融合虚拟储能系统的楼宇微网模型预测调控方法技术方案

本发明专利技术涉及一种融合虚拟储能系统的楼宇微网模型预测调控方法，包括：输入变量预测模型构建；在四种预测不确定等级下，为风机输出功率、光伏输出功率、负荷需求以及实时电价的预测不确定阈值取值；控制变量预测模型构建；滚动优化目标函数构建：滚动优化过程中，优化目标为控制时域内楼宇微网运行成本最低，运行成本包括配电网购电成本、设备使用维护成本及考虑用户舒适度的罚函数项；滚动优化约束条件选取：首先需要考虑楼宇微网电功率平衡约束；热平衡约束以及冷平衡约束，然后还需考虑各类设备自身的约束，包括各设备功率的上下限约束、储能设备的充放电功率和储能量约束，构建微网经济优化调度模型；优化调度求解。

Prediction and control method of building micronetwork model with virtual energy storage system

The present invention relates to a micro grid model predictive control method, a fusion of virtual storage system building includes: input variables to establish the forecasting model; uncertainty in the four forecast level, as the output power of wind turbine, photovoltaic power output and load demand and spot price forecast uncertainty threshold value; the control variable prediction model construction; rolling optimization function: rolling optimization process, the optimization objective is to control the minimum time of building microgrid operation cost, operation cost and distribution cost, including online shopping electrical equipment maintenance cost and consider the user comfort penalty function; optimization selection of constraints: first need to consider building micro grid power balance constraint; the heat balance constraint and cold balance constraints, then we need to consider the various types of equipment including self constraint, constraint the power equipment The charging and discharging power of energy storage equipment and energy storage constraints are used to construct the optimal scheduling model of micronetwork economy, and the optimal scheduling is solved.

