CN114037337B 一种基于模型预测控制的微能源网优化调度方法及系统 （广东电网有限责任公司广州供电局）

局一种基于模型预测控制的微能源网优化调本发明涉及一种基于模型预测控制的微能度计划对八位一体微能源网中的各种设备进行荷和可再生能源出力的不确定性对微能源网的2对八位一体微能源网中的各种设备进行建模，生成各种设备的数学模根据所述实时调度计划对所述八位一体微能源网中的各种设备进行对所述分布式光伏机组进行建模，生成所述分布式光伏机组的数学模型度；对所述分布式风电机组进行建模，生成所述分布式风电机组的数学模型t时刻风机输出功率；v,为t时刻3；其中e.为单位时间内太阳能集热器得到的有效能对所述固体氧化物燃料电池进行建模，生成所述固体氧化物燃料电池的数学模型和；其中Rorc和Hsorc分；其中表示基岩储能荷电状态；o,是基岩储能自放热率；H。,和n心分别为充热功率和充热效率；和其中和分别为能量转换设备i在t时刻的输入功率和输出功率，n为能量转换设备i的转换效率。使周期内总成本最4和分别表示能量转换设备i单位出力维护成本和在t时段的输出功率；Cs和cis分别表示电储能和热储能在时段t的充放电和充放热成本；chc表示柴油发电机在时ci,表示电动汽车充放电成本。微能源网设备建模模块，用于对八位一体微能源网中的各种设备进行建微能源网设备调度模块，用于根据所述实时调度计划对所述八位一分布式光伏机组建模单元，用于对所述分布式光伏机组进行伏机组的数学模型；其中为时刻时刻光伏板表面温度；5分布式风电机组建模单元，用于对所述分布式风电机组电机组的数学模型太阳能集热器建模单元，用于对所述太阳能集热器进行建模其中Rorc和Hsorc分别表示固体氧化物燃料电池输出的电功率和热功率；m为固体氧化电储能建模单元，用于对所述电储能进行建模，生成所述电储能的数学模型基岩储能建模单元，用于对所述基岩储能进行建模，生成所述基岩储能的数学模型；其中表示基岩储能荷能量转换设备建模单元，用于对所述能量转换设备进6约束条件限制单元，用于限制所述八位一体微能源网中的各种设备同时满足系统约C表示周期内总成本；T表示日前优化调度的周期；N表示能量转换设备的数量；和分别表示能量转换设备i单位出力维护成本和在t时段的输出功率；Cs和cian分别表示电储能和热储能在时段t的充放电和充放热成本；chc表示柴油发电机在时段t的7处理方法大致分为基于场景的随机优化和鲁棒优化，前者需要不确定因素的准确概率分[0004]两阶段优化调度方法极大地提高了可再生能源的利用率[0005]冷热电负荷和可再生能源发电的强随机性对微能源网优化调度的不确定性分析[0007]2)现有针对日前时间尺度下不确定性的处理方法需要不确定因素的准确概率分8[0009]1)两阶段优化调度方法极大地提高了可再生能源的利用率，但这种开环控制方在实时时间尺度下不断进行预测模型-滚动优化-反馈校正的过程，最终得到实时调度结其中为t时刻光伏阵列输出功率；fPV其中为t时刻风机输出功率；vt为t时刻9a为环境温度；和其中PSOFC和HSOFC分别表示固体氧化物燃料电池输出的电功率和热功率；ηh为固体氧化物燃料电池可逆热力学效其中和分别为能量转换设备i在t时刻的输入功率和输出功[0029]使周期内总成本和分别表示能量转换设备i单位出力维护成本和在t时段的输出功率；cs和cin分别表示电储能和热储能在时段t的充放电和充放热成本；chc表示柴油发电机在时段t的发计划；式光伏机组的数学模型其中为t式风电机组的数学模型其中为t时刻风a为环境温度；其中PSOFC和HSOFC分别表示固体氧化物燃料电池输出的电功率和热功率；ηh为固体氧化物燃[0042]电储能建模单元，用于对所述电储能进行建模，生成所述电储能的数学模型其中表示电储能荷电状型其中表示基岩储能设备的数学模型其中和分别为能量转换设备i在t时刻的输入最低；其中C表示周期内总成本；T表示日前优化调度的周期；N表示能量转换设备的数量；