一种微电网调度方法、装置、设备及存储介质与流程

本发明涉及电力系统技术领域，特别涉及一种微电网调度方法、装置、设备及存储介质。

背景技术

可再生分布式电源的大规模渗透给电力系统的运行和调度带来了影响。在这种情况下，微电网作为解决上述问题的有效方法已受到业界的广泛关注。MG是一种可控的独立电力系统，通过高效的能源管理和协调控制技术，将分布式电源、储能装置和需求侧负荷相结合，形成可控单元。分布式电源、微电网、储能装置和需求侧负荷(源网荷储)之间的协调相互作用可以减轻可再生分布式电源大规模渗透的影响。然而，分布式电源的出力不确定性可能会影响微电网调度的经济性和稳定性。

因此，如何提高微电网调度的灵活度、准确性及效率是本领域技术人员亟待解决的技术问题。

技术实现要素：

有鉴于此，本发明的目的在于提供一种微电网调度方法、装置、设备及存储介质，能够提高调度灵活度和准确性，保证电力最大化利用率，同时节省计算时间从而提高调度效率。其具体方案如下：

本申请的第一方面提供了一种微电网调度方法，包括：

构建与微电网对应的运行模型；其中，所述运行模型表征微电网中的分布式电源、电力柔性负荷及储能装置的运行约束；

获取分布式电源出力的历史预测误差数据以确定出分布式电源出力的真实概率分布和经验概率分布，并基于所述真实概率分布和所述经验概率分布通过分布鲁棒优化方法构建分布式电源出力不确定性的模糊概率分布集合；

基于所述运行模型和所述模糊概率分布集合构建满足调度优化条件的调度模型，以利用由所述调度模型生成的优化后的调度策略对微电网进行调度。

可选的，所述构建与微电网对应的运行模型，包括：

分别构建所述分布式电源的第一运行约束、所述电力柔性负荷的第二运行约束及所述储能装置的第三运行约束；

所述第一运行约束为：

其中，和分别为t时刻的分布式电源出力和风速，vN、vin和vout分别为所述分布式电源的额定风速、切入风速和切出风速，PN为所述分布式电源的额定功率；

所述第二运行约束为：

其中，和分别为t时刻的所述电力柔性负荷参与的激励型需求响应功率和价格型需求响应功率，为t时刻的电负荷，和分别为激励型需求响应和价格型需求响应的最大比例系数，和分别为t时刻的价格型需求响应的转出功率和转入功率，和分别为t时刻的价格型需求响应的转出二进制系数和转入二进制系数，T为调度时刻数量；

所述第三运行约束为：

其中，和分别为t时刻所述储能装置的充放电功率，和分别为所述储能装置的充放电功率上限，和分别为t时刻所述储能装置的充放电二进制系数，和分别为t时刻和t-1时刻的所述储能装置SOC值，和分别为所述储能装置的电能耗散系数、充电效率和放电效率，Δt为相邻调度时刻的时间间隔。

可选的，所述获取分布式电源出力的历史预测误差数据以确定出分布式电源出力的真实概率分布和经验概率分布，并基于所述真实概率分布和所述经验概率分布通过分布鲁棒优化方法构建分布式电源出力不确定性的模糊概率分布集合，包括：

获取分布式电源出力的所述历史预测误差数据κ，以确定出分布式电源出力的所述真实概率分布和所述经验概率分布

根据第一关系式计算所述真实概率分布与所述经验概率分布之间的Wasserstein距离并根据所述Wasserstein距离通过第二关系式确定出所述模糊概率分布集合Wκ；

