基于交替乘子法與Shapley分配法的多微網(wǎng)聯(lián)合經(jīng)濟調(diào)度

胡蓉，魏震波，黃宇涵，都成，盧炳文，方濤

(1.四川大學(xué)電氣工程學(xué)院，成都市 610065；2.國網(wǎng)四川省電力公司，成都市 610041)

0 引 言

近年來，分布式能源發(fā)展迅猛，具有靈活調(diào)節(jié)資源的微電網(wǎng)憑借對分布式能源的有效消納和管理得到了廣泛的發(fā)展[1-2]。在局部配電區(qū)域內(nèi)由多個地理位置鄰近微電網(wǎng)互聯(lián)互濟形成的多微電網(wǎng)系統(tǒng)是未來電力系統(tǒng)的發(fā)展趨勢[3-4]。

隨著電力市場改革不斷深入，微電網(wǎng)根據(jù)自身負荷需求參與電能交易將成為常態(tài)[5]。對此，文獻[6]建立了一個以微電網(wǎng)能源成本最小為目標(biāo)的混合整數(shù)線性規(guī)劃模型。文獻[7]基于分時和階梯兩種電價機制，以光伏發(fā)電系統(tǒng)收益最大化為目標(biāo)，提出了一個考慮余電按比例分配上網(wǎng)或充入蓄電池的日運行優(yōu)化模型。然而，以上研究只關(guān)注微電網(wǎng)與主網(wǎng)的交互，忽略了鄰近微電網(wǎng)的分布式發(fā)電和需求分布能夠良好互補的事實，這不利于區(qū)域系統(tǒng)整體經(jīng)濟效益的提升。因此，有研究提出對包含多個微電網(wǎng)的系統(tǒng)進行協(xié)調(diào)管控，通過內(nèi)部資源整合與功率交互實現(xiàn)系統(tǒng)整體經(jīng)濟優(yōu)化[8-9]。根據(jù)計算方式的不同，多微電網(wǎng)系統(tǒng)的優(yōu)化調(diào)度一般分為集中式優(yōu)化與分布式優(yōu)化。文獻[10]建立了一個考慮內(nèi)部能源交互的微網(wǎng)群合作博弈模型，提高了系統(tǒng)的整體收益；文獻[11]研究了一個以智能建筑群能源成本最小化為目標(biāo)的日前優(yōu)化共享模型。以上研究[10-11]主要依靠上級調(diào)度中心的集中調(diào)度，子微電網(wǎng)需要向上級調(diào)度中心完全共享其內(nèi)部運行隱私信息，然后由上級調(diào)度中心匯總所有信息計算生成調(diào)度計劃，再向各區(qū)域返回其各自的調(diào)度計劃。然而，這種調(diào)度模式需要傳輸龐大的數(shù)據(jù)量，而且一旦上級調(diào)度中心出現(xiàn)任何故障，所有區(qū)域都只能各自獨立優(yōu)化，不利于微電網(wǎng)的新能源消納和經(jīng)濟運行。

隨著多代理系統(tǒng)技術(shù)的發(fā)展，分布式優(yōu)化為微網(wǎng)群的經(jīng)濟調(diào)度提供了新思路。對此，文獻[12]提出采用交替乘子法建立互聯(lián)多微網(wǎng)系統(tǒng)的分布式優(yōu)化調(diào)度模型；文獻[13]結(jié)合牛頓法和一致性算法實現(xiàn)了微網(wǎng)群能耗成本的全分布式優(yōu)化；文獻[14]基于交替乘子法建立了微網(wǎng)群的雙層分布式優(yōu)化模型，上層協(xié)調(diào)微電網(wǎng)間的交換功率，下層則負責(zé)優(yōu)化內(nèi)部能量調(diào)度策略；文獻[15]基于交替乘子法構(gòu)建了考慮跨區(qū)聯(lián)絡(luò)線交易的分散調(diào)度模型，并通過固定機組狀態(tài)變量加快了算法的收斂速度。以上文獻[12-15]所采用的分布式算法可以彌補集中式優(yōu)化的不足，避免了大量數(shù)據(jù)的傳輸，同時保護了微電網(wǎng)的運行隱私。但仍然存在一些不足：上述分布式優(yōu)化算法無法反映多微網(wǎng)系統(tǒng)在聯(lián)合運行方式下所產(chǎn)生的涌現(xiàn)收益與分配機制，導(dǎo)致系統(tǒng)整體經(jīng)濟優(yōu)化效果與個體利益相沖突，不利于多微網(wǎng)系統(tǒng)的推廣應(yīng)用。此外，上述關(guān)于多微網(wǎng)系統(tǒng)的分布式優(yōu)化研究對含分布式電源的微電網(wǎng)廣泛接入配電網(wǎng)后對配網(wǎng)結(jié)構(gòu)、線路潮流分布以及節(jié)點電壓所造成的影響并未考慮?；诖?，計及配電網(wǎng)側(cè)多時段動態(tài)交流潮流約束和相關(guān)約束的多微網(wǎng)優(yōu)化調(diào)度問題有必要進行研究[16]。

