CN111769601A - 一种基于mpc策略的微电网能量调度方法 - Google Patents

一种基于mpc策略的微电网能量调度方法 Download PDF

Info

Publication number
CN111769601A
CN111769601A CN202010650379.6A CN202010650379A CN111769601A CN 111769601 A CN111769601 A CN 111769601A CN 202010650379 A CN202010650379 A CN 202010650379A CN 111769601 A CN111769601 A CN 111769601A
Authority
CN
China
Prior art keywords
power
grid
micro
energy storage
storage unit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010650379.6A
Other languages
English (en)
Inventor
蔡善忠
宋翔
章子涵
田力牧
宋紫烟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hubei Electric Power Equipment Co ltd
Original Assignee
Hubei Electric Power Equipment Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hubei Electric Power Equipment Co ltd filed Critical Hubei Electric Power Equipment Co ltd
Priority to CN202010650379.6A priority Critical patent/CN111769601A/zh
Publication of CN111769601A publication Critical patent/CN111769601A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供了一种基于MPC策略的微电网能量调度方法，通过预测和实时监测发电单元和用电单元的数据，监测蓄电池各时刻SOC剩余量来判断每个时刻微电网与配电网的功率交互值以及蓄电池的充放电功率值来决定每个时刻微电网的具体动作，根据蓄电池剩余的SOC量设计出合理的能量调度方法，通过控制蓄电池充放电和控制逆变器达到微电网跟配电网能量的双向流动来达到系统总的能量平衡和总的运行成本控制。

