基于模型预测控制的多微网系统2阶段优化调度_林永君.pdf

第第 39 卷卷 第第 4 期期 电电 力力 科科 学学 与与 工工 程程 Vol.39,No.4 2023 年年 4 月月 Electric Power Science and Engineering Apr.2023 基金项目：国家自然科学基金（52077078）。doi:10.3969/j.ISSN.1672-0792.2023.04.004 基于模型预测控制的多微网系统2阶段 优化调度 林永君1,2，孟耀兵1，张聪聪1，石晓虎1，刘卫亮1,2（1.华北电力大学 自动化系，河北 保定 071003；2.保定市综合能源系统状态检测与优化调控重点实验室，河北 保定 071003）摘 要：针对多微网系统集中式优化所带来的巨大计算压力以及源荷不确定性给系统稳定运行所造成的影响，提出了基于模型预测控制的多微网系统 2 阶段优化调度方法。针对日前阶段，考虑微网间源荷时空互补特性，以微网间热电交互功率、各微网中可控微源出力以及储能系统出力为优化变量，建立最小化多微网运行成本的日前优化模型，并利用同步型交叉方向乘子算法求解日前调度计划；针对日内阶段，为应对源荷预测偏差，用模型预测控制对储能系统进行合理调控，以平滑热、电网联络线，跟踪日前调度计划。算例结果表明，所提优化调度方法可缓解集中式优化的计算压力，提升系统运行的经济性与可靠性。关键词：多微网；电力系统自动化调度；模型预测控制；交叉方向乘子算法；2 阶段优化 中图分类号：TM734 文献标识码：A 文章编号：1672-0792(2023)04-0028-13 Two-stage Optimization Scheduling of Multi-microgrid System Based on Model Predictive Control LIN Yongjun1,2,MENG Yaobing1,ZHANG Congcong1,SHI Xiaohu1,LIU Weiliang1,2(1.Department of Automation,North China Electric Power University,Baoding 071003,China;2.Baoding Key Laboratory of Integrated Energy System State Detection and Optimization and Regulation,Baoding 071003,China)Abstract:A two-stage optimization and scheduling method of multi-microgrid system based on model predictive control is proposed to address the enormous computational pressure and the impact of source-load uncertainty on the system stable operation due to centralized optimization of multi-microgrid systems.In view of the day-ahead stage,a day-ahead optimization model is established to minimize the operating cost of the multi-microgrid system,taking into account the spatial and temporal complementary characteristics of the sources and loads between the microgrids,the interactive power between the microgrids,the output of controllable micro sources in each microgrid and the output of the energy storage system as optimization variables,and the day-ahead scheduling plan is solved using a synchronous cross-direction multiplier algorithm.For the intraday stage,in order to cope with the deviation of the source-load forecast,the model predictive control is used to reasonably regulate the 第 4 期 林永君，等：基于模型预测控制的多微网系统 2 阶段优化调度 29 energy storage system to smooth out the heat and grid contact lines and track the day-ahead dispatch plan.The results show that the proposed optimal dispatching method can relieve the computational pressure of centralized optimization and improve the economy and reliability of system operation.Key words:multi-microgrid;automatic dispatch of power system;model predictive control;cross-direction multiplier algorithm;two-phase optimization 0 引言 随着微网数量的不断增加，同一配网区域下的各微网可组成多微网系统1。