針對以上現(xiàn)狀與問題，本文建立一種考慮動態(tài)交流潮流約束的分布式優(yōu)化與涌現(xiàn)收益再分配的多微網(wǎng)聯(lián)合經(jīng)濟調(diào)度模型。模型以合作微網(wǎng)群的總運行成本最小為目標(biāo)，兼顧配電網(wǎng)的節(jié)點電壓和線路動態(tài)潮流安全約束，并利用交替方向乘子法構(gòu)造不同利益主體的分區(qū)自治優(yōu)化框架。此外，采用Shapley值法按各微電網(wǎng)對系統(tǒng)所做邊際貢獻科學(xué)分配涌現(xiàn)收益，進一步得到各子微電網(wǎng)的實際運行成本以及對系統(tǒng)涌現(xiàn)收益的貢獻度。最后，通過IEEE 33仿真模擬對所提模型與方法的合理性與有效性進行校驗。

1 跨區(qū)互聯(lián)的多微網(wǎng)系統(tǒng)

局部配電區(qū)域內(nèi)的多微電網(wǎng)互聯(lián)系統(tǒng)結(jié)構(gòu)如圖1所示，每個微電網(wǎng)(microgrid, MG)均由光伏、風(fēng)電、儲能電池(energy storage system, ESS)、電動汽車(electrical vehicle, EV)、剛性負荷和柔性負荷組成。微電網(wǎng)通過公共連接點(point of common coupling，PCC)與主網(wǎng)相連，微網(wǎng)間則通過聯(lián)絡(luò)線連接。在該結(jié)構(gòu)下，各微電網(wǎng)不僅可以與主網(wǎng)進行電能交易，還可以與其相互連接的微電網(wǎng)進行電能交互。

圖1 局部配電區(qū)域內(nèi)的多微電網(wǎng)互聯(lián)系統(tǒng)結(jié)構(gòu)Fig.1 Structure diagram of multi-microgrid interconnection system in local distribution area

2 多微網(wǎng)系統(tǒng)聯(lián)合運行的優(yōu)化模型

2.1 目標(biāo)函數(shù)

互聯(lián)多微網(wǎng)系統(tǒng)在聯(lián)合運行方式下的綜合運行成本主要包括：系統(tǒng)在調(diào)度周期內(nèi)儲能和電動汽車電池的運行成本、可平移負荷的調(diào)度補償成本以及與主網(wǎng)的電能交易成本。因此，其運行成本最小化目標(biāo)函數(shù)可表述為：

(1)

(2)

(3)

(4)

(5)

2.2 約束條件

2.2.1 子微電網(wǎng)內(nèi)部約束條件

1)儲能電池約束。

在微電網(wǎng)i中，具有充放電功能的儲能電池可以使間歇性可再生能源發(fā)電以及波動變化的負荷更平滑。當(dāng)分布式發(fā)電機組出力大于本地負荷需求時，儲能電池可以充電消納多余的風(fēng)電；反之可以放電，以保障負荷的正常供應(yīng)。儲能電池主要受充放電功率以及荷電狀態(tài)的限制，具體可表示為：

(6)

(7)

(8)

(9)

(10)

(11)

2)電動汽車約束。

(12)

(13)

(14)

(15)

(16)

(17)

(18)

(19)

(20)

3)負荷需求響應(yīng)約束。

根據(jù)負荷響應(yīng)特征，本文將微電網(wǎng)i的用戶分為剛性負荷和柔性負荷。由于負荷的隨機中斷會對電器造成一定損傷且嚴(yán)重影響用戶體驗，因此，本文的柔性負荷只考慮其進行平移不考慮中斷。

(21)

(22)

4)功率平衡約束。

功率平衡約束表達式如下：

(23)

(24)

2.2.2 子微電網(wǎng)與主網(wǎng)的電能交易約束

子微電網(wǎng)與主網(wǎng)的電能交易約束表達式如下：

(25)

