可调分布式发电系统的发电机的斜坡约束；和P _i，ESS，dc是储能系统的最大放电和充电功率。是t时段的储能系统的储存能量，η是其充放电效率；S _i，ESS，是储能系统的储存能量的上下限；

和分别是预测的本地负荷和可再生能源发电系统的输出；和是实时的本地负荷和可再生能源发电量；P_i ^t是微电网i的各发电系统的总出力；Θ是运行时间段的集合。

实时运行中，应根据本地的可调分布式发电系统、储能系统和实时联络线功率进行调整，且满足式(13)：

式(13)中，分别是可调式分布式发电系统，储能系统和实时市场的优化因子。

为量化本地负荷及可再生能源发电系统在预测值附近的波动，本实施例引入不确定参可数X描述本地负荷及可再生能源发电系统预测值和实际值的误差情况，X定义如式(14)：

式(14)中，且为偏离预测值的偏差小于定义如式(15):

a表示不确定参数的波动幅度。

基于如式(1)和式(13)的任意微电网的成本函数，考虑如式(14)和式(15)量化的本地负荷及可再生能源发电系统的不确定度，本实施例对所述互联微电网调度的鲁棒优化数学模型建立如式(16)：

式(16)中，d是决策变量f(X,d)的集合；H(X,d),G(X,d)是等式和不等式约束集。

具体的说，本实施例的鲁棒优化调度函数如式(17)：

式(17)中，π为互联微电网总成本函数，P_t ^*δ是实时备用容量；

鲁棒优化中的全局决策变量集定义为

式(17)还要满足式(4)～式(12)的约束条件。

由于式(17)鲁棒优化调度函数中的全局变量和全局约束，需要一个集中的调度中心来收集来自每个微电网的所有信息。为了以分布式的方式解决鲁棒优化问题，本实施例采用分层分布式的调度方法，将式(17)的求解为双层问题，先优化联络线功率，再优化全局决策变量集的其他变量。

实施例二

图2所示是本发明另一较佳实施例的用于互联微电网鲁棒调度系统对应的分层分布式调度方法原理图。本实施例中，采用分层分布式算法对考虑局部不确定性的互联微电网进行调度；上层为协同优化层，被配置为基于互联微电网总成本最低优化互联微电网的联络功率；所述下层为本地优化层，基于所述协同优化层的联络功率，基于本地微电网成本最低，优化本地微电网的内部调度

为进一步提高优化效率，避免所述互联微电网在发电能力不足执行调度算法，优选地，本实施例在协同优化层之前还设置了可行性测试层、和本地优化层。

可行性测试层检查互联微电网的可调式分布式发电系统的发电能力是否能提供足够的备用容量和负载能力。若发电能力充足，协调优化层基于互联微电网总成本最低，优化联络线功率；基于协调优化层的结果，本地优化层的各代理独立提供计及不确定性的本地微电网的内部调度策略。

下面具体阐述本实施例的互联微电网分布式鲁棒调度方法的步骤。

在此之前，先将式(17)的鲁棒调度模型，写成拉格朗日对偶函数，如式(18)：

式(18)中，为拉格朗日乘子。

应当注意，式(18)鲁棒调度模型的拉格朗日对偶函数，与式(17)的约束条件相同。

本实施例的互联微电网分布式鲁棒调度方法步骤如下：

步骤1、可行性侧测试层测试互联微电网的可调式分布式发电系统的发电能力：

步骤1.1、构造辅助变量y _i[k]，描述分配给微电网i的可行边界，

将所述辅助变量变量初始化为：

y _i[0]＝P _i

δ为最小备用容量在总容量中的占比。

步骤1.2、并行运行迭代：

至y _i收敛到收敛到

步骤1.3、若可行性测试通过，继续协同优化层优化联络功率；反之，代表互联微电网的发电能力不足，调度算法结束；并且若一个发电机满足其他所有发电机都满足这一条件；

步骤2、协同优化层优化联络功率：

由于可再生能源系统的成本函数与调度出力无关，且能量存储的实时状态不能被精确估计。优选地，优化联络功率时仅基于所述可调式分布式发电系统的发电能力，将微电网的负荷误差、可再生能源发电系统误差和储能系统出力视为常数。

