一种基于动态矩阵控制的多能微网变时调度方法及装置制造方法及图纸

本发明专利技术提供了一种基于动态矩阵控制多能微网变时调度方法及装置，其方法包括步骤S1：根据历史数据及天气信息预测多能微网总负荷需求及不可控微源的总输出功率，并求出可控微源的总输出功率；步骤S2：以可控微源的总输出功率为约束条件，通过经济最优目标函数分别求解最优潮流，得到各类可控微源的输出功率期望值；步骤S3：将输出功率期望值作为输入参数，根据动态矩阵控制的预测模型，分别求解各类可控微源的输出功率预测值；步骤S4：将输出功率预测值与输出功率实际测量值进行校正，并根据校正后的输出功率预测值确定调度方案。本发明专利技术兼具PID结构简单参数方便调节和DMC滚动优化鲁棒性强的特点，引入了反馈校正环节，校正随机因素对调度结果的影响。

【技术实现步骤摘要】
一种基于动态矩阵控制的多能微网变时调度方法及装置
本专利技术涉及电力
，尤其涉及一种基于动态矩阵控制的多能微网变时调度方法及装置。
技术介绍
近年来，由于能源的大量需求及传统化石能源濒临枯竭的矛盾日益突出，风能、太阳能等可再生清洁能源的发展也因此得到了人们的重视。多能源互补独立电力系统是指因地制宜对如水力、风能、太阳能等可再生能源充分利用而形成的小型电力系统，又可称为混合发电系统或新能源微网。多能源互补独立电力系统的提出同时也解决了相当一部分偏远地区的供电问题。但是，随着这些新能源微网接入电网，电网的安全运行面临着严峻的挑战，尤其大量可再生的间歇性分布式电源、储能装置、柔性负荷的接入，保证电网的经济运行和优化调度是当前亟待解决的关键问题。目前的优化调度方法主要是基于未来一段优化时段的开环优化调度控制，无法及时有效的纠正风电、光伏预测误差等随机因素产生的优化调度结果偏差。
技术实现思路
为了解决现有技术所存在的问题，本专利技术提供了一种基于动态矩阵控制的多能微网变时调度方法及装置，兼具PID结构简单、参数方便调节和DMC滚动优化、鲁棒性强的特点，引入了反馈校正环节，校正风电、光伏预测误差等随机因素对调度结果的影响。本专利技术提供了一种基于动态矩阵控制的多能微网变时调度方法，包括：步骤S1：根据历史数据及天气信息采用神经网络时间序列预测多能微网总负荷需求及多能微网中不可控微源的总输出功率，并求出多能微网中可控微源的总输出功率；其中，所述多能微网总负荷需求包含所述不可控微源的总输出功率和可控微源的总输出功率；步骤S2：以步骤S1获得的所述可控微源的总输出功率为约束条件，通过经济最优目标函数分别求解最优潮流，得到可控微源中柔性负荷、储能电池和可控分布式电源的输出功率期望值；步骤S3：将步骤S2获得的所述三种可控微源的输出功率期望值作为输入参数，根据动态矩阵控制的预测模型和优化性能指标函数，分别求解所述三种可控微源的输出功率预测值；步骤S4：将步骤S3得到的所述三种可控微源的输出功率预测值与所述三种可控微源的输出功率实际测量值进行校正，并根据校正后的输出功率预测值确定调度方案；其中，所述经济最优目标函数用于求解当多能微网的运行调度成本最低且保证多能微网运行时的污染物对环境造成的影响最低时的所述三种可控微源的输出功率期望值。本专利技术提供的方法，先采用历史数据及天气信息通过现有的神经网络进行时间序列预测得到多能微网的总负荷需求以及该多能微网中不可控微源的总输出功率，用总负荷需求减去不可控微源的总输出功率，得到可控微源的总输出功率。因为在电力调度中，只有可控微源才能够进行调控，故本专利技术方法需要先通过总负荷需求和不可控微源总输出功率得到可控微源的总输出功率，才能进而计算出可控微源中具体的不同种类微源的输出功率。在得到可控微源的总输出功率后，以该总输出功率作为约束条件，通过经济最优目标函数求解在经济最优条件下，柔性负荷、储能电池和可控分布式电源的输出功率期望值。最后，以上述三种可控微源的输出功率期望值作为输入参数，采用动态矩阵控制模型自带的滚动优化处理步骤以及优化性能指标函数求解上述三种可控微源的输出功率预测值。