所述第一关系式为：

其中，为所述经验概率分布的随机变量，L为所述经验概率分布和所述真实概率分布的联合分布，为两个随机变量的1-范数距离，Ξ为的支撑集合；

所述第二关系式为：

其中，为所述Wasserstein距离的预设阈值。

可选的，所述微电网调度方法，还包括：

根据第三关系式利用所述历史预测误差数据κ确定出所述预设阈值

所述第三关系式为：

其中，βκ为所述历史预测误差数据κ的置信水平，η为辅助变量，为所述历史预测误差数据κ的平均值。

可选的，所述调度模型为使得目标函数最小化的模型；

所述目标函数为：

相应的：

其中，q^t＝e^Tκ^t，和分别为t时刻的天然气单价和电价，和分别为t时刻向售电公司购买的电功率和向天然气公司购买的天然气，为t时刻微电网中的燃气轮机实际消耗的天然气，为t时刻燃气轮机的实际出力，NGT为燃气轮机的数量，pIBDR和pPBDR分别为激励型需求响应和价格型需求响应的补偿单价，和均为t时刻的第i个燃气轮机的价格系数。

可选的，所述微电网调度方法，还包括：

根据强对偶理论对所述目标函数进行改进，以得到改进后的目标函数及新增约束，并利用重构线性化方法将新增约束分别转化为对应的线性约束；

改进后的目标函数为：

新增约束为：

其中，λ^t和为t时刻的辅助变量；

转化后的线性约束为：

其中，X^t＝x^t(x^t)^T为对称矩阵，z^t和c^t均为t时刻的辅助变量，和分别为x^t的上、下限，

可选的，所述微电网调度方法，还包括：

构建与所述目标函数对应的功率平衡约束，并根据所述功率平衡约束构建所述调度模型；

所述功率平衡约束为：

其中，NRES为所述分布式电源的数量，和分别为第j个所述分布式电源在t时刻的分布式电源预测出力和中断功率，为t时刻向售电公司的供电功率，为t时刻的电负荷值。

本申请的第二方面提供了一种微电网调度装置，包括：

第一构建模块，用于构建与微电网对应的运行模型；其中，所述运行模型表征微电网中的分布式电源、电力柔性负荷及储能装置的运行约束；

第二构建模块，用于获取分布式电源出力的历史预测误差数据以确定出分布式电源出力的真实概率分布和经验概率分布，并基于所述真实概率分布和所述经验概率分布通过分布鲁棒优化方法构建分布式电源出力不确定性的模糊概率分布集合；

第三构建模块，用于基于所述运行模型和所述模糊概率分布集合构建满足调度优化条件的调度模型，以利用由所述调度模型生成的优化后的调度策略对微电网进行调度。

本申请的第三方面提供了一种电子设备，所述电子设备包括处理器和存储器；其中所述存储器用于存储计算机程序，所述计算机程序由所述处理器加载并执行以实现前述微电网调度方法。

本申请的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器加载并执行时，实现前述微电网调度方法。

本申请中，先构建与微电网对应的运行模型；其中，所述运行模型表征微电网中的分布式电源、电力柔性负荷及储能装置的运行约束；然后获取分布式电源出力的历史预测误差数据以确定出分布式电源出力的真实概率分布和经验概率分布，并基于所述真实概率分布和所述经验概率分布通过分布鲁棒优化方法构建分布式电源出力不确定性的模糊概率分布集合；最后基于所述运行模型和所述模糊概率分布集合构建满足调度优化条件的调度模型，以利用由所述调度模型生成的优化后的调度策略对微电网进行调度。本申请的运行模型考虑分布式电源、电力柔性负荷及储能装置的运行约束，提高调度灵活度和准确性，保证电力最大化利用率。同时利用分布鲁棒优化方法对可再生分布电源出力不确定性这一问题进行优化，节省计算时间从而提高调度效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本申请提供的一种微电网调度方法流程图；

图2为本申请提供的一种微电网调度策略结果图；

图3为本申请提供的一种微电网调度装置结构示意图；

图4为本申请提供的一种微电网调度电子设备结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

考虑到可再生分布式电源的大规模渗透给电力系统的运行和调度带来的影响，分布式电源的出力不确定性可能会影响微电网调度的经济性和稳定性。针对上述技术缺陷，本申请提供一种微电网调度方案，能够提高调度灵活度和准确性，保证电力最大化利用率，同时节省计算时间从而提高调度效率。

