基于模型预测控制的智能建筑群电能优化共享系统和方法技术方案

本发明专利技术涉及智能建筑群配电的技术领域，目的是提供基于模型预测控制的智能建筑群电能优化共享系统和方法，其中，系统内部包含风电、燃气轮机和储能等设备，考虑了风电出力的不确定性，实时优化储能和燃气轮机的出力，构建了基于模型预测控制的智能建筑群经济调度模型，与传统的基于鲁棒优化的经济调度模型相对比，运用模型预测控制策略将一些需要决策的变量从日前转移到日内，使日前计划更合理，调度计划的保守性被降低，最后运用算例来验证该模型的优势，使优化方案更合理，使系统的经济性最高，具有实际意义。

【技术实现步骤摘要】
基于模型预测控制的智能建筑群电能优化共享系统和方法
本专利技术涉及智能建筑群领域，具体涉及基于模型预测控制的智能建筑群电能优化共享系统和方法。
技术介绍
随着市场改革的逐步深入，大量社会资本涌入电力市场展开激烈竞争,未来电力市场交易中必然存在多种利益主体并存的局面。基于此背景，以智能建筑群(smartbuildingcluster,SBC)为多利益主体应用场景,构建了智能建筑群电能日前优化共享模型；搭建了包含风电、光伏(photovoltaic,PV)、储能(energystoragesystem,ESS)、电动汽车(electricvehicle,EV)以及可控负荷等多个设备的SBC系统架构，并对各个智能建筑(smartbuilding,SB)之间及SBC与配电网之间的能量流动关系进行阐述分析。为了在SBC内合理地进行电能共享，建立以降低SBC与配电网的交易成本、ESS的运维成本为目标函数的优化共享模型。在考虑不确定性的基础上，为了更有效地消纳系统内的风电资源，运用模型预测控制的方法对其内部的电能共享问题进行研究。
技术实现思路
本专利技术目的在于提供基于模型预测控制的智能建筑群电能优化共享方法，系统内部包含风电、燃气轮机和储能等设备，考虑了风电出力的不确定性，实时优化储能和燃气轮机的出力，构建了基于模型预测控制的智能建筑群经济调度模型。与传统的基于鲁棒优化的经济调度模型相对比，运用模型预测控制策略将一些需要决策的变量从日前转移到日内，使日前计划更合理，调度计划的保守性被降低，本专利技术结构合理，设计巧妙，适合推广；本专利技术所采用的技术方案是：基于模型预测控制的智能建筑群电能优化共享系统，系统包含有智能建筑群，所述智能建筑群包含有集群运营商和多个智能建筑；所述智能建筑之间通过所述集群运营商进行管理，所述智能建筑群内还包含有分布式电源和电力负荷，所述集群运营商的管理系统内预存有日前调度阶段和日内调度阶段；通过日前调度阶段中的优化调度模型得到系统的总运行成本，根据最低的系统总运行成本制定第二天的基本发电调度计划预测值，通过日内调度计划阶段中的滚动优化来对所述优化调度模型进行反馈校正，通过校正后的基于MPC的日内优化调整模型，得到短期的分布式电源的预测值，系统通过优化后的第二天的基本发电调度计划预测值实现对所述智能建筑群中电网电量分配的优化调整。优选的，所述分布式电源包括有风机、燃气轮机和储能模块。优选的，所述优化调度模型的目标函数为，式中，Nh为智能建筑群内建筑物的总数；T为一天内的总时段数，这里取T＝24；Δt＝1h为一个调度时段；为t时段建筑向电网买、卖电能的价格，本专利技术售电、购电电价均采用分时电价(timeofuse，TOU)；为h建筑在t时段与电网交互的功率，购电为正，售电为负；λess为储能模块运行维护成本的单价；为h建筑的储能模块在t时段的充电功率；为h建筑的储能模块在t时段的放电功率；为燃气轮机的总成本。