本实施例协同优化时中也只考虑了所述可调式分布式发电系统的可调成本函数，对应地，式(18)可进一步简化为式(19)：

对式(19)求导，有

定义P_i ^t到λ_t的分段映射为γ_i，为虚拟增量价格；γ₁＝γ₂＝…＝λ_t是最优条件。

由于在最优条件下仅是映射，且乘数与优化过程中的决策变量无关。因此，C′_i，DG关于乘子λ_t的推导可进一步描述为式(20)：

定义λ_t到P_i ^t的分段映射为g_i；

由于步骤2是在步骤1可行的基础上执行，因此，拉格朗日对偶问题有唯一的最优解，且最优解满足式(21)：

具体求解过程如下：

步骤2.1、记辅助变量u_i，给各微电网分配初始负荷u_i ^*:

其中，P_t ^*为互联微电网所有可调式分布式发电系统的发电机的总发电量；n为互联微电网中包含所述可调式分布式发电系统的发电机的数量；

步骤2.2、以互联的各微电网为节点，建立节点之间通信网络的强连通有向图，所述强连通有向图建立为G_m＝(V_m,E_m)和G_n＝(V_n,E_n)，V_m和V_n分别是所有节点和包含所述发电机微电网的集合，E_m表示G_m的边的集合，E_n表示G_n的边的集合；

对于每个发电机节点分别定义拉格朗日乘子λ的上下界：

其中，是拉格朗日乘子；和P _i分别是微电网i所有发电机的最大和最小输出；记λ_t到P_i ^t的分段映射为g_i，P_i ^t到λ_t的分段映射为γ_i；P_i ^t为包含所述发电机的微电网i可调式分布式发电系统的总发电量；

