含光熱的微能源網多時間尺度優化調度

趙為光，陳 澤，吳尚陽，于天洋

(黑龍江科技大學 電氣與控制工程學院，哈爾濱 150000)

0 引 言

隨著能源短缺問題的凸顯，作為能源互聯網末端的微能源網為解決能源短缺、提高能源利用率提供了有效途徑[1]。微能源網系統將不可控的新能源發電系統、儲能系統、燃氣鍋爐等設備和冷、熱、電負荷組成一個具備多能源供給的綜合能源系統，從而能夠滿足用戶的各類用能需求，并提高系統內的能源利用率[2]。因此，為了使系統在運行時能夠源-荷實時匹配，應當及時對系統中設備的出力進行調整，確保輸出功率與系統負荷的匹配，進而保證了微能源網系統的效益性與穩定性。

目前研究人員對微能源網系統的優化問題進行了較多的研究。文獻[3]通過構建以電網購電消費最低為目標的綜合能源系統日前優化模型，采用混合整數非線性規劃的方法對其進行了優化求解。文獻[4]通過構建燃氣輪機、吸收式制冷機、蓄電池的數學模型，建立了考慮微能源網運行成本的經濟調度模型。上述文獻從不同角度分析研究了微能源網的日前運行優化問題。但是，微能源網中包含有大量易受環境影響的可再生能源發電設備，這些可再生能源發電設備同傳統發電設備相比具有很強的隨機性和波動性，進而使得微能源網系統日前運行優化結果與設備的實際出力出現了一些偏差。微能源網的實時動態電價、可再生能源發電設施、用戶負荷的變化都可能會造成微能源網在實際的運行中與日前的優化策略不一致，導致微能源網中的源荷不能匹配，使得微能源網中用戶的舒適度下降,削弱系統的經濟效益。

針對可再生能源波動性對系統的影響，目前研究主要采用了逐漸細化的調度策略，來提高系統運行的經濟性、穩定性。文獻[5]提出了將微網能量管理系統分為經濟調度和實時調整兩個階段，用以應對可再生能源的波動性。文獻[6]通過使用線性規劃對系統內負荷的波動性和可再生能源出力的不確定性進行分析。文獻[7]提出采用模型預測控制的冷熱電三聯供型微網的動態優化調度策略，然后通過算例驗證了所提模型和算法的合理性。

針對可再生能源發電設備輸出功率的隨機性和用戶負荷的波動性，提出一種以滾動時域綜合運行成本最小為目標，基于模型預測控制框架的日內滾動運行調度模型，以降低可再生能源出力、負荷和電價不確定性對系統造成的影響。

1 含光熱的微能源網模型

該文構建的微能源網系統結構如圖1所示。此微能源網系統包含光伏發電、風力發電、光熱發電系統、燃氣鍋爐、電制冷機、吸收式制冷機和儲能等裝置。為了能夠詳細描述微能源網的構成及各種設備的工作特征，利用能量母線建模架構，根據能量流種類的不同，定義不同的能量母線[4-5]。該文的能量母線分別是電母線、熱母線和冷母線。電母線：光伏發電、光熱系統、風力發電、外接電網和蓄電池實施對電負荷和電制冷機的供應。熱母線：光熱系統、燃氣鍋爐實施對熱負荷與吸收式制冷機供應。冷母線：電制冷機與吸收式制冷機實施對冷負荷的供應。

圖1 微能源網結構圖

1.1 光熱發電系統

光熱發電系統的內部結構如圖2所示，光熱電站發電功率為

光熱電站發電出力約束條件：

光熱電站儲熱系統：

圖2 光熱電站內部結構圖

1.2 光伏發電

光伏電池輸出功率為

1.3 風力發電

風力發電的輸出模型可以表示為

1.4 燃氣鍋爐

燃氣鍋爐數學模型為

1.5 蓄電池模型

儲能裝置在抑制新能源波動方面起著重要作用，由于新能源的出力具有不確定性，從而容易對系統造成嚴重影響，為了減少沖擊，應在系統里加入儲能設備。其數學模型如下：

Ed(t)=Ed(t-1)+(ηd,cPd,c(t)-ηd,dPd,d(t))Δt

式中:Ed(t)、Ed(t-1)分別是蓄電池在t、t-1時刻的儲能狀態；Pd,c(t)、Pd,d(t)是蓄電池t時刻的充電和放電功率；ηd,c、ηd,d是蓄電池的充電和放電效率；Δt為時間間隔。