Description

一种基于MPC策略的微电网能量调度方法
技术领域
本发明涉及微电网并网发电技术领域，尤其涉及一种基于MPC策略的微电网能量调度方法。
背景技术
微电网(Micro-Grid)，是指由分布式电源、储能装置、能量转换装置、负荷、监控和保护装置等组成的小型发配电系统，含有电力电子接口的小型机组，包括光伏电池、小型风力发电机等设备以及储能装置。微电网的提出旨在实现分布式电源的灵活、高效应用，解决数量庞大、形式多样的分布式电源并网问题。开发和延伸微电网能够充分促进分布式电源与可再生能源的大规模接入，实现对负荷多种能源形式的高可靠供给，是实现主动式配电网的一种有效方式，使传统电网向智能电网过渡。微电网系统通常包括配电网、逆变器、储能单元、光伏发电单元、风机发电单元和负载五个部分。光伏发电单元和风机发电单元是主要的能量供给部分，负载是微电网系统的能量输出部分，配电网配合逆变器和储能部分共同保证能量的流动方向。
微电网系统是一个具有混合动态特性的混杂系统。由于新能源的间歇性、负荷类型的多样性、网络拓扑的复杂性及电力市场约束等技术难题的出现，使得传统的能源管理策略难以满足实际的控制需求。为了保证微电网的安全性、可靠性和经济性，需要对其能量的储存和使用进行合理调度。
发明内容
有鉴于此，本发明提出了一种采用滚动优化和反馈校正策略、提高微电网系统鲁棒性的基于MPC策略的微电网能量调度方法。
本发明提供了一种基于MPC策略的微电网能量调度方法，包括如下步骤：
S1：选择微电网系统的参数，设置微电网能量调度的初始时刻k；
S2：预测初始时刻k到结束时刻之间的微电网发电功率和电网负荷，监测所预测的微电网发电功率和电网负荷用电功率的真实值；
S3：根据选择微电网系统的参数，建立微电网储能系统模型、微电网与配电网功率交互模型，确定目标函数和约束条件；
S4：根据上一步建立的模型、目标函数和约束条件，求解k时刻最优的目标函数值以及初始时刻k到结束时刻之间各时刻的微电网储能单元功率序列值和微电网与配电网功率交互序列值；
S5：采用上一步求解的时刻k到结束时刻之间的控制序列的第一个序列值，结合时刻k监测到的微电网发电功率和电网负荷用电功率的真实值，得到功率预测误差值，微电网系统对该功率偏差进行实时补偿，得到改进后的序列值；通过改进后的序列值和微电网储能系统模型计算储能单元当前时刻的电量或者通过测量获得储能单元的实际电量，并将储能单元当前时刻的电量作为下一采样时刻k+1计算的参数代入建立的模型中；
S6：重复以上步骤S4—S5，分别计算当前时刻到结束时刻之间的各时刻对应的目标函数值和交互序列值，并实时监测获得所预测的微电网发电功率和电网负荷用电功率的真实序列值，直到到达结束时刻，停止计算，并统计以上各时刻的真实控制序列和储能单元的电量。
在以上技术方案的基础上，优选的，所述选择微电网系统的参数，建立微电网储能系统模型、微电网与配电网功率交互模型，确定目标函数和约束条件的内容如下：
分别定义k时刻的储能单元的荷电状态SOC(k)、储能单元剩余电量Ebat(k)和储能单元的功率交互值Pbat(k)，其相互关系为
Ebat(k+1)＝Ebat(k)+ηPbat(k)Δt；
Pbatmin≤Pbat(k)≤Pbatmax；
SOCmin≤SOC(k)≤SOCmax；
Pbat(k)的符号表示充电或者放电状态，Pbat(k)≥0时储能单元充电，反之则放电；η为充放电效率，0＜η＜1；Pbatmax和Pbatmin是储能单元的功率交互值的上限和下限；SOCmax和SOCmin是储能单元荷电状态的上限和下限；Δt为初始时刻t与下一采样时刻t+1的时间差；Ebat(k+1)为储能单元t+1时刻的初始电量；
定义
Figure BDA0002574713360000031
Pgridmin(k)≤Pgrid(k)≤Pgridmax(k)；
其中Pgrid(k)和Jgrid(k)为k时刻微电网与配电网交互的功率和成本；Mb(k)和Ms(k)分别表示微电网向配电网购买和售出电能的价格；Pgridmax(k)和Pgridmin(k)是微电网与配电网最大功率交互的上限和下限；
将微电网运行成本作为目标函数objective，有
Figure BDA0002574713360000032
Mbat为储能单元维护费用，与储能单元充放电次数正相关；T为系统预测时域；|Pbat(k)|是储能单元在k时刻进行功率交换的绝对值；
