一种基于模型预测控制的多能源微网仿射优化调度方法技术

本发明专利技术涉及一种基于模型预测控制的多能源微网仿射优化调度方法。首先，利用仿射算法表征多能源微网中的风光出力和负荷需求的不确定性，通过共享噪声元的方式体现各不确定变量间的关联性，解决区间扩张问题。其次，以最小化多能源微网运行费用及其波动范围为目标，构建多能源微网的仿射优化调度模型。最后，将仿射优化调度模型结合至模型预测控制方法中，通过在日内不断获取更新后的预测信息，在保证预测信息精度的基础上，滚动求解所构建的多能源微网仿射优化调度模型，进一步缩小调度结果的区间。本发明专利技术将仿射优化方法与模型预测控制方法相结合，能够有效地应对多能源微网中风光出力和负荷需求的不确定性，降低调度结果的保守性。性。性。

【技术实现步骤摘要】
一种基于模型预测控制的多能源微网仿射优化调度方法


[0001]本专利技术涉及一种基于模型预测控制的多能源微网仿射优化调度方法。

技术介绍

[0002]随着能源短缺问题的日益严峻，促进能源的可持续发展、提高能源的利用效率已经成为我国能源革命战略的重要目标。多能源微网(Multi
‑
energyMicrogrid，MEMG)能够利用电、热、气等多种能源之间的耦合互补特性，是实现能源可持续发展和高效利用的重要途径。然而，多能源微网中存在风光出力和负荷需求的预测不确定性，其将扩大调度结果的保守性、影响运行的稳定性。因此，需要研究多能源微网的不确定性优化调度方法，保证多能源微网在不确定性影响下的可靠运行。此外，传统多能源微网优化调度方法主要聚焦于日前优化调度，忽略了日前预测的精度随预测时域的拉长而下降的特性，较高的预测不确定性将导致多能源微网的调度结果区间进一步扩大。因此，有必要基于更短预测时域内的预测信息对多能源微网进行优化调度，降低预测不确定性对调度结果的影响。
[0003]目前，多能源微网不确定性优化调度方法主要有随机优化方法、鲁棒优化方法和区间优化方法。随机优化方法通过生成大量场景，将不确定性问题转化为多个确定性问题进行求解，但其需要掌握不确定因素准确的分布情况且场景众多，建模难度大、求解负担重。鲁棒优化方法具有易于建模的优点，但为保证多能源微网在最恶劣场景下的可靠运行，使得调度结果过于保守。区间优化方法仅需基于不确定因素的上、下限进行建模求解，并给出区间形式的最优解以供选择，相较于鲁棒优化方法，其更加适用于实际工程。但由于区间算法难以考虑不确定变量之间的关联性，存在区间扩张问题，使得多能源微网的调度结果也偏于保守。
[0004]此外，当前所提出的多能源微网不确定性优化调度方法大多基于日前预测数据进行日前优化调度，但是日前预测的精度随着预测时域的拉长而降低，其将进一步扩大多能源微网不确定性优化调度方法的保守性。

