能源局域网中的分布式能源管理策略研究
能源互联网涉及的能源领域也十分广泛，其通过对各种能源形式的综合利用，追求清洁能源在社会经济发展和环境保护方面的最大利用价值。
能源局域网是能源互联网的子网，其含有分布式可再生能源、储能系统、电动汽车和负载的微电网，且每个能源局域网都是独立特别、与众不同的。
所以需要对能源局域网进行最优能量管理，提升其运行的可靠性和经济性。
在能源局域网内部存在多种分布式能源的情况下，光伏和风力发电对周围环境的友好程度较其他发电方式要高，是未来能源互联网的主要发电方式。
但其存在受环境影响大，不确定性强，波动性大、不能确保稳定供能等问题。
本文针对能源局域网内部的能源利用形式从能量产出、经济效益和环境影响三个方面进行评价。
分析了以光伏和风电为主的能源局域网分布式能源出理的非线性特点。由于模型预测分布式能源出理需要大量的限定条件，不能很好的与新环境相适应。
而以神经网络为代表的智能预测并不需要精确的研究对象解析模型，对非线性问题有较强的拟合能力。所以决定使用以神经网络为基础的预测方法。
通过分析用电负荷的变化规律，针对能源局域网中用电负载的波动性对电网能源调度产生的影响，提出了基于NARX神经网络的能源局域网用电负荷及分布式能源预测方法。
在训练样本数据处理方面，利用主元成分分析选择训练样本。由于在NARX神经网络预测过程中，预测过程容易陷入局部极小，对预测算法进行改进。
使用遗传算法避免神经网络陷入局部极小值问题，并通过灰色关联对数据优化，降低参数随机性。
利用改进NARX神经网络方法用电负荷以及分布式能源出力进行预测，在训练数据处理过程中，对预测日天气特征如晴、阴、雨、雪等抽象概念进行量化处理。
并通过实际算例对能量调度优化模型进行验证，根据预测结果对储能设备进行充放电仿真，提高分布式能源使用效率。
本文以神经网络预测方法为基础，针对能源局域网中用电负荷和分布式能源出理的动态特性选择NARX动态神经网络。
针对周期性和非线性问题，使用遗传算法避免神经网络陷入局部极小值问题，并通过灰色关联对数据优化，降低参数随机性。
对光伏和风力发电进行评价，建立能量调度模型，通过限定条件对预测算法进行仿真验证。
本文主要研究成果如下：（1）对能源局域网中光伏和风力发电进行评价，并分析了光伏和风电发电模型以及用电负荷数据，得出用电负荷的日周期性、周周期性和节假日特性，根据上述特性，可对能源局域网中用电负荷变化规律进行合理预测。
用三种改进NARX算法（自适应算法、L-M法以及灰色遗传法）分别对某大学部分楼宇的用电负荷进行预测。
考虑日特征、周特性等相关因素的NARX网络预测模型对某大学部分楼宇进行负荷预测，通过对比分析，灰色遗传法是效果较好的一种改进算法。
针对分布式能源发电受天气影响较大问题，建立考虑气象因素的改进NARX神经网络预测模型。
同样用灰色遗传法进行改进，对分布式能源出力进行预测，并通过限定条件对能源局域网储能系统进行能量优化管理，从经济和设备使用寿命方面进行考虑，分别从春冬季和夏秋季对系统进行仿真，结果表明控制效果良好。
能源互联网从其概念的提出开始就是研究热点，对不同形式能源的控制策略以及预测方法的研讨也不曾停歇。
本文只完成了一小部分研究，还有很多需要解决的问题没有涉及。结合存在的问题，还可针对以下几种方面继续做深一步的研究。
除了风能和光伏以外，还有多种分布式能源发电形式，如煤电、燃气发电、燃油发电等。
煤电和燃气发电的冷热电联产形式可减少空调制冷的耗电量，如何实现多种能源发电形式共存，令电网能够承受多种发电形式，多种能源发电切换接入而带来的冲击，是研究热点之一。
能源路由器对各种电源、负载和储能设备进行能量调度控制的时候，需要实时的信息通信技术的支持，对应能源系统网络的时变性，对能源路由器处理数据的速度要求非常苛刻。
对不同发电设施、输变电设施和用电器，能源路由器需要兼容各种设备的数据形式，且具备信息处理能力。
（3）能源互联网中的故障检测、故障诊断问题，在多种能源发电形式的大电网中，
完成故障检测后，如何快速定位和识别故障。