定义多分段的临界值

步骤2.3、对于每一个i∈V_n，微电网i根据式(22)更新分段边界

构造第三辅助变量并初始化为

构造基于图G_n的双随机矩阵[R]_ij；

步骤2.4、第三辅助变量迭代规则如式(23)：

迭代至第三辅助变量收敛，收敛值为：

其中，r_ii，r_ij∈[R]_ij；

步骤2.5、各微电网代理比较与按式(24)更新上限和下限

步骤2.6、若多段算法结束；且，

最优拉格朗日乘子为：

各微电网基于协同优化层优化后的联络功率为：

否则，继续执行步骤2.4。

多段算法结束后，误差可控制在范围内ε≤1/2N^K。

其中，步骤2.1中给各代理赋初始值具体计算过程如下：

步骤2.1.1、定义图G_n的归一化邻接矩阵，构造双随机矩阵：

图G_n中点i的出度描述为图G_n中点j的出度描述为

定义图G_m的归一化邻接矩阵构造第二双随机矩阵：

图G_m中点j的出度描述为图G_m中点i的出度描述为

步骤2.1.2、对于i∈V_m，构造第一辅助变量x_i[k]，并初始化为

x_i[k]的离散迭代规则满足：

其中是节点i的邻居集合；

迭代，至第一辅助变量收敛到第一公共值：

包含所述互联微电网的全部负荷信息；

步骤2.1.3、对于i∈V_m，构造第二辅助变量s_i[k]，负载信息G_m从转换到G_n，并初始化为：

并行迭代规则满足：

迭代，至第二辅助变量收敛到第二公共值：

步骤2.1.4、对于构造辅助变量u_i，则各代理分配公共值如式(25)：

步骤3、本地优化层基于历史数据和不确定性，优化本地调度的其他变量

基于步骤2得到互联微电网最优的联络功率，全局决策变量缩小为

微电网i基于本地成本最优进一步优化内部调度，本地微电网优化内部调度的目标函数如式(26)：

式(26)中，实时能源市场的交易成本F_i具体计算如式(27)：

考虑到式(26)的同时要求最大化不确定参数的不利影响，以确保最小期望目标的实现，本实施例采用库存理论线性式(26)，得到本地优化层的目标函数如式(28)：

本地优化层进行本地优化，不需要任何通信，协同优化层对整个系统进行优化，可行性测试层对整个系统的可行性进行测试。

图3所示是本实施例协同优化层基于3分段多段算法优化联络线功率的拉格朗日乘子的仿真图。从图3可以看到，经过迭代，第一段边界的临界值和第二段边界的临界值与更新后的拉格朗日乘子的上限λ⁺[k]和下限λ^-[k]误差逐渐缩小；6次迭代后，误差小于1e-3。

如图4所示是本实施例协同优化层优化联络功率下各微电网调度-g_i的收敛过程；本实施例共有5个代理，对应于5个-g_i函数。从图中4中可以看出，随着3分段下的拉格朗日乘子的上下限更新，各代理的-g_i(λ)逐步收敛。

如图5所示是本地优化层在不同调度方法和置信水平下下的调度结果；图5比较了不考虑不确定性方法、置信度为90％的考虑本地不确定性的方法和置信度为95％的考虑本地不确定性的方法三种调度优化结果。置信水平越高，a越大，本地的不确定性越大，使得鲁棒优化更加保守，即最坏的情况下成本最小。本实施例中，置信度为90％和95％，分别对应a为0.176和0.213。

图5中，用实线表示的是微电网i的联络功率，三种调度的协同优化层优化结果相同。随着置信水平的增加，调度结果更加保守，反映在10:00-22:00期间调度结果的差异。储能系统的充电和放电功率由于考虑不确定性，鲁棒结果趋于平滑和平坦。结果显示该算法可以更好的反应考虑本地不确定性因素的影响。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (10)

1.一种互联微电网分布式鲁棒调度系统，其特征在于，包括互联微电网和代理；所述互联微电网包含至少两个有物理连接的微电网；所述微电网，包括可再生能源发电系统，可调式分布式发电系统，储能系统和负荷；所述微电网的本地负荷与可再生能源发电系统的发电量之间的差值具有不确定性，即预测值与实际值有误差；每个微电网配置一个代理，所述代理被配置为集成控制本地微电网的所有信息；有物理联接的微电网，对应的所述代理相互通信或通过其他代理转接通信；各所述代理基于互联微电网总成本最低调度各微电网的联络功率，基于本地微电网成本最低调度本地微电网内部的各发电系统和储能系统的功率。

2.如权利要求1所述的用于互联微电网分布式鲁棒调度系统的互联微电网分布式鲁棒调度方法，其特征在于，采用分层分布式算法对所述互联微电网调度；所述算法上层为协同优化层，被配置为基于互联微电网总成本最低优化互联微电网的联络功率；所述下层为本地优化层，基于所述协同优化层的联络功率，基于本地微电网成本最低，优化本地微电网的内部调度。

3.如权利要求2所述的互联微电网分布式鲁棒调度方法，其特征在于，基于本地负荷与本地可再生能源发电系统不确定性的互联微电网的鲁棒调度函数如式(1)：

式(1)中，π为互联微电网总成本函数，是日前市场电价，是互联微电网的联络功率，C_i,DG、C_i,ESS是可调式分布式发电系统和储能系统的可调节成本函数；和分别是可调式分布式发电系统和储能系统的输出，和分别是可调式分布式发电系统和储能系统的实时扰动值；F_i是实时能源市场的交易成本；

和分别是预测的本地负荷和可再生能源发电系统的输出；和是实时的本地负荷和可再生能源发电量；和的差值记为X；和的差值记为a为X和之间不确定性的不确定度，a为非负数；

ψ为全局优化鲁棒优化决策变量集，t为微电网i的运行时刻。

4.如权利要求3所述的互联微电网分布式鲁棒调度方法，其特征在于，所述协同优化层优化联络功率时，仅基于所述可调式分布式发电系统的发电能力，微电网的负荷误差、可再生能源发电系统误差和储能系统出力视为常数。