【技术实现步骤摘要】
融合虚拟储能系统的楼宇微网模型预测调控方法
本专利技术涉及微型能源网优化运行，具体讲，涉及楼宇微网模型预测调控方法。
技术介绍
随着城市化进程的加快和人们生活水平的提高，我国能源需求快速增长，其中楼宇能耗预计到2020年将占到全国总能耗的35％。因此，以建筑楼宇为代表的终端用能系统具有巨大的节能减排潜力。充分挖掘以建筑楼宇为代表的需求侧节能潜力，对解决人类社会发展过程中日益凸显的能源需求增长与能源紧缺矛盾、能源利用与环境保护矛盾具有重要意义。在分布式可再生能源出力随机波动的环境下，对楼宇微网内多类型供能单元及楼宇用能负荷进行优化调控，实现不同能源之间的优势互补是提高能源利用效率的有效途径之一。当前，可再生能源出力预测精度低，是楼宇微网优化调控需要解决的关键问题。相关研究中楼宇微网的日前优化调控采用开环方式：在一天开始之前，求取未来24小时的优化调控方案并一次性下发，在预测精度较高的情况下，这种调控方法可以满足实际运行需求。但是对于含有风机、光伏等分布式可再生能源的楼宇微网，可再生能源功率预测时间尺度越长，其预测精度越低，可能出现优化调控方案与实际运行需求偏差较大的问题。因此基于日前分布式可再生能源预测数据的开环优化调控方法难以适应此类楼宇微网的实际运行需求。已在工业控制领域得到广泛应用的模型预测控制(modelpredictivecontrol,MPC)方法可以有效避免传统楼宇微网调控对预测依赖性强、受环境因素影响大、日前调控方案与实际运行需求偏差较大的问题。然而，采用模型预测控制方法对微型能源网进行调控的相关研究中，没有充分挖掘楼宇的蓄热特性。事实上，在楼宇微网中，由于楼宇建筑墙体等围护结构的隔热效果，室内与室外的热交换过程较慢，室内温度相对于电气特征量不会迅速发生变化，从而使楼宇对微网表现出类似于储能系统的充放电特性，可在楼宇微网优化调控中充分考虑楼宇的虚拟储能特性。
技术实现思路
本专利技术提供一种楼宇微网模型预测调控方法，以有限时段内基于楼宇微网实际运行状态的反复滚动优化代替一次离线全时段优化，有效解决可再生能源出力预测精度随时间尺度增加而下降的问题，并可以在保证温度舒适度的前提下充分挖掘楼宇参与微网优化调控的虚拟储能潜力，进一步降低楼宇微网的运行成本。技术方案如下：一种融合虚拟储能系统的楼宇微网模型预测调控方法，包括下列步骤：步骤一、输入变量预测模型构建输入变量是风机输出功率、光伏输出功率、负荷需求及实时电价的预测值，输入变量预测模型满足式(1)：式中：t表示一天中的调控时段；表示t时段的实时电价；分别表示风机输出功率、光伏输出功率、负荷需求及实时电价的日前预测值；分别表示输入变量在t时段的短期预测值；表示输入变量日前预测值在t时段的预测不确定阈值；R(t)为一个服从均一分布U(-1,1)的随机数；在四种预测不确定等级下，风机输出功率、光伏输出功率、负荷需求以及实时电价的预测不确定阈值取值如表1所示；表1楼宇微网中各设备预测不确定等级步骤二、控制变量预测模型构建控制变量是楼宇室内温度、微网联络线功率及制冷功率的预测值；基于楼宇的蓄热特性，依据能量守恒构建楼宇的虚拟储能模型，在此基础上，基于输入变量的预测模型，得到[t～t+1]两控制时段之间室内温度Tin的变化量如式(2)所示：式中，ρ为空气密度，C为空气比热容，V为室内容积，ΔTin(t+1|t)表示[t～t+1]时段温度变化量的预测值；分别表示计及输入变量预测值的室内外传递热量、热辐射传递热量、室内热源发热量及制冷需求；通过式(2)可以在预测时域Np个时间段内，对室内温度进行滚动求解，从而进一步获得预测时域内室内温度、微网联络线功率及制冷功率的数值，其预测模型如式(3)所示：式中：Tin(t+k|t)、Pex(t+k|t)、QEC(t+k|t)分别表示t时段预测未来t+k时段的室内温度、微网联络线功率、制冷功率；ΔTin(t+j|t)、ΔPex(t+j|t)、ΔQEC(t+j|t)分别表示t时段预测未来t+j(j＝1,2,…,k)时段室内温度变化量、微网联络线功率变化量、制冷功率变化量；步骤三、滚动优化目标函数构建滚动优化过程中，优化目标为控制时域内楼宇微网运行成本最低，运行成本包括配电网购电成本、设备使用维护成本及考虑用户舒适度的罚函数项；步骤四、滚动优化约束条件选取首先需要考虑楼宇微网电功率平衡约束；热平衡约束以及冷平衡约束，然后还需考虑各类设备自身的约束，包括各设备功率的上下限约束、储能设备的充放电功率和储能量约束，构建微网经济优化调度模型；步骤五、优化调度求解针对所构建的微网经济优化调度模型，在MATLAB下调用CPLEX进行求解。本专利技术依据楼宇建筑墙体等围护结构具有隔热效果的特点，构建楼宇虚拟储能系统模型，并作为灵活可控单元集成到楼宇微网优化调控中；随后，运用模型预测控制方法对楼宇微网内多类型供能单元、楼宇用能负荷以及虚拟储能系统进行优化调控。在夏季制冷场景下，对两种典型楼宇微网系统的优化调控结果分析表明：可充分利用楼宇蓄热特性，挖掘楼宇参与微网优化调控的虚拟储能潜力，降低运行成本；同时可有效解决由可再生能源出力、负荷需求以及实时电价预测误差导致的楼宇微网优化调控方案与实际运行场景偏差较大的问题，在预测不确定性环境下具有较强的鲁棒性。具体而言技术效果如下：1)本专利技术是以室内温度滚动预测为基础，在每一采样周期根据最新的风机发电、光伏发电、实时电价和负荷需求预测结果对楼宇微网进行优化调控，以有限时段的基于楼宇微网实际运行状态的反复滚动优化代替传统最优控制的一次离线全时域优化，从而有效解决可再生能源出力预测精度随时间尺度增加而下降的问题。2)将虚拟储能系统集成到基于MPC的楼宇微网优化调控模型中，可以在保证温度舒适度的前提下充分挖掘楼宇参与微网优化调控的虚拟储能潜力，进一步降低楼宇微网的运行成本。附图说明图1楼宇微网结构图，(a)为电制冷楼宇微网，(b)为冷热电联供楼宇微网。图2模型预测调控决策机制。图3楼宇微网模型预测调控框架。图4光照强度及室外温度。图5微网日负荷及分布式电源出力预测曲线。图6实时电价。图7融合虚拟储能系统的电制冷楼宇微网基于MPC的优化调控结果。图8电制冷楼宇微网两种策略下的虚拟储能优化调控结果。图9电制冷楼宇微网三种策略下的购电成本。图10各不确定等级、不同策略下的楼宇微网运行成本。图11各不确定等级、不同策略下的楼宇微网运行成本增长速率。图12融合虚拟储能系统的冷热电联供微网基于MPC的优化调控结果。具体实施方式在夏季制冷场景下，依据楼宇建筑墙体等围护结构具有隔热效果的特点，构建楼宇虚拟储能系统模型，并作为灵活可控单元集成到楼宇微网优化调控中；随后，运用模型预测控制方法对楼宇微网内多类型供能单元、楼宇用能负荷以及虚拟储能系统进行优化调控，有效解决由可再生能源出力、负荷需求以及实时电价预测误差导致的楼宇微网优化调控方案与实际运行场景偏差较大的问题的同时，挖掘楼宇虚拟储能潜力，降低运行成本。下面结合附图和具体实施例对本专利技术提供的融合虚拟储能系统的楼宇微网模型预测调控方法进行详细说明。本专利技术针对图1所示两种典型的楼宇微网系统，利用楼宇蓄热特性，研究了融合虚拟储能系统的楼宇微网模型预测调控方法。首先，针对图1所示的本文档来自技高网...

