0 引言

新时代人们不断面临着来自气候恶劣、能源危机、环境污染等多方面的挑战，克服困难走出窘境是世界各国不得不面临的重大难题，实现电能替代和清洁替代成为时代发展的主题[1]。作为回应，以风能和太阳能为代表的分布式清洁能源逐步登上能源舞台，在能源供应和消费中愈显重要[2]；然而，以这些能源为代表的诸多分布式清洁能源因其产能波动、随机、不可控、产能不可见性，使其参与能量市场交易及优化运行出现诸多不利因素[3]。

微电网将形态各异的能源资源进行有效的聚合，使其成为可控的有机整体。特别是在新电改环境下，微电网如何能够在诸多的竞争中赢得利润，对微电网的生存具有非常强烈的指导作用。文献[4]从构建微电网的运营成本、污染物排放成本和运营风险3方面着手分析微电网的运营管理多目标优化，达到提升微电网运营管理水平、确保供用电安全的目的；文献[5]提出微电网/分布式发电的综合效益分析流程，并模拟不同运营形式下的收益问题，实现了投资运营最优模式；文献[6]设计楼宇和区域型分布式能源站发电模型，建立分布式能源能效分享及节能发展空间模型，实现了全生命周期内的节能效益；文献[7]以工业型用户侧微电网作为切入点，提出适合工业型用户侧微电网的运营模式；文献[8]建立了卖方与买方的微电网类型，利用“虚拟单元”解决了供需不平衡时的电能交易问题。

蛋白酶（Protease）属于水解酶，是作用于蛋白质或多肽、催化肽键水解的酶。在动植物的一切组织、细胞乃至细菌中都存在着各种特有的蛋白酶，已知的就有100多种，各自有着不同的功能。有许多蛋白酶应用面很广，如胃蛋白酶、胰蛋白酶、木瓜蛋白酶等另有专项介绍，一些比较小的蛋白酶品种如糜蛋白酶（Chymotrypsin）、角蛋白酶（Keratinase）、天门冬蛋白酶（Aspartic proteinase）、弹性蛋白酶（Elastase）和胶原蛋白酶（Collagenase）在这里介绍。

综上所述，目前对微电网经营方法的研究已有很多案例。本文在上述研究基础上，以孤岛微电网作为研究实体，以新电改作为环境背景，考虑由风电机组、太阳能机组、燃料电池和储能装置及电力负荷构成的微电网模型，提出孤岛微电网作为全新售电主体的内部运营策略；为实现内部运营策略最优构造最低边际成本最优模型，在确保内部网络供需平衡的基础上，实现对孤岛微电网的最优控制。

1 微电网组成元素简介

中发9号文的颁布为微电网发展开启了新篇章，为分布式电源(distributed generation, DG)自由并网、参与电力市场经济运行提供了政策支撑，同时缓解了能源、环境、交通等社会面临的重大矛盾。微电网打破了传统电厂的诸多局限，为聚合不同类别分布式清洁能源、储能装置和负荷提供了有效途径，孤岛微电网的基本模型如图1所示[9]。

图1 孤岛微电网基本模型 Fig.1 Basic model of isolated island micro grid

微电网模型中各元素的特点主要有以下几方面[10-12]：

4) 微电网控制运营中心。协调控制微电网内部各元件的最优经济运行，实现内部经济效益最大化目标。

随着煤矿井下综采装备的自动化水平提高，煤矿井下掘进效率低下导致的采掘失衡问题日益突出[1-2]。前期研究发现国内外在掘进机的自动化和智能化控制方面取得了很大进展[3]，但由于受煤矿井下环境限制，掘进机的精确定位仍未解决，限制着掘进机的智能化发展。目前国内大多数煤矿依然需要人工操作，这就导致掘进效率低下。 由于掘进过程中粉尘浓度大、光线差等环境恶劣，导致司机视野受限不能准确判断截割头在截割断面的位置，从而容易导致超挖欠挖、不能保证巷道成形的质量。

2) 储能装置。不能大量存储电能，并且在充放电过程中会有电能的损失；种类较多，不同储能装置在造价和性能上也有非常大的区别；以电动汽车为代表的储能装置具有双重属性，在电网负荷较高时释放电能可视为电源，在电网负荷较低时储存电能可视为负荷。