(26)

(27)

2.2.3 跨區(qū)聯(lián)絡(luò)線約束

本文對跨區(qū)域聯(lián)絡(luò)線進行如下合理假設(shè)：區(qū)域間的電能傳輸以高壓直流輸電的方式完成，且不考慮傳輸兩端電壓相角差的限制[21-23]。以下為MGi和MGi2間聯(lián)絡(luò)線上的功率限幅和功率傳輸方向約束：

(28)

(29)

2.2.4 電力網(wǎng)絡(luò)約束

動態(tài)交流潮流約束表達式如下：

(30)

(31)

(32)

(33)

(34)

(35)

(36)

安全約束表達式如下：

(37)

(38)

3 模型的分布式優(yōu)化求解

為采用分布式方法求解考慮了配網(wǎng)動態(tài)交流潮流和電壓約束的模型，需附加設(shè)立一個局部運營商(local area operator，LAO)。LAO以多微網(wǎng)系統(tǒng)與電網(wǎng)的交易成本為目標(biāo)函數(shù)，負責(zé)管理當(dāng)?shù)嘏渚W(wǎng)的動態(tài)交流潮流和電壓容限約束。對此，將各子微電網(wǎng)和LAO視作獨立的子系統(tǒng)，對微網(wǎng)群的目標(biāo)函數(shù)和約束條件進行劃分。

3.1 全局變量一致性優(yōu)化問題

3.1.1 目標(biāo)函數(shù)

合作微網(wǎng)群的目標(biāo)函數(shù)根據(jù)區(qū)域子系統(tǒng)可分解成m+1個子目標(biāo)函數(shù)，具體而言，式(1)可改寫成如下形式：

(39)

3.1.2 全局變量和全局耦合約束

全局變量是指在兩個或多個子系統(tǒng)中使用的變量，而局部變量是指僅在單個子系統(tǒng)中使用的變量。

(40)

(41)

3.1.3 區(qū)域子系統(tǒng)局部約束條件

如式(6)至式(29)所示，屬于子系統(tǒng)(微電網(wǎng)1至微電網(wǎng)m)的局部約束；如式(30)至式(32)以及式(34)至式(38)所示，屬于子系統(tǒng)LAO的局部約束。其中涉及變量為各子系統(tǒng)的局部變量，不涉及其他區(qū)域的變量。

具有上述特點的優(yōu)化問題一般稱為全局變量一致優(yōu)化問題。目前，交替方向乘子法(alternating direction multiplier method, ADMM)已經(jīng)廣泛應(yīng)用于該類問題的求解。

3.2 基于ADMM的分布式優(yōu)化模型與求解

3.2.1 ADMM的基本原理

假設(shè)上述全局變量一致優(yōu)化問題標(biāo)準(zhǔn)形式如下：

(42)

式中：xi為子系統(tǒng)i的局部變量；z為全局變量。

對于問題式(42)可采用增廣拉格朗日松弛法得到：

(43)

根據(jù)ADMM算法[25]，形成以下迭代步驟，逐漸逼近問題的最優(yōu)解：

(44)

3.2.2 分布式優(yōu)化模型與求解流程

以下為各微電網(wǎng)和子系統(tǒng)LAO的子優(yōu)化問題：

微電網(wǎng)i=(1,2,…,m)子優(yōu)化問題：

(45)

LAO的子優(yōu)化問題：

(46)

式中：φ(i)表示和微電網(wǎng)i相連的微電網(wǎng)集合；k為迭代次數(shù);加粗符號分別表示各變量的矩陣變量。

以下為各微電網(wǎng)和子系統(tǒng)LAO的分布式優(yōu)化求解流程，如圖2所示。

圖2 基于ADMM的分布式優(yōu)化求解流程圖Fig.2 Flow chart of distributed optimization solution based on ADMM

2)微電網(wǎng)按式(45)、子系統(tǒng)LAO按式(46)求解子優(yōu)化問題，更新各子系統(tǒng)的局部變量。

(48)

5)微電網(wǎng)按式(49)—(50)、子系統(tǒng)LAO按式(49)計算原始、對偶殘差，并判斷收斂判據(jù)是否滿足。若滿足，則終止迭代；否則，繼續(xù)步驟2)。

(49)

(50)