【技术保护点】
一种融合虚拟储能系统的楼宇微网模型预测调控方法，包括下列步骤：步骤一、输入变量预测模型构建输入变量是风机输出功率、光伏输出功率、负荷需求及实时电价的预测值，输入变量预测模型满足式(1)：

【技术特征摘要】
1.一种融合虚拟储能系统的楼宇微网模型预测调控方法，包括下列步骤：步骤一、输入变量预测模型构建输入变量是风机输出功率、光伏输出功率、负荷需求及实时电价的预测值，输入变量预测模型满足式(1)：式中：t表示一天中的调控时段；表示t时段的实时电价；分别表示风机输出功率、光伏输出功率、负荷需求及实时电价的日前预测值；分别表示输入变量在t时段的短期预测值；表示输入变量日前预测值在t时段的预测不确定阈值；R(t)为一个服从均一分布U(-1,1)的随机数；在四种预测不确定等级下，风机输出功率、光伏输出功率、负荷需求以及实时电价的预测不确定阈值取值如表1所示；表1楼宇微网中各设备预测不确定等级步骤二、控制变量预测模型构建控制变量是楼宇室内温度、微网联络线功率及制冷功率的预测值；基于楼宇的蓄热特性，依据能量守恒构建楼宇的虚拟储能模型，在此基础上，基于输入变量的预测模型，得到[t～t+1]两控制时段之间室内温度Tin的变化量如式(2)所示：式中，ρ为空气密度，C为空气比热容，V为...

【专利技术属性】
技术研发人员：穆云飞，张风晓，靳小龙，贾宏杰，余晓丹，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12