3.3.2 最大功率约束

用户自主经营模式主要包括：1)用户自主投资建设微电网并进行自身经营管理；2)政府投资建设试点项目交由用户自主经营管理。不论哪种经营模式，在该经营体制下，微电网首先都是满足自身的用电需求，缺额电量向电网公司购买，多余电量出售给电网公司。这2种情况下微电网首先必须获得并网的许可，若没有得到相关许可只有进行切负荷或减少内部出力。用户自主经营模式下的具体情况如图3所示。

1) 风电机组和太阳能机组。出力具有较大的随机性和波动性，最大出力同时受装机容量及外界环境因素的限制。

2 微电网经营模式分析

微电网为赢得市场份额、在竞争中获得较为丰厚的利润，势必需要对其经营模式进行分析。微电网的建设需要进行设备等方面的投资，又需对构建后的电网进行运营维护，因此其经营模式和归属权同经营主体有非常大的关系[13]。昂贵的DG设备投资成本、运营维护成本、制定实施需求响应(demand response, DR)的复杂程度及政府政策均影响着微电网的经营权和归属权，大体可将微电网的经营模式总结为国网公司经营模式、用户自主经营模式及第三方经营模式这3种。

2.1 国网公司经营模式

国网公司经营模式主要是指对于微电网的建设和投资由国网公司承担，因此国网公司拥有微电网的经营权和归属权，负责微电网的经营和维护。对于该类微电网，只需进行远程控制管理，并综合微电网和大电网的运行情况来实现微电网的孤岛运行或并网运行：在大电网负荷高峰时段，使微电网并网运行，实现微电网向大电网传输功率；在大电网低谷时期，可控制微电网的储能装置进行充电，实现大电网的削峰填谷；在大电网出现故障情况下，可控制微电网使其孤岛运行，确保微电网内部负荷不受大电网故障的影响，增强微电网供电的安全可靠性，并为大电网故障恢复提供相应的备用。该种经营模型下的经营情况如图2所示。

国网公司经营模式下对微电网的控制主要是实现电网控制范围内的整体利益均衡:一方面通过控制微电网的出力和负荷特性实现对整体负荷的削峰填谷和提高负荷用电的可靠性；另一方面为用户提供优质的服务。微电网和大电网向用户提供电能及相关服务对用户来说没有明显区别，因此微电网用户完全感受不到微电网的存在，国网公司在向用户提供优质服务的同时，也需要对用户进行负荷的控制，即需要用户积极参与到DR中，为此大电网需对用户进行用电价格或激励方面的补偿，以提高用户的响应度。对于大电网来说，因具备较为雄厚的资金基础，可大规模地进行微电网建设，对设备费用的投资就有较大的议价权，并将经营经验运用到新建微电网，可为微电网的运营带来较大的收益。因此，国网公司经营模式可为微电网和微电网用户均带来收益。

2.2 用户自主经营模式

3)负荷，可分为可控负荷和不可控负荷。随着技术的进步，每日的负荷曲线可通过科学的方法精确地预测出来。

用户自主经营模式微电网主要是为了实现用户自己的经济利益，一方面可满足自身的用电需求，另一方面以最优化成本方式运营。微电网的这种经营模式势必会影响到大电网的收益，因内部用户一般首先购买微电网内部电能，导致从大电网购买的电能减少，因此大电网将无法从微电网的内部交易中获取利益。在这种情况下，微电网在并网运行时，大电网势必就会收取一定并网费用。而对于微电网，为谋求更多的经济效益，也会并网运行来配合大电网实现经济运营：在大电网的电价较高时，控制微电网的内部DG尽可能多发电能、储能装置多放电；在大电网电价较低时，优先选择大电网供电，此时外部购电的购电成本因低于内部发电的发电成本，微电网内部DG就可少发电量，购买电能满足负荷需求和对储能设备进行充电。通过对大电网的峰谷电价进行响应，实现辅助大电网平滑负荷曲线的目的，为电网的运营带来一定的辅助效益。

图2 国网公司经营模式 Fig.2 Operation mode of state grid company

图3 用户自主经营模式 Fig.3 User independent business model

图4 第三方经营模式 Fig.4 Third party business model

用户自主经营模式并不是让每个用户都进行微电网购售电的经营管理，因各类成本的影响及对经营管理的要求，用户自主经营模式主要集中在那些经济实力较强的用户以及那些用电量较大的电力用户上，并将多类型用户进行打捆经营，并由专业人员负责对整个微电网的经营管理。