技术实现思路

[0005]本专利技术的目的在于针对多能源微网中因风光出力和负荷需求的不确定性，导致调度结果保守性扩大、运行稳定性受影响的问题，提供一种基于模型预测控制的多能源微网仿射优化调度方法，能够有效地应对多能源微网中风光出力和负荷需求的不确定性，降低调度结果的保守性。
[0006]为实现上述目的，本专利技术的技术方案是：一种基于模型预测控制的多能源微网仿射优化调度方法，包括：
[0007]考虑多能源微网中电、热、气三种能源的协同作用，构建多能源微网优化调度模型，并在此基础上基于风光出力和负荷需求的预测信息，采用仿射算法表征多能源微网中的风光出力和负荷需求的不确定性，构建多能源微网的仿射优化调度模型；
[0008]在构建多能源微网仿射优化调度模型的基础上，利用模型预测控制MPC方法不断
获取持续更新的日内风光出力和负荷需求预测信息，并结合滚动优化思想，滚动求解所提出的多能源微网仿射优化调度模型。
[0009]相较于现有技术，本专利技术具有以下有益效果：
[0010]1、本专利技术提出的一种基于模型预测控制的多能源微网仿射优化调度方法能够有效地应对多能源微网中风光出力和负荷需求的不确定性，降低调度结果的保守性。利用仿射算法表征多能源微网中的风光出力和负荷需求的不确定性，通过共享噪声元的方式体现各不确定变量间的关联性，解决区间扩张问题。以最小化多能源微网运行费用及其波动范围为目标，构建起多能源微网的仿射优化调度模型，并将仿射优化调度模型结合至模型预测控制方法中，通过在日内不断获取更新后的风光出力和负荷需求预测信息，在保证预测信息精度的基础上，滚动求解所构建的多能源微网仿射优化调度模型，进一步缩小调度结果的区间；
[0011]2、本专利技术提出的一种基于模型预测控制的多能源微网仿射优化调度方法克服了随机优化方法建模难度大、求解负担重的不足，以及鲁棒、区间优化方法存在调度结果保守性偏大的问题。并且相较于多能源微网的日前优化方法，本专利技术所提方法利用不断更新的风光出力和负荷需求预测信息，能够降低不确定性对调度结果的影响，缩小调度结果区间。
附图说明
[0012]图1为多能源微网的系统结构图。
[0013]图2为基于模型预测控制的多能源微网仿射优化调度方法流程图。
具体实施方式
[0014]下面结合附图，对本专利技术的技术方案进行具体说明。
[0015]本专利技术一种基于模型预测控制的多能源微网仿射优化调度方法，包括：
[0016]考虑多能源微网中电、热、气三种能源的协同作用，构建多能源微网优化调度模型，并在此基础上基于风光出力和负荷需求的预测信息，采用仿射算法表征多能源微网中的风光出力和负荷需求的不确定性，构建多能源微网的仿射优化调度模型；
[0017]在构建多能源微网仿射优化调度模型的基础上，利用模型预测控制MPC方法不断获取持续更新的日内风光出力和负荷需求预测信息，并结合滚动优化思想，滚动求解所提出的多能源微网仿射优化调度模型。
[0018]以下为本专利技术方法具体实现过程。
[0019]1、多能源微网系统
[0020]1.1、系统结构
[0021]如图1所示，多能源微网由能源供给、能源转换设备、储能设备和负荷四部分组成，实现电、热、气三种能源的协同互济。其中，能源供给部分包括风力和光伏两种新能源发电以及与电网、气网的能源交互；能源转换由热电联产机组、电转气、电锅炉、燃气锅炉四种设备实现，其中热电联产机组又由微型燃气轮机和余热回收装置组成；储能设备包含电储能、热储能和气储能；负荷部分包含电、热、气三类负荷。
[0022]1.2、设备数学模型
[0023](1)热电联产机组
[0024]热电联产机组的数学模型为：
[0025][0026]式中，和分别为热电联产机组在t时段产出的电功率和热功率；为热电联产机组在t时段消耗的天然气功率；η
GE
和η
GH
分别为微型燃气轮机的产电和发热效率；η
HR
为余热回收装置的回收效率。
[0027](2)电转气
[0028]电转气的数学模型为：
[0029][0030]式中，和分别为电转气在t时段产出的天然气功率和消耗的电功率；η
P2G
为电转气的能源转换效率。
[0031](3)电锅炉
[0032]电锅炉的数学模型为：
[0033][0034]式中，和分别为电锅炉在t时段产出的热功率和消耗的电功率；η
EB
为电锅炉的电热转换效率。
[0035](4)燃气锅炉
[0036]燃气锅炉的数学模型为：
[0037][0038]式中，和分别为燃气锅炉在t时段产出的热功率和消耗的天然气功率；η
GB
为燃气锅炉的制热效率。
[0039](5)储能设备
[0040]储能设备的数学模型为：