Pbat(k)＝Ppv(k)+Pfan(k)+Pgrid(k)-Pload(k)；Ppv(k)、Pfan(k)和Pload(k)分别为k时刻的光伏发电功率、风机发电功率和负载功率。
进一步优选的，所述求解k时刻最优的目标函数值以及微电网储能单元功率序列值和微电网与配电网功率交互序列值，是通过引入逻辑辅助变量和连续辅助变量，简化微电网储能系统模型、微电网与配电网功率交互模型、目标函数和约束条件：
引入逻辑辅助变量δb(k)和连续辅助变量zb(k)，zb(k)＝δb(k)Pbat(k)；
引入逻辑辅助变量δg(k)和连续辅助变量zg(k)，zg(k)＝δg(k)Pgrid(k)；
定义Pbat(k)≥0等价于δb(k)＝1；
-Pbat(k)≤Pbatmax(1-δb(k))；-Pbat(k)≥-Pbatmaxδb(k)；
Jgrid(k)＝Mb(k)Pgrid(k)δg(k)+Ms(k)Pgrid(k)[1-δg(k)]；
Jgrid(k)＝Ms(k)Pgrid(k)+[Mb(k)-Ms(k)]zg(k)；
-Pgrid(k)≤Pgridmax(k)(1-δg(k))；-Pgrid(k)≥-Pgridmax(k)δg(k)；
Figure BDA0002574713360000041
通过以上简化将分段模型和带绝对值模型简化为连续模型，并通过向模型中给定光伏发电最大功率、风机发电最大功率、SOCmax、SOCmin、η、初始时刻SOC(k)、微电网与配电网的交互功率的上下限以及Mbat、Mb(k)和Ms(k)，光伏发电功率、风机发电功率和负载功率的序列值；求解k时刻到结束时刻的时域T内各个时刻的微电网储能单元功率序列值和微电网与配电网功率交互序列值，各序列值按照时间先后顺序排列。
更进一步优选的，所述对功率偏差进行实时补偿，是通过计算出k时刻微电网系统的总的预测误差值，将微电网系统总的预测误差值的补偿全部分配给微电网和配电网交互的功率上，再进行条件判断：当微电网与配电网的交互功率补偿后超过逆变器的功率阈值时，先让微电网与配电网交互的功率补偿到其上限或者下限，再将剩余的功率补偿加给储能单元；当微电网与配电网补偿后的交互功率小于逆变器的功率阈值时，通过微电网跟配电网的逆变器单元向微电网与配电网交互的功率补偿微电网系统的总的预测误差值；
令k时刻微电网系统的总的预测误差值为ΔP，有
ΔP＝[Pload(k)测量-Pload(k)]-[Ppv(k)测量-Ppv(k)]-[Pfan(k)测量-Pfan(k)]
其中，Pload(k)测量、Ppv(k)测量和Pfan(k)测量均为k时刻的监测到微电网发电功率和电网负荷用电功率的真实值，上述真实值与求解模型和目标函数获得的预测值的误差之和为k时刻微电网系统的总的预测误差值；微电网系统对该总的预测误差值进行实时补偿需要结合逆变器的阈值进行判断；
当-Pgridmax(k)≤Pgrid(k)+ΔPgrid(k)+ΔP≤Pgridmax(k)时，补偿后的k时刻微电网与配电网交互的功率为Pgrid(k)+ΔP；
当Pgrid(k)+ΔP≤-Pgridmax(k)或者Pgrid(k)+ΔP≥Pgridmax(k)时，补偿后的k时刻微电网与配电网交互的功率达到最大值Pgridmax(k)，超出Pgridmax(k)部分功率补偿到储能单元的功率交互值Pbat(k)上。
更进一步优选的，所述计算储能单元当前时刻的电量，具体方法为，将充放电效率η分为充电效率ηch和放电效率ηdis，当储能单元的功率交互值Pbat(k)≥0时，η＝ηch；Pbat(k)≤0时，η＝1/ηdis；储能单元t+1时刻的初始电量公式更新为：
Ebat(k+1)＝Ebat(k)+[(ηch-1)/ηdis]δb(k)Δt+(1/ηdis)Pbat(k)Δt；
Δt为初始时刻t与下一采样时刻t+1的时间差；定义Ebatmax和Ebatmin为与对应的储能单元荷电状态的上限SOCmax和下限SOCmin对应的储能单元电量上限和电量下限；储能单元的额定容量为E，
E＝Ebatmax/SOCmax；Ebatmin＝E·SOCmin；通过比较Ebat(k+1)与Ebatmax和Ebatmin改变储能单元的功率交互值Pbat(k)的符号。
本发明提供的一种基于MPC策略的微电网能量调度方法，相对于现有技术，具有以下有益效果：