2.3 第三方经营模式

第三方经营模式主要是第三方对微电网进行投资建设，因而对于第三方建设的微电网来说，他们拥有对微电网的控制权和经营权。因微电网的建设投资成本较大、经营难度较高，所以第三方需要有较为雄厚的资金基础、专业的经营技术、良好的客户信誉度以及政策的支撑，需要在各方面得到国家和用户的双重许可，并能够签订双边供用电合同，以满足微电网的业务需求。第三方经营模式如图4所示。

在第三方经营模式体系下，经营商为赢得利润，前提仍然是确保实现内部供用电的均衡，实现电网公司、第三方和用户间的3方共赢。从图4中也可看出，第三方经营模式微电网的收益主要来源于售电带来的收益，而盈利的大小主要由购售电量的多少和售电电价有关，并与电网的售电电价也有直接关系。第三方经营微电网的售电电价因大于自身的购电电价低于电网的售电电价，这样用户才会从用电电价中得到实惠，确保了用户选择微电网的可能性。

对于用电量较大、负荷弹性较高的商业用户及大用户来说，微电网可与其签订DR合同，实现电能资源的综合利用，实现双方的互赢。因第三方经营的微电网归属权属于第三方企业，对于电网公司来说，其并网运行将会收取相应的并网费用，但这部分的并网费用将会低于电网公司向用户售电所得到的收益。第三方经营的微电网和电网公司分属不同主体，双方之间存在竞争关系，因我国特殊的市场环境，第三方经营的微电网需要得到国家政策及经济方面的大力支持。

3 孤岛微电网内部运营策略研究

3.1 模型描述

1.2.4 培养条件 培养室温度为(25±2) ℃，湿度为60%～70%，光照强度为1200～1400 lx，每天光照时间为12 h。

对于假设的孤岛微电网系统，同时假设有：1)风电机组和光伏机组的出力可精确预测，并且可无偿获得电能；2)燃料电池的产能和其供应的燃料的含量有关，并且需要花费较高的费用；3)储能装置的充放电受到容量和剩余电能的限制；4)负荷与微电网签订DR合同，可将可控负荷交由微电网进行控制和管理，实现电网的供需平衡和内部经济最优化。为此，该微电网系统的供电方式优先选择风电和光伏，最后选择燃料电池供电，多余的电能可储存在储能装置中。

微电网内部控制多类DG、储能装置及负荷，这里假设所有发电单元中所有光伏机组聚合成单一光伏机组群，所有风电机组看成一个风电机组群，储能装置和负荷也同样看待。简化后的孤岛微电网模型如图5所示。

描述驾驶兰博基尼Huracán Performante的感受，任何言语其实都显得苍白无力。位于车身后部的5.2升V10自然吸气发动机能持续不断地输出强劲的动力，640马力的最大功率和600牛·米的峰值扭矩所能够提供的是一种全方位的震撼，如果不是亲身体会，我根本想象不到世间原来真的会有如此真切的巅峰体验。鉴于这样的感受，它30万欧元的售价可以称得上是物有所值。

3.2 模型构建

图5 孤岛微电网简化模型 Fig.5 Simplified model of isolated island micro grid

为实现微电网在新电改下能最优运行，并能不断赢得市场份额，本文简单考虑了微电网在单规划周期内寻求最优边际成本的目标，以此实现对微电网的最优控制。在运营过程中花费最低从而实习收益最大化目的，为此构建的线性规划模型为

(1)

式中:f为规划周期内运营花费；T为规划周期，一般设定为24 h；Ppvt、Cpvt分别为t时刻光伏机组群所产生的功率和及单位功率的成本；Pwt、Cwt分别为t时刻风电机组群所产生的功率和及单位功率的成本；Pft、Cft分别为t时刻燃料电池群所产生的功率和及单位功率的成本；Pest为t时刻储能系统群充/放电功率和，若Pest≥0表示储能装置处于放电状态，Pest<0表示储能装置处于充电状态；Cest为储能装置单位功率的成本；Put、Cut分别为t时刻孤岛微电网未能满足负荷需求功率和及单位成本；Pext、Cext分别为t时刻孤岛微电网多余功率及其售电单价；Δt为时间间隔，一般取1 h。

3.3 约束条件

3.3.1 功率平衡约束

孤岛微电网内部供需功率的平衡是保障其正常运转的关键，即有

wτ之前进入除氧器的凝结水温是逐渐下降的，而 τw之后是不变的热井水温， τw便是这二者的衰减规律的衔接点。τ ＜τw 和τ ＞τw时的除氧器给水焓计算公式为

Ppvt+Pwt+Pft+Pest+Put=PLt+Pext

(2)

