CN104218681A - 一种用于降低孤岛微电网切负荷成本的控制方法 - Google Patents

Abstract

本发明公开了一种用于降低孤岛微电网切负荷成本的控制方法，包括：步骤10）获取微电网的总功率缺额：当孤岛模式的微电网发生功率缺失故障时，多代理***监测到整个微电网的功率扰动，得到微电网的总功率缺额；步骤20）实现总功率缺额的共享；步骤30）测算本地切负荷的成本和边际成本；步骤40）测算每个负荷的减载量：采用平均一致算法进行切负荷的分散式成本优化，得到每个负荷的减载量；步骤50）进行切负荷操作，实现孤岛微电网的分散式最优减载，使微电网频率恢复到额定值。该控制方法是一种完全的分散式控制方法，实现全局信息的分散式共享，并考虑成本和边际成本，进行精确切负荷量的减载，进行精确的切负荷成本优化。

Description

一种用于降低孤岛微电网切负荷成本的控制方法

技术领域

本发明属于微电网运行控制领域，具体来说，涉及一种用于降低孤岛微电网切负荷成本的控制方法。

背景技术

随着地球资源的日渐衰竭以及人们对环境问题的关注，可再生能源的接入越来越受到世界各国的重视。微电网是一种在能量供应***中增加可再生能源和分布式能源渗透率的新兴能量传输模式，其组成部分包括不同种类的分布式能源、各种电负荷和/或热负荷的用户终端以及相关的监控、保护装置。

微电网内部的电源主要由电力电子器件负责能量的转换，并提供必须的控制；微电网相对于外部大电网表现为单一的受控单元，并可同时满足用户对电能质量和供电安全等的要求。微电网与大电网之间通过公共连接点进行能量交换，双方互为备用，从而提供了供电的可靠性。由于微电网是规模较小的分散***，与负荷的距离较近，可以增加本地供电的可靠性、降低网损，大大增加了能源利用效率，是一种符合未来智能电网发展要求的新型供电模式。

未来的电力***中将会有更多的包括并网模式和孤岛模式的微电网。由于分布式可再生发电单元的随机性和不确定性以及微电网的低惯量，孤岛模式的微电网更可能发生扰动。因此，发电和负荷的突变对孤岛模式的微电网的频率稳定提出了挑战。目前，有许多研究关注自适应的智能的减载策略，以避免由切负荷不当引起的***不稳定。基于多代理的切负荷方法被引进以获得自适应的减载，其控制方式包括集中式和分散式协同控制。然而，集中式控制需要一个中央控制器，需要处理大量的数据，容易发生故障。而且，考虑到间歇性的可再生能源的不确定性，发电的波动可能导致意外的结构变化，这就进一步加大了集中控制的负担。此外，主从式分散式控制方法，由于使用了领导者或者虚拟领导者来采集处理信息，类似的故障或攻击可能发生在领导者上，对***性能和可靠性造成了影响。由于分布式可再生发电单元的随机性和不确定性以及微电网的低惯量，孤岛模式的微电网更可能发生扰动。因此，发电和负荷的突变对孤岛模式的微电网的频率稳定提出了挑战。

一种完全的分散式控制方法应包含以下优点，抗不确定干扰和获得完整的分散式数据更新的能力，可以实现高效的信息共享，最终实现更快的决策和操作。

发明内容

技术问题：本发明所要解决的技术问题是：提供一种用于降低孤岛微电网切负荷成本的控制方法，该控制方法是一种完全的的分散式控制方法，实现全局信息的分散式共享，并考虑成本和边际成本，进行精确切负荷量的减载，能够满足分布式单元即插即用操作的需求。

技术方案：为解决上述技术问题，本发明采取的用于降低孤岛微电网切负荷成本的控制方法，该方法包括下述步骤：

一种用于降低孤岛微电网切负荷成本的控制方法，该控制方法包括下述步骤：

步骤10)获取微电网的总功率缺额：微电网采用多代理***，多代理***包括两层：第一层为用于实现分散式的全局信息的采集与共享的信息共享层；第二层为用于实现分布式发电单元和负荷的控制的本地控制层；多代理***中共有n个代理；各代理通过第一层获取全局信息，通过第二层直接实现分布式发电单元和负荷的控制；当孤岛模式的微电网发生功率缺失故障时，多代理***监测到整个微电网的功率扰动，得到微电网的总功率缺额；