图1为本申请实施例提供的一种微电网调度方法流程图。参见图1所示，该微电网调度方法包括：

S11：构建与微电网对应的运行模型；其中，所述运行模型表征微电网中的分布式电源、电力柔性负荷及储能装置的运行约束。

本实施例中，先构建与微电网对应的运行模型，所述运行模型表征微电网中的分布式电源、电力柔性负荷及储能装置的运行约束。本实施例中的微电网可以特指农村微电网，包括分布式电源、燃气轮机、储能装置和电力负荷。具体的，分别构建所述分布式电源的第一运行约束、所述电力柔性负荷的第二运行约束及所述储能装置的第三运行约束。

本实施例中，所述分布式电源为可再生分布式电源，例如风电分布式电源等。由于风电分布式电源出力和风速相关，所述第一运行约束为：

其中，和分别为t时刻的分布式电源出力和风速，vN、vin和vout分别为所述分布式电源的额定风速、切入风速和切出风速，PN为所述分布式电源的额定功率。

本实施例中，所述电力柔性负荷可以参与需求侧响应，需求响应包括激励型需求响应和价格型需求响应。激励型需求响应指的是对负荷进行切除并给予一定的经济补偿，价格型需求响应指的是通过改变电价来引导用户自主改变用电行为。因此，所述第二运行约束为：

其中，和分别为t时刻的所述电力柔性负荷参与的激励型需求响应功率和价格型需求响应功率，为t时刻的电负荷，和分别为激励型需求响应和价格型需求响应的最大比例系数，和分别为t时刻的价格型需求响应的转出功率和转入功率，和分别为t时刻的价格型需求响应的转出二进制系数和转入二进制系数，T为调度时刻数量。

本实施例中，所述储能装置的运行约束也即所述第三运行约束为：

其中，和分别为t时刻所述储能装置的充放电功率，和分别为所述储能装置的充放电功率上限，和分别为t时刻所述储能装置的充放电二进制系数，和分别为t时刻和t-1时刻的所述储能装置SOC值，和分别为所述储能装置的电能耗散系数、充电效率和放电效率，Δt为相邻调度时刻的时间间隔。

S12：获取分布式电源出力的历史预测误差数据以确定出分布式电源出力的真实概率分布和经验概率分布，并基于所述真实概率分布和所述经验概率分布通过分布鲁棒优化方法构建分布式电源出力不确定性的模糊概率分布集合。

本实施例中，先获取分布式电源出力的历史预测误差数据以确定出分布式电源出力的真实概率分布和经验概率分布，然后基于所述真实概率分布和所述经验概率分布通过分布鲁棒优化方法构建分布式电源出力不确定性的模糊概率分布集合。所述分布式电源出力的预测误差为随机变量，定义为κ。所述历史预测误差数据可以为其真实的概率分布提供有用的概率信息，从而构建预测误差的经验概率分布Wasserstein距离被用来精确地衡量和之间的欧氏距离，进而以为球心、以和之间的欧氏距离为半径构建所述分布式电源出力预测误差的所述模糊概率分布集合Wκ。公式如下：

式中，为所述经验概率分布的随机变量，L为所述经验概率分布和所述真实概率分布的联合分布，为两个随机变量的1-范数距离，Ξ为的支撑集合。

本实施例中，为所述Wasserstein距离的预设阈值，也即Wasserstein球的半径可以通过已有的风电出力预测误差历史数据得到。公式如下：

式中，βκ为所述历史预测误差数据κ的置信水平，η为辅助变量，为所述历史预测误差数据κ的平均值。

当然，本实施例还可以采用随机规划方法和鲁棒优化方处理分布式电源出力不确定性，但随机规划方法需要大量的计算时间，而鲁棒优化方法的求解结果往往过于保守。本申请的分布式鲁棒优化方法被用来处理电力系统中可再生分布式电源出力的不确定性，可以克服随机规划和鲁棒优化方法的缺点。

S13：基于所述运行模型和所述模糊概率分布集合构建满足调度优化条件的调度模型，以利用由所述调度模型生成的优化后的调度策略对微电网进行调度。

本实施例中，先基于所述运行模型和所述模糊概率分布集合构建满足调度优化条件的调度模型，然后利用由所述调度模型生成的优化后的调度策略对微电网进行调度。其中，所述调度模型为使得目标函数最小化的模型，所述目标函数也即为最小化农村微电网的运行成本的函数，公式如下：