(1)本发明通过预测和实时监测发电单元和用电单元的数据，监测蓄电池各时刻SOC剩余量来判断每个时刻微电网与配电网的功率交互值以及蓄电池的充放电功率值来决定每个时刻微电网的具体动作，通过控制蓄电池充放电和控制逆变器达到微电网跟配电网能量的双向流动来达到系统总的能量平衡和控制总的运行成本的效果；
(2)预测误差通过实时补偿的方法优先补偿给与配电网交互的功率中，并且考虑功率交互的上限，防止器件损坏的同时，稳定输出功率；
(3)通过混合逻辑动态控制，引入辅助逻辑变量和连续辅助变量消去了建立模型中的绝对值和分段问题，简化了计算过程；
(4)通过实时监测发电和负荷的数据，并通过前馈控制将预测误差加到微电网与配电网的交互功率上，使得基于MPC策略的优化更加精确。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一种基于MPC策略的微电网能量调度方法的微电网系统的拓扑结构；
图2为本发明一种基于MPC策略的微电网能量调度方法的流程图；
图3为本发明一种基于MPC策略的微电网能量调度方法的系统总的预测误差值的实时补偿流程图。
具体实施方式
下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
如图1和图2所示，本发明提供了一种基于MPC策略的微电网能量调度方法，包括如下步骤：
S1：选择微电网系统的参数，设置微电网能量调度的初始时刻k。
S2：预测初始时刻k到结束时刻之间的微电网发电功率和电网负荷，监测所预测的微电网发电功率和电网负荷用电功率的真实值；初始时刻k到结束时刻之间的时域为T；
S3：根据选择微电网系统的参数，建立微电网储能系统模型、微电网与配电网功率交互模型，确定目标函数和约束条件；
建模具体方法为：分别定义k时刻的储能单元的荷电状态SOC(k)、储能单元剩余电量Ebat(k)和储能单元的功率交互值Pbat(k)，其相互关系为
Ebat(k+1)＝Ebat(k)+ηPbat(k)Δt；
Pbatmin≤Pbat(k)≤Pbatmax；
SOCmin≤SOC(k)≤SOCmax；
Pbat(k)的符号表示充电或者放电状态，Pbat(k)≥0时储能单元充电，反之则放电；η为充放电效率，0＜η＜1；Pbatmax和Pbatmin是储能单元的功率交互值的上限和下限；SOCmax和SOCmin是储能单元荷电状态的上限和下限；Δt为初始时刻t与下一采样时刻t+1的时间差；Ebat(k+1)为储能单元t+1时刻的初始电量；
定义
Figure BDA0002574713360000071
Pgridmin(k)≤Pgrid(k)≤Pgridmax(k)；
其中Pgrid(k)和Jgrid(k)为k时刻微电网与配电网交互的功率和成本；Mb(k)和Ms(k)分别表示微电网向配电网购买和售出电能的价格；Pgridmax(k)和Pgridmin(k)是微电网与配电网最大功率交互的上限和下限；
将微电网运行成本作为目标函数objective，有
Figure BDA0002574713360000072
Mbat为储能单元维护费用，与储能单元充放电次数正相关；T为系统预测时域，即；|Pbat(k)|是储能单元在k时刻进行功率交换的绝对值；
Pbat(k)＝Ppv(k)+Pfan(k)+Pgrid(k)-Pload(k)；Ppv(k)、Pfan(k)和Pload(k)分别为k时刻的光伏发电功率、风机发电功率和负载功率。由以上公式可以看出，公式部分包含分段函数和绝对值函数，函数并不连续，求解十分不便。
为便于简化模型和求解，通过引入逻辑辅助变量和连续辅助变量，简化微电网储能系统模型、微电网与配电网功率交互模型、目标函数和约束条件：
引入逻辑辅助变量δb(k)和连续辅助变量zb(k)，zb(k)＝δb(k)Pbat(k)；
引入逻辑辅助变量δg(k)和连续辅助变量zg(k)，zg(k)＝δg(k)Pgrid(k)；
定义Pbat(k)≥0等价于δb(k)＝1；
-Pbat(k)≤Pbatmax(1-δb(k))；-Pbat(k)≥-Pbatmaxδb(k)；
Jgrid(k)＝Mb(k)Pgrid(k)δg(k)+Ms(k)Pgrid(k)[1-δg(k)]；
Jgrid(k)＝Ms(k)Pgrid(k)+[Mb(k)-Ms(k)]zg(k)；
-Pgrid(k)≤Pgridmax(k)(1-δg(k))；-Pgrid(k)≥-Pgridmax(k)δg(k)；