[0041][0042]式中，tp表示储能设备本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模型预测控制的多能源微网仿射优化调度方法，其特征在于，包括：考虑多能源微网中电、热、气三种能源的协同作用，构建多能源微网优化调度模型，并在此基础上基于风光出力和负荷需求的预测信息，采用仿射算法表征多能源微网中的风光出力和负荷需求的不确定性，构建多能源微网的仿射优化调度模型；在构建多能源微网仿射优化调度模型的基础上，利用模型预测控制MPC方法不断获取持续更新的日内风光出力和负荷需求预测信息，并结合滚动优化思想，滚动求解所提出的多能源微网仿射优化调度模型。2.根据权利要求1所述的一种基于模型预测控制的多能源微网仿射优化调度方法，其特征在于，所述多能源微网由能源供给、能源转换设备、储能设备和负荷四部分组成，实现电、热、气三种能源的协同互济；能源供给包括风力和光伏两种新能源发电以及与电网、气网的能源交互；能源转换设备由热电联产机组、电转气、电锅炉、燃气锅炉四种设备实现，热电联产机组由微型燃气轮机和余热回收装置组成；储能设备包括电储能、热储能和气储能；负荷包括电、热、气三类负荷；其中，能源转换设备、储能设备数学模型如下：(1)热电联产机组热电联产机组的数学模型为：式中，和分别为热电联产机组在t时段产出的电功率和热功率；为热电联产机组在t时段消耗的天然气功率；η
GE
和η
GH
分别为微型燃气轮机的产电和发热效率；η
HR
为余热回收装置的回收效率；(2)电转气电转气的数学模型为：式中，和分别为电转气在t时段产出的天然气功率和消耗的电功率；η
P2G
为电转气的能源转换效率；(3)电锅炉电锅炉的数学模型为：式中，和分别为电锅炉在t时段产出的热功率和消耗的电功率；η
EB
为电锅炉的电热转换效率；(4)燃气锅炉燃气锅炉的数学模型为：式中，和分别为燃气锅炉在t时段产出的热功率和消耗的天然气功率；η
GB
为燃气锅炉的制热效率；(5)储能设备
储能设备的数学模型为：式中，tp表示储能设备类型，tp∈[ES,HS,GS]，其中ES表示电储能、HS表示热储能、GS表示气储能；为t时段的储能设备容量；和分别为t时段储能设备的充、放能功率；和分别为储能设备的充、放能效率；Δt为调度时段间隔。3.根据权利要求2所述的一种基于模型预测控制的多能源微网仿射优化调度方法，其特征在于，多能源微网运行约束如下：(1)功率平衡约束多能源微网需要分别满足电、热、气三种能源的功率平衡约束：式中，和分别为t时段多能源微网的购电和售电量；为t时段多能源微网的购气量；和分别为t时段风机和光伏的发电功率；和分别为t时段电储能设备的充、放电功率；和分别为t时段热储能设备的充、放能功率；和分别为t时段气储能设备的充、放能功率；和分别为t时段的电、热、气负荷需求；(2)外网交互约束多能源微网与外部电网进行购、售电交互以及向外部气网购气需要满足的约束为：式中，和分别为购电功率的下限和上限；和分别为售电功率的下限和上限；二进制变量v
t
表示t时段多能源微网的购、售电状态，若v
t
＝1表示多能源微网在t时段进行购电，反之若v
t
＝0则表示在t时段进行售电；和分别为购气量的下限和上限；(3)能源转换设备约束能源转换设备的出力和爬坡约束分别为：
式中，分别为热电联产机组的出力下限和上限；分别为电转气的出力下限和上限；分别为电锅炉的出力下限和上限；分别为燃气锅炉的出力下限和上限；分别为热电联产机组的爬坡下限和上限；分别为电锅炉的爬坡下限和上限；分别为燃气锅炉的爬坡下限和上限；(4)储能设备约束储能设备的约束为：式中，和分别为储能设备的容量下限和上限；和分别为储能设备充能的功率下限和上限；和分别为储能设备放能的功率下限和上限；和分别为调度周期开始前和结束时储能设备的容量；T为调度周期总时段数；通过二进制变量表示t时段储能设备的储、放能状态，若表示储能设备在t时段进行储能，反之若则表示储能设备在t时段进行放能，并通过约束储能设备在调度周期始末的容量一致，以保证周期可用性。4.根据权利要求3所述的一种基于模型预测控制的多能源微网仿射优化调度方法，其特征在于，所述多能源微网的仿射优化调度模型构建如下：(1)仿射变量定义：(1.1)不确定因素的仿射形式多能源微网中的不确定性为风力、光伏发电和三种负荷需求的预测误差，基于仿射算法将这些不确定性因素描述为如下的仿射形式：式中，和分别为t时段风力、光伏发电功率和电、热、气负荷需求所对应的仿射形式；和分别为和
对应的中心值，表示各不确定因素的预测值；和分别为和和对应的噪声元系数，表示各不确定因素的波动极限；和分别为分别为和对应的噪声元，表示各不确定因素的实际值与预测值间的偏差情况；(1.2)决策变量的仿射形式多能源微网仿射优化调度模型中的决策变量将受到所有不确定因素的共同作用，其仿射形式将包含所有不确定因素所对应的噪声元，如式所示：式中，为多能源微网某一决策变量X
t
的仿射形式；为其中心值，表示在未受不确定因素作用时，决策变量X
t
的优化调度值；为各不确定因素所对应的噪声元系数，表示各不确定因素对决策变量X
t
的影响程度；i为各不确定因素类型的集合；(2)仿射约束定义多能源微网中的约束条件为等式约束、不等式约束和跨时间约束三类；(2.1)等式约束多能源微网中的等式约束有能源的转换关系和功率平衡两类，其仿射形式如式所示；鉴于多能源微网仿射形式的决策变量具有相同的噪声元，将等式约束的仿射形式定义为等式两端仿射变量的中心值和各噪声元系数分别对应相等，因此式进一步表示为式：...

【专利技术属性】
技术研发人员：陈飞雄，郭奕鑫，邵振国，郑翔昊，林勇棋，
申请(专利权)人：福州大学，
类型：发明
国别省市：