In this brief, the online energy management problem of a grid-connected microgrid is studied. The considered microgrid is a typical system that consists of renewable energy generations (RG), local co-generations with combined heat and power supply, the electricity and heat energy storage systems (ESS) (e.g., battery and thermal tank), and the centralized power grid (PG), as well as the external natural gas station. This brief aims to minimize the aggregate microgrid’s operation cost by formulating it as a stochastic nonconvex optimization programming, which is challenging to solve optimally due to the coupling feature of energy storage devices. First, by investigating the unique structure of the formulated optimization problem, we relax the constraints and transform the original nonconvex stochastic optimization problem into a convex optimization programming. Furthermore, we tackle the problem by developing a modified Lyapunov optimization approach and design an online energy management algorithm that does not require any statistic information of the random system inputs (e.g., the purchasing price from the PG, the harvesting electricity from the RG, and the charging levels of the ESS, and so on). Moreover, extensive empirical evaluations using real-world traces are performed to study the effectiveness of the proposed algorithm in practice. Our proposed algorithm can reduce 27.5% of the aggregate cost compared with the benchmark approach.

中文翻译：

---

热电联产和储能的微电网在线能源管理

在本文中，研究了并网微电网的在线能源管理问题。所考虑的微电网是一个典型的系统，包括可再生能源发电（RG），具有热电联供的本地热电联产，电力和热能存储系统（ESS）（例如电池和热罐）以及集中式热电联产系统。电网（PG）以及外部天然气站。本摘要旨在通过将聚合微电网公式化为随机非凸优化编程来最大程度地降低其运行成本，由于储能设备的耦合特性，如何优化求解这一挑战极具挑战性。首先，通过调查制定的优化问题的独特结构，我们放宽约束，将原始的非凸随机优化问题转化为凸优化规划。此外，我们通过开发改进的Lyapunov优化方法来解决该问题，并设计了一种在线能源管理算法，该算法不需要任何随机系统输入的任何统计信息（例如，从PG的购买价格，从RG的电力获取，以及ESS的收费水平，依此类推）。此外，使用现实世界的痕迹进行了广泛的经验评估，以研究该算法在实践中的有效性。与基准方法相比，我们提出的算法可以减少27.5％的总成本。我们通过开发改进的Lyapunov优化方法来解决该问题，并设计了一种在线能源管理算法，该算法不需要任何随机系统输入的任何统计信息（例如，从PG的购买价格，从RG的电力获取以及充电ESS级别，依此类推）。此外，使用现实世界的痕迹进行了广泛的经验评估，以研究该算法在实践中的有效性。与基准方法相比，我们提出的算法可以减少27.5％的总成本。我们通过开发改进的Lyapunov优化方法来解决该问题，并设计了一种在线能源管理算法，该算法不需要任何随机系统输入的任何统计信息（例如，从PG的购买价格，从RG的电力获取以及充电ESS级别，依此类推）。此外，使用现实世界的痕迹进行了广泛的经验评估，以研究该算法在实践中的有效性。与基准方法相比，我们提出的算法可以减少27.5％的总成本。使用现实世界的痕迹进行了广泛的经验评估，以研究该算法在实践中的有效性。与基准方法相比，我们提出的算法可以减少27.5％的总成本。使用现实世界的痕迹进行了广泛的经验评估，以研究该算法在实践中的有效性。与基准方法相比，我们提出的算法可以减少27.5％的总成本。