λi和分别表示能量转换设备i单位出力维护成本和在t时段的输出功率；cias和cin分别表示电储能和热储能在时段t的充放电和充放热成本；chc表示柴油发电机在时段t的发电的目标函数储设备(包括电储能/基岩储能)、能量转换设备(包括高温水罐/电热泵/溴化锂制冷机/磁悬浮制冷机)，其中日前优化以经济性最优为目标得到日前调度计划，实时优化过程中每15min重新预测未来1h内的冷热电负荷和可再生能源出力，以与日前计划偏差最小和调度日前-实时两阶段优化方法的基础上，在实时时间尺度下不断进行预测模型-滚动优化-反[0064]步骤101：对八位一体微能源网中的各种设备进行建模，生成各种设备的数学模集热器吸收的太阳辐射能量S减去集热器向周围环[0092]固体氧化物燃料电池(SolidOxideFuelCell，SOFC)是一种直接将燃料气和氧BES为基岩储能容量。动汽车，其相关参数可以用矩阵表示，其中和分别表示电动汽车离开和接入微能源网的时间，和分别表EV为电动汽车电池容量。[0123]日前优化调度是确保微能源网安全经济运行的重要环节，日前优化调度周期为能成本ces、储热成本电动汽车充放电成本CEV、能量转换设备维护成本、柴油发电机发电成本cbc、与大电网交互购售电成本ciw和购买天然气费用corc.经济成本C可以i和分别表示能量转换设备i单位出力维护成本和在t时段的输出功率；Cs和cis分别表示电储能和热储能在时段t的充放电本；cir表示时段t电动汽车充放电成本。KEES、KBES和KEV分别为电储能、热储能和EV荷、热负荷和冷负荷功率守恒。是微能源网与大电网联络线允许交换的最大功率；功率；和分别为光伏和风机出力。Him、HXC和Hiun分别表示电热泵的输出热功OSFrrnsF⃞(28)[0145]其中，式(25-29)分别是柴油发电机输出电功率、燃料电池输出电功率、电热泵输出热功率、离心式冷水机组输出冷功率、吸收式制冷机输出冷功率的功率约束。前时刻t基岩储能元件放电，反之，表示当前时刻t基岩储能元件未放电。和的最小、最大放电功率；和分别为基岩储能元件的最小、最大荷电状态；socis表示基岩储能元件当前时刻t的荷电状态。a和分别表示电动汽车充转放和放转充的状态转换变量，为二进制的充放电转换状态值与相邻时段放电状态有关；tc和td分别为电动汽车接入电网和离开电终得到24h(共96时段)的实时优化调度结果(实时调度计划)。实时优化调度的约束条件同[0174]预测模型的功能是根据日前计划和预测得到的未来一个周期内四个时段的可再相邻时间步间可调度设备出力和储能出力调整于模型的预测进行修正，并将得到的上一时段15min的优化结果反馈到输入端使调度结果[0183]所述步骤103在实时时间尺度下，基于模型预测控制方法，在满足约束条件的同氧化物燃料电池电功率PSOFC、电储能元件充放电功率Pch和Pdis、电动汽车充放电功率Ech和Edis交互功率直接遵循日前计划。[0185]步骤104：根据所述实时调度计划对所述八位一体微能源网中的各种设备进行实以经济最优为目标得到日前优化结果；然后在实时时间尺度下，基于模型预测方法，每供一种基于模型预测控制的微能源网优化调度系统。图5为本发明一种基于模型预测控制调度计划；[0192]微能源网设备调度模块504，用于根据所述实时调度计划对所述八位一体微能源式光伏机组的数学模型其中为t式风电机组的数学模型其中为t时刻风a为环境温度；其中PSOFC和HSOFC分别表示固体氧化物燃料电池输出的电功率和热功率；ηh为固体氧化物燃[0198]电储能建模单元，用于对所述电储能进行建模，生成所述电储能的数学模型型其中SOCS表示基岩储能设备的数学模型Ba,=7,·R,:其中和分别为能量转换设备i在t时刻的输入其中C表示周期内总成本；T表示日前优化调度的周期；N表示能量转换设备的数量；λi和分别表示能量转换设备i单位出力维护成本和在t时段的输出功率；cis和cia分别表示电储能