式中PLt为t时刻负荷需求功率。

④由于水位不断变化，避免闸门启闭机频繁调节，要允许有一个合适的流量浮动范围ε（ε根据运行情况总结得出）。当实际流量Q实在区间[Q 设-ε,Q 设+ε]内，闸门不调节；当Q 实<（Q 设-ε）时，闸门上升；当 Q 实>（Q 设+ε）时，闸门下降。

光伏机组群、风电机组群和燃料电池机组群的最大输出功率受自身属性的制约，其输出功率不能超过机组的装机容量，即有

① 光伏和风电机组的功率恰巧满足用户的基本需求。此时储能装置不用充放电，燃料电池不用工作，光伏和风电机组不用弃风或弃光。

3.3.3 储能装置约束

储能装置一方面受到其充/放电功率约束限制，同时也受到其容量限制，有

走过自由路，走过步行街，走过迎春路，走过丽水桥……汪小波抱着麦小秋，在D城的夜色里走着……后来，汪小波掬着麦小秋的头，说：“小秋，你看，一个新的太阳出来了。”麦小秋勉强地抬起头，看见一缕正漫过楼顶的金色的阳光。

式中：分别为储能装置单位时间充/放电功率的上下限；E(t)为储能装置在t时刻的容量；分别为储能装置容量的上下限。

利用SLAF-seq技术构建高密度遗传图谱的效率远远高于SSR、AFLP、RAPD等分子标记技术,为分子育种、系统进化、种质资源鉴定提供了技术保障.SLAF-seq技术可以很好地应用于不同作物SNP位点的开发,从全基因组范围获得的SNP位点可进一步用来完成后续群体进化分析和特异性SNP标记的开发.

4 案例分析

4.1 基础数据

为进一步研究新电改下孤岛微电网如何适应新的运营策略，本文选取了某示范园区微电网作为研究对象，该园区微电网的内部组成元素主要有风能机组、太阳能机组、燃料电池机组和储能装置及负荷。同时选取某一典型日作为研究对象，并考虑了2种情景下孤岛微电网的最优运营状况，如图6所示。

图6 不同运营状态 Fig.6 Different operating conditions

1) 情景1，风电和光伏出力能够满足负荷的基本需求。该情况下可能涉及到2方面的内容：

式中分别为光伏机组群、风电机组群和燃料电池机组群的最大装机容量。

② 光伏和风电机组发出的功率在满足负荷需求的同时仍有剩余。这种情况下就需要考虑让风电机组或光伏机组减少出力，考虑到发电成本的影响，风电机组和光伏机组在发电成本上的一致性，这里假设在出现功率过剩情况下，首先减少风电机组的出力，然后再考虑减少光伏机组的出力。

2) 情景2，风电和光伏出力不能满足负荷的基本需求，需要燃料电池和储能装置作用出力。这种状况下可能会出现孤岛微电网内部所有的供电单元都最大出力下仍不能满足负荷的需求，这种情况下就需要对负荷中可以切除的负荷采取拉电限电措施。

对于本文所构建的模型，风电机组群的容量为200 MW，光伏机组群的容量为 160 MW，燃料电池机组群的容量为80 MW，储能装置群的最大充电深度为200 MW，并且储能装置的初始功率为100 MW，负荷最大功率不超过400 MW。构建孤岛微电网的各功率输出情况如图7—9所示。

要加强沟通，重视情感的交流，形成和谐团结的人际关系，定期进行岗位流动，做到将合适的人放在合适的岗位上。通过建立健全企业民主管理机制，使员工对企业有一种强烈的归属感，实现感情、事业、待遇留人。

图7 孤岛微电网光伏机组群功率预测输出情况 Fig.7 Forecasted power output of PV units in isolated island micro grid

图8 孤岛微电网风电机组群功率预测输出情况 Fig.8 Forecasted power output of wind power units in isolated island micro grid

图9 孤岛微电网负荷功率预测需求情况 Fig.9 Forecasted power output of loads in isolated island micro grid

图10 情景1负荷下优化前后风电机组出力情况 Fig.10 Wind turbine output before and after optimization under scenario 1>

图11 情景1负荷下储能装置充放电情况 Fig.11 Charge and discharge of energy storage device under scenario 1

4.2 案例分析

为验证所提模型的实用性，即在新电改市场环境下能够实现内部经营方案的最优化，本文的规划时间选择为1 d。本文选取2种典型的负荷情景进行描述，目标函数的意义在于：在这2种典型情景下能够实现内部成本的最低化目标。