儲能設備的充能、放能功率約束：

0≤Ph,c(t)≤C·Ph,c，max

0≤Ph,d(t)≤(1-C)·Ph,d，max

式中：Ph,c，max、Ph,d，max是儲能設備的最大充能和放能功率；C是0-1變量，代表儲能設備的運行狀態。

儲能設備中的能量應在整個調度周期保持不變，如下所示：

儲能設備應受自身的儲能限制約束：

Eh,min≤Eh(t)≤Eh,max

式中：Eh,min、Eh,max分別是儲能設備的上、下限約束。

1.6 電制冷機模型

電制冷機數學模型為

1.7 吸收式制冷機模型

吸收式制冷機數學模型為

2 多時間尺度運行優化模型

該文提出的多時間尺度調度優化模型，主要由日前運行優化模型和日內滾動運行優化模型構成。

2.1 日前運行優化模型

該文所構建的微能源網的日前運行優化模型的目標函數為系統的日綜合運行成本最小。微能源網的日綜合運行成本與向電網購電費用、向天然氣公司的購氣費用和污染物的排放治理費用息息相關，其具體表達式為

1)電能平衡約束：

2)熱能平衡約束：

3)冷能平衡約束：

2.2 基于模型預測控制的日內滾動運行優化

2.2.1 模型預測控制的機理

模型預測控制具體包含模型預測、滾動優化與反饋校正三部分。其在每一個采樣周期，將當下的工作狀態作為整個系統的初始狀態，通過預測模型來預測整個系統未來一段時間的動態行為，依據所設置的目標函數與約束條件持續實施滾動優化，計算得到最優控制序列且執行該控制，且在每一次滾動優化計算中借助實時信息進行持續性的校正，達到對后續動態過程的預測[6]。其結構如圖3所示。

圖3 模型預測控制結構圖

模型預測控制的基本理論如圖4所示。由圖4分析可得，控制系統根據過去和現在的輸入輸出數據和控制量的變化值，預測得到未來有限時段內的輸出量ym(k+i)，利用反饋校正操作，計算輸出數值與預測數值的差值，再將其置于預測輸出環節，來校正輸出值，從而可以得到經過校正的輸出值yp(k+i)，預測值和參考軌跡yr(k+i)在確定的滾動優化函數中對目標性能進行不斷的滾動優化計算，不斷跟蹤修正，最終可以使系統的預測值更加逼近實際的輸出值。

圖4 模型預測控制滾動時域控制原理圖

2.2.2 預測環節

預測環節可以結合系統過去的數據與預期的輸入值，對系統將來的輸出值進行預測。該環節假設光熱、光伏、風機輸出功率、負荷和電價的預測值滿足以下需要，符合下面的預測模型：

2.2.3 滾動優化環節

日內滾動優化運行的目標函數為

2.2.4 反饋校正環節

可再生能源輸出功率和冷熱電負荷的預測結果容易受非線性、時變性等因素的影響，從而和實際值不能完全一致，存在一定的偏差。因此，將反饋校正機制與模型預測控制相結合十分有必要，通過對當前系統的測量結果和預測數據進行對比，得到兩者之間的差異，并進行相關調整，從而進一步降低因環境、模型等對預測控制造成的影響。反饋校正的目的是為了準確預測系統未來動態的輸出，進而增強系統的魯棒性與控制準確性。

3 算例分析

3.1 基本算例數據

該文的仿真算例以圖1所示的微能源網結構為基礎，選取某工業園區的微能源網運行數據進行案例分析。根據所在地區的天氣特點和園區冷熱電負荷數據，計算出微能源網在夏、冬兩季節典型日負荷下系統中電、冷、熱功率的調度優化結果。微能源網的設備參數如表1所示;污染物的折算系數及治理費用如表2所示；光熱系統的相關技術參數如表3所示[8]；蓄電池及其他參數見表4；微能源網的光伏和風機輸出功率預測曲線如圖5所示；該工業園區的冷熱電日負荷曲線如圖6所示；該工業園區的實時電價和分時電價如圖7所示。