式中：ε1、ε2分別為原始殘差、對偶殘差的收斂精度。

4 基于Shapley值的涌現(xiàn)收益分配

相比于各個微電網(wǎng)單獨運行，多微電網(wǎng)系統(tǒng)在聯(lián)合運行模式下系統(tǒng)的總成本會大幅度減少，減少的部分即系統(tǒng)的涌現(xiàn)收益，如式(51)所示。為保證系統(tǒng)聯(lián)合運行獲得的涌現(xiàn)收益能夠公平分配給各子微電網(wǎng)，采用Shapley法根據(jù)各成員對聯(lián)盟總目標(biāo)的邊際貢獻程度分配收益。微電網(wǎng)i的涌現(xiàn)收益分配公式如(52)所示。另外，微電網(wǎng)i的真實運行成本如式(53)所示，其值為微電網(wǎng)i獨立運行時的成本減去其分配得到的涌現(xiàn)收益。最后，為了量化各成員對系統(tǒng)涌現(xiàn)收益的貢獻程度，定義微電網(wǎng)i的貢獻度Di評估模型如式(54)所示，其值為微電網(wǎng)i分配到的涌現(xiàn)收益占系統(tǒng)涌現(xiàn)收益的比例，這對決策者構(gòu)建互聯(lián)多微網(wǎng)系統(tǒng)有重要參考價值。

(51)

(52)

(53)

(54)

5 算例分析

5.1 基礎(chǔ)數(shù)據(jù)

為驗證所提模型和方法的有效性，本文以IEEE 33節(jié)點系統(tǒng)為例。某交流配電網(wǎng)中包含3個分別位于節(jié)點12、24和30的微電網(wǎng)[26]，如附錄圖A1所示。

圖A1 IEEE33節(jié)點系統(tǒng)結(jié)構(gòu)Fig.A1 The structure of IEEE 33-node system

算例中，3個微電網(wǎng)間的聯(lián)絡(luò)線電阻(MG1?MG2、MG1?MG3、MG2?MG3)分別為2.5、2.5、0.075 Ω，傳輸電壓Ui,j=1.58 kV，?i,j∈{1,2,3},i≠j[27]。選取Δt=1 h為一個運行時段，一天共有24個時段。微電網(wǎng)中的光伏、風(fēng)電出力曲線及日用負荷需求曲線分別見附錄圖A2、圖A3與圖A4所示。另外，假定微電網(wǎng)的柔性負荷占比為20%，其調(diào)節(jié)范圍為各時段原始柔性負荷需求的80%～120%。微電網(wǎng)的儲能配置容量分別為1 000、1 000、1 500 kW·h，其最大充放電功率分別為150、150、225 kW。假定每個微電網(wǎng)包含50輛電動汽車，EV電池的容量均為64 kW·h，其最大充放電功率為10 kW，EV離開微電網(wǎng)的期望荷電狀態(tài)值為0.8。儲能和EV電池的充放電效率為95%，其荷電狀態(tài)運行范圍為[0.2，0.8]。此外，當(dāng)?shù)仉娏靖鶕?jù)配網(wǎng)側(cè)負荷變化制定的峰谷分時電價如參考文獻[28]所示。

圖A2 光伏出力預(yù)測值Fig.A2 Predicted curve of photovoltaic power

圖A3 風(fēng)電出力預(yù)測值Fig.A3 Predicted power curve of wind

圖A4 日用負荷需求預(yù)測曲線Fig.A4 Predicted power curve of daily load

5.2 不同運行模式下微電網(wǎng)運行成本對比

為驗證本文模型的有效性，將獨立式、集中式聯(lián)合運行與分布式聯(lián)合運行這3種運行方式下子微電網(wǎng)的運行成本進行比較，詳見表1。其中，獨立式運行是指不考慮微電網(wǎng)間進行功率交互，每個微電網(wǎng)孤立自治；集中式聯(lián)合運行是指考慮微電網(wǎng)間進行功率交互，在微電網(wǎng)向上級調(diào)度中心完全共享其內(nèi)部運行隱私信息后，上級調(diào)度中心以系統(tǒng)運行成本最小為目標(biāo)，計算生成總的調(diào)度計劃，并向子系統(tǒng)返回其各自的調(diào)度計劃；分布式聯(lián)合運行是指考慮微電網(wǎng)之間進行功率交互，并將多微網(wǎng)系統(tǒng)的總運行成本分解為多個子目標(biāo)函數(shù)，耦合的全局變量拆解為局部變量，然后各個子系統(tǒng)根據(jù)子目標(biāo)函數(shù)和局部約束條件單獨優(yōu)化，生成自身區(qū)域的調(diào)度指令。

