置的另一结构示意图；
[0052] 图8为划分模块的结构示意图；
[0053] 图9为优化模块的结构示意图；
[0054] 图10为优化模块的另一结构示意图。
【具体实施方式】
[0055] 为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步 地详细描述。
[0056] 鉴于上述背景，本发明在对交直流混合微电网综合优化运行问题展开研究时，在 微电网中各类变换器功率变换效率研究的基础上，优化负荷供用电模式，提高源-荷供用 电效率；在各种分布式电源与储能设备的运行特性约束、交流供电模式与直流供电模式不 同运行和控制要求约束下，确定分布式电源调度方案及与大电网的交互功率，进行合理的 源-网功率分配，实现微电网运行中的经济、环保效益的提高与节能降损等目标。
[0057] 实施例1
[0058] -种计及源网荷互动的交直流混合微电网优化运行方法，该优化运行方法包括以 下步骤：
[0059] 101 :将交直流混合微电网划分为交流供电区和直流供电区；
[0060] 102 :获取需求侧负荷设备参数，对负荷进行分类，并获取微电网24小时负荷需求 预测值；
[0061] 103 :获取交直流混合微电网中变换器参数，确定变换器中功率变换损耗计算方 式；
[0062] 104 :采用概率方法对光伏电池、风力发电机最大出力和负荷功率的分布曲线进行 估计；
[0063] 105 :利用Stackelberg博弈模型上层博弈优化负荷供电模式，最小化微电网功率 转换损耗；利用Stackelberg博弈模型下层博弈在满足交流区和直流区各自运行与控制要 求下，优化调度分布式电源出力、蓄电池出力、大电网交互功率，最小化交流区和直流区的 运行成本。
[0064] 其中，在步骤101将交直流混合微电网划分为交流供电区和直流供电区的步骤之 前，该优化运行方法还包括：
[0065] 获取风力发电机、微型燃气轮机、光伏电池、燃料电池和蓄电池的设备参数、风力 发电机与光伏电池24小时最大功率输出预测值。
[0066] 其中，步骤101中的将交直流混合微电网划分为交流供电区和直流供电区的步骤 具体为：
[0067] 根据风力发电机、微型燃气轮机、光伏电池、燃料电池和蓄电池的交流型或直流型 的电能供给、存储方式，接入交、直流母线，将交直流混合微电网划分为交流供电区和直流 供电区。
[0068] 进一步地，步骤105中的利用随机机会约束Stackelberg博弈模型对包含随机参 数的交直流混合微电网的运行进行优化的步骤具体为：
[0069] 采用随机模拟为随机机会约束Stackelberg博弈模型中的不确定函数产生训练 样本集；在训练样本集上训练神经元网络；
[0070] 采用混沌优化初始化上层博弈粒子群，对上层博弈决策者的策略进行编码；通过 训练好的神经元网络检验粒子的可行性；
[0071] 对应上层博弈粒子群中每个粒子，产生下层博弈粒子群；根据上层博弈每个粒子 的策略，采用混合智能算法求得下层博弈Nash均衡；
[0072] 将下层博弈Nash均衡作为已知量，利用神经元网络计算上层博弈每个粒子的收 益函数值；
[0073] 根据每个粒子的收益函数值，保存上层博弈粒子群全局最优值、全局最优位置和 每个粒子当前最优位置。
[0074] 其中，步骤105还包括：
[0075] 根据迭代次数或收敛精度判断是否终止程序；如果是，流程终止；
[0076] 如果否，更新粒子群，通过计算任意粒子与当前最优粒子之间的距离，判定是否对 粒子进行更新。
[0077] 综上所述，本发明实施例通过上述步骤101至步骤105实现了对微电网的优化，提 高了微电网运行的经济效益、环境效益。
[0078] 实施例2
[0079] 下面结合具体的计算公式、图1、图2对实施例1中的方案进行详细介绍，详见下文 描述：
[0080] 本发明提供的交直流混合微电网至少包括：风力发电机、微型燃气轮机、光伏电 池、燃料电池和蓄电池等，具体优化步骤如下：
[0081] 201 :获取风力发电机、微型燃气轮机、光伏电池、燃料电池和蓄电池的设备参数、 风力发电机与光伏电池24小时最大功率输出预测值；