另一方面，包括上述的基于模型预测控制的智能建筑群电能优化共享系统，包括以下步骤，S1：获取待优化智能建筑群内现有分布式电源的储能模块中剩余容量，输入已建立好的日前优化调度模型，对风电日前发电的出力值进行预测，进入到S2；S2：通过缩短风电日前的出力值的预测时间，基于MPC的日内优化调整模型，替换得到的风电日内发电的超短期预测值，进入到S3；S3：根据最近一次滚动优化替换后的风电日内发电的超短期预测值，通过调节燃气轮机的出力值和储能模块的充放电功率，结合各个智能建筑内部之间交换功率的大小，制定第二天的基本发电调度计划，完成所述智能建筑群中电网电量分配的优化调整。优选的，所述S2中，基于MPC的日内优化调整模型的滚动优化过程是通过划分一个固定的时间尺度，在每个时间尺度内保证各机组控制增量最小的前提下，得到最小化输出变量与日前计划值之间的差值，得到的最近一次滚动优化后的风电日内发电的超短期预测值。优选的，所述日内优化调整模型中的时间尺度为15分钟。优选的，基于MPC的日内优化调整模型为x(k)＝[PGT(k),Pessch(k),Pessdis(k),Sess(k),Pgrid(k)]Tu(k)＝[ΔPGT(k),ΔPessch(k),ΔPessdis(k),ΔPbuy(k),ΔPsell(k)]Tζ(k)＝[ΔPL(k),ΔPwind(k)]Ty(k)＝[Pgrid(k),Sess(k)]T式中，x(k)为状态变量，上式中，所述状态变量包含燃气轮机的出力值pGT(k)、储能模块的充电功率pessch(k)、储能模块的放电功率pessdis(k)、储能(stateofcharge，SOC)Sess(k)以及智能建筑群与配电网的交互功率pgrid(k)；u(k)为控制变量，所述控制变量包括燃气轮机的出力值增量ΔpGT(k)，储能模块出力值的增量Δpessch(k)和Δpessdis(k)、储能模块内部交换功率的增量ΔPbuy(k)和ΔPsell(k)；ζ(k)为扰动变量，所述扰动变量包括负荷超短期预测功率增量ΔPL(k)和风电机组超短期预测功率增量ΔPwind(k)，y(k)为输出变量，所述输出变量包括智能建筑群与配电网之间的交换功率Pgrid(k)，储能SOC构成的向量Sess(k)；是权重系数矩阵，Werr表示智能建筑群与配电网交互的功率跟踪误差以及储能SOC跟踪误差；Qu表示控制量的权重系数矩阵；U为控制量矩阵。优选的，在风电和负荷预测数据的基础上反复迭代状态空间预测模型，向前预测p步之后就能够获得向量Yf其中向量Yf表示智能建筑群与配电网交互的功率以及储能SOC在预测时长pΔt内的预估输出值优选的，获取智能建筑群与配电网交互功率以及储能SOC日前计划值构成的向量Yref为跟踪控制目标，时间尺度为当前时刻向前的pΔt时段内，向量Yref为与现有技术相比，本专利技术的有益效果为：1.最大化的消化智能建筑群中对可再生的风电能源的利用，节约向配电网购电成本；2.系统的经济性最高，具有实际意义。附图说明图1为基于模型预测控制的智能建筑群电能优化共享方法的结构图；图2为本专利技术的实施例中多时间尺度协调优化调度框架的流程图；图3为本专利技术的实施例中建筑1的风电和负荷功率预测值；图4为本专利技术的实施例中建筑2的风电和负荷功率预测值；图5为本专利技术的实施例中建筑3的风电和负荷功率预测值；图6为本专利技术的实施例中日前储能SOC；图7为本专利技术的实施例中建筑1的储能优化结果；图8为本专利技术的实施例中建筑2的储能优化结果；图9为本专利技术的实施例中建筑3的储能优化结果；图10为本专利技术的实施例中建筑1的燃气轮机优化结果；图11为本专利技术的实施例中建筑2的燃气轮机优化结果；图12为本专利技术的实施例中建筑3的燃气轮机优化结果；图13为本专利技术的实施例中为智能本文档来自技高网...