相较于传统单微网，多微网系统的能量耦合形式更加多样，不仅在微网内部存在多能耦合，微网之间也可有能量的交互2。同时，受结构复杂、源荷两端具有不确定性等因素影响，多微网系统的优化控制面临挑战3。优化微网间热电交互功率、实现多能平衡、最小化系统运行成本、克服源荷不确定性，是当前亟需解决的重要问题4。目前，针对多微网协同优化调度问题，国内外学者已开展了一定的研究。文献5提出了一种考虑电能交互的多微网协同优化配置方法，有效提高了区域冷热电多微网系统的总体运行效益。文献6建立 2 阶段优化模型：在日前阶段，考虑了多微网运行的经济性；对实时调度阶段，构建了发电微网和用户微网间的主从博弈模型，以协调微网间的电能交互。文献7提出了基于主从博弈的多微网系统能量调度策略，以能量管理中心与微网运营商作为博弈主体，以各方自利益最大化为目标，进行了实时博弈。文献8考虑微网运行过程的经济性、环保性，提出了基于机会约束的多微网合作调度模型。上述相关研究大多采用集中式优化策略，这给上层调度中心带来了巨大的计算压力。分布式优化是解决这一问题的有效方法。文献9提出了含多微网的主动配电网分布式双层优化调度方法，在提高新能源消纳量以及系统运行的经济性与环保性的同时，降低了配网网损。文献10提出了价格引导下的多微网系统协调自治优化运行策略：以能源交易价格为手段，引导各微网内部微源出力，减小了各微网的运行成本。文献11综合考虑多微网综合能源系统能源交易中各微网侧以及用户侧的利益诉求，基于纳什议价理论构建了碳交易机制下考虑多微网运营商与代表用户侧利益的负荷聚合商合作的运行模型。文献12针对分布式能源附属于不同主体带来的协调控制问题，引入多代理机制，提出了多微网智能协调控制策略，并针对多微网的运行特征，设计了 3 层协调控制系统架构。针对分布式电源出力与负荷存在的不确定性问题，文献13建立了一种配电网与多微网联合分布式鲁棒经济调度模型。文献14针对源荷不确定性，提出了一种基于区间优化的冷热电联供型多微网日前优化调度方法，并利用交替方向乘子法（Alternating direction method of multipliers，ADMM）进行分布式求解；但是，鲁棒优化结果较为保守，区间优化结果范围较宽，难以适应更精准的日内调度计划。针对多微网系统，本文提出了基于模型预测控制（Model predictive control，MPC）的 2 阶段优化调度方法：在日前阶段，以多微网系统的运行成本为目标，考虑微网间源荷时空互补特性，建立日前经济优化模型，并利用同步型 ADMM 算法进行分布式求解，获得日前调度计划；在日内阶段，基于模型预测控制，对储能系统出力及微网间交互功率进行优化，以平抑源荷侧波动，跟踪日前调度计划。1 多微网系统结构及其数学模型 本文研究的多微网系统由若干个热电联产（Combined heat and power，CHP）型微网组成。CHP 型微网主要由风电、光伏、微型燃气轮机、余热锅炉、电制热机、电储能装置、热储能装置、建筑热储能系统以及热、电负荷组成。各微网既能与热网、电网进行交互，也能通过热、电联络线与相邻微网进行热能与电能的交互。图 1 以 3 个微网为例，展示多微网系统的拓扑结构。30 电电 力力 科科 学学 与与 工工 程程 2023 年 图 1 多微网系统结构 Fig.1 Structure of multi-microgrid system 1.1 CHP 机组约束模型 CHP 机组由微型燃气轮机和余热锅炉组成。微燃机通过消耗天然气产生电能。余热锅炉通过回收微燃机在发电过程中产生的高温废气生产热能，实现能源的梯级利用。在实际运行工况下，CHP 机组输出的电功率和热功率互相制约形成凸可行域15，如图 2 所示。图 2 CHP 机组运行特性 Fig.2 Operating characteristics of CHP units 由图 2 可知，CHP 机组的运行区间位于四边 形区域 ABCD。图 2 中，maxCHPH为机组输出的热功率上限，maxCHPP、minCHPP分别为机组输出的电功率上、下限。机组电功率的输出受到热功率输出的限制：随着机组输出热功率的不断增大，其所对应的电功率调节区间逐渐减小，从而体现了 CHP 机组的电热耦合特性。相应电热关系约束如下：CHP1CHP11()()()()()10()1IiiiIiiiIiiiPtx t PHtx t Hx tx t=|=|=|（1）式中：CHP()Pt和CHP()Ht分别为CHP机组在t时段输出的电功率和热功率；()ix t为t时段可行域 第i个顶点处的组合系数；Pi和Hi分别为第i个顶点处的电功率和热功率；I为可行域的顶点数。1.2 电制热机组约束模型 电制热机组将电能转换为热能，其数学关系满足：EHEHEHminmaxEHEHEH()()()HtPtPPtP=|（2）式中：EH()Ht为电制热机组在t时段输出的热功率；EH()Pt为电制热机组在t时段的耗电功率；EH为电制热机组的制热系数；maxEHP、minEHP分别为电 第 4 期 林永君，等：基于模型预测控制的多微网系统 2 阶段优化调度 31 制热机组的功率上、下限。1.3 电储能系统约束模型 在系统中增设储能设备，可在日前阶段发挥削峰填谷的作用，在日内阶段较好地实现跟踪日前调度计划的任务。电储能模型如下：PPP,cP,scP,dP,disi)(|)2()(1)11()2(STPPtSttt+-+=+-（3）minmaxsisisi()PP tP （4）minmaxPPP()SStS （5）PP(0)(24)SS=（6）式中：si()P t为电储能系统在t时段的出力；maxsiP、minsiP分别为电储能系统充放电功率上、下限；P,c、P,d分别为充、放电效率；maxPS、minPS分别为电储能系统荷电量上、下