同时，为了保证输出功率预测值的准确性，采用输出功率的实际测量值对预测值进行校正，从而得到更加准确的输出功率预测值，并根据该预测值确定调度方案。进一步的，将所述三种可控微源的输出功率期望值作为输入参数输入动态矩阵控制预测模型，从而求解所述三种可控微源的输出功率预测值，所述动态矩阵控制预测模型为：其中，P0(k)为通过实际测量得到的可控微源输出功率初始值，△uT(k+t|k)为k时刻预测得到k+t时段的可控微源输出功率增量的矩阵，维度为M，P(k+i|k)为k时刻预测得到k+i时刻的可控微源输出功率预测值，i＝1,2,...,N且M≤N，N为k时刻控制作用保持不变的初始预测输出值数量。进一步的，所述经济最优目标函数为：minF(t)＝{F1(t),F2(t)},t＝1,2,...,24F1(t)＝Cgrid(t)+Cflex(t)+Cstor(t)+CDP(t)+COM(t)+CDG(t)F2(t)＝Ce(t)其中，F1(t)为t时刻所述多能微网的运行调度成本，F2(t)为t时刻所述多能微网的环境污染成本，Cgrid(t)为t时刻所述多能微网向外网的购电成本，Cflex(t)为t时刻所述可控微源中柔性负荷的调度成本，Cstor(t)为t时刻所述可控微源中储能电池的调度成本，CDP(t)为t时刻所述可控微源中可控分布式电源的调度成本，COM(t)为t时刻所述可控微源的投资折旧成本，CDG(t)为t时刻所述可控微源的运行维护成本，Ce(t)为t时刻所述可控微源的环境污染成本。专利技术人通过研究筛选出上述各种成本的具体计算公式：Cgrid(t)＝cp(t)×Pgrid(t)式中，cp(t)为t时刻外网电价，Pgrid(t)为t时刻多能微网向外网的购电量；m为柔性负荷的数量，αi、βi均为柔性负荷调度成本系数，Pflex0为柔性负荷调度前的输出功率初始值，△Pflexi为柔性负荷功率变化量；n为储能电池数量，λstori为t时刻第i个储能电池的调度成本系数，Pstori(t)为t时刻第i个储能电池的充放电功率；j为可分布式电源数量，Caz,i为第i个可分布式电源的单位容量安装成本，ki为第i个可分布式电源的容量因数，Q为第i个可分布式电源的年发电量(即额定功率)，r为年利率，ni为第i个可分布式电源的投资偿还期，Pi(t)为第i个可分布式电源t时刻的输出功率；为第i个可控微源的单位电量运行维护成本系数；k为可控微源的数量，ai、bi、ci分别为第i个可控微源的调度成本系数，PDGi(t)为t时刻第i个可控微源的输出功率；h为污染物种类，Vek、Vk分别为第k项污染物的环境价值和所受罚款，Qik为第i个微源的单位电量。进一步的，所述优化性能指标函数为：minJ＝KiA(k)TQA(k)+Kp△A(k)TQ△A(k)+Kd△2A(k)TQ△2A(k)+△U(k)TR△U(k)其中，A(k)＝W(k)-P(k),P(k)＝P0(k)+△U(k)；式中，Kp为比例矩阵，Ki为积分矩阵，Kd为微分矩阵，A(k)为可控微源输出功率期望值和预测值之间的预测误差，△A(k)为可控微源输出功率期望值和预测值之间的预测误差增量，△2A(k)为可控微源输出功率期望值和预测值之间的的预测误差增量的增量，W(k)为可控微源输出功率期望值矩阵，P(k)为可控微源输出功率预测值矩阵，Q为误差权矩阵，R为控制权矩阵，△U(k)为控制增量矩阵；P0(k)为可控微源输出功率的初始时刻实际测量值。其中，本专利技术采用的是专利技术人改进过的优化性能指标函数，采用由在状态空间方程形式下的多变量动态矩阵控制(DMC)和分数阶PID(FPID)控制相结合的新型模型预测控制算法(FPID-DMC)。该控制算法以FPID与DMC控制为基础，重构DMC控制目标函数，充分发挥了FPID控制器结构简单、易于实现及DMC建模简单、计算量少、鲁棒性强等优点，使控制系统控制效果得到优化。进一步的，所述步骤S4所采用的校正公式为：Pcor(k+1)＝P1(k+1|k)+hE(k+1)E(k+1)＝本文档来自技高网...