Figure BDA0002574713360000081
通过以上简化将分段模型和带绝对值模型简化为连续模型，并通过向模型中给定光伏发电最大功率、风机发电最大功率、SOCmax、SOCmin、η、初始时刻SOC(k)、微电网与配电网的交互功率的上下限以及Mbat、Mb(k)和Ms(k)，光伏发电功率、风机发电功率和负载功率的序列值；求解k时刻到结束时刻之间的时域T内各个时刻的微电网储能单元功率序列值和微电网与配电网功率交互序列值，各序列值按照时间先后顺序排列。
为保证数据的准确性，监测所预测的微电网发电功率和电网负荷用电功率的真实值，真实值序列值的数量与k时刻的数值相当；预测初始时刻k到结束时刻之间的微电网发电功率和电网负荷的数值的数量≥2k，这样才能获得足够的样本进行计算。举例k时刻为上午10：00，若将Δt定义为1小时，则结束时刻不应小于当日20：00，测量数据越多，测量持续时间越长，则精度越高。
另外，计算储能单元当前时刻的电量，具体方法是将充放电效率η分为充电效率ηch和放电效率ηdis，当储能单元的功率交互值Pbat(k)≥0时，η＝ηch；Pbat(k)≤0时，η＝1/ηdis；储能单元t+1时刻的初始电量公式更新为：
Ebat(k+1)＝Ebat(k)+[(ηch-1)/ηdis]δb(k)Δt+(1/ηdis)Pbat(k)Δt；
Δt为初始时刻t与下一采样时刻t+1的时间差；定义Ebatmax和Ebatmin为与对应的储能单元荷电状态的上限SOCmax和下限SOCmin对应的储能单元电量上限和电量下限；储能单元的额定容量为E，
E＝Ebatmax/SOCmax；Ebatmin＝E·SOCmin；通过比较Ebat(k+1)与Ebatmax和Ebatmin改变储能单元的功率交互值Pbat(k)的符号。可以设定一个阈值，如Ebatmax的30—40％，当储能单元当前时刻的电量低于该阈值时，储能单元停止功率输出，由光伏发电单元、风机发电单元或者电网向储能单元输出功率；当然也可以实际测量储能单元的电量，这样会更加准确。
S4：根据上一步建立的模型、目标函数和约束条件，求解k时刻最优的目标函数值以及初始时刻k到结束时刻之间各时刻的微电网储能单元功率序列值和微电网与配电网功率交互序列值；
S5：采用上一步求解的时刻k到结束时刻之间的控制序列的第一个序列值，结合时刻k监测到的微电网发电功率和电网负荷用电功率的真实值，得到功率预测误差值，微电网系统对该功率偏差进行实时补偿，得到改进后的序列值；通过改进后的序列值和微电网储能系统模型计算储能单元当前时刻的电量或者通过测量获得储能单元的实际电量，并将储能单元当前时刻的电量作为下一采样时刻k+1计算的参数代入建立的模型中；
如图3所示，对功率偏差进行实时补偿，是通过计算出k时刻微电网系统的总的预测误差值，将微电网系统总的预测误差值的补偿全部分配给微电网和配电网交互的功率上，再进行条件判断：当微电网与配电网的交互功率补偿后超过逆变器的功率阈值时，先让微电网与配电网交互的功率补偿到其上限或者下限，再将剩余的功率补偿加给储能单元；当微电网与配电网补偿后的交互功率小于逆变器的功率阈值时，通过微电网跟配电网的逆变器单元向微电网与配电网交互的功率补偿微电网系统的总的预测误差值；
令k时刻微电网系统的总的预测误差值为ΔP，有
ΔP＝[Pload(k)测量-Pload(k)]-[Ppv(k)测量-Ppv(k)]-[Pfan(k)测量-Pfan(k)]
其中，Pload(k)测量、Ppv(k)测量和Pfan(k)测量均为k时刻的监测到微电网发电功率和电网负荷用电功率的真实值，上述真实值与求解模型和目标函数获得的预测值的误差之和为k时刻微电网系统的总的预测误差值；微电网系统对该总的预测误差值进行实时补偿需要结合逆变器的阈值进行判断；
当-Pgridmax(k)≤Pgrid(k)+ΔPgrid(k)+ΔP≤Pgridmax(k)时，补偿后的k时刻微电网与配电网交互的功率为Pgrid(k)+ΔP；
当Pgrid(k)+ΔP≤-Pgridmax(k)或者Pgrid(k)+ΔP≥Pgridmax(k)时，补偿后的k时刻微电网与配电网交互的功率达到最大值Pgridmax(k)，超出Pgridmax(k)部分功率补偿到储能单元的功率交互值Pbat(k)上。
该实时补偿方法考虑到了逆变器的功率阈值，能保证微电网系统运行的稳定性。