图12 情景1负荷下燃料电池工作状态情况 Fig.12 Fuel cell working status under scenario 1

通过对情景1负荷的分析可得到图10—12所示的结果。由图10可看出：风电功率在9：00、11：00、12：00、13：00、14：00、15：00出现功率过剩情况，有减少风电功率输出的现象。因前文假设在功率出现盈余时首先考虑减少风电机组的出力，由此可看出，在负荷情景1下，由这些时间段的功率输出情况基本可满足负荷的基本需求。由图11可看出：储能装置的动作较为频繁，需要频繁地充放电来满足负荷的基本需求；在17：00、18：00、20：00、22：00充放电功率达到功率的最大限度，在整个充放电过程中会实现充电功率=放电功率+初始储能功率。由图12可看出：在16：00、19：00、20：00、21：00、22：00、23：00这些时刻，仅由风电功率、光伏功率、储能出力仍无法满足负荷的基本需要，需要燃料电池动作。

表10显示，虽然回归模型显著(p=0.000<0.01)，但是系数b2，b3相应的显著性概率分别为0.185，0.344，它们均大于0.05，这两个变量在模型中不是重要变量，因此要删除X2和X3再进行回归.操作步骤就是在上面的计算程序第(3)步中，只将X1、X4送入<自变量>小框中.然后计算，结果见12，表13.

通过优化后得到负荷情景1下的最优风电、光伏、储能和燃料电池的出力情况，并得到该情况下的最小支出成本为2 143.9万元。

图13 情景2负荷下优化前后风电机组出力情况 Fig.13 Wind turbine output before and after optimization under scenario 2

图14 情景2负荷下储能装置充放电情况 Fig.14 Charge and discharge of energy storage device under scenario 2

图15 情景2负荷下燃料电池工作状态情况 Fig.15 Fuel cell working status under scenario 2

通过对负荷情景2进行分析可得到图13—15的优化结果。从图13中可看出；在时刻16：00、18：00、19：00、20：00、22：00、23：00下，由孤岛微电网内部的供能单元进行负荷供电情况下不能满足负荷的基本电能需求，需要有针对性地切除部分负荷，以实现孤岛微电网的供需平衡，而不至于影响到系统的稳定性。从图14储能装置的充放电情况也可看出，在负荷需要切除的这段时间内，储能装置基本工作在最大放电功率情况下。该情况下没有负荷情景1下的动作频繁，主要是由于内部充放电的诸多约束以及充放电成本的限制，使其只动作在最优的时间段。从图15可看出，因负荷状况的影响以及内部供能单元的产能限制，孤岛微电网绝大多数时间均不能满足负荷的基本需求，仅仅在3：00、10：00、12：00、13：00这几个时段不需要燃料电池工作，其他时刻均需要燃料电池工作，并且在0：00、16：00—23：00这些时间段，燃料电池处于满负荷工作状态。

知识的学习和技能的培养是一个循序渐进的过程，与之相应的学习效果评价也应遵循此过程。传统的学习效果评价采用终结方式，这种一票制的评价方法不利于过程学习的开展落实。学生往往只看重考核分数，忽略了过程学习的重要性，仅仅在期末阶段搞突击、应付考试。终结性考试的不利影响就是学习过程流于形式，不能正面引导学生掌握知识与技能。

优化后得到负荷情景2下的最优风电、光伏、储能和燃料电池的出力情况，并得出该情况下的最小支出成本：为3 760.9万元。

5 结论

能源危机、环境污染等迫使世界各国不得不寻求新的能源以支撑未来经济的发展，由此分布式能源与清洁能源逐步走上能源供给的舞台，被世人所熟知。随着以风电和光伏等为代表的清洁能源技术和电力市场化的不断发展，微电网在未来新电改措施不断完善下参与电力市场的模式以及电力市场分析方法的研究越来越受到关注。风电和光伏具有随机性和反调峰性等特性，需要采取合理的方法进行处理或借助储能等辅助措施对其进行消纳，以增强其在市场环境下的适应性，促进其发展。为此，本文在新电改环境背景下研究了孤岛微电网经营方法，为合理安排微电网内部的能源资源出力提供了相关的参考价值，提升了微电网的市场竞争力。

参考文献

[1] 刘继春, 唐虎, 向月, 等. 考虑多个虚拟发电厂参与的多阶段市场交易方法[J]. 电力建设, 2017, 38(3): 137-144.