步骤20)实现总功率缺额的共享：在第一层中，基于平均一致算法进行分散式全局信息分享，实现总功率缺额在多代理***中的共享；

步骤30)测算本地切负荷的成本和边际成本：在第二层中，每个代理依据式(5)测算出本地切负荷的成本，同时，依据式(6)测算出本地切负荷的边际成本：

C_i(μ_i,P_LSi)＝k₁P_LSi ²+k₂P_LSi-k₂P_LSiμ_i   式(5)

C_Mci(μ_i,P_LSi)＝2k₁P_LSi+k₂-k₂μ_i   式(6)

式中，C_i表示第i个代理切负荷的成本函数，C_Mci表示第i个代理切负荷的边际成本函数；k₁是函数中二次项系数；k₂是函数中一次项系数；P_LSi表示第i个代理的切负荷量，μ_i表示切负荷意愿的变量；

步骤40)测算每个负荷的减载量：采用平均一致算法进行切负荷的分散式成本优化，得到每个负荷的减载量；

步骤50)进行切负荷操作：根据步骤40)得到的每个负荷的减载量，进行切负荷操作，实现孤岛微电网的分散式最优减载，使微电网频率恢复到额定值。

进一步，所述的步骤20)包括以下过程：利用式(1)迭代计算出每个代理的功率缺额，直至所有代理的功率缺额相等时，完成总功率缺额在多代理***中的共享:

   式(1)

其中，wi_j满足式(2)和式(3)：

   式(2)

$\left\{\begin{array}{c}{\mathrm{\Σ}}_i{w}_{\mathrm{ij}}=1\\ {\mathrm{\Σ}}_j{w}_{\mathrm{ij}}=1\end{array}\right.$    式(3)

$W=\left[\begin{array}{ccccc}1-\underset{j\∈N_1}{\mathrm{\Σ}}& ...& w_{1i}& ...& w_{1n}\\ ...& ...& ...& ...& ...\\ w_{i1}& ...& 1-\underset{j\∈N_i}{\mathrm{\Σ}}{w}_{\mathrm{ij}}& ...& w_{\mathrm{in}}\\ ...& ...& ...& ...& ...\\ w_{n1}& ...& w_{\mathrm{ni}}& ...& 1-\underset{j\∈N_n}{\mathrm{\Σ}}{w}_{\mathrm{nj}}\end{array}\right]$    式(4)

式中，p_i ^[k+1]表示代理i在k+1次迭代时共享的信息，p_i ^[k]表示代理i在k次迭代时共享的信息，p_j ^[k]为代理j在k次迭代时共享的信息，p_i表示多代理***中的代理i的状态变量；i＝1、2、…、n,j＝1、2、…、n,k为离散时间指数；P^[k+1]表示k+1次迭代时的信息共享矩阵，P^[k]为k次迭代时的信息共享矩阵，W为校正矩阵，如式(4)所示；w_ij是W矩阵的第(i，j)个元素，当代理i和j有通信线路连接时，w_ij不等于0，否则w_ij＝0；N_i为代理i相邻的代理的合集，n_i为与代理i相邻的代理数目；n_j为与代理j相邻的代理数目；θ是影响平均一致算法收敛速度的收敛因子，0＜θ＜1；t表示时间；w_1j表示W矩阵的第(1，j)个元素，w_1i表示W矩阵的第(1，i)个元素，w_1n表示W矩阵的第(1，n)个元素，w_i1表示W矩阵的第(i，1)个元素，w_in表示W矩阵的第(i，n)个元素，w_n1表示W矩阵的第(n，1)个元素，w_ni表示W矩阵的第(n，i)个元素，w_nj表示W矩阵的第(n，j)个元素。

进一步，当微电网的拓扑结构发生变化时，利用式(2)和式(3)对wi_j进行更新。

进一步，所述的步骤40)中，切负荷的分散式成本优化目标为式(7)所示，平均一致算法中的约束条件如式(8)所示，平均一致算法中的迭代计算如式(9)所示，

$\mathrm{Min}\{C_{\mathrm{TOT}}=\underset{i}{\mathrm{\Σ}}{C}_i({\mathrm{\μ}}_i,P_{\mathrm{LSi}})\}$    式(7)

$\left\{\begin{array}{c}{P}_{\mathrm{LS}}=P_G-P_L\\ P_{\mathrm{LS}}={\mathrm{\Σ}}_i{P}_{\mathrm{LSi}}\\ P_{\mathrm{LSi}}\≤P_{\mathrm{Li},\mathrm{Max}}\end{array}\right.$    式(8)