其中，q^t＝e^Tκ^t，和分别为t时刻的天然气单价和电价，和分别为t时刻向售电公司购买的电功率和向天然气公司购买的天然气，为t时刻微电网中的燃气轮机实际消耗的天然气，为t时刻燃气轮机的实际出力，NGT为燃气轮机的数量，pIBDR和pPBDR分别为激励型需求响应和价格型需求响应的补偿单价，和均为t时刻的第i个燃气轮机的价格系数。

进一步的，本实施例根据强对偶理论对所述目标函数进行改进，以得到改进后的目标函数及新增约束，并利用重构线性化方法将新增约束分别转化为对应的线性约束。改进后的目标函数为：

其中，λ^t和为t时刻的辅助变量；

运用强对偶理论之后，所述目标函数转化为线性方程，但是附加的3个约束条件为二次约束，难以运用求解器进行求解。因此，运用重构线性化技术对强对偶理论带来的3个二次约束条件进行处理，每个约束条件转化后的线性约束为：

其中，X^t＝x^t(x^t)^T为对称矩阵，z^t和c^t均为t时刻的辅助变量，和分别为x^t的上、下限，

本实施例中，农村微电网优化调度模型还需要满足功率平衡约束，公式如下：

其中，NRES为所述分布式电源的数量，和分别为第j个所述分布式电源在t时刻的分布式电源预测出力和中断功率，为t时刻向售电公司的供电功率，为t时刻的电负荷值。

最后，可以在Matlab平台上运用CPLEX求解器对模型进行求解即可得到农村微电网的调度策略。以某地区的农村微电网为例，图2为运用本实施例方法得到的调度策略，由图2可知，3.54MW的电负荷从8:00-19:00转移至1:00-7:00和20:00-24:00，1.77MW的电负荷在10:00-12:00和17:00-19:00进行中断。这是因为将电负荷从高电价时段转移至低电价时段，以及在高电价时段中断部分电负荷，可以降低农村微电网的运行成本。此外，储能装置在10:00-12:00和16:00-18:00的高电价时段放电，在5:00-6:00和23:00-24:00的低电价时段充电。储能装置的上述“低充高放”策略可以降低农村微电网的运行成本。

为了更清楚地验证需求响应和储能装置的有效性，将本实施例方法所提模型与其他优化调度模型进行对比。模型1为不考虑需求响应和储能装置的优化调度模型，模型2为考虑储能装置的优化调度模型，模型3为考虑需求响应的优化调度模型，本发明方法所提模型考虑需求响应和储能装置。4个优化调度模型求解得到的农村微电网运行成本如表1所示。由表1可知，本发明方法的农村微电网运行成本分别比模型1至模型3降低了1.7％、1.3％和1.0％，这是因为储能装置和需求响应可以提高农村微电网的调度灵活性，实现源网荷储的协调互动，从而降低农村微电网的运行成本。

表1

分布鲁棒优化方法、鲁棒优化方法和随机规划方法的优化调度结果对比如表2所示。由表2可知，鲁棒优化方法得到的运行成本最大，随机规划方法得到的运行成本最小，本发明方法得到的运行成本介于二者之间，这是因为本发明方法结合了鲁棒优化和随机规划方法的优点，兼顾了调度策略的鲁棒性和经济性。此外，本发明方法的运行成本随着历史样本数量的增加而减小，这是因为分布式电源出力预测误差的概率分布模糊集合随着历史样本数量的增加变得越来越接近真实概率分布，所以调度策略的鲁棒性降低，经济性增加。由表2还可以看出，随机规划方法的求解时间最长，这是因为它需要考虑农村微电网的大量运行场景。尽管本发明方法的求解时间随着历史样本数量的增加而增加，但是相比整个调度时刻是可以接受的。