【技术保护点】
1.基于模型预测控制的智能建筑群电能优化共享系统，其特征在于，系统包含有智能建筑群，所述智能建筑群包含有集群运营商和多个智能建筑；/n所述智能建筑之间通过所述集群运营商进行管理，所述智能建筑群内还包含有分布式电源和电力负荷，所述集群运营商的管理系统内预存有日前调度阶段和日内调度阶段；/n通过日前调度阶段中的优化调度模型得到系统的总运行成本，根据最低的系统总运行成本制定第二天的基本发电调度计划预测值，通过日内调度计划阶段中的滚动优化来对所述优化调度模型进行反馈校正，通过校正后的基于MPC的日内优化调整模型，得到短期的分布式电源的预测值，系统通过优化后的第二天的基本发电调度计划预测值实现对所述智能建筑群中电网电量分配的优化调整。/n

【技术特征摘要】
1.基于模型预测控制的智能建筑群电能优化共享系统，其特征在于，系统包含有智能建筑群，所述智能建筑群包含有集群运营商和多个智能建筑；
所述智能建筑之间通过所述集群运营商进行管理，所述智能建筑群内还包含有分布式电源和电力负荷，所述集群运营商的管理系统内预存有日前调度阶段和日内调度阶段；
通过日前调度阶段中的优化调度模型得到系统的总运行成本，根据最低的系统总运行成本制定第二天的基本发电调度计划预测值，通过日内调度计划阶段中的滚动优化来对所述优化调度模型进行反馈校正，通过校正后的基于MPC的日内优化调整模型，得到短期的分布式电源的预测值，系统通过优化后的第二天的基本发电调度计划预测值实现对所述智能建筑群中电网电量分配的优化调整。


2.根据权利要求1所述的基于模型预测控制的智能建筑群电能优化共享系统，其特征在于，所述分布式电源包括有风机、燃气轮机和储能模块。


3.根据权利要求2所述的基于模型预测控制的智能建筑群电能优化共享系统，其特征在于，所述优化调度模型的目标函数为，



式中，Nh为智能建筑群内建筑物的总数；T为一天内的总时段数，这里取T＝24；Δt＝1h为一个调度时段；为t时段建筑向电网买、卖电能的价格，本发明售电、购电电价均采用分时电价；为h建筑在t时段与电网交互的功率，购电为正，售电为负；λess为储能模块运行维护成本的单价；为h建筑的储能模块在t时段的充电功率；为h建筑的储能模块在t时段的放电功率；为燃气轮机的总成本。


4.基于模型预测控制的智能建筑群电能优化共享方法，包括权利要求3所述的基于模型预测控制的智能建筑群电能优化共享系统，其特征在于，包括以下步骤，
S1：获取待优化智能建筑群内现有分布式电源的储能模块中剩余容量，输入已建立好的日前优化调度模型，对风电日前发电的出力值进行预测，进入到S2；
S2：通过缩短风电日前的出力值的预测时间，基于MPC的日内优化调整模型，替换得到的风电日内发电的超短期预测值，进入到S3；
S3：根据最近一次滚动优化替换后的风电日内发电的超短期预测值，通过调节燃气轮机的出力值和储能模块的充放电功率，结合各个智能建筑内部之间交换功率的大小，制定第二天的基本发电调度计划，完成所述智能建筑群中电网电量分配的优化调整。


5.根据权利要求4所述的基于模型预测控制的智能建筑群电能优化共享方法，其特征在于，所述S1中，日前优化调度模型的目标函数以风电日前出力的预测值最小化，结合系统最小化运行成本对燃气轮机的出力值、智能建筑群的充放电功率和智能建筑内部交换功率进行约束，其中，所述系统最小化运行成本包括有燃气轮机的运行成本、燃气轮机的生产成本、燃气轮机的排放污染气体的惩罚成本和智能建筑群的运行维护成本。

【专利技术属性】
技术研发人员：高红均，杨景茜，任文诗，
申请(专利权)人：四川大学，
类型：发明
国别省市：四川;51