5.如权利要求4所述的互联微电网分布式鲁棒调度方法，其特征在于，所述协同优化层计算最优联络功率包括下步骤：

步骤1、记辅助变量u_i，给各微电网分配初始负荷u_i ^*:

其中，P_t ^*为互联微电网所有可调式分布式发电系统的发电机的总发电量；n为互联微电网中包含所述可调式分布式发电系统的发电机的数量；

步骤2、以互联的各微电网为节点，建立节点之间通信网络的强连通有向图，所述强连通有向图建立为G_m＝(V_m,E_m)和G_n＝(V_n,E_n)，V_m和V_n分别是所有节点和包含所述发电机微电网的集合，E_m表示G_m的边的集合，E_n表示G_n的边的集合；

对于每个发电机节点分别定义拉格朗日乘子λ的上下界：

其中，是拉格朗日乘子；和P _i分别是微电网i所有发电机的最大和最小输出；记λ_t到P_i ^t的分段映射为g_i，P_i ^t到λ_t的分段映射为γ_i；P_i ^t为包含所述发电机的微电网i可调式分布式发电系统的总发电量；

定义多分段的临界值

步骤3、对于每一个i∈V_n，微电网i根据式(2)更新分段边界

构造第三辅助变量并初始化为

构造基于图G_n的双随机矩阵[R]_ij；

步骤4、第三辅助变量迭代规则如式(3)：

迭代至第三辅助变量收敛，收敛值为：

其中，r_ii，r_ij∈[R]_ij；

步骤5、各微电网代理比较与按式(4)更新上限和下限

步骤6、若多段算法结束；且，

最优拉格朗日乘子为：

各微电网基于协同优化层优化后的联络功率为：

否则，继续执行步骤4。

6.如权利要求5所述的互联微电网分布式鲁棒调度方法，其特征在于，所述步骤4的r_ii，r_ij满足：

其中，表示图G_n中点i的出度，表示图G_n中点j的出度。

7.如权利要求3所述的互联微电网分布式鲁棒调度方法，其特征在于，所述本地优化层基于协同优化层优化后的联络功率，按式(5)的成本函数，优化本地微电网内部调度：

式(5)中，实时能源市场的交易成本F_i具体计算如式(6)：

式(6)中，是实时市场上的电价，是微电网i在t时刻的实时调度功率；分别是可调式分布式发电系统，储能系统和实时市场的优化因子，且

8.如权利要求7所述的互联微电网分布式鲁棒调度方法，其特征在于，所述各微电网成本函数π_i的约束条件，还包括：

功率平衡约束条件：

实时调度约束条件：

预测调度约束条件：

其中，是微电网i在t时刻的实时调度功率。

9.如权利要求3所述的互联微电网分布式鲁棒调度方法，其特征在于，所述的分层分布式算法，在协同优化层之前，还包括可行性测试层，检查互联微电网的可调式分布式发电系统的发电能力是否能提供足够的备用容量和负载。

10.如权利要求9所述的互联微电网分布式鲁棒调度方法，其特征在于，所述可行性测试层测试发电能力，具体包括以下步骤；

步骤10.1、构造两个辅助变量y _i[k],描述分配给微电网i的可行边界，

将所述辅助变量变量初始化为：

y _i[0]＝P _i

δ为最小备用容量在总容量中的占比；

步骤10.2、并行运行迭代式(7)：

至y _i收敛到收敛到r_ii，r_ij为双随机矩阵的元素；所述双随机矩阵基于包含可调式分布式发电系统的微电网建立的节点之间通信网络的强连通有向图生成；

步骤10.3、若可行性测试通过，继续协同优化层优化联络功率；反之，代表互联微电网需要发电能力不满足，所述调度算法结束；并且若一个发电机满足其他所有发电机都满足这一条件。