基于双层模型预测控制的微能网多时间尺度优化控制方法技术

本发明专利技术涉及一种基于双层模型预测控制的微能网多时间尺度优化控制方法。所述微能网耦合电、热、气三种能源，并融入电转气和电池–超级电容器混合储能设备。针对风光出力和负荷需求等不确定因素导致的微能网系统优化控制结果可信度较低问题，提出了一种基于双层模型预测控制的多时间尺度优化控制方法，包含长时间尺度滚动优化的上层和短时间尺度实时滚动调整的下层。其中，上层以系统运行经济性最优为目标，结合分时电价和天然气价，通过多步滚动求解制定长时间尺度调度计划；下层以跟踪上层调度计划为目标，并引入超级电容器，应对风光和负荷的短时间尺度功率波动。该方法在保证微能网风光消纳能力的前提下，能够实现微能网经济安全运行。

【技术实现步骤摘要】
基于双层模型预测控制的微能网多时间尺度优化控制方法
本专利技术涉及一种基于双层模型预测控制的微能网多时间尺度优化控制方法。
技术介绍
微能网(MicroEnergyGrid,MEG)作为能源互联网的重要组成部分，是实现多能互补，提高能源利用率和环境效益的有效技术手段之一。然而，微能网中可再生能源出力受自然因素影响较大，呈现出间歇性、波动性和随机性的特点，并且现有预测方法存在局限性，使得可再生能源出力和用户负荷需求的预测精度受限，这对微能网优化控制结果的准确度有一定的影响。因此，如何应对风光出力和负荷需求等不确定性因素对微能网优化控制结果造成的影响，保证微能网经济安全运行，是亟待解决的重要难题。目前，针对微能网优化控制的研究主要采用日前单一时间尺度优化控制方法和基于模型预测控制(ModelPredictiveControl,MPC)的多时间尺度优化控制方法。其中，日前单一时间尺度优化控制方法能否准确规划出后一天的最优调度计划，大程度上取决于可再生能源出力和用户负荷需求等不确定性因素的预测精度。如果预测精度较低，则会造成微能网的实际运行情况本文档来自技高网...

【技术保护点】
1.一种基于双层模型预测控制的微能网多时间尺度优化控制方法，其特征在于，包括如下步骤：/n建立含电转气和电池–超级电容器混合储能的电热气联供型微能网模型；/n建立基于双层模型预测控制的多时间尺度优化控制方法；/n通过基于双层模型预测控制的多时间尺度优化控制方法，在保证微能网风光消纳能力的前提下，应对不确定性因素对微能网优化控制的影响，实现微能网经济安全运行。/n

【技术特征摘要】
1.一种基于双层模型预测控制的微能网多时间尺度优化控制方法，其特征在于，包括如下步骤：
建立含电转气和电池–超级电容器混合储能的电热气联供型微能网模型；
建立基于双层模型预测控制的多时间尺度优化控制方法；
通过基于双层模型预测控制的多时间尺度优化控制方法，在保证微能网风光消纳能力的前提下，应对不确定性因素对微能网优化控制的影响，实现微能网经济安全运行。


2.根据权利要求1所述的基于双层模型预测控制的微能网多时间尺度优化控制方法，其特征在于，所述电热气联供型微能网模型包括：
热电联供系统：
热电联供系统的能源转换模型描述如下：



式中：ηge、ηgh、ηrec分别为微型燃气轮机发电效率、微型燃气轮机制热效率和余热回收锅炉废热回收效率；为t时段微型燃气轮机的输出电功率，为经余热回收锅炉后微型燃气轮机制热功率，为t时段微型燃气轮机消耗的气功率；
电转气设备：
电转气设备的能源转换模型描述如下：



式中：为P2G设备的输入功率；ηP2G为电转气设备的转换效率；为t时段P2G设备输出的天然气功率；
燃气锅炉和电锅炉：
燃气锅炉和电锅炉的能源转换模型描述如下式：



式中：和分别为t时段燃气锅炉消耗的气功率和产生的热功率；和分别为t时段电锅炉消耗的电功率和产生的热功率；ηGB和ηEB分别为燃气锅炉和电锅炉的能源转换效率；
储能设备：
储能设备的能源转换模型描述如下式：



式中：Sk(t)、Pk(t)分别表示t时段储能设备k的储能占比和充放能功率，这里的储能占比即储能设备剩余容量占额定容量的比例；Ek表示储能设备k的额定容量；Δt为单位调度时间；和分别表示储能设备k的充、放能效率；下标k取e、h和g分别表示电、热和气。


3.根据权利要求1所述的基于双层模型预测控制的微能网多时间尺度优化控制方法，其特征在于，所述基于双层模型预测控制的多时间尺度优化控制方法包括上层的基于MPC的长时间尺度滚动优化层和下层的基于MPC的短时间尺度实时滚动调整层；其中，
基于MPC的长时间尺度滚动优化层：
采样时刻为tu∈{1,…,Tu}，预测时域为Tu，调度周期为TN，控制时间间隔为Δtu；在tu时刻，基于未来Tu个控制间隔内风光出力和电/热/气负荷需求的预测数据，综合考虑能源转换设备的技术特性、储能设备的容量和使用寿命及分时电价和天然气价，以最小化系统运行成本为目标，通过多步滚动优化求解获得预测时域内微能网调度计划，并下发第一个控制间隔内的调度计划值至下层作为参考值；
基于MPC的短时间尺度实时滚动调整层：
采样时刻为tl∈{1,…,Tl}，预测时域为Tl，调度周期为TS，控制时间间隔为Δtl；在tl时刻，下层遵照上层调度计划和储能设备充放电状态，基于下层预测时域内风光出力和负荷需求的超短期预测值，对上层调度计划值进行修正，降低风光出力和负荷需求预测误差对优化结果精准性的影响，并调度超级电容器出力，平抑风光出力的负荷需求的功率波动导致的联络线电功率和电池出力波动；在时间Δtu之后，下层将更新后的状态变量反馈至上层，上层开始进行下一个调度；如此重复完成上述过程，直至完成调度周期所有时段调度计划的生成。


4.根据权利要求3所述的基于双层模型预测控制的微能网多时间尺度优化控制方法，其特征在于，所述基于MPC的长时间尺度滚动优化层具体优化模型如下：
目标函数：
上层滚动优化过程中，优化目标为预测时域内微能网运行成本最低；目标函数描述如下：



式中：tu为上层滚动优化的起始时刻；为微能网与电网交互费用；为购买天然气费用；为系统设备维...

【专利技术属性】
技术研发人员：陈飞雄，林炜晖，邵振国，邓宏杰，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建;35