【技术保护点】
一种基于动态矩阵控制的多能微网可控微源变时调度方法，其特征在于，包括：步骤S1：根据历史数据及天气信息采用神经网络时间序列预测多能微网总负荷需求及多能微网中不可控微源的总输出功率，并求出多能微网中可控微源的总输出功率；其中，所述多能微网总负荷需求包含所述不可控微源的总输出功率和可控微源的总输出功率；步骤S2：以步骤S1获得的所述可控微源的总输出功率为约束条件，通过经济最优目标函数分别求解最优潮流，得到可控微源中柔性负荷、储能电池和可控分布式电源的输出功率期望值；步骤S3：将步骤S2获得的所述三种可控微源的输出功率期望值作为输入参数，根据动态矩阵控制的预测模型和优化性能指标函数，分别求解所述三种可控微源的输出功率预测值；步骤S4：将步骤S3得到的所述三种可控微源的输出功率预测值与所述三种可控微源的输出功率实际测量值进行校正，并根据校正后的输出功率预测值确定调度方案；其中，所述经济最优目标函数用于求解当多能微网的运行调度成本最低且保证多能微网运行时的污染物对环境造成的影响最低时的所述三种可控微源的输出功率期望值。

【技术特征摘要】
1.一种基于动态矩阵控制的多能微网可控微源变时调度方法，其特征在于，包括：步骤S1：根据历史数据及天气信息采用神经网络时间序列预测多能微网总负荷需求及多能微网中不可控微源的总输出功率，并求出多能微网中可控微源的总输出功率；其中，所述多能微网总负荷需求包含所述不可控微源的总输出功率和可控微源的总输出功率；步骤S2：以步骤S1获得的所述可控微源的总输出功率为约束条件，通过经济最优目标函数分别求解最优潮流，得到可控微源中柔性负荷、储能电池和可控分布式电源的输出功率期望值；步骤S3：将步骤S2获得的所述三种可控微源的输出功率期望值作为输入参数，根据动态矩阵控制的预测模型和优化性能指标函数，分别求解所述三种可控微源的输出功率预测值；步骤S4：将步骤S3得到的所述三种可控微源的输出功率预测值与所述三种可控微源的输出功率实际测量值进行校正，并根据校正后的输出功率预测值确定调度方案；其中，所述经济最优目标函数用于求解当多能微网的运行调度成本最低且保证多能微网运行时的污染物对环境造成的影响最低时的所述三种可控微源的输出功率期望值。2.根据权利要求1所述的方法，其特征在于，将所述三种可控微源的输出功率期望值作为输入参数输入动态矩阵控制预测模型，从而求解所述三种可控微源的输出功率预测值，所述动态矩阵控制预测模型为：其中，P0(k)为通过实际测量得到的可控微源输出功率初始值，△uT(k+t|k)为k时刻预测得到k+t时段的可控微源输出功率增量的矩阵，维度为M，P(k+i|k)为k时刻预测得到k+i时刻的可控微源输出功率预测值，i＝1,2,...,N且M≤N，N为k时刻控制作用保持不变的初始预测输出值数量。3.根据权利要求2所述的方法，其特征在于，所述经济最优目标函数为：minF(t)＝{F1(t),F2(t)},t＝1,2,...,24F1(t)＝Cgrid(t)+Cflex(t)+Cstor(t)+CDP(t)+COM(t)+CDG(t)F2(t)＝Ce(t)其中，F1(t)为t时刻所述多能微网的运行调度成本，F2(t)为t时刻所述多能微网的环境污染成本，Cgrid(t)为t时刻所述多能微网向外网的购电成本，Cflex(t)为t时刻所述可控微源中柔性负荷的调度成本，Cstor(t)为t时刻所述可控微源中储能电池的调度成本，CDP(t)为t时刻所述可控微源中可控分布式电源的调度成本，COM(t)为t时刻所述可控微源的投资折旧成本，CDG(t)为t时刻所述可控微源的运行维护成本，Ce(t)为t时刻所述可控微源的环境污染成本。4.根据权利要求3所述的方法，其特征在于，所述优化性能指标函数为：minJ＝KiA(k)TQA(k)+Kp△A(k)TQ△A(k)+Kd△2A(k)TQ△2A(k)+△U(k)TR△U(k)其中，A(k)＝W(k)-P(k),P(k)＝P0(k)+△U(k)；式中，Kp为比例矩阵，Ki为积分矩阵，Kd为微分矩阵，A(k)为可控微源输出功率期望值和预测值之间的预测误差，△A(k)为可控微源输出功率期望值和预测值之间的预测误差增量，△2A(k)为可控微源输出功率期望值和预测值之间的的预测误差增量的增量，W(k)为可控微源输出功率期望值矩阵，P(k)为可控微源输出功率预测值矩阵，Q为误差权矩阵，R为控制权矩阵，△U(k)为控制增量矩阵；P0(k)为可控微源输出功率的初始时刻实际测量值；T表示矩阵转置。5.根据权利要求4所述的方法，其特征在于，所述步骤S4所采用的校正公式为：Pcor(k+1)＝P1(k+1|k)+hE(k+1)E(k+1)＝Psj(k+1)-P1(k+1|k)式中，P1(k+1|k)为k+1时刻可控微源输出功率预测值，Pcor(k+1)为校正后的可控微源输出功率预测值，h为误差校正系数，E(k+1)为输出误差，Psj(k+1)为k+1时刻的可控微源实际测量值。6.一种基于动态矩阵控制的多能微网可控微源变时调度装置，其特征在于，...

【专利技术属性】
技术研发人员：禹红，夏向阳，赵昕昕，王坚，陈暘，艾茂华，刘芬，于兰芝，吴桂香，
申请(专利权)人：湖南水利水电职业技术学院，长沙理工大学，
类型：发明
国别省市：湖南,43