S6：重复以上步骤S4—S5，采用滚动优化的形式，分别计算当前时刻到结束时刻之间的各时刻对应的目标函数值和交互序列值，并实时监测获得所预测的微电网发电功率和电网负荷用电功率的真实序列值，直到到达结束时刻，停止计算和更新序列值，并统计以上各时刻的真实控制序列和储能单元的电量。
基于模型预测值的偏差，本发明在常见的MPC策略上加入了滚动优化和闭环反馈校正环节，使得局部最优解更可靠。本发明模型的求解过程可以采用计算机仿真建模来进行求解。
以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于MPC策略的微电网能量调度方法，其特征在于：包括如下步骤：
S1：选择微电网系统的参数，设置微电网能量调度的初始时刻k；
S2：预测初始时刻k到结束时刻之间的微电网发电功率和电网负荷，监测所预测的微电网发电功率和电网负荷用电功率的真实值；
S3：根据选择微电网系统的参数，建立微电网储能系统模型、微电网与配电网功率交互模型，确定目标函数和约束条件；
S4：根据上一步建立的模型、目标函数和约束条件，求解k时刻最优的目标函数值以及初始时刻k到结束时刻之间各时刻的微电网储能单元功率序列值和微电网与配电网功率交互序列值；
S5：采用上一步求解的时刻k到结束时刻之间的控制序列的第一个序列值，结合时刻k监测到的微电网发电功率和电网负荷用电功率的真实值，得到功率预测误差值，微电网系统对该功率偏差进行实时补偿，得到改进后的序列值；通过改进后的序列值和微电网储能系统模型计算储能单元当前时刻的电量或者通过测量获得储能单元的实际电量，并将储能单元当前时刻的电量作为下一采样时刻k+1计算的参数代入建立的模型中；
S6：重复以上步骤S4—S5，分别计算当前时刻到结束时刻之间的各时刻对应的目标函数值和交互序列值，并实时监测获得所预测的微电网发电功率和电网负荷用电功率的真实序列值，直到到达结束时刻，停止计算，并统计以上各时刻的真实控制序列和储能单元的电量。
2.如权利要求1所述的一种基于MPC策略的微电网能量调度方法，其特征在于：所述选择微电网系统的参数，建立微电网储能系统模型、微电网与配电网功率交互模型，确定目标函数和约束条件的内容如下：
分别定义k时刻的储能单元的荷电状态SOC(k)、储能单元剩余电量Ebat(k)和储能单元的功率交互值Pbat(k)，其相互关系为
Ebat(k+1)＝Ebat(k)+ηPbat(k)Δt；
Pbatmin≤Pbat(k)≤Pbatmax；
SOCmin≤SOC(k)≤SOCmax；
Pbat(k)的符号表示充电或者放电状态，Pbat(k)≥0时储能单元充电，反之则放电；η为充放电效率，0＜η＜1；Pbatmax和Pbatmin是储能单元的功率交互值的上限和下限；SOCmax和SOCmin是储能单元荷电状态的上限和下限；Δt为初始时刻t与下一采样时刻t+1的时间差；Ebat(k+1)为储能单元t+1时刻的初始电量；
定义
Figure FDA0002574713350000021
Pgridmin(k)≤Pgrid(k)≤Pgridmax(k)；
其中Pgrid(k)和Jgrid(k)为k时刻微电网与配电网交互的功率和成本；Mb(k)和Ms(k)分别表示微电网向配电网购买和售出电能的价格；Pgridmax(k)和Pgridmin(k)是微电网与配电网最大功率交互的上限和下限；
将微电网运行成本作为目标函数objective，有
Figure FDA0002574713350000022
Mbat为储能单元维护费用，与储能单元充放电次数正相关；T为系统预测时域；|Pbat(k)|是储能单元在k时刻进行功率交换的绝对值；
Pbat(k)＝Ppv(k)+Pfan(k)+Pgrid(k)-Pload(k)；Ppv(k)、Pfan(k)和Pload(k)分别为k时刻的光伏发电功率、风机发电功率和负载功率。
3.如权利要求2所述的一种基于MPC策略的微电网能量调度方法，其特征在于：所述求解k时刻最优的目标函数值以及微电网储能单元功率序列值和微电网与配电网功率交互序列值，是通过引入逻辑辅助变量和连续辅助变量，简化微电网储能系统模型、微电网与配电网功率交互模型、目标函数和约束条件：
引入逻辑辅助变量δb(k)和连续辅助变量zb(k)，zb(k)＝δb(k)Pbat(k)；
引入逻辑辅助变量δg(k)和连续辅助变量zg(k)，zg(k)＝δg(k)Pgrid(k)；
定义Pbat(k)≥0等价于δb(k)＝1；