表1 微能源網設備參數

表2 污染物的折算系數及治理費用

表3 光熱系統的相關技術參數

表4 蓄電池及其他參數

圖5 典型日可再生能源出力值

圖6 典型日冷熱電負荷數據

圖7 實時電價

3.2 算例調度結果分析

該文日前調度以小時為時間尺度，日內滾動優化階段，滾動時長為24 h，時間間隔為15 min。通過對微能源網的日內滾動優化模型求解得到各個設備的輸出功率優化結果,并繪制了微能源網中各個主要供能設備日前和日內滾動優化的輸出功率對比曲線圖，如圖8所示。

圖8 光熱發電日前和日內滾動優化輸出功率結果

由圖8可知，在含光熱的微能源網中光熱發電輸出功率作為主要供電設備，其一天中隨著光照強度和負荷的變化進行出力增減，在日前和日內滾動優化的輸出功率曲線差別不大，在白天陽光充足時，光熱發電承擔大部分電負荷，在夜間高電價時期光熱電站依靠儲能系統依然可以進行一定的功率輸出，減少此時的電網購電。日內滾動優化由于預測時間縮短能夠更精確地調控光熱儲能，使其只在夜間高電價時期進行電功率輸出，從而使系統具有更好的經濟性。

微能源網與電網購電功率日前和日內滾動優化輸出功率結果如圖9所示。由圖9可知，微能源網的購電功率在日前和日內滾動優化中結果偏差不大，在電價低谷時期，日內滾動優化功率購電功率有所波動，在電價高峰時期隨著系統內可再生能源輸出功率的增加電網購電功率減少為0。在傍晚低電價時期，微能源網系統為了增加系統在夜間高電價時期的經濟性，減少光熱發電的輸出功率，增加對電網的購電功率，使系統在夜間高電價時期可以由可再生能源發電系統輸出更多的電功率，減少系統的購電功率，降低系統運行的成本。

圖9 微能源網與電網購電功率日前和

電制冷機、吸收式制冷機日前和日內滾動優化輸出功率結果如圖10、圖11所示。由圖10和圖11可知，電制冷機和吸收式制冷機在日前和日內運行優化結果偏差不大，日內滾動優化情況下的輸出功率曲線整體上要稍低于日前出力曲線，這是因為系統在實際的運行中，冷負荷的減少所引起。

圖10 電制冷機日前和日內滾動優化輸出功率結果

圖11 吸收式制冷機日前和日內滾動優化輸出功率結果

燃氣鍋爐日前和日內滾動優化輸出功率結果如圖12所示。由圖12可知，燃氣鍋爐在日內滾動優化情況下的輸出功率曲線和日前輸出功率曲線總體變化不大，在冬季典型日熱負荷的需求增加，燃氣鍋爐開機運行對系統內的熱負荷進行供給。

圖12 燃氣鍋爐日前和日內滾動優化輸出功率結果

蓄電池日前和日內滾動優化輸出功率結果如圖13所示。根據圖13，蓄電池在日前、日內運行優化結果變化趨勢相類似，受電價和電負荷波動的影響使蓄電池的充放電功率和日前結果相比有一定的波動。蓄電池在低電價時段工作于充電狀態，在高峰電價和可再生能源出力不足時為了減少電網購電功率，蓄電池工作于放電狀態。

圖13 蓄電池日前和日內滾動優化輸出功率結果

3.3 運行成本分析

微能源網日前運行優化成本與日內滾動運行優化成本具體情況如表5所示。由表5可得，日內的優化成本相比日前運行成本有所提高。這主要是因為在日內實際運行中，系統中可再生能源設施的隨機性和用戶負荷變化引起的，微能源網在滾動優化運行時會對設備的輸出功率進行一定的調整，從而導致其日內滾動優化的成本會略高于日前運行成本。因此證明了該文所提的模型預測控制的方法，在日內滾動優化中的有效性。

表5 日內滾動優化運行成本和日前運行成本對比

4 結 語

針對可再生能源發電設備輸出功率的隨機性和用戶負荷的波動性，該文主要研究了微能源網的多時間尺度運行優化。在微能源網日前運行優化調度模型的基礎上，建立了基于模型預測控制的微能源網的日內滾動運行優化模型。通過算例仿真分析可得，當微能源網進行日內滾動優化時，能夠有效地對系統內各個設備的輸出功率進行調控管理，從而降低了新能源電源出力隨機性和負荷波動性對微能源網系統運行經濟性和穩定性的影響。