[0082] 202 :根据风力发电机、微型燃气轮机、光伏电池、燃料电池和蓄电池的交流型或 直流型的电能供给、存储方式，接入交、直流母线，将交直流混合微电网划分为交流供电区 (以下简称交流区）和直流供电区（以下简称直流区）；
[0083] 其中，为了最大化可再生能源的利用，风力发电机和光伏电池工作在最大功率跟 踪模式，不参与调度。交流区通过并网处公共耦合点与大电网相连，可以视作自身功率平 衡，其运行频率由大电网频率决定，可调度微型燃气轮机出力、向大电网购电量。直流区通 过交直流双向AC/DC功率变换器（interlinkingconverter，ILC)维持直流母线电压以控 制功率平衡，可调度燃料电池和蓄电池出力。
[0084] 203:获取交直流混合微电网需求侧负荷设备参数，对负荷进行分类，并获取微电 网24小时负荷需求预测值；
[0085] 其中，上述负荷可分为：电子元器件负荷、变频调速负荷、交流电机负荷和电阻性 负荷四类：电子元器件负荷基于直流电工作；变频调速负荷基于交流电工作，但内部带有 整流电路以进行变频调速；交流电机负荷基于交流电工作，不带整流电路；电阻性负荷既 可以基于直流电工作，也可以基于交流电工作。交直流混合微电网中，交、直流电均配电到 户，用户可为四类负荷可自由、灵活地选择交流抑或直流供电模式。
[0086] 表1负荷分类
[0087]
[0088] 204 :获取交直流混合微电网中变换器设备参数，确定变换器中功率变换损耗计算 方式；
[0089] 其中，各变换器包括：单相AC/DC变换器、单相DC/AC变换器、交直流双向AC/DC功 率变换器（interlinkingconverter，ILC)(本发明将其作为变换器A，并假设其功率变换 效率相等），单、双向DC/DC变换器（本发明将其作为变换器B，并假设其功率变换效率相 等），其功率变换效率计算如下
[0092] 式中：nA和nB分别为变换器A和变换器B的功率变换效率;u为输入功率与额 定容量的比率。
[0093] 为了简化问题，本发明实施例假设同类负荷采用相同供电方式时的功率变换效率 为相等的常数，并由各变换器功率变换效率计算得到，如图1中所示。
[0094] 205 :采用概率方法对具有随机波动性的光伏电池、风力发电机最大出力和负荷功 率的分布曲线进行估计；
[0095] 其中，采用概率方法对分布曲线进行估计的详细操作为本领域技术人员所公知， 本发明实施例对此不作赘述。
[0096] 206 :利用随机机会约束Stackelberg博弈模型对包含随机参数| = (PWT，Ppv，PJ 的交直流混合微电网的运行进行优化。
[0097] 其中，Pwt、Ppv、Pu分别为风力发电机最大输出功率预测值、光伏电池最大输出功率 预测值、负荷功率预测值。在优化过程中采用混合智能算法求取Stackelberg博弈模型的 Nash均衡解与Stackelberg-Nash均衡解，利用Stackelberg博弈模型上层博弈优化负荷供 电模式，以最小化微电网功率转换损耗；利用Stackelberg博弈模型下层博弈在满足交流 区和直流区各自运行与控制要求下，优化调度分布式电源与蓄电池出力、与大电网交互功 率，以最小化交流区和直流区的运行成本。
[0098] 其中，Stackelberg博弈模型上层博弈的决策者（即领导者）为微电网中用户（视 作一个整体），其策略为各类负荷采用的供电方式，记为L=(LL2,L3,L4)，下标数字代表负 荷类型；在第t个优化时段，有4=(W,*〇丨0，1丨，k=^七其中叫为 微电网中第k类负荷的个数，匕为第i个第k类负荷采用的供电方式的标志，G=1表示接 入交流区，0=〇表示接入直流区。领导者的收益函数和约束条件分别如公式（3)和（5)所 示：
[0103] 其中：T为优化时段总数；Plc]SS为总功率损耗；蹲_ss、ifltass和靖QSS分别为ILC、蓄 电池和分布式电源、以及负荷变换器中功率损耗；Jte为ILC变换功率，整流时为正，逆变时 为负；私T、.養、轉T_、和与B分别为微型燃气轮机、燃料电池、风力发电机、光伏电池和 蓄电池出力（尾放电时为正，充电时为负）；^为第i个第k类负荷的内部工作功率需求 (即不包括功率