$\left\{\begin{array}{c}{C}_{\mathrm{Mci}}^{[k+1]}\left(t\right)=W*{C_{\mathrm{Mci}}}^{\left[k\right]}\left(t\right)\\ C_{\mathrm{Mc},C}=\frac{{\mathrm{\Σ}}_i{C}_{\mathrm{Mci}}}{n}\end{array}\right.$    式(9)

式中，C_i表示第i个代理切负荷的成本函数，C_TOT表示微电网切负荷的总成本，μ_i表示切负荷意愿的变量，P_LSi表示第i个代理的切负荷量，P_LS是微电网的切除的负荷总量，P_G表示微电网的总发电量，P_L表示微电网的总负荷量，P_Li,Max表示微电网中负荷的最大切除量；C_Mci ^[k+1]为代理i在第k+1次迭代时，切负荷的边际成本；C_Mci ^[k]为代理i在第k次迭代时，切负荷的边际成本；W为校正矩阵；C_Mci表示第i个代理切负荷的边际成本；C_Mc,C为边际成本的平均值；当所有负荷的边际成本渐近收敛于一个共同的值C_Mc,IACA时，C_Mc1＝C_Mc2＝...＝C_Mci＝…＝C_Mc,IACA，得到每个负荷的减载量。

有益效果：与现有技术相比，本发明具有以下有益效果：本发明的控制方法是一种完全的分散式控制方法。本发明基于多代理***的双层平均一致算法，能够实现孤岛微电网分散式成本最优的切负荷，可以实现高效的分散式全局信息共享，并考虑成本和边际成本，进行精确切负荷的成本优化，具有良好的自适应性，可以满足分布式单元即插即用的需求。本发明的孤岛微电网分散式成本优化的切负荷控制方法，通过本地代理监测微电网的功率扰动，在孤岛模式的微电网出现功率短缺时，监测到***的总功率缺额，从具有通信约束的多代理***中获取全局信息。在第一层中，使用基于平均一致算法进行分散式信息共享，当结果达到平均一致时，完成全局信息在多代理***之间的共享。该算法能够进行自适应权重更新，能够适应通信拓扑的变化，实现全局信息的快速高效共享。在第二层中，每个代理根据成本和边际成本函数测算相应的本地切负荷的成本和边际成本。使用平均一致算法的同步处理进行切负荷的分散式成本优化，当所有负荷代理的边际成本收敛于一个相同的值时，得到最优的切负荷结果。根据得到的最优结果进行切负荷操作，从而实现微电网的分散式最优减载。

附图说明

图1是本发明的流程框图。

图2是本发明实施例中微电网仿真***的结构示意图。

图3是本发明实施例中孤岛微电网发生过载事故中，收敛因子为0.7时的全局信息共享线条图。

图4是本发明实施例中孤岛微电网发生过载事故中，收敛因子为0.8时的全局信息共享线条图。

图5是本发明实施例中孤岛微电网发生过载事故中，收敛因子为0.9时的全局信息共享线条图。

图6是本发明实施例中孤岛微电网发生过载事故中，收敛因子为0.99时的全局信息共享线条图。

图7是本发明实施例孤岛微电网发生过载事故中，分散式成本优化的线条图。

图8是图7中D部的放大图。

图9是本发明实施例中孤岛微电网发生过载事故中，各分布式发电单元和主电网输出的有功功率曲线图。

图10是本发明实施例孤岛微电网发生过载事故中，微电网的频率曲线图。

图11是本发明实施例孤岛微电网发生过载事故中，微电网的电压曲线图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施案例对本发明进行深入地详细说明。应当理解，此处所描述的具体实施案例仅仅用以解释本发明，并不用于限定发明。

如图1所示，本发明的一种用于降低孤岛微电网切负荷成本的控制方法，包括下述步骤：

步骤10)微电网采用多代理***，多代理***包括两层：第一层为用于实现分散式的全局信息的采集与共享的信息共享层；第二层为用于实现分布式发电单元和负荷的控制的本地控制层；多代理***中共有n个代理；各代理通过第一层获取全局信息，通过第二层直接实现分布式发电单元和负荷的控制；当孤岛模式的微电网发生功率缺失故障时，多代理***监测到整个微电网的功率扰动，得到微电网的总功率缺额。