由表1可知，集中式聯(lián)合運行時系統(tǒng)的總運行成本為10 819.69 元，相比于各微電網(wǎng)獨立運行時的總成本13 033.70 元，下降了約17%。這說明聯(lián)絡(luò)線進行功率交互大幅度降低了總運行成本，提高了系統(tǒng)整體的經(jīng)濟性。另外，分布式聯(lián)合運行時系統(tǒng)總成本為10 906.97 元，相比于集中式聯(lián)合運行的總成本僅相差0.81%，說明分布式優(yōu)化結(jié)果接近全局最優(yōu)。

表1 不同運行模式下各微電網(wǎng)的運行成本Table 1 Comparison of operating costs of different microgrids under different strategies 元

5.3 微電網(wǎng)的涌現(xiàn)收益和實際運行成本

由表1可知，MG1在分布式聯(lián)合運行狀態(tài)下的運行成本比其獨自優(yōu)化時還要高，而MG3的運行成本減少過多，不能真實反映其對系統(tǒng)所做貢獻。這說明如果不對多微網(wǎng)系統(tǒng)聯(lián)合運行下所產(chǎn)生的涌現(xiàn)收益進行科學(xué)分配，就無法同時兼顧系統(tǒng)整體經(jīng)濟效益的提升以及微電網(wǎng)個體的利益需求。

因此，為了解決系統(tǒng)經(jīng)濟優(yōu)化與個體利益沖突矛盾，采用Shapley法對合作微電網(wǎng)群的成員科學(xué)計算、重新分配涌現(xiàn)收益，并進一步求得各子微電網(wǎng)的實際運行成本以及它們對系統(tǒng)涌現(xiàn)收益的貢獻度，計算結(jié)果如表2所示。由表2可知，分配完涌現(xiàn)收益后，各子微電網(wǎng)的實際運行成本均要小于其獨立運行時的成本。另外，當(dāng)需要調(diào)整多微網(wǎng)系統(tǒng)的結(jié)構(gòu)時，決策者可根據(jù)子微電網(wǎng)的貢獻度大小選擇性保留貢獻度較大的微電網(wǎng)，從而保證系統(tǒng)涌現(xiàn)收益最大化。

表2 各微電網(wǎng)的涌現(xiàn)收益與實際運行成本Table 2 Emerging income and actual operating cost of sub-microgrid

5.4 系統(tǒng)分布式優(yōu)化調(diào)度結(jié)果

5.4.1 配電網(wǎng)節(jié)點電壓幅值與支路潮流

為驗證模型考慮配電網(wǎng)動態(tài)交流潮流網(wǎng)絡(luò)約束的必要性，分析了全天調(diào)度周期內(nèi)配電網(wǎng)節(jié)點的最小電壓幅值和支路的最大視在功率，結(jié)果分別如圖3和圖4所示。由圖3可知，若不考慮配網(wǎng)的動態(tài)交流潮流約束，節(jié)點14至節(jié)點18的電壓幅值將低于安全電壓限制(0.95 pu)，而本文通過考慮動態(tài)交流潮流約束，所有節(jié)點在調(diào)度周期內(nèi)的最小電壓幅值都會處于[0.95，1.05] pu，這將保證電網(wǎng)的安全運行。另外，由圖4可知，忽略配網(wǎng)動態(tài)交流潮流約束會導(dǎo)致支路3至支路11和支路25至支路29的潮流明顯增加。因此，微電網(wǎng)在優(yōu)化調(diào)度時如果不考慮配電網(wǎng)的動態(tài)交流潮流約束，就可能會導(dǎo)致節(jié)點電壓越限，威脅系統(tǒng)的安全與穩(wěn)定。

圖3 配電網(wǎng)節(jié)點的最小電壓幅值(33個節(jié)點)Fig.3 Minimum voltages of nodes (33-node tested)

圖4 配電網(wǎng)支路的最大潮流(32條支路)Fig.4 Maximum power flow of branches (32-branch tested)

