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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。