-Pbat(k)≤Pbatmax(1-δb(k))；-Pbat(k)≥-Pbatmaxδb(k)；
Jgrid(k)＝Mb(k)Pgrid(k)δg(k)+Ms(k)Pgrid(k)[1-δg(k)]；
Jgrid(k)＝Ms(k)Pgrid(k)+[Mb(k)-Ms(k)]zg(k)；
-Pgrid(k)≤Pgridmax(k)(1-δg(k))；-Pgrid(k)≥-Pgridmax(k)δg(k)；
Figure FDA0002574713350000031
通过以上简化将分段模型和带绝对值模型简化为连续模型，并通过向模型中给定光伏发电最大功率、风机发电最大功率、SOCmax、SOCmin、η、初始时刻SOC(k)、微电网与配电网的交互功率的上下限以及Mbat、Mb(k)和Ms(k)，光伏发电功率、风机发电功率和负载功率的序列值；求解k时刻到结束时刻的时域T内各个时刻的微电网储能单元功率序列值和微电网与配电网功率交互序列值，各序列值按照时间先后顺序排列。
4.如权利要求3所述的一种基于MPC策略的微电网能量调度方法，其特征在于：所述对功率偏差进行实时补偿，是通过计算出k时刻微电网系统的总的预测误差值，将微电网系统总的预测误差值的补偿全部分配给微电网和配电网交互的功率上，再进行条件判断：当微电网与配电网的交互功率补偿后超过逆变器的功率阈值时，先让微电网与配电网交互的功率补偿到其上限或者下限，再将剩余的功率补偿加给储能单元；当微电网与配电网补偿后的交互功率小于逆变器的功率阈值时，通过微电网跟配电网的逆变器单元向微电网与配电网交互的功率补偿微电网系统的总的预测误差值；
令k时刻微电网系统的总的预测误差值为ΔP，有
ΔP＝[Pload(k)测量-Pload(k)]-[Ppv(k)测量-Ppv(k)]-[Pfan(k)测量-Pfan(k)]
其中，Pload(k)测量、Ppv(k)测量和Pfan(k)测量均为k时刻的监测到微电网发电功率和电网负荷用电功率的真实值，上述真实值与求解模型和目标函数获得的预测值的误差之和为k时刻微电网系统的总的预测误差值；微电网系统对该总的预测误差值进行实时补偿需要结合逆变器的阈值进行判断；
当-Pgridmax(k)≤Pgrid(k)+ΔPgrid(k)+ΔP≤Pgridmax(k)时，补偿后的k时刻微电网与配电网交互的功率为Pgrid(k)+ΔP；
当Pgrid(k)+ΔP≤-Pgridmax(k)或者Pgrid(k)+ΔP≥Pgridmax(k)时，补偿后的k时刻微电网与配电网交互的功率达到最大值Pgridmax(k)，超出Pgridmax(k)部分功率补偿到储能单元的功率交互值Pbat(k)上。
5.如权利要求3所述的一种基于MPC策略的微电网能量调度方法，其特征在于：所述计算储能单元当前时刻的电量，具体方法为，将充放电效率η分为充电效率ηch和放电效率ηdis，当储能单元的功率交互值Pbat(k)≥0时，η＝ηch；Pbat(k)≤0时，η＝1/ηdis；储能单元t+1时刻的初始电量公式更新为：
Ebat(k+1)＝Ebat(k)+[(ηch-1)/ηdis]δb(k)Δt+(1/ηdis)Pbat(k)Δt；
Δt为初始时刻t与下一采样时刻t+1的时间差；定义Ebatmax和Ebatmin为与对应的储能单元荷电状态的上限SOCmax和下限SOCmin对应的储能单元电量上限和电量下限；储能单元的额定容量为E，
E＝Ebatmax/SOCmax；Ebatmin＝E·SOCmin；通过比较Ebat(k+1)与Ebatmax和Ebatmin改变储能单元的功率交互值Pbat(k)的符号。
CN202010650379.6A 2020-07-08 2020-07-08 一种基于mpc策略的微电网能量调度方法 Pending CN111769601A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010650379.6A CN111769601A (zh) 2020-07-08 2020-07-08 一种基于mpc策略的微电网能量调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010650379.6A CN111769601A (zh) 2020-07-08 2020-07-08 一种基于mpc策略的微电网能量调度方法