步骤20)在第一层中，基于平均一致算法进行分散式全局信息分享，实现总功率缺额在多代理***中的共享。

该步骤具体包括以下过程：利用式(1)迭代计算出每个代理的功率缺额，直至所有代理的功率缺额相等时，完成总功率缺额在多代理***中的共享:

   式(1)

其中，w_ij满足式(2)和式(3)：

   式(2)

$\left\{\begin{array}{c}{\mathrm{\Σ}}_i{w}_{\mathrm{ij}}=1\\ {\mathrm{\Σ}}_j{w}_{\mathrm{ij}}=1\end{array}\right.$    式(3)

$W=\left[\begin{array}{ccccc}1-\underset{j\∈N_1}{\mathrm{\Σ}}& ...& w_{1i}& ...& w_{1n}\\ ...& ...& ...& ...& ...\\ w_{i1}& ...& 1-\underset{j\∈N_i}{\mathrm{\Σ}}{w}_{\mathrm{ij}}& ...& w_{\mathrm{in}}\\ ...& ...& ...& ...& ...\\ w_{n1}& ...& w_{\mathrm{ni}}& ...& 1-\underset{j\∈N_n}{\mathrm{\Σ}}{w}_{\mathrm{nj}}\end{array}\right]$    式(4)

式中，表示代理i在k+1次迭代时共享的信息，表示代理i在k次迭代时共享的信息，为代理j在k次迭代时共享的信息，p_i表示多代理***中的代理i的状态变量；i＝1、2、…、n,j＝1、2、…、n,k为离散时间指数；P^[k+1]表示k+1次迭代时的信息共享矩阵，P^[k]为k次迭代时的信息共享矩阵，W为校正矩阵，如式(4)所示；w_ij是W矩阵的第(i，j)个元素，当代理i和j有通信线路连接时，w_ij不等于0，否则w_ij＝0；N_i为代理i相邻的代理的合集，n_i为与代理i相邻的代理数目；n_j为与代理j相邻的代理数目；θ是影响平均一致算法收敛速度的收敛因子，0＜θ＜1；t表示时间；w_1j表示W矩阵的第(1，j)个元素，w_1i表示W矩阵的第(1，i)个元素，w_1n表示W矩阵的第(1，n)个元素，w_i1表示W矩阵的第(i，1)个元素，w_in表示W矩阵的第(i，n)个元素，w_n1表示W矩阵的第(n，1)个元素，w_ni表示W矩阵的第(n，i)个元素，w_nj表示W矩阵的第(n，j)个元素。当微电网的拓扑结构发生变化时，利用式(2)和式(3)对w_ij进行更新。为了得到稳定的算法，校正矩阵和影响平均一致算法收敛速度的收敛因子需要进行合适的设置。比较收敛因子的不同设置值，以提高收敛速度，使得该平均一致算法达到一致所需的迭代次数最少，获得全局信息的通信延时最小。

步骤30)在第二层中，每个代理依据式(5)测算出本地切负荷的成本，同时，依据式(6)测算出本地切负荷的边际成本：

C_i(μ_i,P_LSi)＝k₁P_LSi ²+k₂P_LSi-k₂P_LSiμ_i   式(5)

C_Mci(μ_i,P_LSi)＝2k₁P_LSi+k₂-k₂μ_i   式(6)

式中，C_i表示第i个代理切负荷的成本函数，C_Mci表示第i个代理切负荷的边际成本函数；k₁是函数中二次项系数；k₂是函数中一次项系数；P_LSi表示第i个代理的切负荷量，μ_i表示切负荷意愿的变量。

步骤40)采用平均一致算法进行切负荷的分散式成本优化，得到每个负荷的减载量。在该步骤中，切负荷的分散式成本优化目标为式(7)所示，平均一致算法中的约束条件如式(8)所示，平均一致算法中的迭代计算如式(9)所示，

$\mathrm{Min}\{C_{\mathrm{TOT}}=\underset{i}{\mathrm{\Σ}}{C}_i({\mathrm{\μ}}_i,P_{\mathrm{LSi}})\}$    式(7)

$\left\{\begin{array}{c}{P}_{\mathrm{LS}}=P_G-P_L\\ P_{\mathrm{LS}}={\mathrm{\Σ}}_i{P}_{\mathrm{LSi}}\\ P_{\mathrm{LSi}}\≤P_{\mathrm{Li},\mathrm{Max}}\end{array}\right.$    式(8)

