传统的基于化石燃料的电力系统面临高能耗、成本高、资源稀缺和污染等问题。[1] 为了解决这些问题，结合储能装置、转换器、柴油发电机和可再生能源（特别是太阳能）的混合微电网为偏远地区提供了高效、清洁和可持续的能源解决方案[2]。使用光伏（PV）面板为减少温室气体排放和污染提供了重要机会[3]。由于天气和季节变化，太阳能发电具有间歇性，导致功率波动和可靠性问题[4]。在微电网系统中使用太阳能 PV、BESS 和 AC 电网可以协调生产和消费，从而使可再生能源的供应不仅稳定而且可靠[5]。
尽管取得了进展，但由于太阳能发电的波动，微电网系统在准确负载预测和高效资源分配方面仍面临挑战。需要智能和灵活的控制策略，以使 PV 面板、BESS 和 AC 电网有效协同工作。系统性能受到转换器效率低下和电压不稳定的影响，缺乏自适应和可扩展的管理。
(c)文献综述
多项研究集中在微电网中的需求侧管理（DSM）和能源管理系统（EMS）上，探索了不同的优化和控制技术。这里回顾了其中的一些研究。
Abouobaida 等人[6] 提出了一种用于独立直流微电网的混合能源存储和管理系统。该方法对直流系统有效，但对于需要高级协调机制的混合交流/直流微电网来说效果有限。
Rajput 和 Lather[7] 提出了一种结合人工神经网络（ANN）和比例-积分（PI）控制的混合控制器，用于电池-超级电容器储能装置。它提高了能源利用效率，但在处理动态负载和电网集成方面存在困难。
Asadi 等人[8] 使用粒子群优化（PSO）和自适应神经模糊推理系统（ANFIS）对交流/直流微电网转换器进行协同管理，改善了逆变器电流调节和最大功率点跟踪（MPPT）。然而，在高度变化的条件下，PSO 的收敛速度较慢。
Kumar 等人[9] 利用深度注意力扩张残差卷积神经网络（DADRCNN）和 Flying Fox 优化（FFO）改进了负载预测和成本降低。PSO 的收敛速度较慢，凸显了对鲁棒算法的需求。
Boonraksa 等人[10] 将鲸鱼优化算法（WOA）应用于能源管理，提高了功率流和资源分配。WOA 提供了全局搜索，但收敛速度慢且调整问题较多。
Mutlag 等人[11] 开发了一种 ANN-MPPT 技术来优化太阳能收集。虽然有效，但这些方法需要大量训练，限制了自适应 EMS 的应用。
Charadi 等人[12] 在并网交流/直流微电网中实施了 PSO 驱动的 EMS，以优化有功和无功功率流。这种方法存在局部最优解的风险，并且在混合微电网中存在操作挑战。
Elsisi 等人[13] 提出了一种双比例-积分（DPI）负载频率控制方案，通过引力搜索算法（GSA）对非线性水热系统进行了优化，提高了稳定性，但在将 EMS 与系统级功率管理集成方面表现出复杂性。
Agajie 等人[14] 提出了一种分数阶模糊 PID（FO-Fuzzy-PID）控制器，用于混合可再生能源系统，并使用基于对立的 WOA（OWOA）进行了调整。确保了有效的频率和功率调节，但在 DSM 中平衡探索-利用仍然是一个挑战。
最后，Elsisi[15] 提出了一种自适应模型预测控制（AMPC）方法，并使用改进的灰狼优化器（IGWO）进行了优化，用于自动驾驶车辆能源系统。强调了受自然启发的算法在 EMS 和 DSM 优化中的潜力。表 1 显示了近期研究的综述。