5.4.2 微電網(wǎng)間的電能交易

微電網(wǎng)間的電功率傳輸結(jié)果如圖5所示，從圖5中可知MG1總將電能傳輸給另外兩個微電網(wǎng)，傳遞方向始終不變。這是因為MG1是典型的住宅用戶，在白天工作時段內(nèi)分布式發(fā)電能源過剩，而且最重要的是相比其他兩個微電網(wǎng)，MG1更靠近配電網(wǎng)的饋線入口。但是，如果他們間的能量傳遞出現(xiàn)反向則不可取，因為這將違背配網(wǎng)自身的潮流方向。與此同時，還可以從圖5中看出MG2和MG3間的能量傳遞情況——在白天工作時間內(nèi)MG2、MG3分別充當(dāng)電能供應(yīng)商和接收方，而在晚上18:00—23:00期間，MG2變成電能接收方，MG3充當(dāng)電能供應(yīng)商。這是因為MG2是住宅用戶，MG3是工業(yè)用戶，在白天工作時間內(nèi)MG2的可再生能源發(fā)電過剩，MG3能量供應(yīng)不足；晚上兩者的能耗狀況則正好相反。由此可得，微電網(wǎng)不同的能耗狀況以及他們在配網(wǎng)中所處的相對地理位置，使得多微網(wǎng)間存在動態(tài)交互。

圖5 微電網(wǎng)間的電功率傳輸Fig.5 Power transmission between microgrids

圖A5 不同ρ值下原始和對偶殘差的收斂曲線Fig.A5 Evolutions of primal and dual residuals for different ρ

5.4.3 微電網(wǎng)與配電網(wǎng)間的電能交易

多微網(wǎng)系統(tǒng)內(nèi)部進行能源合作前后，微電網(wǎng)與配電網(wǎng)間的電能交易結(jié)果如圖6所示。從圖6可以看出，進行能源合作后，這3個微電網(wǎng)在24:00—08:00時段向配電網(wǎng)購電的功率會稍微增加，但MG2在18:00—24:00時段以及MG3在08:00—18:00時段大幅度減少了向配網(wǎng)購電的功率。因此，可知整個合作微電網(wǎng)群從主網(wǎng)的購電量會有所減少，系統(tǒng)的購電成本也會大幅度降低。另外，MG1和MG2在09:00—11:00和14:00—17:00時段過剩的分布式電能不再出售給配電網(wǎng)，這說明通過內(nèi)部能源交易，可再生能源在區(qū)域內(nèi)自我消納利用率得到了顯著提高。

圖6 微電網(wǎng)與配電網(wǎng)間的電能交易Fig.6 Power trading between MG and distribution network

圖A6 不同ρ值下微電網(wǎng)群的總成本收斂曲線Fig.A6 Evolution of objective value for different ρ

5.4.4 ADMM算法的迭代收斂

附錄圖A5和A6繪制了不同懲罰因子ρ值下分布式算法的收斂性能，ρ的變化范圍為[0.006，0.012]。從圖中可以看出，ρ的取值對算法的迭代收斂次數(shù)有一定的影響。為了提高分布式算法的迭代速度和效率，要合理調(diào)整懲罰因子ρ的取值。

6 結(jié) 論

本文提出了一種考慮動態(tài)交流潮流約束的分布式優(yōu)化與涌現(xiàn)利益再分配的多微網(wǎng)聯(lián)合經(jīng)濟調(diào)度模型，并通過仿真模擬計算對所提模型與方法的合理性與有效性進行了校驗。取得的主要結(jié)論如下：

1)基于ADMM的多微網(wǎng)聯(lián)合經(jīng)濟調(diào)度最終迭代收斂的優(yōu)化結(jié)果接近系統(tǒng)最優(yōu)。與集中式相比，能大幅降低通信傳輸負擔(dān)，保護微電網(wǎng)的運行隱私；與微電網(wǎng)獨立運行相比，通過有效管理聯(lián)絡(luò)線上的功率交互，可以顯著提高當(dāng)?shù)乜稍偕茉吹南{利用率以及整個系統(tǒng)的經(jīng)濟效益。并且，在并行計算環(huán)境下該算法可快速收斂，實現(xiàn)電網(wǎng)快速調(diào)度的要求。

2)結(jié)合Shapley值的利益分配方法能科學(xué)解決多微網(wǎng)系統(tǒng)經(jīng)濟優(yōu)化與個體利益沖突矛盾，滿足子微電網(wǎng)加入合作微電網(wǎng)群提升自身效益歸屬性的要求和利益需求。

3)所提模型考慮動態(tài)交流潮流約束，可使配網(wǎng)節(jié)點在調(diào)度周期內(nèi)的最小電壓幅值都提升至安全范圍內(nèi)，保證優(yōu)化調(diào)度結(jié)果可以實時安全穩(wěn)定地運行。

為進一步提高模型與算法的實用性，研究與日前市場相匹配的系統(tǒng)內(nèi)部實時交易結(jié)算機制是下一步的工作重點。