LIU Jichun, TANG Hu, XIANG Yue, et al. Multi-stage market transaction method with participation of virtual power plants[J]. Electric Power Construction, 2017, 38(3): 137-144.

[2] 王伟亮, 王丹, 贾宏杰, 等. 能源互联网背景下的典型区域综合能源系统稳态分析研究综述[J]. 中国电机工程学报, 2016, 36(12): 3292-3306.

WANG Weiliang, WANG Dan, JIA Hongjie, et al. Review of steady-state analysis of typical regional integrated energy system under the background of Energy Internet[J]. Proceedings of the CSEE, 2016, 36(12): 3292-3306.

[3] 刘继春, 唐虎, 许立雄, 等. 虚拟发电厂多阶段区间规划模型研究[J]. 新疆大学学报(自然科学版), 2017, 34(2): 223-229.

LIU Jichun, TANG Hu, XU Lixiong, et al. The research of virtual power plant phase internal programming model[J]. Journal of Xinjiang University (Natural Science Edition), 2017, 34(2): 223-229.

[4] 李存斌, 张建业, 李鹏. 考虑成本、排污及风险的微电网运营多目标优化模型[J]. 中国电机工程学报, 2015, 35(5): 1051-1058.

LI Cunbin, ZHANG Jianye, LI Peng. Multi-objective optimization model of micro-grid operation considering cost, pollution discharge and risk[J]. Proceedings of the CSEE, 2015, 35(5): 1051-1058.

[5] 李蕊. 基于不同商业运营模式的分布式电源/微电网综合效益评价方法[J]. 电网技术, 2017, 41(6): 1748-1758.

LI Rui. Comprehensive benefit evaluation method of distributed generation/microgrid projects based on different business models[J]. Power System Technology, 2017, 41(6): 1748-1758.

[6] 廖志伟, 王妍, 王路. 电网企业参与的分布式能源运营模式及

发展空间研究[J]. 控制理论与应用, 2017, 23(7): 1-6.

LIAO Zhiwei, WANG Yan, WANG Lu. Research on business model and development capability of distributed energy with power grid enterprise’s participation[J]. Control Theory & Applications, 2017, 23(7): 1-6.

[7] 田兵, 喻磊, 雷金勇, 等. 工业型用户侧微电网储能运行方式与微电网的运营模式[J]. 南方电网技术, 2016, 10(8): 48-55.

TIAN Bing, YU Lei, LEI Jinyong, et al. The operation mode and operation mode of micro grid in industrial user side micro grid[J]. Southern Power System Technology, 2016, 10(8): 48-55.

[8] 史开拓, 刘念, 张建华, 等. 多运营主体的微电网随机匹配交易机制[J]. 电网技术, 2016, 40(2): 587-594.

SHI Kaituo, LIU Nian, ZHANG Jianhua, et al. Random matching trading mechanism in microgrid of multi-operators[J]. Power System Technology, 2016, 40(2): 587-594.

[9] 张海涛, 秦文萍, 韩肖清, 等. 多时间尺度微电网能量管理优化调度方案[J]. 电网技术, 2017, 41(5): 1533-1540.

ZHANG Haitao, QIN Wenping, HAN Xiaoqing, et al. Muili-time scale optimization scheduling scheme of microgrid energy management[J]. Power System Technology, 2017, 41(5): 1533-1540.

[10] 卢志刚, 周雷, 杨丽君, 等. 微电网规划评价指标体系研究[J]. 电工电能新技术, 2014(9): 25-29.

LU Zhigang, ZHOU Lei, YANG Lijun, et al. Index system of microgrid planning evaluation[J]. Advanced Technology of Electrical Engineering and Energy, 2014(9): 25-29.

[11] FU X， CHEN H， CAI R， et al． Optimal allocation and adaptive VAR control of PV-DG in distribution networks[J]． Applied Energy， 2015， 137(C)： 173-182．

[12] VASILJEVSKA J， LOPES J P， MATOS M A． Evaluating the impacts of the multi-microgrid concept using multicriteria decision aid[J]． Electric Power Systems Research， 2012， 91(91)： 44-51.

[13] 张弛, 陈晓科, 徐晓刚, 等. 基于电力市场改革的微电网经营模式[J]. 电力建设, 2015, 36(11): 154-159.

ZHANG Chi, CHEN Xiaoke, XU Xiaogang, et al. Microgrid operation mode based on electricity market reform[J]. Electric Power Construction, 2015, 36(11): 154-159.