微电网技术是近年来发展起来的一种新型电力分配范式，它为分布式能源资源、储能系统以及分散式负载的本地互联提供了一套系统的方法。微电网的一个核心要求是无论处于孤岛模式还是并网模式下，都必须维持供电与需求之间的平衡。微电网系统需要考虑可再生能源的集成，其中风能由于其效率高和经济性好，成为增长最快的可再生能源类型之一。然而，风力发电输出具有不确定性和波动性，这就要求有高效的协调控制策略，以适应这种不确定性，保证系统的稳定运行。
在微电网中，插电式电动汽车（PEVs）的普及为能源管理和需求响应提供了新的机遇。电动汽车不仅能够作为灵活的负载参与电能平衡，还能作为分布式储能单元进行能量的储存和释放。因此，研究如何协调PEV充电和风力发电具有重要的理论价值和实际意义。
针对微电网中PEV和风力发电机的随机协调问题，本文提出了一种分层随机预测控制方案。该方案包括两个层面：上层是一个随机预测控制器，它基于非高斯风力发电预测分布来协调PEV聚合器和风力涡轮机的运行；下层则负责根据上层提供的功率参考值，执行最优的聚合充放电命令。
具体到模型预测控制（MPC），它是一种先进的控制策略，能够利用预测模型来优化系统当前和未来一段时间内的控制行为。MPC尤其适合处理具有约束和不确定性动态系统的问题，这在风力发电和PEV的协调控制中尤为重要。通过滚动优化和反馈校正机制，MPC能够动态调整控制策略以应对系统的不确定性和变化。
在该方案中，风力发电的不确定性被建模为非高斯分布，这可以更准确地描述风力发电的统计特性，因为它考虑了风力发电波动性较强的尾部风险。而非高斯预测分布的使用，可以在控制模型中引入概率约束，通过设定置信水平参数来考虑预测误差的容忍度，从而在保证一定置信水平的前提下做出控制决策。
上层控制层会根据预测模型计算出的功率参考值发送到下层，下层控制器需要解决优化问题，同时满足PEV电池的充放电状态（SOC）约束、预测误差约束以及其他系统限制。为了保证控制的可行性和优化性能，该层会使用松弛变量来处理和放宽约束条件，以达成在给定预测误差容忍度下的最优控制。
文章还涉及了对双馈感应发电机（DFIG）的控制策略。DFIG是风力发电中常用的一种发电机类型，它通过调节转子电流来控制输出功率，因此对其转速的预测控制尤为重要。DFIG控制器会预测未来的功率输出，并根据这些预测来调节转子速度，以达到最大功率点。控制器会设定转子机械速度的最小和最大值，以防止设备过载。同时，DFIG控制器内还涉及到了一个前瞻步长，它有助于预测系统动态并提前做出控制调整。
文章提到了PEV控制器内的权衡系数，该系数在控制器的性能优化中起到关键作用。通过调整这些权衡系数，可以在满足系统约束的同时，最大化PEV充电和放电的灵活性和效率。
本文提出的方法能够有效地协调PEV和风力发电机，以应对风能输出的不确定性，实现微电网中能源资源的高效利用。通过模型预测控制方法，该策略能够在满足安全和稳定运行要求的同时，优化能源利用效率，具有重要的理论价值和应用前景。
