能源區域網路中的分布式能源管理政策研究
能源網際網路涉及的能源領域也十分廣泛，其通過對各種能源形式的綜合利用，追求清潔能源在社會經濟發展和環境保護方面的最大利用價值。
能源區域網路是能源網際網路的子網，其含有分布式可再生能源、儲能系統、電動汽車和負載的微電網，且每個能源區域網路都是獨立特别、與衆不同的。
是以需要對能源區域網路進行最優能量管理，提升其運作的可靠性和經濟性。
在能源區域網路内部存在多種分布式能源的情況下，光伏和風力發電對周圍環境的友好程度較其他發電方式要高，是未來能源網際網路的主要發電方式。
但其存在受環境影響大，不确定性強，波動性大、不能確定穩定供能等問題。
本文針對能源區域網路内部的能源利用形式從能量産出、經濟效益和環境影響三個方面進行評價。
分析了以光伏和風電為主的能源區域網路分布式能源出理的非線性特點。由于模型預測分布式能源出理需要大量的限定條件，不能很好的與新環境相适應。
而以神經網絡為代表的智能預測并不需要精确的研究對象解析模型，對非線性問題有較強的拟合能力。是以決定使用以神經網絡為基礎的預測方法。
通過分析用電負荷的變化規律，針對能源區域網路中用電負載的波動性對電網能源排程産生的影響，提出了基于NARX神經網絡的能源區域網路用電負荷及分布式能源預測方法。
在訓練樣本資料處理方面，利用主元成分分析選擇訓練樣本。由于在NARX神經網絡預測過程中，預測過程容易陷入局部極小，對預測算法進行改進。
使用遺傳算法避免神經網絡陷入局部極小值問題，并通過灰色關聯對資料優化，降低參數随機性。
利用改進NARX神經網絡方法用電負荷以及分布式能源出力進行預測，在訓練資料處理過程中，對預測日天氣特征如晴、陰、雨、雪等抽象概念進行量化處理。
并通過實際算例對能量排程優化模型進行驗證，根據預測結果對儲能裝置進行充放電仿真，提高分布式能源使用效率。
本文以神經網絡預測方法為基礎，針對能源區域網路中用電負荷和分布式能源出理的動态特性選擇NARX動态神經網絡。
針對周期性和非線性問題，使用遺傳算法避免神經網絡陷入局部極小值問題，并通過灰色關聯對資料優化，降低參數随機性。
對光伏和風力發電進行評價，建立能量排程模型，通過限定條件對預測算法進行仿真驗證。
本文主要研究成果如下：（1）對能源區域網路中光伏和風力發電進行評價，并分析了光伏和風電發電模型以及用電負荷資料，得出用電負荷的日周期性、周周期性和節假日特性，根據上述特性，可對能源區域網路中用電負荷變化規律進行合理預測。
用三種改進NARX算法（自适應算法、L-M法以及灰色遺傳法）分别對某大學部分樓宇的用電負荷進行預測。
考慮日特征、周特性等相關因素的NARX網絡預測模型對某大學部分樓宇進行負荷預測，通過對比分析，灰色遺傳法是效果較好的一種改進算法。
針對分布式能源發電受天氣影響較大問題，建立考慮氣象因素的改進NARX神經網絡預測模型。
同樣用灰色遺傳法進行改進，對分布式能源出力進行預測，并通過限定條件對能源區域網路儲能系統進行能量優化管理，從經濟和裝置使用壽命方面進行考慮，分别從春冬季和夏秋季對系統進行仿真，結果表明控制效果良好。
能源網際網路從其概念的提出開始就是研究熱點，對不同形式能源的控制政策以及預測方法的研讨也不曾停歇。
本文隻完成了一小部分研究，還有很多需要解決的問題沒有涉及。結合存在的問題，還可針對以下幾種方面繼續做深一步的研究。
除了風能和光伏以外，還有多種分布式能源發電形式，如煤電、瓦斯發電、燃油發電等。
煤電和瓦斯發電的冷熱電聯産形式可減少空調制冷的耗電量，如何實作多種能源發電形式共存，令電網能夠承受多種發電形式，多種能源發電切換接入而帶來的沖擊，是研究熱點之一。
能源路由器對各種電源、負載和儲能裝置進行能量排程控制的時候，需要實時的資訊通信技術的支援，對應能源系統網絡的時變性，對能源路由器處理資料的速度要求非常苛刻。
對不同發電設施、輸變電設施和用電器，能源路由器需要相容各種裝置的資料形式，且具備資訊處理能力。
（3）能源網際網路中的故障檢測、故障診斷問題，在多種能源發電形式的大電網中，
完成故障檢測後，如何快速定位和識别故障。