表2

可见，本申请实施例先构建与微电网对应的运行模型；其中，所述运行模型表征微电网中的分布式电源、电力柔性负荷及储能装置的运行约束；然后获取分布式电源出力的历史预测误差数据以确定出分布式电源出力的真实概率分布和经验概率分布，并基于所述真实概率分布和所述经验概率分布通过分布鲁棒优化方法构建分布式电源出力不确定性的模糊概率分布集合；最后基于所述运行模型和所述模糊概率分布集合构建满足调度优化条件的调度模型，以利用由所述调度模型生成的优化后的调度策略对微电网进行调度。本申请实施例的运行模型考虑分布式电源、电力柔性负荷及储能装置的运行约束，提高调度灵活度和准确性，保证电力最大化利用率。同时利用分布鲁棒优化方法对可再生分布电源出力不确定性这一问题进行优化，节省计算时间从而提高调度效率。

参见图3所示，本申请实施例还相应公开了一种微电网调度装置，包括：

第一构建模块11，用于构建与微电网对应的运行模型；其中，所述运行模型表征微电网中的分布式电源、电力柔性负荷及储能装置的运行约束；

第二构建模块12，用于获取分布式电源出力的历史预测误差数据以确定出分布式电源出力的真实概率分布和经验概率分布，并基于所述真实概率分布和所述经验概率分布通过分布鲁棒优化方法构建分布式电源出力不确定性的模糊概率分布集合；

第三构建模块13，用于基于所述运行模型和所述模糊概率分布集合构建满足调度优化条件的调度模型，以利用由所述调度模型生成的优化后的调度策略对微电网进行调度。

可见，本申请实施例先构建与微电网对应的运行模型；其中，所述运行模型表征微电网中的分布式电源、电力柔性负荷及储能装置的运行约束；然后获取分布式电源出力的历史预测误差数据以确定出分布式电源出力的真实概率分布和经验概率分布，并基于所述真实概率分布和所述经验概率分布通过分布鲁棒优化方法构建分布式电源出力不确定性的模糊概率分布集合；最后基于所述运行模型和所述模糊概率分布集合构建满足调度优化条件的调度模型，以利用由所述调度模型生成的优化后的调度策略对微电网进行调度。本申请实施例的运行模型考虑分布式电源、电力柔性负荷及储能装置的运行约束，提高调度灵活度和准确性，保证电力最大化利用率。同时利用分布鲁棒优化方法对可再生分布电源出力不确定性这一问题进行优化，节省计算时间从而提高调度效率。

在一些具体实施例中，所述第一构建模块11，具体包括：

第一约束单元，用于构建所述分布式电源的第一运行约束；所述第一运行约束为：

其中，和分别为t时刻的分布式电源出力和风速，vN、vin和vout分别为所述分布式电源的额定风速、切入风速和切出风速，PN为所述分布式电源的额定功率；

第二约束单元，用于构建所述分布式电源的第二运行约束；所述第二运行约束为：

其中，和分别为t时刻的所述电力柔性负荷参与的激励型需求响应功率和价格型需求响应功率，为t时刻的电负荷，和分别为激励型需求响应和价格型需求响应的最大比例系数，和分别为t时刻的价格型需求响应的转出功率和转入功率，和分别为t时刻的价格型需求响应的转出二进制系数和转入二进制系数，T为调度时刻数量；

第三约束单元，用于构建所述分布式电源的第三运行约束；所述第三运行约束为：

其中，和分别为t时刻所述储能装置的充放电功率，和分别为所述储能装置的充放电功率上限，和分别为t时刻所述储能装置的充放电二进制系数，和分别为t时刻和t-1时刻的所述储能装置SOC值，和分别为所述储能装置的电能耗散系数、充电效率和放电效率，Δt为相邻调度时刻的时间间隔。

在一些具体实施例中，所述第二构建模块12，具体包括：

获取确定单元，用于获取分布式电源出力的所述历史预测误差数据κ，以确定出分布式电源出力的所述真实概率分布和所述经验概率分布

计算确定单元，用于根据第一关系式计算所述真实概率分布与所述经验概率分布之间的Wasserstein距离并根据所述Wasserstein距离通过第二关系式确定出所述模糊概率分布集合Wκ；