$\left\{\begin{array}{c}{C}_{\mathrm{Mci}}^{[k+1]}\left(t\right)=W*{C_{\mathrm{Mci}}}^{\left[k\right]}\left(t\right)\\ C_{\mathrm{Mc},C}=\frac{{\mathrm{\Σ}}_i{C}_{\mathrm{Mci}}}{n}\end{array}\right.$    式(9)

式中，C_i表示第i个代理切负荷的成本函数，C_TOT表示微电网切负荷的总成本，μ_i表示切负荷意愿的变量，P_LSi表示第i个代理的切负荷量，P_LS是微电网的切除的负荷总量，P_G表示微电网的总发电量，P_L表示微电网的总负荷量，P_Li,Max表示微电网中负荷的最大切除量；C_Mci ^[k+1]为代理i在第k+1次迭代时，切负荷的边际成本；C_Mci ^[k]为代理i在第k次迭代时，切负荷的边际成本；W为校正矩阵；C_Mci表示第i个代理切负荷的边际成本；C_Mc,C为边际成本的平均值；当所有负荷的边际成本渐近收敛于一个共同的值C_Mc,IACA时，C_Mc1＝C_Mc2＝...＝C_Mci＝…＝C_Mc,IACA，得到每个负荷的减载量。

步骤50)根据步骤40)得到的每个负荷的减载量，进行切负荷操作，实现孤岛微电网的分散式最优减载，使微电网频率恢复到额定值。

本发明的控制方法能够实现孤岛微电网分散式成本最优的切负荷，可以实现高效的分散式全局信息共享，并考虑成本和边际成本，进行精确的切负荷成本优化，具有良好的自适应性，可以满足分布式单元即插即用的需求。

下面例举一个实施例。

如图2所示，本实施例采用的仿真微电网***的通信拓扑图。该仿真微电网由微型燃气轮机(简称MT)、风力发电机组(简称WT)、光伏***(简称PV)、小水电(简称MH)及5个负荷单元(Load)(Load1、Load2、Load3、Load4、Load5)组成，各分布式单元由电力电子元件接入0.38kV低压配电网。***有5个分布式代理(Agent)，分别用A1，A2，A3，A4，A5表示。一个代理只能与其在通信拓扑上直接相邻的代理进行通信。基于电力***计算机辅助设计/含直流电磁暂态仿真(英文简称：PSCAD/EMTDC)平台搭建仿真微电网模型，在矩阵实验室(英文简称MATLAB)中模拟多代理***，建立多智能体***第一层的全局信息共享和微电网分散式成本优化的切负荷算法程序，利用Fortran语言编译接口程序将MATLAB中的算法与电力***计算机辅助设计(英文简称PSCAD)模型联合运行，从而利用联合仿真技术实现本发明的控制方法的仿真验证。

针对孤岛模式的微电网发生过载的情况进行了仿真，验证本发明方法的控制效果，即分散式全局信息共享、切负荷的分散式成本优化和孤岛微电网的分散式最优切负荷。仿真开始时，微电网运行在并网模式，所有分布式电源运行于PQ(对应中文为：恒功率控制)控制模式下。2秒时，微电网与主网断开独立运行，微型燃气轮机从PQ控制变为V/f(对应中文为：恒压/恒频控制)控制，以维持微电网的功率平衡。5秒时，孤岛微电网发生过载事故，导致此时功率的供需不平衡，频率开始波动。当***频率低于49.5Hz时，实施本发明的切负荷控制方法。仿真结果如图3至图11所示。

如图3至图6所示，在收敛因子θ的不同设定值下，多代理***完成基于平均一致算法的全局信息共享，各代理共享信息收敛于一个共同值，约为2.5千瓦。当收敛因子θ的设定值为0.8时，达到一致所需的迭代次数最少，约为13次，获得全局信息的通信延时最小。通过第一层中获取的全局信息，在第二层中可以实现完全分散的无领导者的分散式切负荷成本优化。

如图7所示，在第二层中实现分散式成本优化，本地的分布式代理测算出各负荷减载的成本和边际成本。图7中，横坐标表示迭代次数；纵坐标表示需要切除的总负荷量，单位：千瓦。从图7和图8可以看出，在基于平均一致算法的分散式成本优化同步处理后，所有负荷的边际成本渐近收敛于一个共同的值，得到每个代理的减载量。