Publications (1)

Publication Number Publication Date
CN111769601A true CN111769601A (zh) 2020-10-13

Family

ID=72725806

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010650379.6A Pending CN111769601A (zh) 2020-07-08 2020-07-08 一种基于mpc策略的微电网能量调度方法

Country Status (1)

Country Link
CN (1) CN111769601A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117728469A (zh) * 2023-12-18 2024-03-19 国网青海省电力公司清洁能源发展研究院 一种基于电网状态的储能动态调控方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140058571A1 (en) * 2012-08-27 2014-02-27 Nec Laboratories America, Inc. Multi-objective energy management methods for micro-grids
CN109120003A (zh) * 2018-09-07 2019-01-01 中国南方电网有限责任公司 一种基于mpc算法的分布式光伏储能系统优化控制方法
CN110137942A (zh) * 2019-04-23 2019-08-16 河海大学 基于模型预测控制的多时间尺度柔性负荷滚动调度方法和系统
CN110932257A (zh) * 2019-08-29 2020-03-27 昆明理工大学 一种微电网能量调度方法
CN111293691A (zh) * 2020-03-19 2020-06-16 华北电力大学 基于模型预测控制的微电网多时间尺度优化调度方法
CN111313445A (zh) * 2020-03-19 2020-06-19 象山电力实业有限公司 一种基于模型预测控制的储能设备优化配置方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140058571A1 (en) * 2012-08-27 2014-02-27 Nec Laboratories America, Inc. Multi-objective energy management methods for micro-grids
CN109120003A (zh) * 2018-09-07 2019-01-01 中国南方电网有限责任公司 一种基于mpc算法的分布式光伏储能系统优化控制方法
CN110137942A (zh) * 2019-04-23 2019-08-16 河海大学 基于模型预测控制的多时间尺度柔性负荷滚动调度方法和系统
CN110932257A (zh) * 2019-08-29 2020-03-27 昆明理工大学 一种微电网能量调度方法
CN111293691A (zh) * 2020-03-19 2020-06-16 华北电力大学 基于模型预测控制的微电网多时间尺度优化调度方法
CN111313445A (zh) * 2020-03-19 2020-06-19 象山电力实业有限公司 一种基于模型预测控制的储能设备优化配置方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ZIHAN ZHANG: "Research on Economic optimal dispatching Strategy of Microgrid based on Model Predictive Control", 《2018 2ND INTERNATIONAL CONFERENCE ON ELECTRONIC INFORMATION TECHNOLOGY AND COMPUTER ENGINEERING (EITCE 2018)》 *
章子涵: "基于经济性最优MPC的微电网能量管理策略研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117728469A (zh) * 2023-12-18 2024-03-19 国网青海省电力公司清洁能源发展研究院 一种基于电网状态的储能动态调控方法

Similar Documents

Publication Publication Date Title
Liu et al. Optimal sizing of a wind-energy storage system considering battery life
Wu et al. Energy management strategy for grid-tied microgrids considering the energy storage efficiency
CN105846418B (zh) 一种孤岛型微电网实时调度能量管理系统
Gbadega et al. Impact of incorporating disturbance prediction on the performance of energy management systems in micro-grid
CN108964103B (zh) 一种考虑微网系统可调度性的微网储能配置方法
CN106992549A (zh) 一种独立微电网系统的容量优化配置方法及装置
CN110620383A (zh) 基于电力电子变压器的交直流配电网日前优化调度方法
CN112383086B (zh) 一种孤岛微电网日前能量-备用联合优化调度方法
CN116526452A (zh) 一种电能预测计量监测市电负荷光储一体控制系统
CN111525626A (zh) 一种基于云边协同计算的微电网实时调度方法及系统
CN112086998A (zh) 孤岛模式下直流微电网的能量优化调度方法
CN115099590B (zh) 计及光荷不确定性的主动配电网经济优化调度方法及系统
CN105207243A (zh) 一种用于风电场实时功率预报修正的电池能量管理方法
CN116470543A (zh) 一种虚拟电厂的运行控制方法、装置、设备及介质
CN106451511B (zh) 一种储能优化控制方法
CN109687423B (zh) 一种直流电网的储能配置方法
CN108462166B (zh) 一种微电网备用容量计算方法和微电网调控方法
CN109004641A (zh) 一种基于能源优化调度的微网源网荷协调控制方法
CN111769601A (zh) 一种基于mpc策略的微电网能量调度方法
CN115800276A (zh) 一种考虑机组爬坡的电力系统应急调度方法
Yang et al. Collaborative optimization of wind-solar-storage configuration in county distribution network considering near-zero carbon emission
Trigkasa et al. Energy Management in an Islanded Multi-Node Microgrid Based on Nonlinear Model Predictive Control (NMPC).
CN112636376A (zh) 一种混合储能装置在配电网中的运行优化方法和架构
Yang et al. Multi-time scale collaborative scheduling strategy of distributed energy systems for energy Internet
Roy et al. Energy storage for hourly dispatching utility-scale solar pv power using homer pro-a cost investigation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20201013

RJ01 Rejection of invention patent application after publication