所述第一关系式为：

其中，为所述经验概率分布的随机变量，L为所述经验概率分布和所述真实概率分布的联合分布，为两个随机变量的1-范数距离，Ξ为的支撑集合；

所述第二关系式为：

其中，为所述Wasserstein距离的预设阈值。

在一些具体实施例中，所述微电网调度装置还包括：

阈值计算模块，用于根据第三关系式利用所述历史预测误差数据κ确定出所述预设阈值

所述第三关系式为：

其中，βκ为所述历史预测误差数据κ的置信水平，η为辅助变量，为所述历史预测误差数据κ的平均值。

在一些具体实施例中，所述第三构建模块13中的所述调度模型为使得目标函数最小化的模型；

所述目标函数为：

相应的：

其中，q^t＝e^Tκ^t，和分别为t时刻的天然气单价和电价，和分别为t时刻向售电公司购买的电功率和向天然气公司购买的天然气，为t时刻微电网中的燃气轮机实际消耗的天然气，为t时刻燃气轮机的实际出力，NGT为燃气轮机的数量，pIBDR和pPBDR分别为激励型需求响应和价格型需求响应的补偿单价，和均为t时刻的第i个燃气轮机的价格系数；

相应的，所述微电网调度装置还包括：

改进转化模块，用于根据强对偶理论对所述目标函数进行改进，以得到改进后的目标函数及新增约束，并利用重构线性化方法将新增约束分别转化为对应的线性约束；

改进后的目标函数为：

新增约束为：

其中，λ^t和为t时刻的辅助变量；

转化后的线性约束为：

其中，X^t＝x^t(x^t)^T为对称矩阵，z^t和c^t均为t时刻的辅助变量，和分别为x^t的上、下限，

约束构建模块，用于构建与所述目标函数对应的功率平衡约束，并根据所述功率平衡约束构建所述调度模型；

所述功率平衡约束为：

其中，NRES为所述分布式电源的数量，和分别为第j个所述分布式电源在t时刻的分布式电源预测出力和中断功率，为t时刻向售电公司的供电功率，为t时刻的电负荷值。

进一步的，本申请实施例还提供了一种电子设备。图4是根据一示例性实施例示出的电子设备20结构图，图中的内容不能认为是对本申请的使用范围的任何限制。

图4为本申请实施例提供的一种电子设备20的结构示意图。该电子设备20，具体可以包括：至少一个处理器21、至少一个存储器22、电源23、通信接口24、输入输出接口25和通信总线26。其中，所述存储器22用于存储计算机程序，所述计算机程序由所述处理器21加载并执行，以实现前述任一实施例公开的微电网调度方法中的相关步骤。

本实施例中，电源23用于为电子设备20上的各硬件设备提供工作电压；通信接口24能够为电子设备20创建与外界设备之间的数据传输通道，其所遵循的通信协议是能够适用于本申请技术方案的任意通信协议，在此不对其进行具体限定；输入输出接口25，用于获取外界输入数据或向外界输出数据，其具体的接口类型可以根据具体应用需要进行选取，在此不进行具体限定。

另外，存储器22作为资源存储的载体，可以是只读存储器、随机存储器、磁盘或者光盘等，其上所存储的资源可以包括操作系统221、计算机程序222及数据223等，存储方式可以是短暂存储或者永久存储。

其中，操作系统221用于管理与控制电子设备20上的各硬件设备以及计算机程序222，以实现处理器21对存储器22中海量数据223的运算与处理，其可以是Windows Server、Netware、Unix、Linux等。计算机程序222除了包括能够用于完成前述任一实施例公开的由电子设备20执行的微电网调度方法的计算机程序之外，还可以进一步包括能够用于完成其他特定工作的计算机程序。数据223可以包括电子设备20收集到的误差数据等。

进一步的，本申请实施例还公开了一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序被处理器加载并执行时，实现前述任一实施例公开的微电网调度方法步骤。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个…”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上对本发明所提供的微电网调度方法、装置、设备及存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。