图9中，P_mt表示微型燃气轮机的有功功率输出曲线。2s时，***由并网运行转为孤岛运行，微型燃气轮机由PQ控制转为V/f控制，弥补***的少量功率缺额，输出功率略有增加。5s时，孤岛微电网发生过载事故，微型燃气轮机增发功率。实施本发明的切负荷控制方法后，输出功率降为原输出功率，并维持稳定运行。P_mh表示小水电的有功功率输出曲线。小水电运行于PQ控制模式下，维持稳定的功率输出。P_pv表示光伏的有功功率输出曲线。光伏运行于PQ控制模式下，维持稳定的功率输出。P_wt表示风力发电机组的有功功率输出曲线。风力发电机组运行于PQ控制模式下，维持稳定的功率输出。P_main表示主电网的有功功率输出曲线。2s时，***由并网运行转为孤岛运行，主电网向微电网输出功率变为0。图10微电网频率曲线。2s时，***由并网运行准尉孤岛运行，***频率略有下降，仍处于正常范围内。5s时，孤岛微电网发生过载故障，***频率急剧下降。当***频率低于49.5Hz时，实施本发明的切负荷控制方法，***频率迅速恢复至额定值。图11为微电网电压曲线，微电网电压一直稳定地维持在额定值。

从图9—图11可以看出：5秒时，孤岛微电网发生过载事故，导致此时功率的供需不平衡，孤岛微电网发生功率缺失故障，微电网出现功率缺额，频率向下偏移。当***频率低于49.5Hz时，根据分散式成本优化的结果，进行切负荷。可以看出，在实施分散式成本最优的切负荷后，孤岛微电网的频率恢复到额定值。本发明提出的方法有很好地控制效果。

本发明所提出一种孤岛微电网分散式成本优化的切负荷控制方法，基于多代理***的双层平均一致算法，能够实现孤岛微电网分散式成本最优的切负荷，可以实现高效的分散式全局信息共享，并考虑成本和边际成本，进行精确切负荷成本优化，具有良好的自适应性。

Claims (4)

1.一种用于降低孤岛微电网切负荷成本的控制方法，其特征在于，该控制方法包括下述步骤：

步骤10)获取微电网的总功率缺额：微电网采用多代理***，多代理***包括两层：第一层为用于实现分散式的全局信息的采集与共享的信息共享层；第二层为用于实现分布式发电单元和负荷的控制的本地控制层；多代理***中共有n个代理；各代理通过第一层获取全局信息，通过第二层直接实现分布式发电单元和负荷的控制；当孤岛模式的微电网发生功率缺失故障时，多代理***监测到整个微电网的功率扰动，得到微电网的总功率缺额；

步骤20)实现总功率缺额的共享：在第一层中，基于平均一致算法进行分散式全局信息分享，实现总功率缺额在多代理***中的共享；

步骤30)测算本地切负荷的成本和边际成本：在第二层中，每个代理依据式(5)测算出本地切负荷的成本，同时，依据式(6)测算出本地切负荷的边际成本：

C_i(μ_i,P_LSi)＝k₁P_LSi ²+k₂P_LSi-k₂P_LSiμ_i         式(5)

C_Mci(μ_i,P_LSi)＝2k₁P_LSi+k₂-k₂μ_i        式(6)

式中，C_i表示第i个代理切负荷的成本函数，C_Mci表示第i个代理切负荷的边际成本函数；k₁是函数中二次项系数；k₂是函数中一次项系数；P_LSi表示第i个代理的切负荷量，μ_i表示切负荷意愿的变量；

步骤40)测算每个负荷的减载量：采用平均一致算法进行切负荷的分散式成本优化，得到每个负荷的减载量；

步骤50)进行切负荷操作：根据步骤40)得到的每个负荷的减载量，进行切负荷操作，实现孤岛微电网的分散式最优减载，使微电网频率恢复到额定值。

2.按照权利要求1所述的用于降低孤岛微电网切负荷成本的控制方法，其特征在于，所述的步骤20)包括以下过程：利用式(1)迭代计算出每个代理的功率缺额，直至所有代理的功率缺额相等时，完成总功率缺额在多代理***中的共享:

其中，w_ij满足式(2)和式(3)：

$\left\{\begin{array}{c}{\mathrm{\Σ}}_i{w}_{\mathrm{ij}}=1\\ {\mathrm{\Σ}}_j{w}_{\mathrm{ij}}=1\end{array}\right.$     式(3)

$\left[\begin{array}{ccccc}1-\underset{j\∈N_1}{\mathrm{\Σ}}{w}_{1j}& \·\·\·& w_{1i}& \·\·\·& w_{1n}\\ \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·\\ w_{i1}& \·\·\·& 1-\underset{j\∈N_i}{\mathrm{\Σ}}{w}_{\mathrm{ij}}& \·\·\·& w_{\mathrm{in}}\\ \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·\\ w_{n1}& \·\·\·& w_{\mathrm{ni}}& \·\·\·& 1-\underset{i\∈N_n}{\mathrm{\Σ}}{w}_{\mathrm{nj}}\end{array}\right]$    式(4)

式中，表示代理i在k+1次迭代时共享的信息，表示代理i在k次迭代时共享的信息，为代理j在k次迭代时共享的信息，p_i表示多代理***中的代理i的状态变量；i＝1、2、...、n,j＝1、2、...、n,k为离散时间指数；P^[k+1]表示k+1次迭代时的信息共享矩阵，P^[k]为k次迭代时的信息共享矩阵，W为校正矩阵，如式(4)所示；w_ij是W矩阵的第(i，j)个元素，当代理i和j有通信线路连接时，w_ij不等于0，否则w_ij＝0；N_i为代理i相邻的代理的合集，n_i为与代理i相邻的代理数目；n_j为与代理j相邻的代理数目；θ是影响平均一致算法收敛速度的收敛因子，0＜θ＜1；t表示时间；w_1j表示W矩阵的第(1，j)个元素，w_1i表示W矩阵的第(1，i)个元素，w_1n表示W矩阵的第(1，n)个元素，w_i1表示W矩阵的第(i，1)个元素，w_in表示W矩阵的第(i，n)个元素，w_n1表示W矩阵的第(n，1)个元素，w_ni表示W矩阵的第(n，i)个元素，w_nj表示W矩阵的第(n，j)个元素。

3.按照权利要求1所述的用于降低孤岛微电网切负荷成本的控制方法，其特征在于，当微电网的拓扑结构发生变化时，利用式(2)和式(3)对w_ij进行更新。

4.按照权利要求1所述的用于降低孤岛微电网切负荷成本的控制方法，其特征在于，所述的步骤40)中，切负荷的分散式成本优化目标为式(7)所示，平均一致算法中的约束条件如式(8)所示，平均一致算法中的迭代计算如式(9)所示，

$\mathrm{Min}\{C_{\mathrm{TOT}}=\underset{i}{\mathrm{\Σ}}{C}_i({\mathrm{\μ}}_i,P_{\mathrm{LSi}})\}$    式(7)

$\left\{\begin{array}{c}{P}_{\mathrm{LS}}=P_G-P_L\\ P_{\mathrm{LS}}={\mathrm{\Σ}}_i{P}_{\mathrm{LSi}}\\ P_{\mathrm{LSi}}\≤P_{\mathrm{Li},\mathrm{Max}}\end{array}\right.$    式(8)

$\left\{\begin{array}{c}{C}_{\mathrm{Mci}}^{[k+1]}\left(t\right)=W*{C_{\mathrm{Mci}}}^{\left[k\right]}\left(t\right)\\ C_{\mathrm{Mc},C}=\frac{{\mathrm{\Σ}}_i{C}_{\mathrm{Mci}}}{n}\end{array}\right.$     式(9)

式中，C_i表示第i个代理切负荷的成本函数，C_TOT表示微电网切负荷的总成本，μ_i表示切负荷意愿的变量，P_LSi表示第i个代理的切负荷量，P_LS是微电网的切除的负荷总量，P_G表示微电网的总发电量，P_L表示微电网的总负荷量，P_Li,Max表示微电网中负荷的最大切除量；C_Mci ^[k+1]为代理i在第k+1次迭代时，切负荷的边际成本；C_Mci ^[k]为代理i在第k次迭代时，切负荷的边际成本；W为校正矩阵；C_Mci表示第i个代理切负荷的边际成本；C_Mc,C为边际成本的平均值；当所有负荷的边际成本渐近收敛于一个共同的值C_Mc,IACA时，C_Mc1＝C_Mc2＝...＝C_Mci＝…＝C_Mc,IACA，得到每个负荷的减载量。